Методы определения потребности в основных материалах

- метод прямого счета

                                            ,                                     (1)

где Рм – потребность в основных материалах;

   Нi – норма расхода материала на i-ое изделие;

   Vi – производство i-го изделия.

- метод аналогии (при производстве нового изделия)

                                     ,                                       (2)    

где Нб – норма расхода материала на аналогичное базовое изделие;

  Vн – плановый выпуск нового изделия;

           К- коэффициент, учитывающий особенности потребления материала при производстве нового изделия (отношение массы нового и базового изделий). 

- метод динамических коэффициентов (отсутствуют данные о производственной программе, норме расхода МР).

                                                ,                                           (4)

где Рф – фактический расход материалов за прошедший период;

  I₁ – индекс изменения производственной программы;

   I₂ – индекс изменения норм расхода материалов в плановом периоде.

- метод скользящей средней исходит из предложения, что прогнозируемая величина равна средней за последние три месяца.

- метод экспоненциального сглаживания применяется в тех случаях, когда нет тренда (основных тенденций развития потребности). Прогнозируемая величина рассчитывается по формуле (5).

у_t+1= a× у_t + a× (1- a)× у_t-1 + a× (1- a )²× уt-₂ + a× (1- a)^R _t-R + ... + у₀(1-a )^t-1 ,     (5)

где у_t+1 - прогнозируемая величина;

  a - коэффициент сглаживания;

у₀ - начальное значение.

                                                        a= ,                                                      (6)

где n - число уровней ряда.

- метод корреляционно-регрессионного анализа.В рамках метода устанавливается взаимосвязь между рассматриваемыми показателями и теснота этой связи. Корреляционный анализ может использовать взаимосвязь между 2-мя показателями (парная корреляция) или несколькими (множественная корреляция).

Уравнение линейной регрессии y=a+bx,где х- объёмы , у - потребность

Коэффициенты a и b находят статистическим путем по формуле (7).

                                 ,                                                (7)

Для того чтобы определить тесноту связи между рассматриваемыми показателями необходимо рассчитать коэффициент корреляции. Если коэффициент приближается к 1, то наблюдается линейная зависимость. Если ближе к 0, то связь между параметрами отсутствует связь, если стремиться -1, то связь обратная. Коэффициент корреляции определяют по формуле (8).

                    ,                                      (8)

- метод экстраполяции трендовиспользуют в тех случаях, когда наблюдаются тенденции в поведении изучаемого показателя, например: потребности в ресурсах, объема закупок (поставок). Для того чтобы установить, существует ли тренд, необходимо графически отобразить поведение показателя и рассчитать коэффициент корреляции. Если çrç ñ 0,7, то тренд имеет ярко выраженную устойчивую зависимость; çrçá 0,3, то тренд отсутствует; 0,3£½r½³0,7, тренд имеет неустойчивую тенденцию.

При криволинейной зависимости коэффициент корреляции примерно оценивает тесноту связи, в этом случае в качестве меры тесноты связи используют корреляционное отношение. Численное равенство между r и h свидетельствует о линейной зависимости между признаками.

При выборе трендовых моделей необходимо учитывать основные тенденции показателя. Параметры модели рассчитываются при помощи метода наименьших квадратов. Расчет можно провести и по упрощенным формулам с введением условного уровня ряда.

Формула	Расчет параметров
у = а+b*t	; ;

Трендовые криволинейные модели

	Формула	Расчет параметров
функция криволинейная, убывающая (гипербола)		;
функция криволинейная, возрастающая, темпы роста объемов сбыта увеличиваются (парабола второго порядка)		; Формулы расчета упрощенные
функция криволинейная, возрастающая, темпы роста объемов сбыта увеличиваются (показательная)		Функцию приводим к линейному виду ;
функция криволинейная, возрастающая, темпы роста объемов сбыта увеличиваются (степенная)		Функцию приводим к линейному виду ;
функция криволинейная, возрастающая, темпы роста объемов сбыта сокращаются (логарифмическая)		;

Точность прогноза определяется по формуле (9)

,                                   (9)

где S - ошибка прогноза;

n- число уровней ряда;

k- число параметров в уравнении.

Использование метода на основе рядов динамики, метода экстраполяции трендов позволяет изучить основную тенденцию развития показателя (тренд). В конкретном случае изучаемым показателем являются объемы выпуска продукции. В основе метода экстраполяции трендов лежит построение адекватной математической функции (трендовой модели), которая наилучшим образом отображает основную тенденцию развития спроса. В табл. 3.4 содержится информация о правильности выбора адекватной математической функции (трендовой модели). Расчет параметров “а” и “b” осуществляется при помощи метода наименьших квадратов. Криволинейные функции необходимо линеаризовать, то есть привести к линейному виду посредством обратных преобразований и натуральных логарифмов.

В некоторых случаях спрос и потребление носят сезонный характер. Сезонные колебания происходят внутри общего тренда и ограничиваются изменениями в течение одного года. Для определения сезонной структуры необходимо собрать информацию о нескольких временных периодах в пределах года, обычно это месячные или квартальные данные. После соответствующей обработки статистических данных и установления временных периодов находят суммарное значение спроса. Затем полученная сумма делится на число лет - n. Полученные средние значения для каждого периода являются в то же время и оценкой для следующего периода при отсутствии серьезных изменений в тренде. Показатели сезонных колебаний остаются относительно постоянными. 

Для эффективного управления закупками требуется точное определение потребности в материальных ресурсах, независимо от выбранного метода, так как ошибка (погрешность), содержащаяся в прогнозе, может привести к неправильным решениям и дать отрицательный экономический эффект.

Наилучшей аппроксимацией прогнозирующей функции является аппроксимация, минимизирующая стандартное отклонение как погрешность в оценке. Если нет уверенности в том, что тот или иной вид прогнозирующей функции заведомо предпочтительнее других, то следует испытать несколько различных форм прогнозирующей функции и выбрать наилучшую в соответствии с критерием минимизации стандартного отклонения.

Часто количественные методы прогнозирования сочетаются с качественными (методами экспертных оценок). Необходимость использования эвристического подхода обусловлена отсутствием некоторой информации, получение которой невозможно или связано с большими затратами времени и средств.

Разработка прогнозов потребности в материальных ресурсах оказывает большую помощь при планировании материально-технического обеспечения. Все рассмотренные методы имеют достоинства и недостатки с точки зрения точности определения потребности в ресурсах, затрат времени и стоимости услуг. Выбор зависит от размеров предприятия, наличия и видов складов, системы контроля над уровнем запасов.

Важно отметить: процесс планирования потребности в материальных ресурсах должен осуществляться параллельно с согласованием противоречивых интересов во всех подсистемах (снабжение, производство, сбыт) с целью разработки наиболее оптимальной программы производства.