Chuong2 MoHinhToiUuHoaTuyenTinh

CHƯƠNG HAI
Mô hình t ố i ư u hóa
Như đã được trình bày vào cuối chương 1, việc tìm giải pháp tối ưu cho mô hình tài chính là mối
quan tâm lớn nhất của các nhà quản lý. Công cụ Goal Seek trong Excel là một kỹ thuật tìm kiếm
hiệu quả tuy nhiên Goal Seek có một vài hạn chế sau:
1. Goal Seek không thể tham chiếu bất kỳ các ràng buộc nào trong quá trình tìm kết quả.
2. Goal Seek chỉ cho phép điều chỉnh duy nhất một biến ngoại sinh (biến số đầu vào).
3. Goal Seek yêu cầu mô hình phải cho trước một giá trị mục tiêu cần đạt có như vậy Goal Seek
mới có thể tìm kiếm giá trị cần thiết theo mục tiêu tối ưu đó.
Trong Excel công cụ Solver sẽ giúp khắc phục 3 hạn chế trên của Goal Seek. Solver dễ dàng áp dụng
vào trong các mô hình cho trước như Goal seek, tuy nhiên Solver là một công cụ tìm kiếm giá trị tối
ưu mạnh hơn rất nhiều và bạn cần cẩn trọng đối với những yêu cầu khi sử dụng Solver để tránh
những cạm bẫy mà những người lập mô hình không cảnh giác sẽ có thể mắc phải. Ví dụ, việc sử
dụng Solver cho một số tình huống nào đó có thể cho ra một giải pháp mà trên thực tế giải pháp này
không tối ưu, trong khi những giải pháp khác có thể phù hợp trên thực tế thì lại không phù hợp với
kết quả của Solver. Để tránh những cạm bẫy này, chúng ta cần phải nắm vững một số nguyên tắc của
các mô hình tối ưu hóa. Đầu tiên, cách tiếp cận của chúng ta là lưu ý xem các mối quan hệ giữa tất cả
các biến số trong mô hình có phải là mối quan hệ tuyến tính hay không. Các mô hình quy hoạch
tuyến tính sẽ dễ dàng hơn nhiều trong việc hiểu, thiết lập và tối ưu hóa bằng công cụ Solver.
5151
52 PHẦN 1 Giới thiệu các mô hình tối ưu
2.1 GIỚI THIỆU BÀI TOÁN QUY HOẠCH TUYẾN TÍNH
Như chúng ta đã xem xét ví dụ về công ty C vào cuối chương 1, việc giải quyết mô hình tối ưu hóa
trong điều kiện ràng buộc là quan trọng bởi vì nó phổ biến trong các tình huống quản lý tài chính trên
thực tế. Trong ví dụ về công ty C, mô hình tối ưu hóa trong điều kiện ràng buộc là một dạng mô hình
mà kết quả thực hiện được tối ưu hóa bằng cách chọn ra một giá trị khả thi từ tất cả các giá trị có thể
có trong phạm vi ràng buộc của biến số ra quyết định.
Mục đích của chúng ta trong chương này là:
1. Nắm vững một số kỹ thuật để lập công thức cho mô hình quy hoạch tuyến tính.
2. Giới thiệu một số nguyên tắc trong xây dựng mô hình quy hoạch tuyến tính nhằm tạo thuận
lợi cho việc ứng dụng công cụ Solver.
3. Sử dụng Solver để giải quyết bài toán tối ưu hóa từ các mô hình quy hoạch tuyến tính đã
được bảng tính hóa.
2.2 LẬP CÔNG THỨC CHO MÔ HÌNH QUY HOẠCH TUYẾN TÍNH
2.2.1 Các điều kiện ràng buộc

Buớc đầu tiên khi lập công thức cho mô hình quy hoạch tuyến tính là ghi nhận những điều kiện ràng
buộc. Các ràng buộc có thể được xem như là tất cả những giới hạn mà các biến số ra quyết định phải
tuân theo. Ví dụ:
1. Một nhà quản lý danh mục đầu tư chỉ có một nguồn vốn giới hạn trong khả năng của ông ta.
Do vậy quyết định đầu tư sẽ bị giới hạn bởi quy mô nguồn vốn đó cùng những ràng buộc
khác nếu có. Ví dụ nếu bạn đầu tư vào chứng khóan thì ràng buộc sẽ là quy định mang tính
quản lý của Ủy ban chứng khoán (chẳng hạn không cho phép bán khống cổ phiếu và như vậy
tỷ trọng vốn đầu tư vào cổ phiếu đó trong danh mục không được âm).
2. Quyết định của một quản đốc sản xuất sẽ bị giới hạn bởi khả năng của nhà máy và những
nguồn vật liệu có sẵn.
CHƯƠNG 2 Mô hình tối ưu hóa 53
3. Một doanh nghiệp đứng trước rất nhiều các cơ hội đầu tư thì quyết định lựa chọn tối ưu sẽ bị
phụ thuộc vào quy mô nguồn vốn của một doanh nghiệp bị giới hạn bởi khả năng đáp ứng
của dòng tiền doanh nghiệp tại thời điểm bắt đầu dự án và cả cho những năm sau đó.
Trong ngữ cảnh của mô hình, sự giới hạn hay các ràng buộc đối với biến số ra quyết định là những
yếu tố có tầm quan trọng đặc biệt. Có 2 loại ràng buộc: ràng buộc từ những hạn chế và ràng buộc từ
những yêu cầu đòi hỏi. Tuy nhiên những ràng buộc có thể được phân loại xa hơn để phản ánh: các
hạn chế hay những yêu cầu mang tính tự nhiên; các hạn chế hay những yêu cầu mang tính kinh tế;
hoặc các hạn chế hay những yêu cầu do chính sách chi phối. Trong những ví dụ trên thì:
1. Nhà quản lý danh mục bị ràng buộc bởi hạn chế về nguồn vốn (giới hạn mang tính tự nhiên)
và những quy định của ủy ban chứng khóan (giới hạn do chính sách).
2. Các quyết định sản xuất bị ràng buộc về giới hạn khả năng sản xuất (giới hạn tự nhiên) và
nguồn lực có sẵn (giới hạn về kinh tế và giới hạn tự nhiên).
3. Các hãng hàng không bị ràng buộc về yêu cầu phi hành đoàn phải có thời gian nghĩ ngơi dưới
mặt đất tối thiểu 24 giờ giữa 2 chuyến bay. (giới hạn về chính sách).
4. Công ty dầu khí bị ràng buộc bởi giới hạn về các loại dầu thô có sẵn (giới hạn tự nhiên) và
yêu cầu rằng dầu thô phải có một tỷ lệ chỉ số ốc–tan tối thiểu (giới hạn về chính sách).
5. Một doanh nghiệp không thể chi trả cổ tức nếu không có lợi nhuận (giới hạn tự nhiên) hay
khi tỷ suất lợi nhuận không vượt qua một mức tối thiểu nào đó (giới hạn chính sách).
2.2.2 Hàm mục tiêu
Tất cả các mô hình quy hoạch tuyến tính đều có 2 đặc điểm chung quan trọng:
 Đặc điểm thứ nhất, như đã được thể hiện trong ví dụ trên, đó là sự tồn tại của các điều kiện
ràng buộc.
 Đặc điểm thứ hai là trong tất cả mô hình quy hoạch tuyến tính chỉ có duy nhất một kết quả đo
lường được mục tiêu hóa: cực đại hoặc cực tiểu hóa.
Ví dụ: nhà quản lý danh mục có thể muốn tối đa hóa tỷ suất sinh lợi của danh mục, và giám đốc sản
xuất có thể muốn chi phí sản xuất là thấp nhất. Tương tự hãng hàng không muốn có một lịch trình
bay sao cho tối thiểu hóa chí phí và công ty dầu khí muốn khai thác các mỏ dầu hiện có sao cho tối
đa hóa lợi nhuận.
Do vậy, bạn có thể thấy rằng trong mỗi một ví dụ trên có một số thông số đo lường kết quả thực hiện
được các nhà quản lý mong muốn tối đa hóa (chẳng hạn lợi nhuận, tỷ suất sinh lợi, hiệu năng, hoặc
tính hiệu quả) hoặc tối thiểu hóa (như chi phí hoặc thời gian). Trong ngôn ngữ của mô hình quy
hoạch tuyến tính, một hàm số đo lường kết quả thực hiện được tối ưu hóa được gọi là hàm mục tiêu.
Mọi mô hình quy hoạch tuyến tính đều có 2 đặc điểm quan trọng: một hàm mục tiêu được
tối đa hóa hoặc tối thiểu hóa, và các điều kiện ràng buộc.
Bài toán quy hoạch tuyến tính còn được gọi là mô hình tối ưu hóa đối ngẫu. Một cách phổ biến để
mô tả những mô hình như vậy là:
Một mô hình tối ưu hóa đối ngẫu trình bày một vấn đề về phân bổ nguồn lực bị giới hạn
sao cho tối ưu hóa mục tiêu về lợi ích.
Chúng ta sẽ bắt đầu bằng một ví dụ cụ thể về việc lập công thức bài toán quy hoạch tuyến tính từ ví
dụ của công ty C trong chuơng 1, sau đó chúng tôi sẽ trình bày một cách đầy đủ việc tối ưu hóa mô
hình sản xuất của công ty C như thế nào. Tuy nhiên, trước hết chúng tôi sẽ cho thấy công cụ Solver
được sử dụng như thế nào.
Để đơn giản, bây giờ công ty C chỉ sản xuất loại SP1 và SP2 thay vì 6 loại sản phẩm, và số ràng buộc
bây giờ chỉ còn 6 thay vì là 11 như trước đây. Bằng cách sử dụng các dự báo kinh tế cho tuần kế tiếp,
công ty C cho rằng trong tuần này công ty có thể tiêu thụ bất kỳ số lượng sản phẩm nào được sản
xuất ra. Công ty bây giờ phải xác định mục tiêu sản xuất trong kỳ tới, đó là công ty nên sản xuất bao
nhiêu Sp1 và Sp2 nếu công ty muốn tối đa hóa lợi nhuận?
Lấy ví dụ công ty C
Để có thể đưa ra quyết định cần phải xem xét các nhân tố chính sau đây:
1. Số sản phẩm được sản xuất và tiêu thụ trong 1 tuần và phần bù định phí đơn vị (giá bán trừ
biến phí đơn vị) tuần tới là 56$ cho Sp1 và 40$ cho Sp2.
2. Để lắp ráp một chiếc ghế cần các phụ tùng g1, g2, g3, g4 và số lượng các loại phụ tùng này
trong kho là có giới hạn và không thể tăng thêm.
3. Dự trữ phụ tùng cho kế hoạch sản xuất tuần tới là: g1, g2 = 1.280; Sp1 sử dụng 8 g1 và 4 g2.
Đối với Sp2 sử dụng 4 g1 và 12 g2.
4. Tồn kho chân ghế là 760 đơn vị. Mỗi chiếc ghế sản xuất ra cần 4 chân ghế.
5. Tồn kho phụ tùng g3 và g4 là 140 và 120 đơn vị. Để sản xuất Sp1 và Sp2 đều sử dụng phụ
tùng g3 và g4 như nhau.
6. Theo hợp đồng tổng số lượng sản xuất trong tuần không được thấp hơn 100 sản phẩm.
Dựa vào những thông số trên (bảng 2.1), công ty C cần phải tính toán số lượng Sp1 và Sp2 cần được
sản xuất là bao nhiêu cho tuần tới. Đứng dưới góc độ của mô hình, bạn cần phải tìm kiếm một kết
hợp tối ưu Sp1 và Sp2 được sản xuất ra hay còn được gọi là kế hoạch sản xuất tối ưu. Chúng tôi sẽ
trình bày tình huống ví dụ này có thể được diễn đạt trước hết dưới dạng các công thức tối ưu như thế
nào. Cụ thể như là quy hoạch tuyến tính và sau đó như là mô hình tối ưu hóa bằng Excel. Vì vậy để
thực hiện được những nội dụng này chúng ta phải xác định các điều kiện ràng buộc và hàm mục tiêu.
BẢNG
Tóm tắt tổng quát các nhân tố
2.1
Loại phụ tùng Sp1 Sp2 Tổng số
g1 8 4 1280
g2 4 12 1600
Chân ghế 4 4 760
g3 1 0 140
g4 0 1 120
Các điều kiện ràng buộc

Đối với ví dụ này, chúng ta có các ràng buộc sau:
Gọi x1 là số lượng Sp1 được sản xuất
Gọi x2 là số lượng Sp2 được sản xuất
Số lượng g1 = 8x1 + 4x2
Với tổng số phụ tùng g1 có sẵn trong kho là 1280, ta có điều kiện ràng buộc sau:
8x1 + 4x2 ≤ 1280 (2.1)
Con số 1280 được gọi là vế phải của bất đẳng thức. Vế trái của bất đẳng thức rõ ràng là được dựa
trên 2 biến số x1 và x2 và được gọi là hàm ràng buộc.
Mỗi một Sp1 sử dụng 4 phụ tùng g2 và mỗi một Sp2 sử dụng 12 phụ tùng g2 và số lượng phụ tùng
g2 có sẵn trong kho là 1600 đơn vị, ta có hàm ràng buộc thứ 2 theo đó x 1 và x2 phải thỏa mãn:
4x1 + 12x2 ≤ 1600 (2.2)
Tổng số sản phẩm sản xuất không được nhỏ hơn 100, ta có hàm ràng buộc thứ 3:
x1 + x2 ≥ 100 (2.3)
Mỗi một sản phẩm 1 và sản phẩm 2 sử dụng 4 chân ghế, do đó ta có hàm ràng buộc thứ 4:
4x1+ 4x2 ≤760 (2.4)
Mỗi một Sp1 đều yêu cầu sử dụng 1 phụ tùng g1 và mỗi một Sp2 yêu cầu sử dụng 1 phụ tùng g2, do
vậy ta có hàm ràng buộc thứ 5 như sau:
x1 ≤ 140 và
x2≤ 120 (2.5)
Về mặt thực tiễn, số lượng sản phẩm 1 và 2 sản xuất ra không thể là số âm, do vậy ta có hàm ràng
buộc thứ 6:
x1 ≥ 0 và x2 ≥ 0 (2.6)
Tóm lại: từ ví dụ của công ty C cho ở trên, ta xây dựng được các điều kiện ràng buộc sau:
8x1 + 4x2 ≤ 1280 (2.1)
4x1 + 12x2 ≤ 1600 (2.2)
x1 +x2 ≥ 100 (2.3)
4x1+ 4x2 ≤ 760 (2.4)
x1 ≤ 140 và x2≤ 120 (2.5)
x1 ≥ 0 và x2 ≥ 0 (2.6)
Đánh giá biến số ra quyết định
Trong mô hình trước đây, việc đưa ra các quyết định của mô hình chính là việc lựa chọn các cặp giá
trị (x1,x2). x1 và x2 được gọi là các biến số ra quyết định bởi vì đây là những thông số định lượng tối
ưu mà công ty đang tìm kiếm. Ví dụ, x 1 = 6; x2 = 5 có nghĩa rằng quyết định sản xuất sản phẩm 1 là 6
đơn vị và sản xuất sản phẩm 2 là 5 đơn vị. Kết quả này chỉ thỏa mãn ràng buộc 2.1; 2.2; 2.4; 2.5 và
2.6 nhưng không thoả mãn ràng buộc 2.3.
Như vây quyết định lựa chọn kết hợp x1 = 6 và x2 = 5 là không khả thi vì nó vi phạm ràng buộc 2.3.
Sẽ có rất nhiều các cặp giá trị (x 1;x2) được lựa chọn sẽ vi phạm một trong số các ràng buộc và sẽ có
một số cặp giá trị (x1;x2) thoả mãn tất cả các ràng buộc. Và những lựa chọn hay những quyết định
như vậy được gọi là quyết định khả thi.
Hàm mục tiêu
Trong tất cả các quyết định có thể được phép hay quyết định khả thi thì quyết định nào nên được lựa
chọn? Như chúng ta đã lưu ý trước đây, tất cả các mô hình quy hoạch tuyến tính đều có một hàm
mục tiêu và các điều kiện ràng buộc. Trong ví dụ này, công ty C có mục tiêu là tối đa hóa lợi nhuận
và mục tiêu này là kết hợp 2 mục tiêu thành phần:
1. Tổng phần bù định phí đạt được từ doanh số của Sp1
2. Tổng phần bù định phí đạt được từ doanh số của Sp2
Trong ví dụ của chúng ta, phần bù định phí đơn vị của Sp1 là 56$ và của Sp2 là 40$. Chúng ta có
hàm mục tiêu sau:
56x1 + 40x2 = tổng phần bù định phí (2.7)
Lưu ý rằng khi mục tiêu tối đa hóa lợi nhuận chỉ phụ thuộc vào mức doanh số đạt được thì điều duy
nhất có thể làm là xác định mức doanh số tối đa phù hợp với các điều kiện ràng buộc. Còn nếu mục
tiêu tối đa hóa lợi nhuận chỉ phụ thuộc vào tổng biến phí thì tất cả những điều có thể làm là tối thiểu
hóa chi phí sản xuất. Tuy nhiên, trong ví dụ của chúng ta, cả hai thông số doanh thu và biến số đều
có ảnh hưởng đến lợi nhuận đạt được, do vậy mục tiêu của chúng ta bây giờ sẽ là tối đa hóa phần
bù định phí hơn là tối đa hóa doanh số trong việc tìm kiếm lợi nhuận cao nhất.
Giải pháp tối ưu
Trong số những quyết định khả thi, sẽ có một quyết định mang lại tổng phần bù định phí lớn nhất và
nó được gọi là giải pháp cho mô hình công ty C hay thường còn được gọi là một giải pháp tối ưu.
Do đó chúng ta tìm kiếm một quyết định sẽ tối đa hóa phần bù định phí hàng tuần trong số các quyết
định khả thi. Những quyết định như vậy được gọi là quyết định tối ưu. Do tổng phần bù định phí là
một hàm số theo biến x1 và x2, chúng ta xem sự diễn đạt 56x1 + 40x2 như là một hàm mục tiêu và
điều mà chúng ta cần làm là tìm các giá trị khả thi của x 1 và x2 tối ưu hóa (trong ví dụ này là tối đa
hóa) hàm mục tiêu. Khi đó, mục tiêu của chúng ta, theo mô hình lượng hóa, được viết như sau:
56x1 + 40x2 –> max (2.8)
Hàm mục tiêu được tối đa hóa chỉ trong phạm vi các giá trị của quyết định khả thi
Quan sát mô hình của công ty C

Chúng ta có mô hình của công ty C bây giờ là như sau:
56x1 + 40x2 –> max (hàm mục tiêu)
8x1 + 4x2 ≤ 1280 (giới hạn phụ tùng g1)
x1 +x2 ≥ 100 (giới hạn tổng số lượng SP sản xuất ra)
4x1+ 4x2 ≤ 760 (giới hạn số lượng chân ghế)
x1 ≤ 140 và x2≤ 120 (giới hạn phụ tùng g3 và g4)
x1≥ 0 và x2≥ 0 (điều kiện số thực dương)
Các hàm tuyến tính

