Дополнительные аспекты применения АВС-анализа | Вестн. Том. гос. ун-та. Экономика. 2015. № 3(31).

Дополнительные аспекты применения АВС-анализа

Предпринята попытка сформулировать основные аспекты оригинального подхода к сегментации множественных экономических объектов, подчиняющихся закону Паре-то. Показана условность и недостаточная конструктивность традиционного АВС-метода сегментации. В качестве позитивной альтернативы предложен метод технологических зон, при этом в роли полигона для разработки его исходных положений использована логистика многономенклатурных материальных потоков. Построена оптимизационная модель, реализующая данный метод в простейшем варианте, или являющаяся начальным шагом его реализации в логистической практике. Предложен относительно простой метод консолидации получаемых по данной модели зон с целью повышения эффективности применяемых технологий. Предложена идея широкого применения нового метода на основе разработки комплексов упрощенных объектно-ориентированных методик сегментации, рассчитанных на конкретные типовые технологии и условия их применения. Это позволит совместить требования прямого приложения эффективных сегментационных решений с доступностью их получения пользователями ограниченной квалификации и информационной обеспеченности.

Additional aspects of the application of ABC analysis.pdf Данный метод, широко известный и давно применяемый в логистике и за ее пределами, опирается на едва ли не универсальный феномен неравномерного распределения значений многих признаков между единицами совокупностей объектов технического и социально-экономического типа. Это вызывает естественный отклик в виде попыток рациональной дифференциации в распределении материальных и прочих ресурсов, а также усилий менеджмента между подмножествами конкретной совокупности, существенно различающимися уровнями актуальных признаков. Общеизвестен закон Парето, иначе называемый «законом 20/80», как теоретическая основа данной дифференциации. Метод АВС-анализа является его наиболее распространенной трансформацией в научно-прикладную и практическую сферы. Практически все описания метода и его приложений предполагают деление актуальной совокупности на три класса (сегмента) - А, В и С в зависимости от уровня проявления рассматриваемого признака (как правило, это частота появления тех или иных значений признака у единиц совокупности). Естественно предположить, что за выделением сегментов должно последовать назначение каждому из них отдельной стратегии управления, методики решения актуальных задач или технологии осуществления необходимых процессов над единицами совокупности. Позитивный смысл данного разделения состоит в реализации особого направления решения универсальной для систем управления задачи распределения ограниченных ресурсов между их сегментами (подсистемами). Известные нам работы в этой области дают описание и характеристику не менее полудюжины методов деления списка единиц совокупности на три вышеупомянутых сегмента, указывая одновременно на их сильные и слабые стороны [1. С. 23-26, 2. С. 88-108, 3. С. 535-540], однако нигде не содержится хотя бы общих рекомендаций по выбору конкретных методов для объектов определенных типов. Упомянутые «плюсы» и «минусы» отражают только сложность соответствующих вычислительных процедур и условно оцениваемую близость получаемой укрупненной частотной характеристики совокупности, каковой является АВС-классификация, к развернутой2. В итоге для каждой конкретной частотной статистики может быть применено несколько ситуационно доступных методов и получено соответствующее количество разбиений, различия между которыми в отдельных случаях могут быть довольно велики. Никем из авторов даже не ставится вопрос о критерии оптимальности разбиения. Это приводит к необходимости принятия эвристического решения, с адекватными рисками использования его результатов. Последовательное использование в одной и той же ситуации нескольких методов является примером вульгарного и зачастую неэффективного метода проб и ошибок. По мнению автора, поиск наилучшего метода носит (по крайней мере, преимущественно) абстрактный характер, напоминающий попытку найти некий аналог «золотого сечения». Мы считаем данное направление бесперспективным, не отрицая того, что частотный анализ состояний и динамики множественных объектов любой природы (будем далее называть их Q-объектами) и закон Парето как один из его наиболее фундаментальных результатов очень полезны для поиска путей повышения эффективности их функционирования. Позитивным мы считаем такое использование результатов этого анализа, которое связано с постановкой и решением задачи максимизации эффективности функционирования Q-объекта за счет оптимального распределения внутри его ограниченных производственных и управленческих ресурсов. Одновременно следовало бы поставить «наивный» вопрос - на сколько частотных сегментов следует разбивать множество Q в каждом конкретном случае? Абсолютное большинство авторов принимают триаду АВС как безальтернативный вариант3, хотя формулировка закона Парето, гласящая: «Внутри определенной группы или множества отдельные малые части обнаруживают намного большую значимость, чем это соответствует их относительному удельному весу в этой группе» [2. С. 88], всего лишь выделяет ограниченное число ведущих сегментов, структурирование же списка элементов Q в целом предоставлено усмотрению исследователя. Мы не видим каких-либо объективных оснований канонизировать здесь триаду, хотя можно согласиться, что часто она удобна для иллюстрации метода АВС и предварительной статистической обработки соответствующих вариационных рядов. Необходим принципиально иной подход к сегментации Q - определению числа сегментов и их границ, предполагающий наличие для этого объективной и конкретной основы. Выше отмечалось, что «точку опоры» мы видим в оптимизации состояния Q за счет наилучшего распределения между ее элементами ограниченных ресурсов с различным уровнем показателей эффективности их применения к единицам Q в зависимости от типа последних. Например, в сфере складской логистики это места хранения различной доступности, подъемно-транспортное оборудование различной производительности, работники разного уровня квалификации и оснащенности и т.п. «Методология АВС» сформировала особый сектор деятельности по оптимизации работы больших систем, который условно можно назвать частотно-распределительным. Так как разнообразие фигурирующих в подобных задачах типов ресурсов практически безгранично, будем далее обобщенно называть их технологиями. Продолжая приводить складские объекты в качестве примера, отметим, что на них часто параллельно используется несколько технологий переработки проходящего грузопотока, как сквозных, так и локальных (так называемых участковых), особенно на универсальных складах с широкой номенклатурой хранения. Складской грузопоток - типичный пример многоэлементного объекта с четко выраженным неравенством частот присутствия в нем различных элементов, в данном случае это номенклатурные позиции (НП) [4. С. 29-34; 5. С. 256-260]. При использовании ряда хотя бы частично взаимозаменяемых по отношению к отдельным НП технологий обработки потока возникает задача оптимального (или хотя бы рационального) закрепления каждой из них за конкретными сегментами потока, причем каждый элемент в данном случае характеризуется только частотой его появления (или присутствия) в грузопотоке. Решение задачи означает распределение списка НП потока, формально описываемого вторичным атрибутивным вариационным рядом, на технологически однородные сегменты (зоны). Далее будем называть этот подход TZ (technological zone)-методом. Дадим краткое формальное описание задачи в простейшей постановке. Пусть задан ранжированный по убыванию вектор частот потока НП -Q = ...,Ч2,-,Чп), п - число НП в потоке, qi - частота i-й НП. Для обслуживания потока имеется множество технологий Tj,j = 1,т. Каждой из них свойствен определенный набор характеристик, из которых здесь актуален только вектор значений условного показателя эффективности «обслуживания» единицы потока в случае применения Т,-4 к i-й НП5 - {fi\j, P2j, ..., Pnj*). Полная совокупность таких показателей составляет матрицу ||р;;||. В случае неприменимости Ту к i-й НП соответствующие позиции матрицы заполняются нулями6. Аналогично введем матрицу ЦЛ^-Ц удельных затрат ресурса j-й технологии на единицу i-й НП и матрицу объемных ограничений на использование технологий за принятый учетный (в частности, календарный) период - 1|. Это могут быть, например, максимально доступные фонды времени работы соответствующих технических средств или персонала логистического объекта. Для удобства дальнейшего описания примем, что вектор Т,- упорядочен по убыванию средней эффективности технологий. Введем переменную х^ - признак закрепления ,-й технологии за i-й НП, принимающий нулевое значение, если эта технология не применяется для обслуживания i-й НП, и положительное, если иначе, причем масштаб применения определяется модулем Xij. Предлагается следующая модель определения оптимального распределения технологий между НП: целевая функция Ф = Z"=i TJh Xij *qt * Pij >max, (1) ограничения, учитывающие доступные ресурсы технологий: Yf Xij4i ^ij ^ - для всех j = 1, m, (2) ограничения обязательного «обслуживания» всех НП YJLi xtj qt = qt для всех i = 1, n , (3) ограничения неотрицательности искомых переменных xtj >0 для всех i = 1, n иу = 1 ,m. (4) Разумеется, перечисленные типы ограничений образуют лишь абсолютный минимум для моделей этого типа. В конкретных случаях он должен быть дополнен рядом особых условий, формализующих специфику отношений «НП ^ технология». Среди них в первую очередь отметим ограничения на использование определенных технологий при обслуживании ряда НП. Формально это означает априорное присвоение нулевых значений некоторым переменным х^- (недопустимость ,-й технологии для i-й НП) или присвоение им значений а^ = max(xy) = (,-я технология, единственная из возможных для i-й НП). Следует отметить возможность использования в подобных задачах булевых переменных {(х^- =0) U (х^- = 1)} в ситуации «технологической неделимости» НП (при обслуживании i-й НП некоторой Т,- к ней «не допускаются» другие технологии). Исходная же постановка задачи (х^- >0) предполагает, что такой «допуск» возможен хотя бы для одной другой технологии. В конкретных реализациях модели могут одновременно использоваться оба типа данной переменной. Полученная матрица решений задает закрепление технологий за конкретными множествами НП, т.е. разделение Q на «технологические зоны», которое рассматривается нами как направление естественного и позитивного использования факта существенно неравного наличия в обслуживаемом потоке объектов различного типа и как альтернатива традиционным АВС-методикам. Если допустить, что рассматриваемая система обслуживания потока не имеет избыточных технологических ресурсов (величина ||Лу|| адекватна мощности потока), то количество таких зон больше или равно m, т. е. зависит в первую очередь от числа доступных технологий. Равенство соответствует наиболее естественному с точки зрения организации обслуживания случаю непрерывности всех зон, т.