Gián án Chương 3 Dự Báo

4 – 2Mục Tiêu Bài Học Sau khi học xong chương này học viên có thể theo thời gian và áp dụng đối với mỗi trường hợp trong số bốn mô hình dự báo định tính bình động,san bằng theo quy luậ

Quản Lý Sản xuất

và tác nghiệp

Chương 3 – Dự Báo

© 2008 Prentice Hall, Inc. 4 – 2

Mục Tiêu Bài Học

Sau khi học xong chương này học viên

có thể

theo thời gian và áp dụng đối với mỗi trường hợp

trong số bốn mô hình dự báo định tính

bình động,san bằng theo quy luật hàm

số mũ, và phương pháp xu hướng

quan

© 2008 Prentice Hall, Inc. 4 – 4

Dự Báo Tại Disney World

 Là tập đoàn toàn cầu bao gồm các

công viên ở Hồng Kông, Paris, Tokyo, Orlando, và Anaheim

 Doanh thu thu được từ khách hàng

– có bao nhiêu khách tham quan và

họ sử dụng tiền của mình như thế nào

 Báo cáo quản lý hàng ngày chỉ gồm

bản dự báo và số lượng khách tham quan thực tế tại mỗi công viên

Dự Báo Tại Disney World

hàng tháng, hàng năm, và mỗi 5 năm

lao động, bảo dưỡng, điều hành, tài chính,

và quản lý lịch trình của công viên

cửa, vui chơi, giải trí, các chương trình, số nhân viên mỗi ca và số khách tham quan

© 2008 Prentice Hall, Inc. 4 – 6

Dự Báo Tại Disney World

 20% s ố khách tham quan là du khách

nước ngoài

Tổng sản phẩm quốc nội, tỷ giá ngoại tệ,

Dự Báo Tại Disney World

các chương trình đặc biệt của hãng hàng không, chính sách của nhà nước, tình hình thị trường chứng khoán, kế hoạch nghỉ của người dân

dự báo

© 2008 Prentice Hall, Inc. 4 – 8

Dự Báo Là Gì?

các sự kiện xảy ra ở tương lai

cơ bản của tất cả các quyết định

 Dự báo ngắn hạn

 Tối đa là 1 năm, thường là ít hơn 3 tháng

 Mua sắm, phân công công việc, lực lượng lao

© 2008 Prentice Hall, Inc. 4 – 10

Phân biệt sự Khác nhau

 D Dự báo trung hạn và dài hạn áp dụng

với những vấn đề toàn diện hơn và

hỗ trợ các quyết định quản lý về hoạch định và sản phẩm, nhà x ưởng

và các quá trình

 D Dự báo ngắn hạn thường sử dụng

những phương pháp khác so với dự báo dài hạn

 D Dự báo ngắn hạn xu hướng chính

xác hơn so với dự báo dài hạn

 Dự đoán doanh số bán hàng của các mặt

© 2008 Prentice Hall, Inc. 4 – 12

7 Bước Dự Báo

© 2008 Prentice Hall, Inc. 4 – 14

• Tại doanh nghiệp của anh/chị hiện

nay công tác dự báo đang được thực hiện bởi bộ phận nào?

• Theo anh/chị kết quả dự báo là đáng

tin cậy? Ưu/nhược điểm của công tác dự báo là gì?

• Hãy cho biết các yếu tố ảnh hưởng

đến công tác dự báo tại doanh nghiệp của anh/chị?

Câu hỏi thảo luận nhóm

Các Phương Pháp Dự Báo

 Sử dụng trong tình huống không rõ Sử dụng trong tình huống không rõ

ràng và ít dữ liệu

 Sản phẩm mới Sản phẩm mới

 Công nghệ mới Công nghệ mới

 Liên quan tới trực giác và kinh nghiệm Liên quan tới trực giác và kinh nghiệm

 Ví dụ, dự báo doanh thu t Ví dụ, dự báo doanh thu t ừ kinh doanh

Phương pháp định tính

© 2008 Prentice Hall, Inc. 4 – 16

 Sử dụng trong tình huống “ổn định”

