Chuyên đề 6: Quản lý Chi phí - Kế toán - Tài chính

Chia sẻ: An Vuong | Ngày: | Loại File: DOC | Số trang:49

Thêm vào BST

Báo xấu

91
lượt xem 21
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nội dung của quản lý chi phí bao gồm các lĩnh vực quản lý sau đây: Quản lý chi phí đầu tư xây dựng công trình; kiểm soát chi phí theo các giai đoạn đầu tư xây dựng công trình; công tác kế toán trong công trường xây dựng.

Chủ đề:

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

Lưu

Nội dung Text: Chuyên đề 6: Quản lý Chi phí - Kế toán - Tài chính

QUẢN LÝ CHI PHÍ KẾ TOÁN TÀI CHÍNH PGS LÊ KIỀU Nội dung của quản lý chi phí bao gồm các lĩnh vực quản lý sau đây : i. QU¶N Lý CHI PHÝ §ÇU T¦ X¢Y DùNG C¤NG TR×NH 1. Nguyªn t¾c qu¶n lý chi phÝ ®Çu t x©y dùng c«ng tr×nh B¶o ®¶m môc tiªu, hiÖu qu¶ dù ¸n ®Çu t x©y dùng c«ng tr×nh; sù hîp lý cña chi phÝ; Vai trß cña Nhµ níc, cña chñ ®Çu t trong qu¶n lý chi phÝ. 2. Qu¶n lý tæng møc ®Çu t LËp tæng møc ®Çu t; ®iÒu chØnh tæng møc ®Çu t (c¸c trêng hîp ®iÒu chØnh, thÈm quyÒn); c¸c yªu cÇu vÒ chi phÝ qu¶n lý dù ¸n. 3. Qu¶n lý dù to¸n c«ng tr×nh Yªu cÇu vÒ thÈm tra, phª duyÖt dù to¸n; §iÒu chØnh dù to¸n c«ng tr×nh. 4. Qu¶n lý ®Þnh møc x©y dùng Qu¶n lý Nhµ níc ®èi víi ®Þnh møc; Tr¸ch nhiÖm cña chñ ®Çu t, nhµ thÇu khi vËn dông c¸c ®Þnh møc. 5. Qu¶n lý gi¸ x©y dùng c«ng tr×nh C¬ së x¸c ®Þnh gi¸ x©y dùng; Yªu cÇu trong qu¶n lý gi¸ x©y dùng. 6. Qu¶n lý chØ sè gi¸ x©y dùng Kh¸i niÖm vµ ý nghÜa cña chØ sè gi¸ x©y dùng; Qu¶n lý chØ sè gi¸. 7. Qu¶n lý hîp ®ång x©y dùng Yªu cÇu vµ nguyªn t¾c ®èi víi hîp ®ång x©y dùng; Qu¶n lý hîp ®ång x©y dùng. 8. Qu¶n lý thanh to¸n, quyÕt to¸n vèn ®Çu t Tr¸ch nhiÖm c¬ quan cÊp ph¸t, cho vay vèn, chñ ®Çu t; C¸c yªu cÇu khi quyÕt to¸n h¹ng môc c«ng tr×nh, c«ng tr×nh, dù ¸n hoµn thµnh. II. KiÓm so¸t chi phÝ theo c¸c giai ®o¹n ®Çu t x©y dùng c«ng tr×nh 1. Kh¸i niÖm, vai trß cña viÖc kiÓm so¸t chi phÝ ®Çu t x©y dùng c«ng tr×nh
1.1. Kh¸i niÖm: - Kh¸i niÖm chung vÒ kiÓm so¸t chi phÝ ®Çu t x©y dùng c«ng tr×nh (sau ®©y gäi t¾t lµ kiÓm so¸t chi phÝ), ®ã lµ: con ngêi, th«ng qua ph¬ng ph¸p kiÓm so¸t chi phÝ thùc hiÖn gi¸m s¸t sù h×nh thµnh chi phÝ, chi tiªu chi phÝ trong suèt qu¸ tr×nh ®Çu t x©y dùng c«ng tr×nh vµ ®a ra c¸c gi¶i ph¸p cÇn thùc hiÖn nh»m b¶o ®¶m chi phÝ ®Çu t x©y dùng c«ng tr×nh n»m trong ng©n s¸ch ®· ®- îc chÊp thuËn (mµ b»ng viÖc b¶o ®¶m ng©n s¸ch nµy c«ng tr×nh ®¹t ®îc c¸c môc tiªu hiÖu qu¶ nh dù tÝnh). - KiÓm so¸t chi phÝ lµ mét qu¸ tr×nh liªn tôc cña chñ ®Çu t thùc hiÖn c¸c hµnh ®éng qu¶n lý nh»m b¶o ®¶m môc tiªu cô thÓ lµ chi phÝ ®Çu t cña dù ¸n n»m trong giíi h¹n tæng møc ®Çu t ®îc phª duyÖt. 1.2. Vai trß: - C«ng t¸c qu¶n lý, kiÓm so¸t chi phÝ ®Çu t x©y dùng thùc hiÖn kh«ng tèt. - Nh÷ng ¸p lùc tõ qu¸ tr×nh toµn cÇu ho¸ nÒn kinh tÕ thÕ giíi vµ xu thÕ héinhËp. 2. Môc ®Ých vµ yªu cÇu cña viÖc kiÓm so¸t chi phÝ - B¶o ®¶m ®óng gi¸ trÞ cho ®ång tiÒn cña chñ ®Çu t bá ra phï hîp cho môc ®Ých ®Çu t x©y dùng c«ng tr×nh, c©n b»ng gi÷a chÊt lîng vµ ng©n quü ®Çu t - §¶m b¶o r»ng chi phÝ ph©n bæ vµo c¸c bé phËn phï hîp víi yªu cÇu cña chñ ®Çu t vµ nhµ thiÕt kÕ. - Gi÷ cho chi phÝ n»m trong ng©n s¸ch cña chñ ®Çu t. 3. §iÒu kiÖn cÇn thiÕt ®Ó thùc hiÖn qu¸ tr×nh kiÓm so¸t chi phÝ - Cã c¸ch thøc (ph¬ng ph¸p) kiÓm so¸t chi phÝ phï hîp víi ®Æc ®iÓm, néi dung chi phÝ theo tõng giai ®o¹n, c«ng viÖc cña qu¸ tr×nh ®Çu t x©y dùng. - Cã c«ng cô hç trî thÝch hîp cho viÖc thùc hiÖn c«ng t¸c kiÓm so¸t chi phÝ ®Çu t x©y dùng c«ng tr×nh. - Cã c¸c c¸ nh©n, tæ chøc t vÊn cã ®ñ ®iÒu kiÖn n¨ng lùc thùc hiÖn viÖc kiÓm so¸t chi phÝ. 4. Néi dung kiÓm so¸t chi phÝ ®Çu t x©y dùng c«ng tr×nh 4.1. KiÓm so¸t chi phÝ trong giai ®o¹n tríc khi thi c«ng x©y dùng. 4.1.1. Trong viÖc x¸c ®Þnh tæng møc ®Çu t dù ¸n. 4.1.2. Trong viÖc x¸c ®Þnh dù to¸n, tæng dù to¸n x©y dùng c«ng tr×nh. 4.1.3. Trong viÖc ®Êu thÇu vµ lùa chän nhµ thÇu. 4.2. KiÓm so¸t chi phÝ trong giai ®o¹n thùc hiÖn x©y dùng c«ng tr×nh.
