close

Вход

Забыли?

вход по аккаунту

?

Andronov 05C705014B

код для вставкиСкачать
Федеральное агенТство по образованию
Государственное образовательное учреждение
высшего профессионального образования
Санкт-петербургский государственный университет
аэрокосмического приборостроения
С. А. Андронов
Прогнозирование
и планирование в сервисе
Текст лекций
Санкт-Петербург
2008
УДК 338.46:681.3
ББК 65.433Ж 32.97
А66
Рецензенты:
кафедра вычислительных систем и программирования
Санкт-Петербургского государственного
инженерно-экономического университета;
доктор технических наук, профессор
кафедры «Информатика и информационная безопасность»
Петербургского государственного университета
путей сообщения Е. Т. Мирончиков
Утверждено
редакционно-издательским советом университета
в качестве текста лекций
Андронов С. А.
А66 Прогнозирование и планирование в сервисе: текст лекций /
С. А. Андронов. – СПб.: ГУАП, 2008. – 192 с.: ил.
ISBN 978-5-8088-0324-4
В издании рассмотрены основные понятия и определения теории
прогнозирования и планирования применительно к сервисным организациям; вопросы практического применения методов прогнозирования и планирования.
пособие предназначено для студентов, обучающихся по специальности «Сервис», в рамках дисциплины «Прогнозирование и планирование в сервисе».
����������
УДК 338.46:681.3
ББК 65.433Ж 32.97
ISBN 978-5-8088-0324-4
© ГУАП, 2008
© С. А. Андронов, 2008
Содержание
Введение........................................................................... 5
1. Основы прогнозирования и планирования
в сфере сервиса.................................................................. 9
1.1. Основные понятия из области прогнозирования
и планирования................................................................. 9
1.2. Прогнозирование и планирование
в современной экономике.................................................... 12
1.3. Эконометрические модели функционирования
экономической системы...................................................... 13
1.4. Система национальных счетов................................... 17
1.5. Роль государства в условиях рыночной экономики....... 19
2. Элементы математической статистики.............................. 20
2.1. Выборка и генеральная совокупность......................... 20
2.2. Дискретные распределения....................................... 21
2.3. Непрерывные распределения..................................... 22
2.4. Свойства нормального распределения......................... 24
3. Методы прогнозирования в сервисе................................... 27
3.1. Спрос на услуги сервиса и его основные параметры....... 28
3.2. Методы прогнозирования.......................................... 31
3.3. Комбинированная схема прогноза.............................. 40
3.4. Модели прогнозирования временных рядов................. 42
3.5. Учет сезонных колебаний при прогнозировании........... 43
3.6. Выявление закономерностей..................................... 53
3.7. Характеристика основных методов прогнозирования.... 66
3.8. Интеллектуальные методы прогнозирования .............. 69
4. Основы планирования..................................................... 87
4.1. Классификация планирования.................................. 88
4.2. Планы развития предприятия................................... 92
4.3. Подходы к планированию и методы его оценки............ 94
4.4. Бизнес-планирование............................................... 96
4.5. Задачи производственного планирования.................... 98
4.6. Планирование производственных процессов................ 100
4.7. Формирование производственной программы.............. 103
5. Сетевое планирование в сфере услуг.................................. 107
5.1. Системы сетевого планирования................................ 107
5.2. Топология сетей....................................................... 108
5.3. Правила построения сетей......................................... 109
5.4. Оценка работ........................................................... 111
5.5. Вероятность выполнения проекта.............................. 112
5.6. Определение минимальной стоимости сокращения
времени выполнения работ.................................................. 112
5.7. Расчет параметров сети............................................. 113
5.8. Преимущества и недостатки CPM и PERT................... 114
5.9. Корректирующие действия....................................... 115
6. Планирование персонала................................................. 116
6.1. Группы персонала.................................................... 117
6.2. Задачи управления персоналом.................................. 118
6.3. Типы кадровой политики.......................................... 120
6.4. Задачи планирования персонала................................ 123
6.5. Оргструктуры на предприятиях сферы услуг............... 127
7. Планирование запасов в сфере услуг.................................. 128
7.1. Планирование запасов.............................................. 129
7.2. Системы контроля запасов в сфере услуг..................... 136
8. Планирование потребностей в материальных ресурсах......... 146
8.1. Особенности применения MRP в сфере услуг................ 147
8.2. Формирование вариантов годовых планов . ................. 153
8.3. Применение MRP-2 в сфере услуг............................... 155
8.4. Концепция «Just-In-Time» (JIT), или «Точно в срок».... 160
8.5. Прогнозирование и планирование производственной
мощности......................................................................... 160
9. Элементы прогнозирования и планирования в современных корпоративных информационных системах................................ 163
9.1. Краткий обзор систем управления бизнесом................ 163
9.2. Современная структура модели MRP/ERP................... 167
Задания для самоконтроля.................................................. 173
Литература....................................................................... 184
Приложение. Производственное планирование
в программном комплексе «Галактика»................................ 185
Введение
В современных условиях выживают только те предприятия, которые могут быстро и адекватно реагировать на изменения внешней
и внутренней среды. Сегодня управление предприятием немыслимо без функций прогнозирования и планирования. Предприятие –
это открытая система, предпосылки успешного функционирования
которой находятся не на самом предприятии, а за его пределами.
Внутренняя рациональность управления ресурсами отходит на второй план и становится вторичной по отношению к планированию.
Фактически процесс планирования представляет собой разработку развернутой во времени последовательности будущих действий организации. Планирование предполагает постоянное определение новых целей и их уточнение для согласования с изменяющейся реальностью. По этой причине прогнозирование возможных
изменений экономических показателей и постоянный контроль
качества прогнозных моделей являются весьма актуальными задачами.
Планирование – важнейшая функция управления фирмой. Она
состоит в подготовке вариантов управленческих решений в виде
прогнозов, проектов, программ и планов, в обосновании их оптимальности, обеспечении возможности и проверке их выполнения.
Все, что можно спланировать, должно быть спланировано. Все, что
можно предотвратить, должно быть предотвращено (в противном
случае, на все возможные угрозы придется реагировать экспромтом и в результате – проиграть).
По времени упреждения высший уровень иерархии занимает
прогнозирование, затем идут этапы разработки планов. Иначе говоря, планирование и прогнозирование представляют собой два
этапа единого процесса.
Прежде чем углубиться в теорию прогнозирования и планирования, приведем и пессимистическую точку зрения на эти две задачи.
Планирование базируется на «трех китах»: прогнозирование (т. е.
предсказание будущего), представление о том будущем, каким мы
хотели бы его видеть, и умение найти способы сделать его именно
таким. Однако не следует переоценивать свои возможности.
Прогнозирование – это лишь попытка заглянуть в будущее,
окрашенная субъективным мнением конкретного эксперта. Его
прошлый опыт не всегда способен прибавить уверенности в том,
что произойдет завтра, поэтому можно планировать исходя из нескольких возможных альтернативных вариантов развития собы
тий. Точку зрения скептика можно выразить следующей известной шуткой: «Прогнозисты делятся на два класса: тех, которые не
знают, что произойдет в будущем, и тех, которые не знают, что они
этого не знают».
Вторая предпосылка планирования (представление о том будущем, каким мы хотели бы его видеть), с точки зрения скептика,
также представляется довольно сомнительной. Много лет назад
Альберт Эйнштейн сказал, что вселенная не просто более странная,
чем мы предполагаем; она куда более странная, чем мы в состоянии
предположить. Бернард Шоу был абсолютно прав, когда написал,
что в жизни человека могут случиться две трагедии. Первая – не
получить того, чего он хочет больше всего на свете. Вторая – получить это.
Наиболее ценное в планировании – не столько его конечный результат (сам план), а процесс (исследование и обсуждение, которые
ему сопутствуют). Нельзя слепо доверять так называемым «фактам» и подходить к планированию только как к точной науке, так
как планирование – это «неточное» искусство. Главное в планировании – это кем и какими средствами будут реализовываться
планы.
В современных условиях планирование на предприятии уже не
может существовать независимо от этого процесса у своих партнеров. В целях оптимизации материальных и информационных
потоков предприятия объединяются в логистические цепи, позволяющие снизить издержки путем уменьшения всех видов запасов
и сроков прохождения заказов [4]. Как известно, преимущество
любой системы, в том числе и логистической, заключается в системном эффекте («эффект суммы превышает сумму эффектов»).
К примеру, при невыполнении поставщиками своих обязательств
результирующие потери вследствие срыва продаж и потери клиентуры оказываются больше, чем сумма недопоставок. Интегральный
эффект логистического планирования состоит в том, что частные,
по сути во многом противоречивые, цели предприятий логистической цепи подчиняются общей цели – снижение суммарных затрат
(максимизация суммарного дохода) для всей логистической цепи.
Очевидно, что планирование наилучшей организации межфирменных потоковых процессов невозможно без принятия компромиссных решений.
Логистический подход при планировании предполагает изменение и критериев оценки экономической деятельности предприятий. Критерий максимизации степени загрузки производственных, транспортных, сбытовых и других мощностей заменяется
критерием ускорения оборачиваемости капитала. Для обеспечения
оперативной реакции на изменение спроса планируется определенный уровень недогрузки мощностей. Конкурентные преимущества
обеспечиваются не столько снижением издержек, сколько способностью быстрого и адекватного удовлетворения спроса (в том числе
и за счет потери части прибыли). Основными принципами логистического подхода при планировании в производственных и сервисных структурах являются:
• отказ
�����������������������������
от избыточных за­пасов�;
• ускорение
�������������������������������������
времени прохождения заказа�;
• ����������������������������������������������������������
недопущение увеличения времени производствен­ного цикла и
транспортно-складских операций, если это при­водит к снижению
эконо­мической эффективности;
• установление
���������������������������������������������������������
номенкла­туры в соответствии с принятыми заказами;
• отказ
��������������������������������������������������������
от выпуска про­дукции, неподтвержден­ной заказами;
• ����������������������������������������������������������
планирование уровня простоев для создания ре­зервов мощностей;
• ���������������������������������������������������������
устранение нерациональных внутри­фирменных перевозок, реорганизация производст­венного процесса;
• ���������������������������������������������������������
рассмотрение поставщиков и потребителей как партнеров по
общему делу;
• максимизация
���������������������������������������������������������
качественных показателей продукции и услуг.
Прогнозирование спроса (прогноз продаж) в сервисной деятельности является отправной точкой всего процесса планирования.
Если фирма собирается выйти на рынок с новым товаром или услугой, то прежде всего необходимо оценить, насколько востребованы
эти продукты. Для этого вовсе не обязательно разрабатывать продукт. Сначала надо определить, есть ли скрытый спрос на новый
продукт или какую долю на существующем рынке можно реально
завоевать. Прогноз спроса оценивает количество услуг, которое
могла бы продать организация, и позволяет оценить годовой доход, чтобы принять решение – выводить на рынок услуги или нет.
В результате удается провести анализ годового дохода и безубыточности. Именно на основе прогнозирования спроса появляется возможность управления организацией. Предварительный годовой
бюджет базируется на маркетинговом и производственном планах.
На рис. 1 доходы и расходы показаны в виде компонентов планов
прибыли как для производственной (а), так и для сервисной (б) организации.
В наибольшей степени проблема прогнозирования спроса касается средних и крупных предприятий. Небольшие организации ока
Отмена
или исключение
неприбыльных Прогноз продаж (спроса)
товаров
Квоты продаж,
дистрибьюторские
каналы
План
Индивидуальные валового
коммерческие
дохода
Бюджет
планы
административных
Маркетинговые расходы,
расходов
Совокупные
Планы
счета рекламы
производственные
по техническому
и продвижение
планы и бюджеты
исследованию
товара
Планирование
и бюджеты
производственных
Планирование
мощностей
персонала
Планирование
Смета работ
Смета на
товарно�материальных
производственных
приобретение
Сметные рабочих
запасов
материалов
издержки
и комплектующих Финансовый план
производств
изделий
накладных расходов
План прибыли
а
Пассажиры
Экспресс�грузы
и фрахт
План
Почта
валового
дохода
Прогноз продаж
Совокупные планы
предоставления услуг
и бюджеты
Планирование
персонала Бюджет
воздушных
и наземных
операций
Административные
расходы
Маркетинговые
расходы
Планирование
оборудования
Бюджет
технического
обслуживания
Операционный
бюджет
План прибыли
б
Рис. 1. Прогнозирование продаж – основа для планирования действий:
а – производственной фирмы; б – сервисной фирмы
зывают услуги малыми «партиями» или в единичных экземплярах
(например, врачебные кабинеты, кафе и магазины). В небольших
сервисных организациях планово-учетный период и шаг регулирования значительно короче, чем в производстве, поскольку короче
длительность цикла рабочего процесса. Планирование потребности в ресурсах в маленьких фирмах не представляет особого труда,
закупки могут осуществляться в оперативном порядке. Поэтому,
как правило, на малых предприятиях сферы сервиса используются
простейшие системы планирования и регулирования, основанные
на повторении из периода в период одного и того же объема предоставляемых услуг и соответствующем материально-техническом
обеспечении ресурсами, включая труд. Отклонения в ��������������
c�������������
просе не требуют особой корректировки планов и компенсируются в основном
путем регулирования загрузки, фонда времени и графика работы
персонала, оборудования и площадей, а также за счет имеющихся запасов расходных материалов или оперативной их закупки по
мере необходимости. Следует отметить и сложность прогнозирования в сервисе (так как процесс спроса стохастичен), и не всегда
целесообразно преодолевать эти сложности. Тем не менее, если возможность прогнозирования все же существует, то эта деятельность
может окупиться сторицей.
Средние и, тем более, крупные фирмы сферы сервиса используют системы прогнозирования и планирования процессов, схожие с
системами, которые применяются в сфере производства.
Практика российских предприятий сферы сервиса подтверждает дефицит научно-обоснованных методов прогнозирования и
планирования, что приводит к распылению средств. Как следствие
этих трудностей, неудачно составленные расписания, неоптимальное планирование трудовых, материальных, финансовых, информационных и других ресурсов, несбалансированность использования оборудования и т. д.
1. Основы прогнозирования и планирования
в сфере сервиса
1.1. Основные понятия из области прогнозирования
и планирования
Прогнозирование – система научных исследований качественного и количественного характера, направленных на выяснение
тенденций развития народного хозяйства или его частей (отраслей,
регионов, предприятий и т. п.) и поиск оптимальных путей достижения целей этого развития. Прогнозирование применяется обычно на предварительной (предплановой) стадии разработки крупных
хозяйственных решений и способствует выработке концепции экономического развития (экономической стратегии) на перспективу.
Оно играет определенную роль и на стадии осуществления планов,
в оценке на том или ином этапе состояния дел, и в поиске возможностей и направлений дополнительных управляющих воздействий,
предназначенных для ликвидации отклонений от намеченной траектории развития экономического объекта (системы).
Научная дисциплина, изучающая общие принципы и методы
прогнозирования развития объектов любой природы, закономерности процесса разработки прогнозов, называется прогностикой.
Экономическое прогнозирование охватывает три основные области:
• рост
����� ресурсов (естественных, демографических, национального богатства), развитие научно-технического прогресса;
• �������������������������������
народнохозяйственная динамика (темпы и факторы роста,
структурные сдвиги, развитие отдельных отраслей);
• �������������
общественные потребности (производственные, личные, общегосударственные).
Планирование – информационный процесс. Особенность этого процесса – наличие временного сдвига информации выхода по
отношению к информации входа. При планировании входными
являются в основном потоки информации о прошлом (ретроспективная информация), выходными – потоки информации о будущем
(перспективная информация).
Главная цель ретроспективного анализа – выявление существующих тенденций в экономике, построение и проверка модели прогнозирования, определение фактов преемственности в развитии
хозяйственной системы в рамках той или иной экономической модели (описательный анализ), или прогноз развития хозяйственной
системы на базе выявленных тенденций (предсказательный анализ).
Наряду с ретроспективной информацией, при принятии плановых решений используется информация о состоянии объекта
планирования и фона в момент разработки плана – информация о
настоящем. По отношению к плановому периоду эта информация
также является информацией о прошлом, поэтому ее можно условно отнести к ретроспективной информации (условно-ретроспективная информация). Величина временного сдвига информационных
выхода и входа зависит от глубины (времени упреждения) процесса
планирования.
Глубиной планирования называется промежуток времени в будущем, на который разрабатывается план. С увеличением времени
упреждения возрастает необходимая глубина ретроспекции, а сле10
довательно, и временной сдвиг информации входа и выхода процесса планирования.
Глубина ретроспекции – это промежуток времени функционирования объекта в прошлом (от горизонта ретроспекции до настоящего момента), по которому имеется необходимая и достаточная
ретроспективная информация.
Горизонтом ретроспекции называется самая дальняя в прошлом
точка на шкале времени, в которой имеется необходимая и достаточная информация.
По времени упреждения или временному горизонту все прогнозы подразделяются на:
– оперативные (до 1 месяца);
– краткосрочные (от 1 месяца до 1 года);
– среднесрочные (от 1 года до 5 лет);
– долгосрочные (от 5 лет до 15–20 лет);
– дальнесрочные (свыше 20 лет).
Прогнозирование и планирование – прочно «сросшиеся» понятия, имеющие между собой много общего. В чем же их отличия?
В качестве основных отличий прогнозирования от планирования можно назвать следующие:
• прогнозирование
����������������������������������������������������������
осуществляется в условиях с большой долей
неопределенности или случайности;
• прогнозирование
���������������������������������������������������������
в большей степени ориентировано на исследование развития внешней среды организационно-производственной системы;
• прогнозирование
�������������������������������������
позволяет определить:
– возможные состояния внешней среды;
– перечень и вероятности достижения возможных целей;
– перечень путей и соответствующие им вероятности достижения каждой из целей;
• ����������������������������������������������������������
при прогнозировании в связи с большим периодом упреждения
и неопределенностью используются более общие, чем при планировании, межотраслевые расчетные или экспертные нормы;
• �����������������������������������������������������
прогнозирование в большей мере носит информационный,
консультативный характер, принятие решения необязательно. Напротив, планирование носит директивный характер, и принятые
решения должны быть выполнены.
Прогнозирование является первой стадией планирования, остальные три этапа составляют стадию разработки плана. Непосредственные связи между двумя стадиями планирования возникают на
стыке долгосрочного планирования и прогнозирования. Принципи11
альным отличием этих двух стадий планирования является характер выходной информации: директивность плановой информации
(план-директива) и ориентирующий характер прогнозной информации (прогноз-ориентация). Эти отличия характеризуются значительным уменьшением точности и достоверности вырабатываемой
информации о будущем при увеличении глубины планирования.
Ценность ретроспективной информации по мере увеличения ее
давности уменьшается, снижается и ее предсказательная сила, т. е.
происходит дисконтирование ретроспективной информации. Естественно, чем больше давность ретроспективной информации, тем
меньше в ней зачатков будущего и больше остатков прошлого.
Вырабатываемая при планировании перспективная информация носит вероятностный характер и имеет определенную достоверность в границах доверительного интервала. Поэтому прогноз,
результат которого представлен в виде интервала (в отличие от точечного), носит название интервального. Увеличение глубины планирования приводит при постоянной доверительной вероятности
к расширению доверительного интервала оценки. При постоянной
величине доверительного интервала во времени с ростом глубины
планирования уменьшается доверительная вероятность. Таким
образом, достоверность и точность вырабатываемой при планировании перспективной информации уменьшается с увеличением
глубины планирования, т. е. происходит дисконтирование перспективной информации.
1.2. Прогнозирование и планирование в современной экономике
В качестве основных движущих сил развития сферы сервиса
выступают социальные потребности, экономическая целесообразность и технические возможности. Отсюда можно определить три
задачи прогнозирования и планирования:
– установление целей развития;
– поиск оптимальных путей и средств их достижения;
– определение ресурсов, необходимых для достижения поставленных целей.
Выбор целей – результат анализа социальных задач, определяемых общественными потребностями. Пути и средства достижения
выбранных целей определяются на основе анализа развития современной экономики. В процессе планирования происходит ограничение области альтернативных вариантов путей и средств достижения целей, т. е. определяется область оптимальных решений.
12
В процессе разработки плана определяется единственное решение,
оптимальное с точки зрения заданного вектора критериев.
В зависимости от того, какая задача решается в первую очередь,
различают два вида прогнозирования – исследовательское (или поисковое) и нормативное.
Формирование прогноза объективно существующих тенденций
развития на основе анализа исторических тенденций называется исследовательским, или поисковым, прогнозированием. Этот
вид прогнозирования основан на использовании принципа инерционности развития, при котором ориентация прогноза во времени происходит «от настоящего к будущему». Исследовательский
прогноз – это картина состояния объекта прогноза в определенный
момент будущего, полученная в результате рассмотрения процесса
развития от настоящего времени до горизонта прогноза.
Прогнозирование тенденций развития объекта прогноза, которые должны обеспечивать достижение в установленный момент
будущего определенных социально-политических, экономических
целей, называется нормативным. В этом случае ориентация прогноза во времени происходит «от будущего к настоящему».
Рассогласование нормативных и исследовательских оценок объекта прогноза в каждый момент времени будущего является следствием противоречия «потребности – возможности». Комплексный
прогноз строится на основе композиции исследовательского и нормативного прогнозов. Выбор целей и средств для их достижения непременно должен сочетаться с определением потребности в ресурсах (применяют так называемые плановые и прогнозные матрицы
ресурсов и производственных мощностей).
Система планирования – подсистема в системе управления организацией. Система прогнозирования – подсистема системы планирования. Схемы действия этих подсистем различны. При планировании действует следующая схема: «цель – директивная, пути и
средства ее достижения – детерминированные, ресурсы – ограниченные». При прогнозировании схема иная: «цели – теоретически
достижимые, пути и средства их достижения – возможные, ресурсы – вероятные». План содержит только одно (оптимальное) решение, прогноз – набор альтернатив.
1.3. Эконометрические модели функционирования
экономической системы
Разработка бюджета на будущий год в масштабах государства
основывается на достоверных оценках доходов и расходов налого13
плательщиков и получателей средств из бюджета. Поскольку развитие разных рынков, отраслей, регионов и предприятий взаимосвязано, эти связи необходимо учитывать при прогнозировании.
Народнохозяйственный прогноз и бюджет образуют единую систему из прогнозных показателей. Исполнение бюджетных показателей, как известно, является обязательным. Макроэкономический
план содержит бюджетные показатели, которые имеют директивный характер, а остальные – прогнозный, информационный характер.
При разработке прогнозов создаются математические модели,
в которых взаимосвязи переменных устанавливаются в виде тождеств и функциональных структурных уравнений, затем оцениваются параметры (константы) моделей.
Получаемая таким образом эконометрическая модель описывает количественное изменение переменных, вызванное изменениями других переменных, характеризующих экономическую
политику и внешние условия функционирования экономической
системы. Основное назначение эконометрической модели, таким
образом, заключается в модельном описании количественных взаимосвязей между анализируемыми показателями.
Термин «эконометрика» введен в 1926 г. норвежским эконо­
мистом и статистиком Р. Фришем. Буквальный перевод этого слова – «измерения в экономике».
В настоящее время общепризнано следующее определение:
эконометрика – это самостоятельная научная дисциплина, объ­
единившая совокупность теоретических результатов, приемов,
мето­дов и моделей, предназначенных для того, чтобы на базе
экономиче­ской теории, экономической статистики и математикостатистического инструментария придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией.
Математическая экономика (т. е. математически сформулированная экономическая теория) изучает взаимосвязи между экономическими пере­менными на неколичественном уровне. Она становится экономет­рикой, когда коэффициенты, представленные в
общем виде в этих взаимо­связях, заменяются конкретными численными значениями, полученными из соответствующих экономических данных.
Согласно байесовскому подходу (по имени английского математика Томаса Байеса (Бейес) (1702–1761)) для оценки параметров
эконометрических моделей, степень разумной уверенности (которая численно выражается в виде вероятности) в справедливости
14
некоторого утверждения (например, в задаче оценки значения некоторого параметра) возрастает и корректируется по мере пополнения имеющейся у нас информации. По мере поступления данных
исследователь уточняет (пересчитывает) априорное (теоретическое)
распределение параметра переходя к апостериорному (фактическому), и в дальнейшем использует лишь те модели, которые наилучшим образом соответствуют данным эксперимента.
Спрос на товар на рынке рассматривается как функция его
цены. Затраты на изготовление какого-либо продукта – функция
объе­ма производства. Потребительские расходы – функция дохода и т. п. Это примеры взаимосвязей между двумя переменными,
одна из которых (спрос на товар, производственные затраты, потребительские расходы) является объясняемой переменной (результирующим показателем), а другие – объясняющими переменными
(факторы-аргументами).
Как правило, в каждое такое соотношение приходится вводить
несколько объясняющих переменных и остаточную случайную составляющую, отражающую влияние на результирующий показатель всех неучтенных факторов. Например, спрос на товар можно
рассматривать как функцию его цены, потребительского дохода и
цен на конкурирующие и дополняющие товары.
Участвующая в каждом из этих соотношений случайная состав­
ляющая, отражающая влияние на результирующий показатель
всех неуч­тенных факторов, обуславливает стохастический характер зависимости: даже зафиксировав значения объясняющих переменных (например, цена на сам товар и на конкурирующие с ним
или дополняющие товары, а также потребительский доход), мы
не можем ожидать однозначно, каким будет спрос на данный товар. Иначе говоря, переходя в своих наблюдениях спроса от одного
временного (или пространственного) промежутка к дру­гому, мы
увидим случайное варьирование спроса около некоторого определенного уровня даже при фиксировании всех объясняющих переменных.
Модели включают как экзогенные (т. е. внешние, прогнозируемые вне данной модели, в определенной степени управляемые)
переменные, так и эндогенные (объясняемые) – внутренние переменные, прогнозируемые в рамках данной модели (формулируются под воздействием экзогенных переменных).
Выделяют также лаговые (лаг – запаздывание на один период)
эндогенные переменные – переменные, значения которых уже вычислены в прошлые моменты времени, т. е. уже известные, заданные.
15
Экзогенные, или внешние, переменные разделяются на заданные переменные (например, объем мировой торговли, численность
населения) и переменные экономической политики (например, государственные расходы, процентные ставки).
Прогнозирование и планирование с помощью эконометрических моделей связано с тем, что предсказываемые величины эндогенных переменных зависят от вводимых значений экзогенных переменных. Поэтому различные величины экзогенных переменных
порождают различные величины эндогенных переменных.
В качестве примера эконометрической модели рассмотрим следующую:
y1 = a0 + a1(y3–x1)+e1,
y2 = b1y′3 + b2x2+e2,
y3 = y1 + y2 + x3,
где 0< a0, a
�1<1, b
�1>0, b
�2<0; y
�1 – потребление, y2 – инвестиции; y
�3 –
национальный доход; x
�1 – подоходный налог; x
�2 – норма процента
(инструмент государственного регулирования); �
x3 – государственные закупки товаров и услуг, измеренные в момент времени �t; �
y′3 –
достигнутый ранее уровень дохода; e�1, e�2 – неучтенные факторы.
Модель содержит два уравнения и одно тождество. В данной модели y1, y2, x3 – эндогенные переменные, x1, x
�2, x
�3 – экзогенные.
Они вместе с ��
y�’3 образуют множество предопределенных переменных.
Эндогенные переменные, тесно связанные с экономической политикой, называются переменными плана. Поскольку переменные
плана зависят от переменных экономической политики, то органы,
ответственные за экономическую политику, могли бы получать желательные прогнозируемые значения переменных плана при соответствующих величинах переменных экономической политики.
Параметры моделей разделяют на две группы. Некоторые параметры могут устанавливаться органами власти, например, ставки
налогов, и называются они параметрами экономической политики. Другие параметры уравнений моделей принято называть
структурными параметрами.
Количественные ошибки в экзогенных переменных и параметрах могут быть выявлены по расхождениям между величинами
эндогенных переменных, рассчитанных с помощью модели, и их
известными значениями. В случае заметных расхождений следует
уточнить значения экзогенных переменных и параметров уравнений модели на основе новой информации. Таким образом можно
постоянно улучшать модель и совершенствовать проводимую экономическую политику.
16
В условиях кризисов и неустойчивости развития в моделях могут наблюдаться не только количественные ошибки. Изменение
структуры и траектории развития экономической системы может
привести к необходимости изменения структуры и количества
уравнений модели для обеспечения удовлетворительной точности
прогнозов.
1.4. Система национальных счетов
Прогнозирование темпов роста, пропорций, структуры и эффективности экономики страны осуществляется на основе системы национальных счетов (СНС). Аналогичное прогнозирование для региона основывается на системе региональных счетов.
Система национальных счетов, основываясь на агрегировании
экономических показателей, не охватывает всех деталей экономической реальности и отражает макроэкономические процессы,
относящиеся к более или менее отдаленному прошлому. При агрегировании происходит преобразование детализированной информации в «пакеты» (агрегаты) данных, что позволяет анализировать экономику в терминах небольшого числа соответствующих
агрегированных переменных, которые включают капитал, труд,
товары (промежуточные и конечные), уровень цен и т. д. Агрегат
определяется как взвешенная сумма его элементов. При этом, естественно, теряется часть информации, и, следовательно, увеличивается неопределенность как в оценке состояния экономики, так и
в прогнозах ее развития.
Прогнозирование на основе СНС и эконометрических моделей
подразделяется на долгосрочное, среднесрочное и текущее, макроэкономическое и балансовое. Модели этих прогнозов должны сочетаться. При этом эндогенные переменные одних моделей могут
быть экзогенными переменными других моделей.
СНС построена в форме балансовых таблиц и счетов и представляет собой национальный учет, который на макроуровне выражается в виде набора показателей, характеризующих результаты
экономической деятельности, структуру экономики, совершаемые
экономические операции, имеющиеся в стране ресурсы и их использование. СНС можно характеризовать как макростатистическую модель экономики и как механизм, обеспечивающий единство разработки планов и контроля за их выполнением. С помощью
СНС органы управления и планирования разрабатывают прогнозы,
проекты программ и планов, оценивают результаты воздействия на
экономику, контролируют выполнение планов.
17
В качестве первичных элементов в системе национального счетоводства выступают экономические операции и экономические
агенты. Под экономической операцией понимается процесс, в котором одна из участвующих сторон передает или продает, а другая
получает или покупает материальные и финансовые ценности или
услуги. Юридические и физические лица, осуществляющие экономическую операцию, являются экономическими агентами.
Экономические операции фиксируются в счетах, построенных
на принципе двойной записи, в соответствии с которым каждая
операция фиксируется дважды – в разделе «Ресурсы» и в разделе
«Использование». По каждому счету выводится балансовое сальдо – разность между ресурсами и их использованием. При избытке
ресурсов сальдо записывается в раздел «использование», при недостатке – в разделе «Ресурсы».
В целях использования данных для анализа и прогнозирования
счета объединяются в группы по видам деятельности и секторам
народного хозяйства.
Центральное место в системе показателей СНС занимает показатель валового национального продукта, являющийся стоимостным
эквивалентом рыночных стоимостей всех произведенных в течение
года товаров – продуктов и услуг.
Помимо валового национального продукта, важными и часто
используемыми показателями системы национальных счетов являются такие показатели, как:
• валовой
��������������������������������������������������������
внутренний продукт (рыночная стоимость конечных
товаров и услуг, произведенных в течение года экономическими
агентами внутри страны);
• чистый
��������������������������������������������������������
национальный доход (валовой национальный продукт
за вычетом потребления основных фондов);
• ����������������������������������������������������������
конечные потребительские расходы (расходы на приобретение
товаров и услуг домашними хозяйствами, конечные потребительские расходы органов государственного управления) и ряд других
показателей.
СНС Российской Федерации содержит в себе счета для внутренней экономики и счета внешнеэкономических связей («остального
мира»). К счетам для внутренней экономики относятся счет продуктов и услуг, счет производства, счет образования доходов, счет
распределения доходов (отражает общий размер доходов), счет использования доходов (отражает расходы на потребление), счет капитальных затрат, финансовый счет. Счета внешнеэкономических
связей представлены счетами текущих операций, капитальных
затрат и финансовым счетом. Например, финансовый счет показы18
вает изменение финансовых активов и пассивов, движение капиталов, характеризует финансовое состояние экономики.
СНС позволяет прогнозировать важнейшие пропорции и структурные сдвиги в экономике, проводить оценку факторов, определяющих структуру совокупного спроса и предложения.
1.5. Роль государства в условиях рыночной экономики
Разновидностью хозяйства, в котором существовала крайне высокая степень государственного монополизма, была построенная в
нашей стране централизованно управляемая экономика. В ее основе лежало всеобъемлющее директивное планирование, т. е. централизованное решение вопросов о том, в каком количестве и что производить, какие при этом должны быть использованы ресурсы, в
каком объеме затрачен труд и капитал, какова должна быть оплата
труда и т. д. Задача составления на этой основе сбалансированного,
увязанного по всем статьям плана практически не разрешима уже
в силу своей колоссальной размерности и статичности.
В основе управления производственным процессом лежало директивное планирование. Система централизованного планирования была создана в 1920–1930-е годы и затем не претерпела никаких принципиальных изменений. Она была разработана, чтобы
обеспечить стратегию ускоренной индустриализации, базирующуюся главным образом на быстрой мобилизации капитальных, трудовых и материальных ресурсов и отодвигавшую на второй план
вопрос об их эффективном использовании. В основе планирования
лежали такие принципы, как:
• директивность
�����������������������������������������������
– обязательность для исполнения;
• адресность – доведение заданий до конкретного исполнителя;
• централизованность
�������������������������������������������������������
– распределение плановых заданий из
единого центра.
В условиях рыночной экономики роль государства принципиально другая, а именно:
– исключаются любые действия государства, разрывающие рыночные связи. Недопустимы, например, натуральное распределение производственных ресурсов и предметов потребления (фонды,
талоны, купоны и т. д.), всеобщий административный контроль
над ценами и т. п. Отсюда не следует, что в условиях рыночной
экономики государство снимает с себя всякую ответственность, допустим, за уровни и динамику цен. Напротив, государство должно внимательно следить за ценами и, опираясь главным образом
на экономические методы управления, стараться не допустить их
19
бесконтрольного инфляционного роста, причем оно имеет для этого гораздо больше возможностей, чем при административном ценообразовании;
– влиять на рынок как самонастраивающуюся систему можно в
основном экономическими методами. Если государство полагается
исключительно на административные методы, то оно способно разрушить рыночный механизм. Вместе с тем это не означает, что в
рыночном хозяйстве административные методы не имеют права на
существование, в ряде случаев их применение не только допустимо, но и необходимо;
– экономические регуляторы не должны ослаблять или заменять
рыночные стимулы, их следует применять по правилу «не мешай
рынку». Если государство игнорирует это требование, не обращает
внимания на то, как действие регуляторов отражается на механизме рынка, последний начинает давать сбои.
Одно из направлений влияния государства на экономические
процессы называется индикативным планированием (ИП). Это
разновидность государственного регулирования, которая носит характер прогноза и представляет собой программы, ориентирующие
и мобилизующие звенья экономической системы на выполнение
этих программ. Фактически это процесс разработки и реализации
прогнозов, программ и бюджета, носящих рекомендательный характер.
2. Элементы математической статистики
Методы прогнозирования опираются на такие понятия, как случайная величина, функция распределения, выборка и т. д., поэтому прежде чем перейти к рассмотрению методов прогнозирования,
необходимо кратко остановиться на важных положениях из теории
вероятности и математической статистики.
2.1. Выборка и генеральная совокупность
Случайная величина ξ – некоторая величина, измеряемая в случайном эксперименте. Примером ее служит дискретная случайная
величина, принимающая значения из конечного множества результатов наблюдений {x1, x2, … xn}, полученных в ходе выполнения n
независимых повторений случайного эксперимента. Например,
значениями случайной величины является наличие фактического
объема некоторого ресурса в известные моменты времени.
Наиболее полная характеристика случайной величины – закон
ее распределения. Он показывает, какова вероятность появления
20
каждого возможного значения случайной величины, или каким
образом суммарная вероятность появления случайной величины,
равная единице, распределена между ее возможными значениями.
Если xi, i = 1, n – результаты наблюдений (измерений) случайной величины ξ с неизвестным законом распределения P, то вектор
x = {xi} называется выборкой объема n из генеральной совокупности с распределением P.
Генеральной совокупностью называют всю совокупность изучаемых экспериментальных данных. Например, генеральной совокупностью можно считать численность населения, участвующего в
выборах. Задачей математической статистики является получение
заключения о распределении P генеральной совокупности на основе анализа выборки.
2.2. Дискретные распределения
Говорят, что случайная величина ξ имеет дискретное распределение, если существует конечный или счетный набор чисел {x1, x2, …},
такой, что:
а) pi = P{ξ = xi} > 0 для всех i;
n
б)
∑ pi = .
i =
Иначе говоря, дискретным распределением называется совокупность пар чисел (pi, xi), где xi – возможные значения случайной
величины ξ, pi – вероятности, с которыми она принимает эти значения.
На рис. 2.1 приведен пример дискретного распределения числа
посетителей некоторого сервисного предприятия.
P
0,5
0,5
0,4
0,3
0,3
0,2
0,2
0,1
1
2
3
4
Период
времени
Рис. 2.1. Пример дискретного распределения
21
Дискретную случайную величину можно задать непосредственно законом распределения (pi, xi).
Пусть требуется найти вероятность Fξ(x) того, что ξ < x, где x –
заданное число, тогда
Fξ (x) = P(ξ < x) =
∑ pi.
xi < x
Функцией распределения случайной величины ξ называется
функция Fξ(x), при каждом x ∈ R равная Fξ(x) = P(ξ < x) (где R –
множество вещественных чисел).
В качестве примера приведем широко применяемое в теории
массового обслуживания распределение Пуассона.
Говорят, что случайная величина ξ имеет распределение Пуассона с параметром λ, где λ > 0, и ξ ∈ П λ, если ξ принимает значения
0, 1, 2 … с вероятностями
Р(ξ = k) =
λ k −λ
λ .
k!
Таблица распределения ξ имеет вид
0
1
…
k
…
е–λ
λ е–λ
…
(λk /k!)е–λ
…
2.3. Непрерывные распределения
Случайная величина ξ имеет непрерывное распределение, если
существует неотрицательная непрерывная интегрируемая функция fξ(x), такая, что для любого х ∈ R функция распределения Fξ(x)
представима в виде
x
Fξ (x) =
∫ fξ (�) d�.
−∞
При этом функция fξ(x) называется плотностью распределения
случайной величины ξ.
Плотность распределения обладает свойствами:
fξ(x)≥ 0 для любого x;
(2.1)
+∞
22
∫ fξ (�) d� = , −∞
(2.2)
Dx
x
Рис. 2.2. Иллюстрация к плотности распределения
и, наоборот, если функция f обладает свойствами (2.1) и (2.2), то
существует вероятностное пространство и случайная величина ξ на
нем, для которой f является плотностью распределения.
Последнее можно показать следующим образом. Пусть Ω есть
область, заключенная между осью абсцисс и графиком функции f
(«подграфик» функции f). Площадь области Ω равна 1 по свойству
(2.2). Пусть случайная величина ξ есть абсцисса точки, наудачу
брошенной в область Ω.
Тогда для любого х ∈ R
x
Fξ (x) = Р (точка попала в область D x ) =
площадь D x
= fξ (�) d�,
площадь Ω −∞
∫
т. е. f является плотностью распределения случайной величины ξ.
Примеры непрерывных распределений
Равномерное
Говорят, что ξ имеет равномерное распределение на отрезке [a, b],
и пишут ξ ∈ Ua,b, если
 0, x < a
 0, x < a
 x − a
 Fξ (x) = P(ξ < x) = 
, a ≤ x ≤ b; fξ (x) = 
, a ≤ x ≤ b.
 b−a
 b−a
 , x > b
 0, x > b
Заметим, что в точках a и b функция распределения недифференцируема, и плотность можно задать как угодно.
Показательное
Говорят, что ξ имеет показательное распределение с параметром
α, α > 0 и ξ ∈ Еα, если
 0, x < 0
 0, x < 0
Fξ (x) = P(ξ < x) = 
; fξ (x) = 
.
−αх
−αх
 − λ , x ≥ 0
 αλ , x ≥ 0
23
Нормальное
Говорят, что ξ имеет нормальное распределение с параметрами
μ и σ2, где μ ∈ R, σ > 0, и пишут ξ ∈ Nμ�,σ2, если ξ имеет следующую
плотность распределения для любого x ∈ R:
fξ (x) =
2
( x –µ)
–
λ 2σ 2 ,
σ 2π
где μ – математическое ожидание и σ2 – дисперсия.
Отметим, что, так как размерность дисперсии равна квадрату
размерности самой случайной величины, разброс оценивают среднеквадратическим отклонением σ.
Несмотря на то, что «нормальное» (иначе называемое гауссовским – по имени математика Карла Гаусса) – понятие теоретическое
(так как обычно область изменения значений случайной величины
берется из ограниченного интервала, в то время как нормально распределенные данные должны принимать значения на бесконечной
прямой), это распределение играет исключительно важную роль в
теории вероятностей.
2.4. Свойства нормального распределения
С помощью нормального закона распределения решаются различные задачи прогнозирования, оптимизации, в том числе и в условиях неопределенности.
Нормальный закон имеет две формы представления: плотность
распределения и функция распределения.
Нормальное распределение задается с помощью плотности распределения, поскольку нельзя выписать первообразную от функ


2 
2
ции exp  – x  иначе как в виде интеграла. Функцию распределения этого закона можно записать лишь в виде
х
Fξ (x) = Ф µ,σ 2 (х) =
∫σ
−∞
2
(� −µ)
−
λ 2σ 2 d�.
