Dự báo nhu cầu tồn kho

Chia sẻ: Ngo Lan | Ngày: | Loại File: DOC | Số trang:46

Thêm vào BST

Báo xấu

163
lượt xem 11
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Sau khi nghiên cứu chương này, người học có thể trình bày được các phương pháp dự báo; so sánh được ưu nhược điểm và trường hợp vận dụng của các phương pháp dự báo; áp dụng được các công thức để giải quyết các dạng bài toán dự báo; tính và phân tích được các thông số kiểm soát dự báo. Mời các bạn tham khảo nội dung chi tiết của tài liệu.

Chủ đề:

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

Lưu

Nội dung Text: Dự báo nhu cầu tồn kho

DỰ BÁO NHU CẦU Mục tiêu: Sau khi nghiên cứu chương này, người học có thể: Trình bày được các phương pháp dự báo. So sánh được ưu nhược điểm và trường hợp vận dụng của các phương pháp dự báo. Áp dụng được các công thức để giải quyết các dạng bài toán dự báo. Tính và phân tích được các thông số kiểm soát dự báo. 1. KHÁI NIỆM DỰ BÁO Dự báo là ước đoán những khả năng sẽ xảy ra trong tương lai. Dự báo được tiến hành trên cơ sở phân tích khoa học các dữ liệu đã thu thập được. Dự báo có thể dựa trên trực giác hoặc suy đoán chủ quan. Dự báo cũng có thể là sự phối hợp của những cách trên, nghĩa là phân tích khoa học các dữ liệu để có kết quả rồi dùng phán xét kinh nghiệm của người quản trị để điều chỉnh lại. Dự báo vừa là một khoa học và là một nghệ thuật. Dự báo không bao giờ đảm bảo 100% độ chính xác vì nó luôn hàm chứa tính rủi ro. Mục tiêu của dự báo là tối thiểu hóa sai lệch giữa thực tế và dự báo. Dự báo có vai trò đặc biệt quan trọng trong hoạt động cung ứng. Nó giúp giảm chi phí hoạt động, tăng năng suất, tăng hiệu quả hoạt động cung ứng, nói riêng, hoạt động sản xuất kinh doanh của doanh nghiệp, nói chung. Dự báo giúp ước tính được số lượng sản phẩm cần sản xuất, từ đó xác
định nhu cầu nguyên vật liệu, lập được kế hoạch cung ứng, dự trữ nguyên vật liệu. Nếu dự báo không chính xác có thể gây ra cạn dự trữ, thiếu hụt nguyên vật liệu, phản ứng kém với những biến động của thị trường, sụt giảm doanh số, giảm lợi nhuận (dự báo thiếu), tăng chi phí tồn kho (dự báo dư) 2. CÁC PHƯƠNG PHÁP DỰ BÁO Có hai nhóm phương pháp dự báo: dự báo định tính và dự báo định lượng. Các phương pháp dự báo định tính Các phương pháp dự báo định tính là cách dự báo dựa trên trực giác hoặc phán đoán mang tính chủ quan. Phương pháp này phụ thuộc nhiều vào trực giác, kinh nghiệm và sự nhạy cảm của nhà quản trị. Các phương pháp định tính bao gồm: Hội đồng ý kiến của các nhà quản trị Ở phương pháp này, nhóm các nhà quản trị cấp cao những người có kiến thức chuyên sâu về doanh nghiệp, thị trường, môi trường kinh doanh họp bàn lại với nhau để tiến hành dự báo. Phương pháp này có ưu điểm từ việc hội tụ được trí tuệ và kinh nghiệm của những nhà quản trị trực tiếp liên quan đến hoạt động thực tiễn. Tuy nhiên, phương pháp này có nhược điểm là quan điểm của người có quyền lực, có địa vị cao thường gây ảnh hưởng lớn đến những thành viên còn lại. Phương pháp này thường thích hợp với các dự báo dài hạn. Tổng hợp ý kiến của lực lượng bán hàng Mỗi nhân viên bán hàng sẽ ước đoán số lượng sản phẩm bán được trong tương lai đối với khách hàng của mình. Những dự báo này được thẩm định để đoán chắc là nó thực
