Rm lm-2016edit

Logistyka marketingowa
(wykład)
dr hab. Radosław Mącik

Logistyka marketingowa - wykład
e: radoslaw.macik@umcs.lublin.pl slideshare: rmacik
Logistyka I st.
Kontakt
 Konsultacje:
– poniedziałek, 8.00-9.30, p. 506
 Dyżur:
– czwartek, 9.30-11.30, p. 506
(za wyjątkiem dni obrad Rady Wydziału)
 E-mail:
– radoslaw.macik@umcs.lublin.pl  ogólny do kontaktu
– rmacik@hektor.umcs.lublin.pl  do zadań i kejsów
 Informacje:
– http://marketing.umcs.lublin.pl/rmacik
– http://radoslawmacik.wordpress.com
2

Logistyka I st.
Profil osobowy, „stara strona”, blog dydaktyczny
3

Logistyka I st.
Cel zajęć
 Zajęcia z przedmiotu Logistyka marketingowa mają na
celu dostarczenie wiedzy dotyczącej różnych aspektów
zarządzania sferą logistyki marketingowej w
przedsiębiorstwie.
Szczególna uwaga będzie zwrócona na zarządzanie
logistyczne sferą dystrybucji wraz z procesem
logistycznej obsługi klienta
 Zajęcia konwersatoryjne mają charakter praktyczny
 Wykłady dostarczają niezbędnej podbudowy
teoretycznej, ale również i przykładów do dyskusji.
slajd 4

Logistyka I st.
Treści programowe
W dużym skrócie:
 Istota logistyki marketingowej i jej miejsce w zarządzaniu
marketingowym
 Uwarunkowania procesów logistycznych
 Analiza i prognoza popytu
 Zarządzanie logistyczne w sferze zaopatrzenia
 Zarządzanie logistyczne w sferze dystrybucji
 Proces logistycznej obsługi klienta
 Efektywność logistyki marketingowej
5

Logistyka I st.
Literatura podstawowa
 M. Christopher, H. Peck: Logistyka marketingowa. PWE, Warszawa 2005
 T. Wojciechowski, Marketingowo-logistyczne zarządzanie przedsiębiorstwem, Difin, Warszawa 2011.
 S. Kauf, A. Tłuczak, Logistyka miasta i regionu – metody ilościowe w decyzjach przestrzennych, Difin,
Warszawa 2014.
 Cz. Skowronek, Z. Sarjusz-Wolski, Logistyka w przedsiębiorstwie, wyd. V zmienione, PWE, Warszawa
2012
 A. Czubała, Dystrybucja produktów. PWE, Warszawa 2001.
 B. Tundys, Logistyka miejska. Teoria i praktyka, Difin, Warszawa 2013.
slajd 6

Logistyka I st.
Warunki zaliczenia przedmiotu
 Egzamin pisemny – raczej praktyczny
– Nie ma zwolnień z egzaminu
 Naturalnie bez posiadania zaliczenia ćwiczeń do
egzaminu podejść nie można
 Udział w badaniach prowadzącego:
– 1 raz w ciągu semestru, udział osobisty lub
rekrutacja właściwego uczestnika
7

Logistyka I st.
Może się to nam nie przydarzy…
8


- wprowadzenie

Logistyka I st.
Logistyka
 Logistyka to proces planowania, realizowania i
kontrolowania sprawnego i efektywnego
ekonomicznie przepływu surowców, materiałów,
wyrobów gotowych oraz odpowiedniej informacji z
punktu pochodzenia do punktu konsumpcji w celu
zaspokojenia wymagań klienta
(def. Council of Logistics Management, 1992)
 Inne definicje?
slajd 10

Logistyka I st.
Logistyka
 Logistykę w szerokim rozumieniu traktujemy jako
zintegrowany system kształtowania i kontroli
procesów fizycznego przepływu towarów oraz ich
informacyjnych uwarunkowań, zmierzających do
osiągnięcia możliwie najkorzystniejszych relacji
między poziomem świadczonych usług (poziomem
obsługi odbiorców) a poziomem i strukturą
związanych z tym kosztów (Garbarski, Rutkowski,
Wrzosek, 2000)
 Czyli… nieco bardziej marketingowo
slajd 11

Logistyka I st.
Podmioty branży TSL w woj. lubelskim 2012
 Jako frakcja
ogółu
zarejestro-
wanych
przedsię-
biorstw w
danej gminie
slajd 12

Logistyka I st.
Podmioty branży TSL w woj. Lubelskim 2012
 Jako
frakcja
ogółu
zarejestro
-wanych
przedsię-
biorstw w
danej
gminie
slajd 13

Logistyka I st.
Podmioty branży TSL w woj. Lubelskim 2012
 H.49 –
transport
lądowy i
rurociągowy
 H.50 – tr.
wodny
 H.51 – tr.
lotniczy
 H.52 –
magazyno-
wanie
 H.53 – dz.
pocztowa i
kurierska
slajd 14

Logistyka I st.
Rozwój infrastruktury a wzrost
konkurencyjności regionu
15

Logistyka I st.
Słynna reguła 7R (7W)
 right product (właściwy produkt),
 right quantity (właściwa ilość),
 right condition (właściwy stan),
 right place (właściwe miejsce),
 right time (właściwy czas),
 right customer (właściwy klient),
 right price (właściwa cena)
 Co z tego wynika?
slajd 16

Logistyka I st.
Działania logistyczne
 Działania logistyczne obejmują takie procesy jak:
– obsługa klienta,
– prognozowanie popytu,
– przepływ informacji,
– kontrola zapasów,
– czynności manipulacyjne,
– realizowanie zamówień,
– czynności serwisowe i zaopatrywanie w części,
– lokalizację zakładów produkcyjnych i magazynów,
– procesy zaopatrzeniowe,
– pakowanie,
– obsługę zwrotów,
– gospodarowanie odpadami,
– transport i składowanie.
slajd 17

Logistyka I st.
Klasyczny i sieciowy łańcuch dostaw
slajd 18

Logistyka I st.
Sposoby zwiększania konkurencyjności łańcuchów
dostaw
slajd 19
Źródło: H.Ch. Pfohl, S. Mayer, Trendy i strategie..., op.cit., s. 6.

Logistyka I st.
Marketing
 Współcześnie:
– Marketing to zestaw działań, instytucji i procesów
tworzenia, komunikowania, dostarczania i wymiany
ofert, które mają wartość dla klientów, partnerów i
społeczeństwa jako całości (American Marketing
Association, wersja zaakceptowana w lipcu 2013)
 Bardziej tradycyjnie:
– Marketing to proces społeczny i zarządczy, dzięki
któremu jednostki i grupy otrzymują to czego
potrzebują i pragną osiągnąć poprzez wymianę
posiadających wartość produktów (Ph. Kotler, 2004)
slajd 20

Logistyka I st.
Marketing jako proces
Rozpoznanie
potrzeb
klientów
Budowa i
komuniko-
wanie
wizerunku
Ocena
satysfakcji
klientów
Kształtowa-
nie oferty i jej
pozycjono-
wanie
21

Logistyka I st.
„Dziurawe wiadro”
22

Logistyka I st.
Poziom obsługi klienta a koszty
Przychody
Koszty
Zysk
Przychody,koszty,zysk
93% 95% Poziom obsługi klienta
max
max
Zmniejszenie
zysku
}
23

Logistyka I st.
Koncepcja logistyki marketingowej (1)
 Koncepcja ta wynika z synergicznego połączenia
logistyki i marketingu
 Logistyka marketingowa definiowana jest dość
różnorodnie, zazwyczaj jednak uwzględnia się
realizację celów funkcji logistycznych łącznie z
celami marketingowymi, np.:
Logistyka marketingowa jest systemem planowania i
działania, który gwarantuje że zamówione dobra
zostaną dostarczone o czasie, z użyciem właściwych
środków transportu, w najszybszy sposób, możliwie
najtaniej i przy możliwie wysokim stopniu
zadowolenia klienta
slajd 24

Logistyka I st.
Koncepcja logistyki marketingowej (2)
 Można spotkać się również z innymi podejściami, np.:
– Logistyka marketingowa obejmuje kompleksowo
transakcje i procesy pomiędzy chwilą opuszczenia przez
produkt linii produkcyjnej/montażowej, a jego
dostarczeniem do punktu sprzedaży (co w zasadzie
pokrywa się z pojęciem dystrybucji fizycznej)
– Logistyka marketingowa zajmuje się kompleksowo
traktowanymi procesami w łańcuchu dostaw z
pominięciem samej logistyki wewnętrznych procesów
produkcyjnych, a więc procesami zaopatrzenia i
dystrybucji, zarówno w wymiarze zarządczym, jak i
fizycznym (przyjmiemy ten zakres)
slajd 25

Logistyka I st.
Powiązania marketingu i logistyki
slajd 26
produkt
obsługa klienta
promocjacena
zaopatrzenie
zarządzanie
zapasami
transport
magazynowanie
systemy
informacyjne
marketinglogistyka

Logistyka I st.
slajd 27
marketing logistyka
produkt cena promocja
techniki
sprzedaży i
dostaw
logistyka
produkcji
LOGISTYKA MARKETINGOWA
logistyka
dystrybucji
logistyka
dostaw

Logistyka I st.
Logistykamarketingowa(2)
slajd 28
LOGISTYKA MARKETINGOWA
wsparcie badań rynku
zbieranie informacji
przetwarzanie
informacji
konceptualne
przygotowanie zadań
logistycznych
planowanie logistyki
działań
marketingowych
realizacja
zaplanowanej logistyki
działań
marketingowych
wsparcie promocji
produktów firmy
wybór miejsc i środków
promocji
przygotowanie
warunków otoczenia
promocji
dostarczenie
produktów/materiałów
promocji
zabezpieczenie
personelu promocji i
warunków jego pracy
realizacja
zaplanowanego
poziomu obsługi
eliminacja
pokazów/wystaw
rozprowadzanie
produktów/materiałów
promocji
MARKETING
KLIENT


Analiza i prognozowanie
popytu

Logistyka I st.
Popyt potencjalny i realny
Popyt potencjalny oznacza wszystkie istniejące w danym okresie
potrzeby, które mogłyby zostać zaspokojone, gdyby nie ograniczone
zasoby.
Popyt potencjalny, który może być zaspokojony, gdy pozwalają na to
dochody odzwierciedlone w sile nabywczej, przekształcony zostaje w
popyt realny (efektywny).
30

Logistyka I st.
Inne, wybrane kategorie popytu
 Popyt pierwotny – dotyczy pierwszego zakupu produktu danej kategorii (np.
pierwszego komputera)
 Popyt odtworzeniowy (restytucyjny, wtórny) – tworzą go kolejne zakupy produktu
danej kategorii (np. drugi, trzeci komputer),
– ściśle rozumując z takim popytem mamy do czynienia, gdy kupując nową rzecz
pozbywamy się starej, natomiast gdy zatrzymujemy poprzedni egzemplarz możemy
mówić o tzw. popycie kumulacyjnym
 Popyt szkodliwy – szkodliwy z punktu widzenia konsekwencji dla konsumenta lub
społeczeństwa (np. papierosy)
 Popyt negatywny – konsumenci skłonni byliby zapłacić aby uniknąć konsumpcji
jakiegoś dobra (np. dentysta)
 Popyt niezaspokojony – popyt, poparty siłą nabywczą, chęcią i gotowością kupienia,
ale nie realizowany z powodu braków podaży
 Popyt utajony – popyt nie realizowany z powodu braku podaży produktów i usług o
specyficznych cechach (braki w jakości, a nie ilości), nie zauważany przez
producentów i sprzedawców
31

