ОБОБЩеннаЯ мОделЬ авС-анализа реСУрСОв в задаЧаХ

Склад. Управление запасами
ОБОБЩЕННАЯ МОДЕЛЬ АВС-АНАЛИЗА РЕСУРСОВ
В ЗАДАЧАХ ЛОГИСТИКИ
ЕВГЕНИЙ
ЗАЙЦЕВ
Санкт-Петербургский
филиал НИУ ВШЭ,
заведующий
научной
лабораторией
исследований
в области логистики,
д.э.н.
Введение
АВС-анализ ресурсов — один из базовых инструментов
современной логистики. Проблемы логистики во многом
связаны с проблемами управления запасами материалов,
товаров, специалистов, клиентов, услуг и их потребителей,
информации, финансовых активов, видов деятельности и др.
Причем с развитием логистики, особенно в форме глобальных цепей поставок, эта связь становится все сложнее, многограннее и все в большей степени влияет на эффективность
деятельности компаний. В настоящее время в силу развития
рынка потребителя появилось новое поколение клиентов
логистических компаний, весьма чувствительных к времени
исполнения заказов. Это привело к появлению еще одного
очень важного для устойчивости бизнеса в логистике ресурса — времени исполнения заказа. Очевидно, что эффективность работы логистических компаний сегодня во многом
определяется качеством управления этими разнообразными
ресурсами, что требует совершенствовании моделей и технологий планирования их потребности по мере изменения
структуры и формы рынка логистических услуг. Несомненно, требуют совершенствования и методы ранжирования и
группировки ресурсов, известные как ABC- и XYZ-анализ.
Отметим, что технология АВС-анализа почти не менялась в
течение 100 лет. Что касается применяемой на практике в РФ
технологии XYZ-анализа, то ее корректность вызывает сомнение. Кстати, это отмечают и авторы работы, посвященной
проблема управления запасами, не обнаружившие источник
этой технологии [3].
Краткий анализ публикаций
АВС-анализ — один из распространенных инструментов
повышения эффективности управления запасами и качества
обслуживания потребителей [1]. В работе [11] сама аббревиатура ABC расшифровывается как Always Better Control (дословно: всегда лучший контроль). Тема АВС-анализа часто
присутствует в публикациях как отечественных, так и зарубежных специалистов, но она по-разному представляется и
интерпретируется в содержательном плане. Прежде всего
следует отметить разнообразие критериев ранжирования.
АННОТАЦИЯ
В статье рассмотрен алгоритм совершенствования классического
АВС-анализа запасов в логистике. Особенностью алгоритма
является ранжирование товаров по разным критериям. Другой
особенностью алгоритма является группировка товаров по темпу
прироста показателей ранжирования.
КЛЮЧЕВЫЕ СЛОВА
Логистика, управление запасами, АВС-анализ, запасов, расчет
параметров.
24
На основе анализа публикаций критерии можно разделить
на два типа. Простые, однозначно определяемые (стоимость,
частота спроса, объем продаж, выручка и др.) и сложные,
вычисляемые с помощью простых (затраты, доход, прибыль,
рентабельность и др.) [6–10]. Сложных критериев может быть
много, поскольку они формируются с помощью простых.
Пример использования сложного критерия — АВС-анализ по
суммарным затратам (издержкам) при определении номенклатуры критических по надежности деталей техники (ДКН)
[4]. Критерий ранжирования и группировки деталей рассчитывают с учетом затрат на приобретение и хранение деталей,
ремонт и материалы, упущенной выгоды от простоя техники.
При этом уже достаточно известная используемая модель
анализа основана на группировке по среднему темпу прироста издержек.
В работе [2] рассмотрен оригинальный способ формирования сложного критерия путем свертки частных критериев
(закупочной цены, рентабельности продаж, периода оборота
номенклатурных позиций) в один обобщенный с помощью
задаваемых весовых коэффициентов. Позиции группируются
по среднему темпу прироста критерия, как в работе [4].