е. в матрице имеющей в этом случае квазидиагональный вид, в каждом столбце все ненулевые элементы расположены непрерывно. Они же задают границы определяемых моделью (1)-(4) зон. Если в ее j-м столбце через ijH и ijK обозначить номера соответственно первого и последнего ненулевых элементов, то номенклатурный сегмент [£ун; tyK] является j-й технологической зоной. При этом ijK и t(j+i)H могут совпадать, если соответствующие им переменные х^- не являются булевыми. Номера НП типа t/H(K) - это аналоги границ «А^--В» и «В^--С» в обычной триаде. Очевидно, что такой вид обусловлен квазидиагональным видом 1 вспомогательной матрицы : Ру,если (рtj - max; р0-) = 0 0, если(р;;- - max; pi;)5^6) обычно обусловлено комбинированием различных компонентов немногочисленных «чистых» технологий. Отдельно следует рассмотреть теоретически возможную ситуацию «естественного» разбиения потока (Q-ряда) на несколько частотно-обособленных субпотоков (сегментов). Пусть {{Ч1,...,Ч11),{Ч11+1,...,Ч12+11),-,{Чп-1к+1,...,Чп)} - частотный ря^ состоящий из к сегментов ([к « п), где - величина Z-го фрагмента. Каждый фрагмент представляет собой ряд со средним а^ и дисперсией а^. В силу принятого для Q-рядов упорядочения аг > а2 > ...>ак. Причем для любого к выполнено условие (а^ - a^+1)»max^ а^, т.е. границы частотных сегментов заданы достаточно четко. Графический пример подобного ряда показан на рис. 1. £кО'о)>'Оо) i={i(Jo)H *кО'о) = min 1>'Оо) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Рис. 1. Вариант «естественного расщепления» Q-ряда Такая конфигурация ряда на первый взгляд значительно упрощает задачу рациональной привязки имеющихся технологий к НП потока, задавая естественные границы их применения, так как привязка осуществляется в первую очередь по принципу соответствия производительности технологии (типового технологического модуля) мощности перерабатываемой ею части потока, формально это вышеобозначенный Z-сегмент Q-ряда. Не менее привлекательна она и возможностью относительно легко решать сопряженные задачи формирования рациональной объемной структуры ресурсов применяемых технологий, например, определение численности единиц оборудования различных типов, персонала различного уровня квалификации и т.д. q к \ Ч N \ 5 X IIII111 ГГи^и v , тш 1 5 HI1 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Рис. 2. Характерный вид упорядоченного ряда частот НП Однако автор не располагает данными из литературных источников о существовании подобных Q-конфигураций. Его собственный опыт работы с реальными статистическими данными также не дает оснований рассчитывать на возможность их существования где-либо как устойчивого статистического явления. Практика подтверждает типичность «классической» формы Q-ряда с монотонно возрастающей отрицательной первой производной и возрастающим радиусом кривизны7 (рис. 2). Впрочем, даже при наличии подобного «естественного» расщепления Q-ряда в общем случае остается нерешенным вопрос о границах применения доступных технологий, так как ресурсы их применения в общем случае не пропорциональны потребностям имеющихся сегментов НП. Следовательно, снова приходим к ситуации необходимости решения задачи типа (1)-(4), возможно, с непринципиальными дополнениями, а полученное в результате разбиение будет отличным от «естественного», что лишает последнее практического смысла. Разумеется, следует отметить то позитивное, что можно позаимствовать из традиционной АВС-методики. Как было отмечено, АВС-группировка является «сверткой» вторичного вариационного ряда - это его компактная, радикально упрощенная модель. Отсюда следует ее демонстрационно-оценочная функция по отношению к исходному ряду. В этом его полезность очевидна, но и здесь возникает нерешенная проблема сопоставимости оценок частотных структур различных рядов8. Для этого необходимо «свертывать» все ряды по единой методике, например, делая это с помощью типового квантильного ряда [7. С. 143-149], элементами которого в данном случае являются конкретные НП. Но по какой именно - известная нам актуальная литература не отвечает на этот вопрос. Поиск строго научного ответа, по нашему мнению, относится к компетенции теории статистики, в первую очередь непараметрической. В качестве «пилотного варианта» предлагается использовать для этого децильный вектор накопленных частот Qd = ('d1,d2,...,d9) Q-ряда, который сочетает компактность описания конфигурации кривой накопленных частот (производна от изображенной на рис. 2) с учетом локальной специфики ее фрагментов [8. С. 8]. Далее следует естественный вопрос о количественной мере близости данных конфигураций, выражаемых с помощью этих рядов. В этой роли можно использовать, например, эвклидово расстояние между векторами типа Qd [9. C. 148-149]. Еще одно «заимствование» связано с очевидным недостатком TZ-ме-тода - трудоемкостью и необходимостью обширного информационного обеспечения. Поэтому для условий реальной логистической практики перспективной может оказаться разработка комплексов упрощенных локально-унифицированных методик (в простейшем случае - схем пропорций) разбиения Q-потоков на сегменты. Разумеется, каждый такой комплекс разрабатывается под систему типовых объектов определенной отрасли производства, например складской логистики, опирается на устойчивую классификацию таких объектов и достаточно четкую функцию связи «типовой объект ^ локальная методика». Система идентификационных признаков объектов должна включать подсистемы показателей производственной (потоковой) мощности, специализации, применяемости основных технологий, особенностей формы частотного Q-ряда (например, тип сглаживающей линии и интервалы значений ее параметров). Квалифицированный выбор по совокупности вышеперечисленных признаков типового базисного Q-объекта и применение адекватных ему частотно-технологических «лекал» позволит для многих практических приложений получить субоптимальные относительно моделей типа (1)-(4) решения. Подчеркнем, что модель (1)-(4) рассматривается лишь в качестве элементарного «стартового» варианта для формирования целого комплекса моделей технологической дифференциации множеств НП. Подводя итог, отметим, что TZ-метод более затратен в применении, предполагает более высокую квалификацию пользователей. В то же время его актуальные преимущества состоят в конкретности приложения результатов, их четкой ориентации на максимизацию эффективности использования технического и человеческого потенциала производственных, и в частности, логистических объектов.

