TRƯỜNG ĐẠI HỌC KINH TẾ ĐÀ NẴNG

-KHOA DU LỊCH-
----***----

BÁO CÁO NHÓM

MÔN HỌC: Quản trị hậu cần sự kiện
Đề tài: CHƯƠNG 3: QUẢN LÝ SỰ KIỆN VÀ TỒN KHO
Giảng viên bộ môn : Mai Thị Kiều Anh
Sinh viên thực hiện : Nhóm 3
 Nguyễn Phượng Hằng
 Nguyễn Ngọc Phương Anh
 Dương Thị Thu Hoài
 Trương Bảo Ngọc
 Lê Thị Hồng Nhung
 Phạm Thị Huyền Trang

ĐÀ NẴNG, 12/2023
 Trường Đại học Kinh tế - Đại học Đà Nẵng

NHẬN XÉT CỦA GIÁO VIÊN

…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………....…..

2
 Trường Đại học Kinh tế - Đại học Đà Nẵng

MỤC LỤC

3.1. QUẢN LÝ TỒN KHO – GIỚI THIỆU.........................................................4

3.1.1. Mô hình EOQ....................................................................................................4

3.1.2. Áp dụng mô hình EOQ một cách xấp xỉ...........................................................5

3.1.3. Phương pháp xác định kích thước lô hàng.............................................7

3.2. QUẢN LÝ TỒN KHO SỰ KIỆN – CÀI ĐẶT “NEWS-BOY”....................8

3.2.1. Thông tin cơ bản về “News-boy”......................................................................8

3.2.2. Một ví dụ về áo thun đơn giản........................................................................10

3.3. MỞ RỘNG KHÁI NIỆM “NEWS-BOY”...................................................15

3.4 NHẬN XÉT CUỐI CÙNG...........................................................................16

CHƯƠNG 3: QUẢN LÝ SỰ KIỆN VÀ TỒN KHO

3
 Trường Đại học Kinh tế - Đại học Đà Nẵng

3.1. QUẢN LÝ TỒN KHO – GIỚI THIỆU

3.1.1. Mô hình EOQ

Mô hình quản lý hàng tồn kho (EOQ) là một phương pháp được sử dụng để xác định
số lượng hàng hóa cần mua tại một thời điểm để đạt được chi phí tối ưu nhất. Mục tiêu
của mô hình là tìm ra sự cân bằng giữa chi phí đặt hàng và chi phí lưu kho.
Từ đó, mô hình giả định 2 loại chi phí:
+ Chi phí mua hàng, xuất hiện khi mỗi đơn hàng được đặt
+ Chi phí tồn kho, tỷ lệ với mức tồn kho (thực tế hoặc trung bình).
Mục đích của mô hình EOQ là tính toán làm sao cho tổng của 2 loại chi phí này (chi
phí đặt hàng và chi phí tồn kho) ở mức thấp nhất có thể. Mô hình dẫn đến công thức
EOQ (thường được gọi là công thức Wilson, công thức căn bậc hai) sau đó gọi là
lượng đặt hàng tối ưu Q⇤, được xác định bằng công thức:

Q⇤=
√ 2K λ
ℎ
Trong đó:
+ K là chi phí đặt hàng.
+ h là chi phí cho mỗi đơn vị được lưu trữ (trung bình).
+ λ là nhu cầu trong khoảng thời gian lập kế hoạch thực tế.
Mô hình đưa ra một số giả định nghiêm túc, trong đó hai giả định có liên quan nhất là:
1) Nhu cầu liên tục theo thời gian
2) Nhu cầu xác định (hoàn toàn có thể dự đoán được)
Tất nhiên, cả hai giả định này đều thiếu tính thực tế. Mô hình EOQ giả định rằng nhu
cầu hàng hóa là ổn định và có thể dự đoán được, thế nhưng thực tế lại thường có sự
biến động trong nhu cầu hàng hóa, điều này có thể làm cho kết quả từ mô hình EOQ
không chính xác và cần điều chỉnh.
Tuy nhiên, công thức EOQ đơn giản đã được chứng minh là có giá trị thực tế do tính
đơn giản của nó và là một công cụ để tìm giải pháp gần đúng.

