chuong 2-du bao potx

Các phương pháp dự báo định tính 1.1 Lấy ý kiến của lực lượng bán hàng Người bán hàng được yêu cầu đưa ra dự báo về lượng hàng sẽ bán trong tương lai trên địa bàn mình phụ trách, sau

ChươNg II

Dự báo nhu cầu sản phẩm

I MỘT SỐ VẤN ĐỀ CHUNG VỀ DỰ BÁO

II MỘT SỐ PHƯƠNG PHÁP DỰ BÁO

III GIÁM SÁT VÀ KIỂM SOÁT DỰ BÁO

2 Đặc điểm của dự báo (4)

- Khi tiến hành dự báo cần chấp nhận giả thiết: hệ thống các yếu tố ảnh hưởng đến giá trị của đại lượng dự báo

trong quá khứ sẽ tiếp tục có ảnh hưởng trong tương lai

- Không có dự báo nào hoàn hảo ( Ko chính xác 100%)

- Dự báo dựa trên việc khảo sát nhóm đối tượng càng

rộng, càng đa dạng thì càng có nhiều khả năng cho kết

quả chính xác

- Độ chính xác của dự báo tỉ lệ nghịch với khoảng thời

gian dự báo (tầm xa dự bỏo càng lớn thỡ mức độ chớnh

xỏc càng thấp

- Dự báo ngắn hạn

Tầm dự báo ngắn, dưới 1 năm

(tuần, tháng, quí)

3 Phân loại

* Căn cứ vào thời gian dự bỏo (3)

 Để lập kế hoạch mua hàng, điều độ, phân chia

công việc, cân bằng nhân lực

- Dự báo trung hạn

Tầm dự báo khoảng 1 đến dưới 3 năm

* Căn cứ vào thời gian dự bỏo

Để xây dựng kế hoạch chỉ đạo sản xuất, dự trữ

nguyên vật liệu, lập kế hoạch bán hàng, dự thảo ngân

sách, huy động các nguồn lực và tổ chức các hoạt động

tác nghiệp

- Dự báo dài hạn

Tầm dự báo từ 3 năm trở lên

* Căn cứ vào thời gian dự bỏo

• Thường sự dụng khi cần quyết định đầu tư lớn, sản

• Để xây dựng chiến lược sản xuất, lập kế hoạch sản

xuất sản phẩm mới, đổi mới dây chuyền công nghệ

* Căn cứ vào đối tượng dự báo (3)

- Dự báo về công nghệ

Ước lượng nhịp độ của công nghệ và mỗi DN quan

tâm đến mỗi lĩnh vực công nghệ khác nhau

Được thực hiện tốt nhất bởi các chuyên gia trong

từng lĩnh vực cụ thể

⇒

- Dự báo về các điều kiện kinh doanh

Đưa ra những nhận định, những tiên đoán về điều

kiện kinh doanh trong tương lai

Để Dn quyết định hướng phát triển sản xuất kinh

doanh cũng như mở rộng qui mô kinh doanh

* Căn cứ vào đối tượng dự báo (3)

⇒

- Dự báo về nhu cầu sản phẩm

Ước lượng mức cầu dự kiến đối với sản phẩm và dịch

vụ của Dn trong 1 khoảng thời gian nào đó trong

tương lai

Giúp Dn đưa ra quyết định sản xuất trong tương lai

⇒

Thuộc đối tượng nghiên cứu của chương này

* Căn cứ vào đối tượng dự báo (3)

4 Các nhân tố ảnh hưởng đến nhu cầu (6)

* Chu kỳ kinh doanh

- Thử nghiệm và giới thiệu

- Cầu tăng nhanh chóng

* Các nhân tố thuộc về bản thân DN

Thể hiện ở sự phù hợp về chất lượng và giá cả Sp với

5 Các bước của quá trình hình thành dự báo

Bước1: Xác định mục đích dự báo (làm gì?, cho ai,

mức độ chi tiết?, yêu cầu về sai số?)

