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
ЗарегистрироватьсяУ вас уже есть учетная запись?
Войти