4
 Trường Đại học Kinh tế - Đại học Đà Nẵng

3.1.2. Áp dụng mô hình EOQ một cách xấp xỉ

Ví dụ về dự báo dài hạn: Dự báo nhu cầu khán giả các trận sân nhà của MFK

Trận sân nhà 1 2 3 4 5 6 7

Dự báo 6602 6602 6602 8462 6602 6602 7865

Trận sân nhà 8 9 10 11 12 13 -

Dự báo 6602 11758 6602 6602 6602 6602 -

Bảng 3.1: Dự báo nhu cầu khán giả các trận sân nhà của MFK – mùa giải 2002

Chúng ta hãy giả định thêm: Theo kinh nghiệm của MFK, trung bình 1% khán giả của
họ mua một chai coca trong một trận đấu. MFK cần xác định số lượng coca cần mua
và mua khi nào. Giả định 1% người mua coca dẫn đến việc tính toán đơn giản về nhu
cầu coca trong tương lai dựa trên nhu cầu tham dự bằng cách chia tất cả các dự báo
trong bảng 3.1 cho 100 dẫn đến dự báo nhu cầu coca như trong bảng 3.2:

Trận sân nhà 1 2 3 4 5 6 7

Dự báo 66 66 66 85 66 66 79

Trận sân nhà 8 9 10 11 12 13 -

Dự báo 66 118 66 66 66 66 -
Bảng 3.2: Dự báo nhu cầu coca cho các trận sân nhà của MFK - mùa giải 2002

Bằng cách giả định thêm rằng chi phí tồn kho (h) giữa các trận sân nhà là 0,2 USD và
chi phí đặt hàng (K) mỗi lần đặt mua coca là 100 USD, công thức EOQ có thể được áp
dụng như một công cụ giải gần đúng để tìm ra chiến lược mua hàng tối ưu.
Trong công thức, thông tin duy nhất còn thiếu là λ (nhu cầu trung bình định kỳ), có
thể dễ dàng tìm thấy bằng cách cộng tất cả các số trong bảng 3.2 rồi chia cho 13 để
được giá trị trung bình. Chúng ta tính được:

10× 66+85+ 79+118

≈72.5
13

Và công thức EOQ khi đó trở thành:

5
 Trường Đại học Kinh tế - Đại học Đà Nẵng

Q⇤=
√ 2× 100 ×72.5
0.2
≈ 269

Kết quả là, mỗi lần đặt hàng, chúng ta phải đặt mua 269 chai cocacola. Trong thực tế,
khi ước lượng thông qua việc sử dụng công thức này, chúng ta cần thực hiện một số
điều chỉnh nếu dự báo thực tế không cố định. Bảng 3.3 dưới đây minh họa điều này:

Trận sân nhà 1 2 3 4 5 6 7

Dự báo 66 66 66 85 66 66 79
Đã đặt hàng 269 - - 269 - - -
Tồn kho 203 137 71 255 189 123 46
Trận sân nhà 8 9 10 11 12 13 -
Dự báo 66 118 66 66 66 66 -
Đã đặt hàng 269 - - 269 - - -
Tồn kho 247 129 63 266 200 184 -
Bảng 3.3: Kế hoạch mua coca; Các trận sân nhà của MFK - mùa giải 2002

Lưu ý rằng chúng ta đã chọn mua 269 chai trước trận sân nhà 11. Khi kế hoạch của
chúng ta dừng lại ở trận sân nhà 13, sẽ có “quá nhiều” hàng tồn kho trong giai đoạn
cuối. Rõ ràng, ta có thể điều chỉnh để có một lượng hàng tồn kho còn lại nhỏ hơn sau
trận đấu sân nhà vừa qua, nhưng vì đây là coca, nên có lẽ ta cũng nên giữ một ít cho
mùa giải tiếp theo.
Tổng chi phí của kế hoạch mua hàng này rất dễ tính toán, chỉ cần cộng tất cả số lượng
hàng tồn kho lại với nhau, nhân với chi phí tồn kho là 0,2 và cộng 4 lần chi phí đặt
hàng là 100. Điều này cho ra tổng chi phí cho kế hoạch gần đúng là:
2113× 0.1+4 × 100=611.3

