Szymon Grabański

Analiza XYZ w gospodarowaniu zapasami

Wstęp

Gospodarka magazynowa i związane z nią sterowanie zapasami od zawsze stanowi duże zainteresowanie kierownictwa firm, które posiadają własne magazyny. Jest to najczęściej związane z zamrożeniem znacznej części kapitału obrotowego, precyzyjnym określaniem zapasów bezpieczeństwa oraz ekonomiczną wielkością zamówienia. Wymienione problemy doczekały się opracowania szczegółowych procedur, czasami bardzo zaawansowanych z wykorzystaniem wspomagania komputerowego, bardzo często podstawowe analizy są częścią zintegrowanego systemu zarządzania magazynem (WMS). Systemy te jednak ze względu na swoją cenę, są często dobrem nie osiągalnym dla wielu małych firm handlowych. W takim wypadku podstawowych analiz możemy dokonać posługując się arkuszem kalkulacyjnym Excel.

Najczęściej spotykaną analizą wykorzystywaną do usprawnienia pracy magazynu jest analiza ABC i związany z nią podział materiałów (zapasów) na poszczególne grupy A, B i C wymagające mniejszej bądź większej uwagi działu zaopatrzenia przy realizacji procesu zamówień i/lub wyborze dostawcy. Przeprowadzenie analizy ABC pozwala również na odpowiednie wertykalne i horyzontalne rozmieszczenie zapasów w magazynie. Odpowiednie rozmieszczenie zapasów w magazynie np. na podstawie częstotliwości pobrań, będzie skutkowało ograniczeniem prac manipulacyjno-transportowych. Efektem będzie poprawa sprawności całego systemu magazynowania.

Analiza XYZ jest specjalnym dynamicznym rozszerzeniem statycznej analizy ABC. Wyniki przeprowadzonej analizy pozwalają podzielić zapasy na grupy pod kątem dokładności prognozy i/lub regularności popytu/zapotrzebowania na określone grupy materiałowe. Wyróżniamy trzy grupy materiałowe, które możemy następująco scharakteryzować:

grupa materiałowa X, wykazuje stałą wielkość popytu/zapotrzebowania a jedynie niewielkimi okresowymi wahaniami, co daje dużą dokładność prognozowania,

grupa materiałowa Y wykazuje umiarkowane wahania popytu/zapotrzebowania, co umożliwia średnią dokładność prognozowania,

grupa materiałowa Z wykazuje nieregularny popyt/zapotrzebowanie, co umożliwia małą dokładność prognozowania1.

Wyznaczone grupy materiałowe X, Y i Z pozwalają na podjęcie odpowiedniej decyzji przy obliczaniu wielkości zamówienia, co jest niezmiernie ważne przy produktach o krótkim cyklu życia produktu. Precyzyjne określenie fazy cyklu życia produktu, wyróżniamy 5 faz: fazę wprowadzenia na rynek, wzrostu intensywności sprzedaży, dojrzałości produktu, nasycenia rynku oraz spadku sprzedaży2, pozwoli na wyeliminowanie ryzyka z zaleganiem dużych ilości produktów na magazynie i problemów wynikających z rozliczeniem zwrotów lub niszczeniem produktów, które nie zostały sprzedane. Z tego typu sytuacją możemy mieć do czynienia, gdy naszym kontrahentem jest producent z zagranicy.

1 Z. Korzeń, Logistyczne systemy transportu bliskiego i magazynowania, Tom II, Biblioteka Logistyka, ILiM, Poznań 1999, s. 257.

2 W. Mantura (red.), Marketing przedsiębiorstw przemysłowych, Wydawnictwo Politechniki Poznańskiej, Poznań 2000, s. 87.

140

Charakterystyka problemu

Analizujemy przedsiębiorstwo handlowe, hurtownię zajmujące się sprzedażą produktów zakupionych u kontrahentów międzynarodowych. Przedsiębiorstwo aby zapewnić ciągłość dostaw do swoich odbiorców na terenie kraju posiada własny magazyn. Dział zakupów odpowiedzialny jest za analizę rynku i realizację odpowiednich zakupów w celu utrzymania odpowiedniego zapasu produktów w magazynie w celu zabezpieczenia ciągłości sprzedaży. W danym przedsiębiorstwie wcześniej posługiwano się jedynie analizą ABC do określenia trybu zamówień dla odpowiednich grup materiałowych oraz odpowiedniego horyzontalnego i wertykalnego rozłożenia produktów na magazynie co podniosło sprawność ośrodka magazynowania.

Zarząd przedsiębiorstwa chcąc podnieść rentowność przedsiębiorstwa, zlecił działowi zakupów opracowanie analizy XYZ w celu lepszej kontroli nad realizowanymi zamówieniami, co w oczach zarządu przyniesie korzyści w postaci mniejszych strat wynikających z zalegania produktów na magazynie i ich niszczenia.

Rozpatrujemy grupę 20 produktów, w celu przeprowadzenia analizy musimy znać sprzedaż z poprzednich miesięcy. Warto w tym miejscu zaznaczyć, że im więcej szeregów czasowych będziemy znali tym przeprowadzona analiza będzie dokładniejsza. Dla części produktów nie będziemy dysponowali pełną historią.

Algorytm postępowania

Analiza XYZ składa się z trzech podstawowych etapów: ustalenia współczynnika rozproszenia zapotrzebowania dla poszczególnych produktów,

sortowania materiałów wg wzrastającego współczynnika rozproszenia,

graficznego przedstawienia wyników z podziałem na klasy X, Y, Z.

Każdy z tych etapów wymaga przeprowadzenia innych obliczeń lub operacji w arkuszu kalkulacyjnym Excel. Etap pierwszy składa się z ustalenia współczynnika rozproszenia, w celu jego odliczenia musimy dysponować średnią arytmetyczną, która jest stosunkiem wartości globalnej badanej cechy do liczebności zbiorowości. Średnią arytmetyczną w szeregu szczegółowym dla populacji generalnej N-elementowej wyznaczamy jako:

, (1)

gdzie:

xi - wartość cechy w okresie i, dla i=1,2,…,n;

N - liczebność populacji generalnej.

Średnia arytmetyczna jest wypadkową wartości cechy dla wszystkich jednostek zbiorowości, jest to również najczęściej stosowana charakterystyka dla przedstawienia przeciętnego poziomu badanej cechy. Kolejnym etapem jest wyznaczenie odchylenia standardowego s(x). Odchylenie

141

standardowe wyznacza się jako pierwiastek kwadratowy z wariancji (dla populacji generalnej) 3, która jest średnią arytmetyczną z kwadratów odchyleń wartości cechy od wartości średniej.

, (2)

gdzie:

xi - wartość cechy w okresie i, dla i=1,2,…,n;

- średnia arytmetyczna;

N - liczebność populacji generalnej.

Odchylenie standardowe mierzy przeciętne zróżnicowanie wartości cechy wokół średniej arytmetycznej. Ostatnim elementem wymagającym obliczeń jest współczynnik rozproszenia zapotrzebowania ( ), który obliczamy za pomocą wzoru:

, (3)

gdzie:

- średnia arytmetyczna;

s(x) – odchylenie standardowe populacji.

Kolejne etapy postępowania to sortowanie od najmniejszego do największego oraz podział na grupy materiałowe. Przyjmuje się, następujący podział:

materiały grupy X Є [0%,10%] i są to produkty o dużej dokładności prognozowania,

materiały grupy Y Є [10%,25%] i są to produkty o średniej dokładności prognozowania,

materiały grupy Z Є [25%,∞] i są to produkty o małej dokładności prognozowania.

Należy pamiętać, iż podane wyżej przedziały są umownymi i w zależności od specyfiki przedsiębiorstwa lub branży można nimi swobodnie sterować. Zasada stosowania pozostaje jednak ta sama.

Po wyznaczeniu grup materiałowych możemy przyjąć odpowiednią strategię przy dokonywaniu zamówień konkretnych produktów. Analizując wyniki analizy XYZ oraz wcześniej przeprowadzonej analizy ABC w przedsiębiorstwie możemy przyjąć odpowiednie deterministyczne lub stochastyczne4 metody ustalania zapotrzebowania. Zestawiając odpowiednie zalecenia względem

3 Wariancję możemy również obliczyć dla małej próby jednak w przypadku, gdy będziemy rozważali jednoelementowy szereg czasowy nie otrzymamy odchylenia standardowego, gdyż jest ono obliczane dla populacji n-1, co będzie się wiązało z dzieleniem przez „0”.

4 Mówiąc o modelu deterministycznym mamy do czynienia z konkretnym stanem, opis modelu nie zawiera żadnych zmiennych losowych (możemy mówić o warunkach pewności). Modele stochastyczne to modele, które w swoim opisie zawierają jeden lub więcej elementów losowych. Mówimy wtedy, że mamy do czynienia z prognozowaniem w warunkach ryzyka lub niepewności. O takim prognozowaniu możemy mówić, gdy w ramach przeprowadzanej analizy mamy dany tylko jeden szereg czasowy.

142

grup materiałowych ABC i XYZ otrzymujemy dziewięć pól, które jednoznacznie wskazują drogę postępowania (Tabela 1).

Tabela 1 Zestawienie metod postępowania, zarządzania cyklem zaopatrzenia w odniesieniu do poszczególnych klas materiałowych. Tablica uwzględnia zalecenia względem wyników analizy ABC i XYZ.

Regularność zapotrzebowania

Wartość zapotrzebowania

Wysoka X Y

niska

Z

wysoka A

Deterministyczne metody ustalania wielkości

zapotrzebowania i realizacja zamówień uwzględniające

wybór odpowiedniego dostawcy

Działania pośrednie pomiędzy grupą materiałową XA i ZC

uwzględniające rodzaj produktu, specyfikę branży oraz

fazę cyklu życia produktu.

Stochastyczne metody ustalania zapotrzebowania

uzupełniającego i realizacja zadań zgodnie z

zapotrzebowaniem uwzględniające wybór

odpowiedniego dostawcy

B

Deterministyczne metody ustalania wielkości

zapotrzebowania i realizacja zadań zgodnie ze stanem oraz

zapotrzebowaniem

Stochastyczne metody ustalania wielkości zapotrzebowania i realizacja zadań zgodnie ze

stanem oraz zapotrzebowaniem

niska C

Deterministyczne metody ustalania zapotrzebowania,

realizacja zadań zaopatrzeniowych zgodnie z potrzebami, automatyczne

zamówienia u stałych dostawców

Stochastyczne metody ustalania zapotrzebowania, realizacja

zadań zaopatrzeniowych zgodnie z potrzebami,

automatyczne zamówienia u stałych dostawców

Źródło: Opracowanie własne na podstawie: Z. Korzeń, Logistyczne systemy transportu bliskiego i magazynowania, Tom II, Biblioteka Logistyka, ILiM, Poznań 1999, s. 259.

Konstrukcja arkusza

Przystępując do realizacji analizy XYZ należy najpierw odpowiednio przygotować dane wejściowe. Wygenerowane dane w postaci tabelarycznej, najczęściej z systemu księgowego lub WMS muszą zostać odpowiednio przygotowane, tak aby uniknąć błędów w toku obliczeń. Dane wyjściowe omawianego przykładu przedstawia rys. 1.

143

Rys. 1. Dane wejściowe analizowanego przykładu z oznaczeniem kodu produktu, opisem oraz historyczną sprzedażą za 2010 rok.Źródło: opracowanie własne.

