Вопрос 2. Оценка и анализ точности прогноза потребности в запасе.

Вопрос 1. Прогнозирование потребности в запасе на основе статистических данных.

Прогнозирование будущего потребления запаса основывается на двух принципиально различных подходах: количественном и качественном.

Количественный подход к оценке будущей потребности в запасе строится либо на основе временных рядов накопленной за прошлые периоды времени статистики потребления, либо на основе статистических данных изменения фактической величины спроса. Качественный подход к прогнозированию потребности опирается на экспертные оценки специалистов.

Количественный подход

Прогнозирование потребности в запасе на основе статистических данных

Прогнозирование потребности в запасе на основе статистических данных составляет количественный подход к прогнозированию. По группам используемых методов количественное прогнозирование можно разделить на два класса.

1. Прогнозирование потребности по временным рядам.

2. Прогнозирование по индикаторам.

Прогнозирование потребности по временным рядам

Временной ряд ( time series ) представляет собой упорядоченные во времени наблюдения. Такие наблюдения производятся через равные интервалы времени и фиксируют объемы отгрузок запаса в ответ на заявленный спрос на товарно-материальные ценности запаса.

На основе анализа временных радов можно строить прогнозы потребления на будущие периоды. Для этого достаточно построить график динамики отгрузок и внимательно его изучить. Во временном ряде потребности выделим следующие составляющие:

a) относительно равномерный спрос;

b) сезонная потребность;

c) тенденции изменения спроса;

d) циклические колебания спроса;

e) наличие эффекта стимулирования продаж;

f) случайные факторы колебания спроса.

 

Относительно равномерный спрос

 

Относительно равномерный (или базовый) спрос характерен для регулярно потребляемых запасов, не имеющих сезонных периодов потребления.

На примере потребления запаса за два года (табл. 1) проиллюстрируем простейшие методы прогнозирования, а именно:

1) наивный прогноз;

2) прогнозирование по средним значениям;

3) метод экспоненциального сглаживания.

(1) Наивный прогноз является самой простой методикой прогнозирования. Она основывается на предположении о том, что прогнозируемое потребление будущего периода равно потреблению предшествующего периода.

Пример 1. Наивный прогноз потребности в запасе

Пример наивного прогноза потребности в запасе по текущему году представлен в табл. 2 и на рис. 2. Результаты прогнозирования демонстрируют отставание прогнозных значений от фактических.

Может показаться, что наивное прогнозирование является чрезмерно упрощенным методом. В то же время необходимо отметить и сильные стороны такого приема.

Таблица 1

Временной ряд отгрузок товара со склада

Месяц	Фактические отгрузки	Месяц	Фактические отгрузки
Предыдущий год		Текущий год
Январь	20 232	Январь	17 244
Февраль	40 446	Февраль	57 187
Март	61 633	Март	48 504
Апрель	65 989	Апрель	58 647
Май	55 498	Май	45 477
Июнь	25 189	Июнь	23 833
Июль	35 613	Июль	21 730
Август	114 141	Август	65 289
Сентябрь	81 257	Сентябрь	46 663
Октябрь	63 549	Октябрь	45 344
Ноябрь	40 105	Ноябрь	31 497
Декабрь	25 747	Декабрь	13 714

Таблица 2

Пример наивного прогнозирования потребления запаса в предыдущем году

Месяц	Фактические отгрузки	Наивный прогноз
Январь	17 244	-
Февраль	57 187	17 244
Март	48 504	57 187
Апрель	58 647	48 504
Май	45 477	58 647
Июнь	23 833	45 477
Июль	21 730	23 833
Август	65 289	21 730
Сентябрь	46 663	65 289
Октябрь	45 344	46 663
Ноябрь	31 497	45 344
Декабрь	13714	31 497

Для проведения наивного прогноза не требуется наличия накопленной статистической базы. Наивный прогноз позволяет работать и при ее отсутствии. Наивный прогноз понятен, прост в подготовке, быстр в реализации, не требует фактически никаких затрат. Основным недостатком наивного прогнозирования является низкая точность прогноза, как, например, в случае на рис. 2.

Рис. 2. Результаты наивного прогнозирования потребности в запасе

Другие методы прогнозирования, которые будут рассмотрены могут дать более точные результаты, чем метод наивного прогнозирования, но, являясь более сложными, могут потребовать и более высоких затрат на их применение. Поэтому по критерию соотношения затрат на реализацию и точности прогно­зирования менеджеры должны определиться, какой метод прогно­зирования им следует применять. Вполне возможно, что таким методом окажется метод наивного прогноза.

(2) Прогнозирование по средним значениям. В случае если вре­менной ряд имеет интервал наблюдений в один месяц, повысить точность наивного прогноза позволяет (а) метод прогнозирования по простой средней величине потребления с учетом числа рабочих дней в месяце.

Пример 2. Прогнозирование среднедневного потребления

Число рабочих дней по месяцам предыдущего года представле­но в столбце 3 табл. 3. Динамика фактических отгрузок по месяцам (см. столбец 2 табл. 3) приведена на рис. 6.3. Динамика среднедневного потребления запаса по месяцам (см. столбец 4 табл. 3) представлена на рис. 4.

Сравним рис. 3 с рис. 4. Учет числа рабочих дней позволяет более точно отразить фактические отгрузки. Так, например, рост потребности в январе — феврале по месячным оценкам составил приблизительно 2,3 раза (57187 - 17244) / 17244, а по среднедневным оценкам — приблизительно 1,7 раза (2859 - 1078) / 1078. Учет меньшего количества рабочих дней в январе по сравнению с февралем позволяет более точно определить реальное положение вещей.

Таблица 3

⇐ Предыдущая12345678910Следующая ⇒

Поделиться: