Tiểu luận dự báo nhu cầu sản xuất sản phẩm xi măng công ty xi măng hà tiên

Đây là một khoa học nghệ thuật tiên đoán dựa trên cơ sở sử dụng các số liệu đã xảy ra trong quá khứ kết hợp với điều kiện hiện tại để từ đó xác định được xu hướng của tương lai bằng nhiề

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HCM KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

MÔN HỌC: QUẢN TRỊ SẢN XUẤT 2 TIỂU LUẬN

DỰ BÁO NHU CẦU SẢN XUẤT SẢN PHẨM XI

MĂNG CÔNG TY XI MĂNG HÀ TIÊN

GVHD: ThS Nguyễn Thị Mai Trâm

BM QTKD - KHOA KINH TẾ - ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM PHIẾU CHẤM TIỂU LUẬN MÔN QUẢN TRỊ SẢN XUẤT 2

Không chuyển tải đầy đủ nội dung của tiểu luận, không đẹp và không thu hút

Chuyển tải chưa đầy đủ nội dung của tiểu luận, tương đối đẹp nhưng chưa thu hút

Chuyển tải được nội dung của tiểu luận, đẹp nhưng chưa thu hút

Chuyển tải được nội dung của bày thiếu logic, phong thái thiếu tự tin

Giọng nói to, rõ ràng; trình bày logic, phong thái tự tin

Giọng nói to, rõ man, chưa chi tiết, chưa giải chưa chi tiết, chưa giải quyết được vấn nhưng phân tích sơ sài, chưa chi tiết, và chưa tập trung giải quyết toàn bộ được

PHẦN TRĂM ĐÁNH GIÁ MỨC ĐỘ HOÀN THÀNH CÔNG VIỆC

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 2

1.1 Khái niệm dự báo 2

1.2 Ý nghĩa và lợi ích của dự báo 2

1.3 Các loại dự báo 3

1.4 Các nhân tố ảnh hưởng đến dự báo 4

1.5 Các phương pháp dự báo 5

1.5.1 Phương pháp dự báo định tính 5

1.5.2 Phương pháp dự báo định lượng 7

1.6 Giám sát và kiểm soát dự báo 17

1.6.1 Các chỉ tiêu kiểm soát dự báo 17

1.6.1.1 Độ lệch tuyệt đối trung bình 17

1.6.1.2 Sai số tỷ lệ tuyệt đối bình quân MAPE 17

1.6.1.3 Độ lệch phần trăm tuyệt đối trung bình MAPD 17

1.6.2 Tín hiệu theo dõi 17

1.6.3 Giới hạn kiểm tra 18

1.7 Các phần mềm hỗ trợ dự báo 18

1.7.1 Dự báo bằng excel 18

1.7.2 Dự báo với công cụ OM 20

1.7.3 Phân tích hồi quy trên excel 21

1.7.4 Phân tích hồi quy bội với excel 22

CHƯƠNG 2: GIỚI THIỆU TỔNG QUAN VỀ CÔNG TY XI MĂNG HÀ TIÊN 24

2.1 Giới thiệu về công ty cổ phần xi măng Hà Tiên 1 24

2.2 Lịch sử hình thành và phát triển 24

2.3 Thành tựu của công ty 25

2.4 Tầm nhìn và sứ mệnh 27

2.5 Các sản phẩm của công ty 27

CHƯƠNG 3: THỰC TRẠNG DỰ BÁO SỐ LƯỢNG TIÊU THỤ XI MĂNG HÀ TIÊN 28

3.1 Tổng quan môi trường kinh doanh 28

3.2 Thực trạng tiêu thụ của công ty 28

3.3 Phương pháp dự báo từ doanh nghiệp 30

3.4 Đánh giá về sự hiệu quả trong công tác dự báo về sản lượng tiêu thụ xi măng Hà Tiên 32

CHƯƠNG 4: THỰC HIỆN CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU SẢN XUẤT 34

4.1 Dự báo theo phương pháp bình quân di động 34

4.2 Dự báo theo phương pháp san bằng mũ đơn giản 36

4.3 Dự báo bằng phương pháp đường khuynh hướng 38

4.3.1 Dự báo theo phương pháp đường thẳng thống kê 38

4.3.2 Dự báo theo phương pháp đường thẳng thông thường 39

4.4 Dự báp theo phương pháp bình quân di động có trọng số 40

DANH MỤC BẢNG BIỂU

Bảng 4.1 Kết quả phương pháp san bằng mũ đơn giản với α = 0.1, 0.2 38

Bảng 4.2 Kết quả phương pháp san bằng mũ đơn giản với α = 0.3, 0.4 38

Bảng 4.3 Kết quả phương pháp san bằng mũ đơn giản với α = 0.5, 0.6 38

Bảng 4.4 Kết quả phương pháp san bằng mũ đơn giản với α = 0.7, 0.8 39

Bảng 4.5 Kết quả phương pháp san bằng mũ đơn giản với α = 0.9, 1 39

Bảng 4.6 Kết quả phương pháp đường thẳng thống kê 40

Bảng 4.7 Kết quả phương pháp đường thẳng thông thường 41

Bảng 4.8 Kết quả phương pháp bình quân di động có trọng số 42

1

MỞ ĐẦU 1 Lí do chọn đề tài

Ngành xi măng Việt Nam bước vào giai đoạn tái cấu trúc Theo số liệu của Tổng cục Hải quan, 9 tháng năm 2021 cả nước xuất khẩu gần 33,22 triệu tấn xi măng và clinker, thu về trên 1,27 tỷ USD, tăng 18,2% về lượng và tăng 22,7% về kim ngạch so với cùng kỳ năm 2020 Giá xuất khẩu tăng 3,8%, đạt trung bình 38,3 USD/tấn

Trong giai đoạn những năm gần đây mặc dù phải đối phó với hàng loạt những khó khăn , như dịch bệnh, thiên tai, sự lockdown của một số thị trường… các doanh nghiệp xi măng Việt Nam vẫn nỗ lực ứng phó vượt lên chính mình, xuyên thủng màn đêm Covid 19, lần đầu đưa -sản lượng toàn ngành lên trên 100 triệu tấn

Để có thể đẩy mạnh việc phát triển ngành xi măng tại Việt Nam, Công ty cổ phần xi măng Hà Tiên là một doanh nghiệp nổi bật trong ngành xi măng với lực lượng sản xuất đông đảo có tầm ảnh hưởng đối với thị trường xi măng tại miền Nam trực thuộc Tổng công ty Xi măng Việt Nam đạt mức 6,6 triệu tấn xi măng/ năm

Vậy mỗi năm xi măng Hà Tiên cung ứng bao nhiêu sản phẩm ra ngoài thị trường? Và làm sao có thể dự báo sản xuất trong những năm kế tiếp? Đây chính là lí do mà nhóm em đã quyết định

chọn đề tài “Dự báo nhu cầu sản xuất sản phẩm xi măng Công ty xi măng Hà Tiên” để có thể tìm hiểu các phương pháp phù hợp mà doanh nghiệp sử dụng để dự báo sản xuất

2 Nội dung chính

CHƯƠNG 1: Cơ sở lý thuyết về công tác dự báo

CHƯƠNG 2: Giới thiệu chung về Công ty Xi măng Hà Tiên CHƯƠNG 3: Thực trạng dự báo số lượng tiêu thụ xi măng Hà Tiên CHƯƠNG 4: Thực hiện các phương pháp dự báo định lượng nhu cầu sản xuất CHƯƠNG 5: Đánh giá và đề xuất giải pháp

NỘI DUNG

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1.1 Khái ni m d báo ệ ự

Theo Roberta và Taylor trích Operations Management, trang 496:

“Dự báo chính là việc suy luận về những sự kiện xảy ra trong tương lai Đây là một khoa học nghệ thuật tiên đoán dựa trên cơ sở sử dụng các số liệu đã xảy ra trong quá khứ kết hợp với điều kiện hiện tại để từ đó xác định được xu hướng của tương lai bằng nhiều phương thức khác nhau”

Dự báo có thể được thực hiện bằng việc sử dụng các mô hình toán học, có thể là cách suy nghĩ chủ quan hay trực giác để tiên đoán tương lai, hoặc có thể là sự phối hợp của những cách trên, tức là sẽ dùng mô hình toán học dự báo rồi dùng kinh nghiệm của nhà quản trị để điều

Dự báo về nhu cầu sản phẩm là xác định lượng hàng tồn kho cần thiết, bao nhiêu sản phẩm để làm và bao nhiêu nguyên vật liệu cần mua từ các nhà cung cấp để đáp ứng nhu cầu dự báo của khách hàng

1.2 Ý nghĩa và lợi ích c a d báo ủ ự

Nhu cầu của khách hàng luôn thay đổi theo thời gian, chính vì thế việc dự báo cầu sản phẩm được doanh nghiệp ưu tiên hàng đầu, kết quả dự báo trực tiếp tác động đến các hoạt động của doanh nghiệp

Nó được thể hiện như sau:

• Là phần thiết yếu trong quản trị sản xuất/tác nghiệp, là cơ sở để đưa ra các quyết định chiến lược cũng như chiến thuật của doanh nghiệp

• Có ảnh hưởng rất lớn đến hiệu quả hoạch định và thực hiện kế hoạch sản xuất cũng như các kế hoạch bộ phận khác của doanh nghiệp

• Giúp doanh nghiệp chủ động trong việc đáp ứng cầu, không bỏ sót cơ hội kinh doanh • Giúp các nhà quản trị doanh nghiệp có kế hoạch sử dụng hợp lý và có hiệu quả các

nguồn lực

• Cung cấp cơ sở quan trọng để phối kết hợp hoạt động giữa các bộ phận trong toàn doanh nghiệp

3 Bên cạnh đó, dự báo giúp cho các nhà quản trị doanh nghiệp chủ động trong việc đề ra các kế hoạch và các quyết định cần thiết phục vụ cho quá trình sản xuất kinh doanh, quản trị được nguồn vật lực, tài lực, nhân lực hiệu quả và sử dụng các nguồn lực hợp lí nhờ đó tránh được việc dư thừa hàng hóa quá nhiều dẫn đến tốn chi phí lưu kho đồng thời cũng giảm thiểu tình trạng thiếu hàng, trì trệ quá trình kinh doanh

Trong các doanh nghiệp nếu công tác dự báo được thực hiện một cách nghiêm túc còn tạo điều kiện nâng cao khả năng cạnh tranh trên thị trường Dự báo chính xác sẽ giảm bớt mức độ rủi ro cho doanh nghiệp nói riêng và toàn bộ nền kinh tế nói chung Dự báo chính xác là căn cứ để các nhà hoạch định các chính sách phát triển kinh tế văn hoá xã hội trong toàn bộ nền kinh tế quốc dân

1.3 Các lo i d báo ạ ự

Dự báo nhu cầu sản phẩm được phân chia theo nhiều cách khác nhau Theo Phương pháp dự báo, có dự báo định tính và dự báo định lượng Theo thời gian, có dự báo ngắn hạn trung hạn và dài hạn

Phân loại theo thời gian

• Dự báo ngắn hạn: Với thời gian dự báo thường dưới 1 năm, dự báo ngắn hạn dùng cho việc nhập hàng, điều độ công việc, điều phối nhân lực

• Dự báo trung hạn: Với thời gian dự báo thường từ 3 tháng đến 3 năm Dự báo trung hạn dùng cho thiết lập kế hoạch bán hàng, kế hoạch sử dụng tiền mặt, lập kế hoạch sản xuất, huy động các nguồn lực

• Dự báo dài hạn: Với thời gian dự báo 3 năm trở lên Dự báo dài hạn dùng khi lên kế hoạch nghiên cứu và áp dụng khoa học kỹ thuật mới vào sản xuất, lập kế hoạch để sản xuất và đưa sản phẩm mới vào thị trường hay kế hoạch mở rộng thị trường, mở rộng quy mô doanh nghiệp

Dự báo dài hạn và trung hạn hỗ trợ cho những quyết định quản lý về hoạch định sản xuất và quá trình công nghệ Với dự báo ngắn hạn sử dụng phổ biến các mô hình toán học như phương pháp bình quân di động, san bằng hàm số mũ Để dự đoán những vấn đề lớn toàn diện như đưa một sản phẩm mới vào danh mục mặt hàng của công ty, ít khi sử dụng phương pháp định lượng

Dự báo trong thời gian càng dài thì độ chính xác sẽ giảm và rủi ro lớn, vì nhu cầu hàng ngày luôn thay đổi và có thể biến động không theo xu hướng cụ thể và chịu ảnh hưởng bởi rất nhiều nhân tố Nói cách khác, dự báo ngắn hạn có khuynh hướng chính xác hơn hai phương pháp dự báo còn lại

Xét về nội dung công việc cần dự báo:

• Dự báo kinh tế: Dự báo này do các cơ quan nghiên cứu, các bộ phân tư vấn kinh tế nhà nước thực hiện: Tỉ lệ thất nghiệp, tổng sản phẩm quốc nội, tăng trưởng kinh tế, giúp hỗ trợ, tạo cơ sở và tiền đề cho doanh nghiệp dự báo

• Dự báo kỹ thuật công nghệ: Có ảnh hưởng lớn đến những doanh nghiệp có ngành kỹ - thuật cao: Hàng không, vũ trụ, thiết bị điện tử, Dự báo xu hướng phát triển của kỹ thuật, công nghệ trong tương lai

• Dự báo cầu: Là dự báo về nhu cầu của thị trường cần bao nhiêu sản phẩm, dựa vào nhu cầu đã dự báo mà doanh nghiệp sẽ lên kế hoạch vật tư, kế hoạch sản xuất sao cho phù hơp Loại dự báo này được các nhà quản trị sản xuất đặc biệt quan tâm vì từ đó mà doanh nghiệp sẽ sẽ xây dựng

1.4 Các nhân t ố ảnh hưởng đến dự báo

Các nhân tố khách quan

• Tình trạng của nền kinh tế (chu kỳ kinh doanh) • Nhu cầu của khách hàng

• Chu kỳ sống của sản phẩm từ giai đoạn triển khai giới thiệu sản phẩm ra thị trường, tăng trưởng, bão hòa cho đến suy thoái

Các nhân tố chủ quan

• Giá cả: Giá cả là nhân tố cơ bản ảnh hưởng đến nhu cầu thị trường, cụ thể là nhu cầu có khả năng thanh toán của dân cư Xét quan hệ giữa nhu cầu về số lượng hàng năm trong quá khứ với giá cả bình quân của năm đó Thường thì ảnh hưởng này có tính quy luật như sau:

- Đối với sản phẩm thiết yếu: Giá cả thay đổi nhưng quy mô nhu cầu ít thay đổi

- Đối với các nhu cầu về sản phẩm, hàng hóa khác thì khi giá cả thay đổi sẽ dẫn đến nhu cầu cũng thay đổi theo chiều ngược lại

• Yếu tố thu nhập: Thường thì thu nhập tăng giảm sẽ dẫn đến nhu cầu thay đổi theo thuận chiều, tuy nhiên tốc độ không giống nhau Cụ thể:

- Đối với hàng hóa thiết yếu: Thu nhập thay đổi song nhu cầu thay đổi không đáng kể - Các hàng hóa cấp thấp: Nhu cầu thay đổi ngược chiều với thu nhập

- Đối với hàng hóa xa xỉ: Thu nhập tăng dẫn đến nhu cầu tăng nhanh hơn - Hàng hóa thông thường: Thay đổi nhu cầu cùng tốc độ với thu nhập

• Quy mô dân số: Quy mô dân số có ảnh hưởng trực tiếp đến quy mô tiêu dùng, khi quy mô dân số thay đổi sẽ dẫn đến thay đổi về mức cầu tiêu dùng, đặc biệt là đối với các loại hàng hóa thiết yếu Nhìn chung quy mô dân số có ảnh hưởng thuận chiều đối với mức tiêu dùng trên thị trường

