Проект совершенствования системы управления товарными запасами на примере дистрибьюторской компании
Дипломная работа - Маркетинг
Другие дипломы по предмету Маркетинг
В»икативнаясреднеесреднее*среднеесреднее*январь-522,250-521,2930,8220,822февраль-297,900-296,9430,9360,937март-253,790-252,8330,9300,930апрель77,00077,9571,0141,014май-302,190-301,2330,8950,895июнь-351,350-350,3930,8850,885июль-413,380-412,4230,8690,869август-128,640-127,6830,9370,938сентябрь153,403154,3611,0611,061октябрь75,62076,5771,0281,028ноябрь463,050464,0071,1481,149декабрь1488,9401489,8971,4711,471Сумма-11,4870,00011,99712,000
По аддитивной модели средняя оценка сезонной компоненты по январю iитается, как:
Аналогично iитаем по каждому месяцу. Следующим шагом является определения соответствия условию, что сумма значений сезонной компоненты по 12 месяцам равна нулю. По раiетным данным сумма равна -11,487.
Определим корректирующий коэффициент: . Скорректируем значения сезонной компоненты, путем вычитания из средней оценки сезонной компоненты корректирующего коэффициента. Скорректированные значения записаны в 3 столбце таблица 3.5.
По мультипликативной модели средняя оценка iитается аналогичным способом. Однако, проверочное условие при раiете по мультипликативной модели заключается в том, что сумма значений сезонной компоненты по отдельным периодам должна быть равна числу периодов в цикле, то есть 12. Пло раiетным данным сумма равна 11,997.
Определим корректирующий коэффициент: . Скорректированное значение сезонной компоненты, представленное в 5 столбце таблицы 3.5, определяется как произведение средних оценок сезонности на корректирующий коэффициент.
Теперь можно iитать прогноз на три месяца вперед.
По аддитивной модели:
Раiетная ошибка прогноза составила: 457, 31.
По мультипликативной модели:
Раiетная ошибка прогноза составила: 493, 80.
В таблице 3.6 представлено сравнение двух моделей прогнозирования с фактическими данными по расходу за первый квартал 2012 года.
Таблица 3.6 - Сравнение двух моделей прогнозирования
МесяцФакт расходаАддитивнаяМультипликативнаяПрогнозОтклонениеПрогнозОтклонениеЯнв.123 250,533 464,011873 276,13-0,4Фев.122 514,513 733,562193 774,56260Март.122 920,053 822,874333 792,05402
Проанализировав полученные данные, видим, что наименьшая ошибка прогноза при раiете мультипликативным методом.
Определение норм текущего и страхового запаса на основе прогнозных данных.
Как уже отмечалось в главе 2, на уровень страхового запаса влияют две случайные величины: спрос и продолжительность цикла выполнения заказа.
Объем страхового запаса, который требуется для обеспечения заданного уровня сервиса, может быть определен при помощи компьютерного моделирования или с использованием статистических методов.
Воспользуемся вторым методом раiета страхового запаса.
Так как на уровень СЗ влияют две случайные величины, то следует рассматривать именно совместное влияние неустойчивого спроса и нестабильного времени выполнения заказа.
Данные по объемам продаж и времени получения, необходимые для раiета, были получены из системы Cognos, которую использует компания как основной инструмент анализа данных и построения отчетов. Раiет страхового запаса также производится по позиции товара, относящаяся к группе BY - порошок Персил Свежесть Вернеля.
В таблице 3.7 представлены данные о расходе товарного запаса за последние 3 месяца 2011 года.
Определим среднедневное значение уровня продаж за три месяца:
шт. Среднее значение показателя можно расiитать с помощью функции MSExcelСРЗНАЧ.
Для определения среднеквадратического отклонения (СКО) можно также воспользоваться функцией MSExcelСТАНДОТКЛОН или по формуле 2.4.
Если принять, что распределение спроса подчинено нормальному закону распределения, то полученная цифра означает, что в 68% случаев дневные продажи будут составлять от 59 до 173 штук товара. При выборе двух среднеквадратических отклонений или 114 единиц товара, достигается защита от дефицита в 95% случаев.
Таблица 3.7 - История продаж с 10.11 по 12.31
НеделяДень неделиСуммаПонедельникВторникСредаЧетвергПятница1113673131781342116891111469831348374212704168941092527951047588911066173142140118537196627211454887143811554891391372123416110942569613676113751981366412177112221125213187182995064Сумма7527
Следующим шагом необходимо определить среднее время пополнения товарного запаса, а также среднеквадратическое отклонение цикла пополнения. В таблице 3.8 представлена динамика времени пополнения товарного запаса.
Таблица 3.8 - Динамика времени пополнения запаса
Дата размещения заказаКол-во дней в путиДата оприходования товара11.09.201119,5301.10.201116.10.201115,6001.11.201101.11.201114,3116.11.201105.11.201113,3419.11.201114.11.20119,5524.11.201111.11.201119,5201.12.201123.11.201113,5107.12.201129.11.201116,2216.12.201106.12.201113,6120.12.201112.12.201114,2427.12.2011
Вычислим среднее время пополнения запаса:
дней.
Определим СКО времени пополнения запаса по формуле 2.4 или с помощью функции MSExcelСТАНДОТКЛОН:
дня
Когда произведены все раiеты, можно расiитать уровень страхового запаса, который бы учитывал как вариативность спроса, так и цикл времени пополнения запаса, по формуле 2.5.
Таким образом, в ситуации нормального распределения спроса, уровни обслуживания распределяются следующим образом в зависимости от числа необходимых среднеквадратических отклонений. В таблице 3.9 отображено обобщение альтернативных уровней обслуживания, в соответствии с источником [2].
Таблица 3.9 - Соотношение уровней обслуживания и требований к страховому запасу
Уровень обслуживания,%Необходимые СКОСтраховой запас84,11,039690,31,351594,51,663497,72,079298,92,391199,52,61 03099,93,01 188
Мы определили, что сре