การพยากรณ์ความต้องการแรงงานในอาชีพงานพื้นฐานโดยใช้เทคนิคห่วงโซ่มาร์คอฟ

Forecasting of labor demand in elementary occupation using Markov chain model

Name: บุณณดา เกษรอุบล

keyword: ห่วงโซ่มาร์คอฟ

ThaSH: อุปทานแรงงาน

ThaSH: พยากรณ์การจ้างงาน

ThaSH: กระบวนการมาร์คอฟ

Abstract: งานวิจัยนี้เป็นการศึกษาหารูปแบบของการพยากรณ์ด้วยตัวแบบช่วงโซ่มาร์คอฟของข้อมูลจำนวนความต้องการแรงงานในอาชีพงานพื้นฐานของตลาดแรงงานในประเทศไทยด้วยการนำข้อมูลจากจำนวนความต้องการแรงงานในอดีตมาทำการวิเคราะห์ลักษณะของข้อมูลเพื่อสร้างตัวแบบการพยากรณ์ที่เหมาะสมที่สุดและสามารถนำมาประยุกต์ใช้ในการวางแผนการผลิตบุคลากรให้สอดคล้องกับความต้องการของตลาดแรงงานในอนาคตได้อย่างมีประสิทธิภาพ โดยผู้วิจัยดำเนินการเก็บรวบรวบรวมข้อมูลจากกรมการจัดหางานถึงจำนวนความต้องการแรงงานและผู้ลงทะเบียนสมัครงาน โดยจำแนก ตามอาชีพในประเทศไทยตั้งแต่มกราคม พ.ศ. 2559 จนถึงธันวาคม พ.ศ. 2566 โดยข้อมูลความขาดแคลนแรงงานมีการเปลี่ยนแปลงอย่างรวดเร็วในช่วงเวลาตั้งแต่ปี พ.ศ. 2563 เป็นต้นไป ซึ่งทำให้เกิดปัญหาเกี่ยวกับความขาดแคลนแรงงานในอุตสาหกรรม ผู้วิจัยจึงแบ่งชุดข้อมูลออกเป็น 2 ชุดเพื่อทำการพยากรณ์เปรียบเทียบระหว่างข้อมูลทั้ง 2 ชุด โดยข้อมูลชุดที่ 1 มีจำนวน 96 ข้อมูล และข้อมูลชุดที่ 2 มีจำนวน 48 ข้อมูล ซึ่งประกอบไปด้วยแบบจำลองในการพยากรณ์ทั้งหมด 5 ตัวแบบ จำนวน 3 ช่วงเวลา (ตั้งแต่ปี พ.ศ.2564 ถึง พ.ศ.2566) และกำหนดจำนวนอันตรภาคชั้นเป็น 10, 15, 20, 25 และ 30 ตามลำดับ โดยค่าอันตรภาคชั้นที่ดีที่สุดสำหรับข้อมูลทั้ง 2 ชุดนี้คือ 30 อันตรภาคชั้นซึ่งข้อมูลชุดที่ 1 มีค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยต่ำสุดเท่ากับ 17.84% และสำหรับข้อมูลชุดที่ 2 มีค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยต่ำสุดเท่ากับ 9.44%

Abstract: This research is a study of the pattern of forecasting using the Markov Chain model for data of Labor Demand in Elementary Occupation in Thailand labor market. It conducts an analysis of the data's characteristics by utilizing past Labor Demand in Elementary Occupation to construct the most suitable forecasting model to efficiently plan future labor aligned with market demand. Data is gathered from the Department of Employment, Ministry of Labor, regarding the labor demand and. registered applicants categorized by occupation in Thailand from January 2016 to December 2023. Labor shortage data has rapidly changed since 2020 due to the COVID-19 pandemic, causing labor shortages across industries. The researchers divided the data into 2 sets for comparison, with Set 1 consisting of 96 months and Set 2 consisting of 48 months. Each dataset includes 5 Markov chain models for forecasting in labor demand 3 periods (from 2021 to 2023) and sets the class interval as 10, 15, 20, 25, and 30. Upon examination of 2dataset, it was found that the class interval optimal for both datasets was 30 intervals. Set 1 has a mean absolute percentage error of 17.84%, while Set 2 has a mean absolute percentage error of 9.44%

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: เปรมพร เขมาวุฆฒ์

Role: ที่ปรึกษาวิทยานิพนธ์

Email : ppm@kmutnb.ac.th

Created: 2567

Modified: 2567-11-14

Issued: 2567-11-14

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมอุตสาหการ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B17671590.pdf	9.15 MB

ใช้เวลา

0.02744 วินาที