Tiểu luận môn Hệ hỗ trợ quyết định TÌM HIỂU HỆ HỖ TRỢ QUYẾT ĐỊNH CHO VIỆC QUẢN LÝ ĐỔI MỚI SẢN PHẨM

Do đó một doanh nghiệp muốn tồn tại và phát triểnphải luôn biết làm mới sản phẩm của mình, đáp ứng tốt nhu cầu của khách hàng.Tuy nhiên, nguồn lực của mỗi công ty luôn hạn chế; đặt biệt

KHOA KHOA HỌC MÁY TÍNH

TIỂU LUẬN MÔN HỌC HỆ HỖ TRỢ QUYẾT ĐỊNH

TÌM HIỂU HỆ HỖ TRỢ QUYẾT ĐỊNH CHO VIỆC QUẢN LÝ ĐỔI MỚI SẢN PHẨM

Giảng viên hướng dẫn: PGS TS ĐỖ PHÚC

Mã số học viên: CH1301026

TP Hồ Chí Minh, tháng 06 năm 2014

nhanh và cạnh tranh giữa các công ty ngày càng lớn Tuy nhiên, mỗi công ty lại cónguồn vốn và tài nguyên nhân lực hạn chế Nếu một công ty biết phân bổ nguồnnhân lực hợp lý vào những dự án triển vọng để tạo nên sản phẩm thì sẽ dễ thànhcông và phát triển Ngược lại nếu đầu tư và phân bổ tài nguyên không chính xác thìdẫn đến lãng phí tài nguyên và thua kém đối thủ.

Để hỗ trợ cho các nhà quản lý đánh giá và đưa ra lời khuyên giúp nhà quản lýchọn được dự án để đầu tư thành công là nhiệm vụ chính của hệ hỗ trợ ra quyếtđịnh Do số lượng các yếu tố đầu vào ảnh hưởng đến quyết định rất lớn nên dùngmạng neural nhân tạo sẽ giúp cho hệ thống đánh giá chính xác và đưa ra lời khuyênphù hợp cho người quản lý

nhiều cho các doanh nghiệp, giúp đỡ các nhà quản lý đưa ra được các quyết địnhchính xác và nhanh chóng Do đó, với các chuyên đề được giảng dạy trong môn Hệ

hỗ trợ quyết định, PGS.TS Đỗ Phúc đã cung cấp hành trang vững chắc cũng nhưkiến thức về hệ hỗ trợ quyết định để cho tôi và các bạn trong lớp CH08 có khả nănghọc tốt những chuyên đề tiếp theo; và đó cũng là hành trang trong quá trình nghiêncứu sau này

Với những định hướng và gợi mở về những hướng đi mới, hỗ trợ tài liệu và ýtưởng, tôi xin gửi lời cảm ơn chân thành đến thầy Đỗ Phúc

Ngoài ra cũng xin gởi lời cảm ơn đến gia đình, bạn bè - những người đã luôn

hỗ trợ, động viên tôi trong suốt thời gian thực hiện đề tài

TP Hồ Chí Minh, tháng 06 năm 2014 Người thực hiện

Nguyễn Ngọc Hoàng

Lời cảm ơn

Mục lục

Chương 1: GIỚI THIỆU ĐỀ TÀI

1.1 LÝ DO CHỌN ĐỀ TÀI

Như chúng ta đã biết, môi trường kinh doanh ngày càng cạnh tranh và mức

độ cạnh tranh ngày càng lớn Do đó một doanh nghiệp muốn tồn tại và phát triểnphải luôn biết làm mới sản phẩm của mình, đáp ứng tốt nhu cầu của khách hàng.Tuy nhiên, nguồn lực của mỗi công ty luôn hạn chế; đặt biệt là những công ty vừa

và nhỏ; vì thế việc quản lý và lựa chọn dự án phát triển sản phẩm có vai trò quantrọng với sự thành bại của cả công ty Nhưng trong thực tế, có rất nhiều yếu tố cóthể ảnh hưởng đến sự thành công của một dự án phát triển sản phẩm nên việc phântích tất cả các yếu tố rất mất thời gian và thường không chính xác Từ đó yêu cầu vềmột hệ hỗ trợ ra quyết định trong việc quản lý các dự án đổi mới sản phẩm là mộtnhu cầu cấp thiết được đặt ra trong thực tế hiện nay