Bước 2: Xác định khoảng thời gian dự báo

* Nhúm II: Phương pháp dự báo định lượng

Dựa vào các mô hình toán học trên cơ sở những số

liệu thống kê trong quá khứ

II Cỏc phương phỏp dự bỏo

* Nhúm I: Phương pháp dự báo định tính

Dựa vào kinh nghiệm và sự nhạy cảm của nhà quản trị

để dự báo

1 Các phương pháp dự báo định tính

1.1 Lấy ý kiến của lực lượng bán hàng

Người bán hàng được yêu cầu đưa ra dự báo về lượng

hàng sẽ bán trong tương lai trên địa bàn mình phụ trách,

sau đó được tổng hợp lại để có con số dự báo lượng hàng

1.2 Tham khảo ý kiến của ban điều hành

Lấy ý kiến từ các phòng ban chức năng để hình thành dự báo

Sử dụng được trí tuệ và kinh nghiệm của những

người trực tiếp liên quan đến hoạt động thực tiễn

* Ưu điểm:

* Hạn chế:

1.3 Phương phỏp Delphi

1 Lựa chọn các chuyên gia

2 Xây dựng các câu hỏi điều tra và gửi đến các chuyên gia

3 Phân tích các câu trả lời, tổng hợp và viết lại bảng câu hỏi

4 Gửi bảng câu hỏi mới đến các chuyên gia

5 Thu thập, phân tích bảng trả lời lần hai

6 Viết lại bảng hỏi và gửi đi

Tạo ra và nhận được ý kiến phản hồi hai chiều từ người ra

quýêt định đến các chuyên gia & ngược lại

Tránh được liên hệ trực tiếp giữa các cá nhân

Thường sử dụng để dự báo dài hạn trong các lĩnh vực kỹ thuật,

công nghệ

2 Các phương pháp định lượng

Gåm c¸c m« h×nh dù b¸o theo chuçi thêi gian vµ hµm sè

nh©n qu¶

m« h×nh chuçi thêi gian

- Bình quân giản đơn

- Bình quân di động

- San bằng số mũ

- Hoạch định theo xu hướng- Dữ liệu biến đổi theo mùa〉

A Dự báo theo chuỗi thời gian

Chuỗi thời gian là 1 dãy các số liệu được theo dõi cho

những khoảng thời gian như nhau và được sắp xếp theo

thời gian phát sinh

Số liệu theo chuỗi thời gian thường có qui luật biến đổi

không đều và thường người ta cần phân tích thành các yếu

tố cấu thành sự biến động đó, bao gồm 4 yếu tố

Đường nhu cầu bq

A Dự báo theo chuỗi thời gian

Có 2 dạng chủ yếu của mô hình chuỗi thời gian trong thống kê

Mô hình nhân nhucau = T × S × C × R

A.1 bình quân giản đơn (simple Average)

n

A n

A A

A SA

n i

+

Trong đó, Ai là nhu cầu thực tế ở các kỳ, n là số kỳ theo dõi

Ví dụ 1: Công ty thống kê được nhu cầu SP M trong quí

I, II,III lần lượt: 50; 60, 40 tấn Dự báo nhu cầu cho quí

IV

Bình quân giản đơn chỉ cho ta loại bỏ những dao động

ngẫu nhiên Vì vậy, áp dụng cho những trường hợp cầu

tương đối ổn định (không có xu hướng rõ rệt và không có thời vụ)

A.2 bình quân di động (Moving Average)

n

A A

A

MA t n t n t t

+ + +

+

1 1

Trong đó: n là số kỳ chọn để tính bq di động

Bình quân di động cho được tính bằng cách loại dần

các mức độ trước và thêm dần các mức độ sau

Bình quân di động được áp dụng khi nhu cầu thị trường khá đều đặn trong suốt thời giaan khảo sát

Bình quân di động cho khả năng dự báo ổn định khi tăng

A.3 bình quân di động có trọng số (weighted moving

Average)