Ключевые слова

Consolidation of zones, Technological zone, Maintenance efficiency, Technology assignment, Technology of cargo traffic processing, Allocation of resources, Classification, Stock item, Frequency response of population, Segment of population, квантильный ряд, консолидация зон, технологическая зона, закрепление технологий, эффективность обслуживания, технология переработки грузопотока, распределение ресурсов, классификация, номенклатурная позиция, частотная характеристика совокупности, сегмент совокупности

Авторы

ФИООрганизацияДополнительноE-mail
Конотопский Владимир ЮрьевичТомский политехнический университеткандидат экономических наук, доцент, доцент кафедры менеджмента Института социально-гуманитарных технологийkent@tpu.ru
Всего: 1

Ссылки

Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности: справ. изд. / под ред. С.А. Айвазяна. М.: Финансы и статистика, 1989. 607 с.: ил.
Боярский Э.А. Порядковые статистики. М.: Статистика, 1972. 116 с. (Математическая статистика для экономистов).
Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных: справ. изд. М.: Финансы и статистика, 1983. 471 с.
Кюн Ю. Описательная и индуктивная статистика: пособие-памятка / пер. с нем. М.: Финансы и статистика, 1981. 126 с., ил. (Б-чка иностр. книг для экономистов и статистиков).
Волгин В.В. Склад: логистика, управление, анализ. 9-е изд., перераб. и доп. М.: Изд.-торг. корпорация «Дашков и К», 2008. 768 с.
Корпоративная логистика. 300 ответов на вопросы профессионалов / под общ. и научн. ред. проф. В.И. Сергеева. М.: ИНФРА-М, 2006. 976 с.
Шрайбфедер Дж. Эффективное управление запасами. пер. с англ. 2-е изд. М.: Альпина Бизнес Букс, 2006. 304 с.
Модели и методы теории логистики: учеб. пособие. 2-е изд. / под ред. В.С. Лукинского. СПб.: Питер, 2007. 448 с.: ил. Серия «Учебное пособие».
Шмидт А.А. К вопросу о методах выделения групп при проведении АВС-анализа // Логистика. 2013. № 8.
 Дополнительные аспекты применения АВС-анализа | Вестн. Том. гос. ун-та. Экономика. 2015. № 3(31).

Дополнительные аспекты применения АВС-анализа | Вестн. Том. гос. ун-та. Экономика. 2015. № 3(31).