Bài giảng Chương 2: Dự báo nhu cầu sản xuất

Chƣơng 2. DỰ BÁO NHU CẦU SẢN XUẤT MỤC TIÊU  Hiểu khái niệm, các loại dự báo và quy trình dự báo  Biết đƣợc các phƣơng pháp dự báo thông dụng  Ứng dụng đƣợc các phƣơng pháp dự báo 1. Giới thiệu về dự báo 2. Một số phƣơng pháp dự báo 3. Các phƣơng pháp đánh giá độ tin cậy của dự báo NỘI DUNG CHÍNH 1. GIỚI THIỆU VỀ DỰ BÁO 1.1 Khái niệm về dự báo Dự báo là khoa học và nghệ thuật nhằm tiên đoán những sự việc sẽ xảy ra trong tương lai Mục đích: Tăng hiệu quả, tăng lợi nhuận Dự báo căn cứ vào: - Dãy số liệu của các thời kz quá khứ + Quá khứ gần + Quá khứ có tính quy luật - Kết quả phân tích các nhân tố ảnh hưởng đến lĩnh vực dự báo - Kinh nghiệm thực tế của những người điều hành lâu năm 1.2 Các loại dự báo  Căn cứ vào thời đoạn dự báo - Dự báo ngắn hạn dƣới 1 năm( thông thƣờng là khoảng 3 tháng): Lập kế hoạch mua hàng, điều độ sản xuất và nhân lực - Dự báo trung hạn ( 1 năm đến 3 năm): Lập kế hoạch bán hàng, kế hoạch sản xuất và dự thảo ngân sách chu kỳ kinh doanh - Dự báo dài hạn ( 3 năm trở lên): Lập kế hoạch sản phẩm mới, dây chuyền công nghệ mới, mở rộng doanh nghiệp 1.2 Các loại dự báo Căn cứ vào lĩnh vực dự báo - Dự báo kinh tế - Dự báo công nghệ và kỹ thuật sản xuất - Dự báo nhu cầu sản xuất 1.3 Đặc điểm của dự báo - Tính nhân – quả trong quá khứ vẫn còn lƣu giữ trong tƣơng lai - Luôn luôn có sai số cho phép - Dự báo cho nhóm đối tƣợng thƣờng chính xác hơn dự báo cho từng đối tƣợng riêng lẻ - Thời gian dự báo càng dài thì độ chính xác càng giảm đi 1.4 Các phƣơng pháp dự báo PHƢƠNG PHÁP DỰ BÁO PHƢƠNG PHÁP ĐỊNH TÍNH PHƢƠNG PHÁP ĐỊNH LƢỢNG Các mô hình nhân quả Các mô hình chuỗi thời gian - Bình quân đơn giản - Bình quân di động - San bằng số mũ - Chuỗi thời gian - Hồi quy - Phân tích tƣơng quan - Lấy ý kiến của lãnh đạo - Lấy ý kiến của bộ phận bán hàng - Lấy ý kiến của ngƣời tiêu dùng - Phƣơng pháp chuyên gia 1.5 Quy trình dự báo B1: Xác định mục tiêu dự báo B2: Xác định thời đoạn dự báo B3: Chọn phƣơng pháp dự báo B4: Chọn đối tƣợng để thu thập thông tin Theo bạn, bƣớc nào trong tiến trình dự báo là quan trọng nhất? Chúng ta có thể bỏ qua bƣớc nào trong 8 bƣớc trên? B5: Tiến hành thu thập thông tin B6: Xử lý thông tin B7: Xác định xu hƣớng dự báo: Tuyến tính, chu kỳ, thời vụ,ngẫu nhiên B8: Phân tích, tính toán để đƣa ra quyết định về kết quả dự báo 2. Một số phương pháp dự báo PHƢƠNG PHÁP DỰ BÁO ĐỊNH TÍNH 2.1 Dựa trên trực giác hoặc phán đoán mang tính chủ quan 2. Một số phương pháp dự báo Hội đồng ý kiến của các nhà quản trị 2.1.1 Các nhà quản trị cấp cao - những ngƣời có kiến thức chuyên sâu về doanh nghiệp, thị trƣờng, môi