Bên cạnh đó, mạng neural nhân tạo có khả năng xử lý một số lượng lớn cácbài toán khác nhau và cho kết quả rất tốt đặc biệt là những bài toán với số lượng đầuvào rất lớn Sau quá trình huấn luyện thì mạng có khả năng giải các bài toán khó vàkết quả ngày càng được cải thiện theo thời gian

Với khó khăn đặt ra khi xây dựng một hệ hỗ trợ quyết định trong việc quản lýđổi mới sản phẩm và các khả năng của mạng neural nhân tạo; việc xây dựng một hệ

hỗ trợ ra quyết định dùng mạng neural nhân tạo sẽ cho kết quả tốt và hạn chế nhữngkhó khăn của số lượng đầu vào lớn, nâng cao tính chính xác của hệ thống

Từ những nhu cầu thực tế của xã hội và mong muốn tìm hiểu, nắm bắt côngnghệ mới, đóng góp một phần công sức đưa công nghệ vào cuộc sống thực tiễn, tácgiả quyết định chọn đề tài: “Tìm hiểu hệ hỗ trợ quyết định cho việc quản lý đổi mớisản phẩm”

Chương 2: CÁC YẾU TỐ CHÍNH ẢNH HƯỞNG ĐẾN THÀNH

CÔNG CỦA QUÁ TRÌNH PHÁT TRIỂN SẢN PHẨM

Do mẫu của các mối quan hệ giữa các yếu tố độc lập (yếu tố đầu vào) và cácyếu tố phụ thuộc (yếu tố đầu ra) trong mô hình sẽ được dùng cho việc huấn luyệncủa mạng noron nhân tạo do đó việc lựa chọn các yếu tố nào là yếu tố đầu vào cho

hệ thống đánh giá giữ vai trò quan trọng và có ảnh hưởng lớn đến tính chính xác vàthành công của hệ thống Do đó trong mục này, tác giả sẽ tập trung trình bày cácyếu tố quan trọng nhằm cung cấp và đánh giá khả năng ảnh hưởng của chúng đến

sự thành công Thông qua việc đánh giá các yếu tố và tổng hợp sẽ cải thiện tínhchính xác của việc dự đoán Quá trình này sẽ là thước đo để lựa chọn yếu tố nào sẽdùng để làm đầu vào cho hệ thống Trong quá trình lựa chọn đầu vào cho mô hình,tác giả sẽ dựa trên lý thuyết cơ sở tài nguyên của công ty Lý thuyết cơ sở tàinguyên cung cấp một cái nhìn duy nhất thống nhất vào các trường hợp mà cácngười quản lý – người thực hiện lựa chọn dự án và quyết định việc cấp phát tàinguyên - phải đối mặt Lý thuyết này tương đối mới khi so sánh với lý thuyết tổchức công nghiệp Lý thuyết tổ chức công nghiệp cổ điển dựa vào một chiến lượccủa công ty và khả năng tối đa của nó để tạo ra và thay thế các thuận lợi cạnh tranhphụ thuộc vào các yếu tố môi trường Trong khi đó, lý thuyết cơ sở tài nguyên tiếpcận ở một vị trí khác; nó nhìn nhận tài nguyên của công ty là không đồng nhất vàbất động Do đó, mỗi công ty có một lượng tài nguyên giới hạn và khả năng huyđộng vốn khác nhau nên nhiệm vụ của nó là kết hợp khả năng huy động vốn tạothành năng lực Đây là quá trình cơ bản cho việc tạo ra thị trường giá trị và độc nhất

mà các công ty khác không dễ dàng bắt chước hay thay thế Nhiệm vụ chính của lýthuyết cơ sở tài nguyên là kỹ thuật tạo ra một lợi thế cạnh tranh bền vững cho côngty

