Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
CHƯƠNG 6
NG D NG K THU T MÔ PH NG
TRONG QU N LÝ & K THU T
(SIMULATION IN ENGINEERING AND MANAGEMENT)
* M C TIÊU H C T P
Sau khi hoàn t t h c t p chương 6, sinh viên s có kh năng:
1. Mơ t các bư c đ th c hi n m t mơ ph ng.
2. Gi i thích đư c nh ng ưu đi m và như c đi m c a k thu t
mô ph ng.
3. Áp d ng phương pháp mô ph ng Monte-Carlo trong các v n
đ qu n lý – kinh doanh và k thu t.
4. S d ng các công c tin h c đ gi i bài tốn mơ ph ng.
1.
GI I THI U
H u h t chúng ta đ u bi t đư c t m quan tr ng c a vi c ng
d ng r ng rãi k thu t mô ph ng trong th c t . Trên th gi i:
+ Trong các cu c th nghi m bay vào vũ tr , ngư i ta đã dùng mô
ph ng v t lý đ tái t o l i đi u ki n khơng gian. Ví d như nh ng
đi u ki n phi tr ng l c (conditions of weightlessness) đư c mơ
ph ng b i nh ng phịng ch a đ y nư c.
+ T p đồn cơng nghi p Boeing và Airbus thư ng xây d ng nh ng
mơ hình mô ph ng nh ng chi c máy bay ph n l c (jet aircraft)
và s d ng nó trong vi c ki m tra đ c đi m h th ng khí đ ng
l c h c (aerodynamic) c a máy bay.
+ Nh ng t ch c quân đ i phịng th
đ a phương có th th c
hành vi c c u thoát và sơ tán dân cư khi g p nh ng th m h a
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
468
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
thiên nhiên như bão t , lũ l t…b ng nh ng mơ hình mơ ph ng
trên máy tính.
+ Qn đ i M mơ ph ng nh ng tr n chi n và đ ra chi n lư c
phòng th như 1 trò chơi chi n tranh (war game) trên máy tính.
+ Nhà qu n lý thư ng mơ ph ng tình hu ng kinh doanh c nh tranh
trên thương trư ng trong th gi i th c.
+ Hàng ngàn doanh nghi p, t ch c chính ph xây d ng mơ hình
mơ ph ng đ h tr trong vi c ra quy t đ nh trong các v n đ như
ki m soát t n kho, qu n lý nhân s , b trí m t b ng, đ u tư và d
báo doanh s bán hàng…
Trong th c t , cùng v i các phương pháp đ nh lư ng khác, mô
ph ng là 1 trong nh ng cơng c phân tích đ nh lư ng đư c s d ng
r ng rãi nh t trong kinh doanh và qu n lý. R t nhi u cu c kh o sát các
t p đoàn l n nh t
nghi p
M đã ti t l r ng hơn 50% trong s các doanh
nư c này đã s d ng k thu t mô ph ng trong các bài toán
kinh doanh qu n lý c a doanh nghi p mình. Tư tư ng ch đ o c a k
thu t mô ph ng là b t chư c (imitate) l i th gi i th c b ng m t thu t
tốn mà khơng nh hư ng đ n ho t đ ng c a nó.
Mơ ph ng đư c s d ng đ nghiên c u nh ng đ c đi m và thu c
tính c a h th ng; t đó đưa ra nh ng k t lu n và ra quy t đ nh hành
đ ng.
L ch s : Thu t toán c a phương pháp mô ph ng Monte Carlo đã
ra đ i t lâu; nhà toán h c ngư i Anh Lord Kelvin đã s d ng nó
trong m t nghiên c u vào năm 1901. Tuy nhiên, nó đư c cơng nh n
chính th c và đ t tên b i 1 nhà toán h c ngư i Hungary tên là John
Von Neumann trong khi ông làm vi c d án ch t o bom nguyên t
(atomic bomb)
Los Alamos trong Th chi n II. Trong d án này, các
nhà v t lý ph i đương đ u v i m t v n đ khó khăn là làm sao xác
đ nh đư c s di chuy n c a các neutron là bao xa trong các lo i v t
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
469
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
li u khác nhau (ví d : neutron diffusion in fissile material). Phương
pháp Monte Carlo đã đư c Von Neumann áp d ng nh l i đ ngh c a
1 đ ng nghi p t i Los Alamos có tên Stanislas Ulam nh m gi i quy t
v n đ trên b ng cách phát m t s ng u nhiên đ mô ph ng hành vi
c a h t neutron.
7 bư c c a k thu t mô ph ng:
1. Xác đ nh v n đ (Define a Problem);
2. Khai báo các bi n liên quan đ n v n đ (Introduce Important
Variables);
3. Xây d ng mơ hình mơ ph ng (Construct Simulation Model);
4. Thi t l p t t c các tình hu ng (hư ng gi i quy t) có th có đ
ki m tra/ th nghi m (Specify Values to be Variables);
5. Ch y th nghi m (Conduct the Simulation);
6. Đưa ra k t qu (Examine the Results)
bư c này, ta phân tích k t qu và n u c n thi t thì s a đ i l i mơ
hình tốn và thay đ i s li u ban đ u đ xét cho tình hu ng khác.