4.2.1. Trong viÖc thanh to¸n hîp ®ång x©y dùng. 4.2.2. KiÓm so¸t chi phÝ khi quyÕt to¸n vèn ®Çu t x©y dùng c«ng tr×nh. 5. Tæ chøc qu¶n lý viÖc kiÓm so¸t chi phÝ ®Çu t x©y dùng c«ng tr×nh 5.1. H×nh thøc tæ chøc kiÓm so¸t chi phÝ Tuú theo quy m« vµ tÝnh chÊt c«ng tr×nh, chñ ®Çu t quyÕt ®Þnh viÖc tæ chøc kiÓm so¸t chi phÝ theo mét trong c¸c h×nh thøc sau: - ChØ ®Þnh c¸ nh©n lµ ngêi kiÓm so¸t chi phÝ. C¸ nh©n nµy cã thÓ lµ ng- êi thuéc tæ chøc cña chñ ®Çu t hoÆc thuª tõ c¸c tæ chøc t vÊn qu¶n lý chi phÝ nhng ph¶i cã chøng chØ Kü s ®Þnh gi¸ x©y dùng. - ChØ ®Þnh tæ chøc t vÊn qu¶n lý chi phÝ thc hiÖn nhiÖm vô kiÓm so¸t chi phÝ. Tæ chøc t vÊn qu¶n lý chi phÝ nµy ph¶i cã ®ñ ®iÒu kiÖn n¨ng lùc theo quy ®Þnh cña ph¸p luËt. 5.2. Tr¸ch nhiÖm cña chñ ®Çu t ®èi víi viÖc kiÓm so¸t chi phÝ §Ó b¶o ®¶m cho viÖc kiÓm so¸t chi phÝ ®¹t ®îc môc ®Ých còng nh t¹o hµnh lang cho viÖc x¸c ®Þnh tr¸ch nhiÖm th× quyÒn vµ nghÜa vô cña chñ ®Çu t cÇn ®îc x¸c ®Þnh cô thÓ 5.3. Tr¸ch nhiÖm cña c¸ nh©n, tæ chøc t vÊn kiÓm so¸t chi phÝ §Ó b¶o ®¶m tÝnh ®éc lËp, kh¸ch quan còng nh x¸c ®Þnh râ tr¸ch nhiÖm cña c¸ nh©n, tæ chøc t vÊn kiÓm so¸t chi phÝ th× quyÒn vµ nghÜa vô cña c¸ nh©n, tæ chøc t vÊn nµy trong qu¸ tr×nh thùc hiÖn nhiÖm vô kiÓm so¸t chi phÝ còng cÇn ®îc x¸c ®Þnh râ. Xây dựng là một ngành kinh tế có phạm vi công việc rộng lớn mà sản phẩm của nó là các công trình xây dựng thuộc mọi lĩnh vực, ngành nghề của đất nước. Tuy hình dáng, quy mô và chức năng khác nhau nhưng các công trình này đều phải đáp ứng được một yêu cầu chung là chi phí xây dựng của nó cần phải nằm trong ngân sách được dự tính hay nói một cách khác là nằm trong tổng mức đầu tư được phê duyệt. Để đáp ứng được điều này sự cần thiết phải kiểm soát chi phí các dự án đầu tư xây dựng là rất rõ. Rất nhiều các dự án đầu tư xây dựng, đặc biệt là các dự án đầu tư xây dựng công trình sử dụng vốn Nhà nước trong thời gian qua thường phải điều chinh tổng mức đầu tư, chi phí xây dựng vượt ngân sách dự kiến ban đầu trong thời gian qua ở nước ta có nguyên nhân từ việc kiểm soát chi phí kém hiệu quả. Đã đến lúc phải thực hiện việc kiểm soát chi phí các dự án đầu tư xây dựng với mục tiêu rõ ràng là bảo đảm chi phí dự án không vượt ngân sách dự kiến (quyết toán không vượt tổng mức đầu tư phê duyệt ban đầu) với người thực hiện nhiệm vụ này là các cá nhân, tổ chức tư vấn có đủ điều kiện năng lực, chuyên nghiệp và hội nhập với thông lệ quốc tế.
