Управление движением запасных частей в ООО «Медведь АТЦ» дилер Фольксваген, страница 12

В – коэффициент, учитывающий качество поставляемых запасных частей;

Ŋ – коэффициент, учитывающий создание резервов на АПТ;

Р_у – коэффициент, учитывающий степень удовлетворения потребности в проведении капитального  ремонта на АПТ.

Вывод: данный метод имеет недостатки связанные с не учетом:

- условий и режима эксплуатации;

- квалификации водителей;

- состояние дорожного полотна;

- возрастную структуру парка;

- наработку автомобилей;

- сезонный фактор;

- принятой системы ремонта автомобилей.

Так как в методику входят коэффициенты создание резервов, то неточность расчета нормы ЗЧ становится менее точной из-за разных подходов к созданию резервов на предприятии, на что влияет так же разномарочность состава, так же не учитываемая в данной методике.   Вследствие этого  наблюдается значительный разрыв между расчетами по нормам и фактическим потреблением запасных частей.

6) Метод экстраполяции [9] позволяет прогнозировать потребность в ЗЧ на основе настоящего потока отказов. Для повышения точности прогнозов учитывается сезонный фактор и составляющая величина случайного отклонения:

,                                                (3.12)

где   у_t  – прогнозные значения временного ряда;

 – среднее значение прогноза;

v_t  – составляющая прогноза, отражающая сезонные колебания;

ε_t –  случайная величина отклонения прогноза.

Рисунок 3.7 – Прогнозирование на основе временных рядов

1 – экспериментальный данные на интервале наблюдения;

2 – тренд;

3 – тренд и сезонная волна;

4 – значение точечного прогноза на интервале упреждения;

5 – интервальный прогноз.

Так как вопросы прогнозирования с использованием методов экстраполяции не нашли широкого распространения и, соответственно, нет общепринятого алгоритма обработки временных рядов, то автор предложил следующий алгоритм:

1. На основе    значений временного ряда на предпрогнозном периоде (интервале наблюдения)  с использованием метода наименьших квадратов определяются  коэффициенты  уравнения тренда y_t, видом которого    задаются. Обычно для описания тренда используются   полиномы    различных  порядков,    экспоненциальные,      степенные функции и т. п.

2.  Для исследования сезонной волны значения тренда исключаются  из исходного временного ряда. При наличии сезонной волны определяют коэффициенты уравнения, выбранного для аппроксимации ν_t.

3.   Случайные величины отклонения ε_t определяются после исключения из  временного ряда значений    тренда и сезонной     волны   на   предпрогнозном  периоде.  Как правило, для  описания  случайной    величины   ε_t  используется нормальный закон распределения.

4.  Для повышения точности прогноза  применяются    различные    методы  (дисконтирование, адаптация и т. п.). Наибольшее распространение в практике расчетов получил метод экспоненциального сглаживания, позволяющий повысить, значимость последних уровней временного ряда по сравнению с начальными.

Вывод:  Данные метод учитывает сезонный фактор, но требует большое количество данных по потоку отказов по каждой марке автомобилей за большой период времени. Метод экстраполяции не учитывает распределение автомобилей по возрасту и годовому пробегу.

7) Метод расчета количества запасных частей на основе асимптотических зависимостей, в частности, с использованием средних значений наработок деталей для простого и общего процесса восстановления [10] создавался для расчета потребности в ЗЧ при восстановлении деталей на авторемонтных предприятиях: а) Общий процесс восстановления:

,                                       (3.13)

б) Простой процесс восстановления:

,                                        (3.14)

где   Ө – количество запасных частей;

Т – ресурс сопряженной детали, тыс. км.;

Т₁ – ресурс до первой замены, тыс. км.;

 - средний ресурс между отказами, тыс. км.;

 - среднеквадратическое отклонение ресурса.