Моделирование процессов управления материальными потоками на предприятиях фармацевтического рынка

Рис.2 Комплекс экономико-математических моделей управления материальными потоками и товарными запасами

Технология планирования закупок фармацевтического предприятия содержит 3-уровневое управление (годовое, помесячное, ежесуточное), с учетом календарного графика товародвижения.

Технология планирования закупок состоит из:

• Годовой план закупок - должен учитывать годовой прогноз спроса и сезонные колебания;
• Месячный план закупок – корректируется с учетом сезонных колебаний, сроков транспортировки товаров;
• Ежесуточное планирование закупок – оперативное пополнение запасов у отечественных дилеров;

Технология планирования поставок фармацевтического предприятия содержит 2-уровневое текущее управление (на год и месяц) с учетом сезонной динамики интенсивности конечного спроса и форс-мажорных обстоятельств.

Оперативное управление поставками (распределение и перераспределение) проводится по стабильным договорам и ежесуточным корректировкам по запросам клиентов (мелкий опт) на основе данных обратной связи.

Предложенный комплекс ЭММ (см. рис. 2) позволяет оптимальным образом решить локальные управленческие задачи технологии планирования закупок и поставок товаров в общей задаче управления материальными потоками и товарными запасами фармацевтического предприятия.

3) Обоснованы дифференцированные подходы к прогнозированию текущего спроса (объемов продаж) на отдельные ассортиментные группы товаров, выделенные по результатам ABC и XYZ анализа текущей реализации товаров.

В данном диссертационном исследовании, под прогнозированием спроса автор понимает количественный показатель величины будущего спроса (объем продаж) на основе данных отдела продаж (статистики) компании за прошлые годы. Оценка количественного спроса на лекарственные препараты осуществляется путем структурного анализа фактического объема продаж по всем элементам сети (рис. 1). Анализ проводится в рамках оперативного, конъюнктурного и краткосрочного планирования.

Учитывая специфику фармацевтических компаний, с многоменклатурным ассортиментом товаров – фармацевтических препаратов, процесс моделирования и анализа каждой номенклатурной позиции нереальны. Поэтому, в диссертационном исследовании, запасы лекарственных препаратов предприятия предложено структурировать с помощью известных технологий АВС и XYZ анализа. На основе проведенного анализа товарных запасов, выделены наиболее важные, с точки зрения оптимизации управления материальными потоками и товарными запасами, ассортиментные позиции предприятия. Таким образом, в диссертационном исследовании рассматриваются товары группы А, так как именно эта группа товаров является приоритетной, и подлежит тщательному экономико-математическому анализу (их доля продаж нарастающим итогом в общем доходе предприятия составляет 80%).

Для товаров различных групп, выделенных на основе проведенного анализа, применены различные подходы к методике прогнозирования спроса. Таким образом, к фармацевтическим препаратам, выделенным в группу AZ, применена многофакторная регрессионная модель, к остальным группам применены более простые в реализации трендовые модели. В условиях неопределенности спроса и социальной важности обеспечения населения лекарственными препаратами и товарами медицинского назначения, размер страхового запаса также дифференцирован для различных групп товаров. Так для группы товаров AX учитывается лишь фактор неопределенности периода выполнения заказа, тогда как для групп AY и AZ, кроме фактора неопределенности периода выполнения заказа, учитывается фактор неопределенности спроса. Таким образом, авторский подход позволяет снизить трудоемкость процесса планирования управления запасами и материальными потоками, то есть в значительной степени упрощает процесс прогнозирования, не снижая тем самым качества прогноза для целей текущего планирования. Кроме того, реализовав данный метод, мы достигаем снижения уровня товарных запасов, путем сведения к минимуму уровня страховых запасов товаров, имеющих стабильное потребление.

4) Для импортируемых товаров с длительным периодом выполнения заказа, разработана и апробирована двухэтапная модель прогнозирования спроса: многофакторная регрессионная модель, используемая на первом этапе прогнозирования, и на втором этапе детализация прогноза на основании данных, полученных от клиентов. Особенность состоит в том, что в разработанной модели учтено действие специфических факторов, таких как: дефицит товара в предыдущих периодах, изменение в ценовой политике, сезонный спрос.

Разработанная автором, модель прогнозирования спроса на товар учитывает специфику деятельности предприятий фармацевтического рынка, особенностью которых являются:

- многономенклатурность товаров аптечного ассортимента;

- неопределенность спроса на фармацевтические препараты;

- длительность периода доставки фармацевтических препаратов импортного производства;

- наличие нескольких, территориально отдаленных, складских помещений.

Поэтому процесс прогнозирования спроса автором предложено проводить поэтапно:

1 этап – прогнозирование спроса на период размещения заявки, в согласованные с поставщиком сроки доставки.

2 этап – для цели оптимального распределения фармацевтических препаратов по складам предприятия, последующая детализация прогноза спроса, построенного на первом этапе, на более короткие периоды (ежесуточное уточнение).

