Quản trị chuỗi cung ứng - Chương 7: Dự báo nhu cầu trong chuỗi cung ứng

Chương 7: Dự báo nhu cầu trong chuỗi cung ứngQuản trị chuỗi cung ứng7-*7-*Nội dung chươngVai trò của dự báo trong chuỗi cung ứngCác đặc điểm của dự báoNội dung của dự báo và các phương pháp dự báoCác cách tiếp cận cơ bản đối với dự báo nhu cầuPhương pháp dự báo chuỗi thời gianĐo lường sai số dự báo7-*Vai trò của dự báo trong chuỗi cung ứngCơ sở cho các quyết định hoạch định và chiến lược trong chuỗi cung ứngĐược sử dụng cho cả tiến trình đẩy và kéoVí dụ:Sản xuất: kế hoạch tiến độ, tồn kho, hoạch định tổng hợpMarketing: phân bổ lực lượng bán, khuyến mại, giới thiệu sản phẩm mớiTài chính: đầu tư máy móc/nhà xưởng, hoạch định ngân sáchNhân sự: kế hoạch nhân sự, tuyển dụng, sa thảiTất cả các quyết định trên quan hệ mật thiết với nhau7-*Các đặc điểm của dự báoDự báo thường sai. Nên bao gồm giá trị kỳ vọng và đo lường sai số.Dự báo dài hạn ít chính xác hơn dự báo ngắn hạn (thời gian dự báo là quan trọng)Dự báo tổng hợp là chính xác hơn dự báo tách rời7-*Các phương pháp dự báoĐịnh tính: dựa vào đánh giá và ý kiếnChuỗi thời gian: chỉ sử dụng nhu cầu quá khứTĩnh Thích ứngNguyên nhân và kết quả: sử dụng mối quan hệ giữa nhu cầu và các nhân tố khác để xây dựng dự báoMô phỏng7-*Nội dung chủ yếuNhu cầu quan sát (O) =Thành phần hệ thống (S) + thành tố ngẫu nhiên (R)Mức độ (nhu cầu phi mua vụ hiện tạiXu hướng (nhu cầu tăng trưởng hoặc giảm)Mùa vụ (sự thay đổi theo mùa vụ) Nhân tố hệ thống: giá trị kỳ vọng của nhu cầu Nhân tố ngẫu nhiên: phần của dự báo biến động so với nhân tố hệ thống Sai số dự báo: sự khác biệt giữa dự báo và nhu cầu thực 7-*Dự báo chuỗi thời gianDự báo nhu cầu cho4 quý đến.7-*Dự báo chuỗi thời gian7-*Các phương pháp dự báoTĩnh Thích ứngBình quân trượtSan bằng mũ đơn giảnMô hình Holt (với xu hướng)Mô hình Winter (với xu hướng và mùa vụ)7-*Cách tiếp cận cơ bản đối với dự báoHiểu được mục tiêu của dự báoHoạch định nhu cầu tổng hợp và dự báoXác định các nhân tố chính ảnh hưởng đến dự báo nhu cầuHiểu và nhận diện phân đoạn khách hàngXác định kỹ thuật dự báo phù hợpTiến hành dự báo và đánh giá sai số dự báo7-*Các phương pháp dự báo chuỗi thời gianMục tiêu là dự báo được thành tố hệ thống của nhu cầuPhức tạp: (mức độ)(xu hướng)(nhân tố mùa vụ)Cộng thêm: mức độ + xu hướng + nhân tố mùa vụTổng hợp: (mức độ + xu hướng)(nhân tố mùa vụ)Các phương pháp tĩnhDự báo thích ứng7-*Các phương pháp tĩnhGiả sử dùng mô hình tổng hợp:Thành tố hệ thống = (mức độ + xu hướng)(nhân tố mùa vụ)Ft+l = [L + (t + l)T]St+l= dự báo cho giai đoạn t đối với nhu cầu trong giai đoạn t + lL = mức ước tính cho giai đoạn 0T = ước tính cho xu hướngSt = ước tính cho nhân tố mùa vụ cho giai đoạn tDt = nhu cầu thực cho giai đoạn tFt = nhu cầu