Ignybecsls Mi a beszerzs feladata A beszerzs feladata

Igénybecslés

Mi a beszerzés feladata? A beszerzés feladata, hogy a vállalat, szervezet működéséhez szükséges erőforrásokat a beszerzési piacról a vállalati rendszer egészére is tekintettel beszerezze. 12/30/2021 2

AZ IGÉNYEK ELŐREJELZÉSE A beszerzés során számos esetben kell jövőben bekövetkező eseményeket előre „megjósolni”, különböző értékek (igények) nagyságát előre megbecsülni. Különösen fontos az igények előrejelzése a termelési tervek kialakításakor, vagy az elosztási oldalon a készletek meghatározásakor. 1. Az előrejelzési módszerekről általában Számos egyszerű és bonyolultabb eljárás közül válogathatunk, mind a közeljövő becslésére, mind a távoli események prognózisára. A módszerek közös sajátja, hogy a múlt és a jelen adataiból indulnak ki, s a tapasztaltakat vetítik ki valamilyen módszerrel a jövőre. A sok rendelkezésre álló módszer között találunk igen egyszerűeket, de meglehetősen komplex, bonyolultabb matematikai módszereket igénylőeket is.

AZ IGÉNYEK ELŐREJELZÉSE Az előrejelzés szokásosan három idősíkon történhet: - igények becslése rövid időtávra (ez szokásosan egy-két hónapnál nem hosszabb időtartam) operatív feladatokhoz - középtávú előrejelzés, tervezés: két-három évre előre (pl. járművek beszerzése, lecserélése, a gyártott termék felváltása egy új változattal stb. ) taktikai döntések megalapozásához - hosszútávú prognózis (pl. egy új gyár, raktár stb. létesítése) stratégiai kérdések eldöntéséhez Az előrejelzési módszerek három fő csoportja: - becslési eljárások, amelyek szakértők szubjektív megítélésén alapulnak, - okozati módszerek, melyek külső tényezők (extern faktorok) hatásának elemzésén, figyelembe vételén alapulnak, -projektív technikák, amelyek a múlt adatait felhasználva vetítik előre a jövő várható adatait. Az utóbbi kettőt kvantitatív (mennyiségi) módszereknek nevezzük.

KVANTITATÍV MÓDSZEREK: Idősorok A kvantitatív módszerek, de ezen belül is különösen a projektív eljárások szinte mindig idősorokon, a múltban tapasztalt adatokon alapulnak. Az idősorokat táblázatban vagy grafikonban jelenítjük meg. A grafikon vizuálisan is jól jeleníti meg - a múlt eredményeit, ill. - a jövő becsült adatait. Általában, ha a múlt adatait grafikonban ábrázoljuk, a kialakuló görbe jellemzően három, egymástól jól elkülöníthető, irányzatot mutat. Ezek: - a trend, - a szezonális ingadozás és - a véletlenszerű változás.

KVANTITATÍV MÓDSZEREK: Idősorok A trend az igények folyamatos növekedését vagy csökkenését mutatja. Ezt szokásosan az igények változását jelző egyenes „meredeksége”, azaz az egységnyi periódusra eső igényváltozással adjuk meg. Például, ha két egymást követő periódusban az igények növekedése 10 egység (pl. 70 -ről 80 -ra, majd 80 -ról 90 -re stb. ), akkor a trend 10.

KVANTITATÍV MÓDSZEREK: Idősorok A szezonalitás mértékét a szezonindex mutatja. A szezonindex a szélső értékek és az átlag hányadosa. Ha pl. az átlagos igény 100, de az igény péntekenként 150, hétfőnként pedig csak 50, akkor a szezonindex -pénteki napokra 1, 5 (150/100), - hétfőre pedig 0, 5 (50/100).

KVANTITATÍV MÓDSZEREK: Idősorok A gyakorlatban azonban mindig számítanunk kell a véletlen változásokra, a „zajra”, amely rárakódik az jellemző változási mintákra. Ez a véletlenszerű változás tulajdonképpen nem becsülhető előre, az előrejelzés tulajdonképpen ezáltal válik nehézzé.

KVANTITATÍV MÓDSZEREK: Idősorok Természetesen a változások együtt is jelentkezhetnek, „egymásra rakódhatnak”, azaz szuperponálódhatnak.

