2021-05-25 21:19:06
Немного про запасы.
Дано, некоторый набор данных за некоторый период, а именно потребление материалов за три года, с помесячной разбивкой, надо из этого набора вычислить те материалы которые необходимо постоянно хранить на складе. Как это сделать?
Банально, берём обычный XYZ — анализ, его обычно используют для изучения вариативности спроса. И…. круто обламываемся, так как например за 12 месяцев только в одном месяце было потребление, а в остальные нули и XYZ — анализ покажет, что потребление стабильно, но на самом деле видно, что это далеко не так, потребления просто нет, стабильно нет :) . Я тут немного пораскинул мозгами и подумал, а что если использовать MAD (Minimum annual demand)? В теории можно, надо только с частотой спроса определиться. И это не очень сложно, как оказалось, есть замечательная в своей простоте формула частотной вероятности которая записывается как:
A = n/N, где:
A — вероятность наступления события (потребление)
n — количество наблюдений (случаи потребления)
N — общее количество испытаний (месяцев в году, например)
Прогнав данные по формуле, как раз получим значение MAD в %, а это уже позволит отобрать для дальнейшей работы данные, где вероятность потребления больше X. Дальше с данными уже можно продолжать работать по стандартной формуле Уилсона, например или по методу экспоненциального сглаживания или как-то ещё.
Можно посмотреть дисперсию по годам, как вариант и принять решение. Ну или ещё что-то подобное выдумать.
327 viewsVakorin (bot), 18:19