dự báo cho giai đoạn t7-*Các phương pháp tĩnhDự báo mức độ và xu hướngDự báo nhân tố mùa vụ7-*Dự báo mức độ và xu hướngTrước khi dự báo mức độ và xu hướng, phải loại bỏ tính mùa vụ trong dữ liệu nhu cầuNhu cầu phi mùa vụ = nhu cầu quan sát khi không có sự hiện diện của tính biến động mùa vụGiai đoạn (p) Số giai đoạn mà sau đó chu kỳ mùa vụ lặp lạiĐối với ví dụ sau p = 47-*Dự báo chuỗi thời gianDự báo nhu cầu cho4 quý đến.7-*Dự báo chuỗi thời gian7-*Phi mùa vụ nhu cầu [Dt-(p/2) + Dt+(p/2) + S 2Di] / 2p đối với p chẵnDt = (tổng là từ i = t+1-(p/2) to t-1+(p/2)) S Di / p đối với p lẻ (tổng là từ i = t-(p/2) to t+(p/2)), p/2 làm tròn thành số nguyên nhỏ hơn7-*Phi mùa vụ nhu cầuĐối với ví dụ trên, p = 4 là số chẵnĐối với t = 3:D3 = {D1 + D5 + tổng(i=2 đến 4) [2Di]}/8= {8000+10000+[(2)(13000)+(2)(23000)+(2)(34000)]}/8= 19750D4 = {D2 + D6 + tổng(i=3 đến 5) [2Di]}/8= {13000+18000+[(2)(23000)+(2)(34000)+(2)(10000)]/8= 206257-*Phi mùa vụ nhu cầuSau đó thêm xu hướngDt = L + tTTrong đó Dt = nhu cầu phi mùa vụ ở giai đoạn tL = mức độ (nhu cầu phi mùa vụ ở giai đoạn 0)T = xu hướng (tỷ lệ tăng hoặc giảm nhu cầu)Xu hướng được xác định bởi hồi quy tuyến tính sử dụng nhu cầu phi mùa vụ là biến phụ thuộc và giai đoạn như biến độc lập (sử dụng Excel để tính toán)Trong ví dụ, L = 18,439 và T = 5247-*Dự báo chuỗi thời gian7-*Loại bỏ nhân tố mùa vụ Sử dụng phương trình trên để tính toán nhu cầu phi mùa vụ cho mỗi giai đoạn St = Dt / Dt = nhân tố mùa vụ cho giai đoạn t Trong ví dụ trên, D2 = 18439 + (524)(2) = 19487 D2 = 13000 S2 = 13000/19487 = 0.67 Nhân tố mùa vụ cho các giai đoạn khác được tính toán như cách thức trên7-*Ước tính nhân tố mùa vụ7-*Ước tính nhân tố mùa vụNhân tố mùa vụ chung được tính toán trên cơ sở bình quân nhân tố mùa vụ ở các giai đoạnNếu có r chu kỳ mùa vụ, với tất cả giai đoạn pt+i, 1<i<p, nhân tố mùa vụ đối với mùa vụ i là Si = [tổng(j=0 to r-1) Sjp+i]/r Qua ví dụ, có ba chu kỳ mùa vụ và p=4, do đóS1 = (0.42+0.47+0.52)/3 = 0.47S2 = (0.67+0.83+0.55)/3 = 0.68S3 = (1.15+1.04+1.32)/3 = 1.17S4 = (1.66+1.68+1.66)/3 = 1.677-*Ước tính dự báoSử dụng công thức ở phần trên, ta có thể tính toán nhu cầu cho các giai đoạn kế tiếp như sau:F13 = (L+13T)S1 = [18439+(13)(524)](0.47) = 11868F14 = (L+14T)S2 = [18439+(14)(524)](0.68) = 17527F15 = (L+15T)S3 = [18439+(15)(524)](1.17) = 30770F16 = (L+16T)S4 = [18439+(16)(524)](1.67) = 447947-*Dự báo thích ứngDự báo mức độ, xu hướng và mùa vụ được điều chỉnh sau mỗi giai đoạn quan sátCác bước trong dự báo thích ứngBình quân trượtSan bằng mũ giản đơnSan bằng mũ hiệu chỉnh xu hướng (mô hình Holt)San bằng mũ hiệu chỉnh xu hướng và mùa vụ(mô hình Winter)7-*Công thức cơ bản cho dự báo thích ứngFt+1 = (Lt + lT)St+1 = dự báo cho giai đoạn t+l trong giai