Анализ прошлого спроса
По прогнозу, средний объем продаж за день составляет 5 единиц. Из таблицы видно, что спрос был выше среднего в течение 11 дней, и ниже — 12 дней. То же самое можно изобразить с помощью гистограммы, как показано на рисунке.
Анализ спроса.
Зная частотное распределение прошлого спроса, можно точно подсчитать, какой страховой запас нужен, чтобы обеспечить определенную степень защиты от нехватки запасов. Теория вероятностей изучает вероятность наступления одного из множества неоднократно повторяющихся (массовых) случайных событий. В нашем примере продажи происходили в течение 28 дней. Для практического анализа надо бы иметь ряд, состоящий из более чем 28 событий, но для условной иллюстрации этого вполне достаточно.
Когда мы говорим о вероятности наступления тех или иных событий, мы предполагаем существование некоей центральной тенденции (центра распределения), которая отражает среднюю частоту наступления всех этих событий. Так и в управлении запасами: хотя вариантов частотного распределения существует великое множество, основу составляет нормальное распределение.
В графическом изображении нормальное распределение имеет форму симметричной колоколооб-разной кривой, как показано на рисунке 8.7. Главным свойством нормального распределения является совпадение трех основных характеристик центра распределения. Средняя, медиана (середина ряда значений) и мода (наиболее часто наблюдаемое значение) совпадают. Именно совпадение этих трех показателей позволяет обозначить частотное распределение как нормальное.
Прогнозы при нормальном распределении строятся на основе среднего квадратического (стандартного) отклонения от центра распределения. Среднее квадратическое отклонение — это показатель дисперсии событий внутри определенного интервала кривой нормального распределения. Применительно к управлению запасами событием является количество проданных единиц в день, а дисперсия — это характеристика изменчивости (вариации) показателя дневного объема продаж. В нашем примере 68,27% всех событий попадают в интервал ±1 среднее квадратическое отклонение. Это значит, что в 68,27% всех дней периода объем продаж равен средней величине +1 среднее квадратическое отклонение. Интервал +2 средних квадратических отклонения охватывает 94,45% всех событий, а интервал +3 средних
квадратических отклонения — 99,73% событий. Среднее квадратическое отклонение дает нам возможность рассчитать объем страховых запасов, защищающих от дефицита при среднем уровне спроса.
