仓储管理实务第五章库存管理与控制.docx
《仓储管理实务第五章库存管理与控制.docx》由会员分享,可在线阅读,更多相关《仓储管理实务第五章库存管理与控制.docx(61页珍藏版)》请在冰豆网上搜索。
仓储管理实务第五章库存管理与控制
课堂教学安排
教学过程
主要教学内容及步骤
案例讨论与提问
第五章库存管理与控制
【学习目标】
一、知识目标
1.理解和掌握库存需求预测方法
2.掌握独立需求和相关需求的库存控制方法
二、能力目标
1.能熟练应用库存需求预测方法、独立需求和相关需求和相关需求的库存控制方法
2.通过掌握相关方法来降低库存积压,满足库存需求
【引导案例】戴希尔公司的库存问题P93
问题:
如何确定合理的库存量?
如何进行库存控制?
▪1.预测不准确
▪2.采购费用控制单一
▪3.库存量控制不准确
课堂教学安排
教学过程
主要教学内容及步骤
概念与操作详讲、计算略讲
例题讲解
例题讲解
例题讲解
注意事项详讲
例题讲解
概念详讲、计算略讲
例题讲解
例题讲解
例题讲解
例题讲解
略讲
第一节库存需求预测
企业开展库存管理工作的第一步就是进行库存需求预测。
库存需求预测对于物流各个环节的顺利进行十分重要,它与企业的生产、销售、财务等职能部门的关系也十分密切。
企业通过对市场上物流需求情况的预测,能够决定如何有效地分配企业现有的资源、制订合理的生产计划、保持适当的库存水平等。
特别是企业在库存管理的过程中,需要及时准确的物流需求预测为其服务,从而能够制订合理的库存决策,以达到减少库存的目的。
良好的物流需求预测能够使企业及时抓住有利的市场时机,安排销售和生产计划,有效降低库存量,为企业带来巨大的经济效益。
通过预测,企业能够确立共同的流量目标与计划体系,知道整个物流活动,推动物流工作的计划和协调,制定相应的物流战略。
预测可使用的标准化方法很多,按其性质不同可分为定性和定量两种方法,其中定量分析预测中应用比较广泛的有时间序列分析法和回归分析预测法。
一、定性预测法
定性预测法常见的有集体意见预测法、经营人员意见预测法、客户意见预测法和德尔菲预测法等。
(一)集体意见预测法
集体意见预测法是依据预测者的经验和直觉,把个人或所有参与者的预测意见加权平均求出需求预测值的方法。
就是召集一些熟悉库存需求并具有丰富业务经验的采购、销售、生产、计划、统计、会计等人员对未来需求做出判断预测,再由预测组织者把预测意见集中起来,用加权平均方法进行数学处理,得到需求预测结果。
此种方法集中了集体的智慧和经验,简便易行,适用于预测资料不足而预测者经验相当丰富的时候。
集体意见预测法的程序如下:
(1)要求每一位预测者提出个人的预测意见,具体给出预测结果的最高值、最低值和中间值。
(2)根据达到最高、中间和最低值的概率,计算每一位预测者的意见平均值,即:
Fi=ΣPjFji(j=1,2,3)(i=1,2,…,n)
式中:
Fi——第i位预测者的意见平均值;
Pj——第j种预测值出现的概率,是一种主观概率。
(3)根据各位预测者个人意见的重要程度,给出不同权数,通过加权平均求得集体的预测意见,即:
F=ΣWiFi(i=1,2,…,n)
式中:
F——集体意见预测值;
Wi——第i位预测者意见的权数,权数的大小根据预测者的经验、权威、才能、职务等综合因素确定;
n——预测者的人数。
例5-1某仓储企业市场、财务、运营三个部门的负责人对本企业下一年度目标市场的需求额判断预测如下表5-1所示。
解:
市场部经理的意见平均值为:
F1=ΣPjFj1=0.5×300+0.3×250+0.2×200=265(万吨)(j=1,2,3)
根据类似的计算,得到财务部经理的意见平均值F2=286万吨,运营部经理的意见平均值F3=268万吨。
表5-1目标市场的需求额预测值
预测者
预测值(万吨)
概率
权数
市场部经理
最高:
300
0.5
0.5
中间:
250
0.3
最低:
200
0.2
财务部经理
最高:
320
0.3
0.3
中间:
280
0.6
最低:
220
0.1
运营部经理
最高:
280
0.6
0.2
中间:
260
0.3
最低:
220
0.1
根据三位经理对需求市场掌握程度和预测经验的差异,给出不同权数:
市场部经理的权数为W1=0.5,财务部经理的权数为W2=0.3,运营部经理的权数为W3=0.2,由于ΣWi=1(i=1,2,3),因此,集体意见的预测值是:
F=ΣWiFi=0.5×265+0.3×286+0.2×268=271.9(万元)(i=1,2,3)