Przy przetwarzaniu wygenerowanych wcześniej danych z innego systemu musimy usunąć zera z komórek, w których nie było sprzedaży. Najlepiej dokonać tego zaznaczając cała tablicę danych, z których chcemy usunąć zera i skorzystać z polecenia „Zamień”, którą znajdziemy w zakładce Edycja. W oknie polecenia „Zamień” wystarczy wpisać w linii „znajdź”: „0” a w „zamień” nie wpisujemy niczego. Usunięcie zer z tablicy danych wyjściowych spowoduje, iż przy obliczaniu średniej arytmetycznej nie będziemy liczyli pustych okresów. Jeżeli nasze dane wyjściowe przedstawione są ze znakami „-”, a może się tak zdarzyć, gdyż programy często rejestrują zejście ze stanu magazynowego musimy, korzystając z polecenia „Zamień” również je usunąć. Tak przygotowana tablica jest gotowa do dalszych obliczeń. Przygotowany arkusz należy nazwać np.: Dane.

Rozwiązanie problemu

Przystępując do rozwiązania należy w pierwszej kolejności przekopiować dane do nowego arkusza i nazwać, np.: Obliczenia. W ten sposób będziemy mieli pewność, że w przypadku źle wpisanej funkcji lub omyłkowo wykasowanej kolumnie będziemy mieli dane wejściowe w drugim arkuszu. Przystępując do obliczeń należy utworzyć cztery nowe kolumny. Pierwszą nazwać: średnia arytmetyczna, a kolejne odpowiednio: odchylenie standardowe, (współczynnik rozproszenia zapotrzebowania) oraz Grupy XYZ. Do tak przygotowanego arkusza w komórce P9 wstawiamy funkcję ŚREDNIA oraz zaznaczamy obszar analizowanych danych, w tym przypadku zakres komórek od (D9:09) – rys. 2.

144

Rys. 2. Średnia arytmetyczna w analizie XYZ.Źródło: opracowanie własne.

Po otrzymaniu wyniku w komórce P9 możemy zastosować daną funkcję w pozostałych komórkach w kolumnie P. Najszybciej można to wykonać przytrzymując krzyżyk pojawiający się w prawym dolnym narożniku komórki i przeciągając na żądane komórki.

Kolejny etap to obliczenie odchylenia standardowego. Arkusz kalkulacyjny zawiera 4 różne funkcje do obliczenia odchylenia standardowego. My wykorzystamy do obliczeń odchylenie standardowe populacji, które nawet w przypadku, gdy mamy jednoelementowy szereg czasowy pozwoli na wyznaczenie odchylenia standardowego. W przypadku małych prób, do których nie wątpliwie zalicza się również nasz szereg czasowy składający się z 12 elementów można stosować odchylenie standardowe dla małych prób. Wtedy jednak musimy pamiętać aby nie rozpatrywać jednoelementowych szeregów czasowych. W celu obliczenia odchylenia standardowego należy w komórce Q9 wstawić funkcję: ODCH.STANDARD.POPUL oraz zaznaczyć zakres komórek (D9:O9). Wyniki tej operacji zawiera rys. 3.

145

Rys. 3. Odchylenie standardowe populacji w analizie XYZ.Źródło: opracowanie własne.

W celu otrzymania odchylenia standardowego w komórkach kolumny Q należy przeciągnąć funkcję na żądany zakres komórek. Jak możemy zauważyć w komórce Q12 jako wynik odchylenia standardowego otrzymaliśmy „0”, a nie jak wcześniej wspomniano dzielenie przez zero.

Ostatnim etapem obliczeń jest ustalenia współczynnika rozproszenia zapotrzebowania dla poszczególnych produktów ( ). W tym celu należy obliczyć iloraz z odchylenia standardowego i średniej arytmetycznej. Wynik wyrażony jest w procentach i odzwierciedla zdolność jego prognozowania. W celu obliczenia ilorazu należy w komórce R9 wpisać następujące równanie: =Q9/P9. Równanie należy odpowiednio zaadaptować do pozostałych produktów. Wyniki powyższego działania przedstawia rys. 4, kolumna R.

Rys. 4. Współczynnik rozproszenia zapotrzebowania w analizie XYZ.Źródło: opracowanie własne.