Các tài liệu về quản lý dự án mới của Hoa Kỳ đề xuất vấn đề Earned Values Analysis để theo dõi khối lượng đã hoàn thành, dự báo cho nhà thầu và chủ đầu tư về tổng mức đã thực hiện cập nhật và còn tiếp tục để chủ động trong quản lý chi phí đầu tư cho dự án. II. CÔNG TÁC KẾ TOÁN TRONG CÔNG TRƯỜNG XÂY DỰNG Bộ phận tài chính kế toán trong bộ máy quản lý doanh nghiệp tại công trường xây dựng giúp cho người chỉ huy công trường theo dõi chặt chẽ đồng vốn được thu hồi, chi trả ra sao. Sự ghi chép tài chính trên công trường nhằm bảo đảm tính chính xác thu chi , các hoạt động liên quan đến tài sản, đến đồng tiền của doanh nghiệp trên địa bàn hoạt động sản xuất thực tiễn. Bộ phận tài chính kế toán cần ghi chép đúng bài bản, kịp thời, trung thực số liệu nhằm tham mưu có hiệu quả cho người chỉ huy công trường để có những quyết định chính xác các hoạt động kinh doanh, kinh tế của mình trong các sản xuất. Người chỉ huy công trường không thể coi nhẹ công tác tài chính kế toán trong các hoạt động sản xuất kinh doanh trên công trường. Nội dung theo dõi tình hình tài chính kế toán của doangh nghiệp trên công trường nhằm hai mục tiêu: * Ghi chép đầy đủ, có nghiệp vụ, theo dõi mọi hoạt động sản xuất kinh doanh trên công trường. * Qua số liệu ghi chép, phân tích được những ưu , nhược của hoạt động sản xuất, kinh doanh trên công trường, giúp chỉ huy trưởng công trường có những quyết định đúng đắn trong các hoạt động sản xuất kinh doanh của đơn vị. Các con số là ngôn ngữ cơ bản của kinh doanh có tải trên báo cáo thu nhập là một con sổ. Hiệu quà của dây chuyền sản xuất đượ c biểu thị dưới dạng con sói các con số có thể được hoàn thiện thông qua phần tích thống kê và tiếp đó chúng lại có thể có tác động mạnh mẽ tới lỗ lãi. Kế hoạch kinh doanh đượ c biểu thị một cách cụ thế như những con số trong ngân quỹ hoạt động, những con số mà phần lớn có thế bắt nguồn từ các kết quả thống kê thu nhập và chi phí. Những quyết định đầu tư vào các tài sản, có thế đẩy nhanh sự tăng trưởng kinh doanh. thường
dựa trên những con số phản ảnh nh ững kho ản l ợi nhu ận và sự rủi ro có thế có của một phương thức sử dụng có thể lựa chọn đối với các nguồn quỹ đầu tư. Sự thành công hay thất bại của công việc kinh doanh ho ặc c ủa b ất kỳ m ột b ộ ph ận nào của nó thường quy về những con s ố. Trong khi không cần thiết phải học hỏi nh ững v ấn đề phức tạp của thống kê và toàn ứng dụng nhằm kiểm soát và hoàn thiện các con số, các nhà điều hành và các nhà quản lý về căn bản càn hiểu rằng có nhiều vấn đề trong thế giới, thực có thể giải quyết được nhờ các công cụ làm việc trên các con số, các công cụ của các phương pháp định lượng. Sự hiểu biết như vậy tạo cho nhà quản lý khả năng đưa ra những quyết định tốt nhất có thể trong việc lựa chọn phương pháp nào và mong đợi gì từ các chương trình máy tính và các chuyên gia mà họ thực hiện những tính toán chi tiết để giải quyết vấn đề. Sự hiểu biết này chắc chắn sẽ cải tiến được công cuộc kinh doanh và làm cho nhà quản lý thành đạt hơn. Chươ ng này cung cấp một cách nhìn tổng quan vê các còng cụ và các loại vấn đề mà các công cụ đó giúp cho các nhà quần lý giải quyết. Năm phần là ước lượng thống kê và kiếm tra chất lượng, phàn tích hồi qui là công cụ để giải thích các liên kết thống kê, dự báo thống kê: phàn tích quyết định, và vặn trù học se dùng một công ty giả định để minh họa xem mỗi công cụ có thể cải thiện lỗ lãi như thế nào. ƯỚC LƯỢNG THỐNG KÊ VÀ KIỂM TRA CHẤT LƯỢNG Rõ ràng rằng chất lượng là then chốt cho sự tăng trưởng nguồn thu láu dài. Cách kiểm định theo thời gian để kiểm tra chất lương sán phẩm là cách kiềm soát khi sản phẩm hình thành thông qua dây chuyền sản xuất, theo dõi tỷ lệ các sản phẩm hỏng xuất hiện. Vi ệc ki ểm tra ch ất l ượng d ịch v ụ đạt đượ c bằng cách phỏng vấn cách phỏng vấn các khách hàng về dịch vụ mà họ đã nhận, ghi nhận xem những ai không được thỏa mãn và lý do tại sao.
Tuy nhiên, việc đo lường chất lượng là không đủ. Việc kiểm tra chất lượng sản xuất trong một nhà máy chế tạo – công nghiệp hoặc chất lượng ph ục v ụ khách hàng, bằng cách kiểm tra và đo lường các sản phẩm hoặc sự thỏa mãn Nếu chất lượng bắt đầu bảng vi ộc cam kết vái chất lượng cao, thông qua việc huấn luyện các nhân viên sản xuất và phục vụ, và sự bảo trì thiết bị. Nếu chất lượng bắt đầu bằng việc cam kết với chất l ượng cao, thì nó sẽ kết thúc với cái gì đó nhiều hơn sự tầm thường – đó là công việc đo lường. Và công việc đo lường thường đòi hỏi phải lấy mẫu. Khi các sản phẩm hư hỏng có khả năng gây ra tổn thất lớn cho nh ững ng ười tiêu dùng, như trong trường hợp của những chiếc phanh ô tô bị hỏng, thì mọi sản phẩm cần phải đượ c kiểm tra một cách cẩn thận. Tuy nhiên, phần lớn các sản phẩm và các dịch vụ không cần phải lấy mẫu 100% để đảm bảo chất lượng đượ c kiểm tra một cách hoàn toàn chính xác. Bản thân việc kiểm nghiệm có thể phá hủy sản phẩm, như trong trường hợp các loại thực phẩm, các sản phẩm sử dụng một lần, và các chất nổ: việc lấy mẫu 100% sẽ không còn lại sản phẩm nào cho người tiêu dùng nữa. Rõ ràng đối với mọi công ty, vấn đề là: Làm thế nào chúng ta có thể cực tiểu hóa đượ c tổng tổn thất do các sản phẩm và dịch vụ có chất lượng kém, khi xét cả tổn thất do chất lượng kém lẫn chi phí của chương trình kiểm tra chất lượng. Trong thời đại cạnh tranh căng thẳng toàn cầu về chất lượng sản phẩm và dịch vụ, đây không phải là vấn đề nghiên cứu hàn lâm. Đây là vấn đề quan trọng đặc biệt cho công ty đang được lấy làm ví dụ của chúng ta, công ty Power Tools, Inc. Bạn được chi định quản lý công ty đó trong quá trình diễn ra ở chương này. Power Tools chiếm ưu thế trong ngành vào những năm 1950 và 1960, nhưng đã mất dần hoạt động kinh doanh tr ước nh ững nhà cạnh tanh ở châu Á và châu Âu kể từ sau đó. Những người phụ trách marketing của bạn tin r ằng nguyên nhân chính