7. Ch n phương án gi i quy t (Select Best Course of Action)
Xác đ nh v n đ
Khai báo các bi n
liên quan
Xây d ng mơ hình
mơ ph ng
Thi t l p các
tình hu ng đ ki m tra
Ch y th
ngh m
Đưa ra
k t qu
Ch n phương án
gi i quy t
Hình 6.1. Các bư c c a q trình mơ ph ng
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
470
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
Lý thuy t c a mô ph ng đã đư c đ c p t lâu, tuy nhiên do kh i
lư ng tính tốn l n, nó ch th c s phát tri n m nh sau khi có ra đ i
c a máy tính. Vào th i đi m đó (th p niên 1940-1950); nó thư ng
đư c dùng đ gi i các bài toán v trong quân s và qu n lý. Trong
chương này, trư c tiên chúng ta s tìm hi u nh ng ưu đi m và khuy t
đi m c a mơ ph ng. Ti p theo s trình bày phương pháp mô ph ng
Monte Carlo và m t s
ng d ng c a k thu t mô ph ng trong kinh
doanh qu n lý như:
+ Bài toán qu n lý t n kho;
+ Bài toán x p hàng;
+ Ho ch đ nh …
Ph n cu i chương s gi i thi u vai trị c a máy tính đ i v i k
thu t mô ph ng và hư ng d n l p trình/gi i bài tốn mơ ph ng b ng
Excel, ph n m m Insght, ph n m m Crystall Ball…
2.
ƯU VÀ KHUY T ĐI M C A PHƯƠNG PHÁP MÔ
PH NG
2.1. Ưu đi m
8 ưu đi m sau đây c a mô ph ng đã giúp nó tr thành 1 trong
nh ng cơng c phân tích đ nh lư ng đư c s d ng r ng rãi trong các
công ty
M :
1. Mô ph ng là 1 phương pháp trung th c, khách quan, đơn gi n và
linh ho t.
(Straightforward and flexible)
2. Mơ hình mơ ph ng d dàng xây d ng trên các chương trình máy
tính.
(Computer software make simulation models easy to develop)
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
471
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
3. Có th áp d ng đ phân tích các tình hu ng th c t ph c t p và r ng
l n (thư ng không th gi i đư c b ng các mô hình phân tích đ nh
lư ng truy n th ng).
(Enables analysis of large, complex, real-world situations)
Đôi khi đây là phương pháp duy nh t có th áp d ng đ nghiên c u
m t v n đ . Ví d như ngư i ta mu n quan sát 1 hành tinh nào đó
trong vũ tr xa xăm.
4. Cho phép nhà qu n lý đ i tho i tr c ti p v i chương trình tính đ
gi i quy t v n đ b ng cách đ t câu h i “What-If? (Cái gì s x y ra
n u?) ch trong vịng vài phút.
(Allows “what-if?” questions)
5. Nó khơng gây c n tr h th ng th gi i th c (Does not interfere
with real-world system)
Mô ph ng ch ti n hành th
nghi m trên mơ hình ch
khơng thí
nghi m trên h th ng th c. Ví d như mơ ph ng b nh vi n.
6. Mơ ph ng có kh năng cho phép nghiên c u s
nh hư ng luân
phiên c a các bi n lên k t qu c a bài tốn, t đó ta có th xác đ nh
bi n quan tr ng nh t nh hư ng đ n k t qu .
(Enables study of interactions)
7. Ti t ki m đư c th i gian (Enables time compression)
Ví d : Tác d ng c a vi c đ t hàng, qu ng cáo, hay các chính sách tr i
qua nhi u tháng (có khi c năm) có th ti n hành mơ ph ng b ng máy
tính trong th i gian ng n.
8. Cho phép đưa vào các tình hu ng ph c t p mà các phương pháp
đ nh lư ng khác không gi i quy t đư c (Enables the inclusion of realworld complications).
Ví d : Trong lý thuy t x p hàng đòi h i bi n nghiên c u ph i có phân
ph i d ng mũ ho c phân ph i Posson (Exponential or Poisson
Distributions) hay m t vài mơ hình qu n lý t n kho và sơ đ m ng
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
472
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
lư i yêu c u bi n nghiên c u ph i có phân ph i chu n. Trong khi đó,
mơ ph ng có th s d ng b t kỳ phân ph i xác su t nào do ngư i s
d ng đ nh nghĩa.
2.2. Khuy t đi m
4 khuy t đi m c a phương pháp mơ ph ng:
1. C n ph i có 1 th i gian dài và chi phí đáng k đ xây d ng 1 mơ
hình mơ ph ng t t và hồn ch nh cho nh ng bài tốn ph c t p.
(Often requires long, expensive development process)
Ví d : Mơ hình ho ch đ nh chính sách c a cơng ty có th m t vài
tháng đ n 1 năm đ phát tri n.
2. Mô ph ng không đưa ra l i gi i t i ưu c th đ gi i quy t v n đ
như các phương pháp đ nh lư ng khác (QHTT, PERT…). Nó ch cho
ra các k t qu d báo v i các xác su t nh t đ nh.
(Does not generate optimal solutions; it is a trial-and-error approach.)
3. Nhà qu n lý ph i t o ra t t c các đi u ki n và ràng bu c đ kh o
sát l i gi i. B n thân phương pháp mô ph ng không t đưa ra l i gi i.
(Requires managers to generate all conditions and constraints of realworld problem)
4. M i mơ hình mơ ph ng là duy nh t. Nói cách khác, l i gi i c a m t
v n đ này thì thư ng khơng áp d ng đư c cho các v n đ khác.
(Each model is unique and not typically transferable to other
problems)
3.
MÔ PH NG MONTE-CARLO
3.1. Khái ni m
Khi chúng ta kh o sát m t h th ng ch a các ph n t , mà m i
ph n t là m t bi n ng u nhiên, thư ng đư c th hi n b i các phân b
xác su t, thì phương pháp mơ ph ng Monte-Carlo có th áp d ng.
Khái ni m cơ b n c a mô ph ng Monte-Carlo là chúng ta th c hi n
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
473
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
m t s mô ph ng d a trên các ph n t ng u nhiên nh vào các giá tr
ng u nhiên đư c phát ra trong q trình mơ ph ng.
Có r t nhi u bi n ng u nhiên (mang b n ch t xác su t) trong h
th ng th gi i th c, trong các v n đ qu n lý kinh doanh (khơng ch c
ch n) mà chúng ta có th mơ ph ng.
Ví d :
1. Nhu c u đ t hàng cơ b n hàng ngày ho c hàng tu n (Inventory
demand on a daily or weekly basis);
2. Th i gian ch đ t hàng (Lead time for inventory orders to
arrive);
3. Th i gian gi a nh ng l n h ng máy (Times between machine
breakdowns);
4. Th i gian gi a nh ng l n di chuy n đ n phương ti n ph c v
(Times between arrivals at a service facility);
5. Th i gian ph c v (Service times);
6. Th i gian hồn thành các cơng tác c a m t d án (Times to
complete project activities);
7. S nhân viên v ng m t trong m i ngày làm vi c (Number of
employees absent from work each day).
Monte-Carlo là m t k thu t ch n các s ng u nhiên t 1 phân b
xác su t. Thu t ng Monte Carlo là vơ cùng thích h p/xác đáng b i vì
nguyên lý cơ b n n ch a sau quá trình này cũng gi ng như vi c chơi
các trò chơi đánh b c
các sòng bài casino t i Monaco (bao g m các
trò bánh xe Roulette quay tròn, đ xúc s c…).
3.2. Các bư c th c hi n phương pháp mô ph ng Monte Carlo
Phương pháp mô ph ng Monte-Carlo bao g m 5 bư c chính như
sau:
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
474
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
Bư c 1: Th ng kê d li u quan sát trong quá kh c a bi n nghiên
c u. T đó thi t l p phân ph i xác su t cho nh ng bi n chính
(Setting up a probability distribution for important variables).
Tùy theo tính ch t v t lý c a t ng bi n ng u nhiên nghiên c u
mà ta gán cho nó m t d ng phân ph i xác su t thích h p. Đi u này tùy
thu c vào tính ch quan c a t ng nhà nghiên c u. Ta chú ý r ng phân
ph i xác su t không ph i ch d a vào duy nh t các s li u quan sát
trong quá kh , đôi khi c n d a vào ư c lư ng có đư c t kinh nghi m
c a nhà qu n lý. Cũng có th s d ng các phân ph i đã bi t. Ngoài ra
n u c n thi t, t các s li u quan sát r i r c c a m t bi n ng u nhiên,
ta cũng có th liên k t nó v i m t phân ph i xác su t lý thuy t thích
h p nh t. S đánh giá m c đ phù h p (v i m t đ tin c y nh t đ nh)
thư ng đư c đánh giá b ng cách s d ng phương pháp kh o sát bi n
χ2 .
Bư c 2: L p b ng và tính xác su t tích lũy cho m i bi n xác đ nh
bư c 1.
(Building a cumulative probability distribution for each variable in
step one)
Bư c 3: Xác l p kho ng dao đ ng các s ng u nhiên cho t ng giá
tr c a bi n.
(Establishing an interval of random numbers for each variable)
Bư c 4: T o các s ng u nhiên (Generating random numbers)
M t s đư c g i là ng u nhiên khi nó đư c phát ra b i m t quá
trình phát s ng u nhiên. Chúng ta có th t o các s ng u nhiên nh
các cách sau:
+ Bánh xe trò chơi roulette (Spins of roulette wheel);
+ Tra b ng các s ng u nhiên (Table of Random Numbers) đã l p
s n;
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
475
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
+ S d ng các hàm phát s ng u nhiên trên máy tính (Computer
generating)
B ng các s ng u nhiên (Table of Random Numbers): đã đư c
s p x p m t cách ng u nhiên, vì v y m i con s có cùng cơ h i xu t
hi n trong quá trình l y m u.
B ng 6.1. B ng các s ng u nhiên
(Ngu n: Barry Render, Ralph M.Stair Jr., Michael E. Hanna, 2009.
Quantitative Analysis for Management, 10th Edition, Prentice Hall
International, Inc)
Bư c 5: Ti n hành mô ph ng cho t ng chu i th
(Actually simulating a series of trials)
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
476
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
4.
VÍ D
ng d ng mơ ph ng trong qu n lý và k thu t
MINH H A PHƯƠNG PHÁP MƠ PH NG MONTE
CARLO
Tình hu ng: C a hàng bán v xe hơi Vinh Quang
C a hàng Vinh Quang bán r t nhi u lo i v xe hơi, trong đó lo i
l p có b t a trịn c a bánh xe hơi (Radial tire) chi m m t th ph n l n
trong toàn b doanh s bán hàng c a c a hàng. Nh n th y chi phí t n
kho c a m t hàng này có th tăng lên đáng k , anh Quang - ch c a
hàng - mong mu n đưa ra m t chính sách qu n lý s t n kho t i ưu
cho lo i l p này. Anh ta mô ph ng nhu c u hàng ngày c a l p xe v i
chu kỳ quan sát là 200 ngày.
- Nhu c u hàng ngày c a l p có b t a trịn (Radial tire) đư c cho
trong b ng 2 sau đây.