АВС-анализ используется и для решения задач ассортиментного планирования в розничной торговле. В работе [6]
оценка эффективности товаров осуществляется по трем критериям: выручке, валовой прибыли и частоте покупок. Ранжирование и группировка товаров основаны на информационной системе аналитического класса.
Пример классического ABC-анализа, основанного на принципе Парето 80/20, приведен в работе [8]. Используемый в
нем способ группировки можно отнести к интуитивному, применимому в случаях явно различимых по выбранному критерию номенклатурных позиций. На практике такое возможно,
например, при малом объеме выборки или при существенно
неоднородной номенклатуре объектов. Интересно, что в приведенном примере [8, с. 294] результат такой группировки
совпадает с группировкой по среднему темпу прироста стоимости товаров.
Проблемы
Из анализа эволюции ABC-технологии [3], публикаций
и опыта практических расчетов при формировании номенклатурных групп следует, что ключевой проблемой остается
определение границ групп. Проблемными остаются и вопросы учета динамики критериев, неопределенности спроса и
лингвистической неопределенности критериев, многомерных
группировок (многомерный АВС-анализ).
Динамический АВС-анализ основан на учете влияния временного фактора на структуру и размеры выборки для анализа (периода наблюдения). Анализируемые номенклатурные
позиции могут мигрировать из одной группы в другую. Это
связано с разными обстоятельствами — сезонностью, жизненным циклом товара, экономической ситуацией на рынке,
модой и т.п. Иначе говоря, необходим АВС-мониторинг, который позволит выявить устойчивый тренд миграции и принять
необходимые управленческие решения. В какой-то степени
эта проблема отражена в модели XYZ-анализа ресурсов по
степени контролируемости и управляемости [13]. Отметим,
ANNOTATION
In paper the algorithm of perfection classical АВС-analysis of stocks in
logistics is considered. Feature of algorithm is ranging the goods
by different criteria. Other feature of algorithm is the grouping
of the goods on rate of a gain of parameters of ranging.
KEY WORDS
Logistics, inventory management, ABC-analysis, calculation of parameters.
www.logistika-prim.ru 2014 N2
Алгоритм
Модель
1. Средний темп роста R
Рисунок 1. Графический способ формирования групп
.
2. Нормировка
.
3. Ранжирование
.
4. Кумулята (%)
5. Группа A:
.
.
— количество товаров группы и соответствующее этой группе значение показателя в % по кумулятивному ряду WA.
6. Группа В:
.
что это не тот XYZ-анализ, который используется в РФ и
Польше [12] для оценки неопределенности спроса по коэффициенту вариации.
Проблема критерия неопределенности спроса не так
проста, как она описывается в XYZ-анализе по коэффициенту вариации, значение которого сильно зависит от периода
наблюдения (размера выборки). В многомерной (3D) модели
АВС-анализа компании Toyota одним из критериев, характеризующих неопределенность спроса, является точность
прогноза потребности в той или иной номенклатурной позиции [5]. Измерителем точности прогноза может служить,
например, относительная ошибка или относительный доверительный интервал прогноза. Впрочем, для интервального
прогноза требуется информация о динамике показателей или
результатах экспертного оценивания.
Проблема лингвистической неопределенности связана со
смысловым разнообразием используемых критериев, например, в разновидностях АВС-анализа [11]:
 VED Analysis (Vital, Essential, Desirable);
 FSN Analysis (Fast, Slow moving, Non-moving);
 SDE Analysis (Scarce, Difficult, Easy);
 HML Analysis (High, Medium, Low).
АВС-алгоритм ранжирования и группировки
по темпу роста критерия
Алгоритм и графическая модель АВС анализа по темпу
роста выбранного показателя (критерия) представлены в таблице 1. Обычно используют графический способ определения
границ групп, проводя касательные к выпуклой кумулятивной
кривой, параллельные прямым линиям, соединяющим границы анализируемой номенклатуры. Впрочем, аналитический
расчет и удобнее и точнее.