6
 Trường Đại học Kinh tế - Đại học Đà Nẵng

3.1.3. Phương pháp xác định kích thước lô hàng

Phương pháp xác định kích thước lô hàng cổ điển liên quan đến việc lập kế hoạch sản
xuất chứ không phải quản lý hàng tồn kho. Tuy nhiên, chúng ta hãy nghiên cứu mô
hình kích thước lô sản xuất cổ điển trong cài đặt lập trình toán học. Như đã thảo luận
trong khóa học trước , dưới đây là công thức lập trình tuyến tính số nguyên hỗn hợp
của bài toán kích thước lô đơn giản được trình bày dưới đây trong các phương trình.
(3.4 - 3.8)
XT
Min Z = Kt6t + htIt + ctxt. (3.4)
t=1
xt + It—1 − It = dt ∀t. (3.5)
0 ≤ xt ≤ Mt6t ∀t. (3.6)
It ≥ 0, ∀t. (3.7)
6t ∈ {0, 1} ∀t. (3.8)

Trong khâu lập kế hoạch sản xuất, xt là lượng sản phẩm được sản xuất, I t là lượng
hàng tồn kho, 6t là biến nhị phân xác định liệu quá trình sản xuất có diễn ra trong
khoảng thời gian t hay không. Các biến này định nghĩa các biến quyết định trong mô
hình tối ưu hóa. Các tham số Kt, ht, ct, T và Mt lưu trữ chi phí thiết lập cho mỗi giai
đoạn, chi phí lưu kho, chi phí sản xuất, số lượng giai đoạn thời gian và các giá trị "M"
tương ứng.
Điểm đơn giản là tình huống quản lý hàng tồn kho hoặc mua hàng hoàn toàn giống
với tình huống được mô tả bởi mô hình trên với một số điều chỉnh đơn giản về diễn
giải lại các biến và tham số. Nếu chi phí thiết lập K t được thay thế bằng chi phí đặt
hàng, chúng ta có được logic mua hàng cần thiết. Nghĩa là, nếu một đơn đặt hàng
được đặt, (và chỉ khi đó) chi phí đặt hàng K t mới xảy ra. Hơn nữa, nếu lượng sản
phẩm được sản xuất được thay thế bằng số lượng hàng được đặt và chi phí sản xuất c t
được hiểu là chi phí mua hàng, mô hình trên hoạt động hoàn hảo trong việc quản lý
hàng tồn kho.
Để tìm ra một giải pháp chính xác, vấn đề với h t = 0.2∀t, Kt = 100∀t, ct = 0∀t, T = 13
và dt được chọn từ bảng 3.2 phải được đưa vào một loại phần mềm giải quyết vấn đề

7
 Trường Đại học Kinh tế - Đại học Đà Nẵng

nào đó. Ở đây, LINGO được sử dụng, và các biểu thức thực tế của LINGO cũng như
giải pháp được trình bày trong phần phụ lục C và D.
Có thể thấy (Phụ lục D), giải pháp tối ưu có giá là 607. Một sự thay đổi tương đối khi
so sánh với giải pháp xấp xỉ EOQ là 611.3 (xem phía trên). Sự thay đổi cấu trúc chính
giữa hai giải pháp là giải pháp tối ưu liên quan đến ba điểm mua hàng (trước các trận
đấu tại nhà 1, 5 và 9) so với giải pháp xấp xỉ là 4 điểm (trước các trận đấu tại nhà 1, 4,
8 và 11). Tuy nhiên, phép tính xấp xỉ EOQ vẫn khá tốt, khi cải thiện mục tiêu chỉ
khoảng 7%.
Cũng lưu ý rằng bằng cách sử dụng một cách diễn giải tương tự như trên, một giải
pháp xấp xỉ trung gian bổ sung có thể được đạt được thông qua phương pháp giải
pháp tạm thời Silver - Meal - xem Nahmias.