Thông thường, mức độ của những kỳ gần với hiện tại thì

có trọng số lớn hơn để nhấn mạnh vai trò của các mức

n

i

i i

f

f

A WMA

Biểu đồ mô tả mức độ tin cậy của các mô hình

Cả 2 mô hình di động đều có tác dụng san bằng các dao

động bất thường của nhu cầu nhằm cho ta những dự báo

ổn định

Thứ nhất, khi gia tăng n thì san bằng dao động tốt hơn

nhưng lại kém nhạy

Thứ hai, không bắt kịp xu hướng thay đổi

Thứ ba, đòi hỏi ta phải ghi chép số liệu 1 cách tỷ

mỹ

*Vấn đề tồn tại của mô hình bình quân di động

A.4 San bằng số mũ giản đơn

Theo phương pháp này thì số dự báo của kỳ sau được tính toán trên cơ sở điều chỉnh dự báo báo kỳ trước theo mức

độ sai số trong dự báo của kỳ trước

Ft-1 là mức độ dự báo của kỳ liền kề trước kỳ t

At-1 là nhu cầu thực tế trong kỳ trước kỳ t

Alpha là hằng số san bằng (0<=alpha<=1)

Ví dụ 4: trong tháng 1 công ty A tiên đoán là trong

tháng 2 sẽ bán được 142 Sp, thực tế tháng 2 bán được

153 sp, dùng hằng số san bằng alpha bằng 0,2 với mô

hình san bằng mũ hãy dự báo nhu cầu cho tháng 3

A.4 San bằng số mũ giản đơn

Ví dụ 5: già sử có số liệu về số hàng tiêu thụ dự báo

trong quí 1 là 175 tấn, ta tính Ft cho các quí với

alpha= 0,1 và alpha =0,5 như sau

Quí Số thực tế Số dự báo với alpha =0,1 Số dự báo với alpha

A.5 San bằng số mũ có điều chỉnh

Như bảng trên thì phương pháp san bằng mũ giản đơn

không thể hiện được xu hướng biến đổi của cầu Khi nhu cầu có xu hướng tăng (giảm) đề đặn thì dự báo sẽ luôn

nhỏ hơn (cao hơn) nhu cầu thực tế, nghĩa là luôn có 1 độ trễ nhất định

Để khắc phục tình trạng này thì người ta dùng phương

pháp san bằng mũ có điều chỉnh

Theo phương pháp này, dự báo nhu cầu của một thời kỳ

sẽ bằng dự báo san bằng mũ giản đơn công thêm hiệu

chỉnh xu hướng trong giai đoạn đó

t t

Trong đó: bêta là hằng số san bằng xu hướng

(0<=bêta<=1)

Tt và Tt-1 là hiệu chỉnh xu hướng cho giai đoạn t và t-1

Ft và Ft-1 là dự báo san bằng số mũ giảan đơn cho giai

* Các bước để tính 1 dự báo có điều chỉnh xu hướng

Bước 1: tính Ft cho giai đoạn t

Bước 2: tính xu hướng theo công thức (**) trên

Ghi chú: lần đầu tiên khi tính bước 2 thì ta phải cho 1 giá

trị xu hướng ban đầu (hoặc tiên đoán hoặc có được bằng cách quan sát các số liệu đã qua) sau đó tính đến xu hướng

Bước 3: tính FITt

Ai là các mức độ thực tế qua các thời gian

),2

(1

Tháng Nhu cầu tt Tháng Nhu cầu tt

Ví dụ 6: Nhà máy SINCo dùng mô hình san bằng mũ để dự báo

nhu cầu Sp A, người ta để ý thấy có sự ảnh hưởng của xu hướng ,

sử dụng các hằng số san bằng alpha =0,2, bêta =0,4, giả sử tháng

thứ nhất phỏng đoán bán được 11 đơn vị, , giả sử điều chỉnh xu

hướng ban đầu bằng 0 (T1=0)

