Содержание к диссертации
Введение
Глава 1. Особенности управлении запасами на оптовом многономенклатурном складском комплексе 7
1.1. Обзор категории запасы, их классификация и характеристики 7
1.2. Модели управления запасами 17
1.3. Особенности классификации многономенклатурного товарного ассортимента 24
1.4. Перспективные подходы к прогнозированию спроса 28
Глава 2. Методические вопросы прогнозировании нестационарного спроса 44
2.1 Прогнозирования спроса с использованием методов ближайшего соседа 44
2.2 Метод Кростона 57
2.3 Бутстреп-оценки значения спроса за период 62
2.4 Методика прогнозирования спроса с использованием селективной модели 66
2.5 Вычисление ошибки прогнозирования в связи с моделью управления запасами 71
Глава 3. Применение селективной .методики дли прогнозировании спроса на оптовом рынке косметики 76
3.1 Предварительная обработка данных и классификация товаров 76
3.2 Апробация методов, основанных на поиске ближайшего соседа 82
3.3 Апробация метода Кростона на рядах с большим количеством нулей 91
3.4 Прогнозирование суммарного спроса за период методом бутстреп 100
3.5 Апробация селективной модели 105
Заключение 112
Список литературы 116
Приложения
- Обзор категории запасы, их классификация и характеристики
- Прогнозирования спроса с использованием методов ближайшего соседа
- Предварительная обработка данных и классификация товаров
Введение к работе
Актуальность исследования. С развитием оптовой торговли и постепенным введением в строй современных складских комплексов, играющих роль крупных распределительных центров и осуществляющих многономенклатурную торговлю, растет потребность в разработке методологии управления многономенклатурными товарными запасами. Ведь поддержание ассортимента и своевременное обслуживание клиентов требует от торговой организации консервации огромных средств в запасах.
В работах, посвященных моделям управления запасами, традиционно наибольшее внимание уделяется выбору стратегии управления запасами, а вопросы прогнозирования спроса на товары рассматриваются лишь косвенно. В то же время, проблема прогнозирования спроса не менее важна для оптимального управления запасами, чем собственно стратегия управления. Часто рассматриваются модели, в соответствии с которыми спрос носит детерминированный характер, либо подчинен некоторому простому и стабильному закону распределения. Практические исследования в данной области показывают наличие ряда ситуаций, когда данный упрощенный подход неприемлем. В особенности это касается спроса на отдельные товары на коротких интервалах времени. Такая постановка задачи характерна для оперативного управления ассортиментом склада.
Недостаток информации о факторах, влияющих на спрос на интервалах порядка недели, приводит к использованию методов автопроекции временных рядов. Большой интерес вызывают развивавшиеся несколько обособленно методы ближайшего соседа (непараметрической регрессии), практические результаты их применения, приспособленность к прогнозированию прерывистого спроса. Под прерывистым спросом здесь понимается спрос, который значительную часть времени не предъявляется вообще. Методы прогнозирования прерывистого спроса недостаточно описаны в отечественной литературе.
Важность ряда описанных проблем для коммерческих организаций и торговой сети в целом, необходимость усовершенствования некоторых методов прогнозирования и их апробация на данных оптовой торговли, обуславливают актуальность выбранной темы работы с практической и научной точек зрения.
Цель и задачи исследования. Целью диссертационной работы является разработка методики краткосрочного прогнозирования нестационарного (прерывистого) спроса, без выраженных тренда и сезонности.
Достижение цели потребовало постановки и решения следующих задач:
Проанализировать системы управления запасами, взаимосвязь стратегии управления запасами и задачи прогнозирования прерывистого спроса на товары;
Проанализировать характер спроса на различные товары, выделив характерные особенности временных рядов спроса товарных групп;
Предложить алгоритм, повышающий точность прогноза метода, основанного на поиске ближайших соседей;
Разработать селективную методику краткосрочного прогнозирования спроса на товар, используя в качестве базовых методы, основанные на поиске ближайших соседей, методы Кростона и экспоненциального сглаживания;
Создать алгоритмы и программное обеспечение, реализующие специальные методы прогнозирования, предложенные в работе;
Провести апробацию методики прогнозирования, основанной на использовании селективной модели, сравнить ее прогностические свойства с другими моделями.
