Диссертация (1152230), страница 22
Текст из файла (страница 22)
Для разработки подходов к управлениюзапасами, кроме формирования ресурсного классификатора, закупаемые запасынеобходимо разделить в зависимости от величины потерь, связанных с дефицитом123ресурса на приобъектном складе компании и вариативности расхода в рамкахпроизводственного процесса.Решить данную задачу можно с помощью совмещенного АВС-XYZ анализа,основанном на правиле Парето 80/20 и оценке коэффициентов вариации расходазапасов. Ресурсы со средней и высокой критичностью (AX, AY, AZ, BX, BY, BZ),целесообразно хранить непосредственно в местах добычи, формируя при этомминимальный запас, по наиболее дорогим позициям со стабильным расходом.Запасы с низкой критичностью, а также со средне- и хорошо прогнозируемымрасходом (CX, CY) возможно хранить на центральном складе МТС компании. Апозиции с низкой критичностью и с отсутствием каких-либо тенденций расхода(CZ), особенно дорогостоящие, поставлять под заказ.Рисунок 3.5. Распределение функциональных обязанностей между внутреннимипотребителями операционных ресурсов и категорийными менеджерами.На Рисунке 3.6 представлена совмещенная матрица АВС-XYZ анализа ипредложения по планированию потребности в ресурсах разных категорий.Потребность во вспомогательных материалах при производстве горных работ124может быть рассчитана на основе планируемого объема и удельных нормативоврасхода ресурсов, в зависимости от способа добычи природного сырья иприменяемой технологии.Особенностью планирования потребности в запасных частях и расходныхматериалах, необходимых для безопасной эксплуатации горнодобывающегооборудования, его обслуживания и ремонта, является нерегулярность потребления,что усложняет процесс расчёта текущего и страхового уровней запасов.
Параметрысредней наработки на отказ узлов и агрегатов, указываемые заводамиизготовителями в технической документации, носят обобщенный характер и неучитываютспецификуработыоборудованиянаконкретномобъекте,климатические условия и др.Рисунок 3.6. Классификация операционных ресурсов по степени критичности ипрогнозируемости расхода в горнодобывающих компаниях.На практике расход запасных частей имеет вероятностный (случайный)характер и поэтому планирование потребности должно осуществляться на основе125статистики потребления прошлых периодов, с учётом структуры и возраста паркаоборудования. Для снижения неопределенности целесообразно проведениепланово-предупредительных ремонтных работ по соответствующему графику[144]. На этапе предварительной обработки статистической информации,необходимо построить законы распределения расхода и проверить их насоответствие нормальному закону (Гаусса) [51].Это связано с тем, что при изучении и формализации тенденций потребленияодним из базовых является метод наименьших квадратов, который при нормальномраспределении позволяет получить наиболее правдоподобную аппроксимациюисходных временных рядов.
Для построения закона распределения и его проверкина соответствие нормальному закону, необходимо предварительно определитьколичество и ширину интервалов, по которым будет распределена статистикарасхода операционных ресурсов:∆ = −(3.15)где k – коэффициент, с помощью которого рассчитывается количествоинтервалов для распределения статистики расхода: ≈ 5 ln(); (3.16) , – максимальное и минимальное значения расхода операционныхресурсов;n – число членов статистического ряда расхода ресурсов.Далее необходимо определить, какое количество значений расходаоперационных ресурсов попало в соответствующий интервал. Для упрощениярасчётов и визуализации полученных результатов можно воспользоватьсявстроенной функцией «ЧАСТОТА» из прикладного пакета Microsoft Excel.
Крометого, для статистического ряда, распределенного по нормальному закону, должнывыполняться следующие условия: ̅ = = ; = = 0где ̅ – среднее значение статистического ряда расхода;Mo – наиболее часто встречающееся значение статистического ряда расходаоперационных ресурсов (мода). При отсутствии сильной асимметрии и126одновершинном распределении, мода может быть определена по приближенномусоотношению Пирсона: = ̅ + 3( − ̅ )(3.17)Me – значение ранжированного ряда в порядке убывания или возрастания,занимающее среднее положение (медиана):Ex – коэффициент эксцесса, характеризующий островершинность илиплосковершинность (крутость) кривой распределения расхода и её отклонение отнормального закона: =1∙ 4∑=1( − ̅ )4 − 3(3.18)As – коэффициент асимметрии (скошенности): =3∑=1( −̅ )(3.19)∙ 3После получения положительного результата проверки распределенияпотребности, которая является случайной величиной, на её соответствиенормальному закону, можно приступать к выявлению и оценке тесноты связей сразличными факторами внутренней и внешней среды, а также описанияполученных связей с помощью математических зависимостей.
Основныепараметры моделей управления запасами, которые требуют прогнозирования:1. Расход операционных ресурсов, изменчивость которого может привести,с одной стороны, к перезатариванию расходного склада и к росту количестваневостребованной неликвидной продукции, так и к обесцениванию финансовыхресурсов, инвестированных в запасы, за счет инфляционных процессов.
С другойстороны, увеличение расхода на некоторые категории запасов может привести кобразованиюдефицитаиувеличениюдолиупущенныхприбылигорнодобывающей компании.2. Время выполнения заказа, вариации которого отражают надежностьпоставщиковипроявляютсяввозникновениисхожихпотерьдлягорнодобывающих компаний.Для целей прогнозирования потребности в операционных ресурсах можно127воспользоваться методами, основанных на экстраполяции временных рядов,в основе которых лежит распространение выявленных в прошлых периодахтенденций на будущее. К данным методам можно отнести различные вариантысглаживанияретроспективнойинформации,выделениетренда,сезоннойсоставляющей и др. Однако, стоит отметить, что методы и модели данной группыприменимы для выполнения кратко- и среднесрочных прогнозов, если потребностьв операционных ресурсах относится к эволюционным (медленно изменяющимся)процессам.
Алгоритм прогнозирования будет состоять из следующих этапов:− сглаживание ретроспективного ряда;− выбор аппроксимирующих зависимостей, близких к исходным параметрамретроспективных рядов расхода;− оценка адекватности прогноза путем расчета теоретических значенийрасхода, имевших место в прошлом, и их сравнение с фактическимиданными;− расчет прогнозных значений расхода операционных ресурсов на будущиепериоды;− оценка точности прогноза (ошибки) и расчет доверительных интервалов.В случае неоднозначности влияния временного фактора на изменениепотребностивресурсахцелесообразновоспользоватьсякорреляционно-регрессионными моделями, ориентированных на поиск причинно-следственныхсвязей между прогнозируемыми параметрами и факторами, вызывающими ихизменения.
Фактический расход ресурса в определенный момент времени (yt)является следствием наложения следующих составляющих:(3.20) = + + гдеft–долговременнаянепериодическойсоставляющаякомпонентой,(тренд),характеризующаякотораяобщуюявляетсятенденциюизменения расхода запасов во времени. Например, общее старение паркаоборудования может вести к увеличению расхода запасных частей, илиснижение спроса на добываемое сырье вызывает постепенное снижение128объёма добычи и сокращение потребности в операционных ресурсах;ωt – сезонная составляющая, обусловленная периодической сменой временгода и погодных условий эксплуатации добычного оборудования;εt – случайная компонента (шум), появление которой может быть вызванонепредвиденными авариями, в результате нарушения условий эксплуатации,недостаточной квалификации персонала, остановкой работы надзорнымиорганами.
Формализация таких локальных факторов представляет собойдостаточно сложную задачу.Как было отмечено в Разделе 3.1 диссертации, для относительно короткихвременных рядов тренды аппроксимируются линейными уравнениями (первогопорядка). В более длительных рядах динамики продаж тренды могут иметьпараболическую,экспоненциальную,логарифмическую,гиперболическуюи прочие формы. Прикладные пакеты программных средств, такие как «MicrosoftExcel», «Mathcad», позволяют автоматизировать процесс расчета коэффициентовуравнения тренда и тем самым облегчить работу аналитиков.
С помощьюэкстраполяции трендов можно прогнозировать общие долговременные тенденциив изменениях расхода операционных ресурсов.Для определения влияния сезонности в статистике расхода запасанеобходимо использовать индексы сезонности (Is), совокупность которыхпредставляет сезонную волну. Для внутригодовой динамики, в которой трендотсутствует, выявление сезонности основано на среднем хронологическомзначении расхода ресурсов за продолжительный период (̅0 ), с которымсопоставляется уровень потребности каждого анализируемого отчётного периода(̅ ), например, месяца или квартала. При наличии устойчивой тенденциив динамике расхода, индексы сезонности определяются по формуле, позволяющейисключить влияние тренда (ft) [113-114]:̅ =̅{̅0, при = 0, при ≠ 0(3.21)129Учесть возможное влияние случайной компоненты можно через расчетошибки прогноза по формуле среднеквадратического отклонения (σy): = √∑̅ )=1( −(3.22)−1где yt – фактический расход запаса в момент времени t;̅ – прогнозные значения расхода запаса в соответствующий фактическимзначениям момент времени t;n – количество членов временного ряда расхода операционных ресурсов.Таким образом, формулу (3.20) с учётом формул (3.1), (3.21) – (3.22), можнопереписать следующим образом: = ( ∙ + ) ∙ ± ∙ √∑̅ )=1( −−1(3.23)где z – заданный уровень сервиса МТС (уровень доступности запаса длявнутренних потребителей).Введем понятие «Уровень сервиса материально-технического снабжения(МТС)», под которым будем понимать долю потребности внутренних заказчиковгорнодобывающих компаний, которая может быть удовлетворена с помощьюимеющихся на расходных складах запасов операционных ресурсов, в периодмежду очередными поставками (SLmts).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