Đồ thị biểu diễn kết quả dự báo theo Ft, FIT và kết quả thực tế

A.6 Phép hoạch định theo xu hướng (hồi qui theo thời gian)

Các dữ liệu quá khứ về cầu có xu hướng rõ rệt, có thể

xem nhu cầu là 1 hàm theo thời gian, nghĩa là cùng với

thời gian, nhu cầu ngày càng tăng lên, hoặc giảm

xuống, hoặc theo 1 qui luật nào đó

Tùy vào đặc điểm biến động của nhu cầu mà lựa chọn

dạng phương trình cho phù hợp, dạng hay dùng phổ biến

là phương trình đường thằng

Trong đó: t là biến độc lập, chỉ thứ tự kỳ dự báo

Yt là biến phụ thuộc

t b b

yˆt = 0 + 1

A.6 Phép hoạch định theo xu hướng

n i

n i

i i

i i

n i

n i

i i

t b

t b

y t

t b

nb y

2 1

0

1 0

Để tìm b0 và b1 thì người ta áp dụng phương pháp bình phương

bé nhất, ta có:

Giải hệ phương trình trên để tìm b0 và b1

t b y

Ví dụ 7:

Có số liệu về tình hình tiêu thụ Sp tại 1 DN trong các năm như sau

Năm Số lượng Sp tiêu thụ (chiếc)

A.7 Dự báo nhu cầu biến đổi theo mùa

* Trường hợp dữ liệu chỉ thể hiện tính mùa vụ mà không thể hiện tính xu hướng rõ rệt (Sp quần áo, quạt, máy điều hòa, )

Trường hợp này ta tính chỉ số thời vụ của từng tháng (quí) như sau: lấy nhu cầu trung bình của từng tháng (quí) qua các năm chia cho nhu cầu bình quân giản đơn

Với sản lượng mong đợi của nhu cầu cho năm kế hoạch là M thì, sản lượng mong đợi dự báo cho từng tháng (quí) là:

M * Chỉ số

Ví dụ 8: có số liệu về số lượng Sp tiêu thụ trong 2 năm như

sau: Tháng Nhu cầu khách hàng Nhu cầu bq

08-09 Nhu cầu bq tháng mùa vụChỉ số

Nếu trong năm 2010 ta mong đợi nhu cầu là 1200 Sp Hãy dự

báo nhu cầu cho từng tháng

0,957 0,851 0,904 1,064 1,309 1,223 1,117 1,064 0,957 0,851 0,851 0,851

* Trường hợp số liệu vừa biểu hiện tính mù vụ vừa có

tính xu hướng

- Ước lượng đường xu hướng

- Xác định hệ số mùa bình quân cho từng mùa vụ của từng năm bằng cách lấy cầu thực tế chia cho cầu tính được sử dụng phương trình đường xu hướng

- Xác định hệ số mùa bình quân chung bằng cách bình

quân hệ số mùa của từng năm

- Để dự báo cho năm sau trước hết cần sử dụng đường xu

Ví dụ: SGK trang 62

B Mô hình nhân quả

Để kiểm tra độ chuẩn xác của mô hình ta thường dùng thước đo sau

Mô hình nhân quả thường nghiên cứu nhiều biến số có liên quan

đến biến số dự báo Từ đó, dựng mô hình toán học biểu diễn mối

quan hệ giữa chúng

* Hệ số tương quan (r)

y x

y x

xy r

δδ

Nếu: r=1 (hoặc r=-1): giữa x và y có mối liên hệ hàm số

giữa x và y có mối liên hệ càng chặt chẽ

i i n

i

i

y n y

y n y

x b

y

b r

1

2 2

2 1

1 1

0 2

B Mô hình nhân quả

Hệ số xác định cho biết tỷ lệ % biến đổi trong biến phụ thuộc y được giải thích bởi sự biến động của biến độc lập x

* Sai số chuẩn của dự báo (Sxy)