Объектом исследования являются системы управления товарными запасами оптовой торговой организации.
Предметом исследования являются методы краткосрочного прогнозирования в системе управления запасами оптовой торговой
организации.
Информационной базой является база данных о ежедневных отгрузках и поступлениях со складских комплексов крупной фирмы - производителя и распространителя косметических товаров за 2002-2003 гг., а также официальные данные Росстата.
Расчеты производились с помощью пакета программ Statistica 6.0, а также с помощью программ, разработанных автором и написанных на языке Borland Delphi 5.
Теоретической основой исследования послужили работы отечественных и зарубежных ученых по вопросам управления запасами, логистики, статистического прогнозирования и моделирования временных рядов, математической статистике, нелинейной динамике и методам непараметрической регрессии, прогнозирования прерывистого спроса, а также методам размножения выборок.
Научная новизна работы заключается в разработке методики краткосрочного прогнозирования прерывистого спроса на товары оптового складского комплекса, при отсутствии тренда и сезонности.
Предмет защиты составляют следующие положения и результаты, полученные лично соискателем и содержащие элементы научной новизны:
Предложена типологизация товаров по характеру спроса, учитывающая долю товара в суммарном обороте организации и частоту появления ненулевых значений спроса;
Исследованы особенности прогнозирования с использованием методов ближайшего соседа, метода Кростона и метода бутстреп на прерывистых временных рядах спроса на косметические товары;
Разработана и апробирована на товарах оптового рынка косметики селективная методика прогнозирования прерывистого спроса, включающая методы ближайшего соседа, метод Кростона и
6 экспоненциальное сглаживание;
Предложена система мониторинга ближайших соседей, позволяющая повысить прогностические способности методов, основанных на их поиске;
Для товаров оптового рынка косметики проведен анализ преимуществ н недостатков предлагаемых методов прогнозирования по сравнению с традиционными статистическими методами.
Практическая значимость. Выводы, результаты и рекомендации по методике краткосрочного прогнозирования прерывистого спроса могут быть использованы организациями оптовой торговли.
Результаты диссертационного исследования могут быть использованы в учебном процессе по курсу «Статистические методы прогнозирования».
Апробация работы. Основные положения и результаты диссертационного исследования докладывались и получили одобрение на 11-ой Всероссийской научной конференции молодых ученых, аспирантов и студентов «Прикладные аспекты статистики и эконометрики» (Москва,2005)
Публикации. Основные положения диссертации опубликованы в 6 научных работах, общим объемом 1,5 п.л.
Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и приложений.
Обзор категории запасы, их классификация и характеристики
Задача прогнозирования спроса для оптовой торговой организации непосредственно связана с процессом управления запасами. Конечным результатом, который всегда интересует фирму, является заключение о том, какой объем товара должен лежать на складе, чтобы обеспечить требуемый уровень обслуживания клиентов, не замораживая излишних денежных средств в запасах. Достижение этого результата потребует понимания причин возникновения запасами, их сути, общих подходы к управлению ими, а также понимание роли прогнозирования спроса в решении общей задачи.
Обратимся к определению товарных запасов. «Товарные запасы - это готовая продукция у поставщиков (сбытовая), на складах и базах (складская)»[40]. Основная роль запасов состоит в обеспечении непрерывности процессов производства и потребления, а сам механизм возникновения легко представить на примере резервуара с водой, имеющего входящий, отражающий интенсивность снабжения, и исходящий, отражающий интенсивность спроса, потоки. Запас играет роль буфера между этими потоками и обеспечивает непрерывность потребления в случае колебания процесса снабжения или спроса. Подобному резервуару может быть уподоблен и складской комплекс.
