Demand Forecasting Dự báo nhu cầu Quản trị Logistics

Chia sẻ: Nguyễn Nguyên Nguyễn | Ngày: | Loại File: PDF | Số trang:18

Thêm vào BST

Báo xấu

359
lượt xem 21
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Definition : The function of recognizing and managing all demand for products (Định nghĩa: Chức năng nhận biết và quản lý tất cả các nhu cầu về sản phẩm). Period (Thời kỳ) Long term (Dài hạn) Medium term (Trung hạn).

Chủ đề:

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

Lưu

Nội dung Text: Demand Forecasting Dự báo nhu cầu Quản trị Logistics

Demand Forecasting Dự báo nhu cầu Quản trị Logistics
Demand Management (Quản lý nhu cầu) • Definition : The function of recognizing and managing all demand for products (Định nghĩa: Chức năng nhận biết và quản lý tất cả các nhu cầu về sản phẩm) Period Objective (Thời kỳ) (Mục tiêu) Long term Strategic business planning (ex) facilities (Dài hạn) (Phương tiện xây dựng chiến lược kinh doanh) Medium term Aggregate demand for production planning (Trung hạn) (Tổng hợp nhu cầu về lập kế hoạch sản xuất) Short term Items associated with Master production Scheduling (Ngắn hạn) (Các hạng mục liên quan đến quản lý kế hoạch sản xuất) • Four Major Activity : (4 hoạt động chính) – Forecasting (Dự báo) – Order processing (Xử lý đặt hàng) – Making delivery promises (Available-to-Promise) (Cam kết giao hàng)(Sẵn sàng cam kết) – Interfacing between Manufacturing planning and control and the marketplace (Phân cách giữa kế hoạch sản xuất và kiểm soát và thị trường) Production Planning (Xây dựng kế hoạch sản xuất) Marketplace Demand MGT (Thị trường) (Nhu cầu MGT) Master Production Sch
Demand Forecasting (Dự báo nhu cầu) Level Horizon Purpose Example Level Review (Cấp độ) (Thời gian) (Mục đích) (Ví dụ) detail (Xét duyệt lại) (Mức chi tiết) Strategic 2-10yr To plan for those things that Plant expansion, Low Quarterly or Business plan (2-10 năm) take long to change capital equipment (Thấp) yearly (Kế hoạch (Lập kế hoạch cho các vấn đề purchase (Theo quý chiến lược cần nhiều thời gian để thay (Mở rộng nhà hoặc theo năm) kinh doanh) đổi) máy, mua thiết bị, vốn) Production 1-3yr For groups or families of Budgets, labor Med Monthly planning (1-3 năm) products planning (Trung (Theo tháng) (Lập kế (Cho một nhóm sản phẩm) (Lập kế hoạch lao bình) hoạch sản động, ngân sách) xuất) Master 2-3month For specific end items Individual item High Weekly Production (2-3 tháng) (Cho hạng mục cuối cụ thể) inventory levels (Cao) (Hàng tuần) Scheduling (Hạng mục hàng (Quản lý kế lưu kho riêng rẽ) hoạch sản xuất)
Typical Demand Patterns (Các dạng nhu cầu tiêu biểu) • Demand Patterns: (Các dạng nhu cầu) – Trend variations: either increasing or decreasing (Biến thiên theo xu hướng: cả tăng hoặc giảm) – Cyclical variations: wavelike movements that are longer than a year ( Biến thiên theo chu kỳ: các dao động dạng sóng dài hơn 1 năm) – Seasonal variations: show peaks and valleys that repeat over a consistent interval such as hours, days, weeks, months, years, or seasons ( Biến thiên có tính mùa vụ : đỉnh hoặc phần lõm lặp đi lặp lại qua các khoảng thời gian cố định như giờ, ngày, tuần, tháng, năm hoặc mùa) – Random variations: due to unexpected or unpredictable events ( Biến thiên ngẫu nhiên: do các sự kiện xảy ra ngoài dự kiến hoặc không dự đoán trước được.)