5 • Thị hiếu người tiêu dùng: Một hàng hóa nào đó đang còn mốt thì nhu cầu tiêu dùng tăng lên rất cao bất kể giá cả và thu nhập có thay đổi không Nhưng khi hàng hóa đó không còn mốt nữa thì mặc dù giá cả có giảm xuống hoặc thu nhập có tăng lên cũng không làm cho nhu cầu tiêu dùng tăng lên

• Tâm lý người tiêu dùng: Một hàng hóa đã sử dụng quen thì cho dù giá cả hay thu nhập có thay đổi họ cũng khó thay đổi thói quen tiêu dùng đó, nhưng một hàng hóa chưa quen dùng thì họ rất e d khi sử dụng cho dù mức thu nhập của người dân và mức giá của hàng hóa đó như thế nào đi nữa

1.5 Các phương pháp dự báo

Có ba loại dự báo cơ bản bao gồm phương pháp chuỗi thời gian, phương pháp hồi quy và phương pháp định tính.

Phương pháp chuỗi thời gian là kỹ thuật thống kê sử dụng dữ liệu nhu cầu lịch sử để dự đoán nhu cầu tương lai Các phương pháp dự báo hồi quy (hoặc nhân quả) cố gắng phát triển một mối quan hệ toán học (dưới dạng mô hình hồi quy) giữa nhu cầu và các yếu tố khiến nó hoạt động theo cách làm

1.5.1 Phương pháp dự báo định tính

1.5.1.1 Phương pháp lấy ý kiến của Ban điều hành doanh nghiệp

Phương pháp này sử dụng trình độ và kinh nghiệm của những người trực tiếp điều hành hoạt động các phòng ban Theo đó, các cấp quản lý sẽ sử dụng các số liệu thống kê được kết hợp với số liệu từ người điều hành các bộ phận phòng ban khác: Marketing, tài chính, sản xuất, kỹ thuật… để cân nhắc và thống nhất đưa ra kết quả dự báo trong tương lai

Tuy nhiên, tồn tại một vài nhược điểm, vì dự báo là dữ liệu của cá nhân, mang tính chủ quan, nhất là những quan điểm của các nhà quản lý cấp cao sẽ có tác động và ảnh hưởng nhất định đến các người điều hành khác Điều này dẫn đến dự báo sai lệch

1.5.1.2 Lấy ý kiến của lực lượng bán hàng

Lấy ý kiến của lực lượng bán hàng được xem là phương pháp được dùng khá phổ biến, nhất là đối với các nhà sản xuất công nghiệp, vì lượng sản phẩm của họ thường rất lớn, có thể được tiêu thụ khá rộng rãi và người bán hàng là người hiểu rõ nhu cầu người tiêu dùng nhất

Lực lượng bán hàng của một công ty đại diện cho đầu mối liên hệ trực tiếp với người tiêu dùng Từ đó cung cấp nhận thức về kỳ vọng của người tiêu dùng trong tương lai mà những người khác có thể không có Nhân viên kỹ thuật có hiểu biết về các khía cạnh công nghệ của loại những sản phẩm có thể khả thi và có khả năng trong tương lai Nhưng nhược điểm của phương pháp này là phụ thuộc vào đánh giá chủ quan của người bán hàng Một số đánh giá cao lượng hàng bán của mình, còn một số khác lại muốn giảm xuống để dễ đạt định mức

1.5.1.3 Nghiên cứu thị trường người tiêu dùng

Phương pháp này được thực hiện bởi phòng nghiên cứu và phát triển của doanh nghiệp Theo đó, bộ phận nghiên cứu thị trường sẽ tiến hành khảo sát để nghiên cứu hành vi, nhu cầu của khách hàng, lắng nghe khách hàng mong muốn điều gì và sau đó tổng hợp lại để làm cơ sở đưa ra kết quả dự báo

Có thể tiến hành lấy ý kiến khách hàng bằng nhiều cách: Gọi điện thoại cho khách hàng, khảo sát trực tuyến, phát phiếu trả lời, phỏng vấn khách hàng Phương pháp này rất hữu ích khi doanh nghiệp vừa có được kết quả dự báo vừa có thể hiểu được khách hàng của mình cần gì và nhận được những nhận định của khách hàng về sản phẩm của doanh nghiệp Từ đó mà doanh nghiệp có cơ sở để cải tiến, hoàn thiện các sản phẩm của mình

Tuy nhiên, để nghiên cứu thị trường cần rất nhiều thời gian trong việc lập bảng câu hỏi khảo sát và đôi khi ý kiến khách hàng không thực tế, doanh nghiệp khó đáp ứng được

1.5.1.4 Phân tích Delphi

Phương pháp dự báo này bao gồm nhiều quá trình thực hiện được tiến hành bởi sự liên hệ giữa người ra quyết định và các chuyên gia Có 3 nhóm thực hiện dự báo: Nhóm ra quyết định, nhóm điều phối viên, nhóm các chuyên gia chuyên sâu

Dự báo theo phương pháp Delphi có sự tương tác qua lại giữa người ra quyết định và chuyên gia, khắc phục được việc những đánh giá của các nhà quản lý cấp cao ảnh hưởng đến quyết định của các bộ phận khác (phương pháp lấy ý kiến của ban quản lý)

