Полная версия

Главная arrow Логистика arrow УПРАВЛЕНИЕ ЗАПАСАМИ В ЦЕПЯХ ПОСТАВОК

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Многокритериальный АВС-анализ

Формирование многомерных матриц.

Многомерные (многокритериальные) оценки запасов являются одним из направлений ЛйС-анализа в нашей стране и за рубежом. Способ проведения многокритериального ABC-анализа, основанный на формировании матриц, достаточно распространен. Критерии проведения ЛВС-анализа, которые могут использоваться при проведении многокритериального АВС-анализа, приведены в табл. 12.3.

К достоинствам матричного способа АВС-анализа можно отнести простоту проведения анализа. Кроме того, он не требует специального программного обеспечения и может быть реализован на компьютере со стандартным набором программ, например в MS Excel. Недостатками матричного способа являются рутинность процедуры и использование только количественных критериев. При большом количестве критериев могут появляться номенклатурные группы, не имеющие большой ценности для управления запасами, поэтому целесообразно проводить многокритериальный АВС-анализ путем формирования матриц в ситуации, когда критериев не больше трех.

Методика проведения многокритериального АВС-анализа при матричном способе предполагает выполнение АДС-анализа по каждому из критериев. При этом способ проведения однокритериального АДС-анализа может быть любым (см. рис. 12.2). Затем результаты анализа по отдельным критериям объединяются в матрицу. При двухкритериальном анализе составляет двумерная матрица, при трехкритериальном — трехмерная.

Альтернативным является вариант, при котором из множества критериев выбирается лучший, а затем проводится АДС-анализ по главному критерию. Внутри выделенных групп при необходимости осуществляется анализ по другим критериям. Результаты также формируются в виде матрицы, размерность которой зависит от количества критериев.

? Вопросы практики

Рассмотрим пример трехкритериального АВС-анализа, который был проведен торговой компанией «Петербургские сыры», занимающейся торговлей сыров. В качестве критериев анализа учитываются доходы от продаж (характеристика валового сбыта), прибыль (роль товара в прибыльности предприятия) и средний уровень запасов в денежном выражении (анализ стоимости хранения).

На основании трехфакторного АВС-анализа весь ассортимент был разделен на группы, однородные по сочетанию результатов, по трем признакам, что позволило сформировать рекомендации по управлению запасами. Результаты АДС-анализа по трем критериям в компании «Петербургские сыры» приведены в табл. 12.8.

Анализ ассортимента сыров по группам

Группы

Число

товарных

позиций

Характеристика

Рекомендации

AAA,

AAB, АВВ

8

Товары, на которые приходится преобладающая часть прибыли и финансовых средств, затраченных на их приобретение

Рекомендуемая модель управления запасами — с точкой заказа, проверка уровня запасов каждый день, пополнение запасов до максимального уровня

ВАВу

ВВАу

ВААу

ВВВу

ВВС

9

Товары, на которые приходится не самая большая часть годового объема реализации в количественном выражении, но на которые приходится преобладающая часть финансовых средств, затраченных на их приобретение

Модель управления запасами с точкой заказа. Проверку остатка на складе рекомендуется осуществлять раз в неделю

СССу

СВСу

СВВ

12

Товары, на которые приходится наименьшая часть объема реализации

Не требуется применение моделей и стратегий управления запасами

АВС,

ВАС

4

Товары, на приобретение которых тратятся значительные средства, они приносят неплохой доход, однако уровень запасов достаточно низкий

Необходимо проанализировать размер текущего и страхового запаса и, возможно, увеличить его

АСА,

ВСА

2

Товары, на которые приходится преобладающая часть годового объема реализации в количественном выражении, но так как их стоимость невысока, то на них приходится незначительная часть прибыли

Проверка уровня запасов два раза в месяц, рекомендуется использовать стратегии управления запасами с постоянной величиной заказа

СВА,

сев

4

Товары, стоимость запасов которых в денежном выражении слишком высока, учитывая их незначительный объем продаж и вклад в прибыль

Товары имиджевой категории, которые не приносят прибыли, однако всегда должны быть в наличии. Размер текущего и страхового запаса, вероятно, можно уменьшить без ущерба для сервиса

?

ABC-анализ па основе кластерного анализа позволяет разделить множество объектов (в данном случае — номенклатурных позиций запасов) на подмножества (кластеры) на основе исследований критериев, характеризующих эти объекты. При этом номенклатурные позиции товаров одного кластера имеют близкие значения критериев, а сами кластеры между собой существенного различаются. Метод кластерного анализа не относится к простым и при большом количестве объектов требует применения специального программного обеспечения. Достоинствами данного метода являются: возможность классификации объектов как по количественным, так и по качественным признакам, а также практически неограниченное число критериев кластеризации.