Demand Over Time Example (Ví dụ về nhu cầu theo thời gian) Figure 8.2 Demand over time (Hình 8.2 Nhu cầu theo thời gian)
Principles of Forecasting & Data Collection (Nguyên tắc dự báo & thu thập dữ liệu) • Basic Principles of forecasting (Các nguyên tắc cơ bản về dự báo) – Forecasts are almost always wrong (Dự báo thường sai) – Forecasts are more accurate for large groups of items than for individual items in a group (Dự báo cho nhóm lớn các hạng mục chính xác hơn so với dự báo về các hạng mục đơn lẻ trong 1 nhóm) – Every forecast should include an estimate of error (Tất cả các dự báo nên bao gồm xác suất sai số) – Forecasts are more accurate for nearer periods of time (Dự báo trong khoảng thời gian gần hơn sẽ chính xác hơn) • Basic Principles of Data Collection (Các nguyên tắc cơ bản về thu thập dữ liệu) – Record data in the same terms as needed for the forecast (Ghi các dữ liệu trong các hạng mục giống nhau đề phòng trường hợp cần dùng cho dự đoán ) – Record the circumstances relating to the data (Ghi các trường hợp liên quan đến dữ liệu) – Record the demand separately for different customer groups (Ghi nhu cầu cho từng nhóm người tiêu dùng riêng biệt) – Demand quantities is not always equal to shipment quantities (Số lượng nhu cầu không luôn luôn tương đương với số lượng lô hàng)
Forecasting Techniques (Các kỹ thuật dự báo) • Qualitative (Định tính) –Generally used when data are limited, unavailable, or not currently relevant. Forecast depends on skill & experience of forecaster(s) & available information. (Thường được sử dụng khi dữ liệu bị hạn chế, không sẵn có hoặc tạm thời không tương ứng. Dự báo phụ thuộc vào kỹ năng và kinh nghiệm của người dự báo cũng như thông tin sẵn có) –qualitative models used are: (Các mô hình định tính được sử dụng) 1.Jury of executive opinion (Management Estimate) (Sự đánh giá của người điều hành (quản lý đánh giá) 2.Delphi method (Structured group) (Phương pháp dự trắc Delphi (Nhóm cấu trúc) 3.Sales force composite (Phương pháp tổng hợp ý kiến người bán hàng) 4.Consumer survey (Market Research) (Khảo sát người tiêu dùng (Nghiên cứu thị trường) 5.Historical Analogy (phương pháp tương đồng quá khứ) •Quantitative (Định lượng) –Extrinsic : A forecast based on a correlated „Leading indicator‟ (Ngoại vi: Dự báo dựa vào “chỉ báo khuynh hướng” tương quan) • (ex1) Sales of bricks are proportional to housing starts (Ví dụ 1: Doanh thu bán gạch tỷ lệ thuận với nhà ở) • (ex2) Sales of automobile tires are proportional to gasoline consumptions (Ví dụ 2: Doanh thu bán lốp xe máy tỷ lệ thuận với mức tiêu thụ xăng) –Intrinsic : the use of historical data to create forecast (Nội tại: sử dụng dữ liệu lịch sử đề dự báo) • Simple Moving Average Forecasting (Dự báo bình quân di động đơn thuần) • Weighted Moving Average Forecasting (Dự báo bình quân di động có trọng số) • Exponential Smoothing Forecasting (Dự báo san bằng hàm số) • Trend Adjusted Exponential Smoothing Forecasting (Dự báo san bằng hàm mũ cho điều chỉnh xu hướng) • Linear Trend Forecasting (Dự báo xu hướng theo đường thẳng)
