Ứng dụng lý thuyết logic mờ thiết kế mô hình dự báo nhu cầu cho công ty cổ phần thiết bị điện sài gòn

Đại Học Quốc Gia Tp. Hồ Chí Minh
TRƯỜNG ĐẠI HỌC BÁCH KHOA
-------------------------

HUỲNH QUANG HOÀNG VỸ

ĐỀ TÀI
ỨNG DỤNG LÝ THUYẾT LOGIC MỜ THIẾT KẾ MƠ HÌNH DỰ BÁO
NHU CẦU CHO CƠNG TY CỔ PHẦN THIẾT BỊ ĐIỆN SÀI GÒN
Chuyên ngành: KỸ THUẬT HỆ THỐNG CƠNG NGHIỆP

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 12 năm 2008


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: Thạc sĩ Nguyễn Như Phong
Chữ ký: …………………………………………………………………
Cán bộ chấm nhận xét 1: ………………………………………
Chữ ký: …………………………………………………………………
Cán bộ chấm nhận xét 2: ………………………………………
Chữ ký: …………………………………………………………………
Luận văn thac sĩ được bảo vệ tại HỘI ĐỒNG CHẤM BẢO VỆ
LUẬN VĂN THẠC SĨ
TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 25 tháng 07 năm 2009

TRƯỜNG ĐH BÁCH KHOA TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

PHÒNG ĐÀO TẠO SĐH

Độc lập – Tự do – Hạnh phúc
Tp. HCM, ngày … tháng … năm 200…

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: Huỳnh Quang Hoàng Vỹ

Phái: Nam

Ngày, tháng, năm sinh: 15 – 11 – 1980

Nơi sinh: Di Linh – Lâm Đồng

Chuyên ngành: Kỹ Thuật Hệ Thống Công Nghiệp

I. TÊN ĐỀ TÀI:
ỨNG DỤNG LÝ THUYẾT LOGIC MỜ THIẾT KẾ MƠ HÌNH DỰ BÁO
NHU CẦU CHO CƠNG TY CỔ PHẦN THIẾT BỊ ĐIỆN SÀI GÒN
II. NHIỆM VỤ VÀ NỘI DUNG:

1. Tìm hiểu các nghiên cứu liên quan
2. Tìm hiểu các lý thuyết liên quan
3. Tìm hiểu đối tượng nghiên cứu
4. Thiết lập mơ hình bài tốn
5. Giải mơ hình và đánh giá kết quả ứng dụng

6. Kết luận và đề xuất hướng nghiên cứu mở rộng
III. NGÀY GIAO NHIỆM VỤ: Ngày 15 tháng 06 năm 2008
IV. NGÀY HOÀN THÀNH NHIỆM VỤ: Ngày 30 tháng 11 năm 2008
V. CÁN BỘ HƯỚNG DẪN: Thạc sĩ Nhuyễn Như Phong
CÁN BỘ HƯỚNG DẪN

CN BỘ MÔN
QL CHUYÊN NGÀNH

Thạc sĩ Nguyễn Như Phong


LỜI CÁM ƠN

Chỉ với những ý tưởng ban đầu chưa rõ ràng về Fuzzy Logic, đến giờ, tôi đã nhận
được rất nhiều ý kiến đóng góp cho Luận văn này.
Do đó, tơi muốn đặc biệt cám ơn Thầy Thạc sĩ Nguyễn Như Phong, người đã hướng
dẫn và chỉnh sửa luận văn này hàng tuần trong suốt gần năm tháng qua để tơi có thể
hệ thống những ý tưởng thơ sơ của mình thành một mơ hình tốn và có thể ứng
dụng được tại công ty mà hiện tôi đang công tác.
Tôi cũng rất cám ơn sự tận tụy của Thầy PGS. TS. Hồ Thanh Phong và các Thầy
Cô của Bộ môn Kỹ Thuật Hệ Thống Công Nghiệp, cám ơn những người bạn trong
nhóm TVT-3 và các anh chị trong lớp ISE 2006. Các Thầy và các bạn là những
người đã làm phong phú kiến thức cho tôi qua những bài giảng, bài thuyết trình và
những phản biện trong quá trình học cũng như làm luận văn.
Và cuối cùng tôi rất cám ơn Ban giám đốc Công ty CP Thiết Bị Điện Sài Gịn đã tạo
điều kiện rất tốt cho tơi có thể hồn tất luận văn này.
Cho dù đã cố gắng thực hiện, nhưng chắc chắn luận văn vẫn còn nhiều thiếu sót, tơi
rất biết ơn nếu nhận được những góp ý chân thành của q thầy cơ và các bạn.
Trân trọng.

