Файл: Повышение эффективности логистического канала распределения.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 03.02.2024

Просмотров: 46

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Средний уровень запаса - основной показатель состояния запасов

Формула:

Zi= , (1)

где

Zni – остаток на начало периода i;

Zki – остаток на конец периода i;



Рисунок 1 – Расчеты среднего уровня запасов

Как мы можем наблюдать на диаграмме, максимальная точка роста приходит на февраль и март, в то время как минимальная на сентябрь.
Запасоёмкость – состояние уровня запаса, показатель сколько остатков запасов приходит на ед. отгрузки приходящего периода учёта.

Zlmi ,

(2)

где Zi – остаток запасов на начало периода i;

Di – объём отгрузки за единичный период учета i;

По результатам расчётов составим диаграмму и сопоставим результаты.



Рисунок 2 – Расчёт запасоёмкости

По результатам диаграммы можно сделать вывод , что перед новым годом и после максимальное запасоемкость достигает максимального значении после нового года она идет постепенно на убыль, с редкими подъёмами в марте, июле и октябре, но они не достигают максимума
Объём потребности запасов – имеет размерность в единицах времени

Формула:

Odi ,

(3)

где Zei – остаток запасов на конец периода учета i ед;

mj – объём отгрузок в ед. периоде j ед/дн.



Рисунок 3 – График обеспеченности потребности запасами

Доля периода запаса – отношение объёма запаса на начало периода к предполагаемому итогу запаса на конец этого периода.



Рисунок 4 - Доля периода запаса

Показания графика указывает на постоянные скачки доли, максимальная точка приходит на май и июнь, минимальная в апреле и сентябре.

Скорость обращения запасов – показатель количества оборотов (число раз полного обновления состава среднего запаса за период i.

Формула:

Vi ,

(4)

где

Vi – скорость обращения, число раз;




Рисунок 5 – График скорости обращения

Наблюдаются скачки скорости обращения на протяжение всего периода, так в январе и декабре минимальное скорость обращения, также в июне и юле он близится к минимальному, максимальное количество скорости обращения достигается в августе.

Время оборота – показатель среднего временного промежутка в течение которого запас находится на складе.

Формула:

Ti ,

(5)

где Ti – время оборота.



Рисунок 6 – Зависимость времени оборота от месяце

Максимальное количество времени оборота достигается в период января, декабря, также в июне и июле от достаточно высокий. Минимальное время затрачивается в феврале и августе.

2.2 Прогноз потребления запаса
Нам известны фактические отгрузки и число рабочих дней, исходя из этих данных высчитываем среднее потребление в день и составляем прогноз методами: среднедневного потребления, среднего скользящего, среднего скользящего взвешенного и экспоненциальным методом.

