Tiểu luận môn Hệ hỗ trợ ra quyết định Mô hình dự báo

MỞ ĐẦU Tính cấp thiết đề tài Trong năm gần đây, với chức khai thác có tính chất tác nghiệp, việc khai thác sở liệu phục vụ yêu cầu trợ giúp định ngày có ý nghĩa quan trọng nhu cầu to lớn lĩnh vực hoạt động kinh doanh, quản lý kinh tế nghiên cứu khoa học, thống kê tình hình phát triển xã hội, dân số v.v… Dữ liệu lưu trữ thu thập ngày nhiều người định quản lý, kinh doanh lại cần thông tin dạng “tri thức” rút từ nguồn liệu liệu cho việc định Quá trình định cần có nhiều phương pháp hỗ trợ, số phương pháp Dự báo phương pháp sử dụng phổ biến kết dự báo đầu vào cần thiết trình đưa ý kiến chủ quan chung sau thảo luận Việc ứng dụng hệ hỗ trợ định dựa mô hình dự báo giúp doanh nghiệp xây dựng chiến lược phát triển sản xuất kinh doanh đắn tương lai, mang lại hiệu to lớn cho doanh nghiệp, tổ chức, v.v Chương - LÝ THUYẾT HỆ HỖ TRỢ RA QUYẾT ĐỊNH 1.1 Lý thuyết định Việc đưa định vấn đề xuất khắp lĩnh vực, hoạt động sản xuất, đời sống người, nghiên cứu, thống kê… mà không nhận Từ việc đơn giản chọn quần áo để dự tiệc việc lớn phân bổ ngân sách vào chương trình quốc gia công việc đưa định Như vậy: 1.1.1 Quyết định ? Đó lựa chọn “đường lối hành động” (Simon 1960; Costello & Zalkind 1963; Churchman 1968), hay “chiến lược hành động” (Fishburn 1964) dẫn đến “một mục tiêu mong muốn” (Churchman 1968) 1.1.2 Ra định ? “Một trình lựa chọn có ý thức hai hay nhiều phương án để chọn phương án tạo kết mong muốn điều kiện ràng buộc biết” Quyết định nhận thức dạng kiện, – “Chi $10,000 cho quảng cáo vào quý 3” Quyết định nhận thức dạng trình, – “Trước tiên thực A, sau B hai lần có đáp ứng tốt thực thi C” Quyết định hoạt động giàu kiến thức, – Quyết định có kết luận hợp lý/hợp lệ hoàn cảnh ? Quyết định thay đổi trạng thái kiến thức – Quyết định có chấp nhận kiến thức không ? 1.1.3 Tại phải hỗ trợ định? • Nhu cầu hỗ trợ định - Ra định cần xử lý kiến thức - Kiến thức nguyên liệu thành phẩm định, cần sở hữu tích lũy người định • Giới hạn nhận thức: trí nhớ người có hạn người có mối quan hệ cần phải nhớ phải định • Giới hạn kinh tế: Do vấn đề kinh phí cho dự án có hạn nên muốn có dự án thành công cần phải có kế hoạch sử dụng kinh phí hợp lý • Giới hạn thời gian: Một dự án kéo dài mà phải có kế hoạch thực khoảng thời gian định, cần có kế hoạch phân công công việc phù hợp để kịp tiến độ, đảm bảo chất lượng • Áp lực cạnh tranh: kế hoạch chiến lược thực dự án hợp lý, xác tạo nên mạnh cho doanh nghiệp cạnh tranh 1.1.4 Bản chất hỗ trợ định • Cung cấp thông tin, tri thức • Có thể thể qua tương tác người – máy, qua mô 1.1.5 Các yếu tố ảnh hưởng đến định • Công nghệ - thông tin – máy tính • Tính cạnh tranh – phức tạp cấu trúc • Thị trường quốc tế - ổn định trị - chủ nghĩa tiêu thụ • Các thay đổi biến động 1.1.6 Người định Ở cấp quản lý thấp hay tổ chức quy mô nhỏ: cá nhân người định Đối với cá nhân có nhiều mục tiêu xung đột Tổ chức vừa lớn: thường nhóm định, thường hay có nhiều mục tiêu xung đột Nhóm có kích cỡ khác nhau, từ nhiều phòng/ban hay từ tổ chức khác dẫn đến nhiều phong cách nhận thức, cá tính, phong cách định khác Đồng thuận vấn đề trị, khó khăn nên trình nhóm định phức tạp, thường cần máy tính hỗ trợ để hình thành cộng tác trực tuyến mức toàn tổ chức Các hỗ trợ máy tính thường thấy: hệ thông tin tổ chức (Enterprise Information System - EIS), dạng