по метод.

Исходные данные для проектирования
Расчетная часть
АВС-АНАЛИЗ ПРИБЫЛЬНОСТИ ТОВАРОВ
ПРОГНОЗИРОВАНИЕ ПРОДАЖ ТОВАРОВ ГРУППЫ А
ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНЫХ РАЗМЕРОВ ЗАКАЗОВ ТОВАРОВ
ОПРЕДЕЛЕНИЕ ОБЪЕМОВ ЗАКУПОК ТОВАРОВ ГРУППЫ А ПРИ ОГРАНИЧЕННОМ БЮДЖЕТЕ
Список использованной литературы

по метод.

115
110
112
115
118
121,5
1944
0,0245
0,19
1
Т1
80
85
81
90
87
95
96
1056
0,0258
0,22
6
Т6
70
73
72
78
76
77
79,3
2458
0,0266
0,25
23
Т23
200
203
202
207
206
208
212,5
648,1
0,0278
0,27
8
Т8
130
125
120
130
120
115
107,5
1398
0,0289
0,30
10
Т10
250
240
240
245
230
235
228,5
1382
0,0299
0,33
13
Т13
70
78
75
76
80
87
92,6
1676
0,0304
0,36
28
Т28
65
68
72
74
78
79
82
418,2
0,0325
0,40
17
Т17
140
150
150
152
157
158
162,3
1136
0,0327
0,43
19
Т19
260
262
258
264
265
269
273,1
2198
0,0357
0,46
4
Т4
180
180
170
160
165
160
147,5
2360
0,0396
0,50
25
Т25
110
115
122
132
130
135
142
2989
0,0472
0,55
16
Т16
120
128
125
135
133
137
142
1832
0,0486
0,60
2
Т2
160
150
170
168
190
187
201
1809
0,0539
0,65
21
Т21
330
328
327
320
315
312
307,5
1230
0,0619
0,72
24
Т24
210
211
205
200
198
195
187,8
3371
0,0636
0,78
18
Т18
270
272
265
260
258
250
248
2480
0,0666
0,85
22
Т22
265
263
270
275
274
276
282,5
2571
0,0739
0,92
3
Т3
250
260
260
280
270
290
297
2376
0,0797
1,00
Деление товаров на категории и определение доли товаров группы А
Деление товаров на категории выполняется аналитически и графически.
Аналитический расчет заключается в следующем.
1) Все товары с прибыльностью выше средней относятся к категории А. То есть, по табл.2 все товары с Kj ≥ Kср=0,036 следует отнести к категории А и по той же таблице найти долю этой группы в общей прибыли WA.
К категории А отнесем товары с номера 20 по 28.
2) Подсчитывается количество товаров группы А - NA=9 и соответствующая этой группе товаров прибыль в % по кумулятивному ряду WA=0,5351. С учетом этих данных находится средняя прибыль по оставшейся номенклатуре товаров
.
3) К группе товаров категории В следует отнести те товары, для которых выполняется правило
Kср > Kj ≥ KBС .
В группу В попадают товары от 10 до 20.
Остальные товары составляют группу С – товары с 1 по 9.
Рис.1. Диаграмма Парето: АВС анализ номенклатуры товаров
Расчет бюджета товаров группы А
Бюджет товаров группы А (наиболее прибыльные товары) определяется через заданный в исходных данных общий бюджет В0 в условных единицах (см.табл. П4) по формуле
,
где γА – доля затрат в %, приходящаяся на группу товаров категории А. Эта доля находится из табл.2 по формуле
,
в которой SA – это суммарные затраты на товары группы А по табл.2.
ПРОГНОЗИРОВАНИЕ ПРОДАЖ ТОВАРОВ ГРУППЫ А
Прогнозирование продаж выполняется для всех товаров группы А и осуществляется по временным рядам Qi (i=1,2,.. n) табл.2 (в данном случае n=7). Горизонт прогнозирования Δt и доверительная вероятность прогноза β входят в состав исходных данных, выбираемых из табл.П4. Для прогнозирования используется линейная модель тренда с доверительными границами для зависимой переменной Q.
Расчет коэффициентов линейной модели тренда для товаров группы А
Для моделирования используем инструмент РЕГРЕССИЯ в Excel-расширении АНАЛИЗ ДАННЫХ.
Проведем анализ для каждого товара группы А.
Моделирование Товара Т4.
ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R
0,940191
R-квадрат
0,883958
Нормированный R-квадрат
0,86075
Стандартная ошибка
4,225771
Наблюдения
7
Дисперсионный анализ
 
df
SS
MS
F
Значимость F
Регрессия
1
680,1429
680,1429
38,088
0,001627
Остаток
5
89,28571
17,85714
Итого
6
769,4286
 
 
 
 
Коэффициенты
Стандартная ошибка
t-статистика
P-Значение
Нижние 95%
Верхние 95%
Нижние 90,0%
Верхние 90,0%
Y-пересечение
186
3,571429
52,08
4,93E-08
176,8194
195,1806
178,8034
193,1966
Переменная X 1
-4,92857
0,798596
-6,17155
0,001627
-6,98143
-2,87572
-6,53778
-3,31936
 
 
 
 
 
 
 
 
Доверительные границы
ti,
Qi,
Q(t)=
[Qi-Q(t)]2
t2
(t-tср)2
σQ(t)
мес.
ед.
a+b∙t
 
 
 
