Методы прогнозирования потребностей в материалах

Выделяют следующие виды потребности: потребность брутто, потребность нетто, первичная потребность и т. д.

Под брутто-потребностью понимается потребность на плановый период независимо от наличия запасов на складе (остатка) или производственных заделов.

Нетто-потребность рассчитывается как брутто-потребность за вычетом наличия на складе или в производстве.

При определении потребности в материалах используют следующие подходы:

• • расчет потребности начинают тогда, когда она возникает;
• • расчет осуществляется на основе анализа расхода используемых материалов.

Различные виды сырья и материалов, неодинаковые условия их потребления и назначения в разных отделах определяют необходимость использования различных методов расчета потребности в них.

Существуют следующие типы прогноза потребностей в товарах и материалах в зависимости от горизонта прогнозирования:

• • краткосрочный прогноз строится на период от 1 до 3 месяцев. Имеет максимальную детализацию, составляется для каждого товара/материала с максимально возможной детализацией (часы, дни). Данный прогноз используется для принятия операционных решений — размещение заказов, составления графика производства, плана отгрузок и т. д.;
• • среднесрочный прогноз охватывает период от 3 до 12 месяцев и может иметь меньшую детализацию — потребность в материалах (товарах) прогнозируется с разбивкой по неделям или месяцам, допускается агрегация данных (совокупный прогноз продаж по каждой категории товаров и материалов без детализации по конкретным единицам). Среднесрочный прогноз составляется с целью текущего планирования и пересмотра контрактных условий с поставщиками, транспортных схем потоков грузов (материалов и готовой продукции) и т. д.;
• • долгосрочный прогноз покрывает период от 1 до 5 лет, рассчитывается с детализацией по месяцам или кварталам и служит для принятия стратегических и инвестиционных решений — расширение производственных мощностей, строительство новых заводов и складов, управление численностью персонала и т. д.

Существуют три метода расчета потребности в материалах:

• • детерминированный (определенный);
• • стохастический (вероятностный, случайный);
• • эвристический.

Наиболее распространенным и достоверным является детерминированный метод, или метод прямого счета.

Потребность в материале определяется по следующей формуле:

где - норма i-го материала на производство j-го изделия в натуральных единицах измерения; - план производства j-го изделия в периоде, для которого рассчитывается прогноз.

На предприятиях с многономенклатурным характером производства этот метод может быть громоздким.

Поэтому потребность в материале определяют по группе однородной продукции (так называемым типовым представителям). Разновидностью метода прямого счета является расчет потребности по аналогии.

При определении потребности стохастическими методом учитываются данные прошлого периода и на основе прогноза устанавливается ожидаемая потребность.

Наиболее простым способом является метод динамических коэффициентов.

Для определения потребности в материале этим методом необходимо данные о фактическом расходе его в прошлом периоде умножить па коэффициент изменения программы выпуска изделий или объема работ в плановом периоде и на коэффициент, учитывающий экономию материальных ресурсов в связи с внедрением соответствующих организационно-технических мероприятий.

На практике для описания тенденции развития широко используются модели кривых роста, представляющие собой различные функции времени у = f (t). При гаком подходе изменение исследуемого показателя связывают лишь с течением времени. При этом считают, что влияние других факторов несущественно или косвенно проявляется через фактор времени.

Прогнозирование на основе модели кривой роста базируется на экстраполяции, т. е. на продлении выявленной тенденции в будущее. При этом предполагается, что выявленная тенденция не должна претерпевать существенных изменений в течение периода упреждения.

В настоящее время описано несколько десятков кривых роста.

Точность прогнозов в значительной степени зависит от правильного выбора формы кривой.

Часто для построения прогноза используют:

• прямую, которая имеет наиболее простое выражение.

, где и - параметры искомой прямой; t — условное обозначение времени;

• • параболу второго порядка , где - величина, выражающая средние условия образования уровней ряда; - скорость развития данных ряда динамики; - ускорение этого процесса;
• • парабола третьего порядка , где в дополнение к приведенным обозначениям, а3 характеризует изменение ускорения. При этом чем выше порядок параболы, тем более точно она воспроизводит фактические данные. Однако основной целью построения аналитического уравнения является не просто воспроизведение фактических данных, а определение модели развития данного явления во времени. Обычно на практике применяются полиномы не выше третьего порядка;
• • если рост идет по геометрической прогрессии, то часто применяют показательную функцию вида .

При использовании традиционных подходов и методов для прогнозирования потребности в материальных ресурсах предполагается, что основные тенденции и факторы, выявленные из предыстории, сохранятся и на прогнозируемый период. Таким образом, процесс экстраполяции выявленных закономерностей и тенденций базируется на предположении об инерционности анализируемых экономических систем.

