< индекс---содержание № 6---след. статья в № 6---след. в рубрике >
УДК 658 + 504:378
УПРАВЛЕНИЕ ЗАПАСАМИ ТОВАРОВ АЖИОТАЖНОГО СПРОСА
А.Г. Беляков, А.В. Лапин, А.С. Мандель
Институт проблем управления им. В.А. Трапезникова РАН, г. Москва
Рассмотрена проблема управления запасами товаров, пользующихся повышенным спросом, в условиях априорной неопределённости статистических характеристик спроса. Предложены два подхода к формализации проблемы и адаптивные алгоритмы управления запасами.
Значительная часть выручки многих товаропроизводителей обусловлена выпуском ими товаров ударного, повышенного спроса, товаров, которые в текущий момент являются “писком моды”. Яркими примерами товарных рынков, на которых мода диктует возникновение ажиотажного спроса, можно считать торговлю книгами, аудио- и видеозаписями, CD- и DVD-дисками с популярной музыкой и видеопродукцией, одеждой, косметикой, так называемыми пищевыми добавками и многими другими изделиями, способными стать настоящими “хитами сезона” Естественно, что формирование ассортимента таких товаров напрямую связано с грамотным решением задач пассивного и активного маркетинга. В данном случае под пассивным маркетингом мы понимаем аналитическое изучение наблюдаемого на рынке спроса с целью выработки предложений по выводу на рынок новых видов “сверхмодной” продукции, а под активным – организацию и проведение эффективных рекламных кампаний.
После того, как портфель “хитов” сформирован и выработана стратегия продаж, включающая в себя выбор графиков проведения рекламной кампании и согласованных с ними (по датам) графиков продаж, особую актуальность приобретает проблема определения объёмов и графиков выпуска (если у фирмы-производителя имеется собственная торговая сеть) или приобретения (если речь идет о торгово-закупочной компании) соответствующих товаров.
Чтобы рассчитать указанные производственные или закупочные графики, необходимо располагать адекватной моделью спроса на впервые выпускаемые на рынок виды товаров. Общая особенность сверхмодных товаров состоит в том, что львиная доля их продаж приходится на ограниченный отрезок времени, который, как правило, исчисляется несколькими неделями (обычно от 7 – 8 до 14 – 16). По завершении периода потребительского ажиотажа соответствующие товары либо вытесняются с рынка новыми “хитами”, либо переходят в разряд “классики”, т. е. таких товаров, которые пользуются устойчивым, но в десятки раз меньшим спросом. Важно, что доля выручки от продажи особо модных товаров нередко составляет более половины общего объёма выручки торговых и производственно-торговых организаций. Причем вся информация о том, каким спросом они, эти товары, будут пользоваться на всем интервале их активных продаж, носит чисто предположительный характер, а любые ошибки в сформулированных предположениях могут приводить к очень большим потерям – от утраты потребительского спроса в случае его недооценки до создания бессмысленно больших запасов товаров, спрос на которые оказался переоценённым.
Предложено два подхода к решению задачи управления запасами товаров ажиотажного спроса: применение процедур экспертно-статистического прогнозирования по методу аналогов и использование алгоритмов адаптивного динамического программирования.
Применение процедур экспертно-статистического прогнозирования является более предпочтительным в тех случаях, когда наблюдаемые зависимости спроса от времени демонстрируют наличие заметных автокорреляций (на уровне коэффициентов парной корреляции 0,5 и выше).
При малых значениях автокорреляций (на уровне коэффициентов парной корреляции 0,1 и ниже) можно считать, что хорошим описанием процесса изменения спроса является модель, представленная уравнением (2). В этом случае адекватным подходом к оптимизации стратегии управления запасами товаров ажиотажного спроса в условиях высокой степени априорной неопределённости становится модель адаптивного динамического программирования.
Алгоритмы адаптивного динамического программирования весьма громоздки и в процессе своего применения предъявляют достаточно жёсткие требования к вычислительным возможностям и памяти используемых вычислительных устройств. Именно поэтому в работе предложена приближённая схема решения задач адаптивного динамического программирования. Целесообразность применения предложенного подхода продиктована актуальностью и содержательной стороной решения задачи оптимизации стратегии управления запасами товаров ажиотажного спроса на достаточно коротком интервале времени, поскольку по завершении этого интервала (названного в статье периодом продаж) процесс изменения спроса утрачивает признаки ажиотажности и суммарный объём прибыли от продаж товара резко спадает.
1. Хедли Дж., Уайтин Т. Анализ систем управления запасами. – М.: Мир, 1969.
2. Barancsi E., Banki G., Borloi R., et al. Inventory Models (Editor A. Chikan). Budapest: Akademia Kiado, 1990.
3. Мандель А.С. Экспертно-статистические системы в задачах управления и обработки информации. Ч. I // Приборы и системы управления. – 1996. – № 12. С. 34 – 36.
4. Мандель А.С. Экспертно-статистические системы в задачах управления и обработки информации. Ч. II // Приборы и системы управления. – 1997. – № 2. С. 11 – 13.
5. Беляков А.Г., Мандель А.С. Прогнозирование временных рядов на основе метода аналогов (элементы теории экспертно-статистических систем). – М.: Ин-т пробл. управления, 2002.
6. Беляков А.Г., Мандель А.С. Анализ достоверности выводов, формируемых с помощью экспертно-статистических систем. – М.: Ин-т пробл. управления, 2002.
7. Мандель А.С. Метод аналогов в прогнозировании коротких временных рядов: экспертно-статистический подход // Автоматика и телемеханика. – 2004. – № 5.
8. Дорофеюк А.А. Алгоритмы автоматической классификации // Там же. – 1971. – № 12.
9. Бауман Е.В., Дорофеюк А.А. Вариационный подход к задаче автоматической классификации для одного класса аддитивных функционалов // Там же. – 1978. – № 8.
10. Бауман Е.В., Дорофеюк А.А. Рекуррентные алгоритмы автоматической классификации // Там же. – 1982. – № 3.
11. Бауман Е.В. Методы размытой классификации (вариационный подход) // Там же. – 1988. – № 12.
12. Бауман Е.В., Дорофеюк А.А. Классификационный анализ данных // Избр. тр. Междунар. конф. по пробл. управления. – М. 1999. – Т.1.
13. Экспертно-статистические системы прогнозирования коротких временных рядов и имитационно-оценочное моделирование (А.Г. Беляков, А.С. Мандель, А.В. Лапин и др.) // Проблемы управления . – 2003. – № 3. С. 30 – 38 (www.ipu.rssi/period/pu).
14. Bellman R., Kalaba R. Dynamic programming and adaptive processes: mathematical foundation. IRE Trans. on AC. – Jan. 1960. – Vol. AC-5, N 1.
15. Калаба Р. Математические аспекты адаптивного регулирования // Модели биологических систем. – М.: Мир, 1966.
16. Дюге Д. Теоретическая и прикладная статистика. – М.: Наука, 1972.
É (095) 334-89-69
E-mail: manfoon@ipu.rssi.ru