Разработка автоматизированной системы по учёту и анализу заказов покупателей и формированию заказов поставщикам

Решение о закупке принимается в основном на основании статистических наблюдений за динамикой заказов, а не на сведениях о планируемых объемах продаж, полученных в результате непосредственного контакта с клиентом, что, конечно, требует дополнительных и существенных усилий.

Подход «от продаж». Более точные прогнозы сбыта, которые основаны на обработке совокупностей заявок дистрибьюторов. Однако в нашем случае подход «от продаж» не применим, так как компания не работает под заказ.

Рассмотрим типы моделей систем управления запасами и на их основе сформулируем модель, отражающую реальную ситуацию в компании.

Любая модель управления запасами, в конечном счете, должна дать ответ на два вопроса:

Какое количество продукции заказывать?

Когда заказывать?

Ответ на первый вопрос выражается через размер заказа, определяющего оптимальное количество ресурсов, которое необходимо поставлять каждый раз, когда происходит размещение заказа. В зависимости от рассматриваемой ситуации размер заказа может меняться во времени. Ответ на второй вопрос

зависит от типа системы управления запасами. Если система предусматривает периодический контроль состояния запаса через равные промежутки времени (например, еженедельно или ежемесячно), момент поступления нового заказа обычно совпадает с началом каждого интервала времени. Если же в системе предусмотрен непрерывный контроль состояние запаса, точка заказа обычно определяется уровнем запаса, при котором необходимо размещать новый заказ.

Таким образом, решение обобщённой задачи управления запасами определяется следующим образом;

В случае периодического контроля состояния запаса следует обеспечивать поставку нового количества ресурсов в объеме размера заказа через равные интервалы времени.

В случае непрерывного контроля состояния запаса необходимо размещать новый заказ в размере объема запаса, когда его уровень достигает точки заказа.

Размер и точка заказа обычно определяются из условий минимизации суммарных затрат системы управления запасами, которые можно выразить в виде функции этих двух переменных.

Затраты на приобретение становятся важным фактором, когда цена единицы продукции зависит от размера заказа, что обычно выражается в виде оптовых скидок в тех случаях, когда цена единицы продукции убывает с возрастанием размера заказа. Затраты на оформление заказа представляют собой постоянные расходы, связанные с его размещением. Таким образом, при удовлетворении спроса в течение заданного периода времени путем размещения более мелких заказов (более часто) затраты возрастают по сравнению со случаем, когда спрос удовлетворяется посредством более крупных заказов (и, следовательно реже). Затраты на хранение запаса, которые представляют собой расходы на содержание запаса на складе (например, процент на инвестированный капитал, затраты на переработку, амортизационные расходы и эксплутационные расходы), обычно возрастают с увеличением уровня запаса. Наконец, потеря дефицита представляют собой расходы, обусловленные отсутствием запаса необходимой продукции. Обычно они связаны с ухудшением репутации поставщика у потребителя и с потенциальными потерями прибыли.

Рисунок 2.1 иллюстрирует зависимость четырёх компонент затрат обобщенной модели управления запасами от уровня запаса. Оптимальный уровень запаса соответствует минимуму суммарных затрат. Отметим, что

модель управления запасами не обязательно должна включать все четыре вида затрат, так как некоторые из них могут быть не значительными, а иногда учёт всех видов затрат чрезмерно усложняет функцию суммарных затрат. На практике какую - либо компоненту затрат можно не учитывать при условии, что она не составляет существенную часть общих затрат. Этот фактор необходимо иметь ввиду при изучении различных моделей, описанных в данной главе.



Рис 2.1

Обобщенная модель управления запасами, описанная выше выглядит довольно простой. Чем же тогда объясняется столь большое разнообразие моделей этого класса и методов решения соответствующих задач, базирующихся на различном математическом аппарате: от простых схем дифференциального и интегрального исчисления до сложных алгоритмов динамического и других видов математического программирования? Ответ на этот вопрос определяется характером спроса, который может быть детерминированным (достоверно известным) или вероятностным (задаваемым плотностью вероятности). На рисунке 2.2 приведена схема классификации спроса, обычно принимаемая в моделях управления запасами. Детерминированный спрос может быть статическим, в том смысле, что интенсивность потребления остаётся неизменной во времени, или динамическим, когда спрос известен достоверно, но изменяется в зависимости от времени. Вероятностный спрос может быть стационарным, когда функция плотности вероятности спроса неизменна во времени, и не стационарным, когда функция плотности вероятности спроса изменяется во времени.

В реальных условиях случай детерминированного статистического спроса встречается редко. Такой случай можно рассматривать как простейший. Так, например, хотя спрос на такие продукты массового потребления, как хлеб, может меняться от одного дня к другому, эти изменения могут быть столь незначительными, что предположение статичности спроса несущественно искажает действительность.

Рис. 2.2

информационный система спрос программа

Наиболее точно характер спроса может быть, возможно, описан посредством вероятностных нестационарных распределений. Однако с математической точки зрения модель значительно усложняется, особенно при увеличении рассматриваемого периода времени. Рисунок 2.2 иллюстрируют возрастание математической сложности модели управления запасами при переходе от детерминированного статического спроса к вероятностному стационарному спросу. По существу, классификацию рисунка 2.2 можно считать представлением различных уровней абстракции описания спроса.

На первом уровне предполагается, что распределение вероятности спроса стационарно во времени. Это означает, что для описания спроса в течение всех исследуемых периодов времени используется одна и та же функция распределения вероятностей. При таком предположении влияние сезонных колебаний спроса в модели не учитывается.

На втором уровне абстракции учитывается изменение спроса от одного периода к другому. Однако при этом функции распределения не меняются, а потребности в каждом периоде описываются средней величиной спроса. Это упрощение означает, что элемент риска в управлении запасами не учитывается. Однако оно позволяет исследовать сезонные колебания спроса, которые вследствие аналитических и вычислительных трудностей нельзя учесть вероятностной модели. Другими словами, здесь возникает определенный компромисс: можно использовать, с одной стороны, стационарные распределения вероятностей, а с другой - переменную, но известную функцию спроса при допущении «определённости».

На третьем уровне упрощения исключаются как элементы риска, так и изменения спроса. Тем самым спрос в течение любого периода предполагается равным среднему значению известного (по предположению) спроса по всем рассматриваемым периодам. В результате этого упрощения спрос можно оценить его постоянной интенсивностью.

Хотя характер спроса является одним из основных факторов при построении модели управления запасами, имеются другие факторы, влияющие на выбор типа модели. К их числу относятся:

Запаздывание поставок или сроки выполнения заказов. После размещения заказов он может быть поставлен немедленно или потребуется некоторое время на его выполнение. Интервал времени между моментом размещения заказа и иго поставкой называется запаздыванием поставки, или сроком выполнения заказа. Эта величина может быть детерминированной или случайной.

Пополнение запаса. Хотя система управления запасами может функционировать при запаздывании поставок, процесс пополнения запаса может осуществляться мгновенно или равномерно во времени. Мгновенное пополнение запаса может происходить при условии, когда заказы поступают от внешнего источника. Равномерное пополнение может быть тогда, когда запасаемая продукция производится сомой организацией. В общем случае система может функционировать при положительном запаздывании поставки и равномерном пополнении запаса.

Период времени определяет интервал, в течение которого осуществляется регулирование уровня запаса. В зависимости от отрезка времени, на котором можно надёжно прогнозировать рассматриваемый период принимается конечным или бесконечным.

Число пунктов накопления запаса. В систему управления запасами может входить несколько пунктов хранения запаса. В некоторых случаях эти пункты организованны таким образом, что один выступает в качестве поставщика для другого. Эта схема иногда реализуется на различных уровнях, так что пункт - потребитель одного уровня может стать пунктом - поставщиком на другом. В таком случае принято говорить о системе управления запасами с разветвленной структурой.

Число видов продукции. В системе управления запасами может фигурировать более одного вида продукции. Это фактор учитывается при условии наличия некоторой зависимости между различными видами продукции. Так, для различных изделий может использоваться одно и то же складское помещение или же их производство может осуществляться при ограничениях на общие производственные фонды.

При рассмотрении существующей системы сразу видно, что распространенные модели в данном случае не подходят. Как таковая задача минимизации затрат перед нами не стоит. Это вызвано тем, что существует политика компании, нацеленная на достижение нескольких целей, среди них такие как престиж, уровень обслуживания и стабильность клиентской базы. Эти параметры зависят от множества факторов и их очень трудно формализовать. Таким образом, сформулируем критерии эффективности работы.

Присутствие всех номенклатурных позиций на складе, причем в количестве не ниже страхового, что обеспечивает полную комплектацию заказов покупателей и повышает «уровень обслуживания», то есть процент от общего объема имеющихся заказов, который удовлетворен из имеющихся запасов без дополнительного заказа.

Минимизация издержек хранения и «вмененных» издержек, то есть прибыли, которая могла бы быть получена, если бы средства не были использованы для образования запаса, а «пущены в оборот». Минимизация издержек зависит от правильной оценки необходимого объема заказов, которую производят исходя из прогнозов сбыта.

Так как работа происходит в условиях большого количества поставщиков (каждый из которых поставляет определённую товарную группу), то периодичность поставок, а, следовательно, и время заказа, есть величина постоянная и определяемая схемой работы с поставщиком. Таким образом, вопрос, когда заказывать снимается. Остается один вопрос - сколько заказывать.

Для ответа на этот вопрос целесообразно использовать подход «от склада», который использует статистические методы для моделирования спроса.

Такой подход основан на расчете нормативных характеристик запасов по каждой номенклатурной позиции, исходя из наблюдений за их фактической оборачиваемостью на протяжении некоего периода.

Основными расчетными величинами являются:

Страховой запас по каждой позиции - постоянная, неприкосновенная в нормальных условиях часть запасов, предназначенная для непрерывного снабжения потребителей даже в случае непредвиденных обстоятельств, таких как срыв поставки или непредвиденное возрастание спроса Этот уровень определяется возможным временем задержки пополнения склада данной номенклатурной позицией.

Объем заказа определяет количество заказываемого товара, исходя из периодичности размещения заказов у данного поставщика, прогноза спроса, текущего складского остатка и планируемой даты поступления товара на склад.

Приходим к необходимости прогнозирования спроса.

2.1 Системы управления закупками

Управление закупками происходит в условиях реального масштаба времени, и динамично меняющейся обстановке. Следовательно, структура системы должна быть гибкой, с возможностью работы с разнородной информацией. То есть оперировать не просто данными о продажах, но и иметь возможность замены их явно задаваемыми экспертными значениями, сохранять информацию для быстрого доступа к ней (такую как результаты отчетов, экспертные оценки, прогнозы продаж и разница между прогнозируемыми и фактическими данными). Полезна также возможность формировать отчеты и оценивать эффективность предсказания. При этом система не должна предъявлять высоких требований к мощности используемой вычислительной техники.

На рынке имеется ряд готовых решений планирования поставок. Вот лишь некоторые:

Microsoft Business Solutions-Navision,

«1С:Управление торговлей» 7.7,

DMDS,

ForExSal,

1С 7.7,

RS-Balance 3,

SIMPLE-system.

Рассмотрим наиболее распространенные из этих систем с указанием основных характеристик, возможностей и, где возможно, ориентировочной цены такой системы.

1. Microsoft Navision (система управления закупками от компании Microsoft).

Возможности программного продукта:

Автоматическое определение типа спроса на товар (Типичный, Сезонный, Случайный) на основе статистики

Прогнозирование продаж

Автоматический расчет страхового запаса

Расчет точки дозаказа

Расчет тренда с возможностью ручной корректировки

Корректировка фактических данных статистическими методами

Автоматическая корректировка Периода дозаказа на основе статистики работы с поставщиками

Оптимизация объема заказа

Автоматическое формирование оптимального заказа на указанный объем, вес или сумму

Система Управления Закупками рассчитывает и формирует оптимальный заказ на закупку, учитывает тип спроса на товар и помогает прогнозировать продажи. В Системе реализован механизм ранжирования денежных потоков на основе стоимостной оценки движения товаров по складу. Это помогает расставить правильные приоритеты при управлении закупками и сконцентрироваться на товарных группах, которые несут на себе максимальные затраты. В основу этой методики легло правило Парето, согласно которому, применительно к складу, 20% товаров составляют 80% оборота.

