Luận văn thạc sĩ kỹ thuật công nghiệp nghiên cứu thiết kế hệ thống hoạch định nhu cầu vật tư tồn kho tại công ty sản xuất sơn

Luận văn thạc sĩ kỹ thuật nghiên cứu kỹ thuật công nghiệp nghiên cứu thiết kế hệ thống hoạch định nhu cầu vật tư tồn kho tại công ty sản, khảo sát thực trạng, phân tích nguyên

• Tác giả: Phạm Khánh Duy
• Người hướng dẫn: PGS. TS Đỗ Ngọc Hiền
• Trường học: Đại học Bách Khoa - ĐHQG TP.HCM
• Chuyên ngành: Kỹ thuật Công nghiệp
• Đề tài: Nghiên cứu thiết kế hệ thống hoạch định nhu cầu vật tư tồn kho tại công ty sản xuất sơn
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: MỞ ĐẦU
• 1.1. ĐẶT VẤN ĐỀ
• 1.2. MỤC TIÊU CỦA ĐỀ TÀI
• 1.3. GIỚI HẠN VÀ PHẠM VI CỦA ĐỀ TÀI
• 1.4. CẤU TRÚC CỦA LUẬN VĂN
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP LUẬN
• 2.1. Lý thuyết về dự báo
• 2.1.1. Khái niệm
• 2.1.2. Phân loại dự báo
• 2.1.3. Quy trình dự báo
• 2.1.4. Nội dung của các phương pháp dự báo
• 2.1.5. Sai số dự báo
• 2.1.6. Kiểm soát kết quả dự báo
• 2.2. Lý thuyết quản lý hàng tồn kho
• 2.2.1. Khái quát về hàng tồn kho
• 2.2.2. Chính sách tồn kho
• 2.3. PHƯƠNG PHÁP LUẬN
• 2.3.1. Phương pháp nghiên cứu
• 2.3.2. Các nghiên cứu liên quan
• 2.3.3. Quy trình nghiên cứu
• 2.3.4. Xử lý số liệu
• 2.3.4.1. Phần mềm Minitab
• 2.3.4.2. Phần mềm Microsoft Excel
• 3. CHƯƠNG 3: GIỚI THIỆU ĐỐI TƯỢNG NGHIÊN CỨU
• 3.1. TỔNG QUAN CÔNG TY
• 3.2. NỘI DUNG NGHIÊN CỨU
• 3.2.1. Phân tích hiện trạng
• 3.2.2. Đối tượng nghiên cứu
• 3.2.3. Những nội dung cần thực hiện
• 4. CHƯƠNG 4: DỰ BÁO VÀ HOẠCH ĐỊNH NHU CẦU NGUYÊN VẬT LIỆU
• 4.1. THU THẬP VÀ XỬ LÝ DỮ LIỆU
• 4.1.1. Dữ liệu lượng sơn bán ra
• 4.1.2. Dữ liệu BOM
• 4.2. MÔ HÌNH DỰ BÁO NHU CẦU
• 4.2.1. Phân tích đặc tính dữ liệu
• 4.2.2. Dự báo nhu cầu
• 4.2.3. Đánh giá kết quả dự báo
• 4.3. HOẠCH ĐỊNH NHU CẦU NGUYÊN VẬT LIỆU
• 5. CHƯƠNG 5: CHÍNH SÁCH TỒN KHO
• 5.1. CÁC THÔNG SỐ TỒN KHO
• 5.1.1. Chi phí tồn kho
• 5.1.2. Chi phí đặt hàng
• 5.1.3. Mức phục vụ
• 5.1.4. Kiểm định phân bố
• 5.2. CHÍNH SÁCH TỒN KHO
• 5.2.1. Hệ thống cỡ đơn hàng cố định (hay hệ thống Q)
• 5.2.2. Hệ thống khoảng đặt hàng cố định (hay hệ thống T)
• 5.2.3. LỰA CHỌN MÔ HÌNH TỒN KHO
• 5.2.4. PHÂN TÍCH ĐỘ NHẠY
• 5.2.4.1. Phân tích 1 chiều
• 5.2.4.2. Phân tích 2 chiều
• 5.3. ĐÁNH GIÁ HIỆU QUẢ CỦA MÔ HÌNH
• 6. CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu hệ thống hoạch định nhu cầu

