Chương 7: Dự báo nhu cầu

Chia sẻ: Hoang Trong Tuan | Ngày: | Loại File: DOC | Số trang:26

Thêm vào BST

Báo xấu

374
lượt xem 164
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Những phương pháp dự báo mà chúng ta có thể áp dụng phụ thuộc hiển nhiên vào giai đoạn hiện tại của sản phẩm mà chúng ta nghiên cứu. Giai đoạn khởi đầu : Trong giai đoạn này, việc buôn bán thường ít. Điều này có thể một phần là do nhu cầu thấp, nhất là đối với những sản phẩm cũng có thể là do sự cố ý giới hạn mức sản xuất. Một lựơng sản xuất ít ban đầu cho phép bộ phận kinh doanh thăm dò phản ứng của khách hàng, và điều chỉnh lại số lượng hoặc ngưng sản xuất và bộ...

Chủ đề:

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

Lưu

Nội dung Text: Chương 7: Dự báo nhu cầu

Chương 7 : DỰ BÁO NHU CẦU 7.1 Chu kì sống của sản phẩm Nhu cầu của sản phẩm thường qua 4 giai đoạn: - Giai đoạn khởi đầu - Giai đoạn tăng trưởng - Giai đoạn trưởng thành - Giai đoạn suy thoái Hình 7.1 Những phương pháp dự báo mà chúng ta có thể áp dụng phụ thuộc hiển nhiên vào giai đoạn hiện tại của sản phẩm mà chúng ta nghiên cứu. 1. Giai đoạn khởi đầu : Trong giai đoạn này, việc buôn bán thường ít. Điều này có thể một phần là do nhu cầu thấp, nhất là đối với những sản phẩm cũng có thể là do sự cố ý giới hạn mức sản xuất. Một lựơng sản xuất ít ban đầu cho phép bộ phận kinh doanh thăm dò phản ứng của khách hàng, và điều chỉnh lại số lượng hoặc ngưng sản xuất và bộ phận sản xuất có thể tăng dần sản lượng 2. Giai đoạn tăng trưởng : Trong giai đoạn này, doanh số bán tăng lên một cách nhanh chóng (sự tăng lên theo hàm mũ là một ví dụ) trước khi đạt mức ổn định khi thị trường bão hòa. 3. Giai đoạn trưởng thành : việc buôn bán vẫn giữ nhịp đều dặn. Những sự mới lạ và hấp dẫn của sản phẩm như trong các giai đoạn trước không còn nữa.
4. Giai đoạn suy thoái : trong giai đoạn cuối cùng này, việc bán giảm xuống một cách nhanh chóng. Điều đó có thể là do không thu hút được khách hàng hoặc do ngừng sản xuất Bốn giai đoạn này không bằng nhau trong suốt quá trình, thậm chí có quá trình không tồn tại tùy theo sản phẩm. Ví dụ như giai đoạn trưởng thành không có trong lĩnh vực thời trang hoặc hàng tiêu dùng nhỏ, mới lạ ( gadget). 7.2 Những đặc điểm của dự báo : 1. Nhìn chung những dự báo thường không chính xác. Những kết quả gần đây cho thấy những dự báo càng ngày càng ít độ in cậy. Những con số toàn cầu được cung cấp bởi những tổ chức như là l’INSEE trong các lĩnh vực không đáng tin (Ví dụ cuối năm 1992 người ta dự đoán thị trường xe hơi sẽ tăng lên một vài phần trăm vào năm 1993. Thực tế, năm 93 thị trường xe hơi giảm xuống hơn 15%). Khi mà những dự báo này sai, chúng nó sẽ không còn ý nghĩa thực tế đối với 1 sản phẩm nửa. Chúng ta không nghi ngờ năng lực của các nhà dự báo. Ở đây cũng vậy, chúng ta lại tìm thấy những vấn đề đã được đề cập về mối liên hệ giữa thông tin đầu vào và kết quả thích hơp ở đầu ra. Tất cả những mô hình dự báo đều bắt nguồn từ định đề rằng thái độ của khách hàng, theo thống kê, là ổ định. Nhưng giả thuyết về khách hàng này ngày càng bị ảnh hưỡng bởi nhiều thông số khó mà dự đóan như những sự kiện kinh tế và những chính sách, ở trong nước hoặc quốc tế (ví dụ, cơn sốt dầu vào những năm 73-79, những vụ phá sản của những người chơi chứng khoán cứ lặp lại, chiến tranh vùng vịnh, việc tan rã khối URSS). Có thể nói những sự kiện loại này diễn ra ngày càng thường xuyên và càng làm giảm nhu cầu. Tuy nhiên, một khi được quyết định, những dự báo được xem như những thông tin được biết và chắc chắn, từ đó xác định kế hoạch sản xuất cũng như những nguồn lực cần thiết để đưa vào sản xuất. Điều này có nghĩa là kế hoạch phải vững chắc để có thể chấp nhận nhũng điều chỉnh không tránh khỏi.