Работа строится на основе статистических данных по продажам и поставкам товаров. При необходимости данные за предыдущие периоды загружаются отдельно. Первоначально, производится анализ статистики и генерируются комментарии по критическим точкам (всплески продаж, дефицит на складе и т.п.). Затем все товары автоматически делятся на группы по видам спроса:

Товары с «традиционным», относительно ровным во времени видом спросом.

Товары с сезонным спросом.

Товары со случайным, плохо предсказуемым спросом.

Для управления складом Microsoft Navision использует ряд величин, которые меняются во времени и требуют периодической корректировки. Система позволяет автоматически рассчитывать и корректировать эти показатели по каждому товару. Модель расчета зависит от типа спроса на данную товарную группу.

Рассчитываются следующие показатели:

Максимальный складской запас (Maximum Stock).

Страховой запас (Safety Stock) на случай задержки поставки и скачков спроса. Страховой запас в последующем корректируется с учетом статистики продаж и поставок.

Период ожидания поставки (Lead Time). Показатель зависит от поставщиков и различных форс-мажорных обстоятельств, время поставки очередной партии товара может меняться раз от раза и это так же корректируется при последующих расчетах.

Точка дозаказа (Order Point) рассчитывается исходя из всех вышеперечисленных величин. В момент наступления Точки заказа система формирует заказ на новую партию товара.

Тренд. Расчет производится на основе статистики и отражает изменение рыночной ситуации (рост или падение спроса). Значение тренда в последующем влияет на все остальные величины.

В Систему Управления закупками заложено около 30 математических моделей для расчета складских показателей. Автоматически выбирается оптимальная модель планирования, исходя из применимости той или модели в каждом конкретном случае и точности прогнозирования (сравнивается прогноз системы на последний отчетный период с реальными данными за этот период). Наряду с возможностью автоматического расчета показателей, система оставляет возможность ручной корректировки. Любой вычисляемый показатель может быть наглядно представлен в виде формул и связанных с ним объектов. «Интеллектуальная начинка» системы может использовать в расчётах Экономически целесообразный размер заказа (Economic Order Quantity). Для его расчёта учитываются затраты на закупку и затраты на хранение товаров. Решением является выбор точки с наименьшими суммарными затратами:

Система позволяет формировать оптимальный заказ исходя из указанного объема, веса или суммы заказа. К примеру, указывается объем фургона, а система решает какие товары и в каком количестве лучше заказать и готовит соответствующее предложение. Microsoft Navision поможет составить прогноз продаж, основываясь на статистике продаж за предыдущие периоды, учитывая сезонные колебания и тренд.

В среднем стоимость пакета в расчете на одно рабочее место составляет 1200 - 1900 ЕВРО. Начальный пакет на 5 одновременных пользователей может стоить менее 7 000 ЕВРО, а начальный пакет на 10 пользователей - меньше 12 000 ЕВРО.

2. «1С:Управление торговлей» 8.0.

Рассмотрим возможности программного продукта:



Рис. 2.3

«1С:Управление торговлей» 8.0 предназначено для решения следующих задач:

Обеспечение информацией, необходимой для принятия решений о пополнении товарных запасов;

Снижение затрат на закупки;

Организация четкого взаимодействия с поставщиками;

система выполняет следующие функции:

- Автоматическое оформление заказов поставщикам на основании заказов покупателей или внутренних заказов;

- Контроль закупочных цен по перечню товаров, раннее закупленных у поставщика;

- Пакетный режим формирования заказов нескольким поставщикам;

- Формирование графика оплаты поставщикам;

- Получение информации о графике предполагаемых поставок в разрезе заказов и ответственных менеджеров;

- Перераспределение, корректировка и снятие с учета заказов поставщикам;

- Автоматическое резервирование поступивших товаров, по заказам покупателей, распределенных по заказам поставщикам;

- Различные схемы поступления товаров от поставщиков: поступление собственных товаров, прием на хранение и реализацию, оприходывание "неотфактурованных" товаров;

Формируемые документы:

- Заказ поставщику;

- Внутренний заказ;

- Заказ покупателя;

- Распределение заказа поставщику;

- Корректировка заказа поставщику;

- Закрытие заказов поставщикам;

- Распределение ожидаемого исходящего платежа;

Отчеты:

- Остатки и обороты: Заказы поставщикам;

- Кросс-таблица: Ожидаемы исходящие платежи;

Для анализа различных аспектов торговой деятельности и товарооборота предприятия система предлагает следующие возможности:

- Получение информации о состоянии складских остатков, денежных средств, заказов, продажах и взаиморасчетах в различных разрезах с необходимой детализацией;

- Анализ потенциального объема продаж в стоимостном выражении, оценка корректности формирования отпускных цен;

- Анализ себестоимости, наценки и рентабельности возможных продаж;

- ABC-анализ товаров (привлекательность товаров по различным характеристикам);

- XYZ-анализ товаров (стабильность продаж товаров по различным параметрам);

- Анализ оборачиваемости товаров;

- Анализ оборотных средств и краткосрочных источников финансирования;

- Расчет различных финансовых показателей (коэффициенты абсолютной, срочной и текущей ликвидности, обеспеченность собственным оборотным капиталом, чистые оборотные активы, доля труднореализуемых активов в общей величине оборотных активов и др.);

- Автоформирование и авторассылка по электронной почте информации о текущем состоянии дел компании;

- Динамика показателей;

- Задание различных группировок и критериев отборов при формировании отчетности;

- "Расшифровка" сводных показателей;

- Графическое представление данных;

и генерирует следующие отчеты:

- Стоимостная оценка склада в ценах компании;

- Анализ оборачиваемости товаров;

- Структура оборотных средств;

- Рапорт руководителя;

3. Динамические системы оптимизации управления и развития класса DMDS (dynamic management & development system).