 
Qв
Qн
Исходные данные
1
180
181,071429
1,14795918
1
9
12,5696984
155,742878
206,399979
2
180
176,142857
14,877551
4
12,4143253
151,127391
201,158323
3
170
171,214286
1,4744898
9
25
12,2901216
146,449096
195,979475
4
160
166,285714
39,5102041
16
144
12,1980396
141,706074
190,865354
5
165
161,357143
13,2704082
25
441
12,1388102
136,896853
185,817433
6
160
156,428571
12,755102
36
1024
12,1129154
132,020461
180,836682
147,5
151,5
16
49
2025
12,1205689
127,076467
175,923533
147,5
Прогноз
8
 
146,571429
 
 
 
 
 
 
9
 
141,642857
 
 
 
 
 
 
10
 
136,714286
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Моделирование Товара Т25
ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R
0,965922
R-квадрат
0,933004
Нормированный R-квадрат
0,919605
Стандартная ошибка
3,02342
Наблюдения
7
Дисперсионный анализ
 
df
SS
MS
F
Значимость F
Регрессия
1
636,5089
636,5089
69,63176
0,000404
Остаток
5
45,70536
9,141071
Итого
6
682,2143
 
 
 
 
Коэффициенты
Стандартная ошибка
t-статистика
P-Значение
Нижние 95%
Верхние 95%
Нижние 90,0%
Верхние 90,0%
Y-пересечение
107
2,555257
41,87446
1,47E-07
100,4315
113,5685
101,851
112,149
Переменная X 1
4,767857
0,571373
8,344565
0,000404
3,299097
6,236618
3,616513
5,919201
 
 
 
 
 
 
 
 
Доверительные границы
ti,
Qi,
Q(t)=
[Qi-Q(t)]2
t2
(t-tср)2
σQ(t)
мес.
ед.
a+b∙t
 
 
 
 
Qв
Qн
Исходные данные
1
110
111,77
3,1253
1
9
6,3346
99,003
124,53
2
115
116,54
2,3584
4
6,151
104,14
128,93
3
122
121,3
0,485
9
25
5,9797
109,25
133,35
4
132
126,07
35,148
16
144
5,8216
114,34
137,8
5
130
130,84
0,7044
25
441
5,6779
119,4
142,28
6
135
135,61
0,3686
36
1024
5,5497
124,42
146,79
7
142
140,38
2,6406
49
2025
5,4381
129,42
151,33
Прогноз
8
 
145,14
 
 
 
 
 
 
9
 
149,91
 
 
 
 
 
 
10
 
154,68
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Моделирование Товара Т16
ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R
0,930992
R-квадрат
0,866746
Нормированный R-квадрат
0,840095
Стандартная ошибка
2,800191
Наблюдения
7
Дисперсионный анализ
 
df
SS
MS
F
Значимость F
Регрессия
1
255,0089
255,0089
32,5222
0,002315
Остаток
5
39,20536
7,841071
Итого
6
294,2143
 
 
 
 
Коэффициенты
Стандартная ошибка
t-статистика
P-Значение
Нижние 95%
Верхние 95%
Нижние 90,0%
Верхние 90,0%
Y-пересечение
119
2,366594
50,28324
5,88E-08
112,9165
125,0835
114,2312
123,7688
Переменная X 1
3,017857
0,529186
5,702824
0,002315
1,65754
4,378174
1,951521
4,084193
 
 
 
 
 
 
 
 
Доверительные границы
ti,
Qi,
Q(t)=
[Qi-Q(t)]2
t2
(t-tср)2
σQ(t)
мес.
ед.
a+b∙t
 
 
 
 
Qв
Qн
Исходные данные
1
120
122,02
4,0717
1
9
5,4043
111,13
132,91
2
128
125,04
8,787
4
5,2155
114,53
135,55
3
125
128,05
9,3243
9
25
5,0352
117,91
138,2
4
135
131,07
15,434
16
144
4,8644
121,27
140,87
5
133
134,09
1,1865
25
441
4,704
124,61
143,57
6
137
137,11
0,0115
36
1024
4,5552
127,93
146,29
7
142
140,13
3,5156
49
2025
4,4192
131,22
149,03
Прогноз
8
 
143,14
 
 
 
 
 
 
9
 
146,16
 
 
 
 
 
 
10
 
149,18
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Моделирование Товара Т2
ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R
0,917348
R-квадрат
0,841528
Нормированный R-квадрат
0,809833
Стандартная ошибка
7,408489
Наблюдения
7
Дисперсионный анализ
 
df
SS
MS
F
Значимость F
Регрессия
1
1457,286
1457,286
26,55128
0,003606
Остаток
5
274,4286
54,88571
Итого
6
1731,714
 
 
 
 
Коэффициенты
Стандартная ошибка
t-статистика
P-Значение
Нижние 95%
Верхние 95%
Нижние 90,0%
Верхние 90,0%
Y-пересечение
145,5714
6,261316
23,24933
2,74E-06
129,4762
161,6667
132,9546
158,1883
Переменная X 1
7,214286
1,400073
5,152793
0,003606
3,615284
10,81329
4,393071
10,0355
 
 
 
 
 
 
 
 
Доверительные границы
ti,
Qi,
Q(t)=
[Qi-Q(t)]2
t2
(t-tср)2
σQ(t)
мес.
ед.
a+b∙t
 
 
 
 
Qв
Qн
Исходные данные
1
160
152,79
52,046
1
9
39,053
74,092
231,48
2
150
160
100
4
39
81,414
238,59
3
170
167,21
7,7602
9
25
39,045
88,537
245,89
4
168
174,43
41,327
16
144
39,188
95,463
253,39
5
190
181,64
69,842
25
441
39,429
102,19
261,09
6
187
188,86
3,449
36
1024
39,764
108,73
268,98
7
201
196,07
24,291
49
2025
40,193
115,08
277,06
Прогноз
8
 
203,29
 
 
 
 
 
 
9
 
210,5
 
 
 
 
 
 
10