การพยากรณ์ราคาเม็ดพลาสติกพอลิโพรพีลีนในประเทศไทยโดยใช้วิธีการเรียนรู้ของเครื่อง

Forecasting of polypropylene granule price in Thailand using machine learning

Name: ภัทรพล ภัทรอัมพรชัย

Abstract: ในปัจจุบันธุรกิจอุตสาหกรรมพลาสติกมีความสำคัญมากกับประเทศไทยเนื่องจากสินค้าอุตสาหกรรมส่วนใหญ่ใช้พลาสติก โดยจากสถิติปริมาณการใช้งานพลาสติกพบว่าพลาสติกโพลิโพรพิลีน (PP) มีปริมาณการใช้งานมากที่สุดเมื่อเทียบกับพลาสติกชนิดอื่น ทำให้เป็นพลาสติกชนิดที่มีความสำคัญที่สุดต่ออุตสาหกรรมพลาสติกในไทย งานวิจัยฉบับนี้จัดทำเพื่อเป็นการนำเสนอและเปรียบเทียบรูปแบบการพยากรณ์สำหรับราคาเม็ดพลาสติก PP ในประเทศไทย จุดประสงค์ของงานวิจัยนี้เพื่อหาตัวแบบการพยากรณ์ราคาเม็ดพลาสติก PP ที่ให้ผลลัพธ์ที่แม่นยำที่สุด โดยใช้ค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) เป็นเกณฑ์ในการเปรียบเทียบประสิทธิภาพของตัวแบบพยากรณ์ ซึ่งตัวแบบพยากรณ์อนุกรมเวลาที่ใช้ในการทำวิจัยครั้งนี้ได้แก่ ตัวแบบพยากรณ์ปรับเรียบเอกซ์โพเนนเชียลแบบโฮลท์และวินเทอร์ ตัวแบบพยากรณ์ SARIMA ตัวแบบพยากรณ์เชิงสาเหตุที่ใช้คือ ตัวแบบพยากรณ์ถดถอยเชิงเส้นพหุคูณ ตัวแบบพยากรณ์เทคนิคการเรียนรู้ด้วยเครื่องที่ใช้คือ ตัวแบบพยากรณ์ Support Vector Regression ตัวแบบพยากรณ์ Decision Tree ตัวแบบพยากรณ์ Random Forest ตัวแบบพยากรณ์ XGBoost ตัวแบบพยากรณ์ Artificial Neural Networks และตัวแบบพยากรณ์ผสมที่เกิดจากการนำตัวแบบพยากรณ์เดี่ยวที่มีความแม่นยำสูงมาจับคู่กัน โดยในงานวิจัยนี้ได้ใช้ข้อมูลราคาเม็ดพลาสติก PP ตั้งแต่ เดือนมกราคม พ.ศ. 2554 ถึง เดือนธันวาคม พ.ศ. 2565 จากผลการศึกษาพบว่าตัวแบบพยากรณ์ผสม SARIMA – ANN มีความแม่นยำสูงที่สุดและมีค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยในช่วงชุดข้อมูลตรวจสอบอยู่ที่ 5.54% และเมื่อนำมาประเมินประสิทธิภาพกับชุดข้อมูลทดสอบจะได้ค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยเท่ากับ 6.92%

Abstract: Plastic is vital to Thailand's economy due to its widespread use in various merchandise industries. According to the statistics of plastic consumption in Thailand, the Polypropylene (PP) has the highest consumption quantity compared to other plastic types which makes it becomes the most important plastic to the plastic industry in Thailand. This research is conducted to present and compare the forecasting models of PP granule price in Thailand. The objective of this research is to determine the most accurate forecasting model of PP granule price by using mean absolute percentage error (MAPE) as a criterion to compare the efficiency of the forecasting models. The forecasting models in this research are Holt - Winters exponential smoothing model, SARIMA model, multiple regression model, Support Vector Regression Model, Decision Tree Model, Random Forest Model, XGBoost Model, Artificial Neural Networks Model and Hybrid Forecasting Model. This research uses the data of PP granule price from January 2011 to December 2022. The results show that SARIMA – ANN Model have the highest accuracy with the value of MAPE equal to 5.54% at CV Data Set and when evaluating with the Testing Data Set, the MAPE is equal to 6.92%.

จุฬาลงกรณ์มหาวิทยาลัย. สำนักงานวิทยทรัพยากร

Address: กรุงเทพมหานคร

Email: cuir@car.chula.ac.th

Name: นันทชัย กานตานันทะ

Role: ที่ปรึกษา

Created: 2565

Modified: 2567-10-13

Issued: 2567-10-13

วิทยานิพนธ์/Thesis

application/pdf

URL: http://doi.org/10.58837/CHULA.THE.2022.899

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมอุตสาหการ

Grantor: จุฬาลงกรณ์มหาวิทยาลัย

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	6270207521.pdf	3.62 MB	3	2025-09-07 14:38:53

ใช้เวลา

0.027459 วินาที