Tuy nhiên, để thực hiện tốt phương pháp này, người ra quyết định và điều phối viên phải có kinh nghiệm và chuyên môn để tổng hợp ý kiến từ trả lời của chuyên gia và từ đó phát triển thêm để đưa ra được kết quả dự báo

Theo đó, thực hiện phương pháp Delphi như sau: Đầu tiên là lựa chọn nhân sự cho ba nhóm thực hiện dự báo (nhóm ra quyết định, nhóm điều phối viên, nhóm các chuyên gia chuyên sâu) Sau khi đã ổn định nhân sự, tiến hành xây dựng các câu hỏi (lần 1) gửi tới chuyên gia Khi nhận được câu trả lời từ chuyên gia, điều phối viên sẽ phân tích và tổng hợp để viết lại bảng câu hỏi (lần 2) gửi lại cho các chuyên gia Khi nhận được câu trả lời, tiếp tục phân tích, tổng hợp để đưa ra kết quả Các bước trên sẽ được lặp lại cho đến khi nhận được kết quả dự báo thỏa mãn

1.5.1.5 Các bước t ng quy trình dự báoro

Dự báo không chỉ đơn giản là xác định và sử dụng một phương pháp để tính toán một ước tính số về nhu cầu sẽ như thế nào trong tương lai Đây là một quá trình liên tục đòi hỏi sự giám sát và điều chỉnh liên tục được minh họa bằng các bước:

7 Hình 1.1 Các quy trình của dự báo

Quy trình gồm có 10 bước:

Bước 1: Xác định mục đích của dự báo Bước 2: Thu thập dữ liệu trong quá khứ Bước 3: Vẽ dữ liệu và xác định mẫu

Bước 4: Chọn một mô hình dự báo có vẻ phù hợp với dữ liệu Bước 5: Phát triển/ tính toán dự báo cho khoảng thời gian của dữ liệu Bước 6: Kiểm tra độ chính xác của dự báo bằng một hoặc nhiều biện pháp Bước 7, bước 8: Xem xét độ chính xác của dự báo có chấp nhận được không, nếu không chấp nhận thì ta quay lại bước số 5, nếu chấp nhận thì tiếp tục dự báo

Bước 9: Điều chỉnh dự báo dựa trên thông tin định tính bổ sung và cái nhìn sâu rộng Bước 10: Theo dõi kết quả và đo lường độ chính xác của dự báo

1.5.2 Phương pháp dự báo định lượng

Đây là phương pháp sử dụng các mô hình toán học theo chuỗi thời gian và tác động nhân quả Dựa vào các số liệu thống kê và bằng các công thức toán học được thiết lập để dự báo nhu cầu cho tương lai

1.5.2.1 Bình quân di động

Bình quân di động là mức dự báo bằng mức cầu thực tế bình quân của một số ít các giai đoạn ngay trước đó Ở phương pháp này, chúng ta coi rằng khi nhu cầu có sự thay đổi thì thời gian càng gần thời điểm dự báo thì càng ảnh hưởng đến kết qủa dự báo Khi đó, ta áp dụng

Ft là nhu cầu dự báo thời điểm t Ai: Nhu cầu ở giai đoạn i n: Số giai đoạn quan sát

1.5.2.2 Bình quân di động có trọng số

Trọng số là các con số được gán cho các số liệu quá khứ để chỉ ra mức độ quan trọng của chúng ảnh hưởng đến kết quả dự báo Trọng số được gán cho dữ liệu gần đây nhất theo công thức sau:

Việc xác định trọng số chính xác sẽ sử dụng cho từng thời kỳ của dữ liệu thường yêu cầu một số thử nghiệm thử nghiệm, cũng như xác định số thời kỳ để đưa vào đường trung bình động Nếu các khoảng thời gian gần đây nhất có trọng số quá lớn, thì dự báo có thể phản ứng quá mức đối với một sự biến động trong nhu cầu Nếu chúng có trọng số quá nhẹ, thì dự báo có thể không phù hợp với thực tế thay đổi trong hành vi nhu cầu

1.5.2.3 Phương pháp san bằng mũ giản đơn

Là một phương pháp tính trung bình có trọng số của dữ liệu gần đây nhất Phương pháp san bằng mũ đơn giản là việc dự báo giai đoạn trước cộng với khoảng chênh lệch để dự báo trong giai đoạn tiếp theo Dự báo bằng phương pháp san bằng mũ giản đơn được tính bằng công

9 thức:

Nếu hệ số nằm trong khoảng từ 0,0 đến 1,0 Nó phản ánh trọng lượng cho gần đây nhất dữ liệu nhu cầu Ví dụ, nếu alpha= 0.2 thì:

Ví dụ:

Dịch vụ máy tính HiTek sửa chữa và dịch vụ máy tính cá nhân tại cửa hàng của mình, và nó làm các cuộc gọi dịch vụ địa phương Nó chủ yếu sử dụng sinh viên Đại học Bang bán thời gian làm kỹ thuật viên Các công ty đã có sự tăng trưởng ổn định kể từ khi nó bắt đầu Nó mua các bộ phận máy tính thông thường với số lượng giảm giá từ nhiều nguồn khác nhau bất cứ khi nào họ thấy có giá tốt Vì vậy, họ cần một dự báo tốt nhu cầu sửa chữa để họ biết có bao nhiêu linh kiện máy tính các bộ phận cần mua và dự trữ, và thuê bao nhiêu kỹ thuật viên Công ty đã tích lũy dữ liệu nhu cầu được hiển thị trong bảng đi km cho các cuộc gọi sửa chữa và dịch vụ trong 12 tháng qua, từ đó họ muốn xem xét theo phương pháp san bằng hàm mũ các dự báo bằng cách sử dụng hệ số bằng 0,30 và 0,50