2. Một dự báo tốt không chỉ có nghĩa là 1 con số. Cho rằng mức cầu dự báo khoãng 10000 thì không đủ. Các quyết định sẽ không giống nhau nếu số lượng này dao động trong khoảng 0 – 20000 hoặc 9500 – 10500. Vì thông thường dự báo có thể sai lầm. Một dự báo tốt sẽ bao gồm việc ước lượng được sai số. Điều này có thể đạt được bằng cách cho một khoảng hoặc một mức độ phân tán nào đó. (ví dụ như phương sai) 3. Những dự báo kết nhóm (agrégée) thì chắc chắn hơn 4. Những dự báo phải được xác minh, thậm chí phải được điều chỉnh thông qua những thông tin thu thập được. Ví dụ chúng ta có thể tìm hiểu thông qua những chiến dịch quảng cáo của hoạt động tiếp thị, những cuộc thương lượng trong hoạt động thương mại, những sự đổi mới của đối thủ cạnh tranh 7.3 Kĩ thuật dự báo : Có rất nhiều kĩ thuật dự báo. Những kĩ thuật này dựa trên ý kiến rằng tồn tại mối quan hệ nhân quả giữa nhu cầu tương lai của những sản phẩm mà chúng ta nghiên cứu với một số thông tin tham chiếu liên quan. Những kĩ thuật này hiển nhiên dựa vào sự hiểu biết mà người ta có thể có đượcvề những thông tin tham chiếu này, chủ quan hoặc một vài thông tin về số lượng và chất lượng của một sản phẩm 1. Phương pháp dựa trên quan niệm “ Quan điểm của những chuyên gia” Khi một sản phẩm chưa được thương mại hóa hoặc nó vừa xuất hiện trên thị trường thì những dự báo thường dựa trên những sự đánh giá hoặc điều tra. Những sự đánh giá này dựa trên những ý kiến của những chuyên gia và vấn đề là đạt được một sự nhất trí tối thiểu giữa những ý kiến khác nhau. Những kĩ thuật được sử dụng phụ thuộc vào việc đưa ra những quyết định hoặc những kỹ thuật lựa chọn đa tiêu chuẩn. Về phía những cuộc điều tra và những cuộc khảo sát thị trường, họặc mong tìm ra được những nhu cầu tiềm ẩn (VD : bạn mua sản phẩm nào với giá bao nhiêu?), hơặc đánh giá được sự thỏa mãn của khách hàng. Trong trường hợp này, những
cuộc điều tra bắt đầu bằng sự kiểm tra sản phẩm. Cho dù mục đích cuộc điều tra như thế nào, cần phải xác định phân đoạn của những khách hàng tiềm năng và tìm hiểu ý nghĩa những câu trả lời thu thập được. Điều này thông thường được thực hiện bởi các công tychuyên môn ( VD như là SOFRES). Loại dự báo này sẽ giúp dịch vụ tiếp thị nhưng nó sẽ không phát triển thêm trong sách này. 2. Dự báo nhờ dịch vụ thương mại Trong phần lớn các công ty, các nhân viên bán hàng thường phục vụ cho một loại khách hàng hoặc một sản phẩm chuyên biệt nào đó. Dựa trên công việc và những mối quan hệ, các nhân viên bán hàng thường là người được phản ánh tốt nhất về những phản ứng của khách hàng và họ là về các sản phẩm mà họ phụ trách. Do đó cần dựa các nhân viên này để làm dự báo. Trong một vài công ty, việc cung cấp những dự báo là một trong nhũng họat động của các nhân viên bán hàng. Đặc biệt , việc phán đóan khả năng của 1 nhân viên bán hàng cũng như phần lương thay đổi của họ được tính dựa trên độ tin cậy của những dự báo của họ mang lại. Đôi khi hợp đồng giữa người bán hàng và bộ phận sản xuất quy định mức độ sai số α ( Ví dụ : sai số là 30 % cho dự báo 6 tháng, 10 % cho 1 tháng). Nhân viên bán hàng sẽ cung cấp giá trị dự báo Pt cho tháng thứ t. Dự báo này sẽ được bộ phận mua hàng chấp nhận (bộ phân này có thể cung ứng hàng cần thiết), cũng như bộ phận sản xuất. Khi đã có được sự đồng ý, biên độ dao động ( 1 − α ) Pt , (1 + α ) Pt  sẽ có tính chất hợp đồng cho cả người bán lẫn   người sản xuất. Và chính điều này sẽ đẩy mạnh quy mô sản xuất ở chế độ tối thiểu (1 − α ) Pt cũng như thỏa mãn tất cả những nhu cầu trong biên độ dao động đó. Về phía người bán hàng, có nhiệm vụ là bán số lựơng tối thiểu và sẽ không gặp khó khăn nếu số lượng là tối đa. Nhưng nếu số lượng bán vượt quá mức tối đa thì phải bàn lại với bộ phận mua hàng và sản xuất. Phương pháp này nghiên cứu kết hợp các bộ phận khác nhau của công ty trong việc dự đóan. Những công ty sử dụng phương pháp này xem ra hài lòng: Toyota, HP, Sollac. Đối với những công ty có ý định theo phương pháp này thì việc thực