Hệ thống hoạch định nhu cầu vật tư tồn kho đóng vai trò quan trọng trong việc quản lý tài nguyên và tối ưu hóa quy trình sản xuất tại các công ty sản xuất sơn. Hệ thống hoạch định nhu cầu giúp doanh nghiệp đưa ra dự báo chính xác về nhu cầu nguyên vật liệu, từ đó điều chỉnh lượng tồn kho một cách hiệu quả. Việc áp dụng các công nghệ thông tin trong sản xuất, đặc biệt là các phần mềm quản lý như hệ thống ERP, đã giúp cải thiện đáng kể quy trình này. Theo nghiên cứu, việc áp dụng công nghệ thông tin trong sản xuất không chỉ giảm thiểu rủi ro trong quản lý tồn kho mà còn nâng cao hiệu quả sản xuất. Một trong những lợi ích lớn nhất của hệ thống này là khả năng tối ưu hóa chi phí tồn kho, từ đó giúp doanh nghiệp duy trì lợi nhuận ổn định.

1.1. Tầm quan trọng của quản lý tồn kho

Quản lý tồn kho là một phần không thể thiếu trong hoạt động sản xuất của công ty. Quản lý tồn kho giúp doanh nghiệp kiểm soát được lượng hàng hóa cần thiết cho sản xuất, tránh tình trạng thiếu hụt hoặc dư thừa nguyên vật liệu. Trong ngành sản xuất sơn, nơi mà giá trị tồn kho có thể chiếm đến 75% doanh thu, việc quản lý tồn kho càng trở nên quan trọng hơn. Các chính sách tồn kho thích hợp sẽ giúp công ty duy trì sự linh hoạt trong sản xuất và đáp ứng nhanh chóng nhu cầu của thị trường. Việc áp dụng các phương pháp như phân tích nhu cầu và dự báo nhu cầu giúp doanh nghiệp đưa ra quyết định chính xác hơn về lượng hàng cần thiết, từ đó giảm thiểu chi phí lưu kho và tăng cường hiệu quả sản xuất.

II. Phân tích nhu cầu và dự báo

Phân tích nhu cầu là bước đầu tiên trong việc hoạch định nhu cầu vật tư. Việc thu thập và xử lý dữ liệu lịch sử là rất quan trọng để đưa ra dự báo chính xác về nhu cầu nguyên vật liệu trong tương lai. Các mô hình dự báo như mô hình hồi quy, mô hình trung bình di động và mô hình Exponential Smoothing thường được sử dụng để phân tích dữ liệu. Các mô hình này giúp xác định xu hướng và biến động của nhu cầu, từ đó đưa ra các dự báo phù hợp cho từng loại sản phẩm. Việc áp dụng mô hình dự báo chính xác không chỉ giúp doanh nghiệp giảm thiểu chi phí mà còn nâng cao khả năng cạnh tranh trên thị trường. Nghiên cứu cho thấy rằng, việc sử dụng các công cụ phân tích dữ liệu hiện đại có thể cải thiện độ chính xác của dự báo lên đến 90%.

2.1. Các phương pháp dự báo

Có nhiều phương pháp dự báo khác nhau được áp dụng trong ngành sản xuất, mỗi phương pháp có ưu điểm và nhược điểm riêng. Phân tích nhu cầu dựa trên dữ liệu lịch sử là một trong những phương pháp phổ biến nhất. Bên cạnh đó, việc sử dụng phần mềm Minitab và Microsoft Excel để xử lý dữ liệu cũng giúp tối ưu hóa quy trình dự báo. Các phương pháp dự báo này không chỉ giúp doanh nghiệp dự đoán chính xác nhu cầu mà còn hỗ trợ trong việc lập kế hoạch sản xuất và quản lý tồn kho. Một nghiên cứu cho thấy rằng, các công ty áp dụng phương pháp dự báo hiện đại có thể giảm thiểu chi phí tồn kho lên đến 20% so với các phương pháp truyền thống.

III. Chính sách tồn kho và tối ưu hóa

Chính sách tồn kho là một yếu tố quyết định trong việc quản lý hàng tồn kho hiệu quả. Việc lựa chọn chính sách tồn kho phù hợp sẽ giúp doanh nghiệp tối ưu hóa chi phí và nâng cao hiệu quả sản xuất. Hai hệ thống chính thường được áp dụng là hệ thống cỡ đơn hàng cố định (Q) và hệ thống khoảng đặt hàng cố định (T). Mỗi hệ thống có những đặc điểm riêng và phù hợp với từng loại nguyên vật liệu khác nhau. Việc phân tích độ nhạy của các thông số tồn kho cũng rất quan trọng để đánh giá hiệu quả của các chính sách tồn kho. Một nghiên cứu cho thấy rằng, việc áp dụng chính sách tồn kho phù hợp có thể giúp doanh nghiệp giảm thiểu chi phí tồn kho từ 15% đến 30%.

3.1. Lựa chọn mô hình tồn kho

Việc lựa chọn mô hình tồn kho phù hợp với đặc thù sản xuất của công ty là rất quan trọng. Các yếu tố cần xem xét bao gồm chi phí đặt hàng, chi phí tồn kho và mức phục vụ. Nghiên cứu cho thấy rằng, việc áp dụng mô hình tồn kho tối ưu có thể giúp doanh nghiệp duy trì mức tồn kho an toàn, giảm thiểu rủi ro trong sản xuất và đáp ứng nhanh chóng nhu cầu của thị trường. Hơn nữa, việc sử dụng phần mềm quản lý tồn kho hiện đại cũng giúp doanh nghiệp theo dõi và điều chỉnh lượng tồn kho một cách linh hoạt, từ đó nâng cao hiệu quả hoạt động sản xuất.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển kinh tế - xã hội hiện nay, ngành sản xuất sơn tại Việt Nam đang chứng kiến sự tăng trưởng mạnh mẽ với sự đa dạng hóa sản phẩm và mở rộng thị phần. Theo ước tính, giá trị tồn kho nguyên vật liệu tại một số công ty sản xuất sơn có thể chiếm đến gần 75% doanh thu hàng tháng, điều này đặt ra thách thức lớn trong việc quản lý và hoạch định nhu cầu vật tư tồn kho. Việc quản lý tồn kho không hiệu quả dẫn đến chi phí lưu kho cao, rủi ro hết hàng hoặc dư thừa nguyên liệu, ảnh hưởng trực tiếp đến hiệu quả sản xuất và tài chính doanh nghiệp.

Luận văn tập trung nghiên cứu thiết kế hệ thống hoạch định nhu cầu vật tư tồn kho tại một công ty sản xuất sơn có trụ sở tại Biên Hòa, Đồng Nai, với phạm vi dữ liệu từ tháng 01/2019 đến tháng 12/2022. Mục tiêu chính của nghiên cứu là xây dựng mô hình dự báo nhu cầu sản phẩm, từ đó xác định nhu cầu nguyên vật liệu phục vụ sản xuất, lựa chọn chính sách tồn kho tối ưu nhằm giảm chi phí và giá trị tồn kho mà vẫn đảm bảo đáp ứng yêu cầu sản xuất. Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả quản lý nguồn vốn và tối ưu hóa hoạt động sản xuất trong ngành sơn, góp phần tăng sức cạnh tranh cho doanh nghiệp trên thị trường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nhóm lý thuyết chính: lý thuyết dự báo nhu cầu và lý thuyết quản lý hàng tồn kho.

• Lý thuyết dự báo nhu cầu: Dự báo được hiểu là khoa học và nghệ thuật tiên đoán các sự kiện tương lai dựa trên phân tích dữ liệu quá khứ. Đặc tính dữ liệu dự báo bao gồm tính xu hướng, tính mùa vụ, tính chu kỳ và tính bất thường. Hai mô hình dự báo được áp dụng là mô hình hàm mũ Winter và mô hình phân tích dãy số thời gian theo dạng nhân, phù hợp với dữ liệu có xu hướng và mùa vụ. Sai số dự báo được đánh giá qua các chỉ số MAE, MSE, MAPE và tín hiệu kiểm soát tracking signal để đảm bảo độ chính xác.

• Lý thuyết quản lý hàng tồn kho: Tập trung vào các chính sách tồn kho như hệ thống cỡ đơn hàng cố định (hệ thống Q) và hệ thống khoảng đặt hàng cố định (hệ thống T). Các khái niệm chính bao gồm chi phí tồn kho (chi phí cơ hội, chi phí cất giữ, chi phí lỗi thời), chi phí đặt hàng, tồn kho an toàn, điểm đặt hàng lại và mức phục vụ. Mô hình EOQ được sử dụng để xác định quy mô lô hàng tối ưu nhằm giảm thiểu tổng chi phí tồn kho và đặt hàng.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thống kê và phân tích dữ liệu thực tế thu thập từ công ty sản xuất sơn trong giai đoạn 2019-2022. Cỡ mẫu bao gồm dữ liệu bán hàng của hai hệ sơn chính là Epoxy 2 thành phần và Alkyd 1 thành phần, cùng bảng yêu cầu nguyên vật liệu (BOM) tương ứng. Phương pháp chọn mẫu là lấy toàn bộ dữ liệu bán hàng và tồn kho liên quan đến hai hệ sơn này nhằm đảm bảo tính đại diện.