và các dữ liệu quá khứ sẵn có

 Sử dụng các phương pháp toán học

Các Phương Pháp Dự Báo

Phương pháp định lượng

Phương pháp Định tính

 Ý kiến hội đồng chuyên gia

cao và đôi khi bổ sung bởi các mô hình thống kê

 Phương pháp Delphi

© 2008 Prentice Hall, Inc. 4 – 18

Phương pháp định tính

 Lấy ý kiến từ đội ngũ nhân viên bán

hàng

được xem xét tính hợp lý, rồi tổng hợp lại

 Điều tra thị trường người tiêu dùng

 Gồm nhóm nhỏ các chuyên gia cấp cao

và nhà quản lý

© 2008 Prentice Hall, Inc. 4 – 20

Lấy ý kiến từ đội ngũ bán hàng

 Mỗi nhân viên bán hàng dự đoán

doanh số bán hàng của bản thân

 Tổng hợp kết quả của từng khu vực

Phương pháp Delphi

lặp đi lặp lại cho đến

khi đạt được được

© 2008 Prentice Hall, Inc. 4 – 22

Điều Tra Thị Trường Người Tiêu

Mô hình liên

© 2008 Prentice Hall, Inc. 4 – 24

dạng số được sắp xếp đều đặn

sát các biến ở những giai đoạn thông thường

 Dự báo chỉ dựa trên giá trị quá

khứ , các biến khác không quan trọng

quá khứ và hiện tại cũng sẽ tiếp tục ảnh hưởng tới tương lai

Dự Báo Chuỗi Thời Gian

Xu hướng

© 2008 Prentice Hall, Inc. 4 – 26

Yếu tố Nhu Cầu

Đỉnh mùa vụ

Xu hướng

Nhu cầu thực

Yếu tố ngẫu nhiên

 Dao động lên hoặc xuống liên

tục, bền bỉ

 Thay đổi do dân số, công nghệ,

tuổi tác, văn hóa v.v

 Diễn ra trong một vài năm điển

hình

Yếu tố Xu Hướng

© 2008 Prentice Hall, Inc. 4 – 28

 Dao động lên và xuống liên tục

 Thay đổi bởi thời tiết, phong tục

v.v.

 Xảy ra trong vòng một năm

Yếu tố Mùa Vụ

 Dao động lên xuống lặp đi lặp lại

doanh, chính trị, kinh tế

Yếu tố Chu Kỳ

© 2008 Prentice Hall, Inc. 4 – 30

hệ thống

nhiên hoặc các sự kiện không lường trước được

Yếu tố Ngẫu Nhiên

F

Phương pháp giản đơn

 Giả định rằng nhu cầu ở

tương lai cũng giống với nhu cầu hiện tại

68 thì doanh thu tháng Hai cũng là 68

 Đôi khi tiết kiệm chi phí và

© 2008 Prentice Hall, Inc. 4 – 32

các giá trị trung bình số học

đoán được xu hướng

Ví Dụ Về Trung Bình Động

10 12 13

(

(10 10 + 12 + 12 + 13 + 13 )/3 = 11 2 / 3

© 2008 Prentice Hall, Inc. 4 – 34

 Sử dụng khi tính xu hướng là tương

đối rõ

 D ữ liệu cũ trở nên ít quan trọng hơn

giácTrung Bình Động Có Trọng Số

Trung bình động

Có trọng số =

∑(trọng số cho giai đoạn n)

x (nhu cầu trong giai đoạn n)

© 2008 Prentice Hall, Inc. 4 – 36

Trung Bình Động Có Trọng Số

10 12 13

 Tăng n giúp điều hòa dự báo

nhưng lại ít nhạy cảm với các thay đổi

 Không dự báo được xu hướng

 Đòi hỏi một khối lương lớn các dữ

liệu quá khứ

Những Vấn Đề Tiềm Ẩn Với

Trung Bình Động

© 2008 Prentice Hall, Inc. 4 – 38

Trung Bình Động Và Trung Bình Động Có Trọng Số

Trung bình động

Trung bình động có trọng số

Figure 4.2

 Dạng của trung bình động có trọng số

 Trọng số giảm theo hàm mũ

 Dữ liệu gần nhất có trọng số lớn nhất

 Điều kiện hằng số điều hòa (α)

 Nằm trong khoảng từ 0 đến 1

 L ựa chọn một cách chủ quan

Điều hòa Theo Quy Luật

Hàm Số Mũ

© 2008 Prentice Hall, Inc. 4 – 40

Điều hòa Theo Quy Luật

Hàm Số Mũ

D ự báo mới = D ự báo của giai đoạn trước

+ α (Nhu cầu thực tế của giai đoạn trước

– Dự báo của giai đoạn trước)

