Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

МОДЕЛИРОВАНИЕ ЗАДАЧИ ПЛАНИРОВАНИЯ ПРОДАЖ С АВТОМАТИЗИРОВАННОЙ ЭКСПЕРТНОЙ ОЦЕНКОЙ ДОСТОВЕРНОСТИ ПЛАНИРОВАНИЯ

Гриняк В.М. 1 Шуленина А.В. 1
1 ФГОУ ВПО «Владивостокский государственный университет экономики и сервиса»
Управление продажами и закупками является важнейшей составляющей современного управленческого учета. Задача управления продажами и закупками состоит в накоплении информации о номенклатуре товаров, их наличии на складе, резервировании товаров под заказы покупателей, заказе недостающих товаров у поставщиков, отслеживании факта оплаты, поступления, отгрузки товаров. Основной целью управления продажами и закупками является обеспечение гарантии наличия нужных материальных ценностей на складе при минимизации складских остатков. В предлагаемой статье рассматривается модель задачи планирования продаж как задачи статистического анализа и экстраполяции данных. Предлагается методика построения системы поддержки принятия решений о достоверности планирования дискретным набором значений, ориентированная на реализацию в современных информационных системах управления торговлей в виде автоматизированного рабочего места менеджера.
управление продажами
планирование продаж
достоверность планирования
экспертная система
1. Бочаров Е.П, Колдина А.И. Интегрированные корпоративные информационные системы. – М.: Финансы и статистика, 2005. – 282 c.
2. Гриняк В.М., Можаровский И.С., Дегтярев К.И. Нейросетевая модель планирования сезонных продаж // Информационные технологии. – 2011. – № 7. – С. 48–53.
3. Гриняк В.М., Морозов Д.Ю. Обработка «Система планирования продаж» для конфигурации «1С: Управление торговлей 8» // Свидетельство о государственной регистрации программы для ЭВМ № 2011617930 от 10.10.2011.
4. Гриняк В.М., Семенов С.М. Автоматизация решения задачи классификации клиентов по стадиям взаимоотношений в современных корпоративных информационных системах // Научно-техническая информация. Сер. 2. Информационные процессы и системы. – 2008. – № 7. – С. 20–24.
5. Гриняк В.М., Семенов С.М. Модель планирования продаж в современных корпоративных информационных системах // Естественные и технические науки. – 2009. – № 1. – С. 305–312.
6. Turban Е., McLean Е., Wetherbe J. Information Technology for Management: Transforming Business in the Digital Economy // John Wiley & Sons. – 2002. – 720 p.

Эффективность работы торгово-закупочного предприятия во многом зависит от качества планирования закупок и продаж: с одной стороны, в условиях конкуренции необходимо иметь в наличии товары для удовлетворения запросов покупателей, с другой стороны, методика планирования должна быть оптимизирована с точки зрения минимизации остатка товаров на складе. Опыт показывает, что если вопросу планирования закупок и продаж не уделяется должного внимания, то неизбежно возникает избыток по одним товарам и дефицит по другим. Отсутствие необходимых товаров приводит к потере клиентов, а чрезмерное накопление товарных запасов – к перегрузке складских ёмкостей и лишним затратам. Выбор в пользу определенной методики планирования должен осуществляться в зависимости от стратегии, вида деятельности и масштабов предприятия. В частности, на решение этой задачи ориентированы известные технологии планирования MRP, MRP II и т.д. [1, 6].

В основу большинства существующих методик автоматизированного планирования положен ретроспективный анализ данных о продажах, который подразумевает сбор данных за прошедшие периоды и их экстраполяцию. Так, одним из наиболее распространенных способов планирования закупок и продаж является нахождение тренда за предшествующие периоды и принятие полученной величины в качестве опорного значения для необходимых закупок. Если на основе тренда дальнейшее планирование производится полностью автоматически, без участия менеджера (например, информационной системой), то такое планирование может приводить к неадекватному увеличению загрузки склада и значительному количеству отказов клиентам. С другой стороны, возложение задачи планирования большого количества номенклатурных позиций только на менеджеров, без автоматизации процесса, приводит к чрезмерной нагрузке на персонал.

