Управление производством и материальными запасами в век ЭВМ (стр. 36 )

Следящий сигнал

Рис. 30. Исчисление следящего сигнала

Разделив накопленную сумму ошибок на среднее отклонение, мы получили «следящий сигнал». Большая величина указывает на высокую степень смещения в сторону ошибки прогноза.

Накопленная сумма ошибок прогноза позволяет определить, имеет ли прогноз какое-либо положительное или отрицательное смещение. Хороший прогноз должен включать примерно равные количества отклонений с плюсом и минусом. В заниженном прогнозе больше отклонений с плюсом. При завышении прогноза преобладают отклонения с минусом. В хорошем прогнозе имеет место взаимное погашение отклонений с плюсом и минусом и накопленная сумма ошибок весьма близка к нулю. Это легко заметить в примере на Рис. 29, где отклонения с плюсом и отклонения с минусом почти погашают друг друга.

Следящий сигнал может на практике оказаться весьма полезным методическим приемом. Вместо того чтобы прибегать к сглаживанию второго порядка, при котором с помощью довольно сложных вычислений пытаются определить тренд, как правило, предпочтительнее осуществить сглаживание первого порядка и использовать следящий сигнал как средство контроля отклонения динамики средней от тенденции к повышению или понижению. Если следящий сигнал «скачет» («trips»), следует проанализировать фактические данные, чтобы выявить необходимость увеличения или уменьшения прогностических оценок.

Нормальными следует признать колебания величины следящего сигнала в пределах 3,0 — 7,0. Сказанное означает, что, если величина сигнала выйдет за указанные пределы, система выдаст сообщение об отклонении. Если бы, например, для товара на Рис. 30 был установлен верхний предел 5,5, то система выдала бы сообщение и данные о продажах были бы рассмотрены заново.

Пределы для величины следящего сигнала могут быть заданы с помощью научных методов, но на практике их лучше устанавливать, руководствуясь здравым смыслом и опытом. По ходовым товарам следует задавать более узкие пределы, в результате чего данные будут анализироваться чаще. По менее ходовым недорогостоящим товарам продажи можно анализировать реже, следовательно, в этом случае уместнее более широкие пределы. Если система выдает больше отклонений, чем можно обработать, следует увеличить пределы и облегчить задачу анализа данных и корректировки прогноза. С другой стороны, для обеспечения более «чуткого» прогноза можно задать более узкие пределы.

Другой инструмент, схожий со следящим сигналом, — это фильтр спроса. Он представляет собой метод слежения за предъявленным спросом (обычно на товары, хранящиеся в запасе), имеющего целью удостовериться, что спрос находится в нормальных границах. При этом также берут среднее абсолютное отклонение, соотносят с ним предъявленный спрос за определенный период и, если спрос особенно велик, анализируют причины этого явления.

Для измерения ошибки прогноза по старым, зарекомендовавшим себя товарам могут быть полезными простые методы, связанные с исчислением среднего абсолютного отклонения и величины следящего сигнала; но ошибки прогноза, и нередко значительные, свойственны также прогнозам, относящимся к новым товарам, рекламным мероприятиям и т. д. В таких случаях опять-таки целесообразно обратиться к прошлым фактам и попытаться определить, насколько точным может оказаться прогноз.

Когда отдел сбыта утверждает: «В ходе осенней рекламной кампании мы продадим 10 тысяч единиц», то единственное, в чем можно быть относительно уверенным, так это в том, что названная цифра окажется неверной. Гораздо целесообразнее попытаться, исходя из прошлого опыта, определить, каким может быть минимальный и максимальный объемы продаж.

Это не так сложно, как может показаться. Некоторые новые товары и рекламные кампании схожи со старыми. Есть и совершенно новые, и возможная ошибка прогноза по ним выше. Наличие хотя бы оценки этой ошибки обеспечивает приемлемую основу для принятия разумных решений относительно того, создавать ли запас, достаточный для удовлетворения максимально возможного спроса, или же ориентироваться на минимальный спрос в надежде на то, что в ходе рекламной кампании удастся произвести дополнительное количество, но рискуя при этом снизить уровень продаж. Это нелегкий выбор, но, имея по меньшей мере оценку ошибки прогноза, можно более разумно подойти к решению подобных вопросов.

К сожалению, при разработке планов многие компании не учитывают, что прогнозам для новых товаров и рекламных мероприятий внутренне присуща неточность, а потом, когда прогнозы не реализуются, в этих фирмах царит удивление. Во многих компаниях служба маркетинга не дает производственным службам достаточно времени для планирования внедрения новых товаров и проведения рекламных мероприятий (обычно это ведет к тому, что в следующий раз последние требуют неоправданно длительных сроков выполнения заказов).

Если разработанные прогнозы не дополняются оценками ошибки и продажи ниже запланированного объема, службы производства и маркетинга начинают указывать пальцем друг на друга. Но кто бы ни был виноват, компания не достигла того, чего могла добиться. Если удается внушить людям, что прогнозы всегда неточны и что любой прогноз должен сопровождаться оценкой ошибки, используемой при планировании, — это крупный шаг вперед.

