Logo
Wydrukuj tę stronę

Poziom obsługi popytu i stopień ilościowej realizacji zamówień dla różnych rozkładów prawdopodobieństwa popytu

Polecamy! Poziom obsługi popytu i stopień ilościowej realizacji zamówień dla różnych rozkładów prawdopodobieństwa popytu

Utrzymywanie odpowiedniego poziomu zapasów jest istotnym elementem polityki przedsiębiorstwa. Głównymi powodami utrzymywania zapasów są między innymi poprawienie jakości obsługi klienta, redukcja łącznych kosztów logistycznych, zmniejszenie negatywnego wpływu losowości popytu czy redukcja niepewności związanej z czasem realizacji zamówienia. Dodatkowymi znaczącymi przyczynami posiadania zapasów są również udostępnienie produktów sezonowych przez cały rok oraz spekulacja dotycząca ceny towarów. Równocześnie utrzymywanie zapasów może być wyjątkowo kosztowne, sięgając nawet ponad 30 procent wartości towarów w zapasie (por. Ghiani i in., 2004, str. 121-157, Axsäter, 2006).

W celu zminimalizowania niedogodności związanych z utrzymywaniem zapasów należy podjąć właściwie nimi zarządzanie. Wyznacznikiem odpowiedniego doboru strategii kontroli zapasów jest utrzymanie poziomu obsługi klienta na odpowiednim poziomie. Stosuje się tu różnorodne wskaźniki poziomu obsługi. W modelach deterministycznych, gdzie popyt, ceny i czas ponownego zamówienia są od początku znane, uwaga jest skupiona nie na poziomie obsługi klienta, a na różnego rodzaju kosztach. Do kosztów tych zalicza się koszty utrzymywania zapasu, koszty dostaw, koszty zakupu towarów i podobne. Natomiast w modelach stochastycznych wykorzystywany jest warunek utrzymywania pewnego poziomu obsługi klienta, stwierdzający na przykład, że klient zostanie obsłużony z pewnym prawdopodobieństwem. Dla takich losowych modeli niemożliwe jest zaspokojenie całego popytu z powodu niepewności co do niektórych wielkości. Mogą to być między innymi losowość popytu, losowość czasu realizacji zamówienia, losowe ceny i inne. Najczęściej stosowanymi miarami poziomu obsługi klienta są poziom obsługi popytu oraz stopień ilościowej realizacji zamówień. Obydwa mierniki zdefiniowane są za pomocą pojęć rachunku prawdopodobieństwa.

Optymalne zarządzanie zapasami ma swój początek już we wczesnych latach XX wieku. Znaczący rozwój tej gałęzi badań operacyjnych nastąpił po II wojnie światowej, gdy zajęto się modelami stochastycznymi. W latach 70-tych wzmożono prace nad modelami zarządzania zapasami i ich zastosowaniem w praktyce (por. Bartman i in., 1992). Przewagą podejścia probabilistycznego jest lepsze modelowanie rzeczywistych zjawisk niż to ma miejsce w ujęciu deterministycznym. Systemy deterministyczne mają rzadkie zastosowanie, gdyż z każdym systemem związana jest niepewność. Jednakże z drugiej strony mimo, że systemy stochastyczne są lepiej dopasowane do rzeczywistych warunków, to są bardziej skomplikowane matematycznie i generują trudności w ich analizie. Więcej informacji na temat stochastycznych modeli zarządzania zapasami można znaleźć w książkach Silvera i in. (1998), Zipkina (2000), Axsätera (2006) i literaturze w nich cytowanej. W literaturze polskiej problem zapasów poruszony jest w książkach Krzyżaniaka (2002) lub Mokrzyckiej (1999). Ponadto wśród polskich artykułów dotyczących sterowania zapasami należy wymienić prace Tymińskiej (2012), Krzyżaniaka (2003), Cyplika (2003, 2005) oraz Czajki i Gdowskiej (2013). W ostatniej pozycji wiele miejsca poświęca się na omówienie sposobów wyznaczenia miar poziomu obsługi klienta i ograniczeń w stosowaniu tych miar. Wśród znaczących prac w literaturze zagranicznej dotyczących problematyki optymalizacji zapasów można wymienić artykuły takich autorów jak Guijarro i in. (2012), Silver i Bischak (2001), Teunter (2009) czy Tempelmeier (2000). W pracy Guijarro i in. (2012) podana jest metoda estymacji stopnia ilościowej realizacji zamówień dla rozkładów dyskretnych, w tym rozkładu Poissona. W artykule Teuntera (2009) przedyskutowana jest powyższa miara poziomu obsługi dla dowolnego ciągłego rozkładu popytu. Natomiast w pracy Tempelmeiera (2000) została wprowadzona nowa miara poziomu obsługi oparta na oczekiwanym czasie braku zapasu.

Artykuł zawiera 23580 znaków.

Źródło: Czasopismo Logistyka

 

Ostatnio zmieniany w czwartek, 05 lipiec 2018 10:03
© 2000-2023 Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny