Страховой (гарантийный, резервный, буферный) запас создается для защиты от возможного дефицита изделий. Величина страхового запаса постоянно поддерживается дополнительно к ожидаемой потребности и имеет вероятностную природу. Дефицит изделий может быть обусловлен как неопределенностью спроса, так и неопределенностью периода выполнения заказа. Неопределенность спроса – это случайные колебания объема продаж в течение всего периода времени между двумя моментами пополнения запаса. Неопределенность периода выполнения заказа представляет собой случайную величину времени между моментом размещением заказа на пополнение запаса и моментом его получения. Для адекватной оценки величины страхового запаса необходим одновременный учет обоих видов неопределенностей.

Определению величины страхового запаса посвящено довольно много работ (см., например, [1, 2]). Однако, приводимые в них методы зачастую лишены какого-либо обоснования, либо столь невнятно изложены, что вызывают справедливые сомнения в их адекватности [3]. Сомнения же специалистов приводят, в свою очередь, к недоуменному вопросу практиков-логистов: «Так как же нам все-таки рассчитывать страховой запас?». Вот на этот вопрос я и попытаюсь ответить в настоящей статье.

В настоящее время в западной школе логистики принято два подхода к расчету величины страхового запаса. В первом подходе (вероятностный подход) величина страхового запаса рассчитывается исходя из заданного значения вероятности отсутствия дефицита. Во втором подходе расчет величины страхового запаса основывается на понятии «уровня обслуживания» и определяется как ожидаемое количество изделий, которых может не хватать при данном уровне обслуживания.

Оба подхода строятся на следующей стохастической модели потребления и пополнения запаса: 1. Случайная величина (q) потребления изделий в каждый единичный период времени (например за день или неделю) подчиняется нормальному закону распределения с математическим ожиданием (МО) mq и средним квадратическим отклонением (СКО) ?q ; 2. Период выполнения заказа (L) является случайной величиной с МО и СКО равными mL  и  ?L , соответственно; 3. Случайные величины qi в единицу времени независимы между собой, имеют одинаковые распределения с равными МО и СКО и не зависят от случайной величины L ; 4. Суммарное потребление (Q) в течение периода (L) представляет собой сумму случайного числа случайных величин qi , то есть  и имеет нормальное распределение с МО и СКО равными [4] mQ = mq mL  и , соответственно.

Вероятностный подход. Задается значение вероятности (P) бесперебойной выдачи изделий из имеющегося запаса. Так, вероятность P = 0,95 что означает, что в 95% всего времени мы рассчитываем, что запас не исчерпается и в 5% времени мы будем испытывать дефицит изделий. Обратившись к таблице значений функции Лапласа находим для заданной вероятности P соответствующее количество (k) средних квадратических отклонений ?Q , тогда величина страхового запаса рассчитывается как k ?Q . Если, например, P = 0,95 то ?Q надо умножить на k = 1,64.

Подход, основанный на понятии «Уровень обслуживания». Данный подход был, по видимому, впервые предложен в [5] и с тех пор приводится практически во всех западных монографиях по логистике (см., например, [1, 2]). Под уровнем обслуживания здесь понимается количество изделий, которое может быть получено потребителем немедленно из имеющего запаса. Так, если недельный спрос на изделия составляет 100 шт., то 95%-ый уровень обслуживания означает, что 95 изделий могут быть получены из имеющегося запаса, а 5 изделий составят дефицит. Данный подход основывается на расчете нормированного (МО=0 и СКО=1) ожидаемого количества изделий M(k), которых будет не хватать при данном уровне обслуживания в течение периода выполнения заказа L. Реальное же количество дефицитных изделий за период L составит величину M(k) ?Q . Функция M(k) легко вычисляется и ее значения затабулированы (см., например, [1]).

Дальнейшие рассуждения в рассматриваемом подходе таковы. Если годовая потребность в изделиях равна D и требуемый нами уровень обслуживания равен P , то в течение года дефицит составит (1 – P)D изделий. А если экономичный размер заказа равен Qо , то количество заказов в год составит D / Qо . Поскольку ожидаемый дефицит приходящийся на каждый заказ равен M(k) ?Q , то за год ожидаемый дефицит составит M(k) ?Q D / Qо . Приравнивая последнее выражение к (1 – P)D получим основное уравнение M(k) = (1 – P) Qо / ?Q для определения числа (k) средних квадратических отклонений ?Q . Искомая величина страхового запаса составит k ?Q . Отметим, что при M(k) > 0,3989 величина страхового запаса получается отрицательной. Авторы это обстоятельство трактуют так, что при данной величине экономичного заказа и требуемом уровне обслуживания, создания страхового запаса не требуется, а точка размещения повторного заказа снижается на величину k ?Q.

Пример. Пусть оптимальный размер заказа Qо = 100 изделий, требуемый уровень обслуживания P = 0,97. Числовые характеристики периода выполнения заказа L и ежедневного потребления q равны mL = 8 дней, ?L = 2 дня, mq = 5 шт., ?q = 2,5 шт. соответственно. Определим страховой запас используя оба подхода.

Решение. Среднее квадратическое отклонение потребления запаса в течение периода выполнения заказа равно  шт.

Вероятностный подход. Для вероятности бесперебойной выдачи изделий из имеющегося запаса P = 0,97 находим по таблице функции Лапласа значение k = 1,88. Величина страхового запаса составит k ?Q = 1,88?12 ? 23 шт.

Подход на основе «уровня обслуживания». Вычисляем функцию M(k) = (1 – P) Qо / ?Q = (1 – 0,97)?100/12 = 0,25. По таблице значений функции M(k) находим k = 0,34 и страховой запас составит k ?Q = 0,34?12 ? 4 шт. Таким образом, при уровне обслуживания P = 0,97 ожидаемая нехватка изделий составит 4 шт.

Выводы. Сравнение величины страхового запаса (23 шт. и 4 шт.), вычисленное при обоих подходах показывает, что во втором подходе страховой запас почти в 6 раз меньше, чем при вероятностном подходе. Это явно заниженное значение и оно не может служить достоверной рекомендацией для создания страхового запаса.

Несостоятельность второго подхода обусловлена тем, что количество изделий, которых будет не доставать, и которые составляют страховой запас, представляет собой случайную величину, для характеристики которой требуется не только математическое ожидание, но и дисперсия. Поэтому использование при вычислении страхового запаса одного только математического ожидания и приводит к сильно заниженному его значению. Наши исследования показали, что при введении дисперсии страхового запаса, число (k) средних квадратических отклонений ?Q будет равно уже 1,25, так что страховой запас составит k ?Q = 1,25?12 ? 15 шт. Более точное определение числа k требует дополнительных исследований.

Таким образом, широко приводимый в западной логистической литературе подход на основе «уровня обслуживания», не позволяет находить адекватное значение страхового запаса, в отличие от вероятностного подхода, который, по нашему мнению, более обоснован. Поэтому его и следует применять при расчете величины страхового запаса.

Литература

1. Бауэрсокс Д.Дж., Клосс Д.Д. Логистика: интегрированная цепь поставок. – М.: Олтимп-Бизнес, 2001

2. Сток Д.Р., Ламберт Д.М. Стратегическое управление логистикой. – М.: ИНФРА-М, 2005

3. Модели и методы теории логистики / Под ред. В.С. Лукинского. – СПб., Питер, 2003

4. Феллер В. Введение в теорию вероятностей и ее приложения. Т. 1 – М.: Мир, 1984