这个数字就是该企业下一年度目标市场需求额的预测值。
集体意见预测法是以经验为基础,所以不如统计数字令人信服,但无法按时间序列分析预测未来时,此种预测方法的确可以发挥丰富的经验和敏锐的直觉,弥补了统计资料不足的遗憾。
(二)经营人员意见预测法
企业的经营人员最接近客户,对商品是否畅销以及对花色、品种、规格、样式的需求等都比较了解。
所以,许多企业通过听取经营人员的意见来预测市场需求。
例5-2某企业在进行需求预测时,先让每个参与预测的经营人员对下年度的需求最高值、中间值、最低值分别进行预测,并给出一个概率值,然后再根据不同人员的预测值求出平均需求预测值。
具体预测计算方法如表5-2所示。
表5-2某企业不同经营人员的预测值
经营人员
预测值(万吨)
概率
甲
最高:
400
0.4
中间:
360
0.5
最低:
300
0.1
乙
最高:
350
0.5
中间:
280
0.3
最低:
220
0.2
丙
最高:
300
0.3
中间:
260
0.6
最低:
220
0.1
解:
甲的意见平均值为:
F1=ΣPjFj1=0.4×400+0.5×360+0.1×300=370万吨(j=1,2,3)
根据类似的计算,得到乙的意见平均值F2=303万吨,乙的意见平均值F2=303万吨,丙的意见平均值F3=268万吨。
企业由此得出平均预测值为:
(370+303+268)/3=314(万吨)
这种预测方法的主要特点是:
(1)比较简单明了,容易进行。
(2)使用范围广,无论是大型还是中、小型企业,是经营工业品还是经营消费品都可以应用。
(3)对商品需求量、需求额和花色、品种、规格都可以进行预测,能比较切合实际地反映当地需求。
(4)运用这种方法可以按产品、区域、客户或经营人员来划分各种需求预测值,在实际使用中灵活运用。
(三)客户意见预测法
这种预测方法是通过征询客户的潜在需求或未来购买计划的情况,了解客户购买商品的活动、变化及特征等,然后在收集意见的基础上分析市场变化,预测未来市场需求。
客观性将大大提高
(1)客户意见预测法的操作包括统计客户名单,根据客户的需求量、购买量、购买时间设计并印制客户意见调查预测表格,发给老客户和潜在客户。
然后对回收的调查表格信息进行认真分析,对产需求做统计汇总。
一些生产资料商品以及耐用消费品的调查预测一般采用抽样调查的方法。
将设计好的调查表发到调查对象手中(采用邮寄或直接发放的方法),并将表及时回收。
(2)客户意见预测法的效果及修正采用这种预测法一般准确率较高。
但观察两年以上的需求量情况,可靠性程度比短期要低一些。
因为时间长,市场变化因素多,客户不一定都按长期的购买商品计划安排,所以,预测结果可用其他预测方法对比进行修正,使预测更为准确。
例5-3某家用电器厂家为开拓四个城市产品市场,拟用客户意见预测法预测2002年这四个城市家庭对洗碗机的需求量。
对洗碗机的需求受收入水平、供电状况、工作繁忙程度因素的影响。
假设企业准备开拓的四个城市目标客户收入水平、供电状况及其他条件大致相当,可以用某一城市市场需求抽样调查资料,分析判断后估测其他三个城市的市场需求量。
解:
预测的过程按以下步骤进行:
(1)了解四个城市2001年的洗碗机需求量及城市目标客户数量的资料。
通过间接调查,收集资料如表5-3所示。
表5-3四个城市洗碗机2001年需求率
资料项目
2001年度洗碗机现实需求量(台)
该市目标客户家庭总数(万户)
该市2001年度需求率(台/户)
A市
2000
10
0.02
B市
1600
9
0.0178
C市
2400
12.4
0.0194
D市
1200
6.4
0.0188
(2)根据企业资金条件和各市场具体状况选择某一市场进行调查,测算该市场2002年的市场需求。
现该企业经过选择确定A城市为调查区域,经调查得到如下资料:
A城市2001年每100户目标客户家庭对洗碗机的需求量为8台,即需求率为0.08。
则A市2002年洗碗机市场的需求量为:
0.08×100000=8000(台)
(3)根据A城市2001、2002年的市场需求率测算出其他三个城市2001、2002年的市场需求率。
通常可以用下面的公式来计算:
Df=(Cf×Db)/Cb
式中:
Df——待估某城市某商品目标期需求率;
Cf——待估某城市某商品基期需求率;
Db——样本城市某商品目标期需求率;
Cb——样本城市某商品基期需求率。
估算结果如表5-4所示:
表5-4A、B、C、D四个城市2001、2002年市场需求率
项目
2001年A市需求率