hệ hỗ trợ nhóm (Group Support System GSS), hệ quản lý tài nguyên tổ chức (Enterprise Resource Management ERM), hoạch định tài nguyên tổ chức (Enterprise Resource Planning - ERP) … 1.1.7 Thách thức định quản lý • Ra định: trình chọn lựa tập phương án nhằm đạt mục tiêu • Ra định quản lý = toàn trình quản lý (theo Simon, 1977) • Áp lực cạnh tranh, nguồn lực kinh tế thời gian tính -> định tốt và/hay nhanh • Tiên đề: định hợp lý - phân tích logic toán -> áp dụng khoa học vào kinh doanh (thống kế, xác suất, kinh tế học, v.v ) –> máy tính hỗ trợ định • Phương thức định: định một/nhiều thành viên • Quyết định làm nhóm: có thái độ suy nghĩ khác nhóm • Các mục tiêu xung đột • Có thể có nhiều phương án/giải pháp • Các kết cục xảy tương lai • Có tinh thần chấp nhận rủi ro • Quá nhiều thông tin; cần thông tin; thu thập thông tin tốn tốn thời gian • Đòi hỏi phân tích “what-if” • Tiếp cận “thử sai” hệ thống thực nguy hiểm • Thực hành hệ thống thực làm lần • Thay đổi môi trường xảy thường xuyên nhanh • Áp lực thời gian 1.2 Quá trình định 1.2.1 Phân loại định Có thể phân bốn loại định sau: • Quyết định có cấu trúc (Structured Decision): Các định mà người định biết chắn • Quyết định cấu trúc (Nonstructured Decision): Các định mà người định biết có nhiều câu trả lời gần cách để tìm câu trả lời xác • Quyết định đệ quy (Recurring Decision): Các định lặp đi, lặp lại • Quyết định không đệ quy (Nonrecurring Decision): Các định không xảy thường xuyên 1.2.2 Các giai đoạn trình định Theo Simon, giai đoạn trình định bao gồm pha: • Nhận định (Intelligence): Tìm kiếm tình dẫn đến việc phải định, nhận dạng vấn đề, nhu cầu, hội, rủi ro… • Thiết kế (Design): Phân tích hướng tiếp cận để giải vấn đề, đáp ứng nhu cầu, tận dụng hội, hạn chế rủi ro… • Lựa chọn (Choice): Cân nhắc đánh giá giải pháp, đo lường hậu giải pháp lựa chọn giải pháp tối ưu • Tiến hành định (Implementation): Thực giải pháp chọn, theo dõi kết điều chỉnh thấy cần thiết Hình 1.1 Các giai đoạn trình định 1.3 Hệ hỗ trợ định 1.3.1 Khái niệm Trong thập niên 1970, Scott Morton đưa khái niệm Hệ hỗ trợ định (Decision Support Systems - DSS) Ông định nghĩa DSS hệ thống máy tính tương tác nhằm giúp người định sử dụng liệu mô hình để giải vấn đề cấu trúc Hệ Hỗ Trợ Quyết Định - HHTQĐ hệ dựa máy tính, có tính tương tác, giúp nhà định dùng liệu mô hình để giải toán phi cấu trúc (S Morton, 1971) HHTQĐ kết hợp trí lực người với lực máy tính để cải tiến chất lượng định Đây hệ dựa vào máy tính hỗ trợ cho người định giải toán nửa cấu trúc (Keen and Scott Morton, 1978) HHTQĐ tập thủ tục dựa mô hình nhằm xử lý liệu phán đoán người để giúp nhà quản lý định (Little, 1970) Ưu người định: - Kinh nghiệm - Khả trực giác - Có óc phán đoán - Có tri thức Ưu máy tính: - Tốc độ - Thông tin - Khả xử lý Kết hợp ưu người định máy tính, ta có ưu Hệ hỗ trợ định: - Tăng hiệu - Tăng hiểu biết - Tăng tốc độ - Tăng tính linh hoạt - Giảm phức tạp - Giảm chi phí Hiện chưa có định nghĩa thống DSS Tuy nhiên tất đồng ý mục đích DSS để hỗ trợ cải tiến việc định Lý dùng HHTQĐ • Nhu cầu HHTQĐ Vào năm 1980, 1990 điều tra công ty lớn cho thấy: - Kinh tế thiếu ổn định - Khó theo dõi vận hành doanh nghiệp - Cạnh tranh gay gắt - Xuất thương mại điện tử (e-commerce) - Bộ phận IT bận, không giải yêu cầu quản lý - Cần phân tích lợi nhuận, hiệu thông tin xác, mới, kịp thời - Giảm giá phí hoạt động • Lý sử dụng HHTQĐ - Cải thiện tốc độ tính toán - Tăng suất cá nhân liên đới - Cải tiến kỹ thuật việc lưu trữ, tìm kiếm, trao đổi liệu tổchức theo hướng nhanh kinh tế - Nâng cao chất lượng định đưa - Tăng cường lực cạnh tranh tổ chức - Khắc phục khả hạn chế người việc xử lý lưu chứa thông tin • Thuận lợi hệ DSS - Tăng số phương án xem xét, so sánh, phân tích độ nhanh nhạy, hiệu - Hiểu rõ quan hệ nghiệp vụ toàn hệ thống tốt - Đáp ứng nhanh trước tình không mong đợi, dễ điều chỉnh thay đổi cần thiết - Có thể thực phân tích phi qui - Học tập hiểu biết thêm nguồn tài nguyên chưa tận dụng - Cải thiện cách thực truyền thống - Kiểm soát kế hoạch, tiêu chuẩn hoá thủ tục tính toán - Tiết kiệm chi phí cho thủ tục hành - Quyết định tốt - Tinh thần đồng đội tốt - Tiết kiệm thời gian - Dùng nguồn liệu tốt, có chọn lọc • Các hỗ trợ mong đợi từ HHTQĐ - Thông tin trạng thái liệu thô Yt = α1Yt-1 + α2Yt-2 + … + αpYt-p + ut (2.22) Trong Yt quan sát thứ t biến phụ thuộc sau trừ giá trị trung bình nó, ut thành phần sai số có động thái tốt có trung bình phương sai không đổi không tương quan với us t ≠ s (khái niệm gọi nhiễu trắng – white noise) Thành phần số bỏ qua Yt biểu diễn dạng độ thiên lệch khỏi giá trị trung bình Nói cách khác, Yt mô hình hoá với khứ mà với biến độc lập khác Đây mô hình tự hồi qui, AR mô hình phương trình (2.22) gọi mô hình AR(p), với p bậc tự hồi qui 2.4.2.2 Các mô hình trung bình trượt (MA – Moving Average) Mô hình sau gọi mô hình trung bình trượt MA bậc q, kí hiệu MA (q) Yt = νt – β1 νt-1 – β2 νt-2 – …– βq νt-q (2.23) với νt chuỗi sai số nhiễu trắng Do đó, Yt tổ hợp tuyến tính biến ngẫu nhiên nhiễu trắng 2.4.2.3 Các mô hình ARMA (Auto Regressive Moving Average) Phối hợp công thức tự hồi quy trung bình trượt tạo mô hình ARMA Do mô hình ARMA (p, q) có dạng tổng quát: Yt = α1Yt-1 + α2Yt-2 + … + αpYt-p + νt – β1 νt-1 – β2 νt-2 – …– βq νt-q (2.24) Hàm tự tương quan: Xét hệ số tương quan r(s) ut ut-s giá trị s từ đến t-1 Hàm gọi hàm tự tương quan Định nghĩa hàm tự tương quan sau: r ( s ) = Cov ( u t , u t − s ) = Cov ( u t , u t − s ) E ( u t u t − s ) = Var ( u t ) E u t2 ( ) (2.25) ước lượng hệ số tương quan mẫu ut ut-s Đồ thị tương quan: Là đồ thị r(s) theo s, với s = 0, 1, …, t-1 Nó dẫn hữu ích để xác định mức độ tương quan thành phần sai số (ut) với sai số khứ ut-1, ut-2, … Là đồ thị hữu ích để giúp nhận dạng thức mối tương quan chuỗi Tính dừng: Ta xét trường hợp hàm tự tương quan r(s) độc lập với t, thời đoạn mà tương quan phần dư khứ đo, phụ thuộc vào khoảng cách (s) thời đoạn t thời đoạn (t-s) để tính tương quan Hơn ut giả định có phương sai hữu hạn Đặc tính gọi tính dừng, chuỗi thời gian tuân theo điều gọi chuỗi thời gian dừng Do trình tạo nhiễu rối ngẫu nhiên không biến động theo thời gian Không có tính dừng, Var (ut-s) Var (ut) Các mô hình không dừng, sai phân hoá: Ta thấy điểm dừng có đặc tính tương quan biến thời đoạn t (Yt) giá trị thời đoạn s (Ys) phụ thuộc vào khoảng cách (t– s) hai thời đoạn Một chuỗi dừng có giá trị trung bình số (không thiết = 0) phương sai không đổi theo thời gian Quá trình tạo chuỗi không biến động theo thời gian Tuy nhiên, hầu hết chuỗi kinh tế có tính không dừng chúng tăng trưởng dần theo thời gian Chẳng hạn, Yt có xu hướng theo thời gian dạng tuyến tính hay lũy thừa không dừng Vậy, trường hợp ta phải làm nào? Hầu hết chuỗi thời gian không dừng chuyển thành dạng dừng nhờ trình sai phân hoá Xét xu hướng tuyến tính có dạng Yt = α + βt Sai phân bậc Yt định nghĩa là: ΔYt = Yt – Yt-1 Ta thấy: ΔYt = α + βt - α - β(t-1) = β Là số có tính dừng Do đó, xu hướng tuyến tính loại bỏ cách lấy sai phân lần Nếu chuỗi tăng trưởng theo luỹ thừa với mức tăng không đổi, ln(Yt) có xu hướng tuyến tính lấy sai phân Dễ dàng chứng minh xu hướng bậc loại bỏ cách lấy sai phân lần Sai phân bậc hai (ký hiệu Δ2Y) định nghĩa sai phân bậc sai phân bậc Do đó: Δ2Yt = (Yt – Yt-1) - (Yt-1 – Yt-2) = Yt – 2Yt-1 + Yt-2 (2.26) Một dạng khác mà tính không dừng thường xuất tính mùa Tính không dừng chuỗi theo tháng theo quý thường loại bỏ cách lấy sai phân thích hợp: Δ4 = Yt – Yt-4 liệu theo quý Δ12 = Yt – Yt-12 liệu theo tháng 2.4.2.4 Mô hình ARIMA (Auto Regressive Intergrated Moving Average) Giả sử rằng, chuỗi thời gian không dừng chuyển thành chuỗi dừng cách lấy sai phân d lần Thì chuỗi gọi tích hợp bậc d viết I(d) Chuỗi dừng sai phân sau mô hình hoá theo ARMA (p, q) Trong trường hợp trình tạo chuỗi Yt gọi tự hồi qui tích hợp trung bình trượt, mô hình mô hình ARIMA, kí hiệu ARIMA (p, d, q) Ước lượng dự báo với mô hình ARIMA George Box Gwilym Jenkins (1976) nghiên cứu mô hình ARIMA tên họ thường dùng để gọi tên trình ARIMA tổng quát, áp dụng vào việc phân tích dự báo chuỗi thời gian Phương pháp BoxJenkins đề xuất phương pháp cụ thể gồm giai đoạn: Nhận dạng, xác định p, d, q Ước lượng, bao gồm việc ước lượng tham số phương trình (2.22) vế trái chuỗi lấy sai phân d lần Kiểm tra chẩn đoán, bao gồm việc áp dụng kiểm định khác để xem mô hình ước lượng có thích hợp với liệu cách thoả đáng hay không Nếu mô hình chưa thích hợp lặp lại trình Dự báo, thực việc dự báo theo mô hình chọn NHẬN DẠNG: Bởi hầu hết chuỗi thời gian thay đổi theo thời gian cách có hệ thống, bước giai đoạn nhận dạng chọn d, số lần lấy sai phân để làm cho xấp xỉ dừng (thoả mãn tính dừng) Đồ thị vẽ chuỗi theo thời gian thường cho thấy chứng chất chuỗi chuỗi biểu thị tăng trưởng theo luỹ thừa, lấy logarit vẽ theo thời gian Nếu rõ rang có xu hướng tuyến tính, chung ta lấy sai phân chuỗi (hay log nó) lần vẽ chuỗi lấy sai phân Nếu thể xu hướng, phải lấy sai phân lần thứ hai Chuỗi thời gian kinh tế phải lấy sai phân hai lần Cách thứ hai để nhận xem có cần thiết phải lấy sai phân không tính hàm tự tương quan(ACF) định nghĩa trước vẽ đồ thị tương quan Đồ thị tương quan đồ thị hệ số tương quan chuỗi giá trị khứ Nếu đồ thị giảm từ từ phải có định phải lấy sai phân Tiếp theo vẽ đồ thị tương quan sai phân bậc Nếu đồ thị tiếp tục giảm từ từ lại có định phải lấy sai phân bậc hai Tính không dừng ảnh hưởng mùa xử lý cách tách mùa cho chuỗi Cách đơn giản để tách thành phần mùa chuỗi liệu tháng lấy sai phân Yt – Y Hoặc, ta lấy hồi quy Yt theo biến giả theo t-12 mùa sau lấy phần dư chương trình thích hợp hoá, với ảnh hưởng mùa bị loại Nếu ảnh hưởng mùa xuất hiện, ACF có đỉnh nhọn khoảng đặn (xem hình minh hoạ 2.1 liệu tháng) Hình 2.1 Đồ thị tương quan với liệu doanh số theo tháng Sai phân Yt – Yt-12 thường loại bỏ ảnh hưởng mùa xu hướng tuyến tính Hình 2.2 Đồ thị tương quan liệu sai phân 12 tháng Các chọn lựa ban đầu bậc tự hồi quy thành phần trung bình trượt (p q) thường thực đồng thời Đối với giá trị độ trễ lớn (ký hiệu k), ACF lý thuyết mô hình AR(p) xấp xỉ dạng Apk (với -1