3.2. QUẢN LÝ TỒN KHO SỰ KIỆN – CÀI ĐẶT “NEWS-BOY”

3.2.1. Thông tin cơ bản về “News-boy”

Các ví dụ trên sẽ không đại diện cho những gì trước đây chúng tôi đã gắn nhãn sự
kiện - “one-shot”. Cả hai loại mô hình trên đều giả định khả năng lưu trữ tài nguyên
thực tế giữa các sự kiện .Giả định này có thể là có tác dụng tốt đối với việc điều hành
của các nhà sản xuất sự kiện như đội bóng đá hoặc câu lạc bộ nhạc jazz, nhưng không
phù hợp với lễ hội. Hầu hết các lễ hội diễn ra mỗi năm một lần và khả năng lưu trữ tài
nguyên giữa các sự kiện có thể không khả dụng do vấn đề về độ bền hoặc đơn giản là
do tính độc đáo của lễ hội. Một ví dụ điển hình cho loại thứ 2 có thể là một số loại tiện
ích được bán làm minh chứng cho việc tham gia sự kiện. Ví dụ, Liên hoan nhạc Jazz
quốc tế Molde (MIJF) bán áo phông là 1 ví dụ.
Một lập luận khác (cũng đã được thảo luận trước đó) đã chống lại các loại mô hình
trên là không chắc chắn). Khi ta tập trung vào các lễ hội hoặc sự kiện thể thao quy mô
lớn với khoảng thời gian lâu giữa các sự kiện, dự báo trở nên khó khăn đáng kể. Trong
tình huống đó, có vẻ hợp lý hơn là cố gắng tính đến sự không chắc chắn này khi mô
hình hóa.
Mô hình “News-boy” dường như rất phù hợp để giải quyết những loại tình huống như
vậy. Trong mô hình “News-boy” cổ điển, tồn tại một nhu cầu nhất định (giả định,
không chắc chắn và được mô tả bằng cơ chế xác suất) đối với một số sản phẩm. Sản

8
 Trường Đại học Kinh tế - Đại học Đà Nẵng

phẩm được mua ở một mức giá nhất định và sau đó được bán ở mức giá cao hơn trong
giai đoạn có nhu cầu bình thường. Hơn nữa, sau khoảng thời gian có nhu cầu (trong sự
kiện) bình thường, sản phẩm vẫn có thể được bán nhưng với mức giá kém hơn
(thường được giả định nhỏ hơn giá mua). Do đó, tình huống này giống với định nghĩa
sự kiện “một lần” vốn có của chúng ta. Trong thời gian diễn ra sự kiện, một tình
huống độc quyền nhất định xảy ra, tạo ra nhu cầu trong sự kiện. Nhu cầu này thay đổi
sau sự kiện, thường theo hướng tiêu cực. Quyết định đưa ra trong mô hình là việc đặt
hàng theo tính chất (Q⇤). Đó là, mua bao nhiêu tài nguyên nhất định trước sự kiện.
Mặc dù chúng ta đã sử dụng thiết bị này làm biểu tượng cho loại nhu cầu này, nhưng
nó khá dễ dàng để thấy rằng tình huống này thực sự phù hợp với hầu hết các hoạt
động mua tài nguyên cho một sự kiện, ít nhất là những tài nguyên có thể được bán
trong thị trường trong sự kiện. Đồ ăn, đồ uống tất nhiên cũng sẽ có những đặc điểm
tương tự. Bia trong khuôn viên sự kiện thường đắt hơn so với bên ngoài. Kết quả là,
khái niệm mô hình hóa này sẽ rất thú vị cho việc lập kế hoạch kiểm kê sự kiện. Ở một
mức độ nào đó, thuật ngữ quản lý hàng tồn kho có thể gây hiểu nhầm ở đây - vì mô
hình này là mô hình một kỳ, nhưng chiều hướng mua hàng vẫn tồn tại. Do đó, ngay cả
khi các quyết định về hàng tồn kho thông thường (lưu trữ bao nhiêu giữa mỗi giai
đoạn mô hình) không nằm trong khái niệm mô hình cơ bản của “News-boy”, nhóm
mô hình này vẫn có xu hướng được đặt trong danh mục quản lý hàng tồn kho (xem ví
dụ: Nahmias [21] ]).
Chúng ta hãy xem xét kết quả của mô hình cơ bản “News-boy”. (Chúng tôi bỏ qua
việc dẫn xuất toán học và chỉ tham khảo Nahmias [21] hoặc Ravindran và cộng sự
[24] để biết thông tin cơ bản đầy đủ).
Đầu vào cho mô hình được đưa ra bởi: (Các tham số ↵ và β được đưa ra lần lượt là
giới hạn dưới và giới hạn trên cho kết quả nhu cầu).
f(Q): Mật độ xác suất của nhu cầu Q ∈ [↵, β]
C o: dư thừa chi phí, chi phí trên mỗi đơn vị hàng tồn kho dương còn lại.
C u: chi phí, chi phí cho một đơn vị nhu cầu không được đáp ứng.

