Раздаточный материал - 2014 логистика_1 / 04.6 - Управленческие уроки

8

4.6. Управленческие уроки (Managerial lessons)

Теперь, когда мы подробно представил ход реализации newsvendor модели, стоит сделать шаг назад и рассмотреть управленческие уроки, с вытекающими из них последствиями.

Что касается процесса прогнозирования, есть три ключевых урока.

• (1) Для каждого продукта, недостаточно иметь просто прогноз ожидаемого спроса. Нам также необходим прогноз вариабельности спроса. Эта неопределенность в прогнозе задается через стандартное отклонение спроса.

• (2) Важно отслеживать фактический спрос. Две распространенные ошибки, сделанные по отношению к этому вопросу.

  • Во-первых, не забывайте, что реальный спрос может быть больше, чем фактические продажи из-за нехватки запасов. Если невозможно отслеживать реальный спрос при наличии дефицита, то вы должны попытаться разумную оценку фактического спроса.

  • Во-вторых, фактический спрос включает в себя потенциальные продажи только по обычной цене. Если вы продали 1000 единиц в предыдущем сезоне, но 600 из них были проданы по сниженной цене в конце сезона, то фактический спрос ближе к 400, чем к 1000.

• (3) Необходимо отслеживать прошлые прогнозы и ошибки прогноза для оценки стандартного отклонения спроса. Без данных о прошлых прогнозах и ошибках прогнозов очень трудно выбрать разумное стандартное отклонение. Достаточно трудно прогнозировать среднее значение распределение, но прогнозирование стандартное отклонение распределения почти невозможно только с использованием "шестого чувства".

К сожалению, многие фирмы не в состоянии поддерживать данные, необходимые для правильной реализации newsvendor модель. Они не записывают данные, потому что по своей природе считают нежелательной задачей отслеживать ошибки прошлого: Кто хочет иметь постоянную регистрацию больших нестыковок прогнозирования? Кроме того, фирмы могут не осознавать важность таких данных и, следовательно, не тратят усилия для ведения записи.

Есть также ряд важных уроков из процесса выбора размера заказа

(1) Размер заказа, максимизирующий ожидаемую прибыль, как правило, не равен ожидаемому спросу.

• Если Underage Cost больше Overage Cost (то есть, это дороже потерять продажи, чем иметь остатки запасов), то заказа, максимизирующий прибыль, будет больше ожидаемого спроса. (Поскольку критическое отношение больше, чем 0,50).

• С другой стороны, некоторые продукты могут иметь Overage Cost больше, чем Underage Cost. Для таких продуктов, это лучше заказать меньше ожидаемого спроса.

(2) Решение о размере заказа должно быть отделено от процесса прогнозирования. Цель процесса прогнозирования заключается в разработке лучшего прогноза спроса на товар и, следовательно, должны действовать без связи с решением об объеме заказа.

• Это может быть неприятно для некоторых фирм. Представьте, что отдел маркетинга тратит значительные усилия для разработки прогноза, а затем оперативный отдел решает заказать выше прогноза. Отдел маркетинга может почувствовать, что их усилия игнорируются или их экспертизы являются вторичными. Кроме того, они могут быть обеспокоены тем, что они будут нести ответственность, что вся продукция продана, даже если их прогноз был более консервативным.

• Разделение процесса прогнозирования и решения количество заказов также подразумевает, что два продукта с одинаковым средним значением прогноза могут иметь различную ожидаемую прибыль, максимизируемую размером заказа, либо потому, что они имеют разные критические соотношения или потому, что они имеют различные стандартные отклонения.

(3) Явные издержки, не следует преувеличивать относительно возможных затрат. Избыток запасов в конце сезона отражает явные затраты из-за несоответствия спроса и предложения, в то время потерянные продажи отражают только возможные затраты. Преувеличение роли явных издержек вызовет у вас желание заказать меньше, чем необходимо для максимизации прибыли от размера заказа.

(4) Важно признать, что выбор размера заказа, максимизирующего ожидаемую прибыль только одна возможная цель. Это очень разумная цель, но могут возникнуть ситуации, в которых менеджеры, возможно, пожелают рассмотреть альтернативные цели.

• (A) Например, максимизации ожидаемой прибыли мудрое решение, если вас не особенно беспокоит вариабельность прибыли. Если вы имеете много различных продуктов, так что прибыль от любого продукта не может быть причиной неоправданных трудностей для фирмы, то максимизации ожидаемой прибыли является хорошей целью принять.

• (B) Но если вы Start-Up компания с одним продуктом и ограниченным капиталом, то вы можете быть не в состоянии пережить значительную потерю прибыли. В ситуациях, когда изменчивость прибыли существенна, целесообразно заказать меньше, чем при максимизации прибыли путем выбора размера заказа.

• (C) Ожидаемая прибыль цель также не учитывает в явном виде уровень обслуживания клиентов. Например, для Hammer 3/2 при выборе размера заказа на максимизацию прибыли, Fill Rate составляет около 95 процентов, а In-Stock probability составляет около 78 процентов. Некоторые менеджеры могут считать, что это неприемлемый уровень обслуживания клиентов, опасаясь, что неудовлетворенные клиенты перейдут к конкуренту.

(5) Finally, while it is impossible to perfectly match supply and demand when supply must be chosen before random demand, it is possible to make a smart choice that balances the cost of ordering too much with the cost of ordering too little. In other words uncertainty should not invite ad hoc decision making

ОБЩИЙ итог

Модель Newsvendor является инструментом для принятия решения, когда есть дилемма "слишком много - слишком мало": если ставка слишком велика, то есть потери (например, оставшиеся запасы), но если ставки слишком мала, то есть другие потери (например, потерянные продажи).

Чтобы сделать этот компромисс эффективным, необходимо иметь прогноз спроса. Но не достаточно просто иметь сам прогноз, необходимо знать о потенциальных вариациях прогноза (неопределенности).

Существует размер заказа, который максимизирует ожидаемую прибыль, но этот размер заказа может привести к низкому уровню обслуживания клиентов. Другими словами, существует компромисс между прибылью и обслуживанием. Эта альтернатива показано на рисунке внизу. Модель Newsvendor оптимального размера заказа приводит к результату слева вверху (максимальная ожидаемая прибыль), но если мы перемещаемся вниз и вправо вдоль кривой, то получаем более высокий уровень сервиса, хотя и на более низком уровне прибыли.

Мы видим, что достижение очень высокого значения In-Stock probability может быть довольно дорогим, а поскольку кривая является относительно плоской на ее вершине, то это делает возможным увеличение уровня сервиса без особого снижения уровня прибыли. Эта кривая позволяет менеджеру определить правильное положение для фирмы.

Рис 4.7. Компромисс между прибылью и уровнем обслуживания для модели Hammer 3/2. Кривая взаимосвязи между in-stock probability и expected profit построена для оптимального размера заказа - 4,101 единиц.

NEWSVENDOR Модель (обозначения и формулы)

Q = Order quantity

C_u - Underage cost C₀ = Overage cost Critical ratio =Cu/(Cu+Co)

Нормальное распределение

μ = Expected demand δ = Standard deviation of demand

F(Q): Distribution function

Ф(Q): Distribution function of the standard normal

Прогноз

Expected actual demand = Expected A/F ratio * Forecast

Standard deviation of actual demand = Standard deviation of A/F ratios * Forecast

Expected profit-maximizing order quantity: F(Q) = Cu/(Cu+Co)

======================================================================

Другие показатели

(1) Expected Lost Sales

Z= (Q-μ)/δ

L(z) = Expected lost sales with the standard normal distribution

Expected lost sales = δ * L(z)

Excel:

Z= (Q-μ)/δ

Expected lost sales = δ * (Normdist(z,0,1,0) - z * (1 - Normsdist(z)))

(2) Expected sales = μ - Expected lost sales

(3) Expected leftover inventory = Q - Expected sales

(4) Expected profit = [(Price - Cost) x Expected sales] -

- [(Cost - Salvage value) * Expected leftover inventory]

(5) Fill rate = Expected sales/μ

(6-1) In-stock probability = F(Q)

(6-2) Stockout probability = 1 - In-stock probability

Excel:

z = Normsinv (Target in-stock probability)

In-stock probability = Normsdist(z)

======================================================================

(A1) Поиск по заданному значению FILL Rate – размера заказа:

Непрерывная функция L(z) = µ/σ * (1 – Fill Rate) Найдем значение z-statistic, используя Standard Normal Loss Function Table, которое соответствует значению L(z). Если значение L(z) находится между двумя значениями в таблице, то выберем большее из них. Преобразовываем значение z-statistic в размер заказа, который удовлетворяет требуемому значению Fill Rate: Q = µ + Z*σ

Дискретная функция Рассчитаем целевое значение «expected lost sales»: Expected lost sales = µ * (1 -Fill rate) Найдем размер заказа по таблице значение «expected lost sales table», которое соответствует найденному значению «expected lost sales». Если значение находится между двумя значениями в таблице, то выбираем большее из них

(A2) Поиск по заданному значению In-Stock Probability – размера заказа

Непрерывная функция: Находим значение z-statistic в таблице Standard Normal Distribution Function Table, которое удовлетворяет целевому значению in-stock probability: Ф(z) = In-stock probability Если значение «in-stock probability» находится между двумя значениями z в таблице, то выбирается большее из них. Используя Excel, значение z можно найти, используя следующую формулу: z = Normsinv (ln-stock probability). Преобразовываем выбранное значение z-statistic в размер заказа, удовлетворяющий целевому значению «in-stock probability»: Q = µ + Z*σ Или НОРМОБР (In-Stock Probability, μ, δ)

Дискретная функция Если прогноз спроса задан дискретной функцией распределения (как эмпирическая функция распределения), то необходимо найти размер заказа в таблице, как F(Q) = In-stock probability. Если значение «in-stock probability» находится между двумя значениями в таблице, то выбирается больший размер заказа