Проверяемый текст
Исупова Елена Валентиновна. Моделирование системы управления товарными запасами и потоками торгово-посреднической организации (Диссертация 2009)
[стр. 94]

94 догоняет спрос, следует череда отмен заказов.
Такая же
ситуация была характерна и для советской системы снабжения, однако в современных условиях рыночной экономики повторение этой модели вряд ли возможно.
Ви11\\'Ыр-эффект крайне негативно сказывается на процессе управления материальными потоками и товарными запасами, гак как провоцирует накопление излишних страховых запасов у всех участников логистической цепи.
Поэтому разработка мер, направленных на сглаживание эффекта «хлыста», является одной из актуальных задач логистики на сегодняшний день.
Существует несколько подходов к решению данной задачи.
Первый подход информационное взаимодействие между участниками цепи поставок, которое позволяет проводить автоматизированный анализ конечного спроса.
Например, если производитель будет иметь доступ к данным о продажах своей продукции непосредственно из торговых залов, то для него не составит
груда спрогнозировать, какой объем он должен отгрузить в распределительный центр, снабжающий эту розничную сеть [591.
Второй подход использования возможностей информационной интеграции, работа по технологии УМ1 (УепсЬгз Мапа§ес1 1пуеп1огу), когда продавец самостоятельно управляет запасами своего клиента.
Преимущества такого подхода налицо, так как он устраняет саму основу эффекта хлыста.
Однако реализация подобной технологии требует от компаний не только серьезных финансовых вложений, но и высокой степени информационной интеграции, что возможно только при достаточной зрелости компании для подобных отношений.
В России, к сожалению, таких компаний единицы
[59].
В каждой цепи поставок есть звено, обладающее наибольшим весом, так называемая компания лидер, которая определяет политику всей логистической цепи.
В цепочке
производитель-дистрибьютор-розница таким звеном является производитель, который может жестко предписывать дистрибьютору, когда и сколько товара он должен закупать.
Обязательство выбрать определенную квоту вместе с ограничениями на частоту заказов и
[стр. 73]

ния действия акций следует неминуемый спад заказов, поскольку клиенты начинают расходовать свои запасы, возможно, дожидаясь следующего периода скидок [48].
В западной печати упоминаются также ситуации, когда в условиях дефицита клиенты подают намеренно завышенные заявки в ответ на политику их частичного исполнения.
И когда уровень предложения наконец догоняет спрос, следует череда отмен заказов.
Такая же
картина была характерна и для советской системы снабжения, однако в современных рыночных условиях повторение этой модели вряд ли возможно.
Ви11\у1ир-эффскт крайне негативно сказывается на эффективности операций участников цепи поставок в первую очередь потому, что он провоцирует накопление чрезмерных страховых запасов у каждого участника цепи.
Поэтому разработка мер по сглаживанию этого эффекта на сегодняшний день является одной из актуальных задач логистики.
Можно выделить несколько подходов к ее решению.
В основе этого подхода лежит сложное информационное взаимодействие между участниками цепи поставок, которое позволяет проводить автоматизированный анализ конечного спроса.
Например, если производитель будет иметь доступ к данным о продажах своей продукции непосредственно из торговых залов, то для него не составит
труда спрогнозировать, какой объем он должен отгрузить в распределительный центр, снабжающий эту розничную сеть.
Другой вариант использования возможностей информационной интеграции это работа по технологии УМ1 (Уепёогз Мапа^её 1пуспЮгу), когда продавец самостоятельно управляет запасами своего клиента.
Преимущества такого подхода налицо, так как он устраняет саму основу эффекта хлыста.
Однако реализация подобной технологии требует от компаний не только серьезных финансовых вложений, но и высокой степени информационной интеграции, что возможно только при достаточной зрелости компании для подобных отношений.
В России, к сожалению, таких компаний единицы
[48].
В каждой цепи поставок есть лидер или фокусная компания, которая определяет политику всей цепи как звено, обладающее наибольшим весом.
В цепочке
производитель-дистрибыотор-розница таким звеном чаще становится производитель, 73

[стр.,74]

который способен жестко предписывать дистрибьютору, когда и сколько товара он должен закупать.
Обязательство выбрать определенную квоту вместе с ограничениями на частоту заказов и
возможность коррекции плана закупок приводят к организации «удобного», предсказуемого для производителя сбыта.
Все риски и многочисленные неопределенности в этом случае просто переносятся на нижние звенья.
Будущее такого подхода сомнительно хотя бы потому, что компания-диктатор обычно имеет посредственные, туманные представления о реальном спросе на свою продукцию и вряд ли полностью реализует свой рыночный потенциал.
К тому же в последнее время наблюдаются тенденции к смещению влияния в цепи поставок в сторону розницы [48].
Что же делать компаниям, которые не имеют ни солидных информационных платформ, ни продвинутых отношений с партнерами, ни возможности диктовать контрагенту свои условия? Для начала надо понять реальную природу колебаний спроса (что возможно с помощью проведения описанного в предыдущем параграфе ХУ2-анализа по клиентам), выявить группу клиентов со стабильным уровнем потребления.
Если таких клиентов большинство, а объемы заказов скачут, значит, имеет место нсскоордииированиый поток заказов, создающий иллюзию неравномерности спроса.
Как только причины искажения реального спроса выяснены, можно принимать меры.
Возможные варианты приведены в таблице 2.1.
Таким образом, при прогнозировании спроса на товары в системе управления запасами с длительным периодом выполнения заявки необходимо учитывать действие специфичных факторов.
Достижение точности прогнозирования возможно с помощью формирования модели поведения спроса, параметрами которой являются те параметры внешней среды, которые непосредственно влияют на возникиовение/измснение спроса.
Точность прогнозирования с помощью моделирования поведения основывается на достижении максимального сходства сформированной модели существующей (моделируемой) среды.
Задача моделирования определения максимального количества параметров внешней среды, влияющих на поведение спроса, а также установление их связи, по74

[Back]