Chuong 2

Bộ môn Quản lý sản xuất và điều hành\Khoa Quản lý Công nghiệp\Đại học Bách khoa Tp. HCM.
1. Giới thiệu
+ Kỹ thuật Dự báo: “đoán” các sự kiện trong tương

lai  tạo ra thông tin, dữ liệu cho hoạch định.
Chương 2 + DỰ BÁO  Số liệu quá khứ của đại lượng cần
đoán có sẵn hoặc có thể thu thập được,
KỸ THUẬT DỰ BÁO + HỒI QUI  Nếu đại lượng cần “đoán” liên quan
đến những nhân tố khác.
 Hồi Qui Bội (Multiple Regression)
1/31 2/31
Bộ môn Quản lý sản xuất và điều hành\Khoa Quản lý Công nghiệp\Đại học Bách khoa Tp. HCM. Bộ môn Quản lý sản xuất và điều hành\Khoa Quản lý Công nghiệp\Đại học Bách khoa Tp. HCM.
2. Đặc trưng của Dự báo 2. Đặc trưng của Dự báo
Kỹ thuật dự báo có thể áp dụng: Các PP định lượng: có thể nhóm lại thành hai loại:
+ Kỹ thuật định lượng: thể hiện các mối liên hệ của Loại thứ nhất: số liệu quá khứ là số chỉ thị của số liệu
các đại lượng (thông số) bằng biểu thức/mô hình tương lai.
toán,  Mô hình ngoại suy, chuỗi thời gian hay mô hình
ánh xạ: kỹ thuật làm trơn, kỹ thuật phân tích chuỗi
+ Kỹ thuật định tính: dựa trên phỏng đoán, cảm nhận thời gian.
của người dự báo,
Loại thứ nhì: mô hình nhân quả với giả thiết là đại
 Kiểm soát sai số bởi vì dự báo thì thường không lượng cần dự báo là hàm số của các biến số độc lập
chính xác. khác.
3/31 4/31
Các mô hình định tính (chủ quan)  dự báo dài hạn. - Thời đoạn dự báo  tổng quát:
+ Dự báo dài hạn quan tâm đến việc xác định chiều
Mô hình định tính cũng được dùng để hỗ trợ mô hình hướng thay đổi dài hạn của đại lượng cần dự báo.
định lượng (khi thiếu thông tin, sản phẩm mới,…)
+ Dự báo trung hạn thích hợp cho việc tổng hợp các
nhân tố theo mùa.
+ Dự báo ngắn hạn thì cần thiết cho việc điều độ và
các mức độ tồn kho.
5/31 6/31
- Kỹ thuật áp dụng: - Chi phí dự báo:

+ Mô hình dài hạn ta dùng kỹ thuật dự báo định tính, Chi phí chính  chi phí cố định cho việc xây dựng
mô hình, thu thập và thao tác trên dữ liệu (máy tính
+ Mô hình trung hạn ta sử dụng mô hình nhân quả và nhân lực);
+ Mô hình ngắn hạn ta dùng kỹ thuật chuỗi thời gian Chi phí để thực hiện kỹ thuật và chi phí phụ thuộc
(ánh xạ). vào độ không chính xác của kỹ thuật.
- Tính dễ hiểu của dự báo:
Nhà quản lý sẽ không dùng kỹ thuật nào họ không
hiểu.
7/31 8/31
3. Kỹ thuật Dự báo định tính (chủ quan) 3. Kỹ thuật Dự báo định tính (chủ quan)
Nếu số liệu quá khứ có sẵn, tin tưởng được và thích Các mẫu dự liệu:
hợp  các phương pháp dự báo định lượng sẽ cực
Lượng Lượng
kỳ hữu dụng. dự báo dự báo
Có nhiều trường hợp dùng đến các phương pháp dự

báo định tính. Thời gian
Thời gian
Lượng Lượng
dự báo dự báo
Thời gian Thời gian
9/31 10/31
PP “Quan điểm của người quản lý”: PP “Quan điểm của người quản lý”:
+ Phương pháp này đơn giản, dễ sử dụng: thu thập + Hai vấn đề cần lưu ý là:
các số liệu dự báo (dự đoán) của một số người
quản lý cấp cao, thể hiện qua các Báo cáo hoặc - Thứ tự trình bày số liệu dự báo và
phát biểu. - Trọng số cho từng quan điểm cá nhân
+ Hai mục tiêu trong quá trình tổng hợp: + Rà soát, xem lại của dự báo tổng hợp này.
- Phải loại bỏ những dự báo hoàn toàn trái ngược
làm ảnh hưởng đến số liệu dự báo toàn bộ
- Phải loại nhà quản lý lấn át số liệu dự báo toàn bộ.
11/31 12/31
PP “Quan điểm của người quản lý”: PP “Delphi”:

- Kỹ thuật Delphi là PP để tổng hợp quan điểm của
GĐ chuyên gia.
Dự báo
Tiếp thị
- Có tính vô danh và tính phản hồi,
GĐ
Sản xuất
Dự báo Nhược điểm:
Dữ liệu Quá trình DỰ
GĐ
tổng hợp BÁO - Thời gian dài dẫn đến các ý kiến sẽ lẫn lộn, khó
Dự báo
Tài chính phân biệt.
GĐ Dự báo - Khó khăn khi chọn lựa chuyên gia,
Thiết kế
- Cuối cùng là ngay cả khi đạt được một sự thống
nhất, nó có thể sai!
13/31 14/31
PP “Tổng hợp từ lực lượng bán hàng”: PP “Tổng hợp từ lực lượng bán hàng”:
Dự báo từ lực lượng bán hàng Phương pháp “gốc + Thuận lợi (về mặt lý thuyết): lực lượng bán hàng là
của cỏ”. lực lượng đạt tiêu chuẩn nhất để giải thích về nhu
cầu của SP, đặc biệt là trong vùng bán hàng của họ.
Cảm nhận sản phẩm nào sẽ bán được hoặc không,
cũng như lượng bán được sẽ như thế nào. + Bất lợi: lực lượng bán hàng có thể trở nên “quá lạc
quan” về dự báo của họ nếu họ tin rằng một dự báo
thấp có thể dẫn đến việc sa thải công nhân. Điều
ngược lại cũng được suy diễn tương tự.
- Khuyến khích lực lượng này có dự báo tốt là có
những thưởng và phạt cho dự báo tốt và xấu.
15/31 16/31
4. Đo lường sai số Dự báo 4. Đo lường sai số Dự báo
Độ lệch: Sai số chuẩn:

với n số thời đoạn (quá khứ) được sử dụng. + Sai số bình phương trung bình MSE
(Sai số trong thời đoạn thứ i) (Sai số trong thời đoạn thứ i)2
Độ lệch = MSE =
n n
(Giá trị thực – Giá trị dự báo)i + Sai số chuẩn SE:

Độ lệch =
n
Nhược điểm: sai lệch dương có thể bù trừ cho sai
lệch âm  giá trị của độ lệch nhỏ
17/31 18/31
4. Đo lường sai số Dự báo 4. Đo lường sai số Dự báo
Độ lệch tuyệt đối trung bình MAD: (1) (2) (3) (4) (5) (6)
Năm Doanh Doanh thu Độ lệch Sai số Trị tuyệt đối
thu thật dự báo [(2)-(3)] bình phương của sai số
|Sai số trong thời đoạn thứ i| 1 27000 23000 4000 16000000 4000
MAD = 2 35000 25000 10000 100000000 10000
n 3 29000 31000 −2000 4000000 2000
4 33000 30000 3000 9000000 3000
5 37000 32000 5000 25000000 5000
6 41000 34000 7000 49000000 7000
7 35000 38000 −3000 9000000 3000
Tổng 24000 212000000 34000
19/31 20/31
5. Kỹ thuật Dự báo định lượng 5. Kỹ thuật Dự báo định lượng
Kỹ thuật làm trơn chuỗi số liệu, ví dụ doanh số trong 1. Trung bình di động (moving average)
quá khứ của công ty Hạ Long.  Chỉ tính trung bình của n dữ liệu quá khứ gần nhất.
Doanh số ($1000)
44
42 Ưu điểm: Chỉ cần lưu trữ ít số liệu, việc cập nhật
40 cũng đơn giản.
38
36 Xác định n ?
34
32  Thử nhiều số n khác nhau, tính toán dự báo cho
30
28 từng trường hợp rồi so sánh độ lệch tuyệt đối trung
26 bình cho mỗi phương án. Phương án n nào cho trị
0
số độ lệch nhỏ nhất sẽ là phương án thích hợp nhất
2 3 4 5 6 7 Năm cho chuỗi số liệu tương ứng.
21/31 22/31
1. Trung bình di động (moving average) 1. Trung bình di động (moving average)
Tuần Số ca nhập viện Tuần Số ca nhập viện n=2 Độ lệch tuyệt đối
1 22 Bảng sau cho thấy số 1 22 Ví dụ: xét trung
2 21 người nhập viện ở 2 21 bình dịch chuyển
với n = 2 tuần.
3 25 Trung tâm Cấp cứu Sài 3 25 (*) 21.50 3.50
4 27 Gòn hàng tuần. Người 4 27 23.00 4.00
(*) giá trị dự báo
5 35 quản lý muốn ước 5 35 26.00 9.00
tuần 3:
6 29 6 29 31.00 2.00
lượng số ca nhập viện (22+21)/2=21.50
7 33 7 33 32.00 1.00
cho tuần tới.
8 37 8 37 31.00 6.00 MAD2 = 4,188
9 41 9 41 35.00 6.00
+ Số ca nhập viện trung 10 37 39.00 2.00
10 37
bình: 30,7 11 ??? 39.00 MAD = 4.188
Tổng 307
23/31 24/31
1. Trung bình di động (moving average) 2. Trung bình di chuyển có trọng số (Weighted MA)
Tuần Số ca nhập viện n=3 Độ lệch tuyệt đối
1 22 Ví dụ: xét trung bình - Trọng số khác nhau được gán cho các thời điểm
2 21 dịch chuyển với n = khác nhau,
3 tuần.
3 25 - Thường trọng số lớn nhất được gán cho dữ liệu gần
4 27 (*) 22.67 4.33
(*) giá trị dự báo nhất và trọng số sẽ giảm dần cho các dữ liệu xa hơn
5 35 24.33 10.67
6 29 29.00 0.00
tuần 4: - Tổng các trọng số phải bằng 1.
(22+21+25)/3=22.67
7 33 30.33 2.67 + VD: nếu trọng số được dùng là 0.5; 0.3; và 0.2 
8 37 32.33 4.67 MAD3 = 4,334 giá trị dự báo cho tuần kế tiếp sẽ là:
9 41 33.00 8.00
10 37 37.00 0.00 0.5x(dữ liệu tuần vừa rồi) + 0.3x(dữ liệu 2 tuần trước
11 ??? 38.33 MAD = 4.334 đó) + 0.2x(dữ liệu 3 tuần trước)
25/31 26/31
2. Trung bình di chuyển có trọng số (Weighted MA) 3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing)
Tuần Số lượng thực Trung bình di chuyển 3-tuần có trọng số Sai số tuyệt đối
1 22 Kỹ thuật này tương tự như KT trung bình di chuyển
2 21 có trọng số nhưng yêu cầu dữ liệu ít hơn.
3 25
4 27 0,5(25) + 0,3(21) + 0,2(22) = 23,2 3,8 Phương pháp này sử dụng công thức sau:
5 35 0,5(27) + 0,3(25) + 0,2(21) = 25,2 9,8
Ft + 1 = Ft + α (Yt - Ft)
6 29 0,5(35) + 0,3(27) + 0,2(25) = 30,6 1,6
7 33 0,5(29) + 0,3(35) + 0,2(37) = 30,4 2,6 với Ft = giá trị dự báo tại thời điểm t;
8 37 0,5(33) + 0,3(29) + 0,2(35) = 32,2 4,8
9 41 0,5(37) + 0,3(33) + 0,2(29) = 34,2 6,8 Yt = giá trị số thực của thời điểm t;
10 37 0,5(41) + 0,3(37) + 0,2(33) = 38,2 1,2
11 ? 0,5(37) + 0,3(41) + 0,2(37) = 38,2 α = hằng số giữa 0 và 1.
(MAD = 4.37) Tổng 30,6
27/31 28/31
3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing) 3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing)
Tuần Số lượng thực Số lượng dự báo Sai số tuyệt đối
Ft+1 = Ft + α (Yt - Ft) 1 22 25 3.00
2 21 25 + 0,5(22 - 25) = 23,50 2.50
Một giá trị dự báo ban đầu phải được đưa ra trước
3 25 23,50 + 0,5(21 - 23,50) = 22,25 2.75
tiên sau đó các trị số dự báo sẽ lần lượt được tính. 4 27 22,25 + 0,5(25 - 22,25) = 23,63 3.37
Cần giá trị ban đầu (F1): lấy thí dụ với việc dự báo số 5 35 23,63 + 0,5(27 - 23,63) = 25,32 9.68
6 29 25,32 + 0,5(35 - 25,32) = 30,16 1.16
ca nhập viện ở trên, giả sử lượng nhập viện cho tuần 7 33 30,16 +0,5(29 - 30,16) = 29,58 3.42
thứ nhất là 25 và α được chọn là 0,5. 8 37 29,58 + 0,5(33 - 29,58 ) = 31,29 5.71
9 41 34,29 + 0,5(37 - 31 ,29) = 34,15 6.85
10 37 34,15 + 0,5(41 - 34,15) = 37,58 0.58
11 ?? 37,58 + 0,5(37- 37,58) = 37,29
(MAD = 3.90) Tổng 39.02
29/31 30/31
3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing) 3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing)
Tuần Số lượng thực α =0.4)
Số lượng dự báo (α Sai số tuyệt đối Tuần Số lượng thực α =0.6)
Số lượng dự báo (α Sai số tuyệt đối
1 22 25 3.00 1 22 25 3.00
2 21 2 21
3 25 3 25
4 27 4 27
5 35 5 35
6 29 6 29
7 33 7 33
8 37 8 37
9 41 9 41
10 37 10 37
11 ?? 11 ??
(MAD = ) Tổng (MAD = ) Tổng
31/31 32/31
5. Kỹ thuật Dự báo định lượng
3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing)