Moving Average (Bình quân di động) • Take the average demand for a defined number of past periods (Tính nhu cầu trung bình cho các thời kỳ trước ) • Forecast will lag behind Trends, Seasonality or other cyclicality (Dự báo sẽ tụt lại sau xu hướng, tính thời vụ hoặc các chu kỳ khác) • Works well when demand is fairly stable over time (Có hiệu quả khi nhu cầu tương đối ổn định theo thời gian) t  Ai Ft+1 =forecast for period t+1 (Ft+1 = Dự báo cho thời kỳ t + 1) n =number of periods used to calculate moving average (n = Số thời kỳ sử dụng để tính bình quân di động) Ft 1  i t  n 1 Ai =actual demand in period I (Ai = Nhu cầu thực tế trong thời kỳ n I) Ft+1 = Forecast for period t+1 (Ft+1 = Dự báo cho thời kỳ t + 1) t n =number of periods used in determining the moving average Ft 1  w A (n = Số thời kỳ được dùng để quyết định bình quân di động) Ai = actual demand in period I i i (n = Nhu cầu thực tế trong thời ky I) i t  n 1 wi = weight assigned to Period i(wi = 1) (wi = Trọng lượng phân chia cho thời kỳ i (wi = 1) • Example 1. Demand over the past three months has been 120, 135, 114 units. Using a three month moving average, calculate the forecast for the fourth month. (Ví dụ 1: nhu cầu cho 3 tháng trước là 120, 135, 114 đơn vị. Dùng bình quân di động cho 3 tháng, tính dự báo cho tháng thứ 4)
Exponential Smoothing (San bằng hàm số) • A type of weighted moving average forecasting techniques (Một dạng kỹ thuật dự báo bình quân di động có trọng số) • The heaviest weight is assigned to the most recent data ???? (Trọng số nặng nhất được phân bố cho dữ liệu gần nhất) Ft+1 = Ft + (At-Ft) Ft+1 = forecast for Period t + 1 (Ft+1 = Dự báo cho thời kỳ t + 1) = At + (1 – ) Ft Ft = forecast for Period t (Ft = Dự báo cho thời kỳ t) At = actual demand for Period t (Ft = Nhu cầu thực tế cho thời kỳ t) = a smoothing constant (0 ≤  ≤1). ( = Hằng số san bằng (0 ≤  ≤1) • Example 2. The old forecast for May was 220, and the actual demand for May was 190. If  is 0.15, calculate the forecast for June. If June demand turns out to be 218, calculate the forecast for july (Ví dụ 2: Dự báo cũ cho tháng 5 là 220 và nhu cầu thực tế cho tháng 5 là 190. Nếu  là 0.15, hãy tính dự báo cho tháng 6. Nếu nhu cầu cho tháng 6 là 218, hãy tính dự báo cho tháng 7)
Impact of The Value of (Tác động của giá trị )   Figure 8.5 Exponential forecast where trend exists (HÌnh 8.5 Dự báo theo hàm mũ tại nơi xu hướng tồn tại)
Trend Adjusted Exponential Smoothing (San bằng hàm mũ cho điều chỉnh xu hướng) • A higher value of  indicates greater emphasis on recent trend changes (Chỉ số  có giá trị càng cao càng nhấn mạnh vào sự thay đổi trong xu hướng gần đây) Ft = exponentially smoothed average in Period t Ft = At + (1 - ) (Ft-1 + Tt-1), (Ft = giá trị trung bình được san bằng hàm mũ trong th Tt = (Ft - Ft-1) + (1 - )Tt-1, At = actual demand in Period t (At = Nhu cầu thực tế tại thời kỳ t) TAFt+1 = Ft + Tt. Tt = exponentially smoothed trend in Period t (Tt = Xu hướng được san bằng hàm mũ tại thời kỳ t) = smoothing constant (0 ≤  ≤ 1) (Tt = = hằng số san bằng (0 ≤  ≤ 1) ß = smoothing constant for trend (0 ≤ ß ≤ 1) (ß = Hằng số san bằng cho xu hướng (0 ≤ ß ≤ 1) • Example. Calculate the forecast for period 4 using the trend-adjusted exponential smoothing method. Assume the smoothed average for the series in period 2 is 1,600 and smoothed trend is 300. Also, the actual demand for march was 2000. Use =0.3, =0.4. (Ví dụ: tính dự báo cho thời kỳ 4 sử dụng phương pháp san bằng hàm mũ cho điều chỉnh xu hướng. Giả sử giá trị trung bình san bằng cho dãy? Series trong thời kỳ 2 là 1600 và xu hướng san bằng là 300, nhu cầu thực tế cho tháng 3 là 2000. Sử dụng =0.3, =0.4)
Seasonality (Tính thời vụ) • Seasonal Index=period average demand/average demand for all periods =period average demand/deseasonalized demand (Chỉ số thời vụ = nhu cầu trung bình trong thời kỳ/nhu cầu trung bình trong tất cả thời kỳ = nhu cầu trung binh trong thời ký/ nhu cầu không theo mùa vụ) • Seasonal demand=(Seasonal index) X (deseasonalized demand) (Nhu cầu mùa vụ = (chỉ số mùa vụ) X (nhu cầu không theo mùa vụ) Year Quarter (Năm) (Quý) 1 2 3 4 Total (Tổng) 2007 122 108 81 90 401 2008 130 100 73 96 399 2009 132 98 71 99 400 Average 128 102 75 95 400 (Bình quân) EX1 : The Company with the following seasonal index forecasts an annual next year of 420 units. Calculate the forecast for quarterly sales. (Ví dụ 1: Công ty với chỉ số mùa vụ như sau dự báo thường niên 420 đơn vị cho năm sau. Tính dự báo cho doanh số bán theo quý.)
Seasonality (Tính thời vụ) • (Ex2) A Company selling tennis rackets has a January demand of 5200 units and a July demand of 24000units. If the seasonal index for January were 0.5 and for June were 2.5, Calculate the deseasonalized January and July demand. How do the two months compare? (Ví dụ 2: một công ty bán vợt tennis có nhu cầu cho tháng 1 là 5200 đơn vị và cho tháng 7 là 24000 đơn vị. Nếu chỉ số thời vụ cho tháng 1 là 0.5 và cho tháng 6 là 2.5, tính nhu cầu không theo thời vụ của tháng 1 và tháng 7. So sánh 2 tháng.) • (Ex3) A company uses exponential smoothing to forecast demand for its products. For April, the deseasonalized forecast was 1000, and the actual seasonal demand was 1250 units. The seasonal index for April is 1.2 and for May is 0.7. If  is 0.1, calculate: (Ví dụ 3: Một công ty sử dụng san bằng hàm mũ để dự báo nhu cầu cho sản phẩm. Dự báo không theo thời vụ cho tháng 4 là 1000, nhu cầu thực tế theo mùa vụ là 1250 đơn vị. Chỉ số mùa vụ cho tháng 4 là 1.2 và cho tháng 5 là 0.7. Nếu  là 0.1, hãy tính:) – The deseasonalized actual demand for April (Nhu cầu thực tế không theo thời vụ cho tháng 4) – The deseasonalized May forecast (Dự báo không theo thời vụ cho tháng 5) – The seasonal forecast for May (Dự báo theo thời vụ cho tháng 5)
Forecast Accuracy (Độ chính xác của dự báo) • Basic rule – assume the forecast is incorrect. The key issue: “How incorrect is it and what do we do about it?” (Nguyên tắc cơ bản – giả sử dự báo là sai. Vấn đề chính là : “Dự báo sai thế nào và chúng ta làm gì với dự báo đó?”) • The error can be used to: (Các lỗi thường là:) – Evaluate and possibly change forecasting methodology (Đánh giá và thay đổi phương pháp dự báo) – Apply buffer stock or capacity to account for possible error (Áp dụng hàng trữ đệm hoặc khả năng để giải thích cho sai số có thể xảy ra) • The formula for forecast error, defined as the difference between actual quantity and the forecast, follows: (Công thức cho sai dự báo được định nghĩa là sự sai biệt giữa số lượng Thực tế và dự báo như sau) Forecast error, et = At - Ft (Sai số