Logistyka I st.
Prognozowanie popytu - wprowadzenie
 W logistyce zaopatrzenia i dystrybucji popyt traktowany
jest na poziomie zdezagregowanym do poziomu
najmniejszej identyfikowalnej jednostki (części,
podzespołu, wariantu produktu identyfikowanego przez
SKU), ale też zdezagregowanym terytorialnie
 SKU (ang. Stock Keeping Unit, wymawiane jak ang. słowo
skew) jest identyfikatorem służącym do zarządzania
danym towarem, różne warianty produktu mogą mieć ten
sam kod EAN ale różne SKU
 W efekcie prognozowanie popytu oparte zwykle jest na
szeregach czasowych sprzedaży w konkretnych
miejscach (dane panelowe) i ma charakter
krótkoterminowy.
slajd 32

Logistyka I st.
Dez/agregacja popytu
slajd 33
Produkt Czas Miejsce
Poziom
zdezagregowany
Poziom
zagregowany
Lata
Miesiące
Tygodnie
Dni
Pory dnia
Cały asortyment
Kategoria
Linia produktów
Produkt (typ)
SKU
Produkt
Czas
Dane
panelowe
(3 wymiary)

Logistyka I st.
Składniki rozwoju zjawisk rynkowych w czasie
 Trend (tendencja rozwojowa), wyrażająca się długookresową zmianą w górę lub w
dół poziomu obserwowanego zjawiska jest podstawowym składnikiem każdego
procesu rozwojowego, którego głównym czynnikiem jest czas, przy czym czas nie
jest bezpośrednią przyczyną zmian, ale wielkością syntetyzującą wpływ różnych
czynników zmieniających się w czasie i wpływających na rozwój danego zjawiska –
dzięki zmiennej czasowej wartości liczbowe danego zjawiska są chronologiczne
uporządkowanie.
 Wahania regularne:
– Cykliczne – powtarzające się w okresie dłuższym niż rok
– Sezonowe – powtarzające się w obrębie roku
– Krótkookresowe – powtarzające się w okresie kwartału, miesiąca, tygodnia, dnia.
 Wahania nieregularne (nie wykazujące prawidłowości w zakresie ich powtarzania):
– Incydentalne – występują rzadko, nie podlegają tzw. prawidłowościom stochastycznym
i nie dają się w żaden sposób przewidzieć
– Przypadkowe – występują stale i mają charakter losowy (stochastyczny).
34

Logistyka I st.
Model rozwojowy zjawiska w czasie
 Addytywny:
 (poszczególne składowe
szeregu są sumowane)
 Multiplikatywny:
 (poszczególne składowe
szeregu są mnożone)
t
t
scconsty
sctfy
ξ
lub
ξ)(


t
t
scconsty
sctfy
ξ
lub
ξ)(


Gdzie:
losowyskladnikξ
sezonowewahania
cyklicznewahania
zjawiskapoziomśredni
trendufunkcja)(





t
s
c
const
tf
35

Logistyka I st.
Szeregi czasowe z różnymi rodzajami składowych
Źródło: P. Dittman, Metody
prognozowania sprzedaży w
przedsiębiorstwie, Wyd. AE we
Wrocławiu, Wrocław 2002, s. 53.
36

Logistyka I st.
Cykl koniunkturalny
 Cykl koniunkturalny jest powracającym, ale nieregularnym
wahnięciem poziomu ogólnej działalności gospodarczej lub
zestawem krótkoterminowych wahnięć w górę/w dół w ramach
głównego, długookresowego trendu (tendencji rozwojowej)
 Fazy klasycznego cyklu koniunkturalnego:
– Recesja – cykl rozpoczyna się spadkiem aktywności gospodarczej, a recesja
jest przejawem tego spadku głównie w zakresie produkcji krajowej (mierzonej
za pomocą PKB) i zatrudnienia, trwającym co najmniej 6 miesięcy,
– Dno – jest najniższym punktem cyklu, w którym poziom aktywności
gospodarczej przestaje spadać,
– Ożywienie – oznacza wzrost ogólnego poziomu aktywności gospodarczej,
może trwać do momentu zbliżenia się gospodarki do stanu pełnego
zatrudnienia lub (częściej) być zahamowane poprzez kolejną recesję,
– Szczyt koniunktury – występuje gdy ogólny poziom aktywności gospodarczej
przestaje się podnosić – stanowi on przejście z fazy ożywienia jednego cyklu
do fazy recesji cyklu drugiego i nie może być zidentyfikowany dopóki nie
stwierdzi się wystąpienia recesji,
37

Logistyka I st.
Cykl koniunkturalny - rysunek
Źródło: D.R. Kamerschen, R. B. McKenzie, C. Nardinelli, Ekonomia,Fundacja Gospodarcza NSSZ „Solidarność”, Gdańsk 1991.
38

Logistyka I st.
Współczesne cykle koniunkturalne
 W okresie po II wojnie światowej wyróżniamy fazy
relatywnie wysokiej stopy wzrostu gospodarczego i fazy
relatywnie niskiej stopy wzrostu gospodarczego.
 Współcześnie obserwowane są następujące cykle
koniunkturalne:
– cykle krótkie, zwane cyklami Kitchina, trwające 3-4 lata
– cykle średnie, do których zaliczamy:
• cykle Juglara, trwające 8-10 lat
• cykle Kuznetsa, trwające ok. 20 lat
– cykle długie, zwane cyklami (falami) Kondratiewa, trwające
50-60 lat
39

Logistyka I st.
Fale Kondratiewa
40

Logistyka I st.
Przykład - sprzedaż detaliczna w USA w
latach 1953 - 1964
y = 13312 + 57,034t
R2
= 0,6922
y = 13067 + 0,0052t3
- 0,9679t2
+ 99,575t
R2
= 0,7101
10000
12000
14000
16000
18000
20000
22000
24000
26000
28000
30000
styczeń1953
kwiecień1953
lipiec1953
październik1953
styczeń1954
kwiecień1954
lipiec1954
październik1954
styczeń1955
kwiecień1955
lipiec1955
październik1955
styczeń1956
kwiecień1956
lipiec1956
październik1956
styczeń1957
kwiecień1957
lipiec1957
październik1957
styczeń1958
kwiecień1958
lipiec1958
październik1958
styczeń1959
kwiecień1959
lipiec1959
październik1959
styczeń1960
kwiecień1960
lipiec1960
październik1960
styczeń1961
kwiecień1961
lipiec1961
październik1961
styczeń1962
kwiecień1962
lipiec1962
październik1962
styczeń1963
kwiecień1963
lipiec1963
październik1963
styczeń1964
kwiecień1964
lipiec1964
październik1964
sprzedaż(mlnUSD) SPRZEDAŻ
Liniowy (SPRZEDAŻ)
Wielom. (SPRZEDAŻ)
Źródło: StatSoft, Inc.
41

Logistyka I st.
Przykład zmian cen surowca w układzie
miesięcznym
Źródło: PLAST-BOX S.A.
2001 2002 2003
42

Logistyka I st.
Wyodrębnianie trendu – metody
 W celu określenia ogólnej tendencji rozwojowej zjawiska w czasie
szereg należy wygładzić – tzn. doprowadzić do usunięcia wpływu
czynników przypadkowych.
 Najczęściej szereg wygładza się za pomocą:
– Średniej ruchomej
– Metodą najmniejszych kwadratów (regresyjną)
– Graficznie
• Prowadząc linię przez dane „na oko” – nie pozwala to na prowadzenie analiz,
ale wyłącznie na zorientowanie się jaka postać trendu „pasuje do danych”
43

Logistyka I st.
Wyodrębnianie trendu średnią ruchomą – przykłady
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
1 2 3 4 5 6 7 8 9 10 11 12
Okresy
Cena
cena
3 okr. śr. ruch. (cena)
5 okr. śr. ruch. (cena)
0
5
10
15
20
25
30
35
40
45
1 2 3 4 5 6 7 8 9 10 11 12
Okresy
Sprzedaż
sprzedaż
3 okr. śr. ruch. (sprzedaż)
5 okr. śr. ruch. (sprzedaż)
44

Logistyka I st.
Średnie ruchome
 Scentrowana:
– np. trzyokresowa średnia ruchoma scentrowana daje obserwację w 2 okresie (w
środku obserwacji użytych do jej obliczenia), tj:
– Mało przydatna do prognozowania, raczej do wygładzania szeregu
 Zdecentrowana:
– np. trzyokresowa średnia ruchoma zdecentrowana daje obserwację w 3
(poprzedni slajd) lub w 4 okresie (w okresie następnym po użytych do jej
wyznaczenia), tzn.:
– Zazwyczaj lepiej nadaje się do prognozowania.
3
321
2
yyy
y








1
321
4
1
ˆ
3
t
kti
it y
k
y
yyy
y
45

Logistyka I st.
Graficzne wyodrębnianie trendu – przykłady
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
1 2 3 4 5 6 7 8 9 10 11 12
Okresy
Cena
cena
Liniowy (cena)
0
5
10
15
20
25
30
35
40
45
1 2 3 4 5 6 7 8 9 10 11 12
Okresy
Sprzedaż
sprzedaż
Liniowy (sprzedaż)
46

Logistyka I st.
Szacowanie trendu liniowego KMNK
 KMNK – klasyczna metoda najmniejszych kwadratów.
 Dla trendu liniowego minimalizuje się sumę kwadratów odchyleń
wartości teoretycznych od empirycznych, tj.: wyrażenie:
 W efekcie rozwiązujemy układ równań dający takie parametry a i b
funkcji liniowej y=ax+b, które minimalizują wyrażenie powyżej.
 a i b można obliczyć ze wzorów:




min
2
min
2
)(
)ˆ(
abty
yy
 
okresówliczba
okresównumery
liniowejfunkcjiparametry
empirycznewartosci
:
22









 
 
  
N
t
a,b
y
Gdzie
N
tby
a
ttN
tyytN
b
47

Logistyka I st.
Szacowanie trendu liniowego KMNK –
sposób uproszczony
 Jeśli:
 to:
 Jeśli liczba okresów jest nieparzysta, środkowy okres numerujemy 0
a pozostałe odpowiednio całkowitymi numerami 1,2,3... i –1,-2,-3... Dla
odpowiednio okresów późniejszych i wcześniejszych niż środkowy.
 Jeśli natomiast liczba okresów jest parzysta to wybieramy dwa
środkowe okresy oznaczając je –0,5 (wcześniejszy) i 0,5 (późniejszy)
a poprzednie i następne odpowiednio -1,5; -2,5; -3,5... oraz 1,5; 2,5;
3,5...
  0t
N
y
a
t
yt
b


  2
48

Logistyka I st.
Analiza sezonowości
– typy wahań sezonowych
49

Logistyka I st.
Wyznaczanie wskaźników sezonowości
 Krok 1. Wyznaczenie wartości teoretycznych zjawiska
 Krok 2. Uwolnienie wartości empirycznych od teoretycznych
 Krok 3. Obliczenie surowych wskaźników sezonowości:
 Krok 4. Czy korygować wskaźniki surowe, należy zrobić to gdy:
 Krok 5. Obliczenie współczynnika korygującego
 Krok 6. Obliczenie oczyszczonych wskaźników sezonowości
yˆ
y
y
syys ii
ˆ
ˆ M. addytywny M. multiplikatywny
okresównychjednoimienliczba
 n
n
s
S i
si
rokuwokresówliczba
 d
d
S
k is
k
S
SkSS i
iii
s
oso M. addytywny M. multiplikatywny
  0ii sdsM. addytywny M. multiplikatywny  0ii sds
50

Logistyka I st.
Prognozowanie
 Prognozowanie to racjonalne, naukowe przewidywanie przyszłych
zdarzeń.
 Prognoza jest stwierdzeniem odnoszącym się do przyszłości,
formułowanym z wykorzystaniem dorobku nauki, weryfikowalnym
empirycznie, niepewnym ale akceptowalnym.
 Im dalszy horyzont czasowy prognozy, tym zazwyczaj mniejsza jej
trafność.
 Wyróżniamy prognozy:
– Punktowe (pojedyncza wartość na dany okres)
– Przedziałowe (zakres w którym z określonym prawdopodobieństwem
znajdzie się zmienna prognozowana w danym okresie
51

Logistyka I st.
Metody prognozowania
 Ilościowe, oparte na formalnym modelu np.:
– Metody szeregów czasowych
– Metody ekonometryczne
– Analizy kohortowej
– Często prognozuje się ekstrapolując dotychczasowy trend
 Jakościowe – zwykle oparte na opinii pojedynczych
ekspertów lub ich grup, np.:
– Metoda delficka (Delphi)
52

Logistyka I st.
Wyrównywanie wykładnicze – m. Browna
 Nadaje się do szeregów czasowych BEZ TRENDU!
slajd 53

Logistyka I st.
Wyrównywanie wykładnicze – m. Holta
 Nadaje się do szeregów czasowych Z TRENDEM, ale BEZ SEZONOWOŚCI!
slajd 54

Logistyka I st.
MAPE – Mean Absolute Percentage Error
n
y
yy
MAPE
n
i i
ii



1
*
𝑇ℎ𝑒𝑖 𝑙
′ 𝑠 𝑈2 =
𝑀𝐴𝑃𝐸 𝑚𝑒𝑡𝑜𝑑𝑦 𝑘
𝑀𝐴𝑃𝐸 𝑚𝑒𝑡𝑜𝑑𝑦 𝑛𝑎𝑖𝑤𝑛𝑒𝑗
55

Logistyka I st.
U2 Theila
 Współczynnik określający jakość prognozy otrzymanej daną metodą
w porównaniu do metody naiwnej, porównując miary błędów
prognoz, np. MAPE lub RMSE obu metod:
 U2 < 1  metoda lepsza od naiwnej
 U2 > 1  metoda gorsza od naiwnej
56
𝑇ℎ𝑒𝑖𝑙′
𝑠 𝑈2 =
𝑀𝐴𝑃𝐸 𝑚𝑒𝑡𝑜𝑑𝑦 𝑘
𝑀𝐴𝑃𝐸 𝑚𝑒𝑡𝑜𝑑𝑦 𝑛𝑎𝑖𝑤𝑛𝑒𝑗

Logistyka I st.
Agregacja i dezagregacja prognoz
 Posiadając prognozy zdezagregowane można je
zagregować (podejście bottom-up) – tworząc tzw.
prognozę złożoną
– Prognoza złożona jest sumą prognoz składowych
– Agregacja może prowadzić do kumulacji błędu
prognozy  dlatego należy również prognozować
całość zjawiska i ewentualnie korygować sumę
 Posiadając prognozę zagregowaną można ją dezagregować
(podejście top-down) poprzez wskaźniki przeliczeniowe, np.
udziały w sprzedaży/popycie – zwykle dane historyczne
 Idealnie byłoby stosować oba podejścia łącznie i
kombinować prognozy
57

Logistyka I st.
Kombinowanie prognoz
 Jeśli prognozy otrzymane różnymi metodami (różne
modele albo prognoza w oparciu o dane i z dezagregacji)
są względem siebie negatywnie skorelowane korzystne
może być sporządzenie tzw. prognozy kombinowanej 
efekt: zmniejszenie błędów prognoz.
 Przy dodatniej korelacji prognoz nie ma to sensu.
 Prognoza kombinowana jest średnią arytmetyczną prostą
lub ważoną dwu lub więcej prognoz.
 Wagi mogą być ustalane tak, by większa wagę miała:
– prognoza o mniejszych błędach,
– albo o większej wadze ostatnich obserwacji w modelu (np. oparta
na wyrównywaniu wykładniczym)
slajd 58

Logistyka I st.
Przykładowe dane o sprzedaży
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
1e5
Sty-1997
Mar-1997
Maj-1997
Lip-1997
Wrz-1997
Lis-1997
Sty-1998
Mar-1998
Maj-1998
Lip-1998
Wrz-1998
Lis-1998
Sty-1999
Mar-1999
Maj-1999
Lip-1999
Wrz-1999
Lis-1999
Sty-2000
Mar-2000
Maj-2000
Lip-2000
Wrz-2000
Lis-2000
Sty-2001
Mar-2001
Maj-2001
Lip-2001
Wrz-2001
Lis-2001
Sty-2002
Mar-2002
Maj-2002
Lip-2002
Wrz-2002
Lis-2002
Sty-2003
Mar-2003
Maj-2003
Lip-2003
Wrz-2003
Lis-2003
Sprzedaż
Produkcja
59

Logistyka I st.
Przykładowe zestawienie prognoz otrzymanych
różnymi metodami
Sprzedażiprognozysprzedaży[zł]
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
1e5
Sty-2003
Lut-2003
Mar-2003
Kwi-2003
Maj-2003
Cze-2003
Lip-2003
Sie-2003
Wrz-2003
Paź-2003
Lis-2003
Gru-2003
Sty-2004
Lut-2004
Mar-2004
Kwi-2004
Maj-2004
Cze-2004
Lip-2004
Sie-2004
Wrz-2004
Paź-2004
Lis-2004
Gru-2004
Sprzedaż
Wyrównywanie wykładnicze
ARIMA(0,0,0)(1,0,0)
Prognoza kombinowana
60

Logistyka I st.
Przykład – przewozy KM w Lublinie
61

Logistyka I st.
62

Logistyka I st.
63

Logistyka I st.
Rozważane modele
64
Nazwa
modelu
Specyfikacja modelu
Liczba
zmiennych
dodatkowych
Dopasowanie modelu
R-
kwadrat
Pierwiastek błędu
średniokwadratowe
go (RMSE)
Średni
bezwzględny
błąd procentowy
(MAPE)
Jednorazowe-
Model_1
ARIMA(0,0,5)(1,0,0) 3 0,736 245319,486 7,635
Okresowe-
Model_1
Multiplikatywny
Wintersa (sezonowy)
ND 0,965 338053,864 5,020
Razem-
Model_1
Multiplikatywny
Wintersa (sezonowy)
ND 0,942 449595,926 4,250
Prognoza
złożona
Suma prognoz z
modeli:
Jednorazowe_model_1
i okresowe_model_1
0 ND ND 4,367
Prognoza
kombinowana
Średnia arytmetyczna
z prognoz z modelu
Razem_Model_1 oraz
prognozy złożonej
0 ND ND 4,054
Źródło: Obliczenia własne

Logistyka I st.
Rozważane modele
65

Logistyka I st.
Prognozowanie – case study (1)
 Dane o poziomie przeciętnych rynkowych cen w ciągu ostatnich 4 lat zawiera poniższa
tabela. Zaprezentowano je także na wykresie.
cena nr okresu
1Q2001 23,4 1
2Q2001 31 2
3Q2001 20,4 3
4Q2001 22,7 4
1Q2002 21,6 5
2Q2002 30,2 6
3Q2002 21 7
4Q2002 23,6 8
1Q2003 24,3 9
2Q2003 36,8 10
3Q2003 24 11
4Q2003 23,6 12
1Q2004 25,6 13
2Q2004 34 14
3Q2004 27 15
4Q2004 28,2 16
10
15
20
25
30
35
40
1Q2001
2Q2001
3Q2001
4Q2001
1Q2002
2Q2002
3Q2002
4Q2002
1Q2003
2Q2003
3Q2003
4Q2003
1Q2004
2Q2004
3Q2004
4Q2004
cena
Rezerwujemy te obserwacje dla
sprawdzenia trafności prognoz
66

Logistyka I st.
 Jakie składniki widoczne są w tym szeregu czasowym?
 Jaka postać trendu (liniowy, nieliniowy – jaki?) pasuje do tych danych?
10
15
20
25
30
35
40
1Q2001
2Q2001
3Q2001
4Q2001
1Q2002
2Q2002
3Q2002
4Q2002
1Q2003
2Q2003
3Q2003
4Q2003
1Q2004
2Q2004
3Q2004
4Q2004
cena
67

Logistyka I st.
 Która z poniższych postaci trendu powinna być w praktyce
zastosowana?
 Dlaczego?
y = 0,2056x + 23,88
R2
= 0,0229
y = -0,0428x3
+ 0,8632x2
- 4,6831x + 30,595
R2
= 0,1075
y = 23,824x0,0249
R2
= 0,0113
10
15
20
25
30
35
40
1Q2001
2Q2001
3Q2001
4Q2001
1Q2002
2Q2002
3Q2002
4Q2002
1Q2003
2Q2003
3Q2003
4Q2003
cena
cena
Liniowy (cena)
Wielom. (cena)
Potęg. (cena)
68

Logistyka I st.
 Jakie problemy potencjalnie może rodzić wykorzystanie
każdej z pokazanych na wykresie funkcji trendu?
10
15
20
25
30
35
40
1Q2001
2Q2001
3Q2001
4Q2001
1Q2002
2Q2002
3Q2002
4Q2002
1Q2003
2Q2003
3Q2003
4Q2003
1Q2004
2Q2004
3Q2004
4Q2004
cena
cena
Liniowy (cena)
Wielom. (cena)
Potęg. (cena)
69

Logistyka I st.
 Z jaką postacią sezonowości mamy w tym przypadku do
czynienia? Addytywną, czy multiplikatywną?
10
15
20
25
30
35
40
1Q2001
2Q2001
3Q2001
4Q2001
1Q2002
2Q2002
3Q2002
4Q2002
1Q2003
2Q2003
3Q2003
4Q2003
1Q2004
2Q2004
3Q2004
4Q2004
cena
70

Logistyka I st.
 Bezpieczniej jest na ogół przyjąć, że sezonowość ma
charakter multiplikatywny.
 W oparciu o dane obliczamy wskaźniki sezonowości
y teoret s i kwartał surowe wskazniki sezonowości
24,0856 0,971535 Q1 0,927711
24,2912 1,276182 Q2 1,299198
24,4968 0,832762 Q3 0,860083
24,7024 0,918939 Q4 0,913087
24,908 0,867191 suma 4,00008
25,1136 1,202536 k 1,00002
25,3192 0,82941
25,5248 0,924591 kwartał skorygowane wskaźniki sezonowości
25,7304 0,944408 Q1 0,927693
25,936 1,418877 Q2 1,299173
26,1416 0,918077 Q3 0,860066
26,3472 0,895731 Q4 0,913069
cena okres
1Q2001 23,4 1
2Q2001 31 2
3Q2001 20,4 3
4Q2001 22,7 4
1Q2002 21,6 5
2Q2002 30,2 6
3Q2002 21 7
4Q2002 23,6 8
1Q2003 24,3 9
2Q2003 36,8 10
3Q2003 24 11
4Q2003 23,6 12
71

Logistyka I st.
 Budujemy prognozę mnożąc wskaźniki sezonowości przez
wartość teoretyczną otrzymaną za pomocą trendu liniowego.
 Czy jest to dobry wynik?
okres y teoret wsk. sezonprognoza cena rzecz.błąd prog. błąd %
1Q2004 13 26,5528 0,927711 24,63334 25,6 -0,96666 -3,78%
2Q2004 14 26,7584 1,299198 34,76447 34 0,764471 2,25%
3Q2004 15 26,964 0,860083 23,19128 27 -3,80872 -14,11%
4Q2004 16 27,1696 0,913087 24,80821 28,2 -3,39179 -12,03%
MAPE 8,04%
72

Logistyka I st.
 Wnioski?
cena y teoret prognoza
1Q2001 23,4 24,0856
2Q2001 31 24,2912
3Q2001 20,4 24,4968
4Q2001 22,7 24,7024
1Q2002 21,6 24,908
2Q2002 30,2 25,1136
3Q2002 21 25,3192
4Q2002 23,6 25,5248
1Q2003 24,3 25,7304
2Q2003 36,8 25,936
3Q2003 24 26,1416
4Q2003 23,6 26,3472
1Q2004 25,6 26,5528 24,63334
2Q2004 34 26,7584 34,76447
3Q2004 27 26,964 23,19128
4Q2004 28,2 27,1696 24,80821
10
15
20
25
30
35
40
1Q2001
2Q2001
3Q2001
4Q2001
1Q2002
2Q2002
3Q2002
4Q2002
1Q2003
2Q2003
3Q2003
4Q2003
1Q2004
2Q2004
3Q2004
4Q2004
cena
y teoret
prognoza
73

Logistyka I st.
Prognozowanie popytu kształtującego się
 Metody analogowe
(przez analogię do
już istniejących na
rynku produktów –
cykl życia
 Metody eksperckie lub badania bezpośrednie
slajd 74

Logistyka I st.
Przykład prognozy krótkoterminowej
dla popytu kształtującego się
 Wprowadzamy na rynek testowy nowy produkt szybkozbywalny
(FMCG), np. nową wersję smakową serka znanej marki
 Produkty tej kategorii kupowane są przeciętnie 1-3 razy w tygodniu
 Dane pokazują dzienną wielkość sprzedaży w sklepach na rynku
testowym. Dane pochodzą ze skanowania kodów kreskowych w
sklepach na rynku testowym.
 Typowe jest, że wielkość popytu na nowości rynkowe w funkcji czasu
ma kształt zbliżony do krzywej logistycznej
 Zadaniem jest wykonanie prognozy krótkoterminowej o możliwie
niskim błędzie ex-post na kolejny dzień oraz tydzień
 Wybieramy zatem jedną lub więcej metod prognozowania i
sprawdzamy poziom błędu prognozując ze skróconego szeregu
czasowego
75

Logistyka I st.
Różne wsp.  w prostym wyr. wykładniczym
slajd 76
3000
3500
4000
4500
5000
5500
6000
6500
7000
1SUN
1MON
1TUE
1WED
1THU
1FRI
1SAT
2SUN
2MON
2TUE
2WED
2THU
2FRI
2SAT
3SUN
3MON
3TUE
3WED
3THU
3FRI
3SAT
4SUN
4MON
4TUE
4WED
4THU
4FRI
4SAT
Szereg
 = 1,
tożsame z
prognozą
naiwną
 = 0
(stała
wartość)

Logistyka I st.
Różne wsp.  w prostym wyr. wykładniczym
slajd 77
3000
3500
4000
4500
5000
5500
6000
6500
7000
1SUN
1MON
1TUE
1WED
1THU
1FRI
1SAT
2SUN
2MON
2TUE
2WED
2THU
2FRI
2SAT
3SUN
3MON
3TUE
3WED
3THU
3FRI
3SAT
4SUN
4MON
4TUE
4WED
4THU
4FRI
4SAT
Rynek1_ProduktA
Progn 0,1
Progn 0,9

Logistyka I st.
Różne metody
slajd 78
3500
4000
4500
5000
5500
6000
6500
7000
7500
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
dane
Naiwny
Browna alfa =0,9
Holta alfa=0,8 gamma=1
Wintersa alfa=0,257 gamma=1 delta=0,415
ARIMA (1,1,0) (0,0,0)
Trend liniowy y=152,63t+3509,2

Logistyka I st.
Powiększenie
slajd 79

Logistyka I st.
Błędy prognoz
slajd 80
Naiwny
Browna
alfa =0,9
Holta
alfa=0,8
gamma=1
Wintersa
alfa=0,257
gamma=1
delta=0,41
5
ARIMA
(1,1,0)
(0,0,0)
Trend
liniowy
y=152,63t
+3509,2
MAPE within sample 2,535% 2,943% 0,807% 1,054% 0,836% 1,686%
MAPE out of sample 3,069% 3,144% 2,340% 0,698% 1,885% 3,320%
Naiwny
Browna
alfa =0,9
Holta
alfa=0,8
gamma=1
Wintersa
alfa=0,257
gamma=1
delta=0,41
5
ARIMA
(1,1,0)
(0,0,0)
Trend
liniowy
y=152,63t
+3509,2
U2 within sample 1,00 1,16 0,32 0,42 0,33 0,67
U2 out of sample 1,00 1,02 0,76 0,23 0,61 1,08


Optymalizacja
dystrybucji fizycznej

Logistyka I st.
Projektowanie kanałów dystrybucji
 Podejmowanie decyzji o zastosowaniu nowych,
dotychczas nie wykorzystywanych kanałów lub
modyfikacji kanałów już stosowanych.
 Zakres decyzji związanych z projektowaniem
kanałów dystrybucji
– typ kanału (bezpośredni, pośredni)
 liczba kanałów (jeden, wiele)
 długość kanału (krótki, długi)
 forma własności
 szerokość kanału (szeroki, wąski)
 rodzaj uczestników kanału (hurtownicy, detaliści,
nabywcy indywidualni, nabywcy instytucjonalni)
82

Logistyka I st.
Strategie dystrybucji wg intensywności
 dystrybucja intensywna (oferowanie produktów we
wszystkich możliwych punktach sprzedaży na
danym szczeblu kanału, w granicach przestrzennie
wyodrębnionego rynku)
 dystrybucja selektywna (oferowanie produktów na
danym obszarze przez ograniczoną liczbę
pośredników wyselekcjonowanych według
określonych kryteriów)
 dystrybucja ekskluzywna (oferowanie produktów na
danym obszarze przez jednego, a najwyżej kilku
pośredników na danym szczeblu kanału, aż do
wyłączności włącznie
83

Logistyka I st.
Etapy projektowania kanałów dystrybucji
 Rozpoznanie potrzeby podjęcia projektowania
kanałów marketingowych
 Określenie celów dystrybucyjnych
 Identyfikacja potencjalnych rozwiązań w
zakresie kanałów
 Ocena i wybór kanału marketingowego
 Ocena i wybór pośredników
84

Logistyka I st.
Cele dystrybucyjne
 w formie liczbowej:
– wielkość i dynamika sprzedaży
– wskaźnik udziału w rynku
– wielkość i dynamika kosztów dystrybucji
 w formie opisowej:
– polepszenie dostępności produktu
– skrócenie czasu dostawy
85

Logistyka I st.
Wybór wariantu organizacji dystrybucji
fizycznej
 Zasada minimalizacji kosztów przy danej
wielkości dostaw
 Wyznaczenie ilości granicznych według
zmodyfikowanego progu rentowności (podobnie
jak wariantu technologicznego produkcji)
 Przy większej ilości wariantów – wyznaczamy
sekwencyjnie ilości graniczne
 Formuła:
slajd 86

Logistyka I st.
Wybór wariantu – wykresy
 Sytuacja typowa:
slajd 87
0
50000
100000
150000
200000
250000
300000
350000
0 400 800 1200
Wariant I
Wariant II
Wariant III
III I II

Logistyka I st.
 Sytuacja mniej typowa:
slajd 88
0
50000
100000
150000
200000
250000
300000
350000
0 400 800 1200
Wariant I
Wariant II
Wariant III
III II

Logistyka I st.
 Sytuacje rzadkie – co wybrać?
Przypadek 1 Przypadek 2
slajd 89
0
50000
100000
150000
200000
250000
300000
350000
400000
450000
0 400 800 1200
Wariant I
Wariant II
Wariant III
0
50000
100000
150000
200000
250000
300000
350000
0 400 800 1200
Wariant I
Wariant II
Wariant III

Logistyka I st.
Eliminacja ogniw pośrednich
 Zgodnie z tendencją do zmniejszania ilości operacji
magazynowania w procesie logistycznym, nawet
kosztem zwiększenia kosztów transportu można uzyskać
oszczędności w koszcie utrzymania zapasów
 Wykorzystanie tzw. prawa pierwiastka kwadratowego:
𝑍 𝑟 = 1 −
𝑀 𝑧
𝑀 𝑝
 Gdzie:
𝑍 𝑟 − 𝑤𝑖𝑒𝑙𝑘𝑜ść 𝑟𝑒𝑑𝑢𝑘𝑜𝑤𝑎𝑛𝑦𝑐ℎ 𝑧𝑎𝑝𝑎𝑠ó𝑤
𝑀𝑧 − 𝑙𝑖𝑐𝑧𝑏𝑎 𝑚𝑎𝑔𝑎𝑧𝑦𝑛ó𝑤 𝑝𝑜 𝑟𝑒𝑑𝑢𝑘𝑐𝑗𝑖
𝑀 𝑝 − 𝑝𝑖𝑒𝑟𝑤𝑜𝑡𝑛𝑎 𝑙𝑖𝑐𝑧𝑏𝑎 𝑚𝑎𝑔𝑎𝑧𝑦𝑛ó𝑤
slajd 90

Logistyka I st.
Eliminacja ogniw pośrednich - przykład
 Jakie zmniejszenie zapasów da zmniejszenie
liczby magazynów w procesie dystrybucji z 3 do
2?
 𝑍 𝑟 = 1 −
2
3
= 1 − 0,8165 = 0,1835 = 18,35%
 Zachowany zostaje przy tym dotychczasowy
poziom usług w kanale
slajd 91

Logistyka I st.
Ośrodki i strefy ciążenia detalu
 Istotne dla logistyki dystrybucji jest ustalenie
terytorialnego zasięgu oddziaływania ośrodków
handlowych – czy to w postaci miasta, czy też np.
galerii/centrum handlowego (tzw. catchment area)
 W tym celu wykorzystuje się podejście grawitacyjne,
czasem też posługując się zasięgiem wyznaczonym przez
czas dojazdu – kolejne izochrony (linie łączące punkty o
równym czasie dojazdu do wyznaczonego obiektu)
 Catchment area wyznaczany jest obszarowo wzdłuż
głównych szlaków komunikacyjnych z obliczeniem liczby
ludności zamieszkującej kolejne obszary ograniczone
izochronami
slajd 92

Logistyka I st.
Catchment area - przykład
slajd 93

Logistyka I st.
Prawo grawitacji detalu Reilly’ego
 „dwa ośrodki A i B przyciągają zakupy mniejszej miejscowości (C)
położonej między nimi w pobliżu punktu styczności ich wpływów,
mniej więcej w stosunku wprost proporcjonalnym do liczby ludności
obu ośrodków, a odwrotnie proporcjonalnym do kwadratu odległości
każdego z tych ośrodków od miejscowości znajdującej się pomiędzy
nimi”
 Model ten jest najbardziej znaną metodą badania zasięgu
handlowego rynków lokalnych.
 Jego ideę pokazuje rysunek:
94

Logistyka I st.
Prawo grawitacji detalu Reilly’ego
 Formułą opisującą to prawo jest wzór:
95

Logistyka I st.
Prawo grawitacji detalu Reilly’ego – przykład
 Odległość drogowa pomiędzy Kraśnikiem a Lublinem wynosi 46 km.
Pomiędzy tymi miastami znajduje się miejscowość Niedrzwica Duża
(25 km do Lublina i 21 km od Kraśnika). Liczba mieszkańców tej
miejscowości to ok. 3500 osób, w Lublinie mieszka ok. 360 tys. osób a
w Kraśniku ok. 38 tys. W jakiej proporcji rozłożą się zakupy
mieszkańców tej miejscowości pomiędzy dwa wspomniane miasta?
 Przeciętnie na 1 zakup czyniony przez mieszkańców Niedrzwicy Dużej
w Kraśniku przypadać będzie prawie 6,7 zakupu w Lublinie.
68,6
25
21
38000
360000
22













A
B
B
A
B
A
d
d
L
L
Z
Z
96

Logistyka I st.
Strefa ciążenia detalu
 Można przekształcić wzór opisujący prawo grawitacji detalu
Reilly’ego, tak by otrzymać zasięg strefy ciążenia detalu pewnego
ośrodka miejskiego w danym kierunku.
 Wzór ma wtedy postać:
Bludnosciliczba
Aludnosciliczba
BdoAododleglosc
:
1
granicznejliniidoBzOdl.





B
A
AB
B
A
AB
L
L
d
gdzie
L
L
d
97

Logistyka I st.
Strefa ciążenia detalu – przykład
 Odległość między Lublinem a Kraśnikiem wynosi 45
km. Liczba ludności Kraśnika to ok. 38 tys., a Lublina,
ok. 360 tys. Jaki jest zasięg strefy ciążenia detalu obu
miast?
 Strefa ciążenia detalu Kraśnika to 11 km, a Lublina
45-11=34 km
035,11
38000
360000
1
45
1
granicznejliniidoKrasnikazOdl. 




B
A
AB
L
L
d
98

Logistyka I st.
Model grawitacyjny Huffa
 Formuła przykładowa:
 Zob. R. Mącik, Analizy przestrzenne i geomarketingowe, [w:] Zarządzanie
sprzedażą w przedsiębiorstwie handlowym i usługowym, pod red. G.
Sobczyk, PWE, Warszawa 2010, s. 70-72 (cały punkt: s. 67-81)
gdzie:
Pij – prawdopodobieństwo, że konkretny konsument zamieszkały w
regionie i skorzysta z zakupów w j,
Sj – liczba klientów miejsca j,
Tij – czas niezbędny na przemieszczenie się konsumenta z regionu i
do miejsca sprzedaży j,
a – parametr szacowany empirycznie, odzwierciedlający wpływ
czasu podróży na przemieszczenia związane z zakupami, zwykle z
zakresu 1,5 do 3
100

Logistyka I st.
Współczesne modele grawitacyjne
Źródło: T. Pirowski, W. Drzewiecki, Wybrane problemy modelowania przestrzennych interakcji zachowań konsumentów z wykorzystaniem GIS, s. 2.
101

Logistyka I st.
Przykład analizy grawitacyjnej (2)
Źródło: T. Pirowski, W.
Drzewiecki, Wybrane
problemy modelowania
przestrzennych interakcji
zachowań konsumentów z
wykorzystaniem GIS, s. 4.
102

Logistyka I st.
„Dziwne” lokalizacje
slajd 103
Które lokalizacje sklepów odbiegają od pozostałych?
Jakie względy zadecydowały o ich wyborze?

Logistyka I st.
Lokalizacja sieci handlowej: sklepu, hurtowni, magazynu
 Dla wyznaczenia lokalizacji np. magazynu szukamy minimum
odległości (euklidesowej, kwadratu odległości euklidesowej,
miejskiej) względem istniejących (i planowanych) punktów sprzedaży
 Zwykle uwzględnia się również potencjał i-tych lokalizacji punktów
sprzedaży mi
 Optymalizacja następuje poprzez minimalizację funkcji:
 𝑄 = 𝑖=1
𝑛
𝑚𝑖 𝑥 − 𝑥𝑖
2 + 𝑦 − 𝑦𝑖
2
 𝑥, 𝑦 − 𝑤𝑠𝑝ół𝑟𝑧ę𝑑𝑛𝑒 𝑠𝑧𝑢𝑘𝑎𝑛𝑒𝑗 𝑙𝑜𝑘𝑎𝑙𝑖𝑧𝑎𝑐𝑗𝑖
 𝑥𝑖, 𝑦𝑖 − współrzędne obszaru i obsł. przez nową placówkę
 𝑚𝑖 − 𝑙𝑖𝑐𝑧𝑏𝑎 𝑙𝑢𝑑𝑛𝑜ś𝑐𝑖 𝑜𝑏𝑠𝑧𝑎𝑟𝑢 𝑖 (𝑤𝑎𝑔𝑎)
 Wyznaczenie x i y następuje poprzez zróżniczkowanie względem
nich funkcji Q i przyrównanie pochodnych do 0.
slajd 104

Logistyka I st.
Odległość euklidesowa a miejska
105

Logistyka I st.
Lokalizacja hurtowni, magazynu (2)
 Przyjmując kwadrat odległości euklidesowej formuły
obliczeniowe przyjmują postać:
 𝑄 = 𝑖=1
𝑟
𝑝𝑖 𝑥 − 𝑥𝑖
2 + 𝑦 − 𝑦𝑖
2 + 𝑗=1
𝑠
𝑞 𝑗 𝑥 − 𝑢𝑗
2
+ 𝑦 − 𝑣𝑗
2
 Gdzie współrzędne r dostawców oznaczono xi i yi, a s odbiorców
uj i vj, przy czym wielkość dostaw i-tego dostawcy do hurtowni to
pi, a z hurtowni do j-ego odbiorcy qj
 Po zróżniczkowaniu Q względem x i y oraz przyrównaniu
pochodnych do zera otrzymujemy:
 𝑥 =
𝑝 𝑖 𝑥 𝑖+ 𝑞 𝑗 𝑢 𝑗
𝑝 𝑖+ 𝑞 𝑗
, 𝑦 =
𝑝 𝑖 𝑦 𝑖+ 𝑞 𝑗 𝑣 𝑗
𝑝 𝑖+ 𝑞 𝑗
,
slajd 106

Logistyka I st.
Lokalizacja magazynu, hurtowni – przykład (1)
slajd 107
Obiekt xi yi uj vj podaż popyt
Dostawca 1 5 2 - - 5000 -
Dostawca 2 4 7 - - 3500 -
Sklep 1 - -
2 4 - 1900
Sklep 2 - -
7 1 - 1400
Sklep 3 - -
0 0 - 2700
Sklep 4 - -
3 9 - 2500
Optymalna lokalizacja magazynu to miejsce o współrzędnych:
x=3,5 i y=3,9 (wartości wyznaczone ze wzorów z poprzedniego slajdu
Jak to wygląda w terenie? Czy trzeba coś zmodyfikować?

Logistyka I st.
Lokalizacja na mapie
slajd 108

Logistyka I st.
Problem komiwojażera
 Optymalizacja trasy przejazdu z jednokrotnym
odwiedzeniem każdego punktu
 Matematycznie – rozwiązanie problemu
odwiedzenia wszystkich wierzchołków grafu
 Najprostsze obliczeniowo:
zastosowanie reguły najbliższego sąsiada – z
miejsca A jedziemy do kolejnego najbliższego
punktu (wg odległości lub czasu dojazdu)
slajd 109

Logistyka I st.
Przykład na mapie
slajd 110

Logistyka I st.
Faktyczna trasa
slajd 111

Logistyka I st.
Problem komiwojażera - przykład
 Trasy:
 Intuicyjna:
ABDCA =
20+34+12+42=108
 Algorytm
najbliższego
sąsiada:
ABCDA
20+30+12+35=97
slajd 112

Logistyka I st.
Concorde
 Program obliczający rozwiązanie problemu
komiwojażera
– Kilka heurystyk (w tym najbliższego sąsiada)
– Rozwiązanie analityczne
 Do pobrania z:
http://www.math.uwaterloo.ca/tsp/concorde/
slajd 113

Logistyka I st.
Marszrutowanie pojazdów
 Rozwinięcie
problemu
komiwojażera do
sytuacji wielu
pojazdów, zwykle
jednakowych
 Rozwinięte
postacie zakładają
dodatkowe
warunki
ograniczające, np.
pojemność
każdego z
pojazdów
slajd 114

Logistyka I st.
Marszrutowanie – model matematyczny (1)
slajd 115
𝑧𝑚𝑖𝑒𝑛𝑛𝑎 𝑑𝑒𝑐𝑦𝑧𝑦𝑗𝑛𝑎:
𝑥 𝑣
𝑖,𝑗
= {
1 → 𝑝𝑟𝑧𝑒𝑗𝑎𝑧𝑑 𝑜𝑑 𝑖 𝑑𝑜 𝑗
0 → 𝑝𝑜𝑗𝑎𝑧𝑑 𝑛𝑖𝑒 𝑗𝑒𝑑𝑧𝑖𝑒
Ograniczenia odwiedzenia każdego
odbiorcy dokładnie raz
Ograniczenie dla ciągłości drogi,
dojeżdżając do lokalizacji p należy ją
opuścić
Ograniczenie pojemności pojazdu:
suma zapotrzebowania odbiorców nie
może przekraczać jego pojemności
Ograniczenie użycia pojazdu tylko
jeden raz

Logistyka I st.
Marszrutowanie – model matematyczny (2)
slajd 116
Ograniczenie użycia pojazdu tylko
jeden raz
Ograniczenie spójności trasy, która nie
może składać się z kilku niespójnych
części
Zmienna decyzyjna

Logistyka I st.
Marszrutowanie – trasy
Trasa dopuszczalna Trasa niedopuszczalna -
nieciągła
slajd 117

Logistyka I st.
Marszrutowanie przykład
 Przedsiębiorstwo dostarcza towary z 1 magazynu do 7 odbiorców.
Współrzędne magazynu i odbiorców zawiera tabela. Do dystrybucji
używamy 3 pojazdów o ładowności 600 jednostek. Zaplanować trasy
pojazdów z magazynu (lokalizacja nr 0) do 7 odbiorców tak, by
długość tras była minimalna.
slajd 118
x y d
0 60 60
1 83 97 100
2 80 36 200
3 25 27 100
4 68 6 150
5 47 16 200
6 98 71 100
7 40 81 200

Logistyka I st.
Marszrutowanie – macierz odległości
slajd 119
x y d
0 60 60
1 83 97 1 00
2 80 36 200
3 25 27 1 00
4 68 6 1 50
5 47 1 6 200
6 98 71 1 00
7 40 81 200
Macierz odległości
Obserwacja 0 1 2 3 4 5 6 7
0 ,000 43,566 31,241 48,104 54,589 45,880 39,560 29,000
1 43,566 ,000 61,074 90,907 92,228 88,640 30,017 45,880
2 31,241 61,074 ,000 55,731 32,311 38,588 39,357 60,208
3 48,104 90,907 55,731 ,000 47,854 24,597 85,235 56,045
4 54,589 92,228 32,311 47,854 ,000 23,259 71,589 80,056
5 45,880 88,640 38,588 24,597 23,259 ,000 75,007 65,376
6 39,560 30,017 39,357 85,235 71,589 75,007 ,000 58,856
8 29,000 45,880 60,208 56,045 80,056 65,376 58,856 ,000
To jest macierz niepodobieństwa, użyto: Odległość euklidesowa

Logistyka I st.
Rozwiązanie przykładu
 Pojazd 1:
0  1  6 0
trasa:
43,566+30,017+39,560=113,143
ładunek: 100+100=200
 Pojazd 2:
0  2  4  5 0
trasa:
31,241+32,311+23,259+45,880
=132,691
ładunek: 200+150+200=550
 Pojazd 3:
0  7  3 0
trasa:
29+60,208+48,101=137,309
ładunek: 200+100=300
 Razem: 383,143
slajd 120

Logistyka I st.
A 2 pojazdy? Inaczej…
 Pojazd 1:
0  6  1 7  3 0
trasa: 39,560+30,017+29
+60,208+48,101=206,88
6
ładunek: 500
 Pojazd 2:
0  2  4  5 0
trasa:
31,241+32,311+23,259+4
5,880=132,691
ładunek:
200+150+200=550
 Razem: 339,577
slajd 121