Решение проблемы разделения функций человека и машины в задаче планирования возможно за счет учета стабильности продаж той или иной номенклатурной позиции. Продажи по стабильным номенклатурным позициям возможно с высокой достоверностью планировать автоматически. Те же позиции, по которым продажи нестабильны, требуют участия менеджера с его опытом и интуицией. Все это является побудительным мотивом разработки такой методики планирования, и, соответственно, модели информационной системы, которая бы позволяла автоматизированно выделять номенклатурные позиции, характеризующиеся той или иной достоверностью планирования. В частности, такая методика была описана в работах [4, 5], где рассматривается четырехуровневая модель экспертной оценки достоверности планирования с цветовой интерпретацией, которая позволяет проинформировать менеджера о том, для каких номенклатурных позиций автоматизированное планирование продаж достоверно, а для каких необходима «интуитивная», «ручная» корректировка полученных данных.

Настоящая работа посвящена исследованию методики планирования продаж [4, 5] на данных реального предприятия, анализу её эффективности и демонстрации границ применимости.

Модельные представления задачи

В работах [4, 5] рассматривается модель изменения значения объёма продаж X во времени, которая может быть выражена формулой:

Eqn18.wmf

где G(q) – функция, выражающая детерминированный закон эволюции величины X (тренд) в зависимости от момента времени с номером q; η(q) – случайная величина, характеризующая отклонение фактического значения показателя от его тренда (здесь и далее будем считать, что η(q) – некоррелированная случайная величина с нулевым математическим ожиданием).

Функция G(q) может быть использована для экстраполяции значений показателя . Анализ свойств может быть положен в основу оценки достоверности планирования.

Для компаний, чья деятельность является устоявшейся, функцию тренда с большой вероятностью можно считать константой, то есть G(q) = p0. При этом значение планируемого показателя равно константе плюс случайная погрешность: Xi = p0 + ηi;

Оценки среднего значения и среднеквадратичного отклонения показателя X могут быть выражены следующим образом:

Eqn19.wmf Eqn20.wmf

где J – количество моментов времени, участвующих в оценке.

Достоверность экстраполяции показателя X оценивается дискретным набором значений на основании истинности трёх условий.

Условие 1. Величины Xi лежат близко к своему среднему значению, то есть Eqn21.wmf для всех i, где k – заданный параметр ширины доверительного интервала.

На рис. 1, a приведен пример, когда условие 1 истинно, а на рис. 1, b условие 1 ложно. Здесь изображены данные о продажах за 7 периодов и границы доверительного интервала Eqn22.wmf (пунктирной линией). На рис. 1, a видно, что экстраполируемые значения не выходят за границы доверительного интервала; это означает, что продажи можно считать стабильными. На рис. 1, b линия графика, иллюстрирующая объем продаж, выходит за верхние границы доверительного интервала в двух точках (в седьмом и в третьем периоде); это говорит о том, что продажи нестабильные.

Eqn1.wmf pic_10.wmf

Рис. 1. Динамика продаж при: (а) истинности условия 1, (b) ложности условия 1

Условие 2. Экстраполируемые значения Xi с большой степенью достоверности не равны 0, то есть Eqn23.wmf, где k – заданный параметр ширины доверительного интервала.

На рис. 2, а приведен пример, где условие 2 истинно: нижняя граница доверительного интервала выше оси абсцисс. Это означает, что в планируемый период продажи по выбранной номенклатурной позиции будут иметь место. Рис. 2, b иллюстрирует иную ситуацию – нижняя граница доверительного интервала ниже оси абсцисс. Это означает, что данных для достоверного планирования недостаточно.

pic_11.wmf pic_12.wmf

Рис. 2. Динамика продаж при: (а) истинности условия 2, (b) ложности условия 2

Условие 3. Xi > 0 для всех i, то есть среди Xi не встречаются нулевые значения.

