Реферат: Операционный менеджмент

--PAGE_BREAK--

Рис 1. Спрос на товар за четыре года с трендом и сезонными колебаниями.

В большинстве реальных моделей прогнозирующие предполагают, что случайные вариации усредняются за рассматриваемый период. Тогда они концентрируют внимание только на сезонных компонентах и компонентах, которые являются комбинацией тренда и циклических факторов.


Характеристика методов прогноза


1. Простейший метод. Простейший (наивный) метод прогноза предполагает, что спрос в следующем периоде эквивалентен спросу в большинстве текущих периодов. Другими словами, если продажи товара, скажем, сотовых телефонов, были 68 единиц в январе, мы можем прогнозировать, что февральские продажи также будут 68 единиц.

2. Метод меняющегося среднего. Метод меняющегося среднего успешно применим, если мы можем предположить, что рыночный спрос будет довольно стабильным в данном периоде. Четырехмесячное меняющееся среднее находят простым суммированием спроса в течение последних четырех месяцев и делением на четыре. С каждым следующим месяцем текущие месячные данные суммируются с предыдущими данными трех месяцев, а самый ранний месяц вычеркивается. Этот подход сглаживает на кратко срочном периоде нерегулярности в сериях данных.

Математически простая меняющаяся средняя (которая служит как прогноз спроса на следующий период) определяется формулой
<img width=«512» height=«47» src=«ref-1_1098913061-2087.coolpic» v:shapes="_x0000_i1027">
где п — это число периодов в меняющейся средней, например, четыре, пять или шесть месяцев назад для четырех-, пяти-, или шестимесячной меняющейся средней.

3. Экспоненциальное сглаживание. Экспоненциальное сглаживание — это метод прогнозирования, который чаще и эффективнее применяется с помощью компьютера, хотя использует очень мало записей, относящихся к прошлым данным. Базовая формула экспоненциального сглаживания может быть показана следующим образом:

Новый прогноз = Прогноз прошлого периода +

+  (Текущий спрос прошлого периода — Прогноз прошлого периода),

где  — вес, или константа сглаживания, которая расположена между 0 и 1.

Уравнение (4.3) может быть также записано математически:

Ft = Ft-1+ (A t-1 – Ft-1) (4.4)

где Ft, — новый прогноз;

Ft-1— прошлый прогноз;

 — константа сглаживания (0<img width=«16» height=«19» src=«ref-1_1098915148-156.coolpic» v:shapes="_x0000_i1028"><img width=«16» height=«19» src=«ref-1_1098915148-156.coolpic» v:shapes="_x0000_i1029">1);

A t-1— текущий спрос прошлого периода. Прошлый прогноз спроса эквивалентен старому прогнозу, существуют различия между текущим спросом прошлого периода и старым прогнозом.

Константа сглаживания может быть изменена для придания большего веса текущим данным (когда а высока) или большего веса прошлым данным (когда ее низка).

Выбор константы сглаживания. Метод экспоненциального сглаживания прост в использовании и может быть успешно применен в банках, производственных компаниях, оптовой торговле и других организациях. Определение значения константы сглаживания к может дать различия между точным прогнозом и неточным прогнозом. Выбирая значение константы сглаживания, добиваются более точных прогнозов. В общем, точность модели прогнозирования может быть определена сравнением прогнозного значения с текущим, или наблюдаемым, значением.

Ошибка прогноза определяется формулой

Ошибка прогноза = Спрос — Прогноз

Измерение всех ошибок прогноза для модели является средним абсолютным отклонением (МАД). Оно рассчитывается суммированием абсолютных значение индивидуальных ошибок прогноза и делением на число периодов данных п:
<img width=«279» height=«51» src=«ref-1_1098915460-589.coolpic» v:shapes="_x0000_i1030">                                                (4.6)
4. Экспоненциальное сглаживание с трендовым регулированием. Как и другие методы меняющегося среднего, простое экспоненциальное сглаживание не приспособлено к регулированию тренда. Иллюстрируя более сложную модель экспоненциального сглаживания, рассмотрим, что требуется для регулирования тренда. Идея заключается в расчете прогноза простым экспоненциальным сглаживанием, а затем в определении положительного или отрицательного лага в тренде.

Формула имеет вид следующего равенства:

Прогноз, включающий тренд (FITt ) = Новый прогноз( F t ) + Коррекция тренда(T t)

Сглаживая тренд, уравнение для коррекции тренда использует константу сглаживания , так же как в простой экспоненциальной модели использовалась 

Т t рассчитывается с помощью равенства
T t = ( 1 –  ) T t-1 + ( Ft — Ft-1 )                                                   (4.7)
где T t — сглаженный тренд для периода t,

Т t-1 — сглаженный тренд для предыдущего периода;

 — константа сглаживания, которую мы выбираем;

Ft — прогноз простого экспоненциального сглаживания для периода t ,

F t-1 — прогноз для предыдущего периода.

Имеются три шага расчета прогноза с регулируемым трендом.

Шаг 1. Расчет простого экспоненциального прогноза для периода t (Ft)

Шаг 2. Расчет тренда с использованием уравнения Tt = ( 1- ) Tt-1 +  (F t – Ft-1 )

Для начала шага 2 для первого периода начальное значение тренда должно быть заложено (или как хорошее предположение, или как обзор прошлых данных). После этого рассчитывается тренд.

Шаг 3. Расчет прогноза с регулируемым трендом методом экспоненциального сглаживания по формуле FITt = Ft + T t

5. Трендовое проектирование. Метод прогнозирования на основе прошлых временных серий, который мы будем обсуждать, называется трендовым проектированием. Этот метод устанавливает линию тренда по серии точек прошлых данных, а затем проектирует линию в будущее для средне- и долгосрочных прогнозов. Ряд математических уравнений-трендов может быть использован (на пример, экспоненциальные и квадратные), но в данной секции мы будем рассматривать только линейные (прямолинейные) тренды.

Если мы решили развивать линейный тренд линейно точным статистическим методом, то можем применить метод наименьших квадратов. Этот метод позволяет получить прямую линию, которая минимизирует сумму квадратов вертикальных разностей между линией и каждым текущим наблюдением.

Линия, полученная методом наименьших квадратов, описывается в терминах ее значения (высотой, отсекаемой ею на оси у) и ее наклоном (линейным углом). Если мы можем рассчитать отсекаемое значение и наклон, то можем описать линию следующим уравнением:
у = а + bх,                                                                                       (4.8)




где у — расчетное значение предсказываемой переменной (зависимой переменной);

а — отрезок, отсекаемый прямой на оси у;

b — наклон линии регрессии (или коэффициент изменения значения у по отношению к изменению значения х);

х — независимая переменная (в данном случае время).

Статистически, имея уравнение, мы можем найти значения а и b для некоторой линии регрессии. Наклон линии регрессии находим так:
<img width=«124» height=«54» src=«ref-1_1098916049-701.coolpic» v:shapes="_x0000_i1031">                                                                               (4.9)
где b— наклон линии регрессии;

 <img width=«23» height=«25» src=«ref-1_1098916750-98.coolpic» v:shapes="_x0000_i1032"> — сумма значений;

х— значения независимой переменной;

у — значения зависимой переменной;

<img width=«14» height=«23» src=«ref-1_1098916848-163.coolpic» v:shapes="_x0000_i1033"> — среднее значение х;

<img width=«17» height=«26» src=«ref-1_1098917011-180.coolpic» v:shapes="_x0000_i1034"> — среднее значение у,

п — число точек данных, или наблюдений. Мы можем рассчитать отрезок о, отсекаемый на оси у.
а = <img width=«17» height=«31» src=«ref-1_1098917191-190.coolpic» v:shapes="_x0000_i1035">  — <img width=«15» height=«27» src=«ref-1_1098917381-191.coolpic» v:shapes="_x0000_i1036"><img width=«17» height=«27» src=«ref-1_1098917572-176.coolpic» v:shapes="_x0000_i1037">                                                                                     (4.10)
Литература:
Козловский В.А. и др. Производственный и операционный менеджмент.