Dysponując wskaźnikiem możemy przystąpić do drugiego kroku algorytmu analizy XYZ, sortowania danych. Dane należy przesortować od najmniejszego do największego. Przy wykonywaniu operacji należy pamiętać aby zaznaczyć odpowiedni zakres komórek, tak aby przesortować wszystkie

146

dane, włącznie z numerami kodów. W tym celu należy rozpocząć zaznaczanie obszaru sortowania od komórki R9 i zakończyć zaznaczanie na komórce B28. Skorzystać z opcji sortuj od A-Z - rys. 5.

Rys. 5. Sortowanie współczynnika rozproszenia w analizie XYZ.Źródło: opracowanie własne.

Ostatnim etapem analizy XYZ jest ustalenie podziału na grupy materiałowe. Podział ten będzie punktem wyjścia do przyjęcia odpowiedniej strategii zarządzania zapasami i zamówieniami. Podział na grupy można otrzymać automatycznie poprzez zastosowanie funkcji JEŻELI wraz z dodatkowymi funkcjami zagnieżdżonymi JEŻELI i ORAZ. W celu uzyskania większej przejrzystości wyników wprowadzono warunkowe formatowanie komórek. W celu uzyskania odpowiedniej klasyfikacji wprowadzono funkcję w komórce S9:=JEŻELI(R9=0%;"nieklasyfikowany";JEŻELI(ORAZ(R9>0%;R9<=10%);"X";JEŻELI(ORAZ(R9>10%;R9<=25%);"Y";"Z")))oraz skorzystano z opcji formatowania warunkowego komórek, które możemy znaleźć w menu Format na pasku zadań – rys. 6.

Rys. 6. Formatowanie warunkowe komórek.Źródło: opracowanie własne.

147

Wyniki powyższych operacji przedstawia rys. 7, W komórce S9 pojawiła się informacja „nieklasyfikowany” oznacza to, że mamy za mało danych aby analizować dany szereg czasowy. Dodatkowym ułatwieniem jest to, iż produkty te możemy bez problemu wyłączyć z dalszych obliczeń. Grupę tę możemy traktować jako grupę produktów obarczonych największym ryzykiem przy dokonaniu zamówienia. Możemy przeszacować zamówienie lub zamówić za mało i wtedy nie będziemy mogli zaspokoić popytu generowanego przez naszych odbiorców. Klasy X, Y i Z zostały podzielone zgodnie z podziałem przedstawionym we wstępie teoretycznym. Pamiętać należy, iż zaproponowane przedziały są umowne i można nimi sterować w zależności od specyfiki branży. Warto nadmienić, iż rozpatrując produkt „nieklasyfikowany” możemy posłużyć się trendem np. dla grupy asortymentowej.

Rys. 7. Podział na grupy materiałowe XYZ.Źródło: opracowanie własne.

Wyniki analizy XYZ można przedstawić graficznie. Na wykresie na osi odciętych odkładamy numer pozycji materiałowej, a na osi rzędnych współczynnik rozproszenia . Graficzne przedstawienie wyników pozwala na ogólny wgląd w sytuację, np. w celach sprawozdawczych przed Zarządem spółki. Zaznaczając kolorami wcześniej ustalone przedziały szybko przedstawimy podział na grupy materiałowe X, Y, Z. W celu ułatwienia graficznego odwzorowania wyników została wcześniej wprowadzona kolumna A – z liczba porządkową. Do tej pory nie była brana pod uwagę, przy interpretacji wyników pozwoli na szybkie określenie grup materiałowych, reszta została przesortowana.

