Стратегия снабжения. 
Ассортиментная политика предприятия

В связи с рассматриваемой проблемой необходимо напомнить, что документом Всемирной организации здравоохранения (ВОЗ) Operational Principles for Good Pharmaceutical Procurement («Организационные принципы надлежащего фармацевтического снабжения») (GPP) выделен ряд стратегических задач, среди которых можно отметить:

• — закупки наиболее экономически эффективных ЛС в нужных количествах;
• — обеспечение их своевременной доставки;
• — обеспечение наиболее низких общих (суммарных) издержек снабжения.

В основе стратегической задачи по закупке наиболее экономически эффективных ЛС в нужных количествах лежит составление перечня важнейших ЛС и определение потребностей по каждой позиции. В основе стратегической задачи по обеспечению своевременной доставки идет речь о транспортировке нужных количеств ЛС на центральные или территориальные склады и об их адекватном распределении по потребителям. Для обеспечения наиболее низких суммарных издержек ВОЗ рекомендует учитывать не только фактические закупочные цены, но и скрытые потери из-за срывов поставок, ограничений по срокам годности, складские расходы и т. д.

При реализации этих стратегических задач, по мнению ВОЗ, следует руководствоваться рядом организационных принципов, в том числе объемы заказов должны базироваться на объективной оценке потребностей. Отмечается, что наиболее надежным способом их прогнозирования является расчет фактического потребления за предыдущий период. В ином случае могут быть использованы методы, основанные на показателях заболеваемости и стандартных схемах лечения. В ходе реализации организационных принципов GPP рекомендуется применять их для выработки стандартных рабочих методик. Кроме того, ВОЗ особо подчеркивает, что необходимо выбирать правильные модели закупок и управления запасами. Однако, судя по кризисному состоянию отечественного фармацевтического бизнеса такие модели на практике не нашли распространения.

Существование любой системы накопления и распределения запасов целиком определяется характеристиками спроса потребителей на соответствующие товары или иные материальные ценности, хранящиеся на складах, а также в аптеках (на предприятиях розничной торговли). Отсутствие сбыта ЛС означает и отсутствие необходимости в их запасах. Неоднозначность объема заказа, случайность процесса сбыта во времени приводят к дополнительным нагрузкам на систему управления запасами, а также к возникновению дополнительных издержек.

Типичный процесс в системе управления запасов при переменном сбыте приведен на рис. 1, где увеличение объема запаса ЛС происходит за счет его поставки, а снижение — за счет сбыта. Можно отметить большой размах объема, а также случайный характер его изменения.

В соответствии с требованиями GPP фармацевтическое обеспечение населения и лечебных учреждений должно осуществляться с высоким качеством. При этом по ряду ЛС их отсутствие в розничном звене не допускается, что нашло отражение в требованиях к обязательному ассортименту аптечных учреждений. Выполнение этих требований может осуществляться только путем управления запасами ЛС. Типичная зависимость вероятности дефицита от запланированного объема запаса приведена на рис 2. Однако излишние запасы ЛС, которые не будут реализованы в течение срока годности, приведут к прямому ущербу.

Суммарные издержки в системе управления запасами зависят от множества факторов, действующих зачастую в различном направлении. Однако, как показывают теоретические выкладки и свидетельствуют практические результаты, всегда существует некоторый объем хранимых запасов, при котором эти суммарные издержки минимальны. Поиск такого оптимального значения запасов является основной задачей управления запасами. Типичная зависимость суммарных издержек от объема запасов; приведена ни рис. 3.

Расчет оптимальных стратегий.

Объектом оптимального управления запасами обычно является оптово-складская система, которая в общем виде представлена на рис. 4, где сплошными линиями обозначены материальные потоки, а штриховыми — информационные.