Учебник – СПб: «Специальная Литература», 1998. с.58

Макаренко М.В., Махалина О.М. Производственный менеджмент: Учеб. пособие для вузов.- М.: «Издательство ПРИОР», 1998. – 384 с.

Ричард Чейз и др. Производственный и операционный менеджмент. – М.: Издательский дом «Вильямс», 2001.- 704 с.




3. Теория очередей
Дать определение характеристикам прибытия линейных систем ожидания
Основные знания о линиях обслуживания называются теорией очередей.

Сервисные затраты возрастают при попытке фирмы увеличивать уровень сервиса. Менеджеры в таком сервисном центре могут варьировать мощность установкой машин и персонала на специальных сервисных станциях, предотвращать или сокращать излишне длинные очереди. На складах бакалейных магазинов менеджеры и служащие могут работать, когда это необходимо, за чековыми аппаратами. В банках и аэропортах частично занятые работники могут быть позваны на помощь. По мере совершенствования сервиса (например, его ускорение) уменьшаются затраты времени, расходуемые на ожидание обслуживания, что показано убывающей линией. Затраты ожидания могут отражать потерянную производительность рабочих, пока их инструменты или машины ожидают ремонта, или просто могут быть оценены затратами потери покупателей по причине плохого сер виса и длинных очередей. 3 таких сервисных системах (например, в неотложной «скорой помощи») цена долгого ожидания может быть невыносимо высока.
<img width=«365» height=«153» src=«ref-1_1098917748-9747.coolpic» v:shapes="_x0000_i1038">

Рис. 1. Соотношение между затратами ожидания и сервисными затратами

Обзор трех частей линейных систем ожидания, или очередей:

1) прибытия, или входы системы;

2) дисциплина очереди, или собственно система ожидания;

3) сервисное оборудование.

Эти три компонента имеют определенные характеристики, которые должны быть изучены прежде, чем математические модели очереди могут быть разработаны.

Характеристики прибытия. Входной источник, который генерирует прибытия или клиентов сервисной системы, имеет три главные характеристики. Такими тремя важными характеристика ми являются размер источника, модели прибытия в систему очередей и поведения прибытия.

1. Размер источника. Размер прибытия рассматривается либо как неограниченный (практически бесконечный), либо как ограниченный (конечный). Когда число клиентов или прибытии в любой момент происходит лишь малыми порциями от числа потенциальных прибытии, источник прибытии рассматривается неограниченным, или бесконечным. В практической жизни приме рами неограниченных источников могут быть автомобили на автозаправках, покупатели в супермаркете, студенты, записывающиеся на занятия в большом университете. Большинство моделей очередей допускают такие неограниченные источники прибытии.

Пример ограниченного, или конечного, источника — это центр копирования только с восьмью копировальными аппаратами, которые могут выйти из строя и потребовать обслуживания.

2. Образец прибытии в систему. Заказчики приходят в пункт обслуживания либо по какому-то известному расписанию (напри мер, один пациент каждые 15 минут или один студент на консультацию каждые полчаса), либо случайным образом. Прибытия считаются случайными, если они независимы друг от друга и их появление невозможно точно предсказать.

Часто в теории очередей число прибытии за единицу времени может быть определено с помощью распределения вероятности, известного как распределение Пуассона. Для любого заданного количества –прибытий ( два заказчика в час или четыре грузовика в минуту) дискретное распределение Пуассона может быть определено формулой:
 <img width=«127» height=«59» src=«ref-1_1098927495-666.coolpic» v:shapes="_x0000_i1039"> для х=0, 1, 2, 3, 4…
где Р (х) — вероятность х прибытии;

х — число прибытии в единицу времени;

а — среднее количество прибытии;

е— основание натурального логарифма 2,7183.

