การเปรียบเทียบตัวแบบการพยากรณ์ยอดขายสีเคลือบบรรจุภัณฑ์ด้วยวิธีปรับให้เรียบ วิธีบ็อกซ์-เจนกิ้นส์ และวิธีโครงข่ายประสาทเทียม

Comparison of sales forecasting models for packaging coatings by smoothing method, box-jenkins method and artificial neural networks

Name: ธนาภรณ์ ไตรศุภกิตติ

ThaSH: พยากรณ์แบบบอกซ์-เจนกินส์

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: บรรจุภัณฑ์อาหาร

LCSH: Box-Jenkins forecasting

LCSH: Neural networks (Computer science)

LCSH: Food containers

Abstract: งานวิจัยนี้มีวัตถุประสงค์ เพื่อศึกษาหาตัวแบบพยากรณ์ปริมาณยอดขายสีเคลือบบรรจุภัณฑ์ประเภท P1 และ P3 โดยใช้ข้อมูลปริมาณยอดขายสีเคลือบบรรจุภัณฑ์รายเดือน ตั้งแต่เดือน มกราคม พ.ศ. 2554 ถึงเดือน ธันวาคม พ.ศ. 2561 ซึ่งผูวิจัยได้แบ่งข้อมูลออกเป็น 2 ส่วน คือ ส่วนที่ 1 เป็นข้อมูลตั้งแต่เดือน มกราคม พ.ศ. 2554 ถึงเดือน ธันวาคม พ.ศ. 2560 ใช้สำหรับสร้างและคัดเลือกตัวแบบพยากรณ์ด้วยวิธีปรับให้เรียบเอ็กซโปเนนเชียลแบบทริปเปิ้ล วิธีปรับให้เรียบเอ็กซ็โปเนนเชียลแบบโฮลท์-วินเทอร์ วิธีบ็อกซ์-เจนกิ้นส์ และวิธีโครงข่ายประสาทเทียม โดยใช้เกณฑ์ค่ารากที่สองของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (Root Mean Square Error : RMSE) ในการเลือกตัวแบบการพยากรณ์ ส่วนที่ 2 เป็นข้อมูลตั้งแต่เดือน มกราคม พ.ศ. 2561 ถึงเดือน ธันวาคม พ.ศ. 2561 ใช้สำหรับการเปรียบเทียบประสิทธิภาพของตัวแบบพยากรณ์ โดยใช้ค่าเปอร์เซ็นต์ความคลาดเคลื่อนสมบูรณ์เฉลี่ย (Mean Absolute Percentage Error : MAPE) เพื่อแสดงเปอร์เซ็นต์ของค่าคลาดเคลื่อนจากค่าจริง จากผลการศึกษาพบว่าตัวแบบพยากรณ์ที่ได้จากวิธีบ็อกซ์-เจนกิ้นส์ มีความเหมาะสมและถูกต้องมากที่สุด สำหรับการพยากรณ์ปริมาณยอดขายสีเคลือบบรรจุภัณฑ์ประเภท P1 และ P3 ซึ่งมีค่า RMSE เท่ากับ 2,701.6369 และ 11,017.4307 และ MAPE เท่ากับ 18.3568% และ 13.0210 % ตามลำดับ เมื่อเปรียบเทียบผลการพยากรณ์ด้วยวิธีบ็อกซ์-เจนกิ้นส์ กับวิธีของบริษัท พบว่าเมื่อนำวิธีบ็อกซ์-เจนกิ้นส์ไปใช้ในการพยากรณ์ จะทำให้บริษัทสามารถลดปริมาณสินค้าคงคลังลงได้ 13,149 กิโลกรัม/ปี และ 132,849 กิโลกรัม/ปี สำหรับสีเคลือบบรรจุภัณฑ์ประเภท P1 และ P3 ตามลำดับ

Abstract: This research was aimed to study the sales forecasting models for packaging coating type P1 and P3. The monthly sales volume of packaging coating type P1 and P3 collected from January, 2011 to December, 2018 Were divided into 2 Sets. The first set of data from January, 2011 to December, 2017 were used for constructing and selection the forecasting models by Triple Exponential Smoothing method, Holt-winters Exponential Smoothing method, Box-Jenkins method and Artificial Neural Networks and employed Root Mean Square Error (RMSE) as the criteria for selection the models. The second set of data from January, 2018 to December, 2018 Were used for comparing the performance of the forecasting models and employed Mean Absolute Percentage Error (MAPE) to show percentage of error. The forecasting models from Box-Jenkins method are the most appropriate models for Packaging Coating of both P1 and P3 and has the highest forecasting accuracy which the RMSE are 2,701. 6369 and 11,017.4307 and the MAPE are 18.3568% and 13.0210% respectively. When comparing the forecasting results between Box-Jenkins method and the current company method, it is found that Box-Jenkins method gives lower inventory. By employing Box-Jenkins method to forecast Packaging Coating sale volume, the company can save 13,149 and 132,849 kilograms per year for P1 and P3 inventories respectively.

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: สมศรี บัณฑิตวิไล

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์

Email : somsri.ba@kmitl.ac.th

Created: 2563

Modified: 2564-07-12

Issued: 2564-07-12

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติประยุกต์

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Thanaporn Trisupakitti.pdf	2.56 MB	28	2026-05-26 18:16:01

ใช้เวลา

0.023555 วินาที