Huỳnh Quang Hoàng Vỹ
TP. HCM, Tháng 12 năm 2008


TĨM TẮT LUẬN VĂN

Luận văn trình bày một mơ hình tính tốn dự báo doanh thu, trong đó tơi đã kết
hợp kết quả dự báo định lượng (Quantitative Forecast) bằng các mơ hình dự báo
kinh điển (Time series Forecast) với kỹ thuật dự báo định tính (Qualitative
Forecast) nhằm giảm tỷ lệ sai lệch của kết quả dự báo định lượng. Bằng cách
tính tốn một hệ số điều chỉnh được nội suy từ các hệ suy diễn – là các hệ luật
suy diễn thể hiện mối quan hệ giữa các biến vào định tính ảnh hưởng đến doanh
thu của cơng ty trong các thời đoạn dự báo tiếp theo trong tương lai.
Mơ hình này phù hợp để dự báo nhu cầu ngắn hay trung hạn cho các công ty
vừa và nhỏ, hoạt động trong các mơi trường kinh doanh có nhiều yếu tố ảnh
hưởng đến doanh số nhưng khơng có quy luật rõ ràng và biến đổi nhanh.
Hơn nữa, mơ hình cho phép người dự báo kết hợp nhiều ý kiến chuyên gia trong
quá trình thiết lập các hệ luật suy diễn, thậm chí các ý kiến đó có thể mâu thuẫn
với nhau. Cho nên tính bất ổn và khó định lượng của các biến đầu vào có thể
được khắc phục để cho kết quả dự báo tin cậy và sát với tình hình thực tế của
cơng ty hơn.
Vì thế, mơ hình dự báo có thể là một cơng cụ hỗ trợ ra quyết định hiệu quả cho
nhà quản lý kinh doanh trong q trình điều hành cơng việc kinh doanh hoặc
lập kế hoạch ngắn và trung hạn cũng như xác định chiến lược đầu tư kinh
doanh một dòng sản phẩm mới. Điều cần thiết khi áp dụng cho các lĩnh vực,
ngành nghề kinh doanh khác nhau là người dự báo cần đưa ra được các yếu tố
định tính ảnh hưởng nhiều nhất đến lĩnh vực kinh doanh của mình để tham
khảo ý kiến chuyên gia và thiết lập hệ suy diễn phù hợp.

MỤC LỤC
CHƯƠNG I: GIỚI THIỆU ..................................................................................1
1.1. Vấn đề .............................................................................................................1
1.2. Mục tiêu ......................................................................................................... 2
1.3. Phạm vi đề tài ..................................................................................................2
1.4. Nội dung ..........................................................................................................2
1.4.1. Phương pháp luận .......................................................................................2
1.4.2. Mơ hình tổng qt của bài tốn ....................................................................4
1.4.3. Tìm hiểu các nghiên cứu liên quan ...............................................................5
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT .....................................................................9
2.1. Lý thuyết dự báo ............................................................................................9

2.1.1. Đặc trưng của các phương pháp dự báo ......................................................9
2.1.2. Kỹ thuật dự báo định tính ........................................................................ 10
2.1.3. Đo lường sai số dự báo ............................................................................ 11
2.1.3.1. Độ lệch ............................................................................................ 11
2.1.3.2. Sai số chuẩn .................................................................................... 11
2.1.3.3. Độ lệch tuyệt đối trung bình ........................................................... 11
2.1.4. Chuỗi thời gian ........................................................................................ 12
2.1.5.Các kỹ thuật làm trơn số liệu .................................................................... 12
2.1.5.1. Trung bình di động (moving average): .............................................. 12
2.1.5.2. Trung bình di chuyển có trọng số (weighted moving average) .......... 13
2.1.5.3. Kỹ thuật làm trơn dùng hàm số mũ (exponential smoothing) ............ 13
2.1.6.Phương pháp tỉ số với trung bình di động (ratio-to-moving average) ........ 13
2.2. Lý thuyết Logic mờ ..................................................................................... 14
2.2.1. Lý thuyết tập mờ ....................................................................................... 14
2.2.1.1.Hàm thành viên tập mờ ......................................................................... 14
2.2.1.2.Các khái niệm và thuật ngữ cơ bản của tập mờ ..................................... 14
2.2.1.3. Biểu diễn tập mờ .................................................................................. 16

2.2.1.4.Xây dựng tập mờ và toán tử tập mờ ...................................................... 16


2.2.1.5.Giải mờ ................................................................................................. 18
2.2.2. Quan hệ mờ .............................................................................................. 21
2.2.2.1. Quan hệ ............................................................................................... 21
2.2.2.2. Biểu diễn quan hệ ................................................................................ 21
2.2.2.3. Toán tử quan hệ ................................................................................... 22
2.2.2.4. Liên kết .............................................................................................. 23
2.2.2.5. Hợp thành ............................................................................................ 23
2.2.2.6. Số mờ .................................................................................................. 24
2.2.2.7. Biến ngôn ngữ ..................................................................................... 26
2.2.3. Logic mờ .................................................................................................. 27

2.2.3.1. Mệnh đề Logic ................................................................................... 27
2.2.3.2. Mệnh đề mờ ....................................................................................... 27
2.2.3.3. Mệnh đề mờ với bổ từ ngôn ngữ ........................................................ 29
2.2.3.4. Kéo theo mờ ...................................................................................... 30
2.2.3.5. Mệnh đề điều kiện .............................................................................. 32
2.2.3.6. Suy diễn mờ ....................................................................................... 33
2.3. Các phần mềm ứng dụng trong dự báo và giải mờ: ...................................... 35

CHƯƠNG 3: ỨNG DỤNG ................................................................................ 45
3.1. Giới thiệu sơ lược về đối tượng ................................................................... 45
3.1.1. Công ty CP Thiết Bị Điện Sài Gòn 45
3.1.2. Giới hạn đối tượng ứng dụng 50
3.1.3. Cơ sở dữ liệu 53
3.2. Thiết lập mơ hình dự báo cho Cơng ty CP Thiết Bị Điện Sài Gòn (SEE).....56
3.2.1. Định nghĩa các biến định tính .................................................................. 56
3.2.2. Mơ hình bài tốn ..................................................................................... 63

3.2.3. Định lượng các biến mờ: ......................................................................... 65
3.2.4. Mờ hóa và biểu diễn các biến vào và ra ................................................... 71
3.2.4.1. Mờ hóa: ............................................................................................. 71
3.2.4.2. Đồ thị hàm thành viên của các biến vào và ra: .................................... 73


3.2.4.3. Thiết lập các hệ luật suy diễn ............................................................. 77
3.3. Giải mơ hình ............................................................................................... 80
3.3.1. Các bước giải: .......................................................................................... 80
3.3.2. Tính tốn dự báo bằng phần mềm máy tính .............................................. 81
3.3.3. Lựa chọn kết quả dự báo: ......................................................................... 84
3.3.4. Xác định giá trị các biến vào và ra: .......................................................... 84
3.3.4.1. Tốc độ phát triển thị trường MI: .......................................................... 85
3.3.4.2. Chất lượng sản phẩm của các công ty đối thủ – CQ: ............................ 86
3.3.4.3. Mức độ cạnh tranh về giá của đối thủ - CP: ......................................... 88
3.3.4.4. Hoạt động tiếp thị của đối thủ cho nhóm sản phẩm đồng dạng và nhóm
khách hàng trong phân khúc thị trường của SEE – CA, ...................... 89
3.3.4.5. Suy diễn giá trị và tên tập mờ của biến Mức độ cạnh tranh của sản phẩm
của đối thủ - C: .................................................................................. 91
3.3.4.6. Chi phí phát triển mối quan hệ của SEE với các khách hàng – R ......... 91
3.3.4.7. Chất lượng sản phẩm của SEE – SQ .................................................... 92
3.3.4.8. Chi phí phát triển thị trường của SEE – SA ......................................... 93
3.3.4.9. Tỷ lệ lãi kỳ vọng – SPf: ....................................................................... 93
3.3.4.10.Năng lực cạnh tranh của sản phẩm của SEE – S: ............................... 94
3.3.4.11.Hệ số suy diễn HI: ............................................................................. 94
CHƯƠNG 4: KẾT LUẬN ................................................................................100
4.1. Kết luận ....................................................................................................100
4.2. Giới hạn và hướng nghiên cứu mở rộng ....................................................101

Tài liệu tham khảo: ..........................................................................................102

1

CHƯƠNG I: GIỚI THIỆU
1.1. Vấn đề
Công tác dự báo nhu cầu thị trường là một trong những yếu điểm lớn của các
doanh nghiệp Việt Nam “Cụ thể, tổng chi nghiên cứu thị trường của Việt Nam
tính trên đầu người chỉ đạt 0,12 USD; đây là mức thấp nhất trong 60 quốc gia
được điều tra…” [VIETNAMNET]
Công ty Cổ Phần Thiết Bị Điện Sài Gịn (SEE) cũng khơng nằm ngồi kết luận
trên. Hoạt động nghiên cứu và dự báo nhu cầu thị trường của cơng ty chưa được
quan tâm và nhìn nhận một cách nghiêm túc để có sự đầu tư cho công tác nghiên
cứu thị trường một cách hợp lý, làm cơ sở cho những chiến lược đầu tư phát
triển dài, trung hoặc ngắn hạn của mình.
Ngành điện Việt Nam đang chịu áp lực rất lớn phải phát triển nhanh hơn nữa để
đáp ứng nhu cầu năng lượng ngày một cao của xã hội. Do vậy, các doanh nghiệp
kinh doanh và sản xuất thiết bị điện trong nước như công ty SEE cũng đang
đứng trước nhiều cơ hội phát triển, mở rộng thị trường, thị phần của mình. Tuy
nhiên, để có chiến lược đầu tư, kinh doanh ngắn, trung hay dài hạn, SEE phải dự
báo được tốc độ và xu hướng phát triển của nhu cầu thị trường về: sản phẩm, sự
phát triển của các đối thủ cạnh tranh cũng như những đối tác chiến lược (nhà
cung cấp nguyên vật liệu, dịch vụ) và tốc độ phát triển của các ngành công
nghiệp tiêu thụ năng lượng lớn. Đây là một thách thức khơng nhỏ, bởi vì các số
liệu đầu vào như tỉ lệ tăng trưởng nhu cầu của thị trường, tốc độ phát triển của
đối thủ, đối tác … là những con số dự báo, khơng chính xác, có tính định tính và
đơi khi là những số liệu thống kê q khứ để dự báo nên rất mơ hồ.
Tuy vậy, việc lựa chọn một mơ hình dự báo nhu cầu hợp lý và khả thi cho doanh
nghiệp, đặc biệt đối với các doanh nghiệp vừa và nhỏ là rất khó. Theo các
chun gia dự báo, một mơ hình dự báo tối ưu khơng phải là một mơ hình tính

tốn phức tạp, ở đó, việc tính tốn cần có những chun gia dự báo hay các cơng
cụ máy tính chun nghiệp. Ngược lại, các kỹ thuật dự báo đơn giản, dễ sử dụng
thường được các doanh nghiệp lựa chọn.


2

Vấn đề là các doanh nghiệp vừa và nhỏ như cơng ty SEE cần xây dựng một mơ
hình dự báo phù hợp với đặc thù kinh doanh, khách hàng và thị phần của doanh
nghiệp mình. Trong đó, mơ hình phải thể hiện đầy đủ những yếu tố đầu vào có
khả năng ảnh hưởng đến đầu ra của doanh nghiệp, để từ đó tích hợp những mối
quan hệ giữa chúng vào trong mơ hình một cách đơn giản.
1.2. Mục tiêu
Xây dựng mơ hình dự báo doanh số cho cơng ty CP Thiết Bị Điện Sài Gịn,
trong đó, ứng dụng lý thuyết mờ để điều chỉnh kết quả dự báo (bằng các kỹ thuật
dự báo kinh điển) nhằm giảm sai số của số liệu dự báo.
1.3. Phạm vi đề tài
Trong phạm vi đề tài này, tôi ứng dụng các kỹ thuật dự báo định lượng như:
Moving Average, Trend and Season Forecast, Double Moving Average, Single
Moving Average… để tính tốn doanh số của một số sản phẩm của SEE. Nhưng
chúng tôi không đi sâu phân tích các kỹ thuật thống kê và dự báo kinh điển này.
Thay vào đó, chúng tơi ứng dụng các kỹ thuật và lý thuyết mờ (Fuzzy Logic) để
tập trung thiết lập các quy luật, các mối quan hệ của những biến vào định tính
như tốc độ phát triển thị trường, năng lực cạnh tranh của đối thủ, năng lực cạnh
tranh nội tại của SEE … để xây dựng mơ hình suy diễn dự báo cho các dịng sản
phẩm kinh doanh chính của SEE như: thiết bị đóng cắt trung thế (Fuse cutout),
thiết bị đóng cắt hạ thế (CB, MCB), và doanh thu của Nhà Máy Hưng Long.
Chuỗi số liệu sử dụng để dự báo là doanh số quá khứ của các sản phẩm trên
được thống kê theo tháng trong thời đoạn từ 2006 – 2007.
Mơ hình sẽ cho kết quả dự báo doanh số/sản lượng của một số sản phẩm trong

