Формирование товарных запасов на региональном уровне применительно к условиям рыночной экономики

Другим, более простым, но менее эффективным способом удержания товарных запасов в определенных рамках является директивное задание его верхних и нижних границ в учетных ценах. Желание сбытовиков максимально расширить номенклатуру, и снабженцев - увеличить партии поставки, ограничиваются общей суммой средств, отвлеченных в товарный запас.

Способ работоспособен, но имеет тот недостаток, что не обеспечивает функцию оптимизации, а лишь ограничительную.

 

3.2 Оптимизация  запасов методом имитационного  моделирования

 

Применение аналитических  методов оптимизации запасов, несмотря на их обилие и хорошую отработанность, в практике редко дает удовлетворительные результаты.

На величину запасов  воздействует огромное количество случайных  факторов, которые плохо встраиваются в аналитические модели.

Значительно лучшие результаты можно  получить при использовании для оптимизации запасов методов так называемого  имитационного моделирования.

Имитационная модель предназначена для анализа воздействия  на какую-либо систему изменений  в ее структуре и (или) внешних  условий функционирования (ретроспективный анализ или определение спектра допустимых сценариев будущего развития — вариантных или альтернативных прогнозов). При таком подходе принадлежность модели к классу имитационных определяется не объектом моделирования, методами построения и структурой, а характером ее использования.

Имитация, или проигрывание реальных процессов осуществляется в настоящее время на быстродействующих ЭВМ, которые дают возможность смоделировать и  посмотреть, как будут изменяться  запасы, например, в течение года, причем, весь процесс моделирования может занимать от нескольких секунд до нескольких часов - в зависимости от сложности модели, задаваемой исследователем.  

В данном случае описывается  метод статистических испытаний, суть которого заключается в следующем.

Основным инструментом исследователя служит так называемый генератор случайных чисел.

Таким генератором обеспечивается большинство статистических программ. Имеется он и в широко распространенном офисном пакете фирмы Микрософт.

Этот генератор способен вырабатывать равномерно распределенные случайные числа в заданном исследователем  диапазоне. Это означает, что если, например, задан диапазон целых чисел от 100 до 199, то в каждый данный момент с равной вероятностью (1/100) может выпасть любое целое число из этого диапазона. Смысл и размерность вырабатываемым генератором числам  придает исследователь, который "привязывает" модель к реальным данным конкретной  фирмы [18].

На первом этапе строится модель, описывающая  динамику запасов. Затем, на основе имеющихся документов (накладных, счетов, товарных отчетов о реализации, инвентаризационных актов и т.д.) собирают и подготавливают конкретные значения факторов, которые включаются в модель. Все факторы делятся на зависимые и не зависимые от фирмы.

Далее, изменяя  значения зависимых факторов в определенных пределах,  получают на выходе соответствующую величину запасов.

Заметим, что экспериментатор  должен располагать соответствующей  компьютерной программой, с помощью которой и проигрывается (имитируется) реальный процесс.

На сегодняшний день разработана и широко используется программа «Запас», реализующая  простейший алгоритм, построенный на известной  балансовой формуле [13]:                               

Zн + П = Р + Zк,                                                                       (20)

где Zн – начальный  запас, руб.;

      П – материалы,  поступившие на склад, руб.;

      Р – реализованные  материалы, руб.;

      Zк – конечный  запас, руб.

В данном случае  моделируется изменение запасов   под влиянием поступления материалов на склад и их реализации за определенный период  времени, например, месяц, квартал, год. При этом, исходная балансовая модель решается относительно конечного запаса.

Исходя из формулы (20), конечный запас  равен [13]:

Zк = Zн + П – Р.                                                                     (21)

Критерием оптимальности  служит величина запаса.

Цель состоит в том, чтобы  определить минимальную величину запаса, при которой еще возможна нормальная, без перебоев, реализация материала.

Стоит ли говорить, что это - мечта  каждого предпринимателя, - ведь денег  на содержание излишних запасов нет, а с, другой стороны, при нехватке запаса, разочарованный покупатель может уйти  к конкуренту.

Очевидно, что моделирование начинается при  Zн = 0, т.е. при отсутствии запаса.

Методом Монте-Карло разыгрываются  значения влияющих факторов П и Р [15].

Их размерность и пределы  изменения на моделируемом отрезке  времени определяет экспериментатор по результатам  анализа реальной ситуации, сложившейся на предприятии за предшествующий период. Конечно, различные аномальные значения факторов  в модель не включаются.

Метод «Монте-Карло» называют также  методом статистических испытаний.

Это численный способ решения математических и других задач. Применяется главным образом в случаях, когда построение математической модели исследуемого явления в аналитическом (формульном) виде затруднено или невозможно.

Математическая модель — система  соотношений, описывающих случайный  процесс или явление на основе, например, теории множеств, теории графов, теории вероятностей и пр.

Составление математической модели включает этапы формулирования связывающих объекты законов; исследования математических задач, к которым  приводит математическая модель; оценку математической модели с точки зрения соответствия критериям практики; корректировку математической модели.

Метод «Монте-Карло» заключается  в моделировании исследуемого явления  с помощью некоторой процедуры, дающей результат. Чем больше количество реализаций случайного процесса получено в результате моделирования, тем полнее будет статистический материал, обрабатываемый обычными методами математической статистики.