Запасы создаются также и в производстве, для обеспечения непрерывности работы [40]. Механизм возникновения запасов аналогичен, однако в контексте данного исследования больший интерес представляют примеры из области торговли.
Определив основную роль запасов как буфера между входящими и исходящими потоками, можно выделить несколько факторов, приводящих к необходимости создания запасов:
1) дискретность поставок - в большинстве случаев товар поступает только в определенные моменты времени, входящий поток дискретен;
2) закупка товара партиями - невозможность выбрать количество закупаемого товара произвольно;
3) случайные колебания спроса, объема поставок, длительности интервалов между поставками и между моментами возникновения спроса;
4) наличие издержек, связанных с дефицитом товара на складе или с запаздыванием выполнения заказа клиента;
5) предполагаемые изменения конъюнктуры - неслучайные колебания спроса или поставок.
Наличие издержек, связанных с дефицитом товара на складе пли запаздыванием выполнения заказа клиента, приводит к пониманию мотивов, побуждающих организации к созданию запасов. Коротко говоря, запасы обеспечивают получение прибыли. Предприятия вынуждено создавать запасы, так как в противном случае увеличатся издержки или уменьшится прибыль. Запасы и финансовые ресурсы могут также рассматриваться как взаимозаменяемые факторы. Отсюда следует, что запасы создаются, когда они обеспечивают более высокую рентабельность по сравнению с теми случаями, когда капитал используется альтернативным способом.
Принимая во внимание все перечисленные факторы, становится совершенно ясным почему, согласно теории управления запасами, создание запасов почти всегда неизбежно, а хранение их связано с ограничениями, связанными с общей ориентацией торговой организации на максимизацию прибыли. Запасы создаются для удовлетворения спроса, так как их создание является наиболее приемлемым из всех возможных путей решения этой проблемы. Аналогично, стратегия управления запасами также должна быть наилучшей альтернативой из всех возможных линий поведения. Многообразие ситуаций возникновения и способов использования запасов порождает различные классификации этой категории. Все запасы можно классифицировать по натурально-вещественным признакам (видам сырья материалов, готовой продукции), месту их нахождения, времени возникновения, функциональному назначению, объему и потребности в них.
По месту нахождения запасы обычно делятся на два типа: производственные и товарные. Производственные и товарные запасы отличаются друг от друга целями своего использования, методами управления и обоснования размера. Производственные запасы обеспечивают непрерывность производства. Интенсивность потребления производственных запасов целиком зависит от производственной программы предприятия. Зная программу выпуска продукции и нормы расхода сырья на единицу изделия, можно легко определить нормы производственных запасов сырья и материалов.
Ситуация с товарными запасами обстоит несколько иначе. Этот вид запасов должен обеспечивать непрерывность потребления продукта, а, следовательно, формирование товарных запасов связано с такой социально-экономической категорией, как платежеспособный спрос, отражающий самые различные экономические, социальные, психологические сдвиги. А в случае оптовой торговле - еще и закупочную политику ряда крупных клиентов.
Товарные запасы - это конечная продукция предприятий, которая обрела статус товара, предназначенного для продажи покупателям или перепродажи торговыми структурами. Такие запасы могут находиться в каналах продвижения, в пути следования, на складах.
По времени возникновения и функциональному назначению запасы подразделяют на следующие категории: подготовительные или технологические; текущие; страховые; сезонные. Подготовительный или технологический запас учитывает потребность в материальных ресурсах, связанную с их приемкой, подготовкой к производству или продажей продукции. По сути дела, это запасы, перемещающиеся из одной логистической системы в другую. Большой уровень технологических запасов обнаруживается в системах, требующих длительного времени на подбор заказа
Текущий запас - основной запас, обеспечивающий непрерывное снабжение производства или потребление (реализацию) товаров между их поставками.