2π
С помощью графика плотности нормального распределения
можно, например, определить, чему равна вероятность P(x ≤ a)
принятия случайной величиной значения не больше некоторой величины (рис. 2.2) – площадь под кривой левее вертикальной черты
(в данном случае с абсциссой, равной a). Соответственно, оставшаяся часть площади под кривой соответствует вероятности того, что
24
случайная величина принимает значения больше заданного и равна P(x ≥ a)= 1–P(x ≤ a) (как сумма несовместных событий).
Поскольку площадь под криволинейной кривой трудно вычислить, более распространена определенная выше функция распределения F, для определения которой существуют специальные таблицы. Вероятность просто равна ординате функции распределения,
т. е. P(x ≤ a)=F(a) (соответственно P(x ≥ a)=1–F(a)). Для упрощения
расчетов переходят к центрированной нормированной случайной
величине t=(x�
–μ)/σ.
Нормальное распределение Nμ�,σ2 при μ=0 и σ=1 называется
стандартным нормальным распределением. Плотность стандартного нормального распределения имеет вид
2
−x
λ 2
2π
fξ (x) =
для любого x ∈ R, а функция распределения
х
Ф 0,(х) =
∫
−∞
2
−�
λ 2 d�
2π
табулирована (т. е. ее значения вычислены при многих х) почти
во всех математических справочниках. Установим связь между
Фμ�,σ2 (x) и Ф0,1 (x).
Для любого x ∈ R справедливо соотношение
Ф µ,σ 2 (х) = Ф 0,(
х−µ
).
σ
То же самое на языке случайных величин можно сформулировать так:
(ξ – µ )
– если ξ ∈ N
�μ�,σ2, то η =
∈ N 0,,
σ
2
– если ξ ∈ N
�μ�,σ , то
Р(x < ξ < x 2 ) = Ф µ,σ 2 (х) − Ф µ,σ 2 (х 2 ) = Ф 0,(
х2 − µ
х −µ
) − Ф 0,( ).
σ
σ
Как мы видим, вычисление любых вероятностей для нормально
распределенной случайной величины сводится к вычислению функции распределения Ф0,1. Ее свойства:
1) Ф0,1(0) = 0,5;
2) Ф0,1(–х) = 1–Ф0,1(х);
3) если ξ ∈ N0,1, то
Р( ξ < x) = − 2Ф 0,(−х) = 2Ф 0,(х) − .
25
Чтобы найти вероятность (площадь под кривой) нормального
распределения, нужно знать, сколько значений стандартных отклонений есть у интересующей точки вправо от среднего значения.
Принято измерять отклонение случайной величины от ее математического ожидания в единицах σ. Иначе говоря, от реальной
(x – µ ). При
случайной величины надо перейти к нормированной � =
σ
этом P(x ≤ a)=F(t). Тогда вероятность (площадь под нормальной кривой) может быть взята из таблицы функции нормального распределения F. Например, для точки, у которой стандартное отклонение
равно 1,55 вправо от среднего значения, площадь под кривой равна
0,9394. Для двусторонней критической области ±1,55 вероятность
(площадь ограниченной зоны) равна 1–(1–0,9394)∙2=0,8788;
4) «правило трех сигм». Если� ξ ∈ Nμ,σ2, то� P(|ξ–μ|>3 σ)=0,0027.
Значение 0,0027 говорит о том, что почти вся масса нормального
распределения сосредоточена в границах [μ–3σ, μ+3σ]. Иначе говоря, если распределение нормальное, то можно утверждать, что процесс имеет только случайные колебания. Если же точка на графике
попадает за предел [μ–3σ, μ–3σ], можно с уверенностью сказать,
что процесс принципиально изменился;
5) следствия из центральной предельной теоремы (ЦПТ). Пусть
имеются несколько различных возможных распределений генеральной совокупности (например, равномерное, бета, нормальное
и т. д.), каждое из которых имеет свое среднее μ и стандартное отклонение σ. Если из генеральной совокупности получить ряд случайных выборок одного размера n, то результирующее распределение средних примет вид, близкий к нормальному. Независимо от
распределения генеральной совокупности, распределение средних
значений (каждое из которых является средним значением выборки, полученной из генеральной совокупности) имеет тенденцию
приближаться к виду нормальной кривой по мере увеличения
выборки. И даже если n мало (например, 4 или 5), распределение
средних значений в грубом приближении соответствует нормальной кривой.
Известно, что средняя величина распределения средних, называемая X , равна средней величине распределения всей совокупности μ, а стандартное отклонение выборочного распределения σx
равно стандартному отклонению всей совокупности, поделенному
на квадратный корень из размера выборки.
Из ЦПТ также следует, что сумма большого числа случайных
слагаемых имеет приблизительно нормальное распределение. Кро26
ме того, ЦПТ обосновывает многократно подтверждаемый на практике факт, что если исход случайного эксперимента определяется
большим числом случайных факторов, влияние каждого из которых пренебрежимо мало, то эксперимент хорошо аппроксимируется нормальным распределением;
6) критерий согласия. Нормальное распределение принимается
как гипотеза во многих исследованиях, поэтому нередко желательно знать, действительно ли по отношению к собранным данным
справедливо предположение о нормальности. Одна из процедур,
предназначенная для проверки этой гипотезы, известна под названием критерия согласия χ2 (хи-квадрат). Его основу составляет использование в качестве меры расхождения наблюдаемой и теоретической функции плотности статистики хи-квадрат (см. например,
[1]).
Отметим еще ряд свойств нормального распределения, которые
важны для задач прогнозирования.
Из равенства нулю ковариации (математическое ожидание произведения двух центрированных случайных величин) cov(x,y)=
= σxy=E((x�
–μx)(y�
–μy))=0 нормально распределенных величин вытекает их независимость. Этот факт является важнейшим для корреляционного анализа (корреляция – это нормированная ковариация) и регрессионного анализа при проверке взаимной зависимости
между исследуемыми факторами и влиянием различных факторов
на результат прогноза.
Случайная величина, полученная линейным преобразованием
из нормально распределенной величины, тоже распределена по
нормальному закону, т. е. если z = ax + b и x� ∈ Nμ�,σ2, то и z� ∈ Nμ�,σ2.
Данное свойство важно, например, по следующей причине: во
многих задачах одна величина является функцией другой, и при
прогнозировании требуется найти наилучшую функцию для приближения измеряемой величины, в частности z.
3. Методы прогнозирования в сервисе
Прогнозирование спроса оценивает то количество услуг, которое могла бы продать организация. При этом учитывается спрос на
услуги и производственная мощность организации. Количество,
которое, согласно прогнозу, должно быть продано, определяет доход организации, что позволяет принять решение о выводе услуги
на рынок.
Прогнозируемые услуги измеряются:
• числом
����������������
клиентов;
27
• количеством
�������������������������������������
часов поставляемых услуг;
• разнообразием
��������������������
услуг;
• количеством
��������������������������
каждой услуги;
• единицами
������������������������������������������������������
поставляемого продукта (количество порций в
кафе) и т. д.
Существует следующие общие подходы к прогнозированию.
1. ��������������������������������������������������������
Фундаментальный подход «от системы к системе». Прогнозируется состояние экономики, прогнозируются продажи в отрасли
(которые зависят от состояния экономики), и, наконец, прогнозируются продажи компании (которые зависят от отраслевых продаж). Например, если прогноз отраслевого спроса на следующий
год составляет 1 000 000 у.е. и доля рынка компании оценивается в
2 %, то прогноз спроса составит 20 000 у.е.
2. ������������������������������������������������������
Составление прогнозов возможно «от общего к частному»
(прогноз числа клиентов, потом – числа завтраков, обедов и ужинов):
– разукрупнение предоставляемых услуг�:
• услуги
����������������������������������������������������������
по классам или типам (прогноз по группе в целом используется для прогноза по каждой позиции);
• услуги
���������������������������������������������
по периодам или срокам предоставления;
–���������������������
разукрупнение
��������������������
рынка�:
• географическое
�����������������������������
разукрупнение�;
• отраслевые
��������������������������������������
секторы внутри всего рынка;
– разукрупнение по исполнителям – прогноз на каждого человека или магазин.
3. Прогноз «от частного к общему», т. е. если нужен совокупный
прогноз, он может быть точнее, если сделать прогнозы отдельных
компонентов, а затем сложить.
Во многих случаях прогнозирование в сфере услуг, в отличие от
такового в производственной сфере, предполагает прогнозирование деятельности на каждый час и на каждый день. Даже самые
простые количественные оценки все-таки лучше, чем интуитивные
субъективные оценки.
3.1. Спрос на услуги сервиса и его основные параметры
Спросом называется количество товара или услуги, которое
будет куплено по определенной цене за определенный период,
т. е. спрос определен при наличии цены и меняется в зависимости
от нее.
Прогнозирование спроса – исследование будущего спроса на товары и услуги в целях обоснования соответствующих производствен28
ных планов. Различают краткосрочное (конъюнктурное), среднесрочное и долгосрочное прогнозирование спроса. Среднесрочное
прогнозирование, в частности, опирается на прогнозирование совокупного спроса.
Совокупный спрос – категория макроэкономики, характеризующая планируемые расходы на конечные товары и услуги в экономике в целом.
Совокупный спрос подразделяется на:
– спрос домохозяйств;
– спрос на инвестиции;
– спрос на товары и услуги со стороны государства;
– спрос на экспортно-импортные товары.
Совокупный спрос зависит от уровня цен, размера доходов населения, намерений на будущее, налогов, правительственных расходов и денежного предложения.
Действует закон спроса: при прочих равных условиях спрос на
товары сферы сервиса в количественном выражении изменяется в
обратной зависимости от цены. Это происходит по двум причинам:
• ���������������������������������������������������������
при снижении цены потребитель хочет приобрести больше товара (эффект дохода);
• ����������������������������������������������������������
товар при снижении цены на него дешевеет относительно других товаров и приобретать его становится относительно выгоднее
(эффект замещения).
Закон спроса не действует в следующих трех случаях:
• при
�����������������������������������������������������
ажиотажном спросе, вызванном ожидаемым повышением
цен;
• для
�������������������������������������������������������������
некоторых редких и дорогостоящих товаров (золото, дра­гоценности, антиквариат и др.), являющихся средством вложения
денег;
• при
�������������������������������������������������������
переключении спроса на более качественные и дорого­
стоящие товары (например, переключение спроса с маргарина на
масло: снижение цен на маргарин не ведет к увеличению спроса на
него).
На изменение спроса влияют и неценовые факторы:
• ����������������������������������������������������������
изменения в денежных доходах населения. Например, рост доходов увеличивает спрос на разные виды товаров (мебель, бытовую
технику, высококачественные продукты питания и др.) при всех
возможных ценах на них;
• изменения
���������������������������������������������������������
в структуре населения. Например, старение населения, увеличение количества пенсионеров увеличивает спрос на
лекарства, медицинское обслуживание;
29
• изменения
����������������������������������������������������������
цен на другие товары, особенно на товары-заменители (рост цен на сливочное масло вызовет повышение спроса на
маргарин).
В результате взаимодействия спроса и предложения устанавливается рыночная цена. Она фиксируется в точке, в которой пересекаются кривые спроса D (англ. «demand») и предложения S (англ.
«supply»). Эта точка называется точкой равновесия, а цена – равновесной. Только в этой точке цена устраивает и покупателя, и
продавца. При этом действуют следующие законы рыночного ценообразования.
Цена стремится к такому уровню, при котором спрос равен предложению. Этот рыночный механизм действует при наличии конкуренции.
Для предприятия сферы сервиса при планировании объема и
структуры производства чрезвычайно важно знать, от чего зависит
спрос на ее продукцию.
Зависимость объема спроса от определяющих его факторов называется функцией спроса.
Прежде всего, объем спроса зависит от цены товара, доходов
потенциальных потребителей, а также от цен на товары, которые
являются либо взаимодополняемыми (например, автомобили и
бензин), либо взаимозаменяемыми (например, масло и маргарин,
разные виды мяса и т. п.).
На объем спроса оказывают также влияние общее число покупателей, размер рынка, накопленное имущество, инфляционные
ожидания и др.
Очевидно, что с повышением цен на продукцию предприятия
сферы сервиса можно ожидать, при прочих равных условиях, снижения спроса на нее. Активная деятельность конкурентов, выпускающих продукты-заменители и продающих их по более низким
ценам, также может привести к снижению спроса на изделия предприятия.
Другой важный вопрос: как изменится величина спроса при
повышении (понижении) цены продукции на 1, 10, 100 рублей?
Обычно предприятие, повышая цену, рассчитывает на рост выручки от продаж. Однако возможна ситуация, когда повышение цены
приведет не к росту выручки, а, наоборот, к ее снижению за счет сокращения величины спроса и, соответственно, уменьшения сбыта.
Поэтому для предприятия сферы сервиса важно определить, какое
в количественном отношении воздействие на величину спроса может оказать изменение цены продукции, доходов потребителей или
цен на товары-заменители, производимые конкурентами.
30
Так называемая ценовая эластичность спроса показывает, на
сколько изменится в процентном отношении величина спроса на
товар при изменении его цены на 1 %. Если спрос эластичен, чувствителен к цене, то, снижая цену, можно существенно увеличить
сбыт, а следовательно, и прибыль.
3.2. Методы прогнозирования
Можно выделить три основные группы методов прогнозирования:
1) экспертные методы;
2) методы экстраполяции;
3) методы регрессионного анализа.
Экспертные методы применяются в случае отсутствия статистики прошлых данных. Подобная ситуация наблюдается в условиях большой неопределенности внешней среды (например, при открытии новой торговой точки рынок может стремительно расти), в
областях, подверженных сильному влиянию новых открытий, технологических прорывов, в условиях дефицита времени и т. п. Методы рассматриваемого класса основываются на решении группы
экспертов на основе тех или иных схем, в частности, метода «Дельфи» (О. Хелмер, Т. Гордон, 1964).
Данный метод позволяет выявить преобладающее суждение экспертов в обстановке, исключающей их прямые дебаты, но позволяющей им периодически взвешивать свои суждения с учетом ответов
и доводов коллег. Пересмотр и возможность изменения своих прежних оценок на основе мнений коллег (обратная связь) позволяет
учесть бóльшее количество факторов, чем первоначально. Мнение
экспертов устанавливается таким образом, что бóльший вес присваивается оценкам, объективно заслуживающим предпочтения.
В задаче прогнозирования продаж нового товара экспертные
оценки базируются на сведениях, собранных на стадии предварительного анализа и учитывающие данные о размере потенциального рынка, общем спросе, данные о продажах конкурентов, долях
продуктов разных марок на рынке, контрольных продажах.
Экстраполяция – перенос текущих процессов на будущее. Если
продажи в прошлых месяцах росли, то они будут расти и в следующем месяце. Но это не значит, что они будут расти весь год. Прогнозировать «точки перегиба» методом экстраполяции нельзя.
Экстраполяционные методы применяют для краткосрочных и
среднесрочных прогнозов хорошо изученных процессов, медленных (эволюционных) процессов. В случае революционных процес31
сов применять методы экстраполяции нецелесообразно. Обычно
прогнозный период не должен превышать 25 % от исходной временной базы.
Различают формальную и прогнозную экстраполяцию. В формальной экстраполяции выделяют генетический и целевой подход.
При генетическом (эволюционном) подходе к прогнозированию
процесс разработки прогноза идет от прошлого и настоящего к будущему, при целевом подходе – от будущего к настоящему.
При прогнозной экстраполяции развитие спроса увязывается с
влиянием основных факторов, определяющих спрос, что уже требует применения статистических методов, регрессионных моделей.
Регрессионный анализ позволяет определить, от каких факторов
зависит прогнозируемый параметр. Например, зависимой величиной является объемы продаж, а факторами, влияющими на эту величину, могут быть предыдущие объемы продаж, изменение курса
валют, активность конкурентов и т. д. Легко угадать, что продажи
пива связаны с температурой воздуха. Еще бóльшее влияние оказывает влажность. В зависимости от сезона одно пиво пьют больше,
чем другое. Или, например, при кредитовании физических лиц вероятность возврата кредита зависит от личных характеристик человека, сферы его деятельности, наличия имущества.
Помимо внешних факторов, на которые мы влиять не в силах,
есть и внутренние (величина рекламного бюджета, количество менеджеров отдела сбыта, количество клиентов и т. п.). Зная влияние
названных факторов, мы можем понять, на чем следует сконцентрировать внимание. Заметим, что, в отличие от экстраполяции,
регрессионный анализ позволяет определить точку перегиба.
Генетический и целевой подходы
Формальная экстраполяция базируется на предположении о сохранении в будущем прошлых и настоящих тенденций развития
спроса. Иначе говоря, при экстраполяции предполагается, что «будущее похоже на прошлое».
Типичным и наиболее применимым приемом экстраполяции
является прогноз по временному ряду. Напомним, что под временным рядом понимается последовательность точек данных, разделенных на равные промежутки (часы, дни, месяцы и т. д.). Цель
такого прогноза – показать, к каким результатам можно прийти в
будущем, если двигаться к нему с той же скоростью или ускорением, что и в прошлом.
32
1. Формальные экстраполяционные модели при генетическом
подходе используются для прогноза спроса в сфере сервиса в том
случае, когда на этапе анализа не выделено факторов, существенно
влияющих на спрос. Тогда в качестве единственного фактора рассматривают время:
y=f(t),
где у – величина спроса; t – время: 1, 2,,.., n – последний момент
наблюдения спроса в базисном периоде.
Генетический подход применяют при кратко- и среднесрочном
прогнозировании.
Использование экстраполяции в прогнозировании деятельности фирмы предполагает, что рассматриваемый процесс состоит из
двух составляющих – регулярной и случайной y(t)=f(p, t)+ε(t).
Считается, что регулярная составляющая f(p, t) – гладкая функция от аргумента (в частности, времени), описываемая конечномерным вектором параметров p, которые сохраняют свои значения
на периоде упреждения прогноза. Эта составляющая называется
также трендом, детерминированной составляющей процесса, тенденцией. Случайная составляющая (второе слагаемое) обычно считается некоррелированным случайным процессом с нулевым математическим ожиданием. Ее оценки необходимы для дальнейшего
определения точностных характеристик прогноза.
Предположим, что мы имеем линейную модель динамики спроса в расчете на душу потребителей: yt� =428,44+40,0654∙t� (где t���
– норядковый номер года).
Тогда на основе формальной экстраполяции (пусть t=11 соответствует 2004 г.) прогнозные оценки спроса в 2005, 2006, 2007 гг.
будут следующие:
для 2005 г.: t = 12, yt =428,44+40,0654 ∙ 12 = 909,214;
для 2006 г.: t = 13, yt =949,2785;
для 2007 г.: t = 14, yt =989,343.
В данном случае экстраполяция дает прогностическую точечную оценку.
2. При построении долгосрочных прогнозов спроса для оценки
периода достижения целевого ориентира используют целевой подход к прогнозированию. В этом случае исходят из обратного расчета – от будущего к настоящему. При этом определяются ресурсы,
необходимые для достижения желаемого результата.
В рамках целевого прогноза задается желаемый или нормативный уровень спроса y*t и определяется, за какой период норматив33
ный уровень спроса будет достигнут при сохранении сложившейся
тенденции динамики спроса.
Предположим, что имеем yt =1 500. Требуется определить, когда достигается этот уровень, если сохранится тенденция, описываемая приведенной выше моделью, т. е. необходимо определить, чему
равно t. Несложный расчет показывает, что t=26,7 ≈ 27 лет, тогда
t*=27–11=16. Таким образом, получим, что при сохранении тенденции развития спроса, сложившейся в прошлом, определенный
целевой ориентир будет достигнут только через 16 лет.
В общем случае задача целевого (нормативного) подхода предполагает определение траектории изменения прогнозной кривой
(расчет параметров уравнения кривой), позволяющей к прогнозному периоду достичь нормативного показателя.
Определение погрешности прогноза
Точное совпадение прогноза с фактическими данными – явление
маловероятное. Поэтому необходимо оценить погрешность. В простейшем варианте это разница между фактическим результатом и
прогнозом. Важно понимать, на каком объеме продаж произошла
эта ошибка, т. е. нас интересует отношение ошибки к объему продаж, на котором оно совершена.
Наиболее целесообразно прогноз строить в виде интервала значений, а именно – путем построения доверительного интервала.
Применяют следующий метод расчета доверительного интервала:
y � ′ − s y� a ≤ y � ≤ y � ′ + s y� a ,
где yt′ – точечный прогноз, полученный на основе формализованной
экстраполяции; t – номер года прогнозного периода; yt – значение
прогнозируемого показателя; ta– статистический параметр Стьюдента (берется из таблицы распределения Стьюдента при заданной
доверительной вероятности a и числе степеней свободы п–2 (п –
длина базисного ряда)); sy – среднеквадратическое отклонение.
При проведении прогнозных расчетов спроса вычисляют оценку точности прогноза по вариантам прогнозных моделей. При этом
чем меньше оценка, тем лучше рассматриваемая модель. Оценка
точности прогноза:
s y� a
εy =
,
y0 ′
где y0′ – последний расчетный параметр ряда по выбранной для
прогноза модели (n=11 в нашем примере).
34
Этапы экстраполяции
Можно выделить следующие этапы экстраполяции ряда y(t):
1) сглаживание и выравнивание ретроспективного ряда;
2) выбор вида функции (аппроксимирующей зависимости);
3) оценка параметров аппроксимирующей зависимости;
4) расчет прогнозных значений исследуемого показателя;
5) оценка точности прогноза, расчет доверительных интервалов.
Способы обработки
1. Сглаживание и выравнивание.
Сглаживание (рис. 3.1) применяют для устранения случайных отклонений (шума) на экспериментальных значениях исходного ряда. По первым трем точкам (y1, y2, y3) сглаживают
среднюю y2, затем по трем следующим точкам (y2, y3, y4) сглаживают y3 и т. д.
y 0 = (y − + y 0 + y ) – значение сглаженной функции в средней
3
точке (y0 – значение исходной функции в средней точке);
y − = (5y − + 2y 0 − y ) – значение сглаженной функции в левой
6
точке группы;
y + = (−y − + 2y 0 + 5y ) – значение сглаженной функции в пра6
вой точке группы.
Сглаженный динамический ряд может быть применен для получения прогноза простым продолжением (проекцией тренда) на
период прогноза (сглаживание – способ выявления тренда при наличии помех).
y
�
y
y
t
Рис. 3.1. Сглашивание временного ряда
35
Часто тренд в экономических временных рядах носит линейный
характер. Кроме линейного тренда, существуют нелинейные модели – параболическая, логарифмическая, логистическая и др.
Выравнивание применяют для более удобного представления
исходного ряда без изменения его числовых значений. Это приведение исходной эмпирической формулы y=f(t, a, b) (где t – время;
a, b
� – параметры) к виду y=a1T��
+�
b1.
Наиболее распространенные способы выравнивания – логарифмирование и замена переменных. Рассмотрим пример.
Пусть исходная функция имеет вид y=atb.
В результате логарифмирования
l�
 a + b l�
�
 y = l�
b
T
Y
образуется линейная связь Y=a1T+b1.
Если перестроить исходные точки в логарифмическом масштабе, получим линейную зависимость, на которой легче определять
коэффициент. Затем результаты пересчитывают по формулам, обратным этим. Другой пример – y=aebt – преобразуется аналогично:
l�
a + b
l� e ⋅ �.
 y = l�
*
b
a
y
Выравнивание можно рассматривать как метод приближенного
определения параметров аппроксимирующей функции.
В процессе сглаживания и выравнивания ряда часто уже определяется вид аппроксимирующей функции и, возможно, ее параметры. Однако окончательное решение о виде функции для прогнозирования по методу экстраполяции необходимо дополнить анализом
гипотез о развитии процесса в будущем. Например, возрастает или
убывает функция, имеет ли экстремумы, ограничения, точку перегиба, симметричность и т. д.
2. Выбор вида функции.
В качестве аппроксимирующих функций чаще всего используют полиномы:
�������������������
)�������������������
степенной полином:
y (� ) = a0 +
n
∑ a i� i ;
i =
б) экспоненциальный полином:
y (� ) = exp[a +
36
∑ ai� i ];
в) гиперболический полином:
y (� ) = a0 +
n
∑ a� i .
i =
i
Простейшие зависимости:
y (� ) = a + b�;
y (� ) = a + b� + c� 2;
y (� ) = a� b;
y (� ) = ae b�;
y (� ) = k − ae −b� – модифицированная экстраполяция;
b
– гиперболическая;
c+�
d
y (� ) =
– логистическая.
a + be −c�
y (� ) = a +
Последняя кривая имеет форму латинской буквы S, положенной
d
на бок. Здесь y – величина спроса в момент времени t,
– предел
a
b
роста (например, рыночный потенциал),
– безразмерная консa
танта (задает сдвиг кривой влево или вправо), c – константа с размерностью, обратной времени (задает наклон кривой). Если опыт
показывает, что спрос на начальных стадиях жизненного цикла
изделия или услуги изменяется согласно логистической кривой, то
d
отношение
позволяет рассчитать предельную величину спроса
a
или потенциал рынка.
3. Оценка параметров аппроксимирующей зависимости.
В качестве критерия оптимальности используют ту или иную
меру отклонения точек эмпирического ряда от аппроксимирующей
функции. Например, в случае неравноточных измерений критерий
по методу наименьших квадратов (МНК) имеет вид
J=
n
∑ (yi – f (�i; a0, ... am )) 2 wi →
i =
min,
a0, ...am
где wi – весовые коэффициенты.
Поскольку отклонения имеют разные знаки, необходимо, чтобы
минимальной была сумма именно квадратов отклонений.
Метод хорошо сглаживает случайные «шумы», позволяет получить несмещенные и состоятельные оценки всех параметров ai, а в
37
наиболее распространенном случае линейного вхождения параметров в формулу тренда оценки по МНК являются также и эффективными.
Напомним, что несмещенность означает равенство нулю математического ожидания оценки параметра. В этом случае качество оценки определяется только дисперсией: чем она меньше, тем
оценка лучше. Состоятельность означает, что оценка параметра
стремится к истинному значению параметра с ростом величины
выборки. Эффективные оценки среди несмещенных имеют минимальную дисперсию.
В случае линейной аппроксимирующей функции y=a+b∙х (где a
и b характеризуют точку пересечения с осью ординат и наклон линии функции) уравнения для расчета параметров a и b имеют вид
b=
∑ xy −∑ x∑ y ,
2
n∑ x 2 – (∑ x )
n
a=
∑ y − b∑ x .
n
n
Взвешенное скользящее среднее
Скользящее среднее является традиционным методом прогнозирования на основе усреднения данных, включенных в процесс (мы
как бы «скользим» с течением времени). Одна из часто употребляемых моделей, позволяющая осуществлять прогноз по прошлым
данным, – авторегрессионная модель (3.1). Она представляет собой
взвешенную сумму прошлых данных (веса могут отражать сезонность спроса).
Понятно, что свежие данные имеют большее значение и поэтому
должны иметь больший вес. Модель имеет вид
x� =
p
∑ a i ⋅ x � −i + ε � , (3.1)
i =
где εt=xt– x � – ошибка ( x � – прогноз в отсутствии помех), ai – весовые коэффициенты (∑ai=1).
В простейшем случае, зная относительный вклад тех или иных
показателей прошлых дат, в прогноз на будущий период можно подобрать оптимальные значения для ai. В общем случае в качестве
минимизируемого критерия принимается математическое ожидание квадрата ошибки измерений. В этой модели взвешенные скользящие средние величины сглаживают неожиданные колебания
спроса, обеспечивая стабильные оценки. Отбрасывание более старых данных может оказаться слишком расточительным. Поэтому
38
для изменения чувствительности перед собственно оценкой коэффициентов модели ai необходимо предварительно оценить истинный порядок p модели.
Экспоненциальное сглаживание
Метод экспоненциального сглаживания является одним из распространенных методов экстраполяции динамических рядов. Сущность метода заключается в сглаживании исходного динамического ряда взвешенной скользящей средней, веса которой подчиняются экспоненциальному закону.
В качестве аппроксимирующей зависимости для прогнозирования динамического ряда y(t) в методе экспоненциального сглаживания применяется полином следующего вида:
y(�) = b 0 +b ⋅� +
p
bp p
b2 2
bj j
⋅ � + ........... +
⋅� =
⋅� ,
2!
p!
j =0 j !
∑
где b0, �
b1, …, bt – коэффициенты аппроксимирующей зависимости;
p – порядок полинома.
Для понимания метода необходимо дать понятие экспоненциальной средней. Экспоненциальной средней первого порядка для
ряда называется функция вида
S�[] (x) = α
p
∑ ( − α) � ⋅ x�− j,
j =0
где α – параметр сглаживания (0<α<1).
Для определения экспоненциальной средней k-го порядка Брауном была выведена следующая рекуррентная формула:
S�[k] (x) = a ⋅ S�[k −] (x) + ( − α) ⋅ S�[−k] (x).
При построении прогноза с помощью метода экспоненциального
сглаживания одной из основных проблем является выбор значения
параметра сглаживания α.
Часто для определения α (если число членов исходного динамического ряда мало) используется формула
α=
2
.
n +
Если число членов в ряде велико, то α определяется исходя из
количества точек m в интервале сглаживания:
39
α=
2
.
m +
Заметим, что при α=1 второе слагаемое в формуле полностью игнорируется.
Сглаживание при линейном тренде
При линейном тренде аппроксимирующая зависимость приобретает вид y(t)=b0 + b1t�.
Чтобы воспользоваться формулами нахождения экспоненциальных средних, необходимы начальные приближения. Для линейного тренда они равны:
2( − α)
− α
S0[] (y) = b 0 +
b ; S0[2] (y) = b 0 +
b .
α
α
Коэффициенты b0, b1 определяются МНК. Экспоненциальные
средние будут определяться в соответствии с рекуррентными формулами, т. е.
[2]
[]
[2]
S�[] (y) = αy � +( − α)S�[]
− (y); S� (y) = αS� (y) + ( − α)S� − (y).
Оценки коэффициентов линейного тренда, полученные с помощью экспоненциальных весов, имеют вид
α
b 0 = 2S�[] (y) − S�[2] (y); b =
[S�[] (y) − S�[2] (y)].
− α
Прогноз на момент t1 имеет вид
y * (�) = b 0 + b �.
3.3. Комбинированная схема прогноза
Для повышения точности и достоверности прогнозирования
можно использовать комбинированную схему (или комплексную
оценку) прогноза (рис. 3.2), позволяющую объединить два и более
метода. Комбинированная схема (синтез прогнозов) позволяет компенсировать недостатки одних методов достоинствами других, особенно в случае, если они построены на различной информационной
базе.
В блоках 1, 2 определяются параметры и плотности распределения вариантов прогноза показателя. Если хотя бы один из вариантов позволяет оценить граничное значение прогноза, то это выполняется в блоке 3. Установление границ, например, в виде средних
значений позволяет гарантировать, что комбинированный прогноз
и фактическое значение показателя находятся внутри «вилки»
граничных значений.
40
1. Информационная база
2. Варианты прогноза
2.1. Первый
2.2. Второй
2. n........n
й
3. Оценка граничных значений
5. Все варианты
противоречивы
6.1. Ошибки в
расчетах
4. Оценка
противоре
чивости
8. Варианты непротиворечивы
6.2. Недостаток
информации
6.3. Несовершен
ство методов
расчета
7. Корректировка
9. Совместная обработка
9.1. Определение весовых
коэффициентов
9.2. Комбинированный
прогноз
11. n вариантов
противоречивы
12. Выявление
противоречивых
вариантов
13. Исключение
вариантов
10. Расчет параметров прогноза
10.1. Среднее 10.2. Среднее 10.3. Плотность
квадратическое распределения
значение
отклонение
Рис. 3.2. Схема составления комбинированного прогноза
Помимо этого, из рассмотрения следует исключить те варианты прогноза, оценки которых находятся вне граничных значений.
В качестве меры непротиворечивости прогнозов используется интеграл ε, представляющий собой общую площадь под кривыми
плотностей распределения прогнозов. Если ε=0 и все n вариантов противоречивы, то необходима корректировка исходной базы
(блок 7). В случае (ε<ε0) производится исключение противоречивых вариантов (блоки 11, 12, 13). При (ε≥ε0) считается, что все
рассматриваемые варианты прогнозов непротиворечивы (блок 8) и
могут быть совместно обработаны (блок 9). Совместная обработка
включает выбор правила составления комбинированного прогноза
и его характера (блок 10).
Рассмотренный подход позволяет построить область непротиворечивости различных методов прогнозирования. На его основе
41
работает учебная программа ������������������������������������
Prognoz�����������������������������
, которая применяется в лабораторном практикуме по лекционному курсу.
3.4. Модели прогнозирования временных рядов
Обычно временной ряд состоит из 4-х компонентов: тренд (тенденция), сезонность, циклы и случайные изменения.
Детерминированная (d) составляющая временного ряда отражает действия каких-либо определенных факторов или причин (в
идеале – это известная функция от времени t). Детерминированная
составляющая включает тренд, сезонность, цикличность. Оставшаяся часть относится к случайной составляющей временного ряда.
Тренд (tr) – это постепенное восходящее или нисходящее движение данных за какое-то время.
Тренд объясняется многими факторами: рост потребления, производства, технологическое и экономическое развитие, инфляция и др.
Сезонность (s) – колебание выше или ниже линии тенденции.
Свойство сезонности означает, что через примерно равные промежутки времени форма кривой, которая описывает продажи товара,
повторяет свои характерные очертания и тенденции.
Типичный пример сезонного эффекта – рост объема продаж перед праздниками.
Цикл – это изменение данных, которое бывает каждые несколько лет (обычно цикл привязан к деловому циклу). Если такие изменения не носят фиксированного характера, то говорят о присутствии в ряде цикличной компоненты.
Случайные изменения – это «выбросы» в данных, вызванные
случайными или необычными ситуациями; они не вписываются ни
в какую модель.
Существуют две основные формы разложения временного ряда
на детерминированную и случайную компоненты.
Классическая мультипликативная модель прогноза спроса (объема продаж) имеет вид [11]
yt =b t∙ s t∙ tr ∙ ct ∙ p +E,
где yt – спрос на момент времени t; bt – базовый уровень спроса
на момент t; st – сезонная составляющая; tr – компонента тренда,
характеризующая тенденцию возрастания или убывания спроса;
ct – циклический фактор на период t; pt – фактор, учитывающий
продвижение товара; E� – случайная (нерегулярная) составляющая,
или флюктуация.
В простейшей мультипликативной модели
y = tr ∙ s ∙ I,
42
Объемы продаж
Мультипликативная модель
Аддитивная модель
Период времени
Рис. 3.3. Аддитивная и мультипликативная модель прогноза
где I – ошибка (или остаток), т. е. та часть значения наблюдения,
которую нельзя объяснить с помощью построенной модели.
Применение мультипликативных моделей обусловлено тем,
что в некоторых временных рядах значение сезонной компоненты
представляет собой определенную долю трендового значения.
Моделью с аддитивной компонентой называется такая модель,
в которой вариация значений переменной во времени наилучшим
образом описывается через сложение отдельных компонент. Упрощенная аддитивная нестационарная модель временного ряда без
циклической компоненты с равноотстоящими моментами наблюдений имеет вид
y = d + I = tr + s + I.
Как показывает практика, именно с такими рядами чаще всего
приходится сталкиваться при изучении истории продаж в оптовой
и розничной торговле.
Отличить аддитивную модель от мультипликативной можно по
величине сезонной вариации. Аддитивной модели присуща практически постоянная сезонная вариация, тогда как у мультипликативной она возрастает или убывает; графически это выражается в
изменении амплитуды колебания сезонного фактора в зависимости
от общего уровня значений ряда, как это показано на рис. 3.3.
3.5. Учет сезонных колебаний при прогнозировании
Выделить периоды сезонности можно путем построения автокорреляционной функции, на графике которой имеются пики (недели, месяцы, кварталы), превышающие значение 0,5. Они и отмечают такие периоды.
43
Существуют следующие методы прогнозирования с учетом сезонности: методы на основе рядов Фурье; модели авторегрессии;
модели, основанные на корреляционно-регрессионном анализе;
модели, основанные на анализе временных рядов. В частности,
последний способ основывается на методе скользящего среднего.
В моделях, как аддитивной, так и мультипликативной, общая
процедура учета сезонности примерно одинакова. Рассмотрим ее на
примере аддитивного случая.
Шаг 1. Расчет значений сезонной компоненты. Для того чтобы
элиминировать влияние сезонной компоненты, воспользуемся методом скользящей средней. Рассмотрим в качестве примера исходные данные, приведенные в табл. 3.1.
Таблица 3.1. Количество проданной продукции
Дата
Количество проданной продукции, тыс. шт.
Январь-март 2004
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Январь-март 2005
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Январь-март 2006
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
239
201
182
297
324
278
257
384
401
360
335
462
Январь-март 2007
481
Просуммировав первые четыре значения, получим общий объем
продаж в 2004 г. Если поделить эту сумму на 4, можно найти средний объем продаж в каждом квартале 2004 г., т. е.
(239 + 20 + 82 + 297)
= 229,75.
4
Полученное значение уже не содержит сезонной компоненты,
поскольку представляет собой среднюю величину за год. У нас появилась оценка значения тренда для середины года, т. е. для точки, лежащей в середине между кварталами II и III. Если последовательно передвигаться вперед с интервалом в три месяца, можно
рассчитать средние квартальные значения на промежутках апрель
44
2004 – март 2005 гг. (251), июль 2004 – июнь 2005 гг. (270,25) и
т. д. Данная процедура позволяет генерировать скользящие средние по четырем точкам для исходного множества данных. Получаемое таким образом множество скользящих средних представляет
наилучшую оценку искомого тренда.
К сожалению, оценки значений тренда, полученные в результате расчета скользящих средних по четырем точкам, относятся к несколько иным моментам времени, чем фактические данные. Первая
оценка, равная 229,75, представляет собой точку, совпадающую с
серединой 2004 г., т. е. лежит в центре промежутка фактических
значений объемов продаж во II и III кварталах. Вторая оценка, равная 251, лежит между фактическими значениями в III и IV кварталах. Нам же требуются десезонализированные средние значения,
соответствующие тем же интервалам времени, что и фактические
значения за квартал. Положение десезонализированных средних во
времени сдвигается путем дальнейшего расчета средних для каждой пары значений. Найдем среднюю из первой и второй оценок,
(229,75 + 25)
центрируя их на июль-сентябрь 2004 г., т. е.
= 240,4.
2
Это и есть десезонализированная средняя за июль-сентябрь
2004 г. Эту десезонализированную величину, которая называется центрированной скользящей средней, можно непосредственно
сравнивать с фактическим значением за июль-сентябрь 2004 г.,
равным 182. Отметим, что это означает отсутствие оценок тренда за
первые два и последние два квартала временного ряда. Результаты
расчета для 2004 г. сведены в табл. 3.2.
Таблица 3.2. Расчет по 4 точкам центрированных скользящих средних
для модели y����������
�����������
–���������
tr�������
= s���
����
+��I�
Дата
Январь-март
2004
Апрель-июнь
Июль-сентябрь
Октябрьдекабрь
Объем
Итого
продаж, за четыре
тыс. шт. квартала
Скользящая
Оценка
Центрисредняя
сезонной
рованная скольза четыре
компоненты
зящая средняя
квартала
y���
–��
tr = s+I
239
201
182
919
1004
229,75
251
240,4
–58,4
297
260,6
36,4
45
Шаг 2. Вычитание сезонной компоненты из фактических значений (этот процесс называется десезонализацией данных). Расчет
тренда на основе полученных десезонализированных данных.
Для каждого квартала мы имеем оценки сезонной компоненты, которые включают в себя ошибку или остаток. Прежде чем
мы сможем использовать сезонную компоненту, нужно пройти два
следующих этапа. Найдем средние значения сезонных оценок для
каждого сезона года. Эта процедура позволит уменьшить некоторые значения ошибок. Наконец, скорректируем средние значения,
увеличивая или уменьшая их на одно и то же число таким образом, чтобы их общая сумма была равна нулю. Это необходимо, чтобы усреднить значения сезонной компоненты в целом за год. Корректирующий фактор рассчитывается следующим образом: сумма
оценок сезонных компонент делится на 4. Результаты приведены в
табл. 3.3.
Таблица 3.3. Расчет скорректированной сезонной компоненты
Год
Квартал
1
2
3
4
2004
2005
2006
–
44,4
40,8
–
–21,9
–19,8
–58,4
–63,4
–64,5
36,4
43,8
–
Итого
85,2
–41,7
–186,3
80,2
Сумма
Оценка средней
сезонной компоненты
42,6
–20,85
–62,1
40,1
–0,25
Скорректированная
сезонная компонента
42,6
–20,7
–62
40,1
0
Далее можно выполнить вычитание соответствующих значений
сезонной компоненты из фактических значений данных за каждый
квартал. Результаты расчета сведены в табл. 3.4.
Если построить график по найденным значениям тренда (содержащих ошибку) для нашего примера, можно сделать вывод о существовании линейного тренда (рис. 3.4).
Уравнение линии тренда имеет вид
tr = a+b∙х,
где a и b характеризуют точку пересечения с осью ординат и наклон
линии тренда, x – номер квартала. Для определения параметров
прямой, наилучшим образом аппроксимирующей тренд, можно
46
Дата
Квартал
Объем продаж,
тыс. шт., y
Сезонная компонента, s
Десезонализированный
объем продаж,
тыс. шт.,
y��
–�s = tr+I
Таблица 3.4. Расчет десезонализированных данных
Январь-март 2004
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
1
2
3
4
239
201
182
297
42,6
–20,7
–62,0
40,1
196,4
221,7
244,0
256,9
Ô àêòè ÷åñ êè å è ä åñ åçî í àë è çè ð î â àí í û å êâ àð òàë ü í û å î á ú ¸ì û ï ð î ä àæ
Êîëè÷åñòâî ïðîäóêöèè, ïðîäàííîé çà êâàðòàë, òûñ. øò.