Свойства прогнозов

Прогнозирование нередко рассматривают в качестве источника всех бед фирмы. Действительно, в большинстве компаний прогнозирование, как правило, можно усовершенствовать, но подлинные проблемы нередко заключаются в нереалистичном подходе к прогнозам и недостаточно гибкой реакции на них.

Прогнозирование, по определению, есть взгляд в будущее; поэтому оно никогда не будет очень точным. Жалобы на неспособность точно прогнозировать служат прежде всего симптомом наличия таких систем планирования производства и запасов, которые разрабатывались без учета того факта, что прогнозы всегда неточны. Многие компании могут научиться значительно лучше использовать неудовлетворительные прогнозы, если они поймут некоторые основные свойства ошибки прогноза. Два из них имеют исключительно важное значение:

1. Точность прогнозов выше для более широких групп товаров.

2. Точность прогнозов выше для более коротких периодов времени.

Большинство людей имели возможность воочию убедиться в справедливости перечисленных свойств. Попытайтесь предсказать рост очередного прохожего. Требуется большое везение, чтобы сделать это точно: он может оказаться баскетболистом и карликом. Но прогноз роста 100 прохожих может быть достаточно точным. Прогноз для группы точнее прогноза для ее отдельного представителя, так как происходит взаимопогашение отклонений. В одном случае прогноз завышен, в другом — занижен, но в целом он вполне приемлем.

Второе свойство понять также легко. Прогноз семейного бюджета на следующий месяц может быть вполне сносным, но прогноз на 12-й месяц едва ли окажется точным. Прогнозирование подобно стрельбе: чем дальше от цели, тем труднее в нее попасть.

Чем больше работников осознает указанные свойства прогнозов, тем успешнее будет функционировать система управления производством и запасами, несмотря на все проблемы, с которыми сталкивается предприятие в данный момент. Как часто от мастера цеха приходится слышать: «Вы только дайте нам заказы на возможно более продолжительный период, и мы сделаем так, как вы нам скажете». Такое высказывание игнорирует охарактеризованные выше свойства прогноза. Когда выдают заказы на отдаленный период, свойства прогнозов работают против плановиков. При разработке детального графика (обычно основанного на некотором прогнозе) для отдельных наименований на отдаленный период вероятность возникновения ошибки прогноза резко возрастает.

Мастеру в действительности не нужно знать, какие наименования он будет производить в некоторый отдаленный период времени. Он должен знать, какие мощности ему потребуются и т. д. Прогноз, который говорит лишь о том, какие потребуются мощности, может оказаться намного точнее, чем детальный график. Заказы на изготовление конкретных деталей должны выдаваться на тот период, на который это действительно необходимо, если не считать тех случаев, когда удобнее регулярно пересматривать очередность работ. При прогнозировании только потребности в производственных мощностях шансы на разработку достаточно точного прогноза резко повышаются.

Из указанных выше свойств вытекают два принципа, которые нередко игнорируются службами управления производства и запасами. Эти принципы таковы:

1. Если необходим прогноз на отдаленный период времени, то его следует разработать по возможно более широкой группе товаров.

2. Прогноз для отдельного представителя группы следует распространять на возможно более короткий отрезок времени.

Компания «Баркус мэшин тул» на протяжении многих лет работала, имея портфель заказов на 12—18 месяцев. Когда заказов было меньше, чем на 12 месяцев, компания обычно пыталась сократить рабочую силу. Но в последние годы эта система перестала удовлетворять компанию. В связи с положением на рынке рабочей силы система временных увольнений вызывала все большие трудности и затраты. В то же время конкуренты гарантировали менее длительные сроки поставки — обычно в пределах 6—9 месяцев и даже меньше, — так что компания уже не могла позволить себе роскошь иметь столь значительный портфель заказов. Это обусловило необходимость прогнозирования.

В компании существовала система заказов на узлы и детали, идущие на сборку станков; система работала приемлемо, пока имелось много невыполненных заказов потребителей. Раз в три месяца разрабатывали график на ближайшие 9 месяцев. Затем на основе спецификаций определяли потребность в материалах и с учетом фактических сроков поставки за определенный период относительно вовремя делали заказы на материалы.

В результате уменьшения портфеля заказов компания вынуждена была заказывать материалы на основе прогнозов. Прогноз на 9 месяцев вперед, основанный на спецификациях для каждого типа станка, не был очень точным, особенно с учетом того, что новейшие типы станков выпускались в разном исполнении. Служба управления производством и запасами приписывала все возникшие проблемы, неспособности отдела сбыта обеспечить надежный прогноз. Работники этой службы не могли понять, что в основе проблемы лежала их неспособность достаточно оперативно корректировать потребность в материалах с учетом реального спроса.