В условиях рыночной экономики подвижность этих систем возрастает, имеются тренды и факторы, от которых зависит динамика развития анализируемых показателей, возрастает быстрота реакции на конъюнктуру внешнего и внутреннего рынка, что приводит к необходимости учета происходящих изменений при построении прогнозов.

В настоящее время перспективными в прогнозировании одномерных временных рядов считаются адаптивные методы. Они учитывают всю информацию о динамике временного ряда, но позволяют придать бо? льший вес свежим данным, ослабляя влияние устаревшей информации.

Таким образом, адаптивные методы позволяют учесть различную информационную ценность уровней временного ряда, степень устаревания данных с помощью системы весов, придаваемых этим уровням^[1]. Важное достоинство адаптивных методов — построение самокорректирующихся моделей, способных учитывать результат прогноза, сделанного на предыдущем шаге.

У истоков адаптивных методов находится модель экспоненциального сглаживания.

Метод экспоненциального сглаживания заключается в том, что ряд динамики сглаживается с помощью скользящей средней, в которой веса подчиняются экспоненциальному закону.

Эту среднюю называют экспоненциальной средней и обозначают . Она является характеристикой последних значений ряда динамики, которым присваивается наибольший вес.

Экспоненциальная средняя вычисляется по рекуррентной формуле.

где - значение экспоненциальной средней в момент t, а — вес t-го значения ряда динамики (или параметр сглаживания); - значение экономического процесса в момент t, - значение экспоненциальной средней в момент (t- 1).

Последовательное применение формулы дает возможность вычислить экспоненциальную среднюю через значения всех уровней данного ряда динамики.

Наиболее важной характеристикой в этой модели является параметр а, по величине которой фактически и осуществляется прогноз. Чем ближе, а к 1, тем больше при прогнозе учитывается влияние последних уровней ряда динамики.

Если, а близко к 0, то веса, по которым взвешиваются уровни ряда динамики, убывают медленно, т. е. при прогнозе учитываются все прошлые уровни ряда.

Обычно на практике значение, а находится в пределах от 0,1 до 0,3. Значение 0,5 почти никогда не превышается.

Экспоненциальное сглаживание применимо при постоянном объеме потребления (? изменяется от 0,1 до 0,3), при более высоких значениях (0,3−0,5) метод подходит при изменении структуры потребления (например, с учетом сезонных влияний).

Достоверность определяемой потребности на основе рассмотренных методов значительно повышается, если они сочетаются с методом экспертных оценок. Сущность его заключается в том, что динамика изменения потребности устанавливается или уточняется на основе опроса специалистов в области снабжения.

С этой целью разрабатываются специальные анкеты, в которых формулируются вопросы, касающиеся факторов и общей потребности в материалах. Обобщение и учет мнений специалистов могут оказать существенное влияние на точность прогнозов.

Для повышения точности прогноза важно помимо использования статистических методов прогнозирования (с помощью которых возможно оценить тренд и сезонность) учесть влияние следующих факторов:

• • базовой линии, отражающей уровень продаж на 1% взвешенной дистрибуции при фиксировании влияния всех остальных факторов;
• • запланированных компанией промо-акций и маркетинговой активности, которые оказывают значительное влияние на динамику продаж. К этой группе относятся телевизионная и интернетреклама, подарки за покупку (например, при регистрации промокодов) и прочие маркетинговые инструменты стимулирования продаж;
• • акции трейд-маркетинга в каналах продаж, в том числе временное снижение цен (красные ценники);
• • изменения цен, которое вызывает рост продаж перед повышением цен и спад после;
• • снижения в прошлом уровня сервиса для клиентов (например, из-за проблем на производстве, сбоев в работе системы распределения продукта или при транспортировке);
• • неопределенность рынка, в том числе из-за активности конкурентов;
• • прочих факторов, важных для рассматриваемой компании.

Таким образом, работа над составлением прогноза продаж должна базироваться на информации, получаемой от других отделов предприятия, особую важность приобретает налаживание тесных контактов внутри различных подразделений предприятия. Полученный прогноз обязательно должен пройти оценку менеджера по прогнозированию спроса, который при необходимости вносит в него экспертные корректировки. Построение долгосрочного прогноза продаж должно учитывать текущие прогнозы и динамику социального развития региона, для которого строится прогноз, его макроэкономические, политические и законодательные тенденции.

• [1] Дуброва Т. А. Прогнозирование социально-экономических процессов. М.: Маркет ДС, 2007. С. 107.