Истинность этого условия означает, что периодичность анализа данных выбрана правильно. В частности, если продажи некоторой номенклатурной позиции имеют место лишь раз в месяц, то не имеет смысла принимать период для расчетов и прогнозирования равным неделю. В случае, если условие 3 ложно, то периодичность анализа данных следует увеличить.

Рис. 3, а иллюстрирует ситуацию, условие 3 истинно, то есть нулевых значений продаж нет. Линия графика расположена в пределах доверительного интервала и не пересекает ось абсцисс – периодичность задана корректно. На рис. 3, b объем продаж в двух периодах (втором и шестом) равен 0, это говорит о том, что некорректно выбрана периодичность анализа данных.

pic_13.wmf pic_14.wmf

Рис. 3. Динамика продаж при: (а) истинности условия 3, (b) ложности условия 3

Данные условия проверяются для каждой позиции номенклатуры, а затем принимается решение о достоверности планирования по совокупности значений условий (табл. 1). Например, если для какой-либо номенклатурной позиции все три условия истинны, то автоматизированное планирование продаж по такой номенклатурной позиции будет достоверным («зеленый» уровень), и не требует ручной корректировки, а если условие 3 – ложно, то по такой номенклатурной позиции автоматизированное планирование будет недостоверным («красный» уровень) и требует вмешательства менеджера.

Таблица 1

Представление степени достоверности оценки планирования

Уровень достоверности

Условие 1

Условие 2

Условие 3

«Зеленый»

+

+

+

«Желтый»

+

+

«Желтый»

+

+

«Оранжевый»

+

«Красный»

+

+

«Красный»

+

«Красный»

+

«Красный»

Предложенная цветовая интерпретация представляется удобной для практики, когда нужно наглядно проинформировать менеджера о том, для каких номенклатурных позиций автоматизированное планирование продаж достоверно («зелёный» уровень), а для каких (возможно) необходима «интуитивная», «ручная» корректировка полученных данных.

Настройка предлагаемой системы оценки достоверности планирования состоит в задании значения параметра k. Он должен быть выбран таким образом, чтобы минимизировать функционал:

Eqn24.wmf (1)

где f(k) – суммарные затраты, складывающиеся из:

1. Недополученной выручки – Ax1(k), где A – сумма недополученной выручки на одну единицу отказов, x1(k) – количество отказов покупателям из-за отсутствия товара на складе, вычисляемое по формуле:

x1(k) = xf – xp,

где xf – фактические продажи; xp – планируемое значение продаж на указанный период.

2. Издержек на хранение складских остатков – Bx2(k), где B – стоимость хранения единицы товара, x2(k)– количество товаров, находящихся на складе, рассчитываемое по формуле:

x2(k) = xp – xf,

где xf – фактические продажи; xp – планируемое значение продаж на указанный период.

3. Затрат на ручное планирование тех позиций номенклатуры, которые не попали в группу автоматически планируемых показателей – Cx3(k), где C – затраты, возникающие в связи с планированием вручную для одной номенклатурной позиции, x3(k) – число планируемых вручную номенклатурных позиций, которое можно подсчитать по формуле:

x3(k) = N – m,

где N – общее число номенклатурных позиций; m – число номенклатурных позиций, для которых осуществляется автоматическое планирование (истинны все три условия).

Значения коэффициентов A, B и C в формуле (1) для разных торгово-закупочных предприятий различны. Поэтому настройка предлагаемой системы оценки достоверности планирования должна производиться для каждого предприятия индивидуально. Реализация такой настройки была рассмотрена на примере реальных данных о динамике продаж за полтора года по двум тысячам номенклатурных позиций в крупной компании, занимающейся торговлей автозапчастями.

