DỰ BÁO NHU CẦU & TỒN KHO pot

Nếu dự báo không chính xác có thể gây ra cạn dự trữ, thiếu hụt nguyên vật liệu, phản ứng kém với những biến động của thị trường, sụt giảm doanh số, giảm lợi nhuận dự báo thiếu, tăng chi

DỰ BÁO NHU CẦU

Mục tiêu: Sau khi nghiên cứu chương này, người học có thể:

- Trình bày được các phương pháp dự báo

- So sánh được ưu nhược điểm và trường hợp vận dụng của các phương pháp dự báo

- Áp dụng được các công thức để giải quyết các dạng bài toán dự báo

- Tính và phân tích được các thông số kiểm soát dự báo

1.KHÁI NIỆM DỰ BÁO

Dự báo là ước đoán những khả năng sẽ xảy ra trong tương lai.

Dự báo được tiến hành trên cơ sở phân tích khoa học các dữ liệu đã thu thập được Dự báo có thể dựa trên trực giác hoặc suy đoán chủ quan Dự báo cũng có thể là sự phối hợp của những cách trên, nghĩa là phân tích khoa học các dữ liệu

để có kết quả rồi dùng phán xét kinh nghiệm của người quản trị để điều chỉnh lại

Dự báo vừa là một khoa học và là một nghệ thuật Dự báo không bao giờ đảm bảo 100% độ chính xác vì nó luôn hàm chứa tính rủi ro Mục tiêu của dự báo là tối thiểu hóa sai lệch giữa thực tế và dự báo

Dự báo có vai trò đặc biệt quan trọng trong hoạt động cung ứng Nó giúp giảm chi phí hoạt động, tăng năng suất, tăng hiệu quả hoạt động cung ứng, nói riêng, hoạt động sản xuất kinh doanh của doanh nghiệp, nói chung Dự báo giúp ước tính được số lượng sản phẩm cần sản xuất, từ đó xác định nhu cầu nguyên vật liệu, lập được kế hoạch cung ứng, dự trữ nguyên vật liệu Nếu dự báo không chính xác có thể gây ra cạn dự trữ, thiếu hụt nguyên vật liệu, phản ứng kém với những biến động của thị trường, sụt giảm doanh số, giảm lợi nhuận (dự báo thiếu), tăng chi phí tồn kho (dự báo dư)

Hội đồng ý kiến của các nhà quản trị

Ở phương pháp này, nhóm các nhà quản trị cấp cao - những người có kiến thức chuyên sâu về doanh nghiệp, thị trường, môi trường kinh doanh - họp bàn lại với nhau để tiến hành dự báo

Phương pháp này có ưu điểm từ việc hội tụ được trí tuệ và kinh nghiệm của những nhà quản trị trực tiếp liên quan đến hoạt động thực tiễn Tuy nhiên, phương pháp này có nhược điểm là quan điểm của người có quyền lực, có địa vị cao thường gây ảnh hưởng lớn đến những thành viên còn lại.

Phương pháp này thường thích hợp với các dự báo dài hạn

Tổng hợp ý kiến của lực lượng bán hàng

Mỗi nhân viên bán hàng sẽ ước đoán số lượng sản phẩm bán được trong tương lai đối với khách hàng của mình Những dự báo này được thẩm định để đoán chắc là nó thực hiện, sau đó phối hợp các dự đoán của tất cả lực lượng bán hàng để hình thành dự báo của doanh nghiệp

Lực lượng bán hàng là lực lượng tiếp cận sát với khách hàng, hiểu rõ khách hàng nên dự báo có khuynh hướng đáng tin cậy Tuy nhiên, sai lệch của mỗi cá nhân có thể tác động tiêu cực đến kết quả của phương pháp này Lượng bán hàng có thể dự báo thấp hơn để hưởng tiền thưởng vượt doanh số hoặc dự báo quá cao do lạc quan

Phương pháp này thường được áp dụng đối với các sản phẩm có khối lượng tiêu thụ lớn và rộng rãi