hiện sẽ không phải luôn luôn dể dàng. Nó đòi hỏi một sự thay đổi trong tâm lý các nhân viên kinh doanh: họ chỉ quen dùng doanh số bán hàng như là tiêu chuẩn tham khảo, và tiền lương của họ cũng thay đổi dựa trên doanh số này. 3. Mô hình tóan kinh tế Ỡ đây người ta tìm cách giải thích mức cầu D theo các biến ngoại sinh ( y1 , y 2 ,... y n ). Để làm được điều đó, người ta cần xác định hàm số f đê tính mức cầu D trong một khoảng thời gian t, theo các giá trị yi trong quá khứ. VD, việc bán các tấm tả lót cho trẻ từ 3-6 tháng trong tháng 12 phụ thuộc vào số lượng trẻ được sinh từ tháng 3 đến tháng 10. Hoặc là, việc buôn bán lốp xe sẽ tương quan đến số lượng xe bán ra trong những năm trước và số km xe chạy trung bình. Để mô hình này cho dự báo tốt, mối tương quan tốt giữa D và yi .chưa đủ, mà nó còn phải được giải thích thông qua mối liên hệ nhân quả. Bằng cách thu thập khá đủ các biến yi, chúng ta có thể xấp xỉ được các giá trị quá khứ của D nhưng điều này không đảm bảo mối liên quan tương lai. Nhà kinh tế học G. Morlat đã tìm thấy một mối tương quan tốt giữa việc tiêu thụ điện và kích thước của những con cừu, nhưng mà ông cũng cho rằng dùng phương pháp ngoại suy kết quả không chắc chắn. 4. Mô hình thống kê Khi nhu cầu tương đối ổn định theo thời gian, nhưng biến động trong từng thời kỳ, chúng ta có thể xác định luật xác suất theo nhu cầu này. Một khi luật này được xác lập ,cho phép chúng ta đánh giá độ rủi ro nếu nhu cầu thấp hơn cung hoặc mức thiếu hụt trong trưòng hợp ngược lại. Để xàc định luật này, chúng ta lấy lại các nhu cầu những thời kì vừa qua (ví dụ số lượng bán hàng mổi ngày của tháng rồi) và chúng ta có thể tính những tần số.Tiếp đó, họac chúng ta tính toán trực tiếp dựa trên các dữ liệu này, theo luật rời rạc, hoặc chúng ta tìm một hàm xác suất liên tục để giải thích.Trong trường hợp này, chúng ta dựa vào hai luật xác suất thường hay sử dụng : • Luật Poisson, khi nhu cầu của một sản phẩm yếu • Luật Normal (Gauss), khi nhu cầu một sản phẩm mạnh • Các mô hình này sẽ được đặc biệt triển khai trong chương 4 và chương 5, lien quan đến việc quản lý kho. • 5. Phân tích theo thời gian Khi nhu cầu phát triển theo mùa , điều quan trọng là chúng ta phải tính đến những biến thiên từ tháng này qua tháng khác. Số lượng bán ra chưa đủ, thời điểm cần
được tính vào. Chúng ta sử dụng những thông tin được xếp theo ngày tháng, đây là phân theo chuỗi thời gian. Các phân tích này được nghiên cứu rất nhiều, nhất là trong các cơ quan dự đóan cấp nhà nước (l’INSEE). Trong thời đại hiện nay, khoa học thống kê có rất nhiều phương pháp, đi từ đơn giản ( phương pháp thực nghiệm) đến phức tạp hơn, nhất là khi có những thay đổi theo mùa ( thi dụ phương pháp Box và Jenkins). .Trong công nghiệp ,thực tế chúng ta chỉ sử dụng phương pháp thực nghiệm vì hai lí do cơ bản sau : • Chúng dể dàng sử dụng, không cần phải có phần mềm thống kê đặc biệt ( chỉ cần 1 bảng tính, 1 máy tính nhỏ là đủ) • Các phương pháp tiên tiến đòi hỏi những dử liệu trong thời gian dài để cung cấp các dự báo chính xác. Phương pháp Box – Jenkins đòi hỏi ít nhất 5-6 mùa cho việc dự báo .Trong công nghiệp ,yếu tố theo mùa thông thường là hàng năm và ít có xí nghiệp có số liệu về việc bán 5-6 năm ( hơn nửa vòng đời của 1 sản phẩm ngàycàng giảm). Đó là lí do tại sao trong chương này chúng