Lưu ý rằng trong mô hình ở trên, tất cả các hàm ràng buộc và hàm mục tiêu đều là những hàm tuyến
tính theo 2 biến số quyết định. Và như vậy đồ thị biểu diễn của những hàm này sẽ là những đường
thẳng. Nói chung hàm tuyến tính là một hàm mà các biến số của nó không có số mũ lớn hơn 1 (ví dụ
9x12 + 8x2), dạng tích số hay phân số các biến số với nhau (ví dụ 14x 1 + 12x1x2), dạng hàm mũ (ví dụ
6x11/2), dạng logarit (ví dụ 19logx1 + 12x12x2), hay dạng lượng giác và trong Excel sẽ không sử dụng
hàm IF(). Các hàm số của Excel thường là các hàm số phi tuyến, ví dụ: IF(), MAX(), MIN(), LN(),
và ABS().
Đứng về phương diện toán học, các hàm số phi tuyến được giải quyết khó khăn hơn. Trong các ứng
dụng, sức mạnh của mô hình tuyến tính xuất phát từ sự đơn giản hóa các mối quan hệ tuyến tính
(phương trình và bất phương trình) và từ thực tế là các mô hình tuyến tính được sử dụng nhiều hơn
trong các ứng dụng thực tế khi mà các nhà quản lý chỉ có một chút hoặc thậm chí không có chút nào
kiến thức nền tảng toán học. Đối với mô hình được gọi là tuyến tính, các yếu tố quan trọng cần được
ghi nhớ là:
1. Một mô hình tuyến tính luôn luôn có một hàm mục tiêu (tối đa hóa hoặc tối thiểu hóa) và các
điều kiện ràng buộc.
2. Tất cả các hàm số của bài toán (trong mục tiêu và các ràng buộc) đều là những hàm số tuyến
tính.
Các cân nhắc về số nguyên
Trong trường hợp khi các biến số ra quyết định phải là những số nguyên, chúng ta cân nhắc 1 trong 4
trường hợp sau:
1. Bổ sung điều kiện số nguyên cho mô hình quy hoạch tuyến tính và điều này sẽ buộc một
hoặc nhiều biến số ra quyết định phải là những số nguyên. Mô hình này được gọi là mô hình
tối ưu hóa số nguyên hay quy hoạch số nguyên.
2. Cách thức giải quyết mô hình tương tự như cách thức giải mô hình quy hoạch tuyến tính
thông thường chỉ khác là sau đó ta làm tròn số (chẳng hạn lấy số nguyên gần nhất). Trong
nhiều trường hợp giải pháp đơn giản này có thể là không tối ưu.
3. Xem xét ví dụ của công ty C: chẳng hạn nếu đáp số tối ưu là 70,5 Sp1 và 80,25 Sp2 có thể
được hiểu như sau (1) bán 70 Sp1/tuần và để lại 0,5 Sp1 như là sản phẩm dở dang và sẽ được
hoàn tất vào tuần sau và (2) bán 71 Sp1 cho tuần sau. Tương tự sản xuất 80,25 Sp2/tuần
nhưng chỉ bán 80 Sp2/tuần và để lại 0,25 Sp2 như là sản phẩm dở dang và do vậy đến tuần
thứ 4 sẽ bán 81 Sp2.
4. Kết quả mô hình công ty C xem như là chỉ dùng cho mục đích hoạch định và không là quyết
định hoạt động, kết quả mô hình chỉ mang tính hướng dẫn cho việc đưa ra quyết định cuối
cùng và đây là điều cần thiết khi mà nhiều tình huống trong thế giới thực không thể đưa ra
quyết định bằng các mô hình quy hoạch tuyến tính. Trong thực tiễn tất cả các cách tiếp cận
trên đều có thể được chấp nhận.
2.3 NGHỆ THUẬT LẬP CÔNG THỨC CHO MÔ HÌNH QUY HOẠCH TUYẾN TÍNH
Khi chuyển các tình huống quản trị vào trong mô hình lượng hóa bạn nên theo các bước sau:
1. Diễn đạt mục tiêu bằng từ ngữ và đo lường kết quả thực hiện của hàm mục tiêu.
2. Diễn đạt bằng từ ngữ mỗi một ràng buộc, xác lập các yêu cầu của từng ràng buộc một các cẩn
trọng theo đó những yêu cầu này là ≥; ≤ hay =
Khi đó bước 1 và 2 cho phép bạn:
3. Xác định các biến số ra quyết định.
Một điều rất quan trọng là các biến số ra quyết định cần được xác định chính xác. Đôi lúc bạn cảm
thấy rằng có một vài khả năng chọn lựa. Ví dụ, bạn nên
1. Diễn đạt mỗi một ràng buộc bằng những ký hiệu theo biến số ra quyết định.
2. Diễn đạt mỗi một hàm mục tiêu bằng những ký hiệu theo biến số ra quyết định.
2.4 CHI PHÍ BIẾN ĐỔI SO VƠI CHI PHÍ CHÌM
Trong thực tiễn, có 2 loại chi phí: những chi phí chìm và chi phí biến đổi. Chi phí chìm không được
đưa vào mô hình tối ưu, chỉ có chi phí biến đổi là có liên quan đến mô hình tối ưu.
Chi phí chìm là những chi phí đã bỏ ra và những quyết định trong tương lai không thể tác động hay
sửa đổi được gì đối với những chi phí đã chi tiêu này. Ví dụ, giả định rằng một công ty trước đây đã
mua 800 kg nhôm loại 2 và 500 kg nhôm loại 1 với giá tại thời điểm mua là 5$ và 10$/kg. Hiện tại
công ty dự định sử dụng số nhôm này để sản xuất 2 loại SpA và SpB. Vấn đề là sử dụng số nhôm này
như thế nào cho tối ưu, tối đa hóa lợi nhuận khi sử dụng 1300 kg nhôm này để sản xuất sản phẩm A
và B. Trong công thức của mô hình này, số tiền đã bỏ ra mua (9000$) số nhôm trên là chi phí chìm
và nó không được đề cập đến vì đây là chi phí đã được chi tiêu, do đó số lượng đã được mua này
không còn là những biến số ra quyết định nữa. Biến số ra quyết định bây giờ là bao nhiêu Sp A và B
nên được sản xuất và chi phí có liên quan bây giờ chỉ còn là chi phí sản xuất A và B.
Gọi K là số SP A được sản xuất (biến số ra quyết định)
Gọi C là số SP B được sản xuất (biến số ra quyết định)
Giá bán SP A = 10$
Giá bán SP B = 30$
Chi phí sản xuất A = 4$ (chi phí biến đổi)
Chi phí sản xuất B = 12$ (chi phí biến đổi)
Phần bù định phí đơn vị của SP A = 10$ – 4$ = 6$
Phần bù định phí đơn vị của SP B = 30$ – 12$ = 18$
Giả định rằng SP A sử dụng 1 kg nhôm loại 2 và 2 kg nhôm loại 1
SP B sử dụng 3 kg nhôm loại 2 và 5 kg nhôm loại 1
Chúng ta có mô hình lượng hóa dưới dạng bài toán quy hoạch tuyến tính như sau:
6K + 18C –> max
K + 3C≤ 800
2K + 5C≤ 500
K≥0; C≥ 0
Ta có chi phí chìm là 9000$, là chi phí đã bỏ ra để mua nguyên vật liệu nhôm trước đây. Vậy:
Lợi nhuận ròng = 6K + 18C – 9000
Tìm giá trị khả thi của K và C sao cho 6K + 18C – 9000 –> max cũng tương tự như tìm giá trị khả thi
của K và C sao cho 6K + 18C –> max, do vậy hằng số 9000 có thể được bỏ qua.
Tóm lại chi phí chìm chỉ có tác động trên các báo cáo thu nhập của kế toán và không có vai trò gì
trong việc lựa chọn các biến số quyết định bởi vì bản thân những chi phí này không có liên quan gì
đến các quyết định trong tương lai, chủ đề chính của mô hình. Rõ ràng là không có vấn đề gì khi bạn
loại bỏ chi phí chìm này ra khỏi hàm mục tiêu trong mô hình, tuy nhiên sẽ có sự khác biệt nếu có sự
phân bổ chi phí chìm vào các hoạt động sản xuất A và B và nếu sự phân bổ đó liên quan đến việc
điều chỉnh các hệ số biến phí trong mô hình thay vì chỉ đơn giản là trừ tổng chi phí phân bổ ra khỏi
tổng chi phí.
Các nhà quản lý thường có sai lầm phổ biến đó là nhầm lẫn chính sách kế toán của doanh nghiệp khi
phân bổ các chi phí chìm vào các hoạt động với việc đưa ra quyết định liên quan đến các hoạt động
đó. Ví dụ, giả định rằng công ty ở trên có chính sách phân bổ chi phí chìm 9000$ vào SP1 là 4500$
và SP2 là 4500$. Điều này sẽ không có tác động gì nếu bộ phận sản xuất SP1 ghi nhận là sẽ có lợi
nhuận giảm 4500$ và lợi nhuận chung của cả doanh nghiệp sẽ giảm 9000$. Nhưng nếu bộ phận sản
xuất SP1 xem lại hệ số chi phí sản xuất SP1 trong mô hình quy hoạch tuyến tính của mình và chỉnh
sửa lại chi phí biến đổi từ 4$ ban đầu thành 4$ + 4500$/K với 4500$/K là chi phí chìm bình quân trên
một SP1 được sản xuất ra thì khi đó các quyết định không tối ưu sẽ xảy ra khi mô hình được tối ưu
hóa. Tại sao lại là như vậy? Bởi vì chi phí tăng thêm thực tế khi một SP1 được sản suất ra là 4$,
không nhiều hơn và cũng không thấp hơn. Khi bạn bổ sung điều kiện đã được sửa đổi trên vào mô
hình để phản ánh chi phí chìm bình quân thì bạn đã ghi nhận sai chi phí (biên) tăng thêm khi sản xuất
Sp1 và chi phí biên là rất quan trọng trong các quyết định tối ưu hóa.
Để hiểu rõ hơn điều này, giả định rằng K = 1000 SP1 được sản suất ra khi đó sự phân bổ chi phí chìm
đã xảy ra. Dưới mẫu hình “chi phí chìm bình quân” thì bộ phận sản suất SP1 sẽ ghi nhận chi phí chìm
bình quân là 4$ + 4500$/1000 = 8,5$. Chúng ta biết rằng bắt đầu từ SP thứ K+1 thì bộ phận sản suất
SP1 sẽ có chi phí bổ sung thêm là 4$ đúng bằng biến phí sản xuất của bộ phận này. Tuy nhiên khi bạn
thay thế chi phí sản xuất SP1 là 8,5$ vào mô hình quy hoạch tuyến tính thì bạn đã sai khi buộc mô hình
sử dụng 8,5$ như là chi phí tăng thêm của SP1 và điều này sẽ dẫn đến kết quả có được sẽ nhỏ hơn
nhiều so với số lượng sản suất tối ưu. Tóm lại, việc tính toán chi phí bình quân của chi phí chìm đã
được phân bổ và sau đó sử dụng nó như thể chi phí này là chi phí biến đổi hay chi phí biên thì đây là
một sai lầm phổ biến và bạn cần phải tránh khi lập công thức cho mô hình quy hoạch tuyến tính.
2.5 THIẾT LẬP MÔ HÌNH BẰNG BẢNG TÍNH CHO CÔNG TY C
Quay trở lại ví dụ về mô hình đơn giản của công ty C (ví dụ 5 – chương 1; phần 1.2.7), bạn cần sắp
xếp các hàm ràng buộc theo cùng loại bất đẳng thức với nhau vì điều này sẽ làm cho việc sử dụng
Solver được thuận lợi hơn. Ta có:
56x1 + 40x2 –> max (hàm mục tiêu)
Điều kiện ràng buộc
4x1+ 4x2 ≤ 760 (giới hạn số lượng chân ghế)
x1 ≤ 140 (giới hạn phụ tùng g3 )
x2≤ 120 (giới hạn phụ tùng g4)
x1 +x2 ≥ 100 (giới hạn tổng số lượng SP sản xuất ra)
x1≥ 0 và x2≥ 0 (điều kiện số thực dương)
Với:
x1 là số lượng Sp1 được sản suất
x2 là số lượng Sp2 được sản suất
Bảng tính của mô hình công ty C được đặt tên là C.xls như thể hiện trong hình 2.1.
HÌNH
Mô hình quy hoạch tuyến tính (LP) đã được đơn giản hóa
2.1
Đặt tên
Trong bảng tính sẽ có một vài ô cá biệt được sử dụng để đặt tên. Tên đặt này được sử dụng nhằm
giúp theo dõi dễ dàng hơn các dữ liệu của bảng tính. Mục đích của việc đặt tên là để làm rõ ý nghĩa
của tất cả các nhập liệu trong bảng tính. Lưu ý các tên đặt bổ sung trong dòng 11 là nhằm mô tả điều
kiện ràng buộc cuối cùng mà ràng buộc này không có liên quan gì đến số dư có sẵn trong hàng tồn
kho.
Các hệ số và các biến số ra quyết định
Ngoại trừ những ô được đặt tên, thì những ô khác sẽ chứa những con số. Thông thường những con số
này sẽ đại diện:
 Giá trị bằng số của những thông số cho trước trong mô hình quy hoạch tuyến tính.
 Giá trị bằng số cho 2 biến số ra quyết định. Những giá trị bằng số này được gọi là những giá
trị quyết định hoặc nói ngắn gọn chỉ là những quyết định.
Các công thức
Để thể hiện hàm mục tiêu và các hàm ràng buộc cần sử dụng các công thức (cột D). Trong một vài
tình huống, những công thức chỉ đơn giản là những giá trị bằng số và có thể được nhập trực tiếp.
Trong những tình huống khác, bạn phải soạn những công thức cần thiết này.
Tính toán mức độ thỏa mãn các điều kiện ràng buộc