600
500
400
300
200
1 00
0
1
2
3
4
5
6
7
8
9
10
11
12
13
Êâ àð òàë
Ôàêòè÷åñêèå çíà÷åíèÿ
Î öåíêè
Рис. 3.4. Иллюстрация к учету аддитивной сезонности
использовать МНК. В уравнениях, приведенных выше, для расчета параметров a и b по этому методу для нашего примера использованы обозначения: x – порядковый номер квартала, y – значение
тренда с ошибкой.
Подсчитаем:
∑ x = 91; ∑ x2 = 819; ∑ y = 4158,7; ∑ xy = 32747,1; n = 13.
Подставив найденные значения в соответствующие формулы,
получим:
b = 19,978; a = 180,046.
47
Следовательно, уравнение модели тренда имеет следующий
вид:
tr = 180,0+20,0 ∙х.
Шаг 3. Расчет ошибок как разности между фактическими и
трендовыми значениями:
y–tr–s = I.
Шаг 4. Расчет среднего отклонения (MAD), среднеквадратической ошибки (MSE) или средней абсолютной ошибки в процентах
(����������������������������������������������������������
MAPE������������������������������������������������������
) для обоснования соответствия модели исходных данных
или для выбора из множества моделей наилучшей. Для расчета
MAD�������������������������������������
, �����������������������������������
MSE��������������������������������
, ������������������������������
MAPE��������������������������
необходимо найти прогноз y�
*t (см. ниже). Причем чтобы сопоставить фактическое и прогнозное значения, прогноз формируют в предположении более короткого исходного набора данных, чем есть в наличии.
Выражения для названных ошибок имеет вид:
среднее абсолютное отклонение (Mean Absolute Derivation,
MAD):
MAD =
n
∑
� =
y � − y �∗
n
,
где yt – действительное значение в момент времени t; ��
y�
*t – прогноз;
n – количество точек, т. е. ����������������������������������
MAD�������������������������������
равно отношению суммы величин
всех ошибок без учета их знака к общему числу наблюдений;
среднеквадратическая ошибка (Mean Squared Error, MSE):
MSE =
(y � − y �∗ ) 2
;
n
� =
n
∑
средняя абсолютная ошибка в процентах (Mean Absolute Percentage
Error, MAPE):
n y − y∗
�
�
MAPE =
00 %.
n � = y �
∑
В нашем случае ошибки достаточно малы и составляют от 1 до
28,7
2 % (например, MAD =
= 2,2 ). Тенденция, выявленная по фак3
тическим данным, достаточно устойчивая и позволяет получить
хорошие краткосрочные прогнозы.
Прогнозные значения по модели с аддитивной компонентой для
нашего примера имеют вид
y�
*t = tr + s (тыс. шт. за квартал),
48
где трендовое значение tr = 180 + 20х, а сезонная компонента s����
�����
составляет 42,6 в январе-марте, –20,7 в апреле-июне, 62,0 в июлесентябре и 40,1 в октябре-декабре.
Порядковый номер квартала, охватывающего ближайшие три
месяца с апреля по июль 2007 г., равен 14, таким образом, прогнозное трендовое значение составит
tr14 = 180 + 20 ∙ 14 = 460 (тыс. шт. за квартал).
Соответствующая сезонная компонента равна –20,7 тыс. шт.
Следовательно, прогноз на этот квартал определяется как
y�
*t (апрель-июнь 2007 г.) = 460–20,7 = 439,3 тыс. шт.
Случай мультипликативной сезонности
В некоторых временных рядах значение сезонной компоненты
не является константой, а представляет собой определенную долю
трендового значения. Таким образом, значения сезонной компоненты увеличиваются с возрастанием значений тренда в число раз,
равное определенному множителю.
Процедура ничем не отличается от той, которая применялась
для аддитивной модели. Так же вычисляются центрированные
скользящие средние для трендовых значений, однако оценки сезонной компоненты представляют собой коэффициенты, полученy
ные по формуле
= s ∙ I.
�r
Данные по примеру с учетом мультипликативной сезонности
сведены в табл. 3.5.
Таблица 3.5. Количество проданной продукции
Дата
Квартал
Объем продаж, тыс. шт., y
Январь-март 2004
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Январь-март 2005
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Январь-март 2006
Апрель-июнь
Июль-сентябрь
1
2
3
4
5
6
7
8
9
10
11
70
66
65
71
79
66
67
82
84
69
72
49
Окончание табл. 3.5
Дата
Объем продаж, тыс. шт., y
Квартал
Октябрь-декабрь
12
87
Январь-март 2007
13
94
Значения сезонных коэффициентов получены на основе квартальных оценок по аналогии с алгоритмом, который применялся
для аддитивной модели. Для каждого квартала находится свой коэффициент сезонности. Расчеты для 2004 г. сведены в табл. 3.6.
4
71
68
70,25
69,13
–
–
0,940
70,25
1,011
281
70,25
y
=s∙I
�r
Октябрь-декабрь
272
281
Коэффциент
сезонности
70
66
65
Центрированная
скользящая
средняя
1
2
3
Скользящая
средняя за четыре
квартала
Объем продаж,
тыс. шт.
Январь-март 2004
Апрель-июнь
Июль-сентябрь
Итого за четыре
квартала
Дата
Квартал
Таблица 3.6. Расчет значений сезонной компоненты
Далее квартальные оценки усредняются по годам. Так как значения сезонной компоненты – это доли, а число сезонов в году равно 4, необходимо, чтобы их сумма была равна 4, а не 0, как при
усреднении компонент за год в аддитивном случае (если бы в исходных данных предполагалось семь сезонов в течение недели по
одному дню каждый, то общая сумма значений сезонной компоненты должна была бы равняться 7). Если эта сумма не равна 4, производится корректировка значений сезонной компоненты точно таким же образом, как это уже делалось ранее. В табл. 3.7 приведен
соответствующий расчет.
Скорректированная оценка сезонной компоненты получена в ре4 
зультате умножения соответствующей доли на 
 . Как пока 3,982 
50
Таблица 3.7. Расчет скорректированной сезонной компоненты
Год
1
2
Квартал
3
4
2004
2005
2006
–
1,121
1,103
–
0,915
0,892
0,94
0,904
0,909
1,011
1,092
–
Итого
2,224
1,807
2,753
2,103
Сумма
Оценка сезонной компоненты
(среднее значение оценок
в кварталах по годам)
1,112
0,90
0,918
1,052
3,98�
2
Скорректированная сезонная
компонента
1,116
0,907
0,921
1,056
4,000
зывают оценки, в результате сезонных воздействий объемы продаж
в январе-марте увеличиваются на 11,6 % соответствующего значения тренда (коэффициент 1,116). Аналогично сезонные воздействия в октябре-декабре приводят к увеличению объема продаж на
5,5 % от соответствующего значения тренда (коэффициент 1,056).
В двух других кварталах сезонные воздействия состоят в снижении
объемов продаж, которое составляет 90,7 % и 92,2 % от соответствующих трендовых значений.
После того как оценки сезонной компоненты определены, можем приступить к процедуре десезонализации данных по формуле
y
= �r ∙ I.
s
Результаты для 2004 г. сведены в табл. 3.8.
Таблица 3.8. Расчет десезонализированных данных
Дата
Январь-март
2004
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
ДесезонализиОбъем продаж, Коэффициент рованный объем
Квартал
тыс. шт.,
сезонности, продаж, тыс. шт.,
y
y
s
= �r ∙ I
s
1
70
1,116
62,7
2
3
4
66
65
71
0,907
0,922
1,055
72,8
70,5
67,3
51
Предположим для простоты, что тренд линейный, и для расчета
параметров прямой, наилучшим образом его аппроксимирующей,
будем применять метод наименьших квадратов. Воспользовавшись
той же процедурой, что и для аддитивной сезонности, находим, что
tr = 64,6 + 1,36х. Это уравнение будем использовать в дальнейшем
для расчета оценок трендовых объемов продаж на каждый момент
времени.
Расчет ошибок
Итак, мы нашли значения тренда и сезонной компоненты. Теперь мы можем использовать их для того, чтобы рассчитать ошибки
y
в прогнозируемых по модели объемов продаж
= I по сравне( �r ∙ s )
нию с фактическими значениями. Результаты сведены в табл. 3.9.
Таблица 3.9. Расчет ошибок
Дата
Январь-март
2004
Апрель-июнь
Июль-сентябрь
Октябрь-декабрь
Объем
Трендовое
Сезонная
продаж,
значение,
Квартал
компонента,
тыс. шт.,
тыс. шт.,
s
y
tr
Ошибка
tr∙s
y–
y
(�r ∙ s ) (tr∙s)
1
70
1,116
66,0
73,7 0,95 –3,7
2
3
4
66
65
71
0,907
0,922
1,055
67,3
68,7
70,0
61,0 1,08 5,0
63,3 1,03 1,7
73,9 0,96 –2,8
Ошибки достаточно велики, что видно из графика десезонализированных значений (рис. 3.5). Однако начиная с первого квартала
2005 г. величина ошибки составляет в среднем 2–3 % от фактического значения, и можно сделать вывод о соответствии построенной
модели фактическим данным.
Прогнозирование по модели с мультипликативной компонентой
При составлении прогнозов по любой модели предполагается,
что можно найти уравнение, удовлетворительно описывающее значения тренда. Тренд, который в примерах рассматривался, был,
очевидно, линейным. Если бы исследуемый тренд представлял собой кривую, было бы необходимо моделировать эту связь с помощью одного из методов формализации нелинейных взаимосвязей
(например, полиномиальный тренд). После того, как параметры
уравнения тренда определены, процедура составления прогнозов
52
Ô àêòè ÷åñ êè é è ä åñ åçî í àë è çè ð î â àí í û é î á ú ¸ì ï ð î ä àæ ï î 3-ì åñ ÿ÷í î é ñ ð åä í åé
1 00
Êîëè÷åñòâî ïðîäóêöèè, ïðîäàííîé çà êâàðòàë, òûñ. øò.
90
80
70
60
50
40
30
20
10
0
1
2
3
4
5
6
7
8
9
10
11
12
13
Êâ àð òàë
Ôàêòè÷åñêèå çíà÷åíèÿ
Î öåíêè òðåíäà
Рис. 3.5. Иллюстрация к учету мультипликативной сезонности
становится очевидной. Прогнозные значения определяются по
формуле
y�
*t = tr����
∙ s�,
где tr = 64,6 + 1,36х (x� – номер квартала).
Ближайший следующий квартал – это второй квартал 2007 г.,
охватывающий период с апреля по июнь и имеющий во временном
ряду порядковый номер 14. Прогноз объема продаж в этом квартале составляет
y�
*t = (64,6 + 1,36∙ 14) ∙ 0,907 = 83,64∙ 0,907 = 75,9,
(тыс. шт. за квартал),
где 0,907 – сезонная компонента 2-го квартала.
С учетом величины ошибки прогноза можем сделать вывод, что
данная оценка будет отклоняться от фактического значения не более чем на 2–3 %.
Описание более сложных алгоритмов учета сезонности выходит за
рамки нашего рассмотрения и может быть найден, например, в [7].
3.6. Выявление закономерностей
Дать математическое описание экономического явления значит
представить наиболее существенные его свойства в виде взаимосвязанной системы признаков, выявить закономерности этих взаимо53
связей и оформить их в виде математических формул. Отдельные
признаки рассматриваются как переменные величины, изменяющиеся во времени и в пространстве.
Факторные и результативные признаки
Особое значение в анализе имеет рассмотрение взаимосвязей
между факторными и результативными признаками. Знание закономерностей изменения результативных величин в зависимости
от факторов производства является важнейшим условием управления. В частности, знание количественной меры влияния того или
иного фактора или комплекса факторов на результаты производства позволяет научно обосновать плановые показатели на предстоящий период.
Для изучения спроса в сервисной системе факторный анализ
позволяет установить виды связи, существующие между спросом
и основными факторами, определяющими его уровень. Этот подход используется в ситуациях с более чем одной переменной. Это
попытка спрогнозировать то, что произойдет при исследовании
статистической зависимости между рассматриваемым фактором и
другими переменными.
Типы связей между признаками
В экономике, как правило, исследуются причинно-следственные взаимосвязи между признаками. При этом результативный
признак рассматривается как функция и обозначается у, а факторный признак – как аргумент – и обозначается х. Независимая переменная в общем случае уже не является временем. Предполагается,
что связь между х и у может быть выражена некоторой аналитической формулой. В общей форме можно записать, что у = f(х), или
у = f(x1 x2..., хn), когда одновременно изучается влияние многих
факторов. Задача заключается в том, чтобы найти, раскрыть эту
закономерность и выразить ее в виде конкретной формулы, например, линейной:
у = а + bх.
Различаются два типа связи между признаками:
а) функциональная;
б) корреляционная.
При функциональной связи изменению факторного признака
(аргумента) соответствует строго определенное изменение результативного признака (функции), например, размер заработной платы при фиксированной оплате за единицу работы функционально
зависит от объема выполненной работы.
54
В экономических явлениях чаще встречается и имеет особое значение нежесткая, неполная форма связи между признаками – корреляционная связь, которая обнаруживается лишь в среднем, по
большому числу наблюдений. При этом сама закономерность проявляется как некоторая тенденция, завуалированная случайными
отклонениями. Такова, например, зависимость заработной платы
от производительности труда, от фондовооруженности и т. д. Во
всех этих случаях изменение факторного признака не сопровождается строго определенными изменениями результативного показателя. Чем выше корреляция признаков, тем выше пригодность модели для прогноза. Полная корреляция (1,00) бывает в ситуации,
когда в прошлом зависимость всегда была истинной. Например,
если спрос на компьютеры всегда падал на 10 %, когда валовой национальный доход снижался на 4 %, то можно утверждать, что то
же произойдет и в будущем.
При исследовании взаимосвязей между признаками необходимо установить:
• существует
�������������������������������������
ли связь между признаками;
• какова
����������������������������������������������
количественная мера тесноты этой связи;
• �������������������������������������������������������
если между признаками существует причинно-следственная
связь, то какова аналитическая форма ее выражения.
Ответы на эти и другие вопросы (например, о надежности и применимости закономерности на практике) находятся в определенной
последовательности, предусматриваемой схемой корреляционного
анализа.
Следует заметить, что при использовании статистических методов важно, чтобы число наблюдений было достаточно большим, поскольку, в противном случае, достоверность выводов снижается.
Элементы корреляционного и регрессионного анализа
Сущность корреляционного метода заключается в нахождении
уравнения, характеризующего связь результативного признака с
определенным параметром (или с несколькими параметрами в случае множественной корреляции).
Регрессионное уравнение в задаче линейной регрессии в общем
виде имеет вид
y = a0 + a1 x1 + a2 x2 + …..+ an xn,
где y – результирующий признак (прогнозируемый); xi – факторные признаки; ai – постоянные.
Подробнее рассмотрим методику определения коэффициентов
уравнения линейного вида. Одним из эффективных статистиче55
ских методов установления связей является корреляционно-регрессионный анализ.
Корреляционный анализ вместе с регрессионным решает три
различные, но связанные между собой задачи: коэффициент корреляции оценивает силу связи, уравнение регрессии – ее форму, оценки достоверности определяют реальность существования связи.
Две случайные величины являются корреляционно связанными, если математическое ожидание одной из них меняется в зависимости от изменения другой.
Применение корреляционного анализа предполагает выполнение следующих предпосылок:
• случайные
��������������������
величины (yi, xi) рассматриваются как выборка из
двумерной генеральной совокупности с нормальным законом распределения (i – номер наблюдения);
• ��������������������������������������������������������
отдельные наблюдения независимы, т. е. значения данного
наблюдения не зависят от значений предыдущего и последующего
наблюдений;
• наблюдения
������������������������������������������������������
независимых переменных производятся без погрешности;
• дисперсия
��������������������������������������������������������
ошибки, связанная с одним значением зависимой
переменной y, равна дисперсии ошибки, связанной с любым другим значением y;
• ковариация
���������������������������������������������������������
между ошибкой, связанной с одним значением зависимой переменной y, и ошибкой, связанной с любым другим значением y, равна нулю;
• ковариация
������������������������������������������������������
между погрешностью и каждой из независивых
переменных равна нулю.
Для обработки исходной информации, установления корреляционной связи может быть принята следующая схема.
1. Выбор результативного признака y и факторного признака х
Следует подчеркнуть, что в качестве факторных признаков выбирают небольшое число переменных х, обладающих наибольшей
информативностью. Признаки должны быть линейно-независимы и функционально не связаны. Наличие линейной связи между
факторными признаками определяется по сильной корреляционной связи (свыше 0,75–0,8 по абсолютной величине). В противном
случае, из модели связанные показатели должны быть исключены
(в некоторых случаях удается преобразовать показатели).
Пример
При исследовании парикмахерской сначала были определены
следующие факторы:
56
x1, x2, x3, x4 – средняя цена базовых услуг женского зала, мужского зала, маникюрного и косметического кабинета соответственно; x5, x6, x7, x8 – ассортимент услуг соответствующих залов и кабинетов.
В качестве результирующих выбраны:
y1 – валовой доход; y2 – себестоимость услуг; y3 – прибыль.
При анализе матрицы парных коэффициентов была выявлена линейная связь между факторами, причем корреляция между
ними сильнее, чем с результирующими показателями. Имелась
также функциональная связь между факторами. В результате преобразования получены всего два показателя:
x1 – ассортимент услуг;
x2 – средняя цена услуг.
Коэффициент парной корреляции R(x1, x2)=0,75 не превосходит
порогового значения, сильная связь между результирующими признаками R(y1, y2)=0,99, R(y1, y3)=0,82 позволяет их рассматривать
индивидуально.
Наиболее простой моделью является следующая:
y1 = b10 + b11x1+ b12x2 +e1;
y2 = b20 + b21x1+ b22x2 +e2;
y3 = b30 + b31x1+ b32x2 +e3;
y1 =y2 + y3,
где ei – случайные составляющие, учитывающие влияние неизвестных факторов; bij – коэффициенты, подлежащие определению.
2. Вычисление средних арифметических значений и среднеквадратических отклонений результативного и факторного признаков
Средние арифметические значения результативного и факторного признаков вычисляются соответственно по формулам
n
xi,
n i =
∑
n
yi;
n i =
∑
где xi и yi – значения факторного и результативного признаков соответственно; n – число пар исходных данных в массиве.
Среднеквадратические отклонения:
σx =
∑ (xi − x) 2 ; σ y = ∑ (yi − y) 2 .
n
n
57
3. Выбор формы связи
Выбор формы связи (аппроксимирующих зависимостей) начинают с предварительного аналитического или графического анализа
исходной информации. Если значение результативного признака
изменяется приблизительно равномерно с изменением факторного
признака, то, возможно, существует линейная связь. Форма связи
прежде всего должна отражать основную закономерность устанавливаемой связи, простоту и доступность установления связи. При
решении задач прогнозирования наибольшее распространение нашли линейные связи и связи, которые путем определенных замен
переменных могут быть достаточно просто преобразованы к линейному виду способом, рассмотренным выше.
Широкое использование линейных связей и связей, легко приводящихся к линейным, объясняется следующими причинами:
линейные связи просты и требуют относительно меньшего объема
вычислений, а методика их установления доступнее и более глубоко разработана. Существуют теоретические предпосылки более
частого использования линейных форм связи (как выше было отмечено, они сохраняют свойство нормальности распределения).
Кроме того, при сравнительно небольших диапазонах изменения
факторного признака любую кривую в первом приближении можно аппроксимировать кусочно-линейной связью.
4. Оценка силы связи, расчет коэффициента корреляции
Для проверки значимости предполагаемой линейной формы
связи (или приведенных к ней) подсчитывается коэффициент корреляции R. В случае, если связь между результативным признаком
и факто­ром-аргументом может быть точно представлена прямой
линией, коэффициент корреляции R=±1. Если же связи между переменными вообще не существует, то R=0.
Коэффициент корреляции подсчитывается по формуле
n
R=
∑ (xi − x)(yi − y)
i =
nσ xσ y
.
Принято считать: при R≤ 0,3 – слабая линейная связь, при
R=0,3–0,75 – средняя связь, при R>0,75 – сильная связь, а при
R≥ 0,9 – весьма сильная связь. Величина коэффициента R отражает не тесноту связи, а только близость связи к линейной.
5. Расчет теоретической линии регрессии
В основе расчета лежит МНК. Он является одним из наиболее
употребительных методов приближенной оценки неизвестных параметров уравнения.
58
В соответствии с методом МНК, искомое корреляционное уравнение приводится к виду
y=a0 + a1x.
Затем из данных наблюдений стараются получить приближенные равенства
yi ≈ a0 + a1xi (i=1,2,3,…,n).
Это делается следующим образом.
Коэффициенты а0 и а1 для случая равноточных измерений (если
дисперсия ошибки измерений постоянна и равна σ2) определяются
из условия, что сумма квадратов разности между левой и правой
частями этих приближенных равенств в соответствии с МНК
n
∑ [yi − (a0 + axi )] 2
i =
обращалась в минимум.
Применяя обычный способ нахождения экстремума путем вычисления соответствующих частных производных и приравнивая
их к нулю, находим систему нормальных уравнений:
a0n + a
n
n
∑ xi = ∑ yi;
i =
a0
i =
n
n
n
i =
i =
i =
∑ xi + ai ∑ xi2 =∑ xiyi.
Решив эти уравнения, находим коэффициенты.
6. Оценка значимости коэффициента корреляции
Коэффициент корреляции R, рассчитанный по выборочным
данным по приведенной выше формуле, может не совпадать с истинным значением, соответствующим генеральной совокупности.
Ошибка выборочного коэффициента корреляции
σR =
( − R 2 )
( n − )/2
.
При больших выборках можно предположить, что коэффициент
корреляции распределен нормально. Тогда можно утверждать, что
P{R–�
xRσR≤ R≤R+�
xRσR}=Ф(xR)
при Р=0,9 x
�R= 1,653;
при Р=0,95 x
�R=1,96;
при Р=0,99 x
�R= 2,576.
59
Однако при малых n гипотеза о нормальном распределении коэффициента корреляции, как правило, не подтверждается, и для
оценки коэффициента корреляции используется t-критерий Стьюдента, для чего определяется фактическое значение критерия:
�=
R (n − 2)
/2
( − R 2 )/2
.
Если фактическое значение критерия Стьюдента будет больше
теоретического (табличного) T значения, то предположение о нулевом значении коэффициента корреляции не подтверждается.
7. Оценка значимости коэффициентов уравнения регрессии
При проведении регрессионного анализа надо не только рассчитать коэффициенты a0 и a1, но и провести их испытание на статистическую значимость, т. е. определить, насколько выборочные значения коэффициентов отличаются от их значений для генеральной
совокупности.
Оценка значимости определяется с помощью t-критерия Стьюдента. Для оценки параметров, входящих в уравнение регрессии,
при решении практических задач можно ограничиться построением доверительных интервалов.
Задаваясь уровнем значимости а (или доверительной вероятностью 1–а) при известном числе степеней свободы η=2, доверительные границы для параметров a0 и a1 определяются по формулам
a01=a0–tT C0ao; a11=a1–tT C0a1;
a02=a0+tT C0ao; a12=a1+tT C0a1,
где tT – теоретическое значение критерия Стьюдента; С0ao – случайная ошибка параметра a0; С0a1 – случайная ошибка параметра а1.
Случайная ошибка параметра a0
n
∑x 2i
C0a0 = σ ост
n
∑
(n[
i =
x i2
i =
−(
n
∑ xi )
,
2
/ n])
i =
где σ2ocт– дисперсия остатков (невязок);
σ 2ост =
n
[yi − (a0 + ax i )] 2.
n − 2 i =
∑
Случайная ошибка параметра а1:
60
C0a =
σ ост
n
∑
x i2
−(
i =
.
n
∑ xi )
2
/n
i =
Если фактическое значение критерия Стьюдента
(n − η)
n
∑ (x i − x i ) 2
i =
� ai = a i
n
∑ (y i − y i ) 2
i =
будет меньше или равно теоретическому, то параметры ао и а1 незначимы, т. е. с малой вероятностью факторные признаки оказывают влияние на результирующий.
8. Определение доверительных границ уравнения регрессии
Для определения доверительных границ уравнения регрессии
необходимо для каждого значения факторного признака определить ширину доверительного интервала результативного признака.
Доверительный интервал для прогнозов значений y в заданной
точке x’p определяется величиной
y = y ± � S ,
p
a
p
где tα – значение распределения Стьюдента при заданной доверительной вероятности a и n–2 степенях свободы; Sp – дисперсия отклонения точек относительно линии регрессии:
S 2p =
S2 =
S 2 / n + S 2 (x′p ) 2
;
(x′i ) 2 + S 2
∑
∑ ei2 , ei = y′i − ax′i, y′i = yi − y, x′i = xi − x.
n−2
Многомерные методы статистического анализа направлены на
выяснение внутренних взаимосвязей между переменными, построение многомерной функции связей переменных, выделение минимального числа характеристик, описывающих объект с достаточной степенью точности.
Частным случаем использования регрессии в прогнозных задачах является ступенчатая парная регрессия. Путем исследования
цепочки парных взаимосвязей переменных приходят к определению прогнозируемой переменной.
61
Применение ступенчатой регрессии сводится к:
x1=f1(x2), x2=f2(x3),…
По такой схеме можно исследовать взаимосвязи стоимости x1,
производительности труда x2, капиталовложений x3.
Очевидно, что ошибки в определении конечного показателя y
резко возрастают с ростом длины «лесенки».
Пример
В рассматриваемом ниже примере, чтобы проиллюстрировать
схему расчетов, выбрано всего пять пар наблюдений.
Пусть имеются сведения о зависимости объемов продаж в течение 5 месяцев от расходов на рекламу (табл. 3.10). Обычно форму
связи у от х удается обнаружить визуально, рассматривая расположение точек на графике (рис. 3.6).
Таблица 3.10.Данные о зависимости объема продаж в течение пяти
месяцев от расходов на рекламу
Месяц
1 (январь) 2 (февраль) 3 (март) 4 (апрель)
5 (май)
Расходы на рекламу (х)
40
70
20
90
50
Объемы продаж (у)
265
370
170
385
250
Анализ графика показывает, что форму зависимости в первом
приближении можно выразить уравнением прямой линии
у = a + bх,
где у – объемы продаж, какие наблюдались бы при строго линейной
зависимости; х – расходы на рекламу; a, b – неизвестные параметры уравнения, которые следует определить.
На рис. 3.6 показана наклонная прямая линия, к которой достаточно близко располагаются точки, отображающие фактические
значения объема продаж.
Логика рассуждений такова: если бы объем продаж изменялся
строго пропорционально дозам расходов на рекламу, то закономерность связи выражалась бы прямой линией с теоретическим уравнением z = а + bх, значения y продаж на графике соответственно
располагались бы строго на прямой линии.
Следовательно, чем меньше разность между фактическими значениями объема продаж и теоретически ожидаемыми z, тем яснее
выражена за­кономерность связи между признаками. Поэтому при
определении параметров а и b важно обеспечить минимум отклонений уi – zi.
62
z, y
380
y
340
z = 116,28 + 3,18x
300
260
220
180
x
10
30
50
70
Рис. 3.6. Линейная зависимость между объемами продаж и расходами на
рекламу
Для определения искомых параметров а и b в соответствии с
методом наименьших квадратов необходимо построить систему из
двух уравнений (в общем случае число уравнений равно числу неизвестных параметров) и решить ее. При составлении системы уравнений можно пользоваться следующими простыми правилами.
1. Первое уравнение получают почленным умножением исходной формулы на коэффициент при первом параметре и суммированием по всем наблюдениям. Итак, первый параметр – а, коэффициент при нем – 1. Умножим исходную формулу у = а+bх почленно на
единицу и, суммируя, получим:
∑y = n��
∙�
a + b� ∑x,
где n – число наблюдений.
2. Второе уравнение системы получают почленным умножением
той же исходной формулы на коэффициент при втором параметре и
суммированием по всем наблюдениям. Итак, второй параметр исходного уравнения – b, а коэффициент при нем – х. Следовательно,
умножая почленно уравнение у = а+bх на х и суммируя, получим:
∑yx� =a∑x + b� ∑x2.
63
Для решения системы из двух уравнений относительно a и b вычислим величины сумм по вышеприведенным формулам и результат внесем в табл. 3.11.
Таблица 3.11.Расчет данных для определения параметров уравнения
связи
Номер наблюдения
Y
X
ух
x2
y2
1
2
3
4
5
Всего
В среднем
265
370
170
385
250
1 440
288
40
70
20
90
50
270
54
10 600
25 900
3 400
34 650
12 500
87 050
17 410
1 600
4 900
400
8 100
2 500
17 500
3 500
70 225
136 900
28 900
148 225
62 500
446 750
89 350
После подстановки числовых значений система приобретает
следующий вид:
1440 = 5∙а + 270∙b;
87 050= 270∙а+17 500 b.
Откуда b = 3,18; а = 116,28.
Итак, искомое уравнение линейной связи между у и х имеет
вид
y = 116,28 + 3,18x.
Экономический смысл найденных коэффициентов состоит в следующем. Коэффициент b – коэффициент пропорциональности. Он
показывает, на сколько единиц в среднем изменится результативный признак у при изменении факторного признака х на единицу.
Иначе говоря, коэффициент b показывает среднюю эффективность
фактора х, поскольку отражает средний прирост результата на
единицу прироста фактора. Коэффициент a называют также коэффициентом регрессии, а уравнение, описывающее характер связи
между признаками, – уравнением регрессии. Коэффициент а является началом отсчета (на графике он соответствует точке пересечения линии уравнения регрессии с осью ординат, т. е. когда х = 0).
Анализ уравнения регрессии позволяет оценить роль исследуемого факторного признака в формировании результативного. Для
этого необходимо определить долю фактора в общей изменчивости
(вариации) результативного признака, опираясь на метод разложения вариации по факторам.
64
Общая изменчивость объема продаж уi может быть охарактеризована показателем общей дисперсии объема продаж:
σ 2y =
∑ yi2 − y 2,
n
где второе слагаемое – квадрат среднего объема продаж.
Используя величины из таблицы, находим, что общая дисперсия (т. е. изменчивость) равна 6 406.
В рассматриваемом примере объем продаж колеблется от 170 до
385; очевидно, общая изменчивость объема продаж вызывается:
а) влиянием изучаемого фактора – расходов на рекламу (они изменяются от 20 до 90);
б) влиянием ряда случайных и неконтролируемых в данном
примере факторов.
Возникает важная задача – количественно измерить долю влияния изучаемого фактора и случайной компоненты.
Выше было показано, что уравнение регрессии в среднем описывает закономерную связь между объемом продаж и расходами на рекламу. Поэтому, вычисляя теоретически ожидаемые значения объема
продаж zi при разных расходах на рекламу, мы тем самым можем наблюдать изменчивость объема продаж только под влиянием расходов
на рекламу, т. е. можем оценить «чистое» влияние расходов на рекламу и измерить вариацию, вызванную данным фактором.
Рассчитаем по уравнению регрессии теоретически ожидаемые
значения объема продаж и определим факторную дисперсию по
формуле
σ 2z =
∑ zi2 − z 2.
n
Итак, из общей величины дисперсии объема продаж 6 406 на
долю факторной приходится 5 912,21, т. е. 92,29 %.
Уравнение связи применяют при прогнозировании ожидаемых
результатов при заданном уровне факторов. При качественно иных
уровнях фактора будут и иные параметры уравнения.
Сделаем некоторые важные замечания.
1. Ограничением прогнозирования на основе регрессионного
уравнения служит условие стабильности других факторов и условий развития процесса. Если резко изменится «внешняя среда»
процесса, прежнее уравнение регрессии потеряет свое значение.
2. Даже когда рассчитали регрессионное уравнение, необходимо
спрогнозировать независимую переменную x, прежде чем оцени65
вать зависимую переменную z для следующего периода. Будущие
величины некоторых независимых переменных, таких как индексы цен, уровень безработицы, валовый национальный продукт и
т. д., определить может быть чрезвычайно сложно.
3. Как было отмечено выше, анализ временных рядов предполагает выявление двух видов закономерностей изменения данных –
трендов и сезонности. В отличие от прогноза на основе регрессионого уравнения, прогноз по тренду учитывает факторы развития
процесса только в неявном виде, что не позволяет проигрывать
разные варианты прогнозов при различных возможных значениях
факторов, влияющих на изучаемый признак (зато прогноз по тренду охватывает все факторы).
4. Расчеты стараются производить для пессимистических и оптимистических оценок значений параметров (независимых переменных), получая оптимистические и пессимистические оценки
прогнозируемого параметра. Реальная оценка должна находиться
между ними.
3.7. Характеристика основных методов прогнозирования
В табл. 3.12 приведена характеристика наиболее употребимых
методов прогнозирования.
Таблица 3.12.Краткая характеристика основных методов прогнозирования
Метод (модель)
Краткая характеристика
Период
прогнозирования
Группа экспертов опрашивается с помощью специальной анкеты, в которой
реакция на вопрос продуцирует следующий вопрос. Любой ряд информации
Средне- и долгоДельфи
(данных), пригодной для определенсрочный
ной группы экспертов и непригодной
для другой, интерпретируется таким
образом, чтобы вся информация была
пригодна для прогнозирования
Систематическая, формальная и сознаИсследования
тельная процедура для отбора и тестиро–//–
рынка
вания гипотез о реальных рынках
Последовательных
соглашений
66
Основан на допущении, что группа экспертов может сделать лучший прогноз,
чем один эксперт. Не существует ограничений и поощряются обсуждения.
Получаемые прогнозы иногда зависят от
социальных факторов и могут отражать
правдивые соглашения
–//–
Продолжение табл. 3.12
Метод (модель)
Краткая характеристика
Период
прогнозирования
Мнения об уровнях продаж продукции
могут быть обработаны по группам
Кратко- и
персонала продаж и часто достоверно отсреднеражают тенденции спроса и потребности
срочный
покупателей
Метод, в котором используются мнения
и представления о будущих тенденциях
Прогнозиро- персонала фирмы, а также иногда факты Средне- и долгование мнений о сценариях отдельных функций, просрочный
цессов и т. п. в будущем. В общем случае
метод не является строго научным
Оценки
уровня
продаж
Метод сравнительного анализа выставления на рынок и роста объема продаж
Исторических
Средне- и долгоновых товаров, основанный на прогноаналогий
срочный
зировании подобных взаимо­заменяемых
товаров в прошлом
Каждая точка в исходном динамическом ряду сглаживается совокупностью
Скользящего
нескольких точек путем арифметическо- Краткосрочный
среднего
го осреднения для исключения влияния
сезонности и нерегулярности данных
Похож на метод скользящего среднего,
однако осреднение производится с определенными «весами», присваиваемыми
Экспоненциисходным данным динамического ряда.
ального сглаКаждое последующее значение получаживания
ется из предыдущего путем рекурсивной
экспоненциальной процедуры, легко
алгоритмизируемой для ЭВМ
Использования рядов Использует статистические модели обраБокса – Дженботки временных рядов
кинса
Для декомпозиции динамического ряда
Классические на сезонную волну, тренд и нерегулярдинамические ную (случайную) компоненту. Является
ряды
одним из лучших методов для прогнозирования на период от 3 до 12 месяцев
Заключается в построении аналитической формулы для тренда и продолПроекция
жения ее на период прогноза. Имеет
тренда
несколько вариаций: обычный, номинальный, логарифмический и т. д.
–//–
Кратко- и
среднесрочный
–//–
–//–
67
Продолжение табл. 3.12
Метод (модель)
Краткая характеристика
Период
прогнозирования
Дает несколько простых решающих
правил для получения достаточно точПрогнозиро- ного прогноза на период до 3-х месяцев.
Среднесрочный
вание фокуса
Используется метод имитационного
компьютерного моделирования ретроспективной информации
Применяется разложение динамического ряда на основные компоненты с соответствующими спектральными плотносСпектральтями. Эти компоненты представляются
Кратко- и
ный анализ геометрическими фигурами, ограничен- среднесрочный
ными кривыми спектральных плотностей. Сортировка этих компонентов дает
математическое выражение тренда
Регрессионные модели
Эконометрические модели
Прогнозирование
на основе
коммерческих
предложений
68
Основан на «связывании» показателей,
например, спроса (или объема продаж)
с несколькими переменными (факторами-аргументами) регрессионной модели.
Отбор факторов в модель производится
–//–
известными методами статистики. Программы регрессионного анализа входят
в стандартное математическое обеспечение ЭВМ
Система независимых регрессионных
уравнении, описывающих определенный сектор экономической активности
в области продаж готовой продукции.
Параметры регрессионных уравнений
обычно оцениваются достаточно быстро.
–//–
Как правило, эти модели относительно
независимы в перспективе. Однако в
совокупности они лучше отражают тенденцию оцениваемого показателя, чем
одиночные регрессионные модели
и прогнозы трендов
Обзоры производятся путем анализа
коммерческой информации в средствах
массовой информации о намерениях
купить определенный продукт и предложениях о продаже. Рассчитываются
Среднесрочный
средние индексы роста (спада) предполагаемого спроса на основе ретроспективной информации о продажах. Обычно
дополняют аналитические модели
и корректируют их
Окончание табл. 3.12
Метод (модель)
Краткая характеристика
Период
прогнозирования
Метод анализа, основанный на информации о внутренних и внешних потоках
товаров в определенном экономическом
Модели входа- объекте или секторе рынка. Показывает,
–//–
выхода
каким должен быть входной материальный поток для достижения определенного выхода. Применяется в специфических отраслях бизнеса
Представляет комбинацию эконометрической модели и модели входа-выхода.
ЭкономичеМодель входа-выхода при этом испольская модель
Среднесрочный
зуется для прогнозирования долгосрочвхода-выхода
ных тенденций в эконометрической
модели
Использует динамические ряды экоВедущих
номических показателей, изменение
Кратко- и
индикаторов которых позволяет отразить тенденцию среднесрочный
для прогноза искомого показателя
Использует для прогнозирования спроса
и объема продаж кривые жизненного
Анализ жизцикла новых товаров. Фазы жизненного
ненного цикла
цикла аппроксимируются соответствующими аналитическими зависимостями
Динамическое моделирование
Использует ЭВМ для имитационного
динамического моделирования конечного объема продаж в точках розничной
торговли и дистрибутивных центрах.
Исходные параметры моделирования
задаются политикой управления запасами, производственным расписанием
и политикой закупок материальных
ресурсов
Средне- и
долгосрочный
–//–
3.8. Интеллектуальные методы прогнозирования
Большинство экономических систем, и в том числе в области
сервиса, относятся к категории сложных. Такие системы отличает
следующее:
• ���������������������������������������������������������
закон распределения воздействующих на систему параметров
неизвестен, или на его получение требуется потратить значительное количество временных и финансовых ресурсов;
• ��������������������������������������������������������
функционирование системы происходит в условиях неопределенности, которую вносит главным образом человеческий и случайный факторы;
69
• ����������������������������������������������������������
переменные системы могут иметь количественно-качественное
описание.
Наиболее общей информационной моделью системы является
модель «черного ящика». Система представляется в виде прямоугольника с множеством входных и выходных переменных, внутреннее устройство которого скрыто от исследователя, а чаще всего
ему не известно.
Существуют специальные методы, позволяющие изучать такие
системы без знания математических, экономических и других зависимостей между переменными системы и даже извлекать знания. Такие методы относятся к категории интеллектуальных методов анализа данных.
Перед построением модели следует отталкиваться от задачи.
Задачу можно рассматривать как ответ на интересующий исследователя вопрос. Например, в розничной торговле такими вопросами
могут быть следующие: какова структура продаж за определенный
период, какие клиенты приносят наибольшую прибыль, какие товары продаются или заказываются вместе? Данный этап также называется анализом проблемной ситуации.
Следующий шаг – систематизация и объединение всех доступных ресурсов (материальных, финансовых, информационных), необходимых для построения модели. В случае отсутствия требуемых
ресурсов на данном этапе может быть принято решение либо о сужении требований к результатам, либо вообще об отказе от построения модели.
Как показано на рис. 3.7, процесс построения модели носит итерационный характер. Пусть необходимо построить модель прогноза продаж в розничной торговле. Выполнение первого этапа, как
правило, не представляет трудностей – необходимые данные по
продажам за периоды (неделя, месяц) извлекаются из существующих в организации учетных систем. Это при условии, что сделано
предположение о том, что на будущие продажи влияют продажи за
предыдущие периоды.
На следующем этапе – систематизация данных – необходимо получить ответы на вопросы: достаточно ли данных для построения
модели прогноза продаж, по каким товарам строить прогноз?
При ответе на первый вопрос надо учитывать, что при малом количестве данных любое прогнозирование бессмысленно и никакая
модель не уловит закономерности в продажах. Так, для временного ряда истории продаж на 1,5 года прогноз следует осуществлять
максимум на 1 месяц; для данных за 2–3 года – максимум на 2 месяца.
70
Сбор экспериментальных данных
Систематизация данных
Поиск модели, объясняющей
имеющиеся данные
Проверка полученной
модели практикой
Да
Нет
Качество
модели
приемлемое?
Достаточно
имеющихся
данных?
Да
Эксплуатация
Добавление новых данных
Нет
Добавление/исключение
факторов
Рис. 3.7. Процесс построения модели
При ответе на второй вопрос нужно иметь в виду, что иногда
прогноз продаж для каждого наименования товара строить бессмысленно. Как правило, это касается продукции с высокой степенью обновления модельного ряда (телефоны, плееры, компьютерная техника и др.). Как вариант возможно построение прогноза по
группам товаров со схожими потребительскими свойствами.
Далее необходимо сделать выбор модели прогнозирования продаж,
что в данном случае сводится к выбору метода прогнозирования.
На основании построенной модели мы можем принимать решения. Статистика интенсивно используется сегодня во многих областях. Проблема состоит только в том, что перед ее использованием
необходимо понять, как в реальной жизни работает исследуемый
процесс. Во-вторых, нужно знать математическую статистику.