năm 2008.
1.4. Nội dung
1.4.1. Phương pháp luận
Việc thống kê và phân tích kết quả kinh doanh sau một số thời đoạn sẽ giúp
doanh nghiệp phân tích những điểm mạnh và yếu của công ty, sự thỏa mãn
của khách hàng đối với sản phẩm của mình và năng lực cạnh tranh của các


3

đối thủ. Từ đó, doanh nghiệp có thể đề ra hoặc điều chỉnh kế hoạch sản xuất
và kinh doanh một cách kịp thời.
Ứng dụng các kỹ thuật dự báo ‘cứng’ (Moving Average, Trend and Season
Forecast, Double Moving Average, Single Moving Average…) ta có thể dễ
dàng đánh giá quy luật của sự biến động của doanh số trong quá khứ và dự
báo doanh số cho một số thời đoạn trong tương lai bằng phần mềm Crystall
Ball hay Excel. Trong luận văn này, chúng tơi cũng áp dụng các mơ hình dự
báo kinh điển trên để tính tốn doanh số hoặc sản lượng bán ra của một số
sản phẩm của công ty SEE. Thêm vào đó, chúng tơi tìm hiểu và phân tích kỹ
các yếu tố có thể ảnh hưởng đến kết quả kinh doanh của SEE (chất lượng sản
phẩm, chi phí quảng cáo, năng lực cạnh tranh của đối thủ …) để từ đó xây
dựng mối quan hệ giữa những yếu tố đầu vào định tính với những yếu tố
định lượng (chi phí phát triển thị trường, sản phẩm của SEE …). Cuối cùng,
bằng cách thiết lập các bộ luật và hệ suy diễn, chúng tơi có thể hiệu chỉnh kết
quả dự báo bằng các phương pháp dự báo ‘cứng’ bởi một hệ số suy diễn.
Độ tin cậy của con số dự báo sau cùng phụ thuộc rất lớn vào bộ dữ liệu thống
kê doanh số/sản lượng quá khứ và cách đánh giá những yếu tố định tính ảnh
hưởng đến doanh thu của công ty. Do vậy, số liệu thống kê phải được cung
cấp bởi bộ phận kế tốn cơng ty và việc xác định các yếu tố định tính ảnh
hưởng đến doanh số công ty phải được thực hiện bởi những chuyên gia trong

công ty – là các trưởng bộ phận bán hàng, bộ phận marketing hay Ban giám
đốc công ty.


4

1.4.2. Mơ hình tổng qt của bài tốn

Doanh số q khứ

Các yếu tố đầu vào
định tính

Phân tích
dữ liệu

Mờ hóa

Dự báo

Hệ suy
diễn mờ
Giải mờ

Doanh số dự báo FS1

Hệ số suy diễn mờ

Doanh số dự báo SF2
Hình 1.1: Mơ hình tổng qt bài toán

5

1.4.3. Tìm hiểu các nghiên cứu liên quan


Theo Thạc sĩ Nguyễn Như Phong, 2007, “Mơ hình MRP-P là mơ hình mềm
hóa mơ hình MRP kinh điển với việc xem cấu trúc sản phẩm là bất định,
hoạch định nhu cầu vật tư sử dụng 2 công cụ là quy hoạch mờ và suy diễn
mờ.” [2]
Tác giả đã ứng dụng mơ hình MRP-P trong bài toán xẻ gỗ với mục tiêu cực
tiểu lượng ván xẻ. Mơ hình quy họach được sử dụng với mục tiêu cực tiểu
lượng ván xẻ và ràng buộc là lượng phôi mỗi lọai phải đủ cho sản xuất đơn
hàng, mơ hình như sau:

Min :

J

I

j 1

i 1

z   c j  xij ,

[1.1]

S .t
J

a
j 1

ij

xij  bi , i  1  I

xij  0, i  1  I , j  1  J

Trong đó:

xij: số ván xẻ lọai j dùng để xẻ phôi lọai i , j=1J, i=1I
cj: lượng gỗ (m3) cho mỗi đơn vị ván xẻ lọai j, j=1J
aij: lượng gỗ của ván xẻ lọai j dùng để xẻ phôi lọai i , j=1J, i=1I
bi: lượng gỗ tối thiểu cho phôi lọai i, i=1I.
Mô hình trên là mơ hình mờ vì có 2 tham số mờ là aij và bi. Các tham số này
được mơ hình bởi số mờ qua kinh nghiệm chun gia.
Phôi

Quy họach
mờ
Kinh
nghiệm xẻ

Ván xẻ

Suy diễn

mờ

Gỗ tròn

Kinh
nghiệm xẻ

Hình 1.2: Mơ hình MRP – P
Việc hoạch định lượng ván xẻ tối ưu được suy diễn từ Hệ suy diễn mờ:


6

Xác định
các yếu tố
ảnh hưởng
đến hệ số
chuyển đổi
từ :
Gỗ trònVán xẻ

Các yếu tố
định tính

Lượng mắt

Hệ xác định
các yếu tố
quan trọng

Các yếu tố
định lượng

Hệ suy diễn 1:
Độ đồng đều xác định chất
lượng gỗ
Độ tròn

Chất lượng
gỗ

Hệ suy diễn 2:
xác định hệ số
chuyển đổi
Gỗ tròn - Ván xẻ

Đường kính của lóng gỗ
Chiều dài của lóng gỗ

Hệ số chuyển đổi
Gỗ tròn - Ván xẻ

Hình 1.3: Hệ suy diễn mờ
Các yếu tố đầu vào và ra được tác giả định nghĩa và xác định miền giá trị cụ
thể như bảng dưới:
Tên biến

Viết tắt

Tỷ lệ giữa đường

kính nhỏ nhất và
lớn nhất

DD

Tỷ lệ

0

1

Thấp TH, Trung
bình TB, Cao C

Số mắt gỗ trên mỗi
m chiều dài

LM

mắt/m

0

10

Ít I, Vừa V, Nhiều
N

Tỷ lệ giữa 2 đường
kính ờ 2 đầu lóng

gỗ

TR

Tỷ lệ

0

1

Thấp TH, Trung
bình TB, Cao C

Chiều dài lóng gỗ

CD

m

0

4

Ngắn N, Vừa V,
Dài D

m

0

0,5

Nhỏ N, Vừa V, Lớn
L

Đường kính trung 54444DK
bình lóng gỗ.

Đơn vị Min Max

Tên tập mờ

Chất lượng gỗ

CL

Tỷ lệ

0

1

Rất thấp RT, Thấp
TH, Trung bình TB,
Cao C, Rất cao RC

Hệ số chuyển đổi
để từ Gỗ tròn sang
ván xẻ

HS

Tỷ lệ

1

1

Rất thấp RT, Thấp
TH, Trung bình TB,
Cao C, Rất cao RC

Bảng 1.1: Định nghĩa các biến vào – ra của mơ hình MRP-P
Bằng hệ luật suy diễn và các tính tốn theo Logic mờ, từ mơ hình bài tốn,
tính được Hệ số chuyển đổi để từ Gỗ tròn sang ván xẻ theo chất lượng gỗ thực
tế, từ đó có thể hoạch định nhu cầu vật tư gỗ hợp lý.


7



Prof. Ing. Ivan Vrana, DrSc. và S. Aly, năm 2005, đã phát triển một mơ hình
thích hợp và hiệu quả để xử lý một số vấn đề marketing quan trọng. Mơ hình
này được quan tâm theo hướng nghiên cứu sự khơng chính xác, tính ngẫu
nhiên, động của những biến đầu vào để xử lý những vấn đề marketing; và hiệu
quả được xem xét theo hướng ra một quyết định marketing dựa vào sự kết hợp
những ý kiến của những chuyên gia trong công ty, cho dù một trong số những
ý kiến của họ có thể mâu thuẫn. Cuối cùng, xây dựng một mơ hình giải quyết
bài tốn phức tạp đó, kết quả bài tốn có thể dung hịa những ý kiến của một

nhóm chuyên gia. [3]
Các biến vào, ra được định nghĩa kết hợp trong mơ hình dưới đây:

Hình 1.4: Mơ hình Marketing-mix
Các biến vào được định lượng và mờ hóa theo ý kiến chuyên gia và các hệ
luật suy diễn. Với mỗi bộ luật suy diễn tác giả có thể tính được giá trị thành
viên của biến. Bằng cơng thức dưới đây, tác giả tính được giá trị chính xác
của biến:


8

FCrisp 

  .F

i

i

[1.2]

i

Trong đó:
FCrisp: giá trị cứng của biến
Fi: giá trị trung tâm của biến
i: giá trị hàm thành viên của biến từ hệ suy diễn
Hiệu quả của mô hình cũng được xem xét theo cách mà chúng có thể vận
dụng bất kỳ loại biến nào, không quan tâm đến bản chất định tính hoặc định

lượng. Mơ hình dựa trên hệ thống thực ra quyết định mờ, và được dùng như
một hệ thống chuyên gia thực tế để xác định mơ hình Marketing-mix cho mỗi
sản phẩm.
Để phát triển mơ hình Fuzzy Marketing-mix này, mơ hình logic cơ bản và mối
quan hệ nhân quả giữa Marketing-mix (product quality, price, placedistribution expenditures, and advertising and promotion expenditures) những
biến đầu vào và những yếu tố ảnh hưởng đến sự quyết định sẽ được xác định.


9

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. Lý thuyết dự báo
Có rất nhiều kỹ thuật được ứng dụng trong lĩnh vực dự báo với các giả thiết, lợi
ích cũng như khó khăn riêng. Những kỹ thuật dự báo dựa trên chuỗi số liệu quá
khứ gọi là kỹ thuật định lượng. Nhưng trong một số trường hợp cụ thể thì các
kỹ thuật định lượng tỏ ra không phù hợp do các yếu tố đầu vào khó xác định,
hay dữ liệu quá khứ không thể hiện được sự ảnh hưởng đến kết quả dự báo một
cách rõ ràng. Trong trường hợp này, kỹ thuật dự báo định tính được sử dụng.
2.1.1. Đặc trưng của các phương pháp dự báo
a. Các mơ hình cơ bản
Các phương pháp định lượng có thể chia làm hai loại:
Loại thứ nhất: giả sử rằng số liệu quá khứ là số chỉ thị của doanh số dự báo.
Các mô hình này thường được gọi là các mơ hình ngoại suy, chuỗi thời gian
hay là mơ hình ánh xạ. Các kỹ thuật được dùng là kỹ thuật làm trơn, kỹ thuật
phân tích chuỗi thời gian và một trường hợp đặc biệt của hồi quy tuyến tính.
Loại thứ hai: gọi là mơ hình nhân quả với giả thiết là các đại lượng cần dự
báo là hàm số của các biến số độc lập khác. Mơ hình kinh điển của loại này là
mơ hình hồi quy và các mơ hình kinh trắc học (tốn kinh tế), nhưng các mơ
hình tốn kinh tế rất phức tạp và thường được sử dụng để ước lượng các yếu