Компании Ассоциации Бизнес-Сервис являются единственными российскими разработчиками управленческих интеллектуальных информационных технологий последнего поколения класса DMDS (dynamics management & development system - динамические системы управления и развития). Эти технологии решают задачу динамической оптимизации управленческих решений. С их помощью можно смоделировать развитие ситуации во времени и в изменяющиейся бизнес-среде, и, соответственно, выявить скрытые тенденции, последствия принимаемых решений. Поскольку моделируется большое число переменных и их взаимосвязей, то множественная «прокрутка» по всем циклам обратных связей создает возможность зафиксировать влияние невидимых менеджеру факторов и факторов случайного характера, определить с достаточно высокой степенью цену риска. Динамические модели дают возможность предварительной оптимизации стратегических решений с точки зрения их ресурсного обеспечения и возможных последствий. Используя динамический симулятор можно решить массу практических задач путем целенаправленного изменения любого из максимально широкого спектра обстоятельств.

На основе моделирования создаются электронные симуляторы - инструменты упреждающего управления, предназначенные для поиска оптимальных вариантов управленческих действий, с быстрой обратной связью об их последствиях для предприятия в целом и для составляющих его частей.

Типы внедряемых динамических систем поиска оптимальных решений - технологий DMDS(основа для технического задания):

Динамическая оптимизация логистики

ДС управления сбытом и торговлей

ДС управления закупками и запасами

ДС контроллинга (управление прибылью), включая ДС управления оборотными средствами

Динамическое ценообразование

Центр стратегического управления (прогнозирование и сценарное моделирование рынков и поведения конкурентов, оптимизация инвестиций, прогнозная оценка стратегических инноваций, стратегический контроллинг)

Динамическая система развития DDS (start-up, масштабирование компетенций на основе IIT (интеллектуальных информационных технологий), динамический бизнес-инжиниринг и процессный менеджмент)

Этапы и содержание работ по внедрению динамической системы поиска оптимальных решений:

1. Консультации руководителей предприятия по вопросам внедрения программных средств и выбору необходимого типа динамической системы.

2. Изучение информационных систем предприятия для выявления основных финансовых и материальных потоков предприятия

3. Составление когнитивной карты модели потоков и согласование ее с Заказчиком.

4. Формирование набора выходных параметров модели: таблиц и графиков, «врезок» на когнитивной карте и согласование его с Заказчиком.

5. Формирование набора управляющих элементов (регуляторов) модели и согласование его с Заказчиком.

6. Разработка управления моделью потоков предприятия.

7. Разработка динамической модели основных финансовых и материальных потоков предприятия на основе данных, представленным Заказчиком.

8. Сопряжение динамической модели с данными информационных систем Заказчика

9. Создание рабочих мест руководителей.

10. Обучение работе с динамической моделью основных потоков предприятия

11. Консультации по внедрению и развитию динамической системы поиска оптимальных решений

В результате выбирается один или несколько типов систем. Возможно постепенное их наращивание, при этом учитывается то, что системы пересекаются и, соответственно, возрастание цены идет нелинейно. Моделирование финансовых и материальных потоков осуществляется совместно с ключевыми менеджерами предприятия.

Сроки и стоимость выполнения работ зависят от выбранного типа динамической системы и заданной степени детализации модели и составляют от 4-х до 12-ти месяцев и от 15000$ до 180000$ (за отдельный тип внедряемой динамической системы).

4. ForExSal - Программа для прогнозирования продаж. (Forecast Expert Sales System).

Данный продукт реализует методы построения прогнозов продаж с помощью моделей односерийных и многосерийных временных рядов ( мультирядов).

Все многообразие постановок задач прогнозирования продаж можно разделить на несколько классов. Первый класс - задачи прогнозирования односерийных рядов.

В этот класс входят задачи построения прогноза продаж одного товара. Хотя в ассортиртименте фирмы может быть очень много товаров, прогноз одного товара строится для каждого товара так, как если бы товар был только один. Не учитывается влияние товаров друг на друга, и внешних факторов на продажи на изучаемый товар. Маркетолог изучает прогноз каждого товара независимо от остальных товаров.

Второй класс - задачи совместного прогнозирования мультисерийных рядов (взаимовлияющих рядов). Возможна ситуация, когда анализ проводится с учетом взаимовлияний товаров друг на друга, или влияния внешних факторов на один или несколько товаров. Также рассматривается еще одно важное условие, которое необходимо учитывать при анализе временных рядов - сезонность. Таким образом, прежде чем определять метод, которым следует строить прогноз, аналитик должен решить для себя обладает ли ряд, который он изучает, свойством сезонности. Аналитик должен сказать, через сколько шагов (дней, недель, месяцев) происходит повторение закономерностей в поведении кривой продаж. Он должен высказать предположение (гипотезу) о сезонности ряда. Если при рассмотрении внешнего вида кривой, аналитик не может сделать каких либо надежных предположений о повторяемости формы кривой через равные промежутки времени, тогда ряд рассматривается как несезонный. В тех случаях, когда визуально нельзя определить обладает ли ряд свойством сезонности, тогда окончательным критерием определения присутствия свойства сезонности у ряда может быть только эксперимент. Необходимо для изучаемого ряда построить прогноз сезонным и несезонным методом и сравнить результаты. Анализу можно подвергать одновременно много рядов и факторов, представленных рядами. Но при этом для их изучения следует применять методы анализа сезонности, разработанные для односерийных рядов. И этот метод следует применять к каждому ряду из рассматриваемой совокупности.

Методы, реализованные в ForExSal: несезонные методы (трендовые методы, методы скользящего среднего, метод Брауна, метод Хольта, методы для описания случайной составляющей временного ряда, метод Бокса-Дженкинса, метод Конси-Бокс-Дженкинс для сильнокоррелированных мультирядов, метод декомпозиции мультирядов), сезонные методы (метод Хольта-Уинтерса).

Программа сама решает, какой метод лучше применить для ряда. Она выберет метод, который дает меньшую ошибку по сравнению с другими методами. Однако оставлена и возможность ручного выбора метода.