B ng 6.2. Nhu c u hàng ngày c a l p có b t a tròn
S lư ng l p xe tiêu th
T n s (ngày)
(cái/ngày)
0
10
1
20
2
40
3
60
4
40
5
30
T ng
200
Bư c 1: Thi t l p phân ph i xác su t cho nh ng bi n chính
(Setting up a probability distribution for important variables)
Gi s nhu c u
quá kh v n đúng trong tương lai. Tính xác su t
p (xi) cho t ng quan sát = T n s c a quan sát/ T ng s ngày quan
sát
B ng 6.3. Xác su t nhu c u c a l p có b t a trịn
S lư ng l p xe tiêu
T ns
Xác su t
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
477
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
th , x (cái/ngày)
(ngày)
P(xi)
0
10
1
20
0,10
2
40
0,20
3
60
0,30
4
40
0,20
5
30
0,15
T ng
200
1,00
10/200=0,05
Bư c 2: Tính xác su t tích lũy cho m i bi n.
(Building a cumulative probability distribution for each variable)
Xác su t tích lũy là xác su t mà t i đó bi n nhu c u nh hơn ho c
b ng m t giá tr c th nào đó. M t phân ph i xác su t tích lu li t kê
t t c các giá tr có th có c a bi n s và xác su t tương ng. Cách
tính: Xác su t tích lũy t i m i m c nhu c u c a l p xe s b ng t ng
giá tr xác su t tương ng (c t 2) c ng v i các giá tr xác su t tích lũy
trư c nó (c t 3).
B ng 6.4. Xác su t tích lũy c a l p có b t a trịn
S lư ng l p xe tiêu th
Xác su t
(cái/ngày)
pi
0
0,05
1
0,1
2
0,2
0,35
3
0,3
0,65
4
0,2
0,85
5
0,15
1
Xác su t tích lũy
0,05
0,05+0,1=0,15
Đ th phân ph i xác su t tích lũy c a l p xe đư c th hi n
hình 2 s giúp chúng ta gán các s ng u nhiên
bư c ti p theo.
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
478
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
Hình 6 2. Đ th phân ph i xác su t tích lũy c a l p xe
Bư c 3: Xác l p kho ng dao đ ng tương
ng cho các s ng u
nhiên cho t ng bi n (Kho ng l y m u ng u nhiên)
(Establishing an interval of random numbers for each variable)
Sau khi chúng ta đã th hi n phân ph i xác su t tích lũy cho m i
bi n, chúng ta c n ph i gán t p h p các con s đ th hi n t ng giá tr
k t qu có th có c a bi n nghiên c u. Chúng đư c g i là kho ng các
s ng u nhiên (random number intervals). M t s đư c g i là ng u
nhiên khi nó đư c phát ra b i m t quá trình phát s ng u nhiên.
Có nhi u cách đ xác đ nh các s ng u nhiên mi n là nó đưa ra
đư c t l đúng gi a các k t qu . Ví d : 01, 02, 03, 04, 05 ho c 00,
01, 02, 03, 04 đ u đư c. Nhưng ta nên dùng cách trư c vì kho ng cu i
m i kho ng s tương ng v i xác su t tích lũy. N u xác su t nhu c u
c a l p xe ng v i 0 cái m i ngày là 5%, chúng ta s s d ng 5% các
s ng u nhiên đ th hi n tương ng v i m c nhu c u b ng 0. Gi s
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
479
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
chúng ta có 100 con s đư c s d ng trong q trình mơ ph ng, chúng
ta s gán m c nhu c u là 0 l p xe cho 5 s ng u nhiên đ u tiên là 01,
02, 03, 04 và 05. Còn n u xác su t nhu c u c a l p xe ng v i 1 cái
m i ngày là 10%, chúng ta s gán 10 s ng u nhiên ti p theo (06, 07,
08, 09, 10, 11, 12, 13, 14 và 15) đ th hi n tương ng v i m c nhu
c u đó. Q trình c th ti p t c cho các m c nhu c u cịn l i.
Thơng thư ng, chúng ta s s d ng đ th phân ph i xác su t tích
lũy
bư c 2 đ gán kho ng các s ng u nhiên cho t ng m c nhu c u
l p xe hàng ngày c a c a hàng. Hãy quan sát b ng 4 dư i đây, b n s
th y r ng các kho ng s ng u nhiên (c t 4) th hi n các m c nhu c u
s tương t như xác su t tích lũy (c t 3). Kho ng dao đ ng các s
ng u nhiên luôn luôn b ng s ph n trăm c a xác su t tích lũy.
Như v y, đ dài c a các kho ng s ng u nhiên
c t 4 s tương
ng v i xác su t c a m t m c nhu c u l p xe hàng ngày
c t 3. Do
đó, đ gán các s ng u nhiên th hi n m c nhu c u là 3 l p xe hàng
ngày thì kho ng các s ng u nhiên tương ng ph i t s 36 đ n s 65
tương ng v i xác su t (hay t l thành ph n) là 30%. B t kỳ m t con
s ng u nhiên nào n m trong đo n t 36 đ n 65 đ u bi u di n nhu c u
3 l p xe m i ngày.
B ng 6.5. Gán các kho ng s ng u nhiên
S lư ng l p xe tiêu
Xác su t
th (cái/ngày) xi
pi
0
0,05
0,05
T 01 đ n 05
1
0,1
0,15
T 06 đ n 15
2
0,2
0,35
T 16 đ n 35
3
0,3
0,65
T 36 đ n 65
4
0,2
0,85
T 66 đ n 85
5
0,15
1
T 86 đ n 00
Xác su t tích lũy
Kho ng các s
ng u nhiên
Bư c 4: T o các s ng u nhiên (Generating random numbers)
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
480
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
Có nhi u cách đ phát ra các s ng u nhiên trong q trình mơ
ph ng như:
+ Bánh xe trò chơi roulette (Spins of roulette wheel);
+ Tra b ng các s ng u nhiên (Table of Random Numbers) đã l p
s n;
+ S d ng các hàm phát s ng u nhiên trên máy tính (Computer
generating).
Ghi chú:
- Đ i v i các v n đ l n và ph c t p đòi h i ph i s lư ng mơ ph ng
l n thì chúng ta nên s d ng các hàm phát s ng u nhiên trên các
chương trình máy tính đ phát ra các s ng u nhiên.
- Đ i v i nh ng bài tốn nh , mơ ph ng có th tính tốn b ng tay,
chúng ta có th dùng bánh xe trò chơi roulette ho c s d ng m t b ng
s ng u nhiên.
- B ng các s ng u nhiên đã đư c s p x p m t cách ng u nhiên, vì
v y m i con s có cùng cơ h i xu t hi n trong q trình l y m u. Do
đó, chúng ta có th l a ch n con s b t kỳ trong b ng đ s d ng
trong q trình mơ ph ng
bư c 5.
Bư c 5: Ti n hành mô ph ng cho t ng chu i th
(Actually simulating a series of trials)
Đ u tiên, chúng ta s ch n m t con s b t kỳ trong b ng các s
ng u nhiên. Sau đó, s d ng b ng 4 đ xác đ nh s lư ng tiêu th l p
xe tương ng. Gi s chúng ta làm m t mô ph ng cho 10 ngày bán
hàng như sau:
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
481
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
B ng 6.6. Mô ph ng 10 ngày bán l p xe
S ngày
S ng u nhiên
Mô ph ng nhu c u tiêu th
m i ngày
1
52
3
2
37
3
3
82
4
4
68
4
5
98
5
6
96
5
7
33
2
8
50
3
9
88
5
10
90
5
T ng s l p xe tiêu th cho 10 ngày =
39
S l p xe tiêu th trung bình cho l n mô ph ng v a th c hi n =
39/10 = 3,9 (l p xe/ngày).
T mô ph ng này, chúng ta th y r ng s lư ng l p xe tiêu th
trung bình là 3,9 l p xe/ ngày. Trong khi đó, nhu c u kỳ v ng hàng
ngày/Expected Daily Demand (giá tr trung bình lý thuy t): E(x) =
n =6
∑ p(x ) * x = 0,05*0 +0,1*1 + 0,2*2 + 0,3*3 + 0,2*4 + 0,15*5 = 2,95
i =1
i
i
(l p xe/ ngày)
N u chúng ta l p l i mô ph ng nhi u l n (hàng trăm đ n hàng
ngàn l n) thì giá tr trung bình cho t nhi u mô ph ng khác nhau này
s ti n d n v giá tr trung bình lý thuy t. Thông thư ng, s r t r i ro
n u b n đưa ra các k t lu n n u ch d a trên m t s ít l n mơ ph ng
như ví d trên, đ c bi t khi mô ph ng s v n hành c a m t công ty.
Tuy nhiên, các bư c tính tốn b ng tay trong ví d này đã cung c p
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
482
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
cho chúng ta các bư c c a q trình mơ ph ng theo phương pháp
Monte Carlo. T đó giúp chúng ta hi u đư c cách v n hành c a các
mơ hình mơ ph ng trên chương trình máy tính.
Nh n xét: Bài tốn mơ ph ng c a hàng Vinh Quang ch có 1 bi n
duy nh t.
5.
NG D NG MÔ PH NG TRONG BÀI TOÁN QU N LÝ
T I ƯU KHO
Đ gi i bài tốn t n kho, thơng thư ng chúng ta hay s d ng các
mơ hình tính tốn t t đ nh v i gi thi t nhu c u c a s n ph m (product
demand) và th i gian ch hàng (lead time) đ u là nh ng giá tr không
đ i. Tuy nhiên, trong h u h t các tình hu ng t n kho ph c t p trong
th c t , nhu c u và th i gian ch đ u là các bi n s có th thay đ i, do
đó chúng ta ph i s d ng phương pháp mô ph ng đ phân tích bài
tốn qu n lý t i ưu kho.
Trong ph n này, chúng ta s s d ng phương pháp mơ ph ng
Monte Carlo đ phân tích bài toán t n kho bao g m 4 bi n s :
+ 2 bi n ra quy t đ nh là lư ng đ t hàng (Order Quantity) và đi m
tái đ t hàng (Reorder Point), và
+ 2 bi n xác su t là nhu c u hàng ngày (Daily demand) và th i gian
ch v n chuy n (Lead Time).
Tình hu ng: C a hàng v t li u xây d ng Phương Nam
Ơng Nam, ơng ch kiêm nhà qu n lý c a c a hàng v t li u xây
d ng Phương Nam, mu n đưa ra m t chính sách qu n lý t n kho t i
ưu sao cho chi phí là th p nh t cho s n ph m chuyên bán c a c a
hàng: mũi khoan bê tông hi u NICHOLSON c a M .
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
483
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
Hình 6.3. Mũi khoan bê tơng
Chúng ta gi i bài toán theo 7 bư c c a k thu t mô ph ng:
Bư c 1. Xác đ nh v n đ (Define a Problem): Ông Nam mu n tìm
m t chính sách qu n lý t n kho t i ưu (t t nh t) cho s n ph m mũi
khoan bê tông hi u NICHOLSON c a M .