hiện, sau đó phối hợp các dự đoán của tất cả lực lượng bán hàng để hình thành dự báo của doanh nghiệp. Lực lượng bán hàng là lực lượng tiếp cận sát với khách hàng, hiểu rõ khách hàng nên dự báo có khuynh hướng đáng tin cậy. Tuy nhiên, sai lệch của mỗi cá nhân có thể tác động tiêu cực đến kết quả của phương pháp này. Lượng bán hàng có thể dự báo thấp hơn để hưởng tiền thưởng vượt doanh số hoặc dự báo quá cao do lạc quan. Phương pháp này thường được áp dụng đối với các sản phẩm có khối lượng tiêu thụ lớn và rộng rãi. Khảo sát khách hàng Đây là phương pháp lấy ý kiến của khách hàng hiện tại và tiềm năng cho kế hoạch tương lai của công ty. Việc nghiên cứu được thực hiện bằng nhiều hình thức như tổ chức các cuộc điều tra lấy ý kiến của khách hàng, phỏng vấn trực tiếp, phỏng vấn qua điện thoại, gửi phiếu điều tra tới gia đình hoặc cơ sở tiêu dùng,... Phương pháp này không những giúp cho công tác dự báo mà còn có thể hiểu được những đánh giá của khách hàng về sản phẩm của công ty để cải tiến hoàn thiện cho phù hợp. Tuy nhiên, phương pháp này đòi hỏi tốn kém tài chính, thời gian và cần phải có sự chuẩn bị công phu trong việc xây dựng câu hỏi, lấy mẫu. Đôi khi phương pháp này cũng vấp phải khó khăn là ý kiến của khách hàng không thực sự xác thực hoặc quá lý tưởng. Phương pháp này thường được sử dụng để dự báo cho sản phẩm mới. Phương pháp Delphi Phương pháp Delphi là phương pháp nhóm quá trình thực hiện nhằm bảo đảm việc nhất trí dự báo trên cơ sở tiến hành một cách nghiêm ngặt, năng động, linh hoạt việc nghiên cứu lấy ý kiến của các chuyên gia. Phương pháp này
huy động trí tuệ của các chuyên gia nội bộ và bên ngoài để xây dựng dự báo. Có ba nhóm chuyên gia trong quá trình dự báo theo phương pháp này: (1) những người ra quyết định; (2) những điều phối viên; và (3) những chuyên gia chuyên sâu Phương pháp này được thực hiện theo quy trình sau: Đầu tiên là lựa chọn các nhóm chuyên gia. Sau đó, các điều phối viên xây dựng các câu hỏi điều tra lần đầu, gửi đến các chuyên gia chuyên sâu. Các chuyên gia chuyên sâu sẽ cho ý kiến trả lời. Các điều phối viên phân tích các câu trả lời, tổng hợp kết quả, soạn thảo lại bản câu hỏi gửi cho các chuyên gia chuyên sâu. Các chuyên gia chuyên sâu dựa trên kết quả tổng hợp có thể hiệu chỉnh câu trả lời của mình. Và tiến trình tiếp tục cho đến khi đạt được sự nhất trí hoặc khi kết quả dự báo thỏa mãn những yêu cầu đề ra. Tư tưởng cơ bản của phương pháp Delphi là tạo ra và nhận được ý kiến và phản hồi hai chiều từ người ra quyết