A becslés hibájának mérése A becslés minőségének meghatározásához meg kell állapítani a becslés hibáját. Ha ezt ismerjük, akkor - megadhatjuk a becslés pontosságát, - minimalizálhatjuk az előrejelzések hibáját, - rámutathatunk, hogy a becslés mennyire megbízható, - felismerhetjük a nagyon rossz becsléseket, - összehasonlíthatjuk egymással a becslési eljárásokat. Ha a becslés (forcast) egy t időszakaszra F(t), a tényleges igény (demand) pedig D(t), akkor a becslés átlagos hibája (error): E(t) = D(t) – F(t)

A becslés hibájának mérése E számítás komoly hiányossága, hogy a pozitív és a negatív irányú hibák „kioltják” egymást. Vizsgáljuk meg például a következő idősort: Periódus 1 2 3 4 5 Valós igény 100 200 150 250 100 Becslés 100 200 200 Hiba 0 100 -50 50 -100 Hiba 0 100 50 50 100 Hiba 2 0 10000 2500 10000 Hiba% 0 100 25 25 50 Ha a vizsgált idő 800 szakaszok hibáját összeadjuk, nullát 800 kapunk, ami azt jelentené, hogy 0 minden előrejelzés 300 pontos volt. Valójában sok 25000 hibát vétettünk. 200 A hiba mérésére ezért más számítást kell alkalmazni. Ez lehet a hibák abszolút értékének átlaga, vagy a hibák négyzetösszegének átlaga.

A becslés hibájának mérése Ha a hibák abszolút értékének átlagát vesszük, akkor a negatív hibából is pozitív érték lesz, vagyis az ellenkező előjelű hibák nem olthatják ki egymást: Ez az érték (60) jól érzékelteti az elkövetett hibaátlagot. Amennyiben a hibákat négyzetre emeljük, a negatív értékek szintén pozitívra váltanak, hiszen két negatív szám szorzata pozitív lesz: Ha ebből négyzetgyököt vonunk, akkor ez szintén jól jellemzi a becslés során elkövetett hibát:

A becslés hibájának mérése A hiba meghatározásakor meg szokták még határozni: - a hibák kumulatív összegét, - a hibák standardizált szórását, - az átlagos hiba százalékát. A hibák kumulatív összege: A kumulatív hibát tehát úgy kapjuk, hogy az egyes időszakokra tapasztalt hibákat egyszerűen összeadjuk. Ha ez abszolút értékben növekszik, akkor az előrejelzési módszer valószínűleg rossz.

A becslés hibájának mérése A hibák standard szórása: Az előrejelzési hibák igen gyakran normális eloszlásúak, nulla várható értékkel. Ilyenkor az abszolút értékek egyszerű átlaga és a standardizált szórás között a következő összefüggést alkalmazhatjuk: vagy A példa szerint a standardizált szórás: Ezzel az abszolút eltérések átlaga: 79, 06/1, 25 = 63, 2 60.

A becslés hibájának mérése Az átlagos hibaszázalék: Példánk esetében a hibaszázalék átlaga: 200/5 = 40. Ez meglehetősen rossz eredménynek számít, s arra utal, hogy - vagy az előrejelzés volt rossz, - vagy szokatlanul nagyok voltak a váratlan ingadozások.

Projektív eljárások A projektív eljárások a rövid időszakra történő előrejelzések legáltalánosabban használt analitikus eszközei. A rövid időtávra szóló előrejelzés tulajdonképpen a legutolsó ismert időszakaszt követő periódus igényének meghatározását jelenti, másképpen az éppen soron következő (aktuális) időszakaszra várható igények nagyságát adja meg. A szokásos egyszerű előrejelzési módszerek: - egyszerű átlagszámítás, - súlyozott átlagszámítás, - mozgó-átlag számítása, - mozgó-átlag meghatározása trenddel, - exponenciális kiegyenlítés trenddel.

Projektív eljárások: egyszerű átlag Ezt a megoldást igen gyakran használják, mert egyszerűen számítható és közérthető. Itt tulajdonképpen azt feltételezzük, hogy a jövő igénye megegyezik a számításban figyelembe vett adatok átlagos értékével. Tegyük fel, hogy 6 időszakot vizsgálunk. Az utolsó időszak éppen az aktuálisat éppen megelőző időszak már ismert igénye. Erre az időtartamra, időszakonként sorban a következő tényleges igényeket kaptuk: 58 56 58 60 62 66 Ezekből az átlag, vagyis az aktuális időszakra vonatkozó becslés:

Projektív eljárások: egyszerű átlag Amennyiben az igényekben nincs tartós irányzatú (trend) tendencia (növekedés, csökkenés), továbbá váratlan események sem fogják azt jelentősen befolyásolni, becslésünk nem lesz rossz. Ezt a megoldást csak viszonylag állandó igény esetén használhatjuk. Hosszabb távra a kapott érték nem vetíthető előre, csak az aktuális időszakaszra. Az alkalmazott érték erősen függ attól, hány időszak adatát vesszük be a számításba: értelmetlen volna korábbi évek esetleg jelentősen kisebb igényeit is figyelembe venni, mert ezzel az átlagot erősen csökkentjük, holott az esetleg az utolsó hat hónap során viszonylag egyenletes és a korábbi évek igényénél észrevehetően magasabb volt.

Projektív eljárások: súlyozott átlag Súlyozott átlagot számolunk akkor, ha az elmúlt idő igényének alakulása növekvő vagy csökkenő trendet mutat, s ezért az átlag meghatározásakor a tervezési időhöz közelebb lévő tényadatoknak az átlagra gyakorolt hatását növelni kívánjuk. Másképpen, az alapul vett időszak első értékeit a számításban kisebb, az újabbakat pedig nagyobb súllyal szerepeltetjük. A súlyozáshoz tulajdonképpen bármilyen növekvő számsort használhatunk, de leggyakrabban a természetes egész számokat használjuk, 1 -nél elkezdve. Erre látunk egy példát a következőkben. Itt az előző példa adatait láthatjuk, de a sorrend más, a második szakasz kiemelkedő 66 -os értéke került a sor végére, s így a számsor egyértelmű növekvő tendenciát jelez.

Projektív eljárások: súlyozott átlag Időszakasz (i) Igény (qi) Súly (si) Súlyozott igény (qi si) 1 58 2 56 2 112 3 58 3 174 4 60 4 240 5 62 5 310 6 66 6 396 Összesen 360 21 1290 Az átlag értékét itt úgy számítjuk, hogy a súlyozott igények összegét osztjuk a súlyok összegével. Láthatjuk, hogy bár ugyanazokkal a számokkal dolgoztunk, mint az előző pontban, de az átlag most magasabb lett, mert ez a módszer érvényre tudta juttatni a változás trendjét.

Projektív eljárások: súlyozott átlag E módszer alkalmazásakor eldöntendő, hogy mekkora időszakra terjedjen ki a számítás. Bár a módszer képes tükröztetni a becslésben a változás jellegét, de azt a valóságosnál kisebb értékűnek mutatja. Ezen segíthet pl. a négyzetes súlyszámok felvétele. Ezekkel az az átlag: Időszakas Igény (qi) Súly (si 2) Súlyozott z (i) igény (qi si 2) 1 58 2 56 4 224 3 58 9 522 4 60 16 960 5 62 25 1550 6 66 36 2376 Összesen 360 91 5690 Az eredmény emelkedett, de még feltehetőleg mindig kissé alábecsli a várható igényt. (Ha a tapasztalat szerint indokolt, vehetünk még magasabb hatványú súlyozó tényezőket is. )

Projektív eljárások: mozgó átlag Ez a módszer akkor ajánlható, ha az igények valamilyen jól megfigyelhető trendet követnek, de fluktuálnak. Ilyenkor az igények kilengéseinek és a trendnek egyaránt meg kell jelennie a becslésben. É Hónap v 1 Igény Kivett igény Összes igény Mozgó átlag Ezekkel az az átlag: 6 54 (54+81+71+80)/4 = 71, 5 7 81 A következő periódusban: 8 71 9 80 10 75 11 12 (81+71+80+75)/4 = 76, 5 286 71, 5 54 307 76, 8 79 81 305 76, 3 97 71 331 82, 8

Projektív eljárások: mozgó átlag Megfigyelhetjük, hogy a mozgó átlag kissé „lemaradva”, de követi az igények hullámzását, a becsült érték jóval kisebb mértékben ingadozik, mint a valóság. Másképpen: a mozgó átlag „simítja” az igényhullámzást. A példában egyszerre mindig négy-négy szakaszt vettünk figyelembe. Ha azt szeretnénk, hogy a mozgó átlag gyorsabban reagáljon a változásokra, akkor az átlagot kevesebb adatból (pl. 3) számítjuk. Nagyobb számsor figyelembe vétele értelemszerűen még jobban simítja az igények változását