- Số lượng đặt hàng tối ưu Q⇤ khi đó (trong trường hợp liên tục) được tìm thấy bằng
cách giải:

9
 Trường Đại học Kinh tế - Đại học Đà Nẵng

Công thức:

Cu
F (Q⇤)=
C u +C o

RQ∗
Trong đó F (Q)= a f (Q)dQ . Nếu chúng ta chọn một công thức xác suất rời
rạc. (ví dụ: thay đổi từ f(Q) liên tục sang P x(Q) rời rạc = P(x ≤ Q)), giải pháp
thay đổi một chút thành:

Công thức
Cu
P x(Q)* ≥
Cu +C o

3.2.2. Một ví dụ về áo thun đơn giản

Bây giờ, chúng ta hãy minh họa một ứng dụng của mô hình “News-boy” trong mục
3.2.1 thông qua một ví dụ thiên hướng về sự kiện đơn giản.
VD: MIJF bán một số áo phông đặc biệt được phục vụ cho mỗi lễ hội.
Một câu hỏi quan trọng (ngoài chính sách giá cho áo sơ mi, được thảo luận ngắn gọn ở
Phần 3.3) là số lượng đặt hàng hoặc mua. Nếu MIJF đặt hàng quá ít, họ sẽ mất đi lợi
nhuận bán hàng tiềm năng, nhưng nếu họ đặt hàng quá nhiều, họ sẽ phải bán số áo
phông còn lại với giá thấp hơn. Đầu tiên chúng ta hãy giả sử rằng doanh số bán những
chiếc áo phông này tỷ lệ thuận với số lượng người tham dự. Đó là, càng bán được
nhiều vé xem sự kiện thì càng bán được nhiều áo phông. Điều này có vẻ là một giả
định hợp lý, nhưng cũng có thể nó quá đơn giản.
Chúng ta hãy tiếp tục bằng cách kiểm tra một số số liệu thống kê có sẵn.
Bảng 3.4 : doanh thu bán vé từ năm 2005 đến năm 2009.
Năm 2005 2006 2007 2008 2009
Vé 28074 27081 29889 30173 34704
Áo 9358 9027 9963 10058 11568

Bây giờ, trong ví dụ này, chúng ta không quan tâm đến số lượng vé bán ra mà là số
lượng áo thun được bán ra. Rõ ràng, đến hàng thứ 3, chúng ta phải chỉ định tỷ lệ này

10
 Trường Đại học Kinh tế - Đại học Đà Nẵng

dựa trên một số thông tin lỏng lẻo từ ban quản lý MIJF, chúng ta có thể nhận định như
sau: cứ mỗi vé thứ ba được bán, sẽ bán được 1 chiếc áo phông.
Nhìn bảng 3.4, chúng ta thấy xu hướng tích cực nhưng không có mô hình rõ ràng. Do
đó, một số điều không chắc chắn về khả năng bán vé cho lễ hội năm 2010 sắp tới có
vẻ hợp lý.
Để hoàn thành ví dụ, tìm số lượng áo phông (Q⇤) mà MIJF nên đặt hàng trước lễ hội
kỷ niệm năm 2010 (không mất), chúng tôi cần hai đại lượng thông tin bổ sung:
a) f(Q)
b) C u và C o
Thông tin sẵn có duy nhất để giải quyết nội dung của thử nghiệm hàm mật độ khả
năng f(Q) có nội dung bảng 3.4. Nahmias cung cấp một ví dụ có mật độ xác suất rời
rạc. Điều này có thể chấp nhận được trong tình huống mà bạn có số lượng quan sát
hợp lý.
Thật không may, nguồn dữ liệu của chúng tôi về việc bán vé là không đủ. Vậy chúng
ta có thể làm gì? Một cách tiếp cận có thể chỉ đơn giản là cố gắng sử dụng một số hàm
mật độ liên tục bao trùm khoảng khu vực được quan sát. Hình 3.1 chỉ ra một cách tiếp
cận khả thi.
Nếu chúng ta xem xét kỹ hơn hình 3.1, chúng ta nhận thấy rằng hai mật độ khác nhau
đã được đề xuất. Ở bên trái, một cách tiếp cận hơi bi quan - phân phối đồng đều có
nghĩa là bất cứ thứ gì trong khoảng từ 9000 đến 1300 áo phông đều có thể được bán
với xác suất như nhau. Ở bên phải, lạc quan hơn nhiều Phiên bản (hình tam giác) được
đề xuất khi khối lượng xác suất nằm ở bên phải nhiều hơn (doanh số nhiều hơn).
Tất nhiên, con số 9000 và 13000 cũng quan trọng. Chúng được chọn trên các quan sát
lịch sử tối thiểu và tối đa từ bảng 3.4 bằng cách làm tròn xuống 9358 đến 9000 và làm
tròn lên 11568 đến 13000. Hãy nhớ lại rằng cách tiếp cận xác định f(Q) trên một
khoảng đóng [↵, β] có nghĩa là xác suất bán được số lượng áo phông dưới ↵ và trên β
là bằng không.