Khảo sát khách hàng

Đây là phương pháp lấy ý kiến của khách hàng hiện tại và tiềm năng cho kế hoạch tương lai của công ty Việc nghiên cứu được thực hiện bằng nhiều hình thức như tổ chức các cuộc điều tra lấy ý kiến của khách hàng, phỏng vấn trực tiếp, phỏng vấn qua điện thoại, gửi phiếu điều tra tới gia đình hoặc cơ sở tiêu dùng,

Phương pháp này không những giúp cho công tác dự báo mà còn có thể hiểu được những đánh giá của khách hàng về sản phẩm của công ty để cải tiến hoàn thiện cho phù hợp Tuy nhiên, phương pháp này đòi hỏi tốn kém tài chính, thời gian và cần phải có sự chuẩn bị công phu trong việc xây dựng câu hỏi, lấy mẫu Đôi khi phương pháp này cũng vấp phải khó khăn là ý kiến của khách hàng không thực sự xác thực hoặc quá lý tưởng

Phương pháp này thường được sử dụng để dự báo cho sản phẩm mới

Phương pháp Delphi

Phương pháp Delphi là phương pháp nhóm quá trình thực hiện nhằm bảo đảm việc nhất trí dự báo trên cơ sở tiến hành một cách nghiêm ngặt, năng động, linh hoạt việc nghiên cứu lấy ý kiến của các chuyên gia Phương pháp này huy động trí tuệ của các chuyên gia nội bộ và bên ngoài để xây dựng dự báo Có ba nhóm chuyên gia trong quá trình dự báo theo phương pháp này: (1) những người

ra quyết định; (2) những điều phối viên; và (3) những chuyên gia chuyên sâuPhương pháp này được thực hiện theo quy trình sau: Đầu tiên là lựa chọn các nhóm chuyên gia Sau đó, các điều phối viên xây dựng các câu hỏi điều tra lần đầu, gửi đến các chuyên gia chuyên sâu Các chuyên gia chuyên sâu sẽ cho ý kiến trả lời Các điều phối viên phân tích các câu trả lời, tổng hợp kết quả, soạn thảo lại bản câu hỏi gửi cho các chuyên gia chuyên sâu Các chuyên gia chuyên

sâu dựa trên kết quả tổng hợp có thể hiệu chỉnh câu trả lời của mình Và tiến trình tiếp tục cho đến khi đạt được sự nhất trí hoặc khi kết quả dự báo thỏa mãn những yêu cầu đề ra.

Tư tưởng cơ bản của phương pháp Delphi là tạo ra và nhận được ý kiến và phản hồi hai chiều từ người ra quyết định đến các chuyên gia và ngược lại Phương pháp này tránh được mối liên hệ trực tiếp giữa các cá nhân Không có các va chạm giữa người này với người khác hoặc bị ảnh hưởng của một người nào đó có ưu thế hơn Tuy nhiên, phương pháp rất tốn kém cả về thời gian và tiền bạc Phương pháp đòi hỏi trình độ tổng hợp rất cao của điều phối viên và người ra quyết định Họ phải là những người có đủ khả năng để tổng hợp được các ý kiến của các chuyên gia và phát triển ý kiến đa dạng của các chuyên gia.Phương pháp này thường được sử dụng cho việc dự báo các công nghệ cao, các sản phẩm chính mới, các dự án lớn và tốn kém,…

Các phương pháp dự báo định lượng

Phương pháp bình quân giản đơn

Bình quân giản đơn là phương pháp dự báo trên cơ sở lấy trung bình của các

dữ liệu đã qua, trong đó các nhu cầu của các giai đoạn trước đều có trọng số như nhau

Công thức tính:

n

A F

t

i i t

∑−

=

=

1 1

Trong đó:

+ Ft: Là nhu cầu dự báo cho giai đoạn t

+ Ai: là nhu cầu thực của giai đoạn i

+ n: là số giai đoạn quan sát (số giai đoạn có nhu cầu thực)

Ví dụ: Công ty cao su Sao Vàng có số liệu thống kê về nhu cầu săm lốp xe

máy (bộ) trong 3 năm qua là 500.000; 600.000 và 700.000 bộ Như vậy, nhu cầu

dự báo cho năm tới là:

000 600 3

000 700 000 600 000 500

Phương pháp bình quân di động

Trong trường hợp khi nhu cầu có sự biến động, trong đó, thời gian gần nhất

có ảnh hưởng nhiều nhất đến kết quả dự báo, thời gian càng xa thì ảnh hưởng càng nhỏ ta dùng phương pháp bình quân di động sẽ thích hợp hơn

Phương pháp bình quân di động, dùng kết quả trên cơ sở thay đổi liên tục khoảng thời gian trước đây dự báo giai đoạn tiếp theo:

n

A F

n t

t

i i t

+ Ai: là nhu cầu thực của giai đoạn i

+ n: là số giai đoạn quan sát

Ví dụ: cửa hàng X bán máy nổ D9, đã dùng phương pháp bình quân di động

4 tháng để dự báo mức bán cho các tháng tới như sau:

Ưu điểm của phương pháp là dễ sử dụng và dễ hiểu

Hạn chế của phương pháp là không phản ứng nhanh chóng với xu hướng thay đổi

i i

t A H F

1

Trong đó:

+ Ai: là nhu cầu thực của giai đoạn i

+ Hi: là trọng số của giai đoạn i với ∑H i = 1

Ví dụ: Cửa hàng X quyết định áp dụng mô hình dự báo theo bình quân di

động 4 tháng có trọng số với các trọng số cho các tháng như sau:

Tháng vừa qua (giai đoạn gần nhất)

2 tháng trước (giai đoạn gần ở vị thứ hai)

3 tháng trước (giai đoạn gần ở vị thứ ba)

0,40,30,2

4 tháng trước (giai đoạn gần ở vị thứ tư) 0,1

Kết quả dự báo theo mô hình này được thể hiện trong bảng sau:

Tháng thực tế bán đượcSố máy nổ D9 Dự báo nhu cầu bình quân di động cho 4 tháng

số lượng hiện tại để phản ánh sự thay đổi nhu cầu Trọng số sử dụng lệ thuộc phần lớn vào kinh nghiệm của người dự báo Mặc dù dự báo phản ánh sự thay đổi nhu cầu nhưng vẫn chưa thể hiện rõ do tác động của bình quân Vì thế phương pháp bình quân di động có trọng số không phải là phương pháp tốt để kiểm tra và theo dõi những thay đổi mang tính xu hướng của dãy dữ liệu

Phương pháp san bằng mũ giản đơn

Để khắc phục những hạn chế của các phương pháp bình quân, người ta đề xuất sử dụng phương pháp san bằng mũ để dự báo Đây là phương pháp dễ sử dụng nhất Nó cần ít số liệu nhất trong quá khứ Công thức cơ bản của san bằng

mũ có thể diễn tả như sau:

Trong đó:

+ Ft: nhu cầu dự báo cho giai đoạn t

+ Ft-1: nhu cầu dự báo của giai đoạn ngay trước đó

+ At-1: nhu cầu thực của giai đoạn ngay trước đó

+ α: hệ số san bằng mũ, với 0 ≤ α ≤ 1

Thực chất của phương 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

Ví dụ: Vẫn số liệu trong dự báo trên, nhưng biết nhu cầu thực trong tháng 1

là 405, ta giả sử dự báo trong tháng 1 cũng đúng bằng 405 và hệ số san bằng mũ

là α = 0,9

Áp dụng phương pháp san bằng mũ ta có kết quả dự báo như sau:

405

405 = 405 + 0,9(405 – 405) 409.5 = 405 + 0,9( 410 – 405)396.5 = 409.5 + 0,9( 395 – 404.5)444.6 = 396.5 + 0,9( 450 – 396.5)413.5 = 444.6 + 0,9( 410 – 444.6)428.5 = 413.5 + 0,9(430 – 413.5)

Phương pháp san bằng mũ có điều chỉnh xu hướng

Phương pháp san bằng mũ giản đơn không phản ánh được xu hướng Để phản ánh tốt xu hướng vận động của nhu cầu, ta sử dụng mô hình san bằng mũ ở trên và điều chỉnh tăng lên hoặc giảm đi theo xu hướng của nhu cầu cho phù hợp hơn

Công thức như sau:

t t

t F T FIT = +

+ Tt-1: Hiệu chỉnh xu hướng cho giai đoạn ngay trước đó.