Поведение прибытии. Большинство моделей очередей полагают, что приходящие заказчики являются «терпеливыми». Терпеливые клиенты — это люди или машины, которые ожидают своей очереди до тех пор, пока их не обслужат, и не меняют очередь. К сожалению, жизнь сложнее, поскольку люди не всегда бывают терпеливыми. Клиенты, которые являются нетерпеливыми, отказываются присоединиться к очереди, потому что она слишком длинная, что не соответствует их запросам и интересам. Другая разновидность нетерпеливых клиентов — это те, которые, становясь в очередь, затем оказываются нетерпеливыми и покидают ее без завершения действия. Действительно, обе эти ситуации только подчеркивают необходимость теории очередей и анализа ожидания в очередях.
Дать определение характеристике очереди линейных систем ожидания
Характеристика очереди. Сама по себе очередь ожидания — это второй компонент системы очередей. Длина очереди может быть или ограниченной, или неограниченной. Очередь является ограниченной, если она не может по закону или физическим ограничениям увеличиваться до бесконечности. Это может быть в случае небольшой парикмахерской, которая имеет только ограниченное количество мест для ожидания. Аналитические модели очередей, рассматриваемые в этой главе, работают с неограниченными по длине очередями. Очередь является неограниченной, если нет ограничений на ее размер, как в примере обслуживания прибывающих автомобилей.

Вторая характеристика очередей относится к дисциплине очереди. Это касается правила, по которому клиенты в очереди получают обслуживание. Большинство систем использует дисциплину очереди, известную как правило: «первый пришел — первый ушел» (F1FО).

В госпитале или в супермаркете на экспресс-узле расчета различные приоритеты могут не соответствовать правилу F1FО. Пациенты в госпитале, которые находятся в критическом состоянии, могут идти вперед с приоритетом на обслуживание по сравнению с пациентами с легкими травмами. Покупатели менее чем с десятью покупками могут проходить на экспресс-узел расчета (но тогда они обслуживаются, как «первый пришел — первый обслужен»).

Термин F1FS(«первый пришел — первый обслужен») используется как заменитель F1FО, а другая дисциплина LIFS(«последний пришел — первый обслужен») распространена, когда мате риалы уложены так. что достать их можно только сверху.

Основные конфигурации системы очередей. Системы обслуживания обычно классифицируются по числу каналов, напри мер по числу серверов, и числу фаз, по числу позиций обслуживания, которые должны быть пройдены.

Одноканальная система очереди — с одним сервером, напри мер, банк, который имеет только одно открытое окно обслуживания, или одна точка обслуживания в ресторане быстрого обслуживания. С другой стороны, если банк имеет нескольких клерков и каждый клиент ожидает в одной общей очереди к первому освободившемуся окошку, тогда мы имеем многоканальную систему очереди. Большинство банков сегодня — это многоканальные системы обслуживания, так же как большинство парикмахерских, касс продажи авиабилетов и отделений связи.

Однофазная система обслуживания — это такая, в которой клиент получает обслуживание только от одной станции и затем покидает систему. Ресторан быстрого обслуживания, в котором человек, принимающий заказ, также приносит еду и получает деньги,— это однофазная система. Так, в офисе по выдаче водительских удостоверений, в котором лицо. принимающее заявление, также проводит тестирование и собирает деньги, имеет место однофазная система. Если ресторан требует разместить заказ в одном месте, заплатить в другом и взять еду в третьем, он становится многофазной системой. Соответственно, если агентство по выдаче водительских прав большое или в нем очень много посетителей, клиент, вероятно, вынужден будет прождать в очереди, чтобы заполнить заявление (первая остановка в обслуживании), затем стоять снова на экзамен (вторая остановка в обслуживании) и, наконец, в третьем месте заплатить деньги.
Характеристика конфигураций систем обслуживания
Основные конфигурации системы очередей. Системы обслуживания обычно классифицируются по числу каналов, напри мер по числу серверов, и числу фаз, по числу позиций обслуживания, которые должны быть пройдены.