Bư c 2. Khai báo các bi n liên quan đ n v n đ
(Introduce
Important Variables)
Ông Nam nh n th y có 2 bi n đ u vào liên quan đ n v n đ c n
gi i quy t:
+ Bi n ki m soát đư c (Controllable inputs) /Bi n ra quy t đ nh
(Decision Variables); và
+ Bi n khơng ki m sốt đư c (Uncontrollable inputs).
Bi n ki m soát đư c (Controllable inputs):
+ S lư ng s n ph m m i l n đ t hàng - Q (Order Quantity);
+ Đi m tái đ t hàng - ROP (Reorder Point)
Chính sách đ t hàng đ u tư đ u tiên c a ông Nam là n u s
lư ng đ t hàng là Q =10 thì đi m tái đ t hàng là ROP = 5. Đi u này có
nghĩa là: lư ng hàng mũi khoan bê tông t n kho vào cu i m i ngày
ph i ≤ 5 thì ơng Nam s g i cho nhà cung c p đ t thêm 10 mũi khoan
n a.
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
484
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
2 bi n s quan tr ng c a bài tốn này là bi n khơng ki m soát
đư c (Uncontrollable inputs): nhu c u hàng ngày (Daily demand) và
th i gian ch v n chuy n (Leadtime). Chúng ta s
ng d ng mô ph ng
Monte Carlo đ mô ph ng giá tr c a 2 lo i bi n khơng ki m sốt
đư c này.
S mũi khoan bê tông bán đư c m i ngày tương đ i th p. Hơn
300 ngày v a qua, ông Nam đã quan sát vi c bán hàng c a c a hàng,
s li u quan sát đư c cho như trong c t (2) c a b ng 6.7. Ơng Nam đã
tính tốn xác su t
c t (3) và bi n đ i các d li u này (c t 1 và 2)
thành m t phân b xác su t cho bi n nhu c u mũi khoan bê tông
m i ngày như trong c t (4) và gán kho ng các s ng u nhiên đ đưa
ra nhu c u có th có m i ngày như trong c t (5) c a b ng 6.7.
B ng 6.7. Xác su t và kho ng các s ng u nhiên c a nhu c u tiêu
th mũi khoan bê tông hàng ngày c a c a hàng v t li u xây d ng
Phương Nam
S lư ng mũi
T ns
Xác su t
Xác su t
Kho ng các s
khoan tiêu th
(ngày)
pi
tích lũy
ng u nhiên
(1)
(2)
(3)
(4)
(5)
0
15
15/300 = 0,05
0,05
T 01 đ n 05
1
30
0,1
0,05 + 0,1 =
T 06 đ n 15
(cái/ngày)-xi
0,15
2
60
0,2
0,35
T 16 đ n 35
3
120
0,4
0,75
T 36 đ n 75
4
45
0,15
0,9
T 76 đ n 90
5
30
0,1
1
T 91 đ n 00
T ng
300 ngày
1
- M t khác, ông Nam cũng ghi nh n r ng: Sau khi đ t hàng s n ph m
mũi khoan bê tông hi u NICHOLSON c a M thì thư ng m t t 1
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
485
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
đ n 3 ngày cho vi c v n chuy n, th i gian này g i là th i gian ch
(lead time). Đi u này có nghĩa là chúng ta có th xem th i gian
leadtime k t lúc đ t hàng đ n lúc nh n hàng
trên là 1 bi n xác
su t. S ngày đ nh n đư c 50 đơn đ t hàng đã g i đi trong quá kh
đư c cho như trong b ng 6.8. Tương t như bi n nhu c u (demand)
trên, ơng Nam đã tính tốn xác su t
c t (3) và bi n đ i các d li u
này (c t 1 và 2) thành m t phân b xác su t cho bi n th i gian ch
(lead time) như trong c t (4) và gán kho ng các s ng u nhiên đ đưa
ra th i gian ch như trong c t (5) c a b ng 6.8.
B ng 6.8. Xác su t và kho ng các s ng u nhiên c a th i gian ch
(Leadtime)
Lead time
T ns
Xác su t
Xác su t tích
Kho ng các
(ngày)-yi
(ngày)
pi
lũy
s ng u
nhiên
(1)
(2)
(3)
(4)
(5)
1
10
10/50 = 0,2
0,2
T 01 đ n 20
2
25
0,5
0,2 + 0,5 = 0,7
T 21 đ n 70
3
15
0,3
1
T 71 đ n 00
T ng
50 ngày
1
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
486
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
Bư c 3. Xây d ng mơ hình tốn (Construct Simulation Model)
Lưu đ mơ t q trình mơ ph ng c a bài tốn đư c th hi n
6.4 sau đây:
hình
BEGIN
Ngày b t đ u
mơ ph ng
Có
hàng đã
đ t đ n?
Tăng t n kho hi n
t i b ng lư ng
hàng đ n
Có
Khơng
Phát ra m t con s
ng u nhiên th hi n
nhu c u trong ngày
Nhu c u
l n hơn t n kho
đ u kỳ?
Ghi nh n
sơ lư ng
thât th
Có
Khơng
Tính t n kho cu i kỳ
= T n kho đ u kỳ
– Nhu c u
T n kho
cu i kỳ
nh hơn đi m tái
đ t hàng
Gán t n kho
cu i kỳ = 0
Có đơn
đ t hàng nào
chưa v n
chuy n đ n?
Có
Có
Khơng
Khơng
Khơng
Đ s ngày
c n mơ ph ng
bài toán?