Wyniki analizy nie pozwalają jednoznacznie odpowiedzieć na pytanie jaką decyzję podjąć przy zamawianiu nowej partii danego produktu. Zalecenia teoretyczne względem odpowiednich grup materiałowych, nawet po skonfrontowaniu z wynikami analizy ABC nie dają jednoznacznej odpowiedzi, są jedynie wskazówką do dalszych działań (patrz wstęp teoretyczny). W calu podjęcia decyzji możemy posłużyć się arkuszem kalkulacyjnym, który pozwalają w szybki sposób generować linię trendu na wcześniej przygotowanym wykresie zużycia/sprzedaży danego produktu. W celu wygenerowania szybkiego podglądu graficznego, należy przygotować nowy arkusz i nazwać go np.: Wykres. Nowy arkusz pozwoli, poprzez wpisanie jedynie kodu produktu na wygenerowanie podglądu zużycia/sprzedaży danego produktu i oraz określenie trendu długookresowego i krótkookresowego- rys. 8. Przed przystąpieniem do wypełnienia arkusza odpowiednimi funkcjami należy odpowiednio

148

przygotować kolumny. W celu utworzenia wykresu będą nam potrzebne odpowiednie dane wejściowe. W tym celu musimy pobrać je najlepiej z arkusza „Obliczenia”. Zakładamy, że w komórce D7 będziemy wpisywali odpowiedni kod produktu, dla którego podgląd zużycia/sprzedaży będziemy chcieli wizualizować.

Rys. 8. Przygotowanie arkusza: „Wykres”.Źródło: opracowanie własne.

W celu pobrania danych z innego arkusza, po wpisaniu tylko kodu produktu, musimy skorzystać z funkcji przeszukiwania zakresu danych. W tym celu skorzystamy z funkcji WYSZUKAJ.PIONOWO. W komórce A10 wstawiamy wyżej wymienioną funkcję oraz określamy jej parametry. W pierwszej kolejności „szukana_wartość” tutaj należy wpisać bezwzględne odwołanie do komórki D7 ($D$7). Następnie musimy dokonać wyboru zakresu danych, które mają być przeszukiwane i odpowiednio zwracane: „tablica_tablica” w tym celu należy przejść do arkusza obliczenia i zaznaczyć żądany obszar, w naszym przypadku będzie to obszar B9:O28. Kolejnym krokiem jest określenie: „numer_indeksu_kolumny” w tym miejscu musimy wpisać numer kolumny, która ma być przeszukiwana jako pierwsza wpisujemy „1”, dalej zostaniemy zapytani o: „przeszukiwany_zakres” tutej w celu bezwzględnego odwołania do wartości kolumny pierwszej decydującej o wyborze wiersza wpisujemy „FAŁSZ”. Cała funkcja powinna wyglądać następująco: =WYSZUKAJ.PIONOWO($D$7;Obliczenia!$B$9:$O$28;1;FAŁSZ). W celu otrzymania danych w kolejnych kolumnach B do N należy zmieniać tylko „numer_indeksu_kolumny” na kolejny. W wierszu 11 została utworzona dodatkowa tablica. W zakresie danych od komórki C11 do K11 jest ona pusta, a komórki L11 do N11 to odwzorowanie wartości odpowiednio komórek z zakresu L10 do N10. Po wpisaniu dowolnego kodu produktu tablica powinna zostać automatycznie wypełniona danymi – rys. 9.

Rys. 9. Arkusz wykres automatycznie wypełniony danymi.Źródło: opracowanie własne.

W tak przygotowanym arkuszu możemy utworzyć wykres liniowy. W celu utworzenia wykresu najlepiej posłużyć się seriami danych. Dla osi OX zaznaczamy zakres danych od komórki C9 do komórki N9, a jako wartości funkcji zaznaczmy komórki C10:N10. Druga seria danych, przy

149

niezmienionym zakresie OX to wartości komórek C11:N11. Na tak utworzonym wykresie dla każdej z funkcji dodajemy linię trendu. Należy pamiętać, iż mamy możliwość generowania prognozy dla linii trendu na okresy przyszłe, w tym celu musimy edytować właściwości linii trendu. Rys. 10 przedstawia gotowy wykres wraz z określonymi liniami trendu.

Rys. 10. Wykres zużycia/sprzedaży danego produktu wraz z liniami trendu.Źródło: opracowanie własne.