Одноканальная система очереди — с одним сервером, напри мер, банк, который имеет только одно открытое окно обслуживания, или одна точка обслуживания в ресторане быстрого обслуживания. С другой стороны, если банк имеет нескольких клерков и каждый клиент ожидает в одной общей очереди к первому освободившемуся окошку, тогда мы имеем многоканальную систему очереди. Большинство банков сегодня — это многоканальные системы обслуживания, так же как большинство парикмахерских, касс продажи авиабилетов и отделений связи.

Однофазная система обслуживания — это такая, в которой клиент получает обслуживание только от одной станции и затем покидает систему. Ресторан быстрого обслуживания, в котором человек, принимающий заказ, также приносит еду и получает деньги,— это однофазная система. Так, в офисе по выдаче водительских удостоверений, в котором лицо. принимающее заявление, также проводит тестирование и собирает деньги, имеет место однофазная система. Если ресторан требует разместить заказ в одном месте, заплатить в другом и взять еду в третьем, он становится многофазной системой. Соответственно, если агентство по выдаче водительских прав большое или в нем очень много посетителей, клиент, вероятно, вынужден будет прождать в очереди, чтобы заполнить заявление (первая остановка в обслуживании), затем стоять снова на экзамен (вторая остановка в обслуживании) и, наконец, в третьем месте заплатить деньги.
<img width=«302» height=«294» src=«ref-1_1098928161-20833.coolpic» v:shapes="_x0000_i1040">
4. Многоканальная, многофазная система

<img width=«556» height=«230» src=«ref-1_1098948994-24207.coolpic» v:shapes="_x0000_i1041"> 

Рис. 2. 0сновные конфигурации систем обслуживания
Определение моделей очередей



Модель А. Одноканальная модель очередей с пуассоновым распределением прибытии и экспоненциальным временем обслуживания. Наиболее общий случай теории очередей представляет собой одноканальная, или односервисная, очередь обслуживания. В этом случае прибытия формируют простую очередь на обслуживание к одной станции. Мы допускаем, что последующие условия относятся к этому типу систем.

1. Прибытия обслуживаются по правилу «первый пришел— первый ушел» (FIFO) и каждое прибытие ожидает обслуживания в зависимости от длины очереди.

2. Прибытия являются независимыми от предыдущих прибытии. но среднее число прибытии не изменяется во времени.

3. Прибытия описываются пуассоновым распределением вероятности и поступают из неограниченного (или очень-очень большого источника).

4. Время обслуживания изменяется от одного клиента к другому, эти отрезки времени независимы друг от друга, но их среднее время известно.

5. Время обслуживания подчинено отрицательному экспоненциальному закону распределения.

6. Время обслуживания меньше времени между прибытиями. Когда эти условия выполнены, можно применить ряд формул для модели очередей А.

Модель В. Многоканальная модель очередей. Следующий логический шаг — это рассмотрение многоканальной системы очередей, в которой два или более сервера, или канала, способны обслуживать клиентов. Предположим, что клиенты, ожидающие сервиса, из очереди обслуживаются первым освободившимся сервером. Пример такой многоканальной однофазной очереди мы находим сегодня во многих банках. Общая очередь формируется, и клиент из начала очереди обслуживается первым свободным оператором — для типичной многоканальной конфигурации).

Многоканальная система представляется здесь снова в предположении, что заявки следуют пуассонову распределению вероятности и что время обслуживания имеет экспоненциальное распре деление. Обслуживание ведется по правилу «первый пришел — первый ушел», и все серверы работают по этому правилу. Другие предположения, описанные ранее для одноканальной модели, применимы и здесь.

Уравнения очередей для модели В (которая также именуется в технике М/М/S) являются, очевидно, более общими, чем те, которые используются в одноканальной модели. Они применяются точно так же и требуют такого же типа данных, как и простые модели.

Модель Д. Модель с ограниченным источником. Когда имеется ограниченный источник потенциальных клиентов для центра обслуживания, нам необходима другая модель очередей. Эта мо дель будет использована, если, например, нужно ремонтировать оборудование, имея только пять машин; если вы ответственны за обслуживание в полете 10 самолетов или если вы работаете в отделении госпиталя, рассчитанном на 20 коек. Модель с ограниченным источником имеет дело с некоторым числом объектов, требующих внимания.