đoạn t Lt = Mức ước tính ở cuối giai đoạn t Tt = ước tính xu hướng cuối giai đoạn t St = Ước tính nhân tố mùa vụ cho giai đoạn t Ft = dự báo nhu cầu cho giai đoạn t (trên cơ sở giai đoạn t-1 hoặc trước đó)Dt = Nhu cầu thực trong giai đoạn t Et = Sai số dự báo cho giai đoạn t At = Sai số tuyệt đối cho giai đoạn t = |Et|MAD = Sai số tuyệt đối trung bình = trung bình của At 7-*Các bước trong dự báo thích ứngChuẩn bị: tính toán mức ban đầu của (L0), xu hướng (T0), và nhân tố mùa vụ (S1,,Sp). Điều này được thực hiện qua phần dự báo tĩnh.Dự báo: dự báo nhu cầu cho giai đoạn t+1 sử dụng công thức chungTính sai số: Et+1 = Ft+1- Dt+1 Hiệu chỉnh dự báo: điều chỉnh mức ước tính (Lt+1), xu hướng (Tt+1), và nhân tố mùa vụ (St+p+1), với sai số Et+1 trong dự báoLặp lại bước 2, 3 và 4 cho giai đoạn kế tiếp7-*Bình quân trượtĐược sử dụng khi không có quan sát về tính xu hướng và mùa vụThành tố hệ thống của nhu cầu = mức độ (level)Mức độ trong giai đoạn t là bình quân của N giai đoạn trước đó (bình quân trượt N giai đoạn)Dự báo hiện tại cho tất cả giai đoạn tương lai là tương tự và dựa trên mức ước tính Lt = (Dt + Dt-1 + + Dt-N+1) / N Ft+1 = Lt và Ft+n = Lt sau khi quan sat nhu cầu cho giai đoạn t+1, hiệu chỉnh ước tính như sau: Lt+1 = (Dt+1 + Dt + + Dt-N+2) / N Ft+2 = Lt+1 7-*Ví dụ bình quân trượtTừ ví dụ trênCuối giai đoạn 4, nhu cầu dự báo cho giai đoạn 5 đến giai đoạn 8 sử dựng bình quân trượt 4 giai đoạn?L4 = (D4+D3+D2+D1)/4 = (34000+23000+13000+8000)/4 = 19500F5 = 19500 = F6 = F7 = F8Nhu cầu quan sát trong giai đoạn 5 là D5 = 10000Sai số dự báo cho giai đoạn 5, E5 = F5 - D5 = 19500 - 10000 = 9500Hiệu chỉnh mức ước tính trong giai đoạn 5:L5 = (D5+D4+D3+D2)/4 = (10000+34000+23000+13000)/4 = 20000F6 = L5 = 200007-*San bằng mũ đơn giảnSử dụng khi không có tính xu hướng hoặc mùa vụThành tố hệ thống của nhu cầu = mức (level)Ước tính ban đầu mức, L0, giả sử bình quân của dữ liệu quá khứ L0 = [tổng (i=1 to n)Di]/n Dự báo hiện tại cho các giai đoạn tương lai là bằng dự báo hiện tại của mức (level) và tính như sau: Ft+1 = Lt và Ft+n = Lt Sau khi quan sát nhu cầu Dt+1, hiệu chỉnh mức ước tính: Lt+1 = aDt+1 + (1-a)Lt Lt+1 = tổng(n=0 to t+1)[a(1-a)nDt+1-n ]7-*Ví dụ san bằng mũ đơn giảnDự báo nhu cầu cho giai đoạn 1 sử dụng san bằng mũL0 = bình quân của 12 giai đoạn= tổng(i=1 to 12)[Di]/12 = 22083F1 = L0 = 22083Nhu cầu thực ở giai đoạn 1 = D1 = 8000Sai số dự báo ở giai đoạn 1, E1, như sau:E1 = F1 - D1 = 22083 - 8000 = 14083Giả sử a = 0.1, hiệu chỉnh mức ước tính cho giai đoạn 1:L1 = aD1 + (1-a)L0 = (0.1)(8000) + (0.9)(22083) = 20675F2 = L1 = 20675Lưu ý rằng mức ước tính cho giai đoạn 1 là thấp hơn trong giai đoạn 07-*San bằng mũ hiệu chính xu hướng(mô hình Holt)Phù hợp khi nhu cầu được giả sử là ở một