Рассмотрим на примере  алгоритм работы программы статистического  моделирования  запасов (табл.2) [17].  

 Таблица 2

Моделирование запасов

Кол-во дней	П	Р	Zк1	Zк2	Zк3
1	5	4	1	2	4
2	4	6	-1	0	2
3	5	7	-3	-2	0
4	8	6	-1	0	2
5	5	4	0	1	3
6	6	8	-2	-1	1
7	6	7	-3	-2	0
Итого	39	42	0,14	0,43	1,71

 

           

Период моделирования  здесь равен 7 дням [14].

Условия моделирования:  поступление ( П) изменяется в пределах от 4 до 8, реализация  от 3 до 8 единиц материала. Поступление и реализация осуществляются ежедневно. И поступление и реализация изменяются в соответствии с равномерным законом распределения, т.е. выпадение того или иного конкретного значения П и Р равновероятно.

Пусть при первом розыгрыше  выпало: П₁ = 5, Р₁ = 4 единиц товара. 

Тогда: 

Zк₁= 0 + 5 – 4 = 1,

то есть на складе к  концу первого дня осталась нереализованной  1 единица материала.

При моделировании второго дня ситуация изменилась: П=4,  Р=6.

Тогда:

Zк₂ = 1 + 4 – 6 = -1,

это означает, что для  выполнения заказа не хватает 1 единицы  материала, что и нашло отражение  в графе Zк₁.

Алгоритм  не допускает дефицита, поэтому, единственное решение состоит в том, чтобы предусмотреть его восполнение за счет запаса, а это возможно, если: Z₀ = 0 + 1 = 1.

Тогда Zк₁ = 2 , а Zк₂ = 0.

При моделировании запаса третьего дня дефицит оказывается  равным 2 и процесс корректировки  Z_0, Z₁  продолжается  (столбец Zк₃).

В нашем примере все  последующие дни не требуют корректировки  начального запаса, а все его изменения  определялись соотношениями между  П и Р.

К концу недели оказалось, что Zк₇ = 0, а средний запас за неделю равен 1,71 ед.

Отметим, что это –  минимально возможный запас, обеспечивающий выполнение заказов потребителей при сложившихся условиях.

Из табл.2 хорошо видно, как запасы обеспечивают необходимое для выполнения заказов соотношение с  Р (отпуском товаров со склада) [18]. Например, в течение первых трех дней  заказы выполнялись частично за счет  начального запаса, так как поступление материала было недостаточным.

С другой стороны, казалось, можно снизить запасы 4 и 5 дней, но в этом случае заказы  6 и 7 дней оказались бы не выполненными.

Для получения практически значимых результатов рассмотренный процесс моделирования многократно повторяется.

Для получения научно значимых результатов необходимо выполнить  около  70000 таких повторений, называемых реализациями (не путать с показателем реализации!) и усреднить полученные данные.

Для получения практически  значимых результатов  достаточно выполнить 70 - 100 реализаций. 

Имитационное моделирование  позволяет строить достаточно сложные  модели,  близко описывающие реальные процессы. Однако надо иметь в виду, что чрезмерное  усложнение моделей потребует больших машинных ресурсов, особенно, если моделируются многономенклатурные запасы.

Оптимизация товарных запасов  – одна из составляющих эффективного управления запасами.

Эффективное управление запасами позволяет организации удовлетворять или превышать ожидания потребителей, создавая такие запасы каждого товара, которые максимизируют чистую прибыль.

Управление запасами можно считать успешным, если в  каждый определенный момент времени  предприятие располагает необходимым для реализации количеством нужного товара.

Оптимизация использования  товарных запасов на предприятии  – это одна из первоочередных задач, которая ставиться перед любой современной системой управления предприятием.

Опыт внедрений в  различных отраслях промышленности, как правило, показывает, что даже незначительное снижение уровня сверхнормативных запасов и ускорение оборачиваемости товарно-материальных ценностей позволяют добиться существенного увеличения рентабельности.

Для решения такого плана  задач требуется оперативная, полная и достоверная информация о текущем состоянии складских запасов, оборачиваемости товаров, потребностях в различных видах товарно-материальных ценностей.

Для эффективного управления запасами необходимо принимать экономически обоснованные решения о частоте и объемах поставок, а также по увязке планов сбыта с планами закупок.

Поэтому для успешной работы предприятия необходимо правильно  выбрать наиболее подходящий метод оптимизации товарных запасов, применение которого способствовало бы максимизации чистой прибыли.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

4 РАЗРАБОТКА  ЗАДАНИЯ НА ПРОЕКТИРОВАНИЕ СКЛАДА  ЗАГОТОВОК МЕХАНИЧЕСКОГО ЦЕХА  СТАНКОСТРОИТЕЛЬНОГО ЗАВОДА

 

4.1 Товароведно-коммерческая  характеристика товаров

 

Таблица 3

Товароведно-коммерческая характеристика товаров

Наименование	Материал	ГОСТ	Длина единицы, м	Масса, кг
Отливки мелкие	Чугун СЧ30	1412-85	0,15	4,32
Поковки средние	Сталь 10	1050-88	0,34	25,22
Штамповки средние	Сталь 20	1050-88	0,41	135,2