ta hạn chế vào những mô hình đơn giản của phân tích tuần tự theo thời gian. 7.4 Chuỗi thời gian : nghiên cứu các dữ liệu Để đạt được những dự báo đáng tin cậy .cần phải đi từ những dữ liệu đáng tin cậy .Vậy mà những dữ liệu chúng ta thu thập, dù rằng phản ánh thực tế nhưng không phải đương nhiên có thể sử dụng trong tính toán. Do trong một số nguyên nhân, dữ liệu thô thường không phải luôn luôn đồng nhất .Cho nên trước hết cần phải sắp xếp các dữ liệu một cách sơ bộ hoặc chính xác hơn phải xắp sếp theo môt trình trự trước sau .Và chúng ta sẽ nghiên cứu các lí do chính đáng cho sự sắp xếp dữ liệu này : 1.Trường hợp ngoại lệ : ví dụ các đỉnh thuộc đường cong do có những hợp đồng ngoại lệ hoặc ngược lại những điểm hố, do đình công trong công ty hoặc ở các công ty đặt hàng, hoặc những sự cố bất thường (chiến tranh vùng vịnh ,biểu tình ). Trong trường hợp hợp đồng ngoại lệ ,chúng ta cần phải xem xét những dữ liệu ban đầu và sử dụng gia công cho hợp dồng này.Trong một vài trường hợp, có thể có tác động trong khoảng thời gian biến động và sự chĩnh sửa sẽ khó hơn .Qua đó, sau các cuộ đình công thường là thời gian bù lại. Phải ước lượng những thiếu hụt để them vào và những bổ sung cầ được gia công. 2.Trường hợp thông thường, nhưng tần số hoặc ngày thay đổi (số ngày nghỉ them, các khởi hành trong dịp hè cho cá xa lộ). Độ lớn của các biến phải được tính toán , từ các dữ liệu ban đầu và thêm vào các dự báo. 3.Khoảng thời gian không bằng nhau :Khi các dữ liệu được tính theo tháng, thời gian không bằng nhau giữa các tháng là nguyên nhân gây ra không chính xác của các đường cong. Tuỳ theo các dữ liệu thu được thu được và các hoạt động công ty ,chúng ta có thể phân loại sự sắp xếp như sau 3.1 .Khi nhu cầu là một hàm theo số lượng ngày của tháng (ví dụ sự tiêu thụ nước ),chúng ta có thể sử dụng tháng chuẩn có số ngày 365/12 (hoặc 366/12 nếu năm nhuần).Khi đó ,ta có công thức sau : DRi = (Di/NJi)*365/12
Trong đó : DRi : dữ liệu được sắp xếp của tháng i Di : dữ liệu của tháng i NJi :số ngày của tháng i 3.2.Khi dữ liệu là các hàm theo số ngày làm vịêc ,chúng ta có thể đưa về tháng chuẩn : DRi = Di/NJOi* ∑ NJOi / 12 Trong đó : DRi: dữ liệu sắp xếp của tháng i Di : dữ liệu của tháng i NJOi: dữ liệu số ngày làm vịêc của tháng i 4.BIến động theo sốngày trong tuần, trong vài trường hợp, dử liệu phụ thuộc ngày thứ hai, thứ ba,,.. (sự buôn bán trong siêu thị ,cưa hàng đồ gổ ).Và công việc đầu tiên là phải xác định (số lượng họac doanh số) bán hàng ngày Vk, với k: thứ hai ,thứ ba ...của tuần được chọn. Giá trị trung bình của số lượng bán cho phép chúng ta tính số lượng bán của một ngày chuẩn Vst và xác định tỹ trọng của 1 ngày đối với ngày chuẩn như sau : Pk= Vk/Vst Ví dụ : Tuần hai ba tu nam sau bay Ngày trung bình Số lượng bán Vk 600 450 400 350 550 950 550 Khối lượng công việc Pk 1.09 0.82 0.73 0.64 1.00 1.73 Bằng cách nhân số lượng ngày k làm việc trong tháng với Pk ,chúng ta có thể tìm thấy số ngày chuẩn k và lấy tổng số ngày chuẩn của tháng i .Chúng ta sẽ có: DRi = (Di/NJSi)* ∑ NJS i / 12 Trong đó : DRi :dữ liệu đã sắp xếp của tháng i Di : Dữ liệu của tháng i NJSi :số ngày chuẩn của tháng i Ví dụ : T.hai T.ba T.tư T.năm T.sáu T.bảy Tháng i Ngày mở 4 4 5 4 4 4 25 tỷ trọng 1.09 0.82 0.73 0.64 1.00 1.73 Ngày chuẩn 4.36 0.82 0.73 0.64 1.00 6.91 24.73 4. Tính đến lạm phát : Khi các số liệu được tính theo F, để có thể so sánh giữa các thời kì ,chúng ta cần phải dúng giá trị không đổi của F. Để làm được điều đó, chúng ta phải giải lạm phát khi thu thập các dữ liệu .Có rất nhiều bảng khác nhau cung cấp các hệ số giải lạm phát: chỉ số của INSEE, giá xây dựng, giá nguyên lieu ..