Отметим, что главное в этом алгоритме группировки — интерпретация смысла этих прямых линий. Линия 0–N определяет средний темп роста критерия по всей номенклатуре
товаров. Параллельная ей линия, касательная к кумулятивной кривой, определяет границу группы А, в которую входят
товары с темпом роста критерия выше среднего. Аналогично
анализируется оставшаяся после исключения группы А номенклатура. Таким образом можно разбивать номенклатур-
2014 N2 www.logistika-prim.ru
ный ряд на разное, задаваемое число групп (А–В–С–D–E...).
При этом для каждой группы определяется свой средний
темп роста критерия.
Обобщенная модель отличается от рассмотренной возможностью задавать любой темп роста критерия для каждой
группы. Пусть
— средний темп роста критерия (n — количество номенклатурных позиций). Тогда задаваемый темп можно определить
по формуле:
где k > 1 — темп выше среднего, 0 < k < 1 — темп ниже среднего.
Если задается темп роста на 10% выше среднего, получаем:
Или на 20% ниже среднего:
С учетом изложенного алгоритм АВС-группировки будет
выглядеть следующим образом.
1.Пусть Rj — вариационный ряд критерия в %,
kA, kB — коэффициенты изменения среднего темпа роста
критерия для групп А и В соответственно.
2.Темп роста критерия для группы А .
3.Группа А. В группу входят все позиции, для которых
По отсортированному в порядке убывания вариационному ряду Rj определяется количество номенклатурных позиций в группе nA , а по кумулятивному ряду — их доля РА в %.
4.Группа В. Вычисляется средний темп для остатка номенклатуры после исключения группы А
Темп роста критерия для группы
В группу входят все позиции, для которых .
По отсортированному в порядке убывания вариационному ряду Rj определяется количество номенклатурных позиций в группе nВ, а по кумулятивному ряду — их доля РВ в %.
25
Склад. Управление запасами
Таблица 1
ABC-анализ N товаров по показателю R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
26
Исходные данные
690
53490
706
232567
656
228691
492
228691
312
48296
240
46513
845
327532
1028
318811
1500
290709
375
49420
840
48839
417
48451
337
195744
714
193806
960
74421
600
69770
262
65894
224
58142
2417
6744444
3250
6046743
1667
3876117
421
55428
1428
276755
508
236443
610
236443
2012
233924
462
232567
200
193806
225
174425
400
155045
291
124036
276
641885
274
636846
210
634133
253
87213
2000
77522
39200
75972
250
193806
600
58142
36923 2790804
433
251948
312
144967
17550 1360517
5620
653513
900
104655
1174
104655
24000
93027
245
625993
601
349626
86
46513
19
20
21
40
43
44
32
33
34
48
49
7
8
9
23
41
24
25
26
2
27
3
4
13
14
28
38
29
30
42
31
45
46
47
35
36
37
15
16
17
18
39
22
1
10
11
12
5
6
50
Результаты расчета
6744444 22,41 22,41
6046743 20,09
42,5
3876117 12,88 55,38
2790804 9,27
64,65
1360517 4,52
69,17
653513
2,17
71,34
641885
2,13
73,47
636846
2,12
75,59
634133
2,11
77,7
625993
2,08
79,78
349626
1,16
80,94
327532
1,09
82,03
318811
1,06
83,09
290709
0,97
84,05
276755
0,92
84,97
251948
0,84
85,81
236443
0,79
86,59
236443
0,79
87,38
233924
0,78
88,16
232567
0,77
88,93
232567
0,77
89,7
228691
0,76
90,46
228691
0,76
91,22
195744
0,65
91,87
193806
0,64
92,52
193806
0,64
93,16
193806
0,64
93,8
174425
0,58
94,38
155045
0,52
94,9
144967
0,48
95,38
124036
0,41
95,79
104655
0,35
96,14
104655
0,35
96,49
93027
0,31
96,8
87213
0,29
97,09
77522
0,26
97,34
75972
0,25
97,6
74421
0,25
97,84
69770
0,23
98,08
65894
0,22
98,29
58142
0,19
98,49
58142
0,19
98,68
55428
0,18
98,87
53490
0,18
99,04
49420
0,16
99,21
48839
0,16
99,37
48451
0,16
99,53
48296
0,16
99,69
46513
0,15
99,85
46513
0,15
100
Группа
Кумулята Р, %
Вар. ряд R,
Прибыль руб.