là: chất lượng sản phẩm của nh ững ng ười c ạnh tranh n ước ngoài đã trội hơn so với các sản phẩm của bạn, và các khách hàng biết rõ điều đó. Phó chủ tịch phụ trách marketing ủng hộ ý kiến này với 3 sự kiện hùng hồn; 3% số cưa xích và 2% số khoan điện của Power Tools đã bị trả lại trong vòng dưới thời hạn bảo hành 1 năm, trong khi tỷ lệ tr ả lại đối với người cạnh tranh hàng đầu của bạn chỉ chiếm 1% đối với trong 2 loại sản phẩm. Để khắc phục tình hình này, các kỹ sư của bạn đã tháo và xem xét cẩn thận một chiếc cưa xích của hãng cạnh tranh, với mục đích tìm hiểm và sửa chữa nguyên nhân chủ yếu trong những yêu cầu bảo hành của bạn, đó là: bộ bánh răng trung tâm. Thiết kể cơ bản của bộ bánh răng của hãng cạnh tranh cũng giống như của bạn; sự tìm hiểu trên cho thấy có thể nguyên nhân chính của vấn đề là do tư dao động quá mức trong các kích thước của các bánh răng trong sản phẩm của b ạn (về độ dài, đường kính ngoài, độ cao của răng, độ rộng của răng, v.v...). Dễ xác nhận sự nghi ngờ này, bạn đã ngân hàng sánh sự biến thiên của một mẩu gồm 20 bánh răng của họ với 20 cái của bạn. Bàng 3.1 cho thấy số đo đườ ng kính ngoài của bánh răng lớn nhất trong m ẫu. Sự thân thiện của bánh răng có thế đã được theo một số cách. Cách đo . đơn giản nhất là độ rộng, tức là sự cách biệt giữa giá trị lớn nhất và nhỏ nhát trong phân bố. Đối với công ty Power Tools, độ rộng là 0,007 (1,158 l,151) còn đối với hãng X thì độ rộng là 0,006 )0,976 – 0,970). Hai con s ố này dường như khá gần nhau, nhưng bánh răng của Power Tools b ất đầu với cỡ hơi lớn hơn một chút, và độ rộng không đều. Điều quan trọng han là, độ rộng là một số do hạn chế trong đó nó chỉ liên quan tới hai giá trị được tách ra khói toàn bộ sự phân bố, trong trường hợp này là sự bỏ qua sự biến thiên của 18 bánh răng còn lại trong một mẫu. Những số do khác về độ biên thiên (hoặc độ phản tán) có sử dụng tới cả 20 giá trị quan sát khi xem xét. Có 3 số đó dược sử dụng rộng rãi theo cách vừa
nói là độ lệch chuẩn, phương sai, và hệ số biến thiên. Độ lệch chuẩn thường hay được dùng trong các vấn đề kiểm tra chất lượng; phương sai, là bình phương của độ lệch chuẩn thường được dùng rộng rãi hơn trong việc thẩm tra các nguyên nhân của độ biến thiên; còn hệ số biến thiên đượ c dùng đê chuẩn hóa độ biến thiên theo giá trị trung bình của phân bố. Các công thức để tính toán các đại lượng thống kê này và các giá trị của chúng cho ví dụ đang xét, được nêu trong bảng 3.2 Bảng 3.1. Phân bố của các đườ ng kính bánh răng của công ty Power và hãng cạnh tranh Power Power Hãng X Hãng X Tools Tools 1 1,155 0,976 11 1,153 0,973 2 1,157 0,972 12 1,156 0,973 3 1,151 0,974 13 1,156 0,974 4 1,153 0,974 14 1,157 0,972 5 1,158 0,970 15 1,157 0,973 6 1,154 0,974 16 1,152 0,975 7 1,157 0,973 17 1,155 0,972 8 1,151 0,974 18 1,152 0,972 9 1,158 0,972 19 1,158 0,974 10 1,151 0,971 20 1,153 0,973 Toàn bộ các số đo độ biến thiên, khác với số đo độ rộng, cho thấy đườ ng kính bánh răng của Power Tools thay đổi nhiều hơn đáng kể so với các hãng cạnh tranh. Độ lệch chuẩn, khi tính theo mẫu, lớn hơn trên 3 lần; và hệ số biến thiên của mẫu lớn hơn 53%. Xác suất để cho những bánh răng của hãng cạnh tranh biến thông giống như của Power Tools t ức là có thể coi những khác biệt quan sát chỉ là do tính ngẫu nhiên đối với các mẫu cỡ 20 – trên thực tế rõ ràng là bằng 0.
Bảng 3.2. Các thống kê mô tả cơ bản và các giá trị của chúng đối với Power Tools và hãng X Đại lượng thống kê Định nghĩa Power Tools Hãng X Các số đo cơ bản Tổng y 23094 19461 n Số quan sát 20 20 Các số đo xu thế tập trung Mode Giá trị phổ biến nhất 1,157 0,974 Trung vị y 1,555 0,97305 y n Các số đo độ phân tán 1,15470 0,006 Độ rộng Cực đại Cực tiểu 0,007 0,001359 Độ lệch chuẩn y2 0,002472 0,0000018 s ( y) 2 n Phương sai 2 y2 0,0000061 0,001397 s .( y ) 2 n Hệ số biến thiên s 0,002141 y Trong bảng 3.2, cũng cần chú ý tới 3 số đo xu thế tập trung hoặc giá trị “bình quân” của phân phối: mode, trung vị, và giá trị trung bình. Mode là giá trị quan sát được, phổ biến nhất trong phân bổ; Trung vị là giá trị ở giữa khi cá quan sát được sắp xếp theo thứ tự; Còn giá trị trung bình là tổng của các giá trị chia cho số lượng các giá trị. (Có lẽ tốt nhất là nên tránh dùng thuật ngữ bình quân (average) do nó không rõ ràng; đôi khi nó bao hàm một số đo xu thế tập trung nào đó, và đôi khi nó có nghĩa là giá trị trung bình nói riêng). Giá trị trung bình nói chung là số đo được ưu tiên dùng tới trong xu thế tập trung, m ặc dù đồi với phần lớp các áp dụng việc xem xét cả ba đại lượng nói trên không có gì không tốt.