Bảng 7.1 với các chỉ số giải lạm phát cho bởi chỉ số về giá của INSEE từ năm 1970 đến năm 1990. Giả sử chọn chỉ số 1 năm 1990. Ví dụ : 1000 F năm 1970 sẽ là 4600 F năm 1990 Năm chỉ số Năm chỉ số 1970 4.60 1980 1.83 1971 4.35 1981 1.61 1972 4.10 1982 1.44 1973 3.82 1983 1.32 1974 3.36 1984 1.23 1975 3.01 1985 1.16 1976 2.74 1986 1.14 1977 2.50 1987 1.10 1978 2.30 1988 1.07 1979 2.07 1989 1.03 Bảng giải lạm phát từ 1970 đến 1990 6.Anh hưỡng của kiều hối: Trong một vài trường hợp, chúng ta có các số liệu bằng đồng franc trong khi việc mua bán có thể được thực hiện bằng 1 ngoại tệ khác ( vi dụ bằng USD) Những thay đổi giá trị của các ngoại tệ này có thể làm thay đổi rất nhiều các dữ liệu thu được. 7.5 .Nghiên cứu theo thời gian: tổng quát 7.5.1. Phân tích chuỗi Tất cả chuỗi thời gian được nghiên cứu thông qua ba yếu tố: • Yếu tố khuynh hướng ,Ft • Yếu tố chu kỳ ,Ct • Yếu tố bấp bênh, ε t -Yếu tố khuynh hướng :yếu tố này có bản chất được xác định, chỉ phụ thuộc vào thời gian .Trong giai đoạn tăng trưởng , Ft tỉ lệ với hàm mũ e : Ft= Foebt Và trong giai đoạn bão hoà : a Ft = b + e ct Trong pha ổn định ,Ft là đa thức bậc một hoặc hai : Ft= at + b Ft=at2 + bt + c Trongphần này chúng ta chỉ xét Ft= at + b -Yếu tố chu kì
Gọi L là chu kỳ (khoảng thời gian lặp lại ) và ta sẽ có Ct: Ct+L =Ct .Trong trường hợp của các công ty , chu kì của nhu cầu thường tính theo năm. Thỉnh thoảng ,chúng ta có thể nghiên cứu một chu kì thông qua từng chu kì nhỏ riêng biệt như chu kì theo mùa ... -Yếu tố bấp bênh : ε t là một quá trình bấp bênh, điều này có nghĩa với mọi giá trị t E( ε t ) = cste Var( ε t ) = cste 7.5.2. Các lọai hình: Tất cả sự kết hợp gồm 3 yếu tố đều khả thi. Trong thực tế, ta dung những mức cầu sau: - Nhu cầu bấp bênh :Dt = ε t Trong trường hợp này ,chúng ta không thể dự báo . Và chúng ta phải dựa vào độ linh động tố đa của hệ thống sản xuất để đáp ứng nhu cầu HÌNH 7.2 -Nhu cầu ổn định : Dt = B + ε t Trong trường hợp này ,nhu cầu ổn định theo thời gian ,dao động quanh giá trị trung bình Điều này thường xuyên xảy ra đối với những sản phẩm thong dụng. Do đó cho phép xác định luật xác suất của nhu cầu .