F t = F t – 1 + α(A t – 1 - F t – 1)

Trong đó F t = Dự báo mới

F t – 1 = Dự báo tgiai đoạn rước

A t-1 = Nhu cầu thự tế giai đoạn trước

(0 ≤ α ≤ 1)

© 2008 Prentice Hall, Inc. 4 – 42

Ví Dụ Về San Bằng Theo

Quy Luật Hàm Số Mũ

Nhu cầu dự đoán

Nhu cầu dự đoán = 142 Ford Mustangs

Nhu cầu thực tế

Nhu cầu thực tế = 153

© 2008 Prentice Hall, Inc. 4 – 44

 Chọn giá trị α thấp khi

giá trị trung bình ổn định

© 2008 Prentice Hall, Inc. 4 – 46

Lựa Chọn α

Mục tiêu là có được dự báo chính xác nhất mà không phụ thuộc vào phương pháp

Chúng ta thường làm việc này bằng cách lựa chọn các mô hình mang lại những sai lệch dự báo thấp nhất

Sai lệch dự báo = Nhu cầu thực tế - Giá trị dự báo

= A t - F t

Các Phương Pháp Đo Lường

Sai Lệch

Trung Bình Sai lệch Tuyệt Đối

(MAD - Mean Absolute Deviation)

n

Trung Bình Sai lệch Bình Phương

(MSE - Mean Squared Error)

© 2008 Prentice Hall, Inc. 4 – 48

Các Phương Pháp Đo Lường

So Sánh Các Sai Lệch

Dự Báo

Kết quả Độ lệch Kết quả Độ lệch Nhu cầu dự báo tuyệt đối dự báo tuyệt đối thực với với với với

© 2008 Prentice Hall, Inc. 4 – 50

Kết quả Độ lệch Kết quả Độ lệch Nhu cầu dự báo tuyệt đối dự báo tuyệt đối thực với trung với trung bình Quý α = 10 α = 10 α = 50 α = 50

Kết quả Độ lệch Kết quả Độ lệch Nhu cầu dự báo tuyệt đối dự báo tuyệt đối thực với trung với trung bình Quý α = 10 α = 10 α = 50 α = 50

© 2008 Prentice Hall, Inc. 4 – 52

Kết quả Độ lệch Kết quả Độ lệch Nhu cầu dự báo tuyệt đối dự báo tuyệt đối thực với trung với trung bình Quý α = 10 α = 10 α = 50 α = 50

MAD 10.31 12.33

MSE 190.82 195.24

© 2008 Prentice Hall, Inc. 4 – 53

MAD 10.31 12.33

Kết quả Độ lệch Kết quả Độ lệch Nhu cầu dự báo tuyệt đối dự báo tuyệt đối thực với trung với trung bình Quý α = 10 α = 10 α = 50 α = 50

© 2008 Prentice Hall, Inc. 4 – 54

Điều hòaTheo Luật Số Mũ Với Xu Hướng Điều Chỉnh

Khi dữ liệu tồn tại xu hướng, điều hòa theo luật

số mũ phải được điều chỉnh

Điều hòa Theo Luật Số Mũ Với Xu Hướng Điều Chỉnh

Ft = α ( At - 1) + (1 - α )( Ft - 1 + Tt - 1)

Tt = β ( Ft - Ft - 1) + (1 - β ) Tt - 1

B ước 1: T ính F t

B ước 2: T ính T

© 2008 Prentice Hall, Inc. 4 – 56

Ví Dụ

Dự báo Nhu cầu Dự báo Yếu tố có tính đến Tháng (t) thực (A t) hàm số mũ, F t xuhướng, T t xu hướng, FIT t

Dự báo Nhu cầu Dự báo Yếu tố có tính đến Tháng (t) thực (A t) hàm số mũ, F t xuhướng, T t xu hướng, FIT t

© 2008 Prentice Hall, Inc. 4 – 58

Dự báo Nhu cầu Dự báo Yếu tố có tính đến Tháng (t) thực (A t) hàm số mũ, F t xuhướng, T t xu hướng, FIT t

Dự báo Nhu cầu Dự báo Yếu tố có tính đến Tháng (t) thực (A t) hàm số mũ, F t xuhướng, T t xu hướng, FIT t

© 2008 Prentice Hall, Inc. 4 – 60

Ví Dụ

15.18 2.10 17.28 17.82 2.32 20.14 19.91 2.23 22.14 22.51 2.38 24.89 24.11 2.07 26.18 27.14 2.45 29.59 29.28 2.32 31.60 32.48 2.68 35.16