tố như GNP của quốc gia.
Các mơ hình định tính thường được dùng khi khơng có mơ hình định lượng
nào tỏ ra thích hợp. Mơ hình định tính cũng thường được dùng để hỗ trợ mơ
hình định lượng, nhất là khi khó nắm bắt sự thay đổi của nhu cầu hoặc các số
liệu tỏ ra khơng thích hợp nhiều lắm.
b. Thời đoạn dự báo
Việc hoạch định các thời đoạn dự báo phụ thuộc vào đại lượng dự báo. Khi dự
báo dài hạn ta quan tâm đến việc định danh chiều hướng thay đổi của đại
lượng cần dự báo. Dự báo trung hạn thích hợp cho việc tổng hợp các nhân tố
theo mùa và dự báo ngắn hạn cần thiết cho điều độ và các mức độ tồn kho.


10

c. Chi phí
Chi phí cho việc dự báo bao gồm: chi phí cố định cho việc xây dựng mơ hình,
thu thập và thao tác dữ liệu; chi phí để thực hiện kỹ thuật. Chi phí phụ thuộc
vào độ khơng chính xác của kỹ thuật.
d. Tính dễ hiểu
Một kỹ thuật phức tạp sẽ không được xem trọng hơn một kỹ thuật khác đơn
giản hơn dù kém ổn định hơn.
2.1.2. Kỹ thuật dự báo định tính
Khi khơng có dữ liệu q khứ tin cậy và thích hợp thì khơng thể dùng các
phương pháp dự báo định lượng. Việc dự báo doanh số cho một sản phẩm mới
hoặc cho doanh nghiệp trong môi trường kinh doanh chịu tác động của những
yếu tố không rõ ràng như sự thay đổi của giá cả các nguyên vật liệu, năng lực
cạnh tranh của đối thủ… cần những phương pháp dự báo định tính.


Phương pháp “quan điểm của người quản lý”

Mỗi nhà quản lý (được chọn từ các phịng ban chức năng của doanh nghiệp,
những người có kiến thức, kinh nghiệm và đại diện cho các quan điểm phản
biện khác nhau trong doanh nghiệp) nhận được số liệu quá khứ và họ tự đưa
ra dự báo trong tương lai. Bảng dự báo tổng hợp cho công ty được hình thành
từ các dự báo cá nhân đó.
Hai mục tiêu trong quá trình tổng hợp:
1. Loại bỏ những dự báo hoàn toàn trái ngược làm ảnh hưởng đến
số liệu dự báo toàn bộ.
2. Loại bỏ việc cho phép những dự báo từ một nhà quản lý lấn át
số liệu dự báo tồn bộ.
Hai vấn đề cần lưu ý:
1. Trình tự trình bày số liệu
2. Trọng số cho từng quan điểm cá nhân
Dự báo tổng thể là chuỗi số liệu ước đốn, vì vậy bước cuối cùng sẽ là bước
rà soát, kểm tra lại độ tin cậy của dự báo tổng hợp này.


11

2.1.3. Đo lường sai số dự báo
Chúng ta cần đo lường để xác định độ chính xác của một dự báo. Cần sử
dụng nhiều kỹ thuật đo lường khác nhau bởi vì chúng ta phải đo lường cả
khuynh hướng của sai số dự báo và phạm vi của sai số dự báo. Khi thiết lập
mức tồn kho an tồn thì việc đo lường nhu cầu, độ lệch dự báo và sai số là
cần thiết.
2.1.3.1. Độ lệch
Độ lệch đo lường khuynh hướng của sai số dự báo, nó chỉ cho chúng ta
biết được có nên theo để có được kết quả dự báo q cao hoặc q thấp.
Cơng thức tính độ lệch như sau:
n

Độ lệch 

sai số
sô trong
trongthời
thoiđoạn
đoanthứ
thui i
Sai
i 1

n

n



asdasdasda
trị dự báo
sdasdasdas
– giá trị dasdasdas
hiện tại)
 (giá
i 1

n

[2.1]

Với n là số thời đoạn (quá khứ) được sử dụng.
2.1.3.2. Sai số chuẩn
Sai số bình phương trung bình được tính như cơng thức sau:
n

MSE 

dsadfsadfs
số trong
dfasdfsadf
thời đoạn
safsdfs
thứ i)2
 (Sai
2

[2.2]

i 1

n

Sai số chuẩn (SE) là căn bậc hai của sai số bình phương trung bình:
SE  MSE

[2.3]

2.1.3.3. Độ lệch tuyệt đối trung bình
Một phương pháp tạo ra giá trị sai số không âm là chỉ lấy giá trị tuyệt đối
của mỗi sai số dự báo hơn là bình phương từng giá trị sai số dự báo.

Độ lệch tuyệt đối trung bình (MAD) được tính theo công thức sau:
n

MAD 

ASDASDAASD
dsDASD
 Sai
số dự báo ADASDASsda
trong thời đoạn
thứ i
i 1

n

[2.4]


12

2.1.4. Chuỗi thời gian
Khi xem xét những dữ liệu được sắp xếp theo chuỗi thời gian. Bốn thành tố
của chuỗi thời gian: chiều hướng Tt (tăng hay giảm), chu kỳ Ct, thời vụ St, và
ngẫu nhiên Rt.
Hai mơ hình chuỗi thời gian đơn giản nhất:
- Mơ hình nhân: Yt = Tt * St * Ct * Rt

[2.5]

- Mơ hình cộng: Yt = Tt + St + Ct + Rt

[2.6]