Tuy nhiên sự quan tâm hàng đầu của bạn dựa trên sự phân tích các con số trong bàng 3.2, là sự phân tán chung quanh giá trị trung bình. Để cải thiện chất lượng sản phẩm của bạn, bạn mua các bánh răng từ một hãng mới với những thông số tin cậy hơn, hiện đại hoá dây chuyền sản xuất, và đào tạo lại các tổ sản xuất của bạn: Bây giờ bạn muốn thiết lập một hệ th ống ki ểm tra ch ất l ượng nhầm tăng cường khả năng của bạn trong việc phát hiện ra hoạt động với độ lắc xung quanh 0,06 milimét, với độ lệch chuẩn là 0,01 milimét. Do sự kiểm định này là cần nhiều lao động hơn so với các phép kiếm định khác, và là một trong số ít cách mà bạn không kiểm định toàn bộ tức là chi kiếm dinh theo mẫu ngẫu nhiên gồm ô đơn vị trong vòng 2 giờ một lần, do một chuyên gia kiểm tra chất l ượng đề xuất cho bạn, nhằm cân đối hợp lý giữa tổn thất do sai lầm ngẫu nhiên với những mẫu nhỏ, và chi phỉ cho việc lấy m ẫu. B ất k ỳ m ột c ưa xích nào có độ lắc vượt quá 0,10 milimét sẽ bị tháo ra, điều chỉnh, và kiểm định lại. Bất kỳ một mẫu gồm 5 chi ếc c ưa nào vượt quá tiêu chuẩn 0,06 của dây chuyền sản xuất nhiều hơn hai lần độ lệch chuẩn (đây là giới hạn đượ c chọn tùy ý dẫn tới việc loại bỏ không quá 5% của toàn bộ mẫu) sẽ đòi hỏi phải có sự điề u chỉnh quá trình sản xuất và sẽ làm chậm trễ việc sản xuất trong kho ảng 1 gi ờ đồng hồ. Độ lệch chuẩn đối với phân bố của các giá trị trung bình cho các mẫu cỡ n được cho bởi công thức s n s / n . Do độ lệch chuẩn đối với một sản phẩm đơn lẻ là 0,01 đối với mẫu gồm 5 sản phẩm của chúng ta, cho nên mức vượt quá tiêu chuẩn 0,06 của dây chuyền sản xuất hơn hai l ần độ lệch tiêu chuẩn sẽ cho ta một phạm vi giới hạn của các sản phẩm chấp nhận đượ clà 0,06 không(2) x [0,01/5]. Hay 0,0689. Kết quả này có thể được trình bày trên một biểu đồ kiểm tra chất lượng, một công cụ hữu ích để kiểm soát chất lượng sản phẩm bằng cách vẽ đồ thị các
kết quả của các mẫu sản phẩm theo định kỳ. Nếu dây chuyền sản xuất chạy từ 8h00 buổi sáng tới 6h00 buổi chiều, và cứ định kỳ 2 giờ một lần có 5 đơn vị sản phẩm được lấy mẫu, thì biểu đồ kiểm tra chất lượng của Power Tools, Inc, trong một tuần lễ sẽ có dạng như hình 3.1 Hình 3.1. Biểu đồ kiểm tra chất lượng Tiêu chuẩn chất lượng bằng 0,060 được biểu thị bằng đườ ng nằm ngang ở chính giữa biểu đồ, còn các đường ở phía trên và phía dưới biểu thị những biến thiên theo 2 lần độ lệch chuẩn từ mức đó theo hai phía. Trong nhiều quá trình sản xuất, các linh kiện bị loại bỏ nếu chúng rơi ra ngoài của một trong hai phía giới hạn theo 2 lần độ lệch chuẩn, do tính thống nhất về kích thước chi tiết thường là mục tiêu chính; trong trường hợp này, chúng ta chỉ quan tâm tới việc xét xem độ lắc có vượt quá giới hạn trên tại mức 0,0689 milimét không mà thôi. Mẫu như vậy sẽ vượt quá giới hạn đang xét như thế nào? Chúng ta hãy nêu lại câu hỏi này trong những điều kiện cụ thể hơn, để có thể đi đế n lời giải đáp rõ ràng hơn: Nếu chúng ta lấy các mẫu lập, gồm 5 sản phẩm cho mỗi m ẫu, và đo độ lắc trung bình cho mỗi mẫu, thì phân bố của các giá trị trung bình đó sẽ như thế nào, và bộ phận nào của phân bố sẽ có giá trị trung bình vượt quá 0,0689? Trước hết phân bố sẽ có tác dụng như thế nào? Theo mệnh đề cơ bản gọi là định lý giới hạn trung tâm, thì phân bố theo các mẫu lập sẽ có dạng giống như
phân bố chuẩn quen biết có dạng hình chuông (1)1, không cần biết hình dạng của phân bố các sản phẩm được chọn từng cái một (mà trong trường hợp này chúng cũng có dạng chuẩn). Phân bố đối với ví dụ này có trung bình 0,0600; độ lệch chuẩn cho phân bố chung là 0,010; và n= 5; được cho trên hình 3.2. Hình 3.2. Phân bố của các giá trị trung bình theo các mẫu lặp (y = 0,060; s = 0,01; n = 5) Xác suất để mẫu sẽ vượt giới hạn 0,06894 là phần diện tích giới hạn bởi đường cong được gạch chéo. Để tìm diện tích này, chúng ta có thể dùng các sách có các bảng thống kê chuẩn, hoặc dùng chương trình máy tính cho phép tính các diện tích nằm dưới đường cong chuẩn cụ thể mà một trong số đó là dạng chuẩn hóa với trung bình = 0 và độ lệch chuẩn = 1. Việc làm đó cho ta thông tin sau: 15,87% của đường cong vượt hơn (ho ặc ở d ưới) giá trị trung bình một lần độ lệch chuẩn, trong tr ường h ợp này là vượt trên giá trị 0,06447; và 2,28% vượt hơn 2% của toàn bộ các mẫu gồm 5 của xích có độ lắc trung bình vượt quá 0,06894. Chúng ta có nên cho rằng những biểu hi ện nh ư v ậy chính là do sự may rủi, hoặc sai lầm ngẫu nhiê, mà không cần phải chấn chỉnh quá trình sản xuất hay không? Tuyệt đối không. Khi quá trình sản xuất đang hoạt động một cách đúng đắn, nó sẽ sản xuất ra các mẫu với các giá trị chỉ vượt quá giới hạn chấp nhận được ở mức trên 2%, nhưng quá trình sản xuất không phải bao giờ cũng hoạt động theo chuẩn mức như vậy! Một vài sai lầm và không ngẫu nhiên. Cảm giác chung khi nhìn vào các số liệu trong hình 3.1. cho thấy rằng quá trình sản xuất của ngày thứ sáu có sự hoạt động ở trên mức chuẩn 0,060 cả ngày, và rất có thể là một sự tiếp tục của xu thế đã bắt đầu từ ngày hôm trước, chứ không phải chỉ vừa là sự rủi ro trong kho ảng t ừ 2h00 đến 4h00. Năm mẫu liên tiếp vượt ra ngoài tiêu chuẩn 1 (1) Đối với bạn đọc có kiến thức cơ bản về toán học hoặc kỹ nghệ thì phân bố chuẩn được xác định bởi biểu thức: 1 .( y. y ) 2 / 2 s 2 2 y sy 2 trong đó = 3.14159 và e 2.71828