На первом этапе прогнозирования предлагается использование аддитивной многофакторной регрессионной модели спроса, вида:

Y (x1, x2,..., xn) = b0 + b1·x1 + b2·x2 +... + bn ·xn, (1)

где Y - объем продаж (прогнозный);

b1, b2,..., bn — коэффициенты регрессии;

b0 — свободный член уравнения регрессии;

x1, x2,..., xn —факторы (независимые переменные);

n — количество независимых переменных.

Точность прогнозирования спроса достигается, посредством включения в модель ряда специфических факторов, (хi, i=1,…,n):

- спрос на фармацевтические препараты год назад, в одноименный период;

- наличие дефицита товара на складе;

- цена на фармацевтические препараты;

- увеличение объема спроса, в момент эпидемии (на отдельные ассортиментные позиции);

- увеличение объема спроса, за счет сезонных продаж;

- численность постоянных клиентов (мелкий опт).

В диссертационной работе рассмотрены различные подходы к прогнозированию спроса на фармацевтические препараты. Учитывая сложность расчетов при построении аддитивной многофакторной регрессионной модели, предложено ее использование для прогнозирования спроса на фармацевтические препараты группы АZ. Для товаров, относящихся к группам АХ и АY, имеющих более ярко выраженные тенденции потребления и спроса, предложено применение более простых в применении и реализации методов (трендовых моделей).

На втором этапе предложено провести уточнение данного прогноза спроса, с целью оптимального распределения лекарственных препаратов по складам фармацевтической компании. Данный прогноз рассчитывается на основе данных обратной связи: о будущих потребностях, предоставляемых постоянными клиентами компании. В разработанной модели учтено действие специфических факторов, таких как: дефицит товара в предыдущих периодах, изменение в ценовой политике, сезонный спрос. Это позволяет сгладить мнимое колебание спроса при ежемесячном планировании поставок.

5) Разработаны и апробированы модели оптимального распределения материальных потоков по каналам доставки от иностранных фармацевтических производителей, учитывающих различные условия поставки (емкость транспортного средства, период доставки, таможенное оформление и др.).

От выбора компании – перевозчика зависит цена поставки (различные тарифы компаний), объем заказываемой партии, время поставки и т. д.

Для целей снижения расходов на доставку фармацевтических препаратов (транспортные расходы, затраты на хранение, затраты связанные с прохождением таможни, пошлины), поставлена задача выбора оптимальной схемы перевозки товара.

Постановка задачи:

Для минимизации совокупных затрат Z фармацевтической компании, связанных с выбором схемы доставки, необходимо определить объем перевозок товара (лекарственных средств) xk в периоде времени T (согласно плану закупок компании, Т=90 дней) по каждой ассортиментной группе товаров k (k=1,…,L) и по каждому транспортному агенту (=1,…,n).

Целевая функция:

(2)

где z(хk) - затраты, связанные с доставкой товара (лекарственных средств) группы k, через транспортного агента, за весь период времени Т.

, =1,…,n, k=1,…,L.

Сумма включает в себя:

1. затраты на транспортировку и таможенное оформление

(3)

где dk - затраты на таможенное оформление и транспортировку единицы транспорта агента для группы товаров k,

Ek – емкость транспортного средства агента, для доставки k-ой группы товаров.

2. затраты на хранение (зависящие от емкости выбранного транспортного средства)

(4)

где - средний размер запасов между поставками товаров группы k, равный емкости транспортного средства агента ;

tk - среднее время, необходимое для доставки товаров группы k через транспортного агента, дней;

- число стандартных отклонений, определяемых по таблице (для заданного уровня обслуживания);

tk - стандартное отклонение времени доставки товаров группы k через транспортного агента, дней;

wk - средняя потребность в товаре группы k, в расчете на один день;

sk - средние расходы на хранение единицы товара группы k (выраженной, например, в объеме или весе), в расчете на один день;

- доля перевозок товаров группы k, приходящаяся на агента.

Ограничения:

1) xk=0 для транспортного агента, не поставляющего товары группы k, от определенного поставщика (a priori неприемлемый вариант),

2) xk>0 для всех остальных агентов и групп товаров k,

3), где xk – потребность компании в товарах группы k, в рассматриваемом периоде времени Т,

4), где max – максимальное наличное количество транспортных средств агента в определенный промежуток времени t (например, неделя).

Расчеты, по модели оптимального распределения материальных потоков по каналам доставки, компаниям необходимо проводить периодически, по мере появления на рынке новых компаний по перевозке товаров, либо при изменении тарифов у уже существующих компаний – перевозчиков.

6) Разработаны оптимизационные модели пополнения товарных запасов оптово-розничной компании в целом. В частности, модель совместной поставки дорогостоящих фармацевтических препаратов из разных ассортиментных групп, но от общего поставщика-производителя (годовое планирование), а так же модель оптимальной закупки препаратов у отечественных дилеров-оптовиков (в рамках оперативного управления запасами).