Đ t
hàng
Phát m t s
ng u nhiên th
hi n th i gian
ch (lead time)
Có
Tính tốn: T n kho trung bình cu i kỳ,
th t thu trung bình, s l n đ t hàng
trung bình, và chi phí t n kho
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
END
487
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
Bư c 6. 4. Lưu lđ p quá c các tình hu ng (hư ng a c i a hàng Phươngcó
t t trình mơ ph ng bài tốn c gi quy t) có th Nam
Hình 4. Thi t
đ ki m tra/ th nghi m (Specify Values to be Variables)
Chính sách đ t hàng đ u tư đ u tiên c a ông Nam là: n u s
lư ng mũi khoan bê tông đ t hàng là Q =10 thì đi m tái đ t hàng là
ROP = 5. Đi u này có nghĩa là: lư ng hàng t n kho vào cu i m i ngày
ph i ≤ 5 thì Nam s g i cho nhà cung c p đ t thêm Q = 10 mũi khoan
bê tông n a.
Gi s n u leadtime là 1 ngày thì hàng nh n đư c s khơng đ n
vào sáng hôm sau mà s đ n vào đ u gi làm vi c c a bu i sáng k
ti p n a: love
Nghĩa là leadtime = 1 thì đơn đ t hàng s đư c th c hi n sau 2 ngày
leadtime = 2 thì đơn đ t hàng s đư c th c hi n sau 3 ngày
leadtime = 3 thì đơn đ t hàng s đư c th c hi n sau 4 ngày
Th i gian đem giao hàng = Th i gian ch nh n hàng = leadtime
+1 (ngày)
Gi thi t t n kho đ u kỳ vào ngày 1 (D tr ban đ u) là 10 mũi
khoan bê tông.
Bư c 5. Ch y th nghi m (Conduct the Simulation)
Gi s mô ph ng s đư c th c hi n cho m t chu kỳ là 10 ngày
đư c th hi n trong b ng sau đây:
B ng 6.9. Mơ ph ng bài tốn t n kho c a c a hàng v t li u xây
d ng Phương Nam
Nhu
T n
S
Đ t
S
Th i
c u
kho
mũi
hàng
ng u
gian
khoan đ u nhiên tiêu
Ngày
cu i
khoan
kỳ
th t
S
mũi
nh n
T n
S
kho ng u
kỳ
1
th
nhiên lead
2
time
thu
(5)>(3)
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
488
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
1
-
10
06
1
9
0
Khơng
-
-
2
0
9
63
3
9-3=6
0
Khơng
-
-
3
0
6
57
3
6-
0
Có
02b
1
3=3a<5
4
0
3
94c
5
0
2
Khơngd
-
-
5
10e
10
52
3
10-3=7
0
Khơng
-
-
6
0
7
69
3
7-
0
Có
33
2
3=4<5
7
0
4
32
2
4-2=2
0
Khơng
-
-
8
0
2
30
2
2-2=0
0
Khơng
-
-
9
10f
10
48
3
10-3=7
0
Khơng
-
-
10
0
7
88
4
7-
0
Có
14
1
2
3
4=3<5
Sum
41
Chú thích: Các s ng u nhiên 1 và 2 đư c l y trong c t th 2
c a b ng các s ng u nhiên.
a. Đây là l n đ u tiên t n kho cu i kỳ (=3) < Đi m tái đ t hàng
(ROP=5) và trư c đó khơng có đơn hàng nào đư c đ t cho nên ta s
đ t hàng b ng cách ghi “Yes/Có” vào c t đ t hàng (8).
b. S ng u nhiên 2 bi u di n th i gian leadtime đ u tiên đư c phát ra
là 02, nó đư c l y t c t th 2 hàng th 4 c a b ng các s ng u nhiên.
c. S ng u nhiên 1 bi u di n nhu c u (demand)
ti p theo c a s 02 đã nói
đây là s 94 (là s
m c c).
d. Vào ngày 4 m c dù t n kho cu i kỳ (=0) < Đi m tái đ t hàng
(ROP=5), ta v n không đ t hàng do trư c đó 1 ngày (ngày 3) ta đã đ t
hàng và hàng chưa đ n.
e. Hàng đ t
ngày 3 s nh n đư c vào ngày 5 (do leadtime =1 ngày
nên th i gian ch nh n hàng = leadtime + 1 = 1 +1 = 2).
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
489
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
f. Tương t , hàng đ t
ngày 6 s nh n đư c vào ngày 9 (do leadtime
=2 ngày nên th i gian ch nh n hàng = leadtime + 1 = 2 +1 = 3).
Th t may cho ông Nam là trong th i gian ch nh n hàng (ngày 7 và
ngày 8), c a hàng v n không b th t thu s mũi khoan nào.
4 bư c chính th hi n q trình mơ ph ng bài tốn qu n lý t n
kho c a c a hàng v t li u xây d ng Phương Nam:
1. B t đ u ngày mô ph ng, chúng ta xem th có đơn đ t hàng nào đã
đư c th c hi n hay không (c t 2). N u có, ta tăng lư ng hàng t n kho
đ u kỳ (c t 3) = S lư ng hàng đã đ t, trong bài toán này là Q = 10
mũi khoan bê tông d tr (c t 2).
2. Phát 1 s ng u nhiên đ đưa ra nhu c u m i ngày t b ng 6. S
ng u nhiên này đư c ghi nh n
ghi nh n
c t (4) và nhu c u mô ph ng đư c
c t (5).
