Bài giảng Quản lý sản xuất: Chương 3 - PGS. TS. Lê Ngọc Quỳnh Lam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:25

Thêm vào BST

Báo xấu

4
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Quản lý sản xuất: Chương 3 Kỹ thuật dự báo, được biên soạn với mục tiêu nhằm giúp sinh viên giải thích khái niệm dự báo; nhận diện các yếu tố chính của một dự báo tốt; mô tả quá trình dự báo; giải thích và tính toán các sai số dự báo; mô tả kỹ thuật dự báo định tính phổ biến;...Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Quản lý sản xuất: Chương 3 - PGS. TS. Lê Ngọc Quỳnh Lam

2/15/2021 QUẢN LÝ SẢN XUẤT Chương 3 KỸ THUẬT DỰ BÁO PGS. TS. LÊ NGỌC QUỲNH LAM Bộ môn Kỹ thuật Hệ thống Công nghiệp Khoa Cơ Khí Đại học Bách Khoa Tp.HCM 1. Giải thích khái niệm dự báo 2. Nhận diện các yếu tố chính của một dự báo tốt 3. Mô tả quá trình dự báo 4. Giải thích và tính toán các sai số dự báo 5. Mô tả 4 kỹ thuật dự báo định tính phổ biến 6. Sử dụng các mô hình dự báo định lượng cơ bản: Naïve, Moving average, Weighted average, Exponential smoothing và Linear trend 7. Xây dựng biểu đồ kiểm soát và sử dụng để kiểm soát sai số dự báo 8. Xác định các yếu tố chính và những đánh đổi (trade-offs) khi lựa chọn kỹ thuật dự báo 3 1
2/15/2021 o Là tiên đoán, ước lượng, đánh giá các sự kiện xảy ra trong tương lai. o Giúp các nhà chính sách có cơ sở ra các quyết định về chính sách, công nghệ, sản phẩm, quy Tôi thấy cậu sẽ qua kỳ thi tuyển sinh trình, nguồn lực máy móc, thiết bị, về cách thức cao học đợt này! vận hành hệ thống. o Phân loại:  Theo quy mô: Dự báo dài hạn vs. Dự báo ngắn hạn  Theo tính chất của bộ dữ liệu: Dự báo định tính vs. Dự báo định lượng 4 Các ràng buộc - Chính sách quản lý - Nguồn lực sẵn có - Điều kiện thị trường - Công nghệ Dữ liệu đầu vào - Dữ liệu quá khứ Dữ liệu đầu ra MÔ HÌNH DỰ BÁO - Nghiên cứu thị trường - Nhu cầu theo thời gian - Ý kiến chuyên gia Các yếu tố môi trường - Kinh tế - Xã hội - Chính trị - Văn hóa 5 2
2/15/2021 1. Giả định một số mối quan hệ nhân quả cơ bản đã tồn tại trong quá khứ sẽ vẫn tồn tại trong tương lai 2. Dự báo không hoàn hảo vì tính ngẫu nhiên 3. Dự báo cho một nhóm mặt hàng sẽ chính xác hơn dự báo từng mặt hàng 4. Dự báo càng xa càng kém chính xác 6 Yếu tố nào sau đây không phải là yếu tố đặc trưng của dự báo a) Giả định một số mối quan hệ nhân b) Dự báo không hoàn hảo vì tính quả cơ bản đã tồn tại trong quá khứ ngẫu nhiên sẽ vẫn tồn tại trong tương lai c) Dự báo cho một nhóm mặt hàng sẽ d) Dự báo càng xa càng chính xác chính xác hơn dự báo từng mặt hàng 7 3
2/15/2021 Dự báo tốt cần:  Kịp thời  Chính xác  Đáng tin cậy  Có ý nghĩa  Được thể hiện bằng văn bản  Dễ hiểu và dễ sử dụng  Hiệu quả về mặt chi phí 8 Dự báo tốt cần: a) Chính xác, đáng tin cậy b) Kịp thời c) Hiệu quả về mặt chi phí d) Tất cả các tính chất trên, 9 4
2/15/2021 Bước 6. Giám sát sai số dự báo Bước 5. Thực hiện dự báo Bước 4. Lựa chọn kỹ thuật dự báo Bước 3. Thu thập, làm sạch và phân tích các dữ liệu thích hợp Bước 2. Xác định thời gian dự báo Bước 1. Xác định mục đích của dự báo 10 Sai số dự báo – Sự sai lệch giữa giá trị dự báo và giá trị thực tế. • Dễ dàng tính toán Sai số tuyệt đối MAD   Actual t  Forecast t • Các sai số được đánh giá trung bình n như nhau • Các sai số được đánh giá Sai số bình phương  Actual t  Forecast t 2 bằng trị bình phương trung bình MSE   Sai số càng lớn, ảnh hưởng n 1 càng nghiêm trọng Actual t  Forecast t • Đánh giá theo các sai số Sai số phần trăm  100 tương đối Actualt tuyệt đối trung bình MAPE  n MAD = Mean Absolute Deviation MSE = Mean Squared Error 11 MAPE = Mean absolute percentage error 5
2/15/2021 12  Quan điểm người quản lý  Dự báo được phát triển bởi một số người quản lý cấp cao từ các phòng chức năng đại diện cho nhiều quan điểm khác nhau trong doanh nghiệp.  Tổng hợp ý kiến từ lực lượng bán hàng  Lực lượng bán hàng/chăm sóc khách hàng là những nguồn thông tin tốt bởi tiếp xúc trực tiếp với khách hàng.  Khảo sát khách hàng  Khách hàng là nhân tố quyết định  Khảo sát khách hàng thường đại diện cho một mẫu ý kiến của khách hàng  Phương pháp Delphi – Ý kiến chuyên gia  Là một quá trình lặp đi lặp lại nhằm đạt được sự đồng thuận 13 6
2/15/2021 DỰ BÁO DỰA TRÊN CHUỖI THỜI GIAN FORECASTS BASED ON TIME-SERIES DATA o Một chuỗi các quan sát được ghi nhận đều đặn (theo giờ, ngày, tuần, tháng…) theo thứ tự thời gian o Đòi hỏi nhà phân tích phải xác định được tính chất cơ bản của bộ dữ liệu o Các biến thiên của bộ dữ liệu theo thời gian: Biến thiên bất thường Xu hướng Chu kỳ Biến thiên mùa 14 o Dữ liệu ổn định theo thời gian Trong đó: F = A o là giá trị dự báo cho thời đoạn t o là giá trị thực tại thời đoạn t-n o Dữ liệu biến thiên theo mùa F = A o Dữ liệu có tính xu hướng F = A + (A -A ) 15 7
2/15/2021 o Dễ sử dụng o Không tốn kém o Không cần thời gian chuẩn bị o Không cần phân tích dữ liệu o Dễ hiểu o Độ chính xác thấp 16 Tuần Dữ liệu thực Ổn định Biến thiên theo mùa (n=4) Tính xu hướng MAD MSE MAPE 1 20 2 23 3 16 4 15 5 25 6 22 7 12 8 16 9 27 10 25 11 19 12 14 13 24 17 8
2/15/2021 Dự báo MAD MSE MAPE Biến Biến Biến Biến thiên thiên thiên thiên Dữ liệu Tính xu Tính xu Tính xu Tính xu Tuần Ổn định theo Ổn định theo Ổn định theo Ổn định theo thực hướng hướng hướng hướng mùa mùa mùa mùa (n=4) (n=4) (n=4) (n=4) 23+23-20 1 20 3/23*100 2 23 20 3 =23-20 26-16 9 13 10/16*100 3 16 23 26 7 10 49 100 43.8 62.5 4 15 16 9 1 25-20 6 1 36 6.67 5/25*100 40 5 25 15 20 14 10 5 11 100 25 121 40 20 44 6 22 25 23 35 3 1 13 9 1 169 13.6 4.55 59.1 7 12 22 16 19 10 4 7 100 16 49 83.3 33.3 58.3 8 16 12 15 2 4 1 14 16 1 196 25 6.25 87.5 9 27 16 25 20 11 2 7 121 4 49 40.7 7.41 25.9 10 25 27 22 38 2 3 13 4 9 169 8 12 52 11 19 25 12 23 6 7 4 36 49 16 31.6 36.8 21.1 12 14 19 16 13 5 2 1 25 4 1 35.7 14.3 7.14 13 24 14 27 9 10 3 15 100 9 225 41.7 12.5 62.5 18 Dự báo tuần 14 24 25 34 6 3.11 9.18 51.81814.75 113 31.9 16.4 47.3 tổng / n tổng /(n-1) tổng /n Tính chất nào sau đây không thuộc về Phương pháp dự báo theo chu kỳ trước: a) Dễ sử dụng, không tốn kém b) Độ chính xác cao c) Không cần phân tích dữ liệu d) Không cần nhiều thời gian chuẩn bị 19 9
2/15/2021 o Kỹ thuật trung bình (Techniques for Averaging) • Trung bình dịch chuyển (Moving Average) • Trung bình dịch chuyển có trọng số (Weighted Moving Average) • Làm trơn hàm mũ (Exponential Smoothing) o Dự báo có tính xu hướng (Techniques for Trend) • Hàm xu hướng tuyến tính (Linear Trend Equation) • Làm trơn hàm mũ có điều chỉnh theo xu hướng (Trend-adjusted Exponential Smoothing) o Dự báo có tính mùa (Techniques for Seasonality) o Dự báo có tính chu kỳ (Techniques for Cycles) o Các kỹ thuật kết hợp (Associative Forecasting Techniques) 20 Cách thức dự báo nào sau đây không thuộc nhóm dự báo định tính a) Quan điểm người quản lý b) Phương pháp Delphi – Ý kiến chuyên gia c) Kỹ thuật trung bình làm trơn hàm mũ d) Khảo sát khách hàng 21 10
2/15/2021 Giá trị dự báo tại thời điểm t với n thời đoạn trung bình dịch chuyển: At-n + … At-2 + At-1 Ft = MAn = n Giá trị thực tế MA5 Demand MA3 Period 22 o Giá trị dự báo tại thời điểm t: Ft = wn At-n + … + wn-1 At-2 + w1 At-1 Với w1,…, wn lần lượt là trọng số của chu kỳ t-1,…, t-n o Các chu kỳ càng gần cuối có trọng số càng lớn. 23 11
2/15/2021 Giá trị dự báo = Dự báo kỳ trước + ⍺ (Giá trị thực tế kỳ trước – Dự báo kỳ trước) Sai số dự báo Ft  Ft 1  α(A t 1  Ft 1 ) Với ⍺ là hệ số làm trơn * Ghi chú: Giá trị dự báo kỳ đầu tiên thường được xác định bằng phương pháp chu kỳ trước hoặc trung bình dịch chuyển 3 thời đoạn. 24 Sai số dự báo – Sự sai lệch giữa giá trị dự báo và giá trị thực tế. • Dễ dàng tính toán Sai số tuyệt đối MAD   Actual t  Forecast t • Các sai số được đánh giá trung bình n như nhau • Các sai số được đánh giá Sai số bình phương  Actual t  Forecast t 2 bằng trị bình phương MSE   Sai số càng lớn, ảnh hưởng trung bình n 1 càng nghiêm trọng Actual t  Forecast t • Đánh giá theo các sai số Sai số phần trăm  100 tương đối Actualt tuyệt đối trung bình MAPE  n 25 12
2/15/2021 Tháng Doanh số 1 41 Cho bộ số liệu về doanh số của một 2 40 cửa hàng (theo tháng) như bảng sau. 3 43 1. Dự báo doanh số tháng 12 bằng 4 40 phương pháp: o Chu kỳ trước tháng 12 = 38 5 42 o Trung bình dịch chuyển (n =2) t12= (40+38)/2 6 39 o MA (n=3) t12= ( 46+40+38)/3 7 45 o MA (n=4) 8 44 2. So sánh các phương pháp dự 9 46 báo theo chỉ số sai số: 10 40 + MAD, 11 38 + MSE 26 Tháng Doanh số Cho bộ số liệu về doanh số của một cửa hàng (theo tháng) như bảng sau. 1 41 1. Dự báo doanh số tháng 12 bằng 2 40 phương pháp: 3 43 o Chu kỳ trước 4 40 o Trung bình dịch chuyển (n = 3) 5 42 o Làm trơn hàm mũ (⍺ = 0.1), dự báo tháng 01 là 41. 6 39 2. So sánh các phương pháp dự 7 45 báo theo chỉ số sai số: 8 44 + MAD, 9 46 + MSE 10 40 + MAPE. 11 38 27 13
2/15/2021 Kiểm đồ (Control chart) • Một công cụ trực quan giúp kiểm soát các sai số dự báo • Được sử dụng để phát hiện các sai số không ngẫu nhiên Các bước xây dựng kiểm đồ MSE   Actual t  Forecast t 2 1. Tính toán giá trị MSE n 1 2. Ước lượng độ lệch chuẩn của phân bố sai số z = number of = standard deviations 3. Tính toán giới hạn trên UCL = 0 + z from the mean 4. Tính toán giới hạn dưới LCL = 0 - z 30  Các sai số dự báo được cho là trong kiểm soát nếu: o Tất cả các sai số nằm trong giới hạn kiểm soát o Không có các chu kỳ, xu hướng  Các nguồn sai số dự báo: o Mô hình không phù hợp do: • Bỏ sót một biến quan trọng • Sự thay đổi của biến mà mô hình không thể đáp ứng (vd. Sự xuất hiện đột ngột của một xu hướng hay chu kỳ) • Xuất hiện biến mới (vd. Xuất hiện đối thủ cạnh tranh) o Các biến động bất thường (vd. Thiên tai, khủng hoảng…) o Dùng sai kỹ thuật dự báo hoặc diễn giải không đúng kết quả dự báo o Sai số ngẫu nhiên (luôn xuất hiện) 31 14
2/15/2021 Các yếu tố cần xem xét:  Chi phí  Độ chính xác  Tính sẵn có của dữ liệu quá khứ  Các phần mềm dự báo  Thời gian cần thiết để thu thập và phân tích dữ liệu, chuẩn bị dự báo  Thời gian cần dự báo 32  Dự báo ảnh hưởng đến nhiều quyết định quan trọng trong vận hành  Dự báo chính xác sẽ giúp o Tăng lợi nhuận o Giảm tồn kho o Giảm sự thiếu hụt tồn kho o Tăng mức phục vụ khách hàng o …  Trong chuỗi cung ứng, chia sẻ dự báo với nhà cung cấp giúp tăng chất lượng dự báo; Từ đó: o Giảm chi phí o Giảm leadtime 33 o … 15
2/15/2021 34 Bt1: Cửa hàng dịch vụ photocopy thực hiện photo sách. Trong 3 ngày (mỗi ngày làm việc liên tục 10 giờ) với 2 máy photo, cửa hàng hoàn thành 1000 quyển sách copy. Năng suất của máy photo là (quyển/giờ):……………………….. 35 16
2/15/2021 Theo thống kê, lượng bưởi da xanh (đơn vị: trái) bán được tại một cửa hàng bán trái cây cho 5 tuần lần lượt là 25, 40, 37, 35, và 41 (tuần gần nhất). Nếu sử dụng phương pháp dự báo trung bình dịch chuyển theo 4 tuần (4 thời đoạn) thì lượng bưởi da xanh tiêu thụ trong tuần thứ 6 là:……………………………… 36 Theo thống kê, lượng thịt heo tiêu thụ (đơn vị: tạ) tại một địa phương trong 5 tuần gần nhất là 26, 32, 32, 48, và 38 (tuần gần nhất). Nếu sử dụng phương pháp dự báo trung bình dịch chuyển có trọng số với trọng số lần lượt là 10%, 15%; 17%, 28%, và 30%, lượng thịt tiêu thụ trong tuần tới (tuần 6) là: 37 17
2/15/2021 Nhu cầu tiêu thụ dừa tươi qua 9 tháng đầu năm và kết quả dự báo theo phương pháp trung bình dịch chuyển 4 tháng cho tháng thứ 10 là: ………….. Giá trị trung bình sai số tuyệt đối MAD theo phương pháp dự báo trên là:……………………. Tháng Lượng tiêu thụ thực tế (trái) Trung bình dịch chuyển (4 tháng) 1 110 2 120 3 90 4 110 5 160 6 170 7 170 8 90 9 100 38 1. Giải thích khái niệm dự báo 2. Nhận diện các yếu tố chính của một dự báo tốt 3. Mô tả quá trình dự báo 4. Giải thích và tính toán các sai số dự báo 5. Mô tả 4 kỹ thuật dự báo định tính phổ biến 6. Sử dụng các mô hình dự báo định lượng cơ bản: Naïve, Moving average, Weighted average, Exponential smoothing và Linear trend 7. Xây dựng biểu đồ kiểm soát và sử dụng để kiểm soát sai số dự báo 8. Xác định các yếu tố chính và những đánh đổi (trade-offs) khi lựa chọn kỹ thuật dự báo 39 18
2/15/2021 40 41 19
2/15/2021 42 43 20