Dự báo Nhu cầu Dự báo Yếu tố có tính đến Tháng (t) thực (A t) hàm số mũ, F t xuhướng, T t xu hướng, FIT t

© 2008 Prentice Hall, Inc. 4 – 62

Dự Báo theo Xu Hướng

K ết nối dòng dự báo với các điểm dữ liệu quá khứ

để xác định xu hướng trung và dài hạn

Đường xu hướng tuyến tính có thể được xác định

bằng việc sử dụng kỹ thuật bình phương nhỏ nhất

x = biến độc lập

^

© 2008 Prentice Hall, Inc. 4 – 64

độ lệch

© 2008 Prentice Hall, Inc. 4 – 66

© 2008 Prentice Hall, Inc. 4 – 68

Các Điều Kiện Của Bình Phương

Nhỏ Nhất

1 Chúng ta luôn thu thập dữ liệu để

đảm bảo mối quan hệ tuyến tính

2 Chúng ta không dự báo những giai

đoạn xa vượt ra ngoài cơ sở liệu

3 Sai lệch xung quanh đường bình

phương nhỏ nhất được giả định là ngẫu nhiên

© 2008 Prentice Hall, Inc. 4 – 70

Biến Mùa Vụ Trong Dữ Liệu

Sự biến đổi mùa vụ trong số liệu

1 Tìm các số liệu trung bình cho mỗi mùa

2 Tính mức trung bình trung cho tất cả các mùa

3 Tính chỉ số mùa vụ cho mỗi mùa tương ứng

4 Ước lượng tổng nhu cầu cho năm tiếp theo

5 Chia tổng nhu cầu này cho số mùa sau đó

nhân với các chỉ số mùa vụ của từng mùa để được giá trị dự báo cho mỗi mùa đó

Các bước để điều chỉnh:

© 2008 Prentice Hall, Inc. 4 – 72

Ví dụ về dự báo theo mùa vụ

© 2008 Prentice Hall, Inc. 4 – 74

Vi dụ về dự báo theo mùa vụ

© 2008 Prentice Hall, Inc. 4 – 75

Vi dụ về dự báo theo mùa vụ

© 2008 Prentice Hall, Inc. 4 – 76

Ví dụ về dự báo theo mùa vụ

Bệnh viện San Diego

© 2008 Prentice Hall, Inc. 4 – 78

Bệnh viện San Diego

0.99

0.97

0.96

Chỉ số mùa vụ

Bệnh viện San Diego

© 2008 Prentice Hall, Inc. 4 – 80

Dự báo liên kết

Được sử dụng khi sự thay đổi của một hay

nhiều biến độc lập có thể dẫn đến ước lượng

được sự thay đổi của biến phụ thuộc

Kỹ thuật dự báo cơ bản nhất là kỹ thuật phân tích hồi quy tuyến tính

Cách thức áp dụng ở đây giống như chúng ta áp dụng với biến là thời gian

đã được lấy làm ví dụ ở trên

© 2008 Prentice Hall, Inc. 4 – 82

Doanh thu Lương tại địa phương

2.5 4 16 10.0

2.0 2 4 4.0

2.0 1 1 2.0

x = ∑x/6 = 18/6 = 3 b = = = 25 ∑xy - nxy 51.5 - (6)(3)(2.5)

© 2008 Prentice Hall, Inc. 4 – 84

Ví dụ về dự báo liên kết

4.0 – 3.0 – 2.0 – 1.0 –

Lương tại địa phương

y ^ = 1.75 + 25x Doanh thu = 1.75 + 25(lương)

Nếu chi phí tiền

lương năm sau là

$6 triệu thì:

Doanh thu = 1.75 + 25(6)

Doanh thu = $3,250,000,000

3.25

Độ lệch chuẩn của sai số

trong tương lai

thể tạo ra các xác suất sai số

4.0 – 3.0 – 2.0 – 1.0 –

3.25

© 2008 Prentice Hall, Inc. 4 – 86

Độ lệch chuẩn

thực

y c = giá trị tính toán dự báo cho mỗi kỳ đã đã tính

S y,x = ∑(y - y c) 2

n - 2

© 2008 Prentice Hall, Inc. 4 – 88

Độ lệch chuẩn

4.0 – 3.0 – 2.0 – 1.0 –

 Thể hiện mối quan hệ giữa các

biến là mạnh hay yếu

 Hệ số tương quan không nhất thiết

phản ánh mức độ tác động!

