Обобщенная модель АВС-анализа ресурсов в задачах логистики

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.

Краткий анализ публикаций

АВС-анализ — один из распространенных инструментов повышения эффективности
управления запасами и качества обслуживания потребителей. 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.

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.). 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). 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 прирос та издержек.

В работе 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. АВС-анализ используется и для решения задач ассортиментного
планирования в розничной торговле. В работе оценка эффективности товаров
осуществляется по трем критериям: выручке, валовой прибыли и частоте покупок.
Ранжирование и группировка товаров основаны на информационной системе
аналитического класса.

Из анализа эволюции ABC-технологии, 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.
Отметим, что это не тот XYZ-анализ, который используется в РФ и Польше 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. 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:

 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 номенклатурный ряд на разное,
задаваемое число групп (А–В–С–D–E…). При этом для каждой группы определяется
свой средний темп роста критерия.

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

В заключение отметим, что рассмотренный алгоритм легко автоматизируется, может
использоваться в многомерном АВС-анализе с применением программ OLAP-класса для
сортировки и группировки объектов.

Евгений Зайцев, www.logistika-prim.ru

Похожие записи