trong suốt cả ngày gợi ý rằng còn có một điều gì đó có thể tiếp diễn. Những mẫu như vậy thường có thể gây ra bởi các yếu tố mà ngườ i ta biết rõ trên dây chuyền sản xuất, đó là: sức ép quá mức để đáp ứng lịch trình sản xuất gia tăng vào cuối tuần, những công nhân chủ chốt nghỉ ốm, những b ữa tr ưa chè chén say sưa, và vân vân. Mặc cho những nguyên nhân căn bản, các đại lượng thống kê mô tả đơn giản, khi được tổ chức một cách đúng đắn, cũng có thể trở thành những công cụ có hiệu để phát hiện ra những kiểu mẫu, mà khi biết được, sẽ cung cấp cho ta một cơ sở để hành động. PHÂN TÍCH HỒI QUY LÀ MỘT CÔNG CỤ ĐỂ GIẢI THÍCH CÁC KẾT QUẢ LIÊN KẾT Các số liệu được ve thành biểu đồ trên hình 3. 1 vạch ra một vài dự biến thiên ngẫu nhiên và khả năng của sự ảnh hưởng không ngàu nhiên của ngày "Thứ sáu", nhưng việc xem lét chặt chẽ hơn cho thấy rằng: Chu k ỳ hàng ngày cũng rất rõ rệt. Các sản phẩm giữa ngày có xu thế tốt hơn so vái những sàn phẩm đượ c tạo ra vào đầu ngày cũng như vào cuối ngày. Nhưng ban mới chỉ đang quan sát các số liệu của một tuần lễ. Bằng cách tìm kiếm các số liệu cho một vài tuần, bạn có thể xác lập một cách xác đáng hơn về cả chu kỳ theo ngày lẫn hiện tượng ngày thứ sáu. Những phát hiện như vậy có thể thúc đấy bạn thẩm tra những nguyên nhân của các máy này. Đồng thời bạn có thể dùng các số liệu trên biểu đồ trong hình 3.1 và các số liệu báo cáo trong bàng 3.3 đề kiểm định cả hai hiệu ứng ngày thứ sáu và giữa ngày. Cách làm ở đây là: Bạn suy đoán rằng, phải chăng độ lắc đượ c xác định một phẩn bởi ngày hôm đó là ngày thứ sáu, hay một phần bởi đó là vào giữa ngày (giữa 10h00 sáng và 4h00 chiều), hay m ột ph ần b ởi các tác động ngẫu nhiên. Sau đó bạn coi độ lấc là biến số y, ngày của tuần là x 1 (x1 = 1 nếu là ngày thứ sáu, x 1 = 0 nếu
là một ngày khác), và thời gian trong ngày là x 2 (x2 = 1 nếu là giữa ngày, x 2 = 0 nếu là trước 10h00 sáng hoặc sau 4h00 chiều); và bạn viết phương trình tuyến tính. y = a + bx 1 + cx2 + r.e (1) Ở đây a, b và c là các hệ số mà bạn muốn ước lượng theo các số liệu của bạn, còn r.e biểu thị sai l ệch ng ẫu nhiên (random error) tức là một yếu tố đượ c coi là có phân bố chuẩn với giá trị trung bình bằng 0 Bảng 3.3. Các số liệu kiểm tra ch ất l ượng cho m ột tu ần s ản xu ất Thời gian Thứ 2 Thứ 3 Thứ 4 Thứ 5 Thứ 6 810 0,0641 0,0618 0,0612 0,0618 0,0641 1012 0,0522 0,0552 0,0605 0,0529 0,0612 122 0,0552 0,0604 0,0575 0,0535 0,0659 24 0,0559 0,0545 0,0621 0,0588 0,0699 46 0,0612 0,0629 0,0559 0,0639 0,0621 Chươ ng trình này là mô hình của bạn và mối liên nợ giữa độ rung và 3 yếu tố giả định chủ yếu về độ rung: hiệu ứng thứ sáu (bạn nghĩ rằng nó có thề làm tăng thêm độ muối, hiệu ứng giữa ngày (bạn nghĩ rằng nó có thế làm giảm độ rung), và tác động ngẫu nhiên (tức là tất cả các yếu tố khác có tác động tới độ rung). Biến số đang dược giải thích hoặc dự báo, y, đượ c gọi là biến phụ thuộc, còn các biến được dùng như các đại lượng giải thích hoặc dự báo, x 1 và x2 là các biện độc lập. Trong trường hợp này, các biến độc lập là các biến nhị nguyên (thường gọi là các biến “già”), tức là, các biến mả ta cớ thể giả thi ết là chi bàng 0 hoặc bằng 1. Bạn sử dụng phương trình tuyến tinh bởi vỉ bạn không có lý do nào buộc phải tin rằng mối quan h ộ là phi tuyển và bởi vì phương trình tuyến tính đơn giản hơn cho việc ước l ượng so v ới các phương trình khác. Bây giờ nếu bạn có thể tưởng tượng phương trình này như là một mặt phẳng trong một không gian chứa 25 điểm, biểu thị các quan sát của một tuần lễ,
