метод кростона

Метод Кростона специализирован для управления запасами с прерывистым спросом, где традиционные методы прогнозирования дают сбои. Его ключевое коммерческое применение - оптимизация складских запасов и снижение логистических издержек для специфичных товарных категорий. Метод применяется для:

1. Прогноза спроса и расчета страхового запаса;
2. Снижения уровня излишков или сокращения дефицита для медленнооборачиваемых товаров (МОВ);
3. Рассчитать вероятность возникновения спроса для товаров с ярко выраженной сезонностью;
4. Планирования закупки товаров категории XZ/YZ, предполагающих высокую стоимость ошибок при закупках;
5. Осуществления закупки при отсутствии достоверных данных для специализированной и сегментной номенклатуры.

∎ Для проведения анализа прерывистого спроса методом Кростона требуется выбрать номенклатуру, которая должна отвечать определенным требованиям:

Если средний интервал спроса (ADI) более 1,32 единиц, метод Кростона будет оптимальным решением для формирования прогноза.

● Формула ADI (Средний интервал спроса):



Пример расчета интервала спроса:

Таблица №1

∎ Метод Кростона, кроме оценки среднего интервала спроса, требует от номенклатуры определенные параметры стабильности спроса (из материала "XYZ-анализ").

Если квадрат коэффициента вариации (CV²) более 0,49 единиц, эта номенклатура считается оптимальной для прогнозирования по методу Кростона.

● Формула CV² (Квадрат коэф. вариации):



Пример расчета квадрата коэффициента вариации по значениям из Таблицы №1:

∎ Для расчета по методу Кростона необходимо определить начальные значения функции в виде показатель среднего исторического интервала между заказами и среднего размера нулевого заказа (спроса в период).

∎ Для проведения корректного расчета, в формуле применяются коэффициенты сглаживания и , которые необходимо перерасчитывать каждые 6-12 месяцев.

➜ Оптимальные коэффициенты и лежат в диапазоне от 0,49 до 0,3 единиц для большинства прерывистых рядов.

Каждый коэффициент применим для своего числового ряда или :



∎ Для перерасчета коэффициентов сглаживания и используется формула:



Где:

∎ Для каждого «» требуется определить количество прошедших периодов без продаж «» с даты последней зафиксированной продажи, используя логическое правило:

∎ Для периодов с зафиксированным спросом выполните действия:

5.1.a.- Обновите оценку среднего интервала.
Формула:



Где:

5.1.b.- Обновите оценку среднего размера заказа.
Формула:



Где:

∎ При отсутствии спроса в одном из периодов, оценка размера интервала и спроса сохраняют фактические числовые значения.
Соответственно: а

Где:

∎ Для постоянного или прерывистого ряда данных и для всех будущих периодов прогноз рассчитывается одинаково:
Формула:



Где:

∎ Если заказы приходят в среднем каждые ​ периодов, то вероятность его появления в одном конкретном периоде обратно пропорциональна среднему интервалу.

∎ Практические выводы исходя из результатов проведенных расчетов:

● Прогноз:
Показатели выросли с 2,67 до 3,50 единиц. Это происходит из-за крупных заказов, и как следствие скачков спроса от 10, 15 и 12 ед.

● Средний интервал:
Наблюдается снижение интервала спроса с 3,0 до 2,91 недели. Это говорит о том что спрос на номенклатуру участился.

● Вероятность спроса:
Показатель увеличился с 33.33% (первая неделя в таблице) до 34.36% (восьмая неделя в таблице) по причине сокращения среднего интервала и прогнозируемого спроса.

∎ Начинайте с малой выборки номенклатуры.
Возьмите 5–10 "медленных товаров". Рассчитайте для них интервалы и размеры заказов вручную на исторических данных за статистические 6 месяцев. Это поможет "прочувствовать" логику метода без погружения в массу чисел. Ошибки на этапе обучения неизбежны — лучше сделать их на ограниченной выборке.

∎ Визуализируйте ряд интервалов.
Стройте точечный график для столбца . Такой подход наглядно демонстрирует аномалии в движении номенклатуры: например, значение при медиане недели укажет на ошибку в данных (возможно, пропуск ненулевого спроса).

∎ Подбирайте параметры и .
В Excel используйте «Подбор параметра» (вкладка Данные → Анализ «что если»). Задайте параметры выборки:
- Целевая ячейка: MSE (ошибка прогноза)
- Изменяемая ячейка: коэффициент /
- Ограничение:
Это заменит десятки ручных подстановок.

∎ Пересчитывайте начальные значения и ежеквартально.
Не полагайтесь на изначальные и . Раз в 3 месяца актуализируйте их посредством функции электронных таблиц:
и
Даже небольшой сдвиг (например, с 3,0 до 3,2) снизит систематическую ошибку прогноза на 5–7%.

∎ Свяжите прогноз с XYZ-анализом.
После расчета прогноза и вероятности добавьте столбец XYZ классификации. Правило для анализа в Excel:
Страховой запас, для товаров категории Z, рассчитывается посредством метода Кростона. Для товаров категории X и Y — используйте классические методы оптимизации уровня запаса.

Метод Кростона это не просто математический алгоритм, а стратегический инструмент для борьбы с невидимыми потерями в логистике. Для российских компаний, работающих с медленнооборачиваемыми товарами, запасными частями или специализированной номенклатурой, он становится спасательным кругом: там, где классические методы прогнозирования хронически завышают дефицит или генерируют избытки, Кростон обеспечивает точный расчет. Его сила — в понимании природы прерывистого спроса: вместо бесполезного усреднения «нулей» он анализирует интервалы между реальными заказами и их объемы, превращая хаотичные данные в рабочие решения для оптимизации складских запасов.

∎ Главное коммерческое преимущество - прямая экономия ресурсов.

∎ Внедрение метода позволяет:
- Снизить логистические издержки на 18–25% за счет точного расчета страхового запаса;
- Высвободить оборотные средства, замороженные в излишках МОВ-товаров;
- Укротить дефицит критичных позиций, таких как запчасти, специализированные комплектующие;
- Автоматизировать планирование закупок даже для товаров с 60–80% «нулевых» недель в истории.

Однако успех кроется в дисциплине. Метод требует ручной валидации данных, регулярного пересчета коэффициентов и четкого отбора номенклатуры через ABC-XYZ анализ. Как показывает практика внедрения в сетях B2B-поставщиков промышленных товаров, максимальный эффект достигается для категорий YZ и XZ - там, где ошибка прогноза больнее всего бьет по рентабельности.

∎ Для российского рынка, где логистические риски особенно высоки, а управление медленными товарами часто ведется «на глазок», метод Кростона становится конкурентным преимуществом. Он не устраняет все риски, но дает предсказуемость там, где царит хаос. Внедряйте его точечно — для самых проблемных позиций, сочетайте с экспертной аналитикой, и вы превратите «мертвые» запасы в источник свободного денежного потока.

∎ Если увидите, как прогнозная потребность для запчастей с 40% нулей в истории вдруг обретает четкие контуры — вы на правильном пути. Удачи!