mức nào đó và có xu hướng nhung không có tác động mùa vụDự báo các số liệu ban đầu bằng hồi quy tuyến tính: Dt = at + b T0 = a L0 = b trong giai đoạn t, dự báo cho tương lai được biểu diễn như sau: Ft+1 = Lt + Tt Ft+n = Lt + nTt 7-*San bằng mũ hiệu chính xu hướng(mô hình Holt)Sau khi quan sát nhu cầu cho giai đoạn t, hiệu chỉnh mức ước tính và xu hướng như sau:Lt+1 = aDt+1 + (1-a)(Lt + Tt)Tt+1 = b(Lt+1 - Lt) + (1-b)Tt a = hằng số san bằng mũb = hằng số điều chỉnh xu hướngVí dụ trên, sử dụng hồi quy tuyến tính L0 = 12015 (linear intercept)T0 = 1549 (linear slope)7-*Mô hình Holt (tt)Dự báo cho giai đoạn 1:F1 = L0 + T0 = 12015 + 1549 = 13564Nhu cầu của giai đoạn 1 = D1 = 8000E1 = F1 - D1 = 13564 - 8000 = 5564Giả sử a = 0.1, b = 0.2L1 = aD1 + (1-a)(L0+T0) = (0.1)(8000) + (0.9)(13564) = 13008T1 = b(L1 - L0) + (1-b)T0 = (0.2)(13008 - 12015) + (0.8)(1549) = 1438F2 = L1 + T1 = 13008 + 1438 = 14446F5 = L1 + 4T1 = 13008 + (4)(1438) = 187607-*San bằng mũ hiệu chỉnh xu hướng và mùa vụPhù hợp khi nhân tố hệ thống được giả định có mức độ (level), xu hướng và nhân tố mùa vụThành tố hệ thống = (mức độ+xu hướng)(nhân tố mùa vụ)Giả sử số giai đoạn pTính toán các ước tính ban đầu (L0), xu hướng (T0), nhân tố mùa vụ (S1,,Sp) sử dụng thủ tục dự báo tĩnhTrong giai đoạn t, dự báo cho giai đoạn tương lai được tính toán: Ft+1 = (Lt+Tt)(St+1) và Ft+n = (Lt + nTt)St+n 7-*San bằng mũ hiệu chỉnh xu hướng và mùa vụ (tt)Sau khi quan sát nhu cầu cho giai đoạn t+1, hiệu chỉnh ước tính về mức, xu hướng và nhân tố mùa vụ như sau:Lt+1 = a(Dt+1/St+1) + (1-a)(Lt+Tt)Tt+1 = b(Lt+1 - Lt) + (1-b)TtSt+p+1 = g(Dt+1/Lt+1) + (1-g)St+1 a = hệ số san bằngb = Hệ số san bằng cho xu hướngg = hệ số san bằng cho nhân tố mùa vụSử dụng ví dụ trên, dự báo giai đoạn 1 sử dụng mô hình Winter.Tính toán mức ban đầu, xu hướng và nhân tố mùa vụ trong trường hợp dự báo tĩnh7-*San bằng mũ hiệu chỉnh xu hướng và mùa vụ (tt)L0 = 18439 T0 = 524 S1=0.47, S2=0.68, S3=1.17, S4=1.67F1 = (L0 + T0)S1 = (18439+524)(0.47) = 8913Nhu cầu cho giai đoạn 1 1 = D1 = 8000Sai số cho giai đoạn 1 = E1 = F1-D1 = 8913 - 8000 = 913Giả sử a = 0.1, b=0.2, g=0.1; hiệu chỉnh ước tính và xu hướng cho giai đoạn 1 và nhân tố mùa vụ cho giai đoạn 5L1 = a(D1/S1)+(1-a)(L0+T0) = (0.1)(8000/0.47)+(0.9)(18439+524)=18769T1 = b(L1-L0)+(1-b)T0 = (0.2)(18769-18439)+(0.8)(524) = 485S5 = g(D1/L1)+(1-g)S1 = (0.1)(8000/18769)+(0.9)(0.47) = 0.47F2 = (L1+T1)S2 = (18769 + 485)(0.68) = 130937-*Đo lường sai số dự báoSai số dự báo = Et = Ft - Dt Sai số bình phương trung bình (MSE) MSEn = (tổng(t=1 to n)[Et2])/nSai số tuyệt đối = At = |Et|Sai tố tuyệt đối trung bình (MAD) MADn = (tổng(t=1 to n)[At])/n s = 1.25MADSai số % tuyệt đối trung bình (MAPE) MAPEn = (tổng(t=1 to n)[|Et/ Dt|100])/n