Содержание этой модели отличается от трех ранее описанных моделей очередей тем, что теперь существует связь между длиной очереди и правилом появления заявки.

Проиллюстрируем экстремальную ситуацию, когда предприятие имеет пять машин и все пять сломались и ожидают ремонта. В общем, чем длиннее очередь в модели ожидания с ограничен ным источником, тем меньше прибытии клиентов или машин.

Заметим, что формулы для модели с ограниченным источником используют другие переменные по сравнению с моделями А, В и С. Для простоты, чтобы можно было использовать калькулятор, определяются переменные О и Р. Причем представляет вероятность того, что машина, нуждающаяся в ремонте, будет ожидать в очереди; Р означает коэффициент эффективности времени ожидания. Заметим, что О и Р необходимы для расчетов больше, чем другие конечные формулы модели.




Литература:
Козловский В.А. и др. Производственный и операционный менеджмент.

Учебник – СПб: «Специальная Литература», 1998. с. 86

Макаренко М.В., Махалина О.М. Производственный менеджмент: Учеб. пособие для вузов.- М.: «Издательство ПРИОР», 1998. – 384 с.

Ричард Чейз и др. Производственный и операционный менеджмент. – М.: Издательский дом «Вильямс», 2001.- 704 с.




4. Стратегия товара
Дать определение стадиям разработки товара
Стратегия товара — это выбор, определение и дизайн товаров.

Товары и услуги могут быть разнообразны… Цель стратегии товара — это обеспечить конкурентное преимущество для товара.

Несмотря на попытки введения новых товаров, многие из них не становятся успешными, хотя выбор товара, определение и дизайн осуществляются постоянно. Считается, что только один из 25 представленных товаров действительно становится успешным. Многие товары проходят через стадию разработки, конечный дизайн и предварительные стадии производства, но не достигают рынка…

Конкуренция на базе времени. Жизненный цикл товара становится короче. Это увеличивает важность разработки товара. Поэтому более быстрый разработчик новых товаров постоянно выигрывает по отношению к медленным разработчикам и получает конкурентное преимущество. Эта конкуренция называется конкуренцией на базе времени.
Как используется командный подход при разработке товара?
Наилучшим подходом к разработке товара будет командный подход. Известны такого рода команды, как команды разработки товара, команды разработки технологичности и команды ценового инжиниринга. Японский подход к команде — это не разделение их организации на отделы разработки и исследований, создания оборудования, производства и т. д. Для японского стиля характерно групповой подход и работу в команде соединять в деятельности одной организации. Японские культура и стиль руководства более коллегиальны, а организация менее структурирована, чем в большинстве западных систем. Поэтому они не считают необходимым создавать «команды», обеспечивая необходимые коммуникации и координацию. Тем не менее, типичный для запада стиль и традиционная мудрость — это использовать команды.

Команды, разрабатывающие успешные товары, как правило, имеют:

поддержку верхнего руководства;

квалифицированного опытного руководителя с авторитетом принятия решения;

формальную организацию в команде;

программы обучения для обучения навыкам и способам разработки товара;

команду, состоящую из различных взаимодействующих специалистов;

адекватное снабжение, фондирование и сопровождение со стороны продавца.

Команда разработки товара — занятые, несущие ответственность в переносе требований рынка на товар и в достижении успеха товара (рис. 1).

Такие команды часто включают в себя специалистов по маркетингу, производству, закупкам, контролю качества и персонал, занятый обслуживанием клиента. Многие команды также имеют представителей продавца. Вне зависимости от официальной природы условий разработки товара исследования показывают, что успех вероятен только в случае открытого сотрудничества, где с потенциальным вкладом в разработку могут выступить все участники команды.




 <img width=«473» height=«972» src=«ref-1_1098973201-69482.coolpic» v:shapes="_x0000_i1042">    продолжение
--PAGE_BREAK--