Таким образом, рассмотрев имеющиеся на рынке готовые решения систем управления закупками, становится очевидна их неоправданность в нашем случае. Такие системы очень дороги, зачастую сложны в эксплуатации. Не всегда высок и уровень доверия сторонним разработчикам. К тому же, всегда требуется обработка исходных данных для приведения их в требуемый вид. То есть, затруднена интеграция этих средств в информационную систему предприятия. Поэтому для компании целесообразно строить индивидуальную систему планирования закупок исходя из особенностей ее торгово-закупочной деятельности.

2.2 Составление алгоритма программы прогнозирования товарного спроса

Перед нами стоит задача построения программы прогнозирования товарного спроса. Для этой программы объектом анализа будут являться данные о заказах покупателей (товарный спрос).

Прогнозирование основано на методах статистики. Расчетная прогнозная величина вычисляется путем анализа значений товарного спроса за некоторый период времени. Предполагается вероятностный характер как прогноза, так и самой связи между исследуемыми показателями. Вероятность получения точного прогноза растет с ростом числа анализируемых данных.

Необходимо выбрать метод прогнозирования и период анализа, основываясь на факторах, влияющих на величину товарного спроса, экспертных данных и ограничениях наложенных программной средой.

Целесообразно рассмотреть три возможных метода прогнозирования: однофакторный регрессионный анализ, многофакторный регрессионный анализ, динамические модели.

Для того чтобы остановиться на выборе какого-либо метода, необходимо сначала описать факторы, влияющие на величину товарного спроса.

В первую очередь характер спроса определяется особенностями клиентской базы. Работа ведется с розничными и мелкооптовыми торговыми точками, активная клиентская база составляет около 1000 торговых точек, большая часть клиентов делает заказы еженедельно (небольшая часть один раз в 2 или 3 недели), при этом, из-за особенностей политики работы компании с клиентами, определенный клиент делает заказы в определенный день недели. Это приводит к достаточно равномерному характеру спроса, без резких скачков, однако не стационарному во времени - спрос подвержен влиянию сезонных сдвигов, рекламных компаний. То есть мы имеем дело с динамикой изменения величины во времени. В силу этого целесообразно описывать величину спроса как временной ряд. Проанализируем характер спроса, факторы на него влияющие и опишем его математически.

Значение временного ряда в каждый момент времени определяется из следующих составляющих:

тренда - общей направленности изменений значений ряда или основной тенденции ряда

циклических колебаний - колебания относительно линии тренда для периодов свыше одного года

сезонных колебаний - периодические изменения значений ряда на протяжении года

случайных колебаний - беспорядочное отклонение, которое необходимо учитывать при определении точности принятой модели прогнозирования

Пусть величина спроса - Y, тогда:

Y = Tr (t) + Vcycle (t) + Vseason (t)+ (t) - получили модель, где:

Tr (t)- величина тренда

Vcycle (t)- величина циклических колебаний

Vseason (t)- величина сезонных колебаний

(t)- случайное возбуждение

Но такая модель не подходит для анализа, так как выделение сезонной и циклической составляющей требуют значительного периода наблюдений, протяженностью не менее года, что в условиях реальной работы компании невозможно в связи с тем, что:

в процессе работы компании производится ротация ассортимента продукции, в связи, с чем для большей части номенклатурных позиций не возможен анализ за значительный временной интервал

аналитические данные необходимо получать как можно более оперативно, особенно для введенных в ассортимент новых позиций

обработка выборки информации за продолжительный период времени требует значительных вычислительных затрат

с увеличением интервала анализа, растет количество факторов оказывающих влияние на спрос, и модель приобретает существенную нелинейность

Кроме этого сезонная и циклическая составляющие являются нелинейными функциями и существенно усложняют модель прогнозирования спроса.

Конечно, наиболее заманчивой является перспектива приведения модели к линейной зависимости вида Y = Tr (t) + (t). Тренд определяется путем линейного регрессионного анализа. Метод исходит из предпосылки, что прогнозируемый показатель изменяется прямо (обратно) пропорционально с течением времени. Поэтому для определения прогнозных значений показателя используется, например, следующая зависимость:

Yпрогн (t) = A + B*t

Модель вида Y = Tr (t) + (t) будет адекватно описывать величину товарного спроса в случае если к обработке предъявляется выборка данных за незначительный период времени, в течение которого сезонная и циклическая составляющие не оказывают существенного влияния на величину спроса. В то же время выборка должна содержать достаточное количество информации об оцениваемых параметрах для обеспечения необходимой точности прогнозирования.

Согласно экспертной оценке оптимальной глубиной анализа является период от 6 до 9 недель.

Так как периодичность размещения заказов у каждого поставщика кратна неделе и варьируется от одного раза в неделю до одного раза в месяц, а также колебания объема заказов по различным номенклатурным позициям в зависимости от дня недели, целесообразно подвергать анализу данные о суммарном объеме заказов на данный товар за неделю. Это значительно упрощает модель, за счет отсутствия необходимости учитывать колебания объема заказов на товар в зависимости от дня недели, и не снижает точности прогнозирования

Случайная составляющая может быть описана нормальным законом распределения.

Окончательно получаем однофакторную линейную регрессионную модель вида Y = A + B * t + (t), где:

Y - значение спроса на товар

A, B - неизвестные параметры

(t) - случайная нормально распределенная величина.

Необходимо найти оценку параметров уравнения регрессии A и B сделать это возможно при помощи МНК.

Оценивание параметров уравнения регрессии.

К обработке предъявляется выборка значений товарного спроса в моменты времени t = 1, 2, 3,…,i, где i - глубина анализа.

YT=(y1,y2,y3,…yi) - вектор значений товарного спроса.

Y = C + , где

С - матрица измерений С =

- вектор неизвестных параметров T = ( A B )

- вектор случайных воздействий, T= (1, 2,…, i); M()=0; M( T)=2

В этом случае оценка вектора неизвестных параметров методом наименьших квадратов будет равна:

МНК = [CTC ]-1CTY

Получив значения коэффициентов уровня регрессии можем построить прогноз объема заказов, подставляя в формулу Yпрогн (t) = AМНК + BМНК*(t) необходимый момент времени.