Trong các mô hình bảng tính LP, bạn cần quan tâm đến mức độ thỏa mãn các điều kiện ràng buộc
của những ràng buộc và đây là thuật ngữ được sử dụng để mô tả mức chênh lệch giữa kết quả ràng
buộc – LHS1 (sau khi mô hình đã đạt kết quả tối ưu) so với yêu cầu ràng buộc ban đầu (phần bên
phải của bất đẳng thức – RHS2) nhằm đảm bảo chênh lệch này không âm.
Nếu a<= ràng buộc, số dư sẽ là RHS – LHS
Nếu a>= ràng buộc, số dư sẽ là LHS – RHS
Với a là kết quả thực hiện điều kiện ràng buộc của bài toán.
Mặc dù là tùy chọn, việc tính toán kết quả chênh lệch này là rất hữu ích. Ví dụ như trong hình 2.1 ta
có thể thấy ngay lập tức là kế hoạch sản xuất đưa ra là không khả thi bởi vì nó đã cho ra số dư hàng
tồn kho trong ô G8 là con số âm.
Tối ưu hóa bảng tính
Bằng công cụ Solver bạn có thể chuyển bất kỳ một mô hình bảng tính LP nào sang mô hình tối ưu
hóa chỉ với một vài click chuột. Hình 2.2 cho thấy bảng tính đã được tối ưu hóa từ mô hình quy
hoạch tuyến tính của công ty C.
HÌNH
Mô hình LP của công ty C đã được tối ưu hóa
2.2
1
Left-Hand Side: vế trái của bất đẳng thức ràng buộc.
2
Right-Hand Side: vế phải của bất đẳng thức ràng buộc.
2.6 MÔ HÌNH QUY HOẠCH TUYẾN TÍNH VÀ LẬP MÔ HÌNH BẰNG BẢNG TÍNH
Trong phần này sẽ trình bày cách thức đạt được mô hình của công ty C dưới 2 dạng:
 Mô hình quy hoạch tuyến tính dưới dạng các biểu thức đại số.
 Mô hình quy hoạch tuyến tính dưới dạng bảng tính này.
Có những câu hỏi cần được giải đáp: “Chúng ta có cần viết cả 2 mô hình quy hoạch tuyến tính dưới
dạng biểu thức đại số và mô hình Excel cho mỗi tình huống quản lý mà chúng ta đang cần giải
quyết?” cũng như “Tại sao chúng ta phải trình bày mô hình bảng tính của công ty C như chúng ta đã
làm?” Và cuối cùng, “chúng ta đã sử dụng công cụ Solver để tìm kiếm giải pháp tối ưu trong hình 2.3
như thế nào?”.
Câu trả lời tốt nhất cho câu hỏi thứ 1 là: “Đúng là như vậy, khi chúng ta đã trở nên thông thạo thì
chúng ta nên sử dụng cả hai mô hình quy hoạch tuyến tính (đại số) và mô hình bảng tính tương ứng
(Excel). Mô hình bảng tính rất hữu ích khi cần thể hiện mô hình quy hoạch tuyến tính, và mô hình
bảng tính đặc biệt hữu ích cho việc giải quyết các tình huống mô phỏng “điều gì sẽ xảy ra nếu…?”.
Tuy nhiên khi chúng ta mới làm quen với việc lập các mô hình bảng tính, thì việc lập mô hình trực
tiếp từ các tình huống quản lý áp dụng vào các bảng tính không phải là cách tiếp cận tốt nhất mặc dù
cách làm này giúp bạn tiết kiệm được thời gian. Kinh nghiệm cho thấy rằng bạn nên làm trực tiếp chỉ
khi nào bạn trở nên thật thành thạo với việc lập mô hình quy hoạch tuyến tính trực tiếp trên Excel, và
tốt nhất bạn nên thực hiện tiến trình lập mô hình qua 3 bước sau:
1. Viết và sửa lỗi mô hình quy hoạch tuyến tính dưới dạng các biểu thức đại số : Soạn thảo
ra trên giấy mô hình lượng hóa; điều này sẽ làm bạn tốn vài phút nhưng sẽ giúp bạn sau này
sửa lỗi nhanh chóng trên mô hình Excel. Tiến trình sửa lỗi trên mô hình Excel có nghĩa rằng
bạn sẽ kiểm tra những công thức được lập trên bảng tính và tìm kiếm các lỗi về mặt logic của
các công thức này.
2. Từ mô hình quy hoạch tuyến tính trên giấy đã soạn, bạn chuyển đổi và trình bày vào
trong bảng tính Excel: Sử dụng mô hình quy hoạch tuyến tính đã soạn như là một chỉ dẫn
trong việc trình bày bảng tính Excel. Sau đó là việc sửa lỗi trong cách trình bày mô hình
Excel bằng cách cố gắng chọn vài giá trị nào đó của các biến số ra quyết định để thấy được
các sai lỗi có xảy ra hay không (sự vi phạm các ràng buộc của các quyết định được cho là khả
thi, các giá trị LHS không thay đổi theo sự thay đổi các biến số ra quyết định, các ô đo lường
kết quả thực hiện..?
3. Cố gắng tối ưu hóa mô hình bằng công cụ Solver: khi mô hình được lập công thức không
chính xác thì thường Solver sẽ báo lỗi khi thực hiện. Một lần nữa bạn phải sửa lỗi cho mô
hình và nhiều khi bạn phải quay trở lại bước 1.
Đề trả lời cho câu hỏi thứ 2 “Tại sao chúng ta phải trình bày mô hình bảng tính của công ty C như
chúng ta đã làm?” thì như các bạn đã biết cách thức trình bày mô hình bảng tính phản ánh rõ nét các
công thức trong mô hình lượng hóa mà bạn đã thực hiện ở bước 1. Sau đây là một vài lời khuyên đối
với bạn khi cần trình bày một mô hình bảng tính:
 Mỗi một biến số quyết định được trình bày trong các ô khác nhau, thường được nhóm lại với
nhau theo dòng hay cột và mỗi một ràng buộc được trình bày trong các dòng và cột riêng rẽ
trong một bảng tính. (thường là các biến số ra quyết định được bố trí theo hàng cột và các
ràng buộc được bố trí theo hàng ngang).
 Ngoại trừ cách đặt tên được tùy chọn, các biến số ra quyết định được nhóm lại với nhau theo
các cột/các dòng liền kề nhau và ngoại trừ cách đặt tên được tùy chọn, các ràng buộc được
nhóm lại với nhau theo các dòng/cột liền kề nhau.
 Mỗi một ô biến số ra quyết định và ô hàm mục tiêu phải được đặt tên tại ô trên cùng của cột
đó. Và mỗi một ràng buộc phải được đặt tên tại ô bên trái ngoài cùng của dòng đó.
 Các hệ số đơn vị (Ví dụ phần bù định phí đơn vị hoặc chi phí đơn vị ) được đặt trong các ô
nằm trong các dòng riêng biệt liền kề ngay bên trên hay bên dưới các biến số ra quyết định để
phản ánh tác động từ những hệ số này và công thức hàm mục tiêu xuất hiện gần kề ngay bên
cạnh những ô này.
 Các ô biến số ra quyết định và ô hàm mục tiêu được định dạng nổi bật bằng cách tô nền hay
tạo đường viền (Shading hoặc Border) để tạo thuận tiện khi đọc các thông tin trình bày trong
bảng tính.
 Đối với mỗi một ràng buộc, ô chứa các thông số liên quan đến biến số ra quyết định được đặt
tại góc giao nhau giữa cột hoặc dòng chứa các biến số ra quyết định đó và những cột hoặc
dòng chứa các điều kiện ràng buộc đó.
 Theo sau các ô thông số trong mỗi dòng ràng buộc là một ô được sử dụng để tính toán giá trị
hàm ràng buộc đạt được (tổng số vế bên trái – LHS), ô kế tiếp thể hiện trực tiếp các dấu bất
đẳng thức và ô theo sau cuối cùng là ô thể hiện giá trị giới hạn của ràng buộc (tổng số của vế
bên phải – RHS). Bạn có thể tùy chọn thêm một ô tính toán mức chênh lệch giữa vế bên trái
và vế bên phải của bất đẳng thức ràng buộc và ô này được cài đặt công thức sao cho giá trị
của nó luôn luôn không âm khi ràng buộc được thoả mãn.
Ô chênh lệch = RHS – LHS ≤ (giới hạn) các ràng buộc, và
Ô chênh lệch = LHS – RHS ≤ (yêu cầu) các ràng buộc
 Đối với các dòng ràng buộc thì ô thể hiện nội dung của vế bên phải bất đẳng thức chỉ được
chứa hằng số hoặc công thức không có liên quan đến các biến số ra quyết định. Để tránh việc
Solver sẽ báo lỗi sau này, bất kỳ một công thức nào của ô thể hiện nội dung của vế bên phải
bất đẳng thức có liên quan trực tiếp hay gián tiếp tới các biến số ra quyết định phải được cắt
chuyển sang vế bên trái của của ràng buộc đó.
 Không sử dụng các hàm chức năng If(), ABS(), Max(), MIN()… các hàm phi tuyến khác
trong những ô được lập công thức trong mô hình quy hoạch tuyến tính của bạn. Những hàm
như vậy có thể được chấp nhận trong những ô khác trong bảng tính, nhưng chỉ khi giá trị của
nó không ảnh hưởng gì đến việc tính toán trực tiếp hay gián tiếp của ô hàm mục tiêu khi
Solver thực hiện tiến trình tối ưu hóa.
2.7 TỔNG QUAN VỀ SOLVER
Solver là một chương trình bổ sung của Excel được sử dụng để tối ưu hóa số học các mô hình tối ưu
có điều kiện ràng buộc như là mô hình quy hoạch tuyến tính. Solver có thể tối ưu hóa cho cả 2 loại
mô hình tuyến tính và mô hình phi tuyến tính.
Tất cả các công thức được sử dụng trong mô hình bảng tính quy hoạch tuyến tính chỉ được chứa
đựng các mối quan hệ tuyến tính một cách trực tiếp hoặc gián tiếp đến các biến số ra quyết định, các
nội dung tính toán trong ô hàm mục tiêu và đặc biệt trong bất kỳ các ràng buộc nào.
Sử dụng Solver
1. Khởi động Excel và thực hiện tiến trình lập mô hình bảng tính một cách bình thường. Sau đó
bạn có thể phát triển mô hình, thực hiện dự đoán “điều gì sẽ xảy ra nếu...?” thực hiện các
phân tích sửa lỗi và in kết quả.
2. Một khi mô hình đã được phát triển và được sửa lỗi (và được lưu vào đĩa!), bạn tối ưu hóa
mô hình này bằng cách sử dụng công cụ Solver từ menu Tools.
3. Sau khi khai báo theo các yêu cầu trong hộp thoại của Solver như: địa chỉ ô biến số ra quyết
định, địa chỉ của ô chứa công thức hàm mục tiêu, bạn click nút “Solve”.
4. Solver sẽ thực hiện tiến trình tối ưu hóa mô hình của bạn. Đối với những mô hình quy hoạch
tuyến tính nhỏ thì tiến trình này chỉ thực hiện trong vài giây trên máy vi tính cá nhân, nhưng
đối với các mô hình có quy hình lớn thì thời gian thực hiện có thể mất vài phút.
5. Giả định rằng không có những sai lỗi trong mô hình bảng tính quy hoạch tuyến tính của bạn,
thì cuối cùng Solver sẽ cho ra một hộp thoại Solver Results mà trong đó bạn có thể yêu cầu
Solver tiếp tục cho ra một báo cáo hoặc yêu cầu Solver cập nhật giá trị tối ưu vừa tính toán
được vào trong mô hình bảng tính của bạn. Solver sẽ tạo một báo cáo trong một Sheet khác
cùng nằm chung trong file Excel ban đầu và bạn có thể lưu lại báo cáo này hoặc in ra.
6. Tại thời điểm này, bây giờ bạn có thể tiếp tục thực hiện các phân tích khác như phân tích
“Điều gì sẽ xảy ra nếu..?”, thực hiện phân tích độ nhạy đối với các giá trị gần kế với các giá
trị tối ưu hóa v.v.
Các thuật ngữ được sử dụng trong Solver
Thuật ngữ lập mô hình quy hoạch tuyến tính Thuật ngữ Solver
Hàm mục tiêu Ô mục tiêu (Set target cell)
Các biến số ra quyết định Các ô biến số ra quyết định (By changing cells)
Các điều kiện ràng buộc Các ràng buộc (Subject to the constraints/add)
Hàm ràng buộc (Vế trái của bất đẳng thức) Tham chiếu các ô ràng buộc (Cell reference)
Giới hạn ràng buộc (Vế phải của bất đẳng thức) Các ràng buộc hoặc giới hạn (Constraint)
Mô hình tuyến tính LP Giả định mô hình tuyến tính–LP hoặc phi tuyến
Nếu theo nội dung của mô hình, các biến số ra quyết định có giá trị âm là vô nghĩa thì bạn cần
nhớ bổ sung điều kiện ràng buộc là giá trị các biến số quyết định không âm trước khi thực hiện
tiến trình tối ưu hóa với Solver
Ta có sơ đồ tổng quan các bước sử dụng Solver như trong hình 2.3
HÌNH
Sơ đồ Solver
2.3
Khởi động
Excel
Xây dựng mô hình tối ưu