11
 Trường Đại học Kinh tế - Đại học Đà Nẵng

Hình 3.1: Mật độ lạc quan và bi quan đối với nhu cầu áo thun.

Cu
Bây giờ, để có thể áp dụng phương trình (3.9): F(Q⇤) =
Cu +C o

Bạn phải tìm các hàm phân phối F U (Q) và F T (Q)

Bước đầu tiên của chương trình hai giai đoạn là tìm ra các công thức toán học về mật
độ F U (Q) và F T (Q):
(3.11)

{
f u ( Q ) = ℎ ,Q ∈[9000 ,13000 ]
0 , kℎác

(3.12)

{
f T ( Q )= a+ b· Q , Q∈[9000 , 13000]
0 , kℎác
Khi đó, nhiệm vụ của chúng ta là xác định ba hằng số h, a và b chưa biết trong các
phương trình (3.11) và (3.12).
Vì tổng khối lượng xác suất (diện tích hình chữ nhật bên trái trong hình 3.1) phải bằng
1 nên ta có:

h (13000 − 9000) = 1 → h = 0,00025 (3.13)

Để tìm a và b, ta lập luận như trên, và như thực tế F T (Q = 9000) = 0. Suy ra ta có:

12
 Trường Đại học Kinh tế - Đại học Đà Nẵng

(13000 − 9000) · (a + b . 13000) = 1

2
a + b · 9000 = 0

→ a + b · 13000 = 0,0005 (3.14)

a + b · 9000 = 0 (3.15)

Bằng cách lấy phương trình (3.14) trừ đi phương trình (3.15), bạn có thể dễ dàng tìm
ra hai ẩn số a và b:
(13000 − 9000) · b = 0,0005 → b = 0,0005 : 4000 = 0,000000125 (3.16)

a + 0,000000125 · 9000 = 0 → a = − 0,001125 (3.17)

Tiếp theo, bước thứ hai là chuyển đổi các hàm mật độ F U (Q), F T (Q) thành các hàm
phân phối F U (Q)
F T (Q) bằng cách:
F U (Q) = Zα ℎdQ
Q
(3.18)
Và
F T (Q) = Zα(a+ b ·Q) dQ
Q
(3.19)

Suy ra
F U (Q) = Zα ℎdQ = [ ℎQ ]Qα = ℎ(Q − ↵)
Q
(3.20)

[ b
2 ]
F T (Q) = Zα(a+ b ·Q) dQ = aQ+ Q2Qα = a (Q − ↵) +
b 2
2
Q − ↵2 (3.21)

Bây giờ, phần bên trái của phương trình (3.9) được tính thông qua hai biểu thức
thay thế của F(Q) trong các phương trình (3.20) và (3.21). Thông tin cần thiết còn
lại sau đó liên quan đến việc thu được các giá trị của cu và co, thông tin này (ít
nhất một phần) đã có sẵn.