Таблица 2 – Расчёт прогноза потребления запаса

Месяц

Фактические отгрузки

Наивный прогноз

Число рабочих дней

Среднее потребление

в день

Прогноз среднедневного потребления

Прогноз среднемесячного потребления

Прогноз среднедневного потребления

Прогноз среднемесячного потребления

на основе среднедневного потребления

средняя скользящая

1

2

3

4

5

6

7

8

9

Январь

17190

-

16




-

-

-

-

Февраль

57133

17190

20

2856,65

1074

21480

-

-

Март

48450

57133

21

2307,14

2856

59976

1965

41265

Апрель

58593

48450

21

2790,14

2307

48447

2581,5

54211,5

Май

45423

58593

20

2271,15

2790

55800

2548,5

50970

Июнь

23779

45423

22

1080,86

2271

49962

2530,5

55671

Июль

21676

23779

20

1083,80

1080

21600

1675,5

33510

Август

65235

21676

23

2836,30

1083

24909

1091,5

24874,5

Сентябрь

46609

65235

22

2118,59

2836

62392

1959,5

43109

Октябрь

45290

46609

21

2156,67

2118

44478

2477,00

52017

Ноябрь

31443

45290

21

1497,29

2156

45276

2137

44877

Декабрь

13660

31443

21

650,48

1497

31437

1826,5

38356,5



Продолжение таблицы 2

Месяц

Прогноз среднедневного потребления

Прогноз среднемесячного потребления

Прогноз среднедневного потребления

Прогноз среднемесячного потребления

Прогноз среднедневного потребления

Прогноз среднемесячного потребления




средняя скользящая взвешенная




a=0,2




а=0,8




1

10

11

12

13

14

15

Январь

-

-

-

-

-

-

Февраль

-

-

-

-

-

-

Март

2398,73

50373,28

2398,73

50373

2398,73

50373,33

Апрель

2709,64

56902,50

2380,41


49988

2325,46

48834,67

Май

2357,65

47152,98

2462,36

49247

1953,71

39074,28

Июнь

1279,24

28143,38

2424,12

53330

2207,66

48568,58

Июль

1083,31

21666,21

2155,47

43109

1306,22

26124,47

Август

2544,22

58517,07

1941,13

44646

1128,28

25950,55

Сентябрь

2238,21

49240,62

2120,17

46643

2494,70

54883,41

Октябрь

2150,32

45156,73

2119,85

44516

2193,81

46070,07

Ноябрь

1607,18

33750,83

2127,21

44671

2164,10

45446,01

Декабрь

791,61

16623,83

2001,23

42025

1630,65

34243,60


Формулы:

Среднее потребление в день:

Ср.потр.д.= ;

(6)

Прогноз среднедневного среднемесячного потребления на основе среднедневного потребления:

П.ср.дн.потр.=

(7)

Прогноз среднедневного и среднемесячного потребления с помощью средней скользящей взвешенной:

;

(8)

где Pi – средние фактические отгрузки;

Wi – количество наблюдений.

Метод экспоненциального сглаживания наиболее эффективен при разработке среднесрочных прогнозов. Он приемлем при прогнозировании только на один период вперед. Его основные достоинства простота процедуры вычислений и возможность учета весов исходной информации. Рабочая формула метода экспоненциального сглаживания: где t – период, предшествующий прогнозному; t+1 – прогнозный период; Ut+1 - прогнозируемый показатель; α - параметр сглаживания; Уt - фактическое значение исследуемого показателя за период, предшествующий прогнозному; Ut - экспоненциально взвешенная средняя для периода, предшествующего прогнозному. 

Таким образом, если есть уверенность, что начальные условия, на основании которых разрабатывается прогноз, достоверны, следует использовать небольшую величину параметра сглаживания (α→0). Когда параметр сглаживания мал, то исследуемая функция ведет себя как средняя из большого числа прошлых уровней. Если нет достаточной уверенности в начальных условиях прогнозирования, то следует использовать большую величину α, что приведет к учету при прогнозе в основном влияния последних наблюдений.   

 

Uo - экспоненциально взвешенного среднего начального

Экспоненциальная взвешенного среднего:



(9)

Начальное значение, через среднее арифметическое:



(10)

По приведенному расчету необходимо построить следующие графики для проведения анализа:



Рисунок 7 - Динамика фактических отгрузок товара по месяцам

По графику видны сильные колебания отгрузок на протяжении года. Мы наблюдаем, что минимально количество отгрузок в декабре и январе, в то время как максимальное в августе и апреле.




Рисунок 8 - Результаты наивного прогнозирования потребности в запасе
Наивный прогноз – применяется при наличии равномерного спроса, не имеющий сезонного периода потребления.

Заключается в том, что деятельность периода прогнозируется предыдущим периодом фактического. Достаточно прост в применении, но низкая точность. Как мы видим по графику наивный прогноз отличается от фактического и отклоняется вправо.




Рисунок 9 - Результаты прогнозирования потребности в запасе на основе среднедневного потребления

По графику видно что среднедневная потребность намного меньше чем фактические отгрузки и это не удивительно ведь фактические отгрузки включаются в себя показатели за весь месяц.



Рисунок 10 - Результаты прогнозирования потребности в запасе методом взвешенной скользящей средней

По графику видно примерно одинаковый результат, кроме скачка в сентябре, в остальные месяцы отклонение почти идентично.



Рисунок 11 – Результаты прогнозирования потребности в запасе методом взвешенной скользящей средней и скользящей средней

По графику наблюдает идентичные тенденции между фактическими отгрузками и прогноза потребности в запасе методом взвешенной скользящей средней. В то же время скользящая средняя в сентябре даёт сильное отклонение от других прогнозов.



Рисунок 12 - Результаты прогнозирования потребности в запасе методом экспоненциального сглаживания

На графике представлены результаты расчётов экспоненциального сглаживания при значении а=0,2 и а=0,8. По результатам сравнения мы видим что они различаются так при а=0,8 фактические отгрузки примерно совпадают и составляют в большинстве месяцев более количество потребности в отличии от а=0,2.