Реферат: Управление закупками на торговом предприятии (на примере отдела «Ультра»)

Классификация критериев, учитывающих наиболее важные особенности методов прогнозирования, показана на рисунке 1.4. Характерным для всех методов прогноза является попытка определения развития будущего на основе показателей прошедшего периода. Это ведет к неизбежным ошибкам при изменении потребности. Несмотря на это, прогнозы неизбежны, так как другие методы оценки будущей ситуации неизвестно. Причем прогнозные оценки должны быть дополнены знаниями и опытом, вытекающим из наблюдений за рынком.

Основой прогнозных методов является подробное выявление всех показателей продажи продукции и использование материалов за прошлый период и их изменения во времени. Обычной формой представления является так называемый временной ряд, анализ которого позволяет сделать заключение об использовании рассматриваемых товаров с учетом таких факторов, как тенденции, сезонные изменения, нестабильность или случайные отклонения. Анализ временного ряда позволяет определить подходящую модель из числа охарактеризованных на рисунке 1.5. Возможными моделями реализации товаров являются:

- модель постоянного потребления;

- прямопропорциональная модель;

- сезоннопостоянная модель;

- сезонная модель с последовательным ростом (рис. 1.6, 1.7).

Рис.1.5. Определение используемых моделей

Рис.1.6. Методы стохастического определения потребности

Рис.1.7. Алгоритм расчетов при стохастическом определении потребности.

Метод экспоненциального сглаживания является важнейшим методом стохастических прогнозов. В этом случае весомость цифр в отдельные периоды характеризуется с помощью так называемого фактора “a“, значение которого находится в пределах от 0 до 1. Чем больше значение “a“, тем весомее влияние ближайших прошедших периодов и метод более подходит для оценки фактического потребления. Недостатком является растущая чувствительность к случайным колебаниям. На практике колебания “a“ находятся в пределах 0,1 ¸ 0,3. Значение 0,5 почти никогда не превышается.

Экспоненциальное сглаживание применимо, прежде всего, при постоянном объеме потребления (a = 0,1 ¸ 0,3). При более высоких значениях (0,3 ¸ 0,5) метод подходит при изменении структуры потребления, например, с учетом сезонных влияний. Он соответствует выравниванию средних значений с постоянно снижающимися, в соответствии с геометрическим рядом, факторами весомости. Большими преимуществами этого метода являются значительно меньшая потребность в страховых запасах.

При постоянно увеличивающемся объеме потребления целесообразно использовать метод экспоненциального сглаживания 2. С помощью него оказывается возможным определить тенденцию роста потребности, которая базируется на прогнозах, пригодных для многих последующих периодов времени.

Метод регрессионного анализа. Основанием этого метода является приближение известных тенденций потребления с помощью математических функций, которые могут быть экстраполированы на будущий период. В соответствии с характером кривой регрессии различаются линейный и нелинейный регрессионый анализ. Метод линейной регрессии целесообразно применять при условно пропорциональном росте потребления. Тогда изменение потребления отражается аппроксимирующей прямой, которая имеет вид:

y = a + b*t .

Коэффициенты “а” и “b” определяются с помощью данных о потреблении, чтобы сумма всех отклонений от аппроксимирующей прямой была минимальной. Поскольку могут иметь место как положительные, так и отрицательные значения отклон?