Ta thấy rằng KT làm trơn bằng hàm số mũ cho kết
quả chính xác hơn các PP khác đã được sử dụng.
Tuy nhiên, chúng ta mới thử cho giá trị của α là 0,5;
có thể những giá trị khác như α = 0,4 hay α = 0,6 sẽ
cho kết quả tốt hơn.
Cách để tìm ra trị số α tốt nhất là thử với nhiều trị số
khác nhau và so sánh MAD với nhau.
Thông thường thì một trị số α lớn sẽ cho lượng DB
đáp ứng hơn còn α nhỏ sẽ cho lượng DB trơn hơn.
33/31

Chuong 2

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chuong 2

Uploaded by

Copyright:

Available Formats

Bộ môn Quản lý sản xuất và điều hành\Khoa Quản lý Công nghiệp\Đại học Bách khoa Tp. HCM.

+ Kỹ thuật Dự báo: “đoán” các sự kiện trong tương

 Hồi Qui Bội (Multiple Regression)

2. Đặc trưng của Dự báo 2. Đặc trưng của Dự báo

2. Đặc trưng của Dự báo 2. Đặc trưng của Dự báo

2. Đặc trưng của Dự báo 2. Đặc trưng của Dự báo

- Kỹ thuật áp dụng: - Chi phí dự báo:

Có nhiều trường hợp dùng đến các phương pháp dự

Thời gian Thời gian

PP “Quan điểm của người quản lý”: PP “Delphi”:

4. Đo lường sai số Dự báo 4. Đo lường sai số Dự báo

Độ lệch: Sai số chuẩn:

(Giá trị thực – Giá trị dự báo)i + Sai số chuẩn SE:

4. Đo lường sai số Dự báo 4. Đo lường sai số Dự báo

Tổng 24000 212000000 34000

5. Kỹ thuật Dự báo định lượng 5. Kỹ thuật Dự báo định lượng

5. Kỹ thuật Dự báo định lượng 5. Kỹ thuật Dự báo định lượng

5. Kỹ thuật Dự báo định lượng 5. Kỹ thuật Dự báo định lượng

5. Kỹ thuật Dự báo định lượng 5. Kỹ thuật Dự báo định lượng

5. Kỹ thuật Dự báo định lượng 5. Kỹ thuật Dự báo định lượng

5. Kỹ thuật Dự báo định lượng 5. Kỹ thuật Dự báo định lượng

5. Kỹ thuật Dự báo định lượng

3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing)

You might also like