HÌNH 7.3 - Nhu cầu khuynh hướng Dt = At +B + ε t Nhu cầu biểu thị sự tăng trưởng (họac suy giảm) tuyến tính trên giai đoạn khá dài HÌNH 7.4 -Nhu cầu theo mùa Dt = At + B +Ct + ε t Nhu cầu biểu thị dao động theo mùa ,với các biến động về số lượng ổn định: ví dụ hằng năm sự khác nhau về nhu cầu giữa tháng một và tháng bảy vẫn tiếp diễn từ năm
này qua năm khác .Trong trường hợp này ,chúng ta thêm giả thuyết ∑C i = 0 ;nói cách khác dao động theo mùa phải dựa trên nhiều chu kì . HÌNH 7.5 -Nhu cầu theo mùa liên tiếp :Dt = (At + B)Ct ε t HÌNH 7.6 Ở đây , sự khác nhau giữa các đỉnh càng ngày càng rõ nét .Nhất là nhu cầu tại các thời điểm đỉnh ngày càng tăng lên nếu là khuynh hướng tăng họăc các điểm đáy ngày càng
tháp nếu khuynh hướng là giảm. Điều này kéo theo sự thay đổi các sai biệt từ chu kỳ này sang chu kỳ khác. Mô hình này có thể dưa về mô hình trước bằng cách sử dụng hàm toán học logarith. Trong trường hợp này, luật bảo toàn diện tích tương ứng với ∏ C i = 1 hoặc tính gần đúng ∑ C i = L .Khi là cầu theo mùa liên tiếp, chúng ta nên biến đổi bằng mô hình theo mùa để ổn định các sai biệt dữ liệu. Qua mắt thường, hai mô hình này chỉ khác biệt nhau bởi các đường thẳng tiệm cận với các đường cong (hình 7.7). Trong mô hình theo mùa, các đường này song song với nhau, trong khi với mô hình nhiều mùa, các đường thẳng phân kì hoặc hội tụ tuỳ theo hướng tăng hoặc giảm . HÌNH 7.7 A
HÌNH 7.7 B 7.5.3. Kí hiệu Chúng ta kí hiệu Dt –nhu cầu thực tế quan sát được ở thời điểm t . Dự báo là 1 hàm 2 biến được viết Pτ ,t , là dự báo được thực hiện ở khoảng thời gian τ cho khoảng thời gian t . Khi không có sự mơ hồ, ta chỉ cần viết Pt+k – là dự báo được thực hiện cuối khoảng thời gian t cho giai đoạn t+k , và Pt- là dự báo cuối cùng của tháng t . 7.5.4.Đánh giá một dự báo Sau này, khi đã biết nhu cầu Dt , chúng ta có thể tính toán sai sót et của dự báo Pt et : et= Pt – Dt Hai đại lượng quen thuộc để tính sai sót trong dự báo : -Trung bình tuyệt đối : 1 n MA = Moy ( et ) = ∑ ei n 1 -Trung bình bình phương 1 MC = Moy (et2 ) = ∑ ei2 n Thông thường MA được sử dụng nhiều nhất. Một cách tóan học, nó thường đại diện cho những đặc tính sau đây : Khi biến et được phân bố theo luật Normal, thì sai số σ e được xác định bởi công thức Π / 2 MA = 1.25MA Khi chúng ta muốn quay trở lại tính những đại lượng độc lập ,chúng ta có thể sử dụng sai số phần trăm et/Dt và chúng ta có thể sử dụng chỉ số
1 n MAP = ∑ ei / Di * 100 n i =1 Một điều chúng ta cần chú ý khi tính sai số là giá trị trung bình của (et) tiến đến 0.Do đó cách để kiểm tra nó là tính tổng ∑ et rồi xem có tiến về 0 hay không . 7.6 Chuỗi bất động 7.6.1.Mở đầu Công ty AlumAlim chuyên chế tạo các lõi giấy bạc cho việc sử dụng chứa thực phẩm. Công ty hoạt động kinh doanh ở ba lĩnh vực lớn mà chúng ta sẽ thấy sau đây . Lĩnh vực thứ 1 , các giấy bạc được sử dụng cho việc chế tạo các nắp của hủ Yaourt , hộp cacao...Nhu cầu ôn dinh, voi những thay đổi bấp bênh không nhiêu. Nói một cách khác, nhu cầu là một hàm Dt = B + ε t , trong đó B là một hằng số chưa biết và ε t là sai số ứng với trọng số bằng không và phương sai σ . Giả sử chúng ta có 10 giá trị về nhu cầu của 10 tháng trước như sau : 1 2 3 4 5 6 7 8 9 10 510 524 539 514 505 568 567 533 567 535 Và bây giờ chúng ta tính nhu cầu tháng tiếp