Safety stock calculation for jewelry industries based on consumption forecast by artificial neural network

การคำนวณสินค้าคงเหลือขั้นต่ำสำหรับอุตสาหกรรมเครื่องประดับด้วยการพยากรณ์การบริโภคโดยใช้โครงข่ายประสาทเทียม

Name: Naroumon Yordphet

LCSH: Neural networks (Computer science)

LCSH: Jewelry trade -- Inventories

LCSH: Consumption (Economics) -- Forecasting

Abstract: To present the safety stock calculation based on consumption of components in the jewelry business was investigated using the forecasting capability of an Artificial Neural Network (ANN). Generally, this business also has links with fashion; therefore, rapid change in the fashion industry makes the forecasting situation more complicated. The demand fluctuates with customer requirements and high competition in the marketplace. Factors such as late delivery and bad component quality can cause shortages of components. To prevent shortages, provide support to supply management and enhance customer satisfaction, an ANN is utilized for consumption forecast. Safety stock is the way to protect against shortages. Safety stock is created when a company either orders before an order is needed or orders more than the expected demand. In the contrast, keeping less safety stock is important for decreasing cost and increasing interests for a firm. In practice, business has calculated safety stock based on their experiences, non theoretical support, and leads for retaining component in the warehouse. Hence, safety stock is essential to protect against the fluctuation of unexpected demand and supply. The central focus of this paper is to enhance the forecast on safety stock accuracy in the jewelry business. The artificial neural network is employed as a tool for the prediction. It is assumed that the accurate consumption leads to the accuracy in safety stock calculation.

Abstract: นำเสนอ การคำนวณสินค้าคงเหลือขั้นต่ำบนพื้นฐานของการบริโภคของชิ้นส่วนในอุตสาหกรรมเครื่องประดับ ซึ่งถูกตรวจสอบโดยใช้ความสามารถในการพยากรณ์ของโครงข่ายประสาทเทียม โดยปกติธุรกิจเครื่องประดับเกี่ยวข้องกับสมัยนิยม ดังนั้นการเปลี่ยนแปลงอย่างรวดเร็วทำให้การพยากรณ์มีความซับซ้อนมากขึ้น อุปสงค์มีการเปลี่ยนแปลงขึ้นลงตามความต้องการของลูกค้า และการแข่งขันที่รุนแรงในตลาดการค้า ปัจจัยเช่น การส่งมอบสินค้าที่ล่าช้าและคุณภาพของส่วนประกอบของสินค้าที่ไม่ได้มาตรฐาน อาจเป็นสาเหตุให้ส่วนประกอบของสินค้าขาดแคลน เพื่อป้องกันการขาดแคลนของส่วนประกอบของสินค้าสนับสนุนการจัดการอุปทาน และการสร้างความพึงพอใจให้กับลูกค้า โครงข่ายประสาทเทียมจึงถูกนำมาใช้ประโยชน์ในการพยาการณ์การบริโภคสินค้าคงเหลือขั้นต่ำ เป็นวิธีทางหนึ่งที่ช่วยในการป้องการขาดแคลนสินค้าคงเหลือขั้นต่ำ ถูกสร้างขึ้นเมื่อบริษัทมีคำสั่งซื้อส่วนประกอบเพื่อการผลิต หรือมีคำสั่งซื้อมากกว่าความต้องการ ในทางตรงกันข้าม การมีสินค้าคงเหลือขั้นต่ำเป็นสิ่งสำคัญต่อการลดค่าใช้จ่าย และเป็นสิ่งที่อยู่ในความสนใจของบริษัท ในทางปฎิบัติ อุตสาหกรรมได้ทำการคำนวณสินค้าคงเหลือขั้นต่ำด้วยประสบการณ์ของตนเอง โดยขาดองค์ความรู้ในการสนับสนุนการคำนวณสินค้าคงเหลือขั้นต่ำ และนำไปสู่การคงเหลือของส่วนประกอบของสินค้าในสินค้าคงคลัง ดังนั้น สินค้าคงเหลือขั้นต่ำเป็นสิ่งที่สำคัญในการป้องกันการผันผวน ที่ไม่อาจคาดเดาได้ของอุปสงค์และอุปทาน วิทยาพนธ์นี้เน้นการเพิ่มความถูกต้องของการพยากรณ์ในอุตสาหกรรมเครื่องประดับ โครงข่ายประสาทเทียมถูกนำมาใช้เป็นเครื่องมือในการพยากรณ์ โดยมีสมมุติฐานที่ว่าความถูกต้องของการบริโภคนำไปสู่การคำนวณสินค้าคงเหลือขั้นต่ำที่แม่นยำ

Chulalongkorn University. Office of Academic Resources

Address: BANGKOK

Email: cuir@car.chula.ac.th

Name: Siripun Sanguansintukul

Role: advisor

Created: 2010

Modified: 2014-02-11

Issued: 2014-02-11

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Computer Science and Information

Grantor: Chulalongkorn University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	naroumon_yo.pdf	1.3 MB	92	2026-05-26 18:16:01

ใช้เวลา

0.044365 วินาที