Phân tích dữ liệu được thực hiện bằng phần mềm Minitab để xây dựng và đánh giá mô hình dự báo, đồng thời sử dụng Microsoft Excel để hoạch định nhu cầu nguyên vật liệu và tính toán các chỉ số tồn kho theo các mô hình tồn kho Q và T. Quy trình nghiên cứu gồm các bước: thu thập và xử lý dữ liệu, lựa chọn mô hình dự báo, dự báo nhu cầu sản phẩm, hoạch định nhu cầu nguyên vật liệu, lựa chọn chính sách tồn kho và đánh giá hiệu quả mô hình. Thời gian nghiên cứu kéo dài từ tháng 02/2023 đến tháng 06/2023.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Mô hình dự báo nhu cầu sản phẩm: Mô hình hàm mũ Winter và mô hình phân tích dãy số thời gian dạng nhân được áp dụng cho dữ liệu bán hàng của sơn Epoxy và Alkyd. Kết quả dự báo cho thấy sai số MAPE trung bình dưới 10%, trong đó mô hình Winter đạt MAPE khoảng 7,5% cho sơn Epoxy và 8,2% cho sơn Alkyd, thể hiện độ chính xác cao và phù hợp với đặc tính dữ liệu có xu hướng và mùa vụ.

2. Hoạch định nhu cầu nguyên vật liệu: Dựa trên kết quả dự báo sản phẩm và bảng BOM, bảng nhu cầu nguyên vật liệu năm 2023 được xây dựng chi tiết cho từng loại nguyên liệu. Ví dụ, nguyên liệu “Solvent E” có nhu cầu dự kiến khoảng 120.000 đơn vị trong năm, trong khi nguyên liệu “Resin E” khoảng 95.000 đơn vị.

3. Lựa chọn chính sách tồn kho: So sánh hai hệ thống tồn kho Q và T cho nguyên liệu “Solvent E” cho thấy hệ thống Q giúp giảm tổng chi phí tồn kho và đặt hàng khoảng 12% so với hệ thống T. Mức tồn kho an toàn được xác định dựa trên mức phục vụ 95%, giúp giảm thiểu rủi ro hết hàng. Điểm đặt hàng lại và kích cỡ lô hàng được tối ưu hóa, ví dụ điểm đặt hàng lại cho “Solvent E” là 3.500 đơn vị với lô hàng 7.000 đơn vị.

4. Đánh giá hiệu quả mô hình: Áp dụng mô hình tồn kho tối ưu giúp giảm giá trị tồn kho cuối tháng trung bình 15% so với thực tế hiện tại, đồng thời giảm số lần trễ đơn hàng do thiếu nguyên liệu từ hơn 15 đơn hàng xuống còn dưới 3 đơn hàng trong năm 2023.

Thảo luận kết quả

Nguyên nhân chính của hiệu quả trên là do mô hình dự báo nhu cầu chính xác hơn, giúp hoạch định nguyên vật liệu sát với thực tế sản xuất, tránh tồn kho dư thừa hoặc thiếu hụt. So với phương pháp quản lý tồn kho dựa trên kinh nghiệm trước đây, việc áp dụng mô hình toán học và phân tích thống kê đã nâng cao tính khoa học và hiệu quả quản lý. Kết quả phù hợp với các nghiên cứu trong ngành sản xuất khác, đồng thời cho thấy tầm quan trọng của việc lựa chọn chính sách tồn kho phù hợp với đặc điểm nhu cầu và thời gian chờ hàng.

Dữ liệu có thể được trình bày qua biểu đồ so sánh giá trị tồn kho thực tế và dự báo theo tháng, bảng tổng hợp chi phí tồn kho theo từng mô hình, cũng như biểu đồ phân tích sai số dự báo qua các tháng để minh họa độ chính xác của mô hình.

Đề xuất và khuyến nghị

1. Triển khai hệ thống hoạch định nhu cầu vật tư tự động: Áp dụng phần mềm quản lý dựa trên mô hình dự báo và hoạch định đã xây dựng, nhằm cập nhật dữ liệu liên tục và tự động tính toán nhu cầu nguyên vật liệu. Chủ thể thực hiện là phòng Kế hoạch sản xuất, hoàn thành trong vòng 6 tháng.

2. Đào tạo nhân sự quản lý tồn kho: Tổ chức các khóa đào tạo về kỹ thuật dự báo và quản lý tồn kho cho cán bộ vật tư và thu mua, nâng cao năng lực vận hành hệ thống mới. Thời gian đào tạo dự kiến 3 tháng, do phòng Nhân sự phối hợp với chuyên gia tư vấn thực hiện.

3. Xây dựng chính sách tồn kho linh hoạt theo từng loại nguyên liệu: Áp dụng chính sách tồn kho Q cho nguyên liệu có nhu cầu biến động lớn và thời gian chờ ngắn, chính sách T cho nguyên liệu ổn định, nhằm tối ưu chi phí và giảm rủi ro. Phòng Vật tư chịu trách nhiệm triển khai trong 4 tháng.

4. Theo dõi và đánh giá định kỳ hiệu quả hệ thống: Thiết lập quy trình đánh giá hàng quý về độ chính xác dự báo, chi phí tồn kho và mức độ đáp ứng sản xuất để điều chỉnh kịp thời. Ban Giám đốc và phòng Kế hoạch phối hợp thực hiện liên tục.

Đối tượng nên tham khảo luận văn

1. Các doanh nghiệp sản xuất ngành sơn và vật liệu xây dựng: Có thể áp dụng mô hình dự báo và hoạch định nhu cầu vật tư để tối ưu quản lý tồn kho, giảm chi phí và nâng cao hiệu quả sản xuất.

2. Phòng kế hoạch và quản lý vật tư trong các công ty sản xuất: Nhân viên và quản lý có thể học hỏi quy trình xây dựng mô hình dự báo, lựa chọn chính sách tồn kho phù hợp và áp dụng phần mềm hỗ trợ.

3. Các nhà nghiên cứu và sinh viên chuyên ngành kỹ thuật công nghiệp, quản lý chuỗi cung ứng: Tài liệu cung cấp cơ sở lý thuyết, phương pháp luận và ứng dụng thực tiễn trong quản lý tồn kho và dự báo nhu cầu.

4. Các chuyên gia tư vấn quản lý và phát triển hệ thống ERP: Tham khảo để thiết kế các module hoạch định nhu cầu vật tư phù hợp với đặc thù ngành sản xuất sơn và các ngành công nghiệp tương tự.

Câu hỏi thường gặp

1. Tại sao cần dự báo nhu cầu nguyên vật liệu trong sản xuất sơn?
   Dự báo giúp xác định chính xác lượng nguyên vật liệu cần thiết, tránh tồn kho dư thừa hoặc thiếu hụt, từ đó giảm chi phí lưu kho và đảm bảo sản xuất không bị gián đoạn.

2. Mô hình dự báo nào phù hợp với dữ liệu có tính xu hướng và mùa vụ?
   Mô hình hàm mũ Winter và mô hình phân tích dãy số thời gian dạng nhân được đánh giá phù hợp vì chúng xử lý tốt các yếu tố xu hướng và mùa vụ trong dữ liệu.

3. Chính sách tồn kho Q và T khác nhau như thế nào?
   Chính sách Q đặt hàng với kích cỡ lô cố định khi tồn kho xuống điểm đặt hàng, còn chính sách T đặt hàng theo khoảng thời gian cố định với lượng hàng thay đổi, mỗi chính sách phù hợp với đặc điểm nhu cầu và thời gian chờ khác nhau.

4. Làm thế nào để xác định mức tồn kho an toàn?
   Mức tồn kho an toàn được tính dựa trên phân phối xác suất của nhu cầu trong thời gian chờ, mức phục vụ yêu cầu và độ lệch chuẩn của nhu cầu, nhằm giảm thiểu rủi ro hết hàng.

5. Lợi ích khi áp dụng hệ thống hoạch định nhu cầu vật tư tự động?
   Hệ thống tự động giúp cập nhật dữ liệu nhanh chóng, tính toán chính xác, giảm sai sót do con người, nâng cao hiệu quả quản lý tồn kho và đáp ứng kịp thời nhu cầu sản xuất.

Kết luận

• Luận văn đã xây dựng thành công mô hình dự báo nhu cầu sản phẩm sơn với sai số MAPE dưới 10%, phù hợp với đặc tính dữ liệu có xu hướng và mùa vụ.
• Hoạch định nhu cầu nguyên vật liệu dựa trên kết quả dự báo và bảng BOM giúp xác định chính xác nhu cầu nguyên liệu trong năm.
• Lựa chọn chính sách tồn kho hệ thống Q cho nguyên liệu biến động cao giúp giảm chi phí tồn kho và đặt hàng khoảng 12%.
• Áp dụng mô hình tồn kho tối ưu giúp giảm giá trị tồn kho trung bình 15% và giảm số lần trễ đơn hàng do thiếu nguyên liệu.
• Đề xuất triển khai hệ thống hoạch định nhu cầu tự động, đào tạo nhân sự và theo dõi đánh giá định kỳ nhằm nâng cao hiệu quả quản lý tồn kho.

Tiếp theo, doanh nghiệp nên tiến hành triển khai hệ thống hoạch định nhu cầu vật tư theo đề xuất, đồng thời mở rộng nghiên cứu áp dụng cho các dòng sản phẩm khác để tối ưu toàn bộ chuỗi cung ứng. Để được tư vấn chi tiết hơn về giải pháp quản lý tồn kho, quý độc giả và doanh nghiệp có thể liên hệ chuyên gia trong lĩnh vực kỹ thuật công nghiệp và quản lý chuỗi cung ứng.

Trích đoạn nội dung tài liệu

Mở đầu Chương 4 – Dự báo nhu cầu và hoạch định nhu cầu nguyên vật liệu: Tiến hành thu thập dữ liệu, xử lý số liệu và lựa chọn mô hình dự báo phù hợp. Thực hiện dự báo nhu cầu sản phẩm, đánh giá kết quả dự báo và tiến hành hoạch định nguyên vật liệu dựa trên kết quả dự báo nhu cầu. Chương 5 – Chính sách tồn kho: Kiểm tra các thông số tồn kho, lựa chọn chính sách tồn kho phù hợp, phân tích độ nhạy và đánh giá chính sách tồn kho. Chương 6 – Kết luận và kiến nghị: Đánh giá tổng kết về mô hình dự báo và mô hình tồn kho, kết luận về kết quả thực hiện nghiên cứu cũng như những ưu điểm, hạn chế và hướng phát triển sau luận văn.

4 Chương 2: Cơ sở lý thuyết và phương pháp luận CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP LUẬN 2.1 Lý thuyết về dự báo Khái niệm: Dự báo là một khoa học và nghệ thuật tiên đoán các sự việc sẽ xảy ra trong tương lai trên cơ sở phân tích khoa học về các dữ liệu thu thập được. Dự báo có thể chỉ là những suy luận logic từ những chiêm nghiệm trong thực tế để tiên đoán trước sự việc hoặc hiện tượng gì sẽ xảy ra. Dự báo cũng có thể được thực hiện nhờ vào việc sử dụng các mô hình toán học thể hiện mối quan hệ giữa nhu cầu và các nhân tố ảnh hưởng đến nhu cầu và các số liệu thống kê quá khứ thu được để tính toán đưa ra kết quả dự báo. Hoặc có thể là sự phối hợp của những cách trên là dùng mô hình toán học rồi dùng phán xét kinh nghiệm của nhà quản trị để điều chỉnh lại.

Đặc tính dữ liệu dự báo thường có: - Tính xu hướng: Thể hiện sự tăng trưởng hay giảm sút của một biến số theo thời gian. - Tính mùa vụ: Thể hiện sự biến động có quy luật của số liệu với chu kỳ thời gian một năm. - Tính chu kỳ: Thể hiện sự biến động có quy luật của số liệu với chu kỳ thời gian dài hơn một năm, thường yêu cầu dữ liệu đủ dài (trên 3 năm). - Tính bất thường: Thể hiện những thay đổi ngẫu nhiên, không tuân theo quy luật của dữ liệu.2 Phân loại dự báo Có nhiều loại dự báo và được phân loại theo nhiều tiêu chí khác nhau.

Phân loại dự báo theo tiêu chí thời gian gồm có: 5 Chương 2: Cơ sở lý thuyết và phương pháp luận - Dự báo ngắn hạn: Thường nhỏ hơn 3 tháng (tối đa là 1 năm). Ứng dụng lập các kế hoạch kinh tế, văn hoá, xã hội phục vụ chỉ đạo kịp thời, tiến triển các chỉ tiêu. Ở khu vực sản xuất, sử dụng để dự trù kinh phí, đặt hàng, điều độ và cho kết quả chính xác hơn dự báo dài hạn. - Dự báo trung hạn: Từ 3 tháng đến 3 năm.

Ứng dụng xây dựng kế hoạch trung hạn về kinh tế, xã hội, kế hoạch thị trường, kế hoạch sản xuất. - Dự báo dài hạn: Từ 3 năm trở lên. Ứng dụng trong dự báo những mục tiêu, chiếc lược về kinh tế chính trị, khoa học kỹ thuật trong thời gian dài ở tầm vĩ mô. Ở lĩnh vực sản xuất sử dụng trong quyết định xây nhà máy, phát triển sản phẩm.