В-третьих, если на рынке происходит какое-либо событие, кардинально меняющее сложившуюся картину, нужно снова строить новую модель для фактически нового рынка.
Специфика современных требований к обработке информации
(огромный объем данных и их разнородная природа) диктует не71
обходимость разработки эффективных методов анализа информации, которые должны обладать значительным уровнем масштабируемости и определенным автоматизмом. Это концепция лежит в
основе двух современных технологий – Data Mining и Knowledge
Discovery in Databases (KDD).
Классическое определение технологии «добычи данных» (Data
Mining) звучит следующим образом: это обнаружение в исходных
(«сырых») данных ранее не известных, нетривиальных, практически полезных и доступных интерпретации знаний. Знания должны
описывать новые связи между свойствами, предсказывать значения одних признаков на основе других.
Обнаружение знаний в базах данных или KDD – это последовательность действий, которую необходимо выполнить для построения модели (извлечения знания). Эта последовательность не
описывает конкретный алгоритм или математический аппарат, не
зависит от предметной области. Это набор атомарных операций,
комбинируя которые, можно получить нужное решение.
Последовательность KDD включает в себя этапы подготовки
данных, выбор информативных признаков, очистки данных, применения методов Data Mining, постобработки данных, интерпретации полученных результатов. В центре этого процесса находятся
методы Data Mining, позволяющие обнаруживать закономерности
и знания (рис. 3.8).
Кратко рассмотрим последовательность шагов, выполняемых
на каждом этапе KDD.
Подготовка исходного набора данных. Этот этап заключается в
подготовке набора данных, в том числе из различных источников,
выборе значимых параметров и т. д. Для этого должны существовать
развитые инструменты доступа к различным источникам данных.
Предобработка данных. Для эффективного применения методов Data Mining следует обратить серьезное внимание на вопросы
предобработки данных. Данные могут содержать пропуски, шумы,
аномальные значения и т. д.
Кроме того, данные могут быть избыточны, недостаточны и т. д.
В некоторых задачах требуется дополнить данные некоторой априорной информацией. Ошибочно предполагать, что если подать
данные на вход системы в существующем виде, то на выходе будут
получены полезные знания. Входные данные должны быть качественны и корректны.
Трансформация, нормализация данных. Этот шаг необходим
для тех методов, которые требуют, чтобы исходные данные были
в каком-то определенном виде. Дело в том, что различные алгорит72
Хранилище данных
Выборка
Исходные данные
Предобработка
Предобработанные
данные
Трансформация
Трансформированные
данные
Data
Шаблоны
Интерпретация
Знания
Тиражирование
Решения
Рис. 3.8. Последовательность обнаружения знаний в базах данных
мы анализа требуют специальным образом подготовленные данные, например, для прогнозирования необходимо преобразовать
временной ряд при помощи скользящего окна или вычисления агрегируемых показателей. К задачам трансформации данных относятся скользящее окно, приведение типов, выделение временных
интервалов, преобразование непрерывных значений в дискретные,
и наоборот, сортировка, группировка и пр.
Data Mining. На этом шаге применяются различные алгоритмы
для нахождения знаний. Это нейронные сети, деревья решений, алгоритмы кластеризации и установления ассоциаций и т. д.
Постобработка данных – интерпретация результатов и применение полученных знаний в бизнес-приложениях.
73
Например, требуется получить прогноз объемов продаж на следующий месяц. Имеется сеть магазинов розничной торговли. Первым шагом будет сбор истории продаж в каждом магазине и объединение ее в общую выборку данных. Следующим шагом будет
предобработка собранных данных: их группировка по месяцам,
сглаживание кривой продаж, устранение факторов, слабо влияющих на объемы продаж. Далее следует построить модель зависимости объемов продаж от выбранных факторов. Это можно сделать
с помощью линейной регрессии или нейронных сетей. Имея такую
модель, можно получить прогноз, подав на вход модели историю
продаж. Зная прогнозное значение, его можно использовать, например, в приложениях оптимизации для лучшего размещения
товара на складе.
Самое главное преимущество KDD в том, что полученные таким
способом знания можно тиражировать. То есть построенную одним человеком модель могут применять другие, без необходимости
понимания методик, при помощи которой эти модели построены.
Найденные знания должны быть использованы на новых данных с
некоторой степенью достоверности.
Методы извлечения знаний
Data Mining – совокупность большого числа различных методов
обнаружения знаний. Все задачи, решаемые методами Data Mining,
можно условно разбить на пять классов.
1. Классификация – отнесение объектов (наблюдений, событий)
к одному из заранее известных классов. Это делается посредством
анализа уже классифицированных объектов и формулирования некоторого набора правил. Подчеркнем, что классификация используется в случае, если заранее известны классы отнесения объектов.
Например, отнесение нового товара к той или иной товарной группе, отнесение клиента к какой-либо категории. При кредитовании
это может быть, например, отнесение клиента по каким-то признакам к одной из групп риска.
2. Кластеризация – это группировка объектов (наблюдений,
событий) на основе данных (свойств), описывающих сущность объектов. Объекты внутри кластера должны быть «похожими» друг
на друга и отличаться от объектов, вошедших в другие кластеры.
Чем больше похожи объекты внутри кластера и чем больше отличий между кластерами, тем точнее кластеризация. Часто применительно к экономическим задачам вместо термина «кластеризация» употребляют термин «сегментация». Кластеризация может
использоваться для сегментации и построения профилей клиен74
тов (покупателей). При достаточно большом количестве клиентов
становится трудно работать с каждым индивидуально. Поэтому
клиентов удобно объединить в группы – сегменты с однородными
признаками. Выделять сегменты клиентов можно по нескольким
группам признаков. Это могут быть сегменты по сфере деятельности, по географическому расположению. После сегментации можно
узнать, какие именно сегменты являются наиболее активными,
какие приносят наибольшую прибыль, выделить характерные для
них признаки. Эффективность работы с клиентами повышается за
счет учета их персональных предпочтений. Наконец, сегментация
позволяет найти тот «золотой» сегмент, на котором предприятие
может стать лидером.
3. Регрессия – это, как выше было уже замечено, установление
зависимости непрерывных выходных переменных от входных; используется для установления зависимостей в факторах. К этому же
типу задач относится прогнозирование временного ряда на основе
исторических данных.
4. Ассоциация – выявление закономерностей между связанными событиями. Примером такой закономерности служит правило,
указывающее, что из события X следует событие Y (практически
одновременно). Такие правила называются ассоциативными. Впервые это задача была предложена для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда ее еще
называют анализом рыночной корзины (market basket analysis).
Ассоциации помогают выявлять совместно приобретаемые товары.
Это может быть полезно для более удобного размещения товара на
прилавках, стимулирования продаж. Тогда человек, купивший
пачку спагетти, не забудет купить к ним бутылочку соуса.
5. Последовательные шаблоны – установление закономерностей между связанными во времени событиями. Шаблоны могут
быть использованы при планировании продаж или предоставлении
услуг. Пример последовательного шаблона: если человек приобрел
фотопленку, то через неделю он отдаст ее на проявку и закажет печать фотографий.
Для решения вышеперечисленных задач используются различные методы и алгоритмы Data Mining. Ввиду того, что Data Mining
развивалась и развивается на стыке таких дисциплин, как математика, статистика, теория информации, машинное обучение, теория
баз данных, вполне закономерно, что большинство алгоритмов и
методов Data Mining были разработаны на основе различных методов из этих дисциплин.
75
В общем случае не принципиально, каким именно алгоритмом
будет решаться одна из пяти задач Data Mining: главное – иметь
метод решения для каждого класса задач. На сегодняшний день
наибольшее распространение получили самообучающиеся методы
и машинное обучение. Кратко рассмотрим наиболее известные алгоритмы и методы, применяющиеся для решения каждой задачи
Data Mining.
Деревья решений
Деревья решений (decision trees) предназначены для решения
задач классификации. Иногда используют другие названия метода – «деревья классификации», «деревья решающих правил». Они
создают иерархическую структуру классифицирующих правил
типа «ЕСЛИ… ТО…» (if-then), имеющую вид дерева. Чтобы принять решение, к какому классу следует отнести некоторый объект
или ситуацию, требуется ответить на вопросы, стоящие в узлах этого дерева, начиная с его корня. Вопросы имеют вид: «Значение параметра А больше В?». Если ответ положительный, осуществляется переход к правому узлу следующего уровня; затем снова следует
вопрос, связанный с соответствующим узлом, и т. д.
Приведенный пример (рис. 3.9) иллюстрирует работу так называемых бинарных деревьев решений, в каждом узле которых ветвление производится по двум направлениям (т. е. на вопрос, заданный в узле, имеется только два варианта ответов, например, «Да»
или «Нет»). Однако в общем случае ответов, а следовательно, ветвей, выходящих из узла, может быть больше.
Дерево решений состоит из узлов, где производится проверка условия, и листьев – конечных узлов дерева, указывающих на класс
(узел решения).
Возраст > 40
Нет
Да
Имеется дом
Образование
Нет
Доход
>5 000
Высшее
Специальное
Среднее
среднее
Нет
Рис. 3.9. Дерево решений
76
Да
Выдать
кредит
Выдать
кредит
Качество построенного дерева после обучения можно оценить по
нескольким параметрам. Во-первых, это число распознанных примеров в обучающем и тестовом наборах данных. Чем оно выше, тем
качественнее построенное дерево. Во-вторых, это количество узлов
в дереве. При очень большом их числе дерево становится трудным
для восприятия. Это также означает очень слабую зависимость выходного поля от входных полей. Каждое правило характеризуется
поддержкой и достоверностью.
Поддержка – общее количество примеров классифицированных
данных узлом дерева. Достоверность – количество правильно классифицированных данным узлом примеров. Дерево решений строится по определенному алгоритму. Наибольшее распространение
получили алгоритмы CART и C4.5(C5.0).
Искусственные нейронные сети (ИНС)
Искусственные нейронные сети, в частности, многослойный
персептрон, решают задачи регрессии и классификации. Однако,
в отличие от дерева решений, нейронные сети не способны объяснять выдаваемое решение, поэтому их работа напоминает «черный
ящик» со входами и выходами.
Нейронные сети представляют собой вычислительные структуры, моделирующие простые биологические процессы, аналогичные
процессам, происходящим в человеческом мозге. ИНС – это распределенные и параллельные системы, способные к адаптивному обучению путем реакции на положительные и отрицательные воздействия. В основе их построения лежит элементарный преобразователь,
называемый искусственным нейроном, или просто нейроном по аналогии с его биологическим прототипом. Нейрон осуществляет операцию нелинейного преобразования F суммы произведения входных
сигналов X=(x1,… x
�n)T на весовые коэффициенты W
�=(w1,… w
�n)T:
y = F(
n
∑ wixi ).
i =
Структуру нейросети – многослойного персептрона – можно
описать следующим образом. Нейросеть состоит из нескольких
слоев – входной, внутренний (скрытый) и выходной. Входной слой
реализует связь с входными данными, выходной – с выходными.
Внутренних слоев может быть от одного и больше. В каждом слое
содержится несколько нейронов (рис. 3.10).
Все нейроны соединяются между собой связями, называемыми
весами. Перед использованием нейронной сети производится ее
обучение, что представляет собой итерационный процесс настройки
77
Входной слой Внутренние (скрытые) слои
Вход 1
Вход 2
∑
∑
∑
∑
Выходной слой
∑
∑
∑
Выход 1
Выход 2
∑
Вход 3
∑
∑
∑
Выход 3
Рис. 3.10. Структура нейронной сети
весовых коэффициентов. Для обучения применяются специальные
алгоритмы. Наибольшее распространение получили градиентные
методы обучения – алгоритм обратного распространения ошибки
(Back Propagation), сопряженных градиентов, RProp и др. Для проверки адекватности построенной нейронной сети используется специальный прием – тестовое подтверждение.
Основное достоинство нейронных сетей состоит в том, что они
моделируют сложные нелинейные зависимости между входными и
выходными переменными.
Таким образом, берется история некоторого события, например,
история болезней пациентов кардиодиспансера. Предполагаем, что
вероятность рецидива инфаркта миокарда или летальный исход зависит от текущего состояния больного. Пусть есть данные, что больной с одним набором показателей умер, с другим – выздоровел, с
третьим был рецидив. Вся эта информация подается на вход нейронной сети. Нейросеть первоначально считает, что влияние каждого
фактора произвольное. Например, вес очень важен, возраст не важен, пол не очень важен. Информация пропускается через нейронную сеть. Сначала результат получится не очень хорошим. Нейросеть начинает изменять зависимости так, чтобы минимизировать
ошибку. Например, оказалось, что пол сильно влияет на результат,
а влияние веса можно уменьшить. Действуя аналогичным образом
тысячи раз, система сама построит такую модель, которая наиболее точно описывает процесс. Как только ошибка уменьшится до
приемлемой величины, обучение заканчивается. Необходимо, конечно, позаботиться о том, что подавать на вход сети и проводить
предварительную обработку данных. Подав «мусор» на вход, получим «мусор» на выходе.
78
Линейная регрессия
Линейная регрессия, как это следует из названия, решает задачи регрессии и предназначена для поиска линейных зависимостей
в данных. Если же зависимости нелинейные, то модель с использованием линейной регрессии может быть не построена вообще. Для
этого лучше воспользоваться более универсальным методом нахождения зависимостей, например, искусственной нейронной сетью.
Кластерный анализ
Главное назначение кластерного анализа – разбиение множества
исследуемых объектов и признаков на однородные в соответствующем понимании группы или кластеры. Это означает, что решается задача кластеризации данных и выявления соответствующей
структуры в них. Методы кластерного анализа можно применять
в самых различных случаях, даже в тех, когда речь идет о простой
группировке, в которой все сводится к образованию групп по количественному сходству.
Большое достоинство кластерного анализа в том, что он позволяет производить разбиение объектов не по одному параметру, а по
целому набору признаков. Кроме того, кластерный анализ, в отличие от большинства математико-статистических методов, не накладывает никаких ограничений на вид рассматриваемых объектов и
позволяет рассматривать множество исходных данных практически произвольной природы. Это имеет большое значение, например, для прогнозирования конъюнктуры рынка, сегментации,
когда показатели имеют разнообразный вид, затрудняющий применение традиционных эконометрических подходов. Кластерный
анализ позволяет рассматривать достаточно большой объем информации и резко сокращать, сжимать большие массивы экономической информации, делать их компактными и наглядными.
В больших массивах данных получил распространение алгоритм k-средних (k-means). Его суть в том, что весь исходный набор
примеров разбивается на k классов таким образом, что минимизируется евклидово расстояние между объектами внутри классов и
максимизируется евклидово расстояние между классами.
Самоорганизующиеся карты
Самоорганизующиеся карты (Self Organizing Maps – SOM),
или карты Кохонена, так же, как и методы кластерного анализа,
используются для решения задач кластеризации и сегментирования. Самоорганизующаяся карта является разновидностью нейронной сети. В алгоритме SOM все нейроны (узлы, центры классов)
79
упорядочены в некоторую структуру, обычно двумерную сетку.
В ходе обучения модифицируется не только нейрон-победитель
(нейрон карты, который в наибольшей степени соответствует вектору входов и определяет, к какому классу относится пример), но и
его соседи, хотя и в меньшей степени. За счет этого SOM можно считать одним из методов проецирования многомерного пространства
в пространство с более низкой размерностью. При использовании
этого алгоритма векторы, близкие на полученной карте, оказываются близки и в исходном пространстве.
Ассоциативные правила
Ассоциативные правила (association rules) позволяют находить
закономерности между связанными событиями. Соответственно,
они применимы для решения задач выявления ассоциаций. Примером ассоциативного правила служит утверждение, что покупатель, приобретающий хлеб, с вероятностью 75 % приобретет и
молоко. Впервые эта задача была предложена для поиска ассоциативных правил для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда ее еще называют анализом рыночной корзины (market basket analysis). Ассоциативные
правила эффективно используются в сегментации покупателей по
поведению при покупках, анализе предпочтений клиентов, планировании расположения товаров в супермаркетах, адресной рассылке. Однако сфера применения этих алгоритмов не ограничивается
лишь одной торговлей. Их также успешно применяют и в других
областях: в медицине, для анализа посещений веб-страниц (Web
Mining), для анализа текста (Text Mining), для анализа данных по
переписи населения, в анализе и прогнозировании сбоев телекоммуникационного оборудования и т. д.
Задачей поиска ассоциативных правил не является выявление
всех правил, поскольку часть из них известны аналитикам, другие
могут не представлять статистической ценности. Поэтому при поиске вводятся пороги поддержки и достоверности ассоциативных
правил. Классическим алгоритмом нахождения ассоциативных
правил считается алгоритм APriori.
Последовательные шаблоны
Последовательные шаблоны (sequential patterns) представляют
собой закономерности между связанными во времени событиями.
Примером последовательного шаблона является утверждение, что
клиент, заключивший договор на страхование имущества, через
полгода заключает договор страхования от несчастного случая с
80
вероятностью 70 %. Для выявления подобных закономерностей в
базе данных, кроме самого события, должна храниться информация о клиенте и времени события. Алгоритмы последовательных
шаблонов похожи на алгоритмы ассоциативных правил. Распространение получили алгоритмы AprioriAll и AprioriSome.
Прогнозирование в среде программного комплекса
Deductor
Одним из направлений использования аналитической системы
Deductor [4] является решение задачи прогноза продаж. Рассмотрим этапы решения этой задачи.
1. Выбор модели и анализ данных. Первое, что следует решить
при выборе модели, какая периодичность требуется от прогноза
(помесячный, понедельный). В соответствии с принятым решением формируется последовательность действий (алгоритм), или, как
это принято называть в терминах рассматриваемой программной
системы, сценарий (или из набора готовых решений (или кейсов)
выбираются сценарии, строящие прогноз на нужный период).
Далее надо определиться с имеющимися исходными данными.
Если сразу достоверно известно, что исходных данных мало, либо
продажи товара не имеют ярко выраженных сезонных колебаний,
то лучше выбрать сценарий прогноза без учета сезонности. В противном случае, следует воспользоваться сценарием прогноза продаж с учетом сезонности.
Первичный анализ временного ряда проводится визуально, т. е.
строится и изучается его график. Полезно сравнить графики разных периодов на противоречия (например, за несколько лет).
Кроме графического, применяют автокорреляционный способ.
Автокорреляцией называется корреляция (взаимосвязь) между величиной и ее запаздыванием в один или более периодов времени. Такие
значения последовательно рассчитываются для каждого периода запаздывания, и строится график коэффициентов автокорреляций для
различных запаздываний во времени (автокорреляционная функция, АКФ). По оси ОХ откладывается период запаздывания (лаг),
по оси OY – значение АКФ (рис. 3.11). Если на графике автокорреляционной функции есть выраженные пики, то продажи товаров
подвержены сезонным колебаниям и прогноз надо строить по сценарию, учитывающему сезонность. Если же график ведет себя плавно
на всем протяжении, следует выбирать сценарий без сезонности.
Если ряд данных случаен (либо присутствует нелинейный
тренд), то коэффициенты автокорреляции для любого запаздывания будут близки к нулю.
81
Рис. 3.11. График АКФ с годовой сезонностью
Если у ряда существует линейный тренд, то соседние значения
y(t) и (t–1) имеют сильную корреляцию, причем коэффициенты автокорреляции существенно отличны от нуля для первых нескольких
периодов запаздывания, а с увеличением периода постепенно убывают до нуля. Коэффициент автокорреляции для времени запаздывания, равного одному периоду, часто очень велик (близок к 1).
Коэффициент автокорреляции для времени запаздывания, равного
двум периодам, также будет большим.
Если ряд имеет сезонную компоненту, значительный коэффициент автокорреляции будет наблюдаться для периодов запаздывания, равных сезонному периоду (например, 2 месяца) или кратных
ему.
Если исходные данные имеются за период менее полутора лет,
то учесть сезонность невозможно в принципе и лучше выбрать сценарий прогноза без сезонности.
При выборе модели нужно оценить три показателя: диаграмму
рассеяния (точки, изображающие выход модели, должны лежать
вблизи теоретической линии регрессии), диаграмму модели (на ней
можно посмотреть, насколько хорошо выход модели описывает реальное поведение данных) и диаграмму прогноза (здесь следует оценить, насколько реальны значения, предсказываемые моделью).
На основании исследования этих графиков следует выбрать модели, наиболее адекватно отражающие реальное поведение временного ряда. Сделаем еще ряд замечаний по поводу выбора модели.
Для построения качественного прогноза часто достаточно модели на базе линейной регрессии. Нейронные сети в некоторых ситу82
ациях могут давать даже худший прогноз и в любом случае требуют
переобучения, поэтому не следует начинать с их использования.
При выборе модели по степени сглаживания данных следует
начинать с наименьшей степени (т. е. без сглаживания), так как в
процессе сглаживания из исходного временного ряда может быть
потеряна значительная часть информации, ценной для прогнозирования.
Если исходных данных совсем мало или их качество очень низкое и не может быть улучшено с помощью предобработки и сглаживания, то для получения прогноза следует использовать одну из
простых пользовательских моделей, включенных в сценарии прогнозирования без учета сезонности. Речь идет о модели скользящего среднего, модели авторегрессии. Они позволяют строить прогнозы на малых объемах данных и данных с большими шумами.
Если некоторая группа или категория товара не вписывается
в общие тенденции, то для нее следует создать отдельную модель
прогнозирования.
2. Нейронные сети. Как было отмечено, нейронная сеть позволяет моделировать нелинейности в данных. При выборе архитектуры
сети рекомендуется руководствоваться следующими правилами:
• �����������������������������������������������������������
количество скрытых слоев больше 2 на практике используется
редко;
• если
��������������������������������������������������������
2 обученные нейросети имеют одинаковый порядок ошибок обучения и обобщения, то предпочтение следует отдать той
нейросети, которая проще (т. е. содержит меньше скрытых слоев
и нейронов);
• ����������������������������������������������������������
количество примеров обучающей выборки должно быть в 1,5–2
раза больше числа связей (весов). В противном случае, количество
подбираемых параметров будет равно либо меньше числа прецедентов, что статистически незначимо, и нейронная сеть просто «запомнит» все примеры.
В качестве примера рассмотрим часто используемый случай прогноза на следующий месяц с учетом сезонности. Пусть используются данные за предыдущие 3 месяца и за месяц прошлого года (т. е.
для прогноза на апрель 2005 г. на вход модели подаются данные за
январь, февраль, март 2005 г. и апрель 2004 г.). Архитектура простейшей для данной задачи нейронной сети с 1 скрытым слоем, содержащим 2 нейрона, представлена на рис. 3.12.
Количество связей, или подбираемых параметров этой нейросети, равно 10. Таким образом, минимальное количество примеров
для обучения равно 15 (оптимально – от 20). Приняв во внимание
тот факт, что обработчик «Скользящее окно» уменьшает реальное
83
Месяц 1
Месяц 2
Месяц
Месяц 3
Месяц 12
Рис. 3.12. Пример архитектуры нейронной сети
число примеров на N (N – глубина погружения), то получим, что
минимальная длина временного ряда для построения прогноза с
учетом годовой сезонности равна 27 отсчетам (N=12). Это соответствует истории временного ряда за 2–2,5 года.
Учитывая, что в немногих компаниях накоплена история продаж более, чем за 5 лет, то вопрос о выборе количества слоев и нейронов решается достаточно легко, так как при их добавлении требование к длине временного ряда будет также изменяться в сторону
его увеличения. Рекомендуется перебрать 2–3 модели нейронной
сети, изменяя число нейронов в скрытом слое от 2 до M, где M – количество входных значений.
Другим важным вопросом является определение момента окончания обучения. Дело в том, что слишком долгое обучение может
привести к «переобучению сети», которое выражается в детальной
адаптации параметров нейронной сети (весов) к любым нерегулярностям в обучающих данных. Этот эффект часто наблюдается при
использовании сети с чрезмерным количеством весов. Для предупреждения переобучения в обучающем множестве выделяется область контрольных данных (тестовое множество), которые в процессе обучения применяются для оперативной проверки фактически набранного уровня обобщения.
Погрешностью обучения называется ошибка (как правило,
среднеквадратическая) на обучающем множестве, погрешностью
обобщения – ошибка на тестовом наборе. Истинная цель обучения
состоит в таком подборе архитектуры и параметров сети, которые
обеспечат минимальную погрешность распознавания тестового
множества данных, не участвовавшего в обучении. Эксперименты
показывают, что погрешность обучения при увеличении количества итераций монотонно уменьшается, тогда как погрешность обобщения снижается только до определенного момента, после чего начинает расти.
84
Следующий нюанс связан со спецификой функционирования
нейронной сети. Он заключается в том, что нейронная сеть не способна прогнозировать значения, выходящие за границы минимального и максимального значения в обучающей выборке. При решении большинства задач прогнозирования это требование логично, однако с временными рядами дело обстоит по-другому. Ряд в
большинстве случаев имеет тренд на повышение. Иными словами,
в связи с расширением бизнеса, увеличением рынка сбыта, снижением издержек, инфляцией и прочими факторами объемы продаж
с каждым годом также увеличиваются.
Для решения этой проблемы необходимо заложить некоторый
параметр, характеризующий процентный запас, аккумулирующий
в себе экспертные ожидания годового прироста объемов продаж.
3. Линейная регрессия. В простейшем виде модель линейной регрессии представляет собой авторегрессионную модель (3.1). Построение ее состоит в нахождении коэффициентов, минимизирующих среднеквадратическую ошибку.
Основное отличие модели нейронной сети от линейной регрессии в том, что первая позволяет моделировать нелинейные зависимости, а они на практике встречаются достаточно часто. Однако
если модель линейной регрессии обеспечивает хорошую точность
(т. е. зависимость между входными и выходными величинами линейная), то нет необходимости использовать более сложную нейросетевую модель. Следует придерживаться принципа «выбирать более простую модель».
4. Прогноз по сумме и по количеству. Модель должна обеспечивать прогноз как в количественном, так и в стоимостном эквиваленте. Наиболее простой, на первый взгляд, способ получить прогноз количества и суммы – построить отдельные модели. Однако
этот подход имеет следующие недостатки:
• ������������������������������������������������������������
число моделей увеличивается в 2 раза, соответственно, увеличивается время, необходимое для периодического контроля моделей;
• ����������������������������������������������������������
при построении модели по группе товаров и последующей разгруппировке прогнозных значений количества внутри группы (для
перехода к прогнозу по каждой товарной позиции) возникает эффект «дешевых товаров», что отрицательно сказывается на качестве прогноза.
Поясним эффект «дешевых» товаров на примере. Допустим, в
прошлом месяце было продано 1 000 товаров низкой ценовой категории стоимостью 5 долларов каждый и 10 дорогих товаров стоимостью 500 долларов, всего продано 1 010 штук на сумму 10 000
85
долларов. На основе этих данных была построена модель прогноза
по количеству. В следующем месяце спрос на недорогие товары остался прежним (1 000 штук), а дорогих было продано в 2 раза больше – 20 штук. Количество увеличилось с 1 010 до 1 020, что для
модели не окажет никакого заметного влияния. В стоимостном же
эквиваленте произошло увеличение продаж с 10 000 до 15 000, что
довольно значительно.
В силу вышеизложенного при наличии серьезного разброса в
минимальной и максимальной цене всей номенклатуры товаров
внутри прогнозируемой подгруппы (от 1 до нескольких порядков)
модель прогноза рекомендуется строить по сумме, а переход к количеству осуществлять с помощью специального приема, основанного на понятии средней цены. Средней ценой товара называют отношение общей суммы к общему объему продаж (количеству) данного товара за определенный отрезок времени.
Суть подхода в том, что выдвигается предположение, что колебания цен на товары в течение последних 3–5 месяцев незначительны (в пределах 5–10 %). Далее рассчитывается средняя цена по
каждой товарной позиции за некоторый последний период, и при
прогнозе количество рассчитывается как отношение прогнозной
суммы к средней цене.
5. Прогноз по каждой товарной позиции. После получения прогнозной цифры по группе прогнозирования производится так называемая разгруппировка. Наиболее простой способ распределения
квот – сделать предположение о том, что если продукция рассматриваемой прогнозной группы товаров продавалась определенный
период в известных пропорциях, то какое-то время данные товары
будут продаваться в тех же пропорциях с поправкой на новый прогноз. Такой период называется периодом актуальности, который
задается экспертно и зависит от динамичности продукции. Периодом актуальности может быть месяц, квартал, полугодие и т. д.
Тогда для распределения объемов продаж по каждой товарной позиции используется формула
итоговый прогноз = количество проданного товара в группе за
период актуальности / суммарный объем (количесто) продаж товаров группы за период актуальности ∙ прогнозное значение объема
продаж товаров группы.
Поясним формулу на простом примере. Пусть в товарной группе
два товара: A и B. Прогноз на следующий месяц по этой товарной
группе составил 150 штук. За прошлый месяц было продано 60 единиц товара А и 40 единиц товара B. Расчет по приведенной формуле позволяет получить прогноз по товару А в количестве 90 штук
86
60
40
∙ 50 ) и по товару B в количестве 40 шт. (
∙ 50 ). Период
00
00
актуальности взят равным 1 месяцу.
6. Точность прогноза и разгруппировки. Какой может быть максимальный горизонт прогнозирования? Рекомендуется следующее
правило: количество исторических данных должно быть в 10–15
раз больше горизонта прогнозирования. Это означает, что при длине ряда 36 отсчетов (данные за три года) максимальный горизонт
прогнозирования составит 3 месяца.
Выше говорилось, что часто модель строится по группе товаров
со схожими характеристиками (потребительские свойства, похожесть пиков и спадов продаж в течение года и т. п.), а после этого производится разгруппировка по товарным позициям. Однако
следует иметь в виду, что погрешность, возникающая на этапе разгруппировки, и погрешность модели прогноза для определенной
группы товаров прямой связи между собой не имеют. И каждая из
этих погрешностей вносит вклад в конечную ошибку. Модель временного ряда по группе может очень точно предсказать прогноз
на следующий месяц, а неправильно подобранная разгруппировка – сделать конечный прогноз полностью неудовлетворительным.
Пользователя же интересует не столько точность прогноза по группе товаров, сколько точность по каждой товарной позиции.
Оценка точности включает два аспекта:
• оценка
�����������������������������������������
точности модели по группе товаров;
• оценка
�������������������������������
точности разгруппировки.
Точность в Deductor 4.4 оценивается с помощью рассмотренных
выше ошибок прогноза MAD�����������
��������������
, MSE������
���������
, MAPE.
����
(
4. Основы планирования
Прогноз ограничивает области и возможности, в рамках которых должны быть поставлены реальные цели и задачи, выявляет
направления, которые должны стать объектом разработки и принятия плановых решений.
Если прогнозирование имеет предварительный, вариантный характер, то планирование носит директивный характер. Выполнение плановых решений является обязательным.
Планирование – это одна из составляющих процесса управления. Его ведущая роль в принятии управленческих решений определяется тем, что в ходе планирования ставятся цели и распределяются ресурсы организации. Что же такое план?
87
План – это совокупность конкретных заданий, директивная
программа, содержащая основные параметры, необходимые для
управления организацией или ее подразделением для достижения
стоящих перед ними целей, исходя из ресурсов, выделяемых для
достижения этих целей, научно-обоснованных нормативов расходования ресурсов.
В зависимости от степени неопределенности плановой деятельности, системы планирования на предприятии можно разделить на
два типа:
1) действующие
������������������������������������
в непредсказуемой среде;
2) не
������������������������������������������������������
имеющие недостатка в информации, в которых события
полностью предсказуемы (можно дать стопроцентную гарантию,
что если событие А произойдет, то за ним последует событие В).
На уровне всего предприятия второй вид планирования на практике не реализуется по причине неопределенности рыночной ситуации. Текущее же планирование, как правило, обладает высокой
степенью определенности в предвидении результатов.
Вариантами вероятностных систем планирования являются
следующие:
1) ����������������������������������������������������������
планирование, основанное на системе жестких обязательств,
которое целесообразно при высокой степени уверенности в исходе
событий;
2) ���������������������������������������������������������
планирование под личную ответственность, которое приемлемо типу ситуации, противоположной первой, т. е. при полной неопределености.
Очень важна также классификация планирования, которая рассматривается в следующем разделе.
4.1. Классификация планирования
Существует несколько признаков классификации планирования на предприятии. Кратко охарактеризуем основные признаки.
С точки зрения обязательности плановых заданий планирование подразделяется следующим образом:
1) директивное – процесс принятия решений, имеющих обязательный характер для объектов планирования, т. е. предусматривает беспрекословное осуществление принятых решений;
2) индикативное – процесс принятия решений, не имеющих
обязательного характера для объектов планирования, т. е. носит
рекомендательный характер.
В зависимости от того, ориентированы основные идеи планирования на прошлое, настоящее или будущее, планирование подразделяется на:
88
1) реактивное, в основе которого лежит возврат к прошлому (основной метод реактивного планирования генетический, т. е. любая
проблема исследуется с точки зрения ее возникновения и развития, – найти в прошлом причину проблемы, «подавить» ее, и она
исчезнет);
2) инактивное, которое базируется на инертности и неизменности (нет стремления ни к возвращению в прошлое, ни к движению
вперед; существующие условия считаются достаточно хорошими
или, по крайней мере, приемлемыми, равновесие в положении
предприятия достигается автоматически). Главное правило инактивного планирования таково: планировать минимум необходимого, чтобы не изменить естественного хода событий;
3) �����������
преактивное, которое предусматривает упреждение и ориентировано в основном на будущие изменения, причем особенно
важными считаются прогнозирование вероятных направлений изменений и преодоление их «первой волны» для достижения целей
(эти цели обычно связывают не только и не столько с увеличением
прибыльности, сколько с выживанием и ростом предприятия);
4) �������������
интерактивное, которое обладает двумя основными чертами:
а) основано на принципе участия и максимально мобилизует
творческие способности персонала предприятия;
б) предполагает, что будущее подвластно контролю и в значительной мере является продуктом созидательных действий персонала предприятия (цель интерактивного планирования – проектирование будущего).
По сроку, на который составляется план, планирование подразделяется следующим образом:
1) ������������
долгосрочное (перспективное), которое охватывает период более пяти лет (долгосрочные цели развития предприятия).
К перспективным (долгосрочным) планам можно отнести следующие:
• освоения
�������������������������������
новых видов продукции;
• освоения
�����������������������
новой техники;
• маркетинга;
�����������
• освоения
����������������������
новых рынков;
• сотрудничества
������������������������������
с поставщиками;
• взаимодействия
���������������������������������������
с властными структурами;
• строительства;
��������������
• формирования
������������������������������������
корпоративной культуры;
2) �������������
среднесрочное, которое осуществляется на период от одного
года до пяти лет.
89
Среднесрочное планирование начинается с поиска путей рационального использования производственных мощностей с учетом
возможных колебаний спроса. Определяются объем производства
и продаж, уровень складских запасов, планы приема и увольнения
рабочих, планирование субподряда и т. п. Это функция операционных менеджеров среднего уровня (руководители центральных
служб организации), которые ответственны за решение тактических задач;
3) �������������
краткосрочное (текущее), которое охватывает период до одного года (полугодовое, квартальное, ежемесячное, недельное и суточное планирование).
За этот план отвечают операционные менеджеры, как правило, уровня руководства цехов и участков, которые дезагрегируют
среднесрочный план в оперативные планы-графики производства.
Задачи оперативно-производственного планирования, решаемые
в краткосрочном периоде, включают вопросы загрузки оборудования, последовательности запуска изделий в обработку, пропускной
способности производственных подразделений и «расшивки узких
мест», диспетчирования и др.
К текущим (краткосрочным) планам относятся, например,
следу­ющие:
• производства;
�������������
• сбыта;
������
• создания
������������������������������������
производственных мощностей;
• инвестиционной
����������������������������
деятельности;
• развития
�������������������
персонала;
• материально-технического
�������������������������������������
обеспечения;
• материальных
���������������������
запасов;
• запасов
��������������������������
готовой продукции.
Перспективные (долгосрочные) планы предприятия ориентированы на его развитие, текущие (краткосрочные) – на решение конкретной проблемы или достижение определенной цели.
По содержанию плановых решений планирование подразделяется на:
1) стратегическое,
�������������� которое ориентировано на долгосрочную
перспективу и нацелено на поиск новых возможностей для предпри­
ятия в зависимости от стратегических целей его развития.
Стратегические планы решают вопросы размещения и наращивания производственных мощностей, планирования инвестиций,
выбора продукции и способов (процессов) ее производства на основе
анализа достижений научно-технического прогресса и тенденций
изменения рыночного спроса. Эти решения являются прерогативой
90
высших уровней руководства организацией. Таким образом, стратегическое планирование (определение стратегических целей) состоит во внутренней координации и распределении ресурсов между
несколькими направлениями деятельности предприятия в целях
адаптации к внешней среде на основе прогнозов возможных состояний среды. Основными задачими стратегического планирования
являются:
• распределение
�����������������������������������������������������������
ресурсов между развитием, с одной стороны, и
перспективной, текущей, оперативной деятельностью – с другой;
• выбор
���������������������������
направлений развития;
• ������������������������������������������������������
распределение ресурсов между различными направлениями
развития;
• распределение
���������������������������������������������������������
ресурсов между перспективным, текущим, оперативно-календарным менеджментом.
Таким образом, стратегическое планирование должно исходить
не из желаний, а из возможностей. Ресурсы – это информация,
время, персонал, деньги, оборудование. Поэтому при разработке
стратегических планов первый вопрос, который нужно себе задать:
сколько у нас ресурсов и как мы их собираемся тратить. Нельзя
абстрактно определить: мы планируем рост продаж на 20 %. Реальный процент складывается из прогноза самостоятельного роста
рынка на будущий период, процента дохода за счет рекламы, открытия новой торговой точки и т. д. при условии их обеспеченности ресурсами (которых всегда должно немного не хватать, иначе не
будет стимула для роста);
2) �����������
тактическое, которое создает предпосылки дли реализации
возможностей предприятия. Тактические планы (планы достижения стратегических целей) должны соответствовать долгосрочной
стратегии менеджмента и находить свое решение в рамках выделенных ранее для этих целей ресурсов предприятия;
3) ����������������������
оперативно-календарное, которое направлено на конкретизацию показателей тактического планирования для организации
повседневной и ритмичной работы предприятия.
В соответствии с другой классификацией планов предприятия,
можно выделить технико-экономические планы, которые отражают мероприятия по расширению производства и повышению
его технологического уровня, улучшению качества выпускаемой
продукции, оказываемых услуг; и план социально-экономического развития пред­приятия, который представляет собой комплекс
программ, проектов и отдельных мероприятий по решению производственно-хозяйствен­ных и социальных проблем.
91
Особое место в системе планов занимает бизнес-план предприятия. Бизнес-планирование связано с объективной оценкой целесообразности проведения того или иного программного, проектного
или инвестиционного мероприятия.
Выделяют два основных подхода к определению сущности бизнес-плана:
1) ��������������������������������������������������������
точки зрения руководства и учредителей предприятия, бизнес-план – это прежде всего руководство к действию;
2) ��������������������������������������������������������
точки зрения инвесторов, это инструмент, позволяющий выбрать наиболее эффективный способ инвестирования.
В современных условиях бизнес-план чаще используют не только как инструмент для привлечения инвестиций, но и как основу
корпоративного управления. Более подробно бизнес-план будет
рассмотрен ниже.
По сферам планирования можно выделить, например, планирование:
1) продаж – непрерывный процесс, начинающийся в момент зарождении нового товара (или услуги) и заканчивающийся его изъятием из производства;
2) производства – определение объемов производства продукции;
3) персонала – определение потребности в персонале, необходимом для выполнения производственных планов.
По глубине планирования:
1) агрегированное (укрупненное), которое ограничено заданными контурами;
2) детальное, которое требует подробных расчетов и описания
планируемого процесса или объекта.
4.2. Планы развития предприятия
Результатом процесса планирования является система планов.
В общем виде под планом предприятия по­нимаются модель (образ)
будущего развития предприятия или реше­ния отдельной задачи,
система мер, направленная на достижение по­ставленных целей.
Вместе с тем план предприятия – это набор инструкций для менеджеров, описывающих, какую роль каждая часть организации
должна играть в процессе достижения целей предприятия. План
пред­приятия можно охарактеризовать и как систему мероприятий, преду­сматривающую наличие следующих элементов: цель,
содержание, программа сбалансированного взаимодействия ресурсов, объем, методы, график реализации плана.
Планы предприятия можно условно разделить на две группы:
92
1) наступательные;
���������������
2) оборонительные.
���������������
План развития предприятия – выражение наступательных
планов. Под развитием понимают необратимое, направленное, закономерное изменение систем. В результате развития объект приходит в новое качественное состояние, которое представляет собой
изменение его состава или структуры.
Следует различать понятия «развитие предприятия», «функционирование предприятия» и «рост предприятия»: развитие возможно только для функционирующего предприятия; развитие, в
отличие от роста (который связан с количественным изменением),
всегда связано с качественными и структурными переменами на
предприятии.
Развитие предприятия, как правило, обусловлено изменением
внешних и внутренних факторов.
К внешним факторам развития предприятия, в частности, относятся:
1) политика;
���������
2) экономика;
����������
3) социокультура;
��������������
4) технологии;
�����������
5) поведение
�����������������������
поставщиков;
6) поведение
�����������������������
потребителей;
7) поведение
����������������������
конкурентов.
К внутренним факторам развития предприятия, например, относятся:
1) менеджмент предприятия (стратегия развития, организационная структура и др.);
2) процесс трансформации ресурсов (материальных, финансовых, трудовых, временных, информационных, энергетических и
др.).
