Quản lý sản xuất cho kỹ sư

Chương 2

KỸ THUẬT
DỰ BÁO

GV: Đường Võ Hùng\Quản lý sản xuất cho kỹ sư\Chương 3: Kỹ thuật dự

báo 2
2

CBGD: Nguyễn Thùy Trang 1

Quản lý sản xuất cho kỹ sư

Giới thiệu

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

lai  tạo ra thông tin, dữ liệu cho hoạch định
• DỰ BÁO  Số liệu quá khứ của đại lượng cần
đoán có sẵn hoặc có thể thu thập được
• HỒI QUI  Nếu đại lượng cần “đoán” liên quan
đến những nhân tố khác
 Hồi Qui Bội (Multiple Regression)

CBGD: Nguyễn Thùy Trang 2

Quản lý sản xuất cho kỹ sư

Đặc trưng của dự báo

Kỹ thuật dự báo có thể áp dụng:

• Kỹ thuật định lượng: thể hiện các mối liên hệ của các đại lượng
(thông số) bằng biểu thức/mô hình toán,

• Kỹ thuật định tính: dựa trên phỏng đoán, cảm nhận của người
dự báo,

 Kiểm soát sai số bởi vì dự báo thì thường không chính xác.

Đặc trưng của dự báo

• Các PP định lượng: có thể nhóm lại thành hai loại:

• Loại thứ nhất: số liệu quá khứ là số chỉ thị của số liệu tương lai.
 Mô hình ngoại suy, chuỗi thời gian hay mô hình ánh xạ: kỹ
thuật làm trơn, kỹ thuật phân tích chuỗi thời gian.
• Loại thứ nhì: mô hình nhân quả với giả thiết là đại lượng cần dự
báo là hàm số của các biến số độc lập khác.

CBGD: Nguyễn Thùy Trang 3

Quản lý sản xuất cho kỹ sư

Đặc trưng của dự báo

• Các mô hình định tính (chủ quan)  dự báo dài hạn.

• Mô hình định tính cũng được dùng để hỗ trợ mô hình định

lượng (khi thiếu thông tin, sản phẩm mới,…)

Đặc trưng của dự báo

• Thời đoạn dự báo  tổng quát:

• Dự báo dài hạn quan tâm đến việc xác định chiều hướng thay
đổi dài hạn của đại lượng cần dự báo.
• 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.

CBGD: Nguyễn Thùy Trang 4

Quản lý sản xuất cho kỹ sư

Đặc trưng của dự báo

Kỹ thuật áp dụng:
• Mô hình dài hạn ta dùng kỹ thuật dự báo định tính
• Mô hình trung hạn ta sử dụng mô hình nhân quả
• Mô hình ngắn hạn ta dùng kỹ thuật chuỗi thời gian (ánh xạ).

Đặc trưng của dự báo

Chi phí dự báo:

• Chi phí chính  chi phí cố định cho việc xây dựng mô hình, thu
thập và thao tác trên dữ liệu (máy tính và nhân lực);
• Chi phí để thực hiện kỹ thuật và chi phí phụ thuộc 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.

10

10

CBGD: Nguyễn Thùy Trang 5

Quản lý sản xuất cho kỹ sư

3. Kỹ thuật Dự báo định tính (chủ quan)

• Nếu số liệu quá khứ có sẵn, tin tưởng được và thích hợp  các
phương pháp dự báo định lượng sẽ cực kỳ hữu dụng.
• Có nhiều trường hợp dùng đến các phương pháp dự báo định
tính.

11

11

3. Kỹ thuật Dự báo định tính (chủ quan)

• Các mẫu dữ liệu:

Lượng Lượng
dự báo dự báo

Thời gian Thời gian

Lượng Lượng
dự báo dự báo

Thời gian Thời gian

12

12

CBGD: Nguyễn Thùy Trang 6

Quản lý sản xuất cho kỹ sư

3. Kỹ thuật Dự báo định tính (chủ quan)

• PP “Quan điểm của người quản lý”:

• Phương pháp này đơn giản, dễ sử dụng: thu thập các số liệu dự
báo (dự đoán) của một số người quản lý cấp cao, thể hiện qua
các Báo cáo hoặc phát biểu.
• Hai mục tiêu trong quá trình tổng hợp:
• 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.

13

13

3. Kỹ thuật Dự báo định tính (chủ quan)

• PP “Quan điểm của người quản lý”:

• Hai vấn đề cần lưu ý là:
• Thứ tự trình bày số liệu dự báo và
• Trọng số cho từng quan điểm cá nhân

• Rà soát, xem lại của dự báo tổng hợp này.

