Luận văn thạc sĩ Hệ thống thông tin: Nghiên cứu và ứng dụng AI vào xây dựng module dự báo doanh thu cho hệ thống ERP Microsoft Dynamics AX

Trong một hệ thống ERP thông thường có nhiều module khác nhau, ngoài các module nền tảng mang tính quản lý đơn thuần, các hệ thống ERP hiện đại còn hỗ trợ thêm các module phân tích thống

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH

TRUONG DAI HOC CONG NGHE THONG TIN

GI*CR

Nguyễn Dinh Huy

NGHIÊN CỨU VÀ ỨNG DỤNG AI VÀO XÂY

DỰNG MODULE DỰ BÁO DOANH THU CHO

HỆ THONG ERP MICROSOFT DYNAMICS AX

LUAN VAN THAC SI NGANH HE THONG THONG TIN

MA SO: 8.48.01.04

NGƯỜI HƯỚNG DAN KHOA HỌC

TS Nguyễn Thanh Bình

TP HÒ CHÍ MINH - 2024

LỜI CAM ĐOAN

Tôi xin cam kết luận này này do chính tôi thực hiện dưới sự hướng dẫn của thầy TS.Nguyễn Thanh Bình Tôi không sao chép bat kỳ công trình nghiên cứu nào khác makhông trích dẫn rõ nguồn gốc

Dữ liệu sử dụng trong luận văn có nguôn goc rõ ràng Các mã nguôn do tôi tự việt,

các thư viện được sử dụng trong mã nguồn đều không vi phạm bản quyền

Các số liệu trong kết quả nghiên cứu là trung thực và kết quả nghiên cũng chưa từng

được công bồ trên bất kỳ công trình nào khác

Tôi xin cam đoan các điêu bên trên là hoàn toàn đúng sự thật Nêu có bat kỳ vi phạm

nào ở các điêu trên, tôi xin chịu hoàn toàn trách nhiệm và nhận hình thức kỷ luật từ Khoa và Nhà Trường.

Người thực hiện

08/05/2024

Nguyễn Đình Huy

MỤC LỤC

LOI CAM DOAN - 22-52 2E 2E222122117121121121171211211211112112111111211 21 1e 1DANH MỤC CAC TU VIET TAT ocsscsssesssesssessesssesssessssssvssssssesssessesssessuesssssesssessess 4

IM.928YI0/99 08:79) c1 -:ỞỮ53Œ+ 6

DANH MỤC CÁC HINH VE, DO THỊ - - 2© 2+2E+2E£2EE2EE£EEtEEZEEEEEerxrrkrrrree 7

LOI MỞ ĐẦU -¿- 55-221 221921127121171127112712111112111211211 21121110111 erre 9

CHƯƠNG 1 - TONG QUAN cv 1EE12111121111211111111 1111111 px 10

1.1 Giới thiệu đề tài ¿- 55c 2s 2 1221127121122112711211211211121121121 21 1e re 10

1.2 Đối tượng, mục tiêu nghiÊn CỨU - - - S2 1E E*2EESEESEEESrEerkrkkeerkrererer 10

1.3 Phương pháp nghiên CỨU - -.- c2 22112111111 1111 1111811111111 111 11111 E11 xe 11

1.4 Phạm vi đề tài ¿- 52 5c 212 1221127121122112711211211111211211111 1.1 re 11CHUONG 2 - CAC NGHIÊN CUU LIEN QUAN 5- 2 s+c+2E2EzE+Ezez 13

2.1 HG thong ERP 1n 13

2.1.1 Lich sử hình thành và phat triỂn - 2-2 2 2+ +E++E+£E+EE+EzEezxerxerree 13

2.1.2 Các chức năng phổ biến của ERP -2- ¿25+ 22++2x++zx++zxrzxxerseee 14

2.2 AX 2012 và các hệ thống ERP 2-2252 S1 E2 E2E1EEEE2EE221221 21212 tre l6

V0) nh +» V Ữ.ố đe 22

"9.9.0 ‹a 28 2.3 Module s)0ii9i s5) 31

2.4 Bài tốn dự báo doanh số và các giải pháp hiện tai 34

»hẾ ) -311A.ẽ 34 2.4.2 XGBOOSL 0 221 2t 2t 122122127121121121121111121121211112121 1e 36 2.4.3 DeepAR 0n ha ‹‹ấä£3 38

CHUONG 3 - PHƯƠNG PHÁP THỰC HIEN -22-©5222s+2cszscszere 61

3.1 Cách tiếp cận và giải quyết bài tod eo eeccececceccsscescesessessessessessessesesessessessesseaee 61

3.2 MO ta dit LOU 62

CHƯƠNG 4 - TRIEN KHAI THUC NGHIEM CÁC MO HINH AI 68

4.1 Tiền xử lý dit QU eccecceceeccccccscescescssessessesecscsessessesscssessssussessessessessessesesesseeees 68

4.2 Huấn luyện mô hình - 2-2 ¿+ £+EE+EE+EE#EEE2EE2EEEEEEEE12E127171711211221 22x 78

AAU NOi dung cai tiG ẽ ÍiÍ 86

4.4.2 Thực nghiệm và đánh giá oo ec cccccceeseeseceseeneeeseeeseeseeeseeseeesesseeeseeesees 88

CHƯƠNG 5 - THIET KE VÀ TÍCH HỢP MODULE DỰ BAO DOANH THU

CHO AX 20120 93

5.1 Phân tích thiết kế hệ th6mg c.ccscececcsseeccsscssessesseseseesessessessessessesesessessessessease 93

5.1.1 Kiến trúc tông quan của ứng dụng -¿- 2 + +2E+£x+£+E+EzEezrerxered 93

5.1.2 Sơ đồ Use-Case tong quan - 2-52 2E 2EE2E1EE1221121122171 21.2 crkd 96

5.1.3 Use-Case Xử ly Yêu cầu du báo trong module dự báo doanh thu 975.1.4 Use-Case Tiép nhan yéu cau du bao trong Sales forecast application 100

5.1.5 Use-Case Dự báo trong Sales forecast application - 101

5.2 Module dự báo doanh thu trong AX 2012 - ác cày 103

5.2.1 User interfaces (giao diện người dùng) - ccSccsstsireeresirerke 103

5.2.2 Business Layer (Batch job) - - 5c c1 3121122111111 1x2 109

5.3 Thành phan cau trúc module dự báo (Sales forecast application) 110CHƯƠNG 6 - KET LUẬN - 55:2252t22 x22 113

DANH MỤC CÔNG BO KHOA HỌC 22:2252222+22xtezEtsrrrrsrrrrree 1131080900): )804 0m 114

DANH MỤC CÁC TỪ VIẾT TẮT

Viết tắt Tên day đủ

AI Artificial Intelligence (Trí tuệ nhân tạo)

ARDL AutoRegressive Distributed Lag

AR Auto Regression

ARIMA AutoRegressive Integrated Moving Average

ARMA Auto Regressive Moving Average

ARTXP Autoregressive tree model for representing periodic time series data

AX 2012 Microsoft Dynamics Ax 2012

AWS Amazon Web Services

BI Business Intelligence

CRM Customer Relationship Management (Quan ly quan hé khach hang)

DeepAR Deep AutoRegressive

ERP Enterprise Resource Planning

ESF Exponential Smoothing Forecast

GRN Gated Residual Network

GUI Graphical User Interface (Giao diện đồ hoa người dùng)

HCM Human Capital Management (Quan lý nhân sự)

HWES Holt Winters Exponential Smoothing

loT Internet of Thing (Internet vạn vật)

LSTM Long Short-Term Memory

MA Moving Average

MAE Mean Absolute Error

MAPE Mean Absolute Percentage Error

MLP Multilayer Perceptron

MRP II Manufacturing Resource Planning

MRPs Material Requirements Planning system

MSE Mean Square Error

N-BEATS Neural Basis Expansion Analysis For Interpretable Time Series

Forecasting

OLAP Online Analytical Processing (Xử lý Phân tích Trực tuyến)

OLTP Online Transaction Processing (Xử lý Giao dịch Trực tuyến)

RNN Recurrent Neural Networks

SaaS Software as a Service

SAP Systems, Applications, and Products in Data Processing

SCM Supply Chain Management (Quản lý chuỗi cung ứng)

SEF Season-Enhanced Forecast

SES Simple Exponential Smoothing

sMAPE Symmetric Mean Absolute Percentage Error

TEF Trend-Enhanced Forecast

TFT Temporal Fusion Transformers

TSEF Trend and Season-Enhanced Forecast

Web API Web Application Programming Interface

XGBoost eXtreme Gradient Boosting

DANH MỤC CÁC BẢNG

Bảng 2.1: Diễn giải tinh năng các phân hệ trong Microsoft Dynamics AX 2012 19

Bảng 3.1 Diễn giải ý nghĩa các trường trong tập dữ liệu doanh thu - 62

Bang 4.1 Danh sách đặc trưng mà một giá trị cụ thé trong từng đặc trưng đó xuất

hién qua 8in(0i150.4i 200010010757 69

Bảng 4.2 Diễn giải các đặc trưng được thêm vào tập dữ liệu - 77

Bảng 4.3 Các đặc trưng đầu vào cho huấn luyện mô hình - 2-2252 78Bang 4.4 Kết qua dự đoán của mô hình ARMA - c5 cvc++£2Ezxzxerxee 79

