Zadání pro studenty - Fakulta mezinárodních vztahů

Transkript

Případová studie - Zadání
Logistika zásob
Přemysl Průša
2015
Tato případová studie byla zpracována v rámci projektu financovaného z Evropského
sociálního fondu a prostředků Magistrátu hlavního města Prahy v rámci Operačního programu
Praha – Adaptabilita (OPPA) s názvem Inovace studijního programu Mezinárodní ekonomické
vztahy rozvojem teritoriálně a prakticky orientované specializace studentů.
Evropský sociální fond
Praha a EU – Investujeme do vaší budoucnosti
Na začátku je potřeba definovat, co je to zásoba. Zásoba je zboží připravené uspokojit
budoucí poptávku, tedy zboží, které subjektu, jenž ho vlastní, v aktuální době nepřináší
žádné příjmy (z prodeje zboží), naopak držba zásob je obvykle spojená s náklady. Tyto
náklady mohou mít různou formu.
Je proto logické, že snahou subjektů je držet co nejnižší stav zásob po co nejkratší dobu
zároveň a tím minimalizovat náklady se zásobami spojené. Proto se během minulých let
vyvinula řada různých přístupů, které se snaží přinést subjektům rady/ postupy, jak hospodařit
se zásobami. Společným rysem těchto přístupů je tedy ve valné většině snaha o minimalizaci
nákladů spojených se zásobami.
Aplikaci těchto přístupů a zejména jednoho z nejdůležitějších modelů, který slouží pro
optimalizaci zásob/ optimalizaci velikosti objednávky, si předvedeme na příkladu vybrané
společnosti v rámci případové studie.
Zadání případu:
Obchodní společnosti, která se zabývá dovozem a následně distribucí lahvových vín na
relativně uzavřeném trhu v ČR, v svém portfoliu má více druhů výrobků, vykazujících stejnou
povahu, co se týká nákupních a spotřebních zvyklostí, jejich obrátka je krátkodobá až
střednědobá.
Společnost má ve svém sortimentu vína od řady dodavatelů z celého světa, jejich počet činí cca
10, mezi její odběratelé patří většina mezinárodních retailingových řetězců působících na trhu
ČR, dále pak nezávislé velkoobchody a maloobchody, (tedy tzv. off trade) a na druhé straně též
restaurace, hotely, vinotéky, atd. (tj. tzv. on trade).
Charakteristika sortimentu/ vybrané značky
Pro zjednodušení situace se budeme věnovat pouze omezené části sortimentu dané společnosti,
konkrétně pak sortimentu a potažmo zásobám vín pouze jedné značky z Chile.
Právní/ smluvní vztah mezi společností a jejím dodavatelem
Naše společnost má s dodavatelem daná značky vín z Chile uzavřenu smlouvu o výhradní
distribuci a prodeji pro český trh, což znamená, že vína dané značky na český trh nesmí dovážet
a distribuovat žádná jiná společnost, naopak naše firma nesmí z Chile dovážet žádnou jinou
značku a musí splňovat určité minimální prodejní cíle (vyjádřené v množství prodaných lahví
vína), na kterých se se svým dodavatelem domluví, v opačném případě je pak dodavatel
oprávněn smlouvu o výhradním prodeji vypovědět.
Základní charakteristika značky a produktů
Značka zahrnuje pouze vína lahvovaná v místě původu (tj. Chile), uzavřená korkovými zátkami.
Sortiment vín značky je rozdělen do tří hlavních produktových řad.
Tzv. základní řada odrůdových vín představuje základní kvalitní vína se silným odrůdovým
charakterem, je zde zahrnuto odrůdové spektrum, typické pro vína z tzv. nového světa
(Cabernet Sauvignon, Merlot, Syrah, Carmenere, Chardonnay, Sauvignon Blanc).
Tato řada se distribuuje zejména v retailových řetězcích při maloobchodní ceně cca 200 Kč.
Kvalitativně výše se nachází řada Reserva, která je typická tím, že pro výrobu vín byly použity
ještě kvalitnější suroviny, vína rovněž déle zrála jednak částečně v dobových sudech, jednak
v lahvích.
Tato řada se distribuuje rovněž v maloobchodních řetězcích při maloobchodní ceně cca 250
Kč.
Na vrcholu sortimentu značky se pak nachází řada Gran Reserva, která zahrnuje vína nejvyšší
kvality (opět všech 6 odrůd), které zrála v dobových sudech cca 6-12 měsíců, následně pak cca
1 rok v láhvi a mají velký tzv. skladovací potenciál.
Rovněž tato řada vín se prodává v retailových řetězcích, maloobchodní cena se pohybuje lehce
nad 300 Kč.
Velmi důležitým aspektem celého sortimentu vín je fakt, že vína mají obecně velmi dlouhou,
v některých případech i neomezenou trvanlivost (s jistým omezením v případě zejména bílých
vín), takže je můžeme skladovat i dlouhodobě bez obavy, že se rychle zkazí.
Pokud shrneme základní informace o sortimentu, můžeme konstatovat, že produktová řada
značky je tvořena třemi hlavními řadami, každá čítá 6 produktů (vždy se jedná o lahvová vína
0,75 l). Všechna vína jsou distribuována v retailových řetězcích.
Základní informace o prodeji/ poptávce
Vína všech tří řad jsou dodávána do hlavních retailových řetězců v ČR.
Roční prodeje v posledních pěti letech jsou poměrně stabilní (značka je na trhu ČR již 17 let),
průměrný roční prodej činí cca 1 mil. lahví.
Mezi největší zákazníky/odběratele patří zejména tyto společnosti: Billa, Kaufland, Makro,
Ahold, Penny Market, Spar, Tesco, Globus.
V prodejích z hlediska množství jednoznačně převažuje základní řada vín, které tvoří cca 90 %
všech prodejů, následuje řad Gran Reserva (cca 7 % prodaného množství) a na posledním
místě je řada Reserva se 3 % celého prodaného množství.
Je tedy zřejmé, že úkol optimalizace a řízení zásob dané značky lze do značné míry zúžit na
základní řadu vín, která obsahuje pouze šest produktů, čímž se celá situace poněkud
zjednodušuje.
Logistika – balení vín, manipulace, přeprava
Balení vín a manipulace
Vína všech tří řad jsou balena v lahvích (0,75 l), (manipulační jednotka nultého stupně), láhve
se pak vkládají po šesti do papírových kartonů (manipulační jednotka prvního stupně), ty se
pak obvykle skládají na europalety na 4-5 vrstev, tj, na jedné paletě je obvykle 100 kartonů
(manipulační jednotka druhého stupně).
Přeprava
Pro náš případ je důležitá zejména přeprava od dodavatele (výrobce) do centrálního skladu
naší společnosti v ČR, odkud se víno dále distribuuje do centrálních skladů mezinárodních
obchodních řetězců v ČR.
Dodání zboží od výrobce v Chile do centrálního skladu dovozce v ČR se řídí dodací paritou
FOB. To znamená, že odběratel přebírá za zboží odpovědnost a rizika od té doby, kdy je zboží
naloženo na loď v přístavu.
Naše společnost využívá externí služby spedičních společností, které jí zajišťují přepravu zboží
z přístavu v Chile až do samotného centrálního skladu dovozce v ČR. Přeprava je tak obvykle
organizována tak, že zboží nejprve jede na lodi z chilského přístavu do Hamburgu nebo
Bremerhavenu, dále pokračuje vlakem do Prahy nebo Vídně, následuje přeprava nákladním
vozem až do skladu společnosti v ČR.