Спектр решаемых задач оптимального управления запасами ЛС широк вследствие большого разнообразия практических ситуаций. Их можно классифицировать по ряду признаков:

• — виду запасов (ЛС как сырье, полуфабрикаты или готовая продукция);
• — месту хранения (производитель, потребитель, оптовый продавец, снабженческая организация, розничный торговец);
• — структуре системы (изолированный одиночный склад, последовательная система складов, иерархическая сеть складов, разомкнутая или замкнутая по спросу система);
• — структуре запасов (одноили многономенклатурные, взаимозаменяемость ограниченность срока годности, порча при хранении);
• — статистическим характеристикам процессов спроса и поставок (стационарность, коррелированность спроса, управляемость, случайность поставок);
• — целям системы (стоимостные и вероятностные критерии, многокритериальность);
• — ограничениям (на объем и номенклатуру запасов ЛС, на размеры партии поставок, на надежность и экономические характеристики процесса снабжения);
• — информационному обеспечению (периодичность сбора данных, наблюдаемость спроса, полнота знаний о рынке).

Различные сочетания этих и некоторых других дополнительных признаков определяют многообразие решаемых задач управления запасами. Они являются инструментом, позволяющим наилучшим образом организовать процессы снабжения при заданных структурах хозяйственных и деловых связей. Существенно и обратное влияние, когда результаты решения задач управления запасами указывают направлений организационно-экономических изменений, способствующих наилучшему функционированию систем снабжения ЛС.

В области практической реализации систем управления запасами ЛС выделяются следующие основные направления:

• — использование информационных технологий, включающих базы данных программные средства их обработки;
• — специализированное программное обеспечение;
• — консалтинговые услуги в области логистики.

Постоянное совершенствование технических средств управления позволяет реализовывать все более сложные модели и методы управления запасами, а опыт внедрения свидетельствует об их высокой экономической эффективности. При этом наряду с детерминированными и простейшими вероятностными моделями используются методы математического программирования, оптимального управления и другие способы объективного исследования. Например, алгоритмы адаптивного управления с успехом используются при оптимизации запасов с ограниченным сроком хранения, включая продовольствие и медикаменты.

Обоснованное формирование оптимального ассортимента лекарственных средств и изделий медицинского назначения при случайном спросе и общем числе наименований ЛС, превышающем десять тысяч, возможно только с использованием соответствующих численных методов. Содержательный анализ позволяет заключить, что рассматриваемая проблема относится к классу задач стохастического программирования, пока не имеющих универсальных и эффективных алгоритмов решения. Поэтому весьма важно использовать подходы, обеспечивающие практический расчет оптимального ассортимента с приемлемым качеством. В их основу может быть положена идея декомпозиции исходной задачи и сведения ее к апробированным методам математического программирования с ограничениями, отражающими вероятностный характер проблемы. Анализ результатов, полученных с помощью такой методики формирования ассортимента при случайном спросе и различных критериях оптимизации, показывает, что она позволяет принимать решения не только по объему и номенклатуре оптимального ассортимента, но и по политике цен, проводимой продавцом.

Случайный спрос, а следовательно, и стратегия закупок соответствующих ЛС могут описываться только в терминах вероятности, в том числе через функции распределения. Однако далеко не всегда эти функции и их характеристики заранее могут быть определены. Таким образом, налицо парадоксальная ситуация — чтобы рассчитать оптимальный объем ЛС, необходимо априорно знать закон распределения спроса на него, который в свою очередь может быть известен только после обработки статистических данных, полученных по предыдущим результатам функционирования объекта исследования. Понятно, что такие данные, например, для нового аптечного пункта или нового ЛС полностью отсутствуют. Если же на рынок выводится ЛС, уже имеющее аналог, то возникает не менее сложная проблема оценки правомочности распространения на него накопленных статистических сведений. Следовательно, известные способы решения не могут быть использованы, и возникает проблема априорного выбора законов распределения случайного спроса по каждой ассортиментной единице для выработки оптимальной закупочной политики. Для исследования этого центрального вопроса в рамках методики проводится численное моделирование риска продавца ЛС при различных законах распределения медицинского назначения.