Logistyka I st.
A 2 pojazdy? Da się?
 Pojazd 1:
0  7  1 6  2 0
trasa: 175,5
ładunek: 600
 Pojazd 2:
0  3  5  4 0
trasa: 156,6
ładunek: 450
 Razem: 326,1
slajd 122

Logistyka I st.
Marszrutowanie pojazdów – przykład 2
 X – centrala,
 Kropki – odbiorcy (średnica kropki to zapotrzebowanie odbiorcy)
 Linie – wyznaczone trasy w rozwiązaniu optymalnym (bez trasy dojazdu
do centrali)
slajd 123

Logistyka I st.
Ocena wskaźnikowa podsystemu dystrybucji
Wskaźnik Formuła obliczenia wskaźnika Jednostka miary
Przeciętny czas
realizacji zlecenia
Średnia (ważona) czasów od wejścia zlecenia
do wysłania dostawy (pomiar czasu)
godziny,
dni
Przeciętny czas
dostawy
Średnia czasów od wejścia zamówienia do
dostarczenia zamówienia klientowi
godziny,
dni
Gotowość dostawcza 𝑙𝑖𝑐𝑧𝑏𝑎 𝑛𝑎𝑡𝑦𝑐ℎ𝑚𝑖𝑎𝑠𝑡𝑜𝑤𝑜 𝑜𝑏𝑠ł𝑢ż𝑜𝑛𝑦𝑐ℎ 𝑧𝑎𝑚ó𝑤𝑖𝑒ń × 100
𝑙𝑖𝑐𝑧𝑏𝑎 𝑧𝑎𝑚ó𝑤𝑖𝑒ń
lub
𝑤𝑖𝑒𝑙𝑘𝑜ść 𝑛𝑎𝑡𝑦𝑐ℎ𝑚𝑖𝑎𝑠𝑡𝑜𝑤𝑜 𝑜𝑏𝑠ł𝑢ż𝑜𝑛𝑦𝑐ℎ 𝑧𝑎𝑚ó𝑤𝑖𝑒ń × 100
𝑤𝑖𝑒𝑙𝑘𝑜ść 𝑧𝑎𝑚ó𝑤𝑖𝑒ń
%
Pewność dostaw 𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑜𝑠𝑡𝑎𝑤 𝑤 𝑧𝑎𝑑𝑎𝑛𝑦𝑚 𝑡𝑒𝑟𝑚𝑖𝑛𝑖𝑒 × 100
łą𝑐𝑧𝑛𝑎 𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑜𝑠𝑡𝑎𝑤
%
Udział nieprawidłowych
dostaw
𝑙𝑖𝑐𝑧𝑏𝑎 𝑛𝑖𝑒𝑝𝑟𝑎𝑤𝑖𝑑ł𝑜𝑤𝑦𝑐ℎ 𝑑𝑜𝑠𝑡𝑎𝑤 × 100
%
Udział opóźnionych
dostaw
𝑙𝑖𝑐𝑧𝑏𝑎 𝑜𝑝óź𝑛𝑖𝑜𝑛𝑦𝑐ℎ 𝑑𝑜𝑠𝑡𝑎𝑤 × 100
%
124

Logistyka I st.
Ocena wskaźnikowa podsystemu dystrybucji
Wskaźnik Formuła obliczenia wskaźnika Jednostka miary
Udział zwróconych
dostaw
𝑙𝑖𝑐𝑧𝑏𝑎 𝑧𝑤𝑟ó𝑐𝑜𝑛𝑦𝑐ℎ 𝑑𝑜𝑠𝑡𝑎𝑤 × 100
%
Udział powtórnych
dostaw
𝑙𝑖𝑐𝑧𝑏𝑎 𝑝𝑜𝑤𝑡ó𝑟𝑛𝑦𝑐ℎ 𝑑𝑜𝑠𝑡𝑎𝑤 × 100
%
Udział reklamacji
dostaw
𝑙𝑖𝑐𝑧𝑏𝑎 𝑟𝑒𝑘𝑙𝑎𝑚𝑜𝑤𝑎𝑛𝑦𝑐ℎ 𝑑𝑜𝑠𝑡𝑎𝑤 × 100
%
Niezawodność
transportu
𝑙𝑖𝑐𝑧𝑏𝑎 𝑝𝑟𝑧𝑒𝑤𝑜𝑧ó𝑤 𝑤𝑦𝑘𝑜𝑛𝑎𝑛𝑦𝑐ℎ 𝑡𝑒𝑟𝑚𝑖𝑛𝑜𝑤𝑜 × 100
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑙𝑖𝑐𝑧𝑏𝑎 𝑝𝑟𝑧𝑒𝑤𝑜𝑧ó𝑤
%
Udział uszkodzeń w
transporcie
𝑙𝑖𝑐𝑧𝑏𝑎 𝑢𝑠𝑧𝑘𝑜𝑑𝑧𝑜𝑛𝑦𝑐ℎ 𝑗𝑒𝑑𝑛𝑜𝑠𝑡𝑒𝑘 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑜𝑤𝑦𝑐ℎ × 100
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑙𝑖𝑐𝑧𝑏𝑎 𝑗𝑒𝑑𝑛𝑜𝑠𝑡𝑒𝑘 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑜𝑤𝑦𝑐ℎ
%
Elastyczność
transportu
𝑙𝑖𝑐𝑧𝑏𝑎 𝑠𝑝𝑒ł𝑛𝑖𝑜𝑛𝑦𝑐ℎ 𝑤𝑦𝑚𝑎𝑔𝑎ń 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑜𝑤𝑦𝑐ℎ × 100
𝑐𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑙𝑖𝑐𝑧𝑏𝑎 𝑤𝑦𝑚𝑎𝑔𝑎ń 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑜𝑤𝑦𝑐ℎ
%
125

Logistyka I st.
Koszty i wykorzystanie transportu
Koszty/
możliwości
Wskaźnik Wykonanie
Koszty
transportu
𝑘𝑜𝑠𝑧𝑡𝑦 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑢 𝑛𝑎 𝑡𝑘𝑚 =
𝑘𝑜𝑠𝑧𝑡𝑦 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑢
𝑙𝑖𝑐𝑧𝑏𝑎 𝑡𝑜𝑛𝑜𝑘𝑖𝑙𝑜𝑚𝑒𝑡𝑟ó𝑤
Wykonane
tonokilometry
𝑘𝑜𝑠𝑧𝑡𝑦 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑢 𝑛𝑎 𝑝𝑟𝑧𝑒𝑠𝑦ł𝑘ę =
𝑘𝑜𝑠𝑧𝑡𝑦 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑢
𝑙𝑖𝑐𝑧𝑏𝑎 𝑝𝑟𝑧𝑒𝑠𝑦ł𝑒𝑘
Liczba
przesyłek
Dysponowany
czas pracy
(możliwości)
𝑠𝑡𝑜𝑝𝑖𝑒ń 𝑤𝑦𝑘𝑜𝑟𝑧𝑦𝑠𝑡𝑎𝑛𝑖𝑎 ś𝑟. 𝑡𝑟𝑎𝑛𝑠𝑝. 𝐼 =
𝑟𝑧𝑒𝑐𝑧𝑦𝑤𝑖𝑠𝑡𝑦 𝑐𝑧𝑎𝑠 𝑝𝑟𝑎𝑐𝑦 × 100
𝑑𝑦𝑠𝑝𝑜𝑛𝑜𝑤𝑎𝑛𝑦 𝑐𝑧𝑎𝑠 𝑝𝑟𝑎𝑐𝑦
Rzeczywisty
czas pracy
(godz.)
Możliwości
przewozu
(ton)
𝑠𝑡𝑜𝑝𝑖𝑒ń 𝑤𝑦𝑘𝑜𝑟𝑧𝑦𝑠𝑡𝑎𝑛𝑖𝑎 ś𝑟. 𝑡𝑟𝑎𝑛𝑠𝑝. 𝐼𝐼 =
ł𝑎𝑑𝑢𝑛𝑒𝑘 𝑟𝑧𝑒𝑐𝑧𝑦𝑤𝑖𝑠𝑡𝑦 × 100
ł𝑎𝑑𝑢𝑛𝑒𝑘 𝑚𝑜ż𝑙𝑖𝑤𝑦
Rzeczywisty
ładunek (ton)
Możliwości
przewozu
(osób)
𝐿𝑜𝑎𝑑 𝐹𝑎𝑐𝑡𝑜𝑟 (𝐿𝐹) =
𝑙𝑖𝑐𝑧𝑏𝑎 𝑝𝑟𝑧𝑒𝑤𝑖𝑒𝑧𝑖𝑜𝑛𝑦𝑐ℎ 𝑝𝑎𝑠𝑎ż𝑒𝑟ó𝑤 × 100
𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑜𝑠𝑡ę𝑝𝑛𝑦𝑐ℎ 𝑚𝑖𝑒𝑗𝑠𝑐
Liczba
przewiezio-
nych osób
126

Logistyka I st.
slajd 127
Wskaźnikowaocenaprocesu
dystrybucji:Wskaźniki
marketingowe,red.R.Kozielski

Logistyka I st.
Dystrybucja numeryczna i ważona
 Formuły wskaźników:
𝑊𝑠𝑘. 𝑑𝑦𝑠𝑡𝑟𝑦𝑏𝑢𝑐𝑗𝑖
𝑛𝑢𝑚𝑒𝑟𝑦𝑐𝑧𝑛𝑒𝑗
=
𝐿𝑖𝑐𝑧𝑏𝑎 𝑠𝑘𝑙𝑒𝑝ó𝑤 𝑠𝑝𝑟𝑧𝑒𝑑𝑎𝑗ą𝑐𝑦𝑐ℎ 𝑑𝑎𝑛ą 𝑚𝑎𝑟𝑘ę
𝐿𝑖𝑐𝑧𝑏𝑎 𝑠𝑘𝑙𝑒𝑝ó𝑤 𝑠𝑝𝑟𝑧𝑒𝑑𝑎𝑗ą𝑐𝑦𝑐ℎ 𝑑𝑎𝑛ą 𝑘𝑎𝑡𝑒𝑔𝑜𝑟𝑖ę
𝑊𝑠𝑘. 𝑑𝑦𝑠𝑡𝑟𝑦𝑏𝑢𝑐𝑗𝑖
𝑤𝑎ż𝑜𝑛𝑒𝑗
=
𝑆𝑝𝑟𝑧𝑒𝑑𝑎ż 𝑘𝑎𝑡𝑒𝑔𝑜𝑟𝑖𝑖 𝑤 𝑠𝑘𝑙𝑒𝑝𝑎𝑐ℎ 𝑠𝑝𝑟𝑧𝑒𝑑𝑎𝑗ą𝑐𝑦𝑐ℎ 𝑚𝑎𝑟𝑘ę
𝐶𝑎ł𝑘𝑜𝑤𝑖𝑡𝑎 𝑠𝑝𝑟𝑧𝑒𝑑𝑎ż 𝑝𝑟𝑜𝑑𝑢𝑘𝑡ó𝑤 𝑑𝑎𝑛𝑒𝑗 𝑘𝑎𝑡𝑒𝑔𝑜𝑟𝑖𝑖
 Obliczane zazwyczaj dla określonego rynku
terytorialnego
 Efektywna dystrybucja to wyższy wskaźnik
dystrybucji ważonej niż numerycznej  oznacza
wybór lepszych uczestników kanału dystrybucji
slajd 128