hoá
Lưu lại mô hình bảng tính của bạn
Khởi động Solver trong Menu

Tools
Khai báo hộp thoại Solver:

Bổ sung mô hình Địa chỉ ô hàm mục tiêu
Địa chỉ ô biến số quyết định
Địa chỉ 2 vế của ràng buộc
Chọn “Asume Linear Model” trong hộp thoại Options và

click “Ok”
Click “Solve” để bắt đầu tiến trình tối ưu hoá
Cân nhắc thông điệp hoàn tất của Solver
Không
Solver đã tìm thấy giá trị tối ưu?
Có
Click “Keep Solver Solution” và click nút “Ok”
Có
Bạn muốn thay đổi mô hình và thực lại tiến trình tối ưu hóa?
Không
Lưu lại mô hình và thoát khỏi Excel
2.8 TỐI ƯU HÓA MÔ HÌNH CÔNG TY C BẰNG SOLVER
Cách học Solver tốt nhất là bạn cần ngồi thực tập ngay trước máy vi tính của bạn.
Nếu sau khi khởi động Excel và trong menu Tools bạn không thấy xuất hiện Solver thì bạn cần phải
gọi lệnh để kích hoạt Solver bằng cách chọn Add–ins/Solver như trong hình 2.4.
HÌNH
Kích hoạt xuất hiện Solver
2.4
Sau khi Solver được kích hoạt, hộp thoại Parameters 3 sẽ xuất hiện như trong hình 2.5. lưu ý rằng
Solver luôn mặc định chế độ của hàm mục tiêu là “Max”, và địa chỉ của ô có dấu nháy luôn xuất hiện
trong vùng đầu tiên: “Set Target Cell”.
HÌNH
Hộp thoại Solver Parameters mặc định
2.5
Trong vùng đầu tiên “Set Target Cell”, bạn cần nhập địa chỉ ô chứa nội dung của hàm mục tiêu.
Trong ví dụ công ty C địa chỉ này là Ô D4 (xem hình 2.6).
HÌNH
Nhận diện ô mục tiêu của Solver
2.6
3
Nếu bạn không thấy nút “Premium” như trong hình 3.6 thì bạn phải cài đặt bổ sung Premium Solver for Education.
Và trước khi bạn cài đặt Premium Solver thì bạn phải cài đặt Standard Solver trước. Phiên bản Solver của Microsoft
không được cài đặt tự động bởi Microsoft Office hoặc tiến trình Setup Excel. Nếu bạn đã cài đặt Excel nhưng Solver
không xuất hiện trong Menu/Tools thì trong phiên bản Excel 2000 trở đi bạn kích hoạt mục Add-Ins trong
Menu/Tools và chọn “Solver Add-Ins” và nếu cần bạn phải đưa đĩa CD-ROM Microsoft Office cho tiến trình cài đặt
bổ sung.
Thu nhỏ hộp thoại như trong hình 2.7 cho phép bạn thuận tiện hơn trong việc quan sát phần còn lại
trên bảng tính của mình để từ đó sử dụng chuột định dạng địa chỉ nhanh và chính x ác hơn.
HÌNH
Thu nhỏ hộp thoại Solver Parameters
2.7
Vùng kế tiếp trong hộp thoại là “Equal To:” cho phép bạn khai báo loại tối ưu hóa ứng với 2 vị trí
của Radio Button là Max và Min. Trong ví dụ, chúng ta muốn tối đa hóa lợi nhuận của công ty C, vì
vậy click vào Radio Button “Max”. Ngược lại nếu mục tiêu kết quả thực hiện của chúng ta là tối
thiểu hóa tổng chi phí thì bạn có thể click vào Radio Buton “Min”.
Vùng kế tiếp được đặt tên là “By Changing Cells” cho phép bạn khai báo các biến số ra quyết định.
Trong ví dụ mô hình bảng tính của chúng ta những biến số ra quyết định là các ô B4:C4 (xem hình
2.8).
HÌNH
Khai báo các ô biến số ra quyết định
2.8
Kế tiếp bạn phải định rõ các điều kiện ràng buộc của hàm mục tiêu cho Solver tại vùng “Subject to
the Constraints”. Tại phía bên phải của vùng này, bạn click nút “Add…” và hộp thoại Add Constraint
cho phép bạn khai báo các địa chỉ của hàm ràng buộc và giới hạn của ràng buộc (xem hình 2.9).
HÌNH
Khai báo vế trái của các ràng buộc có cùng dấu bất đẳng thức “≤”
2.9
Lưu ý rằng Solver sẽ không chấp nhận các công thức trong vùng “Cell Reference”; tất cả các nhập
liệu vào vùng này đều phải được tham chiếu dưới dạng địa chỉ các Ô trong bảng tính và dĩ nhiên là
nội dung trong các Ô này sẽ là các công thức.
Kế tiếp bạn đưa con trỏ vào vùng bên phải của hộp thoại “Add Constraint” và dùng chuột quét khối
chọn các ô vế bên phải của bất đẳng thức 4, là các ô F6:F10. Sau đó bạn chọn dấu bất đẳng thức cho
phù hợp với những ràng buộc vừa được chọn này như trong hình 2.10.
HÌNH
Khai báo vế phải của các ràng buộc có cùng dấu bất đẳng thức “≤”
2.10
4
Lưu ý rằng khối được chọn bên vế trái và bên vế phải của các bất đẳng thức ràng buộc phải được sắp xếp theo tính
chất có cùng dấu bất đẳng thức với nhau.
Đối với điều kiện ràng buộc còn lại tổng sản phẩm sản xuất ra tối thiểu phải là 100 sản phẩm, bạn
thực hiện tương tự (xem hình 2.11 và hình 2.12).
HÌNH HÌNH
2.11 Khai báo vế trái và vế phải của ràng buộc theo quy luật “≥”
2.12
Và bây giờ bạn có thể click “Ok” để kết thúc việc khai báo các điều kiện ràng buộc cho Solver và
quay trở lại hộp thoại Solver Parameters.
Các đặc điểm Solver như trong hình 2.13. Các nút “Change” và “Delete” được sử dụng khi bạn cần
thay đổi hay xóa các điều kiện ràng buộc. Lưu ý là nút “Reset All” sẽ xóa tất cả các nhập liệu trong
hộp thoại Solver Parameters và được sử dụng trong trường hợp bạn muốn khai báo tất cả lại từ đầu.
HÌNH
Khai báo hộp thoại Solver Parameters của công ty C
2.13
Cuối cùng chúng ta đang làm việc với mô hình quy hoạch tuyến tính có các mối quan hệ giữa các
biến số là hoàn toàn tuyến tính, bạn phải click nút “Options” trong hộp thoại Solver Parameters và
hộp thoại Solver Option sẽ xuất hiện như trong hình 2.14.
HÌNH
Khai báo mô hình tuyến tính và các điều kiện ràng buộc không âm
2.14
Khi bạn click vào check box “Assume Linear Model” thì có nghĩa bạn đã khai báo với Solver là mô
hình của mình là mô hình tuyến tính, còn nếu bạn click vào Check box “Assume Non-Negative” thì
bạn khai báo với Soler rằng hai biến số ra quyết định sẽ không được âm và ý nghĩa của check box
“Use Automatic Scaling” sẽ được bàn đến trong phần kế tiếp dưới đây. Chọn Ok để quay trở về hộp
thoại Solver Parameters. Click nút “Solve” như trong hình 2.13, Soler sẽ bắt đầu thực hiện các vòng
lặp phép thử cần thiết và sẽ hiện câu thông báo “Setting up problem…” và nếu bạn không có một sai
sót nào thì chỉ sau một vài giây Solver sẽ hiện ra thông báo đã hoàn tất như trong hộp thoại “Solver
results” hình 2.15. Lưu ý rằng bạn luôn luôn phải đọc cẩn thận các câu thông báo đầu tiên của hộp
thoại này! Vì Soler luôn cho ra hộp thoại thông báo “Solver results” giống nhau ngoại trừ 2 câu
thông báo trên đầu:
 Solver đã tìm ra giải pháp.
 Tất cả các điều kiện ràng buộc và điều kiện tối ưu hóa được thoả mãn
Nếu bạn không tìm thấy cả 2 câu này thì có nghĩa Solver đã bị lỗi trong khi thực hiện trình tối ưu hóa
mô hình quy hoạch tuyến tính. Trong tình huống có thể xảy ra này, (1) click nút “help” để tìm các
thông tin bổ sung, thường là các thông tin khai báo không thỏa đáng trong hộp thoại Solver Dialog
hoặc (2) xem lại những công thức trong mô hình bảng tính, những công thức này có thể đã vi phạm
những quy tắc đã đề ra.
HÌNH
Hộp thoại Solver Results
2.15
Nếu Solver hoàn tất công việc của mình thì thông điệp báo ra phải như hình 2.15 và bạn chọn “Keep
Solver Solution” để nhận kết quả hoặc bạn chọn “Restore Original Values” để bỏ những kết quả mà
Solver vừa tính toán và giữ nguyên các giá trị biến số quyết định ban đầu của bạn trước khi Solver
khởi động. Nếu bạn chọn “Keep Solver Solution” thì bạn cũng có thể tùy chọn một trong ba loại
Report, theo đó Solver sẽ tự động cho ra báo cáo tổng thể kết quả đạt được.
Chọn “Answer Report”, phần chọn “Sensitivity Report” và “Limits Report” sẽ được đề cập sau, và
click “Ok”. Hình 2.16 cho thấy Answer Report của mô hình công ty C. Answer Report luôn luôn
xuất hiện dưới tên “Answer Report 1” nếu như tên này chưa được sử dụng trước đó, trên một
bảng tính riêng để bạn có thể tự do định dạng lại nếu cần, lưu lại hoặc in ra.
HÌNH
Answer Report của Solver
2.16
Mô hình bảng tính gốc của bạn bây giờ sẽ xuất hiện như trong hình 2.17, theo đó Solver ghi nhận giá
trị tối ưu của biến số quyết định Sp1 và Sp2 tương ứng là 130 và 60 và lợi nhuận tối đa đạt được là
9.680$.
HÌNH
Các quyết định tối ưu hóa lợi nhuận
2.17
Lưu ý là các ô trong cột G phản ánh số dư tồn kho thay đổi theo các quyết định tối ưu. Nếu số dư là
0, khi đó, Solver sẽ thông báo: “binding at Optimality” hoặc “binding” có nghĩa là giá trị vế trái bằng
với giá trị vế phải của ràng buộc.
2.9 NHỮNG ĐỀ XUẤT KHI SỬ DỤNG SOLVER ĐỐI VỚI MÔ HÌNH QUY HOẠCH
TUYẾN TÍNH
1. Bạn cần đảm bảo rằng các con số được sử dụng trong mô hình được canh chỉnh sao cho chênh
lệch giữa những con số nhỏ nhất và những con số lớn nhất trong bảng tính tối ưu hóa không
nhiều hơn 6 hoặc 7 con số. Ví dụ, một mô hình có biến số ra quyết định là lãi suất (giả định là
5%) và nếu kết quả thực hiện được đo lường ở hàng 8 con số (ví dụ 10 triệu$) như vậy khác
biệt đơn vị giữa con số nhỏ nhất (5%) và con số lớn nhất (10.000.000$) lên đến 10 con số. Điều
này có thể là nguyên nhân làm cho Solver không có khả năng hoàn tất tiến trình tối ưu hóa của
mình và tình huống này dẫn đến kết quả không tối ưu hoặc trong hộp thoại của Solver Resuls
sẽ có câu thông báo “The conditions for Assume Linear are not satisfied”. Trong trường hợp
này bạn chỉ đơn giản canh chỉnh lại đơn vị của những con số thuộc hàng nhỏ nhất hay là lớn
nhất. Trong ví dụ trên bạn có thể đổi từ đơn vị là $ sang đơn vị là triệu$ như vậy khác biệt đơn
vị giữa con số nhỏ nhất là 5% và con số lớn nhất là 10 chỉ là 4 con số, phù hợp với điều kiện
cần thiết để Solver có thể hoàn tất một cách đáng tin cậy tiến trình tối ưu hóa của mình.
2. Tất cả giá trị vế bên phải của các điều kiện ràng buộc trong bảng tính chỉ được là các hằng số
hoặc các công thức mà giá trị của nó không bị thay đổi trong suốt tiến trình Solver thực hiện
tối ưu hóa hay những công thức này không được liên quan dù là trực tiếp hay gián tiếp đến
giá trị của các biến số ra quyết định.
3. Đối với các mô hình quy hoạch tuyến tính có quy mô lớn, để thuận lợi hơn trong thực hiện,
bạn có thể sử dụng các lệnh Range Naming của Excel (đã được trình bày trong chương 1) để
đặt tên cho một vùng các ô đo lường kết quả thực hiện, các ô biến số ra quyết định, các ô thể
hiện giá trị vế bên trái và vế bên phải của ràng buộc. Khi đó Solver sẽ tự động thay thế tên
của một vùng được khai báo trong hộp thoại Solver Parameters sang địa chỉ các ô cần tham
chiếu tương ứng trong bảng tính.
2.10 TỐI ƯU HÓA TUYẾN TÍNH: CÁC ỨNG DỤNG
Ví dụ 1: Hoạch định ngân sách vốn trong điều kiện nguồn vốn bị giới hạn
Một công ty đang xem xét dòng tiền của bốn dự án đầu tư sau đây. 5 Nguồn tài trợ của công ty bị giới
hạn ở năm 0 và năm 1 là không quá 100 tỷ đồng. Vốn đầu tư vào những dự án này không thể để
chậm trễ cũng như không thể thực hiện sớm hơn được. Chi phí sử dụng vốn là 10%.
ĐVT: tỷ đồng
Dự án Năm 0 Năm 1 Năm 2 Năm 3 NPV (r = 10%)
W – 70 – 20 60 60 6,44
X ––– – 90 60 50 5,30
Y – 80 10 60 30 1,18
Z ––– – 50 30 30 1,86
Lưu ý rằng các giá trị NPV được tính tại năm 0 ở thời điểm hiện tại và dự án W đòi hỏi dòng tiền chi
ra cả năm 0 và năm 1.
Chúng ta sẽ tìm một danh mục đầu tư kết hợp vào bốn dự án sao cho tổng NPV là cao nhất với điều
kiện ràng buộc là nguồn vốn bị giới hạn ở năm 0 và năm 1 không quá 100 tỷ đồng. Tiến trình thực
hiện như sau:
Bước 1: Viết mô hình quy hoạch tuyến tính ra giấy
Gọi w,x, y và z là tỷ trọng vốn đầu tư lần lượt vào bốn dự án W, X,Y và Z, chúng ta sẽ tìm giá trị cực
đại của NPV theo hàm mục tiêu như sau:
NPV = 6,44w + 5,30 x + 1,18y + 1,86z –> max
Các điều kiện ràng buộc:
70w + 80y  100
Nghĩa là tổng vốn đầu tư vào dự án W, Y ở năm 0 phải bé hơn hoặc bằng 100.
20w + 90 x – 10y + 50z  100
Nghĩa là tổng dòng tiền chi ra cho dự án W, X và Z cộng với dòng tiền thu vào của dự án Y trong
năm 1 không được vượt quá 100.
Tỷ trọng vốn đầu tư vào từng dự án phải dương hoặc bằng 0 và không vượt quá 1 nghĩa là:
5
Các bạn có thể xem chương 11 trong sách Tài chính doanh nghiệp hiện đại – PGS.TS Trần Ngọc Thơ, 2005
0  w  1 ; 0  x 1 ; 0  y  1 ; 0  z  1