Việc tìm hiểu các yếu tố ảnh hưởng đến thành công của việc đổi mới sản phẩmcho thấy các yếu tố đó có thể chia làm 3 nhóm chính: (1) khả năng đổi mới củacông ty, (2) khả năng phát triển sản phẩm mới của công ty, (3) môi trường cạnhtranh bên ngoài

2.1 KHẢ NĂNG ĐỔI MỚI CỦA CÔNG TY

Thông qua việc tìm hiểu sự thành công của các sản phẩm mới thì khả năng đổimới của công ty là yêu cầu bắt buộc để tạo ra sản phẩm đổi mới

2.1.2 Khả năng R & D, khả năng marketing

Quá trình tìm hiểu cũng chỉ ra rằng quá trình R & D của các sẩn phẩm đổi mớithành công cũng được tổ chức và thực thi rất tốt ở các công ty; và thành công củamột sản phẩm mới phụ thuộc nhiều vào khả năng martketing của công ty đó [18]

2.1.3 Quản lý dự án và quản lý việc sáng tạo

Các phương pháp thực hiện dự án thành công là kết hợp tích cực với việc thựchiện phát triển dự án [24]; trong khi tỉ lệ thành công của các sản phẩm mới cho thấy

có sự tương quan mạnh với hiệu năng quản lý danh mục đầu tư dự án và các cáchthức quản lý danh mục đầu tư dự án được sử dụng [15] Hơn nữa qua tìm hiểu cũngthấy rằng khả năng sáng tạo và quy trình giải quyết vấn đề sáng tạo cũng có ảnhhưởng lớn đến việc đổi mới sản phẩm [2], [20]

2.1.4 Văn hóa đổi mới và cam kết nội bộ

Nghiên cứu của Prajogo và McDermott [20] và Valencia, Valle và Jimenez[25] về văn hóa đổi mới của công ty và nhận thấy rằng các công ty với văn hóa linhđộng có thể gia tăng sự phát triển của các sản phẩm và dịch vụ mới Ngoài ra, vănhóa công ty cũng cho thấy mối quan hệ tích cực với sự đổi mới sản phẩm

2.1.5 Điều khiển việc quản lý

Ragatz, Handfield và Scannel trong tài liệu [19] kết luận rằng sự thống nhất từcác cấp quản lý của các công ty trong việc hỗ trợ quá trình phát triển sản phẩm là

một vấn đề quan trọng chiến lược ảnh hưởng tới thành công của việc đổi mới sảnphẩm.

2.1.6 Tính linh động

Nghiên cứu của Prajogo và McDemott [20] cũng chỉ ra rằng việc phân quyền

có quan hệ tích cực với việc đổi mới sản phẩm Trong khi đó tính linh động cũng cóảnh hưởng tương tự do việc thực hiện phát triển sản phẩm hiệu quả đòi hỏi tổ chứcphải linh động bên trong một cấu trúc xác định [24], [20]

2.2 KHẢ NĂNG PHÁT TRIỂN SẢN PHẨM MỚI CỦA CÔNG TY

2.2.1 Các khả năng cơ bản trong phát triển sản phẩm

Rất nhiều nghiên cứu khác nhau đã cho thấy các hoạt động phát triển sảnphẩm mới khác nhau chính là yếu tố quyết định quan trọng của sự thành công củasản phẩm mới Cooper [7] đã có một báo cáo về mối quan hệ lớn và tích cực giữa sựthành công của sản phẩm mới và sự phát triển sản phẩm hiệu quả; điều này bao gồmcác đo lường và tính hiệu quả trong phát triển và che giấu ý tưởng, phân tích cơ hộithị trường và kinh doanh, thiết kế sản phẩm, kiểm thử và thương mại hóa sản phẩm