2.1.5.Các kỹ thuật làm trơn số liệu
Nguyên lý cơ bản của các kỹ thuật làm trơn là loại bỏ một số khác biệt do sự
ngẫu nhiên khỏi mẫu có nhu cầu cơ bản.
2.1.5.1. Trung bình di động (moving average):
Khi có một chuỗi dữ liệu theo thời gian mà khơng có một xu hướng chung,
cách dễ nhất để làm trơn dữ liệu cho dự báo là tính giá trị trung bình của dữ
liệu và dùng giá trị này làm giá trị dự báo. Có hai vấn đề xảy ra khi dùng
phương pháp này:
Thứ nhất, nó địi hỏi tiếp tục sử dụng tất cả dữ liệu quá khứ mà không cần
quan tâm đến thời gian mà dữ liệu được thu thập cách nay bao lâu.
Thứ hai, trọng số sẽ rất lớn đối với những dữ liệu càng xa trong quá khứ
(quá trơn) và đoạn cuối sẽ rất nhạy đối với những thay đổi dữ liệu gần đây.
Để đạt được sự cân bằng giữa kỹ thuật san bằng và tính phản ánh của số liệu
thực ta dùng kỹ thuật trung bình di động cho n thời đoạn. Chỉ có dữ liệu
của n thời đoạn gần nhất được giữ và trị trung bình được tính với n số liệu
này. Phương pháp chung là thử với nhiều giá trị n khác nhau rồi so sánh độ
lệch tuyệt đối trung bình (MAD) cho mỗi phương án. Phương án n nào cho
trị số độ lệch nhỏ nhất sẽ là phương án thích hợp nhất cho chuỗi dữ liệu
tương ứng. Cần lưu ý là khi n tăng, ta nhận được một chuỗi dữ liệu mới
‘trơn’ hơn nhưng ít phản ánh đúng trạng thái thực hơn, ít thích nghi với sự
thay đổi hơn. Ngược lại, với n nhỏ, ta nhận được chuỗi dữ liệu ít ‘trơn’ hơn
nhưng thích hợp với sự thay đổi thật sự hơn.


13

Ưu điểm: chỉ cần lưu trữ ít số liệu, việc cập nhật cũng đơn giản: chỉ cần

xóa số liệu cũ nhất và đưa vào số liệu mới nhất.
2.1.5.2. Trung bình di chuyển có trọng số (weighted moving average)
Kỹ thuật này sử dụng trọng số cho các dữ liệu dùng để tính trung bình.
- Trọng số khác nhau được gán cho các thời điểm khác nhau.
- Trọng số lớn nhất được gán cho các dữ liệu gần nhất và trọng số
nhỏ nhất được gán cho các dữ liệu xa nhất.
- Tổng các trọng số phải bằng 1.
Các hệ thống trọng số khác nhau cũng như số điểm lấy trung bình khác
nhau cần được thử để tìm ra một hệ thống trọng số thích hợp nhất dựa trên
tiêu chuẩn là độ lệch tuyệt đối trung bình nhỏ nhất.
2.1.5.3. Kỹ thuật làm trơn dùng hàm số mũ (exponential smoothing)
Kỹ thuật này cũng tương tự như kỹ thuật trung bình di chuyển có trọng số
nhưng cần ít số liệu hơn.
- Cơng thức: Ft+1 = Ft + (Yt – Ft )

[2.7]

trong đó: Ft = trị số dự báo cho thời điểm t
Yt = trị số thực cho thời điểm t
 = hằng số giữa 0 và 1.
- Thông thường một trị số  lớn sẽ cho lượng dự báo đáp ứng hơn
còn  nhỏ sẽ cho lượng dự báo trơn hơn.
2.1.6. Phương pháp tỉ số với trung bình di động (ratio-to-moving average)
Với bốn chỉ số: xu hướng T (trend), chu kỳ C (cycle), thời vụ S (seasonality)
và bất thường I (irregular), ta sử dụng mô hình nhân: Z=T.S.C.I
Khi đó ta có thể dùng phương pháp trung bình di động để loại bỏ hai thành
phần S và I. Như vậy, khi chia trị số của chuỗi thời gian cho giá trị của trung
bình di động ta sẽ nhận được tích SI:
Z
T .S .C.I


 S .I
MA
T .C

Phương pháp náy gọi là tỷ số với trung bình di động.

[2.8]


14

2.2. Lý thuyết Logic mờ
2.2.1. Lý thuyết tập mờ
2.2.1.1. Hàm thành viên tập mờ

Hàm đặc tính của tập rõ là hàm lưỡng trị, có thể được tổng quát hóa sao
cho giá trị gán cho mỗi phần tử của tập tổng nằm trong một khoản định
trước, thường là khoảng [0, 1], giá trị này chỉ mức độ thành viên của phần
tử lên tập hợp. Hàm đặc tính như trên được gọi là hàm thành viên và tập
trên được gọi là tập mờ.
Hàm thành viên của một tập mờ A trên tập tổng X được ký hiệu là A là
ánh xạ từ tập X lên tập khoảng đơn vị:
A : X  [0, 1]
Trong đó, A(x) là mức độ thành viên của phần tử x của tập X lên tập mờ A
2.2.1.2. Các khái niệm và thuật ngữ cơ bản của tập mờ

a. Tập cắt
Xem một tập mờ trên X, với [0, 1], tập cắt  của tập mờ F là tập rõ F
gồm các phần tử của X có mức thành viên lên F lớn hơn hay bằng :

F  x  F  x   

[2.9]

Tập cắt F sẽ được gọi là tập cắt  mạnh của tập mờ F là tập rõ, ký hiệu
F+ khi thay dấu  bởi dấu > trong định nghĩa tập cắt:
F   x  F x   

[2.10]

b. Tập mức
Tập mức của tập mờ F, ký hiệu là (F), là tập mọi mức [0, 1] biểu diễn
các nhát cắt của tập F:
 F     F x , x  X 