Код товара
Общая прибыль, руб.
Прибыльность руб./шт.
Код товара
Склад. Управление запасами
5.Оставшаяся номенклатура относится к группе С.
6.При необходимости можно продолжать расчеты по
аналогии, выделяя последовательно группы С, D, Е и т.д. В
частном случае при равенстве всех коэффициентов корректирования темпа роста единице (kA,B,C=1) имеем алгоритм
группировки по среднему темпу роста критерия в каждой
группе.
В качестве примера на рисунке 2 приведена графическая
иллюстрация ABCD-анализа прибыльности продаж товаров
компанией, поставляющей комплексы обеспечения безопасности объектов, по обобщенной модели. Исходные данные
представлены в таблице 2.
Таблица 2
Исходные данные и результаты группировки товаров по
прибыльности: kA=1,2; kВ=1,1; kС=0,8
А
В
С
D
Рисунок 2
Графическая иллюстрация ABCD-анализа
по обобщенной модели
В заключение отметим, что рассмотренный алгоритм легко автоматизируется, может использоваться в многомерном
АВС-анализе с применением программ OLAP-класса для сортировки и группировки объектов.
Библиографический список:
1. Сток Д., Ламберт Д. Стратегическое управление
логистикой. — М.: ИНФРА-М, 2005. — 797 с.
2. Логистика (Полный курс МВА) / В.В. Дыбская, Е.И.
Зайцев, В.И. Сергеев, А.Н. Стерлигова. — М.: Эксмо,
2008. — 944 с.
3. Лукинский В.С., Лукинский В.В., Чепурин А.В. К вопросу
о совершенствовании алгоритма управления запасами
в цепях поставок // Логистика и управление цепями
поставок. — 2013. — № 1 (54). — С. 12—19.
4. Зайцев Е.И. Организация производства на предприятиях
автомобильного транспорта. — М: Издательский центр
«Академия», 2008. — 176 с.
5. Иванов Д.А. Управление цепями поставок. — СПб.: Из-во
Политех. ун-та, 2009. — 660 с.
6. Новиков В.Э. Ассортиментное планирование в
управлении цепями поставок сетевых розничных
торговых компаний // Логистика и управление цепями
поставок. — 2013. — № 2 (55). — С. 62—70.
7. Харрисон А., Ремко Ван Х. Управление логистикой:
разработка стратегий логистических операций. —
Днепропетровск: Баланс Бизнес Букс, 2007. — 368 с.
8. Лайсонс К., Джиллингем М. Управление закупочной
деятельностью и цепью поставок. — М.: ИНФРА-М,
2012. — 798 с.
9. An ABC-Analysis Model for the Multiple Products. Inventory Control / Kuo-En Fu, Wei-Zhen Chen, Lon-Chen
Hung, ShihSen Peng — Proceedings of the Asia Pacific
Industrial Engineering & Management Systems Conference, 2012.
10. ABC-ANALYSIS OF MRO INVENTORY — Life Cycle Engineering, Charleston, SC 29405–7445; www.LCE.com
[электронный ресурс].
11. Lions Aravind Institute of Community Ophthalmology; http://
laico.org/v2020resource/files/inventory_management.pdf
[электронный ресурс].
.
12. StanisI_aw Krzyzaniak. Inventory Management / Instytut
Logistyki i Magazynowania; http://ecr-all.org/wp-content/
uploads/CC3-InventoryManagement.pdf [электронный
ресурс].
13. http://www.materialsmanagement.info/inventory/
[электронный ресурс].
www.logistika-prim.ru 2014 N2