định đến các chuyên gia và ngược lại. Phương pháp này tránh được mối liên hệ trực tiếp giữa các cá nhân. Không có các va chạm giữa người này với người khác hoặc bị ảnh hưởng của một người nào đó có ưu thế hơn. Tuy nhiên, phương pháp rất tốn kém cả về thời gian và tiền bạc. Phương pháp đòi hỏi trình độ tổng hợp rất cao của điều phối viên và người ra quyết định. Họ phải là những người có đủ khả năng để tổng hợp được các ý kiến của các chuyên gia và phát triển ý kiến đa dạng của các chuyên gia. Phương pháp này thường được sử dụng cho việc dự báo các công nghệ cao, các sản phẩm chính mới, các dự án lớn và tốn kém,… Các phương pháp dự báo định lượng Phương pháp bình quân giản đơn
Bình quân giản đơn là phương pháp dự báo trên cơ sở lấy trung bình của các dữ liệu đã qua, trong đó các nhu cầu của các giai đoạn trước đều có trọng số như nhau. Công thức tính: t 1 Ai Ft i 1 n Trong đó: + Ft: Là nhu cầu dự báo cho giai đoạn t + Ai: là nhu cầu thực của giai đoạn i + n: là số giai đoạn quan sát (số giai đoạn có nhu cầu thực) Ví dụ: Công ty cao su Sao Vàng có số liệu thống kê về nhu cầu săm lốp xe máy (bộ) trong 3 năm qua là 500.000; 600.000 và 700.000 bộ. Như vậy, nhu cầu dự báo cho năm tới là: 500.000 600.000 700.000 F4 600.000 bộ 3 Phương pháp bình quân di động Trong trường hợp khi nhu cầu có sự biến động, trong đó, thời gian gần nhất có ảnh hưởng nhiều nhất đến kết quả dự báo, thời gian càng xa thì ảnh hưởng càng nhỏ ta dùng phương pháp bình quân di động sẽ thích hợp hơn. Phương pháp bình quân di động, dùng kết quả trên cơ sở thay đổi liên tục khoảng thời gian trước đây dự báo giai đoạn tiếp theo: t n Ai Ft i t 1 n Trong đó: + Ai: là nhu cầu thực của giai đoạn i + n: là số giai đoạn quan sát
Ví dụ: cửa hàng X bán máy nổ D9, đã dùng phương pháp bình quân di động 4 tháng để dự báo mức bán cho các tháng tới như sau: Tháng Số máy nổ D9 Dự báo nhu cầu theo phương thực tế bán pháp bình quân di động cho 4 được tháng 1 405 2 410 3 395 4 450 5 410 (450+395 +410 +405) /4= 415 6 430 (410 + 450 +395 + 410) /4= 416 7 450 (430 + 410 + 450 + 395) /4 = 421 8 461 (450 + 430 + 410 + 450) /4 = 435 9 470 ( 461+ 450 + 430 + 410 ) /4= 438 10 600 (470+ 461 + 450 + 430) /4= 453 11 630 (600 + 470 + 461 + 450) /4= 495 12 610 (630 + 600 + 470 + 461) /4= 540 Ưu điểm của phương pháp là dễ sử dụng và dễ hiểu. Hạn chế của phương pháp là không phản ứng nhanh chóng với xu hướng thay đổi. Phương pháp bình quân di động có trọng số Đây là phương pháp bình quân nhưng có tính đến ảnh hưởng của từng giai đoạn khác nhau đến nhu cầu thông qua sử dụng các trọng số: t n Ft Ai H i i t 1 Trong đó:
+ Ai: là nhu cầu thực của giai đoạn i + Hi: là trọng số của giai đoạn i với H 1 i Ví dụ: Cửa hàng X quyết định áp dụng mô hình dự báo theo bình quân di động 4 tháng có trọng số với các trọng số cho các tháng như sau: Giai đoạn Trọng số áp dụng Tháng vừa qua (giai đoạn gần 0,4 nhất) 0,3 2 tháng trước (giai đoạn gần ở vị 0,2 thứ hai) 0,1 3 tháng trước (giai đoạn gần ở vị thứ ba) 4 tháng trước (giai đoạn gần ở vị thứ tư) Tổng trọng số 1,0 Kết quả dự báo theo mô hình này được thể hiện trong bảng sau: Số máy nổ Dự báo nhu cầu bình quân di động Tháng D9 thực tế cho 4 tháng bán được 1 405 2 410 3 395 4 450 5 410 (450x0,4 + 395x0,3 + 410x0,2 + 405x0,1) = 421 6 430 (410x0,4 + 450x0,3 + 395x0,2 + 410x0,1) = 419
7 450 (430x0,4 + 410x0,3 + 450x0,2 + 395x0,1)= 425 8 461 (450x0,4 + 430x0,3 + 410x0,2 + 450x0,1) = 436 9 470 (461x0,4 + 450x0,3 + 430x0,2 + 410x0,1) = 446 10 600 (470x0,4 + 461x0,3 + 450x0,2 + 430x0,1) = 459 11 630 (600x0,4 + 470x0,3 + 461x0,2 + 450x0,1) = 518 12 610 (630x0,4 + 600x0,3 + 470x0,2 + 461x0,1) = 572 Phương pháp bình quân di động có trọng số cho phép phân tích sâu hơn về số lượng hiện tại để phản ánh sự thay đổi nhu cầu. Trọng số sử dụng lệ thuộc phần lớn vào kinh nghiệm của người dự báo. Mặc dù dự báo phản ánh sự thay đổi nhu cầu nhưng vẫn chưa thể hiện rõ do tác động của bình quân. Vì thế phương pháp bình quân di động có trọng số không phải là phương pháp tốt để kiểm tra và theo dõi những thay đổi mang tính xu hướng của dãy dữ liệu. Phương pháp san bằng mũ giản đơn Để khắc phục những hạn chế của các phương pháp bình quân, người ta đề xuất sử dụng phương pháp san bằng mũ để dự báo. Đây là phương pháp dễ sử dụng nhất. Nó cần ít số liệu nhất trong quá khứ. Công thức cơ bản của san bằng mũ có thể diễn tả như sau: F F t (A t 1 F ) t 1 t 1
Trong đó: + Ft: nhu cầu dự báo cho giai đoạn t + Ft1: nhu cầu dự báo của giai đoạn ngay trước đó. + At1: nhu cầu thực của giai đoạn ngay trước đó. + α: hệ số san bằng mũ, với 0 1 Thực chất của phương pháp san bằng mũ là dự báo mới bằng dự báo cũ cộng với khoảng chênh lệch giữa nhu cầu thực và dự báo giai đoạn đã qua, có điều chỉnh cho phù hợp. Ví dụ: Vẫn số liệu trong dự báo trên, nhưng biết nhu cầu thực trong tháng 1 là 405, ta giả sử dự báo trong tháng 1 cũng đúng bằng 405 và hệ số san bằng mũ là α = 0,9. Áp dụng phương pháp san bằng mũ ta có kết quả dự báo như sau: Tháng Nhu cầu Nhu cầu dự báo với α= 0.9 thực 1 405 405 2 410 405 = 405 + 0,9(405 – 405) 3 395 409.5 = 405 + 0,9( 410 – 405) 4 450 396.5 = 409.5 + 0,9( 395 – 404.5) 5 410 444.6 = 396.5 + 0,9( 450 – 396.5) 6 430 413.5 = 444.6 + 0,9( 410 – 444.6) 7 450 428.5 = 413.5 + 0,9(430 – 413.5) 8 461 448 = 428.5 + 0,9(450 – 428.5) 9 470 460 = 448 + 0,9( 461 – 448) 10 600 469 = 460 + 0,9( 470 – 460) 11 630 587 = 469 + 0,9(600 – 469) 12 700 626 = 587 + 0,9( 630 – 587) Vì mô hình san bằng mũ rất đơn giản nên được sử dụng khá rộng rãi trong các công ty. Tuy nhiên, việc chọn hệ số
san bằng mũ α sao cho thích hợp để đạt được một dự báo chính xác là một vấn đề quan trọng. Phương pháp san bằng mũ có điều chỉnh xu hướng Phương pháp san bằng mũ giản đơn không phản ánh được xu hướng. Để phản ánh tốt xu hướng vận động của nhu cầu, ta sử dụng mô hình san bằng mũ ở trên và điều chỉnh tăng lên hoặc giảm đi theo xu hướng của nhu cầu cho phù hợp hơn. Công thức như sau: FITt Ft Tt Trong đó: + Tt: Hiệu chỉnh xu hướng cho giai đoạn t, tính theo công thức: Tt Tt 1 ( Ft Ft 1 ) + Tt1: Hiệu chỉnh xu hướng cho giai đoạn ngay trước đó. + : Hệ số điều chỉnh xu hướng (0 1) Trở lại với ví dụ trên, lập được dự báo theo san bằng mũ có điều chỉnh xu hướng với = 0,1; = 0,9 như sau: Nhu Dự Dự báo có điều cầu Điều chỉnh xu Tháng báo chỉnh xu hướng thực hướng (Tt) (Ft) (FITt) tế 1 405 405 0 405 2 410 405 0 405 3 395 409,5 0,45 410 4 450 396,5 0,85 395,65
5 410 444,6 3,96 448,6 6 430 413,5 0,85 414,4 7 450 428.5 2,35 431 8 461 448 4,3 452,3 9 470 460 5,5 465,5 10 600 469.0 6,4 475,4 11 630 587 18,2 605,2 12 610 626 22,1 648,1 Phương pháp dự báo theo xu hướng Phép dự báo theo xu hướng giúp chúng ta dự báo nhu cầu trong tương lai dựa trên một tập hợp các dữ liệu có xu hướng trong quá khứ. Kỹ thuật này tìm cách vẽ một đường sao cho phù hợp với các số liệu quá khứ rồi dựa vào đó dự báo nhu cầu của giai đoạn tiếp theo xu hướng của các số liệu đã thống kê thu được. Có thể dùng nhiều hàm phương trình để diễn tả xu hướng (hàm tuyến tính, hàm parabol, hàm hypebol, hàm mũ, …), nhưng để đơn giản, chúng ta sử dụng phương trình hàm tuyến tính. Áp dụng phương pháp bình phương tối thiểu, ta vạch một đường thẳng đi qua các số liệu có sẵn sao cho tổng bình phương các khoảng cách từ số đo đến đường vừa vạch ra theo hướng trục tung (trục biểu diễn nhu cầu) là nhỏ nhất. Nhu cầu (Yt) Thời gian (t)
Phương trình đường tuyến tính có dạng: Yt = a + bt n Yiti n.Y .t b i 1 n 2 2 và a Y b.t t i n.t i 1 n n Yi ti Y i 1 và t i 1 n n
Trong đó: + Yt: Nhu cầu tính cho thời kỳ t. + Yi: Nhu cầu thực của giai đoạn i ( i 1, n ) + n: Số giai đoạn quan sát. Ví dụ: Số liệu tiêu thụ máy biến thế 500 KVA của nhà máy X trong thời gian qua được cho trong bảng sau: Tháng 1 2 3 4 5 6 7 Số máy biến thế 74 79 80 90 105 142 152 Hãy xác định phương trình xu hướng và dự báo nhu cầu tháng tiếp theo. Ta lập bảng tính: Năm thứ Nhu cầu thực ti2 Yiti (ti) (Yi) 1 74 1 74 2 79 4 158 3 80 9 240 4 90 16 360 5 105 25 525 6 142 36 852 7 152 49 1064 ti = 28 Yi =722 ti2 = 140 Yiti = 3273 n ti t 28 i 1 4 n 7 n Yi 722 Y i 1 103 n 7 n Yiti n.Y .t 3273 7 103 4 b i 1 n 14 2 140 7 42 ti2 n.t i 1
a Y b.t 103 14 4 47 Do đó, phương trình xu hướng có dạng: Y = 47 + 14t Nhu cầu cho năm tới: Y = 47 + 14x8 = 159 máy. Dự báo nhu cầu biến đổi theo mùa Có nhiều mặt hàng có nhu cầu biến đổi theo mùa như quần áo, quạt, lò sưởi, du lịch, thuốc tây,… Ví dụ sau đây cho ta biết cách dùng chỉ số mùa vụ để điều chỉnh nhu cầu theo mùa. Kuc kung thuj’
Ví dụ: Nhà máy Điện cơ thống kê được số quạt bán trong thời gian qua như sau: Nhu cầu Nhu cầu thực Nhu cầu bình Thán Chỉ số bình quân quân tháng g Năm Năm mùa vụ tháng giản đơn 1 2 1 0 0 0 1789 0 2 0 0 0 1789 0 3 0 0 0 1789 0 4 800 1100 950 1789 0,5310 5 5500 7300 6400 1789 3,5775 6 7600 8200 7900 1789 4,4159 7 4100 4300 4200 1789 2,3477 8 1500 1600 1550 1789 0.8664 9 400 510 455 1789 0,2543 10 10 12 11 1789 0,0062 11 0 0 0 1789 0 12 0 0 0 1789 0 Tổng nhu cầu bình quân = 21466 Nhu cầu = Nhu cầu tháng + Nhu cầu tháng / 2 bình quân tháng theo năm thứ nhất theo năm thứ hai Nhu cầu bình quân tháng Tổng nhu cầu bình quân 21466 giản đơn = = = 1789 12 12 Nhu cầu bình quân tháng Chỉ số mùa vụ = Nhu cầu bình quân tháng giản đơn Nếu nhu cầu năm thứ 3 được dự báo là 23500 chiếc quạt thì khi dùng chỉ số mùa vụ nói trên, ta sẽ dự báo được nhu cầu hàng tháng trong năm đó:
Tháng Nhu cầu Tháng Nhu cầu 1 (23500/12) x 0 = 0 7 (23500/12) x 2,3477 = 4598 2 (23500/12) x 0 = 0 8 (23500/12) x 0,8664 = 1698 3 (23500/12) x 0 = 0 9 (23500/12) x 0,2543 = 498 4 (23500/12) x 0,5310 10 (23500/12) x 0,0062 = = 1040 12 5 (23500/12) x 3,5775 11 (23500/12) x 0 = 0 = 7006 6 (23500/12) x 4,4159 12 (23500/12) x 0 = 0 = 8648 Trong ví dụ trên, để đơn giản, chúng ta bỏ qua ảnh hưởng của xu hướng và chỉ lấy hai giai đoạn để tính chỉ số mùa vụ cho mỗi tháng. Phương pháp dự báo nhân quả: Hồi quy và phân tích tương quan Mô hình dự báo nhân quả thường nghiên cứu nhiều biến số liên quan đến nhu cầu dự báo. Khi tìm được các biến số có liên quan, người ta xây dựng mô hình và dùng nó để dự báo. Cách tiếp cận này phản ánh được các nhân tố ảnh hưởng đến nhu cầu. Có nhiều nhân tố ảnh hưởng đến nhu cầu. Công việc của nhà quản trị là xây dựng mô hình phản ánh tương quan giữa các nhân tố trên. Mô hình dự báo nhân quả định lượng được dùng phổ biến nhất là Mô hình phân tích hồi quy tuyến tính. Trong mô hình phân tích hồi quy tuyến tính, biến phụ thuộc là nhu cầu Y và biến độc lập là x. Phương trình dự
báo giống như phương trình dự báo xu hướng, nhưng nhân tố thời gian t được thay bằng các nhân tố x. Y = a + bx Trong đó: + Y: trị số của biến phụ thuộc (nhu cầu dự báo) + a: tung độc gốc (điểm cắt trục Y của đồ thị). + b: độ dốc của đường hồi quy. + x: biến độc lập. 3. KIỂM SOÁT DỰ BÁO Mục tiêu cơ bản của bất kỳ dự báo nào là có được dự báo chính xác và không sai lệch. Chi phí liên quan đến sai số dự báo có thể là rất lớn. Các doanh nghiệp phải thực hiện kiểm soát sai số dự báo thật tốt và làm những việc cần thiết để cải thiện kỹ thuật dự báo của họ. Công thức tính sai số dự báo được định nghĩa là phân sai giữa số lượng thực tế và dự báo như sau: Sai số dự báo: e A F t t t Trong đó: + et : sai số dự báo cho giai đoạn t + At : Nhu cầu thực tế của giai đoạn t + Ft : Nhu cầu dự báo cho giai đoạn t Một vài tiêu chí đánh giá tính chính xác của dự báo thường được sử dụng: Độ lệch tuyệt đối trung bình n et MAD t 1 n MAD là một tiêu chí được sử dụng rộng rãi để đánh giá tính chính xác của dự báo và để so sánh các phương pháp dự báo.
MAD = 0: dự báo phản ánh chính xác nhu cầu qua các giai đoạn dự báo. MAD > 0: kết quả của dự báo hoặc là cao, hoặc là thấp hơn nhu cầu. Khi so sánh các kỹ thuật dự báo thì kỹ thuật dự báo chính xác nhất khi giá trị của MAD nhỏ nhất. Sai số phần trăm tuyệt đối trung bình (MAPE) n 1 et MAPE (100) n t 1 At MAPE đem lại một nét nhìn chính xác về mức thực của sai số dự báo Sai số bình phương trung bình (MSE) n 2 et MSE t 1 n Sai số bình phương trung bình là tương tự như phương sai trong thống kê. MSE càng lớn là càng không tốt. Tổng sai số dự báo (RSFE) n RSFE et t 1 RSFE là tiêu chí thể hiện độ dốc của dự báo. Độ dốc của dự báo đánh giá xu hướng của dự báo là cao hơn hay thấp hơn so với nhu cầu. RSFE > 0: dự báo thường quá thấp (nhu cầu dự báo thường thấp hơn thực tế và xảy ra tình trạng cạn dự trữ). RSFE
RSFE TS MAD Tín hiệu theo dõi dương, báo cho biết nhu cầu thực tế lớn hơn nhu cầu dự báo. Tín hiệu theo dõi âm, báo cho ta biết nhu cầu thực tế nhỏ hơn nhu cầu dự báo. Tín hiệu dự báo tốt khi có RSFE thấp và có sai số âm. Nói cách khác, có độ lệch nhỏ đã là tốt rồi, nhưng các sai số dương và âm cân bằng lẫn nhau để cho đường tâm của tín hiệu theo dõi nằm quanh số không. Để kiểm soát một cách tốt nhất các kết quả dự báo, doanh nghiệp nên đưa ra các giới hạn kiểm soát dự báo. Một khi tín hiệu dự báo vượt quá giới hạn trên hoặc dưới là rơi vào tình trạng báo động. Điều đó có nghĩa là dự báo của doanh nghiệp đang có vấn đề và nhà quản trị cần đánh giá lại phương pháp dự báo nhu cầu của mình. Giới hạn kiểm soát trên + TS = 0 Giới hạn kiểm soát dưới Tín hiệu theo dõi đáng báo động BÀI TẬP ÔN TẬP Bài 1:
Nhu cầu về sản phẩm máy phát điện của doanh nghiệp An Kha tăng lên nhanh chóng trong những năm vừa qua và được thể hiện qua bảng sau: Năm 1 2 3 4 5 6 Sản phẩm 45 50 52 56 58 ? Dự báo nhu cầu năm thứ nhất (1) là 41 sản phẩm. 1. Sử dụng phương pháp bình quân di động 3 năm để xác định nhu cầu dự báo năm thứ 4, 5, 6. 2. Sử dụng phương pháp san bằng mũ để tìm nhu cầu dự báo từ năm thứ 2 đến năm thứ 6 với hai hệ số san bằng mũ 1 = 0,6 và 2 = 0,9. 3. Sử dụng phương pháp san bằng mũ có điều chỉnh xu hướng để xác định nhu cầu dự báo từ năm 2 đến năm thứ 6 với = 0,4 và T1 = 0. 4. Nếu dùng hệ số MAD làm tiêu chuẩn để đo lường mức độ chính xác của dự báo thì phương pháp nào tốt nhất. Bài 2: Trong 2 năm qua, Công ty thương mại Hoàng Duy tiêu thụ bình quân 1000 sản phẩm A mỗi năm. Sản phẩm tiêu thụ phân theo mùa trong 2 năm qua như sau: 200 và 250 vào mùa thu; 300 và 350 vào mùa đông; 150 và 165 vào mùa xuân; 300 và 235 vào mùa hè. Với kế hoạch mở rộng hoạt động tiêu thụ, lãnh đạo Công ty hi vọng rằng năm sau sản lượng bán ra là 1200 sản phẩm A. Hãy ước tính lượng nhu cầu tiêu thụ trong từng mùa cho năm nay (năm thứ ba). Bài 3: Cửa hàng bán xe máy Tùng Phương có số thống kê doanh số bán ra trong 12 quý (3 năm) vừa qua như sau: Năm Quý 1 2 3