Курсовая ВЭД. Курсовая эк основы Логистики Иванов И Н. Повышение эффективности логистического канала распределения
 Скачать 2.17 Mb.
|
|
2 Практическая часть 2.1 Практическая часть Имеем исходные данные остатков, отгрузок и число календарных дней, исходя из этих данных производим расчёты средних остатков, запасоемкости, обеспеченности, доли переходящего запаса, скорости обращения и времени оборота. Таблица 1 - Расчет среднего объема запаса товара по месяцам.
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
Продолжение таблицы 2
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.  Рисунок 13 – Прогноз среднедневного потребления при а=0,2 и а=0,8 От величины α зависит, как быстро снижается вес влияния предшествующих наблюдений. Чем больше α, тем меньше сказывается влияние предшествующих лет. Если значение α близко к единице, то это приводит к учету при прогнозе в основном влияния лишь последних наблюдений. Если значение α близко к нулю, то веса, по которым взвешиваются уровни временного ряда, убывают медленно, т.е. при прогнозе учитываются все прошлые наблюдения. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||