2.2.2 Tích hợp các tính năng chéo

Tích hợp các tính năng chéo cũng được đưa ra trong nghiên cứu của Song vàParry [22] và Griffin và Hauser [11] như là một nhân tố quan trọng quyết địnhthành công của một sản phẩm Xác suất thành công của một sản phẩm tăng lên khiviệc sáng tạo, thực hiện, và các chức năng thị trường được giao tiếp và phối hợp vớinhau Chakrabarti trong tài liệu [5] cũng cho thấy việc bảo hộ sản phẩm trong quátrình thành công của một sản phẩm; đặc biệt là sự bảo hộ của nhà nước đối với cáclĩnh vực còn yếu sẽ là một điều kiện tốt cho việc thành công của sản phẩm

với khách hàng trong những giai đoạn cụ thể của quá trình phát triển sản phẩm cócảnh hưởng tích cực đến thành công của sản phẩm mới.

2.2.5 Quản lý chuỗi cung ứng

Ragatz, Handfield và Scannel trong tài liệu [21] cho thấy rằng quản lý chuỗicung ứng khi phát triển sản phẩm mới cũng là một vấn đề quan trọng chiến lượctrong khi Ar và Baki [2] và Lau [16] xác nhận rằng quan hệ với chuỗi cung ứng cóảnh hưởng quan trọng đến việc đổi mới sản phẩm và quản lý tốt chuỗi cung ứng dẫnđến hiệu năng sản phẩm tốt hơn

2.3 MÔI TRƯỜNG CẠNH TRANH BÊN NGOÀI

Balachandra và Friar [3] đã tranh luận rằng một quá trình phát triển sản phẩmmới không thể thành công nếu các yếu tố về môi trường không hỗ trợ

2.3.1 Mức độ cạnh tranh

Rất nhiều nghiên cứu về sự thành công của các sản phẩm mới cho thấy mốiliên hệ trực tiếp giữa mức độ cạnh tranh của thị trường và mức độ thành công củasản phẩm mới Trong một nghiên cứu về lĩnh vực công nghiệp điện tử gần đây,Zirger và Maidique [27] đã tường trình về thất bại của các sản phẩm nguyên do sựcạnh tranh khốc liệt của thị trường Bên cạnh đó, Parry và Song [19] cũng cho thấymối liên hệ tiêu cực giữa mức độ cạnh tranh và tỉ lệ thành công của các sản phẩmmới ở cả Trung Quốc và Nhật Bản

2.3.2 Rủi ro nhu cầu và tiềm năng thị trường

Nghiên cứu của Cao, Zhao và Nagahira [4] đã chỉ ra rằng mức độ rủi ro thịtrường giảm sẽ dẫn đến mức độ hiệu quả của các dự án phát triển sản phẩm tănglên Hơn nữa, Balachandra và Friar [3] cũng chỉ ra tỉ lệ tăng trường kỳ vọng của thịtrường cho sản phẩm là một yếu tố thành công then chốt cho quyết định theo mộtsản phẩm mới

2.3.3 Khả năng và tính sẵn sàng của nhà cung ứng

Cao, Zhao và Nagahira [4] cho rằng rủi ro kỹ thuật giảm thì tính hiệu quả củacác dự án phát triển sản phẩm sẽ tăng lên Trong khi đó, sự liên hợp với các doanh

nghiệp công nhiệp khác cũng rất quan trọng đối với quá trình phát triển sản phẩmmới.