2002年A市需求率
2001年本城市需求率
2002年本城市需求率
B市
0.02
0.08
0.0178
0.0712
C市
0.02
0.08
0.0194
0.0776
D市
0.02
0.08
0.0188
0.0752
(4)由各城市需求率推算出各城市2002年度市场需求量。
结果如表5-5所示。
表5-5A、B、C、D四个城市2002年度市场需求量
城市
2002年需求率
目标客户户数(万户)
2002年需求量(台)
A市
0.08
10
8000
B市
0.0712
9
6408
C市
0.0776
12.4
9622
D市
0.0752
6.4
4813
(四)德尔菲预测法
1.德尔菲预测法概述
德尔菲预测法又叫专家意见判断法或专家调查法,是在20世纪40年代由美国的兰德公司首创和使用的。
采用匿名发表意见的方式,即专家之间不得互相讨论,不发生横向联系,只能与调查人员发生关系,通过多轮次调查专家对问卷所提问题的看法,经过反复征询、归纳、修改,最后汇总成专家基本一致的看法,作为预测的结果。
这种方法具有广泛的代表性,较为可靠。
2.德尔菲预测法的步骤
(1)设计、印制征询表格(或问卷)
采用德尔菲法预测首先要准备好征询表格。
征询表格由预测者设计和印刷,发给参与预测的专家填写。
设计征询表格要达到以下要求:
①主题明确,中心突出
②语言简练,意思清楚。
③问题之间有一定联系,便于专家思路连贯。
④问题有启发性,促进专家的创造性思维。
⑤问题内容要接近专家熟悉的领域,便于充分利用专家的意见。
⑥问题的答案便于量化处理
⑦问题不宜太多和过于复杂
征询表格的设计直接关系到预测的效果,设计表格既要有利于专家充分发挥个人的意见,又要不脱离预测目标。
(2)选择专家。
专家的选择是德尔菲预测法成败的关键,预测的准确性在很大程度上取决于参加预测的专家的水平。
总的来说,德尔菲法所要求的专家应当是对预测对象和预测问题有比较深入的研究,知识渊博、经验丰富、思路开阔、富于创造性和判断能力的人。
具体的说,专家的选择要注意以下几点:
①自愿性。
不能通过行政手段强制他们参加。
应首先了解他们是否愿意参加、是否有时间和精力参加。
只有坚持自愿参加才能保证意见回收率,发挥专家的积极性、创造性。
②广泛性。
德尔菲法要求专家有广泛的来源,选择专家一般应实行“三三制”。
首先选择本单位、本部门对预测问题有研究的专家,人数占预测的专家的1/3左右;其次选择与本单位、本部门有业务联系、关系密切的行业的专家,人数也占1/3;最后再从社会有影响的知名人士中选择对市场问题有研究的专家,人数1/3
③规模适度。
参加预测的专家人数不宜过多或过少,视组织者的情况而不同,一般10~50人,重大问题扩到到100人以上。
(3)反复征询专家意见。
德尔菲法是将征询表格及背景材料提交给每位专家,请专家以书面形式回答。
专家寄回第一轮预测表格后,预测组织者以匿名的方式将各种不同意见进行综合、分类和整理,然后再分发给各位专家,再次征询意见。
各位专家在第二轮征询过程中可以坚持自己第一次征询的意见,也可以参考其他专家的不同意见,修改、补充自己的意见,再将意见寄回给预测组织者。
一般在3~5轮后,各位专家的意见渐趋一致。
(4)整理最终意见
得到预测结果后,对各位专家最后一轮的征询表格进行统计处理,即可得到最终的预测结果。
例5-4某公司根据市场需求开发了一种新产品,现聘请10位专家预测新产品投放市场后的年销量。
在专家作出预测前,公司将产品的特点、用途等进行详细介绍,并将同类产品的价格、销售情况作为背景资料,发给专家参考。
解:
采用德尔菲预测法,经过3轮反馈之后,专家意见大体接近一致,结果如表5-6所示:
表5-6专家的预测数字
专家
第一轮
第二轮
第三轮
最低
中间
最高
最低
中间
最高
最低
中间
最高
1
5
6
10
7
8
12
7
8
12
2
10
15
18
12
15
18
11
15
18
3
4
9
12
6
10
13
8
10
13
4
7
10
15
10
14
16
8
11
15
5
8
12
16
8
11
16
10
14
16
6
15
18
30
12
15
30
10
12
25
7
2
4
7
4
8
10
6
10
12
8
6
10
15
6
10
15
6
12
15
9
5
6
8
5
8
10
8
10
12
10
8
10
19
10
11
20
6
8
12
平均数
7
10
15
8
11
16
8
11
15
全距
13
14