Giải:

Để phát triển chuỗi dự báo cho dữ liệu trong bảng này, chúng ta sẽ bắt đầu với giai đoạn

1 (tháng 1) và tính toán dự báo cho giai đoạn 2 (tháng 2) bằng cách sử dụng alpha= 0,3 Công thức cho hệsố san bằng hàm mũ cũng yêu cầu dự báo cho giai đoạn 1 mà chúng tôi không có, vì vậy chúng tôi sẽsử dụng nhu cầu cho giai đoạn 1 vừa là nhu cầu vừa là dự báo cho giai đoạn 1 (Các cách khác để xácđịnh dự báo bắt đầu bao gồm trung bình ba hoặc bốn giai đoạn đầu tiên hoặc đưa ra một chủ quan ước tính) Do đó, dự báo cho tháng Hai là:

Dự báo cho giai đoạn thứ 3 được tính toán tương tự:

Phần còn lại của dự báo hàng tháng được hiển thị trong bảng sau Dự báo cuối cùng là trong khoảng thời gian 13 tháng 1 và là dự báo được HiTek quan tấm đến:

Dự báo bằng phương pháp san bằng hàm mũ với giá trị alpha = 0.30 và 0.50

Bảng này cũng bao gồm các giá trị dự báo sử dụng alpha= 0,5 Cả hai dự báo san bằng mũ được hiển thị trong hình sau cùng với dữ liệu thực tế

11 Trong Ví dụ trên, dự báo sử dụng hệ số hơn, alpha= 0,5, dường như phản ứng tốt hơn đối với việc thay đổi về nhu cầu so với dự báo với alpha=0,3, mặc dù cả hai đều san bằng các biến động ngẫu nhiên trong quá trình dự báo

1.5.2.4 Phương pháp san bằng số mũ có điều chỉnh xu hướng

phương pháp san bằng mũ đơn giản không phản ánh được xu hướng biến thiên của cầu, nên người ta đề xuất sử dụng mô hình san bằng mũ giản đơn có kết hợp điều chỉnh cho phù hợp với sự biến đổi của cầu

Mức dự báo có điều chỉnh xu hướng được xác định theo công thức sau:

Trong đó

T: mức điều chỉnh xu hướng cho giai đoạn t

Yếu tố xu hướng được tính giống như dự báo san bằng mũ Nó là trong hiệu ứng, một mô hình dự báo cho xu hướng:

Tt : hiệu chỉnh xu hướng cho giai đoạn t Beta: hằng số san bằng xu hướng

Ví dụ:

Dịch vụ máy tính của HiTek hiện muốn phát triển một dự báo được điều chỉnh san bằng mũ sử d ng cùng m t nhu cụ ộ ầu trong 12 tháng được th hi n trong b ng cho Ví d trên Nó s ể ệ ả ụ ẽ sử d ng d báo làm m n theo c p s nhân vụ ự ị ấ ố ới 𝛼 = 0,5 được tính trong Ví dụ với hằng số mũ có điều chỉnh xu hướng, là 𝛽 =0,3

Bắt đầu với xu hướng T bằng 0 Vào thời điểm dự báo giá trị quan tâm Ft 13 được tính toán, chúng tôi sẽ có một giá trị tương đối tốt cho xu hướng hệ số Dự báo điều chỉnh cho tháng 2, AF2, giống với dự báo được san bằng hàm mũ, vì hệ số tính toán xu hướng sẽ bằng 0 (nghĩa là F1 và F2 giống nhau và T2 = 0) Do đó, chúng tôi tính toán dự báo đã điều chỉnh cho tháng 3, AF3 như sau, bắt đầu bằng việc xác định yếu tố xu hướng, T3:

Giá trị dự báo được điều chỉnh cho giai đoạn 3 này được hiển thị trong bảng km theo, cùng với tất cả các giá trị dự báo đã điều chỉnh cho khoảng thời gian 12 tháng cộng với dự báo cho giai đoạn 13, được tính là:

Các giá trị dự báo san bằng mũ có điều chỉnh xu hướng được hiển thị trong bảng trên được so sánh với các giá trị dự báo san bằng mũ giản đơn và dữ liệu thực tế trong hình sau:

13 Biểu đồ hiển thị dự báo ở mức Beta dự báo điều chỉnh=0,3 (đường màu đỏ) và mức dự báo alpha= 0,5 (đường xanh lá) Kết hợp với đó là dự báo thực tế (đường xanh dương) 1.5.2.5 Dự báo theo xu hướng tuyến tính

Hồi quy tuyến tính là một phương pháp báo trong dự đó mối quan hệ toán học được phát triển giữa nhu cầu và một số yếu tố khác gây ra hành vi cầu Tuy nhiên, khi nhu cầu hiển thị xu hướng rõ ràng theo thời gian, đường hồi quy bình phương nhỏ nhất hoặc đường xu hướng tuyến tính, liên quan nhu cầu với thời gian, có thể được sử dụng để dự báo nhu cầu Đường xu hướng tuyến tính liên quan đến một biến phụ thuộc, theo mục đích của chúng ta là nhu cầu, với một biến độc lập, thời gian, dưới dạng một phương trình tuyến tính:

Y = a + bX Trong đó:

a: tại giai đoạn đầu b: độ dốc x: khoảng thời gian

y: dự báo nhu cầu cho giai đoạn x

Các tham số này của đường xu hướng tuyến tính có thể được tính toán bằng cách sử dụng công thức bình phương nhỏ nhất cho hồi quy tuyến tính:

Trong đó n: Số giai đoạn

x x = Giá trị trung bình của các giá trị x

y y = Giá trị trung bình của các giá trị y n

Ví dụ: Dữ liệu cho Dịch vụ Máy tính HiTek (được hiển thị trong bảng cho Ví dụ trên) dường như tuân theo một xu hướng tuyến tính ngày càng tăng Công ty muốn tính toán một đường xu hướng tuyến tính để xem nó có chính xác hơn dự báo san bằng mũ và san bằng mũ có điều chỉnh xu hướng được phát triển trong các ví dụ phía trên

Giải:

Các giá trị cần thiết cho phép tính bình phương nhỏ nhất như sau:

Sử dụng các giá trị này, chúng ta có thể tính toán các tham số cho đường xu hướng tuyến tính như sau:

15

D D

Do đó, phương trình đường xu hướng tuytuyến tính là y = 35.2 + 1.72x

Để tính toán cho giai đoạn 13, đặt x=13 trong xu hướn tuyến tính y = 35.2 + 1.72 (13)g = 57.56 service cells

Biểu đồ trên trang sau hiển thị đường xu hướng tuyến tính so với dữ liệu thực tế Các đường xu hướng dường như phản ánh chặt chẽ dữ liệu thực tế — nghĩa là, phù hợp — và do đó là một mô hình dự báo tốt cho vấn đề này Tuy nhiên, một nhược điểm của đường xu hướng tuyến tính là nó sẽ không điều chỉnh theo sự thay đổi trong xu hướng, vì các phương pháp dự báo san bằng số mũ sẽ đi theo một đường thẳng Điều này hạn chế việc sử dụng của phương pháp này vào một khung thời gian ngắn hơn, trong đó bạn có thể tương đối chắc chắn rằng xu hướng sẽ không thay đổi

Biểu đồ hiển thị 2 đường trong đó đường tuyến tính là đường thẳng màu đỏ, còn dự báo thực tế là màu xanh dương, để thấy được sự chênh lệnh

1.5.2.6 Dữ liệu biến đổi theo mùa

Có những loại nhu cầu biến đổi theo mùa trong năm như quần áo, quạt máy, du lịch, thuốc,…nên phải dùng chỉ số mùa để điều chỉnh dữ liệu

Một phương pháp để phát triển nhu cầu về các yếu tố theo mùa là phân chia nhu cầu cho từng thời vụ theo tổng nhu cầu hàng năm, theo công thức sau:

St = å

Ví dụ: Nông trại Wishbone nuôi gà tây để bán cho một công ty chế biến thịt trong suốt cả năm Tuy nhiên, mùa cao điểm của nó rõ ràng là trong quý 4 của năm, từ tháng 10 đến tháng

mười hai Wishbone Farms đã có nhu cầu về gà tây trong ba năm qua được hiển thị trong bảng sau:

Bởi vì có dữ liệu nhu cầu trong ba năm, nên có thể tính toán các yếu tố theo mùa bằng cách chia tổng nhu cầu hàng quý trong ba năm cho tổng nhu cầu trong cả ba năm:

Tiếp theo, muốn nhân nhu cầu dự báo cho năm tiếp theo, 2008, với từng yếu tố mùa để có được nhu cầu dự báo cho mỗi quý Để thực hiện điều này, cần dự báo nhu cầu cho năm 2011 Trong trường hợp này, vì dữ liệu nhu cầu trong bảng dường như cho thấy xu hướng tăng chung, tính toán đường xu hướng tuyến tính cho ba năm dữ liệu trong bảng để có được ước tính dự báo:

y = 40,97 + 4,3x

= 40,97 + 4,3 (4)

= 58,17

Do đó, dự báo cho năm 2011 là 58,17, hay 58,170 con gà tây Sử dụng dự báo nhu cầu hàng năm này, chúng tôi thấy rằng dự báo được điều chỉnh theo mùa, SFi cho năm 2011 là

17 So sánh các dự báo hàng quý này với giá trị nhu cầu thực tế trong bảng, thấy rằng chúng dường như là những ước tính dự báo tương đối tốt, phản ánh cả sự thay đổi theo mùa trong dữ liệu và xu hướng tăng chung

1.6 Giám sát và ki m soát d báo ể ự

Một dự báo không bao giờ hoàn toàn chính xác; dự báo sẽ luôn luôn sai lệch so với nhu cầu thực tế Sự khác biệt giữa dự báo và thực tế là sai số dự báo Mặc dù lỗi dự báo là không thể tránh khỏi, mục tiêu của dự báo là nó càng nhẹ càng tốt

1.6.1 Các chỉ tiêu kiểm soát dự báo

Để tránh mức sai lệch tổng thể của dự báo, người ta có thể sử dụng một số chỉ tiêu sau đây

1.6.1.1 Độ lệch tuyệt đối trung bình

Độ lệch tuyệt đối trung bình, hay MAD, là một trong những phép đo sai số dự báo phổ biến nhất và đơn giản nhất MAD là giá trị trung bình của sự khác biệt giữa dự báo và nhu cầu thực tế, được tính theo công thức sau:

1.6.1.2 Sai số tỷ lệ tuyệt đối bình quân MAPE Sai số tỷ lệ tuyệt đối bình quân này được tính như sau:

1.6.1.3 Độ lệch phần trăm tuyệt đối trung bình MAPD

Độ lệch phần trăm tuyệt đối trung bình (MAPD) đo lường sai số tuyệt đối dưới dạng phần trăm nhu cầu thay vì theo chu kỳ Được tính theo công thức:

1.6.2 Tín hiệu theo dõi

Tín hiệu theo dõi dùng để đánh giá chất lượng dự báo đúng sai so với giá trị thực tế Với phương pháp này, phải liên tục so sánh mức cầu thực tế với mức cầu dự báo

Với RSFE (Running sum of the forecast error) là tổng sai số dự báo dịch chuyển Nếu tín hiệu theo dõi dương (>0) cho thấy cầu thực tế lớn hơn cầu dự báo Tín hiệu theo dõi âm (<0) cho biết cầu dự báo cao hơn cầu thực tế Một tín hiệu theo dõi tốt khi có RSFE thấp và có sai số âm

1.6.3 Giới hạn kiểm tra

Để kiểm soát tốt kết quả dự báo, doanh nghiệp cần đưa ra các giới hạn kiểm soát dự báo (max, min) Nếu tín hiệu theo dõi vượt ra ngoài giới hạn cho phép thì dự báo không còn phù hợp

Thường thì phạm vi giới hạn không quá hẹp cũng không quá rộng Hiện nay, con số được sử dụng phổ biến nếu một dự báo nằm trong tầm kiểm soát thì 89% sai số sẽ nằm trong khoảng ±2 MAD; 98% sai số sẽ nằm trong khoảng ±3 MAD; 99,9% sai số sẽ nằm trong khoảng ±4 MAD

1.7 Các ph n m m h ầ ề ỗ trợ ự d báo

1.7.1 Dự báo bằng excel

Đầu tiên, xác định các dự báo san bằng số mũ và san bằng số mũ có điều chỉnh xu hướng bằng cách sử dụng Excel hiển thị trong hình 12.1, Excel sử dụng ở các ví dụ trên để dự báo nhu cầu tại Dịch vụ Máy tính HiTek, bao gồm bảng tính Excel dự báo san bằng mũ với 𝛼 =0,5 và san b ng s ằ ố mũ có điều chỉnh xu hướng đã điều ch nh vỉ ới 𝛽 = 0,3 Chúng tôi cũng đã tính toán các giá trị cho MAD, MAPD và E

Lưu ý rằng công thức trong Hình 12.1 để tính toán dự báo san bằng mũ cho Tháng 3 trong ô C11 và hiển thị trên thanh công thức ở đầu màn hình Giống nhau công thức được sử dụng để tính toán tất cả các giá trị dự báo khác trong cột C Công thức tính giá trị xu hướng cho tháng 3 là =B5 * (C11-C10) + (1- B5) * D10 Công thức cho điều chỉnh dự báo trong cột E được tính bằng cách nhập công thức = C10+D10 vào ô E10 và sao chép nó đến các ô E11: E21 (sử dụng tùy chọn sao chép và dán từ phím chuột phải) Lỗi được tính cho dự báo đã điều chỉnh và công thức tính sai số cho tháng 3 là = B11-E11, trong khi công thức cho sai số tuyệt đối cho tháng Ba là =ABS (F11)

Biểu đồ dự báo cũng có thể được phát triển bằng Excel Để vẽ biểu đồ san bằng hàm mũ đơn giản dự báo trong cột C và nhu cầu trong cột B, bao gồm tất cả các ô từ A8 đến C21 bằng chuột và nhấp vào “Chn” trên thanh công cụ ở đầu trang tính Tiếp theo, nhấp vào “Dòng” trên “Biểu đồ” thanh công cụ Biểu đồ kết quả cho nhu cầu và dự báo san bằng hàm mũ đơn giản

19 cho ví dụ dưới đây được thể hiện trong hình 12.2

San bằng hàm mũ cũng có thể được phát triển trực tiếp từ Excel mà không cần “tùy chỉnh” bảng tính và nhập công thức như chúng tôi đã làm trong hình 12.1 Từ menu Công cụ ở đầu bảng tính, hãy chọn tùy chọn “Dữ liệu” và sau đó chọn Tùy chọn “Phân tích dữ liệu” Hình 12.3 hiển thị cửa sổ "Phân tích dữ liệu" và mục menu "San bằng số mũ", nên được chọn bằng cách nhấp vào “OK” Cửa sổ “san bằng mũ” kết quả là được hiển thị trong Hình 12.4 "Đầu vào" bao gồm các giá trị nhu cầu trong cột B trong hình 12.1, hệ số trong trường hợp này là 0,5, và đầu ra phải được đặt trong cột C trong Hình 12.1 Nhấp vào “OK” sẽ dẫn đến các giá trị dự báo giống nhau trong cột C của Hình 12.1 khi chúng tôi tính toán bằng công thức san bằng số mũ Lưu ý rằng việc tính toán dự báo theo mùa cho quý đầu tiên (SF1) trong ô B12 được tính bằng công thức hiển thị trên thanh công thức ở đầu màn hình

Hình 12.1

Hình 12.2