405405409,5396,5444,6413,5428.5448460469.0587626

000,45-0,853,960,852,354,35,56,418,222,1

405405495,95395,65448,6414,4431452,3465,5475,4605,2648,1

Phương pháp dự báo theo xu hướng

Phép dự báo theo xu hướng giúp chúng ta dự báo nhu cầu trong tương lai dựa trên một tập hợp các dữ liệu có xu hướng trong quá khứ

Kỹ thuật này tìm cách vẽ một đường sao cho phù hợp với các số liệu quá khứ rồi dựa vào đó dự báo nhu cầu của giai đoạn tiếp theo xu hướng của các số liệu đã thống kê thu được Có thể dùng nhiều hàm phương trình để diễn tả xu hướng (hàm tuyến tính, hàm parabol, hàm hypebol, hàm mũ,…), nhưng để đơn giản, chúng ta sử dụng phương trình hàm tuyến tính Áp dụng phương pháp bình phương tối thiểu, ta vạch một đường thẳng đi qua các số liệu có sẵn sao cho tổng bình phương các khoảng cách từ số đo đến đường vừa vạch ra theo hướng trục tung (trục biểu diễn nhu cầu) là nhỏ nhất

Thời gian (t)

Nhu cầu (Y

t )

Phương trình đường tuyến tính có dạng:

n

i i

t n t

t Y n t Y b

1

2 2

1

.

.

và a=Y −b.t

n

Y Y

n

i i

∑

=1

Trong đó:

+ Yt: Nhu cầu tính cho thời kỳ t

+ Yi: Nhu cầu thực của giai đoạn i (i= 1 ,n)

+ n: Số giai đoạn quan sát

Ví dụ: Số liệu tiêu thụ máy biến thế 500 KVA của nhà máy X trong thời gian

qua được cho trong bảng sau:

14916253649

741582403605258521064

7 140

4 103 7 3273

.

2 1

2 2

t Y n t

Y

b

47 4 14 103

Nhu cầu cho năm tới: Y = 47 + 14x8 = 159 máy

Dự báo nhu cầu biến đổi theo mùa

Có nhiều mặt hàng có nhu cầu biến đổi theo mùa như quần áo, quạt, lò sưởi,

du lịch, thuốc tây,… Ví dụ sau đây cho ta biết cách dùng chỉ số mùa vụ để điều chỉnh nhu cầu theo mùa

Ví dụ: Nhà máy Điện cơ thống kê được số quạt bán trong thời gian qua như

7600

4100

1500

4001000

000110073008200430016005101200

00095064007900420015504551100

178917891789178917891789178917891789178917891789

0000,53103,57754,41592,34770.86640,25430,006200Tổng nhu cầu bình quân = 21466

Nếu nhu cầu năm thứ 3 được dự báo là 23500 chiếc quạt thì khi dùng chỉ số mùa vụ nói trên, ta sẽ dự báo được nhu cầu hàng tháng trong năm đó:

Nhu cầu bình quân tháng giản đơn

Phương pháp dự báo nhân quả: Hồi quy và phân tích tương quan

Mô hình dự báo nhân quả thường nghiên cứu nhiều biến số liên quan đến nhu cầu dự báo Khi tìm được các biến số có liên quan, người ta xây dựng mô hình và dùng nó để dự báo Cách tiếp cận này phản ánh được các nhân tố ảnh hưởng đến nhu cầu Có nhiều nhân tố ảnh hưởng đến nhu cầu Công việc của nhà quản trị là xây dựng mô hình phản ánh tương quan giữa các nhân tố trên

Mô hình dự báo nhân quả định lượng được dùng phổ biến nhất là Mô hình phân

tích hồi quy tuyến tính.