Bước 2: Chuyển bài toán quy hoạch tuyến tính vào mô hình bảng tính Excel (xem từ hình 2.18
đến hình 2.22)
HÌNH
Dữ liệu ban đầu của đề bài: các biến số ngoại sinh và các điều kiện ràng buộc
2.18
HÌNH
Thiết kế vùng kết quả tính toán của mô hình (vùng tô đậm)
2.19
HÌNH Nhập các công thức cần thiết cho ô chứa hàm mục tiêu (ô H10) và các ô chứa
2.20 công thức vế trái của các bất đẳng thức ràng buộc.
HÌNH Kích hoạt Solver và khai báo các thông tin cần thiết trong hộp thoại Solver
2.21 Parameters
HÌNH
Kết quả tối ưu của mô hình được Solver tính toán
2.22
Ví dụ 2: Mô hình quản lý tiền mặt năng động

Công ty W đang cố gắng hoàn tất các kế hoạch đầu tư của mình trong 2 năm kế tiếp. Hiện tại công ty
W đang có sẵn số tiền là 2.000.000$ cho đầu tư mới. Ngoài ra trong 6 tháng, 12 tháng, và 18 tháng
tới công ty W mong đợi sẽ nhận được dòng thu bằng tiền mặt từ các khoản đầu tư trước đó. Dữ liệu
được thể hiện như trong bảng 2.2. Hiện tại công ty đang đứng trước 2 dự án phát triển mà theo đó
công ty W đang cân nhắc tỷ lệ góp vốn liên doanh với các nhà đầu tư bên ngoài:
1. Dự án A: nếu công ty W tham gia với tỷ lệ góp vốn toàn bộ là 100% thì công ty sẽ có dòng
tiền dự kiến như trong bảng 2.3 (các con số âm thể hiện vốn đầu tư bỏ ra và con số dương thể
hiện dòng tiền thu nhập đi vào). Do vậy nếu tham dự với mức độ tham gia là 100% thì công
ty sẽ phải chi ra ngay ở hiện tại là 1.000.000$. Trong 6 tháng sau công ty tiếp tục có một
dòng chi cho vốn đầu tư bổ sung là 700.000$ và tiếp theo sau là dòng thu 1.800.000$ và
tương tự như vậy cho khoảng thời gian kế tiếp.
2. Dự án B: nếu công ty tham gia với tỷ lệ góp vốn là 100% thì dòng tiền sẽ như trong bảng 2.4.
BẢNG
Dòng thu nhập tiền mặt được tạo ra từ các khoản đầu tư trước đây.
2.2
6 tháng 12 tháng 18 tháng
Thu nhập 500.000$ 400.000$ 380.000$
BẢNG
Dòng tiền của dự án A
2.3
Ban đầu 6 tháng 12 tháng 18 tháng 24 tháng
Thu nhập –1.000.000$ –700.000$ 1.800.000$ 400.000$ 600.000$
BẢNG
Dòng tiền của dự án B
2.4
Ban đầu 6 tháng 12 tháng 18 tháng 24 tháng

Thu nhập –800.000$ 500.000$ –200.000$ –700.000$ 2.000.000$
Công ty có thể lựa chọn tỷ lệ đầu tư vào mỗi dự án mà theo đó các nhà đầu tư sẽ góp phần còn lại và
dòng tiền tạo ra mỗi năm sẽ giảm tương tương ứng theo mức độ góp vốn. Ví dụ nếu công ty W góp
vốn vào dự án A với tỷ lệ 30% thì dòng tiền hàng năm sẽ bằng 0,3 lần so với kết quả trong bảng
3.26. Ngoài ra vào mỗi khoảng thời gian 6 tháng tất cả các dòng tiền tạo ra dương (không phân biệt
là được tạo ra từ dự án A hay dự án B) có thể được tái đầu tư vào chứng chỉ tiền gửi CD với lãi suất
7% trong 6 tháng. Vấn đề đặt ra bây giờ là công ty W nên quyết định sử dụng số tiền mặt 2.000.000$
ở hiện tại như thế nào, quyết định tỷ lệ đầu tư vào mỗi dự án và tỷ lệ đầu tư vào chứng chỉ tiền gửi
với lãi suất đầu tư 7% trong 6 tháng. Mục tiêu của các nhà quản lý công ty W là tối đa hóa lượng tiền
mặt vào cuối 24 tháng sau. Để xây dựng mô hình lượng hóa, trước hết chúng ta phải xác định các
biến số ra quyết định:
a = Tỷ lệ vốn đầu tư vào dự án đầu tư A
b = Tỷ lệ vốn đầu tư vào dự án B
S1 = Vốn thặng dư (không được đầu tư vào F vào M ban đầu) được đầu tư vào chứng chỉ tiền gửi với
lãi suất 7%
S2 = Vốn thặng dư nhàn rỗi sau 6 tháng được đầu tư vào chứng chỉ tiền gửi vói lãi suất 7%
S3 = Vốn thặng dư sau 12 tháng được đầu tư vào chứng chỉ tiền gửi với lãi suất 7%
S3 = Vốn thặng dư sau 18 tháng được đầu tư vào chứng chỉ tiền gửi với lãi suất 7%
Điều kiện ràng buộc:
Đầu tư tại thời điểm t ≤ lượng tiền mặt có sẵn tại thời điểm t
Hoặc tại thời điểm ban đầu ta có:
1.000.000a + 800.000b + S1 ≤ 2.000.000$
Bởi vì công ty sẽ nhận được lãi 7% trên vốn đầu tư vào chứng chỉ tiền gửi nên S 1 sẽ thành 1,07S1 và
ta có kết quả tương tự cho S2, S3, S4. Các ràng buộc còn lại là:
700.000a + S2 ≤ 500.000b + 1,07S1 + 500.000
200.000b + S3 ≤ 1.800.000F + 1,07S2 + 400.000
700.000b + S4 ≤ 400.000F + 1,07S3 + 380.000
Các ràng buộc ở trên cung cấp các điều kiện cân bằng tiền mặt tại các thời điểm khác nhau. Lưu ý
rằng các phương trình có thể được sử dụng trong các ràng buộc để thay thế các bất phương trình theo
đó các khoản tiền mặt thặng dư phải được đầu tư hết bởi vì các khoản tiền mặt không được đầu tư sẽ
không sinh lợi. Tuy nhiên trong thực hành mô hình, khuyến cáo được đưa ra là các bạn cần tránh sử
dụng các phương trình nếu cảm thấy không cần thiết. Các ràng buộc bất phương trình trong mô hình
sẽ cho phép Solver tìm kiếm lượng tiền mặt nhàn rỗi có thể có khi lượng tiền mặt đầu tư nhỏ hơn
lượng tiền mặt có sẵn và vì mục tiêu là tối đa hóa tiền mặt vào 24 tháng sau và tiền mặt nhàn rỗi có
thể được sinh lợi với lãi suất 7%/6 tháng thì Solver sẽ giải quyết bài toán tối ưu mà tại đó các ràng
buộc bất phương trình sẽ đạt giá trị cận trên hay dấu bằng sẽ xảy ra.
Hàm mục tiêu là tối đa hóa (không chiết khấu trong trường hợp này) lượng tiền mặt có được sau 24
tháng:
600.000A + 2.000.000B + 1,07S4
Tổng kết, ta rút ra được mô hình quản lý tiền mặt như sau:
600.000A + 2.000.000B + 1,07S4 –> max
Các ràng buộc:
1.000.000a + 800.000b + S1 ≤ 2.000.000$
700.000a + S2 ≤ 500.000b +1,07S1 + 500.000
200.000b + S3 ≤ 1.800.000F +1,07S2 + 400.000
700.000b + S4 ≤ 400.000F +1,07S3 + 380.000
A≤ 1 và B≤ 1
A, B≥ 0; Si ≥ 0 với i = 1,2,3,4
Mô hình tối ưu, công thức của mô hình, khai báo hộp thoại Solver Parameter và một phần của báo
cáo độ nhạy được cho trong hình 2.23. Các biến số quyết định là số tiền mặt thặng dư để đầu tư vào
chứng chỉ tiền gửi (các ô D12:G12) và tỷ lệ vốn đầu tư vào 2 dự án (các ô C7:C8). Con số vốn đầu tư
trong các ô D7:G8 có được bằng cách nhân tỷ lệ % vốn đầu tư vào mỗi dự án và vốn đầu tư yêu cầu
của dự án trong các ô D3:I4. Để thuận lợi với các ràng buộc trong mô hình lượng hóa ở trên, ta quy
ước về dấu đối với dòng tiền đầu tư đảo ngược lại trong phần “Tiền mặt được chi tiêu” trong mô
hình. Như có thể thấy, kết quả tối ưu là công ty W sẽ đầu tư với tỷ lệ vốn 100% vào cả 2 dự án. Và
từ báo cáo độ nhạy, tỷ suất sinh lợi tăng thêm so với vốn đầu tư ban đầu của công ty W là 31% trong
24 tháng.
HÌNH
Mô hình mở rộng của công ty W
2.23
Ví dụ 3: Mô hình kế hoạch sản xuất kết hợp kế hoạch tài chính

Công ty Z sản xuất 2 loại sản phẩm là máy phát điện loại lớn B và máy phát điện loại nhỏ S và hiện
đang đứng trước quyết định nên sản xuất bao nhiêu sản phẩm cho từng loại. Các số liệu liên quan
như sau:
1. Dữ liệu về tài chính cho mỗi loại sản phẩm B và S được cho như trong bảng 2.5.
2. Các sản phẩm này được sản xuất trong cả 2 phân xưởng A và B. 2 phân xưởng này có số giờ
sử dụng là 150 và 160 giờ tương ứng.
3. Mỗi một sản phẩm B sử dụng 10 giờ máy trong phân xưởng A và 20 giờ máy trong phân
xưởng B. Trong khi đó mỗi một sản phẩm S sử dụng 15 giờ máy trong phân xưởng A và 10
giờ máy trong phân xưởng B.
4. Việc kiểm nghiệm được thực hiện trong phân xưởng thứ 3 và không có liên quan gì đến 2
phân xưởng trên. Mỗi một sản phẩm B cần 30 giờ thử nghiệm và sản phẩm S cần 10 giờ thử
nghiệm. Hợp đồng lao động của công ty Z quy định rằng tổng số giờ thử nghiệm không được
thấp hơn 135 giờ lao động mỗi tháng.
BẢNG
Dữ liệu tài chính đối với 2 loại sản phẩm của công ty Z
2.5
Sản phẩm Giá bán (1.000$) Chi phí lao động và Phần bù định phí
nguyên vật liệu trên đơn vị (1.000$)
một sản phẩm
Máy phát điện loại lớn 80 75 5
Máy phát điện loại nhỏ 24 20 4
Gọi b là số sản phẩm B và s là số sản phẩm S được sản xuất mỗi tháng, mô hình lượng hóa cho mô
hình sản xuất này là:
5b + 4s –> max (lợi nhuận tính theo đơn vị 1000$)
Ràng buộc
10b + 15s ≤ 150 (số giờ của phân xưởng A)
20b + 10s ≤ 160 (số giờ của phân xưởng B)
30b + 10s ≥ 135 (số giờ thử nghiệm)
b, s ≥0
Mô hình Excel đã được tối ưu hóa bởi Solver được cho trong hình 2.24
HÌNH
Mô hình sản xuất hỗn hợp các sản phẩm của công ty Z
2.24
Cân nhắc về tài chính

Công ty Z hiện chỉ có ngân sách tiền mặt là 100.000$ để trang trải cho chi phí nguyên vật liệu và chi
phí lao động và đang có kế hoạch vay bổ sung để chi tiêu cho chi phí nguyên vật liệu và chi phí lao
động này. Công ty Z có thể vay với lãi suất 16% nhưng để giảm thiểu rủi ro, ngân hàng sẽ không cho
vay quá 2/3 tổng số tiền mặt đang có cộng với khoản phải thu của công ty. Các nhà quản lý đang
tranh luận về việc giá trị tiền tệ theo thời gian đã bị bỏ qua khi tính toán kết quả lợi nhuận tạo ra. Họ
cảm nhận rằng giá trị hiện tại của dòng tiền ròng sẽ được tối đa hóa khi sản xuất sản phẩm B ít hơn
và sản xuất sản phẩm S nhiều hơn bởi vì sản phẩm B có chi phí lao động và chi phí nguyên vật liệu
cao. Tuy nhiên, vấn đề là lãi suất chiết khấu bao nhiêu là phù hợp. Một vài thành viên trong ban quản
lý tranh luận rằng lãi suất chiết khấu hàng năm nên là 12%, một số thành viên khác thì cho là 16% và
một số ít hơn thì cho rằng nên là 20%.
Vấn đề của công ty Z bây giờ là thiết lập công thức cho hàm mục tiêu mới, xác định số lượng vay là
bao nhiêu và điều chỉnh kế hoạch sản xuất theo những cân nhắc mới về tài chính này.
Gọi D là tổng số nợ vay (đơn vị: 1000$).
Dòng tiền ròng tháng sắp tới là: D – 75b – 20S trong khi đó (khi công ty chưa phải thanh toán trong
vòng 3 tháng nữa) thì dòng tiền ròng 3 tháng sắp đến sẽ là = 80b + 24s – 1.040D. Gọi α là hệ số chiết
khấu, ta có công ty Z vay nợ với lãi suất 16%/năm hay 4% cho 3 tháng vì vậy với r
% là lãi suất chiết khấu hàng năm.