trƣờng kinh doanh - họp bàn lại với nhau để tiến hành dự báo. Ưu điểm: Nhược điểm: Nhanh, rẻ Mang tính cảm tính, không khách quan 2. Một số phương pháp dự báo Tổng hợp ý kiến của lực lượng bán hàng 2.1.2 Lực lƣợng bán hàng là ngƣời trực tiếp dự báo về nhu cầu sản phẩm, dịch vụ Ưu điểm: Sát với nhu cầu khách hàng Nhược điểm: thƣờng có 2 xu hƣớng: - Bi quan quá - Lạc quan quá 2. Một số phương pháp dự báo Khảo sát khách hàng 2.1.3 Điều tra lấy ý kiến của khách hàng bằng phỏng vấn trực tiếp, phỏng vấn qua điện thoại, phiếu điều tra +Ƣu điểm: Khách quan +Nhƣợc điểm: + Tốn thời gian, tốn chi phí + Khó thu thập thông tin THÍCH HỢP: SẢN PHẨM MỚI 2. Một số phương pháp dự báo Phƣơng pháp Delphi 2.1.4 1. Thiết kế bản câu hỏi và mỗi thành viên sẽ trả lời các câu hỏi một cách độc lập & vô danh 2. Các trả lời sẽ đƣợc tập họp lại và in ra 3. Mỗi thành viên sẽ nhận đƣợc một bản trả lời tổng hợp 4. Mỗi thành viên sẽ đƣa ra các giải pháp 5. Lặp lại bƣớc 2, 3 và 4 nhiều lần cho đến khi đạt đƣợc sự nhất trí 2. Một số phương pháp dự báo Phƣơng pháp Delphi 2.1.4 Ưu điểm : Nhược điểm: - Khách quan - Chi phí cao - Chính xác - Thời gian lâu 2.2 PHƯƠNG PHÁP DỰ BÁO ĐỊNH LƯỢNG 2.2.1 PHƯƠNG PHÁP TRUNG BÌNH VÀ SAN BẰNG SỐ MŨ a) Phương pháp tiếp cận đơn giản F: Số dự báo A: Số thực tế t: Thời kỳ 1 tt AF a) Phƣơng pháp tiếp cận đơn giản - Ưu điểm: Đơn giản - Khuyết điểm: Mang tính áp đặt thời kz trước cho thời kz sau - Phạm vi áp dụng: + Xí nghiệp có quy mô sản xuất nhỏ + Xí nghiệp mới thành lập, mới bắt tay vào dự báo b) Phƣơng pháp bình quân di động Bình quân di động là phương pháp dự báo trên cơ sở lấy trung bình của các giai đoạn gần nhất, trong đó các nhu cầu của các giai đoạn gần nhất đó đều có trọng số như nhau. b) Phƣơng pháp bình quân di động Giả sử với n = 3: F4 = ( A3+A2+A1)/3 ; F5 = (A4+A3+A2)/3 n A F i nt ti t     1 b) Phƣơng pháp bình quân di động Ưu điểm: - Đơn giản - Không áp đặt tình hình thời kz trước cho thời kz sau Nhược điểm: - Chưa phân biệt được tầm quan trọng khác nhau của các thời kz khác nhau - Cần nhiều số liệu quá khứ Ví dụ 1: Cửa hàng A bán xe máy, họ muốn dùng phương pháp bình quân di động 3 tháng, 6 tháng để dự báo mức bán cho tháng tới: Tháng Nhu cầu thực tế ( A) 1 8 2 11 3 14 4 13 5 13 6 12 7 c) Phƣơng pháp bình quân di động trọng số      i i ii nt ti t h hA F 1 Đây là phƣơng pháp bình quân nhƣng có tính đến ảnh hƣởng của từng giai đoạn khác nhau đến nhu cầu thông qua sử dụng các trọng số hi: Trọng số thứ i c) Phƣơng pháp bình quân di động trọng số Ƣu điểm: - Biểu thị đƣợc xu hƣớng phát triển trong tƣơng lai qua hệ số - Có phân biệt tầm quan trọng khác nhau của các số liệu ở các thời kỳ khác nhau Nhƣợc điểm: - Cần nhiều số liệu quá khứ - Khó khăn trong việc xác định các trọng số Phạm vi áp dụng: Dãy số liệu quá khứ ổn định Ví dụ 2: Lấy lại số liệu ở ví dụ 1, hãy dự báo theo phƣơng pháp bình quân di động có trọng số theo nhóm 4 tháng với trọng số lần lƣợt là 0,8; 0,6; 0,5; 0,1 Tháng Nhu cầu thực tế ( A) 1 8 2 11 3 14 4 13 5 13 6 12 7 d) Phƣơng pháp đƣờng số mũ đơn )( 111   tttt FAFF  α : Hệ số san bằng số mũ ( 0 < α < 1) Thực chất của phƣơng pháp san bằng mũ là dự báo mới bằng dự báo cũ cộng với khoảng chênh lệch giữa nhu cầu thực và dự báo giai đoạn đã qua, có điều chỉnh cho phù hợp d) Phƣơng pháp đƣờng số mũ đơn Ƣu điểm: - Không sử dụng nhiều các số liệu quá khứ - Có biểu thị xu hƣớng phát triển trong tƣơng lai thông qua hệ số α Nhƣợc điểm: - Phải tính lần lƣợt cho từng thời kỳ nên không thể dự báo đƣợc cho tƣơng lai xa Phạm vi áp dụng: Áp dụng rộng rãi cho mọi trƣờng hợp của dãy số ( trừ trƣờng hợp tuyến tính) Ví dụ 3: Lấy lại số liệu ví dụ trƣớc, mức dự báo bán xe máy trong tháng 12 năm trƣớc là 15 chiếc, nhƣng trên thực tế tháng 12 năm trƣớc bán đƣợc 12 chiếc. Hãy dự báo nhu cầu cho tháng tiếp theo với hệ số san bằng số mũ là 0,3 Tháng Nhu cầu thực tế ( A) 1 8 2 11 3 14 4 13 5 13 6 12 7 ? e) Phƣơng pháp đƣờng số mũ có điều chỉnh xu thế ( Holt) 1. Chuỗi san bằng số mũ hoặc ước lượng giá trị hiện hành 11 )1()(   tttt TFFT  2. Ước lượng xu thế ttdinhhuongt TFF )( 3. Giá trị dự báo định hướng Ft: Giá trị san bằng mới Tt: Ước lượng xu thế γ: Hệ số san bằng số mũ để ước lượng xu thế ( 0< γ<1) )( 111   tttt FAFF  Ví dụ 4: Cửa hàng bánh Việt Pháp có số liệu bánh thực tế nhƣ bảng sau. Biết rằng tháng 1cửa hàng đã dự báo số lƣợng bánh bán ra là 120 cái. Hãy dự báo nhu cầu cho các tháng còn lại với α = 0.2; γ = 0.7,T1=0 Tháng Thực tế 1 130 2 129 3 133 4 145 5 136 6 ? Tháng Thực tế Dự báo Điều chỉnh xu hƣớng Dự báo có điều chỉnh xu hƣớng 1 130 120 0 120.00 2 129 122 1.40 123.40 3 133 123.40 1.40 124.80 4 145 125.32 1.76 127.08 5 136 129.26 3.28 132.54 6 150 130.60 1.93 132.53 Ƣu điểm: - Có biểu thị xu hướng phát triển trong tương lai thông qua hệ số α , β - Chỉ cần tính một vài thời kỳ đầu sẽ xác định xu hƣớng tăng, giảm của các thời kỳ sau Nhƣợc điểm: Khó khăn trong việc xác định hệ số α , β e) Phương pháp đường số mũ có điều chỉnh xu thế ( Holt) f) Phƣơng pháp đƣờng số mũ có điều chỉnh xu thế và mùa vụ ( Winters) 1. Chuỗi san bằng số mũ ))(1( 11    tt pt t t TF S A F  pt t t t S F A S  )1(  2. Ước lượng tính mùa vụ 11 )1()(   tttt TFFT  pmtttmt SmTFW   )( 3. Ước lượng tính xu thế 4. Dự báo cho m giai đoạn tiếp theo f) Phƣơng pháp đƣờng số mũ có điều chỉnh xu thế và mùa vụ ( Winters) Trong đó: Ft: Giá trị san bằng mới St: Ước lượng thời vụ p: Độ dài của một thời đoạn dự báo Tt: Ước lượng xu thế γ: Hệ số san bằng số mũ để ước lượng xu thế ( 0<γ<1) β: Hệ số san bằng số mũ để ước lượng mùa vụ ( 0<β< 1) m: số lượng giai đoạn dự báo trong tương lai Wt+m: Giá trị dự báo cho m giai đoạn 2.3 PHƢƠNG PHÁP HỒI QUY Phương trình hồi quy: y = ax + b Cách tính a, b: Trong đó: x: Số thứ tự các thời kz y: Số thực tế ( trong thời kz quá khứ), số dự báo ( tính thời kz cho tương lai) )( . 22 xnx yxnxy a    xayb  n x x   n y y   Ví dụ 1: Tình hình tiêu thụ sản phẩm của một doanh nghiệp trong giai đoạn từ năm 2005 đến năm 2010 với số liệu đã cho ở dƣới bảng sau. Hãy dự báo nhu cầu cho năm 2014? Năm Số lƣợng bán 2005 123 2006 134 2007 156 2008 159 2009 168 2010 177 2014 ? Ta lập bảng tính giá trị nhƣ sau: Năm Giai đoạn (x) Lƣợng bán (y) x^2 xy 2005 1 123 1 123 2006 2 134 4 268 2007 3 156 9 468 2008 4 159 16 636 2009 5 168 25 840 2010 6 177 36 1062 Tổng 21 917 91 3397 Ta có: 5.3 6 21    n x x 83.152 6 917    n y y 71.10 )5.3(*691 83.152*5.3*63397 )( 222        xnx yxnxy a 33.1155.3*71.1083.152  xayb Do đó ta có phƣơng trình xu hƣớng: y = Nhu cầu cho năm 2014 là: y = Ví dụ 2: Có dữ liệu về mối quan hệ giữa doanh số tiêu thụ sữa và giá cả nhƣ sau: Nếu đơn giá lần lƣợt là 1.75; 1; 2.5 thì doanh số là bao nhiêu? Giữa DS và ĐG quan hệ với nhau ntn? Tuần Doanh số (nghìn lon) Đơn giá ($/lon) 1 10 1.30 2 6 2.00 3 5 1.70 4 12 1.50 5 10 1.60 6 15 1.20 7 5 1.60 8 12 1.40 9 17 1.00 10 20 1.10 Dự báo bằng mô hình hồi quy: Excel Tool – Data Analysis - Regression Dự báo bằng mô hình hồi quy: 2.3 PHƢƠNG PHÁP CHUỖI THỜI GIAN Mô hình tính cộng: Y = T + S + I Mô hình tính nhân: Y = T. S. I 3. ĐÁNH GIÁ ĐỘ CHÍNH XÁC VÀ TIN CẬY Đánh giá độ chính xác: a) Sai số trung bình ( Mean error) n e n FA ME tt     )( b) Sai số tuyệt đối trung bình ( Mean absolute error) n e n FA MAE tt     c) Phần trăm sai số trung bình ( Mean percentage error) 100* )/( 100* ]/)[( n Ae n AFA MPE tttt  d) Phần trăm sai số tuyệt đối trung bình ( Mean absolute percentage error) 100* / 100* /)( n Ae n AFA MAPE tttt     e) Sai số bình phƣơng trung bình ( Mean squared error) n FA MSE tt   2)( f) Sai số bình phƣơng trung bình chuẩn ( Mean squared error) MSERMSE  Đánh giá độ tin cậy: Tín hiệu dự báo MAE e THDB   Tín hiệu cho phép: [-4;4]: Phương pháp dự báo đủ độ tin cậy Ví dụ: Hãy tính toán các chỉ số đánh giá độ tin cậy với các số liệu sau: t At Ft 1 12 13 2 14 13 3 13 15 4 15 16 5 17 17 6 16 19 7 20 23 8 22 21 9 25 23 Tổng ME= ? MAE= ? MPE= ? MAPE= ? MSE= ? RMSE= ? THDB=?