Bảng 4.5 Kết quả dự đoán của mô hình XGBoost 2-2-5 2522cz+cxsrxczez 80

Bang 4.6 Tham số huấn luyện của mô hình DeepAR 2- 2 2 2+2 81Bang 4.7 Kết quả trung bình sau 10 lần dự đoán của mô hình DeepAR 82Bang 4.8 Tham số huấn luyện của mô hình TFT 2-2 2+ 2+s+zx+£xz£zz+zs+2 83Bảng 4.9 Kết quả trung bình sau 10 lần dự đoán của mô hình TET 84Bang 4.10 Tham số huấn luyện của mô hình N-BEATS cscscsscsceseessessesseseeseeees 84Bang 4.11 Kết quả trung bình sau 10 lần dự đoán của mô hình N-BEATTS 85Bang 4.12 So sánh kết quả huấn luyện giữa các mô hình 2-5-5 cse¿ 86Bang 4.13 Kết quả so sánh mô hình N-BEATS cai tiến và mô hình gốc 88Bảng 4.14 Các siêu tham số dùng huấn luyện mô hình N-BEATTS 89Bang 4.15 Siêu tham số mà mô hình N-BEATS-I gốc đạt kết quả tốt nhat 90Bang 4.16 Siêu tham số mà mô hình N-BEATS-I cải tiến đạt kết quả tốt nhất 9 I

Bang 4.17 Kết quả dự báo của mô hình N-Beats-I cải tiến -2-5¿- 91 Bang 5.1 Đặc ta Use-Case Gui dự bao trong Module dự báo doanh thu 97

Bang 5.2 Dac ta Use-Case cap nhat két qua du bao trong module du bao doanh thu

ETT , NHÀ ẨƠNG ( 98

Bang 5.3 Đặc tả Use-Case tiếp nhận yêu cầu dự báo trong Sales forecast

P40) 0) 0(er: 10 (0) 6 5 100 Bang 5.4 Đặc ta Use-Case Dự báo trong Sales forecast application 101

DANH MỤC CÁC HÌNH VẼ, ĐỎ THỊ

Hình 2.1 Kiến trúc Microsoft Dynamics AX 2012 -5- 2 s+c++c++Eczxerxerxee 18

Hình 2.2 Các phân hệ của Microsoft Dynamics AX 2012 - c+ccscs«2 19 Hình 2.3 Quy trình dự báo doanh thu trên Microsoft Dynamics AX 2012 R3 22

Hình 2.4 Kiến trúc Odoo l6 c::-22++ct2tEEkttrtEErirrrtrtrrrrrrirrrrririrrrie 23

Hình 2.5 Các ứng dụng (App) cơ bản của Od00 Ì6 - -++sc+++s+scxssexssss 24

Hình 2.6 Kiến trúc SAP S/4HANA . :-c2ccctrtttrrrtrtiirrrrrirrrrririrrrie 26Hình 2.7 Kiến trúc Oracle E-Business Suite - +: +25z22+2zxczxerxzrrsrxrred 29

Hình 2.8 10 phân hệ trong ERP của Oracle - ¿c3 c +2 sisrirsrrrsrerke 30

Hình 2.9 Kết quả dự báo cuối cùng là tổng kết qua dự báo ở mỗi cây 38Hình 2.10 Tóm tắt mô hình DeepAIR 2-52 ++E2+EE+EE££E+2EE2EEerxerrezrsrred 39Hình 2.11 Kiến trúc TFT :-222++2E2xtttEExtttEtrttttrrrtrtrrrrrtrrrrrirerree 43Hình 2.12 Cau hình GRN trong mô hình TET 2 ¿2++22++2z++zxzzzxz+s 44

Hình 2.13 Variable selection networks - 5c + St + + HH ng nưệp 46

Hình 2.14 Kiến trúc N-BEATS -2-©522S2+EESEE9EE22E1221221711211221 2112121 rcrk 52

Hình 3.1 Cac bước thực hiện ứng dung AI vào xây dung module dự báo doanh thu

cho hệ thống ERP Microsoft Dynamics AX - 2 2+2x+2E2E+2EeEErErrxerxees 61Hình 3.2 hai dòng dau tiên trong tập dit H@U so ccccccceecessessessessessesssessessesseesneees 62Hình 4.1 Các bước tiền xử lý dữ Qu ooo ceccecceccccscessessecseessessessessesssessessessessneaneess 68Hình 4.2 Thống kê các đặc trưng có giá trị cố định s+s+c++sz+sezxzxeẻ 69Hình 4.3 Biêu đồ heatmap tương quan Pearson giữa các đặc trưng kiểu số trong tập

dữ liệu , - nh / 70

Hình 4.4 Các đặc trưng còn lại trong tập dữ liệu sau khi loại bỏ đặc trưng băng

tương Quan P€4TSOIA -.- - - c2 1131011189911 1119 11 1H HH 71

Hình 4.5 Thống kê ty lệ số lượng đơn hàng theo ngày trong tuần 72

Hình 4.6 Thống kê số dòng doanh thu âm 2-2 2 + +E£EE£E++E++E++Ezxerxeẻ 73

Hình 4.7 Danh sách 9 hóa đơn doanh thu có gia trị âm do hạch toán sal 74

Hình 4.8 Phân bố doanh thu sau khi loại bỏ các ngoại ÌỆ c + csssss+ 75Hình 4.9 Biéu đồ doanh số trung bình theo tuần từ năm 2015 đến 2022 76Hình 4.10 Biểu đồ biến động doanh số theo tuần trong 3 năm gan nhất 76Hình 4.11 Biểu đồ sai số dự báo doanh thu bằng phương pháp thống kê đơn thuần,

tỷ lệ sai số tính theo MAPPE - ¿2:22 2222E2E12212211221127121122112111211 21111 e6 76Hình 4.12 Danh sách 10 dòng dit liệu trong tập dữ liệu sẵn sang cho quá trình huấn

in: À 77

Hình 4.13 Đề xuất cải tiến cấu trúc Stack của mô hình N-BEATS - 87Hình 4.14 Kết qua dự báo của mô hình N-BEATS-I cải tiến trên tập dữ liệu Test 92

Hình 4.15 Kết qua dự báo của mô hình N-BEATS-I gốc trên tập dữ liệu test 92

Hình 4.16 Kết qua dự báo của mô hình N-BEATS-I cải tiến và N-BEATS gốc trên

tập dữ liệu t€S SG 2 120112111 1121110111 1101110111011 111g TH TH HH ng TH TH nhiệt 92

Hình 5.1 Mô hình tổng quan ứng dung ¿- 2¿©+2£+2x+2£x2z+vzxezrxesrxere 94

Hình 5.2 Quy trình thực hiện dự báo - - 5c 2 3321113 1111111151111 95

Hình 5.3 Sơ đồ Use-Case tổng quan module dự báo doanh thu - 96Hình 5.4 Sơ đồ Use-Case tổng quan ứng dụng Sales forecast application 97

7

Hình 5.5 Sơ đồ Use-Case Xử lý yêu cầu dự báo trong module dự báo doanh thu 97

Hình 5.6 Sơ đô hoạt động Use-Case xử lý yêu câu dự báo trong module dự báo

oar thu 017 -ö 99

Hình 5.7 Sơ đồ hoạt động Use-Case tiếp nhận yêu cầu dự báo trong Sales forecast

APPLICATION tt 101

Hình 5.8 Sơ đồ hoạt động Use-Case Dự báo trong Sales forecast application 102

Hình 5.9 Project module dự báo doanh thu trong Microsoft Dynamics AX 2012103

Hình 5.10 Màn hình thiết lập URL kết nối máy chủ Web API 104Hình 5.11 Màn hình thiết lập định dang file CSY (+ S cc + sssssserses 104Hình 5.12 Màn hình thiết lập siêu tham số cho mô hình N-BEATTS 106Hình 5.13 Màn hình lựa chọn dữ liệu thô cho huấn luyện -c-.-x++ 107Hình 5.14 Màn hình thiết lập ngày nghỉ lễ/ tẾt 2 25c sxeEE+EzEzEzxeez 108Hình 5.15 Màn hình dự báo và hiển thị kết quả -2- 22 2+5s+cx+zzzz+cse2 109Hình 5.16 Mã nguồn hàm run chạy định kỳ trong class AISfNbeatsService của AX

J)D0NqAMỪÚỒỒẮ 110

Hình 5.17 Project C# hiện thực mô hình N-BEATTS 2c cccsssssekreerres 111

LỜI MỞ BAU ©

Cùng với sự phát triên của công nghệ thông tin, hệ thông hoạch định nguôn lực doanh

nghiệp (ERP) ngày càng trở thành công cụ đắc lực, không thẻ thiếu trong việc điềuhành các hoạt động kinh doanh của công ty [1] [2] Trong một hệ thống ERP thông

thường có nhiều module khác nhau, ngoài các module nền tảng mang tính quản lý

đơn thuần, các hệ thống ERP hiện đại còn hỗ trợ thêm các module phân tích thống

kê, dự báo, trong đó dự báo doanh thu là một chức năng quan trọng giúp công ty đưa

ra những quyết định quản trị nhanh chóng và chính xác

AX 2012 là một hệ quản trị doanh nghiệp (ERP) được tập đoàn Microsoft phát hành

vào năm 2011 Phần mềm này được thiết kế với nhiều module chức năng khác nhau

dé hỗ trợ cho các doanh nghiệp sản xuât, bán lẻ, tài chính vừa và lớn

Trong hệ thống này không có thành phần hỗ trợ dự báo doanh thu dựa trên cơ sở đữ

liệu kinh doanh của doanh nghiệp, dù trong các phiên bản cao hơn của Microsoft

Dynamic AX đã có chức nang nay tuy nhiên cũng chỉ dừng ở mức đại trà và không

đáp ứng được hoàn hảo cho những điều kiện đặc thù về dữ liệu cũng như kinh doanh

của từng doanh nghiệp cụ thể, đặc biệt là một lĩnh vực đặc thù như ngành dược

Trong đề tai này, tôi tìm hiểu các hệ thống ERP phô biến cùng các phương pháp dự

báo dữ liệu chuỗi thời gian thông dụng hiện nay Sau cùng, tôi áp dụng các thuật toán

học sâu dé xây dựng và tích hợp một module vào AX 2012 nhằm cung cấp tính năng

dự báo doanh thu Mục tiêu là tạo ra một công cụ mạnh mẽ dựa trên nên tảng học

máy, giúp các doanh nghiệp dược đang sử dụng AX 2012 dự báo doanh thu hiệu quả

CHƯƠNG 1 - TONG QUAN

1.1 Giới thiệu đê tài

Lĩnh vực dược pham là một trong những ngành công nghiệp quan trọng và phát triểnnhanh chóng Từ sau khi đại dịch COVID-19 vào năm 2021, thị trường được day biếnđộng và đang đối mặt với hàng loạt thách thức mới

Thị trường dược phẩm ngày càng phức tạp với nhiều yếu tố tác động đồng thời Sự

thay đối về nhu cầu, sự cạnh tranh khốc liệt và những biến đổi trong quy định vàchuỗi cung ứng toàn cầu đã khiến việc dự báo doanh thu trở nên khó khăn hơn baogiờ hết Cộng thêm việc các kênh bán hàng đã dịch chuyền từ truyền thống sang trực

tuyến, tạo ra một môi trường kinh doanh đa dạng hơn.

Cac công cụ dự báo truyén thông không còn đủ sức đê xử lý lượng dữ liệu lớn, đa dang và có nhiêu biên động Do đó, cân phải tìm một cách tiêp cận mới, một công cụ

mạnh mẽ hơn dé có thê giải quyết bài toán dự báo doanh thu trong bối cảnh này

AI đã trở nên mạnh mẽ hơn và có khả năng học từ nguồn dit liệu khổng 16, giúp dựđoán chính xác hơn Các thành tựu của AI đã được chứng minh qua nhiều ứng dụngxuất sắc như ChatGPT của OpenAI hoặc Bard của Google Sức mạnh của AI đã tạo

ra cơ hội dé ứng dụng nó trong việc dự báo doanh thu cho ngành dược, giúp doanh

nghiệp trong ngành nâng cao sự linh hoạt và khả năng thích nghi trong môi trường

thị trường thay đồi liên tục

1.2 Đối tượng, mục tiêu nghiên cứu

Đề tài tập trung vào nghiên cứu các thuật toán nền tảng và phô biến đề dự báo đữ liệuchuỗi thời gian, bao gồm các phương pháp dự báo dựa vào thống kê, học máy và học

sâu Mục tiêu của đề tài là phát triển một mô hình dự báo doanh thu có khả năng dự

đoán doanh số 12 tuần với sai số thấp hơn 30% (theo chỉ số MAPE) dé cải thiện công

tác quản lý tài chính cho doanh nghiệp dược Hiện tại, doanh nghiệp sử dụng một

phương pháp dự báo đơn giản băng cách dự đoán doanh số của tuần hiện tại dựa trêndoanh số của tuần cùng kỳ trong năm trước Tuy nhiên, phương pháp này có sai sốđáng kể, với sai số thấp nhất đạt được là 46.24% được thê hiện ở Hình 4.11 Biéu đô

sai số dự báo doanh thu bằng phương pháp thong kê đơn thuân, tỷ lệ sai số tinh theo MAPE.

10

Sai số lớn như vậy gây khó khăn cho quá trình quản lý tài chính và việc thực hiện các

chiên lược quan tri.

Ngoài ra, trong phạm vi đề tài, tôi cũng sẽ tìm hiểu và nghiên cứu kiến trúc và tích

hợp mã nguồn vào AX 2012 dé khai thác dữ liệu doanh thu từ hệ thống này Sau đótiễn hành khai phá dữ liệu thu thập được dé làm nền tang cho xây dựng và huấn luyện

các mô hình dự báo.

1.3 Phương pháp nghiên cứu

Phương pháp nghiên cứu trong đề tài này dựa trên phương pháp thực nghiệm [3] được

giới thiệu bởi Crawford, một hướng tiếp cận khoa học thông qua việc thực hiện các

thử nghiệm thực tế đề tạo ra thông tin chính xác và cung cấp cơ sở cho việc xây dựng

mô hình dự báo doanh thu trong ngành dược sử dụng AI và tích hợp vào hệ thống

AX 2012 Các bước thực hiện bao gồm:

e Xác định mục tiêu nghiên cứu

e Thu thập dữ liệu doanh thu từ AX 2012.

e Khai phá dữ liệu

e _ Lựa chọn mô hình dự báo

e Cải tiến mô hình dự báo

e Đánh gia báo cao

e Tích hợp vào AX 2012

Đề đảm bảo tính tin cậy của các báo cáo, các mô hình sẽ được huấn luyện và dự báo

nhiêu lân Kêt quả cuôi cùng sẽ được tông hợp từ các lân dự báo

1.4 Phạm vi đề tài

Nghiên cứu sẽ tập trung vào việc phát triển mô hình dự báo doanh thu dựa trên AI vàtích hợp nó vào hệ thống AX 2012 - là hệ thống ERP đang được sử dụng tại doanh

nghiệp hoạt động trong ngành dược ở Việt Nam (tạm gọi là doanh nghiệp ABC do

yêu cầu bảo mật thông tin), và sử dụng dữ liệu thực tế từ doanh nghiệp này dé đánh

giá hiệu quả của mô hình.

lãi

Kết quả của đề tài có thể áp dụng cho các công ty sản xuất và phân phối được ở ViệtNam sử dụng hệ thống AX 2012 và cũng có tiềm năng cho sự kế thừa trong các ngành

công nghiệp khác.

12

CHƯƠNG 2 - CÁC NGHIÊN CỨU LIÊN QUAN

2.1 Hệ thống ERP

Hệ thống ERP còn được biết đến là hệ thống hoạch định nguồn lực doanh nghiệp đây

là một phần mềm có khả năng tích hợp và quản lý toàn bộ các hoạt động và quy trìnhkinh doanh trong một tô chức vào một hệ thống duy nhất Mục tiêu chính của hệthống ERP là tối ưu hóa sự tương tác và quản lý tài nguyên, thông tin và quy trìnhcủa tô chức, từ việc thu mua nguyên vật liệu, lập kế hoạch sản xuất, quản lý chuỗicung ứng đến quản lý khách hàng và tài chính Thông qua đó ERP tạo ra được sựminh bạch, tin cậy trong việc quản lý thông tin của tô chức

2.1.1 Lịch sử hình thành và phát triển

Lịch sử hình thành và phát triển của ERP trải qua 6 cột mốc [4] [5] vào các thập niên:

1960, 1970, 1980, 1990, 2000, và hiện tại.

e_ Vào những năm 1960, nhiều nhà sản xuất lớn cần có một công cụ hiệu quả

hơn để quản lý tồn kho và quy trình sản xuất Từ đó dẫn đến sự ra đời của ứngdụng MRPs hay còn được gọi là hệ thống quản lý sản xuất MRPs đã giúp íchrất nhiều cho các nhà sản xuất trong việc lập kế hoạch sản xuất, cân đối nguyên

vật liệu và phân phối sản phẩm

e Vào những năm 1970, càng có nhiều nhà sản xuất vừa và nhỏ quan tâm đến

MRPs Tuy nhiên, công nghệ này van còn hạn chế, vì chi phí triển khai cao

nên van chỉ phù hợp với những công ty lớn có nguồn ngân sách déi dào Trong

giai đoạn này, các công ty phần mềm lớn như Oracle, SAP, JD Edwards đã đặt

mục tiêu đưa phần mềm này tiếp cận rộng rãi nhiều doanh nghiệp hơn

e _ Thập niên 1980: MRPs biến đổi thành MRP II hay hệ thống hoạch định nguồn

lực sản xuất MRP II là một bản nâng cấp của MPRs thông qua tối ưu hóa quy

trình sản xuất bằng cách tích hợp các yêu cầu nguyên liệu và lập kế hoạch sảnxuất chỉ tiết hơn Ngoài ra, MRP II còn mở rộng thêm các tính năng mới như:quản lý tài chính, quản lý nguồn lực và quản lý khách hàng Hệ thống này bắt

đầu có sự liên kết các bộ phận trong doanh nghiệp lại với nhau, đặt nền tảng

cơ sở cho ERP sau này.

13

e Thập niên 1990: ERP xuất hiện, là sự kết hợp giữa MRP II (khối sản xuất) va

các chức năng của khối văn phòng như: tài chính, kế toán, bán hàng, nhân sựtạo thành một hệ thống nhất hoàn chỉnh Năm 1998, NetSuite giới thiệu ERPtrên nền tảng đám mây, đã mở đầu kỷ nguyên ERP cho các doanh nghiệp vừa

và nhỏ.

e Thập niên 2000: ERP đã phát triển thành ERP II ERP II tích hợp sâu rộng

chức năng SCM, CRM và HCM Đồng thời, việc truy cập ERP thông qua

internet và các thiết bi di động đã trở nên phô biến hơn

e Từ 2010 đến nay: ERP được cung cấp phố biến dưới dang phần mềm dịch vu

SaaS AI đã được áp dụng rộng rãi vào các hệ thống ERP, IoT cung cấp dữliệu thời gian thực cho ERP khiến cho việc ra quyết định dựa vào ERP trở nên

dễ dàng và chính xác.

2.1.2 Các chức năng phố biến của ERP

Mỗi nhà cung cấp phần mềm ERP sẽ cung cấp các chức năng khác nhau Tuy nhiên,chức năng phô biến [5] của một hệ thống ERP sẽ gồm có:

e Phân hệ kế toán: quản lý tài khoản hạch toán, và các nghiệp vụ thu, chi

e Phân hệ tài chính: quản lý dòng tiền, ngân sách, và các báo cáo tài chính

e_ Quản lý sản xuất: lập kế hoạch sản xuất, quản lý công thức sản xuất, nhân

công và kiểm soát chất lượng sản phâm dau ra

e Quản lý kho: quản ly tồn kho, thực hiện các nghiệp vụ: nhập kho, xuất kho,

theo dõi vi trí vật lý các nguyên liệu, thành phẩm, sản phẩm trong kho

e Quan lý bán hang: quản lý các đơn hàng bán cho khách hàng, và quy trình

bán hàng từ lúc lập đơn hàng cho đến lúc xuất hóa đơn cho khách hàng

e Quan lý nhân sự: quản lý thông tin nhân viên, tiền lương, phúc lợi và các chế

độ

e_ Quản lý chuỗi cung ứng: quản lý nhà cung cấp, quy trình đánh giá nhà cung

cấp và theo dõi thông tin vận chuyền của các đơn hang mua

© Quản lý quan hệ khách hàng: quản lý các chiến dịch tiếp thị, các thông tin

liên hệ, trao đổi với khách hàng, quản lý các quy trình chăm sóc khách hang,giải quyết khiếu nại

14

e Quản lý kinh doanh điện tử (E-Business): quản lý các thông tin trực tuyến

như các đơn hàng bán trực tuyến, đơn hàng mua trực tuyến, thanh toán trựctuyến và các hợp đồng trực tuyến

2.1.3 Lợi ích của ERP

Theo Dr M Nishad Nawaz và Dr K Channakeshavalu [1], ERP có các lợi ích sau:

e Tap trung dữ liệu: ERP tập hợp tat cả các khía cạnh hoạt động của doanh

nghiệp vào một hệ thống tích hợp duy nhất Điều này có nghĩa là dữ liệu từ

các bộ phận khác nhau, chăng hạn như tài chính, sản xuất, tồn kho và bán hàng,được lưu trữ và quản lý trong cơ sở dữ liệu thống nhất Việc tích hợp này giúploại bỏ các kho đữ liệu riêng lẻ của từng bộ phận, đảm bảo tính nhất quán của

dữ liệu, cho phép hiển thị nhiều chức năng đồng thời cũng dé dàng trong việcchia sé đữ liệu và tong hợp dữ liệu

e Tức thời: với ERP, thông tin được cập nhật theo thời gian thực, những thay

đôi được thực hiện ở một bộ phận, phòng ban hay một phần của hệ thống sẽđược phản ánh ngay lập tức ở các phần, chức năng khác của hệ thống Tính

sẵn có của dữ liệu theo thời gian thực cho phép đưa ra quyết định chính xác,

giảm sự phụ thuộc vào thông tin lỗi thời Các báo cáo tài chính, tồn kho, sảnxuất, bán hàng, doanh thu, lợi nhuận luôn chính xác ngay tại thời điểm báo

cáo.

e Giảm chỉ phí vận hành: dữ liệu được tập trung đã giảm thiêu được việc nhập

dữ liệu trùng, các quy trình được tự động hóa bởi ERP đã giảm chi phí nhân

sự và quản trị Quản lý hiệu quả tồn kho và sản xuất giúp duy trì được hàngtồn kho tối thiểu nhưng vẫn đáp ứng được nhu cầu khách hàng từ đó giảmthiêu chi phí hàng tồn kho Tat cả các điều này làm thời gian, chi phí vận hành

cho doanh nghiệp.

e_ Cải thiện giao tiếp nội bộ: Xử lý thông tin được trơn tru hơn vi mọi người

cũng làm việc trên một dir liệu Các quy trình được chuẩn hóa đã làm giảmthiểu sai sót, hiểu lầm giữa con người với nhau

e Cái thiện tương tác với nhà cung cấp và khách hàng: Với dit liệu thống

nhất và tức thời, doanh nghiệp dễ dành cung cấp thông tin chính xác về thời

15

gian giao hàng, số lượng sản phẩm cho khách hang cũng như quy trình giảiquyết khiếu nại và chăm sóc khách hàng được thực hiện thông suốt, chặt chẽ.Hơn nữa, với các thông tin về tồn kho, lịch sản xuất, doanh nghiệp sẽ phối hợptốt hơn với nhà cung cấp về lịch trình mua nguyên vật liệu, lịch giao hàng,

thông qua đó nhà cung cấp sẽ lập được kế hoạch giao hàng tốt hơn

e Nang cao doanh thu, lợi nhuận: Thông qua cải thiện tương tác với khách

hàng, ERP giúp doanh nghiệp giữ chân khách hàng cũ từ đó tạo thêm lợi nhuận

từ khách hàng hiện có Quy trình sản xuất chặt chẽ và việc kiểm soát chấtlượng sản phẩm rõ ràng, minh bach góp phan làm tăng độ tin tưởng của kháchhàng về sản phẩm của doanh nghiệp từ đó giúp doanh nghiệp dé dàng tiếp cậnđến khách hàng mới Thông qua việc giảm chỉ phí vận hàng cũng đóng góp

vào tăng lợi nhuận.

2.2 AX 2012 và các hệ thống ERP

2.2.1 AX 2012

AX 2012 là một dong san pham ERP của Microsoft, được ra mắt vào năm 2011 và làmột sự cải tiến và mở rộng từ Dynamics AX 2009 AX 2012 được các công ty códoanh thu hăng ty USD mỗi năm như: Trafigura, Sempra US Gas & Power, Fujitsu,

Ferguson Hair Design [6] tin dùng.

Diém Manh:

Phù hợp cho các doanh nghiệp vừa va lớn: AX 2012 được thiết kế dé đáp ứng nhu

cầu của các doanh nghiệp với nhiều quy trình phức tạp và quản lý tập trung

Tích hợp công nghệ Microsoft: Sự tích hợp sâu với các công cụ Microsoft như

SharePoint và Office giúp tăng cường hiệu suất và tương tác thông tin giữa người sửdụng và hệ thống

Hệ điều hành Windows Server, Windows Client, hệ quản trị cơ sở dữ liệu SQL

Server.

Phức tap đối với doanh nghiệp nhỏ: Đối với các doanh nghiệp nhỏ, AX 2012 có thé

quá mạnh về tính năng va tôn nhiêu tài nguyên cho triên khai va quản lý.

Trong luận văn này AX 2012 được sử dụng do thực tiễn đang triển khai của doanhnghiệp ABC nhằm thể hiện tính ứng dụng thực tiễn của nghiên cứu

2.2.1.1 Kiến trúc

AX 2012 gôm có 3 tâng:

e Presentation tier (Tang trình bay): là giao diện người dùng, chạy trên ứng dụng

Dynamics AX của người dùng cuối, hoặc trình duyệt web Tầng này cho phépngười dùng tương tác trực tiếp với hệ thống thông qua các tác vụ như: tạo đơnhàng, xem báo cáo, quản lý xuất, nhập kho Ngoài ra tầng trình bày còn cho

phép người dùng cuối tùy biến giao diện như thay đổi nhãn, thêm, bớt trường

hién thị trên giao diện.

e Middle tier (Tầng ứng dụng): là ứng dụng cài đặt trên máy chủ Tầng này chứa

các logic nghiệp vụ, tiếp nhận các yêu cầu từ Tầng trình bày và thực hiện tính

toán, giao tiếp với Tang cơ sở dữ liệu để truy van dit liệu, xử lý dit liệu Ngoài

ra, tầng này cũng chịu trách nhiệm thực hiện bảo mật cho hệ thống, đảm bảochỉ những người dùng được phân quyền mới có thé truy cập vào những dit

liệu, tính năng tương ứng.

e Data tier (Tang cơ sở dữ liệu): Sử dụng MS SQL Server dé lưu trữ toàn bộ dữ

liệu của Dynamic AX 2012 Gồm có 2 database chính:

o MicrosoftDynamicsAX: Chứa dit liệu vận hành.

o MicrosoftDynamicsAX model: Siêu dit liệu, chứa các định nghĩa về

bảng, kiêu dữ liệu, thiệt kê giao diện, mã nguôn của ứng dung.

17

External applications Enterprise Portal web client

Microsoft Dynamics AX application and model database

Microsoft Dynamics AX Windows client Development environments

.NET Framework 4.0

Hinh 2.1 Kién trac Microsoft Dynamics AX 2012

Nguồn: Architecture of Microsoft Dynamics AX theo /7/

2.2.1.2 Phan hé

AX 2012 có nhiều chức năng khác nhau đáp ứng cho nhiều lĩnh vực kinh doanh của

doanh nghiệp như: bán lẻ, sản xuất, địch vụ

18

Presentation tier Middle tier

Data tier

Microsoft Dynamics AX 2012 | da vice"

General ledger Transportation management

Budgeting Sales and marketing

Cost accounting Call center

Fixed assets

Retail

Cash and bank management

Retail essentials

Travel and expense

Compliance and internal controls Trade allowance management

Human resources Project management and accounting

PEopnoh Service management

Procurement and sourcing =

- Data import export framework

Product information management

Master planning Organization administration

EH OREM Oa tae & eS Production control System administration

: Microsoft y "| Microsoft Dynamics

Hình 2.2 Các phân hệ của Microsoft Dynamics AX 2012

Nguồn: tham khảo /8/

Bảng 2.1: Diễn giải tính năng các phân hệ trong Microsoft Dynamies AX 2012

năng quan trọng và trạng thái tông quan của hệ thông.

Công Nợ Phải Trả: Quản lý và theo dõi các khoản phải trả

cho nhà cung cấp, bao gồm việc xác định hạn thanh toán,

Account payable

lập phiếu nhập hóa đơn đầu vào và quản lý các chính sách

thanh toán.

Quản lý và theo dõi các khoản phải thu từ khách hàng, bao

Account Receivable | gồm lập hóa đơn, quản lý đối tác kinh doanh và theo dõi

các khoản nợ.

Số Cái Chung: Quản lý tat ca các giao dich tài chính của tổ

General ledger chức, cho phép lập báo cáo tài chính, hạch toán tài chính va

theo đõi hiệu suất tài chính

19

Cost accounting

Kế toán chi phi: Theo dõi va phân tích chi phi liên quan đếnsản xuất và hoạt động kinh doanh, giúp quản lý đưa ra quyết

định dựa trên dữ liệu chi phí.

Tài Sản Có Định: Quản lý tài sản có định của tổ chức, bao

Fix assets ` ,

gôm việc theo dõi giá trị, khâu hao, và bảo dưỡng.

Quản Lý Tiên Mặt và Ngân Hàng: Quản lý tiên mặt và tài

Cash and bank

khoản ngân hàng, ghi chép giao dịch tài chính, và theo dõi

management

tài khoản ngân hang.

Travel and Expense

Du Lịch và Chi Phí: Quản lý và duyệt các đề nghị đi lại và

chỉ phí của nhân viên, bao gồm việc xử lý và thanh toán chỉ

Human resource

Nhân Sự: Quản lý thông tin nhân viên, quản lý hợp đồng

lao động, tính lương và các quy trình nhân sự.

Payroll

Tiên Lương: Tính toán lương, quản lý các khoản trừ và các

yêu tô liên quan đên tiên lương.

Procurement and

sourcing

Mua Sam va Nguồn Cung Ung: Quản lý quy trình mua sam,

chon nguôn cung ứng, và theo dõi hiệu suat nhà cung cap.

Product information

management

Quản Lý Thông Tin Sản Pham: Quản lý thông tin sản phẩm

và danh mục sản phẩm, bao gồm các thuộc tính, hình ảnh

và thông tin kỹ thuật

Master planning

Lập Kế Hoạch Tổng Hop: Lập kế hoạch sản xuất va kiêm

soát lịch sản xuât đê dam bao sự phù hợp giữa cung va câu.

Production control

Kiểm Soát Sản Xuất: Quản lý quy trình sản xuất, lên lịch

sản xuât, và kiêm soát chât lượng sản phâm.

Inventory

management

Quan Lý Tôn Kho: Quản lý và theo dõi tôn kho của sản

phâm và nguyên vật liệu.

20

Warehouse Quan Ly Kho Hang: Quản lý các hoạt động trong kho hang,

management bao gồm quá trình nhập/xuất và kiểm soát tồn khoTransportation Quản Ly Vận Chuyên: Quản lý và tôi ưu hóa quá trình vận

management chuyên hàng hóa từ điểm xuất phát đến điểm đến

Sales and marketing

Bán Hàng và Tiếp Thị: Quản lý quy trình bán hàng và tiếpthị, lập kế hoạch bán hàng và theo dõi khách hàng

Call Center

Chăm sóc khách hàng: Hỗ trợ quản lý quá trình tương tác

với khách hàng và giải quyêt yêu câu và thăc mặc của họ

Quan Lý Dự An va Kê Toán: Quản lý dự án, lên kế hoạch

và kiêm soát tài chính dự án.

Service management

Quan Ly Dich Vu: Quan ly dich vu va hé tro khach hang,

bao gôm việc lên lịch dich vụ va theo dõi yêu cau

Data import and

2.2.1.3 Dự báo doanh thu

AX 2012 không cung cấp một cơ chế dự báo doanh số bán hàng tích hợp vào hệ

thống Thay vào đó, hệ thống này hướng dẫn việc thực hiện dự báo doanh số một

cách bán tự động bằng thuật toán dự báo doanh thu dựa trên nền tảng thống kê:

21

ARTXP va ARIMA Trong đó, hai thuật toán này được hiện thực trên hệ quan tri cơ

sở dir liệu SQL Server Quy trình thực hiện dự báo doanh thu thông qua các bước [9]:

e_ Chiết xuất dữ liệu bán hàng từ AX 2012

e Dung SQL Server Analysis sinh ra mô hình dự báo doanh dựa trên dt liệu bán

hàng

e Dung Microsoft Excel kết nối đến mô hình dự báo do SQL Server Analysis

sinh ra để trực quan hóa dir liệu va điều chỉnh đữ liệu dự báo nếu muốn

e Dung SQL Server Analysis dé thuc hién du bao

e Dung AX 2012 dé nhập lại dữ liệu dự báo từ SQL Server Analysis vào hệ

Là một phần mềm mã nguồn mở được phát triển bởi Odoo S.A được thành lập năm

2014 tiền thân là OpenERP Odoo tập trung vào phân khúc khách hàng vừa và nhỏ.Phiên bản mới nhất là Odoo 16 được giới thiệu vào 12 tháng 10 năm 2022

Điêm mạnh:

Mã nguồn mở: có thé dé dàng tùy biến Odoo theo từng nhu cầu chuyên biệt và cụ thécủa từng doanh nghiệp khác nhau Chỉ phí triển khai và sử dụng cho các doanh nghiệp

nhỏ tương đối rẻ

Đa dạng module: Odoo cung cấp một loạt các module dé quản lý đến từng khía cạnh

nhỏ của doanh nghiệp

Diém yêu:

22

Kiến trúc phức tạp: là một hệ thống linh hoạt, mạnh mẽ, điều này cũng gây nên sựkhó khăn trong việc cau hình hệ thống Odoo cần có người có kiến thức chuyên môncao vận hành đề hệ thống có thể hoạt động bình thường.

Hỗ trợ kém, kém 6n định: vì là phần mềm mở và dé dàng tùy biến, thay đồi hệ thốngchính điểm mạnh này lại thường tạo nên một hệ thống kém ồn định

2.2.2.1 Kiến trúc

Odoo được thiết kế theo kiến trúc 3 tầng: Presentation tier, Logic tier va Data tier

Presentation tier

GET SALES

The top-most level of the application rh

is the user interface The mam function

of the interface 1s to translate taske and results to something the user can

understand — =5.

Logic tier

This layer coordmates † application, processes commands,

makes logical decisions and » | GETLIST OF ALL ® © 4DDAILSAIES

evaluations, and performs SALES MADE TOGETHER

°

calculations It also moves and ° eae hit me

processes data between the nwo surrounding layers.

rr ET |

QUERY SALE 2

: SALE 3

Data tier SALE 4

Here information is stored and retrieved

from a database or file system The mformation is then passed back to the =

logic tier for processing and then a

-eventually back to the user: —=N

Hinh 2.4 Kién trac Odoo 16

Nguồn: tham khảo [10]

e_ Presentation tier (Tang trình bày): Tang này cung cấp giao diện đồ họa thông

qua nền tang web, người dùng sử dụng trình duyệt web dé tương tac với hệthong như truy cập các chức năng cũng như thực hiện các tác vụ

23

e Logic tier (Tang ứng dụng): chứa các chức năng luận lý và các nghiệp vụ cốt

lõi, được viết bằng ngôn ngữ python thực thi phía máy chủ Tầng này chịutrách nhiệm thực thi các yêu cầu từ phía người dùng cũng như các quy trình

trong hoạt động kinh doanh của doanh nghiệp.

e Data tier (Tang cơ sở dữ liệu): là nơi lưu trữ tat cả dữ liệu của hệ thống Odoo

PostgreSQL được chọn làm hệ quản tri cơ sở dữ liệu mặc định cho Odoo.

2.2.2.2 Phân hệ

Odoo là một tập hợp của nhiều ứng dụng (App) Mỗi ứng dụng gồm có nhiều modulebên trong Các ứng dụng thông thường sẽ thuộc về một phân hệ nào đó

Các phân hệ cơ bản của Odoo có thé ké đến như: Finance, Sales, Websites, Inventory

& MRP, Human Resources, Marketing, Services, Productivity.

FINANCE SALES WEBSITES INVENTORY & MRP

Accounting CRM Website Builder Inventory

Invoicing Sales eCommerce Manufacturing

Expenses Point of Sale Blogs PLM

Spreadsheet (BI) Subscriptions Forum Purchase

Documents Rental Live Chat Maintenance

Sign Amazon Connector eLearning Quality

HUMAN RESOURCES MARKETING SERVICES PRODUCTIVITY

Employees Social Marketing Project Discuss

Recruitment Email Marketing Timesheet Approvals

Time Off SMS Marketing Fieid Service loT

Appraisals Events Helpdesk VoIP

Referrals Marketing Automation Planning Knowledge | New! |

Fleet Surveys Appointments

Hình 2.5 Các ứng dụng (App) co bản cua Odoo 16

Nguồn: tham khảo [10]

2.2.2.3 Dự báo doanh thu

Odoo không cung cấp chức năng dự báo doanh thu Tuy nhiên, module dự báo doanhthu được phát triển bởi nhà cung cấp thứ 3 như:

24

e Sales Forecast (v 16.0) của Ksolves India Ltd: sử dụng các thuật toán dựa trên

thống kê để dự báo: AR, MA, ARMA, ARIMA, SARIMA, SES, HWES

e Sales Trends and Forecast (v 15.0) của faOtools: sử dụng các thuật toán dựa

trên thống kê để dự báo: AR, ARDL, ARMA, ARIMA, SARIMA, SES,

HWES.

2.2.3 SAP

Công ty SAP được sang lập vào năm 1972 bởi người Đức, là một trong những hang

phần mềm quản trị doanh nghiệp lớn nhất trên thế giới SAP cho ERP có nhiều phiênbản khác nhau: từ SAP R/2, SAP R/3 SAP ERP 6.0 và SAP S/4Hana cung cấp cácgiải pháp toàn diện dé lý hoạt động kinh doanh của tổ chức

Điểm mạnh:

SAP ERP nổi tiếng với tính đa dạng và tích hợp cao Các sản phẩm SAP ERP chophép tô chức quản lý mọi khía cạnh của hoạt động kinh doanh từ tài chính, sản xuất,quản lý kho hàng, quản lý khách hàng đến quản lý nhân sự Nó cung cấp dữ liệu thờigian thực và tích hợp mạnh mẽ giúp tăng năng suất và hiệu suất

Điểm yếu:

SAP ERP thường có chi phí triển khai và bảo trì cao Khó khăn trong việc tùy chỉnh

hệ thống và cấu hình hệ thống phức tạp và đòi hỏi kiến thức sâu về SAP ERP Đối

với các tô chức nhỏ hon, SAP ERP có thê quá mạnh va phức tạp so với nhu câu của

Launchpad / Fiori

(SAPGUI for Windows still available for

compatibility reasons on-premise)

Application engines ————————————— SAP WEB DISPATCHER

Data structures

(Compatibility provided through Core Data

Services)

|

Hình 2.6 Kiến trúc SAP S/4HANA

Nguồn: /ham khảo [11]

e Launchpad/ Fiori (Tầng trình bày): Cho phép người dùng tương tác với hệ

thống SAP ERP thông qua các ứng dụng như: ứng dụng SAP Eiori (ứng dụng

dành cho máy tính), trình duyệt Web, ứng dụng dành cho các thiết bị di động

hoặc ứng dụng SAP GUI truyền thống của SAP

e Application engines (Tang ứng dụng): chứa các ứng dụng và quy tắt kinh

doanh cốt lõi, giúp tô chức quản lý quy trình kinh doanh, thực hiện phân tích

dữ liệu, tích hợp, và cung cấp dịch vụ cho người dùng trên nhiều thiết bị và

nên tảng.

e Data structures (Tang co sở đữ liệu): lưu trữ toàn bộ dữ liệu của SAP ERP va

chỉ chạy trên cơ sở dit liệu SAP HANA Đây là hệ thống quan lý cơ sở dữ liệuquan hệ, định hướng theo cột, In-Memory của SAP, kết hợp OLTP và OLAP

2.2.3.2 Phân hệ

Các phân hệ trong SAP ERP có thé phan lam 2 loại, loại liên quan nghiệp vu, loạiliên quan đến kỹ thuật

Loại liên quan đến nghiệp vụ gồm có:

e SAP FI (Tài chính): quản lý tất cả các hoạt động tài chính của một doanh

nghiệp Thực hiện kế toán tổng hợp, kế toán ngân hàng, thu và thanh toán hóa

đơn, ghi nhận tải sản và thực hiện các hoạt động liên quan đên ngân sách.

26

SAP CO (Quan ly chi phí): kiểm soát chi phí của SAP, cung cấp thông tinhiện tại về chi phí của một công ty Giúp công ty theo dõi lợi nhuận của cácquy trình như bán hàng, tiếp thị

SAP HCM (Quản lý nguồn nhân lực): Phân hệ này hỗ trợ các hoạt động nhân

sự như: kiểm soát tiền lương, lập kế hoạch làm việc, nghỉ lễ và quản lý thời

gian làm việc

SAP SD (Ban hang và phân phối): thực hiện kiểm soát va phân bổ giá, quản

lý tín dụng, phân loại nguyên vật liệu, vận chuyển quốc tế, thanh toán, liên hệvới nhà cung cấp

SAP PP (Kiểm soát và lập kế hoạch sản xuất): Giám sát sản xuất dé nâng caonăng lực sản xuất và năm bắt nhu cầu mới Phân hệ này cho phép doanh nghiệplập kế hoạch sản xuất và cung cấp các công cụ để quản lý các quy trình sảnxuất

SAP MM (Quản lý vật liệu): Hỗ trợ hoạt động liên quan đến việc cung cấphàng hóa và nguyên vật liệu đều, bao gồm kiêm soát hàng tồn kho, luân chuyênhàng tồn kho và quản lý hậu cần

SAP QM (Quan lý chất lượng): giúp thực hiện kiểm soát chất lượng đối vớicác quy trình, sản phâm, cơ sở vật chất hoặc thiết bị Phân hệ này cung cấpchức năng đánh giá nội bộ, kiểm tra chất lượng, quản lý chứng nhận hoặc kiểmsoát hậu cần của chuỗi cung ứng

SAP PM (Bảo trì trung tâm): Lập kế hoạch bảo trì máy móc, trang thiết bị

nhằm giúp duy trì máy móc và cơ sở vật chất ở tình trạng hoàn hảo

SAP CS (Hỗ trợ khách hàng): Hỗ trợ thực hiện giao tiếp với khách hàng dé

cung cấp dịch vụ khách hàng tốt nhất có thê

SAP PS (Quản lý dự án): Quản ly dự án quy mô lớn với các quy trình phức

tạp.

SAP BW (Business Warehouse): phân tích dữ liệu kinh doanh đề tạo báo cáo

và tích hợp các nguồn dit liệu bên ngoài dé đơn giản hóa quá trình đưa ra quyết

định kinh doanh.

SAP CRM (Quan lý quan hệ khách hàng): quản lý toàn diện cho các quy trình

hoặc hoạt động liên quan đến giao tiếp với khách hàng

27

e SAP ITS (Internet Transaction Server): tăng tốc độ tương tác giữa khách hàng

và doanh nghiệp dựa trên nền tang internet

e SAP HANA (Công cụ phân tích hiệu suất cao): Hỗ trợ phân tích dữ liệu và

đưa ra dự đoán nhằm đạt được những quyết định đúng đắn, kịp thời.

e SAP PI (Process interface): Hỗ trợ thực hiện tương tác, trao đổi thông tin giữa

phần mềm SAP và các đại lý, cũng như nhà cung cấp của công ty

e SAP APO (Lập kế hoạch và tối ưu hóa): Chức năng này giúp đơn giản hóa

việc lập kế hoạch và vận hành chuỗi cung ứng dé tăng hiệu quả

e SAP SFA (Salesforce Automation): tự động hóa các quy trình, phân tích dt

liệu và dự báo bán hàng.

Loại liên quan đến kỹ thuật gồm có:

e SAP ABAP (Lập trình ứng dụng doanh nghiệp nâng cao): Chức năng nay cho

phép doanh nghiệp sửa đôi các chức năng hiện có của ứng dụng hoặc tạo chức

năng của riêng mình.

e SAP Netweaver: chạy tất cả các chức năng phần mềm trong hệ sinh thái của

SAP trên một nên tảng duy nhất

2.2.3.3 Dự báo doanh thu

SAP sử dụng các loại giải thuật hoc máy và học sâu: neural networks, Bayesian

networks, logistic models, decision trees dé phân loại, hoặc dùng K-means dé phancum đữ liệu Đối với việc xử lý di liệu chuỗi thời gian như dự báo doanh thu, SAP

sử dụng thuật toán: Linear Regression va Triple Exponential Smoothing dé thực hiện

dự báo Ngoài ra, dé thuận tiện cho người dùng, SAP còn cung cấp cơ chế tự độngthực hiện một số thao tác trong dự báo doanh thu như: tiền xử lý dữ liệu, lựa chọn môhình dự báo tối ưu

2.2.4 Oracle

Oracle ERP là sản pham chính của Oracle Corporation, hiện đang là một trong nhữngphần mềm ERP nổi tiếng trên thé giới Oracle ERP có nhiều phiên bản khác nhau như

Oracle Applications, Oracle E-Business Suite (EBS), Oracle Fusion Applications va

gan đây nhất là Oracle ERP Cloud

28

Desktop Tier Application Tier

Application Server Database Server

Web Services

Hình 2.7 Kiến trúc Oracle E-Business Suite

Nguồn: tham khảo /127

29

e Desktop tier (Tang trình bay): Tầng này cung cấp giao diện đồ họa thông qua

nền tang web, người dùng sử dụng trình duyệt web có tích hợp java applet dé

để tương tác với hệ thống

Application tier (Tầng ứng dụng): tầng này có hai vai trò chính: một là nơi lưutrữ và triển khai các web server, hai là thực hiện các nghiệp vụ, và là cầu nốitrung gian giữa tầng trình bày và tầng cơ sở đữ liệu Ngoài ra, tầng này cũng

hỗ trợ cân bằng tải giữa các máy chủ bên trong

Database tier (Tang cơ sở dir liệu): là nơi lưu trữ tất cả đữ liệu của hệ thong

Oracle ERP Oracle Database được chọn làm hệ quan tri co sở dữ liệu mặc định.

2.2.4.2 Phân hệ

Oracle có 10 phân hệ cơ bản trong ERP: Financial management, Procurement, Risk management, Supply chain management, Enterprise performance management, Manufacturing process, Customer relationship management, Human resources,

Project management, ERP analytics.

Manufacturing

process

Customer relationship

Enterprise

performance

management

8 10 phan hé trong ERP cua Oracle

Nguồn: tham khảo //2/

Financial management: quản lý số cái, khoản phải thu, phải trả, quản lý chỉ

30

e Procurement: Quản lý mua sắm, đánh giá nhà cung cấp

e Risk management: quản lý rủi ro dưới sự hỗ trợ của AI

e Supply chain management: quản lý chuỗi cung ứng, theo dõi hàng hóa từ nhà

sản xuất, nhà cung cấp đến công ty, người tiêu dùng

e Enterprise performance management: phân hệ giúp cải thiện các quy trình hoạt

động, hỗ trợ lập kế hoạch kinh doanh, ngân sách

e Manufacturing process: quản lý sản xuất, lập kế hoạch sản xuất

e Customer relationship management: quản lý quan hệ khách hàng, các tương

tác với khách hàng và khách hàng tiềm năng Theo dõi khách hàng từ tiềmnăng đến khi thành khách hàng thực sự

e Human resources: quản lý thông tin về nhân viên, hồ sơ nhân viên, phúc lợi,

cham công, lương, thưởng và các quy trình tuyển dung

e Project management: quản lý dự án, phân bổ tài nguyên trong dự án, quan ly

chi phí dự án.

e ERP analytics: phân tích chuyên sâu hệ thống ERP, phân hệ này giúp các

phòng tài chính, mua hang, dự an hiểu rõ hơn về hệ thống, các yếu tố liên quan

đến dòng tiền, lợi nhuận, doanh thu, chỉ phí

2.2.4.3 Dự bảo doanh thu

Oracle sử dụng một số thuật toán dựa vào thống kê dé thực hiện dự báo doanh thu

như: ESF, TEF, SEF, TSEF.

2.3 Module BI trong ERP

BI trong ERP là sự hop nhất giữa kha năng thu thập, phân tích dit liệu kinh doanh va

trực quan hóa dit liệu, nhằm cung cấp các thông tin tong quan va du đoán xu hướng

trong hoạt động kinh doanh Chức năng chính của BI là giúp nhà quản lý dễ dàng

năm bắt được hiện trạng thực tế của doanh nghiệp thông qua các báo cáo, cũng nhưđưa ra quyết định dựa trên thông tin chính xác Quá trình hình thành BI trong ERP cóthê chia thành bốn giai đoạn quan trọng, bao gồm:

3l

e Thu thập dữ liệu: Giai đoạn này liên quan đến việc lấy dit liệu từ nhiều nguồn

khác nhau trong hệ thống ERP, bao gồm dữ liệu liên quan đến sản xuất, cungứng, và bán hàng để tạo ra một kho đữ liệu (Data warehouse) cho BI

e Hợp nhất và làm sạch dữ liệu: đầy là giai đoạn đoạn kết hợp, làm sạch, chuẩn

hóa và loại bỏ đữ liệu dư thừa Điều này giúp đảm bảo tính nhất quán và chínhxác của dữ liệu nhằm hạn chế lỗi trong quá trình phân tích

e Trực quan hóa dữ liệu: dữ liệu đã được làm sạch và san sang dé được trực quan

hóa Các công cụ và báo cáo BI trong ERP sẽ biến đữ liệu thành thông tin trựcquan như các biểu đồ, báo cáo

e Phân tích dữ liệu: nha quan tri có thê xem đữ liệu được trực quan theo các tiêu

chí khác nhau dé hiểu rõ hơn về dit liệu cũng như có cái nhìn tổng quan về

tình hình hoạt động của doanh nghiệp Thông qua các công cụ phân tích, nhà

quan tri có thé dự đoán được xu hướng hoạt động tương lai thông qua các dựbáo về doanh thu bán hàng, mua hàng

BI trong AX 2012: cung cấp các báo cáo và phân tích, giúp người sử dụng hiểu dễ

dàng về dữ liệu kinh doanh Các báo cáo trong AX 2012 được xây dựng trên nền tảng

SQL Server Reporting Services (SSRS), điều này giúp việc tạo và tùy chỉnh báo cáo

trở nên đơn giản Hơn nữa, AX 2012 tích hợp mạnh mẽ với Power PI, sử dụng các

Cube được tao trong Microsoft SQL Server Analysis Services cho mỗi lĩnh vực

chuyên ngành như sản xuât, bán hang, mua hang.

Ngoài ra, việc trực quan hóa dữ liệu và tạo báo cáo trên Microsoft Excel cũng rất

thuận tiện thông qua Pivot Table, với nguồn dữ liệu được kết nối với các Cube Điềunày giúp người sử dụng dễ dàng thực hiện các phân tích và đánh giá chỉ tiết về cáckhía cạnh cụ thê của doanh nghiệp Việc tích hợp với Microsoft Excel phần nào giúp

cho người sử dụng không chuyên có thé dé dàng thực hiện dự báo doanh thu thông

qua các giải thuật được hỗ trợ từ Microsoft Excel.

BI trong Odoo:

Odoo, một hệ thống ERP mã nguồn mở, mang lại cho doanh nghiệp những giải pháplinh hoạt và tiết kiệm chi phí Tuy nhiên, với BI trong Odoo, người dùng có thê phải

32

đối mặt với một số thách thức và cần có kinh nghiệm để tận dụng hết tiềm năng của

nó BI trong Odoo đôi khi không được đánh giá cao về tính tiện dụng, việc cau hình

và triển khai BI có thé đòi hỏi một lượng kinh nghiệm đáng ké từ người sử dụng

Odoo có khả năng tương thích với Power BI, một công cụ BI mạnh mẽ của Microsoft.

Tuy nhiên, để sử dụng tính năng này, người dùng cần có kinh nghiệm trong việc tíchhợp giữa hai hệ thống Cũng như phải hiểu rõ về co sở dit liệu của Odoo Ngoài ra,

BI View Editor là mô đun do bên thứ 3 phát triển cho phép người dùng trực quan ditliệu, tạo các báo cáo và đồ thị một cách linh hoạt

BI trong SAP:

SAP, với định hình là một trong những hệ thống ERP hàng đầu thế giới, mang đến

một giải pháp BI mạnh mẽ dé hỗ trợ doanh nghiệp trong việc phân tích dit liệu và đưa

ra quyết định chiến lược Trong hệ sinh thái của SAP, có một số module và chức năng

được thiết kế đặc biệt dé hỗ trợ BI như:

e SAP BusinessObjects BI Suite:

o SAP BusinessObjects Web Intelligence: Cho phép người dùng tao va

tùy chỉnh bao cáo trực tuyến một cách linh hoạt

o SAP BusinessObjects Crystal Reports: Cung cấp công cụ tạo và thiết

kế báo cáo chất lượng cao

o SAP BusinessObjects Lumira: Được thiết kế dé trực quan hóa đữ liệu

và xây dung bảng điều khiển thông minh

e SAP BW (Business Warehouse): Là nơi dit liệu từ nhiều nguồn khác nhau

được tông hợp và chuẩn hóa đề phục vụ cho nhu cầu phân tích

e SAP Analytics Cloud: Nền tảng tập trung vào trực quan hoa đữ liệu va phan

tích dựa trên đám mây.

BI trong Oracle:

Trong hệ thống ERP của Oracle, chức năng BI được tích hợp sâu rộng:

e Oracle Business Intelligence Applications (OBIA): Chức Năng Tổng Hop:

OBIA cung cấp các ứng dụng BI tổng hợp cho nhiều lĩnh vực như tài chính,

nguôn nhân lực, chuỗi cung ứng, và bán hàng

33

e Oracle BI Publisher: Tích Hợp Báo Cáo: BI Publisher là một phần của Oracle

BI Suite, cho phép tạo, tùy chỉnh và phát hành báo cáo theo nhu cầu của doanh

nghiệp.

e Oracle Analytics for Applications (OAX): Tích Hợp Với ERP: OAX giúp tích

hợp BI trực tiếp vào hệ thống ERP của Oracle, tận dụng dữ liệu sẵn có màkhông cần nhiều công đoạn tích hợp

2.4 Bài toán dự báo doanh số và các giải pháp hiện tại

Có nhiều giải pháp được thực hiện dé giải quyết cho bài toán dự báo, từ các phươngpháp thống kê truyền thống đến giải pháp học máy và học sâu [13], [14], [15], [16]

và kết quả của cuộc thi dành riêng cho các thuật toán dự báo dit liệu chuỗi thời gian

M4 [17], M5 [18]

Tôi chọn thuật toán nền tang theo hướng thông kê là ARMA, thuật toán đạt thứ hang

cao trong cuộc thi M4 như XGBoost đại diện cho phương pháp học máy, các thuật

toán “State of the art”, được nhiều trích dẫn và dat thứ hạng cao trong cuộc thi M4,

MS như DeepAR, TFT, N-BEATS đại diện cho phương pháp học sâu dé khảo sát

2.4.1 ARMA

2.4.1.1 Giới thiệu

ARMA là mô hình dự đoán các giá trị tương lai dựa trên nền tảng thống kê, được giớithiệu vào năm 1951 bởi Peter Whittle [19] ARMA là sự kết hợp, phát triển và mởrộng của 2 mô hình AR và MA dé mô ta sự biến đổi phức tạp của dữ liệu chuỗi thờigian Mô hình ARMA tách biến động của dữ liệu chuỗi thời gian thành 2 thành phần:một thành phan được biéu diễn bởi yếu tố tự hồi quy và một thành phần được miêu

ta bởi yếu tố trung bình trượt Do đó, ARMA dự báo tốt đối với dữ liệu chuỗi thờigian vừa có sự thay đổi có tính chất tuyến tính (Auto Regressive) vừa có sự thay đổi

ngẫu nhiên (Moving Average).

Mô hình AR

Trong mô hình AR bậc p, giá trị chuỗi thời gian tại thời điểm t được tính bằng cáchlay tổng có trọng số của các giá trị tại các thời điểm trong quá khứ từ t - 1 đến t— p,

34

sau đó cộng thêm một sai sỐ ngẫu nhiên tại thời điểm t Cụ thể, công thức tinh giá trichuỗi thời gian tại thời điểm t trong mô hình AR bậc p có dạng

p

X=) OXeat 4 (2.1)

i=1

Trong do:

e X, la giá trị của chuỗi thời gian tại thoi điểm t

e p bậc của mô hình AR, xác định hệ số lags (khoản thời gian xem xét trước thời

điểm t)

© Dy Dy: là các hệ số tự hồi quy hay tham số trong mô hình tự hồi quy, đại

diện cho mức độ ảnh hưởng của giá trị tại các thời điểm trong quá khứ lên giá

trị tại thời điểm t

e ¢, là sai số ngẫu nhiên tại thời điểm t

Mô hình MA

Trong mô hình MA bậc q, giá trị của chuỗi thời gian tại thời điểm t được tính bang

cách lay tông có trọng số của các giá trị ngẫu nhiên tại các thời điểm trước t là q bước,

sau đó cộng thêm giá trị trung bình của chuỗi thời gian và giá trị ngẫu nhiên tại thời

điểm t Cụ thé, công thức tính giá trị chuỗi thời gian tại thời điểm t trong mô hình

e X, là giá trị của chuỗi thời gian tại thời điểm t

e _ q là bậc của mô hình MA, xác định số lượng lags (khoảng cách thời gian trước

đó) được xem xét.

e ¿là giá trị trung bình của chuỗi thời gian, giá trị này là tùy chọn, không bat

buộc phải có.

35

se Ớ, Ø, là các hệ số trung bình trượt hay tham số trong mô hình trung bình

trượt, đại diện cho mức độ ảnh hưởng của các giá trị ngẫu nhiên tại các thời

điểm trước t lên giá trị hiện tại tại thời điểm t

® St, Epis wy #;_q là các nhiễu ngẫu nhiên tại thời điểm t, t-1, , t-q

Mô hình ARMA

Mô hình ARMA là sự kết hợp của mô hình AR có bậc tự hồi quy p và mô hình MA

có bậc trung bình trượt q, công thức ARMA có dạng

p q

i=1 i=1

2.4.1.2 Uu diém

e Giải thích được sự biến động của dữ liệu chuỗi thời gian hiện tại bang cac

tương quan của dữ liệu chuỗi thời gian quá khứ với các trọng số và nhiễu

e Du đoán chính xác giá trị chuỗi thời gian trong ngăn han

2.4.1.3 Nhược điểm

e Chỉ dự đoán tốt trên dữ liệu tuân thủ giả định như: giá trị trung bình và phương

sai (độ biến động) ôn định theo thời gian

e Không hiệu quả đôi với chuỗi thời gian dài và phức tạp ARMA là mô hình dự

báo dựa trên mối quan hệ tuyến tính nên sẽ kém hiệu quả đối với dữ liệu có

quan hệ phi tuyến tính

2.4.2 XGBoost

2.4.2.1 Giới thiệu

XGBoost được công bồ trên tạp hội nghị SIGKDD [20] là một trong những thuật toánmáy học mạnh mẽ và phổ biến trong lĩnh vực phân loại và dự đoán dựa trên mô hìnhcây quyết định XGBoost đã giành được nhiều chiến thắng trong các cuộc thi trênKaggle từ năm 2016 Y tưởng hình thành của XGBoost dựa vào hai khái niệm quan

trọng là Gradient Boosting va Regularization.

e Gradient Boosting: là một phương pháp tập hợp các mô hình yếu dé tạo thành

một mô hình mạnh hơn Thuật toán bắt đầu băng việc xây dựng một mô hình

36

yếu, sau đó tạo ra một mô hình tiếp theo có gắng cải thiện mô hình trước đóbăng cách sửa các điểm yếu, các dự đoán sai lệch của mô hình cũ thông quaviệc tối ưu hóa hàm mắt mát (loss function).

e Regularization: Đề tối ưu ham mat mát, XGBoost sử dụng các kỹ thuật kiểm

soát overfitting như chức năng chính quy hóa (L1 và L2 regularization) va

kiểm soát độ sâu của cây (pruning) Chức năng chính quy hóa giúp kiểm soát

độ phức tạp của cây và tránh overfitting, trong khi pruning loại bỏ các nhánh

không quan trong của cây dé tạo ra cây cơ ban (shallow tree) va làm giảm sự

phát triên quá mức.

XGBoost là một thuật toán tập hợp (ensemble) của các cây quyết định, và mục tiêucủa là xây dựng một mô hình tông hợp từ nhiều cây quyết định sao cho mô hình tổnghợp này có khả năng dự đoán tốt hơn các mô hình ban đầu Công thức tông quát củaXGBoost dé tính giá trị dự đoán cho một điểm dữ liệu x;

K

I = 0) = fel) (2.4)

k=1

Trong đó:

e ¥;: là giá trị dự đoán cho điểm dữ liệu thứ ¡

eK: là số lượng cây quyết định trong mô hình XGBoost

e fi, (x;): là giá trị dự đoán của cây quyết định thứ k cho điểm dit liệu x;

Hình 2.9 Kết quả dự báo cuối cùng là tổng kết quả dự báo ở mỗi cây

Nguồn: trich dẫn từ [20]

Công thức ƒ„(x) cho cây quyết định thứ k được thực hiện bằng cách tối ưu hóa hàm

mat mát thông qua việc tối ưu trọng số của cây quyết định Công thức tông quát của

ham mat mát có dạng:

£(ø = À_10„y) + 200) (2.5)

i k

Trong đó:

e 1(9;,y,): là hàm mat mát đo lường sự sai khác giữa giá trị dự đoán 9;và giá trị

thực tế y; tại điểm dir liệu thứ i

e© Q(f,): là hàm chức năng chính quy hóa, có mục tiêu kiểm soát độ phức tạp

của cây quyết định thứ k dé tránh overfitting

2.4.2.2 Uu điểm

XGBoost tận dụng khả năng xử lý song song, điều này giúp cải thiện đáng ké tốc độ

huân luyện và dự báo.

XGBoost chấp nhận dữ liệu đầu vào là số và cả chuỗi Hơn nữa, XGBoost có thể xử

lý cả đữ liệu thiếu thông qua cơ chế tương tự như mã hóa one-hot

2.4.2.3 Nhược điềm

XGBoost không phù hợp cho các bai toán xử lý anh hay ngôn ngữ tự nhiên

Đối với dit luyện huấn luyện có số mau dit liệu ít hơn số đặc trưng (features), thuật

toán XGBoost cũng tỏ ra kém hiệu quả.

2.4.3 DeepAR

2.4.3.1 Giới thiệu

Việc dự báo chính xác dữ liệu chuỗi thời gian phức tạp không chỉ dựa vào các giá trị

trong quá khứ mà còn phụ thuộc vào các giá trị đồng biến khác (dữ liệu chuỗi thời

gian khác có liên quan) hoặc các sự kiện đã biết trước trong tương lai (ngày lễ, tết ),

các cách tiếp cận truyền thống thường bỏ qua các yếu tô này DeepAR [21] là mộtthuật toán dự đoán chuỗi thời gian sâu (deep time series forecasting) phát triển bởi

38

AWS để giải quyết các bài toán dự đoán chuỗi thời gian có độ biến đổi phức tạp, hoặctập đữ liệu có nhiều chuỗi thời gian khác nhau DeepAR sử dụng mạng nơ-ron hồiquy RNN làm hạt nhân Mô hình DeepAR dựa trên kiến trúc tự hồi quy, có nghĩa làthông tin từ các bước thời gian trước đó được sử dung dé dự đoán các giá trị trong

tương lai.

Zi,¿—1 Zi,t Zi,t+1 samples Bit-3 Rit ði,t+1

z~ £(.|8)

(€(zi,t—1|8:,e—1) ||#(ei+|i+) ||#(si,+a|Õi++3) | (zi,t—118i,e—1) ||#(ei+|i+) || ¢(zi,t-+1 184,041)

network | hit—1 | | hit hit41 network [ hie-1 | thie | { hiet1 |

inputs 2i,t-2, Vi,t-1i,t-1, Vi,t Zi,t; Li,t+1 inputs 2;,t-2, Vi,t-1 Zia—1, ia Fit, @iasi

Hình 2.10 Tóm tắt mô hình DeepAR

Nguồn: trich dan từ [21]

Phần huấn luyện (hình bên trái Hình 2.10)

*¡: là các đặc trưng đồng biến của các chuỗi thời gian tại thời điểm t

Z¡¿: là các giá trị của các chuỗi thời gian tại thời điểm th: là một mạng RNN nhiều lớp với các tế bào LSTM, và hi, = h

Tai thời diém t, dau vào của mạng h là x; ¢, va Z¡¿_ là gia tri của các chuỗi thời gian

tại thời điểm trước đó (t - 1) và h;¿_; là đầu ra của mạng h tại thời điểm trước đó (t—

1)

Công thức I(z, ®) xác định nhiễu của mô hình.

Phần dự báo (hình bên phải Hình 2.10)

39