Hàm mục tiêu là tối đa hóa hiện giá của dòng tiền ròng:
1D – 75b – 20s + α(80b + 24s – 1.040D) –> max
Ví dụ nếu R = 20% hay α = 0,952381 thì hàm mục tiêu sẽ là:
1,19048b + 2,85714S + 0,00952381D –> max
Lưu ý rằng trong hàm mục tiêu trên D có hệ số dương bởi vì công ty Z đã giả định rằng tỷ suất sinh
lợi trên vốn đầu tư của công ty là 20% nhưng chỉ phải trả lãi suất vay là 16%. Nếu r = 16% hay
r < 16% thì khi đó D sẽ có hệ số là bằng 0 hay âm. Chúng ta bổ sung các điều kiện ràng buộc như
sau:
1. Công ty Z phải vay đủ số tiền cần thiết để trang trải tổng chi phí nguyên vật liệu và chi phí
lao động theo sản lượng sản xuất, và bởi vì tổng sử dụng nguồn tiền mặt không thể lớn hơn
tổng nhu cầu sử dụng nên ta có:
Chi phí lao động và chi phí tiền lương ≤ Nợ vay + tiền mặt trong ngân quỹ.
75B + 20S ≤ D + 100
2. Ngân hàng sẽ cho vay (tổng số nợ gốc cộng lãi vay) không quá 2/3 tổng số tiền mặt đang có
cộng với khoản phải thu của công ty:
Nợ vay + lãi suất ≤ 2/3 (Tiền mặt có sẵn + khoản phải thu).
Từ bảng 3.29 chúng ta thấy rằng mỗi sản phẩm B bán được 80$ và sản phẩm S bán được 24$.
Do đó tổng khoản phải thu là 80B + 24S và điều kiện ràng buộc là:
D + 0,04D ≤ 2/3 (100 + 80B + 24S)
1,5(1,04D) ≤ 100 + 80B + 24S
Lưu ý rằng cận dưới của giá trị D (trong ràng buộc thứ 1 ở trên) dựa trên chi phí lao động và nguyên
vật liệu, trong khi cận trên của D lại phụ thuộc vào giá bán sản phẩm.
Ta có mô hình sản xuất kết hợp với mô hình tài chính của công ty Z với các công thức, kết quả tối ưu
cho trường hợp r = 20% được trình bày trong hình 2.25.
Theo giải pháp tối ưu thì công ty Z sẽ vay mượn khoảng 279.490$ và như dự đoán sản lượng sản
phẩm B bị giảm và sản lượng sản phẩm A tăng. Ô “thặng dư” trong dòng 16 và 17 cho thấy rằng (khi
ràng buộc số dư khoản phải thu đã đạt giới hạn) công ty Z sẽ vay mượn càng nhiều càng tốt trong
phạm vi có thể để tài trợ cho chi tiêu chi phí lao động và nguyên vật liệu. Điều này xảy ra vì mô hình
giả định rằng nguồn vốn thặng dư có thể được đầu tư với tỷ suất lợi nhuận là 20% lớn hơn chi phí lãi
vay chỉ có 16%.
HÌNH
Mô hình sản xuất kết hợp với tài chính của công ty Z
2.25
Tác động của cân nhắc về tài chính

Chúng ta lưu ý rằng việc bổ sung các cân nhắc về tài chính vào trong mô hình ban đầu đã dẫn đến
giải pháp tối ưu hoàn toàn khác. Giá trị tối ưu đạt được cuả hàm mục tiêu trong mô hình mới đã thấp
hơn vì dòng tiền tương lai được chiết khấu và mô hình cũng đã tính đến chi phí lãi vay. Để làm rõ
hơn vấn đề, các bạn hãy thiết lập bảng Solver Table 1 từ mô hình như trong hình 2.26 để phân tích
khi lãi suất chiết khấu r% thay đổi từ 12% đến 20% thì kết quả sẽ thay đổi như thế nào. Bạn thấy
rằng khi r% < 16% thì càng vay ít càng có lợi (192.500$) ngược lại khi lãi suất r > 16% thì càng vay
nhiều càng có lợi (279.490$) và nếu r = 16% thì giải pháp tối ưu với D nằm giữa 192.500$ và
279.490$.
HÌNH
Thực hiện SolverTable 1 với r% thay đổi từ 12% đến 20%
2.26
Thực hiện SolverTable 1 một lần nữa cho trường hợp thời gian thanh toán thay đổi từ 0 đến 4 tháng
các bạn sẽ thấy lợi nhuận của công ty được cải thiện đáng kể khi khuyến khích khách hàng thanh
toán nhanh hơn. Việc thực hiện phân tích này sẽ cho phép doanh nghiệp cải thiện lợi nhuận không
chỉ bằng cách chọn kết hợp sản xuất như thế nào đối với 2 loại sản phẩm mà công ty còn có thể gia
tăng lợi nhuận bằng cách cải thiện chi phí tài trợ thông qua mối quan hệ giữa lãi suất chiết khấu hàng
năm và chi phí vay nợ. Hình 2.27 cho thấy khi thời gian thanh toán nhỏ hơn 3 tháng thì độ nhạy lợi
nhuận của công ty là khá cao: nếu khách hàng thanh toán sau 1 tháng thay vì là 3 tháng sau thì lợi
nhuận sẽ gia tăng đến hơn 40% và nếu khách hàng thanh toán ngay lập tức thì lợi nhuận sẽ gia tăng
đến 67%! Lưu ý cách tính cho cột % cải thiện là (lợi nhuận – 30.162)/30.162 với 30.162 là lợi
nhuận trong trường hợp cơ bản.
HÌNH
Thực hiện SolverTable 2 với r% khoảng thời gian thanh toán từ 0 đến 4 tháng
2.27
BÀI TẬP TÌNH HUỐNG

