Professional Documents
Culture Documents
Quản Trị Chuỗi Cung Ứng Chương 2a (1st Half)
Quản Trị Chuỗi Cung Ứng Chương 2a (1st Half)
CHƯƠNG 2:
HOẠT ĐỘNG ĐIỀU HÀNH CHUỖI CUNG ỨNG:
LẬP KẾ HOẠCH VÀ TÌM NGUỒN CUNG
2.1. Giới thiệu chung về hoạt động điều hành chuỗi cung ứng: lập
kế hoạch và tìm nguồn cung ứng
2.2. Lập kế hoạch cho hoạt động của chuỗi cung ứng
2.3. Tìm nguồn cung ứng
Sau khi hoàn thành chương học này, sinh viên cần đạt được những mục tiêu sau đây:
Trình bày những kiến thức tổng quan về hoạt động lập kế hoạch và tìm nguồn
cung ứng
Sử dụng các phương pháp khác nhau để thực hiện hoạt động dự báo nhu cầu
Phân tích các hoạt động lập kế hoạch cho chuỗi cung ứng
Thực hành lập kế hoạch tổng hợp cho Chuỗi cung ứng
Michael H. (2011), Tinh hoa quản trị chuỗi cung ứng, John Wiley & Sons. – Chương 2
Đọc thêm:
Sunil C. and Peter M. (2019), Supply Chain Management: Strategy, Planning and
Operation, Pearson. – Chương 7
Alan Harrison et al. (2014), Logistics Management and Strategy: Competing through the
supply chain, Pearson. – Chương 6
HOẠCH ĐỊNH
SẢN XUẤT
- Là quá trình lên kế hoạch cho một sản phẩm từ nguyên liệu thô cho đến lúc sản phẩm đến
tay người tiêu dùng
- Bao gồm các nhiệm vụ:
2. 3. 4.
1. Dự báo ngắn hạn thường Dự báo tổng thường chính Càng xa khách hàng thì
Dự báo luôn luôn không chính xác hơn dự báo xác hơn các dự báo đơn lẻ thông tin về nhu cầu càng bị
chính xác dài hạn móp méo
gian:
tuần, gian:
MSc. Le Quang Huy
tháng, giờ,
• Thời quý ngày
gian: • Áp • Áp
năm dụng: dụng:
• Áp Kế các
dụng: hoạch quyết
dự báo bán định
năng hàng, về sản
lực, lập xuất,
các ngân vận
chiến sách chuyể
lược ngắn n, bổ
đầu hạn, sung
tư, … lập kế hàng
hoạch hoá
lưu trong
kho, kho
v.vTactic Oper
Strate
ation
gic al
al
Forec Forec
Forec
ast ast
ast
Các phương pháp dự báo nhu cầu
Tên
Nội dung Ưu điểm Nhược điểm
phương pháp
Lấy ý kiến từ các chuyên gia, đội - Hiệu quả khi có ít dữ liệu lịch sử - Ý kiến có thể mang tính chủ
Định tính bán hàng, khách hàng,… làm cơ - Tổng hợp được ý kiến đa dạng quan hoặc giới hạn ở mức độ
(Qualitative) - Phù hợp với các ngành/ sản phẩm hiểu biết của người tham gia
sở đưa ra dự báo
mới
Dựa vào các dữ liệu về nhu cầu - Phù hợp khi các dữ liệu về - Không phù hợp với TH dự
Phân tích chuỗi thời khách hàng trong quá khứ để nhu cầu không biến thiên lớn báo nhu cầu cho các SP
gian đưa ra dự báo qua thời gian mới
(Time series Analysis) - Đơn giản, dễ thực hiện
Dựa vào sự tương quan giữa - Áp dụng hiệu quả khi sự - Khó khăn trong việc tìm ra
Nhân quả nhu cầu và các yếu tố ngoại tương quan thể hiện rõ ràng các yếu tố tương quan với
(Causal) cảnh để đưa ra dự báo và ổn định nhu cầu
Kết hợp phương pháp nhân quả và - Độ chính xác cao - Chi phí thực hiện
Mô phỏng chuỗi thời gian để mô phỏng các
(Simulation) hành vi của người tiêu dùng với các
TH giả thiết khác nhau
- Phân tích chuỗi thời gian là một kỹ thuật dự báo được sử dụng phổ biển nhằm mục đích dự báo
nhu cầu cho các hoạt động có ghi nhận dữ liệu trong quá khứ.
- Các phương pháp phân tích chuỗi thời gian phổ biến bao gồm:
+ Phương pháp Naive
+ Phương pháp trung bình động
+ Phương pháp san bằng số mũ
+ Phương pháp sử dụng mô hình Holt
+ Phương pháp sử dụng mô hình Winter
D t + D t −1 +…+ D t − n+1
F t +1= Lt =
n
Trong đó:
dự báo cho kỳ t+1
mức nhu cầu ở kỳ t
mức nhu cầu quan sát ở kỳ t-i
n: số kỳ quan sát
a, Sử dụng mô hình trung bình di động với n = 4 để tính toán dự báo nhu cầu mua trà sữa cho
tuần đầu tiên của tháng 9.
b, Nếu doanh số tuần 1 tháng 9 là 170 ly thì sai số dự báo là bao nhiêu?
1 1 150 250
200
2 2 250
8 150
3 3 173
100
4 4 155
50
9 1 5
0
0 1 2 3 4 5
(ly)
a, Dự báo nhu cầu mua trà sữa tuần đầu tháng 9 là:
(ly)
b, Nếu số ly trà sữa bán được trong tuần 1 tháng 9 là 170 ly, sai số của dự báo là:
(ly)
a, Sử dụng mô hình trung bình di động với n = 3 để tính toán dự báo nhu cầu mua máy lạnh trong tuần đầu
tiên của tháng 9.
b, Nếu số lượng máy lạnh bán ra trong tuần đầu tiên của tháng 9 là 100 chiếc thì sai số dự báo là bao nhiêu?
(đvsp)
F t +1=𝛼 . D t + ( 1 −𝛼 ) . F t
Trong đó:
Mức dự báo của kỳ t+1
Mức thực tế quan sát ở kỳ t
Mức dự báo của kỳ t
Hệ số san bằng thoả mãn điều kiện 0< < 1
Sử dụng mô hình san bằng số mũ đơn giản với = 0.1 để dự báo nhu cầu mua trà sữa cho
tuần đầu tiên của tháng 9
1 1 150 250
2 2 250 200
8
3 3 173 150
100
4 4 155
50
9 1 5
0
0 1 2 3 4 5
a, Sử dụng mô hình san bằng số mũ đơn giản với = 0.2 để tính toán dự báo nhu cầu mua máy lạnh trong tuần
đầu tiên của tháng 9.
Nhu cầu
Tháng Tuần Kỳ Dự báo nhu cầu (= 0.2)
(đvsp)
7 4 1 98 116.2
1 2 143
2 3 115
8
3 4 125
4 5 100
9 1 6
→ Từ bảng tính toán trên ta có, lượng nhu cầu mua máy lạnh dự báo cho tuần đầu tháng 9 là 115 chiếc
MSc. Le Quang Huy