[2.11]

c. Biên giới tập mờ F
Biên giới tập mờ F, ký hiệu là supp(F), là tập rõ gồm các pần tử của X có
mức thành viên lên F lớn hơn 0, đây cũng chính là tập cắt F0+:
sup p( F )  Fo  x  F  x   0

[2.12]


15

d. Lõi tập mờ
Lõi tập mờ F, ký hiệu là core(F), là tập rõ gồm các phần tử của X có mức
thành viên lên F bằng 1, đây cũng chính là tập cắt F1:

core( F )  F1  x  F  x   1

[2.13]

e. Độ cao tập mờ
Độ cao tập mờ F, ký hiệu là h(F), làm mức thành viên cao nhất của các
phần tử của tập F:
hF   sup  F x 

[2.14]

x X

Tập mờ với độ cao bằng 1: h(F)=1  F là tập mờ chuẩn.
f. Tập mờ lồi
Xem một tập mờ F trên tập số thực R, tập F được gọi là tập mờ lồi nếu và
chỉ nếu hàm thành viên F(x) thỏa điều kiện sau:
 F x1  1   x2   min F ( x1 ), F ( x2 ),x1 , x 2  R ,  0 ,1 [2.15]

g. Cỡ tập mờ
Cỡ tập mờ A đếm số phần tử trong tập với trọng số là mức độ thành viên
của phần tử, ký hiệu là A, định bởi:
A    A  x , A   X 

[2.16]

x X

h. Toán tử tập mờ chuẩn
Các toán tử chuẩn bao gồm toán tử bù mờ, giao mờ và hội mờ. Xem tập

mờ A trên tập X, bù của tập mờ A là tập mờ Ā trên X có hàm thành viên
định bởi:
 A  x   1   x x , x  X

[2.17]

Xem hai tập mờ A và B trên tập X, giao của hai tập mờ A và B là tập mờ
AB trên X có hàm thành viên định bởi:
 A B  x   Min A ( x ), B ( x ), x  X

[2.18]

Xem hai tập mờ A và B trên tập X, hội của hai tập mờ A và B là tập mờ
AB trên X có hàm thành viên định bởi:


16
 A B  x   Max A ( x ), B ( x ), x  X

[2.19]

i. Mức tập con
Xem hai tập rõ A và B trên tập tổng X, mức tập con của tập A trong tập B,
ký hiệu S(A, B) định bởi công thức sau:
S  A, B  

A B

[2.20]
A

Thấy rằng khi AB thì AB= nên S(A, B) = 0, khi AB thì AB=A
nên S(A, B) = 1, tổng quát ABA nên:
0  S  A, B   1

[2.21]

j. Khoảng cách Hamding
Xem hai tập mờ A và B trên tập tổng X, khoảng cách Hamding giữa hai tập
mờ A và B, ký hiệu d(A, B), xác định bởi:
d  A, B     A ( x )   B ( x ) ,

[2.22]

x X

nếu chọn B= thì có: d  A,   A , vậy A là khoảng cách giữa A và tập
rỗng .
2.2.1.3. Biểu diễn tập mờ

Tập mờ F trên X là tập các phần tử xX với mức thành viên lên F tương
ứng. Với tập X hữu hạn ta thường dùng ký hiệu sau:
 A  xi 
xi
i 1
n

F 

2.2.1.4. Xây dựng tập mờ và toán tử tập mờ

Có nhiều phương pháp xây dựng hàm thành viên tập mờ:


Trực quan



Suy diễn



Chuyên gia



Mạng neuron



Giải thuật di truyền

[2.23]


17

Trong giới hạn luận văn này tôi chỉ đề cập các phương pháp: trực quan, suy
diễn và chuyên gia.
a. Phương pháp trực quan

Phương pháp trực quan dựa vào kiến thức và trực quan với ngữ cảnh đã
cho để xây dựng hàm thành viên.
b. Phương pháp suy diễn
Phương pháp suy diễn dựa vào kiến thức để suy diễn hàm cho tập mờ ở
một ngữ cảnh xác định
c. Phương pháp chuyên gia
Hàm thành viên tập mờ được xây dựng dựa vào chuyên gia am tường ngữ
cảnh của vấn đề quan tâm. Phương pháp chuyên gia gồm hai bước:


Bước 1: Thu thập kiến thức từ chuyên gia qua các mệnh đề ngôn ngữ



Bước 2: Xây dựng hàm từ việc xử lý các mệnh đề ngơn ngữ

Phương pháp chun gia cịn chia hai loại trực tiếp và gián tiếp. Trong loại
trực tiếp, các chuyên gia trả lời các câu hỏi trực tiếp xây dựng hàm. Trong
loại gián tiếp, các chuyên gia trả lời các câu hỏi đơn giản hơn, kết quả được
xử lý thêm để xây dựng hàm.


Phương pháp trực tiếp với một chuyên gia
Trong phương pháp này một chuyên gia sẽ được hỏi để xây dựng hàm.
Xem A là tập mờ trên tập X cần được xây dựng hàm thành viên. Chuyên
gia sẽ được giao gán mức độ thành viên A(x) cho từng phần tử trên tập
tổng X. một số câu hỏi thường được dùng như:



-

Mức độ thành viên của x lên tập A là bao nhiêu?

-

Mức độ tương thích của x lên tập ở ngữ cảnh đã cho là bao nhiêu?

-

Phần tử x nào có mức độ thành viên A(x) lên tập A?

Phương pháp trực tiếp với nhiều chuyên gia
Phương pháp này có n chuyên gia được hỏi để gán hàm. Gọi ai(x), i=1n
là ý kiến của chuyên gia i về mức độ thành viên của x lên tập A. Mức
thành viên tổng hợp của n chun gia được tính theo cơng thức sau: