Dự báo trong quản trị sản xuất

Dự báo trong quản trị sản xuất

Chương 2

DỰ BÁO TRONG QUẢN TRỊ SẢN XUẤT

2.1 Khái niệm

2.1.1 Khái niệm dự báo

Trong quá trình hoạt động sản xuất kinh doanh, các nhà quản trị thường xuyên phải đưa ra các quyết định liên quan đến những sự việc sẽ xảy ra trong tương lai Để giúp các quyết định này có độ tin cậy cao, giảm thiểu mức độ rủi ro, người ta đã đưa ra kỹ thuật dự báo Vì vậy kỹ thuật dự báo là hết sức quan trọng và cần thiết cho các doanh nghiệp, đặc biệt là ngày nay các doanh nghiệp lại hoạt động trong môi trường của nền kinh tế thị trường mà ở đó luôn diễn ra những sự cạnh tranh gay gắt giữa các doanh nghiệp với nhau

Vậy dự báo là gì? Chúng ta có thể hiểu dự báo qua khái niệm dự báo như sau

Dự báo là khoa học và nghệ thuật nhằm tiên đoán trước các hiện tượng và sự việc sẽ xảy ra trong tương lai được căn cứ vào các tài liệu như sau:

 Các dãy số liệu của các thời kỳ quá khứ;

 Căn cứ vào kết quả phân tích các nhân tố ảnh hưởng đối với kết quả dự báo;

 Căn cứ vào các kinh nghiệm thực tế đã được đúc kết

Như vậy, tính khoa học ở đây thể hiện ở chỗ:

 Căn cứ vào dãy số liệu của các thời kỳ quá khứ;

 Căn cứ vào kết quả phân tích các nhân tố ảnh hưởng đối với kết quả dự báo

Tính nghệ thuật được thể hiện: Căn cứ vào các kinh nghiệm thực tế và từ nghệ thuật

phán đoán của các chuyên gia, được kết hợp với kết quả dự báo, để có được các quyết định với độ chính xác và tin cậy cao

2.1.2 Cơ sở của một dự báo tốt

Một dự báo được chuẩn bị một cách thích đáng phải đáp ứng một số yêu cầu:

(1) Dự báo cần phải đúng lúc (timely);

(2) Dự báo cần phải xác đáng (accurate) và mức độ chính xác cần phải được nói

rõ Điều này sẽ cho phép những người sử dụng dự kiến những sai số có thể và sẽ đưa ra một cơ sở để so sánh những dự báo để lựa chọn;

(3) Dự báo cần phải chắn chắn (reliable); nó cần phải được thực hiện một cách

nhất quán Một kỹ thuật mà lúc thì cho một kết quả dự báo tốt lúc thì cho một kết quả dự báo tồi sẽ làm cho những người sử dụng có cảm giác lo lắng mỗi khi một

dự báo mới được đưa ra;

(4) Dự báo cần phải được diễn đạt bằng những đơn vị (để tính toán) có ý nghĩa (meaningful units) Những người hoạch định tài chính cần biết sẽ cần bao nhiêu

tiền, những người hoạch định sản xuất cần biết sẽ cần bao nhiêu đơn vị, và những người lập trình cần biết những máy móc và những kỹ năng nào được yêu cầu Sự lựa chọn đơn vị tuỳ thuộc vào nhu cầu của người sử dụng;

(5) Dự báo cần phải bằng văn bản (in writing);

(6) Dự báo cần phải dễ hiểu và dễ sử dụng (simple to understand and use)

2.1.3 Các loại dự báo

Dự báo được phân chia theo nhiều cách khác nhau Trong đó có 2 cách phân loại cơ bản căn cứ vào thời gian và lĩnh vực dự báo

a) Căn cứ vào thời gian dự báo:

 Dự báo dài hạn: Khoảng thời gian từ 3 năm trở lên Dự báo dài hạn được ứng dụng

cho lập kế hoạch sản xuất sản phẩm mới, kế hoạch nghiên cứu và ứng dụng công nghệ mới, định vị doanh nghiệp hay mở rộng doanh nghiệp

 Dự báo trung hạn: Khoảng thời gian dự báo thường là từ 3 tháng đến 3 năm Nó cần

cho việc lập kế hoạch sản xuất, kế hoạch bán hàng, dự thảo ngân sách, kế hoạch tiền mặt, huy động các nguồn lực và tổ chức hoạt động tác nghiệp