Прогнозирования спроса с использованием методов ближайшего соседа
Первый рассматриваемый метод - PMRS (pattern modeling and recognition method), или метод распознавания образов. Одно из основных понятий метода распознавания образов - состояние (образ) временного ряда. Общее описание этого понятия приведено в гл. 1. Фактически, это отрезок временного ряда некоторой заданной длины. Длина этого отрезка называется размером состояния.
Пусть имеется временной ряд Y = {}\,у2,..,уп}. Тогда состояние временного ряда в момент времени п размера 1 будет представлено единственным последним значением временного ряда у„. Самым простым вариантом метода был бы поиск ближайшего соседа для значения уп среди более ранних значений - у}, и предсказание y„+i на основе у7-+1. Этот подход может быть расширен вычислением среднего предсказанного значения на базе более чем одного ближайшего соседа.
Состояние системы описывается вектором последовательных значений временного ряда, размер которого теоретически может быть любым. Поэтому одной из важнейших процедур метода является подбор оптимального размера вектора-состояния, который позволяет получить точное прогнозное значение - слишком большой или слишком малый размер вектора одинаково плохо сказывается на точности прогноза. Оптимальный размер выбирается экспериментально, методом перебора возможных вариантов выбирается тот, который дает минимальную ошибку.
Кроме вектора разностей понадобится расчет специального маркировочного вектора b = Основная часть алгоритма представляет собой процесс поиска в прошлом такого прошлого состояния, которое было бы максимально похоже на текущее состояние временного ряда, записанное с помощью векторов S и Ъ.
Размерность этих векторов меняется при каждом следующем прогоне алгоритма, /гє[2Д тах]5 с целью нахождения оптимальной размерности, которой будет соответствовать минимальная ошибка прогнозирования. Цель каждого прогона алгоритма - подобрать среди прошлых значений временного ряда максимально близкого соседа для текущего состояния и использовать его для предсказания значения y„+i. При этом величина изменения предсказываемого значения будет зависеть от найденного 8 , а направление - от его знака, то есть от b . Успех или неудача алгоритма на каждом прогоне прямо зависит от алгоритма поиска ближайшего соседа. При первом прогоне алгоритма выбирается отрезок минимального размера А-2. Ближайший сосед для этого отрезка, обозначим его выбирается из исторических данных исходя из критерия минимизации отклонения весовые коэффициенты.
Введение весов W; позволяет усилить влияние на значение отклонения последних данных, что может быть полезно при достаточно больших значениях к. Найденный ближайший сосед обозначается термином «маркер». После того, как ближайший сосед найден, самая трудоемкая часть алгоритма завершена. Остается только рассчитать прогнозное значение спроса. Алгоритм метода распознавания образов предусматривает возможные случаи: прогнозируется, что ряд пойдет вверх, останется без изменения, либо пойдет вниз. Вывод о направлении движения временного ряда делается исходя из значения 0у-, которое указывает на направление движения временного ряда в момент времени, непосредственно следующий за «маркером».
class3 Применение селективной .методики дли прогнозировании спроса на оптовом рынке косметики link3
Предварительная обработка данных и классификация товаров
В данной работе решается задача краткосрочного прогнозирования спроса на косметические товары, распространяемые на отечественном рынке одним из крупнейших производителей массовых парфюмерно-косметичсских изделий. В последние годы рынок косметики в нашей стране динамично развивается, индекс физического объема продаж парфюмерно-косметичсских изделий в 2002 и 2003 гг. составил 150,2% и 164,2% к 1990 году. В основу исследования положены даїшьіе о приходах и расходах центрального распределительного центра организации, клиентами которого являются более 100 организаций. Поставки на склад в России осуществляются из Польши еженедельно, поэтому в работе рассматриваются данные в недельной динамике за период 2002-2003 гг., т.е. 105 наблюдений. За этот период распределительный центр осуществлял операции с 1565 косметическими товарами. Таким образом, в работе анализируются 1565 временных рядов, состоящих из 105 значений каждый.