Формализованный вид модели (предложено автором) включает:

Целевая функция:

(5)

где F – затраты компании, связанные с закупкой (пополнением и содержанием) товарных запасов;

L – количество групп, k=1,…,L;

mk – количество ассортиментных позиций в k-ой группе, j=1,…,mk;

dk – затраты, связанные с транспортировкой, таможенным оформлением товара (из группы k);

Qk – количество транспортных средств (партий товаров группы k);

sj – коэффициент издержек, связанный с затратами на хранение единицы j – го товара (в составе стоимости запаса);

pj – цена закупки j – го товара;

rj – суммарный запас j – го товара в компании на начало периода планирования;

xj – оптимальный объем заказа j – го товара (требуется найти);

ej – часть издержек на пополнение запасов j – го товара, зависящая от объема и ассортимента заказа (например, таможенные пошлины по коду ТН ВЭД).

Ограничения:

1. Неотрицательность объемов заказов:

xj0, j=1,…,mk; k=1,…,L (6)

2. Кратность объема заказа грузоподъемности транспортного средства:

, k=1,…,L; (7)

где Cmk – максимальная грузоподъемность транспортного средства для перевозки товаров группы k;

3. Целочисленность количества транспортных средств:

Qk – целое, k=1,…,L; (8)

4. На максимальное количество транспортных средств, для перевозки товара в заданном периоде:

Qk Qmax, k=1,…,L (9)

где Qmax – максимальное количество заказов в периоде;

5. На минимальный размер заказа, с учетом прогноза спроса:

xj fj – (rj-rrez), j=1,…,mk; k=1,…,L; (10)

где fj – прогноз спроса (определенный по многофакторной регрессионной модели) на j – ый товар в рассматриваемом периоде времени;

rrez – страховой запас;

rj – суммарный запас j –го товара на складах компании до момента поступления новой партии, рассчитывается по формуле:

rj = r0j + tpj - fj t(зак), j=1,…,mk; k=1,…,L; (11)

r0j – запас j –го товара в момент размещения заказа;

tpj – объем j-ого товара в пути в момент размещения текущего заказа (заказанный ранее, но еще не поступивший на склад компании);

fj t(зак) – прогноз спроса на j –ый товар в период выполнения заказа t(зак).

Данная модель используется в ежемесячном планировании.

Размер страхового запаса автором предложено рассчитывать, учитывая результаты по проведенному АВС и XYZ – анализу. Так для товаров группы AX, предложено учитывать в модели фактор неопределенности периода доставки товара, то есть периода выполнения заказа. Для группы АY и AZ, кроме фактора неопределенности выполнения заказа, учитывать фактор неопределенности спроса на товар.

Предложена и апробирована экономико-математическая модель прогнозирования оптимальной закупки фармацевтических препаратов, закупаемых предприятием у отечественных дилеров по оптовым ценам, в рамках технологии оперативного управления запасами.

Данная ЭММ предназначена для планирования поставки фармацевтических препаратов отечественного производства, либо иностранного, закупаемого у отечественных дилеров по оптовым ценам. Данный прогноз строится на 1 день, в рамках оперативного управления закупками. Поступление товаров данного вида происходит ежедневно в режиме реального времени, не требуя дополнительных затрат, связанных с транспортировкой.

Требуется определить количество товара – фарм. препаратов, в момент пикового спроса (например, вследствие внезапной эпидемии или других внешних факторов) закупаемого базой в рамках оперативного управления в текущем периоде так, чтобы прибыль от последующей реализации товара была максимальной.

Запишем задачу в общем виде (для фиксированной ассортиментной позиции).

Целевая функция:

(12)

(13)

(14)

Основные параметры модели:

k - вариант спроса, i=1,…,k; с1 - цена поставщика за единицу товара (базовая); с2 - цена поставщика за единицу товара после оптовой скидки; с3 - цена за единицу товара, поступающего из предприятия в розничную сеть; с4 - цена за единицу излишка товара (то есть товара закупленного в большем объеме, чем необходимо в следующем периоде для розницы); q – количество товара, закупаемого в текущий период (требуется определить); yi - лишний товар (то есть товар, закупаемый в большем объеме, чем необходимо в следующем периоде для розницы); Di – вектор спроса, полученный по данным статистики предприятия; pi – вектор вероятностей спроса.

При внедрении данной модели в практику оперативного управления предприятия, расчеты необходимо проводить по тем номенклатурным единицам, которые отсутствуют на складе фармацевтического предприятия в момент пикового спроса (например, вследствие внезапной эпидемии).

7) На базе предложенных оптимизационных моделей, разработана и апробирована 2-уровневая методика управления товарными запасами оптово-розничного фармацевтического предприятия в сфере оптового распределения лекарственных средств.