 Dự báo ngắn hạn: Khoảng thời gian dự báo có thể đến một năm, nhưng thường là ít

hơn ba tháng Loại dự báo này thường được dùng trong kế hoạch mua hàng, điều độ công việc, cân bằng nhân lực, phân chia công việc

Dự báo trung hạn và dài hạn có ba đặc trưng khác với dự báo ngắn hạn:

Thứ nhất, dự báo trung hạn và dài hạn phải giải quyết nhiều vấn đề có tính toàn diện

và yểm trợ cho các quyết định quản lý thuộc về hoạch định kế hoạch sản xuất sản phẩm và quá trình công nghệ

Thứ hai, dự báo ngắn hạn thường dùng nhiều loại phương pháp luận hơn là dự báo

dài hạn Đối với các dự báo ngắn hạn người ta dùng phổ biến các kỹ thuật toán học như bình quân di động, san bằng mũ và hồi quy theo xu hướng Nói cách khác thì các phương pháp ít định lượng được dùng để tiên đoán các vấn đề lớn toàn diện như có cần đưa một sản phẩm mới nào đó vào danh sách các chủng loại mặt hàng của công ty không

Thứ ba, dự báo ngắn hạn có khuynh hướng chính xác hơn dự báo dài hạn Vì các

yếu tố ảnh hưởng đến nhu cầu thay đổi hàng ngày, nếu kéo dài thời gian dự báo ra thì

độ chính xác có khả năng giảm đi Do vậy, cần phải thường xuyên cập nhật và hoàn thiện các phương pháp dự báo

Căn cứ vào thời

gian dự báo

Dự báo dài hạn

> 3 năm

Dự báo trung hạn

> 3 tháng - 3 năm

Dự báo ngắn hạn

< 3 tháng

b) Căn cứ vào lĩnh vực dự báo:

 Dự báo kinh tế: là dự báo các hiện tượng kinh tế như:

 Tốc độ tăng trưởng kinh tế

 Tỷ lệ lạm phát

 Giá cả

 Trữ lượng tài nguyên…

 Dự báo công nghệ và kỹ thuật sản xuất: là dự báo các vấn đề liên quan đến

công nghệ và kỹ thuật sản xuất như:

 Năng lượng mới

 Nguyên liệu mới

 Phương pháp công nghệ mới

 Máy móc thiết bị mới…

 Dự báo nhu cầu: là dự báo nhu cầu sản xuất như:

 Nhu cầu số lượng sản phẩm

 Nhu cầu nguyên vật liệu

 Nhu cầu máy móc thiết bị…

Lĩnh vực dự báo mà chúng ta nghiên cứu trong chương này, nếu phân loại theo thời gian thì gọi là dự báo ngắn hạn, nếu phân theo lĩnh vực thì gọi là dự báo nhu cầu

2.2 Trình tự tiến trình dự báo

Dù là dùng phương pháp nào, để tiến hành dự báo ta triển khai theo các bước như sau:

Bước 1: Xác định mục tiêu của dự báo;

Bước 2: Xác định độ dài thời gian dự báo (ngắn hạn, trung hạn hay dài hạn); Bước 3: Lựa chọn phương pháp dự báo;

Bước 4: Lựa chọn đối tượng để thu thập thông tin;

Bước 5: Thu thập thông tin dự báo bằng bảng câu hỏi, phỏng vấn trực tiếp hoặc

thông qua đội ngũ cộng tác viên marketing;

Bước 6: Xử lý thông tin;

Bước 7: Xác định xu hướng dự báo (Xu hướng tuyến tính, xu hướng chu kỳ, xu

hướng thời vụ hay xu hướng ngẫu nhiên);

Bước 8: Phân tích, tính toán, ra quyết định về kết quả dự báo

Nếu việc dự báo được tiến hành một cách đều đặn trong thời gian dài, thì các dữ liệu sẽ được thu thập thường xuyên và việc tính toán dự báo được tiến hành một cách

tự động, thường là được thực hiện trên máy tính điện toán

Căn cứ vào lĩnh

vực dự báo

Dự báo kinh tế

Dự báo công nghệ

Dự báo nhu cầu

2.3 Các phương pháp dự báo

Có hai cách tiếp cận dự báo chính và cũng là hai con đường đề cập đến cách lập mô

