Меню

Учёт лагов прогноза при расчёте ошибок прогноза и страхового запаса в SAP EIS

|

В 2013 году SAP в свою линейку продуктов включил специализированный продукт SAP EIS – Enterprise Inventory and Service-Level Optimization. До сделки (приобретения) продукт назывался SmartOps.

SAP EIS позволяет оптимизировать уровень страхового запаса, обеспечивающий заданный уровень сервиса, а так же рассчитывать оптимальный уровень сервиса.

Страховой запас с одной стороны служит для обеспечения сервиса клиента. С другой стороны, страховой запас – это дополнительные затраты и увеличенные оборотные средства.

Оптимизация уровня страховых запасов с помощью SAP EIS позволяет обеспечить заданный уровень сервиса клиента, и минимизировать затраты на запасы. С помощью SAP EIS можно рассчитать какой объем страхового запаса для заданного уровня сервиса следует сформировать, для каких позиций и в каком месте логистической цепи.

SAP EIS при расчёте страховых запасов учитывает параметры:

  •  Неопределенности спроса,
  •  Неопределенности поставок,
  •  Параметры процесса пополнения запасов,
  •  Взаимосвязи в сети поставок.

Одно из преимуществ SAP EIS - то, что при расчёте уровня страхового запаса можно учитывать лаги прогноза.

Лаг прогноза – это количество периодов между датой создания прогноза и датой на которую делается прогноз сбыта.

Обычно чем дата создания прогноза ближе к дате прогноза (чем меньше лаг прогноза), тем прогноз точнее и ошибка прогноза меньше. Например, для планирования производства готовой продукции есть возможность использовать более точный прогноз, чем для планирования заготовки материалов и полуфабрикатов. Для длинноцикловых позиций обычно приходится использовать менее точный прогноз, соответственно, уровень страхового запаса должен быть больше.

Рассмотрим, как работают лаги прогноза в системе на примере.

Для расчёта данные можно загрузить в систему из специального инструмента на базе Excel – SAP EIS Gateway Loading Tool. В системе сначала рассчитывается ошибка прогноза в модуле DIM (Demand Intelligence Module), результат расчета передается в модуль MIPO (Multistage Inventory Planning & Optimization), где рассчитывается оптимальный уровень страхового запаса.

Входные данные

Готовая продукция A, состоит из двух закупаемых компонентов B и С (Рис. 1):

Рис. 1 Спецификация продукции А

Компоненты поставляются поставщиком на склад материалов завода. Готовая продукция производится на заводе и приходуется на склад готовой продукции, откуда отгружается клиентам (Рис.2).

Рис. 2 Схема сети поставок

Требуемый уровень сервиса по готовой продукции зададим 97%. Система сама рассчитает оптимальный уровень сервиса по компонентам.

В параметрах расчета зададим уровень сервиса второго рода или насыщение спроса (Fill Rate) — это доля спроса, гарантированно покрываемая имеющимися на складе запасами в течение периода их пополнения.

Параметры учетных единиц для расчёта страхового запаса даны в Таблице 1:

Таблица 1

Учетные единицы

Себестоимость единицы €

% затрат на хранение

Периодичность пересмотра плана и размещения заказа (кол-во месяцев)

Цикл поставки / производства (кол-во месяцев)

Коэффициент вариации цикла поставки

A

100

20

1

1

0,3

B

10

20

2

3

1,8

C

10

20

1

2

1,8

Прогноз спроса на готовую продукцию А на будущие периоды (предположим, что базовая дата 01.01.2015) (Рис.3):

Если хотите прочитать статью полностью и оставить свои комментарии присоединяйтесь к sapland

У вас уже есть учетная запись?

Войти