23
8
7
20
5
7
13
从预测过程可以看出,第一、第二、第三轮的预测值的全距(极差)越来越小,说明专家意见逐渐趋近一致。
对预测结果的统计处理有以下几种方法:
①简单平均法。
将10位专家第三轮意见平均数作为预测值,则:
预测销售量=(8+11+15)/3=11.33(千台)
②加权平均法。
假如第三轮意见的最低、中间、最高三种销售量的概率分别为0.2、0.5、0.3,则:
预测销售量=(8×0.2+11×0.5+15×0.3)/(0.2+0.5+0.3)=11.6(千台)
③中位数法。
先将第三轮意见按数值高低排列如下:
最低值:
6、6、6、7、8、8、8、10、10、11
中间值:
8、8、10、10、10、11、12、12、14、15
最高值:
12、12、12、12、13、15、15、16、18、25
中间项的值即为中位数,中位数所在的项的计算公式为(n+1)/2,n为项数。
本例n=10,(n+1)/2=5.5,中位数位于第5项与第6项之间,这两项数值的平均数就是中位数。
可以看出,最低值的中位数为8;中间值的中位数为(10+11)/2=10.5;最高值的中位数为(13+15)/2=14.
将最低、中间、最高三个中位数值按0.2、0.5、0.3的权数加权平均,则:
预测销售量=(8×0.2+10.5×0.5+14×0.3)/(0.2+0.5+0.3)=11.05(千台)
通过统计处理几种方法的测算,可以得出该项新产品投放市场后的年销量将达到11千台~11.6千台。
3.德尔菲预测法的特点
(1)匿名性。
被调查的专家互不见面,以书面形式进行联系,可以消除心理因素的影响,保证每位专家如实的发表自己的见解,从而有利于提高珍格格预测工作的质量。
(2)反复沟通性。
在预测过程中,要经过多次反馈征询意见,具有轮番反馈沟通性。
每个专家可以多次提出、修改自己的意见,又可以多次见到其他专家的不同意见,相互比较分析启发,做到客观正确。
德尔菲预测法应用广泛,但也有一定的局限性。
如调查主题的资料缺乏或不充分时,专家难以回答;有的专家不了解别的专家所提供预测资料的根据,在下一轮征询意见中会出现简单地向中位数靠拢趋势;犯规次数较多,有的专家不愿配合;整个预测过程花费的时间长、费用较多。
这就需要根据具体情况作一些变通性处理。
二、定量预测法
定量预测法常见的有时间序列分析法和回归分析预测法。
(一)时间序列预测法
时间序列又称为时间数列,是指观察或记录到的一组按时间顺序的数据。
时间序列预测方法,假设预测对象的变化仅与时间有关,然后根据其变化,以惯性原理推测其未来状态。
时间序列预测方法可分为确定性方法和随机性方法两类。
本教材仅介绍确定性时间序列预测方法,包括算术平均法、加权平均法、移动平均法和指数平均法等。
1.算术平均法
设时间序列如表5-7所示,对应于时间t(1,2,…,n)时间序列的数据为:
y1,y2,y3,…,yn。
表5-7时间序列数据
时间(t)
1
2
3
…
n
观察值(yt)
y1
y2
y3
…
yn
设算术平均数为Ῡ,其计算公式为:
y1+y2+…+ynnyt1n
Ῡ=——————=Σ——=—Σyt
nt=1nnt=1
式中:
Ῡ——算术平均数;
yt——第t周期的实际值;
t——时间下标变量,表示周期序号;
n——时间序列的周期个数,即数据个数;
Σ——连加号
例5-5某仓库A产品在某城市最近6个月的需求量如表5-8所示。
表5-8某市A产品最近6个月的需求量
月份
1
2
3
4
5
6
需求量(台)
1050
1080
1030
1070
1050
1060
观察实际数据序列,其变动特征主要为随即变动。
因此,可采用算术平均数方法预测下个月的销售量,即
Ῡ=(y1+y2+…+yn)/n=(y1+y2+…+y6)/6
=(1050+1080+1030+1070+1050+1060)/6=1057(台)
算术平均数1057台反映了最近6个月产品需求的平均水平。
算术平均法主要用于预测对象变化不大,只受偶然因素的影响而呈现出不规则波动。
通过算术平均法可以消除这种不规则的波动,达到预测的目的。
2.加权平均预测法
如果认为近期的数据所反映的预测信息比较早的数据更重要,也就是说各个时间数据的重要程度不相等,则可以采用加权的方法对数据进行处理。
公式为:
Ῡ’=(W1y1+W2y2+…+Wnyn)/(W1+W2+…+Wn)
式中:
Ῡ’——加权平均数;
y1——第t周期的观察值;
Wt——第t周期观察值的权数,通常设权数之和等于1.