hình dự báo Một là phân tích định tính dựa vào suy đoán cảm nhận Phương pháp này

phụ thuộc nhiều vào trực giác, kinh nghiệm và sự nhạy cảm của nhà quản trị để dự

báo Hai là phương pháp dự báo theo phân tích định lượng dựa chủ yếu vào các mô

hình toán học trên cơ sở những dữ liệu, tài liệu đã qua thống kê

2.3.1 Phương pháp dự báo định tính

a) Phương pháp lấy ý kiến của ban quản lý điều hành

Đây là phương pháp được sử dụng khá rộng rãi Theo phương pháp này, một nhóm nhỏ các cán bộ quản lý điều hành cao cấp sử dụng tổng hợp các số liệu thống kê phối hợp với các kết quả đánh giá của cán bộ điều hành marketing, kỹ thuật, tài chính và sản xuất để đưa ra những con số dự báo về nhu cầu sản phẩm trong thời gian tới Phương pháp này sử dụng được trí tuệ và kinh nghiệm của những cán bộ trực tiếp liên quan đến hoạt động thực tiễn Phương pháp này có ưu điểm là nhanh và dễ (chỉ cần tập hợp các chuyên gia)

Tuy nhiên, các quyết định được nhất trí này cũng có những thiếu sót:

 Thứ nhất là dự báo chỉ là sự tiên đoán của cá nhân, mang tính chủ quan;

 Thứ hai là quan điểm của người có quyền lực, có địa vị cao thường gây ảnh

hưởng lớn đến các cán bộ điều hành khác

b) Phương pháp lấy ý kiến hỗn hợp của lực lượng bán hàng

Do những nhân viên bán hàng là những người thường hiểu rõ nhu cầu và thị hiếu của người tiêu dùng Vì thế họ có thể dự đoán được lượng hàng có thể bán được trong thời gian tới tại khu vực mình bán hàng

Nếu chúng ta tập hợp ý kiến của các nhân viên bán hàng ở các khu vực khác nhau,

ta sẽ có được lượng dự báo tổng hợp về nhu cầu đối với loại sản phẩm cần dự báo Phương pháp này có ưu, nhược điểm như sau:

 Ưu điểm: Sát với nhu cầu của khách hàng

 Nhược điểm: Phụ thuộc vào đánh giá chủ quan của nhân viên bán hàng Thường

có hai xu hướng:

 Xu hướng lạc quan quá (Đánh giá cao chất lượng hàng bán ra của mình);

 Xu hướng bi quan quá (Muốn giảm nguồn hàng xuống để dễ đạt được định mức)

c) Phương pháp nghiên cứu thị trường người tiêu dùng

Phương pháp này sẽ thu thập nguồn thông tin từ đối tượng người tiêu dùng về nhu cầu hiện tại cũng như tương lai Cuộc điều tra nhu cầu được thực hiện bởi những nhân viên bán hàng hoặc nhân viên nghiên cứu thị trường Họ thu thập ý kiến khách hàng thông qua phiếu điều tra, phỏng vấn trực tiếp hay điện thoại Cách tiếp cận này không những giúp cho doanh nghiệp về dự báo nhu cầu mà cả trong việc cải tiến thiết kế sản phẩm Phương pháp này mất nhiều thời gian, việc chuẩn bị phức tạp, khó khăn và tốn kém, có thể không chính xác trong các câu trả lời của người tiêu dùng

d) Phương pháp Delphi

Phương pháp này thu thập ý kiến của các chuyên gia trong hoặc ngoài doanh nghiệp theo những mẫu câu hỏi được in sẵn và được thực hiện như sau:

 Mỗi chuyên gia được phát một thư yêu cầu trả lời một số câu hỏi phục vụ cho việc dự báo;

 Nhân viên dự báo tập hợp các câu trả lời, sắp xếp chọn lọc và tóm tắt lại các ý kiến của các chuyên gia;

 Dựa vào bảng tóm tắt này nhân viên dự báo lại tiếp tục nêu ra các câu hỏi để các chuyên gia trả lời tiếp;

 Tập hợp các ý kiến mới của các chuyên gia Nếu chưa thỏa mãn thì tiếp tục quá trình nêu trên cho đến khi đạt yêu cầu dự báo

Ưu điểm của phương pháp này là tránh được các liên hệ cá nhân với nhau, không xảy ra va chạm giữa các chuyên gia và họ không bị ảnh hưởng bởi ý kiến của một người nào đó có ưu thế trong số người được hỏi ý kiến

2.3.2 Phương pháp dự báo định lượng

Phương pháp dự báo định lượng bao gồm các mô hình dự báo theo chuỗi thời gian

và hàm số nhân quả Dựa vào các số liệu thống kê và thông qua các công thức toán học được thiết lập để dự báo nhu cầu tương lai Ở đây mối quan hệ giữa thời gian và nhu cầu hoặc giữa các biến số với nhu cầu được thiết lập bằng những mô hình toán tính hợp

Dù là phương pháp nào thì dự báo định lượng cũng phải được thực hiện theo 8 bước sau đây:

 Xác định mục tiêu của dự báo;

 Chọn lựa những loại sản phẩm cần dự báo;

 Xác định độ dài thời gian dự báo;

 Chọn mô hình dự báo;

 Phê chuẩn;

 Thu thập dữ liệu cần thiết cho dự báo;

 Tiến hành dự báo;

 Áp dụng kết quả dự báo

Các bước trên đây được tiến hành một cách có hệ thống và thống nhất từ khi tìm hiểu, thiết kế đến áp dụng hệ thống dự báo Nếu hệ thống dự báo được sử dụng đều đặn trong một thời gian dài thì khi thu thập dữ liệu và dự báo có thể bỏ qua bước này hay bước khác để đơn giản hóa trong tính toán

Sau đây là một số mô hình dự báo định lượng:

a) Phương pháp tiếp cận giản đơn

Ở phương pháp này, người ta dự báo nhu cầu của thời kỳ sau (n) bằng với số thực tế của thời kỳ trước đó (n - 1)

Ví dụ 2.1: Sản lượng của doanh nghiệp nước mắm Liên Thành vào tháng 04/2011

là 10 ngàn lít, nếu áp dụng phương pháp tiếp cận giản đơn để dự báo cho tháng 05/2011 thì ta sẽ lấy đúng bằng sản lượng bán được của tháng 04/2011 là 10 ngàn lít

 Ưu điểm: Dự báo nhanh chóng, đơn giản

 Nhược điểm:

 Áp đặt thời kỳ trước cho thời kỳ sau, do đó thiếu chính xác;

 Không nghiên cứu được sự biến động của thị trường trong từng thời kỳ, do đó không thấy được sự biến động của thị trường

 Phạm vi áp dụng: Xí nghiệp quy mô nhỏ

b) Phương pháp bình quân di động giản đơn

Theo phương pháp này, kết quả dự báo của thời kỳ sau bằng số bình quân của từng thời gian ngắn có khoảng cách đều nhau của những thời kỳ trước đó

Ta có công thức tính dự báo theo phương pháp này như sau:

Trong đó:

Ft: Dự báo bình quân di động cho thời kỳ t;

Di: Nhu cầu thực tế cho thời kỳ i (ngày, tuần, tháng, quý, năm);

n: Số thời kỳ nhu cầu được đưa vào số trung bình tính toán

Ví dụ 2.2: Cuối mỗi tuần người chủ cửa hàng tạp phẩm Meersburg muốn dự báo

mức cầu bánh mì tại cửa hàng của ông ta trong tuần tới Doanh số hàng tuần trong 9 tuần vừa qua được cho như sau:

Doanh số thực tế

(số ổ bánh mì) 110 102 108 121 112 105 114 106 115

Dự báo sử dụng bình quân di động giản đơn với n = 3

67 , 106 3

108 102 110 3

3 D 2 D 1 D 4

Tương tự tính được F5 = 110,33; F6 = 113,67; F7 = 112,67; F8 = 110,33; F9 = 108,33;

F10 = 111,667; F11 = 111,667

Phương pháp này có những ưu nhược điểm như sau:

 Ưu điểm: Đơn giản, dễ hiểu, san bằng được các biến động ngẫu nhiên trong dãy

số thời gian

 Nhược điểm:

 Hoàn toàn dựa vào số liệu quá khứ;

 Cần nhiều số liệu quá khứ;

 Chưa đánh giá được tầm quan trọng khác nhau của các số liệu ở các thời kỳ khác nhau

(2.1)

n

D F

1 t

n

t







 

3 3 D 2 D 1 D 4

3 4 D 3 D 2

D 5

 Phạm vi áp dụng: Dãy số liệu trong quá khứ phải ổn định (không biến động)

c) Phương pháp bình quân di động có trọng số

Trong trường hợp khi nhu cầu có sự biến động, trong đó thời gian gần nhất có ảnh hưởng nhiều nhất đến kết quả dự báo, thời gian càng xa thì ảnh hưởng càng nhỏ, ta dùng phương pháp bình quân di động có trọng số sẽ thích hợp hơn

