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.