Очевидно, что при планировании развития предприятия следует учитывать изменение всех перечисленных факторов. Планы развития предприятия определяются мероприятиями, необходимыми
для создания новых поколений продуктов и услуг. Эти планы служат ориентиром для разработки других планов:
1) диверсификации
�����������������������������������������������������
(расширения спектра продукции, услуг);
2) ликвидационного,
���������������������������������������������������������
который показывает, от каких подразделений и производств предприятие должно освободиться;
3) НИОКР, в котором отражены мероприятия по разработке новых продуктов и услуг.
93
Планы развития предприятия детализируются до конкретных
программ, проектов и мероприятий.
Оборонительные планы нацелены главным образом на удержание достигнутых показателей деятельности предприятия и предупреждения его банкротства (уместно упомянуть вечную мудрость:
что не развивается, то исчезает).
4.3. Подходы к планированию и методы его оценки
Подходы, приме­няемые к процессу планирования, позволяют
выработать систему методов, средств и приемов обобщения явлений и фактов в области планирования, а также обобщить результаты организационной диагностики объектов планирования. К таким подходам, прежде всего, относятся:
1) исторический – процесс планирования находится на стадии
развития и постоянно изменяется под воздействием внутренних и
внешних факторов;
2) системный – процесс и система планирования рассматриваются как единое целое со своими законами развития, а также предполагается разделение системы на подсистемы. При исследовании
отдельных подсистем планирования выявляют их взаимосвязи,
поскольку они воздействуют на систему в целом;
3) комплексный – предусматривается совместное использование
методов исследований нескольких наук, а также анализ всей совокупности различных проблем планирования с точки зрения временных интервалов;
4) эксперимент – поиск или уточнение взаимосвязей подсистем
планирования опытным путем (служит для апробации планируемых мероприятий);
5) экономико-математическое моделирование – создание аналога планируемого процесса, в котором отражаются его важнейшие
свойства на основе экономико-математических моделей (благодаря
данному подходу устанавливаются количественные взаимосвязи
между показателями и факторами, их определяющими).
Существуют методы, которые позволяют исследовать процессы
планирования, поддающиеся количественной оценке. Среди таких
методов следует выделить:
1) нормативный, который используется в расчетах экономической эффективности и заключается в том, что на основе установленных норм и нормативов рассчитывается потребность предприятия во всех видах ресурсов и их источниках. Под нормой понимают установленную меру или среднюю величину какого-либо
показателя, а норматив означает технический, экономический или
94
другой показатель норм, в соответствии с которым выполняется
программа или реализуется принятый план. Можно выделить следующие группы норм: основные производственные фонды, оборотные средства, трудозатраты или трудоемкость производства, нормы осуществления бизнес-процессов, нормы качества продукции,
нормы инвестиционных вложений, нормы издержек производства
и нормы управляемости;
2) расчетно-аналитический, который предполагает, что на основе анализа достигнутых величин отдельных показателей, принимаемых за базу, и индексов их изменения в плановом периоде
рассчитываются плановые значения этих показателей (метод преимущественно используется при отсутствии норм и нормативов);
3) балансовый, который является важным инструментом анализа и прогнозирования развития предприятия. Он предполагает
балансирование (уравновешивание) имеющихся ресурсов и фактической потребности в них. Широко распространено использование
этого ме­тода при составлении финансовых балансов, но составляются также балансы рабочего времени, топливного баланса на пред­
приятии и др.;
4) оптимизации плановых решений, который предполагает разработку нескольких альтернативных вариантов плановых расчетов
для выбора оптимального. При этом могут быть использованы разные критерии, а именно – минимум приведенных затрат, минимум
текущих затрат, максимальный уровень рентабельности. Выбор
критериев обуславливается целями, которые необходимо достичь
после реализации планов;
5) сетевой, который применяется для планирования комплекса
взаимосвязанных работ. Основой сетевого планирования служит
графическое изображение плана (сетевой график), отражающего
технологическую или логическую взаимосвязь всех предстоящих
этапов;
6) программно-целевой, который используется для решения
крупных проблем перспективного развития предприятия и представляет собой процесс выработки и принятия совокупности многообразных, разнохарактерных, но тесно взаимосвязанных решений;
7) экспертной оценки (количественной оценки качества альтернатив в условиях слабоформализуемой проблемной ситуации).
Сущность метода заключается в логико-интуитивном анализе
внутренней и внешней среды предприятия, разработке альтернатив и количествен­ной оценке их качества. Обобщенное мнение экспертов служит осно­ванием для выбора. Формальная обработка ко95
личественно выраженных суждений экспертов дает возможность
получить показатели качества альтернатив. Эксперты выступают
в роли «измерительных приборов», позволяющих определить их
относительную погрешность (по разбросу суждений) и оценки, интерпретация которых дает требуемый результат (один из таких методов – метод «Дельфи»). Важно, чтобы эксперты были способны к
выработке различных точек зрения, а не одной – общекорпоративной (что возможно, если они будут близки вашей организации).
К экспертным методам, применяемым при стратегическом планировании, относятся так называемые сценарное планирование и
SWOT��������
-анализ.
При сценарном планировании экспертам задается некий вопрос,
например, какие факторы влияют на продажи продукции предприятия? Эксперты совместно их перечисляют (обычно выписывают
несколько десятков факторов), например: количество игроков на
рынке, динамика рынка (растет или уменьшается и на сколько),
курс рубля к доллару, цена на нефть, доходы граждан и т. д. Далее, в соответствии с используемой шкалой (например, 3-частной:
цена на нефть упадет, возрастет, останется неизменной), по каждой оценке фактора перебираются все возможные сочетания оценок факторов. При этом отбрасываются маловероятные сочетания.
Предположим, цена на нефть растет, а рубль падает – маловероятно; аналогично маловероятно, что цена на нефть падает, а рубль
растет, или цена на нефть растет, рубль растет, а доходы граждан
падают и т. д. Из оставшихся факторов эксперт выделяет наиболее
вероятные сценарии и рассматривает на предмет того, как фирма
должна реагировать, если события будут развиваться именно так.
Таким образом, с помощью такого качественного анализа можно
обойти конкурентов по времени и эффективности (по крайней мере,
многие моменты станут более конкретны и наглядны).
При ���������������������������������������������������
SWOT�����������������������������������������������
-анализе эксперты должны вынести рекомендации,
на каких сильных сторонах вашей фирмы необходимо в первую
очередь сконцентрировать ресурсы. При этом анализируются сильные, слабые стороны, возможности и угрозы (ССВУ) таких направлений деятельности, как товары, клиенты, конкуренты, персонал,
филиалы и т. д., и таким образом создается матрица.
4.4. Бизнес-планирование
Данный вид планирования является одним из наиболее перспективных, поэтому рассмотрим его более подробно. Его главное предназначение – уточнить цели и задачи конкретных направлений с
96
учетом более глубокого исследования внешней среды и возможностей предприятия. Бизнес-план позволяет решать следующие задачи:
• �������������������������������������������������������
обоснование экономической целесообразности конкретного
проекта;
• расчет
�������������������������������������������������������
ожидаемых финансовых результатов деятельности в
рамках конкретного проекта, включая объем продаж, прибыли;
• определение
�����������������������������������������������
источника и порядка финансирования;
• �������������������������������������������������������
определение основных требований к квалификации и специальностям членов коллектива по реализации проекта.
Структурно бизнес-план начинается кратким, в 1–2 страницы
изложением содержания (резюме). Это резюме включает информацию, по которой потенциальный инвестор может оценить привлекательность проекта и принять решение о том, заслуживает ли проект его внимания, или нет. После резюме помещают информацию
о предприятии: дату создания, организационно-правовую форму,
структуру капитала, юридический адрес и банковские реквизиты,
фамилии, имена, отчества руководителей и основных менеджеров,
сведения об их квалификации, образовании, трудовом стаже.
Далее описываются результаты технико-экономических исследований. В состав этих исследований при подготовке бизнес-плана
должны включаться следующие положения:
1) общие условия осуществления проекта и его исходные данные
(в том числе приводятся данные ранее выполненных исследований
и их авторы);
2) рынок и мощность предприятия. В этом разделе освещают:
• спрос
��������������
и рынок;
• прогноз
���������������
продаж;
• основные
�������������������������������������������������������
параметры производственной программы (включая
побочную) продукции (услуг) и издержки на утилизацию отходов;
• ���������������������������������������������������������
оценку достаточности и возможности увеличения производственной программы предприятия;
3) материальные факторы производства: сырье, основные материалы, вспомогательные материалы, топливо, энергетические ресурсы, положение с поставками в настоящее время и в будущем и
т. п.;
4) места нахождения и площадка: факторы и результаты предварительного отбора, оценка стоимости участка и стоимости приведения его в состояние, соответствующее проекту;
5) проектно-конструкторская документация, включающая
предварительное определение рамок проекта, описание технологии и необходимого оборудования, варианты его размещения на
97
площадях, расчет инвестиционных издержек на оборудова­ние,
строительство недостающих помещений, краткая характеристика
строительных материалов и т. д.;
6) организация предприятия и накладные расходы: производство, сбыт, администрация, управление; приблизительная организационная структура; сметные накладные расходы;
7) трудовые ресурсы: предполагаемая потребность с разбивкой
по категориям и оценка расходов на трудовые ресурсы;
8) предполагаемые сроки осуществления проекта;
9) финансовая и экономическая оценка, которая может включать следующие сведения: структура капитала и предполагаемое
финансирование, расчетные активы, оборотные средства, общие
инвестиционные издержки, период окупаемости, простая норма
прибыли, точка безубыточности, внутренняя норма прибыли и
другие характеристики;
10) риски при реализации проекта, методы их снижения, страхование рисков.
После разработки бизнес-плана должны разрабатываться перспективные планы по направлениям деятельности: маркетинг, разработка продукта, производство, менеджмент. Цель разработки
этих планов – обеспечить уточнение и выполнение задач бизнесплана в соответствующих направлениях.
Участвуя в процессе планирования, менеджер должен придерживаться таких принципов, как:
• обоснованность;
���������������
• единство
������������������������������������������
целей на всех уровнях управления;
• ��������������������������������������������������������
сочетание централизованного принятия части решений с самостоятельностью исполнителей нижних уровней (делегирование
части полномочий управления на нижние уровни);
• преемственность
��������������������������������������������������������
планов нижних и верхних уровней управления;
• обратная
���������������������������������������������������������
связь для контроля выполнения планов на верхних
уровнях и их корректировка в случае отрицательного результата.
4.5. Задачи производственного планирования
Как было выше замечено, в крупных сервисных организациях
процессы планирования схожи с соответствующими процессами на
производственных предприятиях. В процессе планирования производства должен достигаться компромисс между возможностями
выпуска продукции (товаров и услуг) и сбыта, освоением новых видов продукции и риском, способностью новой продукции замещать
старую и т. д.
98
Планирование производства в сервисе охватывает:
• ��������������������������������������������������������
планирование производственной программы (на выходе организации);
• ��������������������������������������������������������
планирование потребности в используемых ресурсах (на ее
входе);
• планирование
���������������������������������������������������������
процесса оказания услуг (планирование основной деятельности).
Из набора альтернативных вариантов выбирается наиболее эффективный для данного предприятия (с точки зрения обеспечения
потребностей рынка) план, который составляет основу плана технического развития предприятия.
Цели производственного планирования выражаются следующими альтернативными требованиями:
• ����������������������������������������������������������
минимизация затрат на изготовление определенного количества продукции (товаров или услуг);
• максимизация
�������������������������������������������������������
количества выпускаемой продукции (с целью
увеличения прибыльности, но не выше возможностей сбыта);
• максимизация
�������������������������������������������������������
загрузки оборудования и обеспечение равномерности его загрузки.
Разработка перспективного производственного плана предприятия сферы сервиса осуществляется после принятия решений по
процессу оказания конкретной услуги, производству конкретного
изделия, объему оказанных услуг и производства и т. д. При этом
объектом планирования является процесс производства продукции
и оказания услуг. Базой разработки перспективного плана служат
технико-экономические расчеты возможностей предприятия, его
подразделений. При этом должны быть уточнены прогнозные предложения по:
• целесообразной
�������������������������������������������
специализации подразделений;
• установлению
���������������������������������������������������������
задания модернизации отдельных участков, освоению новых технологических процессов;
• кооперированию
������������������������������������������������������
и установлению прямых связей с другими
предприятиями;
• ������������������������������������������������������
технико-экономическим показателям, характеризующим эффективность работы предприятия.
Оперативно-календарное производственное планирование охватывает производственные процессы по изготовлению и поставкам комплектующих, доводит плановое задание до конкретных
исполнителей в каждом подразделении. При этом ставится задача
обеспечить максимальное использование производственных ресурсов, ритмичность производства и равномерность выпуска продук99
ции. При планировании конкретизируются и уточняются задания
по месту, периоду времени и соответствующей нормативной базе.
Под оперативно-производственным планом подразумевается
следующий комплекс расчетных данных:
• оперативно-календарный
��������������������������������������������������������
план изготовления и выпуска деталей и узлов по каждому цеху (наименование, количество и срок по
каждому предмету);
• расчеты
����������������������������������������������������������
по трудовым ресурсам (количество необходимых рабочих по профессиям и квалификации) для каждого производственного участка, цеха и всего предприятия;
• ���������������������������������������������������������
расчеты по материальным ресурсам (наименование, количество и сроки потребности в сырье, материалах, покупных полуфабрикатах) для каждого производственного участка, цеха и всего предприятия;
• ����������������������������������������������������������
оценки и расчеты потребности в оборудовании по типам и количествам для каждого производственного участка, цеха и всего
предприятия;
• �������������������������������������������������������
технико-экономические характеристики плана для каждого
производственного участка, цеха и всего предприятия.
4.6. Планирование производственных процессов
Планирование производственных процессов в крупных сервисных организациях, как и в производственных структурах, осуществляется с применением математических методов или экспертных оценок на базе соответствующих норм и нормативов.
Процесс оказания услуг можно рассматривать как частный случай производства, подразумевая, что элементы услуги – это элементы изделия (т. е. его «детали»). Рассмотрим основные принципы,
лежащие в основе планирования производственных процессов на
примере планирования процессов механообработки, которые могут
быть применены и в области сервиса.
1. Плановая партия и партия запуска.
Плановой партией (основная плановая единица) называется
множество всех деталей (производственных объектов) данного наименования, входя­щих в состав определенного планового задания.
Объем плановой партии (число входящих в нее деталей или иных
производственных объектов) является одним из исход­ных данных
для решения задачи планирования.
Партией запуска называется подмножество всех деталей данного типа, проходящих обработку на каждой операции без перерыва.
Плановая партия обычно разбивается на партии запуска. Выбор
в качестве партии запуска всей плановой партии приводит к росту
100
вероятностей «пробок» – длинных очередей перед обработкой, поскольку удлиняется время пребывания партии на каждой операции.
Кроме того, передача уже обработанных деталей с предыдущей операции на последующую происходит с опозданиями, поскольку для
передачи требуется дождаться завершения операций над всеми деталями партии. Если же в качестве партии запуска принимать отдельную деталь, то возрастает время на переналадку оборудования.
По этим причинам передача деталей от станка к станку осуществляется пакетами – частями плановых партий. Выбирая величину
партии запуска, а также вводя параллельную обработку на «узких
местах» технологического маршрута, можно препятствовать образованию «пробок».
2. Незавершенное производство (НП).
Как бы хорошо ни было организовано производство, по итогам
работы предыдущего месяца создается задел деталей, не завершенных обработкой, используемых для погашения планов выпуска
текущих или будущих месяцев. Задача согласования НП с планом
выпуска – определение наименований и количества деталей из
НП – определить, что нужно заново запустить в производство и что
есть в запасе по итогам текущего месяца.
3. Планирование оборудования и его загрузки.
Для каждого станка необходимо указать порядок и объемы обработки деталей, обеспечивающие выполнение планового задания
производственного участка. При этом должны соблюдаться ограничения на:
– последовательность выполнения операций, задаваемую технологическим маршрутом;
– одновременное выполнение на одном станке двух или более
различных операций или одних и тех же операций над деталями из
разных партий (запрет);
– время запуска деталей в обработку, определяемое графиком
поставки загото­вок;
– сроки изготовле­ния деталей, задаваемые графиком выпуска;
– имеющийся фон­д времени оборудования;
– спосо­б передачи партий обработки с операции на операцию, в
том числе необходимость настройки оборудования.
Расписание загрузки оборудования, удовлетворяющее указанным ограничениям, называется допустимым.
Для планирования загрузки оборудования необходимо задать
число деталей каждого наименования, включенных в плановое задание всего участка, и технологический маршрут для каждой дета101
ли (упорядоченная последовательность оборудования, осуществляющего операции над деталью).
4. Режимы планирования.
Режимом динамического планирования называется тот случай,
когда плановое задание составляется на минимальную плановую
единицу (одну деталь) и учетные данные поступают в систему планирования сразу же после заверше­ния работы по этому заданию,
т. е. по окончании обработки одной этой детали. После получения
учетных данных об этом событии сразу же планируется и начинается обра­ботка следующей детали, чем обеспечивается наиболее гиб­
кое и оперативное реагирование на производственную ситуа­цию.
Однако при этом не гарантируется, что к концу данно­го временного интервала будет выполнено соответствующее плановое задание
всему участку, так как рассматривается только сиюминутная производственная ситуация.
Альтернативой динамическому режиму является режим планирования сеансами на более или менее продолжительные дискретные
интервалы времени. Сеанс планирования может начаться только по
завершении предыдущего произ­водственного периода (например,
смены) и после остановки производства на перерыв (например, на
междусменный пе­рерыв), потому что изменение параметров производства за время проведения сеанса планирования недопустимо, и
он дол­жен закончиться до начала следующего производственного
периода (следующей смены), поскольку работа без закон­ченного
плана, являющегося директивным документом, не­допустима.
5. Методы составления плановых расписаний.
В настоящее время при составлении расписаний применяются
эв­ристические (от древнегр. «эврика» – «догадываться») методы,
поскольку задачи, связанные с формированием расписаний, являются с математической точки зрения трудно формализуемыми,
а их решение оказывается весьма трудоемким (требует большого
объема вычислений). Кроме того, в математические методы трудно
вносить учет реаль­ных производственных ограничений. Поэтому в
настоящее время для составления расписаний с помощью компьютера применяется метод имитационного моделирования движения
«фронта работ», причем под фронтом работ понимается подмножество партий деталей, технологически и организа­ционно готовых
к назначению на обработку на той или иной операции технологического маршрута. Основной недостаток эвристических методов заключается в том, что они не гарантируют получения оптимальных
расписаний, а дают, в лучшем случае, «хорошие», т. е. достаточно
102
работоспособные расписания. Поэтому составленные с их помощью
расписания нуждаются в проверке и интерпретации.
Графическое представление результатов составления расписаний представляется в виде диаграммы Гантта, представляющей
собой прямоугольники на временной оси в соответствии с началом
и окончанием операций по станкам. Каждому прямоугольнику ставится в соответствие три числа (номер партии, номер операции в
технологическом маршруте и номер станка).
6. Прямая и обратная задача планирования производственного
процесса.
Прямая задача состоит в составлении плана по известным параметрам производственного участка и планового задания. Обратная
задача заключается в определении требуемых параметров производственного участка, на котором можно было бы выполнить то
или иное задание при соблюдении планов его выполнения. Решение этой задачи представляет собой многократное решение прямой
задачи на ЭВМ при различных значениях исходных параметров
участка и сопоставление результатов решения.
4.7. Формирование производственной программы
Производственная программа (ПП) – это объем и номенклатура продукции (изделий, работ, услуг), выполняемой предприятием
(подразделением, работником) за некоторый промежуток времени
(месяц, квартал, год). В сервисной фирме это может быть объем
работ по обслуживанию (например, ремонту) оборудования клиентов.
Стоимостными показателями ПП являются объем реализации,
товарная, валовая продукция.
Желаемый вариант ПП – это полная загрузка всех производственный мощностей при реальной интенсивности и существующем
режиме работы.
Если структура спроса и поток требований не обеспечивают желаемый вариант ПП, могут быть изменены переменные параметры
системы – число работников, режим работы и т. д. – как реакция на
спрос и входящий поток требований.
Формирование ПП сводится к формированию спроса и начинается в момент, когда формируются рабочие места. При этом:
• �������������������������������������������������������
производится регулировка входящего потока требований с
целью улучшения обслуживания. Например, предварительная запись клиентов позволяет формировать ПП по своему усмотрению;
• при
�������������������������������������������������������
низкой загрузке (из-за конкуренции формирования ПП
исходит из условий поиска клиентов и удовлетворения их потреб103
ностей), например: бесплатная демонстрация программного обеспечения, бесплатная диагностика;
• при
���������������������������������������������������������
большой загрузке важно обеспечить последовательность
выполнения работ (как правило, в сервисе первым обслуживается
тот, кто первым обратился) и минимум сроков выполнения работ
по каждому заказу.
Модели производственной программы
Из класса регрессионных моделей, рассмотренных в разделе
3.2, выделяют так называемые производственные функции, отражающие взаимосвязь факторов производства с его результатом у =
= f(x1, x2, ..., хп). На основе производственных функций исследуются обеспеченность трудовыми ресурсами, стоимость производственных фондов, влияние качества, научно-технического прогресса на
конечные результаты производства (прибыль, стоимость валовой
продукции, трудозатраты, производительность труда и т. д.). Зная
ожидаемые значения ресурсов в предстоящем периоде, на основе
производственных функций можно более обоснованно определять
плановые уровни выхода продукции.
В задачах формирования производственной программы широко
применяется методы линейного программирования (ЛП).
В общем случае функция планирования в модели управления
сервисным предприятием может быть основана на решении векторной задачи ЛП в следующей постановке.
Пусть годовой план предприятия характеризуется набором технико-экономических показателей – выполнение плана по номенклатуре услуг, объему продукции, прибыли и т. д. Предприятие заинтересовано в том, чтобы эти показатели были как можно выше
(т. е. их желательно максимизировать). С другой стороны, показатели по затратам – экономия сырья, ресурсов по себестоимости, выпускаемой продукции – предприятие стремится минимизировать.
Для формализации постановки задачи введем следующие обозначения. Пусть Х(t)={хj(t), j = 1, N} – вектор неизвестных, определяющих объем включения j-го вида услуги в план, N – множество
индексов видов (номенклатуры) работ, услуг.
На переменные хj(t), j = 1, N наложены ограничения uj, j = 1, N,
определяющие вероятный объем услуг (продукции) j-го вида, полученные службой маркетинга при исследовании рынка услуг (изделий), которые могут производиться фирмой, т. е. хj(t) ≤ uj(t), j=1, N;
F(Х(t))={fk(X(t)), k=1, K1} – производственная вектор-функция,
каждая компонента которого характеризует технико-экономический показатель, который желательно максимизировать;
104
F(X(t))={fr(X(t)), r=1, K2} – аналогично, но минимизировать.
Здесь K1UK2=K – множество индексов показателей.
Предполагается, что функциональная зависимость в fk(X), k = 1,
K линейна:
fk (x(�) =
N
∑ c jkx j (�),k = , N,
j =
где cjk – показатели выхода продукции на единицу переменной (например, цены j-й работы, услуги).
При разработке плана необходимо учитывать ограничения,
связанные, прежде всего, с производственными мощностями предприятия, трудовыми ресурсами, материально-техническим обеспечением. Предполагается также линейная зависимость в ограничениях:
N
∑ aijx j (�) ≤ bi,i = , M,
j =
где аij(t), i=1, M, j=1, N – удельные затраты i-го ресурса, т. е. количество i-го ресурса, необходимого для процесса оказания единицы
j-й услуги; bi(t), i=1, M – расчетная величина i-го ресурса, имеющегося на предприятии на планируемый период.
Коэффициенты модели определяются расчетно-аналитическим
путем или прогнозно.
С учетом записанных требований представим модель формирования годового плана предприятия в виде векторной задачи ЛП:
F*(X(t))={maxfk(X(t))=Scjk xj(t), k=1, K1; minfr(X(t))=
=Scjr xj(t), r=1, K2},
∑ aij(t)xj(t) ≤ bi(t),i=1, M,
хj(t) ≤ uj(t)j=1, N.
Методы решения векторной задачи приведенного вида хорошо
известны (см. например, [7]). Производственные функции в общем
случае могут быть и нелинейными. Приведем пример векторной задачи в нелинейной постановке.
Пример
Пусть фирма выпускает два изделия. Необходимо сформировать производственную программу выпуска, если известно, что
второе изделие снабжено комплектующими не более чем на 20 000
штук (табл. 4.1). Стоимость основных производственных фондов –
100 000 рублей.
105
Таблица 4.1. Исходные данные
Цех
Фонд времени
Сборочный
Испытаний
Прибыль
Цена
Затраты
50
26
Удельная характеристика (на 1 000 шт.)
Первого изделия
Второго изделия
5
2
9
20
4
1
1
3
30
3
Здесь удельные характеристики: по цехам – нормы времени (например, 5 дн./шт.), по финансовым показателям – р./шт.; затраты
для первого изделия равны
4 000 р.
р.
=4
.
000 шт.
шт.
Обозначим искомые объемы выпуска: по 1-му изделию – x1, по
2-му – x2. На основе исходных данных можем записать критерии и
систему ограничений:
5 ⋅ x + x 2 ≤ 50

2 ⋅ x + x 2 ≤ 26
.

x 2 ≤ 20
x, x 2 ≥ 0
Критерий максимальной прибыли�:
f(x) = 9 ⋅ x + 3 ⋅ x 2 → max.
Критерий максимума фондоотдачи (в числителе – объем продукции в стоимостном выражении):
20 ⋅ x + 30 ⋅ x 2
f2 (x) =
→ max.
4 ⋅ x + 3 ⋅ x 2 + 00
Критерий затрат с учетом стоимости основных фондов:
f3 (x) = 4 ⋅ x + 3 ⋅ x 2 + 00 → min.
Для применения скалярных методов оптимизации перейдем к
свертке критериев, например, в следующем виде:
 fimax − fi (x)
,i ∈ I max
 max
min
− fi
 fi
Pi (x) = 
,
min
 fi (x) − fi
min
 f max − f min ,i ∈ I
i
 i
106
где Imax – множество критериев максимизации, Imin – множество
критериев минимизации, fimax получены исходя из того, если бы
решалась задача по каждому критерию независимо.
Тогда можно записать задачу в виде
Z = max Pi (x)→min,
i∈I
где Pi (x),i ∈ I имеет смысл относительного отклонения от оптимальных значений по всем критериям.
Окончательно, с учетом ограничений, задачу можно записать в
виде:
Z → min;
Z ≥ Pi (x),i ∈ I, A ⋅ x ≤ b, x ≥ 0.
Решение данной задачи для исходных данных (табл. 4.1) и двух
вариантов выпуска приведено в табл. 4.2.
Таблица 4.2. Результат решения
Вариант выпуска
1
2
Выпуск изделий,
тыс. шт.
1
8
3
2
10
20
Прибыль,
тыс. руб.
Фондоотдача
102
87
2,8
3,8
5. Сетевое планирование в сфере услуг
Оперативное планирование в сфере услуг и управление процессом осуществляется с помощью систем сетевого планирования, имеющих две основные разновидности – по времени и по стоимости.
Эти разновидности в компьютерном варианте реализованы в системах управления проектами (СУП) [5, 6]. Отметим, что поскольку начальные данные по продолжительности работ, как правило,
недостоверны, необходимо вводить уточняемую фактическую продолжительность всех работ, определять и отслеживать новый критический путь.
Автоматизация расчета сетевых графиков, реализованная в
СПУ, позволяет мгновенно оценить влияние любого отклонения от
планового графика на результаты работы.
5.1. Системы сетевого планирования
Метод оценки и проверки планов (Program Evaluation and
Review Technique (PERT)) и метод критического пути (Critical Path
107
Method (CPM)) были разработаны в 1950-х годах для управления
сложными проектами, в частности, PERT для нужд ВМФ. Основное различие в методах: в CPM продолжительность работ – детерминированная величина, в PERT – случайная. В разделе 5.4 приводится оценка продолжительности работ для случая использования
PERT����������������������������������������������������������
. Практические аспекты реализации этих вариантов сетевого
планирования, а также вопросы оптимизации сетевых графиков
(по параметру «время – стоимость» (затраты ресурсов)) изложены
в [5, 6].
5.2. Топология сетей
Сетевой график (рис. 5.1) – это ориентированный граф, дуги которого направлены в сторону вершин более высокого порядка.
Вершина означает факт начала или окончания работ. Работа –
это квазивектор (длина, угол наклона не имеют значения), который
означает процесс, требующий затрат времени и ресурсов. Фиктивные работы не требуют затрат времени и ресурсов и предназначены
для показа очередности работ. Часто фиктивными работами связываются параллельно выполняющиеся работы.
В сетевом графике выделяют несколько особых событий:
• ����������������������������������������������������������
исходное – факт, достаточный для выполнения всего комплекса работ;
• завершающее
��������������������������������������������������������
– факт, означающий выполнение всего комплекса работ;
• �����������������������������������������������������������
начальное – факт, достаточный для начала одной или нескольких работ;
• ���������������������������������������������������������
конечное – факт, означающий завершение одной или нескольких работ.
2
6
1
5
9
3
7
4
Рис. 5.1. Пример сетевого графика
108
Путь – совокупность взаимосвязанных направленных работ
(дуг). Различают следующие пути:
• полный
���������������������������������������������������
путь – от исходного до завершающего события;
• критический
������������������������������������������������������
путь – определяет общую продолжительность
всех работ;
• подкритические
���������������������������������������������������������
пути – близкие к критическому по продолжительности;
• ненапряженные
�������������������������������������������������������
пути – их продолжительность намного меньше критических.
Ненапряженные пути, как правило, имеют большие резервы,
которые можно использовать для сокращения работ критической
зоны.
5.3. Правила построения сетей
Для параллельно выполняемых работ вводится дополнительное
(фиктивное) событие.
Рассмотрим пример с введением фиктивных работ (т. е. работ
с нулевой длительностью). В табл. 5.1 задан порядок следования
некоторых работ. Вариант, представленный на рис. 5.2, а, требует
корректировки. Введение фиктивной работы позволяет построить
корректный сетевой график (рис. 5.2, б).
Таблица 5.1. Последовательность работ
Работа
Предшествующая работа
e
f
g
h
c,d
d
e
f
На рис. 5.3, а, б – работа с нулевым временем окончания (4 –
фиктивное событие).
В сетевом графике не должно быть тупиков (рис. 5.4), т. е. событий, из которых не выходит ни одной работы (кроме завершающих
событий) или в которые не входит ни одна работа (кроме исходных
1
2
1
3
2
Неправильно
Правильно
Рис. 5.2. Пример корректировки сетей
109
1
c
d
2
с
4
e
e
1
5
2
a
3
f
d
3
5
а
f
4
6
б
Рис. 5.3. Пример введения фиктивного события: а – неверно; б – верно
1
4
0
3
6
7
5
2
Рис. 5.4. Пример «тупиков»
1
2
4
3
0
Рис. 5.5. Замкнутые контуры
1
4
0
2
1
Рис. 5.6. События с одинаковыми кодами
событий); не должно быть замкнутых контуров (рис. 5.5); не должно быть событий с одинаковыми кодами (рис. 5.6).
110
Стрелка должна выходить из события с меньшим числовым значением и входить в событие с большим числовым значением.
5.4. Оценка работ
Любая работа, кроме фиктивной, требует затрат времени, ресурсов и т. д. Должно быть указано количество работы, затрачиваемое
время и т. п. Вводятся следующие обозначения: tij – продолжительность работы, где i – начальное событие, j – конечное событие.
Существует две системы оценки работ.
Детерминированная (нормативная), которая применяется, если
есть опыт, нормативы выполнения работ.
Стохастическая (в методе PERT), в которой устанавливаются
три оценки:
• пессимистическая
������������������(tmax) – наибольшая продолжительность работы при самом неприятном стечении обстоятельств;
• ��������������������
наиболее вероятная (tн.в) – при обычных, чаще всего встречающихся условиях;
• оптимистическая
�����������������(tmin) – это продолжительность работы при
самом благоприятном стечении обстоятельств (вероятность того,
что работа выполнена быстрее, чем tmin, равна 1 %).
С помощью этих трех оценок вычисляют ожидаемое время завершения и отклонение для каждой работы. Если принять, что
гипотетическое распределение фактической длительности выпол-
t min
t н.в.
t max
Рис. 5.7. Вид b-распределения
111
нения работы описывается β-распределением (рис. 5.7), то можно
использовать формулы
�ож. =
�max + 4∙�н.в + �min
;
6
σ2 =
�max – �min
.
25
Очень часто трудно установить tн.в. (медиана β-распределения),
тогда используют двухоценочную (tmax, tmin) формулу
�ож. =
3�max + 2�min
;
5
σ2 =
�max – �min
.
25
5.5. Вероятность выполнения проекта
В процессе сетевого планирования важной является оценка вероятности выполнения проекта на определенную дату. Вычислив
наиболее вероятное (ожидаемое) время выполнения проекта Т
(среднее для нормального распределения) и разброс выполнения
(дисперсию) D, можно определить вероятность того, что проект будет завершен в определенное время. Пусть Т = 20 дней, σ=D1/2 =10.
Тогда для желаемого срока завершения С=25 дней имеем в долях
(C − T )
стандартного отклонения z =
= 0,5, откуда по таблице для
σ
нормального распределения находим площадь под кривой, которая
в данном случае равна 0,67. Это соответствует вероятности завершения проекта за 25 дней.
5.6. Определение минимальной стоимости сокращения времени
выполнения работ
Если нарушение сроков влечет дополнительные убытки, то длительность некоторых работ можно сократить с помощью дополнительных ресурсов – рабочей силы, оборудования и т. д. Нужно найти самый дешевый способ сокращения времени выполнения. Для
этого строятся зависимости стоимости от времени для всех работ.
Затем вводятся дополнительные переменные:
Mi – максимальное сокращение длительности работы I;
Ci – дополнительные расходы по i-й работе.
112
Ci
как меру сокращения длительMi
ности работы i на единицу дополнительных затрат.
С помощью этой информации можно найти минимальную стоимость сокращения продолжительности выполнения проекта.
Используют отношение K I =
5.7. Расчет параметров сети
Алгоритм расчета параметров сетевых графиков приведен во
множестве источников (см. например, [5]) и давно автоматизирован. Тем не менее менеджеру полезно представлять этот несложный с точки зрения математических операций процесс, который
для небольших графиков может быть легко проделан вручную.
Сроки свершения событий определяются следующим образом:
– ранний срок свершения события tpi:
tpi=t(αпредшеств)max,
т. е. срок равен длительности максимального из предшествующих
путей.
В примере сети, приведенной на рис. 5.8, для 6-го события:
t(α6 предшеств)max = 1–2–5–6 – срок равен 7;
= 1–3–5–6 – срок равен 8;
= 1–3–6 – срок равен 7;
=1–2–3–5–6 – срок равен 19;
=1–2–4–5–6 – срок равен 12;
tp6 =19;
– поздний срок tn�i:
tni=tкр–t(αiпослед)max,
где tкр – критическое; t(αiпослед)max – продолжительность максимального из путей от i-го события.
3
1
7
6
8
5
9
4
2
Рис. 5.8. Пример-график для иллюстрации расчета
113
Пусть tкр=30:
t(α6 послед): 6–7–8–9 – срок равен 6;
6–8–9 – срок равен 8, т. е. max;
tп6=30–8=22.
Для событий, принадлежащих критическому пути, tpi= tni.
Для событий ненапряженных путей имеется резерв сроков свершения событий:
Pi= tni – tpi.
Сроки начала и окончания работ
tp н ij= tpi – ранний срок начала работы равен раннему сроку свершения i-го события;
tп н ij��= t�pi– t�ij (tп н ij – поздний срок начала ij-й работы);
tр о ij= tpi + tij (tр о i j – ранний срок окончания ij-й работы);
tп о ij= tп j (tп о ij – поздний срок окончания работы).
Работы, принадлежащие ненапряженным путям (резервы сетевых графиков):
а) полный резерв ненапряженного пути:
P(α)= tкр –t(α);
б) полный резерв работы
P(α)= tп��j–tpi–tij.
Полный резерв работы показывает, на сколько можно увеличить
продолжительность работы tij, чтобы максимальный ненапряженный путь, проходящий через данную работу ij, не превышал tкр;
в) свободный резерв:
Pс ij��= t�р j�–tп i�–tij
показывает, на сколько можно увеличить tij, не нарушив сроков
выполнения работ. Более подробный расчет параметров сети приведен, например, в [5].
5.8. Преимущества и недостатки CPM���
���� и
�� PERT
����
Приведем некоторые достоинства и недостатки применяемых
методов в сетевом планировании, о которых полезно знать при планировании процессов оказания услуг.
Преимущества:
1) методы CPM�������������������������������������������
����������������������������������������������
и PERT������������������������������������
����������������������������������������
наглядны и просты в математическом
описании. Проекты с сотнями и тысячами работ обычно компьютеризированы, но более мелкие легко рассчитываются вручную;
2) графические построения сетей помогают быстро понять связи
между работами проекта;
114
3) анализ критического пути и резервов времени помогает точно
определить те работы, над которыми необходим особенно жесткий
контроль. Это дает возможность перераспределить и привлечь дополнительные ресурсы, когда надо «укоротить» проект;
4) созданные сети являются ценной проектной документацией и
графически указывают, кто отвечает за различные работы;
5) методы применимы к разнообразным проектам и отраслям
сферы услуг;
6) полезно проводить мониторинг не только графиков, но и расходов. Это поможет избежать превышения расходов и обеспечит
награду за «досрочное выполнение».
Недостатки:
1) проектные работы должны быть точно определены, независимы и находиться в четких и неизменных соотношениях. Несмотря
на наш акцент на методах управления проектами, это требование
обычно наиболее трудновыполнимо;
2) последовательность работ надо четко определить и изобразить
графически. Иногда бывает трудно точно выстроить последовательность и показать ее на сети;
3) предполагается, что в PERT�����������������������������
���������������������������������
фактическая длительность выполнения работы описывается β-распределением. Пользователям
сложно проверить, действительно ли это верно для каждой работы.
Возникает вопрос об обоснованности этого предположения;
4) оценки длительности чаще всего бывают субъективными, и
менеджеры, боясь оказаться слишком оптимистичными или недостаточно пессимистичными, обычно делают их «с запасом»;
5) есть опасность сконцентрироваться только на самом длинном,
или критическом, пути. Все пути, близкие к критическому, также
необходимо проверять.
5.9. Корректирующие действия
В случае возникновения рассогласования между плановыми и
фактическими показателями корректирующими действиями являются:
• увеличение/сокращение
���������������������������������������������������������
или объема производства, изменение
цен;
• усиление
��������������������������������������������������������
давления на собственный производственный потенциал и персонал (наем/увольнение или отправка в отпуск части сотрудников);
• ���������������������������������������������������������
увеличение/сокращение ассигнований на обучение и научные
исследования;
115
• увеличение/сокращение
���������������������������������������
капиталовложений�;
• ���������������������������������������������������������
рассмотрение возможности слияния с другой организационнопроизводственной системой, вплоть до продажи предприятия.
Отыскание наиболее эффективных корректирующих воздействий выполняется после генерации перечня таких воздействий.
Для выбора наилучшего в определенном смысле варианта из ряда
возможных используется критерий, который учитывает не только
последствия критического отклонения фактического значения параметра от заданного, но и причины его возникновения.
6. Планирование персонала
Управление любым процессом включает планирование, мотивацию, организацию, контроль. Современный менеджмент в рамках
теории «человеческих отношений» рассматривает персонал как
один из главных факторов развития и успеха организационно-производственной системы.
В крупных сервисных фирмах планирование людских ресурсов
похоже на планирование в производственных компаниях. В небольших фирмах или подразделениях планирование занимает небольшую часть деятельности. Штат может состоять в основном из
активных сотрудников, которые стремятся переместиться на более
высокие позиции, из тех, кто работает неполное рабочее время, или
же из тех, кто считает эту работу временной.
Планирование людских ресурсов должно гарантировать, что
компания имеет или будет иметь необходимое укомплектование
штата и правильно подобранный персонал в нужное время и в нужном месте. Говоря о задаче планирования персонала, прежде всего
следует остановиться на основных группах персонала.
В России персонал промышленных предприятий делится на
промышленно-производственный и непромышленный. К промышленно-производственному персоналу (ППП) относятся работники,
которые непосредственно связаны с производством и его обслуживанием: рабочие производственных цехов и участков, заводских
лабораторий, управленческий персонал. К непромышленному персоналу относятся работники, занятые в непроизводственной сфере – жилищно-коммунальных хозяйствах, детских садах, столовых, принадлежащих предприятию, и т. д.
По характеру выполняемых функций, в соответствии с Общероссийским классификатором профессий рабочих, должностей
служащих и тарифных разрядов (ОКПДТР), ППП подразделяется
116
на четыре категории: рабочих, руководителей, специалистов и технических исполнителей (служащих).
Поскольку все сотрудники организации (руководители и исполнители) входят в структуру управления организацией, рассмотрим
их в контексте функций управления.
6.1. Группы персонала
Категории персонала управления – группы руководителей, специалистов и технических исполнителей, выполняющие различные специфические функциональные роли в процессе управления.
Каждой из групп персонала управления присущи свои особенности с точки зрения содержания их труда, характера умственной
деятельности и влияния на результаты деятельности коллектива,
членами которого они являются, и производственного процесса в
целом.
Руководители организаций и структурных подразделений принимают решения по важнейшим вопросам деятельности аппарата
управления. В круг их должностных обязанностей входит подбор
и расстановка кадров, координация работы исполнителей, производственных звеньев и подразделений управления. Руководитель
компании должен четко знать, куда и как должна двигаться организация, зачем, почему и как добиться поставленных целей. Руководитель должен постоянно оценивать ситуацию на рынке и определять стратегические направления развития кампании (в противном случае, фирма просто исчезнет с рынка).
Условно можно выделить три составляющих труда руководителя: производственную, социально-экономическую и организационно-управленческую. Специфика труда руководителя состоит в том,
что производственные, экономические, технические и социальные
задачи он решает преимущественно в организационном аспекте
путем координации работы отдельных звеньев системы управления, воздействуя на работников, которые должны непосредственно
решать вышеуказанные задачи. Особенность современного взгляда на руководителя как лидера коллектива состоит в том, что он
рассматривается как носитель инновационной организационной
культуры, как основной инициатор последовательных изменений
в организации.
Вторая группа, выделяемая в персонале управления, – специалисты, призванные выполнять функции подготовки и разработки
альтернативных вариантов управленческих решений. Они обеспечивают обработку и анализ информации, характеризующую состо117
яние производственного процесса в заданный интервал или момент
времени, разработку вариантов решения отдельных функциональных вопросов производственного или управленческого характера. Специалисты управления классифицируются в соответствии
с функциями управления и их профессиональной подготовкой.
К категориям специалистов относятся инженеры, экономисты,
юристы и т. д.
Работники, выполняющие разнообразную работу, связанную
с обеспечением деятельности руководителей и специалистов, относятся к категории технических исполнителей (служащих) и,
как правило, классифицируются по отдельным операциям управления. В их состав включаются секретари, техники, лаборанты,
агенты по снабжению, машинистки, кассиры, делопроизводители,
табельщики, экспедиторы и т. д. Основная их задача с точки зрения управленческих функций – осуществление информационного
и технического обслуживания руководителей и специалистов (например, подготовка документации) при выработке, обосновании и
реализации управленческих решений.
К рабочим относятся лица, непосредственно занятые в процессе создания материальных ценностей, а также занятые ремонтом,
перемещением грузов, перевозкой пассажиров, оказанием материальных услуг и др. Рабочие, в свою очередь, подразделяются
на основных и вспомогательных. К основным относятся рабочие,
которые связаны непосредственно с производством продукции, к
вспомогательным – с обслуживанием производства.
6.2. Задачи управления персоналом
Можно выстроить следующую цепочку утверждений, в начале
которых стоит прибыль предприятия. В сфере сервиса это:
• ���������������������������������������������������������
потребительская удовлетворенность связана с ценностью услуг;
• ценность
����������������������������������������������������������
услуги связана с производительностью сотрудников;
• производительность
����������������������������������������������������������
связана с сохранением сотрудников (приверженностью);
• приверженность
�����������������������������������������������
связана с их удовлетворенностью.
Стержнем этих утверждений является мотивация. Мотивация
требует расхода ресурсов и должна планироваться исходя из того,
что работник становится членом предприятия, стремясь наиболее
эффективно решать свои собственные проблемы. Помимо гарантий
(фиксированный оклад) и пакета льгот (бесплатная медстраховка,
льготный кредит и т. д.), должны существовать так называемые бо118
нусы, которые сотрудник может чередовать (денежный, карьерный
рост, ценный подарок и т. д.). Сотрудник должен понимать, что бонусы он получает не только за свои результаты, но и за результаты
работы всего коллектива. Кроме того, за приверженность компании разумно утвердить прибавку «за выслугу лет». Однако важно
общее понимание того, что мотивация – это не то, что организация
делает для своего сотрудника, а то, что он сам делает для себя.
Рекомендуют следующую схему:
– оклад (фиксированная сумма) – за выполнение корпоративных требований (внешний вид, рабочее время и т. д.);
– штраф (сумма, вычитаемая из оклада) – за невыполнение плана;
– бонус (за выполнение плана, который должен быть напряженным);
– премия – за перевыполнение плана.
В сервисе, например, в торговой организации основные показатели плана для менеджера – это объем продаж, маржа, объем реализации (по отгрузке прошла оплата, тогда можно оценить дебиторскую задолженность по менеджеру); вспомогательные – количество новых клиентов (не менее N), процент удержания старых,
количество произведенных звонков, отправленных факсов, выписанных счетов и т. д. Эти показали должны быть проконтролированы (например, существуют системы записи переговоров, контроль
номеров телефонов офисной АТС и т. д.). План – это единственный
критерий, относительно которого оценивается фактический результат. Схема «оклад + % от выполненного объема продаж (без
плана)» делают сотрудника не заинтересованным в росте продаж
(его и так все устраивает).
Управление персоналом подразумевает:
• ������������������������������������������������������������
планирование потребности в таких ресурсах на основе инвентаризации и оценки наличных ресурсов, прогнозирование будущих
потребностей;
• �����������������������������������������������������������
собеседование и набор персонала для работы на предприятии,
создание резерва кандидатов по ключевым должностям;
• оценку
������������������������������������������
и отбор кандидатов, включая резерв;
• определение
�����������������������������������������������������������
заработной платы и льгот в целях привлечения и
сохранения персонала;
• �������������������������������������������������������
профориентацию и адаптацию: введение персонала на предприятие, развитие у них понимания того, что ожидает от него предприятие;
• ������������������������������������������������������
разработку программ для обучения навыкам, требующимся
для эффективного выполнения работы;
119
• ����������������������������������������������������������
оценку трудовой деятельности на основе соответствующих методик и доведение ее до персонала;
• ����������������������������������������������������������
повышение, понижение, перевод, увольнение посредством разработки специальных процедур перемещения персонала на должности с меньшей или большей ответственностью, ротации, а также
процедур прекращения найма;
• ��������������������������������������������������������
подготовку руководящих кадров и разработку соответствующих программ развития способностей и повышение эффективности труда руководителей.
Важнейшей задачей при управлении персонала является оптимизация бизнес-процессов, т. е. выработка оптимального способа
реагирования организации на конкретную бизнес-ситуацию (звонок клиента, приход платежа, составление акта-сверки и т. д.). Для
этого необходимо стремиться к разумным, логичным, прозрачным
процессам с минимальным числом этапов. При этом очень важно,
чтобы в каждом процессе существовала обратная связь, необходимая для контроля и оперативной реакции. Кроме того, как и в каждой системе, в организации работы персонала должно существовать
резервирование («отряд должен не заметить потери бойца»).
Другой важной задачей руководителя при управлении персоналом является написание максимально удобных, простых должностных инструкций, в которых должно быть описано, как вести себя
в ситуациях, возникающих каждый день (идеально, если проект
такой инструкции сначала составит сам исполнитель).
Важно также, чтобы были подготовлены готовые формы отчетности, выработаны критерии их формирования. Причем каждому
сотруднику должна быть доступна только часть информации, необходимая для исполнения его должностных обязанностей. Наличие
на предприятиях компьютерных автоматизированных систем управленческого учета облегчает формирование отчетности разного
уровня и помогает руководству производить объективную оценку
персонала. Современные аналитические CRM��������������������
�����������������������
-системы, как правило, позволяют установить количество произведенных контактов с
потребителями, оценить результативность произведенных переговоров, вывести коэффициент оплаты счетов, среднюю сумму счета,
среднюю стоимость контакта, определить объемные показатели работы сотрудника и т. д.
6.3. Типы кадровой политики
По уровню осознанности правил, на которых основываются кадровые мероприятия, выделяют следующие типы кадровой политики:
120
1)�����������
пассивная;
1) реактивная;
�����������
2) превентивная;
�������������
3) активная
��������������������������������������������
(рациональная и авантюристическая).
Вторым основанием для классификации форм кадровой политики может быть ориентации на собственный или на внешний персонал, степень открытости по отношению к внешней среде при формировании кадрового состава. По этому основанию выделяют два
типа политики:
1) открытую;
���������
2) закрытую.
���������
Кратко охарактеризуем названные типы кадровой политики.
Пассивная кадровая политика – руководство предприятия не
имеет выраженной программы действий в отношении персонала, а
кадровая работа сводится к ликвидации негативных последствий.
Для такого предприятия характерно отсутствие прогноза кадровых
потребностей, средств оценки труда и персонала, диагностики кадровой ситуации в целом. При подобной кадровой политике руководство работает в режиме экстренного реагирования на возникающие конфликтные ситуации, которые стремится погасить любыми
средствами, зачастую без попыток понять причины и возможные
последствия.
Реактивная кадровая политика – руководство предприятия
контролирует симптомы негативного состояния в работе с персоналом (причины и ситуацию развития кризиса: возникновение конфликтов, отсутствие достаточно квалифицированной рабочей силы
для реше­ния насущных задач, отсутствие мотивации к высокопродуктивному труду). Руководство предприятия предпринимает
меры по локализа­ции кризиса, ориентировано на понимание причин, которые при­вели к возникновению кадровых проблем. Кадровые службы таких предприятий, как правило, располагают средствами диагностики су­ществующей ситуации и адекватной экстренной помощи. Хотя в про­граммах развития предприятия кадровые
проблемы выделяются и рас­сматриваются специально, основные
трудности возникают при среднесрочном прогнозировании.
Превентивная кадровая политика проводится тогда, когда
руковод­ство предприятия имеет обоснованные прогнозы развития
ситуации. Однако предприятие, характеризующееся наличием
превентивной кадровой политики, не может влиять на нее. Кадровая служба подобных предприятий располагает инструментами
не только диагностики персонала, но и прогнозирования кадровой си­туации на среднесрочный период. В программах развития
121
предприя­тия содержатся краткосрочный и среднесрочный качественный и ко­личественный прогнозы потребности в кадрах, сформулированы задачи развития персонала. Основная проблема таких
организаций – разработка целевых кадровых программ.
Активная кадровая политика состоит в том, что руководство
делает прогнозы потребностей в кадрах и развития кадровой ситуации и имеет средства воздействия на ситуацию, а кадровая служба способна разрабатывать антикризисные кадровые программы,
проводить постоянный мониторинг ситуации и корректировать исполнение про­грамм в соответствии с параметрами внешней и внутренней ситуации. Но механизмы, которыми может пользоваться
руководство в анализе ситуации, приводят к тому, что основания
для прогноза и программ мо­гут быть как рациональными (осознаваемыми), так и нерациональными (слабо поддающимися алгоритмизации и описанию). В соответствии с этим выделяют два подвида
активной кадровой политики:
а) рациональную;
б) авантюристическую.
При рациональной кадровой политике руководство предприятия имеет как качественный диагноз, так и обоснованный прогноз
развития си­туации и располагает средствами для влияния на нее.
Кадровая служба предприятия располагает средствами не только
диагностики поведе­ния персонала, но и прогнозирования кадровой
ситуации на средне­срочный и долгосрочный периоды. В программах развития предприя­тия отражаются краткосрочный, среднесрочный и долгосрочный прогнозы потребности в кадрах. Кроме
того, составной частью плана является программа кадровой работы
с вариантами ее реализации.
При авантюристической кадровой политике руководство
предпри­ятия не имеет качественного диагноза, обоснованного прогноза раз­вития ситуации, но тем не менее стремится влиять на нее в
соответствии с целями предприятия. В про­граммы развития предприятия включены планы кадровой работы, однако они не проанализированы с точки зрения измене­ния ситуации. План работы с
персоналом в таком случае строится на достаточно эмоциональном,
слабо аргументированном, но, может быть, и верном представлении о целях работы с персоналом.
Открытая кадровая политика характеризуется тем, что организация прозрачна для потенциальных сотрудников на любом
уровне, сюда можно прийти и начать работать как с самой низовой
должности, так и с должности на уровне высшего руководства. Организация готова принять на работу любого специалиста, если он
122
обладает соответству­ющей квалификацией, без учета опыта работы
в этой или родственной ей организациях.
Закрытая кадровая политика заключается в том, что организация ориентируется на включение нового персонала только с низшего долж­ного уровня, а замещение происходит только из числа
сотрудников предприятия.
6.4. Задачи планирования персонала
Кадровое планирование исходит из кадровой политики и стратегии развития предприятия. В соответствии с логистическим принципом, ресурсы, в том числе и людские, должны быть задействованы в нужный момент в требуемом количестве и соответствующего
качества. Чтобы отдача была максимальна, а затраты наименьшими, необходим компромисс интересов предприятия (требований
производства, оказания услуг) и потребностей работника с учетом
его склонностей и способностей.
Являясь элементом системы планирования на предприятии,
планирование персонала решает задачи количественного, качественного, временного и пространственного определения потребности в персонале. Составляющие кадрового планирования показаны
на рис. 6.1.
Планирование потребности в людских ресурсах в сильной степени зависит от соответствия спроса и предложения. Прогнозируя
Кадровое
планирование
Цели
предприятия
Направления
кадровой
политики
Разработка основ будущей кадровой политики,
создание возможностей карьерного роста, обеспечение
развития для адаптации к изменяющимся условиям
Кадровые цели
Определение целей предприятия и сотрудников и их
сближение
Кадровые
задачи
Обеспечение персоналом в соответствии с
логистическим подходом для достижения целей
предприятия
Кадровые
мероприятия
Разработка плана кадровых мероприятий и
определение затрат на реализацию
Рис. 6.1. Составляющие кадрового планирования
123
Анализ внешней
среды
Анализ и политика
развития предприятия
Формирование
кадровой политики
Планирование
персонала
Разработка должностных
инструкций, требований
Наем, увольнение
персонала
Мотивация,
стимулирование
Профориентация
и адаптация
Расстановка,
карьерный рост
Переподготовка,
обучение
Оценка
результатов труда
Исследование
персонала и рынка труда
Совершенствование
управления персоналом
Рис. 6.2. Система управления персоналом
повышение или понижение спроса, управленцы увеличивают или
сокращают штат сотрудников. Например, можно построить регрессионную модель для прогнозирования количества пациентов (и, соответственно, обслуживающего персонала), в зависимости от вида
лечения, смены, больничной палаты, времени. Зная сезонные максимумы и минимумы спроса, организация может нанять персонал
на сезон. При этом неизбежны и трудности этого способа, связанные
с высокой стоимости найма, обучения и увольнения сотрудников.
Место кадрового планирования в системе управления персоналом показано на рис. 6.2.
124
В табл. 6.1 показана основная классификация временного горизонта планирования трудовых ресурсов в зависимости от вида
услуг. Временной горизонт планирования потребностей в людских
ресурсах базируется на прогнозировании. Сдерживающими факторами в планировании потребностей в ресурсах является ограничение сверхурочного времени, ограниченная загрузка оборудования,
недостаточность денежных средств, сокращение штата по естественным причинам.
Таблица 6.1. Планирование кадров в сфере услуг
Вид деятельности
Протяженность временного горизонта планирования
Краткосрочная
Средняя
(от нескольких (от нескольких
дней до месяцев) месяцев до года)
Традиционные
рестораны
Агентства
недвижимости
Х
Х
Колледжи
Архитектурные
компании
Больницы
Курорты (отели)
X
X
X
X
X
Авиалинии
X
X
X
Юридические услуги
X
Банки
Услуги с краткосрочным
спросом
Долгосрочная
(несколько лет)
X
X
Кадровое планирование на предприятии базируется в основном
на соблюдении следующих принципов:
1) непрерывность.
��������������� Данный принцип обусловлен характером
хозяй­ственной деятельности предприятия и тем, что персонал находится в постоянном движении. Планирование рассматривается
не как еди­ничный акт, а как постоянно повторяющийся процесс.
Принцип не­прерывности требует, чтобы все планы разрабатывались с учетом пер­спектив и служили основой составления планов
в будущем. Очередные планы должны базироваться на предшествующих и учитывать резуль­таты их выполнения, т. е. необходимо
соблюдать определенную пре­емственность;
125
2) гибкость.
���������� Подразумевается возможность постоянного внесения изменений (корректив) в ранее принятые кадровые решения
или их пересмотра в любой момент в соответствии с изменяющимися обсто­ятельствами. Для обеспечения гибкости в планы закладываются «по­душки», дающие при необходимости свободу маневров
в определен­ных пределах;
3) согласование
�������������������������������������������������������
планов по персоналу в форме координации и
интегра­ции. Координация осуществляется по горизонтали – между подраз­делениями одного уровня, интеграция – по вертикали,
между выше- и нижестоящими уровнями;
4) экономичность.
��������������� Затраты на составление плана должны быть
меньше эффекта, приносимого его выполнением;
5) ���������������������������������������������������
создание необходимых условий для выполнения плана. Этот
прин­цип подразумевает:
а) участие максимального числа сотрудников предприятия в
ра­боте над планом уже на ранних этапах его составления. При
разработ­ке социальных планов этот принцип является безусловным, в осталь­ных случаях его применение желательно;
6) оценку работы персонала – чем точнее сформулированы ожидаемые результата, тем точнее можно оценить сотрудников.
Эти принципы универсальны и пригодны для разных уров­ней
управления предприятием. Вместе с тем на каждом уровне могут
применяться свои специфические принципы.
Кадровое планирование на предприятии главным образом осуществляется на трех основных уровнях:
1) стратегическом;
���������������
2) тактическом;
������������
3) оперативном.
�������������
Стратегическое кадровое планирование предусматривает
долгосроч­ное планирование работы с персоналом предприятия
(на период от 3 до 10 лет). Такое планирование представляет собой
часть стратегического планирования предприятия, причем оно может быть более детализированным, чем остальные частные планы
предприятия, ко­торые влияют на кадровое планирование. Стратегические плановые решения являются, как правило, основополагающими и, вследствие этого, руководящими решениями, становясь
основой для тактическо­го планирования.
Тактическое кадровое планирование – перенос кадровых стратегий на конкретные проблемы управления персоналом (сроком от
1 года до 3 лет). Тактическое планирование должно быть строго ориентированным на цели, поставленные стратегическим кадровым
планированием. Кадровые программы часто составляются и, в со126
ответствии с кадро­вой политикой предприятия, реализуются средним руководящим зве­ном предприятия, например, руководителем
отдела кадров (службы персонала). Тактическое кадровое планирование, по сравнению со стратегическим кадровым планированием,
позволяет более детально и дифференцированно фиксировать кадровые мероприятия. Такти­ческое кадровое планирование может
рассматриваться как промежуточное между стратегическим кадровым планированием и оперативным планированием.
Оперативное кадровое планирование характеризуется как
краткосрочное (сроком до 1 года), направленное на достижение
отдельных оперативных целей. Оперативный план содержит точно обозначенные цели и конкретные мероприятия, ориентированные на достижение этих целей, а также выделяемые материальные
средства с указанием их вида, количества и времени. Оперативные
планы отличаются большей подробностью, и поэтому они лучше
поддаются контролю, чем стратегические кадровые планы. Их
составление возможно только на базе точной информации, в большинстве случаев слабо поддающейся обобщению.
Планирование кадров, являясь одной из основных функций управления персоналом предприятия, представляет собой деятельность по согласованию интересов работодателей и работников и
призвано обеспечить максимальное раскрытие потенциала работников предприятия в соответствии с задачами, стоящими перед
предприятием, а также интересами и потребностями работников.
Вопросы планирования людских ресурсов тесно связаны с особенностями построения оргструктур сервисных организаций.
6.5. Оргструктуры на предприятиях сферы услуг
Известны ряд основных типов оргструктур в организациях (линейная, матричная дивизионная и т. д.), которые подробно описаны в литературе по менеджменту [10]. В сервисной деятельности
бюрократические структуры характерны в основном для крупных
организаций.
Отметим некоторые важные отличия в принципах построения
структур в сервисной сфере от производственной:
• c��������������������������������������������������������
труктура сервисной фирмы от производственной отличается
большей контактностью с потребителем;
• если
������������������������������������������������������������
в производстве по мере усложнения задач степень контроля увеличивается, то в сфере услуг, в силу неопределенности ситуации с каждым потребителем, ответственность за принятие решений ложится на исполнителя;
127
• c���������������������������������������������������������
усложнением технологии, в отличие от производства в сфере услуг, наиболее сложными процессами управляют сотрудники
низшего звена, более того, количество людей, отвечающих перед
директором, уменьшается по мере усложнения процесса покупки
услуги;
• по
������������������������������������������������������������
мере усложнения технологии, в отличие от производства, в
сфере услуг количество уровней управления уменьшается. Сервисные фирмы имеют горизонтальную структуру, так как сотрудники
должны обладать большими полномочиями и автономностью. Чем
больше уровней (бюрократизации структуры), тем дольше принимаются решения и больше задержки в обратной связи.
Эти особенности необходимо учитывать в кадровой политике,
приглашая по возможности инициативных сотрудников широкой
квалификации, способных принимать самостоятельные решения и
брать ответственность на себя. Других просто не следует брать на
работу: все проконтролировать невозможно.
7. Планирование запасов в сфере услуг
Несмотря на то, что услуги нельзя складировать, тем не менее
задача управления запасами (УЗ) в сфере услуг играет важную
роль. Должный уровень предоставления услуги обычно означает,
что отсрочка ее выполнения из-за нехватки нужных материалов
или изделий недопустима.
Причины существования УЗ в сфере услуг:
• ����������������������������������������������������������
практически все услуги используют какие-нибудь материалы,
которые хранятся в виде запасов;
• многие
���������������������������������������������������������
услуги, кроме действия, включают в себя продукты,
которые хранятся в виде запасов.
Как и в производственных отраслях, запасы в сфере услуг представляют собой затраты. Однако в сфере услуг запасы, как правило, обходятся намного дороже, чем в производстве, так как услуга
должна быть оказана немедленно. На производстве материальные
запасы отделены от потребителей. В услугах, наоборот, материалы
используются непосредственно для клиентов во время выполнения
услуги.
Многие услуги относятся к так называемой индустрии знаний.
Такие услуги обычно предоставляют не устную информацию, а сохраненную в материальной форме. Устройство хранения (книги,
отчеты, ����������������������������������������������������
CD��������������������������������������������������
/�������������������������������������������������
DVD����������������������������������������������
-диски и т. д.), содержащее информацию, – это
единица, которая продается. Розничная, оптовая торговля, общепит обычно должны хранить какую-то продукцию в виде запасов.
128
Фирмы, оказывающие транспортные услуги, должны хранить топливо, станции технического обслуживания – запчасти. Если у поставщика услуг закончились материалы, клиент будет потерян.
Периодичность обновления запасов и размер закупок тесно связаны. Чем чаще делаются закупки, тем меньше их размер. Необходимо также решить, делать ли закупки разных объемов через
равные промежутки времени, или заказывать равные партии через
неравные интервалы времени, или есть возможность регулярно
заказывать одинаковые объемы. Из-за беспорядочных колебаний
спроса на услуги и времени доставки материалов такие две переменные, как размер заказа и выбор времени закупок, бывает трудно определить.
На уровень запасов могут оказывать влияние следующие возмущающие воздействия: задержка поставок, преждевременная поставка, рост или падение интенсивности потребления.
7.1. Планирование запасов
Затраты на создание системы запасов состоят из двух компонентов: затраты на хранение (одной коробки в течение определенного
времени) и затраты на размещение заказа. Затраты на хранение,
в частности, включают арендную плату за помещение, страховые
взносы, износ, коммунальные услуги. Под затратами на размещение понимают затраты, связанные с размещением одного заказа на
закупку, получением товара, доставкой к месту хранения.
Однопродуктовая детерминированная задача УЗ
Однопродуктовой задача называется в том случае, если осуществляется поставка одного продукта или однородных продуктов.
Пусть месячная потребность предприятия в каком-либо материале
составляет Q усл. ед. Расход этого материала во времени происходит равномерно. Необходимо определить, каков должен быть размер поставки материалов, чтобы суммарные затраты на создание и
хранение запаса были минимальны.
Обозначим Сх – затраты на хранение единицы запаса в единицу
времени, а Сд – затраты на доставку партии материалов. Пусть затраты Сд не зависят от количества материалов в поставляемой партии. Предполагается, что все партии состоят из одинакового числа
единиц материала, S – величина поставок (объем партии).
Изобразим графически движение запасов (рис. 7.1) в течение
времени (месяца) T. Обозначим t промежуток времени (период) от
момента поставки партии материала до момента ее израсходова129
S
t
T
Рис. 7.1. Движение запасов с мгновенным временем их пополнения
ния. В этой идеальной модели (рис.7.4) ступенчатая линия аппроксимирована прямой, что возможно, когда партия поставки много
больше партии потребления. Причем считается, что поставка происходит мгновенно, а расход осуществляется малыми партиями
или поштучно. Считаем также, что дефицит (нехватка материала
на складе) исключен.
Количество необходимых поставок партии для удовлетворения
месячной потребности в материале:
n=
Q T
= .
S �
Суммарные месячные рас­ходы на хранение материала и доставку за период Т:
Y =(
S�
ST
Q
Cх + C д )n =
Cх +
C д.
2
2
S
Продифференцировав целевую функцию по S и приравняв проdY
изводную
к нулю, получим
dS
dY T
Q
= Cх − 2 C д = 0,
dS 2
S
откуда
Sопт =
2QC д
.
(TCх )
Таким образом, для данной задачи получена формула Уильсона,
из которой можно установить оптимальный размер поставок. С помощью этой формулы можно определить и оптимальные моменты
времени по­полнения запасов.
Заметим, что стоимость материала не входит в эту модель, так
как какими бы партиями не пополнялся запас, стоимость потребленного за весь период материала останется постоянной и составит
130
с∙�
Q, где с – цена единицы материала. Если включить это слагаемое
в суммарные затраты, то производная от постоянной величины даст
нуль. Данная модель EOQ����������������������������������������
���� (��������������������������������������
���������������������������������������
Economic������������������������������
Order������������������������
�����������������������������
Quantity���������������
�����������������������
) дает устойчивое решение, так как допустимы значительные отклонения размера партии от оптимального без существенного роста суммарных затрат. Этот факт используется для корректировки партии поставки
в целях учета факторов, не вошедших в модель.
На рис. 7.2 приведен вид зависимостей расходов от размеров
заказываемой партии. На рис. 7.3 Sопт – оптимальный размер заказа (величина заказываемой партии). Согласно формуле Уильсона, S должен возрастать с увеличением годовой потребности в материале и затрат на размещение заказа (в частности, на доставку)
и уменьшаться с возрастанием складских расходов. При увеличении партии поставки увеличиваются оборотные средства в запасах
материалов, возрастают расходы на хранение материалов (больше
складов, расходы на их содержание, больше обслуживающего персонала), возрастает вероятность порчи и потери материалов. При
уменьшении партии поставки возрастают транспортные и заготовительные расходы.
Расходы
на хранение
Расходы
на транспорт
Размер заказа
Размер заказа
Рис. 7.2. Зависимости расходов от размера заказа
Расходы
на хранение
и транспорт
Суммарные
расходы
S опт
Размер заказа
Рис. 7.3. Суммарные расходы
131
Пример
При заключении договора с поставщиком мороженого в кафе
менеджер по закупкам располагает следующей информацией. За
предстоящие 5 теплых месяцев года Т посетители кафе съедят примерно 3 000 кг мороженого; развесное мороженое поставляется в
упаковках по 20 кг; в холодильную камеру, где оно хранится, вмещается 40 упаковок, затраты на хранение одной упаковки в течение всех 5 пяти месяцев составляют h = T Сх = 36 р.; срок реализации мороженого не должен превышать 35 дней; кафе работает
практически ежедневно, что за 5 месяцев составит приблизительно
150 дней.
В ходе проведения переговоров с менеджером по продажам хладокомбината выяснилось, что поставка мороженого осуществляется
микроавтобусом грузоподъемностью 1,2 т; заказ принимается на
разовую доставку не менее 50 % от этой величины; доставка осуществляется в течение часа после получения заказа. Затраты на доставку (аренда микроавтобуса), ведение переговоров и оформление
договора составили Сд = 210 р. Требуется определить допустимый
размер партии поставки для включения его в договорную величину
дополнительных суммарных затрат, обусловленных отклонением
реального размера партии от оптимального.
Решение
Оптимальный размер партии рассчитывается по формуле:
∗
Sпост =
2QC д
(2∙3 000∙20)
=
= 4,8 уп. ≈ 42 уп.
h
(20∙36)
Далее полученное значение требуется скорректировать. Партия
должна:
• �������������������������������������������������������������
поместиться в холодильнике кафе, но так как 42 уп. > 40 уп.,
партию следует уменьшить до 40 упаковок;
• ������������������������������������������������������
быть не меньше минимально допустимой партии поставки,
( 200∙0,5)
равной
=30 уп., что выполняется;
20
• ���
обеспечить допустимый срок реализации мороженого, равный
здесь ритму поставки:
S
(20∙40)
R пост = пост =
= 40 дн.,
B
(3 000/50)
где B – количество расходуемых коробок в день, но так как 40 дн. >
35 дн., размер партии следует уменьшить до величины, получаемой из решения уравнения
132
20∙Sпост
= 35 дн. ⇒ Sпост = 35 уп.
(3 000/50)
Полученное значение удовлетворяет всем условиям, но отличается от оптимального. Рассчитаем суммарные затраты за период
для двух полученных значений партии поставки. При Sпост = 35 уп.
Имеем:
(35∙36)
затраты на хранение в течение всего периода =
= 630 р.;
2
(3 000) 20
затраты на поставку =
∙
= 900 р.;
20
35
суммарные затраты = 630 + 900 = 1 530 р.
При Sпост = (Sпост)opt = 41,8 уп. получим:
(4,8∙36)
затраты на хранение в течение всего периода=
= 752,4 р.;
2
(3 000) 20
затраты на поставку =
∙
= 753,6 р.;
20
4,8
суммарные затраты = 752,4 + 753,6 = 1 506 р.
Таким образом, мы видим, что при относительном отклонении
(4,8 − 35)
размера партии от оптимального на 16,3 %, или
∙ 00 %,
4,8
суммарные затраты превысили минимальное значение только на
( 530 − 506)
1,6 %, или
. Теперь усложним задачу: будем учиты 506
вать убытки, если спрос не удовлетворен.
Задача управления запасами с учетом убытков из-за неудовлетворенного спроса
Пусть на предприятии вследствие неудовлетворенного спроса
возникают убытки, характеризующиеся величиной Су на единицу
материала в единицу времени. В течение времени t1 каждого периода t уровень запаса достаточен для удовлетворения спроса, а затем
в течение интервала t2 запас отсутствует, причем неудовлетворенный спрос покрывается из следующей партии с момента поступления на склад. Пусть потребность в материале составляет Q единиц
в период T.
Определить, какими должны быть поставляемая S и потребная
V партии, чтобы затраты на доставку и хранение с учетом неудовлетворенного спроса были минимальными.
Графически движение запасов при неполном удовлетворении
спроса представлено на рис. 7.4.
По графику легко составить следующие закономерности:
� S
�2 V − S
Q T
= ;
=
;
n= = .
� V
�
V
V
�
133
V
S
t
t1
t2
t
t1 t2
t
t1
t
t1
T
Рис. 7.4. Движение запасов с учетом убытков из-за неудовлетворенного
спроса
Суммарные затраты на хранение, доставку и потери из-за неудовлетворенного спроса на период Т
S�
(V − S)�2
(V − S) 2T
S 2T
Q
Y = ( Cх + C д +
C у )n =
Cх + C д +
Cу.
2
2
2V
V
2V
Чтобы определить min��������������������������������������
�����������������������������������������
функции, находим частные производные
от Y по S и V и приравниваем их к нулю:
(V − S)T
∂Y ST
=
Cх −
C у = 0;
∂S
V
V
S 2TCх Q
2(V − S)TV − (V − S) 2T
∂Y
=−
−
C
+
C у = 0.
д
∂V
2V 2
V2
2V 2
Решив систему уравнений, получим:
2QC дС у
2QC д (C у + Cх )
Sопт =
;
Vопт =
.
TCх (Cх + C у )
TCхC у
Общая детерминированная многопериодная задача управления
запасами
Пусть месячная потребность предприятия в каком-либо материале составляет Q ед. Расходуется материал равномерно. При
неудовлетворении спроса на предприятии возникают убытки, измеряемые величиной Су на единицу материала в единицу времени. Затраты на хранение единицы материала в единицу времени
составляют Сх. Затраты на доставку партии материала – Сд. В течение периода t1, t4 происходит поставка материала предприятию.
Определить оптимальные размеры поставляемой и потребной партий материала, минимизирующие затраты на доставку и хранение
в случае задержки пополнения запаса.
Представим графически движение запасов при неполном удовлетворении спроса и с задержкой пополнения запасов (рис. 7.5).
Из графика можно установить следующие соотношения:
134
S
V
t1 t2 t3
t
t4
t1
t2
t3
t
t1
t4
t2 t3
t1
t
t2
t3 t4
t
T
Рис. 7.5. Движение запасов с учетом убытков из-за неудовлетворенного
спроса и с задержкой их пополнения
� + �2 S �3 + �4 V − S
= ;
=
.
�
V
�
V
Суммарные затраты на хранение, доставку и потери из-за неудовлетворенного спроса за период Т:
(V − S) 2T
S 2T
Q
Y = [ S(�2 + �)Cх + (V − S)(�3 + �4 )C у + C д ]n =
Cх +
C у + C д.
2
2
2V
2V
V
Продифференцировав целевую функцию Y относительно V и ����
S���
и
дY
дY
приравняв полученные при этом частные производные
и
к
дV
дS
нулю, получим систему уравнений:
2
дY S TCх 2(V − S)VT − (V − S) 2T Q
=
+
− 2 C д = 0;
дV
2V 2
2V 2
V
STC
(V − S)T
дY
х
=
−
C у = 0;
дS
V
V
или
S 2TCх + (S 2 − V 2 )TC у + 2QC д = 0;
SCх − (V − S)C у = 0.
Решив систему уравнений, находим:
2QC д (Cх + C у )
2QC дC у
Vопт =
; Sопт =
.
TCхC у
TCх (Cх + C у )
Одновременно с определением оптимальной величины потребной Vопт и поставляемой Sопт партий можно определить оптимальTVопт
ный интервал времени между двумя поставками �опт =
.
Q
135
После соответствующих преобразований получим�:
�опт =
2TSC д (Cх + C у )
(QCхC у )
.
7.2. Системы контроля запасов в сфере услуг
Для пополнения запасов в производственной или сервисной организации (или логистической цепи организаций) применяются
следующие методы:
– пополнение запасов с фиксированным объемом поставки;
– пополнение запасов с фиксированной периодичностью;
– периодическое пополнение запасов до заданного уровня;
– пополнение запасов по системе «минимум-максимум».
Прежде чем мы приступим к рассмотрению этих систем, следует
остановиться на факторе спроса, который и определяет выбор той
или иной системы пополнения запасов, а также на методах классификации запасов.
Запасы и фактор спроса
Характер спроса в сервисе на изделия и услуги, на ресурсы или
компоненты выпускаемых фирмой изделий играет важную роль
в формировании ее структуры и планировании ее работы. Спрос
можно характеризовать с разных сторон (рис. 7.6). Так, если спрос
относительно постоянен, а его величина хорошо прогнозируема, то
нет смысла производить готовый продукт «на склад». Чем сильнее
колебания спроса тем, тем больше должен быть резервный запас.
Часть клиентов готова ждать специфический продукт (порционное
блюдо в ресторане), часть готова взять то, что лежит на складе (комплексный обед).
Если клиент ждать не хочет, можно использовать промежуточный вариант: создание запаса типовых компонент (модулей) высокой степени готовности, из которых быстро собрать нужную модификацию продукции.
Исходя из прогнозируемого (независимого) рыночного спроса
на продукцию, можно на основе нормативов и входимости комплектующих в готовую продукцию (компонентов услуг в результирующую услугу) определить зависимый спрос на компоненты этой
продукции, которые должны быть запланированы к изготовлению
в рамках оперирующей системы или для закупки на стороне в некоторый период времени.
136
Спрос
Постоянный
спрос (со случайными
колебаниями)
С постоянным
средним
значением
Со средним
значением,
имеющим
тенденцию
к изменению
Со средним
значением,
меняющимся
циклично
Независимый спрос
(спрос на одни изделия
или компоненты изделий
не связан со спросом на другие)
Непостоянный спрос
(время возникновения и
величину спроса трудно
предсказать; стандартное
отклонение статистики
спроса больше, чем ее
средняя величина)
Зависимый спрос
(спрос на материалы и
полуфабрикаты зависит
от спроса на конечную
продукцию фирмы)
Рис. 7.6. Классификация характеристик спроса
Классификация по методу АВС
Первый шаг в создании системы – классификация запасов (и
клиентов) по методу АВС (предложен в 1896 г. итальнским экономистом Вильфредо Парето). АВС-анализ (ABC stock control) делит
весь запас на три группы по годовому объему в рублях: А, В и С (A U
В U С = N; А ∩ В ∩ С = Ø, где N – вся номенклатура потребляемых
материалов или реализуемой продукции). Алгоритм разбиения N
может быть, например, следующим. Подсчитывается общее количество заявок, поступивших за определенный период. Количество
заявок делится на общее количество позиций в номенклатуре N.
В результате выводится показатель среднего количества заявок Р
на одну позицию номенклатуры N. Все материалы, количество заявок на которые в 6 и более раз превышает Р, включаются в подмножество А (ходовая продукция); в подмножество С (неходовая
продукция) включаются все материалы, количество заявок на которые в 2 и более раз меньше Р. Все остальные материалы включаются в подмножество В (В = N\A)\C). Вероятность возникновения
спроса на материалы из подмножеств А, В и С подчинена различным законам распределения. В литературе приводятся различные
цифры, но порядки их близки. В большинстве случаев примерно
75 % стоимости запасов охватывает около 10 % наименований номенклатуры (вариант: 80 % и 20 %) (подмножество А), 20 % стоимости – соответственно 25 % наименований (подмножество В), 5 %
стоимости – 65 % наименований (подмножество С). Таким образом,
всего 10 % товаров фактически обеспечивают 75 % продаж. Это
позволяет перераспределить свои усилия в соответствии с класса137
ми A, B, C. Например, можно изъять товары категории С (продать
и больше не закупать).
Аналогичная классификация должна быть проделана и с клиентами предприятия. Клиентскую базу можно классифицировать по
объему продаж в деньгах или марже. Предположим, что в результате анализа оказалось, что 75 % продаж приносят не 10 % клиентов,
а 3 %. Это говорит о том, что организация слишком жестко зависит от клиентов категории А. Уход любого из этих клиентов может
разорить организацию. И наоборот, если 75 % продаж приносят
половина клиентов, тоже плохо, так как каждый из таких клиентов (категории А) требует к себе особого отношения и относительно
большого штата менеджеров, что экономически не выгодно.
Для оценки близости категорий вводится коэффициент AB, который рассчитывается как отношение объема продаж клиента A1
(первого в категории A) к объему продаж клиента B1 (первого из
категории B). Оптимальное отношение равно 4 (нормальное 2.5–6).
Если он меньше 2,5, то между группами нет границ, если больше
6, то ситуация соответствует случаю, когда 3 % клиентов дают
75 % продаж. Если коэффициент AB равен или больше 10, то это
VIP�����������������������������������������������
-клиент. Если оказалось, что товаром категории С интересуется ���������
VIP-�����
или A-, B-клиент, то эти товары должны быть на складе в
требуемом количестве.
Деление клиентов по категориям необходимо также для правильного распределения ресурсов по категориям (рекомендуемая
пропорция по менеджерским усилиям, например, контактам, телефонным звонкам и т. д. по группам VIP���������������������������
������������������������������
, A������������������������
�������������������������
, B���������������������
����������������������
, C������������������
�������������������
должна быть: 10,
4, 2, 1).
Задача. На складе бюро ритуальных услуг находится пять вариантов венков. Количество изделий, годовой спрос и стоимость
каждого типа венка приведены в табл. 7.1. Необходимо провести
АВС-анализ.
Таблица 7.1. Исходные данные для АВС-анализа
Номер
Количество
Годовой спрос
Цена, усл. ед.
1
234
50
200
2
179
10
200
3
222
100
800
4
410
50
100
5
160
15
200
138
Влияние вероятностного характера спроса на УЗ
Принцип анализа АВС – это разделение позиций по степени
вклада в конечный результат. Принцип дифференциации ассортимента в XYZ-анализе: ассортимент делится на три группы в зависимости от степени равномерности спроса и точности прогнозирования. В группу X включают продукты, спрос на которые равномерен. Объем реализаций по группе X хорошо предсказуем. В группу Y включают продукты с колеблющимся спросом, например,
сезонные колебания. Возможности прогнозирования – средние.
В группу Z включают продукты, спрос на которые возникает эпизодически. Прогноз сложен.
Применяют коэффициент вариации спроса:
V=
n
∑ (xi − x) 2
x
∙00 %,
где xi–i-е значение спроса по оцениваемой позиции x;
x – средние значение спроса по оцениваемой позиции за период n.
X при 0≤V< 10;
Y при 10≤V < 25;
Z при 25≤V<∞.
Для построения зависимости позиции ассортимента необходимо
упорядочить в порядке возрастания коэффициент вариации спроса
в процентах к общему числу позиций (рис. 7.7).
V, %
%
X
Y
Z
100
Рис. 7.7. Распределение в XYZ��������
�����������
-анализе
139
Определение размера страхового запаса
Для режима страховки дефицита в период между возникновением спроса и поступлением очередной партии на складе создается
страховой или резервный запас. Процедура расчета такого запаса
состоит в следующем:
1) определяется средневзвешенный временной интервал поставки за определенный предыдущий период, учитывающий не только
моменты поступления партий, но и их объемы;
2) выявляются опоздавшие партии и определяется их число;
3) находится средневзвешенное значение величины опоздания
для этих партий, учитывающее также и объемы опоздавших партий;
4) рассчитывается объем страхового запаса, с определенной вероятностью покрывающий возможный дефицит (разброс в опозданиях поставок существует и изменяется со временем).
Система контроля запасов с фиксированным размером заказа
Для пополнения запасов по системе с фиксированным объемом
поставки характерно то, что контроль состояния этих запасов производится не в фикси­рованные моменты времени, а тогда, когда
фактическое зна­чение уровня запаса опустится до заданной величины, назы­ваемой точкой заказа. После подачи заказа уровень
запаса будет продолжать уменьшаться, так как поставка по этому
заказу придет не мгновенно, а через некоторое время.
Сущность метода заключается в том, что каждый раз заказывается один и тот же размер партии с различным интервалом времени, который зависит от темпов расходования запаса.
Когда размер запаса снижается до уровня, известного как точка
заказа, компании-поставщику или заводу-изготовителю отправляется заказ на пополнение запасов. В этой системе две величины являются постоянными:
• точка
��������������������������������������������������������
заказа – размер запаса в момент размещения заказа;
• размер
�����������������������������������
заказа на пополнение запаса.
1. Определение точки заказа.
Задача определения точки заказа состоит в том, чтобы отправлять заказы на пополнение запасов заблаговременно, чтобы поставки могли прибыть до того, как распродадут весь запас. Рассмотрим
простейшие модели планирования запасов с фиксированным размером заказа (рис. 7.8).
Если уровень спроса и срок доставки известны, то упрощенный
расчет точки заказа имеет вид
140
S
S
t
t
t
Рис. 7.8. Модель пополнения запаса методом фиксированного размера
заказа и переменного интервала заказа
Vз = tд∙q,
где Vз – точка заказа, �tд – срок доставки заказа в единицах времени,
q���
– размер спроса в единицу времени.
Например, если срок доставки – 2 недели, а спрогнозированный
уровень спроса – 100 единиц в неделю, точка заказа = 2∙100 = 200
единиц.
Точка заказа помогает определить дополнительное количество запаса, необходимое для защиты от неопределенности в уровне
спроса и сроке доставки заказа, т. е. если точка пополнения запаса
поднята выше 200 единиц, то в среднем содержится большее количество запаса. Тем самым снижается вероятность ситуации, когда
весь запас распродан.
Предположим, что доставка заказа может задержаться на неделю и уровень спроса может увеличиться до 120 единиц в неделю,
тогда мы могли бы быть почти уверены, что запасы не израсходуются, если точка заказа будет рассчитана как максимальный срок
доставки (3 недели), умноженный на максимальный уровень спроса, т. е. 3 ∙ 120 = 360 единиц.
2. Определение размера заказа.
Размер заказа – это то количество товаров, которое точно уравновешивает издержки хранения и издержки приобретения. Проиллюстрируем это на примере.
141
Пример
Предположим, что затраты на хранение составляют 25 % от
стоимости среднего запаса в год, цена товара – 2 р., издержки на
заказ – 20 р., спрос на товар – 100 штук в неделю. Необходимо определить полную стоимость запаса и стоимость хранения среднего
запаса в год.
Полная ежегодная стоимость С запаса рассчитывается следующим образом:
С = Сз∙N + Cх,
где Сз – стоимость приобретения одного заказа, n�
�� – ежегодное количество заказов, C
�х – стоимость хранения среднего запаса в год.
n=
Q
,
S
где Q� – ежегодный спрос, S�
�� – размер заказа.
S
Величина
приблизительно равна среднему запасу в наличии
2
в течение года, что позволяет вычислить для нашей задачи
Cх = 0,25 ⋅
S
⋅ ц,
2
где ц – цена товара.
Оптимальный размер заказа в данной системе пополнения запасов может быть найден по формуле Уильсона, приведенной выше.
Для рассмотренного примера оптимальный размер заказа (при котором общая стоимость его осуществления минимальна) равен примерно 650 единиц.
MAX
S
S
T
t
T
t
t
Рис. 7.9. Модель пополнения запаса методом фиксированной периодичности заказа
142
Система контроля запасов с фиксированной периодичностью
заказа
Для пополнения запасов по системе с фиксированной периодичностью (рис. 7.9) характерно то, что контроль состояния этих запасов производится через равные промежутки времени (например,
один раз в неделю). Во вре­мя проведения такого сеанса контроля
производится определение фактического значения уровней имеющегося запаса (на языке специалистов по складированию – производится инвентаризация остатков).
Объем поставки при этом не остается постоянным. Он определяется как сумма величины отклонения фактической величины
запаса от установленной нормы и прогнозируемой величины потребления этого запаса за время ожидания поставки. При этом не исключается возможность возникновения дефицита, который может
возникнуть, если потребление запаса существенно возрастет или
время ожидания но­вой поставки затянется.
Таким образом, в системе с фиксированной периодичностью заказа установлено некоторое фиксированное время Т для пересмотра размера запаса. По результатам проверки составляется заказ на
поставку новой партии товаров. Размер заказываемой партии определяется разностью предусмотренного максимального запаса и
фактического запаса. Максимальный запас (МАХ), так же, как и
фиксированное время Т, должен быть установлен.
Рассмотрим те же самые данные, которые были использованы
в предыдущей системе. Во-первых, мы устанавливаем время пересмотра размера запаса Т, учитывая, что в году 52 недели. Предварительно мы уже нашли, что S равен приблизительно 650 единиц.
Тогда оптимальное время пересмотра размера запаса T в неделях:
S
650
T = ⋅ 52 недели=
⋅ 52 = 6,5 недели.
Q
00 ⋅ 52
Таким образом, уровень запаса должен пересматриваться каждые 6,5 недели. Максимальный уровень регулирует норму содержания запаса. Это число, на величину которого влияет:
1) спрос за период времени T;
2) спрос за период срока доставки t;
3) дополнительное количество, необходимое как страховой запас для защиты против неопределенности спроса и срока доставки.
Учитывая приведенные выше возможное увеличение спроса Qmax и
максимальный срок доставки � дmax, найдем максимальный запас:
MAX = Q ⋅ T + Qmax ⋅ � дmax = 00 ⋅ 6,5 + 20 ⋅ 3 = 00 единиц.
143
Таким образом, такая система управления запасами должна
предусматривать пересмотр уровня запаса каждые 6,5 недели и отправлять заказ на пополнение запаса в размере, равном разности
между 1 010 единицами и наличным количеством товаров.
Система контроля запасов по системе «до заданного уровня»
Для периодического пополнения запасов по системе «до заданного уровня» характерно то, что пополнение этих запасов производится не только в фиксированные моменты времени, но и ранее,
если фактическое значе­ние уровня запаса преждевременно опустится ниже некоторой критической пороговой величины. При такой организа­ции поставок в фиксированные моменты времени
производятся плановые поставки, если же фактический уровень
запаса достигает пороговой величины, то производится дополнительный заказ. Объемы заказов обоих этих видов таковы, чтобы с
учетом потребления запасов за время ожидания поставки этот запас пополнялся бы до заданного уровня. Такая система ориентирована на значительные колебания потребления при одновременном
исключении завышения запасов.
Система контроля запасов по системе «минимум-максимум»
Для пополнения запасов по системе «минимум-максимум» характерно то, что пополнение этих запасов производится не через
фиксированные моменты времени, а только в том случае, если
фактическое значение уровня запаса опустится до некоторой минимальной пороговой величины. Объем подаваемого в этом случае
заказа на поставку таков, чтобы с учетом расходования запаса за
время ожидания поставки этот запас пополнялся до максимального заданного уровня. Такая система поставок эффективна тогда,
когда затраты на организацию поставки сопоставимы с потерями
от дефицита. Поэтому нежелательно как снижение запасов ниже
минимального уровня, так и слишком частое оформление и подача
заказов, если единственной причиной для подачи заказа является
то, что настало время.
«Двухбункерная» система поставок
«Двухбункерная» система поставок характеризуется на­личием
страхового запаса. Весь запас при этом хранится в двух воображаемых бункерах, которые должны быть взаимозаменяемыми. Момент исчерпания запаса первого бункера является точкой заказа,
а до фактического получения заказанной поставки питание производства осу­ществляется из второго бункера. При фактическом
144
получе­нии поставки сначала полностью заполняется второй бун­
кер, а оставшийся объем поставки идет на заполнение пер­вого бункера. Таким образом, страховой объем запаса равняется рабочему
объему этого запаса. Однако и в подобных системах возможно воз­
никновение дефицита.
Пути ускорения прохождения заказа
Сокращение сроков прохождения заказа является одной из задач, решаемых в рамках логистического подхода. Как было ранее
отмечено, логистика призвана оптимизировать отношения между
партнерами в логистической цепи.
Первым шагом является сегментация своих потребителей по неудовлетворенному спросу (хотят иметь срок поставки 10 дней, а им
предлагают, например, 20). Для того чтобы удовлетворить данную
потребность и получить таким образом конкурентное преемущество, необходимо решить комплекс задач. Причем следует стремиться к такой схеме реализации, которую труднее будет скопировать
конкурентам. Рассмотрим некоторые пути решения этой задачи.
1. Удобство оформление заказа. Это прежде всего хорошо налаженный процесс оформления заказа, четко организованный документооборот, оптимизация согласований и утверждений.
2. Инициирование заказов поставщиком. Хорошо зная своих
постоянных клиентов, можно оценить, на какой промежуток времени клиенту хватит того товара, который был ему поставлен, или
той услуги, которая была ему оказана. Это позволяет поставщику
попытаться оформить упреждающий заказ (иначе то же может сделать конкурент).
3. Информационный обмен. Хорошо зарекомендовала себя такая практика. Пусть известно, какой остаток на начало периода
должен быть по каждому товару. В определенный день проводится
ревизия остатков, по которой формируется документ типа «Сведения об остатках» и его электронный вид, например, в виде xml�
����файла (формат принят как стандарт обмена между программными
средствами), отправляется поставщику, который автоматически
формирует накладную на разницу до фиксированного остатка и
доукомплектовывает склад. Более того, поставщик с помощью Интернета имеет доступ по тем позициям, которые поставляются клиентам. Другой вариант: у клиента устанавливается программа, которая автоматически формирует заказ поставщику на пополнение
клиентского склада.
4. Работа склада. Она включает:
145
– хорошо организованный процесс складской переработки (в
контексте поставленной задачи, возможно, придется увеличить запас на складе, улучшить комплектацию заказов);
– удобство расположения склада (возможно, придется открыть
склады вблизи потребителей);
– удобное время работы (например, у клиента может быть потребность в том, чтобы поставщик сдвинул свой рабочий график на
вечернее время).
5. Удобство доставки (как по форме, так и по срокам), стабильность поставок. Снижение сроков поставки, например, за счет контроля выездов водителей после получения заказа (часто выезд переносится на следующий день).
6. Сокращение сроков производства. Возможно, придется увеличить производственные мощности, купить новое оборудование, увеличить число рабочих смен и незавершенное производство и т. д.
Для того чтобы решить поставленную стратегическую задачу,
необходима концентрация всех ресурсов на перечисленных мероприятиях, а не распыление средств. Поскольку затраты могут быть
значительными, предварительно следует произвести детальный
анализ окупаемости проекта.
8. Планирование потребностей в материальных
ресурсах
Спрос на услуги может быть классифицирован как производный
спрос, когда он так или иначе связан со спросом на другие (конечные) услуги. Например, в столовой, где хлеб и овощи включены в
каждый заказ, спрос на них является производным от спроса на
блюда. Спрос на блюда может прогнозироваться, и из него вычисляется спрос на хлеб и овощи. Блюдо – это конечное изделие, а хлеб
и овощи – его компоненты.
Следует подготовить детальные оценки потребностей в материальных ресурсах для различных стадий процесса оказания услуг.
Исходными данными для расчета потребностей в материальных
ресурсах служат планируемые объемы выпуска услуг, а также нормативная база потребностей в ресурсах на единицу оказываемой
услуги. Потребность определяется методом прямых расчетов путем
умножения нормы расхода на объемные показатели.
Если при производстве сложного изделия, состоящего из нескольких компонентов (деталей, сборочных единиц и др.), точно
установлены процедура и количественные пропорции «входимости» компонентов нижнего уровня в изделия более высокого уровня
146
и при этом известен спрос на готовую продукцию, тогда можно точно подсчитать, какие работы должны быть выполнены в системе
для удовлетворения заданного спроса.
Аналогично в сервисной системе. Например, известны нормы
расхода компонентов на готовое блюдо на предприятиях общепита.
Эта потребность рассчитывается в натуральном и стоимостном выражении. Автоматизированная система планирования требований
использует график или прогноз спроса на конечные изделия или
услуги, сметы материалов и рабочей силы и определяет, какие компоненты изделия или услуги и в какое время потребуются. Система
также определяет, когда надо начать работу или закупить изделия,
чтобы к нужному моменту было все необходимое. Таким образом,
система планирования требований – это одновременно и система
контроля запасов (решает, когда и в каком количестве заказывать
материалы), и система составления графика (решает, когда начинать работу).
Система планирования требований изначально применялась в
производственных фирмах для планирования материальных требований и получила название «Планирование материальных (ресурсных) требований» (Material Requirement Planning, MRP). Как
следует из названия, эти системы применяются для планирования
материалов, необходимых для производства продукта. Затем системы расширились и стали включать в себя планирование и контроль
не только материалов, но и других ресурсов, таких как рабочее время, машинное время, инструменты и деньги. Они получили название «Системы планирования производственных ресурсов» – MRP-2
(Manufacturing Resource Planmng).
8.1. Особенности применения MRP в сфере услуг
В сфере услуг MRP применяется для эффективного размещения
заказов и составления графика оказания услуг и внутрифирменного производственного планирования. Так же, как и в сфере производства, это набор методов для вычисления потребностей предприятия в ресурсах. При этом используется смета материалов, данные
о запасах и основной календарный план. Информационное обеспечение системы MRP включает данные плана производства (в специфицированной номенклатуре на определенную дату), файл материалов (формируемый на основе плана производства и включающий
специфицированные наименования необходимых материалов с
указанием их количества в расчете на единицу готовой продукции
и с классификацией по ряду признаков, в том числе сырье, детали,
147
сборочные единицы), файл запасов (данные по материалам, необходимым для выполнения плана производства, как по имеющимся на
складе, так и заказанным, но еще не поставленным; по срокам выполнения заказов, страховым запасам и др.). В качестве исходной
информации система MRP (рис. 8.1) использует:
а) спрос на конечную продукцию предприятия, будь то прогноз
или заявки покупателей, т. е. независимый спрос;
б) величину заделов незавершенного производства на местах и
количество изделий или услуг, запущенных в производство;
в) размер складских запасов и заявки на их пополнение;
г) четко определенную структуру (конструкторский состав) производимых изделий или состав оказываемых услуг.
В результате работы системы MRP формируются потребности
в изготовлении компонентов изделий (в том числе участвующих в
оказании услуг), в новых закупках материалов, или графики удовлетворения зависимого спроса (зависимость спроса означает, что
спрос на данное изделие зависит от спроса на другие изделия).
Основной задачей является связать заказ материалов с реальной
рыночной потребностью.
MPR начинает работу с определения, сколько и в какие сроки
необходимо произвести продукции, т. е. с планирования, иначе
говоря, MRP основывается на жестком производственном расписании. Такое планирование возможно на основе прогноза по истории
выполненных заказов (или отгрузок продукции). Исходя из количества выпускаемых изделий, MRP определяет время и количество
комплектующих для удовлетворения потребностей производства.
Запасы и открытые
заказы (заказы «в пути»)
на их пополнение
Спрос (прогноз или
потребительские
заявки)
Производственный
план
Планирование
потребности в
компонентах
изделий или услуг
Исполнение планов
Рис. 8.1. Исходная информация для MRP��������
�����������
-расчета
148
Ведомости состава
изделия или услуги
(спецификации)
План закупок
Интенсивность спроса определяет скорость расхода готовой продукции на складе. В момент, когда остаток опускается ниже минимально допустимого, в соответствии с планом делается очередной
выпуск готовой продукции. Из теории управления запасами известно, что свободный остаток запаса (остаток, которым можно распоряжаться) используется для принятия решения о пополнении запасов («когда заказывать» – при фиксированной партии поставки,
«сколько заказывать» – при фиксированном ритме поставки). Расчет свободного остатка в системе управления запасами выполняется следующим образом:
свободный остаток = текущий запас – полная потребность +
+ заказанные ранее партии.
MRP-расчет также основан на использовании этого соотношения, но, в отличие от системы управления запасами, в динамике.
Ожидаемый свободный остаток запаса период за периодом рассчитывается (без элементов прогноза) из этого соотношения. Определение свободного остатка достаточно для планирования, так как
очередная заказываемая партия должна быть получена к моменту,
когда свободный остаток запаса оказывается меньше страхового
запаса. На основе свободного остатка рассчитывается и чистая потребность (с учетом резервов):
чистая потребность = резерв – свободный остаток = резерв +
+ полная потребность – текущий запас – заказанные ранее партии.
Если чистая потребность отрицательна, то она приравнивается
к нулю и заказ на изготовление новой партии не открывается. Если
потребность существует, то должен быть спланирован новый заказ
для ее удовлетворения. Чистые потребности играют ключевую роль
в MRP-процедуре, так как разработка плана производства, удовлетворяющего чистые потребности, есть ее главная задача. Если
рассчитанная чистая потребность будет превышать размер партии
поставки, то заказывается одновременно несколько партий (при
этом предполагается, что время поставки/изготовления не увеличится).
MPR-расчет показывает, когда и сколько следует получить,
когда и какие заказы следует сделать, причем заказы не только на
изготовление компонента, но и на его закупку (закупку сырья или
материала) при необходимости. В последнем случае для расчета используется не время изготовления партии, а срок ее поставки. Кроме того, результаты MPR-расчета дают информацию для планирования производственной мощности, для установления приоритетов
при составлении расписаний изготовления партий различных ком149
понентов в цехах и на участках, для управления закупками. Для
закупаемого на стороне изделия расчет был бы завершен, но для
изготавливаемого изделия аналогичный плановый расчет должен
быть сделан применительно ко всем входящим в него компонентам,
что определяет иерархичность MPR-расчета. Причем сроки, когда
возникнет потребность в этих компонентах, указаны в последней
строке табл. 8.2.
Данные о структуре изделия и «входимости» в него компонентов – это нормативная конструкторская информация, поступающая на вход MPR-расчета. К параметрам входа в MRP-расчет также относят:
• ��������������������������������������������������������
фактически имеющиеся заказы на поставку тех или иных изделий, включая открытые ранее заказы на изготовление или закупку;
• прогнозы
�������������������������������������������������������
будущих заказов по поставку тех или иных изделий;
• ведомость
��������������������������������������������
состава каждого конечного изделия;
• свободный
��������������������������������������������
остаток запаса каждого компонента;
• ��������������������������������������������������������
стратегию планирования пополнения запаса (политика заказа);
• ��������������������������������������������������������
параметры планирования (например, размер партий, резерв­
ные запасы и сроки поставки/изготовления партий).
Параметры выхода из MRP-расчета включают:
• новые
��������������������������������������������������������
заказы на изготовление или закупку у поставщиков,
дифференцированные по номенклатуре, объемам, срокам;
• �������������������������������������������������������
аннулированные требования на заказы изделий у поставщиков;
• изменения,
���������������������������������������������������������
которые следует внести в производственные графики, объемы и схемы доставки от поставщиков, рекомендации по
принятию решений об изменении сроков исполнения открытых ранее заказов или их аннулировании.
Ведомость состава изделия (bill of materil, BOM)
Данная ведомость представляет собой перечень определенных
количеств компонентов, необходимых для того, чтобы произвести
готовое изделие или услугу.
Пусть спрос на изделие А составляет 50 ед. Каждая единица А
требует две единицы В и три единицы С. Каждая единица В требует
две единицы D и три единицы Е. Далее каждая единица С требует
одну единицу Е и две единицы F. И каждая единица F требует одну
единицу G и две единицы D. Имея эту информацию, можно графически представить структуру изделия или услуги (рис. 8.2).
150
А
В(2)
С(3)
Е(3)
E(1)
F(2)
D(3)
G(1)
D(2)
Рис. 8.2. Ведомость состава изделия
Структура имеет четыре уровня «входимости». В изделии четыре «родителя»: А, В, С, F. Каждая единица-родитель имеет, по
крайней мере, один уровень ниже нее. Единицы В, С, D, E, F и G являются компонентами, потому что каждая из них имеет, по крайней мере, один уровень выше нее. В этой структуре В, С и F являются и «родителями», и компонентами. Числа в скобках указывают, какое количество соответствующих компонентов необходимо,
чтобы изготовить одну единицу «родителя». Так, В(2) означает,
что требуются две единицы В для изготовления каждой единицы
А. Имея развернутую структуру изделия или услуги, можно определить количество единиц каждого компонента, требующееся для
удовлетворения спроса. Эта информация показана в табл. 8.1.
Таблица 8.1. Расчет потребности по компонентам
Компонент
Расчет потребности
Результат
В
2∙50
100
С
3∙50
150
D
2∙100 + 2∙300
800
Е
3∙100 + 1∙150
450
F
2∙150
300
G
1∙300
300
Таким образом, ведомость и расчет наглядно показывают, что
потребность в компонентах В, С, D, E, F и G полностью зависит от
спроса на А.
151
Пример
Выполнить MRP-расчет по неделям. Пусть существует зависимый спрос (табл. 8.2). Страховой запас равен 5 ед., заказ (фиксированная партия поставки) EOQ – 20 ед., время выполнения заказа
(срок поставки) – 4 недели, начальный свободный остаток запаса –
38 ед. Изменение ожидаемого свободного остатка происходит только за счет использования запаса компонента для удовлетворения
спроса на него (уменьшение) и получения новых партий (рост).
Таблица 8.2. Исходные данные для расчета
Показатель
Неделя
22
23
24
в изделие A
2
5
10
в изделие Б
2
4
2
в изделие В
6
6
8
Итого (полная
потребность)
10
15
20
25
26
27
28
29
Зависимый спрос на
компоненты разной
«входимости»:
4
5
0
5
5
1
9
5
10
1
10
15
10
Решение
22-я неделя: 38–10=28�;
23-я неделя: 28–15=13�;
24-я неделя: 13–20+20=13 (получение заказанной ранее партии);
25-я неделя: 13–0=13;
26-я неделя: 13–5=8;
27-я неделя: 8–10+20=18 (ожидаемый остаток (–2 ед.) меньше
страхового запаса на 7 ед. Это и есть чистая потребность; для исключения дефицита требуется запланировать получение партии 20
ед., а значит и заказ этой партии – 4-мя неделями ранее);
28-я неделя: 18–15+20=23 (ожидаемый остаток (3 ед.) меньше
стахового запаса на 2 ед. Это и есть чистая потребность. Для восполнения нужно запланировать получение партии 20 ед. и, следовательно, заказ этой партии – 4-мя неделями ранее);
29-я неделя: 23–10=13.
Важным достоинством системы MPR является способность осуществлять перепланирование (например, из-за срывов сроков поставок, исключения ненужных компонент и т. д.). При этом пересчет
охватывает только те компоненты, которых коснулись изменения.
152
8.2. Формирование вариантов годовых планов
Автоматизированная система годового планирования должна
обеспечивать возможность формирования различных вариантов
годовых планов с последующим сравнением между собой и с фактическими данными по следующим укрупненным параметрам:
1) потребность в производственной мощности;
2) потребность в персонале (по профессиям);
3) прогнозируемая маржинальная прибыль от реализации готовой продукции.
Принятый вариант годового плана утверждается и принимается в
качестве базового варианта для формирования показателей по стратегии управления запасами незавершенного производства (НЗП) и
товаро-материальных ценностей (ТМЦ), кадровой политике.
Выходом из процедуры «годовое планирование» должен быть
реалистичный годовой план производства продукции, отвечающий поставленным стратегическим целям (бизнес-плану) предприятия.
Входная информация для планирования
1. Параметры бизнес-плана:
1) годовой оборот от реализации продукции (товаров, услуг)
(р.);
2) прогнозируемая маржинальная прибыль за год (р.).
2. Прогноз продаж, построенный на основе маркетинговых исследований тенденций развития рынка.
3. Приемлемое время ожидания покупателем поставки продукции (для определения стратегии позиционирования продукта).
4. Описание готовой продукции:
1) спецификация;
2) выпускающее подразделение;
3) длительность производственного цикла;
4) маршрут изготовления;
5) рыночная цена;
6) себестоимость;
7) стратегия выпуска: «производство на склад»; «сборка на заказ»; «изготовление на заказ»;
8) нормативы потребности в производственной мощности;
9) нормативы потребности в персонале (трудоемкость).
Формирование параметров восполняемого запаса НП и ТМЦ
В качестве основных параметров для управления восполняемым
запасом НП и ТМЦ принимается:
153
1) ���������������������������������������������������������
max������������������������������������������������������
и ���������������������������������������������������
min������������������������������������������������
размеры запаса (в единицах нормирования, принятых для конкретной номенклатурной позиции);
2) место хранения;
3) стоимость запаса.
Приведем один из вариантов алгоритма расчета параметров восполняемого запаса по номенклатурным позициям:
1) рассчитать процент суммового вовлечения для каждой номенклатурной позиции (детали, сборочной единицы, узла и т. д.) в производство по параметрам годового плана;
2) провести АВС-классификацию изделий, основываясь на объеме вовлечения номенклатурной позиции в производство за год
(шт., р.) по условиям, приведенным в табл. 8.3;
Таблица 8.3. Исходные данные для АВС-анализа
Категория
% от общего кол-ва
% от использования, р.
A
B
C
10…20
~20
60…70
50…70
~20
10…30
3) рассчитать прогноз среднемесячного вовлечения номенклатурной позиции в производство, основываясь на параметрах годового плана;
4) исходя из установленного объема НЗП в рублях (устанавливается принудительно), произвести долевое распределение объема
НЗП по классам АВС на основе вводимых коэффициентов;
5) рассчитать количество максимального запаса по номенклатурной позиции на основе данных пп. 1 и 4.
Оперативное планирование
Исходная информация для оперативного планирования производства:
1) прогнозы
������������������������������������������������������
продаж. Объектом планирования могут являться
товарно-номенклатурные группы (прогноз по группе включается в
планы сбыта с последующей декомпозицией прогноза с помощью
плановых спецификаций);
2) заказы
����������������
клиентов;
3) приоритеты
�������������������
заказов;
4) открытые
��������������������������������������������������������
заказы предыдущих периодов (производственные и
на закупку);
5) ���������������������������������������������������������
доступные остатки НЗП и ТМЦ на складах и в производственных подразделениях с привязкой к текущей стадии (технологической операции);
154
6) �������������������������������������������������������
маршрутные технологические процессы, с нормами времени
по операциям (или длительность производственного цикла);
7) параметры
�����������������������
планирования;
8) ��������������������������������������������������������
материальные нормативы на основные и вспомогательные материалы с привязкой к технологическим операциям;
9) стоимость
���������������������
материалов;
10) процент
���������������������������������
выхода годных изделий, %.
8.3. Применение MRP-2 в сфере услуг
MRP-2-система включает набор методов для эффективного планирования всех ресурсов (и мощностей) производственной компании, который объединяет между собой различные функции: разработку бизнес-плана, агрегированного плана производства, основного календарного производственного плана, плана ресурсных
требований (MRP), плана требований к мощностям, контроля производства и т. д. Конечные продукты MRP-2 могут быть агрегированы с финансовым отчетом, с бюджетами доставки и проектированием запасов в рублях. Задачи расчета потребности в материалах в
системе MRP-2 решаются совместно с задачами прогнозирования,
контроля за состоянием запасов, закупками и др.
На рис. 8.3 показано, как система MRP-2 может быть применена к планированию услуги. Прямоугольники представляют планы
или графики работ, а ромбы – действия по проверке ресурсов, доступных для выполнения плана или графика. Рассмотрим этапы
применения MRP����������������������������
�������������������������������
-2 в сервисе более подробно.
Бизнес-планирование включает в себя как долгосрочное планирование ресурсов (например, потребности в оборудовании), так и
краткосрочное (например, потребность в оборотном капитале, затраты на создание и хранение запасов, зарплата), согласованные с
соответствующими бюджетами. Единицы услуги преобразуются в
денежные единицы и объединяются с финансовыми отчетами. При
разработке бизнес-плана учитываются такие переменные, как показатели состояния отрасли, действия конкурентов и составляющие компоненты услуги.
Агрегированное планирование услуги – это функция согласования финансов, маркетинга и операционной деятельности в сжатой,
укрупненной форме, отвечающая на вопросы о том, какие услуги
предоставлять, сколько и когда. План удовлетворения потребительского спроса составляют на месяц или на квартал и по истечении этих периодов сверяют свои показатели с текущими условиями. Это подразумевает определение правильных ресурсов и норм,
155
Бизнес-план
Агрегированное
планирование
услуги
Нет
Ресурсные
требования
выполнены
Да
Основной
производственный
календарный план
Нет
Заказы клиентов,
прогнозы продаж
Происходит
резкое снижение
мощности
Да
Смета рабочей силы
или материалов,
уровни запасов,
существующие
заказы
Планирование
требований
на услугу
Нет
Требования
мощности
выполнены
Маршруты
и данные
рабочего центра
Да
Данные по
незавершенной
работе
Цеховой
контроль
Мониторинг
исполнения
Контроль
запасов
Данные
о решениях
по закупкам
Мониторинг
исполнения
Рис. 8.3. Применение MRP-2 в сфере услуг
чтобы бизнес-план вписывался в общую стратегию кампании. Одной из целей агрегированного планирования услуги является разработка вариантов сглаживания колебаний спроса.
156
Планирование требований к ресурсам подразумевает определение общих производственных мощностей в долгосрочном плане.
Его цель – оценить, насколько реален разработанный агрегированный план услуги. Чтобы проверить воздействие агрегированного
плана на ключевые ресурсы, его преобразуют в стоимостное выражение, человеко-часы и/или часы работы оборудования, используя
данные о необходимом объеме работ и сметы ресурсов. После того,
как полные мощности или лимиты установлены и измерены, их
приводят в соответствие с агрегированным планом.
Основной календарный план производства услуг (Master Service
Schedule – MSS) – подробное утверждение того, что сервисная фирма собирается сделать: какие услуги, в каком количестве и когда
предоставить клиенту. В нем конкретнее представлено время выполнения услуги (часы дня) и ее вид (что именно требуется клиенту).
Календарный план может сильно варьироваться в зависимости
от вида услуг. Если услугу надо подготовить заранее, план может
быть основан на заказах клиентов. Но если спрос на услугу сиюминутный, план должен строиться на прогнозе. Например, календарный план услуг врача – это расписание его приема. В этот план
включаются заказы клиентов (прием по предварительной записи
или несрочные вызовы) и прогноз спроса (отрезки времени, резервируемые для срочных вызовов или тех пациентов, которые приходят без записи). Календарный план в салоне красоты также имеет
форму записи на заранее назначенное время. Календарный план
для ресторанов может состоять только из заказов клиентов (когда
столики резервируются), только из прогнозируемого спроса (когда
резервирование не принято) или комбинации этих вариантов.
Планирование резкого изменения (сокращения/увеличения)
мощностей (Rough-Cut Capacity Planning – RCCP) подразумевает,
в частности, резкое сокращение мощности, вызванное непредсказуемым падением спроса. План устанавливает точные ориентиры
для надлежащей работы персонала и машин и для возможных изменений.
Когда необходимо резкое сокращение мощности, в первую очередь рассматривают смету мощности и смету рабочей силы для
критических услуг или ресурсов. По этим сметам определяют и
оценивают требования к мощностям для критических рабочих
центров. Рабочий центр, который не может произвести желаемый
продукт в пределах данного временного интервала из-за ограниченной мощности, регулируется в первую очередь. Такое регулирование может, например, подразумевать увеличение мощности за счет
157
мощностей, предназначенных другим рабочим центрам, и/или изменение графика предоставляемых услуг.
Планирование требований к услуге (Service Requirements
Planning – SRP) определяет относительную важность услуг: какие
услуги должны быть выполнены и когда. Здесь используются сметы рабочей силы и материалов, данные о существующих заказах,
чтобы преобразовать календарный план производства услуг в требования к компонентам, составляющим услугу. Как и в MRP, здесь
даются рекомендации по новым услугам и по изменению графика,
если сроки почему-либо не могут быть соблюдены. Смета материалов поможет решить, какие материалы и в каком количестве нужны, чтобы удовлетворить спрос, предусмотренный в основном календарном плане, а смета рабочей силы укажет, сколько и каких
работников надо привлечь, чтобы удовлетворить спрос. SRP учитывает время, когда понадобится тот или иной материал, и в какие сроки его надо заказать и получить, а также время выполнения
конкретных операций и составления рабочих графиков для них.
Заметим, что SRP составляет расписание закупок и рабочие графики для удовлетворения спроса, предусмотренного в календарном
плане, но оно не учитывает, достаточно ли у фирмы возможностей
(работников, площадей, денег), чтобы выполнить SRP. Это определяет план требований к мощности.
Планирование требований к мощности (Capacity Requirements
Planning – CRP) – уровень мощности, который согласуется с планом услуг, устанавливается, измеряется и уточняется. Для услуг,
которые используют календарь предварительной записи, мощность
определяется как количество «мест» в календаре, и никакие перегрузки обычно не допускаются. Если возникает срочный случай,
график реструктурируется или работа выполняется сверхурочно.
Главную роль в CRP играет время. Из пяти элементов общего
времени, которое требуется для предоставления услуги (время на
подготовку, установку, обработку, движение и очередь), наибольшим изменениям может быть подвергнута именно очередь. При
производстве услуг длинные очереди являются более чувствительным фактором, нежели при производстве товаров. Таким образом,
большинство фирм устанавливают максимальное время ожидания
в очереди, превышение которого считается чрезмерным. Гибкие
мощности (например, работники широкого профиля) позволяют
перемещать ресурсы и сокращать очереди.
Рабочий контроль отслеживает, оценивает и сообщает, как идет
процесс выполнения работы и насколько он соответствует графику. Хороший рабочий контроль основывается на реалистическом
158
планировании на более высоких уровнях (в частности, на основном
календарном плане).
Основа для рабочего контроля – файл с данными о незавершенной работе. Этот файл создается, когда запланированная услуга начинает выполняться. Он устанавливает план для всех компонентов
и этапов услуг действие за действием, по мере того, как продвигается выполнение услуги. Запланированное время завершения услуги
получается в процессе планирования требований к услуге. Календарь предварительной записи часто служит отправным списком, в
котором указаны клиент, услуга, которая должна быть выполнена,
требуемое время для оказания услуги, время начала, приоритеты
и ожидаемое время завершения услуги. Неудовлетворительные услуги могут требовать переделки (т. е. повторного обслуживания).
Это может создать проблемы дополнительной мощности, если время повторной работы не учитывалось в процессе планирования.
Специфика планирования ресурсов в сервисе должна учитывать
факторы неопределенности, рассмотренные ниже.
Неопределенность при планировании ресурсов в сервисе
При оказании услуг часто приходится иметь дело с неопределенными сроками и неточными сметами материалов. Для некоторых услуг предусмотрен временной стандарт (например, почасовая
норма), но время выполнения многих услуг предвидеть трудно.
Причина может быть в том, что одна услуга включает в себя другие, которые сразу не определить. Клиент описывает признаки, по
которым служащий определяет проблему, требующую услуги (т. е.
конечного продукта). Если признаки описаны неполно или неточно
или если служащий не знает всех возможных решений этой проблемы, может быть составлена неправильная смета рабочей силы и выполнена неправильная услуга без нужного результата. Например,
пока пациенту не поставлен диагноз, или если уже поставлен, но
неправильный, то для его лечения невозможно составить точную
смету материалов или смету рабочей силы. Если пациент создает другие сложности, ведомость входимости ВОМ, рассмотренная
выше, должна, соответственно, измениться.
Один способ облегчить эту задачу – разложить всю услугу на
обычные и вариативные услуги. Обычные – это те услуги, которые
всегда представлены в конфигурации окончательной услуги. Они
могут быть отображены в процессе планирования требований без
каких-либо трудностей. Вариативные услуги будут зависеть от потребностей клиента, их надо прогнозировать.
159
8.4. Концепция «Just-In-Time» (JIT), или «Точно в срок»
Подробно тому, как в сервисе применяется толкающая система
MRP�����������������������������������������������������������
, возможно применение других концепций. Прежде всего, в их
числе следует назвать концепцию «��������������������������������
Just����������������������������
-���������������������������
In�������������������������
-������������������������
Time��������������������
» (�����������������
JIT��������������
), или «Точно
в срок» (ТВС). Это тянущая система (т. е. вытягивающая материальный поток, начиная с последнего звена) производственной или
сервисной организации, основанная на:
– синхронизации работы различных подразделений предприятия, связанных технологической цепочкой;
– синхронизации графика поставок и графика производства или
процесса оказании услуг;
– периодическом анализе организации производства/оказания
услуг с целью устранения всех излишних звеньев.
Основная концепция JIT – сокращение длительности производственного цикла: сырье – детали – готовый продукт. Практическим
воплощением JIT является система управления движением материальных потоков в реальном времени «Канбан» с помощью сигнальных карточек (kanban-карточка), разработанная японскими
специалистами.
Другим примером реализации системы JIT является оптимизированная производственная технология (Optimised Production
Technology (ОРТ)). Это тянущая система организации производства и материально-технического обеспечения, разработанная израильскими и американскими специалистами («израильский Канбан»). Система OPT – это компьютеризованный вариант системы
«Канбан», с той разницей, что она предотвращает возникновение
«узких» мест в цепи «снабжение – производство – сбыт» (дефицит
ресурсов), а «Канбан» позволяет эффективно устранять уже возникшие «узкие места».
8.5. Прогнозирование и планирование
производственной мощности
Определение требуемых производственных мощностей базируется на прогнозе будущего спроса и может осуществляться двумя
способами.
Способ 1. Когда спрос на товары и услуги может быть спрогнозирован c достаточной степенью точности, планирование производственной мощности выполняется следующим образом: будущий
спрос прогнозируется традиционными методами (обычно используется регрессионный анализ), и на этой основе выполняется прямой расчет требуемой мощности.
160
Пример
Прогноз требуемых производственных мощностей.
Пусть в течение ряда прошлых лет спрос на продукцию фирмы
был устойчивым и предопределенным. Более того, он в основном
был связан с нормативной мощностью, а именно – количеством
отработанных часов в месяц (табл. 8.4). Это позволяет прогнозировать нормативную мощность с высокой степенью точности, используя простую линейную регрессию.
Таблица 8.4. Количество отработанных часов в месяц
Месяц
Нормативная мощность, часов
Январь
Февраль
Март
Апрель
500
510
514
520
Май
524
Июнь
529
Таблица 8.5. Данные для составления прогноза
Временной период
x
y
х2
xу
Январь
Февраль
Март
Апрель
Май
Июнь
1
2
3
4
5
6
500
510
514
520
524
529
1
4
9
16
25
36
500
1 020
1 542
2 080
2 620
3 174
n=6
Σх = 21
Σу = 3 097
Σx2 = 91
Σху = 10 936
На основе данных табл. 8.5 составляется прогноз требуемой нормативной мощности, например, в августе. Используя технику МНК
и данные таблицы, рассчитаем параметры а и b по формулам:
b=
(∑ xy − nXY );
(∑ x 2 − nX 2 )
a = Y – bX; y*=a + bx*;
X=
∑ x = 2 = 3,5;
n
6
161
Y=
∑ y = 3097 = 56,6;
n
b=
6
96,69
= 5,5;
7,5
а = 516,16–5,5∙3,5 = 516,16–17,32 = 496,84.
Таким образом, мощность, необходимая в августе (месяц х*= 8),
составит:
у* = а + bх* = 496,84 + 5,5∙3,5= 496,84 + 5,5∙8 = 496,84 + 44,00 =
= 540,84 ≈ 541 (часов в месяц).
Способ 2. Когда будущий спрос на товары и нормативная мощность подвержены значительным случайным воздействиям, для
принятия плановых решений применяются вероятностные модели
требуемой мощности, дальнейшая последовательность действий
аналогична способу 1.
Типичная задача для условий риска: каким должен быть размер
строящегося предприятия. Очевидно, таким, чтобы удовлетворить
будущий спрос. Основные варианты решения связаны с факторами
спроса и состояния рынка для производимых товаров. Для этого будущий рынок должен быть классифицирован (например, как благоприятный и неблагоприятный). Методика, которая может быть
эффективно использована в принятии плановых решений по мощности с неопределенным будущим, – это теория решений, которая
предполагает использование как таблиц, так и деревьев решений.
Эти инструменты требуют спецификации альтернатив и состояния
«природы» (в теории игр «природа» – игрок, который не оказывает сознательного противодействия). В случае задачи планирования
мощности состояние природы – это обычно будущий спрос или тип
рынка. Для установленных вероятностей вариантов состояния природы можно принять решение, которое максимизирует ожидаемый
результат (позиция оптимиста). Это осуществляется следующим
образом с использованием дерева решений:
1) генерируется множество альтернативных вариантов I расширения мощности;
2) определяется ожидаемый размер прибыли Р (при благоприятном рынке) и убытков L (при неблагоприятном рынке) по каждому
из вариантов;
3) определяется вероятность благоприятного р(Р) и неблагоприятного р(L) рынков, где р(Р)+р(L) = 1;
162
4) рассчитывается ожидаемый доход в денежном выражении
EMV по каждому из вариантов:
EMV(I) =р(Р) ∙ P(I) + p(L) ∙ P(I), где EMV(I) ≠ 0;
5) выбирается наиболее эффективный вариант, который дает наибольший доход EMV(I), т. е. max EMV(I).
9. Элементы прогнозирования и планирования
в современных корпоративных информационных
системах
Элементы прогнозирования и планирования содержат корпоративные информационные системы (КИС) различных уровней и
технологий управления. Ниже приводится краткий обзор существующих на сегодня КИС.
9.1. Краткий обзор систем управления бизнесом
Построение современной системы корпоративного управления –
процесс длительный, сложный и трудоемкий. И если предприятие
решается на проект внедрения КИС, то перед ним встает проблема
выбора системы, наиболее соответствующей его роду деятельности,
исторически сложившейся структуре и методам управления. Ясно,
что в процессе внедрения, который во многом представляет собой
перманентный консалтинг и последующую реорганизацию действующих бизнес-процессов, структура и система управления предприятием будут серьезно видоизменены. Однако это изменение не
должно быть ломкой рациональных устоев, которые, собственно, и
позволяли предприятию существовать весь период, предшествующий внедрению КИС. Новая информационная система должна нести в себе позитивный заряд перемен, многократно усиливающих
традиционно сильные стороны предприятия, оптимизирующих
его структуру и методы управления, ликвидирующих устаревшие,
тормозящие бизнес формы и методы руководства.