Phương pháp bình quân di động có trọng số được tính theo công thức sau:

Trong đó:

Ft: Dự báo bình quân di động thời kỳ t;

Di: Nhu cầu thực tế cho thời kỳ i;

Wi: Giá trị của trọng số gán cho dữ liệu ở thời kỳ i;

n: Số thời kỳ nhu cầu được đưa vào số trung bình tính toán

Ví dụ 2.3: Cửa hàng tạp hóa Meersburg quyết định áp dụng mô hình dự báo theo

bình quân di động 4 tuần có trọng số với các trọng số cho các tuần như sau:

Giai đoạn Trọng số áp dụng

Tuần vừa qua

2 tuần trước đó

3 tuần trước đó

4 tuần trước đó

4

3

2

1

Tổng trọng số 10

Kết quả dự báo theo mô hình này được thể hiện trong bảng 2.1 như sau:

Bảng 2.1: Tổng hợp kết quả dự báo theo phương pháp bình quân di động 4

thời kỳ có trọng số

Tuần

t

Doanh số thực tế (Số ổ bánh mì)

D i

Dự báo (Số ổ bánh mì)

F t

1

2

3

4

5

6

7

8

9

10

110

102

108

121

112

105

114

106

115

-

-

-

- (4x121+3x108+2x102+1x110)/10 =112,2 (4x112+3x121+2x108+1x102)/10 =112,9 (4x105+3x112+2x121+1x108)/10 =110,6 (4x114+3x105+2x112+1x121)/10 =111,6 (4x106+3x114+2x105+1x112)/10 =108,8 (4x115+3x106+2x114+1x105)/10 =111,1

















n t

i

1 t

n t i

i i

t

W

W D

F

x

(2.2)

Trong mô hình trên, tính chính xác của dự báo phụ thuộc vào khả năng xác định trọng số có hợp lý hay không?

Các phương pháp bình quân đã trình bày ở trên có những đặc điểm sau:

 Khi số quan sát n (số giai đoạn quan sát) tăng lên, khả năng san bằng các dao động tốt hơn, nhưng kết quả dự báo ít nhạy cảm hơn với những biến động thực

tế của nhu cầu;

 Dự báo thường không bắt kịp nhu cầu, không bắt kịp xu hướng thay đổi nhu cầu;

 Đòi hỏi phải ghi chép số liệu đã qua rất chính xác và phải đủ lớn mới có kết quả

dự báo đúng

d) Phương pháp san bằng mũ giản đơn

Để khắc phục những hạn chế của các phương pháp trên, người ta đề xuất sử dụng phương pháp san bằng mũ để dự báo Đây là phương pháp dễ sử dụng nhất Nó cần ít

số liệu trong quá khứ Công thức cơ bản của san bằng mũ có thể diễn tả như sau:

Hoặc

Với 0 ≤  ≤ 1 Trong đó:

Ft : Dự báo nhu cầu cho thời kỳ t;

Ft-1: Dự báo của thời kỳ ngay trước đó;

Dt-1: Nhu cầu thực tế của thời kỳ ngay trước đó;

 : Hệ số san bằng mũ

Thực chất là dự báo mới bằng dự báo cũ cộng với khoản chênh lệch giữa nhu cầu thực tế và dự báo của giai đoạn đã qua, có điều chỉnh cho phù hợp

Ví dụ 2.4: Vẫn với số liệu như trong ví dụ 2.2 bây giờ ta sử dụng phương pháp san

bằng mũ để dự báo

Để phương pháp này được bắt đầu, chúng ta hãy giả định dự báo cho thời kỳ 1 là

110, hệ số san bằng mũ  = 0,2

Áp dụng công thức 2.3 ta có kết quả dự báo như bảng 2.2 sau:



(2.3)

1    



 t t t

Bảng 2.2: Tổng hợp kết quả dự báo theo phương pháp san bằng mũ giản đơn

Tuần

t

Doanh số thực tế

(Số ổ bánh mì)

D t

Dự báo

(Số ổ bánh mì)

F t

1

2

3

4

5

6

7

8

9

10

110

102

108

121

112

105

114

106

115

110 (giả định) 0,2(110) + (1-0,2)110 = 110,0 0,2(102) + (1-0,2)110,0 = 108,4 0,2(108) + (1-0,2)108,4 = 108,3 0,2(121) + (1-0,2)108,3 = 110,8 0,2(112) + (1-0,2)110,8 = 111,0 0,2(105) + (1-0,2)111,0 = 109,8 0,2(114) + (1-0,2)109,8 = 110,6 0,2(106) + (1-0,2)110,6 = 109,7 0,2(115) + (1-0,2)109,7 = 110,8

Vì mô hình san bằng mũ rất đơn giản nên được sử dụng khá rộng rãi trong các công

ty Tuy nhiên, việc chọn hệ số san bằng mũ  sao cho thích hợp để đạt được một dự báo chính xác là một vấn đề quan trọng Để chọn được hệ số  hợp lý cũng như để đánh giá mức độ chính xác của dự báo, ta so sánh giữa kết quả dự báo với nhu cầu thực tế Sai số của dự báo được tính theo công thức 2.4 như sau:

Sai số dự báo (AD) = Nhu cầu thực tế (Dt ) – Dự báo (Ft) (2.4)

Ngoài ra, để đánh giá mức sai lệch tổng thể của dự báo người ta còn dùng độ lệch tuyệt đối trung bình MAD (Mean Absolute Deviation) Độ lệch tuyệt đối trung bình MAD được tính theo công thức 2.5 như sau:

n

F D MAD

n

i

i i







 1

MAD càng nhỏ thì trị số  càng hợp lý, vì nó cho kết quả dự báo càng ít sai

Ví dụ 2.5: Trong 8 quý qua, Cảng Vũng Tàu đã bốc dỡ một số lớn gạo từ tàu lên bờ

Số lượng bốc dỡ cảng đã thực hiện trong quý 1 là 180 tấn, nhưng con số dự báo cùng với quý này là 175 tấn Hãy chọn một trong hai giá trị  = 0,1 và  = 0,5 để xem giá trị nào thích hợp hơn

Ở đây ta cần tính độ lệch tuyệt đối AD và độ lệch tuyệt đối bình quân MAD theo từng hệ số  Như vậy, hệ số nào cho MAD bé hơn sẽ được chọn

Kết quả tính toán được thể hiện trong bảng 2.3 như sau:

(2.5)

Bảng 2.3: Tổng hợp kết quả dự báo và độ lệch tuyệt đối giữa dự báo và thực tế

Với  = 0,1 Với  = 0,5

Quý Lượng bốc dỡ

thực tế (tấn) Lượng

dự báo AD

Lượng

dự báo AD

3 159 174,75 15,75 172,75 13,75

5 190 173,36 16,64 170,44 19,56

6 205 175,02 29,98 180,22 24,78

Như vậy, ta có MAD ứng với 2 giá trị  như sau:

  = 0,1 : 10 , 31

8

46 , 82





MAD

  = 0,5 : 12 , 33

8

63 , 98





MAD

Vậy  = 0,1 cho kết quả dự báo chính xác hơn so với  = 0,5 (vì MAD nhỏ hơn)

Do đó, ta dùng  = 0,1 để dự báo cho quý 9 tiếp theo

F 9 = 178,22 + 0,1(182 – 178,22) = 178,60 tấn

e) Phương pháp san bằng mũ bậc 2

Phương pháp san bằng mũ giản đơn không phản ánh rõ xu hướng biến động Để phản ánh tốt hơn xu hướng vận động của nhu cầu, ta vẫn sử dụng mô hình san bằng

mũ giản đơn ở trên và điều chỉnh tăng lên hoặc giảm đi theo xu hướng của nhu cầu cho phù hợp hơn

Phương pháp này được tiến hành theo ba bước sau:

 Bước 1: Tính nhu cầu dự báo cho thời kỳ t (Theo phương pháp san bằng mũ

giản đơn – công thức 2.3)

 Bước 2: Tính đại lượng định hướng của thời kỳ t

 1 

Trong đó:

Tt : Đại lượng hiệu chỉnh xu hướng của thời kỳ t;

Tt-1: Đại lượng hiệu chỉnh xu hướng của thời kỳ (t-1);

 : Hệ số điều chỉnh xu hướng (0 <  < 1);

Ft : Dự báo nhu cầu cho thời kỳ t;

Ft-1: Dự báo của thời kỳ ngay trước đó

(2.6)