không có một mặt phẳng nào có thể “chứa trọn” ca 25 điểm số liệu của bạn; nhưng các nhà thống kê đã đưa ra tiêu chuẩn bình phương bé nhất mà theo đó bạn có thể chọn được một mặt phẳng với các hệ số làm cực tiểu đượ c tổng các độ lệch bình phương theo chiều thẳng đứng từ mỗi số quan sát tới mặt phẳng. 25 điểm số liệu của bạn dùng để ước lượng phương trình mặt phẳng này đượ c cho trong bảng 3.4. Để ước lượng các tham số tức là các hộ số thực của quan hệ, khi phân biệt với các giá trị của hệ số thu được từ mẫu) của phương trinh (l), b ạn n ạp các điểm số liệu vào một chiếc máy tính mà nó thể thực hiện đượ c phép phán tích hồi quy. Phép phân tích hồi quy đã từng được thực hiện trên một máy tính loại lớn, hoặc nhờ sự có gắng nào đó bằng cách dùng một máy tính tay và một tệp giấy; ngày nay nó có thế được thực hiện một cách dễ dàng trên một máy tính cá nhân với một chương trình tính toán theo trang tính hiện đại: chẳng hạn như Lotus 12 3R, hoặc một phàn mềm phán tích thống kê tiêu chuẩn, Đối với các số liệu trên bảng 34, phương trình tuyến tính với tính chất bình phương bé nhất có dạng: y = 0,060681 + 0,006067x 1 – 0,00351x2 r2 = 0,461 (2) (0,003427) (0,001713) (0,001399) Bảng 3.4. Các số liệu dùng ước lượng hồi quy để giải thích sự biến đổi chất lượ ng y x1 x2 y x1 x2 1 0,0641 0 0 14 0,0621 0 1 2 0,0522 0 1 15 0,0559 0 0 3 0,0552 0 1 16 0,0681 0 0 4 0,0559 0 1 17 0,0529 0 1 5 0,0612 0 0 18 0,0535 0 1 6 0,0618 0 0 19 0,0588 0 1 7 0,0552 0 1 20 0,0639 0 0
8 0,0604 0 1 21 0,0641 1 0 9 0,0545 0 1 22 0,0641 1 0 10 0,0629 0 0 23 0,0659 1 1 11 0,0612 0 0 24 0,0699 1 1 12 0,0605 0 1 25 0,0621 1 0 13 0,575 0 1 Hoặc bằng cách dùng những lời lẽ, bạn có thể ước tính độ rung bằng cách lấy hàng số 0,06081 cộng v ới 0,06067 n ếu chi ếc c ưa đượ c sản xuất ra vào ngày thứ sáu (không trừ đí 0,00351 nếu chiếc cưa được sản xuất ra vào quãng giữa 10h00 sáng và 4h00 chiều. Đại lượng thống kê r2 là hệ số xác định; nó có thể được giải thích như sau 46,1% sự biến thiên của y đượ c tính theo (hoặc đượ c giải thích bởi) các biến số x1 và x2. Các con số trong ngo ặc n ằm d ưới các hệ số hồi quy ước tính là những sai lệch chuẩn của các ước lượng cần thiết cho việc ki ểm định xem bản thân các hệ số là “có ý nghĩa về mặt thống kê” hay không tức là xét xem chúng có khác 0 đủ nhiều hay không để có thể cho phép bạn nói rằng, chính điều đó không có nghĩa là những khác biệt như vậy chỉ do riêng sự ngẫu nhiên gây ra. Bạn có thể xác định xem một hệ số là có ý nghĩa hay không bằng cách chia hệ số đó cho độ sai lệch chuẩn của nó, và do đó nhận được đại lượng t thống kê. Một số đại lượng trong thống kê theo mẫu và ý nghĩa của chúng được đưa ra trong bảng 3.5. Các bậc tự do là các quan sát (n) trừ đi tổng số các biến số có mặt trong phương trình hồi quy. Đối với bài toán của bạn, có cả thảy 25 quan sát và 3 biến số trong phương trình hồi quy, cho nên có 22 bậc tự do. Bảng 3.5. Các đại lượng t thống kê và các mức ý nghĩa tươ ng ứng Các mức ý nghĩa Các bậc tự do 0,10 0,05 0,01 10 1,81 2,23 3,17 20 1,73 2,09 2,85 30 1,70 2,04 2,75
40 1,68 2,01 2,68 50 1,68 2,01 2,68 100 1,66 1,98 2,58 00 1,64 1,96 Để xác lập sự ảnh hưởng của thời gian trong ngày và ngày trong tuần tới chất lượng các cưa xích của bạn, bạn thu được các đại lượng trongthống kê bằng 3,54 đối với hiệu ứng ngày trong tuần (0,006067/0,001713), và 2,51 đối với hiệu ứng giờ trong ngày (0,00351/0,001399). T ừ b ảng 3.5, v ới 22 b ậc t ự do, chúng ta có thể thấy rằng những kết quả này là có mức ý nghĩa tương ứng tại 0,01 và 0,05. Những con số đó có ý nghĩa như sau: Nếu không có hiệu ứng của ngày trong tuần, bạn có thể nhận đượ c một sự liên kết thống kè giữa độ rung của sản phẩm, và ngày trong tuần cũng giống như bạn đã nhận đượ c sự liên kết không quá 1% đúng như do sự ngẫu nhiên và, nếu lượng có hiệu ứng của thời gian trong ngày thì bạn có thể nhặn được cùng một sự liên kết với mức không quá 5% đúng như.đọ tác.động ngẫu nhiên. Nếu bạn vẫn chưa đủ tin rằng các mẫu là thực tế chứ không phái lả ngẫu nhiên và nếu bạn nhận thấy rằng giá trị đạt đượ c của việc khảo sát thêm sẽ lớn hơn chi phí, thì bạn có thế thu thập số liệu từ các tuần tiếp theo vả phân tích chúng theo cùng cách thức để xét xem có thể có được những mức ý nghĩa thống kê cao hơn hay không. Kiểm tra chất lượng tới mức nào? Một trong những vấn đề cơ bàn nhất trong kiểm tra chất lượng là: kiểm tra chất lượng đen mức nào là đủ? Như ở trên đây đã nhắc tới là mức độ đúng đắn cần phải kế tới cả chi phí kiểm tra chất lượng lán tổn thất do chất lượng kém. Cụ thể là, mức kiểm tra đúng đắn là điểm mà tại đó chi phí cho việc kiểm tra chất lượng thêm nữa sè bất dầu vượt quá lợi ích tâng thêm nhờ chất