13
 Trường Đại học Kinh tế - Đại học Đà Nẵng

Hóa ra giá bình thường trong lễ hội của áo phông năm ngoái (2010) là 180 NOK,
trong khi giá sau lễ hội là 30 NOK. Thật không may, chúng ta cũng cần thông tin
về giá mua (hoặc chi phí sản xuất) của áo phông. Thông tin này thường khó có
được hơn. Suy cho cùng, nếu lễ hội mua áo phông giá rẻ từ Trung Quốc và bán
chúng với giá đắt, kiến thức thị trường về áo phông có thể ảnh hưởng tiêu cực đến
nhu cầu. Do đó, hầu hết các nhà tổ chức sự kiện trong tình huống này sẽ miễn
cưỡng cung cấp thông tin này một cách công khai. Kết quả là, chúng tôi chỉ còn
cách đoán và dự đoán hợp lý có thể là tổng chi phí mua/sản xuất cho mỗi chiếc áo
phông là 50 NOK. Bây giờ c u và C o có thể được tính dễ dàng.

C u được tính bằng phần lãi lỗ của việc đặt hàng theo nhu cầu thực tế. Nếu có quá

ít, lợi nhuận tiềm năng sẽ bị mất là 180-50; do đó, c u = 130.

C o là khoản lợi nhuận bị mất nếu một người đặt hàng quá nhiều. Trong trường hợp

đó, áo phông được mua ở giá 50 và bán ở giá 30 dẫn đến a C o = 50 − 30 = 20. Bây
giờ, Tỉ lệ tới hạn (vế phải của phương trình (3.9)) có thể được tính như sau:

cu 130
Tỉ lệ tới hạn = = ≈ 0,867 (3.22)
c u+ c o 130+20

Do đó, hai mô hình đề xuất khác nhau của chúng tôi về nhu cầu không chắc chắn
dẫn đến các phương trình sau được giải cho Q⇤U và Q⇤T :

h(Q⇤U − ↵) = 0,867 (3.23)

Và
b ⇤2
h(Q⇤T − ↵) + Q − ↵2 = 0,867 (3.24)
2 T

Từ phương trình (3.23) suy ra:

14
 Trường Đại học Kinh tế - Đại học Đà Nẵng

0,867
QU = + ↵ = 3466.67 + 9000 ≈ 12467 (3.25)
ℎ

Phương trình (3.24) là phương trình bậc hai có biến và do đó sẽ liên quan đến các
thao tác đại số phức tạp hơn một chút. Lời giải được để lại cho người đọc như một
bài tập.

3.3. MỞ RỘNG KHÁI NIỆM “NEWS-BOY”

Trong phần trước, một ví dụ đơn giản về định hướng sự kiện thuộc kiểu “News-boy”
đã được trình bày. Mặc dù một số độc giả có thể thấy cách trình bày này khá phức tạp
nhưng điều quan trọng cần nhấn mạnh là mô hình của chúng tôi trong hầu hết các
trường hợp đều đơn giản đến mức nực cười. Hãy nghĩ về ví dụ của áo phông. Chúng
tôi giả định chỉ có một chiếc áo phông để bán. Thực tế lại khác, tại lễ hội năm 2010, 2
chiếc áo phông khác nhau (động cơ/lý do khác nhau nhưng cùng một chiếc áo cơ bản)
đã được bán. Sự thay đổi tưởng chừng như đơn giản này thực sự có thể gây ra những
hậu quả lớn đối với khái niệm mô hình của chúng ta. Trong tình huống như vậy, có vẻ
khá rõ ràng khi cho rằng một chiếc áo phông này có thể phổ biến hơn chiếc áo phông
kia và một cơ chế tương quan nhu cầu nhất định phải được thêm vào mô hình - không
phải là một sự thay đổi mô hình đơn giản để thực hiện.
Hơn nữa, việc lựa chọn quy trình sản xuất (mua quần short thành phẩm hoặc chia quy
trình sản xuất thành từng phần để tận dụng trì hoãn) là điều cần cân nhắc và điều này
chắc chắn khiến cho việc phân tích sẽ còn phức tạp hơn nhiều. Bằng cách xử lý trước
áo phông và cố gắng trì hoãn việc hoàn thiện chúng, người ta có thể tận dụng để quan
sát nhu cầu trong lễ hội và do đó cố gắng tăng cường hoàn thiện những chiếc áo phông
phổ biến thay vì những chiếc ít phổ biến hơn (được quan sát).
Hai đoạn mở rộng đơn giản ở trên giới thiệu cả vấn đề “News-boy” cho nhiều kỳ cũng
như nhiều sản phẩm. May mắn thay, các nhà nghiên cứu đã dành nhiều thời gian và
công sức để giới thiệu các đoạn mở rộng khác nhau cho vấn đề này, vì vậy, từ quan
điểm thực hành, có thể nhận được rất nhiều trợ giúp từ tài liệu nghiên cứu. Một cuộc
khảo sát thú vị của Khouja [19] đã phân biệt 11 loại mở rộng khác nhau, liên quan đến
cả tình huống nhiều thời kỳ và sản phẩm, cũng như nhiều tình huống khác.

15
 Trường Đại học Kinh tế - Đại học Đà Nẵng

Ngoài những phần mở rộng có thể được đề cập ở trên, một loại tài liệu nghiên cứu
hiện đại khác cũng rất thú vị để xem xét. Hãy nhớ lại ví dụ của chúng ta rằng các tham
số C u và C olà các tham số giả định, nghĩa là được đưa ra ngoại sinh cho mô hình. Trên
thực tế, một số phần nhất định của các tham số này nằm dưới sự kiểm soát của người
ra quyết định. Ví dụ: hai mức giá 180 (giá bán trong sự kiện) và 30 (giá bán sau sự
kiện) có thể và phải được xác định bởi MIJF. Việc chọn các giá trị khác nhau cho
những giá trị này chắc chắn sẽ thay đổi vấn đề. Có lẽ, bằng cách tăng 130, sẽ có ít áo
phông được bán với giá cao hơn trong lễ hội trong khi làm ngược lại, sẽ có nhiều áo
phông được bán với giá thấp hơn. Rõ ràng, chính sách giá phải ảnh hưởng đến tổng lợi
nhuận dự kiến. Tuy nhiên, để phân tích các loại vấn đề này trong khuôn khổ mô hình
“News-boy”, một số quan hệ cầu (có tính chất ngẫu nhiên) phải được thêm vào mô
hình. Nói một cách đơn giản. Chúng ta cần biết nhu cầu (không chắc chắn) thay đổi
như thế nào khi giá thay đổi. Điều này càng làm cho vấn đề trở nên phức tạp hơn,
nhưng đã thu hút được một số nghiên cứu quan tâm trong những năm sau đó. Đánh
giá xuất sắc của Petruzzi và Dada [23] tổng hợp hầu hết các nghiên cứu hiện có trong
lĩnh vực này cho đến nay.

3.4 NHẬN XÉT CUỐI CÙNG

Bản chất đặc biệt của các sự kiện cho thấy rằng khái niệm mô hình quản lý hàng tồn
kho ngẫu nhiên trong một kỳ (“News-Boy” hoặc Newsvendor) có vẻ là một điểm khởi
đầu tốt. Tuy nhiên, thực tế đòi hỏi (có lẽ) những cách tiếp cận tiên tiến hơn nhiều so
với mô hình “News-Boy” đơn giản ban đầu. Làm điều này chắc chắn là một thách
thức. Tuy nhiên, chủ đề này rất mới mẻ trong nghiên cứu và người ta nên mong đợi
những cải tiến và đổi mới hơn nữa có thể phù hợp với các sự kiện và sản xuất dịch vụ
thậm chí còn tốt hơn. Vì vậy, đối với những người quan tâm đến việc nghiên cứu lĩnh
vực này, “ngách” này có thể là một lựa chọn thú vị.
Quản lý hàng tồn kho theo nghĩa truyền thống tập trung rất nhiều vào việc quyết định
hàng tồn kho theo định kỳ. Vấn đề lĩnh vực này có lẽ ít liên quan hơn đến các sự kiện,
tuy nhiên, việc mua hàng nói chung rất phù hợp với hầu hết các nhà sản xuất sự kiện,
vì vậy việc sử dụng thuật ngữ quản lý mua hàng có lẽ tốt hơn theo quan điểm khoa
học. Trong văn bản này, chúng tôi vẫn chọn sử dụng từ vựng về hậu cần truyền thống.

16