Trong mô hình phân tích hồi quy tuyến tính, biến phụ thuộc là nhu cầu Y và biến độc lập là x Phương trình dự báo giống như phương trình dự báo xu hướng, nhưng nhân tố thời gian t được thay bằng các nhân tố x

Y = a + bxTrong đó:

+ Y: trị số của biến phụ thuộc (nhu cầu dự báo)

+ a: tung độc gốc (điểm cắt trục Y của đồ thị)

+ b: độ dốc của đường hồi quy

+ x: biến độc lập

3.KIỂM SOÁT DỰ BÁO

Mục tiêu cơ bản của bất kỳ dự báo nào là có được dự báo chính xác và không sai lệch Chi phí liên quan đến sai số dự báo có thể là rất lớn Các doanh nghiệp phải thực hiện kiểm soát sai số dự báo thật tốt và làm những việc cần thiết để cải thiện kỹ thuật dự báo của họ

Công thức tính sai số dự báo được định nghĩa là phân sai giữa số lượng thực

tế và dự báo như sau:

Sai số dự báo: e t = A t −F t

Trong đó:

+ et : sai số dự báo cho giai đoạn t

+ At : Nhu cầu thực tế của giai đoạn t

+ Ft : Nhu cầu dự báo cho giai đoạn t

Một vài tiêu chí đánh giá tính chính xác của dự báo thường được sử dụng:

 Độ lệch tuyệt đối trung bình

n

e MAD

n

t t

∑

=

MAD là một tiêu chí được sử dụng rộng rãi để đánh giá tính chính xác của

dự báo và để so sánh các phương pháp dự báo

MAD = 0: dự báo phản ánh chính xác nhu cầu qua các giai đoạn dự báo.MAD > 0: kết quả của dự báo hoặc là cao, hoặc là thấp hơn nhu cầu

Khi so sánh các kỹ thuật dự báo thì kỹ thuật dự báo chính xác nhất khi giá trị của MAD nhỏ nhất

 Sai số phần trăm tuyệt đối trung bình (MAPE)

) 100 ( 1

MAPE đem lại một nét nhìn chính xác về mức thực của sai số dự báo

 Sai số bình phương trung bình (MSE)

n

e MSE

e RSFE

 Tín hiệu theo dõi (TS)

Tín hiệu dự báo tốt khi có RSFE thấp và có sai số âm Nói cách khác, có độ lệch nhỏ đã là tốt rồi, nhưng các sai số dương và âm cân bằng lẫn nhau để cho đường tâm của tín hiệu theo dõi nằm quanh số không

Để kiểm soát một cách tốt nhất các kết quả dự báo, doanh nghiệp nên đưa ra các giới hạn kiểm soát dự báo Một khi tín hiệu dự báo vượt quá giới hạn trên hoặc dưới là rơi vào tình trạng báo động Điều đó có nghĩa là dự báo của doanh nghiệp đang có vấn đề và nhà quản trị cần đánh giá lại phương pháp dự báo nhu cầu của mình

Giới hạn kiểm soát trên

Giới hạn kiểm soát dưới

Tín hiệu theo dõi đáng báo động

TS = 0

+

-

Dự báo nhu cầu năm thứ nhất (1) là 41 sản phẩm.

1 Sử dụng phương pháp bình quân di động 3 năm để xác định nhu cầu dự báo năm thứ 4, 5, 6

2 Sử dụng phương pháp san bằng mũ để tìm nhu cầu dự báo từ năm thứ 2 đến năm thứ 6 với hai hệ số san bằng mũ α1 = 0,6 và α2 = 0,9

3 Sử dụng phương pháp san bằng mũ có điều chỉnh xu hướng để xác định nhu cầu dự báo từ năm 2 đến năm thứ 6 với β = 0,4 và T1 = 0

4 Nếu dùng hệ số MAD làm tiêu chuẩn để đo lường mức độ chính xác của dự báo thì phương pháp nào tốt nhất

Bài 2:

Trong 2 năm qua, Công ty thương mại Hoàng Duy tiêu thụ bình quân 1000 sản phẩm A mỗi năm Sản phẩm tiêu thụ phân theo mùa trong 2 năm qua như sau: 200 và 250 vào mùa thu; 300 và 350 vào mùa đông; 150 và 165 vào mùa xuân; 300 và 235 vào mùa hè Với kế hoạch mở rộng hoạt động tiêu thụ, lãnh đạo Công ty hi vọng rằng năm sau sản lượng bán ra là 1200 sản phẩm A Hãy ước tính lượng nhu cầu tiêu thụ trong từng mùa cho năm nay (năm thứ ba)