При планировании заказов нет необходимости прогнозировать спрос более, чем на неделю после текущей - это связано с еженедельным пополнением склада товаром. Для того, чтобы спрогнозировать объем заказов на следующую неделю (Yпрогн), необходимо подставить в формулу значение t, равное

t = i +2, где i - глубина анализа (в неделях).

После получения расчетной величины спроса на товар можно переходить к составлению заказа по данной позиции. Для составления заказа необходимо указать дату планируемого поступления товара на склад. Составление заказа состоит из следующих шагов:

расчета объема страхового запаса по позиции

расчета прогнозируемого остатка на день прихода

расчета количества данной номенклатурной позиции в заказе.

Объем страхового запаса рассчитывается по формуле:

Vmin=(Yпрогн / 5) Nсрыв, гдеVmin - объем страхового запаса,

Nсрыв - возможное время задержки пополнения склада данной номенклатурной позицией. Этот показатель зависит от поставщика, но обычно принимается равным 3 дням.

Прогнозируемый остаток на день прихода равен:

Vпрогн = Vтекущ - (Yпрогн / 5) Nзаказ,

где Vпрогн - Прогнозируемый остаток на день прихода

Vтекущ - остаток товара по данной номенклатурной позиции на рабочую дату.

Nзаказ - число рабочих дней от рабочей даты до даты планируемо прихода товара.

Объем заказа вычисляется про формуле:

Vзаказ=Vmin + (Yпрогн / 5) (Nзаказ + Nсрок) - Vтекущ, где Nсрок - периодичность размещения заказов у данного поставщика.

2.3 Описание программы прогнозирования товарного спроса и составления заказов поставщикам

Программ прогнозирования товарного спроса реализована средствами встроенного языка программирования системы «1С: Предприятие», но не встроена в конкретную конфигурацию, а хранится в виде файла внешней обработки с расширением «.ert».

Вызов программы производится по кнопке {Управление закупками} в интерфейсе {Администрирование данных}.

После вызова программы на экране появляется окно программы:



Рис. 2.4

Окно программы, форма «Анализ».

Интерфейс программы состоит из трех форм, расположенных в последовательности, определяемой логикой составления заказа - «Анализ» «Планирование», и «Заказ».

Рассмотрим каким образом реализована процедура формирования заказа в программе и ознакомимся со средствами управления.

Форма «Анализ». В данной форме пользователем задается вся необходимая информация для прогнозирования продаж и составления заказа, такая как: товарная группа или номенклатурная позиция и временной интервал для анализа спроса на товар.

Номенклатурную группу, по которой будет формироваться заказ можно выбрать в поле «Отбор товара», также возможно указать отдельную номенклатурную позицию, принадлежащую выбранной товарной группе.

В поле «Диапазон анализа» слева - направо задается:

Дата окончания диапазона анализа - неделя, к которой принадлежит эта дата будет последней неделей по которой обрабатываются данные.

Рабочая дата - при расчете объема заказа поставщику, текущий объем складского запаса (Vтекущ) будет рассчитываться на эту дату, кроме этого от рабочей даты считается количество дней до планируемого прихода.

Плановая дата поставки - дата планируемого прихода товара на склад,

Количество рабочих дней до планируемого дня поставки - эту величину задавать не нужно - система сама рассчитает количество дней исходя из рабочей даты и плановой даты поставки, при расчете текущая дата и дата прихода не считаются.

Глубина анализа - количество недель, предшествующее неделе, которой принадлежит дата окончания диапазона анализа, по которым обрабатываются данные.

После задания вышеперечисленных параметров система готова для формирования выборки данных, необходимых для прогнозирования продаж и составления заказа.

Формирование такого отчета производится по нажатию кнопки «Анализ данных. Подготовка планирования закупок.» После нажатия кнопки программа перейдет в форму «Планирование» и сформирует отчет, содержащий содержащих недельные объемы заказов на товар, величину остатка на складе по каждой номенклатурной позиции на день, выбранный в качестве рабочей даты и среднего значения спроса на товар, в качестве справочной величины. Внешний вид формы «Планирование» представлен на рисунке 2.5.



Рис. 2.5

Окно программы, форма «Планирование»

После формирования исходных данных в виде такого отчета система готова к прогнозированию спроса и составлению заказа на поставку товара, что производится нажатием кнопки «Линейный анализ». Функция «Убрать отрицательные остатки» приравнивает к нулю значение остатка товара на складе на рабочую дату, чтобы неоправданно не увеличивать заказ.

После нажатия кнопки «Линейный анализ» программа проводит линейный регрессионный анализ товарного спроса на каждую позицию, оценку значений коэффициентов уравнения регрессии для каждой позиции, прогнозирует значение товарного спроса и составляет заказ согласно алгоритму, описанному в пункте 1.5.1 дипломной работы.

Отображение рассчитанных величин и формирование заказа поставщику производится в форме «Заказ», она показана на рисунке 2.6.



Рис. 2.6

Окно программы, форма «Планирование»

В табличной части отображаются: остаток товара на рабочую дату, прогнозируемый недельный объем продаж, коэффициенты уравнения линейной регрессии, минимальный (страховой) и максимальный уровни складского запаса, размер заказа в базовых единицах измерения.

По расчетным данным может быть сформирован документ заказ поставщику, на основании этого документа возможно вводить приходную накладную. Формируется документ после подготовки бланка заказа, в котором указывается поставщик, нажатием кнопки «Заказ поставщику».

При формировании документа осуществляется пересчет размера заказа из минимальных единиц измерения (штук) в закупочные, с округлением вниз с точностью до товарного короба (в 1С - закупочной единицы измерения). При этом в случае, если расчетная величина заказа по позиции менее одного товарного короба, то в документ «Заказ поставщику» эта позиция не записывается.

Такой процесс формирования заказа имеет достаточно простой и наглядный для пользователя порядок. Программа, в процессе составления заказа, в удобной форме показывает все данные, которыми оперирует при вычислении объема заказа и после формирования документа «Заказ поставщику» он остается в системе и доступен для внесения корректировок, распечатывания и дальнейшего анализа, например, сравнения приходной накладной с заказом.