Logistyka I st.
Dystrybucja numeryczna
i ważona - przykład
 Sprzedaż w konkretnej miejscowości
 Jakie są wskaźniki dystrybucji numerycznej i ważonej w
tej sytuacji?
 Która marka ma lepszą dystrybucję?
slajd 129
Obecność marki
A w sklepach
Obecność marki
B w sklepach
Sprzedaż piwa w
hl w sklepach
Sklep 1 Tak Nie 100
Sklep 2 Tak Tak 200
Sklep 3 Tak Tak 300
Sklep 4 Tak Tak 400
Sklep 5 Nie Tak 500

Logistyka I st.
i ważona – rozwiązanie przykładu
 Marka A i B mają TAKĄ SAMĄ dystrybucję numeryczną:
DN = 4/5=0,8 (obie są dostępne w 80% sklepów)
 Dystrybucja ważona marki A:
DWA=(100+200+300+400)/1500=0,667
(marka A jest dostępna w sklepach realizujących 67% sprzedaży
kategorii)
 Dystrybucja ważona marki B:
DWB=(200+300+400+500)/1500=0,933
(marka B jest dostępna w sklepach realizujących 93% sprzedaży
kategorii)
 Marka B jest sprzedawana w LEPSZYCH sklepach!
(Nie należy mylić z udziałem w rynku! Tego nie znamy)
slajd 130

Logistyka I st.
Kolejny przykład – środki ochrony roślin
 Obszar A:
– DN = 0,6; DW = 0,7
 Obszar B:
– DN = 0,7; DW = 0,8
 Obszar C:
– DN = 0,9; DW = 0,9
 Obszar D:
– DN = 0,8; DW = 0,9
 Obszar E:
– DN = 0,9; DW = 0,8
 Jakie wnioski?
slajd 131

Logistyka I st.
i ważona – źródła danych
 Obecność marki w punkcie sprzedaży:
– Kanały zintegrowane – z danych sprzedażowych
– Kanały tradycyjne – z obserwacji w punktach
sprzedaży
– Dodatkowo: z paneli sklepów
 Sprzedaż kategorii:
– Z paneli sklepów (np. Nielsen)
– Z sieci handlowych
– Z firm monitorujących konkretne rynki
– Zagregowana dla całego kraju z baz danych
slajd 132

Logistyka I st.
Braki produktowe i opóźnienia dostaw
 Braki wynikające z błędów/opóźnień dystrybucji
zazwyczaj oceniane są przez:
– Wskaźnik braków obliczany względem liczby dni
sprzedaży:
𝑊𝐵 =
𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑛𝑖 𝑧𝑒 𝑠𝑡𝑎𝑛𝑒𝑚 𝑚𝑎𝑔𝑎𝑧𝑦𝑛𝑜𝑤𝑦𝑚 𝑂
𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑛𝑖 𝑠𝑝𝑟𝑧𝑒𝑑𝑎ż𝑦
– Wartość utraconej sprzedaży:
𝑈𝑡𝑟𝑎𝑐𝑜𝑛𝑎
𝑠𝑝𝑟𝑧𝑒𝑑𝑎ż
= 𝑧𝑟𝑒𝑎𝑙𝑖𝑧𝑜𝑤𝑎𝑛𝑎 𝑠𝑝𝑟𝑧𝑒𝑑𝑎ż ×
𝑊𝐵
1 − 𝑊𝐵
– Wskaźnik odchylenia (spóźnienia) dostaw względem
dostaw planowanych:
𝑊𝑆𝐷 =
𝑠𝑢𝑚𝑎 𝑙𝑖𝑐𝑧𝑏𝑦 𝑑𝑛𝑖 𝑠𝑝óź𝑛𝑖𝑒𝑛𝑖𝑎 𝑑𝑜𝑠𝑡𝑎𝑤 𝑤 𝑜𝑘𝑟𝑒𝑠𝑖𝑒
𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑜𝑠𝑡𝑎𝑤 𝑤 𝑜𝑘𝑟𝑒𝑠𝑖𝑒
slajd 133

Logistyka I st.
Braki produktowe
- przykład
 Wskaźnik braków obliczany względem liczby dni
sprzedaży:
𝑊𝐵 =
𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑛𝑖 𝑧𝑒 𝑠𝑡𝑎𝑛𝑒𝑚 𝑚𝑎𝑔𝑎𝑧𝑦𝑛𝑜𝑤𝑦𝑚 𝑂
𝑙𝑖𝑐𝑧𝑏𝑎 𝑑𝑛𝑖 𝑠𝑝𝑟𝑧𝑒𝑑𝑎ż𝑦
=
9
353
= 0,025496
 Wartość utraconej sprzedaży:
𝑈𝑡𝑟𝑎𝑐𝑜𝑛𝑎
𝑠𝑝𝑟𝑧𝑒𝑑𝑎ż
= 𝑧𝑟𝑒𝑎𝑙𝑖𝑧𝑜𝑤𝑎𝑛𝑎 𝑠𝑝𝑟𝑧𝑒𝑑𝑎ż ×
𝑊𝐵
1 − 𝑊𝐵
= 3440000 × 0,026163 ≈ 90000
slajd 134


Satysfakcja klienta
i jej pomiar

Logistyka I st.
Poziom obsługi klienta a koszty
slajd 136
Przychody
Koszty
Zysk
Przychody,koszty,zysk
93% 95% Poziom obsługi klienta
max
max
Zmniejszenie
zysku
}

Logistyka I st.
Jakość oferty a satysfakcja klienta
 Nie należy bezpośrednio utożsamiać postrzeganej jakości oferty z
zadowoleniem klienta.
 Satysfakcja klienta jest pojęciem znacznie szerszym od postrzeganej
jakości (na zadowolenie klienta wpływa nie tylko jakość oferty, ale np.:
– cena
– dogodność czasowa lub przestrzenna korzystania z usługi
– czynniki osobiste lub sytuacyjne.
 Satysfakcja (lub jej brak) powstaje na skutek kontaktu z firmą,
natomiast percepcja jakości takiego doświadczenia nie wymaga.
 Łatwiej na ogół mierzyć percepcję jakości usługi niż faktyczną
satysfakcję klienta, tym bardziej że jeśli usługę postrzega in jako
niskiej jakości to z niej nie skorzysta – i nie można ocenić satysfakcji.
137

Logistyka I st.
Satysfakcjonujący klienta
poziom jakości oferty
Jakość niska Jakość wysoka
Akceptowalny
poziom jakości
oferty
Pożądany
poziom jakości
oferty
Strefa braku
zadowolenia
Strefa
tolerancji
Strefa
zachwytu
Opracowanie własne.
138

Logistyka I st.
„Dziurawe wiadro”
139

Logistyka I st.
Analiza zdarzeń krytycznych
 Analiza przypadków krytycznych – pozwala na jakościowe poznanie
najbardziej satysfakcjonujących i najmniej satysfakcjonujących relacji klienta
z usługodawcą, zadaje się w kwestionariuszu pytania otwarte o takiej treści,
 Może być prowadzona w oparciu o prosty kwestionariusz, zawierający m.in.
następujący zestaw pytań otwartych:
– Proszę sobie przypomnieć, kiedy miał/a Pan/i jako konsument
szczególnie zadowalający/niezadowalający kontakt z pracownikiem
naszego przedsiębiorstwa?
– Kiedy się to zdarzyło?
– Co dokładnie powiedział lub zrobił pracownik?
– Co spowodowało, że odczuł Pan/i, iż kontakt był zadowalający
(niezadowalający)?
140

Logistyka I st.
„Tajemniczy klient”
 „Tajemniczy klient” (zakupy pozorne – mystery shopping), polega na
ocenie procesów świadczenia usługi przez przeszkolonego
obserwatora występującego w roli klienta.
 Dawniej często zakładano scenariusze zakładające niecodzienne
problemy i komplikacje dla oceny sposobu reagowania personelu na
nie. Dzisiaj raczej sprawdza się sytuacje prawdopodobne.
 W metodzie tej przygotowuje się:
– katalog sytuacji, które będą stworzone i obserwowane (min.
3 obserwacje w jednym miejscu prowadzone przez różne osoby),
– formularz obserwacji – w którym notowane są spostrzeżenia obserwatora
 Należy pamiętać iż jest to metoda jakościowa!
 Nie jest celem „tajemniczego klienta” karanie pracowników, a wskazanie
możliwości doskonalenia jakości usługi.
141

Logistyka I st.
Graficzna metoda oceny satysfakcji
 W handlu i usługach zwykle jako dobry predyktor satysfakcji i lojalności
klienta traktuje się postrzeganą jakość usługi/obsługi, czasem – raczej
błędnie – utożsamiając ze sobą te dwa pojęcia.
 Ponieważ końcowa satysfakcja z produktu/usługi jest wynikiem
równoważenia się często zróżnicowanych subiektywnych ocen różnych
kryteriów, wynikających z preferencji konsumenta, najprostszym sposobem
badania satysfakcji jest użycie do pomiaru skal złożonych (pozycyjnych lub
typu Likerta, albo semantycznych), ewentualnie pozwalając respondentom
nadać wagi dla określonych kryteriów oceny, a następnie określenie stopnia
realizacji przez poddawaną ocenie jednostkę handlową lub usługową,
poprzez obliczenie średnich ocen (i – dla pomiaru zróżnicowania – odchyleń
standardowych), a także oceny syntetycznej (średnia ważona dla użytych
kryteriów oceny).
142

Logistyka I st.
Przykład graficznej analizy satysfakcji
 podział wg
przeciętnych
wartości
średniej i
odchylenia
standardowego
3,40 3,50 3,60 3,70 3,80 3,90 4,00 4,10
Średnia
0,80
0,85
0,90
0,95
1,00
1,05
1,10
1,15
Odchyleniestandardowe








atmosfera miejsca (wystrój, oświetlenie, muzyka itd.),
dobór sklepów,obsługa w sklepach,
oferta gastronomiczna i rozrywkowa,
czystość,
bezpieczeństwo, ochrona,
parking (organizacja ruchu, dostępność),
oznaczenia kierunkowe (wejścia/wyjścia/toalet itd.)
Rozproszone
zadowolenie
Homogeniczne
zadowolenie
Rozproszone
niezadowolenie
Homogeniczne
niezadowolenie
143

Logistyka I st.
Przykład graficznej analizy satysfakcji
 podział średniej
w relacji do
innych CH w
mieście
1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Średnia
0,80
0,85
0,90
0,95
1,00
1,05
1,10
1,15
Odchyleniestandardowe








atmosfera miejsca (wystrój, oświetlenie, muzyka itd.),
dobór sklepów,obsługa w sklepach,
oferta gastronomiczna i rozrywkowa,
czystość,
bezpieczeństwo, ochrona,
parking (organizacja ruchu, dostępność),
oznaczenia kierunkowe (wejścia/wyjścia/toalet itd.)
Rozproszone
zadowolenie
Homogeniczne
zadowolenie
Rozproszone
niezadowolenie
Homogeniczne
niezadowolenie
144

Logistyka I st.
Macierz IPA (Importance/Performance Matrix)
 Metoda IPA, zaproponowana Martilla i
James (1977) obrazuje relacje między
percepcją ważności określonych
atrybutów produktu/usługi i postrzeganej
jakości (oceny wykonania) tych atrybutów.
 Ważność i ocena wykonania zwykle
mierzone na 5 lub 7 punktowej skali.
 Metoda powszechnie stosowana ze
względu na jej prostotę, wygodę i łatwość
wyciągania wniosków co do obszarów
wymagających interwencji.
 Główna interpretacja polega na ocenie
wynikającej z przynależności do danej
ćwiartki macierzy – stąd inna nazwa
metody: Quadrant analysis
145
PRIORYTET DO
POPRAWY
UTRZYMAJ
RELOKACJA
ZASOBÓW
IGNORUJ
(NISKI PRIORYTET)
12
3 4
Ocena wykonania
Ważność
Mediana lub średnia
Medianalubśrednia
WysokaNiska
WysokaNiska