Zastosowanie długookresowej i krótkookresowej linii trendu pozwala zaobserwować czy istnieje realna szansa w długim okresie na wzrost sprzedaży, a w krótkim okresie na podjęcie decyzji dotyczących zamówień danego produktu oraz określenia poziomu zapasów na magazynie. W analizowanym przypadku, możemy odczytać z wykresu, że zamówienie powinniśmy utrzymać na stałym poziomie, jednak dążyć do minimalizowania zapasów na magazynie, gdyż nie wiemy czy faza spadku zapotrzebowania na dany produkt w krótkim okresie nie jest pierwszym znakiem braku zainteresowania ze strony klientów danym produktem czy oznaką wejścia produktu w fazę spadku sprzedaży w cyklu życia produktu.

Zrób to sam

1. Dla podanych danych w tabeli 2 przeprowadź analizę XYZ mając na uwadze wcześniejsze przygotowanie danych.

150

2. Czy dysponując danymi za okres XI.2010 oraz wcześniejszymi dla kodu 112 moglibyśmy skorzystać z obliczenia odchylenia standardowego dla małych prób?

KOD NAZWA

Dane historyczne sprzedaży

I.2010 II.2010 III.2010 IV.2010 V.2010 VI.2010 VII.2010 VIII.2010 IX.2010 X.2010 XI.2010 XII.2010

100 Włącznik pojedynczy -133 -11 -1 923 -16 -425 -515 -364 -146 -223 0 -2 -1

101 Włącznik podwójny 0 0 0 0 0 0 0 0 0 0 -684 -633

102Włącznik pojedynczy schodowy -162 -633 -31 -133 -176 -169 -14 -1 664 -14 -5 -15 -151

103Włącznik podwójny schodowy -42

-1 378 -91 -92 -24 -5 -27 -474 -344 -97 -42 -119

104 Gniazdko pojedyncze 0 0 0 0 0 0 -1 495 -1 624 -1 754 -1 689 -1 684 -1 679

105 Gniazdko podwójne -837 -624 -284 -95 -154 -212 -86 -139 -14 -398 -12 -2

106Gniazdko pojedyncze z przesłonami styków -853 -861 -95 -122 -13 -38 -47 -6 -231 -32 -15 -143

107Gniazdko podwójne z przesłonami styków 0 0 0 0 0 -15 -14 -11 -20 -21 -9 -18

108 Ramka 1-krotna -26 -911 -477 -143 -158 -291 -81 -15 -124 -21 -14 -45

109 Ramka 2-krotna -2 -774 -252 -159 -189 -666 -324 -266 -212 -31 -323 -16

110 Ramka 3-krotna -465 -279 -6 -41 -5 -233 -35 -19 0 -4 -4 -4

111 Ramka 4-krotna 0 0 0 0 0 0 -1 389 -623 -485 -425 -618 -388

112 Ramka 5-krotna 0 0 0 0 0 0 0 0 0 0 0 -19

113 Gniazdko TV/SAT -165 -119 -176 -146 -148 -136 -147 -164 -125 -114 -142 -139

114 Gniazdko telefoniczne  0 0  0  0   0  0 -1 428 -842 -369 -228 -745 -296

115 Gniazdko komputerowe -119 -118 -215 -123 -127 -111 -114 -148 -123 -120 -152 -119

116 Gniazdko tel./komp. 0-2

359 -684 -55 -17 -47 -9 -36 -4 -72 -163 -34

117 Włącznik dzwonkowy 0-1

829 -11 -32 -155 -95 -39 -418 -81 -34 -11 -79

118 Klawisz pojedynczy -31 -32 -25 -29 -239 -38 -36 -27 -24 -29 -31 -35

119 Łącznik rolet 0 0 0 0 -1 -2 -8 -2 -3 -1 -4 -5

Literatura

Korzeń Z., Logistyczne systemy transportu bliskiego i magazynowania, Tom II, Biblioteka Logistyka, ILiM, Poznań 1999.

Mantura W. (red.), Marketing przedsiębiorstw przemysłowych, Wydawnictwo Politechniki Poznańskiej, Poznań 2000.

151