Глава 3. Экономическая часть

3.1 Характеристика и оценка прогрессивности научно-технической продукции

Данная дипломная работа посвящена разработке и анализу результатов использования программного обеспечения (ПО), отвечающего за составление заказов поставщикам. Для оценки новизны, качества, технико-экономической и эксплуатационной прогрессивности данной работы необходимо оценить показатель научно-технического прогресса разработки (НТПр) со следующих позиций:

научно - технический уровень (новизна) НИР;

перспективность НИР;

возможность применения результатов НИР;

Определим уровни научно - технического прогресса по признакам научно - технического эффекта, в баллах (табл. 3.1).

Табл. 3.1

	Уровни научно - технического прогресса
Основные параметры	Передовой отечествен.	Теоретич. возможн.	Базовый	Намечаемый
Научно-технический уровень (новизна)	5	10	2	3
Перспективность	7	10	1	6
Возможность применения результатов	6	10	3	6

Обобщенный количественный показатель научно - технического уровня определяется следующим образом:

,

где Ri значение “весового коэффициента” i-го признака;

Qij значение j-го показателя i-го признака научно- технического прогресса в баллах.

Зададим значимость признаков научно- технического эффекта НИР (табл. 3.2):

Табл. 3.2

Признак научно - технического эффекта НИР	Значимость признаков научно- технического эффекта НИР
Научно-технический уровень, R1	0,4
Перспективность, R2	0,6
Возможность применения результатов, R3	0,6

Тогда обобщенные количественные показатели научно-технического уровня:

HTбазовый = (0,4 · 2 + 0,6 · 1 + 0,6 ·3)/2 = 1,6

Научно - техническая прогрессивность решения дипломной работы:

HTразрабатываемый = (0,4 · 3 + 0,6 · 6 + 0,6 · 6)/2 = 4,2

Соответственно, прогрессивность научно-технической прогрессивности разработки составляет:

.

3.2 Организация планирования исследований

Календарное планирование работ осуществляется на основе построения директивного графика. Построение графика проводится по результатам расчета трудоемкости работ.

Трудоемкость НИР определяют укрупнено по трудоемкости и удельного веса этапа в НИР:

[чел.-ч.],

где tсэр, dсэр - трудоемкость и процентное содержание этапа работ в НИР и трудоемкость этапа в долях единиц.

В связи с тем, что дипломная работа выполняется на ЭВМ, необходимо определить трудоемкость программирования задач. При традиционном программировании, когда каждая машинная программа содержит все этапы решения задач, начиная с ввода исходных данных и кончая печатью результатов, затраты труда (в чел.-ч.) определяются по формуле:

t = to + tи + ta + tб-с + tk + tот + tд,

гдеto - затраты труда на подготовку описания задачи;

tи - затраты труда на изучение описания задачи;

ta - затраты труда на разработку алгоритма решения задачи;

tб-с - затраты труда на разработку блок-схемы программирования;

tk - затраты труда на программирование по готовой блок-схеме с использованием алгоритмических языков;

tот - затраты труда на отладку программы;

tд - затраты труда на подготовку документации по задаче.

Затраты труда определим через условное количество команд в машинной программе решаемой задачи. Условное количество команд определяется по формуле:

Q = q · Kc · (1+УKk),

гдеq - предполагаемое число команд;

Кс - коэффициент сложности программ (1.25.. 2.0);

Кк - коэффициент коррекции программы при ее разработке (0.05.. 0.10);

суммирование по количеству коррекций программы в ходе ее разработки.

Q=500 · 1,6 · (1+ 0,1) = 880.

Определим составляющие трудоемкости программирования задач:

to =2 (чел.-ч.);

tи = Q ·B / ( 85 ·K ) = 6,2(чел.-ч.);

ta = Q / ( 25 ·K ) =17,6 (чел.-ч.);

tбс = Q / ( 15 · K ) = 29,3 (чел.-ч.);

tk = Q / ( 15 · K ) + Q / ( 25 · K ) = 46,9 (чел.-ч.);

tот = 1,5 · Q / ( 5 · K ) = 132 (чел.-ч.);

tд = Q · ( B + 0,75 ) / ( 20 · K ) = 42,9(чел.-ч.).

(В=1,2 - коэффициент увеличения затрат труда вследствие недостаточного описания задач, К=2 - коэффициент квалификации разработчика, числовые коэффициенты в знаменателях характеризуют нормативную производительность труда программистов число команд в час).

Общая трудоемкость этапа программирования: tсэр =276,9 чел.- ч.

Трудоемкость НИР укрупненно по удельному весу и трудоемкости этапа программирования при рассчитанной tсэр и процентном содержании этапа dсэр = 60% определяется:

T=461,5 (чел.-ч.).

Для построения директивного графика распределим НИР по этапам (табл. 3.3):

Табл. 3.3

№ п/п	Наименование задачи	Удельный вес, %	Трудоемкость этапа, чел.-ч.
1	Исследование задачи, включая анализ предметной области.	5	23,075
2	Постановка задачи (выбор методов и средств решения, обоснование алгоритма, технико-экономическое обоснование).	15	69,225
3	Составление структурной схемы алгоритма.	20	92,3
4	Составление и отладка программы на ЭВМ.	55	253,825
5	Анализ результатов.	5	23,075
Итого:		100%	461,5

Производственный цикл этапа:

Tцi = Tэi / ( tpq q),

где Tэi трудоемкость этапа (чел. - ч.), tpq - продолжительность рабочего дня (ч.), а q - количество исполнителей (чел.).

Рабочие дни переводятся в календарные с коэффициентом 1,4.

Календарный план работ выполняют с учетом максимально возможной параллельности проведения работ, однако, специфика данной разработки состоит в том, что начало следующего этапа предполагает окончание предыдущего (см. табл.3.4 и табл. 3.5).

Табл. 3.4

Директивный график работ.
№ п/п	Наименование этапа	Трудоемкость этапа (чел.-ч.)	Кол-во исполнителей (чел.)	Tцi	Длительность этапа (календ. дни)
1	Исследование задачи, включая анализ предметной области.	23,075	1	2,9	4
2	Постановка задачи.	69,225	2	4,3	6
3	Составление структурной схемы алгоритма.	92,3	1	11,5	16
4	Составление и отладка программы на ЭВМ.	253,825	1	31,7	45
5	Анализ результатов НИР.	23,075	1	2,9	4
	Итого:				75

Табл. 3.5

3.3 Затраты на научно - исследовательские разработки

Затраты на выполнение исследований определяют по следующим статьям расходов:

1. Заработная плата разработчиков табл. 3.6;

2. Отчисления на социальное страхование;

3. Накладные и прочие расходы.