14

14

CBGD: Nguyễn Thùy Trang 7

Quản lý sản xuất cho kỹ sư

3. Kỹ thuật Dự báo định tính (chủ quan)

• PP “Quan điểm của người quản lý”:

GĐ Dự báo
Tiếp thị

GĐ Dự báo
Sản xuất Quá trình DỰ
Dữ liệu
tổng hợp BÁO
GĐ Dự báo
Tài chính

GĐ Dự báo
Thiết kế

15

15

3. Kỹ thuật Dự báo định tính (chủ quan)

PP “Delphi”:
• Kỹ thuật Delphi là PP để tổng hợp quan điểm của chuyên gia.
• Có tính vô danh và tính phản hồi,
• Nhược điểm:
• Thời gian dài dẫn đến các ý kiến sẽ lẫn lộn, khó phân biệt.
• Khó khăn khi chọn lựa chuyên gia,
• Cuối cùng là ngay cả khi đạt được một sự thống nhất, nó có thể sai!

16

16

CBGD: Nguyễn Thùy Trang 8

Quản lý sản xuất cho kỹ sư

3. Kỹ thuật Dự báo định tính (chủ quan)

• PP “Tổng hợp từ lực lượng bán hàng”:

• Dự báo từ lực lượng bán hàng Phương pháp “gốc của cỏ”.
• Cảm nhận sản phẩm nào sẽ bán được hoặc không, cũng như
lượng bán được sẽ như thế nào.

17

17

3. Kỹ thuật Dự báo định tính (chủ quan)

• PP “Tổng hợp từ lực lượng bán hàng”:

• Thuận lợi (về mặt lý thuyết): lực lượng bán hàng là lực lượng
đạt tiêu chuẩn nhất để giải thích về nhu cầu của SP, đặc biệt là
trong vùng bán hàng của họ.
• 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.
18

18

CBGD: Nguyễn Thùy Trang 9

Quản lý sản xuất cho kỹ sư

4. Đo lường sai số Dự báo

Độ lệch:
• với n số thời đoạn (quá khứ) được sử dụng.
(Sai số trong thời đoạn thứ i)
Độ lệch =
n

(Giá trị thực – Giá trị dự báo)i

Độ lệch =
n
Nhược điểm: sai lệch dương có thể bù trừ cho sai
lệch âm  giá trị của độ lệch nhỏ
19

19

4. Đo lường sai số Dự báo

• Sai số chuẩn:
• Sai số bình phương trung bình MSE
(Sai số trong thời đoạn thứ i)2
MSE =
n

• Sai số chuẩn SE:

20

20

CBGD: Nguyễn Thùy Trang 10

Quản lý sản xuất cho kỹ sư

4. Đo lường sai số Dự báo

• Độ lệch tuyệt đối trung bình MAD:

|Sai số trong thời đoạn thứ i|

MAD =
n

21

21

4. Đo lường sai số Dự báo

(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
1 27000 23000 4000 16000000 4000
2 35000 25000 10000 100000000 10000
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

22

22

CBGD: Nguyễn Thùy Trang 11

Quản lý sản xuất cho kỹ sư

5. Kỹ thuật Dự báo định lượng

• Kỹ thuật làm trơn chuỗi số liệu, ví dụ doanh số trong quá khứ

của công ty Hạ Long.

Doanh số ($1000)
44
42
40
38
36
34
32
30
28
26

2 3 4 5 6 7 Năm

23

23

5. Kỹ thuật Dự báo định lượng

Trung bình di động (moving average)

 Chỉ tính trung bình của n dữ liệu quá khứ gần nhất.
• Ưu điểm: Chỉ cần lưu trữ ít số liệu, việc cập nhật cũng đơn giản.
• Xác định n ?
 Thử nhiều số n khác nhau, tính toán dự báo cho từng trường
hợp rồi so sánh độ lệch tuyệt đối trung bình cho mỗi phương
án. Phương án n nào cho trị số độ lệch nhỏ nhất sẽ là phương án
thích hợp nhất cho chuỗi số liệu tương ứng.

24

24

CBGD: Nguyễn Thùy Trang 12

Quản lý sản xuất cho kỹ sư

5. Kỹ thuật Dự báo định lượng

1. Trung bình di động (moving average)

Tuần Số ca nhập viện
1 22
2 21 Bảng sau cho thấy số người nhập
3 25 viện ở Trung tâm Cấp cứu Sài Gòn
4 27 hàng tuần. Người quản lý muốn ước
5 35
lượng số ca nhập viện cho tuần tới.
6 29
+ Số ca nhập viện trung bình: 30,7
7 33
8 37
9 41
10 37
Tổng 307

25

25

5. Kỹ thuật Dự báo định lượng

1. Trung bình di động (moving average) Tuần Số ca nhập viện n=2 Độ lệch tuyệt đối
1 22
2 21
Ví dụ: xét trung bình dịch chuyển 3 25 (*) 21.50 3.50
với n = 2 tuần. 4 27 23.00 4.00
5 35 26.00 9.00
(*) giá trị dự báo tuần 3: 6 29 31.00 2.00
(22+21)/2=21.50 7 33 32.00 1.00
8 37 31.00 6.00
MAD2 = 4,188 9 41 35.00 6.00
10 37 39.00 2.00
11 ??? 39.00 MAD = 4.188