2

) (

2

2 1

1 0

n

y x b

y b

y S

n

i

i i

i n

i

xy

Nếu ta so sánh Sxy với giá trị trung bình của y thực tế khoảng bằng

B Mô hình nhân quả

Hãy dự báo sản lượng Sp tiêu thụ cho năm tiếp theo nếu quỹ

lương là 6 trăm triệu đồng và hãy nhận định sai số dự báo là

bao nhiêu

Sai số chuẩn của dự báo

2 1

3

1,755

Y=1,75+0,25x Slượng

3,25

III Giám sát và kiểm sát dự báo

1 Các thước đo độ chính xác của dự báo

* Độ lệch tuyệt đối bình quân (MAD)

Là số bình quân các sai lệch mà một mô hình dự báo đã thực hiện

trong một khoảng thời gian nhất định

n

F

A MAD

n

t

t t

∑

=

−

Trong đó: At là cầu thực tế trong giai đoạn t

Ft là cầu dự báo trong giai đoạn t

n là số kỳ dự báo

MAD càng nhỏ chứng tỏ dự báo càng ít sai lệch so với thực tế

Nhược điểm:

Do tính bình quân nên xẩy ra tình trạng có một số dự báo sai số

lớn và một số dự báo có sai số nhỏ Kết quả là………?

MAD vẫn nhỏ nhưng chất lượng dự

báo không cao

t

t t

MSE càng nhỏ chứng tỏ dự báo càng ít sai lệch so với thực tế

* Sai số dự báo bình quân (MFE)

Một mô hình dự báo tốt không chỉ đòi hỏi có sai số trung bình nhỏ

mà còn không bị lệch, nghĩa là sai số âm và sai số dương tương

đối cân bằng

n

F

A MFE

n t

t t

MFE=0 : lý tưởng

MFE<0 : mô hình lệch về phía trên

* Tỷ lệ % độ lệch tuyệt đối bình quân (MAPE)

MAD, MSE, MFE đều là con số tuyệt đối

Giá trị cụ thể của 3 chỉ tiêu nên trên chưa cho ta biết sai số của dự báo là cao hay thấp!!!

Ví dụ: khi MAD =25 là cao hay thấp còn tùy thuộc vào mức cầu

F A

MAPE

n

t t

Ví dụ: có số liệu như sau:

Nhu cầu TT Dự báo

2 Giám sát và kiểm sát dự báo

Một cách tốt nhất giám sát và kiểm sát dự báo là dùng tín hiệu theo dõi

Tín hiệu theo dõi là một mức đo đánh giá chất lượng dự báo đúng

sai so với giá trị thực tế như thế nào

Tín hiệu theo dõi được tính bằng tổng số sai số dự báo dịch chuyển (RSFE) chia cho độ lệch tuyệt đối bình quân (MAD)

MAD

F A

MAD

RSFE THTD

n

i

i i

Tín hiệu dự báo dương cho ta nhận định nhu cầu lớn hơn dự báo và ngược lại

Một tín hiệu dự báo tốt khi có RSFE thấp và có sai số dương bằng từng đó sai số âm

Tín hiệu theo dõi vượt quá giới hạn trên và giới hạn dưới là báo động

2 Giám sát và kiểm sát dự báo

Giới hạn kiểm tra dưới

Giới hạn kiểm tra trên

Vấn đề là làm sao tìm giới hạn trên và giới hạn

dưới???

Rất khó!!!! Nhưng không đồng nghĩa với việc

không tìm được

Hay nói cách khác là: giới hạn đừng có thấp quá để với một sai số nhỏ cũng bị báo động mà cũng đừng cao quá để cho phép ta bỏ qua đều là các dự báo tồi

Người ta đã chứng minh được:

89% sai số nằm trong khoảng +(-)2MADS

98% sai số nằm trong khoảng +(-)3MADS

99,9% sai số nằm trong khoảng +(-)4MADS

Với 1MADS=0,8 độ lệch chuẩn (căn bậc 2 của phương sai)

Ví dụ: Hãy tính toán xem tín hiệu dự báo cho trường hợp dự báo