Первоначально все товары были поделены на три расходных группы. ЛВС-анализ проводится согласно общепринятой методологии. Выделяется группа товаров А, вносящих наибольший вклад в оборот компании, промежуточная группа В и группа С - товаров, пользующихся наименьшим спросом. В данном исследовании затрагиваются вопросы прогнозирования спроса на товары группы А, и частично - группы В, как наиболее важных для деятельности торговой организации.
Методология ABC анализа, который проводился в данном исследовании, предполагает подсчет суммарных продаж каждого товара, а также общих продаж всех товаров вместе. Следующим шагом рассчитывается доля каждого товара в суммарном обороте складского комплекса. Товары были упорядочены по уменьшению их доли в суммарных отгрузках склада. Определяются граничные значения для групп А, В и С. Строгих правил для нахождения границ товарных групп не существует, в данной работе предлагается выбрать следующие границы.
В группу А попадают товары с наибольшей долей в обороте, накопленная доля которых составила 75% от всех продаж, в группу В — следующие за группой А товары с накопленной долей до 90%, и в группу С - все оставшиеся товары. Наглядно процедура распределения товаров между расходными группами, приведена на рис. 3.1.2.
В группу Л вошли 21,6% товаров с наибольшим оборотом обеспечивающих 75% продаж фирмы, в группу В - еще 325 наименований товаров. Далее анализ будет сосредоточен на этих, наиболее важных товарных группах.
Поскольку спрос на товары в рассматриваемом случае носит прерывистый характер, велика доля периодов с нулевым спросом, коэффициенты вариации спроса на отдельные товары оказываются очень высокими. Для группы А они принимают значения в диапазоне от 77% до 728%. Наличие большого количества нулей сильно искажает картину и не позволяет провести обычный XYZ-анализ, в ходе которого товары разбиваются на группы в соответствие со значениями коэффициентов вариации.
В ситуации прерывистого спроса предлагается вместо коэффициента вариации рассчитать процент ненулевых значений спроса для каждого товара и группировать их по этому признаку. Четких границ для каждой группы товаров нет. Предлагается использовать следующие границы. Товары, содержащие до 50% нулевых значений, включаются в первую группу, содержащие от 50 до 80% нулевых значений - во вторую. Менее интенсивный спрос ( 20% ненулевых значений) оставляет слишком мало данных для анализа, он выделяется в третью группу, которая не рассматривается в данной работе.
Как видно из табл. 3.1.2 , в рассматриваемом случае для большинства товаров группы Л характерно большое количество нулевых значений. Для первой группы, 30,2% наименований, для второй, 34,9%.
Прогнозирование спроса на товары групп В и С может проводится менее тщательно, спрос рассчитываться на более длительный временной интервал. Хорошим решением может стать использование метода бутстрепирования, результатом которого является значение спроса за период, которое не будет превышено с заданной вероятностью. Конечно, объем хранимых запасов в этом случае будет выше, однако можно регулировать этот уровень путем уменьшения или увеличения уровня обслуживания (заданной вероятности).
Далее приводятся таблицы с результатами аналогичного анализа характера спроса для товаров групп В и С (см табл. 3.1.3 для группы В и 3.1.4 для группы С). Таблица 3.1.3. Классификация товаров группы В
Как показывает табл. 3.1.4, группа С в основном включает в себя товары, спрос на которые предъявлялся крайне редко, в небольших количествах (76,9%). Заниматься отдельно прогнозированием спроса на подобные товары не имеет смысла. Кроме того, информации о них явно недостаточно. Для этой группы планирование может осуществляться только по группе в целом. Тем не менее, из группы С тоже могут быть выделены товары, прогнозирование по которым может осуществляться индивидуально в том случае, если их наличие на складе имеет большое значение с точки зрения ассортиментной политики фирмы.
