Chương 7 : DỰ BÁO NHU CẦU
7.1 Chu kì sống của sản phẩm
Nhu cầu của sản phẩm thường qua 4 giai đoạn:
- Giai đoạn khởi đầu
- Giai đoạn tăng trưởng
- Giai đoạn trưởng thành
- Giai đoạn suy thoái
Hình 7.1
Những phương pháp dự báo mà chúng ta có thể áp dụng phụ thuộc hiển nhiên vào giai
đoạn hiện tại của sản phẩm mà chúng ta nghiên cứu.
1. Giai đoạn khởi đầu : Trong giai đoạn này, việc buôn bán thường ít. Điều này có
thể một phần là do nhu cầu thấp, nhất là đối với những sản phẩm cũng có thể là
do sự cố ý giới hạn mức sản xuất. Một lựơng sản xuất ít ban đầu cho phép bộ
phận kinh doanh thăm dò phản ứng của khách hàng, và điều chỉnh lại số lượng
hoặc ngưng sản xuất và bộ phận sản xuất có thể tăng dần sản lượng
2. Giai đoạn tăng trưởng : Trong giai đoạn này, doanh số bán tăng lên một cách
nhanh chóng (sự tăng lên theo hàm mũ là một ví dụ) trước khi đạt mức ổn định
khi thị trường bão hòa.
3. Giai đoạn trưởng thành : việc buôn bán vẫn giữ nhịp đều dặn. Những sự mới lạ
và hấp dẫn của sản phẩm như trong các giai đoạn trước không còn nữa.
4. Giai đoạn suy thoái : trong giai đoạn cuối cùng này, việc bán giảm xuống một
cách nhanh chóng. Điều đó có thể là do không thu hút được khách hàng hoặc do
ngừng sản xuất
Bốn giai đoạn này không bằng nhau trong suốt quá trình, thậm chí có quá trình không tồn
tại tùy theo sản phẩm. Ví dụ như giai đoạn trưởng thành không có trong lĩnh vực thời
trang hoặc hàng tiêu dùng nhỏ, mới lạ ( gadget).
7.2 Những đặc điểm của dự báo :
1. Nhìn chung những dự báo thường không chính xác. Những kết quả gần đây cho thấy
những dự báo càng ngày càng ít độ in cậy. Những con số toàn cầu được cung cấp bởi
những tổ chức như là l’INSEE trong các lĩnh vực không đáng tin (Ví dụ cuối năm 1992
người ta dự đoán thị trường xe hơi sẽ tăng lên một vài phần trăm vào năm 1993. Thực tế,

1. Phương pháp dựa trên quan niệm “ Quan điểm của những chuyên gia”
Khi một sản phẩm chưa được thương mại hóa hoặc nó vừa xuất hiện trên thị trường
thì những dự báo thường dựa trên những sự đánh giá hoặc điều tra. Những sự đánh
giá này dựa trên những ý kiến của những chuyên gia và vấn đề là đạt được một sự
nhất trí tối thiểu giữa những ý kiến khác nhau. Những kĩ thuật được sử dụng phụ
thuộc vào việc đưa ra những quyết định hoặc những kỹ thuật lựa chọn đa tiêu chuẩn.
Về phía những cuộc điều tra và những cuộc khảo sát thị trường, họặc mong tìm ra
được những nhu cầu tiềm ẩn (VD : bạn mua sản phẩm nào với giá bao nhiêu?), hơặc
đánh giá được sự thỏa mãn của khách hàng. Trong trường hợp này, những cuộc điều
tra bắt đầu bằng sự kiểm tra sản phẩm. Cho dù mục đích cuộc điều tra như thế nào,
cần phải xác định phân đoạn của những khách hàng tiềm năng và tìm hiểu ý nghĩa
những câu trả lời thu thập được. Điều này thông thường được thực hiện bởi các công
tychuyên môn ( VD như là SOFRES). Loại dự báo này sẽ giúp dịch vụ tiếp thị nhưng
nó sẽ không phát triển thêm trong sách này.
2. Dự báo nhờ dịch vụ thương mại
Trong phần lớn các công ty, các nhân viên bán hàng thường phục vụ cho một loại
khách hàng hoặc một sản phẩm chuyên biệt nào đó. Dựa trên công việc và những mối
quan hệ, các nhân viên bán hàng thường là người được phản ánh tốt nhất về những
phản ứng của khách hàng và họ là về các sản phẩm mà họ phụ trách. Do đó cần dựa
các nhân viên này để làm dự báo.
Trong một vài công ty, việc cung cấp những dự báo là một trong nhũng họat động của
các nhân viên bán hàng. Đặc biệt , việc phán đóan khả năng của 1 nhân viên bán hàng
cũng như phần lương thay đổi của họ được tính dựa trên độ tin cậy của những dự báo
của họ mang lại. Đôi khi hợp đồng giữa người bán hàng và bộ phận sản xuất quy định
mức độ sai số α ( Ví dụ : sai số là 30 % cho dự báo 6 tháng, 10 % cho 1 tháng). Nhân
viên bán hàng sẽ cung cấp giá trị dự báo P
t
cho tháng thứ t. Dự báo này sẽ được bộ
phận mua hàng chấp nhận (bộ phân này có thể cung ứng hàng cần thiết), cũng như bộ
phận sản xuất. Khi đã có được sự đồng ý, biên độ dao động

Để làm được điều đó, người ta cần xác định hàm số f đê tính mức cầu D trong một
khoảng thời gian t, theo các giá trị y
i
trong quá khứ. VD, việc bán các tấm tả lót cho
trẻ từ 3-6 tháng trong tháng 12 phụ thuộc vào số lượng trẻ được sinh từ tháng 3 đến
tháng 10. Hoặc là, việc buôn bán lốp xe sẽ tương quan đến số lượng xe bán ra trong
những năm trước và số km xe chạy trung bình. Để mô hình này cho dự báo tốt, mối
tương quan tốt giữa D và y
i
.chưa đủ, mà nó còn phải được giải thích thông qua mối
liên hệ nhân quả. Bằng cách thu thập khá đủ các biến y
i
, chúng ta có thể xấp xỉ được
các giá trị quá khứ của D nhưng điều này không đảm bảo mối liên quan tương lai.
Nhà kinh tế học G. Morlat đã tìm thấy một mối tương quan tốt giữa việc tiêu thụ điện
và kích thước của những con cừu, nhưng mà ông cũng cho rằng dùng phương pháp
ngoại suy kết quả không chắc chắn.
4. Mô hình thống kê
Khi nhu cầu tương đối ổn định theo thời gian, nhưng biến động trong từng thời kỳ,
chúng ta có thể xác định luật xác suất theo nhu cầu này. Một khi luật này được xác
lập ,cho phép chúng ta đánh giá độ rủi ro nếu nhu cầu thấp hơn cung hoặc mức thiếu
hụt trong trưòng hợp ngược lại.
Để xàc định luật này, chúng ta lấy lại các nhu cầu những thời kì vừa qua (ví dụ số
lượng bán hàng mổi ngày của tháng rồi) và chúng ta có thể tính những tần số.Tiếp đó,
họac chúng ta tính toán trực tiếp dựa trên các dữ liệu này, theo luật rời rạc, hoặc
chúng ta tìm một hàm xác suất liên tục để giải thích.Trong trường hợp này, chúng ta
dựa vào hai luật xác suất thường hay sử dụng :
• Luật Poisson, khi nhu cầu của một sản phẩm yếu
• Luật Normal (Gauss), khi nhu cầu một sản phẩm mạnh
• Các mô hình này sẽ được đặc biệt triển khai trong chương 4 và chương 5, lien

đặt hàng, hoặc những sự cố bất thường (chiến tranh vùng vịnh ,biểu tình ).
Trong trường hợp hợp đồng ngoại lệ ,chúng ta cần phải xem xét những dữ liệu ban đầu
và sử dụng gia công cho hợp dồng này.Trong một vài trường hợp, có thể có tác động
trong khoảng thời gian biến động và sự chĩnh sửa sẽ khó hơn .Qua đó, sau các cuộ đình
công thường là thời gian bù lại. Phải ước lượng những thiếu hụt để them vào và những bổ
sung cầ được gia công.
2.Trường hợp thông thường, nhưng tần số hoặc ngày thay đổi (số ngày nghỉ them,
các khởi hành trong dịp hè cho cá xa lộ). Độ lớn của các biến phải được tính toán , từ các
dữ liệu ban đầu và thêm vào các dự báo.
3.Khoảng thời gian không bằng nhau :Khi các dữ liệu được tính theo tháng, thời
gian không bằng nhau giữa các tháng là nguyên nhân gây ra không chính xác của các
đường cong. Tuỳ theo các dữ liệu thu được thu được và các hoạt động công ty ,chúng ta
có thể phân loại sự sắp xếp như sau
3.1 .Khi nhu cầu là một hàm theo số lượng ngày của tháng (ví dụ sự tiêu
thụ nước ),chúng ta có thể sử dụng tháng chuẩn có số ngày 365/12 (hoặc 366/12 nếu năm
nhuần).Khi đó ,ta có công thức sau :
DR
i
= (D
i
/NJ
i
)*365/12
Trong đó :
DR
i
: dữ liệu được sắp xếp của tháng i
D
i
: dữ liệu của tháng i

, với k: thứ hai ,thứ ba của
tuần được chọn. Giá trị trung bình của số lượng bán cho phép chúng ta tính số lượng bán
của một ngày chuẩn V
st
và xác định tỹ trọng của 1 ngày đối với ngày chuẩn như sau :

P
k
= V
k
/V
st
Ví dụ :
Tuần hai ba tu nam sau bay Ngày trung bình
Số lượng bán V
k
Khối lượng công việc P
k
600 450 400 350 550 950
1.09 0.82 0.73 0.64 1.00 1.73
550

Bằng cách nhân số lượng ngày k làm việc trong tháng với P
k
,chúng ta có thể tìm thấy số
ngày chuẩn k và lấy tổng số ngày chuẩn của tháng i .Chúng ta sẽ có:
DR
i
= (D
i

Năm chỉ số Năm chỉ số
1970 4.60 1980 1.83
1971 4.35 1981 1.61
1972 4.10 1982 1.44
1973 3.82 1983 1.32
1974 3.36 1984 1.23
1975 3.01 1985 1.16
1976 2.74 1986 1.14
1977 2.50 1987 1.10
1978 2.30 1988 1.07
1979 2.07 1989 1.03

Bảng giải lạm phát từ 1970 đến 1990
6.Anh hưỡng của kiều hối: Trong một vài trường hợp, chúng ta có các số liệu
bằng đồng franc trong khi việc mua bán có thể được thực hiện bằng 1 ngoại tệ khác ( vi
dụ bằng USD) Những thay đổi giá trị của các ngoại tệ này có thể làm thay đổi rất nhiều
các dữ liệu thu được.
7.5 .Nghiên cứu theo thời gian: tổng quát
7.5.1. Phân tích chuỗi
Tất cả chuỗi thời gian được nghiên cứu thông qua ba yếu tố:
• Yếu tố khuynh hướng ,F
t
• Yếu tố chu kỳ ,C
t
• Yếu tố bấp bênh,
t
ε
-Yếu tố khuynh hướng :yếu tố này có bản chất được xác định, chỉ phụ thuộc vào thời
gian .Trong giai đoạn tăng trưởng , F
t

-Yếu tố chu kì
Gọi L là chu kỳ (khoảng thời gian lặp lại ) và ta sẽ có C
t
: C
t+L
=C
t
.Trong trường hợp của
các công ty , chu kì của nhu cầu thường tính theo năm. Thỉnh thoảng ,chúng ta có thể
nghiên cứu một chu kì thông qua từng chu kì nhỏ riêng biệt như chu kì theo mùa
-Yếu tố bấp bênh :
t
ε
là một quá trình bấp bênh, điều này có nghĩa với mọi giá trị t
E(
t
ε
) = cste
Var(
t
ε
) = cste
7.5.2. Các lọai hình:
Tất cả sự kết hợp gồm 3 yếu tố đều khả thi. Trong thực tế, ta dung những mức cầu sau:
- Nhu cầu bấp bênh :D
t
=
t
ε
Trong trường hợp này ,chúng ta không thể dự báo . Và chúng ta phải dựa vào độ linh

i
C
;nói cách khác dao
động theo mùa phải dựa trên nhiều chu kì .
HÌNH 7.5
-Nhu cầu theo mùa liên tiếp :D
t
= (At + B)C
t
t
ε
HÌNH 7.6
Ở đây , sự khác nhau giữa các đỉnh càng ngày càng rõ nét .Nhất là nhu cầu tại các thời
điểm đỉnh ngày càng tăng lên nếu là khuynh hướng tăng họăc các điểm đáy ngày càng
tháp nếu khuynh hướng là giảm. Điều này kéo theo sự thay đổi các sai biệt từ chu kỳ này
sang chu kỳ khác.
Mô hình này có thể dưa về mô hình trước bằng cách sử dụng hàm toán học logarith.
Trong trường hợp này, luật bảo toàn diện tích tương ứng với
∏
=1
i
C
hoặc tính gần
đúng
∑
= LC
i
.Khi là cầu theo mùa liên tiếp, chúng ta nên biến đổi bằng mô hình theo
mùa để ổn định các sai biệt dữ liệu.
Qua mắt thường, hai mô hình này chỉ khác biệt nhau bởi các đường thẳng tiệm cận với

e
t
: e
t
= P
t
– D
t

Hai đại lượng quen thuộc để tính sai sót trong dự báo :
-Trung bình tuyệt đối :

( )
∑
==
n
it
e
n
eMoyMA
1
1
-Trung bình bình phương

∑
==
22
1
)(
it

Một điều chúng ta cần chú ý khi tính sai số là giá trị trung bình của (e
t
) tiến đến 0.Do đó
cách để kiểm tra nó là tính tổng
∑
t
e
rồi xem có tiến về 0 hay không .
7.6 Chuỗi bất động
7.6.1.Mở đầu
Công ty AlumAlim chuyên chế tạo các lõi giấy bạc cho việc sử dụng chứa thực phẩm.
Công ty hoạt động kinh doanh ở ba lĩnh vực lớn mà chúng ta sẽ thấy sau đây .
Lĩnh vực thứ 1 , các giấy bạc được sử dụng cho việc chế tạo các nắp của hủ Yaourt , hộp
cacao Nhu cầu ôn dinh, voi những thay đổi bấp bênh không nhiêu. Nói một cách khác,
nhu cầu là một hàm D
t
= B +
t
ε
, trong đó B là một hằng số chưa biết và
t
ε
là sai số ứng
với trọng số bằng không và phương sai
σ
.
Giả sử chúng ta có 10 giá trị về nhu cầu của 10 tháng trước như sau :
1 2 3 4 5 6 7 8 9 10
510 524 539 514 505 568 567 533 567 535
Và bây giờ chúng ta tính nhu cầu tháng tiếp theo .

Chênh lệch
tuyệt đối
L=4
Chênh lệch
tuyệt đối
510
524
539
514 524.33 10.33
505 525.67 20.67 521.75 16.75
568 519.33 48.67 520.50 47.50
567 529.00 38.00 531.50 35.5
533 546.67 13.67 538.50 5.50
567 556.00 11.00 543.25 23.75
535 555.67 20.67 558.75 23.75
Dự báo MA 545.00 23.29 550.50 25.46
Voi L =3, sai số MA yếu hơn voi L=4. Nếu chúng ta chấp nhận rằng sai số e
t
tuân theo
định luật Gauss,chúng ta có :
σ
e
=1.25*23.29 =29.11.
Với L=3 ,chúng ta có thể suy ra rằng, dê khoảng tin cậy là 95%, nhu cầu tháng sau sẽ là
545
29.23*2
±
, nghia là trong khoang 498 và 592.
7.6.3 Hàm mũ don gian
Kỹ thuật này do Brown đưa ra (1958) như sau: vào cuối tháng t, chung ta co hai gia tri du

ααα
Nhân xet rang duong nôi hàm mu tinh dên tât ca thoi diêm, trong do chu trong nhât là cac
thoi diêm gân nhât và cac thoi diêm xa nhât thuy theo gia tri
α
Khi
1→
α
thì P
t+1
-> D
t
,chúng ta chu trong dên giá trị hiện tại .
Khi
0
→
α
thì P
t+1
-> D
0
,chúng ta chu trong dên giá trị của quá khứ.
Bảng sau đây cho phép tính toán ứng với
α
=0.20 và
α
=0.40
Giá trị từng
tháng
0.20
Chênh lệch

Tháng Giá trị cần tính
1
2
3
4
5
6
7
8
9
10
101
105
109
107
100
103
110
105
108
103
Ta có ,ở phần trước :
D
t
= At + B +
t
ε
Giá trị trung bình trong trường hợp này không thich hop. No danh gia thap trong truong
hop nhu cau tang va nguoc lai cao khi nhu cau thap. Vì vậy ,chúng ta sử dụng hai
phương pháp sau :

t
giữa khoảng thời gian t và t+1. Uoc luong
dau tien cua hệ số này được xác định boi S
t
- S
t-1,
, lân thu hai duoc cho boi A
t-1
, nho vào
giai doan truoc. Tu do:
( ) ( )
1 1
1
t t t t
t k t t
A S S A
P S kA
β β
− −
+
= − + −
= +
Ở đây ,giong nhu voi ham mu don gian, cho phep ghi nho tu giai doan nay sang giai doan
khac vài gia tri, là bốn giá trị
, , ,
t t
S A
α β
, chung cho phép chúng ta tính dự báo những
tháng tiếp theo , và thường

0
g g
a b
∂ ∂
= =
∂ ∂
Điều này dẫn đến :
2
0
0
i i i i
i i
a x b x x y
a x bn y
+ − =
+ − =
∑ ∑ ∑
∑ ∑
Chia hai vế cho n ,ta có :
a*TB(X
2
) +b*TB(X) = TB(XY)
a*TB(X) + b = TB(Y)
Từ đó ,suy ra :
2 2
( ) ( ) ( )
( ) ( )
( , )
( )
( ) ( )

trước .ở đây ,chúng ta sử dụng những giá trị của hai năm 1997 ,1998 để tính giá trị năm
1999.

Tháng 1997 1998
1
2
3
4
5
6
7
8
9
10
11
12
1094
1015
1196
1130
1054
946
974
849
998
1120
1114
1090
1045
1042

Giá trị
ρ
trong trường hợp này được gọi là hệ số tự tương quan ,kí hiệu
ρ
L
.Giả thuyết
thay đổi theo chu kỳ mùa hiện thực nếu
ρ
L
cao. Khi L không biết trước, bàng cach tinh
liên tiêp hệ số tự tương quan
ρ
1
,
ρ
2
….ta co thê co duoc L. Trong ví dụ này ,chúng ta
tìm thấy
ρ
12
= 0.85 . Diêu này khang dinh tinh theo mua cua thi du.
Tháng 1997 1998
1
2
3
4
5
6
7
8

thích hop nhât. Trong trường hợp ro ràng là mô hình nhân, ta co thê kiêm tra bàng mat
thuong. Truong hop nguoc lai, gia tri D
i+L
– D
i
cho phep ta kêt luân. Voi mô hinh co
t
ε
=0, chúng ta có :
- Đối với mô hình cộng :
D
i+L
– D
i
= (A
i+L
+ B +C
i
) – (A
i
+B +C
i
) = AL = hang sô
- Đối với mô hình nhân :
D
i+L
– D
i
= (A
i+L

giả thuyết đã cho ,ta có :
- Đường thẳng có khuynh hướng voi dô dôc là 0 :a = 0
- Bât kê tháng nào dùng làm diêm xuất phát cua dự báo
Tuy nhiên, khi chúng ta tính đường thẳng hồi quy dua trên cac du liêu ban dâu, cac kêt
qua co duoc sau dây lai tùy thuôc vào dữ liệu cua tháng xuat phat:
Tháng a b
1
2
3
4
5
6
2.10
31.47
18.88
-10.49
-23.08
-18.88
1136.36
945.45
1027.27
1218.18
1300.00
1272.73
Chúng ta nhận xét rằng ,với cùng một chuỗi tương tự ,chúng ta thấy cũng có sự tăng lên
và sự giảm xuống ,đó là do chúng ta chỉ giới hạn trong trường hợp hồi quy tuyến tính .
Ngoài ra ,khi có biến động theo mùa , chúng ta có thể tính toán bằng cách biến các dữ
liệu không theo mùa và sử dụng giá trị trọng số trung bình của chiều dài L .
Trong ví dụ trên ,dữ liệu không mang tính chu kỳ ,đường thẳng khuynh hướng :T
t
= 2.30t
+1042,33 . Tuy nhiên chu ky cua cac dữ liệu không theo mùa này bắt đầu vào tháng 7
-1997 thay vi vào thang 1 và duong thang se là T
t
= 2.30t +1028.55.
7.8.5 Tính toán các hệ số
Sự khác nhau giữa nhu cầu quan sát được D
t
và khuynh hướng T
t
là C
t
+
t
ε
. Theo dinh
nghia cua cac hệ số theo mùa, hệ số C
i
trong giai doan i (ví dụ hệ số cua tháng 1) là một
hằng số trên môi chu kỳ k .
Nếu t đại diận khoảng thời gian i của chu kỳ k ,thì D
t
– T
t
= C
i
+
t

i
bằng cách :
~
1
i i
C C C
L
= −
∑
.
Trong ví dụ trên ,
i
C
∑
= 46 còn giá trị C
i
se bị trừ di 46/12 .
3 hinh ve thiêu

7.8.6.Hàm mũ bậc ba
Khi chúng ta tính toán hệ số chu kỳ C
i
trong khoảng thời gian L (ngan nhât là 2 chu ky),
có thể sử dụng phương pháp thứ hai để dự báo, là phương pháp hàm mũ bậc ba hay
phương pháp Holt-Winters .Chúng ta ghi nhân là C
t-L
hệ số cuối cùng đã biết (được tính
vào chu kỳ mùa trước, tháng t- L).
Cung giông nhu trong phương pháp Holt ,cần phải đánh giá điểm khuynh hướng S
t

Ltttt
tttt
ttLttt
CSDC
ASSA
ASCDS
−
−−
−−−
−+−=
−+−=
+−+−=
γγ
ββ
αα
1
1
)(1
11
11
ktttkt
CkASP
−+
++=
Với mô hình nhân , diêu chinh bang cach chia cho hệ số theo mùa, chúng ta có :
( ) ( )( )
( ) ( )
( )
( )
ktttkt

∑
=
−
==
n
i
i
x
n
XMoyx
1
1
)(
2.Phương sai : Phương sai của giá trị X
22
2
1
2
1
2
)()(
1
1
)(
XMoyXMoy
xx
n
xx
n
XVar

=
=
1
1
Lk
ki
k
i
x
L
MML
Ví dụ :
i 1 2 3 4 5 6 7 8 9
X
i
20 14 18 12 16 25 24 17 14
MM3 17.3 14.7 15.3 17.7 21.7 22 18.3
MM4 16 15 17.7 19.2 20.5 20
2.Trung bình di động trọng tâm :
Giả sử trong thi du trên X=(x
1
, ,x
n
) là những giá trị quan sát được trong tháng 1 ,2 ,
3 Giá trị MM3
1
=17.33 là giá trị trung bình của ba tháng đầu tiên .Khi chúng ta lây gia
tri này làm gia tri cua thang trung tâm (gia su là tháng 2), thì giá trị trung bình sẽ là giá trị
trung bình trọng tâm. Tuong tu, MM3
2

ltlt
lti
lti
it
xx
L
x
L
MCL
+−
+=
−=
+−=
∑
Lúc này ,ta có bảng số liệu mới như sau :
i 1 2 3 4 5 6 7 8 9
X
i
20 14 18 12 16 25 24 17 14
MC3 17.3 14.7 15.3 17.7 21.7 22 18.3
MC4 15.5 16.4 18.5 19.9 20.2
Cho X=(x
1
, ,x
n
) ,Y =(y
1
, ,y
n
)