Môn: Thực hành quản trị trên máy Người đầu tiên dùng số liệu thống kê để dự báo? BÀI 4 “Lo lắng về nạn bệnh dịch, Henry VII đã hạ lệnh phải ghi chép số người chết kể từ năm 1532. Cũng vào thời gian đó, tại Pháp, giới tăng lữ cũng buộc phải ghi chép về số lễ rửa tội, số đám tang và số lễ kết hôn. Trong thời kỳ bị dịch bệnh hoành hành vào cuối thế kỷ 16, chính phủ Anh bắt đầu phát hành số liệu thống kê hàng tuần về số người chết. Đến năm 1632, Bills...
Môn: Thực hành quản trị máy Người dùng số liệu thống kê để dự báo? BÀI “Lo lắng nạn bệnh dịch, Henry VII hạ lệnh phải ghi chép số người chết kể từ năm 1532 Cũng vào thời gian đó, Pháp, giới tăng lữ buộc phải ghi chép số lễ rửa tội, số đám tang số lễ kết hôn Trong thời kỳ bị dịch bệnh hoành hành vào cuối kỷ 16, phủ Anh bắt đầu phát hành số liệu thống kê hàng tuần số người chết Đến năm 1632, Bills of Mortality cung cấp số chết số sinh theo giới đời Năm 1662, Captain John Graunt sử dụng số liệu 30 năm Bills of Mortality để dự báo số người chết bệnh dịch, dự báo tỉ lệ sinh nam nữ Graunt coi người tiên phong việc sử dụng số liệu thống kê để làm dự báo Với cống hiến mình, ơng mời làm thành viên Hàn Lâm Hoàng Gia Anh.” Nguồn Trầ Trần Trí Trí Dũng http://www.saga.vn/Kinhtehockinhdoanh/Mohinhtoan/983.saga Phân loại Định tính • Kinh nghiệm I TỔNG QUAN • Phương pháp Delphi • Cố vấn Que sera sera ……… • Khảo sát khách hàng • …… •Dự báo ln có sai lệch •Dự báo tổng qt xác •Thời kỳ dài, độ xác thấp Định lượng • Mơ hình chuỗi thời gian Yt =f(Yt-1, Yt-2,…, Yt-n) • Mơ hình nhân Y=f(X1, X2, …, Xn) Môn: Thực hành quản trị máy Phương pháp Delphi Đặc trưng chuỗi theo thời gian Phương pháp dự báo định tính theo ý kiến chuyên gia kết hợp loạt số lần lặp lại Kết lần lặp lại sử dụng cho lần lặp để thu thập ý kiến chung chuyên gia Xu hướng dài hạn (Trend component) Thành phần chu kỳ (Cyclical component) Thành phần mùa (Seasonal component) Thành phần bất thường (Irregular component) Dự báo theo chuỗi thời gian (Time Series Models) • Dựa vào giá trị khảo sát trước • Ý tưởng: phát “dạng thức” • Dự báo nhu cầu ngắn hạn • Phổ biến, dễ làm Vấn đề Ft an Dt n Ft – Dự báo kỳ thứ t Di – Giá trị khảo sát kỳ i < t – Mức độ ảnh hưởng kỳ i Tuyến tính Xác định ?? Ngẫu nhiên Phi tuyến Mơn: Thực hành quản trị máy Ví dụ Dự báo nhu cầu bánh trung thu Dự báo theo mơ hình nhân (Causal Models) Cơng cụ: Hồi quy (Regression Analysis) • Y = a0 + a1X1 + a2X2+ … anXn • Xác định phương pháp bình phương tối thiểu Kỳ Năm Di 1998 10 1999 10 2000 11 2001 10 2002 12 2003 13 2004 16 2005 17 2006 19 10 2007 ?22 11 2008 ? 1 25 23 21 19 ngàn Dùng nguyên nhân (biến độc lập) để dự báo kết (biến phụ thuộc) 17 15 13 11 5 Moving Averages Exponential Smoothing Regression Analysis Fi 25 21 10 NA 10 10 11 10 10 11 12 10 13 12 16 13 17 16 19 17 10 22 19 ?22 11 140 23 10 ? 1 Di Fi 19 ngàn II Một số mơ hình dự báo 140 Phương pháp đơn giản Ft = Dt–1 Kỳ Di kỳ 17 15 13 11 5 10 11 kỳ “Vẫn cũ” Môn: Thực hành quản trị máy ? Phương pháp trung bình Ft = D Fi 10 14 10 14 11 14 10 14 12 14 13 14 16 14 17 14 19 14 10 22 Di 21 Fi 19 17 15 5 “Vẫn y nguyên” NA 11 10 10 10,5 12 10,5 13 11 16 12,5 17 14,5 19 16,5 10 22 18 20,5 ? 