Logistyka I st.
IPA zalecenia z przynależności do ćwiartek
 Ćwiartka 1: „Utrzymaj” (wysoka ważność, wysoka ocena jakości):
Czynniki w tej ćwiartce są głównymi źródłami satysfakcji klienta – konieczność
utrzymania wysokiej ich oceny
 Ćwiartka 2: „Priorytet do poprawy” (wysoka ważność i niska ocena jakości):
Czynniki w tej ćwiartce są ważne dla klientów, ale firma w niewystarczającym
stopniu realizuje potrzeby i oczekiwania klientów w ich zakresie – potrzeba
natychmiastowej poprawy, np. poprzez realokację zasobów firmy na nie/
 Ćwiartka 3: „Ignoruj” (niska ważność i niska ocena jakości):
Firma nie spełnia oczekiwań klientów ale w zakresie czynników uznawanych
za mało ważne, stąd brak potrzeby natychmiastowej reakcji dla poprawy
jakości w tych obszarach, wystarczy monitorowanie sytuacji.
 Ćwiartka 4: „Realokacja zasobów” (niska ważność a wysoka ocena jakości):
Czynniki w tej ćwiartce są mało istotne dla klientów, a firma dostarcza jakości
przekraczającej oczekiwania – kreuje to koszty i być może prowadzi do zbyt
niskiej jakości w innych obszarach, użyte zasoby można w części realokować
do czynników w ćwiartce 2, by poprawić oceny atrybutów, tam zaliczonych.
146

Logistyka I st.
Przykład
komunikacjimiejskiej
147

Logistyka I st.
IPA w wersji rozwiniętej
 Klasyczna analiza IPA często jest uznawana za zbyt
prostą z decyzyjnego punktu widzenia.
 Stąd liczne propozycje rozwinięcia tej metody:
– Poprzez wydłużenie skal – np. do 9 punktów
– Poprzez sformalizowanie opisu punktów skali 9 punktowej
– Poprzez dalszą formalizację oceny graficznej
 W takiej wersji IPA często przestaje służyć tylko ocenie
satysfakcji klienta, a nabiera znaczenia narzędzia
wspomagającego w zasadzie dowolne decyzje w firmie
(w tym strategiczne)
148

Logistyka I st.
9 punktowe skale IPA w wersji rozwiniętej:
Ważność:
 Dla ocenianego produktu lub usługi jakie są oczekiwania/ważność atrybutów produktu
lub usługi:
 Prowadzące do transakcji:
(1) zapewnienie istotnej przewagi konkurencyjnej - są one ideą konkurencyjności;
(2) dostarczenie istotnej zalety dla większości klientów - są zawsze brane pod uwagę
przez klientów;
(3) dostarczenie użytecznych korzyści dla większości klientów - są zwykle brane pod
uwagę przez klientów;
 Kwalifikujące:
(4) dostarczenie co najmniej dobrego standardu w branży;
(5) dostarczenie typowego (przeciętnego) standardu w branży;
(6) dostarczenie standardu mniej renomowanych przedsiębiorstw w branży;
 Mniej ważne:
(7) zwykle nie brane pod uwagę przez klientów, ale mogą stać się bardziej istotne w
przyszłości;
(8) bardzo rzadko brane pod uwagę przez klientów;
(9) nie są brane pod uwagę przez klientów i mało prawdopodobne, że to się zmieni.
149

Logistyka I st.
9 punktowe skale IPA w wersji rozwiniętej:
Ocena wykonania:
 W tym segmencie rynku lub dla tej grupy produktów, nasze osiągnięte wyniki
w każdym z obszarów działalności są:
 Lepsze niż konkurenci:
(1) konsekwentnie znacznie lepsze niż nasz najbliższy konkurent;
(2) konsekwentnie wyraźnie lepsze niż nasz najbliższy konkurent;
(3) nieznacznie lepsze od naszego najbliższego konkurenta;
 Takie same jak u konkurentów:
(4) często nieznacznie lepsze niż większość konkurentów;
(5) w przybliżeniu takie same jak w produktach konkurencyjnych;
(6) często w zakresie naszych możliwości dorównania głównym
konkurentom;
 Gorsze niż konkurenci:
(7) zwykle nieznacznie gorsze niż w przypadku większości konkurentów;
(8) zwykle gorsze niż większość konkurentów;
(9) konsekwentnie gorsze niż większość konkurentów.
150

Logistyka I st.
Diagram oceny IPA w wersji rozwiniętej
Uwagi:
 Kolorami
oznaczono strefy
decyzyjne w IPA
 Przestawione osie:
wykonanie na osi Y
a ważność na X!
 Odwrotna notacja
liczbowa skal:
1 – wynik
najwyższy,
9 - najniższy
151

Logistyka I st.
Model luki jakości usługi
152

Logistyka I st.
Slajd 153
SERVQUAL
 SERVQUAL jest kwestionariuszem służącym do pomiaru postrzeganej
przez klientów jakości usług, opartym na modelu luki, stworzonym
przez V. A. Zeithaml, A. Parasuraman’a i L. L. Berry’ego. Jest to
narzędzie uniwersalne, ułatwiające porównanie jakości różnego
rodzaju usług
 W modelu SERVQUAL postrzegana jakość usługi jest oceniana za
pomocą 22 par stwierdzeń w pięciu wymiarach. Są to:
– Materialność,
– Solidność,
– Szybkość reakcji (reagowanie),
– Pewność (= kompetencja, wiarygodność, bezpieczeństwo),
– Empatia (= dostępność, komunikatywność, zrozumienie).

Logistyka I st.
Slajd 154
SERVQUAL (2)
 Pierwszy zestaw stwierdzeń służy do badania oczekiwanego przez
klienta (idealnego, doskonałego) poziomu usług, np.:
W doskonałej firmie kurierskiej usługa jest wykonywana w sposób
właściwy za pierwszym razem.
 Zestaw drugi mierzy percepcję poziomu wykonania usługi, np.:
W firmie kurierskiej ABC usługa jest wykonywana w sposób właściwy
za pierwszym razem.
 W kwestionariuszu wykorzystano siedmiostopniową skalę
odpowiedzi:
1 - Zupełnie się nie zgadzam
7 - Całkowicie się zgadzam.

Logistyka I st.
SERVQUAL (3)
 Określenie postrzeganej jakości usługi polega na obliczeniu różnicy między percepcją
usługi a idealnym (pożądanym, oczekiwanym) poziomem usługi, np.:
– W doskonałej firmie kurierskiej usługa jest wykonywana w sposób właściwy za
pierwszym razem.
 wybrana odpowiedź 7
– W firmie kurierskiej ABC usługa jest wykonywana w sposób właściwy za
pierwszym razem.
 wybrana odpowiedź 5
– Ocena tego aspektu jakości: 5 – 7 = -2  otrzymana usługa odbiega negatywnie
od oczekiwań.
 Analizie można poddać każdy z wymiarów jakości usług– jak też obliczyć syntetyczną
miarę jakości usługi.
 SERVQUAL pozwala na zbadanie jakości usług postrzeganej przez poszczególnych
klientów. Istnieje również możliwość oszacowania średniej dla całego usługodawcy (w
tym jego oddziału, filii itd.).
Slajd 155

Logistyka I st.
SERVQUAL (4)
 SERVQUAL pozwala także na zbadanie luki 1 (różnicy między oczekiwaniami
klientów a percepcją tych oczekiwań przez pracowników usługodawcy).
 Pomiar luki 1 jest analogiczny do pomiaru luki 5, z taką różnicą, że osobami
badanymi w tym przypadku są pracownicy różnych szczebli firmy
usługowej.
 W kwestionariuszu wykorzystuje się te same stwierdzenia opisujące 5
wymiarów jakości usług; zmodyfikowana jest natomiast skala odpowiedzi,
która przybiera następującą postać:
1 - Nasi klienci zupełnie by się nie zgodzili
7 - Nasi klienci całkowicie by się zgodzili
156

Logistyka I st.
Modyfikacje kwestionariusza SERVQUAL
 Podstawowy wariant kwestionariusza SERVQUAL posługuje się kategorią
oczekiwań klientów w sensie normatywnym i miarą zaspokojenia tych
oczekiwań, przez co mierzy w zasadzie pożądany poziom jakości usług.
 Nie ma natomiast w nim odniesienia do minimalnego akceptowalnego przez
klienta poziomu świadczenia usługi, co można uznać za pewną
niedoskonałość.
 Z tego względu dokonano modyfikacji tej metody, tworząc kilka wersji
zmodyfikowanych, z których najczęściej wykorzystuje się dwie modyfikacje,
tj.:
– tzw. SERVQUAL trzykolumnowy,
– tzw. SERVQUAL dwukolumnowy.
 Oba warianty posługują się dziewięciopozycyjnymi skalami ocen: od 1 do 9,
różnią się jednak sposobem identyfikacji luk jakości usługi.
157

Logistyka I st.
SERVQUAL trzykolumnowy
Jeśli
chodzi o:
Moje minimalne
wymagania są:
Pożądany przeze
mnie poziom
obsługi jest:
Moja ocena usług firmy AAA
jest:
1. Troskę
okazywaną
klientom
niskie wysokie niski wysoki niska wysoka
brak
opinii
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 0
2. .............
Slajd 158
 Respondent odnosi się w tym przypadku do kwestii wymienionych w 3
kolumnach, oceniając po kolei każdy z aspektów jakości usługi:
– Pierwsza kolumna służy zidentyfikowaniu minimalnego akceptowanego poziomu
świadczenia usługi,
– Druga – poziomu pożądanego przez klienta,
– Trzecia – faktycznego poziomu świadczenia usługi.

Logistyka I st.
Miary doskonałości i przydatności usługi
Wymiary
jakości usługi:
Jakość
pożądana
Jakość
akceptowalna
Jakość
doświadczona
MSS* MAS**
Materialność 7,0 6,0 7,0 0 1
Solidność 8,0 6,5 7,0 -1 0,5
...............
Slajd 159
* MSS (measure of service superiority, tj: miara/wskaźnik doskonałości usługi)
= jakość doświadczona – jakość pożądana
** MAS (measure of service adequacy, tj: miara/wskaźnik przydatności usługi)
= jakość doświadczona – jakość minimalna akceptowalna

Logistyka I st.
Miary doskonałości i przydatności usługi
Jakość niska Jakość wysoka
Akceptowalny
poziom jakości
oferty
Pożądany
poziom jakości
oferty
Strefa braku
zadowolenia
Strefa
tolerancji
Strefa
zachwytu
Opracowanie własne.
Jakość
doświadczona
MAS: „+” MSS: „-”
160

Logistyka I st.
SERVQUAL dwukolumnowy
Jeśli
chodzi o:
W porównaniu do moich minimalnych
wymagań, poziom usług
świadczonych przez firmę AAA był:
W porównaniu do pożądanego przez
mnie, poziom usług świadczonych
przez firmę AAA był:
1. Troskę
okazywaną
klientom
niższy podobny wyższy
brak
opinii
niższy podobny wyższy
brak
opinii
1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0
2. ...........
Slajd 161
 Ta wersja kwestionariusza umożliwia bezpośrednie oszacowanie luki pomiędzy
oczekiwaniami (na poziomie minimalnym akceptowalnym i pożądanym) a
doświadczeniami.
 Uzyskujemy dzięki temu miary doskonałości i akceptowalności (przydatności)
usługi bez żadnych przeliczeń

Rm lm-2016edit

Recommended

Recommended

More Related Content

What's hot

What's hot (6)

More from Radosław Mącik

More from Radosław Mącik (13)

Rm lm-2016edit