3. Tính tốn t n kho cu i kỳ m i ngày và ghi nh n vào c t (6) theo
công th c:
T n kho cu i kỳ (6) = T n kho đ u kỳ (3) - Nhu c u (5)
N u lư ng hàng t n kho không đ đáp ng nhu c u trong ngày,
t c là t n kho đ u kỳ (c t 3) < nhu c u (c t 5) thì ta ghi nh n s s n
ph m th t thu
c t (7). Như v y:
S s n ph m th t thu (7) = Nhu c u (c t 5) - t n kho đ u kỳ (c t 3)
4. Xác đ nh t n kho cu i kỳ có nh hơn đi m tái đ t hàng hay khơng.
N u trư c đó khơng có đ t hàng, ta xác đ nh t n kho cu i kỳ (6) trong
ngày, n u nó nh hơn đi m tái đ t hàng (ROP=5) thì ta ti n hành đ t
hàng b ng cách ghi “Yes (Có)”
c t (8).
Bi n th i gian ch (Leadtime) cho đơn đ t hàng m i đư c mô ph ng
b ng cách ch n 1 s ng u nhiên t b ng 7 và ghi nh n nó
c t (9)
tương t như bi n nhu c u (Demand).
Bư c 6. Đưa ra k t qu (Examine the Results)
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
490
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
* Phân tích chi phí t n kho c a c a hàng v t li u xây d ng Phương
Nam:
B i vì m c tiêu c a bài tốn là c n tìm ra đư c 1 chính sách đ vi c
qu n lý t n kho t i ưu sao cho chi phí t n kho là th p nh t, ông Nam
c n ph i tính tốn các chi phí t n kho.
M t s k t qu quan tr ng:
1. T n kho trung bình cu i kỳ (Average Ending Invetory) =
41
=4,1
10
(mũi khoan/ngày)
2. Th t thu trung bình (Average Lost Sales) =
2
=0,2 (mũi
10
khoan/ngày)
3. S l n đ t hàng trung bình (Average Number of Orders place) =
3
=0,3 (l n /ngày)
10
Các thông s này s đư c dùng đ nghiên c u chi phí t n kho c a mơ
ph ng này.
Gi s r ng c a hàng ông Nam m c a kinh doanh 200 ngày trong 1
năm. Ông Nam ư c lư ng các chi phí như sau:
Chi phí m i l n đ t hàng = 10 (USD/l n)
Chi phí t n kho cho 1 mũi khoan bê tông = 6 USD/ năm = 6/200
= 0,03 USD/ngày
Th t thu (n u khơng có mũi khoan đ bán) = 8 USD/ngày
Câu h i đ t ra là t ng chi phí t n kho m i ngày ng v i chính sách đ t
hàng do ông Nam đưa ra (Q=10, ROP = 5) cho c a hàng là bao nhiêu?
Chúng ta l n lư t tính tốn 3 chi phí t n kho thành ph n quan
tr ng hàng ngày cho trư ng h p mô ph ng này như sau:
1. Chi phí đ t hàng hàng ngày (Daily Order Cost) = Chi phí m i l n
đ t hàng * S l n đ t hàng m i ngày = 10 * 0,3 = 3 USD
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
491
Generated by Foxit PDF Creator © Foxit Software
For evaluation only.
Chương 6.
ng d ng mô ph ng trong qu n lý và k thu t
2. Chi phí t n kho hàng ngày (Daily Holding Cost) = Chi phí t n kho
cho 1 s n ph m trong 1 ngày * Lư ng t n kho trung bình cu i kỳ
trong 1 ngày = 0,03 * 4,1 = 0,12 USD
3. T n th t do khơng có t n kho hàng ngày (Daily Stockout Cost) =
Th t thu 1 s n ph m * Lư ng th t thu trung bình = 8 * 0,2 = 1,6 USD
Suy ra: T ng chi phí t n kho hàng ngày (Total Daily Inventory
Cost) = Chi phí đ t hàng hàng ngày + Chi phí t n kho hàng ngày +
T n th t do khơng có t n kho hàng ngày = 3 + 0,12 + 1,6 = 4,72
(USD/ngày)
V y t ng chi phí t n kho c a 1 năm (200 ngày) = 200 * 4,72 =
944 USD
Mô ph ng đư c th c hi n trong nhi u ngày (100 ngày, 1000
ngày…) s cho k t qu chính xác hơn. Gi s chúng ta đã ti n hành
mô ph ng 1000 ngày bán hàng c a c a hàng Phương Nam ng v i
chính sách đ t hàng Q = 10 và ROP =5. Như v y bài tốn mơ ph ng
đã hoàn t t hay chưa? Câu tr l i là chưa, nó dư ng như ch m i b t
đ u mà thôi. Chúng ta c n ph i xác nh n v giá tr cũng như tính đúng
đ n c a mơ hình xem th nó có ph n ánh đúng v n đ th c t hay
không. Như đã đ c p
hình 1, sau khi đưa ra k t qu mơ hình chúng
ta có th quay tr l i bư c 3 đ hi u ch nh mơ hình đã xây d ng cho
đ n khi nó th hi n đúng như nh ng gì chúng ta mong đ i. Chúng ta
có th đưa ra thêm các giá tr có th khác c a bi n s đ nghiên c u
v n đ đư c đúng và chính xác hơn.
Ch ng h n như ơng Nam có th th c hi n các mô ph ng ng v i
các chi n lư c ti m năng khác nhau, nghĩa là ng v i các c p giá tr
(Q, ROP) thay đ i. Ví d cho bi n thiên: Q = [6,20] và ROP = [3,10].
Ta có m t s c p như sau:
+ Q = 10, ROP = 4
+ Q = 12, ROP = 6
GV. ThS. Nguy n Thanh Phong- Trư ng Đ i h c M Tp. HCM
492