Западные аналитики различают два вида корпоративных информационных систем: Business Management Systems (BMS) – системы
управления бизнесом и Enterprise Recourse Planning (ERP) – системы планирования ресурсов предприятия.
В свою очередь, BMS-системы разбиваются на группы (табл.
9.1). В первую из них входят простые системы, предназначенные
для автоматизации малых предприятий. Системы этой группы рассчитаны на выполнение весьма ограниченного числа стандартных
бизнес-процессов и представляют собой «коробочный продукт».
Как правило, они работают на одном рабочем месте или в неболь163
ших сетях из 4–8 компьютеров. За рубежом такие системы называют «Low End PC», или локальные системы. В основном данные
системы автоматизируют бухгалтерский и/или складской учет,
как, например, «Бэст», «1C Предприятие» («Торговля и Склад»,
«Зарплата и кадры»).
Ко второй группе, называемой «Middle PC», или малые интегрированные системы, относят системы, отличающиеся большей глубиной и широтой охвата функций. Они нуждаются в настройке, которую в большинстве случаев осуществляют специалисты фирмыразработчика. В большинстве случаев они могут работать в среде
Windows NT или UNIX. Среди российских программных продуктов
к данному классу относятся «1С8», «Галактика» [12] (некоторые
функции планирования и прогнозирования которой рассмотрены в
приложении 1), «NS2000»; среди западных – «Concorde XAL».
Следующая группа систем под названием «High End PC», или
средние КИС, рассчитана на работу большого числа пользователей.
Такие системы могут применяться на средних предприятиях, не
предъявляющих высоких требований к функциональности и гибкости системы управления. В системах этой группы можно встретить описание уже сотен бизнес-процессов. Примерами является
«MFG-Pro (QAD/BMS)», «��������
Axapta��
».
Высший уровень иерархии занимают системы, которые обеспечивают планирование и управление всеми ресурсами предприятия
и строятся на основании MRP/ERP-модели, т. е. ERP-системы.
В них содержится описание тысяч бизнес-процессов. Такие системы могут иметь до 100 тысяч настраиваемых параметров, позволяющих реализовать огромное многообразие требований различных
предприятий. ERP-системы удовлетворяют большинству запросов
как средних, так и очень крупных предприятий. Они могут работать на различных платформах (Windows NT, UNIX, Solaris, AIX и
т. д.) и с различными мощными профессиональными СУБД.
На мировом рынке представлено около трех десятков полноценных ERP-систем. В основном это зарубежные системы. Среди отечественных можно назвать следующие: «Галактика», «Флагман»
(«Инфосовт»), «Парус 8.0», «1С-8.0». Затраты на создание ERPсистемы оцениваются экспертами в несколько тысяч человеко-лет
с вытекающими отсюда финансовыми и организационными затратами. Кроме того, очень важным для столь сложных информационных систем является процесс апробации на множестве предприятий. Только после нескольких десятков успешных внедрений
ERP-система может претендовать на рыночный успех, поскольку
только тогда она аккумулирует в себе достаточный опыт предмет164
ных специалистов и необходимые управленческие технологии.
Чтобы вернуть инвестиции и получить прибыль, компания-разработчик ERP-системы должна обеспечить ей высокий уровень продаж. Но рынок России и стран СНГ, даже по самым оптимистическим оценкам, не способен пока обеспечить спрос в миллиарды долларов за системы подобного класса. Это значит, что система должна
хорошо продаваться на западных рынках, прежде всего в США. Все
без исключения лидеры рынка ERP-систем смогли занять свои позиции только после успеха на самом богатом американском рынке.
Так как у нас только начинается развитие экономики предприятий
на базе MRP/ERP-моделей, то пройдет немало времени, прежде
чем в России появятся специалисты, которые научатся не только
разбираться в современных методах управления предприятиями,
но и создавать программные продукты, реализующие эти методы.
Однако ничто не препятствует уже сейчас использовать мировой
опыт применения информационных технологий для управления
предприятиями, поскольку многие из ERP-систем представлены в
России, переведены на русский язык и адаптированы к требованиям российского законодательства.
Сейчас практически все современные западные производственные системы и основные системы управления производством базируются на концепции ERP и отвечают ее рекомендациям, которые вырабатываются американской общественной организацией
«APICS», объединяющей производителей, консультантов в области
управления производством, разработчиков программного обеспечения. К сожалению, большинство российских систем управления
производством не удовлетворяют пока даже требованиям MRP, не
говоря уже обо всех остальных, более развитых концепциях.
Последний по времени стандарт CSRP (Customer Synchronized
Resource Planning) охватывает, кроме управления непосредственно предприятием, также и взаимодействие с клиентами: оформление технического задания, наряд-заказа, поддержку заказчика на
местах и пр. Таким образом, если MRP, MRP-2, ERP ориентировались на внутреннюю организацию предприятия, то CSRP включил
в себя полный цикл – от проектирования будущего изделия, с учетом требований заказчика, до гарантийного и сервисного обслуживания после продажи.
Основная суть концепции CSRP в том, чтобы интегрировать
заказчика в систему управления предприятием. То есть не отдел
сбыта, а сам покупатель непосредственно размещает заказ на изготовление продукции – соответственно, сам несет ответственность
за его правильность, сам может отслеживать сроки поставки, про165
166
1C-8.0
БОСС-Корпорация
Галактика
Парус
Супер-Менеджер
Турбо-Бухгалтер
Инфо-Бухгалтер
Квестор
Эталон
Ресурс
БЭСТ-ПРО
SyteLine (COKAП/SYMIX)
MFG-Pro (QAD/BMS)
OEBS (Oracle E-Business Suite)
Средние интегрированные
Крупные интегрированные
системы
системы (IC)
Microsoft-Business Solutions- SAP/R3 (SAP AG)
Navision, Axapta
NS-2000 Platinum PRO/MIS
Baan (Baan)
J D Edwards (Robertson &
Scala SunSystems
Blums)
BPCS (ITS/SSA)
Малые интегрированные
системы
Concorde XAL Exact
Инфософт
Инотек
БЭСТ
1C-Предприятие
Локальные системы
Таблица 9.1. Классификация рынка информационных систем
изводства и пр. При этом предприятие может очень четко отслеживать тенденции спроса и т. д.
На мировом рынке сейчас предлагается свыше 500 систем класса BMS (в том числе и системы класса MRP-2-ERP). Рынок бурно
растет (на 35–40 % каждый год). В настоящее время в России присутствуют около десятка западных систем и три-четыре отечественные информационные системы.
Следует отметить, что, помимо высоких цен, программные продукты SAP R/3 (Systems, Applications, Products in Data Processing),
Baan и Oracle Application сложны для внедрения в российских условиях: во-первых, в России элементарно не хватает специалистов
по внедрению достаточной квалификации, а во-вторых, эти системы требуют от заказчика серьезной реорганизации управления.
9.2. Современная структура модели MRP/ERP
Система ERP (Enterprise Resource Planning) – планирование
ресурсов в масштабе предприятия – состоит из набора интегрированных бизнес-применений или модулей для выполнения большинства бизнес-функций, таких как ведение бухучета, управление
запасами, планирование потребностей в ресурсах и материалах,
управление заказами и людскими ресурсами. ERP тесно связана с
заказчиками и успешно применяется в управлении цепями поставок. Такие системы обеспечивают интеграцию информации, получаемую из различных источников и направлений.
Сегодня модель MRP/ERP включает в себя подсистемы, которые
решают задачи управления запасами, снабжением, c�������������
��������������
бытом, производством, планированием, сервисным обслуживанием, цепочками
поставок, финансами.
Кратко остановимся на базовой функциональности, поддерживаемой каждой из подсистем.
Подсистема «Управление запасами»
Эта подсистема (рис. 9.1) обеспечивает реализацию следующих
функций:
1) Inventory Control – мониторинг запасов;
2) Physical Inventory – регулирование и инвентаризация складских остатков.
При решении задач управления запасами производится обработка и корректировка всей информации о приходе, движении и
расходе сырья и материалов, промежуточной продукции и готовых
изделий; учет запасов по складским ячейкам, выбор индивидуаль167
ных стратегий контроля, пополнения и списания запасов по каждой позиции номенклатуры сырья и материалов и т. д. Учитывается нормативная и текущая фактическая стоимость запасов, а также отслеживается прохождение отдельных партий запасов и серий
изготавливаемой продукции.
Подсистема «Управления снабжением»
Подсистема (рис. 9.2) реализует следующие функции:
1) Purchase Orders – заказы������������
������������������
на���������
�����������
закупку�
��������;
2) Supplier Schedules – график����������
����������������
поставок�
���������;
3) MRP – планирование потребности в материалах, понимаемое
как управление заявками на закупку.
Подсистема «Управление сбытом»
Базовыми функциями этой подсистемы (рис. 9.3) являются:
1) Sales Quotations – квотирование продаж;
2) Sales Orders / Invoices – заказы на продажу (счета-фактуры);
Планирование
Закупки
Производство
Управление качеством
Управление
запасами
Материальные
запасы
Заказы на
продажу
Сервис и
поддержка
Учет
материальных
ценностей
Рис. 9.1. Управление запасами
Требования
MRP
Заказы на
поставки
Технологическая
информация
Расписание
поставок
Накладные
Складирование
Рис. 9.2. Управление снабжением
168
Наряды
Запасы
Оплата
Потребитель
Конфигурация
продуктов
Анализ
продаж
Квотирование
продаж
График продаж
потребителям
Заказы на
продажу
Прогноз сбыта
DPR
Производство
Рис. 9.3. Управление сбытом
3) Customer Schedules – график продаж потребителям;
4) Configured Products – конфигурирование продуктов;
5) Sales Analysis – анализ продаж;
6) Distributed Resource Planning (DRP) – управления ресурсами
распределения. Подсистемы DRP нашли широкое применение в
оптовой торговле.
Подсистема «Управление производством»
В этой подсистеме (рис. 9.4) реализуются следующие функции,
соответствующие различным типам производственных процессов:
Спецификация
продуктов
Операции/
центры
обработки
Технологический
процесс
Технические
модели,
включенные
по согласованию
Управление
трудозатратами
(на уровне цеха)
Производственные
наряды
Управление
качеством
Производственный
цех
Рис. 9.4. Управление производством
169
1) Product Structures – спецификация изделий, определяющая,
какие материалы и комплектующие используются в производимом
изделии;
2) Routings/Work Centers – операции/центры переработки,
включают в себя описание цехов, участков, рабочих мест;
3) Formula/Process – технологические процессы производства
продукции с маршрутизацией по рабочим центрам для объемного
(процессного) производства;
4) Work Orders – наряд-задание (сменное задание) на производство работ для позаказного и мелкосерийного производства;
5) Shop Floor Control – управление трудозатратами (диспетчирование);
6) Repetitive – поточное производство (для серийного и массового производства);
7) Quality Management – управление качеством, т. е. описание
различных проверок изделий во время производственного процесса.
Подсистема «Планирование» в MRP/ERP
В модели MRP/ERP предусматривается сквозное планирование,
согласование и оперативная корректировка планов и действий снабженческих, производственных и сбытовых звеньев предприятия.
I уровень
Прогнозирование
II уровень
III уровень
Стратегическое планирование
(план предприятия)
Развитие
предприятия
Промышленно коммерческий
план (бизнес
планирование)
Генеральный план
график
производства
Планирование
ресурсов
MRP (планирование
потребностей в материалах)
CRP (планирование
загрузки мощностей)
Снабжение
Сбыт
DRP (планирование ресурсов
распределения)
Рис. 9.5. Иерархия планов
170
Производство
Подсистема планирования реализует следующие функции:
1) Product Line Planning (PLP) – планирование товарно-номенклатурных групп (ТНГ);
2) Master Scheduling Planning (MSP) – главный календарный
график или объемно-календарное планирование;
3) Distribution Resource Planning (DRP) – планирование распределения ресурсов (RCP);
4) Materials Requirements Planning (MRP) – планирование потребности материалов;
5) Capacity Requirements Planning (CRP) – планирование потребления мощностей.
Эту функциональность можно условно отнеси к трем уровням
планирования, показанным на рис. 9.5.
Подсистема «Управление сервисным обслуживанием»
Эта подсистема активно используется компаниями, которые
не только производят и продают свою продукцию, как, например,
производители продовольствия, но и обеспечивают послепродажное техническое обслуживание и техническую поддержку своей
продукции. Подсистема обеспечивает полный спектр необходимых
функций: от создания графика технического обслуживания, заказа комплектующих, учета контрактов на обслуживание и формирования счетов до учета прибыли, получаемой от послепродажного
обслуживания.
Подсистема «Управление цепочками поставок»
Эта подсистема предназначена для решения задач логистики,
т. е. обеспечения эффективного управления материальными и соответствующими им информационными потоками. Реализованная
идеология «управления глобальными цепочками поставок» дает
промышленным предприятиям возможность представлять свою
деятельность в виде так называемых эффективных цепочек логистики: от поставщиков сырья и комплектующих до продажи готовых изделий конечному потребителю.
Подсистема «Управление финансами»
В соответствии с идеологией MRP/ERP, эта подсистема интегрирована с остальными подсистемами и позволяет оперативно получать
информацию о финансовых потоках (движении денежных средств)
и помогает находить оптимальные финансово-экономические решения. Сквозное управление материальными потоками находит свое
отражение в управлении финансовыми потоками (рис. 9.6).
171
Расчеты
с бюджетом,
отчисления
в фонды
Регулярные
платежи (за
эл. энергию,
теплоэнергию,
телефоны и
пр.)
Финансы
Налогообложение
Денежные
средства
Зарплата
Кредиторы
Закупка
Дебиторы
Сбыт
Потребители
Поставщики
Складирование
материалов
Главная
книга
Производство
Складирование
готовой
продукции
Рис. 9.6. Обращение финансовых и материальных потоков (пунктирные линии – финансовые потоки, сплошные – материальные)
В подсистеме реализована функциональность:
1) General Ledger – главная бухгалтерская книга, предназначенная для отражения финансовых транзакций и ведения бухгалтерского учета;
2) Multiple Currency – мультивалютность, для ведения учета в
разных валютах;
3) Accounts Receivable – дебиторская задолженность;
4) Accounts Payable – кредиторская задолженность;
5) Payroll – заработная плата;
6) Cost Management – управление себестоимостью;
7) Cash Management – управление платежами;
8) Fixed Assets – учет основных средств.
Модель MRP/ERP реализована в ряде информационных систем
(ERP-систем) корпоративного уровня. Согласно статистическим
данным, полученным при анализе использования ERP-систем в
США, результатом внедрения таких систем на предприятиях является сокращение объемов запасов в среднем на 17 %, уменьшение
затрат за закупку сырья и материалов на 7 %, повышение рентабельность производства в среднем на 30 % и качества выпускаемой
продукции на 60 %. В качестве примера можно отметить, что ERP
используют такие компании, как «Kodak», «Microsoft».
172
Задания для самоконтроля
1. Задача поиска ассоциативных правил применяется для:
а) выделения классов;
б) распределения по классам;
в) определения связей между каждым объектом в отдельности;
г) определения связей между группами объектов;
д) сегментации.
2. Задача классификации:
а) применяется для определения связей между группами объектов;
б) может быть решена алгоритмом C����������������������
�����������������������
4.5 (деревья решений);
в) может быть решена алгоритмом Rprod�������������
������������������
(нейросеть);
г) может быть решена алгоритмом SOM������������������
���������������������
(карты Кохонена);
д) применяется для распределения по классам.
3. Задача регрессии:
а) применяется для определения связей между группами объектов;
б) установление выходных переменных от входных;
в) может быть решена алгоритмом Rprod�������������
������������������
(нейросеть);
г) может быть решена алгоритмом k�������
��������
-������
means�;
д) может быть решена алгоритмом SOM������������������
���������������������
(карты Кохонена).
4. Задача кластеризации:
а) применяется для сегментации;
б) может быть решена алгоритмом k�������
��������
-������
means�;
в) применяется для выделении классов;
г) может быть решена алгоритмом AprioriAll�
�����������;
д) может быть решена алгоритмом SOM������������������
���������������������
(карты Кохонена).
5. Задача последовательных шаблонов:
а) установление выходных переменных от входных;
б) может быть решена алгоритмом AprioriAll�
�����������;
в) может быть решена алгоритмом SOM������������������
���������������������
(карты Кохонена);
г) применяется для сегментации;
д) установление закономерностей между связанными во времени событиями.
6. Расставьте в порядке следования операций при прогнозировании:
а) выбор глубины погружения;
б) сглаживание, удаление шумов;
в) построение модели, получение прогноза;
г) распределение прогнозных значений по сегментам и конкретным товарам;
173
д) приведение данных к специальному виду («скользящее
окно»).
7. Расставьте в порядке следования операции экстраполяции:
а) оценка параметров аппроксимирующей зависимости;
б) расчет прогнозных значений исследуемого показателя;
в) выбор вида функции (аппроксимирующей зависимости);
г) сглаживание и выравнивание ретроспективного ряда;
д) оценка точности прогноза, расчет доверительных интервалов.
8. Расставьте в правильном порядке операции при установлении
корреляционной связи:
а) вычисление средних арифметических значений и среднеквадратических отклонений результативного и факторного признаков;
б) оценка силы связи, расчет коэффициента корреляции;
в) расчет теоретической линии регрессии;
г) выбор формы связи;
д) определение доверительных границ уравнения регрессии;
е) выбор результативного признака y и факторного признака
(переменного) х.
9. Система MRP применяется для:
а) управления спросом;
б) планирования ресурсов в масштабе всего предприятия;
в) рекомендаций по времени заказов для пополнения материальных ресурсов в производстве;
г) планирования для вычисления потребности в материальных
ресурсах на производстве;
д) управления цепочками поставок.
10. Принцип Just-In-Time реализован в:
а) MRP (Manufacturing Resources Planning);
б) DRP (Distribution resource planning);
в) Kanban;
г) ERP (Enterprise Resource Planning);
д) OPT (Optimised Production Technology);
11. Принцип Requirements/resourse planning реализован в:
а) Kanban;
б) CSRP (Customer Synchronized Resourсe Planning);
в) MRP (Manufacturing Resources Planning);
г) OPT (Optimised Production Technology);
д) JIT.
12. Затраты на содержание запаса с ростом уровня сервиса:
а) снижаются;
б) растут;
174
в) могут возрастать за счет логистического подхода;
г) могут быть снижены за счет логистического подхода;
д) имеют локальный минимум.
13. Доходы от реализации с ростом уровня сервиса:
а) падают и стабилизируются;
б) неограниченно растут;
в) растут и достигают насыщения;
г) не изменяются;
д) имеют локальный минимум.
14. Коэффициент вариации спроса от групп товаров X, Y, Z:
а) падает и стабилизируется;
б) неограниченно растет;
в) растет и достигает насыщения;
г) падает;
д) имеет локальный минимум.
15. Зависимость объема продаж от доли в ассортименте при
АВС-анализе:
а) падает и стабилизируется;
б) неограниченно растет;
в) растет и достигает насыщения;
г) не изменяется;
д) имеет локальный минимум.
16. Коэффициент вариации спроса товара мал. Ваши действия:
а) товар поставлять по JIT�
����;
б) удалить из ассортимента;
в) передать товар на центральный склад;
г) расположить возможно ближе к покупателю;
д) увеличить запасы.
17. Для какого (каких) типа кадровой политики характерно наличие обоснованных прогнозов потребностей в кадрах?
а) превентивная;
б) реактивная;
в) пассивная;
г) открытая;
д) закрытая;
е) рациональная;
ж) авантюрная.
18. Что происходит с затратами на доставку с ростом размера заказываемой партии?
а) падают;
б) растут;
в) колеблются;
175
г) не изменяются;
д) имеют локальный минимум.
19. Что происходит с затратами на хранение с ростом размера
заказываемой партии?
а) падают;
б) растут;
в) колеблются;
г) не изменяются;
д) имеют локальный минимум.
20. К задачам среднесрочного планирования относятся:
а) загрузка оборудования;
б) планирование трудовых ресурсов;
в) назначение работ;
г) диспетчирование;
д) планирование запасов.
21. На каком отрезке спроса монополист будет максимизировать
прибыль?
а) на отрезке неэластичного спроса;
б) на отрезке эластичного спроса;
в) на отрезке эластичного и неэластичного спроса;
г) ответы «а» и «в»;
д) ответы «а» и «г».
22. При внешне-ориентированном планировании:
а) менеджер управляет внешними факторами;
б) срок выполнения определяет менеджер;
в) срок исполнения определяет потребитель;
г) срок исполнения определяет ваш поставщик;
д) ответы «а» и «в».
23. При постоянном спросе:
а) среднее значение меньше стандартного отклонения;
б) среднее значение больше стандартного отклонения;
в) среднее значение может меняться;
г) требуется большой буферный запас;
д) ответы «а» и «в».
24. Функция CRP������������������������������
���������������������������������
в составе MRP����������������
�������������������
-2 предполагает:
а) планирование требований к ресурсам;
б) планирование требований к услуге;
в) планирование требований к мощности;
г) планирование резкого сокращения мощности;
д) регулирование длины очереди.
25. Каков процент стоимости запасов, относящихся к группе В,
при АВС-анализе?
176
а) 5;
б) 10;
в) 20;
г) 80;
д) 50.
26. Каков процент номенклатуры запасов, относящихся к группе С, при АВС-анализе?
а) 10;
б) 65;
г) 80;
д) 50.
27. При XYZ��������������������������������������������������
�����������������������������������������������������
-анализе в группу ��������������������������������
X�������������������������������
относят товары, спрос на которые:
а) эпизодический;
б) сезонный;
в) имеет разброс в пределах 25 %;
г) равномерный;
д) циклический.
28. нормативное прогнозирование осуществляется:
а) от общего к частному;
б) от будущего к настоящему;
в) от настоящего к будущему;
г) от частного к общему;
д) на основе нормативов.
29. Достоверность перспективной информации с увеличением
глубины планирования:
а) увеличивается;
б) уменьшается;
в) дисконтируется;
г) не изменяется;
д) по разному, в зависимости от метода планирования.
30. С увеличением горизонта ретроспекции:
а) глубина планирования уменьшается;
б) ретроспективная информация дисконтируется;
в) глубина планирования возрастает;
г) предсказательная сила падает;
д) верны ответы «а» и «б».
31. С увеличением глубины планирования при постоянной доверительной вероятности ширина доверительного интервала:
а) монотонно уменьшается;
б) монотонно увеличивается;
в) не изменяется;
177
д) имеет локальный минимум.
32. К задачам технико-экономического планирования относятся:
а) оптимизация планировок предприятий, производств, оборудования;
б) оптимизация маршрутов изготовления изделий;
в) построение плана и прогнозирование показателей развития;
г) оптимизация портфеля заказов и производственной программы;
д) календарное планирование.
33. Прогностика – это:
а) разработка прогнозов;
б) научное исследование перспектив развития какого-либо явления или процесса преимущественно с количественными оценками и
с указанием более или менее определенных сроков их изменения;
в) определение тенденций и перспектив развития тех или иных
процессов на основе анализа данных об их прошлом и нынешнем
состоянии;
г) научная дисциплина, изучающая общие принципы и методы
прогнозирования развития объектов любой природы, закономерности процесса разработки прогнозов.
34. К стоимостным показателям производственной программы
не относится:
а) объем реализации;
б) товарная продукция;
в) валовая продукция;
г) стоимость основных фондов.
35. Инфляция, если она носит непредвиденный характер, приводит к произвольному перераспределению доходов. Кто несет потери?
а) должник;
б) кредитор;
в) никто;
г) оба участника.
36. Директивное планирование:
а) разработка обязательных для осуществления показателей по
производству, распределению, обмену и потреблению;
б) полностью исключает воздействие рынка на экономику и выносит на макроуровень почти все микроэкономические решения;
в) предприятия действуют в соответствии с доводимыми им из
верхних эшелонов управления плановыми заданиями;
г) все вышеперечисленное.
178
37. В условиях рынка основным принципом реформирования
системы оплаты труда является:
а) плата, поощрение за выполненную работу, труд, выплачиваемая, как правило, в денежной форме в соответствии с количеством
и качеством труда работника, его трудовым вкладом и результатами работы;
б) государственный регламент размеров минимальной заработной платы;
в) предоставление предприятиям различных форм собственности максимальной самостоятельности в вопросах оплаты труда;
г) все вышеперечисленное.
38. Агрегирование информации можно представить как ее:
а) размножение;
б) классификацию;
в) объединение;
г) разложение.
39. Ускорение оборачиваемости оборотных средств дает возможность предприятию:
а) увеличить объем производства;
б) ускорить сбыт продукции;
в) нормировать расход материальных ресурсов;
г) все вышеперечисленное.
40. К числу факторов, определяющих объем спроса на конкретную услугу, не относится:
а) размер дохода потребителя;
б) цена на материалы для изготовления данной услуги;
в) объем предложения;
г) общее число покупателей, размер рынка.
41. Люди каких профессий относятся к специалистам?
а) бухгалтеры, экономисты, юристы;
б) секретари, техники, кассиры;
в) начальники службы безопасности.
42. Интервальным прогнозом называют:
а) прогноз, результат которого представлен в виде доверительного интервала характеристики объекта прогнозирования для заданной вероятности осуществления прогноза;
б) прогноз, результат которого представлен в виде единственного значения характеристики объекта прогнозирования без указания доверительного интервала;
в) прогноз, рассчитываемый, как правило, на перспективу, на
протяжении которой не ожидается существенных изменений ис179
следуемого объекта, и содержащий, как правило, детально-количественные оценки;
г) нет правильного ответа.
43. Какие функции государства не исключает рыночная система?
а) тотальное директивное планирование;
б) натуральное распределение производственных ресурсов и
предметов потребления;
в) всеобщий административный контроль над ценами;
г) введение обязательных стандартов, за невыполнение которых
государство принимает соответствующие санкции. Стандартами
могут быть экологические, санитарные и другие обязательные нормы.
44. Варианты прогнозов могут отличаться:
а) намеченными целям;
б) объемами ресурсов;
в) распределением капитальных вложений между экономической, социальной и научно-технической сферами;
г) различными значениями внешних (экзогенных) факторов;
д) различным набором инструментов воздействия на процессы
развития;
е) все перечисленные выше ответы.
45. Укажите верные соответствия между методами моделирования и прогнозирования:
а) метод межотраслевого баланса, используемый в прогнозировании регионального развития, – изменение основных пропорций
между комбинацией ресурсов на «выходе» и выпуском продукции
на «входе»;
б) метод межотраслевого баланса, используемый в прогнозировании регионального развития, – отображение поведения системы
вне зависимости от временного периода;
в) метод межотраслевого баланса, используемый в прогнозировании регионального развития, – отображение поведения системы
и ее изменений в течение рассматриваемого периода времени;
г) метод имитационного моделирования, используемый в прогнозировании регионального развития, – отображение поведения
системы и ее изменений в течение рассматриваемого периода времени;
д) метод имитационного моделирования, используемый в прогнозировании регионального развития, – отображение поведения
системы вне зависимости от временного периода.
46. Этап прогнозирования – это:
180
а) часть процесса разработки прогнозов, характеризующаяся
своими задачами, методами и результатами;
б) часть систематизированного описания объекта прогнозирования;
в) формирование возможных целей развития, как на общенациональном, так и на отраслевом и региональном уровнях управления;
г) один из вариантов прогноза.
47. По времени упреждения или временному горизонту все прогнозы подразделяются на:
а) общие и частные;
б) количественные и качественные;
в) оперативные, краткосрочные, среднесрочные, долгосрочные,
дальнесрочные;
г) краткосрочные, среднесрочные, долгосрочные.
48. Директивное планирование – это:
а) решение вопросов о количестве и качестве производимого товара (услуги), объеме используемых ресурсов, затратах на труд и
капитал, объеме оплаты труда и т. д.;
б) обязательное планирование;
в) планирование, в основе которого лежит контроль за производством и распределением из единого источника;
г) процесс принятия управленческого решения, основанный на
разработке исходной информации и включающий в себя выбор и
научную постановку целей, выбор средств и путей их достижения
посредством сравнительной оценки альтернативных вариантов и
выбора наиболее приемлемого из них в ожидаемых условиях развития.
49. Прогноз НТП тесно связан с:
а) инновационной деятельностью;
б) сбалансированностью технико-экономических, эколого-экономических, социально-экономических, экономико-демографических показателей развития и размещения производительных сил;
в) прогнозом природных ресурсов и зоологическим прогнозом;
г) все вышеперечисленные ответы.
50. Производственный или социальный результат расходования
ресурсов носит название:
а) производственное потребление продукции, вещей, благ, товаров, услуг в целях удовлетворения потребностей;
б) непроизводственное потребление продукции, вещей, благ, товаров, услуг в целях удовлетворения потребностей;
181
в) потребность в использовании продукции, вещей, благ, товаров, услуг в целях удовлетворения потребностей;
г) потребление, использование, употребление, применение продукции, вещей, благ, товаров, услуг в целях удовлетворения потребностей.
51. В состав минимального потребительского бюджета входят:
а) товары, входящие в соответствующие потребительские корзины;
б) услуги, входящие в соответствующие потребительские корзины;
в) минимальная пенсия по старости;
г) МРОТ;
д) все перечисленные выше ответы.
52. Безработицу, скорее всего, сократит:
а) снижение налогов;
б) увеличение вакансий на рабочих местах;
в) социальная защита;
г) увеличение заработной платы;
д) все перечисленные выше ответы.
53. Индикативное планирование – это:
а) процесс разработки и реализации прогнозов, программ и бюджета, носящих предупредительный характер и обеспечивающих
управляемость экономических процессов посредством координации действий хозяйствующих субъектов и государства и ориентирование хозяйствующих субъектов на достижение целей социально-экономического развития;
б) процесс разработки и реализации прогнозов, программ и бюджета, носящих рекомендательный характер и обеспечивающих управляемость экономических процессов посредством координации
действий хозяйствующих субъектов и государства и ориентирование хозяйствующих субъектов на достижение целей социальноэкономического развития;
в) процесс разработки и реализации прогнозов, программ и бюджета, носящих адресный характер и обеспечивающих управляемость экономических процессов посредством координации действий хозяйствующих субъектов и государства и ориентирование хозяйствующих субъектов на достижение целей социально-экономического развития;
г) процесс разработки и реализации прогнозов, программ и
бюджета, носящих обязательный характер и обеспечивающих управляемость экономических процессов посредством координации
действий хозяйствующих субъектов и государства и ориентиро182
вание хозяйствующих субъектов на достижение целей социальноэкономического развития.
54. Укажите верные соответствия между перечнем профессий и
промышленно-производственым персоналом:
а) служащий – юрист;
б) руководитель – начальник службы безопасности;
в) служащий – чертежник;
г) руководитель – юрист.
55. Главный фактор неопределенности показателей прогнозирования в России:
а) платежный баланс;
б) плохое развитие НТП;
в) макроэкономика;
г) все вышеперечисленные ответы.
56. Прогностика (футурология) – это:
а) наука о законах и способах разработки прогнозов;
б) наука принципах, методах и средствах (инструментах) научного прогнозирования;
в) теория и практика прогнозирования;
г) проекция (визуализация) прогнозируемого объекта в будущем.
57. Эконометрическая модель служит для объяснения поведения:
а) экзогенных переменных в зависимости от лаговых эндогенных переменных;
б) предопределенных переменных в зависимости от лаговых экзогенных переменных;
в) эндогенных переменных в зависимости от экзогенных переменных;
г) эндогенных переменных в зависимости от лаговых эндогенных переменных.
183
Литература
1. Аналитическая платформа Deductor 4: руководство пользователя. М.: BaseGroup Labs, 2005. 101 с.
2. Андронов С. А. Методы оптимального проектирования: текст
лекций. СПб.: ГУАП, 2001. 169 с.
3. Андронов С. А. Проектирование процессов оказания услуг:
текст лекций. СПб���������������������
.: ГУАП��������������
������������������
, 2007. 164 с�
��.
4. Андронов С. А. Промышленная логистика: текст лекций. СПб.:
ГУАП, 2007. 285 с.
5. Андронов С. А., Макарчук Н. В., Макарчук А. В. Менеджмент в
проектной деятельности: учеб. пособие. СПб.: ГУАП, 2001. 125 с.
6. Андронов С. А., Пиль Э. А. Системы управления проектами: MS
Project 2002: методические указания к выполнению лабораторных
работ и индивидуальных заданий. СПб.: ГУАП, 2007. 137 с.
7. Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и
управление. Вып. 1. М.: Мир, 1973. 408 с.
8. Отнес Р., Эноксон Л. Прикладной анализ временных рядов:
основные методы: пер. с англ. М.: Мир, 1982. 428 c.
9. Платонова Н. А., Харитонова Т. В. Планирование деятельности предприятия: учеб. пособие. М.: Дело и Сервис, 2005. С. 17.
10. Производственный менеджмент: учебник / под ред. В. А.
Козловского. М.: ИНФРА-М, 2005. 574 с.
11. Bowersox D. J., Closs D. J., Helferich O. K. Logistical Management. 3-�����������������������������������
�������������������������������������
rd���������������������������������
ed������������������������������
��������������������������������
. Mc��������������������������
����������������������������
. Millan������������������
������������������������
Publishing�������
�����������������
, 1991.
12. http��������������������
������������������������
://�����������������
www��������������
.�������������
galaktika����
.���
ru�.
184
Приложение
Производственное планирование
в программном комплексе «Галактика»
1. Оперативное планирование в системе «Галактика»
В модуле Управление заказами ведется два типа сбытовых заявок от покупателей:
♦ заявки на поставку от оптовых покупателей. Спецификация
заявки от конкретного покупателя содержит прогнозную номенклатуру и объемы на заданный период, причем данные объемы могут быть не подтверждены договорами. Обычно такие заявки формируются на месяц только от оптовых покупателей (по одной от
покупателя) и могут не меняться в течение месяца. Перечень таких
заявок составляет основу прогнозного спроса на продукцию на месяц – не только от даты начала месяца, но и от любой другой текущей даты месяца (например, при расчете прогноза на месяц вперед
от 20 числа текущего месяца). Если производство ведется только по
заказу (например, единичное производство), то заявки такого типа
в систему не вводятся;
♦ оперативные заявки на поставку продукции. Спецификация
заявки содержит номенклатуру и объемы, по каждой позиции предполагается согласованная дата исполнения (дата отгрузки). Такие
заявки обычно поступают ежедневно, в том числе и от оптовых покупателей в рамках (или за рамками) прогнозных объемов.
Все плановые изменения по заявкам (даты, объемы) оперативно
вносятся и корректируются вручную, отгруженные позиции и заявка в целом переводятся в соответствующий статус. Статус заявки
рекомендуется устанавливать из корневого значения как исполняемый, тогда при изменении дат заголовка аналогичные даты позиций по запросу устанавливаются равными датам заголовка.
Первоначально даты исполнения в оперативных заявках ставят
предварительные. После расчета в Плане-графике отгрузок (см.
рис. П1) балансов приходов и расходов даты корректируются.
Расчет балансов производится следующим образом. Допустим,
сегодня 3 января. В системе «Галактика» это выполняется следующим образом.
1. Открыть редактирование плана-графика (см. рис. П1), на
вкладке Настройка представлений ставим фильтр по Типу периода – день, Дата привязки – 03 января, Количество – например,
185
31 день, т. е. оперативное планирование ведем на 31 день вперед от
текущей даты.
По комбинации клавиш Alt+A в спецификации плана необходимо установить данные текущего, затем очистить все поля текущего
представления, начиная с 3 января. При этом объекты планирования остаются. Кроме того, остаются данные за прошлые дни. Для
ускорения расчетов не рекомендуется в оперативном документе
хранить слишком «длинную» историю.
2. По актуальным заявкам (исполняемым позициям) рассчитываем поле По заявкам в режиме Существующие позиции – оставлять, Рассчитанным значением – добавить к существующему, с
привязкой к полю По заявкам.
3. По актуальному плану-графику запуска-выпуска продукции
рассчитываем поле Производство в режимах Существующие позиции – оставлять, Рассчитанным значением – добавить к существующему, Метод определения входимости – по конечной дате с
учетом типа периода (тогда объемы будут копироваться в даты выпуска), Тип периода – день, Количество – 31.
4. В поле Ост.н. (остаток начальный) рассчитываем наличие на
сегодня, т. е. только на дату 3 января.
5. Рассчитываем Ост.н. (по текущему фильтру, в режиме Арифметические операции) для последующих дней. Кроме того, по формуле представления Field_4 = Field_1 + Field_2 – Field_3 рассчитываются Ост.к. (остаток конечный).
Рис. П1. План-график отгрузок
186
Далее начинаем просматривать поле Ост.к. по дням (отрицательные остатки автоматически подкрашиваются) или по позициям спецификации (рис. П2) – по Ctrl+F3.
По отрицательным остаткам есть две возможности: изменить
даты позиций входящих заявок, сделать заказ производству на
изготовление.
Изменить даты позиций заявок можно прямо из плана. Переходим в представление плана в поле По заявкам на день с отрицательным Ост.к., у нас это 13 января. По локальному меню представления Просмотр связей открываем окно связей позиции плана
с заявками (см. рис. П3).
Смотрим, какие заявки привязаны к полю, заходим в заявки
и меняем даты исполнения – только в позиции или в заголовке и
по запросу в позициях. После корректировки дат необходимо, как
минимум, сделать пересчет по входящим заявкам, предварительно
отвязав объемы из поля По заявкам и очистив вкладку Входящие
от заявок. После пересчета по заявкам пересчитать балансы и остатки.
Заказ производству предлагается формировать в отдельном документе – Оперативная заявка сбыта – плане сбыта с плоским
представлением; в спецификации указывается приоритет и плановая дата окончания. Данный документ может быть один, после очередного расчета в заголовке ставится новая дата и статус к
рассмотрению. Соответственно, при очередном пополнении плана-
Рис. П2. Просмотр балансов по дням
187
Рис. П3. Просмотр связанных заявок
графика запуска-выпуска продукции данные в него копируются из
Оперативной заявки сбыта. После корректировки дат заявок из
документа План-график отгрузок можно по полю Ост.к. сформировать Excel-отчет, проанализировать его и вручную скорректировать последний вариант Оперативной заявки сбыта.
2. Прогнозирование в системе «Галактика»
Теперь рассмотрим процессы прогнозирования. Как уже отмечалось выше, в системе поддерживаются актуальные Заявки на поставку от оптовых покупателей, в которых обозначены прогнозные
объемы закупок на период (обычно месяц). Перечень таких заявок
составляет основу прогнозного спроса на продукцию на месяц от текущей даты.
После очередного расчета плана-графика запуска-выпуска производится пересчет плана сбыта (прогноз) (см. рис. П4).
Спецификация и поле По заявкам рассчитываются по актуальным прогнозным заявкам, поле Прогноз рассчитывается через
повышающий коэффициент к полю По заявкам. Спецификация и
поле В плане рассчитываются по позициям Плана-графика запуска-выпуска по Дате окончания.
Далее рассчитывается текущее Наличие и поле К расчету = Прогноз – Наличие – В плане. Затем по объемам К расчету рассчиты188
Рис. П4. План сбыта
вается Перспективный план запуска-выпуска продукции и полуфабрикатов.
Далее в документе плана-графика в режиме Расчет потребностей в материальных ресурсах рассчитываются потребности в покупных (один уровень разузлования, только покупные) отдельно
по плановым позициям Операционного плана и позициям Перспективного плана.
Представление-приемник – период (день), Метод определения
входимости – по начальной дате с учетом типа периода, т. е. потребности рассчитываются на дату запуска операции или полуфабриката.
При расчете по операциям надо выбрать опцию Анализировать
при расчете аналитики документов-источников. Необходимо
учитывать аналитику Работа (Операция), Режим расчета и далее – требуемую опцию, например, по всем последующим работам.
Затем войти в Операционный план, отсортировать операции по дате
запуска и статусу, встать на последнюю выполненную операцию и
запустить алгоритм.
Понятно, что расчет потребностей на дату запуска полуфабриката грубее расчета по операциям. Однако при прогнозировании
такая точность обычно оказывается достаточной.
Далее потребности (спецификация и объемы по дням) копируются в аналогичный документ – Сводный план график МТО, представление Период (день). В нем производятся расчеты наличия на
189
190
Рис. П5. План закупок материалов и комплектующих
текущую дату, остатков на начало и конец дня с учетом сделанных
заявок на закупку, т. е. балансы.
Далее в отдельном поле рассчитываются остатки на начало дня с
нарастающим итогом от текущей даты и в соседней колонке – значение Минимального запаса (копируется из справочника КПН).
Данные выводятся в Excel-отчет. На основании этих данных формируется очередной План закупок по поставщикам – план МТО
с плоским представлением и аналитикой объекта планирования
Поставщики, причем в полях представления рассчитываются не
только объемы, но и стоимость ресурсов по ценам из прайс-листа
или каталога цен. Далее с помощью алгоритма JavaScript в колонке представления можно рассчитать для каждого поставщика состояние взаиморасчетов на дату (рис. П5).
191
Учебное издание
Андронов Сергей Александрович
Прогнозирование
и планирование в сервисе
Текст лекций
Редактор В. А. черникова
Верстальщик С. Б. Мацапура
Сдано в набор 22.02.08. Подписано к печати 16.04.08.
Формат 60×84 1/16. Бумага офсетная. Печать офсетная.
Усл. печ. л. 11,2. Уч.-изд. л. 12,3. Тираж 100 экз. Заказ №
Редакционно-издательский центр ГУАП
190000, Санкт-Петербург, Б. Морская ул., 67
Документ
Категория
Без категории
Просмотров
0
Размер файла
3 081 Кб
Теги
andronova, 05c705014b
1/--страниц
Пожаловаться на содержимое документа