Giao d ị ch ngo ạ i h ố i t ạ i Công ty HITECH
Công ty Hitech là một công ty đa quốc gia có giao dịch hoạt động tại 5 quốc gia chính: Hoa kỳ, Anh,
Thụy Sĩ, Đức và Nhật bản. Do nhu cầu các loại tiền mặt của công ty sẽ thay đổi tại các quốc gia vào
các thời điểm khác nhau vì vậy công ty sẽ cần nhiều tiền mặt hơn cho nhu cầu một quốc gia này và
cung ứng cho một quốc gia khác. Trên tổng thể có nhiều cách sắp xếp lượng tiền mặt để thoả mãn
yêu cầu tiền mặt vượt quá lượng tiền mặt có sẵn. Vào một buổi sáng nào đó, tại văn phòng công ty
chi nhánh ở Thụy Sĩ và Nhật cần 7 triệu Fr và 1040 Yen trong khi đó chi nhánh công ty tại Mỹ , Đức
và Anh lại dư tiền mặt là 2 triệu đôla, 5 triệu bảng và 3 triệu EUR. Có nhiều cách khác nhau để phân
phối tiền mặt nhằm thoả mãn nhu cầu thiếu tiền mặt ở quốc gia này từ các khoản tiền mặt thặng dư từ
các quốc gia khác bằng cách xác định chiến lược qui đổi khả thi. Do lãi suất ngắn hạn cao tại Mỹ nên
công ty đã quyết định đánh giá kết quả chuyển đổi tiền mặt cuối cùng của mình bằng cách qui đổi
tương đương sang đồng đôla từ các khoản tiền mặt bằng các loại ngoại tệ khác nhau của mình.
Vào sáng nay, như thường lệ, vào lúc 7giờ sáng Jack Walker, giám đốc nguồn vốn của công ty và
Erza Brooks, phó tổng giám đốc phụ trách hoạt động hải ngoại đã có cuộc họp tại văn phòng chính
của công ty để thảo luận cách thức lưu chuyển tiền mặt như thế nào. Tham khảo bảng 1 và 2 khi bạn
đang lắng nghe cuộc đối thoại sau:
Erza: Chào buổi sáng, Jack. Tôi có một vài điều cần trình bày với anh. Tôi đã yêu cầu Fred thiết lập
mô hình hoán đổi ngoại hối dưới dạng các bảng tính. Tôi nghĩ nó sẽ giúp chúng ta có cái nhìn vấn đề
sống động và dễ dàng hơn.
Jack: Tôi cũng nghĩ như vậy, nhưng chị cần phải giải thích mô hình này để tôi có thể hiểu nó rõ hơn.
Erza: Dĩ nhiên, Jack. Mô hình này chứa tất cả các thông tin cần thiết, chúng ta sẽ bắt đầu tìm hiểu
theo từng bước một (hình 2.28). Các con số trong vùng đóng khung từ C3:G7 là tỷ giá hối đoái. Gọi
aij là tỷ lệ hoán đổi trong dòng i và cột j khi đó một đơn vị tiền tệ i sẽ đổi được a ij đơn vị tiền tệ. Trên
thực tế, những dữ liệu này phản ánh giá mua vào và giá bán ra. Ví dụ, nếu chúng ta bán một đồng
bảng Anh và nhận được 1,665 đôla thì khi đó 1,655 là giá mua vào đồng bảng Anh bằng đồng đôla.
Và ngược lại nếu chúng ta bán một đồng đô la thì chúng ta sẽ nhận được 0,591 bảng. Điều này có
nghĩa chúng ta có thể mua một bảng với giá 1/0,591 = 1,692 đôla (giá chào bán 1 bảng Anh là 1,692
đôla). Mở rộng ra giá mua vào – giá bán ra là 1,665 – 1,692. Anh có thể hiểu rằng nếu chúng ta bắt
đầu bằng 1 đôla và mua vào càng nhiều đồng bảng càng tốt và sau đó dùng đồng bảng để mua
ngược lại đồng đôla thì chúng ta sẽ bị lỗ 0,591 x 1,665 = 0,9810 đôla.
HÌNH
Mô hình giao dịch ngoại hối ban đầu của công ty HiTech
2.28
Jack: Tôi hiểu đó là chi phí giao dịch. Như có thể thấy, chúng ta phải tối thiểu hóa những chi phí
giao dịch này bằng cách không chuyển đổi quá nhiều tiền hơn mức cần thiết. Nhưng mô hình này
cho thấy điều gì về nhu cầu tiền mặt của chúng ta hôm nay?
Erza: Số dư tiền mặt hiện tại của công ty như trong cột C từ hàng 17 đến hàng 21. Tất cả các con số
đều có đơn vị là hàng triệu. Chúng ta có 2 triệu đôla, 5 triệu bảng và 3 triệu EUR. Yêu cầu về ràng
buộc của chúng ta được bố trí trong cột G và cùng ở những hàng ngang này. Anh có thể thấy rằng
chúng ta cần 7 triệu CHF và 1.040 triệu Yen và chính sách của chúng ta là đáp ứng tất cả những
nhu cầu tiền mặt này sao cho giá trị số dư cuối cùng quy ra đô la là cao nhất.
Jack: Thật là tuyệt vời, hãy để những con số này nói ra chúng ta cần phải làm những gì?
Erza: Đây chỉ là một phần của vấn đề. Chúng ta chỉ đơn giản thực hiện quyết định theo kết quả
những ô trong vùng được đánh dấu “Bán/mua”. Ô C10 đến C14 cho thấy chúng ta đã bán 2 triệu
EUR và 4,3 triệu bảng Anh để lấy 8,389 đôla. Sau đó chúng ta sẽ lấy 1,3 triệu đôla và mua 7 triệu
CHF và sử dụng 9 triệu đôla để mua 1.047 triệu Yen. Tất cả những con số này xuất hiện trong các ô
C11,C13,C10 và G10 của vùng giao dịch tiền tệ. Ví dụ, anh thấy trong ô C10 chúng ta đã sử dụng
1,3 triệu đôla để mua đồng CHF và ô C17 cho thấy đã mua được 7 triệu CHF. Anh có thể so sánh
kết quả trong các ô C17:C21 với các kết quả trong ô M17:M21 để thấy được rằng chúng ta đã hoàn
thành mục tiêu của chúng ta. Thật vậy, từ ô H17:H21 cho thấy các giao địch tiền tệ đã đáp ứng ràng
buộc số dư tiền mặt như thế nào. Và cuối cùng trong chính sách của chúng ta giá trị tiền mặt nắm
giữ cuối cùng là 12,106 triệu đôla.
Jack: Tôi hiểu chúng ta đã đáp ứng được nhu cầu tiền mặt của công ty chúng ta, nhưng tôi cảm nhận
rằng tôi có thể hiểu tốt hơn nếu có thể thấy được các công thức được sử dụng trong các phép tính
toán.
Erza: Điều này là dễ thôi. Tôi chỉ đơn giản là cho in ra một bảng tính dưới dạng các công thức và
anh có thể tham khảo bất cứ lúc nào!
Jack: (Sau một lúc suy nghĩ), tại sao chúng ta lại phải thực hiện theo chiến lược phức tạp như thế
này?
Erza: Như anh đã biết, công ty chúng ta luôn thực hiện các giao dịch ngoại hối thông qua ngân hàng
trong nước tại New York và đây là chiến lược giao dịch tiền tệ mà họ đề nghị cho chúng ta.
Jack: Tôi biết rằng để hiểu được vấn đề thì hiểu qua mô hình bảng tính sẽ dễ dàng hơn so với phải
hiểu về các giao dịch tiền tệ về mặt lý thuyết. Tuy nhiên tôi rất muốn biết thực sự rằng đây có phải là
một cách tiếp cận tốt hay không?
Erza: Tôi cũng lo lắng về toàn bộ vấn đề này như anh, nhưng thị trường ngoại hối là rất hiệu quả
cho những đồng tiền này, vì vậy không có khả năng là giao dịch trên thực tế sẽ khác với giao dịch
trong chiến lược mà chúng ta đã hoạch định.
Jack: Tôi không thể nói rằng lời viện dẫn vô vị về tính hiệu quả của thị trường lại có thể làm cho tôi
yên tâm hơn. Như chị biết, tôi đã kiếm hàng triệu đôla bằng cách khai thác sự không hoàn hảo của
thị trường. Tuy nhiên tôi không còn thời gian để tìm kiếm cách giải quyết tốt hơn. Hãy thực hiện
chiến lược mà chúng ta đang có.
Giá trị tối ưu tính bằng đô la đối với vị thế tiền mặt cuối cùng của công ty là 12.184 đôla, so sánh với
12.106 đôla đạt được từ giải pháp của bà Erza (hình 2.28). Chúng ta lưu ý rằng một vài suy luận của
bà Erza là đúng. Sự khác biệt là 6% (12.184 – 12.106)/12.184 = 0,0064. Nói cách khác với số tiền
lớn hơn được chuyển đổi, thì một tỷ lệ % khác biệt nhỏ cũng làm chúng ta bị thiệt hại. Trong ví dụ
này, sự khác biệt là 78.000$, một con số đáng kể mà chúng ta có thể thu được mà không phải cố
gắng nhiều.
HÌNH
Bảng tính tối ưu cho giao dịch tiền tệ
2.29
Câu hỏi:
1. Hãy viết ra mô hình quy hoạch tuyến tính cho bài toán giao dịch ngoại hối này. Trong mô
hình của bạn, sử dụng định nghĩa theo sau cho các dữ liệu đã được cho trước trong tình
huống của bài toán này:
aij = Tỷ lệ quy đổi từ đồng tiền i sang đồng tiền j
Ci = ½ (aij + 1/aij) = “giá trị đôla bình quân” của đơn vị tiền tệ i
bi = Số dư ban đầu của đồng tiền i
Li = Điều kiện ràng buộc số dư tối thiểu của đồng tiền i
Xij = Con số đồng tiền i được qui đổi sang đồng tiền j, j khác i
Yi = Số dư cuối cùng của đồng tiền i

2. Trong những câu đối thoại, Jack có nói rằng “chúng ta phải tối thiểu hóa những chi phí giao
dịch này bằng cách không chuyển đổi quá nhiều tiền hơn mức cần thiết”. Giả định rằng giá trị
hàm mục tiêu OV1 là tối đa hóa “giá trị đôla bình quân” có thể được tạo lập từ các số dư tiền
mặt ban đầu. Lưu ý rằng việc tìm kiếm giá trị hàm mục tiêu OV sẽ đòi hỏi nhiều hơn so với
cách đánh giá đơn giản mỗi một vị thế ban đầu trong điều kiện quy đổi ra giá trị đôla bình
quân. Ví dụ, chuyển đổi 1 bảng Anh sang giá trị đô la bình quân là 1,665 đôla; chuyển đổi 1
bảng Anh sang 9,12 CHF và sau đó chuyển đổi ra giá trị đôla bình quân là 9,12 x 0,1840 =
1,67808 đôla. Như vậy cách chuyển đổi thứ 2 là có lợi hơn. Trong thực tế, để tìm giá trị hàm
mục tiêu OV1 cần phải sử dụng mô hình quy hoạch tuyến tính. Giải pháp được thể hiện như
trong hình 2.30. Hình 2.30 được xây dựng bằng cách thiết lập ràng buộc yêu cầu số dư tiền
mặt cuối cùng bằng 0 và sau đó tối ưu hóa số dư tiền mặt cuối cùng khi quy đổi ra đôla.
Chúng ta thấy kết quả OV1 = 12.261. Bây giờ cho tối đa hóa OV 2 = “giá trị bằng đôla bình
quân” của số dư tiền mặt cuối cùng đáp ứng theo các điều kiện ràng buộc. Khi đó giá trị OV 2
là giá trị hàm mục tiêu đã tối ưu hóa như trong hình 3 (OV 2 = 12.184).
Trong trường hợp như vậy, một mô hình quy hoạch tuyến tính với nhiều điều kiện ràng buộc hơn
không thể cho ra một giá trị OV tốt hơn một mô hình quy hoạch tuyến tính có ít điều kiện ràng buộc
hơn, vì vậy nó luôn luôn đúng rằng OV2 ≤ OV1. Vấn đề của chúng ta là:
Các chi phí giao dịch = OV1 – OV2
Sử dụng định nghĩa trên hãy trả lời liệu câu nói của Jack có đúng không? Đó là giải pháp đã tối ưu
hóa trong hình 2.29 có tối thiểu hóa chí phí giao dịch chưa?
HÌNH
Mô hình tối ưu với ràng buộc số dư tiền mặt cuối cùng phải bằng 0
2.30
3. Quay trở lại bảng tính trong hình 1. Sử dụng bảng tính này để trả lời các câu hỏi sau:
a. Giả định rằng có tỷ giá hối đoái giữa 2 đồng tiền (ví dụ CHF và EUR) sao cho chúng ta bắt
đầu với 1 đồng CHF và thực hiện chuyển đổi từ CHF –> EUR –> CHF và kết quả là chúng ta
nhận được nhiều hơn 1 đồng CHF ban đầu, thì điều gì sẽ xảy ra cho giá trị tối ưu của hàm
mục tiêu trong điều kiện giả định này? Thuật ngữ kinh tế nào được sử dụng để mô tả tình
huống này?
b. Có một báo cáo sau: nếu công ty Hitech không có các yêu cầu tiền mặt đặc biệt thì giá trị tối
ưu sẽ không thay đổi (ví dụ để tối đa hóa “giá trị đôla bình quân” của số dư tiền mặt cuối
cùng, một đồng tiền nào đó không nên chuyển đổi).
c. Có một báo cáo sau: bởi vì thị trường ngoại hối là hiệu quả, nên sẽ không có giải pháp nào tốt
hơn giải pháp của bà Erza. Và điều này cũng có thể đúng, vì một vài lý do, cho câu nói: giải
pháp tệ nhất cũng không thể dở hơn giải pháp của bà Erza”. Gợi ý: Tìm giải pháp mà nó tối
thiểu hóa “giá trị bình quân” của số dư tiền mặt cuối cùng.
d. Có một báo cáo sau: xem xét mô hình giao dịch tiền tệ tổng quát hóa từ ví dụ công ty Hitech,
những mô hình như vậy sẽ có hàng trăm đồng tiền khác nhau. Tuy nhiên những đồng tiền đó
công ty Hitech không có số dư ban đầu hoặc không có đòi hỏi vị thế tiền mặt, những đồng
tiền này có thể được loại bỏ bớt trong công thức mà không ảnh hưởng đến giá trị tối ưu của
hàm mục tiêu.

Chuong2 MoHinhToiUuHoaTuyenTinh

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chuong2 MoHinhToiUuHoaTuyenTinh

Uploaded by

Copyright:

Available Formats

CHƯƠNG HAI

2.1 GIỚI THIỆU BÀI TOÁN QUY HOẠCH TUYẾN TÍNH

2.2.1 Các điều kiện ràng buộc

Loại phụ tùng Sp1 Sp2 Tổng số

Chân ghế 4 4 760

Các điều kiện ràng buộc

Quan sát mô hình của công ty C

Các hàm tuyến tính

2.4 CHI PHÍ BIẾN ĐỔI SO VƠI CHI PHÍ CHÌM

2.5 THIẾT LẬP MÔ HÌNH BẰNG BẢNG TÍNH CHO CÔNG TY C

2.7 TỔNG QUAN VỀ SOLVER

Hàm mục tiêu Ô mục tiêu (Set target cell)

Xây dựng mô hình tối ưu

Lưu lại mô hình bảng tính của bạn

Khởi động Solver trong Menu

Khai báo hộp thoại Solver:

Chọn “Asume Linear Model” trong hộp thoại Options và

Click “Solve” để bắt đầu tiến trình tối ưu hoá

Cân nhắc thông điệp hoàn tất của Solver

2.8 TỐI ƯU HÓA MÔ HÌNH CÔNG TY C BẰNG SOLVER

2.10 TỐI ƯU HÓA TUYẾN TÍNH: CÁC ỨNG DỤNG

Dự án Năm 0 Năm 1 Năm 2 Năm 3 NPV (r = 10%)

0  w  1 ; 0  x 1 ; 0  y  1 ; 0  z  1

Ví dụ 2: Mô hình quản lý tiền mặt năng động

6 tháng 12 tháng 18 tháng

Thu nhập 500.000$ 400.000$ 380.000$

Ban đầu 6 tháng 12 tháng 18 tháng 24 tháng

Thu nhập –1.000.000$ –700.000$ 1.800.000$ 400.000$ 600.000$

Ban đầu 6 tháng 12 tháng 18 tháng 24 tháng

Thu nhập –800.000$ 500.000$ –200.000$ –700.000$ 2.000.000$

Ví dụ 3: Mô hình kế hoạch sản xuất kết hợp kế hoạch tài chính

một sản phẩm

Máy phát điện loại lớn 80 75 5

Máy phát điện loại nhỏ 24 20 4

Cân nhắc về tài chính

% là lãi suất chiết khấu hàng năm.

Tác động của cân nhắc về tài chính

BÀI TẬP TÌNH HUỐNG

Yi = Số dư cuối cùng của đồng tiền i

You might also like