Риском продавца в данной проблеме является отклонение между величиной фактического сбыта ЛС и его априорной оценкой. Чем меньше эта разница, тем ниже потери, связанные с неопределенностью объема продаж ЛС. В качестве критерия оптимизации объема закупок используется требование максимума прибыли продавца. Исходя из возможных стратегий продавца ЛС при формировании ассортимента — пессимизма («вероятнее всего ничего не будет продано»), неопределенности («объем продаж может быть любым») и оптимизма («вероятнее всего, будет реализован намеченный объем товара»), рекомендуется для моделирования выбрать аппроксимирующие их соответственно показательный, равномерный и нормальный законы распределения спроса. Результаты моделирования позволяют установить область минимального риска продавца, наилучшие стратегии закупок ЛС, а также обеспечивают управление ценовой политикой.

Наибольшего значения риск достигает, когда лекарственное средство или изделие медицинского назначения продается практически по себестоимости. Характерное изменение риска продавца ЛС приведено на риc.5.

Анализ результатов численного моделирования, таким образом, подсказывает способ минимизации риска продавца при отсутствии априорных сведений о характере спроса на конкретный товар. Для этого необходимо, если не существует каких-либо иных ограничений, планировать продажу товара по цене, превышающей себестоимость примерно в 3—4 раза.

Отдельного рассмотрения заслуживает решение проблемы прогнозирования спроса по каждому ЛС в каждом аптечном предприятии и в оптовых звеньях. Простые способы прогнозирования сбыта ЛС основаны на линейной экстраполяции данных о предыдущем сбыте на ближайшее будущее и использовании модели, в которой допускается, что временной ряд сбыта состоит из компонентов:

• — среднего значения;
• — тренда;
• — сезонного колебания сбыта относительно тренда;
• — случайной, относительно рассмотренных выше компонентов, составляющей.

При этом случайную составляющую сбыта предсказать нельзя. Кроме того, такая модель не учитывает факторы, влияющие на характеристики сбыта ЛС. Простейшее прогнозирование применяется в том случае, когда имеются полные данные о сбыте за прошлый год и не выявлен значительный тренд или сильные сезонные колебания быта.

Более сложным, но и гораздо более эффективным, является использование статистических моделей, создаваемых методом регрессионного анализа. Такой метод позволяет учесть различные факторы, способные оказать влияние на сбыт в будущем при этом структура статистических моделей в максимальной степени отражает конкретные особенности товаров и систем управления запасами [2].

К числу других методов прогнозирования сбыта ЛС, отличающихся сложностью"вычислений и требованиями к исходным данным, можно отнести:

• — методы статистических решений (риска);
• — методы теории случайных процессов;
• — методы сглаживания;
• — адаптивные методы.

Однако при использовании любого метода прогнозирования необходимо понимать его ограниченность и приблизительный характер получаемых результатов.

Возможны различные характеристики прогнозирования сбыта ЛС. Чаще всего таким объектом является будущее значение исследуемой переменной. В отдельных случаях другие характеристики сбыта оказываются более подходящими или могут быть прогнозированы точнее, например направление изменений. Очевидно, что его предсказать гораздо надежнее, чем сам объем сбыта. Еще одной характеристикой прогнозирования является вероятное наибольшее или наименьшее значение.

Прогнозирование всегда осуществляется с помощью соответствующей прогнозирующей функции, которая связывает переменные с объектом прогнозирования. Указанные переменные являются внешними (уровень инфляции, число конкурентов и д.) и внутренними (объем сбыта ЛС в предыдущие периоды времени и т. д.).

Частота составления прогнозов предопределяется интенсивностью принятия решений, а также зависит от экономических соображений. Бесполезно составлять прогнозы чаще, чем приходится принимать решения. Однако снижение интенсивности прогнозов ухудшает качество решений.

Период прогнозирования также должен соответствовать сути планируемых решений. При его увеличении резко снижается точность и происходит обесценивание самой процедуры прогнозирования. С другой стороны, период прогноза должен соответствовать длительности исследуемых процессов.

При полном отсутствии исходных данных о спросе и максимальной неопределенности обычно используется метод прогнозирования, основанный на экспертных оценках. К сожалению, этому методу присущи низкая достоверность результатов и высокие требования к компетентности экспертов [8].