例5-6沿用例5-5的数据,并设各时期需求量的权数依次为0.1,0.1,0.15,0.15,0.25,0.25。
其加权平均数计算如下:
Ῡ’=(0.1×1050+0.1×1080+…+0.25×1060)/(0.1+0.1+0.15+0.15+0.25+0.25)=1056(台)
同理,如果判断影响预测对象变化的外部因素无重大变化,即可将1056台作为下个月产品销量的预测值。
加权平均数预测法应用于预测对象的变化原因是已知的,也就是说各个时间数据的重要程度已知。
变动的只是偶然因素引起的,通过加权平均来消除偶然因素引起的不规则波动。
3.移动平均预测法
移动平均预测法是一种简单平滑预测技术,它是在算术平均数的基础上发展起来的一种预测方法。
它的基本思路是:
根据时间序列资料,逐项推移,依次计算包含一定项数的时间序列平均值,以反映长期趋势的方法。
因此,当时间序列的数值由于受周期变动和随机波动的影响起伏较大,不易显示出事件的发展趋势时,使用移动平均预测法可以消除这些因素的影响,显示出时间的发展方向与趋势(即趋势线),然后依趋势线分析预测序列的长期趋势。
一次移动平均数的计算公式为:
Ft+1=(yt+yt-1+…+yt-N+1)/N
式中:
Ft+1——第t+1周期的预测值;
t——周期序号;
yt——第t周期的实际值;
N——移动步长。
例5-7某市汽车配件销售公司某年1月至12月的化油器销售量如表5-9所示。
试用简单移动平均法,预测下年1月份的销售量。
表5-91月至12月的化油器销售量
月份
1
2
3
4
5
6
7
8
9
10
11
12
销量
432
358
434
445
527
429
426
502
480
384
427
446
解:
取N=3,移动平均法计算各期的预测值:
F4=(432+358+434)/3=408
F5=(358+434+445)/3=412
以此类推,如表5-9。
同理,取N=5时,则
F5=(432+358+434+445+527)/5=439
F6=(358+434+445+527+429)/5=439
结果见表5-10。
表5-10预测结果
月份
实际销售量
3个月的移动平均预测值
5个月的移动平均预测值
1
432
—
—
2
358
—
—
3
434
—
—
4
445
408
—
5
527
412
—
6
429
469
439
7
426
467
439
8
502
461
452
9
480
452
466
10
384
469
473
11
427
455
444
12
446
430
444
419
448
从表5-10可知,当取移动步长为3时,下年1月份的预测值为419,当取移动步长为5时,下年1月份的预测值为448。
简单移动平均法只适合作近期预测,而且是预测目标的发展趋势变化不大的情况。
如果目标的发展趋势存在其他变化,采用简单移动平均法就会产生较大的预测偏差和滞后
4.指数平滑预测法
短期预测中最有效的方法可能就是指数平滑预测法,简称为指数平滑法只需要得到很小的数据量就可以连续使用。
指数平滑法是移动平均法的一种,其特点在于给过去的观测值不一样的权重,即较近期观测值的权数比较远期观测值的权数要大。
根据平滑次数不同,指数平滑法分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。
但它们的基本思路都是:
预测值是以前观测值的加权和,且对不同的数据给予不同的权数,新数据给予较大的权数,旧数据给予较小的权数,本书只介绍一次指数平滑法。
设时间序列为y1,y2,y3,…,yn,则指数平滑公式为:
Ft+1=αyt+(1-α)Ft
式中:
Ft——第t周期的指数平滑值;
α——加权系数(也称为平滑系数),0<α<1。
例5-8某粮油食品公司最近10个月的大米销售量如表5-11所示,请用指数平滑法预测第11个月的大米销售数量。
表5-11某粮油食品公司1月至10月大米的销售量
月份
1
2
3
4
5
6
7