Задача кластеризации — оптимизационная. Критерием оптимизации является нахождение минимума целевой функции. Примером целевой функции может служить сумма квадратов внутригрупповых отклонений но всем кластерам, эту функцию называют еще показателем ошибки разбиения:

где е2 — ошибка разбиения (кластеризации);

К — множество кластеров, полученное в результате группировки;

тк — число объектов, попавших в А-й кластер;

JV — множество критериев кластеризации;

со,- — вес критерия (показатель относительной значимости г-го критерия в общей совокупности);

a’j — нормированное значение г-го критерия для j-го объекта;

ск — центр масс А'-го кластера (точка со средними значениями критериев для данного кластера).

Рассмотрим один из наиболее распространенных методов кластерного анализа — метод /г-средних. Его применение особенно эффективно при классификации многотысячных номенклатур материальных ресурсов. Метод A-средних был предложен в 1950-х гг. Г. Штейнгаузом и С. Ллойдом.

Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров:

где l(pCj, ск) — расстояние между у-м объектом х и центром масс А-го кластера.

Центр масс кластеров рассчитывается по формуле:

где ск центр масс А-го кластера (точка со средними значениями критериев для данного кластера); ukj — логическая бинарная переменная; ик) = 1, если j-й элемент отнесен в &-й кластер по критерию (см. (12.32)); uk) = О, если 7-й элемент не входит k-и кластер.

Приведем алгоритм кластеризации методом ^-средних.

  • 1. Определить число кластеров, на которые будет группироваться исходное множество объектов.
  • 2. Случайно выбрать k точек, являющихся начальными центрами масс кластеров.
  • 3. Отнести каждый объект к кластеру с ближайшим центром масс, критерий — (12.26).
  • 4. Пересчитать центры масс кластеров согласно их текущему составу по (12.27).
  • 5. Если критерий остановки алгоритма не удовлетворен, вернуться к этапу 3. В противном случае — закончить выполнение алгоритма.

В качестве критерия остановки работы алгоритма обычно выбирают следующие ситуации:

  • • минимальное изменение среднеквадратической ошибки кластеризации, определенной по (12.25);
  • • отсутствие перемещаемых из кластера в кластер элементов;
  • • неизменность значения центра масс кластера.
  • ? Вопросы практики1

Рассмотрим пример многокритериального кластерного ЛВС-анализа.

Объект анализа — запасные части на складе станция технического обслуживания «Южная» (всего 1088 наименований). Выбраны два критерия кластеризации: цена запчасти в рублях и коэффициент вариации спроса на запасную часть.

Разделение запасных частей на кластеры выполнено в программе SPSS методом ^-средних. В качестве метрики сходства выбран квадрат евклидова расстояния. Группировка запасных частей осуществлена по девяти кластерам. Оптимальные центры кластеров (центры масс) и соответствующие им значения критериев кластеризации, найденные программой, приведены в табл. 12.9.

Таблица 12.9

Оптимальные значения критериев кластеризации для центров масс кластеров, найденные в SPSS

Критерий

Центры кластеров (данные 1)

Кластер 1

Кластер 2

Кластер 3

Кластер 4

Кластер 5

Сумм, цена, тыс. руб.

87,18338

1,27151

37,87945

1,48742

16,29723

Коэффициент вариации, %

24,00000

10,85355

19,45455

23,89783

27,19298

1 Подготовлено на основе материалов: Кулаговская Т. А. Теория, методология и практика управления многопродуктовыми материальными потоками в цепях поставок : дисс.... д. экой, наук. СПб.: Изд-во СПбГИЭУ, 2009.

Критерий

Центры кластеров (данные 1)

Кластер 6

Кластер 7

Кластер 8

Кластер 9

Сумм, цена, тыс. руб.

10,55398

25,09490

1,62477

1,66601

Коэффициент вариации, %

10,42222

58,57143

56,91803

35,77863

Результаты кластеризации отражены на рис. 12.4.

Результаты распределение запасных частей по кластерам

Рис. 12.4. Результаты распределение запасных частей по кластерам

Запасные части распределились по кластерам следующим образом:

  • • кластер 1 — 3 запасные части;
  • • кластер 2 — 394 запасные части;
  • • кластер 3 — 22 запасные части;
  • • кластер 4 — 323 запасные части;
  • • кластер 5 — 57 запасных частей;
  • • кластер 6 — 90 запасных частей;
  • • кластер 7 — 1 запасная часть;
  • • кластер 8 — 61 запасная часть;
  • • кластер 9—137 запасных частей.

Полученные кластеры можно интерпретировать следующим образом.

Кластер 1 — максимальная стоимость — максимальный коэффициент вариации.

Кластер 2 — минимальная стоимость — минимальный коэффициент вариации.

Кластер 3 — максимальная стоимость — средний коэффициент вариации.

Кластер 4 — минимальная стоимость — средний коэффициент вариации.

Кластер 5 — средняя стоимость — средний коэффициент вариации.

Кластер 6 — средняя стоимость — минимальный коэффициент вариации.

Кластер 7 — средняя стоимость — максимальный коэффициент вариации.

Кластер 8 — минимальная стоимость — максимальный коэффициент вариации.

Кластер 9 — средняя стоимость — максимальный коэффициент вариации. ?

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>