 Hệ số tương quan, r, đo lường sự

liên kết của các giá trị

Hệ số tương quan

© 2008 Prentice Hall, Inc. 4 – 90

Hệ số tương quan

[nΣx2 - (Σx) 2 ][nΣy2 - (Σy) 2 ]

© 2008 Prentice Hall, Inc. 4 – 93

Hồi quy đa biến

Nếu như có nhiều hơn một biến độc lập có

ảnh hưởng đến biến phụ thuộc, mô hình hồi

quy tuyến tính chuyển thành mô hình hồi quy

đa biến

y = a + b1x1 + b2x2 …

^

Về mặt tính toán, mô hình này phức tạp hơn

so với mô hình đơn biến, cho nên người ta phải sử dụng máy tính để giải bài toán này

Hồi quy đa biến

y = 1.80 + 30x1 - 5.0x2

^

Trong ví dụ về công ty Nodel nếu ta đưa thêm biến về lãi suất vào công thức tính, sẽ được hàm mới :

Hệ số tương quan mới r = 0.96 có nghĩa là hàm mới

cho thấy hàm này có thể dự báo chính xác hơn về

những biến động trong doanh thu của công ty

© 2008 Prentice Hall, Inc. 4 – 95

dự báo

với sai lệch tuyệt đối trung bình (MAD)

 Tín hiệu điều chỉnh càng nhỏ càng tốt

 Nếu kết quả dự báo liên tục cao hay thấp, sẽ

chỉ ra cho thấy các sai lệch có tính hệ thống của mô hình dự báo

Điều khiển và kiểm soát

dự báo

Tiến hiệu chỉnh

Điều khiển và kiểm soát

kỳ i)

© 2008 Prentice Hall, Inc. 4 – 97

Tín hiệu điều khiển

Tín hiệu điều khiển +

0 MADs

–

Cận trên kiểm soát

Cận dưới kiểm soát

Thời gian

Tín hiệu ra ngoài giới hạn

Khoảng chấp nhận

Ví dụ về tín hiệu kiểm soát

Tổng sai lệch sai lệch Nhu cầu Nhu cầu tuyệt đối cộng Quý thực dự báo Sai lệch RSFE TB dồn MAD

© 2008 Prentice Hall, Inc. 4 – 99

Tổng sai lệch sai lệch Nhu cầu Nhu cầu tuyệt đối cộng Quý thực dự báo Sai lệch RSFE TB dồn MAD

-10/10 = -1 -15/7.5 = -2 0/10 = 0 -10/10 = -1 +5/11 = +0.5 +35/14.2 = +2.5

Sự biến thiên của tín hiệu điều chỉnh nằm trong khoảng từ -2.0 đến +2.5 là trong giới hạn cho phép

Dự báo điều chỉnh

Người ta có thể sử dụng máy tính để

điều chỉnh liên tục các giá trị hệ số α

và β trong mô hình dự báo hàm số mũ

cho đến khi kết quả dự báo nằm trong

phạm vi mong muốn với mức sai lệch

chấp nhận được.

Kỹ thuật này được gọi là dự báo điều

© 2008 Prentice Hall, Inc. 4 – 101

Dự báo trọng tâm

Được phát triển tại công ty American

Hardware Supply, dự báo trọng tâm dựa trên

hai nguyên tắc sau:

1 Các mô hình dự báo phức tạp chưa chắc đã mang lại kết quả tốt hơn phương pháp đơn giản

2 Không thể chỉ có một phương pháp đơn giản mà có thể

áp dụng cho mọi sản phẩm hay dịch vụ cần dự báo

Phương pháp này sử dụng các số liệu trong quá khứ để thử nghiệm mô hình dự báo đa năng cho các sản phẩm hoặc dịch vụ khác nhau

Phương pháp dự báo với sai số thấp nhất sẽ được

sử dụng ngay để dự báo các nhu cầu sau đó

Dự báo trong dịch vụ

 Những thách thức bất thường của dự

báo trong dịch vụ

dịch vụ và mỗi dịch vụ

ngày nghỉ

© 2008 Prentice Hall, Inc. 4 – 103

10-11 (Giờ ăn trưa) (Giờ ăn tối)

Giờ trong một ngày

Dự báo tại Call Center của