lượng cao hơn. Để biết được thực đó ,bạn không những cần phải biết chí phí lao động cho chương trình, chi phỉ do việc phá hỏng các vật liệu nằm trong mẫu, và tổn chất do phải giảm b ớt th ời gian s ản xu ất g ắn li ền v ới vi ệc tăng cường kiểm tra chất lượng – mà còn phải biết lợi ích do chất lượng cao hơn (hoặc biết tổn thất do ch ất l ượng kém) và mối quan hệ giữa chương trình kiểm tra chất lượng và chất lượng của sản phẩm. Lợi ích do chất lượng cao hơn mang lại cần thể hiện rõ trong khoản thu nhập sau đó, như chúng ta sẽ tâhý ở pầhn sau. Các yếu tố khác chắn chắn cũng có ảnh hưởng tới thu nhập, các yếu tố mà chúng có thể có liên quan tới chương triìn kiểm tra chất lượng, làm cho ta gặp khó khăn hơn trong việc tách biệt sự ảnh hưởng của ch ương trình tới thu nhập. Chẳng hạn, một nhà quản lý mới có thể đưa ra một chương trình kiểm tra chất lượng và nhiều chương trình khác đồng thời có tác động đến thu thập, trong trường hợp đó người ta có thể dễ dàng phạm sai lầm trong việc cho r ằng thu nh ập cao h ơn là do chương trình kiểm tra chất lượng ch ứ không phải là do quản lý mới hoặc do các chương trình khác của nhà quàn lý này. Trong trường hợp khác, người ta có thể đánh giá lợi ích của chương trình kiểm tra chất lượng bàng cách dùng một thước đo có liên quan hệ những lời khiếu n ại c ủa khách hàng hoặc nhưng sàn phẩm bị trả lại, và hồi quy biến số đó vào chi phí của chương trình và vào các đặc trưng do được khách trong các thời kỳ trước. Về mặt thực hành, sức mạnh của mối quan hệ th ường hay đượ c coi như là một điều khoản cam kết. Phần lớn các công ty Mỹ đã bắt đầu nhận thấy rằng họ đã chi tiêu chưa đủ cho các chương trình kiểm tra chất lượng qua nhi ều năm. DỰ BÁO THỐNG KÊ – SỬ DỤNG CÁC SỐ LIỆU ĐỂ TIÊN ĐOÁN TƯƠNG LAI Chúng ta đã thấy rằng phép phân tích hồi quy giúp cho ta giải thích rõ đượ c các mối quan hệ giữa các biến số. Khi chúng ta có thể phát biểu một nguyên lý
dường như hợp lý dưới dạng một phương trình với mộc biến phụ thuộc vá một tập hợp các biến giải thích độc lập, thì phương pháp bình phương nhất trong phân tích hồi qui sẽ cho từ một ph ương pháp thử và – xác nhận để ướ c lượng các tham số của mô hình và rút ra những suy luận hữu ích về các yếu tố làm cho biến phụ thuộc nhận các giá trị cụ thể. Chừng nào bạn còn chưa xem xét hình 3.1 và thực hiện phép phân tích hồi quy đế xác nhận những điều mà đồ thị gợi ý thì vẫn chưa thể làm cho bạn thấy ràng ngày thứ sáu và thời gian đầu và cuối của một ngày làm việc chính là những vấn đề đáng đượ c chú trọng. Cuối cùng, chúng ta có thể đã phạm sai lầm về cấu trúc của mô hình. Nó có thế không phải là tuyến tính; nó có thể gồm nhiều hơn một phương trình đơn nhất; và các biến giải thích của mô hình có thể dại điện cho các biến khác không đo lường được. Trong ví dụ của chúng ta, biến số 'Thứ sáu" tiêu biểu cho những hành vi nào đó của những người đang làm việc trên dây chuyền sản xuất, những hành vi có liên quan tới ngày thứ sáu và có lẽ cả với các sự kiện khác nữa. Ngay cả với những cách thể hiện lệch lạc như vậy, mô hình bởi quy vẫn có thể là một cách thức cực kỳ hữu ích để giải thích các quan hệ giữa các biến số mà chúng ta chắc chắn có số liệu. Dự báo chất lượng Việc phân tích hồi quy còn hữu ích nhiều hơn so với việc gi ải thích các mối quan hệ giữa các biến số đáng quan tăm; nó còn hữu ích cho việc dự ỏáơ. Nếu bạn không có một cơ sớ nào khác cho việc dự báo kết quà của việc kiểm định kiểm tra chất lượng vê độ rung của sàn phẩm theo thời gian trong ngày và theo ngày trong tuần, thỉ kết qu ả h ồi quy theo ph ương trình (2) là y = 0,060681 + 0,06067x1 – 0,00351x2 cũng có thể được sử dụng để làm cơ sở cho việc dự báo kết quá kiểm định của tuần tiếp theo; d ự báo đó đượ c cho trong hình 3.3.
Hình 3.3. Dự báo kiểm tra chất lượng Tất nhiên, có số liệu cho nhiều hơn một tuần thi t ốt h ơn. Chính vì có nhiều số liệu hơn sẽ tăng cường đượ c khả năng của chúng ta trong việc giải thích các mối quan hệ giữa các biến số một cách tin cậy hơn, các số liệu cùng căng cườ ng khả năng của chúng ta để dự báo hoặc dự đoán các biến phụ thuộc một cách chính xác hơn. Các số liệu bổ sung có xu hướng tăng cường độ chính xác của các dự báo bàng cách giảm cà các sai lầm ngẫu nhiên lắp phi – ngẫu nhiên. Số liệu cảng nhiều thỉ sai lầm ngẫu nhiên càng ít bới vì các ướ c lượng trở nên chính xác hơn phương sai của phân bộ của các giá trị dự báo có xu thế giảm đi khi số quan sát được dùng để đưa ra phương trình hồi quy, tăng thêm. Các số liệu bổ sung cũng có thể làm giảm những sai lầm phi ngáu nhiên bằng cách đưa ra những ước lượng ít thiên lệch hơn. Trong ví dụ của chúng ta, có thể có một chu kỳ chất lượng trong vòng một tháng hoặc một năm. Chẳng hạn như ảnh hưởng cu ối tháng hoặc ảnh hưởng theo mùa mà chúng ta không thể biết được nếu chỉ có các số liệu của mỗi tuần. Kết quả hồi quy của chúng ta, dựa trẽn một tuần số liệu, s ẽ tạo ra nh ững ước lượng tham số thiên lệch đối với một tuần lễ thuộc giai đoạn khác của chu kỳ theo tháng hoặc theo mùa. Dự đoán doanh thu