Табл. 3.6

Заработная плата разработчиков
№ этапа п/п	Длительность этапа (календ. дни)	Исполнители	Численность	Дневная ставка (руб.)	Заработная плата (руб.)	Удельный вес (%)
1.	4	Консультант	1	360	1140	7
2.	6	Начальник сектора, Инженер-Программист	1 1	360 300	3960	18
3.	16	Программист	1	270	4320	20
4.	45	Программист	1	240	10800	50
5.	4	Программист	1	240	960	5
	Итого:				21480	100

Единый социальный налог составляет 35,8% от заработной платы:

Зсс = 21480 · 0,358 = 7689,84 [руб].

К лабораторным расходам относится стоимость времени эксплуатации персонального компьютера Зои=Срс'Трс,

где Срс и Трс - стоимость единицы времени эксплуатации и время работы персонального компьютера соответственно (Срс = 100 руб./день, Трс = 71 день).

3ои=20·71 = 7100 (руб.)

В элементе «Амортизация оборудования» отражается сумма амортизационных отчислений в размере 10% от стоимости ПК.

3ам = 0.1 * Спк

Зам = 0.1·24000 = 2400 (руб.)

Накладные и прочие расходы составляют 90% от заработной платы:

Зн = 21480 · 0,9 = 19332 [руб],

З = 21480 + 7689,84 + 7100 + 2400 + 19332= 58001,84 [руб].

3.4 Оценка экономической эффективности

В результате НИР, при использовании разработанного ПО менеджером по закупкам, появилась возможность минимизировать переходящий и текущий складской запас, повысть эффективность использования складских площадей. В результате чего увеличилась оборачиваемость капитала компании. Дополнительным преимуществом является возможность прогнозировать товарный спрос, а значит минимизировать количество отказов клиентам по причине отсутствия номенклатурной позиции на складе. Это, в свою очередь влияет на престиж компании и доверие клиентов.

При переходе к новой стратегии управления закупками на основании товарного спроса средствами разработанного ПО, экономия составит не менее 1 % оборота, что при месячном обороте в 1 000 000 руб. составит

Энтпр= 1% · 12 000 000= 120 000 руб/год,

Уровень экономической эффективности затрат на НИР определяется по формуле:

Е = Э / З = 120 000 / 58001,84 = 2,068

Время окупаемости:

Т = 1 / E = 0,48

Вывод: полученный уровень экономической эффективности позволяет считать данную НИР экономически целесообразной.

Заключение

В ходе работы над дипломным проектом были решены следующие задачи:

Произведены преобразования структуры представления данных. Преобразован основной номенклатурный справочник, введены новые сущности - «система прайсов» и «каталог анализа и планирования». Внедрение в конфигурацию «1С: Предприятие» системы прайсов и каталога анализа и планирования позволило сформировать представление данных в наиболее естественной, удобной и привычной для сотрудников компании форме.

Добавлены документы - «заказ покупателя» и «заказ поставщику», позволяющие планировать заказы. Изменена система расчета цен.

Перенос системы расчета цен с «1С: Предприятие» позволил ликвидировать большое количество ручного труда, связанного с проставлением и расчетом цен реализации и контролем входных цен.

Разработан алгоритм вычисления объема заказа, опирающийся на средства статистического анализа и методы цифровой обработки информации.

Разработано программное обеспечение, формирующее заказы поставщикам, исходя из прогнозирования товарного спроса. Достоинством программы является возможность ее модернизации с учетом пожеланий пользователя, процесс модернизации упрощается благодаря тому, что сама программа находится во внешней обработке и внесение изменений в программу не влечет за собой необходимость изменения конфигурации системы «1С: Предприятие».

Список литературы

1. Г.Ф. Гордукалова Анализ информации. Методы, технологии, организация. - М.: Профессия, 2009 г. 512 с.

2. Основы логистики: Учебное пособие / Под ред. Л.Б. Миротина и В.И.Сергеева. - М.: ИНФРА-М, 1999. - 200 с.

3. Майкл Р. Линдерс, Харольд Е. Фирон - Управление снабжением и запасами. Логистика. Издательство Виктория - плюс, 2002 г., 768 с.

4. Щур Д.Л. Основы торговли. Оптовая торговля. - М.: Издательство «Дело и Сервис», 2005. - 656 с.

5. Т.Н. Усиков “1С: Предприятие. Эффективное программирование” Новое знание, 2004 г.448 c.

6. О. В. Бартеньев “1С: Предприятие: программирование для всех” Диалог - МИФИ, 2002 г. 464 c.

7. Баронов В.В., Калянов Г.Н., Попов Ю.И. и др. Автоматизация управления предприятием - М.: ИНФРА-М, 2000. (Серия «Секреты менеджмента»).

Приложение

Модуль программы формирования заказов

//----------

Функция Титул()

Если Пустое Значение (ВыбПрайс)=1 Тогда Возврат "<<Прайс не указан>>" Конец Если;

Х=?(Выб Прайс. Выбран()=0,"",

?(ВыбПрайс.Уровень()=1,""+ВыбПрайс,?(ВыбПрайс.Уровень()=2,ВыбПрайс.Родитель,""+ВыбПрайс.Родитель.Родитель+" - "+ВыбПрайс.Родитель)))+?(ВыбТовар.Выбран()=0,"",": "+ВыбТовар);

//?(ВыбПрайсЛогистика.Выбран()=0,"",?(ВыбПрайсЛогистика.Уровень()=1,"",?(ВыбПрайс.Уровень()=2,ВыбПрайс.Родитель,""+ВыбПрайс.Родитель.Родитель+" - "+ВыбПрайс.Родитель)))+?(ВыбТовар.Выбран()=0,"",": "+ВыбТовар)