Результаты математического моделирования

В процессе моделирования было спланировано количество продаж на период для каждой номенклатурной позиции и проведено сравнение спрогнозированных величин с реальными продажами.

В результате была численно выявлена зависимость (табл. 2) между значением параметра k, характеризующего ширину доверительного интервала и величинами доли отказов покупателям, доли товаров на хранении и доли номенклатурных позиций, планируемых вручную. Так, при k, равном 0,5, доля показателей, планируемых вручную составляет 47,3 %, а при значении k = 1,5 она уменьшается до 38,4 % (табл. 2). С увеличением значения k также снижается доля отказов покупателям и растет доля загрузки склада. При k, равном 0,5, доля отказов покупателям составила 16,54 %, а загрузка склада 8,54 %, а при k, равном 1,5, доля отказов снизилась в три раза и составила 5,55 %, а загрузка склада выросла до 25,13 % (табл. 2).

Таблица 2

Изменение показателей в зависимости от значения k

k

Доля отказов покупателям, x1 (%)

Доля загрузки склада, x2 (%)

Доля планируемых вручную показателей, x3 (%)

0,5

16,54

8,54

47,3

0,6

14,99

10,07

46,1

0,7

13,57

11,61

44,7

0,8

12,24

13,19

43,2

0,9

11,06

13,43

42,2

1

9,97

15,24

41,2

1,1

8,96

17,11

40,6

1,2

8,02

19,03

39,4

1,3

7,14

20,93

38,9

1,4

6,35

22,88

38,5

1,5

5,55

25,13

38,4

Тот факт, что функции x1(k), x2(k), x3(k) монотонны, и среди них есть как возрастающие, так и убывающие, означает, что существует минимум функционала (1). Следовательно, может быть выбрано оптимальное значение параметра k, различное для различных значений коэффициентов A, B и C, то есть учитывающее специфику конкретного предприятия.

Заключение

Предлагаемая методика планирования продаж была реализована и успешно внедрена на целом ряде предприятий в виде обработки платформы «1С: Предприятие 8» [3], предназначенной для использования с типовыми конфигурациями «Управление торговлей» и «Управление производственным предприятием». На рис. 4 показан внешний вид одного из вариантов интерфейса этой обработки. Пользователь может выбирать период и периодичность планирования, группу номенклатуры планируемых товаров. Достоверно планируемые продажи выделяются белым цветом. Те же номенклатурные позиции, которые требуют участия менеджера, выделяются желтым, оранжевым или красным цветом.

pic_15.tif

Рис. 4. Обработка платформы «1С: Предприятие 8», реализующая предложенную методику планирования

Несмотря на то, что описанная методика планирования ориентирована на стабильно продаваемые в течение года товары, она может быть распространена и на сезонные товары в том случае, если для них идентифицирована функция тренда G(q) [2].

Рецензенты:

Мазелис Л.С., д.э.н., директор Института информатики, инноваций и бизнес-систем Владивостокского государственного университета экономики и сервиса Минобразования РФ, г. Владивосток;

Кривошеев В.П., д.т.н., профессор кафедры информационных систем и прикладной информатики Владивостокского государственного университета экономики и сервиса Минобразования РФ, г. Владивосток.

Работа поступила в редакцию 07.05.2013.


Библиографическая ссылка

Гриняк В.М., Шуленина А.В. МОДЕЛИРОВАНИЕ ЗАДАЧИ ПЛАНИРОВАНИЯ ПРОДАЖ С АВТОМАТИЗИРОВАННОЙ ЭКСПЕРТНОЙ ОЦЕНКОЙ ДОСТОВЕРНОСТИ ПЛАНИРОВАНИЯ // Фундаментальные исследования. – 2013. – № 6-4. – С. 828-832;
URL: https://fundamental-research.ru/ru/article/view?id=31643 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674