dự báo, et = At - Ft ) Where (Trong đó) et = forecast error for Period t (et = sai số dự báo cho thời điểm t) At = actual demand for Period t (At = nhu cầu thực tế cho thời điểm t) Ft = forecast for Period t (Ft = dự báo cho thời điểm t) Several measures of forecasting accuracy follow: (Các cách đo lường cho độ chính xác của dự báo như sau:) – Mean absolute deviation (MAD)- a MAD of 0 indicates the forecast exactly predicted demand. (Độ lệch tuyệt đối trung bình (MAD): MAD bằng 0 chỉ ra rằng dự báo dự đoán chính xác nhu cầu) – Mean absolute percentage error (MAPE)- provides perspective of the true magnitude of the forecast error. (Sai số phần trăm tuyệt đối trung bình (MAPE) đưa ra triển vọng của độ lớn của sai số dự báo) – Mean squared error (MSE)- analogous to variance, large forecast errors are heavily penalized (Sai số bình phương trung bình (MSE): tương tự như phương sai, sai số dự báo lớn bị phạt nặng) Running sum of forecast error (RSFE) (Tổng sai số dự báo) Tracking Signal (TS) (Tín hiệu theo dõi )
Forecast Accuracy (Độ chính xác của dự báo) Which one is the most accurate forecast ? (Dự báo nào chính xác nhất?) Product B 1 2 3 4 5 Forecast 100 100 100 100 100 Sales 90 120 85 115 90 Product A 1 2 3 4 5 Forecast 100 105 110 115 120 Sales 105 108 119 118 125 Product C 1 2 3 4 5 Forecast 100 100 100 100 100 Sales 101 99 100 99 101 Which one is the most accurate forecast ? (Dự báo nào chính xác nhất?) Product A 1 2 3 4 5 Forecast 100 105 110 115 120 Sales 105 108 119 118 125 MSE 5 3 9 3 5 RSFE 5 3 9 3 5 Product B 1 2 3 4 5 Forecast 100 100 100 100 100 Sales 90 120 85 115 90 MSE 10 20 15 15 10 RSFE -10 20 -15 15 -10
Forecast Accuracy (Độ chính xác của dự báo) Which one is the most accurate forecast ? (Dự báo nào chính xác nhất?) Product X 1 2 3 4 5 Forecast 100 100 100 100 100 Sales 92 122 90 112 98 MSE 8 22 10 12 2 RSFE -8 22 -10 12 -2 TS 3 Product X 1 2 3 4 5 Forecast 100 105 110 115 120 Sales 105 108 119 118 125 MSE 5 3 9 3 5 RSFE 5 3 9 3 5 TS 3
Forecast Accuracy (Độ chính xác của dự báo) •The Demand and forecast for the XYZ Company over a twelve-month period is shown in the following table. Calculate the MAD, the MSE, the MAPE, and the tracking signal. Assume that the control limits for the tracking signal +-3. What can we conclude about the quality of forecasts? (Nhu cầu và dự báo cho công ty XYZ trong 12 tháng được biểu thị ở bảng sau. Tính MAD, MSE, MAPE và tín hiệu theo dõi. Giả sử giới hạn kiểm soát cho tín hiệu theo dõi là +-3, chúng ta có thể kết luận gì về chất lượng của dự báo?) Period Demand Forecast Error Absolute Error E*E Absolute%Error 1 1600 1523 77 77 5929 4.8 2 2200 1810 390 390 152100 17.7 3 2000 2097 -97 97 9404 4.9 4 1600 2382 -783 783 613089 48.9 5 2500 2670 -170 170 28900 6.8 6 3500 2957 543 543 294849 15.5 7 3300 3243 57 57 3249 1.7 8 3200 3530 -330 330 108900 10.3 9 3900 3817 83 83 6889 2.1 10 4700 4103 597 597 356409 12.7 11 4300 4390 -90 90 8100 2.1 12 4400 4677 -277 277 76729 6.3 Sum 0 3494 1664552 133.9 Average 0 291.1667 138713 11.158 RSFE MAD MSE MAPE
Chân thành cảm ơn sự theo dõi của các bạn! Quản trị Logistics Arnold, Chapman, & Clive: Intro Materials © 2008 Pearson Education, Upper Saddle River, NJ 07458. Management, 6th ed. All Rights Reserved.