- прогнозируемый спрос;

i – номер периода; n – число периодов прогнозирования.

Важно также знать разброс фактических значений вокруг прогнозируемых. Для этого рассчитывается показатель среднего абсолютного отклонения:

САО отражает размер средней ошибки независимо от знаков индивидуальных значений. СО и САО, вместе взятые, позволяют оценить качество прогноза и сформировать управленческие решения об изменении методики прогнозирования, об увеличении страхового запаса, об ускорении сроков поставки с целью снижения вариации спроса за время поставки и т.д. С помощью показателя САО контролируется и прогнозируется качество и общая несмещенность прогноза, на основании которого строится управление запасами.

Помимо процента отклонения от прогнозируемой величины, СО и САО, контролируется показатель смещенности прогноза:

СО/САО находится в пределах от -1 до +1. Перед началом прогноза фактический спрос сравнивается с установленным интервалом и определяется, являются ли выбросы за пределы интервала неслучайными и обоснованными.

?????????O

??????4

?????????????O?d

Качество прогноза непосредственно отражается на качестве принимаемых управленческих решений по управлению запасами. Для эффективного управления запасами важно выбрать обоснованный метод и методику прогнозирования. В диссертации предложен метод прогнозирования потребности в запасных частях и оригинальный иерархический алгоритм прогнозирования. Математически планирование склада запасных частей можно представить в виде множества отдельных задач по принятию решения о закупке каждой отдельной запасной части. Для формальной оценки востребованности каждого отдельного элемента номенклатуры введен коэффициент потребности в запасной части Сптр, который может принимать значения от 0 (полное отсутствие потребности) до 1 (безусловная потребность).

где: ak – функция применяемости к ДСМ различных моделей и модификаций; qk – парк ДСМ в регионе; mпред – объем потребления запасной части в предыдущие периоды.

Расчет коэффициента Сптр проводится для каждой детали номенклатуры, применимой к эксплуатируемым в регионе ДСМ. После расчета коэффициента Сптр для каждой детали, вводится пороговый коэффициент Спрг, на основании которого принимается окончательное решение о закупке детали на склад. Количество единиц закупаемой и хранимой номенклатуры также вводится в зависимость от Сптр. Сумма средств, затрачиваемых на закупку запасных частей, составит:

где fкол – функция количества закупаемых запасных частей от коэффициента потребности; Сптр – коэффициент потребности i-й запасной части; pi – стоимость одной единицы запасной части; n – количество запасных частей в номенклатуре.

Таким образом, задавая пороговый коэффициент Спрг, можем рассчитывать стоимость склада S. И наоборот, заранее определяя стоимость склада (т.е. бюджет, спланированный на закупку запасных частей на склад), рассчитываем пороговый коэффициент Спрг.

Для первичного принятия решения о выделении средств на формирование (поддержание) склада запасных частей, можно использовать график зависимости стоимости склада S от порогового коэффициента Спрг. В данном случае пороговый коэффициент, после некоторого преобразования, можно рассматривать как фактор удовлетворения потенциального спроса на запасные части. Таким образом, можно найти такое критическое значение стоимости склада, после которого дальнейшее увеличение стоимости склада не будет приводить к существенному росту фактора удовлетворения спроса.

Все множество случаев присутствия S1 или отсутствия S0 потребности в запасной части обозначим через S. На основании предположения о потребности в i-й запасной части qi, множество S делится на два подмножества S0 и S1. Для каждого предположения вычисляется энтропия, соответствующая информационной ценности предположения. В результате последовательного ветвления получается иерархическая структура, в которой максимально использована информация, улучшающая точность прогноза, и игнорирована информация, которая прогноза не улучшает.

Сформируем многомерный массив Сптр, измерениями которого будут параметры, соответствующие выявленным существенным факторам. Объединяя данные массивов тренировочных данных, вычислим Сптр для каждого возможного случая:

где: nзам – число замененных деталей; nэкспл – общее число деталей в эксплуатации.

Применение разработанного алгоритма к прогнозному массиву позволяет получить полный прогноз потребности в запасных частях на рассматриваемый период. Группируя и отбирая данные по пороговому коэффициенту, получим рекомендуемый ассортимент и количество запасных частей.

Суммируя стоимость отобранных запасных частей, можно вычислить общую стоимость склада и сравнить с выделенным бюджетом. В случае существенного различия планового и вычисляемого значений, корректируя Спрг с использованием процедуры обратной коррекции, можно сформировать ассортимент, обеспечивающий оптимальное удовлетворение спроса при заданном объеме инвестиционных вложений.

Исследован метод прогнозирования потребности в запасных частях с использованием временных рядов. Основная модель ошибок состоит в том, что наблюдаемая величина yt представлена в виде суммы временного тренда f(t) и ненаблюдаемой ошибки (t :

y=f(t)+(t, где M(t=0 M(t2=(2, f(t)=a0+a1t+…+amtm. (7)

В третьей главе приведено описание основных бизнес-процессов планирования закупок запасных частей, обеспечивающих эффективное функционирование предприятия по ремонту и техническому обслуживанию ДСМ, так как рациональное использование ограниченных финансовых ресурсов для закупки запасных частей позволяет получить существенный экономический эффект. Еще больших результатов удается получить при автоматизации всей деятельности предприятия с использованием современных информационно-коммуникационных технологий и концепции построения информационного обеспечения АСУ с использованием системы баз данных. Выполнено описание бизнес-процесса «Контроль исполнения среднесрочного плана-графика поставки запчастей». Порядок выполнения и схема бизнес-процесса представлены на рис.1. Представлено описание основных бизнес-функций и сформулированы технические требования на автоматизацию бизнес-процессов.

Выполнен полный цикл проектирования базы данных. Определены информационные требования пользователей с использованием методики BSP.

Таблица 1.

Состав функций 1-го уровня приложения «Дорожная машина»

п/п Наименование

Задачи (функции) Описание Тип задачи

1.1. Модель машины Данные техпаспорта Регламентная

1.2. Оперативные запросы ДСМ Обработка сведений о дорожно-строительных машинах Оперативная

Разработана концептуальная схема БД, представленная на рисунке 2.

Рис.1. Порядок выполнения и схема бизнес-процесса.

Рис. 2. Концептуальная схема.

Выполнено отображение концептуальной схемы в реляционную схему. Создание реляционной схемы данных позволило упростить конструирование многотабличных форм, запросов и отчетов. Реляционная схема данных является основой построения распределенной АСУ.

В четвертой главе выполнено описание функционирования АСУ предприятия по ремонту и техническому обслуживанию ДСМ.

Своевременное и качественное выполнение работ по техническому обслуживанию возможно лишь при условии соответствующей организации работ. Высокий уровень организации технического обслуживания позволяет не только повысить качество технического обслуживания, но и снизить его стоимость, более эффективно использовать материальную базу, кадры и другие резервы предприятия.

Организация технического обслуживания определяется характером работ и видом технического обслуживания.

Предложена методика прогнозирования запасов и выполнено экспериментальное исследование экстраполяционного метода прогнозирования потребности в запасных частях. Прогноз производился на основе статистических данных склада запасных частей ООО «ПРОМСИСТЕМЫ» (г.Москва).

Система прогнозирования разработана в виде подсистемы базы данных. Данные отбираются из базы данных Microsoft Database (mdb) с помощью SQL-запросов. Алгоритм метода реализован в среде Visual Basic for Applications с использованием функций и методов динамической библиотеки STATISTICA 6.0 Object Library.

Для оценки неравномерности потребления для каждой номенклатурной позиции было вычислено значение стандартного отклонения ?баз. (рис.3).