Celkově trvá přeprava cca 6 týdnů, existuje však reálné riziko, že doba přepravy se až o 2-3
týdny prodlouží, v kritických případech lze přepravu o něco zkrátit, pokud se zboží z přístavu
v Evropě veze nákladním vozem přímo do centrálního skladu společnosti.
Zboží se vždy přepravuje v kontejnerech (manipulační jednotka 3. stupně), buď ve 20´
kontejnerech, které pojmou cca 2200 kartonů po 6 lahvích (13200 lahví), nebo ve 40´
kontejnerech, které přepraví cca 3300 kartonů po 6 lahvích (19800 lahví), což je častější
případ.
Úkol:
Pokusit se aplikovat modely řízení zásob na sortiment zmíněné společnosti, resp. na jeho část,
která vykazuje znaky rychloobrátkového zboží – tady se bude jednat o vína cenové kategorie
50-200,- Kč.
Pokuste se na daný případ aplikovat model EOQ, případně diskutujte jeho použitelnost
vzhledem k jeho omezujícím předpokladům.
Všechny modely zabývající se řízením zásob rozlišují tři základní aspekty/kritéria, podle nichž
se pak též dají klasifikovat.
1. Charakter poptávky po produktu. Je nutno vždy rozlišit, jestli v daném případě
poptávka po produktu vykazuje závislou (odvozenou) charakteristiku nebo se jedná o
poptávku nezávislou. Pokud je poptávka závislá, znamená to, že poptávka po produktu
(jeho spotřeba rovněž) závisí na poptávce (spotřebě) nějakého jiného produktu.
Typickým příkladem jsou komplementární výrobky – jako automobil a pneumatiky
(pneumatiky vykazují závislou poptávku). V našem případě je produktem víno a dá se
tvrdit, že víno vykazuje ve valné většině situací poptávku nezávislou.
2. Koncepce „push“ x koncepce „pull“.
Koncepce „pull“ je založená na poptávce spotřebitele, která je rozhodujícím faktorem a
informačním zdrojem pro management zásob. Na základě aktuální poptávky se
společnost rozhoduje o velikosti a struktuře zásob. Pull systém na poptávku reaguje,
proto se mu také říká reaktivní koncepce. Naopak koncepce „push“ předpokládá pohyb
opačný, tzn. že obchodní společnost (velkoobchod nebo maloobchod) provede
kvalifikovaný odhad budoucí poptávky (ta však ještě nevzniká, vznikne až
v budoucnosti) a tomu uzpůsobí množství a složení svých zásob. Pak se zásobu snaží
zákazníkovi prodat. Push systém poptávku předjímá a svým způsobem pomáhá
vytvářet. Samozřejmě je zde problémem kvalita provedení odhadu poptávky budoucí,
od kterého se odvíjí spolehlivost této koncepce.
Obecně na tomto místě není možno říct, jestli je pro management zásob vína ve výše
uvedeném případě konkrétní obchodní společnosti vhodnější použít push nebo pull
koncepci. Její použití vyplývá až jako důsledek volby jednotlivého přístupu pro
management zásob, tzn., že jednotlivé metody/ přístupy se v tomto ohledu liší. – viz dále
v textu.
3. Obecné (systémové) řešení x řešení specifické.
Obecné řešení (model či koncepce) managementu zásob je použitelné ve více
konkrétních případech bez ohledu na to, o jaký článek logistického řetězce se jedná,
resp. o jakou obchodní činnost a jaký produkt se jedná. Naproti tomu řešení specifické
je použitelné jen v určitém konkrétním případě – tj. pro určitý logistický subsystém,
s určitým produktem, operující na určitém trhu s cílovou skupinou určitých zákazníků.
Management zásob řeší dvě základní otázky – kolik objednat zboží (množství) a kdy
objednat zboží při minimalizaci nákladů spojených se zásobami. Podle odpovědí na tyto
otázky můžeme provést základní rozdělení jednotlivých modelů na následující:
1. Modely s fixní velikostí objednávky – v tomto případě společnost objednává vždy
stejné množství, buď ve stejném časovém intervalu, nebo ve variabilním časovém
intervalu. Vhodný model zejména pro společnosti, které si zboží nechávají přepravovat
v kontejnerech, dále jako vozové zásilky, atd. Důležitá je zde vytíženost dopravního
prostředku a následně možnost uplatnění slevy na přepravném.
2. Modely s fixní objednacím intervalem (dobou mezi dvěma objednávkami) je založen
na tom, že společnost objednává zboží v pravidelných časových intervalech, přičemž
velikost objednávky může být buď zase fixní, nebo variabilní. Tuto koncepci využívají
často společnosti, které si nechávají zboží přepravovat liniovou námořní přepravou (ta
má obvykle své pravidelné „jízdní řády“) nebo společnosti obchodující s výrobky
s fixním výrobním cyklem, atd.
Samozřejmě může docházet i ke kombinacím výše uvedených modelů, celkem mohou
nastat následující:
– model s fixní velikostí objednávky a fixním objednacím intervalem,
– model s fixní velikostí objednávky a variabilním objednacím intervalem,
– model s variabilní velikostí objednávky a fixním objednacím intervalem
– model s variabilní velikostí objednávky a variabilním objednacím intervalem
Lze říct, že čím více je v modelu variabilních složek, tím nižší je exaktnost modelu a z toho
plynoucí nutnost/ možnost užití statistických a pravděpodobnostních metod při jeho užití.
1. Modely s fixní velikostí objednávky
Model EOQ (jednoduchý)
Jedním z nejrozšířenějších modelů, který můžeme zařadit do kategorie modelů s fixní velikostí
objednávky, je model EOQ (economic order quantity). Jeho cílem je určit optimální velikost
objednávky, kterou si pak obchodní firma bude objednávat po celé určité období (obvykle 1
rok), což jí zároveň zajistí minimální náklady spojené se zásobami (jejich specifikace viz níže).
Model je vyvinut na základě následujících předpokladů:
1. Známá a konstantní poptávka (obvykle roční)
2. Známá a konstantní doba dodání zboží
3. Společnost uspokojuje celou poptávku
4. Existence pouze jednoho druhu zboží
5. Konstantní cena zboží (nezávislost na množství i čase, tj. neexistence množstevních
slev, atd.)
6. Konstantní přepravní náklady (platí totéž pro cenu zboží)
7. Neexistence tzv. zásob na cestě. Tzn., společnost platí za zboží až v okamžiku jeho
přijetí na sklad, tedy až tehdy, kdy se zbožím může sama fyzicky disponovat.
8. Společnost má dostatek kapitálových prostředků
9. Nekonečný časový horizont.
Jednoduchý model EOQ pracuje s dvěma typy nákladů:
1. Náklady na držení zásob: uvažují se jako celkové roční a zahrnují např. nájemné za
skladové prostory, režijní náklady, manipulační náklady, pojistné, ale také náklady
obětované příležitosti, v tomto případě náklady vázanosti finančních prostředků
v zásobách (vyjadřují skutečnost, že společnost peníze vynaložené na nákup zásob
nemůže použít na jiné ekonomické aktivity, peníze „leží v zásobách“). Pozn.: Tato
skutečnost může a často způsobuje problémy s cash flow řady obchodních společností.