3

4

130200170

190250220

220310300Hãy dùng phương pháp dự báo theo xu hướng (hồi quy tuyến tính) để dự báo

số xe bán ra được trong 4 quý năm tới (năm thứ 4) có điều chỉnh theo mùa

1600

2100

2000

2000

2300

25002400

Hãy dùng phương pháp dự báo theo xu hướng để dự báo số khách đăng ký cho đến hết năm

Bài 5:

Hãy tính sai số bình phương trung bình MSE, sai lệch tuyệt đối trung bình MAD, sai lệch phần trăm tuyệt đối trung bình MAPE, tổng sai số dự báo RSFE

và tín hiệu dự báo cho bảng dự báo sau:

12345678

225220285290250240250240

200240300270230260210275

Bài 6:

Công ty liên doanh VS có số liệu thống kê số lượng xe tải nhỏ bán được trong mỗi quý của 03 năm qua như sau:

Năm Số lượng bán ra trong quý (đơn vị)

1 Hãy xác định số nhu cầu dự báo trong 2 năm qua bằng các phương pháp:

a Phương pháp bình quân di động 4 quý

b Phương pháp bình quân di động 4 quý có trọng số Biết trọng số các quý lần lượt là 0,1; 0,2; 0,3; 0,4 cho các quý có vị trí xa nhất đến gần nhất

c Phương pháp san bằng mũ giản đơn với hệ số san bằng mũ α = 0,9 và dự báo trong quý 1 năm 2 lấy theo kết quả dự báo của phương pháp bình quân di động 4 quý có trọng số

d Phương pháp san bằng mũ có điều chỉnh xu hướng với β = 0,1 và T1 = 0

2 Hãy so sánh tính chính xác của các phương pháp dự báo trên bằng độ lệch tuyệt đối trung bình MAD

3 Hãy dùng phương pháp dự báo theo xu hướng (hồi quy tuyến tính) để dự báo

số xe bán ra được trong 4 quý năm tới (năm thứ 4) có điều chỉnh theo mùa

4 Hãy tính sai số bình phương trung bình MSE, sai lệch tuyệt đối trung bình MAD, sai lệch phần trăm tuyệt đối trung bình MAPE, tổng sai số dự báo RSFE và tín hiệu dự báo TS của kết quả dự báo theo phương pháp dự báo theo xu hướng

Chương 3 QUẢN TRỊ TỒN KHO

Mục tiêu: Sau khi nghiên cứu chương này, người học có thể:

- Phân tích được các chi phí tồn kho.

- Phân tích được ABC trong phân loại hàng tồn kho

- Trình bày và so sánh được các mô hình tồn kho, các ưu nhược điểm và trường hợp áp dụng của các mô hình tồn kho

- Áp dụng các công thức tính toán được các bài toán tồn kho

1.TỔNG QUAN VỀ QUẢN TRỊ TỒN KHO

Tồn kho xuất hiện trong chuỗi cung ứng dưới các hình thức cơ bản:

− Tồn kho nguyên vật liệu

− Sự không chắc chắn về nguồn cung cấp

− Thời gian giao hàng

− Tính kinh tế theo quy mô

Quản trị tồn kho trong chuỗi cung ứng là rất khó khăn và có những tác động đáng kể đến mức độ phục vụ khách hàng và chi phí chuỗi cung ứng trên phạm vi toàn hệ thống

Bản thân công tác quản trị tồn kho có hai mặt trái ngược nhau: Để đảm bảo chuỗi cung ứng liên tục, đảm bảo đáp ứng nhanh chóng nhu cầu của người tiêu dùng,… doanh nghiệp cần tăng lượng tồn kho Ngược lại, lượng tồn kho tăng lên, doanh nghiệp lại tốn các chi phí có liên quan đến tồn kho

Khi nghiên cứu quản trị tồn kho, chúng ta thường phải giải quyết hai vấn đề

cơ bản là:

+ Lượng đặt hàng bao nhiêu là tối ưu?

+ Thời điểm đặt hàng vào lúc nào là thích hợp?

2.PHÂN TÍCH CHI PHÍ TỒN KHO

Trong điều kiện nhất định, tồn kho quá cao sẽ làm tăng chi phí đầu tư vào tồn kho; tồn kho thấp sẽ tốn kém trong việc đặt hàng, thiết đặt sản xuất, bỏ lỡ cơ hội kinh doanh