theo . Có hai cách tính : - Trung bình di động trên khoảng thời gian L cuối cùng - hàm mũ don gian 7.6.2.Trung bình di động trên khoảng thời gian L cuối cùng Dự báo được xác định bởi công thức : 1 t Pt+k = ∑ Di L i =t − L Ở đây , phai chọn giá trị L .Theo lý thuyết, chuoi trên không thay dôi và L phải lớn tôi da, diêu này đảm bảo ∑ ε t → 0 .Thực tế ,chúng ta sử dụng giá trị L nhỏ (từ 3 đến 5). Diêu này cho phep vài thay dôi trong khoang thoi gian ngan. Ví dụ : Chúng ta sử dụng L=3 ,L=4 .Bảng sau đây cho ta thấy giá trị dự đoán và dộ chênh lệch tuyệt đối. Giá trị từng Chênh lệch Chênh lệch L=3 L=4 tháng tuyệt đối tuyệt đối 510 524 539 514 524.33 10.33 505 525.67 20.67 521.75 16.75 568 519.33 48.67 520.50 47.50 567 529.00 38.00 531.50 35.5 533 546.67 13.67 538.50 5.50 567 556.00 11.00 543.25 23.75 535 555.67 20.67 558.75 23.75
Dự báo MA 545.00 23.29 550.50 25.46 Voi L =3, sai số MA yếu hơn voi L=4. Nếu chúng ta chấp nhận rằng sai số et tuân theo định luật Gauss,chúng ta có : σ e=1.25*23.29 =29.11. Với L=3 ,chúng ta có thể suy ra rằng, dê khoảng tin cậy là 95%, nhu cầu tháng sau sẽ là 545 ± 2 * 23.29 , nghia là trong khoang 498 và 592. 7.6.3 Hàm mũ don gian Kỹ thuật này do Brown đưa ra (1958) như sau: vào cuối tháng t, chung ta co hai gia tri du doan cua B. Giá trị B thứ nhất là cho giá trị dự đoán Pt chúng ta đã tính toán .Giá trị thứ hai là do nhu cầu thực tế duoc biet vào cuối tháng t. Và giá trị thực B sẽ nằm trong khoảng hai giá trị B trên (một cách toán học, phương pháp này giam thieu sai số). Từ đó : Pt +1 = αDt + (1 − α ) Pt 0 D0 ,chúng ta chu trong dên giá trị của quá khứ. Bảng sau đây cho phép tính toán ứng với α =0.20 và α =0.40 Giá trị từng Chênh lệch Chênh lệch 0.20 L=4 tháng tuyệt đối tuyệt đối 510 510.00 510.00 524 510.00 14.00 510.00 14.00 539 512.80 26.20 515.60 23.40 514 518.04 4.04 524.96 10.96 505 517.23 12.23 520.58 15.58 568 514.79 53.21 514.35 53.65 567 525.43 41.57 535.81 31.19 533 533.74 0.74 548.28 15.28 567 533.59 33.41 542.17 24.83
535 540.28 5.28 552.10 17.10 Dự báo MA 539.22 21.29 545.26 22.89 Bảng này chỉ được sử dụng dê tinh giá trị dâu tiên cua α . Thực tế, chúng ta không cần sử dụng tất cả những dữ kiện trong quá khứ. Chúng ta chỉ sử dụng tháng trước với hệ số α và dự báo Pt, điều này tao thuan loi trong viêc luu tru. 7.7 ,Chuỗi theo khuynh hướng 7.7.1 Giới thiệu Công ty AlumAlim chuyên chế tạo những màng giấy nhôm gồm nhiều lớp bên trong thường được sử dụng chứa đựng sữa, kem và những chất lỏng khác .Từ nhiều năm trước ,nhu cầu về những giấy nhôm tăng một cách yếu ớt nhung dêu dan. Những dự báo thường được thiết lập hàng tháng cho ba tháng tới, xuất phát những dữ liệu mười tháng trước, cụ thể như sau : Tháng Giá trị cần tính 1 101 2 105 3 109 4 107 5 100 6 103 7 110 8 105 9 108 10 103 Ta có ,ở phần trước : Dt = At + B + ε t Giá trị trung bình trong trường hợp này không thich hop. No danh gia thap trong truong hop nhu cau tang va nguoc lai cao khi nhu cau thap. Vì vậy ,chúng ta sử dụng hai phương pháp sau : -Sự nhân đôi hàm mũ
-Đường thẳng hồi quy 7.7.2.Sự nhân đôi hàm mũ Phương pháp này do Holt (1957) đưa ra . Ly luan cua phuong phap nay co nguon goc tuong tu phuong phap ham mu don gian. Trong phương pháp này,chúng ta cần phải xác định hai tham số :Điểm St thuộc đường thẳng nhu cầu theo thời gian t và hệ số biến At giữa t và t+1 . Nhu phan truoc, tu hai dữ liệu uoc luong Dt và Pt = St-1 + At-1 , St duoc tinh thông qua công thức sau : St = α Dt + ( 1 − α ) ( St −1 + At −1 ) Chúng ta cũng cần phải biết hệ số biến đổi At giữa khoảng thời gian t và t+1. Uoc luong dau tien cua hệ số này được xác định boi St - St-1, , lân thu hai duoc cho boi At-1, nho vào giai doan truoc. Tu do: At = β ( St − St −1 ) + ( 1 − β ) At −1 Pt + k = St + kAt Ở đây ,giong nhu voi ham mu don gian, cho phep ghi nho tu giai doan nay sang giai doan khac vài gia tri, là bốn giá trị α , St , β , At , chung cho phép chúng ta tính dự báo những tháng tiếp theo , và thường β < α . 7.7.3.Đường hồi quy Cho một tập hợp điểm (X,Y).Giả sử rằng ,tồn tại một mối quan hệ tuyến tính giữa ~ ~ giá trị X ,theo dạng Y = Ax + b .Chúng ta sẽ tìm đường thẳng hồi quy sao cho Y gần ~ với Y nhất, dua vào sai biet binh phuong giua Y và Y (hinh 7.8). Dường thẳng hồi quy f(a,b)= ax +b là duong tôi thiêu gia tri cua hàm g(a,b) 2 g (a, b) = ∑ i =1 ( yi − (axi + b)) n
HÌNH 7.8 Điều kiện cần thiết dể tồn tại giá trị cực tiểu : ∂g ∂g = =0 ∂a ∂b Điều này dẫn đến : a ∑ xi2 + b∑ xi − ∑ xi yi = 0 a ∑ xi + bn − ∑ yi =0 Chia hai vế cho n ,ta có : a*TB(X2) +b*TB(X) = TB(XY) a*TB(X) + b = TB(Y) Từ đó ,suy ra : TB ( XY ) − TB( X )TB (Y ) a= TB ( X 2 ) − TB( X ) 2 COV ( X , Y ) = Var ( X ) b = TB (Y ) − aTB ( X ) Voi ví dụ trên ,chúng ta sẽ thấy a=0.1878 và b=104.07 ,điều này dẫn đến dự báo 106.13 cho tháng mười một .
112 110 108 106 104 Dt 102 Trend 100 98 96 94 1 2 3 4 5 6 7 8 9 10 11 Mois Dt Trend 1 101 104.25 2 105 104.44 3 109 104.63 4 107 104.82 5 100 105.01 6 103 105.19 7 110 105.38 8 105 105.57 9 108 105.76 10 103 105.95 7.8 .Chuỗi theo mùa 7.8.1. Vi du Iiới thiệu Gam san phâm cuối cùng cua công ty AlumAlim là nhôm can mong nhu giây duoc sử dụng để bọc các miếng pho mai và quân thành cuôn dê boc các loại thực phẩm .Nhu cầu này thay đổi theo mùa trong năm .Những dự báo được thiết lập mỗi tháng ,thường dùng cho mười hai tháng sau .Để làm được điều đó , chúng ta sử dụng số liệu của hai năm trước .ở đây ,chúng ta sử dụng những giá trị của hai năm 1997 ,1998 để tính giá trị năm 1999. Tháng 1997 1998
1 1094 1045 2 1015 1042 3 1196 1250 4 1130 1113 5 1054 1112 6 946 1035 7 974 976 8 849 840 9 998 1008 10 1120 1140 11 1114 1180 12 1090 1145 7.8.2 Kiêm tra tinh dinh ky L . Chúng ta xet truong hop chuôi co những thay đổi theo mùa theo chu ky L . Thuc te, tinh chu ky này duoc cac nhân viên truc tiêp biêt ro, nhung cung cân duoc xac minh. Chi cần xác định một hoặc hai giá trị nôi bât trong năm để kết luận rằng sự mau bán có theo quy luật theo mùa hàng năm hay không, trong khi ngoài cac giai doan này không co hiên tuong này. Phương pháp đầu tiên dựa trên duong biêu diên nhu câu trong cac giai doan khac nhau, va so sanh bang mat thuong (hinh 7.10) . Phương pháp thứ hai là tính hệ số tương quan ρ bằng cách : X= (D1,…,DL) và Y=(DL+1 ,…,Dn) Giá trị ρ trong trường hợp này được gọi là hệ số tự tương quan ,kí hiệu ρ L.Giả thuyết thay đổi theo chu kỳ mùa hiện thực nếu ρ L cao. Khi L không biết trước, bàng cach tinh liên tiêp hệ số tự tương quan ρ 1, ρ 2….ta co thê co duoc L. Trong ví dụ này ,chúng ta tìm thấy ρ 12 = 0.85 . Diêu này khang dinh tinh theo mua cua thi du.