Phân loại theo tiêu chí phạm vi áp dụng gồm có: Dự báo khoa học, dự báo kinh tế, dự báo xã hội, dự báo tự nhiên và thiên văn học. Phân loại dự báo theo phương pháp dự báo gồm có: - Phương pháp định tính: Dự báo định tính thường được sử dụng khi phát triển sản phẩm, công nghệ mới nên không có dữ liệu hay số liệu cũ. Vì vậy dự báo định tính gồm dự báo dựa vào ý kiến chuyên gia, ý kiến người bán hàng hay ý kiến khách hàng. - Phương pháp định lượng: Dự báo định lượng dựa trên việc xử lý những dữ liệu quá khứ với giả định rằng các điều kiện trong quá khứ vẫn còn tiếp tục xảy ra ở tương lai.

Áp dụng phương pháp này cho đối tượng sản phẩm cũ, công nghệ hiện tại. Phương pháp định lượng còn được chia thành 2 nhóm bao gồm phương pháp hồi quy và phương pháp dựa vào dãy số thời gian.3 Quy trình dự báo Quy trình dự báo gồm 5 bước như sau: 6 Chương 2: Cơ sở lý thuyết và phương pháp luận Bước 1 – Xác định đối tượng và thu thập dữ liệu: Cần xác định đối tượng và thu thập dữ liệu thích hợp, phải thu thập lại đối với những giá trị không thích hợp nếu không dẫn đến phương pháp dự báo không chính xác. Bước 2 – Xử lý, làm sạch và phân tích dữ liệu: Một số dữ liệu có thể không đủ cho quá trình dự báo, một số dữ liệu không liên quan đến vấn đề đang đề cập, thiếu giá trị cần phải được ước tính hay dữ liệu được tích lũy từ nhiều nguồn và phải tổng hợp lại. Có dữ liệu sau khi thu thập cần phải xử lý để khử nhiễu, giúp tăng độ tin cậy.

Bước 3 – Xây dựng mô hình và đánh giá: Liên quan đến việc dựa vào dữ liệu thu thập được đưa ra mô hình dự báo phù hợp để giảm thiểu các lỗi dự báo. Có nhiều phương pháp (mô hình) dự báo để áp dụng cho một đối tượng. Một mô hình cho kết quả kém ở quá khứ được xem kém chính xác ở tương lai. Có thể dựa vào độ dài của dự báo và đặc tính của dữ liệu để chọn phương pháp dự báo.

Bước 4 – Triển khai mô hình: Áp dụng các mô hình được chọn ở bước 3 với dữ liệu thích hợp đã được thu thập. Dự báo cho các giai đoạn tiếp theo, trong đó các giá trị thực tế trong quá khứ được biết đến thường được sử dụng để kiểm tra độ chính xác của quá trình thực hiện. Các lỗi dự báo sau đó được quan sát và đánh giá ở bước 5. Bước 5 – Đánh giá dự báo: Liên quan đến việc so sánh các giá trị dự báo với các giá trị quá khứ.