26

26

CBGD: Nguyễn Thùy Trang 13

Quản lý sản xuất cho kỹ sư

5. Kỹ thuật Dự báo định lượng

1. Trung bình di động (moving average) Tuần Số ca nhập viện n=3 Độ lệch tuyệt đối
1 22
2 21
3 25
Ví dụ: xét trung bình dịch chuyển 4 27 (*) 22.67 4.33
với n = 3 tuần. 5 35 24.33 10.67
6 29 29.00 0.00
(*) giá trị dự báo tuần 4:
7 33 30.33 2.67
(22+21+25)/3=22.67
8 37 32.33 4.67
9 41 33.00 8.00
MAD3 = 4,334
10 37 37.00 0.00
11 ??? 38.33 MAD = 4.334

27

27

5. Kỹ thuật Dự báo định lượng

2. Trung bình di chuyển có trọng số (Weighted MA)

• Trọng số khác nhau được gán cho các thời điểm khác nhau,
• Thường trọng số lớn nhất được gán cho dữ liệu gần nhất và
trọng số sẽ giảm dần cho các dữ liệu xa hơn
 Tổng các trọng số phải bằng 1.
• VD: nếu trọng số được dùng là 0.5; 0.3; và 0.2  giá trị dự báo
cho tuần kế tiếp sẽ là:
• 0.5x(dữ liệu tuần vừa rồi) + 0.3x(dữ liệu 2 tuần trước đó) +
0.2x(dữ liệu 3 tuần trước)

28

28

CBGD: Nguyễn Thùy Trang 14

Quản lý sản xuất cho kỹ sư

5. Kỹ thuật Dự báo định lượng

2. Trung bình di chuyển có trọng số (Weighted MA)
Tuần Số lượng thực Trung bình di chuyển 3-tuần có trọng số Sai số tuyệt đối
1 22
2 21
3 25
4 27 0,5(25) + 0,3(21) + 0,2(22) = 23,2 3,8
5 35 0,5(27) + 0,3(25) + 0,2(21) = 25,2 9,8
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
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
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
(MAD = 4.37) Tổng 30,6
29

29

5. Kỹ thuật Dự báo định lượng

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

• Kỹ thuật này tương tự như KT trung bình di chuyển có trọng số
nhưng yêu cầu dữ liệu ít hơn.
• Phương pháp này sử dụng công thức sau:
Ft + 1 = Ft +  (Yt - Ft)
với Ft = giá trị dự báo tại thời điểm t;
Yt = giá trị số thực của thời điểm t;
 = hằng số giữa 0 và 1.

30

30

CBGD: Nguyễn Thùy Trang 15

Quản lý sản xuất cho kỹ sư

5. Kỹ thuật Dự báo định lượng

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

Ft+1 = Ft +  (Yt - Ft)
• Một giá trị dự báo ban đầu phải được đưa ra trước tiên sau đó
các trị số dự báo sẽ lần lượt được tính.
• Cần giá trị ban đầu (F1): lấy thí dụ với việc dự báo số ca nhập
viện ở trên, giả sử lượng nhập viện cho tuần thứ nhất là 25 và 
được chọn là 0,5.

31

31

5. Kỹ thuật Dự báo định lượng

3. Kỹ thuật làm trơn hàm số mũ (Exponential smoothing)
Tuần Số lượng thực Số lượng dự báo Sai số tuyệt đối
1 22 25 3.00
2 21 25 + 0,5(22 - 25) = 23,50 2.50
3 25 23,50 + 0,5(21 - 23,50) = 22,25 2.75
4 27 22,25 + 0,5(25 - 22,25) = 23,63 3.37
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
7 33 30,16 +0,5(29 - 30,16) = 29,58 3.42
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
32

32

CBGD: Nguyễn Thùy Trang 16

Quản lý sản xuất cho kỹ sư

5. Kỹ thuật Dự báo định lượng

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

Tuần Số lượng thực Số lượng dự báo ( =0.4) Sai số tuyệt đối
1 22 25 3.00
2 21
3 25
4 27
5 35
6 29
7 33
8 37
9 41
10 37
11 ??
(MAD = ) Tổng
33

33

5. Kỹ thuật Dự báo định lượng

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

Tuần Số lượng thực Số lượng dự báo ( =0.6) Sai số tuyệt đối
1 22 25 3.00
2 21
3 25
4 27
5 35
6 29
7 33
8 37
9 41
10 37
11 ??
(MAD = ) Tổng
34

34

CBGD: Nguyễn Thùy Trang 17

Quản lý sản xuất cho kỹ sư

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  là 0,5; có thể
những giá trị khác như  = 0,4 hay  = 0,6 sẽ cho kết quả tốt
hơn.
• Cách để tìm ra trị số  tốt nhất là thử với nhiều trị số khác nhau
và so sánh MAD với nhau.
• Thông thường thì một trị số  lớn sẽ cho lượng DB đáp ứng
hơn còn  nhỏ sẽ cho lượng DB trơn hơn.

35

35

forecasting

GV: Đường Võ Hùng\Quản lý sản xuất

36
cho kỹ sư\Chương 3: Kỹ thuật dự báo
36

CBGD: Nguyễn Thùy Trang 18