Dále se budeme zamýšlet nad vztahem (závislost) jednotlivých typů nákladů (ročních)
na velikosti jedné objednávky.
Je zřejmé, že závislost velikosti jedné objednávky na celkových ročních nákladech na
držení zásob má rostoucí průběh, tzn. čím vetší velikost objednávky, tím větší jsou
roční náklady na držení zásob. Budeme pro zjednodušení uvažovat, že tato závislost má
lineární průběh.
2. Náklady na objednání (roční): zde se jedná o administrativní a mzdové náklady, které
přímo souvisí s faktickým uskutečněním objednávky (tedy myslíme sestavení
objednávky a její odeslání/doručení dodavateli) – uvažujeme např. cenu poštovní
známky, elektrické energie při poslání emailu, mzdu pracovníka, který objednávku
tvoří, atd. Je zřejmé, že náklady na jednu objednávku jsou obvykle konstantní a
nezávislé na velikosti objednávky. Nicméně pokud se zamyslíme nad vztahem
celkových ročních nákladů na objednání (vzniklých součtem všech jednotlivých
nákladů na objednání nebo též jednoduše vynásobením nákladů na jednu objednávku
počtem objednávek za rok), docházíme k závěru, že závislost ročních nákladů na
objednání na velikosti jedné objednávky vykazuje vztah klesající, tzn., s růstem
velikosti objednávky dochází k poklesu ročních nákladů na objednání (připomeňme
předpoklad konstantní a známé míry poptávky a její veškeré uspokojení). Tento
klesající vztah má podobu hyperboly, jak vyplyne dále z matematické formulace
problému.
Matematická formulace:
Seznam proměnných:
D – poptávka (ks), Q – velikost jedné objednávky (ks), V – cena zboží (Kč), C – roční náklady
na držení zásob (v % z ceny zboží), P – náklady na 1 objednávku (Kč)
Náklady na držení zásob (roční) = ½ QVC (uvažujeme průměrnou velikost zásoby za rok tj. ½
Q x náklady na 1 kus zboží tj. VC)
Náklady na objednání (roční) = PD/Q (vynásobíme počet objednávek za rok tj. D/Q náklady na
jednu objednávku P)
A dále píšeme, že celkové roční náklady na zásoby:
TAC (total annual costs) = ½ QVC + PD/Q
Abychom zjistili optimální velikost objednávky Q, funkci TAC minimalizujeme – derivujeme
podle Q, první derivaci položíme rovnu 0 a získáváme výsledný vztah pro optimální velikost
objednávky (při nejnižších nákladech TAC):
Q (eoq – economic order quantity) = √(2PD/ VC)
Pozn.: Abychom věděli, zda se jedná opravdu o minimum funkce TAC, je třeba ještě provést druhou derivaci
funkce podle Q, tato pak musí být kladná.
Optimální velikost objednávky tedy závisí přímo úměrně na velikosti celkové poptávky,
nákladech na 1 objednávku a nepřímo úměrně na ceně zboží a nákladech na držení zásob. Dále
je zřejmé že náklady na držení zásob a náklady na objednání působí vzájemně protisměrně,
tzn., že pokud budeme například zvětšovat velkost jedné objednávky, povede to k snížení
ročních nákladů na objednání, ale na druhé straně ke zvýšení ročních nákladů na držení zásob
v důsledku zvýšení průměrné zásoby. Anglicky tuto situaci můžeme nazvat pojmem „trade
off“. Dalším poznatkem je fakt, že v bodě optima – tedy v bodě EOQ dochází k vyrovnání
ročních nákladů na objednání s ročními náklady na držení zásob, viz následující formulace:
(1) ½ QVC = PD/Q
(2) Q² = PD/VC
(3) Q = √(2PD/ VC)
Zase tedy dospíváme k již vyvinuté formulaci pro výpočet optimální velikosti objednávky.
Tolik teorie. Nyní víme, že společnost by měla neustále objednávat fixní množství EOQ v
časovém intervalu, který závisí na velikosti tzv. denní poptávky a doby dodání – společnost
objednává nové zboží v okamžiku, kdy má na skladě zásoby na úrovni tzv. signální hladiny,
kterou můžeme zjistit právě součinem doby dodání a denní poptávky. Jelikož doba dodání musí
být známá a konstantní, stejně jako poptávka, není problém pro společnost si signální hladinu
přesně zjistit a zboží pak objednávat ve fixních časových intervalech.
Diskuse o použitelnosti modelu EOQ v obchodní praxi.
Použitelnost modelu závisí na naplnění jeho předpokladů v praxi. Podívejme se nyní, jestli je
možné splnit výše uvedených 9 předpokladů modelu EOQ v běžné praxi naší obchodní
společnosti, která se zabývá dovozem a distribucí vína v ČR:
1. Známá a konstantní poptávka – budeme-li uvažovat poptávku po vínech pouze jedné
značky, která spol. do ČR dováží, je naplnění tohoto požadavku poměrně
problematické. Poptávka po vínech obecně v ČR je velmi nestabilní celkově a její
predikce pro jednotlivé značky je téměř nemožná. Na tvorbu poptávky totiž působí příliš
mnoho faktorů, které se dají velmi těžko zjistit, kvantifikovat a určit jejich vlivy je také
problematické – jsou to zejm. makrooekonomická situace a vývoj příjmů rodin a
jednotlivců (možnost zjistit), situace na trhu vína v ČR (tzn. počet dovozců, distributorů,
atd.) – též možné zjistit, preference spotřebitelů a jejich psychologie (možné zjistit velmi
těžko), počet a charakteristika odběratelů, zejm. maloobchodních řetězců a vývoj
odběratelských vztahů s těmito řetězci (dohody ohledně propagačních letákových akcí).
Je tedy zřejmé, že pro malou obchodní společnost s omezenými finančními zdroji je
velmi stěží možné předpovídat budoucí poptávku.
Jediná možnost je využití dat z prodejů minulých let a tato data extrapolovat do
budoucnosti s přihlédnutím (s korekcemi) k očekávanému budoucímu vývoji na trhu.
Zejména si obchodní společnost může již dopředu naplánovat se svými odběrateli plány
propagačních akcí spolu s vyčíslením očekávaných prodejů.
Celkovou roční poptávku si tedy s jistou, spíše nižší pravděpodobností dokáže obchodní
společnost vypočítat. Ovšem dalším problémem je, že tato poptávka (roční) nebude přes
celý rok rozložena rovnoměrně (např. spotřeba vína je velmi ovlivněna sezónně- prodej
je vždy větší koncem roku), tzn., například denní jednotlivé poptávky se budou také
velmi lišit, což bude společnosti znemožňovat přesnou kalkulaci tzv. signální hladiny
zásoby a následně také fixního objednacího časového intervalu.
Jsou nějaké nápady, jak situaci řešit?
2. Konstantní a známá doba dodání zboží – Stále uvažujeme zboží jedné značky, tedy i od
jednoho dodavatele. Pokud obchodní společnost spolupracuje s jednou přepravní
firmou, lze i předpokládat, že doba dodání zboží bude známá a její výkyvy relativně
malé. Například přeprava vína z Chile trvá obvykle 5 týdnů a její výkyvy jsou
minimální. Do doby dodání je třeba zahrnout taky přípravu/ výrobu zboží a jeho
připravení výrobcem k odeslání (tedy dobu mezi doručením objednávky výrobci a
předáním zboží výrobcem přepravci/dopravci). Tato doba již může být variabilnější, ale
též ji můžeme považovat obvykle za konstantní, v případě dobrých obchodních a
komunikačních vztahů mezi výrobcem a odběratelem. Důležitá je tedy spolehlivost
výrobce.
V praxi námi zkoumané společnosti je situace taková, že od doby přijetí objednávky
dodavatelem (výrobce vína v Chile) trvá samotná výroba a příprava zboží jeden měsíc,
pak již následuje přeprava, která trvá 5-6 týdnů. Doba přepravy zahrnuje přepravu
z chilského přístavu až do skladu naší zkoumané společnosti v ČR. Ve výjimečný
případech lze dobu přepravy urychlit tím, že kontejner je přepraven z přístavu
(Hamburk, Bremerhaven) až do ČR nákladním autem. To má však za důsledek zvýšení
přepravních nákladů za dodávku.
3. Společnost uspokojuje celou poptávku – Zde je potřeba si ujasnit, že celou poptávkou
myslíme poptávku po produktu prodávaném společností, v tomto případě např. roční
poptávku po vínech určité značky. V bodu jedna jsme dospěli k závěru, že obchodní
společnost může s určitou pravděpodobností vyčíslit/ určit budoucí roční poptávku.
Jelikož výrobky téže značky nikdo jiný na trhu nedistribuuje, je možné, aby společnost
uspokojila celou poptávku. Reálně však může přesto dojít k neočekávaným výkyvům
poptávky, které už společnost uspokojit nedokáže – např. náhlý růst spotřebitelských
preferencí, nebo pouhé dojednání dalších letákových propagačních akci
v maloobchodních řetězcích, které nebyly zahrnuty v plánu. Díky dlouhé době dodání
často nebude možné takové výkyvy vykrývat.
Na tomto místě se hodí poznamenat, že model EOQ v tomto případě vykazuje znaky
„systému push“, tj., na základě předem stanovené poptávky rozhoduje o zásobách,
poptávku tak tvoří. Kdyby společnost byla schopná vykrývat flexibilně poptávkové
kolísání oproti předpovědi, mohli bychom mluvit o „systému pull“. V důsledku veliké
místní a časové vzdálenosti dodavatele a odběratele (v případě obchodní společnosti
dovážející vína z Chile), je aplikace systému „pull“ nemožná. V praxi pak musí
společnost řešit výkyvy v poptávce např. pomocí flexibilních dovozů téhož zboží od
ostatních importérů v Evropě, které však vedou k adekvátnímu snížení marží a snížení
ziskovosti.
4. Existence pouze jednoho druhu zboží – Pokud uvážíme, že jedna značka znamená
jeden druh zboží, předpoklad je splněn. V praxi výše zmíněné obchodní společnosti však
jedna značka představuje tři řady vín, kde každá zahrnuje 6 produktů, takže úlohu je
třeba řešit pro každý produkt zvlášť, při ostatních faktorech (tj. dodací doba, ceny, atd.)
neměnných. Což možné je, ale pak je potřeba objednávky jednotlivých druhů nakonec
sdružit do celkové objednávky zboží od jednoho výrobce. To už nás ale vede k nutnosti
kompromisu – úpravě počtů jednotlivých druhů. Situaci navíc komplikuje skutečnost, že
obchodní společnost dováží zboží obvykle v kontejnerech (20“ nebo 40“), čímž je
velikost celkové objednávky daná – lze alespoň zachovat poměry počtů jednotlivých
druhů (podle jednotlivých EOQ pro jednotlivé druhy zboží).
Pozn.: Konkrétně do jednoho kontejneru 40“ se vejde 3300 kartonů vína po 6 lahvích,
tj. 19800 lahví – loženo volně, ne na paletách, tato hodnota je dána jednak kapacitou
kontejneru (jeho objemem), jednak maximální povolenou hmotností (ta je v případě
vína rozhodující), která se odvozuje ze zákonných omezení daných zejm. silničními
zákony v jednotlivých zemích. V případě ložení zboží na paletách je maximální
přepravní kapacita o něco nižší, zavisí na podmínkách jednotlivých přepravců. (Do 20“
kontejneru se vejde až 2200 kartonů po 6 lahví, tj. 13200 lahví, kapacita kontejneru je
využita celá).
5. Konstantní cena zboží – tento předpoklad nečiní problémy. Obvykle mají dodavatel a
odběratel dlouhodobý vztah, ve kterém dodavatel odběrateli ceny po určitou dobu
garantuje (min. 1 rok). Co se týká množstevních slev, jsou často v praxi využívány, ale
v modelu EOQ může obchodní společnost poté bez problémů stabilně užívat právě nižší
sazbu, pokud ví, že je jí schopna dosahovat dlouhodobě, což je častý případ.
6. Konstantní přepravní náklady – V případě námořních dodávek z např. z Chile do
Evropy (ČR) může obchodní společnost kalkulovat s poměrně fixními sazbami za
přepravu. Tyto sazby si vyjednávají jednotlivé spediční společnosti s rejdaři (majiteli a
provozovateli lodí) na začátku kalendářního roku a jejich platnost je pak stanovena
obvykle na dobu jednoho roku. Samozřejmě je časté, že spediční společnost poskytuje
přepravci (odběrateli, jenž zajišťuje přepravu) určité množstevní slevy, resp. slevy při
vytížení dopravního prostředku. (Pozn.: v našem případě – dovozu vína z Chile se zboží
nejčastěji přepravuje v kontejnerech budˇ 20stopých nebo 40stopých). To znamená
nutnost objednávat vždy min. 1 kontejner – problém diskutován výše. Ačkoliv je možné
přepravovat i menší zásilky – v řádu palet, za adekvátně vyšší přepravní náklady. I ty
lze pak považovat v časovém horizontu 1 roku za relativně konstantní.
Problematiku přepravních slev nicméně řeší modifikovaný model EOQ, o kterém bude
dále pojednáno.
7. Neexistence zásob na cestě – tento předpoklad zůstává často nesplněn, protože většina
dodavatelů, tím spíše ti geograficky vzdálenější (Chile), vyžadují platbu před dodáním
resp. dokonce před odesláním zboží. Pouze při delším obchodním vztahu si může
odběratel vyjednat výhodnější platební podmínky – např. 30, 60 nebo i 90 dní po
odeslání zboží a pak dochází k platbě po obdržení zboží na sklad, zřídka právě
v okamžik naskladnění zboží. Tedy je nutné nějakým způsobem náklady na zásoby na
cestě do modelu EOQ zahrnout, toto též řeší modifikovaný model EOQ.
V případě naší obchodní společnosti, která má s dodavatelem vín z Chile dlouhodobý
obchodní vztah, byla sjednána platební podmínka v podobě 120 dní po odeslání zboží
(počítá se od naložení kontejneru na loď- viz parita FOB). Prakticky to tedy znamená,
že pro naši společnost neexistují „zásoby na cestě“, reálně společnost platí za zboží
z Chile cca 80-90 dní po obdržení zboží v ČR.
8. Dostatek kapitálových prostředků – zde se jedná o skutečnost, že společnost by měla
teoreticky být schopná nakoupit zásoby rovnající se poptávce za celé, v našem případě
za roční období. Tato nutnost by nastala v extrémním a velmi nepravděpodobném
případě, kdy by náklady na objednání byly tak vysoké, že celkových minimálních
nákladů by společnost dosáhla pouze při jednorázové objednávce rovnající se celoroční
poptávce a zboží by celou dobu skladovala a postupně prodávala. Pozn.: případ by
nastal také při extrémně nízkých nákladech na držení zásob na skladě, kdy by bylo
výhodné objednat velké množství zboží naráz a skladovat ho po delší dobu.
Bohužel v praxi obchodní společnosti nemají obvykle dostatek finančních prostředků
na nákup tak velkého množství zásob, nicméně lze tuto situaci řešit např. čerpáním
bankovního úvěru, atd. tj. situace je možná.
9. Nekonečný časový horizont – tento předpoklad se uvádí pouze někdy. Pro účely
výpočtu EOQ je dostačující znát údaje pro určitý, např. roční časový horizont.
Z výše uvedených poznámek vyplývá, že praktická využitelnost modelu EOQ je velmi
problematická, ale přesto možná. Následující modifikace nám model EOQ skutečnosti trochu
přiblíží.
Zásoby na cestě.
Nějakým způsobem je třeba zahrnout do modelu (do TAC) náklady vyplývající ze skutečnosti,
že společnost za zásoby (za dodávku) již zaplatila, ale zatím – přesněji po dobu dodání s nimi
nemůže disponovat. Tyto náklady si můžeme představit jako náklady oportunitní, např. ve
formě ušlého zisku z prodejů zásob nebo jako úrok, který společnost platí za peníze vynaložené
na nákup zásob, resp. jako úrok, který společnost mohla získat použitím peněz na jiné účely –
třeba jako půjčku jiné společnosti. (viz obecně časová hodnota peněz). Zřejmě jsou tyto
náklady závislé na množství zboží na cestě, jeho ceně a zejména na době dodání. Uvažujeme-li
časový horizont 1 roku, je třeba vyjádřit náklady na zásoby na cestě vzhledem k celému roku,
tedy jako roční. Je nutné vycházet z průměrné roční výše zásob na cestě, kterou vyjádříme
jako:
M = tmQ/t ,
kde Q = velikost objednávky, tm = doba dodání (doba, která uplyne od doručení objednávky
dodavateli po okamžik doručení zboží do skladu odběratele), t = doba mezi dvěma dodávkami
(též dodávkový cyklus nebo i doba obratu zásob). Předpokládáme, že dodávkový cyklus je
delší než doba dodání zásob.
Výraz je možno dále upravit, protože uvažujeme časový horizont 1 rok, tedy víme, že
t = 360/(D/Q) = (360Q)D ,
po dosazení do vztahu pro velikost průměrné roční zásoby na cestě dostáváme:
M = tmD/360
Roční náklady na zásoby na cestě pak získáme podle následujícího vztahu:
MVY , kde Y představuje vyjádření ročních nákladů na zásoby na cestě jako % z ceny zboží.
A nyní již můžeme přistoupit k rozšíření funkce TAC, kterou známe z jednoduchého modelu
EOQ:
TAC = ½ QVC + PD/Q + tmD/360 + D x sazba přepravného za 1 ks zboží
Do funkce TAC jsme nyní přidali i náklady na přepravu zboží vyjádřené jako sazbu za
přepravu 1 ks zboží. (Pozn.: v praxi se cena za přepravu takto nestanovuje, obvykle se udává
cena za přepravu 1 kontejneru, palety, atd. Pro účely modelu EOQ je však možno si sazbu za 1
ks odvodit.)
Pozorný čtenář jistě postřehnul, že v obou nových členech funkce TAC se nevyskytuje
proměnná Q, z čehož vyplývá, že roční náklady na zásoby na cestě stejně jako roční přepravní
náklady nejsou závislé na velikosti objednávky a pro výpočet optimální velikosti objednávky
platí nadále vztah:
EOQ = √(2PD/VC) .
Matematický důkaz si čtenář může provést tak, že fci TAC bude derivovat podle Q a po
položení první derivace rovné nule si vyjádří, čemu se rovná Q.
Slevy na přepravném
Nejčastěji nabízený typ slevy na přepravném, který spediční společnosti v mezinárodní
námořní přepravě nabízí, je sleva za vytížení dopravního prostředku – tj. přeprava objednávky,
která zaplní celý kontejner, vagon, kamion, atd. Předpokládá se, že velikost takové objednávky,
která vytíží dopravní prostředek, bude vyšší, než činí optimální velikost objednávky za
normálních okolností. Samozřejmě tomu vždy tak být nemusí, může to být i obráceně, ale na
smysluplnosti úlohy tento fakt nemá vliv. Pokud je tedy požadovaná velikost Q větší než EOQ,
dochází:
1. ke zvýšení ročních nákladů na držení zásob v důsledku zvýšení průměrné roční zásoby
Q/2,
2. ke snížení ročních nákladů na objednání v důsledku snížení počtu objednávek za rok,
3. ke snížení ročních přepravních nákladů (nižší přepravní sazba za 1ks)
4. k možnému snížení ročních nákladů na zásoby na cestě za předpokladu, že doba
přepravy se zkrátí díky vytížení dopravního prostředku (tento nemusí po cestě zajíždět
k jiným odběratelům). – V praxi však méně pravděpodobné.
Abychom mohli rozhodnout, jestli má smysl přijmout nabízenou slevu a objednat množství
vytěžující dopravní prostředek, je třeba porovnat původní celkové roční náklady TAC:
TAC = ½ QVC + PD/Q + tmD/360 + D x původní sazba přepravného za 1 ks zboží
(Q = EOQ)
s nově získanými celkovými ročními náklady na zásoby:
TAC = ½ Qv VC + PD/Qv + tmD/360 + D x nová (nižší) sazba přepravného za 1 ks zboží
(Qv) – objem objednávky, která vytíží dopr. prostředek.
Nyní jsme již model EOQ trochu přiblížili realitě obchodní společnosti.
Stále však zůstává několik záležitostí k diskusi:
Jak stanovit parametry modelu?
1. Parametr C – roční náklady na držení zásob vyjádřené jako procento z ceny zboží.
Získání tohoto parametru je pro řadovou obchodní společnost velmi obtížné a je
potřeba za tímto účelem provést důkladnou analýzu celkových nákladů na držení zásob,
která se přímo vztahují k určitému druhu výrobku. Poté je potřeba tyto náklady poměřit
vzhledem k celkové hodnotě jednoho druhu výrobku naskladněného během roku, čímž je
společnost schopná určit hledanou procentní míru. Jistým vodítkem by mohla být
metoda DPP (přímá výrobková rentabilita), jejíž součástí je i postup vedoucí k zjištění
přímých výrobkových nákladů na držení zásob. Problémem však zůstává, že metoda
DPP uvažuje pouze variabilní náklady, čili je nutné, aby společnost dokázala přiřadit
jednotlivým výrobků i poměrné části nákladů fixních – v praxi se bude jednat např. o
nájemné za sklad, náklady na vytápění, chlazení, eventuelně i náklady na zaměstnance
skladu. Toto možné je, ale vždy to bude spojeno s nepřesnostmi.
2. Parametr P – náklady na 1 objednávku se dají pohodlně zjistit – např. jako (doba
potřebná k sestavení a odeslání objednávky (v hod) x mzda zaměstnance za hod. ) +
cena za poštovní známky(odeslání objednávky poštou)/cena za elektřinu (odeslání
emailem)/ cena za telefonní spojení (odeslání faxem).
3. Parametr Y – roční náklady na zásoby na cestě jako procento z ceny zboží. Tento
parametr není až tak důležitý, protože výše nákladů na zásoby na cestě neovlivňují výši
optimální velikosti objednávky EOQ. Ale podívejme se přesto, jak by šel odvodit:
Představme si tento druh nákladů jako úrok – běžná bankovní úroková sazba, pak je
třeba si tuto sazbu přepočítat na denní sazbu, vynásobit jí celkovou cenou zboží na
cestě, čímž získáme náklady na zásoby na cestě za 1 den. Tyto náklady pak pronásobíme
počtem dní – tedy dobou přepravy. Tak dostaneme náklady na zásoby na cestě za 1
dodávkový cyklus. Obvykle uvažujeme časový horizont 1 rok, tedy je třeba náklady na
cestě za 1 dodávkový cyklus vynásobit počtem dodávek za rok (D/Q) a vyjdou nám
celkové roční náklady na zásoby na cestě za jeden výrobek. Ty pak zase můžeme
poměřit s celkovou hodnotou výrobků jednoho druhu naskladněného za 1 rok a
docházíme k parametru Y.
Na konci pojednání o modelu EOQ si provedeme jeho klasifikaci podle tří kritérií uvedených
na začátku textu – model EOQ se zabývá nezávislou poptávkou po zboží, ve většině případů
splňuje charakteristiky koncepce push a je použitelný spíše pro jednotlivá řešení (pro jednotlivé
společnosti, výrobky) než pro řešení obecná.
Je třeba připomenout, že model EOQ dá obchodní společnosti odpověď na otázku kolik zboží
má objednat. Ještě musíme však umět odpovědět na otázku, kdy má společnost zboží objednat.
Pro zopakování si řekneme, že společnost objednává zboží v okamžiku, kdy reálná hladina
zásob dosáhne hladiny signální. Signální hladina je dána poptávkou po zboží (obvykle denní) a
dobou dodání zboží. Jedná se tedy o množství zboží, které by mělo společnosti vystačit do té
doby, než dostane novou dodávku.
Bohužel v realitě dochází běžně ke kolísání denní poptávky po zboží (tato není fixní) a také
doba dodání zboží se může čas od času měnit. Do doby dodání zahrnujeme dobu vyřízení
objednávky dodavatelem, nachystání/vyrobení zboží, kompletaci dodávky a dobu přepravy.
Všechny tyto složky podléhají reálně časovým výkyvům.
Proto je potřeba do výpočtu signální hladiny zásoby zahrnout faktor nejistoty.
Předpokládejme, že obchodní společnost má k dispozici údaje o velikosti denních prodejů
konkrétního výrobku za určité minulé období – čím delší období, tím lépe, minimum je alespoň
1 rok. Je zřejmé, že velikost denních prodejů se rovná velikosti denní poptávky. Navíc obchodní
společnost zná i doby dodání všech dodávek onoho výrobku za minulé období. Jednotlivé denní
prodeje stejně jako doby dodání se vzájemně liší a společnost stojí před úkolem spočítat výši
signální hladiny zásoby pro výrobek, co dováží.
V této souvislosti se hodí poznamenat, že v případě takového druhu zboží, které se neprodává
na denní bázi, lze vyjít i z měsíčních dat (tedy z údajů o prodejích za jednotlivé měsíce), což je i
případ námi sledované obchodní společnosti, která dováží do ČR vína z Chile.
Zde je potřeba využít data, která má společnost k dispozici a aplikovat na ně základní
statistické metody s následujícím postupem:
1. Zjistit průměrnou denní/měsíční poptávku za minulé sledované období a
2. Průměrnou dobu dodání za minulé období,
Poté si společnost již dokáže spočítat průměrnou výši signální hladiny za minulé období
vynásobením průměrné denní/měsíční poptávky průměrnou dobou dodání. Průměrnou výši
signální hladiny označíme jako X.
Faktor nejistoty lze do velikosti signální hladiny zabudovat pomocí jednotlivých směrodatných
odchylek tak, že společnost si na základě dat minulého období zjistí:
1. směrodatné odchylky velikosti denní/měsíční poptávky
2. směrodatné odchylky doby dodání
Pak je třeba obě směrodatné odchylky sečíst a připočítat k velikosti průměrné signální zásoby.
Jako schůdný a logický způsob se jeví převést obě směrodatné odchylky např. na kusy výrobků
a pak je spolu sečíst. Statistika má však na sčítání směrodatných odchylek následující postup,
který dává přesný výsledek:
σ = √[XLT(σD)² + D²( σLT) ²]
kde XLT – průměrná doba dodání
σLT – směrodatná odchylka doby dodání
D – průměrná denní/měsíční poptávka
σD – směrodatná odchylka denní poptávky
σ – součet směrodatných odchylek (celková směrodatná odchylka – v ks)
Pak nezbývá, než přičíst k vypočtené průměrné výši signální hladiny vypočtenou celkovou
směrodatnou odchylku, respektive její násobky.
Zsig. = X + kpσ
kde Zsig. značí výši signální hladiny v podmínkách nejistoty
X – průměrná signální hladina
σ – celková směrodatná odchylka
kp – pojistný koeficient
Jelikož distribuce hodnot denní/měsíční poptávky stejně jako doby dodání minulého období by
obvykle měly odpovídat normálnímu pravděpodobnostnímu rozdělení (graficky popsáno tzv.
Gaussovou křivkou), můžeme jednotlivým úrovním signální hladiny, kterou si společnost
vypočítá a podle které se bude řídit, přiřadit jednotlivé míry pravděpodobnosti, že tento stav ve
skutečnosti opravdu nastane, potažmo že společnost bude schopná uspokojovat poptávku po
jejím zboží (výrobku):
Pojistný koeficient (kp)
0 (X)
1 (X + 1σ)
2 (X + 2σ)
3 (X + 3σ)
Pravděpodobnost uspokojení poptávky
50%
84,13%
97,72%
99,87%
Zdroj: Matematické a statistické tabulky
Pak již záleží na ostatních faktorech, zejména finančních, jaký pojistný koeficient si společnost
zvolí. Samozřejmě, čím vyšší, tím také větší jistota uspokojení poptávky, ale také s tím spojená
nutnost v konečném důsledku mít neustále větší množství zboží na skladě, zejména pokud
nebude ve skutečnosti docházet k takovým výkyvům v poptávce, jaké jsou s příslušným
pojistným koeficientem spojeny.
Pro shrnutí – model EOQ patří do skupiny modelů s tzv. fixní velikostí objednávky, přičemž
objednací interval může být buď fixní nebo variabilní, záleží na velikosti signální hladiny a
variabilitě denní poptávky a doby dodání (na té závisí, kdy bude reálně signální hladiny
dosaženo – pokud je variabilita nízká až nulová, doba mezi dvěma objednávkami bude pokaždé
téměř stejná a naopak při vysoké variabilitě se budou jednotlivé doby mezi objednávkami lišit
více).
Modely s fixním objednacím intervalem
Jen pro připomenutí zmíníme několik vlastností přístupu s tzv. fixním objednacím intervalem.
Tento přístup navrhuje objednávat zboží v pevném časovém cyklu. Co se týká velikosti
objednávky, tato bude fixní, pokud poptávka a doba dodání se v čase nemění, a variabilní
v případě výkyvů v čase u poptávky (denní) nebo u doby dodání, případně u obou současně.
V případě variabilní velikosti objednávky se nabízí otázka, kolik tedy je třeba objednat.
Obvykle společnost objednává rozdíl mezi maximální zásobou (daná např. kapacitou
skladovacích prostor, finančními možnostmi, aj.) a reálnou hladinou zásob v okamžiku
kontroly.
Takový přístup je použitelný (resp. je nutné ho použít) v případě, že výrobek je vyráběn
v nějakém časovém cyklu – zboží dodavatel připraví k odebrání v určité časové periodě. Někdy
se také jeví jako vhodný v případě, že zboží je přepravováno liniovou námořní přepravou, která
se řídí pevnými plavebními řády.
Výhodou u tohoto přístupu je jistě jednoduchost jeho aplikace – společnost nemusí průběžně
kontrolovat stav zásob, stačí kontrola v pevných časových intervalech.
Velikou nevýhodou je pak určitá ztráta flexibility v případě nenadálých výkyvů v poptávce
nebo v době dodání, na které společnost kontrolující stav zásob periodicky nemůže adekvátně
reagovat.
V případě obchodní společnosti dovážející víno z jižní Ameriky nelze tento přístup doporučit
zejména kvůli velikým možným a neočekávaným výkyvům v denní poptávce po zboží. Zde se
doporučuje spíše průběžná kontrola zásob.
Pozn.: Nicméně i v případě průběžné kontroly zásob může společnost objednávat v pevných
intervalech (pokud je poptávka v čase konstantní a doba dodání se nemění).
Pokud zkombinujeme oba přístupy, můžeme shrnout následující možnosti:
1. Objednávat pořád stejné množství v pevném časovém intervalu (periodická kontrola
stavu zásob).
2. Provádět průběžnou kontrolu zásob a objednávat pouze tehdy, když reálná hladina
zásob dosáhne signální hladiny, co se týká množství objednávat rozdíl mezi maximální
a reálnou hladinou zásob.
3. Provádět periodickou kontrolu zásob a objednávat vždy rozdíl mezi maximální a
reálnou hladinou zásob.
4. Provádět periodickou kontrolu zásob, avšak objednávat pouze tehdy, když reálná
hladina zásob poklesne pod signální úroveň. Objednané množství se rovná zase rozdílu
mezi maximální a reálnou hladinou zásob.
Dílčí závěr
Pro společnost dovážející víno z jižní Ameriky se jako nejvhodnější jeví možnost průběžné
kontroly zásob a objednávat v případě poklesu reálné hladiny pod signální úroveň (za
předpokladu užití statistických a pravděpodobnostních metod – viz výše (faktor nejistoty)). Co
se týká množství, může se společnost pokusit spočítat EOQ pro své jednotlivé výrobky, ale jak
již víme, tato procedura je v praxi velmi komplikovaná kvůli těžkosti splnit předpoklady modelu
EOQ. Společnost si tedy bude objednávat vždy spíše celý jeden/více kontejner(ů) (vytížení
dopravního prostředku a snížení přepravních nákladů), nicméně zbožová skladba uvnitř
kontejneru (poměry v kusech jednotl. zboží) může dobře odpovídat poměrům mezi EOQ pro
jednotlivé výrobky.
Praktická aplikace
V dalším textu si ještě na příkladu naší obchodní společnosti, která dováží lahvová vína z
Chile, ukážeme, jak lze konkrétně k výše uvedenému problému přistupovat v běžné podnikové
praxi. Využijeme tak přímo konkrétních vnitrofiremních údajů ohledně prodaného množství vín
za jednotlivé měsíce v roce 2013. Z těchto pak budeme vycházet při určování optimální
velikosti objednávky jednotlivých položek, stejně jako při určování optimální doby, kdy bychom
měli víno objednávat.
Vstupní údaje:
Tab. 1: Přehled prodejů vybraných řad vín za rok 2013 (ks/láhve)
2013
Varietal
Cab. Sauv.
Cabernet Merlot
Carmenere
Chardonnay
Merlot
Cabernet Rose
Sauvignon
Syrah
Celkem
Leden
Únor
Březen
Duben
Květen
Srpen
Září
Říjen
Listopad
Prosinec
Celkem
Průměr
SMODCH
5516
1526
1629
4285
7150
282
6482
6015
32885
16254
360
3146
5517
10610
54
7018
1938
44897
16479
1952
2592
11675
15898
1311
4320
8472
62699
14406
924
5838
8976
11652
2250
7914
4224
56184
27684
8370
3042
16056
23664
4426
16650
450
100342
12192
1122
1800
9462
4884
1536
6588
2754
40338
8262
1074
906
4758
6558
1698
5245
3162
31663
11610
744
6738
9318
10374
4170
8124
5748
56826
20053
4686
9090
13110
15756
2172
10746
8922
84535
15963
1123
3877
13387
17275
1939
9338
9558
72460
19827
29112
8928
15447
15294
1758
10752
11520
112638
11505
768
2851
10704
14282
1956
2790
13087
57943
179751
51761
50437
122695
153397
23552
95967
75850
753410
14979
4313
4203
10225
12783
1963
7997
6321
62784
5891
8136
2789
3957
5312
1288
3634
3999
25675
267
1
186
636
6
1452
455
14
206
792
291
160
48
246
204
78
306
1
109
588
30
292
564
450
3559
1002
303
699
158
303
917
326
378
306
1158
120
762
4440
269
474
122
15
1555
288
288
42
682
2254
292
414
15
174
398
216
1220
1316
252
336
72
6
1082
244
945
281
43
2423
240
1092
569
54
2969
182
1462
112
35
6655
8390
1420
3637
0
2877
7853
1835
1634
27646
240
654
153
182
2304
50
398
150
307
1695
598
262
50
279
24
28
1241
495
258
98
276
30
12
1169
1073
122
522
222
882
6
2827
665
225
162
594
68
6
1720
321
192
57
168
36
18
792
375
126
60
192
24
899
245
812
158
50
11
2175
1087
588
360
656
74
60
2825
1846
782
1503
1284
804
50
6269
9662
3399
6475
5453
2051
1215
28255
805
283
540
454
171
110
2355
499
200
767
413
315
300
2024
Reserva
Cab. Sauv.
Cabernet Merlot
Carmenere
Casablanca Merlot
Chardonnay
Merlot
Sauvignon
Syrah
Celkem
398
2
193
288
277
440
61
7
1378
176
332
84
1038
177
514
141
30
1316
GR
Cabernet S.
Carmenere
Chardonnay
Merlot
Sauvignon
Syrah
Celkem
378
283
123
221
30
9
1044
378
165
166
157
21
1
888
1547
151
2562
1246
8
1014
6528
158
Červen Červenec
162
777
Zdroj: Interní data sledované společnosti
Úkol:
Na základě zadaných údajů určete pro jednotlivé položky velikost signální hladiny
v podmínkách nejistoty, pro pravděpodobnost uspokojení poptávky na úrovni 50 %, 84,13 %,
97,72 % a 99,87 %.
Předpokládejme, že doba dodání je v tomto případě fixní na úrovni 2,3 měsíce, což zahrnuje
výrobu zboží, jeho nachystání k přepravě a samotnou přepravu až do skladu společnosti
v ČR. (Pozn.: Tento údaj byl zjištěn empiricky během cca 17 letého působení společnosti, pro
jeho výpočet byl použit průměr z historických dat společnosti)
Výstup/ Řešení
Na základě údajů o počtu prodaných kusů v jednotlivých měsících jsme schopni vypočítat
průměrné prodeje v jednotlivých měsících za jednotlivé produktové řady, jednotlivé produkty,
jakož i prodeje celkové za úhrnné roční období.
Proto lze na daný případ aplikovat i výše uvedenou a popsanou metodu pro výpočet optimální
hladiny zásob, objednávky a také signální hladiny zásob pro případ nejistoty, což je právě náš
případ.
1. Nejprve je nutno vypočítat průměrné měsíční prodeje v ks pro jednotlivé položky (viz
sloupec „Průměr“ v tabulce 1).
2. Dále se vypočítá tzv. výběrová směrodatná odchylka z měsíčních prodejů jednotlivých
položek (viz sloupec „SMODCH“ v tabulce 1). Tato hodnota vypovídá o míře
variability zkoumaných prodejů a popsuje tak zároveň míru jejich kolísání, z čehož
pramení naše nejistota při objednávání.
3. Vypočítáme signální hladinu pro případ jistoty – demonstraci budeme dále provádět na
příkladu položky Varietal Cabernet Sauvignon:
Průměrný měsíční prodej 14 979 ks násobíme dobou dodání 2,3 měsíce, čímž
dospíváme k velikosti signální hladiny v podmínkách jistoty na úrovni 34 452
ks.
4. Dále je nutno do získaného výsledku zahrnout faktor nejistoty pro různé úrovně
uspokojení poptávky (viz teorie výše).
- K tomu je nutné znát hodnotu směrodatné odchylky v případě prodejů sledované
položky Cabernet Sauvignon, ta je rovna hodnotě 5 891 ks
- Tuto hodnotu pak přičteme k již vypočítané úrovni signální hladiny
v podmínkách jistoty
- Výsledky pak lze zaznamenat do přehledné tabulky – viz tabulka níže.
-
Tab. 2: Výsledné úrovně signální hladiny pro různé pravděpodobnosti uspokojení
poptávky
Pravděpodobnost uspokojení poptávky
Signální hladina (ks)
50%
34 452
84,13%
40 343
97,72%
46 233
99,87%
52 124
Zdroj: Vlastní výpočet
Z výše uvedené tabulky tak vyplývá, že signální hladina pro určení doby, kdy má společnost
objednávat víno Varietal Cabernet Sauvignon, je v podmínkách jistoty na úrovni 34 452 ks,
v praxi však by měla být vyšší, alespoň na úrovni 40 343 ks, kdy se dá přepokládat uspokojení
poptávky alespoň s 84 % pravděpodobností.
Zcela analogickým způsobem pak bude společnost počítat úroveň signální hladiny pro ostatní
položky sortimentu dovážených vín z Chile.
Problémem však zůstává nadále velikost objednávky. Zde je použití diskutovaného modelu
EOQ problematické, zejména díky tomu, že společnost vozí zboží v kontejnerech, které se musí
naplnit. Obvykle tedy je dána velikost objednávky velikostí jednoho kontejneru, který se často
naplní právě jednou položkou, v méně častých případech jsou kontejnery namíchány z více
položek.
Další úkol na procvičení:
Vypočítat signální hladiny pro všechny položky sortimentu vín z Chile na základě tab. 1.
Poznámka na závěr:
Ve skutečnosti námi sledovaná společnost se směrodatnou odchylkou nepracuje, proto by bylo
vhodné jí to doporučit pro snížení rizika, že se společnost octne bez zásob.
V níže uvedené tabulce č. 3 je znázorněn mechanismus, jak v současnosti společnost sleduje a
řídí své zásoby vín dovážených z Chile.
Tab. 3: Monitoring stavu zásob u sledované společnosti (příklad z roku 2013)
Na cestě
Zásoba
Celkem
Varietal
Cab. Sauv.
Cabernet Merlot
Carmenere
Chardonnay
Merlot
Cabernet Rose
Sauvignon
Syrah
Celkem
19800
3000
0
44580
29700
0
39600
19800
156480
50302
1891
30351
35105
38213
16303
8488
2721
183374
70102
4891
30351
79685
67913
16303
48088
22521
339854
14979,3
4313,4
4203,1
10224,6
12783,1
1962,7
7997,3
6320,8
62784,2
4,7
1,1
7,2
7,8
5,3
8,3
6,0
3,6
5,4
140
34
217
234
159
249
180
107
162
70
-36
147
164
89
179
110
37
92
Reserva
Cab. Sauv.
Cabernet Merlot
Carmenere
Casablanca Merlot
Chardonnay
Merlot
Sauvignon
Syrah
Celkem
6600
0
0
0
0
6600
0
0
13200
3934
4202
3490
699,2
157,8
303,1
15,1
26,6
11,5
4651
1170
1480
4370
23297
10534
4202
3490
0
4651
7770
1480
4370
36497
239,8
654,4
152,9
181,6
2303,8
19,4
11,9
9,7
24,1
15,8
452
799
345
0
582
356
290
722
475
382
729
275
-70
512
286
220
652
405
0
0
0
0
0
0
0
2463
2137
5249
4576
6080
3714
24219
2463
2137
5249
4576
6080
3714
24219
805,2
283,3
539,6
454,4
170,9
110,5
2354,6
3,1
7,5
9,7
10,1
35,6
33,6
10,3
92
226
292
302
1067
1009
309
22
156
222
232
997
939
239
GR
Cabernet S.
Carmenere
Chardonnay
Merlot
Sauvignon
Syrah
Celkem
Průměr měsíc Doba zásoby (měs) Doba zásoby (dny) Za kolik dní objednat
Zdroj: Interní data sledované společnosti
Jak je z tabulky č. 3 patrné, společnost postupuje prakticky totožně s postupem, který jsme
naznačili výše. Vychází ovšem jak ze stavu zásob na skladě, tak z informace ohledně množství
zboží, které je právě na cestě, je nutno přitom dodat, že tento monitoring probíhá prakticky
neustále.
(Tato konstrukce je ovšem je poněkud nepřesná a zavádějící, neboť část zboží na cestě
společnost obdrží dříve, část později, zatímco v té době již úroveň zboží na skladě nebude
aktuální, proto se zde naskýtá zásadní otázka ohledně oprávněnosti sčítat tyto položky
dohromady).
Na základě průměrného měsíčního prodeje a doby dodání 2,3 měsíce pak dochází k propočtu
doby, po kterou by měla zásoba vystačit a potažmo pak doby, za kterou by se měly jednotlivé
položky objednávat.
Znovu však musíme zdůraznit fakt, že není zohledněn faktor nejistoty, který by bylo vhodné do
již používané konstrukce dodatečně zahrnout.
Literatura:
Pražská, L.- Jindra, J. a kol.: Obchodní podnikání, Praha: Management Press 2000
Coyle, J. – Bardi, E. – Langley, C: The Management of Business Logistics, St. Paul: West
Publishing Company 1992

Zadání pro studenty - Fakulta mezinárodních vztahů

Transkript

Podobné dokumenty

Reklamační protokol + žádost o reklamaci

Týden opravdových plen

Anaconda – precizní hadicové spony, pásy a plastové

CaseStudy 052 Kjell CZ