Có một số công thức cụ thể để tính sai số dự báo (đề cập ở phần sai số dự báo). Kết quả kiểm tra sai số này dẫn đến người dự báo có thể sửa đổi lại quy trình dự báo.1: Bảng kỹ thuật chọn dự báo STT Phương pháp ( mô hình) dự báo Đặc tính Độ dài dự Kiểu mô dữ liệu báo hình Dự báo thô 1 Mô hình dự báo thô đơn giản ST S TS 2 Mô hình dự báo thô điều chỉnh xu T S TS hướng 3 Mô hình dự báo thô điều chỉnh mùa vụ S S TS 7 Chương 2: Cơ sở lý thuyết và phương pháp luận Dự báo trung bình 4 Mô hình trung bình đơn giản ST S TS 5 Mô hình trung bình động ST, T S TS 6 Mô hình trung bình động có trọng số T S TS Dự báo hàm mũ 7 Mô hình hàm mũ đơn ST S TS 8 Mô hình hàm mũ Winter T, S I, L TS 9 Mô hình hàm mũ Holt T I, L TS Dự báo xu thế và biến động thời vụ 10 Phân tích dãy số thời gian (mô hình T, S I, L TS cộng) 11 Phân tích dãy số thời gian (mô hình T, S I, L TS nhân) Dự báo dựa vào phân tích hồi quy 12 Mô hình hồi quy tuyến tính T I C 13 Mô hình hồi quy bội T, S I C 14 Mô hình hồi quy phi tuyến T I, L C Mô hình ARIMA (phương pháp Box- Các kiểu S TS Jenkns) dữ liệu Định tính Các kiểu I, L C dữ liệu Ký hiệu: - Đặc tính của dữ liệu: T – xu hướng, S – mùa vụ, ST – ổn định, C – chu kỳ - Thời gian dự báo: S – ngắn hạn, I – trung hạn, L – dài hạn - Dạng mô hình: TS – chuỗi thời gian, C – nguyên nhân 2.4 Nội dung của các phương pháp dự báo Với đặc tính dữ liệu của đối tượng nghiên cứu ở đây là có tính xu hướng (T) và có tính mùa vụ (S), thời gian dự báo trung hạn (I) và dạng mô hình thuộc về dạng chuỗi thời gian (TS) nên trong nghiên cứu này sử dụng 2 mô hình phù hợp nhất đó là mô hình hàm mũ Winter và mô hình phân tích dãy số thời gian (mô hình nhân). Mô hình hàm mũ Winter Mô hình được áp dụng cho dữ liệu có tính xu hướng lẫn yếu tố mùa vụ. 8 Chương 2: Cơ sở lý thuyết và phương pháp luận Dự báo hàm mũ Winter cho thời điểm (t+1): 𝐹𝑡+1 = (𝐹𝑡 + 𝑇𝑡 )𝑆𝑡+1 Dự báo hàm mũ Winter cho thời điểm (t+n); n = 2, 3, 4, … 𝐹𝑡+𝑛 = (𝐹𝑡 + 𝑛𝑇𝑡 )𝑆𝑡+𝑛 Với: 𝑌 𝐹1 = 𝛼 ( 𝑡 ) + (1 − 𝛼)(𝐹𝑡−1 + 𝑇𝑡−1 ) 𝑆𝑡 𝑇𝑡 = 𝛽(𝐹𝑡 − 𝐹𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1 𝑌 𝑆𝑡+𝑝 = 𝛾 ( 𝑡 ) + (1 − 𝛾)𝑆𝑡 𝐹𝑡 Trong đó: - 𝑌𝑡 : Dữ liệu thực tế thời điểm t; 𝐹𝑡 : Dữ liệu dự báo thời điểm t - 𝑇𝑡 : Thừa số điều hướng thời điểm t; 𝑆𝑡 : Hệ số mùa vụ - 𝛼: Hệ số mũ; β: Hệ số mũ thừa số điều hướng; γ: Hệ số mũ của chỉ số mùa vụ b.

Mô hình phân tích dãy số thời gian (mô hình nhân) Mô hình nhân áp dụng cho dữ liệu có tính xu hướng lẫn yếu tố mùa vụ. Đồng thời dãy số thời gian có biên độ biến thiên thay đổi nhiều. Các bước thực hiện: - Bước 1: Xác định hệ số mùa vụ 𝑆𝑡 𝑆𝑡 = 𝑌𝑡 /𝑌𝑡∗ ∗ ∗ Với: 𝑌𝑡∗ = (𝑌𝑡−0.5 )/2 Cần điều chỉnh chỉ số mùa vụ 𝑆𝑡 để tổng chỉ số mùa vụ điều chỉnh luôn bằng 0. Chỉ số mùa vụ điều chỉnh 𝑆𝑖 như sau: 9 Chương 2: Cơ sở lý thuyết và phương pháp luận 𝑆𝑖 = 𝑠̅.𝑖 𝑘 Với: 𝑠̅𝑖 = (∑𝑟=1 𝑗=0 𝑠𝑗𝑝+𝑖 )/𝑟 và k = p/(∑ 𝑠 ̅) 𝑖 Trong đó: 𝑖 Trung bình của yếu tố mùa vụ thời đoạn i qua các chu kỳ 𝑠̅: p: Số mùa trong một chu kỳ (năm, tháng) - Bước 2: Xác định yếu tố xu hướng 𝑇𝑡 Xây dựng phương trình hồi quy tuyến tính y=𝛽0 + 𝛽1.

𝑡 để xác định xu hướng của dãy số thời gian. 𝑆𝑖 ) Trong đó: 𝐼𝑡 : Thành phần bất thường 𝑌𝑡 : Trung bình thực tế 10 Chương 2: Cơ sở lý thuyết và phương pháp luận 2.5 Sai số dự báo Sai số dự báo của chu kỳ thứ t là sự chênh lệch giữa nhu cầu thực ở chu kỳ thứ t so với kết quả dự báo ở chu kỳ thứ t tương ứng (𝜀𝑡 = 𝑌𝑡 − 𝐹𝑡 ).