การพยากรณ์ปริมาณการใช้ชิ้นส่วนประเภทชิ้นส่วนเลือกใช้

Usage forecast for selective parts

Name: สรชา บัณฑิตไทย

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะวิศวกรรมศาสตร์

keyword: วิธีการหาค่าเฉลี่ยเคลื่อนที่

ThaSH: สินค้าคงคลัง -- ปริมาณการใช้ -- พยากรณ์

ThaSH: การควบคุมสินค้าคงคลัง

; วิธีการวิเคราะห์แนวโน้ม

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อหาวิธีการพยากรณ์ที่เหมาะสมสำหรับใช้พยากรณ์ปริมาณความต้องการใช้ของชิ้นส่วนที่เลือกใช้ โดยชิ้นส่วนที่ทำการวิจัยมีจำนวน 3 รายการ คือ รหัสชิ้นส่วน S41123389000 S41123429000 และ S41231283000 ผู้วิจัยได้ทำการรอบวรวมและศึกษาข้อมูลปริมาณการใช้ชิ้นส่วนในอดีตรวมทั้งสิ้น 24 เดือน เพื่อใช้วิเคราะห์รูปแบบของข้อมูลและเลือกวิธีการพยากรณ์ที่เหมาะสม เนื่องจากรูปแบบการใช้ชิ้นส่วนจริงของทั้ง 3 รายการเป็นแบบไม่มีแนวโน้มและไม่มีฤดูกาล ผู้วิจัยจึงทำการเปรียบเทียบวิธีการพยากรณ์ทั้งหมด 3 วิธี คือ วิธีการหาค่าเฉลี่ยเคลื่อนที่ วิธีการปรับเรียบแบบเอ็กซ์โปแนนเชียลครั้งเดียว และวิธีการวิเคราะห์แนวโน้ม โดยใช้ค่าเฉลี่ยความผิดพลาดร้อยละสัมบูรณ์ (MAPE) เป็นเกณฑ์ในการตัดสินใจเพื่อพิจารณาเลือกวิธีการพยากรณ์ที่ให้ค่าความผิดพลาดน้อยที่สุดมาใช้ในการพยากรณ์ จากการดำเนินงานวิจัยพบว่า วิธีการพยากรณ์ที่ให้ค่าความคลาดเคลื่อนน้อยที่สุดของชิ้นส่วน S41123429000 คือ วิธีการหาค่าเฉลี่ยแบบเคลื่อนที่ ส่วนชิ้นส่วน S41123429000 และ S41231283000 คือวิธีการวิเคราะห์แนวโน้ม ซึ่งค่าพยากรณ์จากการวิจัยให้ค่าเฉลี่ยใกล้เคียงกับปริมาณการใช้จริงมากกว่า โดยชิ้นส่วน S41123389000 S41123429000 และ S41231283000 ให้ค่าพยากรณ์ที่แม่นยำมากกว่าวิธีปัจจุบันของโรงงานกรณีศึกษา 48.21 46.55 และ 18.47 เปอร์เซ็นต์ตามลำดับ

Abstract: This research aimed to find the most suitable technique for forecasting the usage of three items namely S41123389000 S41123429000 and S41231283000. The data used in this study was 24 months based on past usage. The comparative approach was applied in order to choose the most appropriate forecasting method that is applicable to the data from each item. Due to actual usage not have trend and seasonal, the three methods chosen for comparison are 1) Moving Average Method 2) Single Exponential Smoothing Method and 3) Linear Trend Line Method. Mean Absolute Percentage Error (MAPE) was used as indicator to choose the best of all three methods. As the research reveals, the data analysis of S41123389000 shows the lowest MAPE when Moving Average Method applied, while the results of S41123429000 and S41231283000 are at best when using Linear Trend Line Method. Furthermore, the results of forecasting of the three items by the above chosen methods are more precise in value than the ones using currently by the company by 48.21% 46.55% and 18.47 percent respectively

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: เปรมพร เขมาวุฆฒ์

Role: ที่ปรึกษาสารนิพนธ์

Created: 2561

Modified: 2019-10-31

Issued: 2562-10-22

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมการจัดการอุตสาหกรรม

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B16595397.pdf	22.54 MB	14	2024-01-23 16:00:50

ใช้เวลา

0.026396 วินาที