Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami - cz. 2

Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw - cz. 2

Artykuł wyróżniony w IV edycji konkursu "Piórem logistyka."

3.2. Implementacja w Excelu (VBA for Application)

Analiza przypadku w Excelu została opisana w 9 krokach.

Krok 1.
Krok ten prezentuje arkusz danych początkowych. Tabela z lewej strony arkusza opracowana została w oparciu o dane historyczne firmy. Wielkości popytu oraz prawdopodobieństwa zaistnienia każdego z nich zostały określone za pomocą metody tablicowego dopasowania rozkładu empirycznego do teoretycznego.
W lewym górnym rogu arkusza wpisana została funkcja Los. Jest to funkcja zdefiniowana przez arkusz, która generuje liczby pseudolosowe zgodnie z rozkładem jednostajnym w przedziale (0, 1).
Tabela z prawej strony arkusza, generuje popyt dla badanego okresu. Uaktywnia ją przycisk o nazwie „generuj popyt”.

Arkusz generujący popyt na podstawie rozkładu prawdopodobieństwa popytu oraz liczby pseudolosowej

Rys. 1. Arkusz generujący popyt na podstawie rozkładu prawdopodobieństwa popytu oraz liczby pseudolosowej (opracowanie własne).

Krok 2.
Ten krok prezentuje procedury generujące popyt. Opracowane są one w edytorze Visual Basic. Kody procedur: function oraz sub przedstawia (rys 2).

Procedury generujące popyt

Rys. 2. Procedury generujące popyt (opracowanie własne).

Krok 3.
W tym kroku po utworzeniu przycisku uruchamiającego „generator popytu” można przystąpić do generowania wielkości popytu w rozpatrywanym okresie. Każdorazowe uruchomienie przycisku „generuj popyt” umożliwia analizowanie różnych scenariuszy (zestawów danych) oraz zmienność popytu na wykresie, dzięki któremu można porównywać prognozy opracowane niezależnie, np. przez dostawcę i producenta (rys. 3).

Graficzna analiza zmienności popytu

Rys. 3. Graficzna analiza zmienności popytu (opracowanie własne).

Krok 4.
Wygenerowany popyt wraz z uzgodnieniami umożliwia tworzenie optymalnego harmonogramu dostaw na olej napędowy i benzynę samochodową. Rysunek 4 przedstawia „menu” aplikacji. Przyciski opracowane jako makro lub w Visual Basic for Application otwierają arkusze związane z kolejnymi procedurami analizy.

Menu aplikacji związanej z planowaniem zasobów dystrybucji

Rys. 4. Menu aplikacji związanej z planowaniem zasobów dystrybucji (opracowanie własne).

Krok 5.
Przycisk „wprowadź dane”, uruchamia arkusz związany z danymi początkowymi (rys. 5).

Tabela danych do algorytmu optymalnego harmonogramu dostaw paliw płynnych

Rys. 5. Tabela danych do algorytmu optymalnego harmonogramu dostaw paliw płynnych (opracowanie własne).

Rysunek 5 przedstawia tabelę, która odzwierciedla informacje dotyczące stanu początkowego zapasu magazynowego, czasu realizacji zamówienia oraz ograniczeń związanych z:

  • dopuszczalnym czasem przechowywania towaru w magazynie,
  • maksymalnym stanem zapasu magazynowego,
  • wielkością dostawy.

Ostatnio zmieniany w poniedziałek, 12 czerwiec 2006 15:09
Więcej w tej kategorii: « Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami - cz. 1 Rynek powierzchni magazynowych - w regionie moskiewskim - cz. 2 »
Zaloguj się by skomentować