140 23 Di 21 10 11 • w nhỏ linh hoạt D Dt 2 Dt w w N Ft Dt w t 1 w n1 w ? 1 Fi 19 ngàn NA 10 11 25 Fi 10 kỳ Trung bình di động – Moving Average a Ví dụ: cửa sổ trượt w = 2 w lớn ổn định 14 • 11 140 Kỳ Di Trung bình đơn giản w kỳ gần 13 ?14 11 23 ngàn Kỳ Di 1 25 b Cách tính c Cơng cụ Moving Average Chuẩn bị vùng Input Range Ra lịnh Tools Data Analysis Moving Average 17 15 13 11 Khai báo ⓐ ⓑ ⓒ a Input Range 5 10 11 kỳ “Bán bà xa, mua láng giềng gần” b Interval c Output options Nhấn OK Ví dụ (Excel 2003) Mơn: Thực hành quản trị máy San mũ – Exponential Smoothing a Ví dụ: hệ số điều chỉnh a = 0,7 Di– Fi Fi 25 10 10 10,00 11 10,00 10 – 0,7 10,70 12 1,79 10,21 13 1,54 11,46 16 3,46 12,54 17 2,04 14,96 19 2,61 16,39 10 22 3,78 18,22 NA NA 20,87 ? 11 23 Di 21 17 15 13 • Dự báo = trung bình có trọng số giá trị dự báo nhu cầu thực tế kỳ cuối • a nhỏ ổn định • a lớn linh hoạt 11 5 10 11 kỳ Ft Ft = Ft–1 + a(Dt–1–Ft–1) = Ft–1 + a.Dt–1 – a.Ft–1 = a.Dt–1 + Ft–1 – a.Ft–1 “Sai sửa” = a Dt–1 + (1 – a) Ft–1 = Ft–1 + a(Dt–1–Ft–1) Lưu ý: ý: Ký hiệ hiệu dampFactor = – a 140 San mũ – Exponential Smoothing a Ví dụ: hệ số điều chỉnh a = 0,7 Di– Fi Fi NA NA 25 10 10 10,00 11 10,00 10 – 0,7 10,70 12 1,79 10,21 13 1,54 11,46 16 3,46 12,54 17 2,04 14,96 19 2,61 16,39 10 22 3,78 18,22 20,87 11 23 Di 21 ? 1 Fi 19 ngàn Kỳ Di ? 1 Fi 19 ngàn Kỳ Di b Cách tính 17 15 13 11 5 10 kỳ “Sai sửa” Ft = Ft–1 + a(Dt–1–Ft–1) 11 c Công cụ Exponential Smoothing Chuẩn bị Input Range Ra lịnh Tools Data Analysis Exponential Smoothing Khai báo ⓐ ⓑ a Input Range Damping factor (mặc định 0.3) b Output options Nhấn OK Ví dụ (Excel 2003) 140 Môn: Thực hành quản trị máy b Các khái niệm liên quan Mơ hình nhân – Quan hệ Tương quan Moving Average vs Exponential Smoothing Giống “Ở hiền gặp lành” • Q trình ổn định • thơng số (a N) Ngun nhân MA: N kỳ cuối MA: N số liệu gần Fi 25 ? 21 10 8,0 10 9,3 11 10,6 10 12,0 12 13,3 13 14,6 16 15,9 17 17,2 19 18,6 10 22 19,9 11 21,2 ? 140 1 23 y = 1.32x + 6.67 R2 = 0.89 19 ngàn Kỳ Di Vấn đề: “có quan hệ” Câu có khơng? Và phần? ES: Kỳ cuối ES: Dữ liệu kỳ cuối Hồi quy đơn tuyến tính a Ví dụ Kết Hồi Qui (Regression) – Tương Quan (Correlation) Phân tích hồi quy kỹ thuật dự báo dùng để thiết lập mối quan hệ lượng biến Y=f(X1, X2, …, Xn) 17 15 13 11 biế biến phụ phụ thuộ thuộc biế biến độ độc lậ lập 5 10 11 kỳ Mối quan hệ hàm số Y = f(x) = a.x + b Nếu n = hồi quy đơn biến; n > đa biến Nếu f có dạng đường thẳng hồi quy tuyến tính Nếu f khơng có dạng thẳng phi tuyến Mơn: Thực hành quản trị máy Hệ số tương quan (coefficient of correlation) c Công cụ Dùng đánh giá mức độ tương quan đại lương X Y rxy > tương quan thuận rxy < tương quan nghịch | rxy | Mức độ quan hệ < 0.15 Khơng có quan hệ 0.16 0.20 Rời rạc 0.21 0.30 Yếu 0.31 0.40 Vừa phải 0.41 0.60 Trung bình 0.61 0.80 Cao 0.81 0.90 Rất cao > 0.9 Chặt chẽ b Cách tính Hồi quy đơn tuyến tính Yt = axt + b a ≅ Hệ số gốc / độ dốc (Slope) xu hướng x y n x y x y x y a x2 x x2 n x b ≅ Hệ số / tung độ gốc (Intercept) ① Hàm ③ Công cụ cụ Regression ② Đồ Đồ thị thị (Add Trendline) Xác định phương trình hồi quy hàm TREND(known_y's,known_x's,new_x’s) INTERCEPT(known_y's,known_x's) 10 CORREL(array1,array2) 10 11 10 12 13 known_x’s 16 17 19 new_x’s 10 22 rxy ≅ Hệ số tương quan (coefficient of correlation) cov( X , Y ) X Y Di known_y’s ( X i X ) (Yi Y ) xy x y n x y 1 ( X I X ) n (YI Y ) n Kỳ SLOPE(known_y's,known_x's) b y b x ˆ rXY ) x’s _ ew ,n x's) s ' x _ n_ w n w o s) no kn ,k y's, _x' s ' n y _ n_ wn now w o o ,k n 2) kn T(k _y's ray ( r ND CEP own 1,a E y TR TER (kn arra E IN OP EL( a SL RR b CO c d Ví dụ (Excel 2003) 11 Môn: Thực hành quản trị máy Đồ thị (Add Trendline) Tạo đồ thị Chọn data series Click Add Trendline Chart menu Chọn dạng linear trang Type Nhấn OK Ví dụ (Excel 2003) Bài tập So sánh ưu nhược điểm phương pháp dự báo Trung bình di động San mũ Hồi quy đơn tuyến tính Tùy chọn hiển thị phương trình hồi quy Tùy chọn hiển thị hệ số R2 Trend line Area,Bar, Column, Line, XY scatter Cơng cụ Regression Ví dụ (Excel 2003) Ra lịnh Tools, Data Analysis, Regression Khai báo – Input Y Range: biến độc lập III Lựa chọn mơ hình dự báo – Input X Range: biến độc lập – Output options Nhấn OK Môn: Thực hành quản trị máy Đo lường sai số dự báo Tính thời vụ (Seasonal Patterns) • Mean Square Deviation Thời vụ thời gian lặp lại Ví dụ: Tuần thời vụ có giai đoạn, năm thời vụ có giai đoạn • Bias • Mean Absolute Deviation Ghi chú: Hàm SUMXMY2(array_x,array_y) tính (x– y)2 Quan hệ nhân ??? Số liệu thống kê thành phố cho thấy có quan hệ số lượng cảnh sát với số lượng tội phạm – Gán trọng số cn cho kỳ hạn (N kỳ) – Σcn = Ta kết luận: Cảnh sát nhiều tội phạm nhiều để giảm tội phạm cần giảm Ý tưởng bản: – Điều chỉnh kết dự báo trọng số cn Môn: Thực hành quản trị máy Nhu cầu chu kỳ sản phẩm (Product Life Cycles) Dự báo nhu cầu phụ thuộc vào chu kỳ sản phẩm Quyết định dựa theo PLC Growth • • Analysis • Causal Models capacity expansion statistical tech • Simulation production planning promotions Steady State Analysis • production planning • time series • inventory models • causal models Quyết định dựa theo PLC Product Development Analysis • Development Effort • delphi / expert • Market Entry • Comparisons • Product Specs • QFD The End Product Introduction Analysis • facility size • market tests • supply chain design • consumer survey • life cycle analysis 10 ... SUMXMY2(array_x,array_y) tính (x– y)2 Quan hệ nhân ??? Số liệu thống kê thành phố cho thấy có quan hệ số lượng cảnh sát với số lượng tội phạm – Gán trọng số cn cho kỳ hạn (N kỳ) – Σcn = Ta kết luận:... an Dt n Ft – Dự báo kỳ thứ t Di – Giá trị khảo sát kỳ i < t – Mức độ ảnh hưởng kỳ i Tuyến tính Xác định ?? Ngẫu nhiên Phi tuyến Môn: Thực hành quản trị máy Ví dụ Dự báo nhu cầu bánh trung... 140 23 10 ? 1 Di Fi 19 ngàn II Một số mơ hình dự báo 140 Phương pháp đơn giản Ft = Dt–1 Kỳ Di kỳ 17 15 13 11 5 10 11 kỳ “Vẫn cũ” Môn: Thực hành quản trị máy ? Phương pháp trung bình Ft =