2.3.4 Sự hỗ trợ của chính quyền

Vai trò của chính quyền đóng vai trò rất quan trọng đối với thành công của sảnphẩm bao gồm việc ban hành các cơ chế, chính sách cũng như việc bảo hộ cho sảnphẩm Sự hỗ trợ này giúp đẩy nhanh quá trình phát triển và thương mại hóa sảnphẩm; giúp cho sản phẩm nhanh đến được tay người tiêu dùng do đó khả năngthành công cao hơn

Chương 3: MẠNG NEURAL NHÂN TẠO

Trong phần này, tác giả sẽ trình bày những kiến thức có được sau quá trìnhtìm hiểu về mạng neural nhân tạo nhằm đánh giá công cụ phục vụ cho việc xâydựng hệ hỗ trợ ra quyết định

Mạng neural nhân tạo (Artifitial Neurel Network – ANN) có những lợi thếtiềm năng so với các phương pháp thống kê truyền thống ANN là một phương phápxấp xỉ với khả năng giải quyết được một lượng lớn các bài toán ở các lớp khác nhaukhá tốt

3.1 PHƯƠNG PHÁP TRÍ TUỆ DÙNG MẠNG NEURAL

Được lấy cảm hứng từ cấu trúc neuron của bộ não, mạng neuron nhân tạođược phát triển như một phương pháp cung cấp các cấu trúc đại số có thể tương tácvới môi trường theo một cách tương tự như bộ não con người Việc tương tác nàybao gồm một số mặt của trí tuệ nhân tạo như học từ kinh nghiệm, khái quát từ các ví

dụ và trừu tượng hóa bản chất từ dữ liệu đầu vào mà dữ liệu có thể không hoàn toànchính xác mà có vài yếu tố thay đổi hoặc bất thường Một cách có cấu trúc, mô hìnhmạng neural có thể được biểu diễn như một sự liên kết của rất nhiều đơn vị xử lýriêng lẻ tương tự như liên kết của các neuron trong não người Các mạng neuraltoán học thực hiện chức năng bằng cách điều chỉnh liên kết giữa các đơn vị neural.Đây được gọi là quá trình học của mạng để thay đổi trọng số của kết nối, cải thiệnhiệu năng của mạng, thực hiện nhận diện mẫu và phát triển khái quát hóa Một giảithuật phổ biến đã được áp dụng thành công trong nhiều ứng dụng là giải thuật họclan truyền ngược dùng cho mạng nạp tiến về phía trước (feed forward network).Trong tiểu luận này, tác giả sẽ tiến hành tìm hiểu về giải thuật này để áp dụng xâydựng hệ hỗ trợ quyết định

Cấu trúc của mạng neural nhân tạo được dùng sẽ là mạng đa tầng Hình 3.1

mô tả cấu trúc một mạng gồm 3 tầng song song Tầng đầu (input) chứa các biến độclập, tầng tiếp theo chứa các đơn vị xử lý – còn gọi là các node ẩn và tầng cuối cùng

là chứa các biến phụ thuộc (output) Các tầng kết nối với nhau bằng các liên kết cótrọng số

Hình 3.1: Mô hình mạng neural đa tầng

Về mặt toán học, ta có thể biểu diễn neural k bằng hai công thức sau:

Khi

vk = uk + bk (3)chúng ta có thể có công thức kết hợp của (1) và (3) như sau:

3.2 GIẢI THUẬT LAN TRUYỀN NGƯỢC

Việc thiết kế giải thuật lan truyền ngược chỉ ra rằng giải thuật học cụ thể cậpnhật khả năng của nó bắt đầu ở đầu ra, xác định lỗi xảy ra với một cấu trúc toán học

cụ thể và sau đó lan truyền lỗi này về các node phía trước thông qua mạng để xácđịnh cách thức điều chỉnh một cách có hiệu quả các cấu trúc toán học nhằm cảithiện đầu ra cuối cùng của mạng Mặc dù đây là một giải thuật lặp và đôi khi khátốn thời gian nhưng khi huấn luyện với một tập mẫu đủ lớn thì nó cho kết quả khátốt trong thực tế sử dụng Hiện nay, kỹ thuật toán cho mạng neural đã được áp dụngtrong nhiều lĩnh vực khác nhau như nhận diện mẫu, cơ sở dữ liệu tri thức, điềukhiển robot, và thực hiện quyết định tài chính Để có khả năng nhận diện mẫu,mạng neural sẽ nhận một số mẫu đầu vào và kết nối với đầu ra cho trước Với khảnăng lưu trữ cả mẫu đầu vào và đầu ra trong bộ nhớ kết hợp làm cho mạng ở mộtmức độ nào đó có thể nhạy cảm và nhận biết được một số thay đổi nhỏ trong cácmẫu đầu vào của nó Mạng neural cũng co khả năng tái cấu trúc Khi một mẫu đầuvào không hoàn chỉnh, mạng sẽ cố xác định mẫu liên quan gần nhất trong mộ nhớcủa nó Nhưng cần lưu ý rằng không như những mô hình trí tuệ nhân tạo được huấnluyện bằng phương pháp lập trình của logic toán học, mạng neural học từ thực tếhay suy diễn từ tập mẫu huấn luyện Quá trình huấn luyện sẽ phát triển một mô hìnhmạng toán học không tuyến tính xấp xỉ mà về bản chất có thể cho ra kết quả mongmuốn từ những đầu vào cho trước Do đó, phương pháp này không bắt đầu bằngmột mô hình cho sẵn với các quan hệ giữa đầu vào và đầu ra mà nó sẽ tự định nghĩacác mối quan hệ này tùy theo tập mẫu được huấn luyện Theo đó, trong các ứngdụng thực tế, quá trình học có thể tiếp tục ngay cả khi mạng đã thực hiện việc tiên

đoán nên cho phép mạng học và phản ứng với các trường hợp mới khi vận hành.Thông tin trong mạng neural được phân tán qua mạng Khi một vài mẩu thông tin bịmất thì cũng không làm cả hệ thống sụp đổ.

Giải thuật lan truyền ngược có thể được xem là kỹ thuật tìm kiếm tối ưu trong

đó hàm mục tiêu nhằm mục đích tối thiểu lỗi giữa đầu ra được tình toán tương ứngvới tập đầu vào cho trước trong mạng neural đa tầng và đầu ra mong muốn tươngứng Mạng được huấn luyện bằng cách cho một vector đầu vào X vào mạng, thựchiện các thao tác tính toán qua mạng cho đến khi nhận được vector đầu ra Lỗi đầu

ra được tính bằng cách so sánh đầu ra tính được với giá trị đầu ra thực sự với vectorđầu vào X Mạng sẽ cố gắng học bằng cách điều chỉnh trọng số của mỗi đơn vị xử

lý trong mạng để giảm lỗi tiên đoán quan sát được Về mặt toán học, lỗi tiên đoán sẽđược quét ngược về phía trước qua mạng để kết hợp một giá trị của mỗi đơn vị xử

lý, tính toán một gradient cho mỗi và cập nhật trọng số dựa trên gradient tươngứng Tiến trình này được lặp bắt đầu với mỗi mẫu huấn luyện Sau khi duyệt hết,giải thuật bắt đầu lại từ đầu và tiếp tục điều chỉnh trọng số cho cả cấu trúc mạng chođến khi hàm mục tiêu đủ gần đến 0 hoặc số vòng lặp cho trước đã hết Hình 3.2minh họa phương pháp toán cho giải thuật

Theo hình 3.2, mỗi neuron j được nạp một tập các tín hiệu được sinh ra từ tầngtrước nó Vùng cục bộ được rút ra vj(n) sinh ra tại đầu vào của hàm kích hoạt kếthợp với neuron j là:

Trong đó m là tổng số đầu vào ngoại trừ bias đối với neural j Trọng số wj0

bằng với bias bj của neuron Do đó hàm tín hiệu yi(n) xuất hiện tại đầu ra của neuraltại vòng lặp thứ n là: