การพยากรณความตองการแวนตา กรณศกษา : รานรกแวน EYE GLASSES DEMAND FORECASTING

CASE STUDY: RAK WAN SHOP

อนสรณ บญสงา ANUSORN BOONSANGA

การคนควาอสระนเปนสวนหนงของการศกษาตามหลกสตร

วทยาศาสตรมหาบณฑต สาขาวชาการจดการโลจสตกสและโซอปทาน วทยาลยโลจสตกสและซพพลายเชน

มหาวทยาลยศรปทม ปการศกษา 2559

ลขสทธของมหาวทยาลยศรปทม

EYE GLASSES DEMAND FORECASTING CASE STUDY: RUK WAN SHOP

ANUSORN BOONSANGA

AN INDEPENDENT STUDY SUBMITTED IN PARTIAL FULFILLMENT OF THE REQUIREMENTS FOR THE DEGREE OF MASTER OF SCIENCE OF

LOGISTICS AND SUPPLY CHAIN MANAGEMENT COLLEGE OF LOGISTICS AND SUPPLY CHAIN

SRIPATUM UNIVERSITY ACADEMIC YEAR 2016

COPYRIGHT OF SRIPATUM UNIVERSITY

ชอหวขอการคนควาอสระ การพยากรณความตองการแวนตา กรณศกษา : รานรกแวน Eye glasses Demand Forecasting Case study: Rak Wan shop นกศกษา อนสรณ บญสงา รหสประจ าตว 59502940 หลกสตร วทยาศาสตรมหาบณฑต สาขาวชาการจดการโลจสตกสและโซ

อปทาน คณะ วทยาลยโลจสตกสและซพพลายเชน อาจารยทปรกษา ดร.วรพล วงฆนานนท คณะกรรมการสอบการคนควาอสระ

...........................................................................ประธานกรรมการ ( รองศาสตราจารย ดร.พรรณ สวนเพลง )

...........................................................................กรรมการ ( ผชวยศาสตราจารย ดร.ธรน มณศร )

...........................................................................กรรมการ ( ดร.วรพล วงฆนานนท )

วทยาลยโลจสตกสและซพพลายเชน มหาวทยาลยศรปทม อนมตใหนบการคนควาอสระฉบบนเปนสวนหนงของการศกษาตามหลกสตรปรญญามหาบณฑต

รกษาการคณบดวทยาลยโลจสตกสและซพพลายเชน

............................................................

( ผชวยศาสตราจารย ดร.ธรน มณศร ) วนท.........เดอน..........................พ.ศ. ........

I

การคนควาอสระเรอง การพยากรณความตองการแวนตา กรณศกษา : รานรกแวน

ค าส าคญ การพยากรณความตองการแวนตา, วเคราะหเปรยบเทยบ

นกศกษา อนสรณ บญสงา

อาจารยทปรกษา ดร.วรพล วงฆนานนท

หลกสตร วทยาศาสตรมหาบณฑต สาขาวชาการจดการโลจสตกสและโซอปทาน

คณะ วทยาลยโลจสตกสและซพพลายเชน มหาวทยาลยศรปทม ปการศกษา 2559

บทคดยอ

ปจจบนธรกจรานแวนตามการแขงขนทางธรกจทสง ไมวาจะเปนธรกจรานคาทวไป ทม

หลากหลายยหอและหลายรปแบบ ปจจยทส าคญของรานแวนตา คอการบรหารตนทนของสนคา จงจ าเปนจะตองแกไขจดออนของธรกจเพอเพมประสทธภาพในการแขงขน ซงการคนควาอสระนจงมวตถประสงค เพอพยากรณการสงซอสนคาของรานรกแวน และหาแนวทางแกไขปญหาสนคาเคลอนไหวชาและไมมการเคลอนไหว โดยเกบรวบรวมขอมลตงแตเดอนมกราคม พ.ศ. 2558 จนถง เดอนธนวาคม พ.ศ. 2559 และน าขอมลมาใชในการวเคราะหเปรยบเทยบวธหาคาเฉลยเคลอนท วธหาคาเฉลยเคลอนทแบบถวงน าหนก วธปรบเรยบแบบเอกซโพเนนเชยลแบบงาย การวเคราะหสมการถดถอย การพยากรณนาอฟ และวธแยกสวนประกอบ เพอหาตวแบบทเหมาะสมทสดส าหรบการพยากรณและค านวณหายอดสงซอแวนสายตาทใกลเคยงกบความตองการจรง ซงผลลพธทไดพบวา การพยากรณวธแยกสวนประกอบไดผลลพธทใกลเคยงมากกวาการพยากรณรปแบบอน โดยมคา MAD , MSE และ MAPE ต าสด คอ Rayban เทากบรอยละ 1.34, 2.34 และ 52.63 ตามล าดบ LEVI’S เทากบรอยละ 2.15, 6.20 และ 33.70 ตามล าดบ และ Frank Custom เทากบรอยละ 4.40, 27.47 และ 25.85 ตามล าดบ

นอกจากการพยากรณดวยวธแยกสวนประกอบ จะเหมาะสมกบการพยากรณยอดขายยงสามารถใชในการวางแผนการบรหารสนคาคงคลงในธรกจรานแวน รวมถงธรกจคาปลกอนๆ เชนกน

II

IS TITLE EYE GLASSES DEMAND FORECASTING CASE STUDY: RUK WAN SHOP

KEYWORD FORECASTING, COMPARATIVE ANALYSIS

STUDENT ANUSORN BOONSANGA

ADVISOR WORRAPON WANGKANANON DR. LEVEL OF STUDY MASTER OF SCIENCE OF LOGISTICS AND SUPPLY

CHAIN MANAGEMENT

FACULTY COLLEGE OF LOGISTICS AND SUPPLY CHAIN SRIPATUM UNIVERSITY

ACADEMIC YEAR 2016

ABSTRACT Nowadays, glasses shop for eyesight is in high competition status, no matter in the form

of normal retailers which contain several brands and patterns of model within I one shop. The key factor of glasses shop for eyesight is to manage the cost of the products, thus make it necessary to deal with the weak point of this business model and increase the potential strength in order to complete with other competitors. This IS study's objective is to predict the order from one glasses shop called "Rak Wan" shop and find the solution of being slow stock turnover of "Rak Wan" glasses shop. Having data collection by Nov 2015 to Nov 2016 and from the collected data, analyze the ratios of moving stock and other ratios to find the appropriate tools to predict and calculate the most likely method of analysis. As a result, the prediction of components is most likely method than the others, Rayban have lowest MAD, MSE and MAPE rate by equal to 1.34, 2.34 and 52.63. However, the other brand like LEVI'S equal to 2.15, 6.20, and 33.70. The other brand like Frank Custom equal to 4.40, 27.47, and 25.85.

To predict by using components methods not only the most appropriate and good to predict the total in sale, but also make the business owner be able to manage the stock in the warehouse, and also including other retailers shop as well

III

กตตกรรมประกาศ การคนควาอสระนส าเรจลลวงไดดวย ความกรณาของ ดร.วรพล วงฆนานนท อาจารยท

ปรกษางานวจย และ ผชวยศาสตราจารย ดร.ธรน มณศร ทกรณาใหค าแนะน าปรกษาตลอดจนปรบปรงแกไขขอบกพรองตางๆ ดวยความเอาใจใสอยางดยงและ อาจารยผสอนทกทานประจ า สาขาวชาการจดการโลจสตกสและโซอปทานทกทานทไดอบรมสงสอนตลอดจนผเชยวชาญทกทาน ผวจยตระหนกถงความตงใจจรงและความทมเทของอาจารยและขอกราบขอบพระคณเปนอยางสงไว ณ ทน

อนสรณ บญสงา สงหาคม 2560

IV

สารบญ บทคดยอภาษาไทย I บทคดยอภาษาองกฤษ II กตตกรรมประกาศ III สารบญ IVสารบญตาราง VI สารบญภาพ VII บทท หนา 1 บทน า 1 ความเปนมาและความส าคญของการวจย 1 วตถประสงคของการวจย 2 กรอบแนวคดของการวจย 2 ขอบเขตการวจย 2 ประโยชนทจะไดรบจากการวจย 2 นยามศพท 2 2 แนวคด ทฤษฎและงานวจยทเกยวของ 3 อตสาหกรรมแวนตา 3 ทฤษฎเกยวกบการพยากรณ 10 การพยากรณเชงคณภาพ 14 การพยากรณเชงปรมาณ 15 งานวจยทเกยวของ 27 สรปงานวจยทเกยวของ 35 3 วธด าเนนการวจย 37 รปแบบการวจย 37 ประชากรและกลมตวอยาง 37 ขนตอนในการท าวจย 37 เครองมอทใชในการวจย 41

V

สารบญ (ตอ) บทท หนา 3 การรวบรวมขอมล 42 การวเคราะหขอมล 42 4 ผลการวเคราะหขอมล 43 ผลการพยากรณ 43 ความแมนย าของการพยากรณ 46 การพยากรณดวยวธแยกสวนประกอบ 48 5 สรปผล อภปรายผล และขอเสนอแนะ 55 สรปผลการวจย 55 การอภปราย 55 ขอเสนอแนะ 56 บรรณานกรม 57 ภาคผนวก 60 ภาคผนวก ก 61 ภาคผนวก ข 63 ประวตผวจย 70

VI

สารบญตาราง ตารางท หนา 1 ผประกอบการในอตสาหกรรมแวนตาในประเทศไทย 9 2 ผลการวเคราะหงานวจยทเกยวของ 33 3 กลมสนคาประเภทกรอบแวนตาทเลอก 3 ยหอ 37 4 แสดงขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ Rayban 43 5 แสดงขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ LEVI’S 44 6 ขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ Frank Custom 45 7 การเปรยบเทยบคาเฉลยความเบยงเบนสมบรณ (MAD) คาเฉลยความคลาดเคลอน ก าลงสอง (MSE) และคาเฉลยเปอรเซนตความคลาดเคลอนสมบรณ (MAPE) จากการพยากรณทง 6 วธ 47 8 เปรยบเทยบยอดขายยอดพยากรณและยอดสงซอ 54

VII

สารบญภาพ ภาพประกอบท หนา

1 กรอบแนวคด 2 2 มลคาการน าเขา สงออกผลตภณฑแวนตาประเภทวสดอนๆของประเทศไทย 8 3 ประเทศผสงออกผลตภณฑแวนตา 5 อนดบสงสดของโลก พ.ศ. 2559 10 4 สวนแบงการตลาดประเทศผสงออกผลตภณฑแวนตา 5 อนดบสงสดของโลก

พ.ศ. 2559 10 5 รปแบบเทคนคการพยากรณ 13 6 เทคนคการพยากรณรปแบบคงท 15 7 เทคนคการพยากรณรปแบบแนวโนม 16 8 เทคนคการพยากรณรปแบบฤดกาล 16 9 เทคนคการพยากรณรปแบบวฏจกร 16 10 เทคนคการพยากรณรปแบบสมหรอไมแนนอน 17 11 ค านวณคาเฉลยเคลอนท มกราคม-เมษายน 2558 48 12 ค านวณคาเฉลยเคลอนท กมภาพน-พฤษภาคม 2558 49 13 การค านวณหาคาเฉลยเคลอนทใหอยกงกลาง 49 14 ค านวณหาคาฤดกาล 50 15 สตรหาคาเฉลยของฤดกาล ใน Program excel 50 16 ปรบคาฤดกาล ของแตละเดอน 51 17 ถอดฤดกาลออกจากขอมลอนกรมเวลา 51 18 สตรใน Program excel Data Analysis 52 19 Program excel เลอก Regression 52 20 แสดงวธการใสสตรใน Program excel 52 21 ผลลพธของ Regression 53 22 ผลทได จาก Coeffidents 53 23 ขอมลของชวงเวลาทท าการพยากรณ 53 24 ผลลพธทพยากรณ 54

บทท 1 บทน ำ

ทมำและควำมส ำคญของปญหำ

ปจจบนตลาดแวนตาในประเทศไทยมมลคาประมาณ 6,000 ลานบาท และมการขยายตวมากขน มการแขงขนทางธรกจทคอนขางสง ไมวาจะเปนธรกจรานคาปลกทวไป ทมหลากหลายยหอและหลายรปแบบทมการแขงขนดเดอดทางดานราคาและแคมเปญตาง ๆ ทมอยมากมาย ปจจยทส าคญของรานแวนตา ไมใชแคการขายของถกในสนคาใหม แตมนคอการทเราสามารถแกปญหาของธรกจแวนตาแบบเดม ๆ โดยททางรานตองมศกยภาพในการสรรหาสนคาทมคณภาพในขณะเดยวกนกสามารถคมตนทนได และปจจยอกดานคอ การด าเนนชวตขอผคนมความเรงรบมากขน เพราะมกระแสคานยมทมาจากเทคโนโลยใหม ๆ แทบเลต และสมารทโฟน ซงสงผลเสยแกสขภาพทางสายตา ยงผบรโภคทมการท างานหนกและพกผอนนอยลง มการดแลสขภาพทไมดเทาทควร ท าใหปรมาณผมปญหาสายตาเพมมากขน รวมถงการทบคคลทวไปอายมากขนดวย

ธรกจรานแวนตา เปนธรกจทมการสงซอสนคามาเกบสตอกเพอขายกอใหเกดตนทนจม การตดสนใจวาจะสงซอสนคานน ถาสงซอมากเกนไปจะสงผลใหสนคาเคลอนไหวชาและทไมมการเคลอนไหว ซงทางรานอาจจะตองขายขาดทนในทสด เพอน าสนคารนใหม ๆ เขามาขาย เนองจากกระบวนการสตอกสนคานน จะท าใหเกดตนทนแลว ในทางตรงกนขามถาสงซอมาในจ านวนทนอยเกนไปอาจไมพอกบความตองการของผบรโภค ท าใหเกดการเสยโอกาสขนและทางผบรโภคอาจหนไปหาสนคาทรานคแขงได สงผลใหทางรานสญเสยลกคาและรายได การพยากรณการสงซอ จะเปนการแกไขปญหาในสวนน ถาการขายสนคาในจ านวนทสอดคลองกบยอดสงซอทพยากรณไวจะสงผลใหธรกจไมขาดทนและมรายไดตามทตงเปาทตงไวอกดวย

ผวจยพบวา กรณศกษา รานรกแวน ซงเปนธรกจขนาดเลก แตมปรมาณสนคาคงคลงจ านวนมาก คดเปนมลคา 1,298,000 บาท เปนผลมาจากการสงซอสนคาทมากเกนความตองการ จงเปนทมาของการศกษาเปรยบเทยบแนวทางการพยากรณความตองการสนคา เพอวางแผนการสงซอสนคาใหเหมาะสมกบความตองการ ตลอดจนน าไปปรบปรงและสรางกลยทธทางการตลาดใหเหมาะสมและมประสทธภาพมากขน วตถประสงค

1. เพอพยากรณการสงซอสนคาของรานรกแวน 2. น าเสนอแนวทางในการแกไขปญหาสนคาทเคลอนไหวชาและทไมมการเคลอนไหว

2

กรอบแนวคด

ภำพประกอบท 1 กรอบแนวคด

ขอบเขตกำรวจย

1. รานรกแวนดอนเมอง 2. ขอมลยอดขาย ระยะในการน าขอมลมาพยากรณ 2 ป 3. กรอบแวนสายตา 3 ยหอ

ประโยชนทคำดวำจะไดรบ

1. การพยากรณการสงซอสนคาของรานรกแวนตรงตามเปาหมายในการลดปรมาณสนคาทมการเคลอนไหวชาและทไมมการเคลอนไหว

2. แผนการพยากรณสามารถน าไปปรบปรงและสรางกลยทธทางการตลาดใหเหมาะสมและมประสทธภาพมากขน

นยำมศพท

แวนตำ หมายถง อปกรณส าหรบสวมใส เพอชวยแกปญหาทางดานสายตา กำรพยำกรณกำรสงซอสนคำ หมายถง การคาดเดา การคาดคะเนในการสงซอสนคาแวน

สายตา อสำหกรรมแวนตำ หมายถง เปนธรกจคาปลกขายแวนตา เชน รานคาทวไป ทใหค าแนะน า

บรการตรวจวดสายตา ประกอบแวนสายตา ดแลบรการหลงการขาย

Input

ขอมลการขายยอนหลง

Process

วธการพยากรณ 6 รปแบบ และ เปรยบเทยบวธ

พยากรณ

Output

วธการพยากรณทมความคาดเคลอน

นอยทสด

บทท 2 แนวคด ทฤษฎและงานวจยทเกยวของ

การพยากรณยอดสงซอสนคา โดยใชการพยากรณแตละรปแบบมาเปรยบเทยบเพอใหไดยอดทใกลเคยงทสด กรณศกษา รานรกแวน ผจดท าไดรวบรวมทฤษฎและงานวจยทเกยวของกบการพยากรณ ดงหวขอตอไปน

2.1 อตสาหกรรมแวนตา 2.2 ทฤษฎเกยวกบการพยากรณ 2.3 งานวจยทเกยวของ

อตสาหกรรมแวนตา

นรสนนท วชระมณกล (2558) มนษยทกคนมกจะพบปญหาเกยวกบสายตา กเมออายยางเขาสวย 40 ปขนไป ตองพบกบอาการพรามวของสายตา ไมวาจะเปนการมองสงตางๆ โดยเฉพาะอยางยงการอานหนงสอเปนตน ในปจจบนปญหาสายตานนเกดมากขนจากไลฟสไตลทเปลยนไป สภาพแวดลอม และภมประเทศทม

ผลกระทบตอสขภาพตา ภมศาสตรของประเทศไทยอยใกลเสนศนยสตร ท าใหประเทศไทยโดยรวมไดรบแสงแดดมากโดยเฉพาะในชวงเวลาจาก 10 โมงเชาถงบาย 3 โมงเยน โดยธรรมชาตแสงแดดทมองคประกอบของรงสหลายประเภท ทงทมประโยชนและมอนตรายตอมนษยรงสทเปนอนตรายเกอบทงหมดถกบรรยากาศของโลกดดซมกอนทจะลงมาถงผวโลก แตทงกระนนรงสบางสวนกยงสามารถผานทะลมาถงผวโลกไดหนงในนนกคอรงสอลตราไวโอเลต รงสนเปนสวนหนงของแสงแดดปจจบนนเราแทบจะหลกเลยงไมได อาจสงผลใหเกดปญหาทางสายตาได ซงในปจจบนนมจ านวนคนมากมายทประสบปญหาดานสายตา อาทเชน สายตาส น สายตายาว ตลอดจนสายตาเอยง และอนๆ เนองจากการใชสายตาผดลกษณะ ลวนกอใหเกดปญหาตอผทมปญหาสายตาอยางมาก รวมถงมผลตอคณภาพชวตในดานตาง ๆ ซงถอเปนอปสรรคในการด าเนนชวตของผทมความผดปกตทางดานสายตา อยางไรกตามดวยเทคโนโลยทางการแพทยททนสมย ผทมปญหาสายตาจงพยายามหาทางออกโดยการใชอปกรณชวยในการมองเหน ซงกมอยอยางหลากหลายตามความตองการและความเหมาะสมกบสภาพความผดปกตของสายตา (คม ชด ลก, ออนไลน)

การวดสายตาประกอบแวน เปนวธการแกปญหาสายตาสน ยาวหรอเอยงทยงไดรบความนยมมาก แมจะมวธการอนเชน คอนแทคเลนสหรอการใชเลเซอรผาตดแกสายตา แตการใสแวนนนยงถอวาเปนการรกษาทดทสด การวดระดบสายตาผดปกต ซงนยมใชเครองวดสายตาอตโนมต ซง

4

สามารถพบเหนไดทงในโรงพยาบาลและรานแวนตาทวไป นอกจากนนยงชวยเสรมบคลกทดใหแกผทสวมใส รวมไปถงยงปองกนมลภาวะทางสายตาไดอกดวย สนคาทดแทนของแวนตาและคอนแทคเลนส คอ การท าศลยกรรมสายตาดวย เลเซอรและการท าเลสก ซงยงมราคาแพงและมขอจ ากดในการท า จงยงไมแพรหลาย สงผลใหไมสามารถทดแทนแวนตา หรอ คอนแทคเลนสได นอกจากแกปญหาทางสายตาแลวในปจจบนแวนตาไดกลายมาเปนเสมอนเครองประดบ ทมการน าแฟชน การออกแบบทสวยงามมเอกลกษณ เพอใหเขากบสไตล ความชอบของแตละบคคล การแตงตวทเขากบเสอผาไดอกชนหนง ซงจะตางจากสมยกอนทจะใชกนเพอแกปญหาทางสายตาเปนสวนใหญ โดยจะมการน าแฟชนสมยนยม รปแบบ สสนมาเปนสวนประกอบหลก ในการผลตออกมาหลากหลายรปแบบและมการสรางแบรนดใหมขนมาขนอยางตอเนองจะเหนไดในชวงทผานมา

ธรกจการบรการรานแวนตาในปจจบนนมหลากหลายรปแบบมากขนไมวาจะเปนรานแบบเชนสโตร คอ รปแบบการท ารานคาแบบสาขา หรอเรยกวา กลมรานคาปลกทมเจาของคนเดยวกน หรอรานคาแวนตาคาปลกทวไป ไมวาจะเปนหางราน หรอ ตามตลาดนด ทมพอคาแมคาเปนเจาของธรกจของตนเอง หนวยรถขายแวนตา นอกจากนนในปจจบนยงมชองทางการตลาดอกมากมายไมวาจะเปน การขายสนคาแวนตาออนไลน ในโซเซยลมเดย ซงท าใหมการแขงขนทางการตลาดทสงขนมากกวาสมยกอนมาก โดยการบรการธรกจแวนตานน ประกอบดวยการบรการใหค าแนะน า ตรวจวดสายตาวเคราะห ใหบรการดแลสนคาหลงการขาย ตดประกอบแวนตา โดยมการจ าหนายสนคา เชนเลนสสายตา เลนสกนแดด กรอบแวนสายตา แวนตากนแดด คอนแทคเลนส อปกรณเกยวกบแวนตาตางๆ เปนตน

แวนสายตาเปนกระจกแวนทใสไวในกรอบส าหรบสวมบนใบหนาโดยมแทนรองรบบนสนจมก และกานแวนเกยวทใบห ในสมยโบราณมแวนตาบางชนดทใชวางอยหนาตาขางใดขางหนงส าหรบผสงอายเมอตองการดของใกล เมอไมตองการดกถอดออก กระจกแวนตาอาจท าดวยแกวธรรมดาหรอท าจากวสดใสพวกพลาสตก พลาสตกดกวาแกว เพราะเบากวาและไมแตกงาย แตมขอเสยตรงทมรอยขดขดไดงายกวาแกว แวนตาเปนของจ าเปนมประโยชนทงในดานการปองกนและการรกษา แวนตามหลายชนดดงน

1. แวนตาสวมกนแดดเพอไมใหแสงแดดเขาตามากเกนไป ไดแก แวนตาสดาหรอ สชา หรอใชสอน เชน สฟาออน สเขยวออน แวนตาชนดนปองกนไมใหแสงแดดหรอฝ นละอองปลว เขาตา แวนตากนแดดสมยกอนไมใชของจ าเปน แตในสมยปจจบนกลายเปนของจ าเปนในททสงแวดลอม มฝ นละออง แสงแดดจา ระคายเคองตาอยตลอดเวลา

2. แวนตาทใชในงานอตสาหกรรม เปนแวนขนาดใหญ ทนทานไมแตกงาย ใชใสเวลาท างานเกยวกบของทกระเดนออกมา เชน ในการกลง การกะเทาะหน การตมน ากรด น าดาง กนไมใหสารเหลานนกระเดนเขาตา นอกจากนยงใชแวนสดามดส าหรบกรองแสงขณะเชอมเหลกดวยไฟฟา ใชแกสตดโลหะ ท าโซ ท าแกว หรอตเหลก เปนตน

5

3. แวนตาส าหรบนกกฬาทตองการมองใหเหนชดขณะเลนกฬา แวนทใชเปนแวนตาสเดยวซง สวนมากจะใชสทอยสวนกลางของสในสเปกตรม คอ สเหลองเปนสทประสาทตารบความรสกไดดและเหนชด เชน ใชใสขณะยงปน ด าน า เมอลมตาดของในนามสายตามวเปนชนดสายตายาว จงตองใสแวนทท าพเศษหรอใชเลนสสมผส

4. แวนสายตา เปนแวนทมก าลงหกแสงเพอใหมองเหนภาพชด ใชกบผทมสายตาผดปกตไดแก แวนเลนสเวาส าหรบคนสายตาส น แวนเลนสนนส าหรบคนสายตายาว และแวนเลนสรปทรงกระบอกหรอทรงกาบกลวยส าหรบคนสายตาพราตางแนว

5. แวนแบบเลนสสมผส เปนแวนส าหรบผมสายตาผดปกต แตแทนทจะใชแวนตาสวมบนใบหนากลบใชเลนสวางบนกระจกตา เลนสท าดวยวสด พลาสตกคอนขางแขง (Polymethyl methacrylate) ปจจบนไดดดแปลงใชเลนสชนดนมกวาและดดน าได และสามารถใหอากาศและน าซมผานได เลนสสมผสมทงขอดและขอเสย ขอดคอไมตองสวมบนใบหนา ใสเลนกฬาไดสะดวก ผทสายตาสนมากๆ ใสเลนสแลวไมตองใสแวนทหนามาก ใชกบรายทลอกตอแกวตาขางเดยว ซงถาใสแวนตาจะปรบภาพจากตาสองขาง ใหเปนภาพเดยวไมได เพราะขนาดของภาพตางกน แตเมอใสเลนสสมผสภาพไมตางกนมากจะปรบได ผทกระจกตาเปนรปกรวยแหลมหรอกระจกตาขรขระซงใชแวนตาชวยใหเหนขดขนไมได แตเลนสสมผสชวยได สายตาพราตางแนวชนดทแนวไมตงฉากกน เลนสชนดเปนสใชปดบงแผลเปนสขาว ทกระจกตา ท าใหดสวยงาม ขอเสยคอราคาแพง หายไดงาย ใสไมไดตลอดวนตองถอดออกบางเวลา ผททนไดนานใสไดครงละ 6-8 ชวโมงโดยไมตองถอดออก ปจจบนมเลนสสมผสชนดทใสไดนานหลายวนโดย ไมตองถอด ผสงอายใสและถอดเลนสไดไมสะดวก ถารกษาความสะอาดไมดอาจเกดแผลทกระจกตา เลนสชนดนมหรอชนดออนอาจดดน ายาทแชเลนสเพอฆาเชอ หรอดดยาหยอดตาบางชนดเขาไป มอนตรายตอกระจกตา

6. แวนทใสภายในลกตา (intraocular lens) ท าดวยวสดพวกอะครลก (acrylic lens) แพทยผ ผาตดเปนผใสใหขณะผาตด มกท าในรายทเปนตอแกวตาขางเดยว โดยใสเลนสนแทนแกวตา ตอแกวตา ทผาตดออกและเมอใสเลนสชนดนแลว หลงผาตดตอแกวตาไมตองสวมแวนตา การใสเลนสชนดนท า กนมากในปจจบน จกษแพทยและผปวยนยมการผาตดแบบใสแวนทใสภายในลกตา เพราะไดรบความสะดวก และไมตองสวมแวนตาตลอดจนไมใครเกดปฏกรยาตอตานจากรางกาย ความรทวไปเกยวกบแวนตา

แวนตาประกอบดวยสองสวน คอ สวนทเปนโลหะหรอพลาสตกและสวนทเปนเลนสถกผลตขนมาเพอแกไขภาวะทมสายตาผดปกต ซงมอยดวยกน 4 กรณ ดงน

1. สายตาสน หมายถง ภาวะทตาไมสามารถมองไกลไดชดเจน แตสามารถมองสงของใกล ๆ ไดชดเจน เราจงเรยกวา สน หรอ ใกล ไมใช ไกล หรอ ยาว

6

2. สายตายาว หมายถง ภาวะทตามองไกล ๆ ไดชดเจนหรออาจจะมองไกลไมคอยชดกได และมกจะมปญหาเวลามองใกล ๆ ไมคอยชดดวย เราจงเรยกวา ยาว ถาพบในเดกเลกอาจเกดภาวะตาเหล ตาเข รวมดวย

3. สายตาเอยง หมายถง ภาวะทตามองไมชดเจน เนองมาจากความโคงของกระจกตา ไมเปนรปทรงกลมเหมอนลกฟตบอล แตจะร ๆ เหมอนลกรกบ และค าวาตาเอยงไมใชภาวะตาเหลหรอตาเข กลาวโดยรวมกคอ สายตาสน สายตายาว หรอสายตาเอยงลวนท าใหตามองเหนไมชดเจน

4. สายตาคนแก หรอสายตาสงอาย หมายถง สายตาซงเกดกบผ ท เ รมมอายมากขน โดยทวไปมกจะเรมมอาการเมออาย 40 ปขนไป อาการทวาคอจะเรมมองหรออานหนงสอระยะใกล ๆ หรอระยะปกตทเคยอานได ไมคอยชดเจนแลว บางคนจะรสกตาพรา บางคนอาจมอาการปวดตา แตเวลามองไกลจะรสกเหนไดปกต (ยกเวนวามสายตายาว สน หรอ เอยง รวมดวย) แตคนทวไปมกเรยกภาวะนวา สายตายาว คอมองใกล ๆ ไมชดแลวตองถอหนงสอหาง ๆ มากขน และแวนทใชกใชเลนสชนดเดยวกบคนสายตายาว เชนกน ทง 4 กรณทกลาวมาแลว มความจ าเปนตองใชแวนตาเพอแกไขภาวะสายตาทมอย ท าใหกลบมองเหนไดเหมอนคนปกตทวไป ยงมอก 2 กรณทอาจใชหรอไมใชแวนตากไดนน คอ ภาวะทมสายตาเพยงเลกนอย กรณนการใสแวนหรอไมใสจะมองเหนไดไมแตกตางกนมากนก และการใสแวนเพอความสวยงามแฟชน หรอ เพมบคลกภาพใหดดขน 2 กรณหลงนอาจไมจ าเปนตองใชแวนตากได การทแวนตาสามารถแกไขภาวะสายตาผดปกตได เพราะอาศยคณลกษณะของเลนสในการหกเหแสงนนเอง คอ ใชเลนสนนเพอแกสายตายาว และสายตาสงอาย ใชเลนสเวาเพอแกสายตาสน และใชเลนสเอยงเพอแกภาวะสายตาเอยง

สวนประกอบของแวนตา แวนตาประกอบดวย 2 สวน คอ กรอบแวน และเลนสแวนตา

1. กรอบแวนตา อาจท าจากวสดทเปนโลหะหรอพลาสตก หรอทง 2 อยาง รวมกน ท าขนเปนหนาแวนตามชอง 2 ชอง ส าหรบใสเลนส และขาแวนตาส าหรบสวมเกยวกบใบห พลาสตกทน ามาใชท ากรอบแวนตา ม 2 ชนด คอ พลาสตกชนดนมซงยดหยนไดมาก และพลาสตกแขงซงยดหยนไดคอยได ดงนน พลาสตกชนดนมจงมโอกาสแตกหกนอยกวาชนดแขง สวนโลหะทน ามาประกอบเปนกรอบนน มหลายชนดทงสแตนเลส เหลก นกเกล ไททาเนยม ในกรณทไมใชไททาเนยม น าหนกกรอบจะหนกกวาและโอกาส เกดสนมหรอเกดการแพจะมไดมากกวาโดยเฉพาะนกเกล กรอบแวนบางชนดท าจากโลหะทปราศจากโลหะทปราศจากนกเกล (Nickle free) กอาจชวยลดการแพลงได การเคลอบทองหรอการชบทองของกรอบแวนกมความส าคญ ถาชบทองไดดกจะเกดการลอกนอยกวา

2. เลนสสายตา ท าจากวสดทเปนพลาสตกหรอกระจก เปนเลนสเวา เลนสนน หรอเลนสเอยง เลนสพลาสตกมขอดกวากระจกตรงทเบากวาไมแตกงาย แตมขอเสยตรงทอาจมลอยขดขวนทพนผวหนาไดงายกวา โดยทวไปเลนสกระจกจกษแพทยมกจะไมคอยแนะน า เนองจากอนตรายจาก

7

กระจกเลนสทแตกเนองจากอบตเหต อาจท าใหสญเสยตาอยางถาวรได นอกจากเลนสธรรมดาแลว ยงมเลนสพเศษตาง ๆ เพอเพมคณลกษณะใหกบเลนสอก เชน

การเคลอบแขงเพอลดรอยขดขวน

การเคลอบ Multicoat เพอลดการสะทอนกลบของแสงทจะเขาสตาท าใหการมองเหนภาพชดเจนยงกวา

เลนสยอสวน คอ เลนสทมคาดชนหกเหแสงมากกวาปกต ดงนน เลนสชนดนจะบางกวาเลนส ทวๆ ไป และมกจะแนะน าใหใชในกรณทสายตามาก ๆ เพอลดน าหนกของเลนสใหนอยลง

เลนสสองชน คอเลนสทท าใหสามารถมองทงไกลและใกลไดชดเจน แตจะเหนรอยตอระหวางเลนส แตบางคนอาจไมชอบรอยตอระหวางเลนส กอาจเลอกเลนสทลบรอยตอระหวางเลนสได

เลนสหลายชนหรอหลายโฟกส (progressive lens) เปนเลนสทท าใหมองไดทงไกลและใกลชด ทกระยะและไมมรอยตอระหวางเลนส

เลนสเปลยนส คอ เลนสทมคณสมบตพเศษเมอถกแสงแดด หรออยกลางแจงเลนสจะเปลยนส ใหเขมขนเองเพอกนแสงแดด แตเวลาเขาทรมสเลนสกจะจางลงจนใสเหมอนเดม

อตสาหกรรมแวนตา เรมตนกจการคาปลกแวนตาในป 2494 และเปดโรงงานเลนสกระจกแหงแรกของประเทศ

ไทยในป 2502 ภายใต บรษท อตสาหกรรมแวนตาไทย จ ากด หรอ TOC ดวยก าลงการผลตทมากกวาความตองการในประเทศ ท าใหบรษทสงออกเลนสแกวสญชาตไทยไปยงตางประเทศ เรมจากหวกระเปาเขาไปน าเสนอในงานแสดงสนคาแวนตา ความเพยรพยายามส าเรจเมอไดลกคารายแรกจากเยอรมน ซงเครอขายธรกจของคคาท าใหบรษทกลบมาสงออกไปยโรป

จากการพฒนาผลตภณฑแลว มการสงออกตางประเทศมากเกนไปซงมสดสวนในยอดขายถง 95% เปรยบเทยบกบการจ าหนายในประเทศเพยง 5% เพราะเลงเหนวาประเทศแถบยโรปและสหรฐฯมปญหาเศรษฐกจท าใหเกดความเสยงตอธรกจ จงตองกระจายการลงทนเปน 3 สวนเทากนระหวางทวปยโรป อเมรกา และ AEC (รวมประเทศไทย)

ดงน นการเจาะตลาด AEC เพมสดสวนยอดขายจาก 8% ใหมากกวา 33% ในประเทศ มาเลเซย สงคโปร และเวยดนาม โดยเฉพาะประเทศเวยดนาม ซงเปนตลาดทมศกยภาพสงทสด เนองจากผบรโภคใหความเชอมนคณภาพสนคาไทย บรษทไดมการรวมกนกบ Vina Vista ประเทศเวยดนามเพอขยายตลาดตงแตป 2556 พรอมขยายฐานธรกจในประเทศมาเลเซย และสงคโปร ดวยการจดต งบรษท Mvision Optical Pte. Ltd. ในประเทศสงคโปร และบรษท Mvision Optical

8

Industry Sdn. Bhd. ในมาเลเซย เพอด าเนนธรกจเลนสเฉพาะบคคลและจดจ าหนายเลนสส าเรจ โดย TOG ถอหนในสดสวน 33% รวมถงขยายฐานลกคาผาน รานหอแวน ทเขาไปเปดสาขาแลว 10 สาขาในมาเลเซย และ 12 สาขาในสงคโปร“สนคาของเรา value for money เราไมไดถกทสดในตลาด แตเราน าเสนอความคมคา ดวยเทคโนโลยระดบโลก ซงจดแขงนท าใหเราสามารถรกษาฐานลกคาในตลาดยโรปได และจะท าใหเราไดรบความนยมในกลมประเทศ AEC เชนกน”

มลคาการน าเขาผลตภณฑแวนตาทท าจากวสดอนๆ ตามสถตของ Global trade atlas พบวาในป 2558 ประเทศไทยน าเขาผลตภณฑนเปนอนดบ 4 ของโลกรวมมลคากวา 259 ลานดอลลารสหรฐโดยน าเขามาจากประเทศเวยดนามมากทสดถงรอยละ 33 ทเปนเชนนเพราะผผลตสวนใหญตองการขยายตลาดไปยงภมภาคอาเซยนหรอเออซมากขนเนองจากถอเปนภมภาคทประชาชนเรมเหนความส าคญของการใชแวนสายตามากขน โดยเฉพาะในประเทศเวยดนามทถอวาเปนอกหนงประเทศทมการเตบโตสง และเมอพจารณามลคาการสงออกพบวามมลคาสงถง 825.45 ลานดอลลารสหรฐ ซงถอเปนอนดบ 2 ของโลก โดยประเทศคคาทส าคญคอ อเมรกา ญปน และฝรงเศส โดยบรษทชนน าของประเทศไทยทด าเนนธรกจการผลต ผลตภณฑแวนตานน อนดบทหนงคอ บรษท เอสซลอร แมนแฟคเจอรง (ประเทศไทย) จ ากด เปนบรษทขามชาตจากประเทศฝรงเศส มทนจดทะเบยน 4,000 ลานบาท และอนดบสองคอ บรษท โฮยาเลนซ ไทยแลนด จ ากด สญชาตญปน มทนจดทะเบยน 499 ลานบาท โดยในประเทศไทยมผประกอบการทด าเนนธรกจเกยวกบแวนตาอยทงสน 12 ราย มลคาทนจดทะเบยนรวมกวา 7,425 ลานบาท

ภาพประกอบท 2 มลคาการน าเขา – สงออกผลตภณฑแวนตาประเภทวสดอนๆ ของประเทศไทย

9

ตารางท 1 ผประกอบการในอตสาหกรรมแวนตาในประเทศไทย

โดยไทยมคแขงทส าคญมากอยางเชนประเทศจน ซง ณ ป 2558- 2559 จนไดขนเปนอนดบ 1 ในการสงออกเปนทเรยบรอยแลว ซงเมอคดเปอรเซนตการเตบโตของตลาดการสงออกเทยบระหวางป 2013 ถง 2015 จะเหนวา มการสงออกเพมถงรอย ละ 68.60 เมอเทยบกบไทยพบวาไทยมมลคาการสงออกลดลงถงรอยละ 5.80

ภาพประกอบท 3 ประเทศผสงออกผลตภณฑแวนตา 5 อนดบสงสดของโลก พ.ศ. 2559

โดยสวนแบงทางการตลาดของมลคาการสงออกผลตภณฑแวนตาของประเทศผสงออกสงสด 5 อนดบ พบวาในป 2559 จนมสวนแบงทางการตลาดสงทสดรอนละ 23 โดยไทยมสวนแบงทางการตลาดสงถงรอยละ 17 รองลงมาคอเยอรมนรอยละ 6 อเมรการอยละ 8 และเมกซโกรอยละ 5 เมอคดรวมทง 5 ประเทศพบวามสวนแบงทางการตลาดถงรอยละ 59

10

ภาพประกอบท 4 สวนแบงการตลาดประเทศผสงออกผลตภณฑแวนตา 5 อนดบสงสดของโลก พ.ศ. 2559

ทฤษฎเกยวกบการพยากรณ

การพยากรณ (forecast) หมายถง การท านายหรอการประมาณคาจรงในชวงเวลาในอนาคต (ส าหรบขอมลอนกรมเวลา) หรอการพยากรณคาจรงในสถานการณอน ดงน น ทรพยากร (forecasting) จงเปนการประมาณคาจากสถานการณทไมร (Armstrong , J. Scott)

การพยากรณ หมายถง การค านวณหรอการท านายเหตการณหรอสถานการณในอนาคต โดยปกตการพยากรณเกดจากการศกษาหรอการวเคราะหขอมลทเกยวของทมอย (Merriam - Webster online dictionary)

การพยากรณ เปนการประมาณคาของตวแปร (หรอกลมตวแปร) ในอนาคต การพยากรณมกจะท าขนเพอน ามาใชประกอบการตดสนใจและวางแผนในอนาคต หากกจการสามารถพยากรณวาจะเกดอะไรขนในอนาคต กจการสามารถเปลยนแปลงการกระท าในปจจบนเพอท าใหอนาคตมสภาพทดขนกวาทควรจะเปน (Beasley, J E.)

การพยากรณ หมายถง (forecast) จรงหมายถง การคาดคะเนหรอท านายการเกดเหตการณหรอสภาพการณตางๆ ในอนาคต โดยการพยากรณจะท าการศกษาแนวโนมและรปแบบการเกดเหตการณตามขอมลในอดตหรอใชความรความสามารถประสบการณและดลยพนจของผพยากรณในปจจบนการพยากรณมกจะน าไปใชเกยวกบการวางแผนอปสงค (demand planning) หรอการพยากรณหวงโซอปทาน (supply chain forecasting) ซงจะใชทงวธการพยากรณทางสถตและวธการส ารวจความคดเหน และการพยากรณมกใชกบขอมลอนกรมเวลา เหนไดวาการพยากรณมความ

11

จ าเปนอยางยงตอการวางแผน และการตดสนใจเกยวกบการด าเนนงานในทกสาขาอาชพ (นภา นรตตกล)

ดงนนการพยากรณ คอ การคาดคะเน หรอท านายเหตการณในอนาคตจากขอมลในอดต ปจจบน หรอประสบการณ การพยากรณเปนทงศาสตรและศลป ตงแตสมยโบราณมนษยรจกการพยากรณเพอการด ารงชวต เชน การพยากรณดนฟาอากาศ เพอการลาสตวและเพาะปลก ปจจบนการพยากรณไดถกน ามาใชในการตดสนใจส าหรบการด าเนนชวตประจ าวนส าหรบแตละคน จนถงการด าเนนกจกรรมในองคการตางๆการพยากรณจะใหคาพยากรณ คอ จ านวนหรอปรมาณทตองการทราบในอนาคต ในธรกจคาพยากรณทส าคญ คอ ปรมาณความตองการสนคาหรอบรการในอนาคตทฝายการตลาดจะท าการพยากรณออกมาและฝายผลตจะน าไปใชในการวางแผนการผลตตอไป ความส าคญของการพยากรณ

ความส าคญของการพยากรณทมตอการด าเนนงานของธรกจและการตดสนใจโดยการพยากรณมความส าคญดงน

การพยากรณท าใหสามารถคาดคะเนปรมาณความตองการสนคาและบรการ ซงเปนขอมลส าคญในการวางแผนด าเนนงานขององคการ

การพยากรณชวยในการวางแผนด าเนนงานทางการผลต ไดแก การเลอกท าเลทตงและวางแผนก าลงการผลต การวางแผนการผลต การวางแผนดานการจางแรงงาน การวางแผนดานวสด การล าเลยงและการขนสง ซงขอมลของการพยากรณท าใหผบรหารสามารถวางแผนการผลต และด าเนนการผลตใหไดสนคาและบรการพอดกบความตองการของตลาด ลดความเสยหายของการด าเนนธรกจจากการผลตสนคามากเกนความตองการท าใหสญเสยทรพยากร และเกดตนทนสง และถาผลตสนคานอยกวาความตองการ ท าใหเสยโอกาสทางธรกจและไมสามารถสรางความพงพอใจใหลกคาได

การพยากรณชวยในการตดสนใจดานการวางแผนทางการตลาด โดยใชในการวเคราะหสวนครองตลาด (market share) การก าหนดนโยบายดานราคาและการสงเสรมการตลาด

การพยากรณชวยในการวางแผนดานการเงน เชน การคาดคะเนอตราดอกเบย การตดสนใจดานการลงทน และการวเคราะหก าไร

การพยากรณชวยในการวางแผนดานทรพยากรมนษย การพยากรณท าใหทราบจ านวนแรงงานทตองการในอนาคต และเตรยมการจางการฝกอบรมไวใหพรอมตอการปฏบตงาน

สรปไดวา การพยากรณมความส าคญตอการด าเนนงานในทกๆ ดานขององคการ ผลทไดจากการพยากรณเปนปจจยน าเขาสวนหนง (input) ของการวางแผนทกประเภท จงเปนความจ าเปนทผบรหารจะตองตระหนกถงความส าคญของการพยากรณ และสามารถเลอกใชประเภทของการ

12

พยากรณทเหมาะสม เพอน าผลของการพยากรณไปใชในการวางแผนไดอยางมประสทธภาพและประสทธผลตอไป ประเภทของการพยากรณ

เนองจากการพยากรณเปนทงศาสตรและศลปในการท านายเหตการณในอนาคต การพยากรณอาจมการน าขอมลในอดตมาใชวเคราะหโดยอาศยตวแบบทางคณตศาสตรและวจารณญาณ ประกอบเขาดวยกนการแบงประเภทของการพยากรณนน นยมใชเกณฑการแบงอย 2 ลกษณะ คอ การใชชวงเวลา และการใชลกษณะกระบวนการพยากรณ ดงน

1. เกณฑการใชชวงเวลา ชวงเวลามบทบาทตอการพยากรณ ตวอยางเชน การตดสนใจวาจะขยายก าลงการผลตหรอไม จะเปนการพยากรณเหตการณในระยะยาว ซงตรงขามกบการตดสนใจสงซอวตถดบจะเปนการพยากรณความตองการในระยะสน

โดยทวไปการพยากรณสามารถแบงประเภทตามเกณฑของชวงเวลาได 3 ประเภทคอ การพยากรณระยะสน การพยากรณระยะปานกลาง และการพยากรณระยะยาว

การพยากรณระยะส น (short-term forecast) เปนการพยากรณในชวงเวลาของอนาคตอนใกลเชนในสปดาหตอไปหรอเดอนตอไป ตวอยางเชน การพยากรณเพอการจดซอ การจดตารางการผลต และการมอบหมายงาน เปนตน

การพยากรณระยะปานกลาง (intermediate-term forecast) เปนการพยากรณในชวงเวลาทหางออกไปเชนใน 6 เดอนขางหนา ตวอยางเชน ใชในการพยากรณเพอการวางแผนการขาย การวางแผนการผลต และการจดท างบประมาณ

การพยากรณระยะยาว ( long-term forecast) เปนการพยากรณในชวงเวลาของอนาคตทไกลออกไปเชนอก 3 ปขางหนา ตวอยางเชนในการพยากรณเพอการวางแผนการผลตสนคาชนดใหม การลงทน การขยายโรงงาน และการวจยพฒนา

2. เกณฑการใชลกษณะกระบวนการพยากรณ การแบงประเภทการพยากรณโดยใชลกษณะกระบวนการพยากรณนน จะแบงการพยากรณเปน 2 ประเภทคอ การพยากรณเชงคณภาพและการพยากรณเชงปรมาณความแตกตางระหวางสองประเภทนอยทกระบวนการของการพยากรณไมใชผลการพยากรณ การพยากรณเชงคณภาพเปนการพยากรณทไมใชตวแบบทางคณตศาสตร แตใชความคดเหนสวนตว ประสบการณ คานยม และลางสงหรณของผท าการพยากรณ สวนการพยากรณเชงปรมาณ เปนการพยากรณโดยใชตวแบบทางคณตศาสตรทแสดงความสมพนธของตวแปรทเกยวของโดยใชพนฐานจากขอมลในอดต

ถงแมวาการพยากรณเชงปรมาณจะดเหมอนวาใหผลถกตองกวา แตโดยความเปนจรงในทางปฏบต ผลการพยากรณขนกบสถานการณ การพยากรณเชงปรมาณจะถอวาสงแวดลอมขณะทท าการพยากรณนนคอนขางคงท และสงแวดลอมทางเศรษฐกจเทคโนโลย และสงคมในอนาคตเปนเชนเดยวกบในอดตทผานมา ซงโดยทวไปจะเปนการพยากรณในระยะส นและระยะ

13

ปานกลาง แตเมอใดทสภาวะแวดลอมตางๆ ไมแนนอน หรอในอนาคตระยะยาวทมความเปนไปไดทจะเกดการเปลยนแปลงของสงตางๆ การพยากรณเชงคณภาพจะใหผลด จงอาจกลาวไดวาประเภทของการพยากรณระยะสนและปานกลาง เทยบไดเปนประเภทการพยากรณเชงปรมาณ เนองจากมการใชวธการทางคณตศาสตรและสถตในการพยากรณ สวนประเภทของการพยากรณระยะยาวเทยบไดเปนการพยากรณเชงคณภาพ ทมการใชวจารณญาณและประสบการณประกอบการพยากรณ

ภาพประกอบท 5 รปแบบเทคนคการพยากรณ

ขนตอนพนฐานทจะชวยใหการพยากรณมประสทธภาพ Chopra and Meinld (2007) ไดกลาววา ขนตอนพนฐานทจะชวยใหการพยากรณมประสทธภาพ

มดงตอไปน 1. ระบวตถประสงคและท าความเขาใจเพอน าผลการพยากรณไปใช และชวงเวลาทการ

พยากรณจะครอบคลมถง เพอเลอกใชไดถกตองเหมาะสม 2. รวบรวมขอมลอยางมระบบ ถกตองตามความเปนจรง 3. จ าแนกประเภทสนคาทมลกษณะของปรมาณความตองการทคลายกนไวเปนกลม

เดยวกน พยากรณส าหรบกลมสนคากอนแลวจงแยกการพยากรณเปนรายสนคาในแตละกลมอกครง โดยเลอกวธการพยากรณทเหมาะสมส าหรบแตละกลมและแตละลกษณะสนคาดวย

4. ระบขอจ ากดหรอปจจยทส าคญทสงผลกระทบตอการพยากรณและระบสมมตฐานทตงไวในการพยากรณดวย เพอผทน าผลการพยากรณไปใชจะไดทราบถงเงอนไขขอจ ากดทมผลตอคาพยากรณ

เทคนคการ

พยากรณ

พยากรณเชงคณภาพ พยากรณเชงปรมาณ

การคาดคะเน

การระดมความคด

การพยากรณยอดขาย

พยากรณโดยการส ารวจตลาด

การพยากรณดวยเทคนคเดลไฟ

แบบอนกรมเวลา แบบความสมพนธ

คาเฉลยเคลอนท

วธเอกซโพเนนเซยล

วธแยกสวนประกอบ

คาดคะเนแนวโนม

แบบถดถอยเชงเสน

14

5. เลอกเทคนคการพยากรณทเหมาะสมกบขอมลทจะใชในการพยากรณ 6. ตรวจสอบความแมนย าของคาพยากรณทไดกบคาจรงทเกดขนเปนระยะๆ เพอปรบวธการ

หรอสมการทใชในการค านวณใหเหมาะสมเมอเวลาเปลยนไป

การพยากรณเชงคณภาพ (Qualitative Method)

เปนการพยากรณทใชผทมประสบการณ ความร ความสามารถ เปนผพยากรณ โดยไมใชตวแบบทางคณตศาสตร จงตรวจสอบความแมนย าของการพยากรณไดยากกวาการพยากรณเชงปรมาณ การพยากรณเชงคณภาพประกอบดวย

1. การคาดคะเน หรอ ประมาณการ (Judgement) วธนมกใชกบธรกจขนาดเลกทมเจาของคนเดยวหรอหนวยงานขนาดเลกทหวหนามอ านาจเตม เจาของหรอหวหนางานจะคาดการณยอดขาย หรอสงทจะเกดขนในอนาคต โดยอาศยประสบการณทท างานในดานนนๆ มาเปนระยะเวลานานพอ

2. การระดมความคด (Jury of Executive Operation) วธนเปนการระดมความคด หรอประชมกลมผบรหารของบรษท เชน ประชมคณะกรรมการบรหาร เพอใหทกคนออกความคดเหนเกยวกบสงทจะเกดในอนาคต เชน ยอดขายปหนา จะเปนเทาใด ควรพฒนาผลตภณฑใหมหรอไม และผลสรปจะไดเสยงสวนใหญของการประชม แตวธนจะมขอเสยตรงทอาจเกดความเอนเอยง หรอ เกรงใจท าใหไมกลาออกความคดเหน ถาความคดเหนไมตรงกบคนอนๆ หรอไมตรงกบความคดเหนของผมอ านาจมากกวาหรอผถอหนใหญ และมกจะเหนดวยกบความคดเหนของผมอ านาจหรอผถอหนใหญ

3. การพยากรณยอดขาย (Sale Force Composite Forecasts) เปนการพยากรณโดยใหแตละฝาย เชนใหหวหนาฝายขายตามภาคตางๆ ประมาณยอดขาย แลวน ามารวมกนทกภาคกลายเปนคาพยากรณยอดขายรวมของบรษท หรอใหตวแทนขายแตละคนประมาณยอดขายของตนเองแลวน ามารวมกนเปนยอดขายรวมของบรษท การพยากรณยอดขายโดยวธนคอนขางจะแมนย า เนองจากตวแทนขายแตละคน/หนวยจะใกลชดกบลกคา/ตลาดมาก ท าใหคาดคะเนไดถกตอง

4. พยากรณโดยการส ารวจตลาด (Survey of Expectations and Anticipations) เปนการพยากรณยอดขายโดยท าการส ารวจลกคาหรอผทคาดวาจะเปนลกคาเพอตรวจสอบวาในอนาคตลกคาตองการสนคาอะไรบาง จ านวนเทาใด ดวยการท าวจยตลาด ซงอาจใชการสมภาษณตวตอตว โทรศพทหรอจดหมาย เปนตน

5. การพยากรณดวยเทคนคเดลไฟ (Delphi) เทคนคเดลไฟเปนเทคนคทแกขอเสยของวธระดมความคด ซงอาจกอใหเกดความเอนเอยง หรอคลอยตามผอน เทคนคเดลไฟ จงแกปญหาโดยการไมใหผบรหารพบปะกน หรอมาประชมกน หรอระดมความคดเหนกนซงๆหนา แตจะสงค าถามเกยวกบสงทตองการพยากรณใหผบรหารทกคนเขยนตอบมา พรอมทงระบเหตผล เชน ยอดขายปหนาควรเปนเทาใด ควรออกผลตภณฑใหมหรอไม เพราะเหตใด ดงนน โดยวธนจะไดความคดเหน

15

ของทกคน และไมมการชน า เมอไดค าตอบจากทกคนแลวใหน ามารวมกน ซงมกจะพบวาจะมความคดเหนทแตกตางกนออกไป ผรวบรวมจะตองสรป แลวสงกลบไปใหผบรหารทกคนเปนรอบท 2 เพอใหแสดงความคดเหนเพมเตม เปนเชนนไปเรอย ๆ จนไดขอสรปเปนหนงเดยว การพยากรณเชงปรมาณ

วธการพยากรณเชงปรมาณ (Quantitative Forecasting Methods) จะใชเทคนคทางคณตศาสตรบนพนฐานของขอมล ปรมาณความตองการทเกบรวบรวมไวในอดต (Historical Data) รวมทงขอมลทเกยวของอน ๆ เพอใชในการพยากรณ โดยจะจ าแนกวธการพยากรณออกเปน 2 วธใหญ ๆ คอ

1. การพยากรณดวยเทคนคอนกรมเวลา (Time Series Forecasting) ซงจะมขอสมมตทวา คาพยากรณทเกดขนจะขนกบขอมลทผานมาในอดต ดงนนวธการนจงจะใชเฉพาะขอมลเชงปรมาณทเกบรวบรวมไวในอดตมาพยากรณ

2. การพยากรณเชงสาเหต (Causal or Associating Forecasting) จะสมมตวาปจจยอน ๆ ตงแต 1 ตวแปรขนไป (ตวแปรอสระ) มความสมพนธกบปรมาณความตองการ ซงจะน าเขามาใชในตวแทนทจะพยากรณความตองการในอนาคต เนองจากการพยากรณเชงปรมาณนนขนกบขอมลในอดต

ดงนนคาการพยากรณจะมความเชอถอลดลงเมอระยะเวลาการพยากรณเพมขน ดงนนหากองคกรใดตองการทจะพยากรณในระยะยาว ควรจะน าเอาการพยากรณทงเชงปรมาณและคณภาพเขามารวมวเคราะห การวเคราะหการพยากรณดวยเทคนคอนกรมเวลา (Time Series Forecasting)

การพยากรณโดยใชรปแบบอนกรมเวลาจะเปนการพยากรณขอมลในอนาคตจากขอมลในอดตเทานน ตวแปรอนๆจะไมน ามาพจารณา ซงรปแบบของขอมล (Data Pattern) มเทคนคการ พยากรณหลายรปแบบ แตโดยปกตขอมลจะแบงได 5 รปแบบ ดงน

1. รปแบบคงท (Constant): ความตองการไมเปลยนไปตามเวลา

ภาพประกอบท 6 เทคนคการพยากรณรปแบบคงท

16

2. รปแบบมแนวโนม (Trend): ความตองการเปลยนไปอยางมทศทาง

ภาพประกอบท 7 เทคนคการพยากรณรปแบบแนวโนม

3. รปแบบฤดกาล (Seasonal): ขอมลมการเคลอนไหวขน ๆ ลง ๆ ตามต าแหนงของเวลา (จดเวลา) โดยชวงเวลาจะเปนชวงสนๆ เชน รายเดอน รายไตรมาส เปนตน

ภาพประกอบท 8 เทคนคการพยากรณรปแบบฤดกาล

4. รปแบบวฏจกร (Cyclical): ขอมลมการเคลอนไหวขนๆ ลงๆ ตามชวงเวลาทแนนอน ขอมลทเกบโดยมากจะเปนรายป และเกบเปนระยะเวลาทยาว

ภาพประกอบท 9 เทคนคการพยากรณรปแบบวฏจกร

17

5. รปแบบสมหรอไมแนนอน (Random, Irregular): ขอมลมลกษณะการเคลอนไหว อสระจากเวลา

ภาพประกอบท 10 เทคนคการพยากรณรปแบบสมหรอไมแนนอน

การพยากรณโดยวธการหาคาเฉลยเคลอนท (Moving averages) เปนวธการพยากรณชนดหนงซงเปนอนกรมเวลาโดยแตละจดของคาเฉลยทเปลยนไปกคอ

คาทางคณตศาสตรหรอคาเฉลยของหลาย ๆ คา ทมความตอเนองกนจงเปนความถทใชประโยชนในการขายสนคารายการตาง ๆ ตามชวงเวลาส น ๆ เชน 12 เดอน กจะมคาเฉลยเคลอนทไปเรอย ๆ สมมตวาความตองการตลาดคงท คาเฉลยเคลอนท (Moving averages) ในชวง 4 เดอน จะหาไดงาย โดยการรวมความตองการในชวง 4 เดอนทผานมา หารดวย 4 เมอเวลาผานไปกน าขอมลของเดอนปจจบนทสดบวกเพมเขาไปกบ 3 เดอนกอนหนา แลวทงเดอนกอนหนาทสดออกไปท าเชนนเรอยไป การกระท าเชนนขอมลจะมแนวโนมทจะมการเคลอนไหวในระยะสน ๆ การค านวณจะไดดงสมการดงน

1tY = q

)YYYY( 1qt2t1tt

โดยท 1tY = คาพยากรณในชวงเวลา t+1 tY = คาขอมลในชวงเวลาปจจบน (t) q = จ านวนขอมลทใชในการเฉลย

คาสงเกตของขอมลทกครงจะตองถวงน าหนกเทาๆ กน ขณะใดทเพมขอมลใหมเขาไปในคาเฉลยจะตองตดขอมลตวแรกสดในอดตออกไปเพอใหจ านวนขอมลเทาเดม ดงนนคาเฉลยเคลอนทในชวงเวลา q จ านวนนบของขอมลจงไมมการเปลยนแปลง แบบจ าลองคาเฉลยเคลอนทจงอาจจะไมเหมาะสมส าหรบใชในการพยากรณขอมลมมแนวโนมและฤดกาล แมวาคาเฉลยเคลอนทจะเปนวธการทดกวาการหาคาเฉลยอยางงายกตาม

18

การเฉลยแบบเคลอนทค (Double Moving Average) ส าหรบการพยากรณขอมลอนกรมเวลาทมแนวโนมเชงเสนตรง เราสามารถวธการเฉลย

เคลอนทค ซงกคอการน าเอาขอมลคาเฉลยเคลอนท แลวน าคาดงกลาวมาเฉลยเคลอนทตอเนองจากขอมลชดแรก ซงมขนตอนและสมการทใชในการค านวณดงน

1) หาคาเฉลยเคลอนท ( tM ) โดยใชสมการ

tM = 1tY = q

YYYY qtttt )( 121

2) ค านวณคาเฉลยเคลอนทในระดบท 2 (Double Moving Average: tM )

tM = q

)MMMM( 1qt2t1tt

3) ค านวณผลตางของคาเฉลยเคลอนททงสองระดบ เพอน ามาบวกกบอนกรมเวลาขนท 2 (คา )

= tt MM2 หรอ )MM(M ttt

4) ค านวณความลาดชน (slope) ของอนกรมเวลา ( )

= )MM(1q

2tt

5) สมการทใชในการพยากรณขอมลในชวงเวลา p คอ

ptY = p โดยท p = จ านวนชวงเวลาในอนาคตทจะพยากรณ q = จ านวนขอมลทใชในการเฉลยเคลอนท tY = ขอมลในปจจบน (ชวงเวลา t)

วธหาคาเฉลยเคลอนทแบบถวงน าหนก (Weighted Moving Average) จากเทคนคคาเฉลยเคลอนทแบบงาย จะใหน าหนกขอมลในอดตเทา ๆ กนทกงวดเพอ

พยากรณในอนาคต เทคนคคาถวเฉลยเคลอนทแบบถวงน าหนก จะมการใหน าหนกขอมลในอดตไม เทากน

โดยใหมน าหนกเปน W1 W2 W3 ซงผลรวมของน าหนกทใหจะตองมคาเทากบ 1 [∑ 𝑊𝑖𝑛

𝑖=1 = 1] Ft+1 = W1 Xt + W1 Xt-1 + … + Wn Xt-n+1

จะเหนวาขอมลในวนท 10 จะมคาถวงน าหนกเทากบ 10/55 ซงมากกวาขอมลในวนท 1 ซงมคาถวงน าหนกเทากบ 1/55 การถวงน าหนกขอมลลาสดมากกวาขอมลเกาๆในอดตน ท าให WMA เคลอนไหวไดรวดเรวใกลเคยงกบราคาปจจบนมากขน

19

วธคาเฉลยถวงน าหนก (Exponential Moving Average) วธนเปนอกรปแบบหนงของการหาคาเฉลยถวงน าหนก โดยการใหความส าคญกบคาตว

หนงทมผลตอการเปลยนแปลงของราคา และถวงน าหนกใหคาสดทายมความส าคญเพมขน วธนไมไดใหความส าคญของเวลาในการวเคราะห ราคาทกราคาจะมผลตอคาของ EMA แมวาราคาลาสดจะมความส าคญมากทสดกตาม ซงวธนเปนการพยายามแกไขขอบกพรองทเกดขนจากวธ SMA กลาวคอ EMA นน จะถวงน าหนกโดยใหความส าคญกบวนสดทายมากทสด และจะเอาคาทก ๆ คามาหาคาเฉลย โดยจะไมทงขอมลเกาทผานมา ซงจะท าใหคาทกคาสะทอนใหเหนการเปลยนแปลงของราคา หลกการค านวณ คอ

คาเฉลยเคลอนทอน ๆ ใหความส าคญตอคาบเวลา แต EMA จะใหความส าคญกบคาตวหนงทเรยกวา SMOOTHING FACTOR (SF) หรอ SMOOTHING CONSTANT โดยท SF = 2/ (n 1) ซงวธการสราง EMA มสตรการค านวณคอ EMA = EMAt-1 SF (Pt - EMAt-1) ซงเมอ EMAt คอ คาของ Exponential Moving Average ณ เวลาปจจบน

EMAt-1 คอ คาของ Exponential Moving Average เปนคาบเวลากอนหนา SF คอ คาของ Smoothing Factor = 2/ (n 1)

Pt คอ ราคาปจจบน n คอ จ านวนวน

โดยเสนคาเฉลยทนยมใชกนทวไปมดงน EMA5 คอ 5 วน (1 สปดาห) ใชส าหรบการลงทนระยะสน EMA10 คอ 10 วน (2 สปดาห) ใชส าหรบการลงทนระยะสน EMA25 คอ 25 วน (ประมาณ 1 เดอน) ใชส าหรบการลงทนระยะคอนขางปานกลาง EMA75 คอ 75 วน (ประมาณ 1 ไตรมาส) ใชส าหรบการลงทนระยะกลาง EMA200 คอ 200 วน (ประมาณ 1 ป) ใชส าหรบการลงทนระยะยาว

การใชงานโดยปรบใหราคาเรยบ (Smooth) และ ใชบอกแนวโนม (Trend) ของตลาดในอดตทเกดขน แตไมสามารถใชคาดการณทศทางของยอดขายไดเพราะ คาเฉลยเคลอนทนนตองใชขอมลในอดตในการสรางนนเอง

ความวองไวของคาเฉลยเคลอนทหากคาเฉลยเคลอนท ถายงใชจ านวนวนทมากขน จะสงผลท าใหการเปลยนแปลงของแนวโนมนนชาลงไปดวย เชน ความวองไว EMA (5) > EMA (20) > EMA (50) เปนตน

20

วธ (Cantered Moving Average) ค านวณคาเฉลยเคลอนท (Centered Moving Average; CMAt) แบบสไตรมาสส าหรบขอมล

อนกรมเวลาทเปนรายไตรมาส และแบบ 12 เดอนส าหรบขอมลอนกรมเวลาทเปนรายเดอน มสตรดงน ส าหรบขอมลทเปนรายไตรมาส

MAt = (Yt-2 + Yt-1 + Yt+ Yt+1)/4

วธปรบใหเรยบแบบเอกซโพเนนเชยลแบบงาย (Single Exponential Smoothing Method) เปนการหาคาเฉลยเคลอนทแบบถวงน าหนกทจดคาพยากรณออกมาในรปการใชสมการ

ค านวณ ซงจะใชขอมลเรมตนคาเดยวและถวงน าหนกโดยใชสมประสทธเชงเรยบ ทมคาอยระหวาง 0 ถง 1.00 คาเฉลยเอกซโปแนนเชยล

(Ft) = Ft-1 + a(At-1 – Ft-1) หรอ = a+ At-1(1 -a) Ft-1 โดยท Ft-1 เปนคาพยากรณในชวงเวลากอนการพยากรณ 1 ชวง

At เปนคาจรงในชวงเวลากอนการพยากรณ α คาคงทในการปรบเรยบ (Smoothing Constant) Ft คาพยากรณในชวงเวลา t Ft+1 คาพยากรณในชวง t+1

การค านวณคาเอกซโปเนนเชยล จะก าหนดใหคาพยากรณคาแรกเทากบคาจรงของชวงเวลากอนหนานน 1 ชวง (ซงกคอการใชหลกการเดยวกบการพยากรณอยางงายนนเอง) จะเหนไดวาการหาคาเฉลยเอกซโปเนนเชยลใชขอมลนอยกวา และไดคาพยากรณเรวกวาการหาคาเฉลยเคลอนท แตไดคาพยากรณทแมนย าเทากบคาเฉลยเคลอนทถวงน าหนก

คาคงทส าหรบปรบเรยบ (Smoothing constant) หรอ a ใชในการใหน าหนกแกปจจย คาทแทจรงของ a จะก าหนดคาสงเกตในปจจบนซงจะมอทธพลในการพยากรณอนาคต ถาคา a เขาใกล 1 การพยากรณใหมจะรวมกนปรบเปลยน ส าหรบความผดพลาดทเกดจากการพยากรณทผานมา ในทาง

การปรบเรยบดวยการปรบแนวโนมตามวธของ Holt (Exponential smoothing Adjusted for

Trend: Holt’s Method) ส าหรบขอมลทมการเปลยนแปลงเพยงเลกนอยจะมการปรบเรยบ โดย Exponential ในบาง

สถานการณ ขอมลมแนวโนมเพมขน ซงการเคลอนไหวของขอมลในลกษณะดงกลาวการใชฟงชนการพยากรณแบบแนวโนมเสนตรงจะมความเหมาะสมมากกวา ดงนน Holt (1957) จงไดพฒนาเทคนคการพยากรณวธ Exponential smoothing ทเรยกวา Holt , s two-parameter method โดยมการพฒนาแนวโนมเสนตรงในอนกรมเวลา ซงเทคนคของ Holt จะปรบระดบความลาดชนโดยตรงดวยการใช

21

คาปรบคงท (smoothing constant) ของแตละชวงเวลาตางกน คาปรบคงทเหลานจะประมาณการระดบ และความลาดชนตลอดเวลาเมอมคาสงเกตใหม ดงนนจดเดนของเทคนค Holt คอ มความคลองตวในการเลอกอตราระดบ และแนวโนมอยในชวงนน ส าหรบแบบจ าลองของ Holt ม 3 สมการ ดงน

1. การประมาณอนกรม Exponential smoothing หรอระดบปจจบน

tL = )TL)(a1(aY 1t1tt 2. การประมาณการแนวโนม

tT = 1t1tt T)1()LL( 3. การพยากรณชวงเวลา p ในอนาคต

ptY = tt pTL โดยท tL = มลคาใหมทปรบเรยบรอย A = คาปรบคงทส าหรบขอมล )1a0( tY = คาสงเกตใหมหรอคาจรงของอนกรมในชวงเวลา t = คาปรบคงทส าหรบการประมาณแนวโนม )10( T = การประมาณการแนวโนม P = ชวงเวลาทพยากรณในอนาคต ptY = การพยากรณส าหรบชวงเวลา p ในอนาคต

การประมาณแนวโนมค านวณจากความแตกตางระหวางมลคา ทค านวณไดจาก Exponential smoothing )LL( 1tt และคาทไดจากการสม ความแตกตางของคาท งสองจงมแนวโนม

การปรบเรยบดวยการปรบแนวโนมและฤดกาลตามวธของ Winters (Exponential smoothing Adjusted for Trend and Seasonal Variation: Winter’s Model) กรณทแบบจ าลองมฤดกาลเขามาเกยวของนนการใชวธการตามแบบของ Holt อาจจะท าใหเกดขอผดพลาดได ดงนน Winters จงไดขยายแบบจ าลองของ Holt เพมเตมเพอลดความผดพลาดในการพยากรณโดยการสรางแบบจ าลองแบบใหม ทเรยกวา three-parameter linear and seasonal exponential smoothing model Winters ซงเพมสมการใหมเขาไปเพอประมาณการฤดกาล โดยจะเนนดชนฤดกาล ( tY /L t ) การทใชคา tL ไปหาร tY เพอตองการแสดงผลทเปนคาดชนมากกวาจะแสดงคาสมบรณ (Absolute terms) จงปรบดชนฤดกาลชวงเวลา t-s และน าไปหาคาเฉลย ส าหรบแบบจ าลองของ Winters (Multiplicative) ม 4 สมการ ดงน 1. การประมาณอนกรม Exponential ทปรบแลว

tL = )TL)(a1(S

Ya 1t1t

st

t

22

2. การประมาณการแนวโนม

tT = 1t1tt T)1()LL( 3. การประมาณการฤดกาล

tS = st

t

t S)r1(L

Yr

4. การพยากรณชวงเวลา t+p ในอนาคต

ptY = psttt S)pTL( โดยท tL = คาปรบใหมหรอคาประมาณการณปจจบน

a = คาปรบคงทส าหรบระดบ )1a0( Yt = คาสงเกตใหมหรอคาทแทจรงในชวงเวลา t

= คาปรบคงทส าหรบการประมาณแนวโนม )10( T = การประมาณแนวโนม r = คาปรบคงทส าหรบการประมาณการฤดกาล

tS = การประมาณฤดกาล P = ชวงเวลาการพยากรณในอดต S = ชวงความยาวของฤดกาล

ptY = การพยากรณชวงเวลา t+p ในอนาคต การปรบอนกรมใหเรยบในชวงเวลาปจจบน (Update) ดวย tL จะท าให tL ทไดแตกตาง

จากคา tL ในแบบจ าลองของ Holt นอกจากนน การทคา stt S/Y เปนปรบฤดกาลออกจากขอมล

tY หลงจากการปรบประมาณการแนวโนม ( tT ) และการประมาณฤดกาล ( tS ) แลว จงท าการพยากรณหาคา ptY โดยชวงเวลาในอดต คอ t+p จะตองคณดวย pstS หรอดชนฤดกาล (seasonal index) เพอน าไปปรบการพยากรณทมฤดกาล ส าหรบแบบจ าลองของ Winters จะใชคา a, และ r ซงเปนคาคงทในการปรบเรยบเพอลดคาความคลาดเคลอนจากการพยากรณใหต าทสด มขนตอนดงน ขนตอนแรก

การค านวณเรมจากการปรบใหคาประมาณล าดบทหนงทไดปรบเรยบแลว ใหมคาเทากบคาสงเกตล าดบทหนง )YL( 1t ซงจะประมาณการไดวาแนวโนมจะเปนศนย (T=0) และดชนฤดกาลเทากบหนง )0.1S( 1

23

ขนตอนทสอง น าคาเฉลยของฤดกาลล าดบทหนงหรอคาสงเกต s ครง (ชวงความยาวของฤดกาล) เพอใช

เปนคาปรบเรยบขนตน เสนแนวโนมจะประมาณการความลาดชน (slope) ทเหมาะสมกบคาสงเกต (observation) ดชนฤดกาลคอ

tS = s

t

L

Y

การวเคราะหสมการถดถอย (Simple Linear Regression Analysis)

เปนการวเคราะหการถดถอยของตวแปรอสระ 1 ตวและตวแปรตาม 1 ตวโดยตวแปรทงสองมความสมพนธเชงเสนตรงกนอาจเปนความสมพนธตามกน หรอผกผนกไดรปแบบการวเคราะหนเปนรปแบบพนฐานทงายทสดของการวเคราะหการถดถอยโดยมตวแบบการถดถอยคอ

การวเคราะหความสมพนธระหวางตวแปร 2 ตว ประกอบดวยตวแปรอสระ (X) และตวแปรตาม (Y) สมการถดถอยอยในรปเสนตรง คอ

Y^ = a + bX

โดยท Y^ คอ คา Y ประมาณได A คอคาคงท เปนคาของ เมอ X เปน 0 (Y-Intercept) b คอความชน (Slope) หรอคา ทเปลยนแปลงไปเมอ X เปลยนแปลงไป 1 หนวย ซง

คาของ b มคาเปนไดทง บวก และ ลบ สตรส าหรบการวเคราะห Simple Regression 1. ค านวณคา Sum of Square ของตวแปร

Sxx = ∑ 𝑥𝑖2 −

(∑ 𝑋𝑖)2

𝑛

Syy = ∑ 𝑦𝑖2 −

(∑ 𝑦𝑖)2

𝑛

Sxy = ∑ 𝑥𝑦 −∑ 𝑥 ∑ 𝑦

𝑛

การวเคราะห Simple Linear Regression มขนตอนดงน 2. ค านวณคาของ a และ b ดงน เรยกวา Regression Coefficient

b = ∑ 𝑥𝑦−

∑ 𝑥 ∑ 𝑦

𝑛

∑ 𝑥2− (∑ 𝑥)2

𝑛

a = �� − 𝑏��

24

วธ Box-Jenkins ดวยแบบจ าลอง ARIMA การพยากรณดวยวธ Box-Jenkins ซงพฒนาขนโดย Box and Jenkins (1976) จะอาศย

แบบจ าลอง ARIMA (Autoregressive Integrated Moving Average) ทเปนขอมลอนกรมเวลาตวแปรเดยวในอดตจนกระทงปจจบน เพอพยากรณขอมลในอนาคต โดยจะครอบคลมผลลพธทรวมเอาอนกรมเวลาทเปนฤดกาลรวมถงกระบวนการหรอระบบทไมนงดวย (non-stationary process (ARIMA) ทงนกระบวนการการวเคราะหประกอบดวย 1) การบงช (Identification)

เนองจากขอมลอนกรมเวลาสวนใหญจะมลกษณะทไมนง (Non-stationary) ในขณะทลกษณะของ Autoregressive (AR) และ Moving Average (MA) ของแบบจ าลอง ARIMA เปนขอมลอนกรมเวลาทมลกษณะนง (stationary) ดงนนจงมความจ าเปนอยางยงทในการวเคราะหขอมลนนเราจะตองท าขอมลดงกลาวใหมความนงเสยกอน ซงขอมลอนกรมเวลาทมลกษณะนงจะตอง (1) คาเฉลย (mean) (2) คาความแปรปรวน (variance) และ (3) คาความแปรปรวนรวม (covariance) มคาคงท โดยการน าขอมลอนกรมเวลามาหาระดบผลตาง (Difference) ถาสมมตใหสมการอยางงาย คอ tY = t1tY

ผลตางอนดบท 1 (First Difference) '

tY = t1tt YY หรอ '

tY = ttY ผลตางอนดบท 2 (Second-order Difference) ''

tY = t

'

1t

'

t YY หรอ ''

tY = t

'

tY

การพยากรณนาอฟ (Naïve Forecast) นาอฟ เปนวธการพยากรณอยางงายทมขอสมมตวาขอมลในชวงเวลาปจจบนเปนคา

พยากรณทดทสดของชวงเวลาถดไปในอนาคต โดยวธไหนยงแบงเปนวธ นาอฟ ล าดบแรก (First naïve) วธนาอฟ ส าหรบขอมลแนวโนม (Naive for seasonal series) และวธนาอฟส าหรบขอมลแนวโนมและฤดกาล (Naive for trend and seasonal series)

- วธนาอฟ ล าดบแรก (First naïve) สามารถพยากรณไดตามสมการ Ft+1 = At

โดยท At เปนขอมลจรงนะเวลา t Ft+1 เปนคาพยากรณ 1 ชวงเวลาลวงหนาหรอ ณ เวลา t+1 จากสมการดงกลาวถาตองการหาคาพยากรณในชวงเวลาปจจบนคาพยากรณในชวงเวลา

ปจจบนจะเทากบคาจรงในชวงเวลากอน หรอ Ft = At+1

25

วธนาอฟ ส าหรบขอมลแนวโนม (Naive for seasonal series) Ft+1 = At + (At - At-1)

วธนาอฟส าหรบขอมลแนวโนมและฤดกาล (Naive for trend and seasonal series) ถาขอมลเปนไตรมาส Ft+1 = At-3 ถาขอมลเปนไตรมาส Ft+1 = At-11

วธแยกสวนประกอบ (Decomposition Method) สวนประกอบของขอมลอนกรมเวลา คอสาเหตของการแปรผนแบบตางๆ ในขอมลอนกรม

เวลา ซงสามารถแยกสวนประกอบของขอมลอนกรมเวลาออกไดเปน 4 สวนดวยกน คอ แนวโนม (trend component : T) วฏจกร (cyclical component : C) ฤดกาล (seasonal component : S) และสงทผดปกต (irregular component : I) เชน การใชวธการแยกสวนองคประกอบวเคราะหขอมลยอดขายสนคา ราคาสนคา และความตองการสนคา เปนตน การค านวณคาแนวโนมและคาฤดกาล สามารถใชขอมลในอดตมาค านวณคาเพอพยากรณขอมลในอนาคตได สวนคาวฏจกรผพยากรณจะตองศกษาถงดชนทางเศรษฐกจเพอคาดการณสภาพทางเศรษฐกจในอนาคตประกอบ สวนคาเหตการณผดปกตเปนคาทคาดการณไดยาก อยางไรกตามหากผพยากรณสามารถวเคราะหสภาพทางเศรษฐกจไดอยางใกลเคยง วธนจะเปนวธพยากรณทมความถกตองมากวธหนง โดยหลงจากทผพยากรณจ าแนกสวนประกอบของขอมลทง 4 ไดแลว กจะน าสวนประกอบทง 4 ตวมาคณกลบเพอเปนคาพยากรณในอนาคตซงมสมการดงน

การพยากรณดวยวธนจะท าการแยกสวนประกอบของอนกรมเวลาออกเปนสวนๆ ดงน คาแนวโนม (Trend)ความผนแปรตามฤดกาล (Seasonal Variation) ความผนแปรตามวฎจกร (Cyclical Variation) ความผนแปรเนองจากเหตการณทผดปกต (Irregular Variation) โดยวธแยกสวนประกอบส าหรบตวแบบการคณของขอมลอนกรมเวลา มขนตอนดงน

1. ค านวณคาเฉลยเคลอนท (Centered Moving Average; t CMA ) แบบสไตรมาสส าหรบขอมลอนกรมเวลาทเปนรายไตรมาส และแบบ 12 เดอนส าหรบขอมลอนกรมเวลาทเปนรายเดอน มสตรดงนส าหรบขอมลทเปนรายไตรมาส

MAt = (Yt-2 + Yt-1 + Yt+ Yt+1)/4 ส าหรบขอมลทเปนรายเดอน

MAt = (Yt-6 + Yt-5 + ... + Yt + Yt+1 + ... + Yt+4 + Yt+5)/12 CMAt = (MAt + MAt+1)/2

2. จดคาเฉลยเคลอนทใหอยกงกลางตามจ านวนคาบเวลา 3. ค านวณหาคาฤดกาลและปจจยเนองจากเหตการณทผดปกต ณ คาบเวลา t หาไดโดย

St It = Yt /CMAt

26

4. หาคาเฉลยของฤดกาล 5. ปรบคาฤดกาล 6. ถอดฤดกาลออกจากขอมลอนกรมเวลา 7. หาคา Trend Line ของขอมลอนกรมเวลาทไมมฤดกาล 8. ค านวณหาคาขอมลของชวงเวลาทท าการพยากรณ 9. ใสคา Seasonal กลบเขาไปในขอมลทพยากรณไดในขอ h) ตามชวงเวลาทพยากรณ

เกณฑการพจารณาคาพยากรณทเหมาะสม

ในการพจารณาแบบจ าลองทเหมาะสมในการพยากรณนน เราสามารถพจารณาความแตกตางระหวางคาทแทจรงกบคาพยากรณ หรอทเราเรยกวา “คาความคลาดเคลอน (residuals)” ซงมรปแบบสมการดงน

te = tt YY โดยท te = ความคลาดเคลอนจากการพยากรณในชวงเวลา t tY = คาของขอมลจรงในชวงเวลา t tY = คาทพยากรณในชวงเวลา t

1) คาความคลาดเคลอนทแทจรงเฉลย (Mean Absolute Deviation: MAD) ซงสามารถใชวดความแมนย าของคาพยากรณ โดยการเฉลยคาความผดพลาดของคาพยากรณ ซงจะมประโยชนมากส าหรบส าหรบการวเคราะหทตองการวดความผดพลาดในหนวยเดยวกนกบขอมลอนกรมเวลาเดม มรปแบบสมการในการพจารณาดงน

MAD = ∑ คาจรง – คาพยากรณ n

2) คาเฉลยความคลาดเคลอนก าลงสอง (Mean square error – MSE) วธนเปนการน าเอาคาความแตกตางระหวางคาทเกดขนจรงและคาทพยากรณยกก าลง

MSE = ∑ (คาจรง – คาพยากรณ)2

n 3) Mean Absolute Percentage Error (MAPE) ซงสามารถหาไดจากน าคาความผดพลาดทแทจรง

ในแตละชวงเวลาหารดวยขอมลจรงในชวงเวลานน และเฉลยความผดพลาดทแทจรงเปนรอยละ ซงมรปแบบสมการในการพจารณาดงน

MAPE = ∑(คาทเกดขนจรง – คาพยากรณ)x100% คาทเกดขนจรง

n

27

ทงน คาเฉลยเปอรเซนตความคลาดเคลอน (Mean absolute percent error – MAPE)ปญหาการหาคาทง MAD และ MSE คอ หากคาของขอมลมคามากจะท าใหคาของ MAD และ MSE มคามากไปดวย เพอแกปญหาดงกลาว จงมการใชคา MAPE แทน งานวจยทเกยวของ

กรณ ศรจตร (2555) ปญหาพเศษนมวตถประสงคเพอพฒนาระบบพยากรณยอดสงซอสนคาเพอเปนเครองมอ ชวยสนบสนนการตดสนใจในการวางแผนการสงซอสนคา กรณศกษา บรษทสขภณฑ เซนเตอรกรป จ ากด โดยการวเคราะหหาสมการถดถอยอยางงายจากขอมลยอดขายและขอมลสงซอสนคายอนหลงสป จากนนระบบน าสมการถดถอยอยางงายนมาใชเปนตวแบบพยากรณยอดสงซอสนคาในปตอ ๆ ไป ผลการประเมนความแมนย าในการพยากรณของระบบพบวา ระบบสามารถพยากรณยอดสงซอสนคาโดยมคา MAPE (Mean Absolute Percentage Error) รายปคอ 18.4 % รายเดอนคอ 15.8% และ รายวนอยท 13.2%

ผลการประเมนความพงพอใจตอระบบพบวา คะแนนความพงพอใจของผ เชยวชาญมคาเฉลยเทากบ 4.23 และสวนเบยงเบนมาตรฐานมคาเทากบ 0.58 คะแนนความพงพอใจของผใชงานมคาเฉลยเทากบ 4.15 และสวนเบยงเบนมาตรฐานมคาเทากบ 0.65 สรปไดวาผเชยวชาญและผใชงานมความพงพอใจตอระบบในระดบด

ชยรตน อตตวนช,และธนญญา วสศร (2546) การผลตกระจกดบทเปนกระจกสชาด ามการผลตเพยงปละครงดวยเหตผลวากระจกสดงกลาวมยอดขายไมสง ประกอบกบมคาใชจายในการปรบเปลยนกระบวนการผลต ทสงมาก เปนสาเหตใหการวางแผนการผลตของกระจกบานเกลดนนตองมการวางแผนลวงหนาในการส ารองกระจกดบเปนเวลา 1 ปใหเพยงพอกอนทจะถงการผลตรอบตอไป การวจยครงนไดน าเทคนคการพยากรณความตองการทจะเกดขนในอก 1 ปขางหนา โดยใชเกณฑการคดเลอกความเหมาะสมทางสถตและตววดความแมนย าของวธการพยากรณ เมอไดตวแบบจากการพยากรณทเหมาะสมแลวจะไดน ามาท าการประเมนกระจกดบคงคลง ทตองมการเกบไวส าหรบผลตตามระดบบรการทตงไวผลการวจยพบวาขอมลความตองการในอดตมลกษณะเปนแนวโนมฤดกาลโดยตวแบบส าหรบกระจกขนาดเลกทเหมาะสมคอตวแบบของวธ ARIMA ขนาดกลางคอตวแบบของวธวนเตอรและขนาดใหญเหมาะสมกบตวแบบของวธแยกองคประกอบ จากการค านวณสรปไดวากระจกดบจะตองมการส ารองเพมขน 10.3%

28

นตยา วงศระวง (2556) เนองจากในปจจบนสภาพเศรษฐกจมการแขงขนสงจงจ าเปนตองแกไขจดออนท บรษทมอยเพอเพมประสทธภาพในการแขงขน ซงจดออนของบรษทคอใชเพยงประสบการณการท างานเทานน ไมมการน าเอาขอมลการขายในอดตมาใชวเคราะหทางดานสถต ท าใหในบางเดอนโรงงานสงผลตสนคามากเกนกวาความตองการจรงของลกคา เพอใชในการพยากรณปรมาณการผลตสนคาใหไดใกลเคยงกบความตองการของลกคามากทสด การแกไขปญหาดงกลาว เพอใชเปนระบบสนบสนนการตดสนใจการพยากรณการผลตสนคา จงท าการวเคราะหการหาปรมาณการผลตสนคาใหมระดบเหมาะสม โดยเกบขอมลตงแตป พ.ศ. 2550 ถง ป พ.ศ. 2553 จากบรษทตวอยางน ามาวเคราะหขอมลโดยวธการพยากรณโดยวธการหาคาเฉลยเคลอนท,การพยากรณโดยวธการหาคาเฉลยเคลอนทแบบถวงน าหนก,การพยากรณโดยวธการปรบเรยบแบบเอกซโพเนนเชยล,การพยากรณโดยวธปรบเรยบแบบดบเบลเอกซโพเนนเชยล,การพยากรณโดยวธวนเตอร,เทคนคการแยกสวน เพอหาตวแบบทเหมาะสมทสดในการพยากรณและค านวณหาปรมาณการผลตทเหมาะสมกบปรมาณความตองการจรง

จกรนทร กลนเงน (2555) งานวจยนมวตถประสงค เพอศกษาวธการควบคมปรมาณสนคาคงคลงในกลมตวอยางธรกจคาสง-คาปลก โดยน าแนวคดการพยากรณมาชวยในการตดสนใจ กอนน าไปวเคราะหเพอหาปรมาณการสงซอทเหมาะสม จากกรณศกษา พบวา บรษทตวอยางมตนทนสนคาคงคลงรวม 57,462,922 บาท จากสนคาทงหมด 69 กลม ในขนตอนแรกไดน าหลกการพาเรโต (Pareto) มาใชในการแยกกลมสนคาทมผลกระทบหลกตอบรษทตวอยาง ไดสนคาจ านวน 21 กลม คดเปนมลคาสนคาคงคลง 45,970,337 บาท จากนนน าสนคากลมดงกลาวมาท าการพยากรณปรมาณความตองการในอนาคตดวยวธการพยากรณแบบตางๆ เพอน าไปวเคราะหหาปรมาณสนคาคงคลงทปลอดภย และปรมาณการสงซอสนคาทเหมาะสม สดทายท าการเปรยบเทยบมลคาสนคาคงคลงดวยการสงซอแบบเดมกบการวเคราะหจากปรมาณการสงซอสนคาทเหมาะสม พบวามลคาสนคาคงคลงจากการค านวณปรมาณการสงซอทเหมาะสมมมลคา 36,111,499.70 บาท วธการสงซอแบบเดมทมมลคา 44,888,594.55 บาท ดงนน มลคาสนคาคงคลงลดลงจากเดม 8,777,094.85 บาท คดเปนสดสวนทลดลงรอยละ 19.55 คาหลก การพยากรณ การควบคมสนคาคงคลง ธรกจคาสง-คาปลก

กนกกาญจน มลผาลา (2557) ในธรกจทกประเภท การพยากรณถอเปนพนฐานในการวางแผนและการตดสนใจตางๆ เพอคาดการณปรมาณความตองการสนคาของลกคาทมการเปลยนแปลงตลอดเวลา ซงการพยากรณทมความแมนย าสงและเหมาะประเภทของสนคา จะชวยลดระดบการลงทนในสนคาคงคลง ลดการเปลยนแปลงในกระบวนการผลต ลดระดบการลงทนในก าลงการผลต รวมถงชวยใหสามารถขนสงสนคาไดทนตามความตองการของลกคาการศกษางานวจยครงนเปนการศกษาเทคนคการพยากรณยอดขายสนคาอปโภคทเหมาะสมของบรษทเอกชน

29

แหงหนงตงแตเดอนมกราคม 2555 ถงเดอนธนวาคม 2556 จากการศกษาขอมลของบรษทพบวาบรษทใชวธถวเฉลยเคลอนท (Moving Average) ในพยากรณยอดขายสนคาทกประเภทและวดคาความคลาดเคลอนของการพยากรณโดยใชคาเฉลยเปอรเซนตความคลาดเคลอนสมบรณ (Mean Absolute Percentage Error: MAPE) พบวาเกดคาความคลาดเคลอน (error) สง งานวจยนจงไดท าการปรบปรงและเลอกเทคนคพยากรณยอดขายสนคาใหม โดยใชเทคนคการพยากรณเชงปรมาณโดยวธอนกรมเวลา (Time Series) ซงประกอบไปดวย การพยากรณแบบแยกสวนประกอบ (Decomposition Method), การพยากรณโดยวธถวเฉลยเคลอนท (Moving Average Method), การพยากรณโดยวธการปรบเรยบเอกซโพเนนเชยล (Exponential Smoothing Method) และการพยากรณโดยแบบจ าลอง Autoregressive Integrated Moving Average Model (ARIMA) ในการวเคราะหและเลอกเทคนคการพยากรณทเหมาะสมแกสนคาแตละประเภท และใชโปรแกรมมนแทบ (Minitab) เปนเครองมอชวยในการวเคราะห และท าการวดผลโดยการวดคาความคลาดเคลอนของการพยากรณ โดยใชคาเฉลยเปอรเซนตความคลาดเคลอนสมบรณ (Mean Absolute Percentage Error: MAPE) ผลการวจยพบวามสนคาจ านวน 73 รายการ จากทงหมด 137 รายการ ทเหมาะสมกบเทคนคการพยากรณโดยวธถวเฉลยเคลอนท และมสนคาจ านวน 64 รายการ ทควรปรบปรงเทคนคทใชในการพยากรณยอดขาย จากนนท าการพยากรณยอดขายสนคาในชวงเดอนมกราคม ถง มนาคม 2557 ดวยเทคนคการพยากรณหลงการปรบปรง เปรยบเทยบกบยอดขายทเกดขนจรง ณ เดอนนนๆ พบวาคาความคลาดเคลอนจากการพยากรณลดลงถง 11% เมอเปรยบเทยบกบการใชเทคนคการพยากรณวธถวเฉลยเคลอนท โดยทสนคาของบรษทกรณศกษาสวนใหญเหมาะกบเทคนคการพยากรณแบบแยกสวนประกอบ (Decomposition Method) และจากผลการพยากรณทมความแมนย ามากขนยงเปนประโยชนตอการปรบปรงและพฒนากระบวนการท างาน ทงดานการลดตนทนในการจดเกบสนคา การเพมประโยชนจากการใชพนทคลงสนคาใหเกดประสทธภาพมากขน การลดตนทนคาขนสง รวมถงสามารถน าเทคนคการพยากรณยอดขายสนคาไปประยกตใชกบสนคาอนๆ ของบรษทตอไปในอนาคตไดอกดวย

ศรภค ธนชลนนท (2554) การวจยเรองการเพมประสทธภาพการสงซอเพอการแขงขนทางธรกจ กรณศกษาราน เอนเอสแอร เปนการศกษาเพอเพมประสทธภาพในเรองการสงซอสนคา ใหมปรมาณการสงซอสนคาใหมความเหมาะสม โดยจากการพยากรณการสงซอสนคาจากยอดดมานยอนหลง และท าการหาจดสงซอใหมของสนคา รวมถงการก าหนดระดบของสนคาคงคลงส ารองใหเพยงพอตอความตองการของลกคาในอนาคตวธการศกษาโดยเรมจากการใหทฤษฏ ABC Classification ในการจดกลมสนคา โดยแบงตามสนคาทมปรมาณการขาด แลวหลงจากนนจงน าสนคาเหลานนมาซงจากผลการวเคราะหดวย ABC Classification ท าใหกจการทราบวา สนคารายการใดเปนสนคามปรมาณการขาดของสนคามาก และควรใหความสนใจเปนพเศษเปนการ

30

น าไปสวธแกไขปญหาในเรองการจดซอสนคา โดย การวจยในครงน ไดน าเฉพาะกลมสนคากลม A มาวเคราะหเพราะเมอดจากสดสวนแลว สงเกนครงของมลคาสนคาทงหมด และเนองจาก สนคาของกจการเปนสนคาทมฤดกาล ซงไมสามารถน าวธการพยากรณทวไปมาพยากรณได จงใชวธการพยากรณแบบปรบคาตามฤดกาล และใชวธเอกโปเนนเชยล หาคาอลฟาทใกลเคยงความเปนจรงทสด เพอน ามาพยากรณความตองการสนคา หลงจากนนน าคาพยากรณทไดมาค านวณหาปรมาณการสงซอทประหยด เพอใหไดปรมาณการสงซอทประหยดตอป หลงจากนนน ามาเปรยบเทยบปรมาณการสงซอใหม และปรมาณการสงซอเดม และหลงจากนนน าคาการพยากรณมาท าการหาจดสงซอของสนคาแตละชนด ซงจะท าใหกจการ สามารถลดปรมาณการขาดของสนคาได และท าใหสามารถตอบสนองความตองการของลกคาไดอยากครบถวนซงปญหาของกจการนน เกดจากการขาดการพยากรณสนคา โดยในการพยากรณนนใชวธเอกโปแนนเชยล โดยไดคาอลฟาท 0.9 ซงเปนคาพยากรณทใกลเคยงความเปนจรงทสดและจากการหาปรมาณการสงซอทประหยด พบวา การหาปรมาณการสงซอใหม สามารถลดตนทนในการสงสนคาได 40.71% และอกเรองทส าคญคอ เรองของซพพลายเออร กจการควรมสมพนธทดกบซพพลายเออร เพอใหการสงซอนน เปนไปอยางเหมาะสมกบความตองการสนคาของกจการ

วาสนา เจรญศร (2558) งานนพนธฉบบนมวตถประสงคเพอ ศกษาวเคราะหปรมาณการสงซอทเหมาะสมในการวางแผนการสงซอเพอใหมวตถดบคงคลงทเพยงพอตอการผลต และสามารถตอบสนองความตองการของลกคาไดในกรณทลกคามการเปลยนแปลงยอดการสงซอสนคา โดยการรวบรวมขอมลการใชวตถดบจากการค านวณปรมาณการสงซอสนคาของลกคาในป พ.ศ. 2556 หลงจากนนท าการเลอกวตถดบทน าเขาโดยพจารณาจากวตถดบสามารถใชผลตสนคาสงออกไดหลายลกคาและมยอดการใชสงสดโดยมวตถดบทเกยวของทงสน 261 พารทหมายเลข ซงวตถดบทถกคดเลอกมาใชวเคราะหขอมลส าหรบงานนพนธฉบบน คอ วตถดบพารทหมายเลข 13MB3000 หลงจากนนจงท าการจ าลองการสงซอในป พ.ศ. 2557 โดยการหาปรมาณการสงซอแบบประหยดโดยใชวธการแบบ EOQ จากคาการพยากรณยอดใชวตถดบลวงหนาและขอมลการใชวตถดบในอดต โดยน าผลลพธทไดจากการค านวณทง 2 วธการดงกลาวมาเปรยบเทยบกบการสงซอแบบปจจบนผลลพธทไดจากงานนพนธพบวาปรมาณการสงซอวตถดบโดยวธ EOQ จากคาการพยากรณพบวา ปรมาณการสงซอแตละครงมการปรบเรยบและคงทท า ใหพนกงานจดซอและ ซพพลายเออรสามารถท างานไดสะดวกและงายขน หากพจารณาคาใชจายในการสงซอตอปพบวาลดลง 9,375 บาท คดเปน 12.20% และพจารณาคาใชจายในการเกบรกษาวตถดบกรณสงซอตามจดสงซอใหมมมลคาเพมขน 308,910 บาท คดเปน 56.62% แตท า ใหสามารถลดความเสยงในการขาดแคลนวตถดบในกรณลกคามการเปลยนแปลงการสงซอกะทนหนเมอเปรยบเทยบกบแบบปจจบนซงมขอก าหนดในการจดเกบวตถดบสงสดเพยง 1.5 เดอนตามนโยบายบรษทและผลทไดจากงาน

31

นพนธนสามารถน าเสนอผบรหารระดบสงเพอการพจารณาและก าหนดนโยบายการจดเกบวตถดบในป ถดไป

ทวพงษ กตตกล (2551) งานวจยนมวตถประสงคเพอทจะศกษาการก าหนดปรมาณการส ารองอะไหลสนเปลองหลก 3 ชนด ทใชในงานซอมเครองสบน าของบรษทThe Pumps (Thailand) Co., Ltd. เพอลดปญหาการสงงานลาชาเนองจากการขาดแคลนอะไหลสนเปลองหลกและลดคาใชจายในการจดซอ และจดเกบการศกษาวจยครงนใชการพยากรณความตองการสนคาตอป โดยใชขอมลจากการสงซอยอนหลง 3 ป พบวาวธการพยากรณแบบ Weight Moving Average ใหผลใกลเคยงปรมาณการใชงานจรงมากทสด จากนนใชทฤษฎ Economic Order Quantity แบบ Basic Model ในการค านวณปรมาณการสงซอทเหมาะสม และใชทฤษฎจดสงซอใหม Reorder Point ในการก าหนดปรมาณการส ารองอะไหลอยางเหมาะสมผลทไดจากการวจยในครงนพบวา การส ารองอะไหลสนเปลองหลกเครองสบน าของบรษทThe Pumps (Thailand) Co., Ltd. จะสามารถลดปรมาณการสงงานลาชาแกลกคาในสวนของปญหาเนองจากการขาดแคลนอะไหลสนเปลองหลกไดถง 95% หรอคดเปนปรมาณงานลาชาทลดไดเทากบ 12 งาน หรอสามารถลดปรมาณงานลาชาไดทงสน 28 % ของการสงงานลาชาแกลกคาทงหมด และในดานคาใชจาย สามารถลดคาใชจายรวมในการจดซอและจดเกบอะไหลสนเปลองทง 3 ชนดไดถง 58,197.8 บาท ตอป เมอเทยบกบการใชงานจรงในป พ.ศ. 2551

ก าพล เอกลกษณโพธ (2551) วทยานพนธนมวตถประสงคเพอออกแบบระบบชวยเหลอการตดสนใจ ส าหรบการพยากรณปรมาณความตองการสนคากระดาษคราฟท ปญหาส าคญทพบในโรงงานตวอยางคอ การตดสนใจในการสงผลตสนคา จะใชเพยงประสบการณการท างานเทานน ไมมการน าเอาขอมลการขายในอดตมาใชวเคราะหทางดานสถต ท าใหในบางเดอนโรงงานสงผลตสนคามากเกนกวาความตองการจรงของลกคาเปนจ านวนมาก โดยมสนคาคงคลงตอเดอนประมาณ 18,600 ตนตอเดอนคดเปนตนทนประมาณ 218 ลานบาทตอเดอน สงผลใหโรงงานตองเพมคาใชจายในการเกบรกษาสนคาคงคลง คาจางแรงงานและการเสอมราคาของสนคา งานวจยนจะศกษาเทคนควธการพยากรณ ทมความเหมาะสมกบรปแบบขอมลตางๆ เพอน าไปออกแบบระบบชวยเหลอการตดสนใจ โดยระบบชวยเหลอการตดสนใจสามารถวเคราะหขอมลการขายในอดตและเลอกตวแบบทางสถตทมความเหมาะสมในการตดสนใจและท าใหเกดคาความผดพลาดนอยทสด ผลการเปรยบเทยบตนทนระหวางการพยากรณโดยการใชระบบชวยเหลอการตดสนใจกบการตดสนใจการผลตโดยใชประสบการณในเดอน พฤศจกายน พ.ศ. 2550 แสดงใหเหนวาการพยากรณโดยการใชระบบชวยเหลอการตดสนใจ มคาเสยโอกาสต ากวาประมาณ 131.1 ลานบาท และตนทนทเกดจากการผลตสนคาเกนจากความตองการจรงต ากวาประมาณ 0.6 ลานบาท โดยผวจยเลอกคา

32

พยากรณปรมาณความตองการสนคาจากเกณฑความผดพลาด MAD เปนตวอยางในการเลอกคาพยากรณของผวจยจากการใชระบบชวยเหลอการตดสนใจ

แววดาว พนสวน (2550) สารนพนธฉบบนเปนการศกษาการพยากรณแบบอนกรมเวลาเพอการวางแผนการผลตสนคา ประเภทเฟอรนเจอร บรษท เอส บ อตสาหกรรมเครองเรอนซงเปนบรษททผลตสนคาแบบเกบสตอกเพอรอจ าหนายและผลตตามค าสงซอ โดยมวตถประสงคเพอทจะปรบปรงขอมลทใชในการวางแผนการผลตใหดขน การศกษาการพยากรณแบบอนกรมเวลาในสารนพนธน ไดท าการศกษาถงลกษณะขอมลการขายในอดตของสนคาแตละรน เพอใชเลอกเทคนคการพยากรณใหเหมาะสมกบรปแบบของขอมล ผลการทดสอบปรากฏวา วธการพยากรณทใหคาความคลาดเคลอนนอยทสดคอวธปรบเรยบแบบเอกโปแนนเชยลซ าสองครง จากนนไดน าวธการพยากรณทไดไปใชเปนในการพยากรณในระบบ MRP SAP R/3 เพอใชในการตดสนใจสงผลตตามแผนทเกดขนในระบบ หลงจากทน าไปใชในบรษทผลปรากฏวาในเดอนกรกฎาคม 2550 การพยากรณการผลตดวยวธปรบเรยบแบบเอกโปแนนเชยลซ าสองครง พยากรณการผลตได 400 ชดโดยมยอดขายทงสน 412 ชด ซงมผลตางเทากบ 12 ชดในขณะทใชวธการพยากรณแบบเกาจะตองสงผลตจ านวน 934 ชด ท าใหมผลตางระหวางยอดขายจรงกบการสงผลตเทากบ 522 ชด คดเปนตนทนมลคาของสนคาคงคลงทประหยดไดประมาณ 2,805,000 บาท จะเหนไดชดเจนวาผลการพยากรณการผลตสนคาวธใหมมคาใกลเคยงกบยอดขายจรงมากกวาการใชวธการแบบเกาคอใชประสบการณของผวางแผนเพยงอยางเดยว

33

ตารางท 2 ผลการวเคราะหงานวจยทเกยวของ

ชอ งานวจยเรอง เครองมอทใชในการพยากรณ

Mov

ing A

vera

ges

Expo

nent

ial Sm

ooth

ing

Meth

od

Doub

le Ex

pone

ntial

Smoo

thing

Meth

od

Wint

ers

Meth

od

Deco

mpos

ition

Meth

od

Line

ar R

egre

ssion

Ana

lysis

Mod

el

กรณ ศรจตร การพฒนาระบบพยากรณยอดสงซอสนคา โดยใชตวแบบพยากรณสมการถดถอยอยางงาย กรณศกษาบรษทสขภณฑ เซนเตอรกรป จ ากด

√

นตยา วงศระวง การจดการคลงสนคาผาทเหมาะสมส าหรบอตสาหกรรมสงทอ

√

√

√

√

√

ชยรตน อตตวนช ธนญญา วสศร

การพยากรณเพอการจดการวสดคงคลง : กรณศกษาโรงงานกระจกบานเกลด

√

√

จกรนทร กลนเงน การพยากรณปรมาณความตองการสนคาเพอควบคมสนคาคงคลง : กรณศกษา ธรกจคาสง-คาปลก

√

√

√

กนกกาญจน มลผาลา การศกษาเทคนคการพยากรณยอดขายสนคาอปโภคทเหมาะสมของบรษทเอกชนแหงหนง

√

√

√

34

ตารางท 2 ผลการวเคราะหงานวจยทเกยวของ (ตอ)

ชอ งานวจยเรอง เครองมอทใชในการพยากรณ

Mov

ing A

vera

ges

Expo

nent

ial Sm

ooth

ing

Meth

od

Doub

le Ex

pone

ntial

Smoo

thing

Meth

od

Wint

ers

Meth

od

Deco

mpos

ition

Meth

od

Line

ar R

egre

ssion

Ana

lysis

Mod

el

ศรภค ธนชลนนท การเพมประสทธภาพการจดซอเพอการแขงขนทางธรกจ กรณศกษาราน เอน เอส แอร

√

วาสนา เจรญศร การปรบปรงการวางแผนการสงซอในปรมาณทเหมาะสมและการจดการวตถดบคงคลงในโซอปทาน กรณศกษา บรษทผลตชนสวนยานยนต

√

√

√

ทวพงษ กตตกล การพยากรณและการหาปรมาณการสงซอทเหมาะสม เพอเปนแนวทางในการจดเกบอะไหลสนเปลองหลกของเครองสบน าประเภทแรงเหวยงหนศนย

√

√

ก าพล เอกลกษณโพธ การออกแบบระบบชวยเหลอการตดสนใจเพอการพยากรณปรมาณความตองการสนคากระดาษคราฟท กรณศกษาบรษทในอตสาหกรรมกระดาษคราฟท

√ √

√

√

√

√

35

ตารางท 2 ผลการวเคราะหงานวจยทเกยวของ (ตอ)

สรปงานวจยทเกยวของ

จากการทบทวนวรรณกรรม ทฤษฎ และงานวจยทเกยวของ พบวา ทฤษฎการพยากรณ (Forecasting) มหลายรปแบบ วธการและการใชงานทแตกตางกนตามวตถประสงคและความเหมาะสม ทงนรปแบบการพยากรณทนยมใชในการวางแผนทางธรกจ โดยเฉพาะเพอการคาดการณยอดขาย หรอการสงซอสนคาหรอวตถดบ ม 12 รปแบบ ไดแก การพยากรณโดยวธการหาคาเฉลยเคลอนท (Moving averages), การเฉลยแบบเคลอนทค (Double Moving Average), วธหาคาเฉลยเคลอนทแบบถวงน าหนก (Weighted Moving Average), วธคาเฉลยถวงน าหนก (Exponential Moving Average), วธคาเฉลยเคลอนจดตรงกลาง (Cantered Moving Average), วธปรบเรยบแบบเอกซโพเนนเชยลแบบงาย (Single Exponential Smoothing Method), การปรบเรยบดวยการปรบแนวโนมตามวธของ Holt (Exponential smoothing Adjusted for Trend: Holt’s Method), การปรบเรยบดวยการปรบแนวโนมและฤดกาลตามวธของ Winters (Exponential smoothing Adjusted for Trend and Seasonal Variation: Winter’s Model), การวเคราะหสมการถดถอย (Regressions Analysis), ว ธ Box-Jenkins ดวยแบบจ าลอง (ARIMA), การพยากรณนาอฟ (Naïve Forecast), ว ธแยกสวนประกอบ (Decomposition Method) ซงผวจ ยไดพจารณาเลอกวธ Simple Moving Average, Weighted Moving Average, Simple Exponential Smoothing, Simple Regression Analysis, Naïve

ชอ งานวจยเรอง เครองมอทใชในการพยากรณ

Mov

ing A

vera

ges

Expo

nent

ial Sm

ooth

ing

Meth

od

Doub

le Ex

pone

ntial

Smoo

thing

Meth

od

Wint

ers

Meth

od

Deco

mpos

ition

Meth

od

Line

ar R

egre

ssion

Ana

lysis

Mod

el

แววดาว พนสวน การศกษาการพยากรณแบบอนกรมเวลา (Time Series) เพอการวางแผนการผลตกรณศกษา: บรษท เอส บอตสาหกรรมเครองเรอน จ ากด

√

√

36

Methods และ Decomposition Method ส าหรบการวเคราะหขอมล ของ กรณศกษา ซงเปนรานแวนตาขนาดเลก และมจ านวนขอมลไมซ าซอน ท าใหโดยน าขอมลทไดท าการวเคราะหตามวธการวจยตอไป

บทท 3 ระเบยบวธวจย

รปแบบการวจย

จากการทบทวนวรรณกรรม เกยวกบทฤษฎการพยากรณ ในการเลอกตวแบบการพยากรณทเหมาะสม โดนจะใชวธการวเคราะหอนกรมเวลา โดยใชเครองมอในการพยากรณมาเปรยบเทยบ สามารถน ามาใชกบ การศกษานทมวตถประสงคหลก คอการศกษาตวแบบในการพยากรณทใหคาความแมนย ามากทสด เพอชวยในการแกไขปญหา โดยการพยากรณเชงปรมาณ การวางแผนการสงซอสนคา ในงานวจยนผวจยจะใชขอมลยอดการขายในป 2558-2559 เปนขอมลหนวยของสนคา และน าขอมลมาพยากรณ เพอสนบสนนการตดสนใจในการเลอกตวแบบทเหมาะสมทสด ใชกบการวางแผนการสงซอแวนตารานรกแวน โดยมขนตอนการด าเนนงานดงน

ประชากรและกลมตวอยาง

รานรกแวน กรณศกษาตงอยทจงหวดกรงเทพฯ เขตดอนเมอง กอตงเมอป 2553 จดทะเบยน วนท 14 พฤศจกายน พ.ศ. 2556 การคดเลอกกลมตวอยางโดยเลอกจากกลมสนคาประเภทกรอบแวนตาทมยอดขายสงทสด 3 อนดบแรก ดงน ตารางท 3 กลมสนคาประเภทกรอบแวนตาทเลอก 3 ยหอ

ยหอ รหสสนคา Rayban RB2008 Levi’S LS5000

Frank Custom FC3010

ขนตอนการด าเนนการวจย

1. การเกบรวบรวมขอมลทตยภม 2. ด าเนนการพยากรณดวยเทคนคตางๆ 3. ทดสอบความแมนย าของแตละวธและน ามาเปรยบเทยบ 4. สรปผลการทดลอง

38

1. เกบรวบรวมขอมลทตยภม

น าขอมลทตยภมทมยอดการขายในอดตของราน ทมแตบลแตละเดอนมาท าการเรยบเรยงขอมล แลวน าขอมลดบมาแปลงเปนขอมลทางสถต ผวจยจะใชขอมลยอดขายน ามาลงใน excel แยกตามรนเวลา และแปลงเปนคาทางสถต เพอน ามาพยากรณ 2. ด าเนนการพยากรณดวยเทคนคตางๆ

ในขนตอนนผวจยท าการเลอกตวแบบในการพยากรณ โดยน าแบบสมการทางสถต ทไดผานกระบวนการวเคราะห มวธในการพยากรณ ดงน

- วธคาเฉลยเคลอนท (Moving average) โดยหาคาเฉลยทเปลยนไปกคอ หาคาเฉลยของหลาย ๆ คา ทมความตอเนองกนจงเปน

ความถทใชประโยชนในการขายสนคารายการตาง ๆ ตามชวงเวลาส น 3 เดอน กจะมคาเฉลยเคลอนทไปเรอย ๆ การกระท าเชนนขอมลจะมแนวโนมทจะมการเคลอนไหวในระยะส น ๆ การค านวณจะไดดงสมการดงน

1tY = q

)YYYY( 1qt2t1tt

- วธหาคาเฉลยเคลอนทแบบถวงน าหนก (Weighted Moving Average) เทคนคคาถวเฉลยเคลอนทแบบถวงน าหนก จะมการใหน าหนกขอมลในอดตไม เทากน

โดยใหมน าหนกเปน W1 W2 W3 ซงผลรวมของน าหนกทใหจะตองมคาเทากบ 1[∑ 𝑊𝑖𝑛𝑖=1 = 1]

Ft+1 = W1 Xt + W1 Xt-1 + … + Wn Xt-n+1 จะเหนวา การถวงน าหนกขอมลลาสดมากกวาขอมลเกาๆในอดตน ท าให WMA

เคลอนไหวไดรวดเรวใกลเคยงกบราคาปจจบนมากขน - วธปรบเรยบเอกซโพเนนเชยลอยางงาย (Simple exponential smoothing)

การหาคาเฉลยเคลอนทแบบถวงน าหนก ซงจะใชขอมลเรมตนคาเดยวและถวงน าหนกโดย ทมคา α อยท 0.3 คาเฉลยเอกซโปแนนเชยล

(Ft) = Ft-1 + a(At-1 – Ft-1) หรอ = a+ At-1 (1 -a) Ft-1 โดยท Ft-1 เปนคาพยากรณในชวงเวลากอนการพยากรณ 1 ชวง

At เปนคาจรงในชวงเวลากอนการพยากรณ α คาคงทในการปรบเรยบ (Smoothing Constant) Ft คาพยากรณในชวงเวลา t Ft+1 คาพยากรณในชวง t+1

39

จะก าหนดใหคาพยากรณคาแรกเทากบคาจรงของชวงเวลากอนหนานน 1 ชวง (ซงกคอการใชหลกการเดยวกบการพยากรณอยางงายนนเอง) จะเหนไดวาการหาคาเฉลยเอกซโปเนนเชยลใชขอมลนอยกวา และไดคาพยากรณเรวกวาการหาคาเฉลยเคลอนท แตไดคาพยากรณทแมนย าเทากบคาเฉลยเคลอนทถวงน าหนก

- วธวเคราะหถดถอยอยางงาย (Simple Linear Regression Analysis)

การวเคราะหความสมพนธระหวางตวแปร 2 ตว ประกอบดวยตวแปรอสระ (X) และตวแปรตาม (Y) สมการถดถอยอยในรปเสนตรง คอ

Y^ = a + bX โดยท Y^ คอ คา Y ประมาณได

A คอคาคงท เปนคาของ เมอ X เปน 0 (Y-Intercept) b คอความชน (Slope) หรอคา ทเปลยนแปลงไปเมอ X เปลยนแปลงไป 1 หนวย ซง

คาของ b มคาเปนไดทง บวก และ ลบ สตรส าหรบการวเคราะห Simple Regression 1. ค านวณคา Sum of Square ของตวแปร

Sxx = ∑ 𝑥𝑖2 −

(∑ 𝑋𝑖)2

𝑛

Syy = ∑ 𝑦𝑖2 −

(∑ 𝑦𝑖)2

𝑛

Sxy = ∑ 𝑥𝑦 −∑ 𝑥 ∑ 𝑦

𝑛

การวเคราะห Simple Linear Regression มขนตอนดงน 2. ค านวณคาของ a และ b ดงน เรยกวา Regression Coefficient

b = ∑ 𝑥𝑦−

∑ 𝑥 ∑ 𝑦

𝑛

∑ 𝑥2− (∑ 𝑥)2

𝑛

a = �� − 𝑏��

- วธนาอฟ (Naïve Methods) เปนวธการพยากรณอยางงายทมขอสมมตวาขอมลในชวงเวลาปจจบนเปนคาพยากรณทด

ทสดของชวงเวลาถดไปในอนาคต โดยสามารถพยากรณไดตามสมการ Ft+1 = At

โดยท At เปนขอมลจรงนะเวลา t Ft+1 เปนคาพยากรณ 1 ชวงเวลาลวงหนาหรอ ณ เวลา t+1

40

จากสมการดงกลาวถาตองการหาคาพยากรณในชวงเวลาปจจบนคาพยากรณในชวงเวลาปจจบนจะเทากบคาจรงในชวงเวลากอน หรอ Ft = At+1

- วธแยกสวนประกอบ (Decomposition Method) การพยากรณดวยวธนจะท าการแยกสวนประกอบของอนกรมเวลาออกเปนสวนๆ ดงน คา

แนวโนม (Trend)ความผนแปรตามฤดกาล (Seasonal Variation) ความผนแปรตามวฎจกร (Cyclical Variation) ความผนแปรเนองจากเหตการณทผดปกต (Irregular Variation) โดยวธแยกสวนประกอบส าหรบตวแบบการคณของขอมลอนกรมเวลา มขนตอนดงน

1. ค านวณคาเฉลยเคลอนท (Centered Moving Average; t CMA ) แบบสไตรมาสส าหรบขอมลอนกรมเวลาทเปนรายไตรมาส และแบบ 12 เดอนส าหรบขอมลอนกรมเวลาทเปนรายเดอน มสตรดงนส าหรบขอมลทเปนรายไตรมาส

MAt = (Yt-2 + Yt-1 + Yt+ Yt+1)/4 2. จดคาเฉลยเคลอนทใหอยกงกลางตามจ านวนคาบเวลา 3. ค านวณหาคาฤดกาลและปจจยเนองจากเหตการณทผดปกต ณ คาบเวลา t หาไดโดย St It =

Yt /CMAt 4. หาคาเฉลยของฤดกาล 5. ปรบคาฤดกาล 6. ถอดฤดกาลออกจากขอมลอนกรมเวลา 7. หาคา Trend Line ของขอมลอนกรมเวลาทไมมฤดกาล 8. ค านวณหาคาขอมลของชวงเวลาทท าการพยากรณ 9. ใสคา Seasonal กลบเขาไปในขอมลทพยากรณไดในขอ h) ตามชวงเวลาทพยากรณ

3. ทดสอบความแมนย าของแตละวธและน ามาเปรยบเทยบ

การวดความคลาดเคลอนของคาจรงและคาทพยากรณไดโดยใชคาสมประสทธตางๆ หรอจ านวนขอมลตางๆ จะพจารณาจากการทคาจรงใกลเคยงคาพยากรณทสด หรอท าใหเกดความคลาดเคลอนนอยทสด ยอมเปนคาทเหมาะสมกบการใชพยากรณใหไดผลลพธทแมนย า การวดความคลาดเคลอนของการพยากรณม 3 วธ ไดแก

- Mean Absolute Deviation (MAD) = คา MAD ยงนอย หมายถง การพยากรณยงแมนย า MAD เปนการวดคาความผดพลาดสมบรณเฉลยของการพยากรณ ซงจะมประโยชนมากส าหรบส าหรบการวเคราะหทตองการวดความผดพลาดในหนวยเดยวกนกบขอมลอนกรมเวลา

41

MAD = ∑(คาทเกดขนจรง – คาพยากรณ) n

- Mean Squared Error (MSE) = คา MSE ยงนอย หมายถง การพยากรณยงแมนย า สามารถค านวณคาความผดพลาดของการพยากรณ ซงเปนคาเฉลยของความแตกตาง

ระหวางการพยากรณ และคาการสงเกต n ก าลงสอง มสตรดงน

MSE = ∑(คาความคลาดเคลอน)2 n

- Mean Absolute Percent Error (MAPE) =คา MAPE ยงนอย หมายถงการพยากรณยงแมนย า

MAPE ซงสามารถหาไดจากน าคาความผดพลาดทแทจรงในแตละชวงเวลาหารดวยขอมลจรงในชวงเวลานน และเฉลยความผดพลาดทแทจรงเปนรอยละ ซงมรปแบบสมการในการพจารณาดงน

MAPE = ∑(คาทเกดขนจรง – คาพยากรณ)x100% คาทเกดขนจรง

n

4. สรปผลการทดลอง

จากขนตอนทกลาวถงในบทน เปนการแสดงใหถงล าดบขนตอนในการด าเนนงานและการเกบรวบรวมขอมลส าหรบท าการศกษา เมอท าการเกบขอมลเรยบรอย กน าขอมลตางๆมาวเคราะหเพอหาวธการพยากรณทดทสด เพอน าผลทไดในการพยากรณมาเปรยบเทยบ จะแสดงผลลพธใหเหนในบทท 4 ส าหรบในบทท 4 จะเปนขนตอนในการแสดงผลลพธของการวเคราะหขอมลและผลทไดการใชจรง เครองมอทใชในการวจย

เครองมอทใชในการศกษาในครงน เปนลกษณะการใชขอมลทตยภมในการพยากรณขอมลอนกรมเวลาทมฤดกาล โดยผวจ ยไดใชขอมลยอดขาย และคอมพวเตอรในการชวยพยากรณProgram excel

42

การรวบรวมขอมล

1. ยอดขายสนคารานรกแวน 2. ยหอและปรมาณ 3. ปรมาณการจ าหนายของแวนตา โดยเปนแนวทางในการศกษาปญหาเกยวกบการหาปรมาณความตองการสงซอในอนาคต

และหาปรมาณแวนตาทเหมาะสมของรานรกแวน การวเคราะหขอมล

ในการเกบรวบรวมขอมลเพอใชในการวจยฉบบนจะเปนการเกบขอมลยอดขายในอดต เพอน ามาวเคราะหขอมลและท าการพยากรณ

บทท 4 ผลการวเคราะหขอมล

การศกษาครงน ผวจยไดรวบรวมขอมลปรมาณการสงซอแวนตาเปนรายเดอนตงแตเดอน มกราคม 2558 จนถง เดอนธนวาคม 2559 ซงผลการศกษา ดงน

ผลการพยากรณ

เปรยบเทยบตวแบบพยากรณทไดจากวธพยากรณตาง ๆ ทง 6 วธ คอ วธ Simple Moving Average, Weighted Moving Average, Simple Exponential Smoothing, Simple Regression Analysis, Naïve Methods และ Decomposition Method ตารางท 4 แสดงขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ Rayban

เดอน / ป

ยอด ขายจรง

คาพยากรณ Moving averages

Weighted Moving Average

Simple exponential smoothing

Simple Regression Analysis

Naïve Methods

Decomposition Method

ม.ค. 58 3 - - 3.42 4.23 - 4.23 ก.พ. 58 8 - - 3.29 4.16 3 4.40 ม.ค. 58 4 - - 4.70 4.09 8 4.48 ม.ย. 58 1 5.00 5.17 4.49 4.02 4 2.84 พ.ค. 58 6 4.33 3.56 3.45 3.94 1 4.00 ม.ย. 58 5 3.67 3.83 4.21 3.87 6 4.16 ก.ค. 58 3 4.00 4.27 4.45 3.80 5 4.24 ส.ค. 58 4 4.67 4.50 4.01 3.73 3 2.68 ก.ย. 58 2 4.00 3.95 4.01 3.66 4 3.78 ต.ค. 58 4 3.00 2.96 3.41 3.59 2 3.93 พ.ย. 58 3 3.33 3.33 3.58 3.52 4 3.99 ธ.ค. 58 5 3.00 3.03 3.41 3.45 3 2.52 ม.ค. 59 2 4.00 4.03 3.89 3.38 5 3.55 ก.พ. 59 3 3.33 3.31 3.32 3.31 2 3.69 ม.ค. 59 4 3.33 3.28 3.22 3.24 3 3.74

44

ตารางท 4 แสดงขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ Rayban (ตอ)

เดอน / ป

ยอด ขายจรง

คาพยากรณ Moving averages

Weighted Moving Average

Simple exponential smoothing

Simple Regression Analysis

Naïve Methods

Decomposition Method

ม.ย. 59 1 3.00 3.05 3.46 3.17 4 2.36 พ.ค. 59 2 2.67 2.62 2.72 3.10 1 3.32 ม.ย. 59 2 2.33 2.29 2.50 3.03 2 3.45 ก.ค. 59 4 1.67 1.69 2.35 2.96 2 3.50 ส.ค. 59 1 2.67 2.70 2.85 2.89 4 2.21 ก.ย. 59 5 2.33 2.32 2.29 2.82 1 3.10 ต.ค. 59 4 3.33 3.35 3.11 2.75 5 3.21 พ.ย. 59 2 3.33 3.38 3.37 2.68 4 3.25 ธ.ค. 59 4 3.67 3.62 2.96 2.61 2 2.05

ตารางท 5 แสดงขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ LEVI’S

เดอน / ป

ยอด ขายจรง

คาพยากรณ Moving averages

Weighted Moving Average

Simple exponential smoothing

Simple Regression Analysis

Naïve Methods

Decomposition Method

ม.ค. 58 6 - - 7.25 8.36 - 8.50 ก.พ. 58 12 - - 6.88 8.26 6 8.71 ม.ค. 58 7 - - 8.41 8.17 12 8.50 ม.ย. 58 3 8.33 8.50 7.99 8.07 7 5.47 พ.ค. 58 9 7.33 6.33 6.49 7.97 3 8.29 ม.ย. 58 13 6.33 6.50 7.24 7.88 9 8.50 ก.ค. 58 10 8.33 9.00 8.97 7.78 13 8.29 ส.ค. 58 5 10.67 10.72 9.28 7.68 10 5.34 ก.ย. 58 11 9.33 8.95 8.00 7.59 5 8.09 ต.ค. 58 7 8.67 8.71 8.90 7.49 11 8.28 พ.ย. 58 6 7.67 7.74 8.33 7.39 7 8.09

45

ตารางท 5 แสดงขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ LEVI’S (ตอ)

เดอน / ป

ยอด ขายจรง

คาพยากรณ Moving averages

Weighted Moving Average

Simple exponential smoothing

Simple Regression Analysis

Naïve Methods

Decomposition Method

ธ.ค. 58 10 8.00 7.83 7.63 7.30 6 5.20 ม.ค. 59 4 7.67 7.76 8.34 7.20 10 7.88 ก.พ. 59 8 6.67 6.61 7.04 7.11 4 8.07 ม.ค. 59 7 7.33 7.28 7.33 7.01 8 7.88 ม.ย. 59 3 6.33 6.40 7.23 6.91 7 5.07 พ.ค. 59 5 6.00 5.89 5.96 6.82 3 7.67 ม.ย. 59 6 5.00 4.96 5.67 6.72 5 7.86 ก.ค. 59 9 4.67 4.73 5.77 6.62 6 7.67 ส.ค. 59 4 6.67 6.74 6.74 6.53 9 4.93 ก.ย. 59 9 6.33 6.30 5.92 6.43 4 7.47 ต.ค. 59 6 7.33 7.33 6.84 6.33 9 7.64 พ.ย. 59 5 6.33 6.37 6.59 6.24 6 7.46 ธ.ค. 59 9 6.67 6.61 6.11 6.14 5 4.79

ตารางท 6 ขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ Frank Custom

เดอน / ป

ยอด ขายจรง

คาพยากรณ Moving averages

Weighted Moving Average

Simple exponential smoothing

Simple Regression Analysis

Naïve Methods

Decomposition Method

ม.ค. 58 18 - - 18.67 16.58 - 15.38 ก.พ. 58 21 - - 18.47 16.76 18 19.83 ม.ค. 58 13 - - 19.23 16.94 21 14.65 ม.ย. 58 15 17.33 16.50 17.36 17.12 13 15.95 พ.ค. 58 14 16.33 15.67 16.65 17.30 15 16.23 ม.ย. 58 25 14.00 14.08 15.86 17.49 14 20.91 ก.ค. 58 11 18.00 18.67 18.60 17.67 25 15.43

46

ตารางท 6 ขอมลยอดขายและคาพยากรณของทง 6 วธ ยหอ Frank Custom (ตอ)

เดอน / ป

ยอด ขายจรง

คาพยากรณ Moving averages

Weighted Moving Average

Simple exponential smoothing

Simple Regression Analysis

Naïve Methods

Decomposition Method

ส.ค. 58 12 16.67 16.50 16.32 17.85 11 16.78 ก.ย. 58 24 16.00 15.38 15.02 18.03 12 17.07 ต.ค. 58 32 15.67 16.21 17.72 18.21 24 21.98 พ.ย. 58 18 22.67 23.41 22.00 18.39 32 16.21 ธ.ค. 58 26 24.67 24.47 20.80 18.58 18 17.62 ม.ค. 59 12 25.33 25.15 22.36 18.76 26 17.91 ก.พ. 59 14 18.67 18.50 19.25 18.94 12 23.05 ม.ค. 59 21 17.33 17.03 17.68 19.12 14 16.99 ม.ย. 59 11 15.67 15.88 18.67 19.30 21 18.46 พ.ค. 59 18 15.33 15.27 16.37 19.48 11 18.75 ม.ย. 59 15 16.67 16.60 16.86 19.67 18 24.12 ก.ค. 59 13 14.67 14.75 16.30 19.85 15 17.77 ส.ค. 59 21 15.33 15.24 15.31 20.03 13 19.30 ก.ย. 59 18 16.33 16.44 17.02 20.21 21 19.59 ต.ค. 59 28 17.33 17.42 17.31 20.39 18 25.19 พ.ย. 59 21 22.33 22.44 20.52 20.57 28 18.55 ธ.ค. 59 27 22.33 22.38 20.66 20.76 21 20.13

จากตารางท 4,5,6 แสดงขอมลยอดขายจรงกบการคาการพยากรณของท ง 6 วธ เพอเปรยบเทยบความเหมาะสมของตวแบบพยากรณ พบวา คาพยากรณ วธการแยกสวนประกอบ(Decomposition Method) มความเหมาะสม จากการวเคราะหดวยโปรแกรม Program excel ความแมนย าของการพยากรณ

โดยพจารณาจากคาเฉลยของความเบยงเบนสมบรณ (MAD) คาเฉลยความคลาดเคลอนยกก าลงสอง (MSE) และคาเฉลยเปอรเซนตความคลาดเคลอนสมบรณ (MAPE) ในชวงเวลาเดยวกน

47

ซงมผลการวเคราะหเปรยบเทยบคาความคลาดเคลอนของตวแบบพยากรณทได จากวธพยากรณทง 6 วธ ซงมผลการวเคราะหดงตารางท 7 ตารางท 7 การเปรยบเทยบคาเฉลยความเบยงเบนสมบรณ (MAD) คาเฉลยความคลาดเคลอนก าลงสอง (MSE) และคาเฉลยเปอรเซนตความคลาดเคลอนสมบรณ (MAPE) จากการพยากรณทง 6 วธ

แวนตา วธพยากรณ MAD MSE MAPE Rayban Moving averages 1.38 2.76 68.02%

Weighted Moving Average 1.43 2.99 69.83% Simple exponential smoothing 1.46 3.33 64.23% Simple Regression Analysis 1.32 2.51 58.54%

Naïve Methods 2.17 6.42 86.56% Decomposition Method 1.34 2.34 52.63%

LEVI’S Moving averages 2.22 8.06 39.35% Weighted Moving Average 2.28 8.34 40.30%

Simple exponential smoothing 2.56 8.96 43.43% Simple Regression Analysis 2.24 6.91 38.39%

Naïve Methods 3.75 16.67 59.72% Decomposition Method 2.15 6.20 33.70%

Frank Custom

Moving averages 4.75 40.69 26.47% Weighted Moving Average 4.76 40.64 26.51%

Simple exponential smoothing 5.23 39.82 29.88% Simple Regression Analysis 4.79 32.64 27.98%

Naïve Methods 7.08 67.25 41.04% Decomposition Method 4.40 27.47 25.85%

จากตารางท 7 เมอพจารณาคา MAD , MSE และ MAPE ของตวแบบพยากรณจากวธ

พยากรณทง 6 วธ พบวา คาพยากรณทไดจากวธแยกสวนประกอบ (Decomposition Method) ใหคา MAD , MSE และ MAPE ต าสด คอ Rayban เทากบ 1.34, 2.34, 52.63% และLEVI’S เทากบ 2.15, 6.20, 33.70%และ Frank Custom เทากบ 4.40, 27.47และ 25.85%ตามล าดบ แสดงวาขอมลยอดขายในการพยากรณดวยวธแยกสวนประกอบ (Decomposition Method) เหมาะสมทสด เพราะใหคา MAD , MSE และ MAPE ต าสด

48

การพยากรณดวยวธแยกสวนประกอบ (Decomposition Method)

จากผลการวเคราะหเปรยบเทยบการพยากรณท ง 6 วธ คาพยากรณทไดจากวธแยกสวนประกอบ (Decomposition Method) ใหคาความผดพลาดต าทสด ผวจยจงแสดงวธค านวณ โดยมขนตอนดงน

1. ค านวณคาเฉลยเคลอนท (Moving averages) โดยเรมจากการน าผลรวมความตองการตามจ านวนทจะในการพยากรณ ซงในทนค านวณคาเฉลยในชวง 4 เดอน เมอไดผลรวมจงน ามาหารดวยจ านวนชวงเวลา คอ 4 เดอน ตามภาพประกอบท 11 และท าวธเดยวกนโดยขยบตามชวงเวลา โดยน าขอมลของเดอนปจจบนทสดบวกเพมเขาไปกบ 3 เดอนกอนหนา แลวทงเดอนกอนหนาทสดออกไปท าเชนนเรอยไป ภาพประกอบท 12 การกระท าเชนนขอมลจะมแนวโนมทจะมการเคลอนไหวในระยะสน ๆ การค านวณจะไดดงสมการดงน

MAt = (Yt-2 + Yt-1 + Yt+ Yt+1)/4

ภาพประกอบท 11 ค านวณคาเฉลยเคลอนท มกราคม-เมษายน 2558

49

ภาพประกอบท 12 ค านวณคาเฉลยเคลอนท กมภาพนธ-พฤษภาคม 2558

1. จดคาเฉลยเคลอนทใหอยกงกลางตามจ านวนคาบเวลา (Centered Moving Average; t CMA)

แบบสไตรมาสส าหรบขอมลอนกรมเวลาทเปนรายไตรมาส มสตรดงภาพประกอบ 13 CMAt = (MAt + MAt+1)/2

ภาพประกอบท 13 การค านวณหาคาเฉลยเคลอนทใหอยกงกลาง

50

2. ค านวณหาคาฤดกาลและปจจยเนองจากเหตการณทผดปกต ณ คาบเวลา t หาไดโดย St It = Yt / CMAt

ภาพประกอบท 14 ค านวณหาคาฤดกาล

3. หาคาเฉลยของฤดกาล โดยการใชสตร หาคาเฉลยของฤดกาล = (Xt , Quarter 1 , StIt )

ดงภาพประกอบ 15

ภาพประกอบท 15 สตรหาคาเฉลยของฤดกาล ใน Program excel

51

4. ปรบคาฤดกาล ของแตละเดอน ดงภาพประกอบ 16

ภาพประกอบท 16 ปรบคาฤดกาล ของแตละเดอน

5. ถอดฤดกาลออกจากขอมลอนกรมเวลาโดยใชสตร = Yt / St ดงภาพภาพประกอบท 17

ภาพประกอบท 17 ถอดฤดกาลออกจากขอมลอนกรมเวลา

52

6. หาคา Trend Line ของขอมลอนกรมเวลาทไมมฤดกาลโดย ใชสตรใน Program excel ขนท 1 ไปท ขอมล แลว เลอกท Data Analysis ภาพประกอบท 18

ภาพประกอบท 18 สตรใน Program excel Data Analysis

ขนท 2 แลวเลอก Regression ภาพประกอบท 19

ภาพประกอบท 19 Program excel เลอก Regression

ขนท 3 จะขนหนาสตรขนมา Input Y เลอกเซลท 1 Input X เลอกเซลท 2 ภาพประกอบท 20

ภาพประกอบท 20 แสดงวธการใสสตรใน Program excel

1

2

53

ขนท 4 จะไดผลออกมา ภาพประกอบท 21

ภาพประกอบท 21 ผลลพพของ Regression

ขนท 5 น าผลทได จาก Coeffidents หาคา Trend Line ภาพประกอบท 22

ภาพประกอบท 22 ผลทได จาก Coeffidents

โดยท น าคา 4.13261394 + -0.05474488 คณดวย t1 กจะไดคาขอมลของชวงเวลาทท าการ

พยากรณดงภาพ 23

ภาพประกอบท 23 ขอมลของชวงเวลาทท าการพยากรณ

54

7. ใสคา Seasonal กลบเขาไปในขอมลทพยากรณไดในขอ 3 ตามชวงเวลาทพยากรณกจะไดคาพยากรณทตองการโดยใชสตร St x Tt = คาพยากรณทตองการ ภาพประกอบท 24

ภาพประกอบท 24 ผลลพพทพยากรณ

จากภาพประกอบ 24 สามารถอธบายสรปผลการพยากรณไดวา การค านวณดวยวธการแยก

สวนประกอบ (Decomposition Method) เปนการพยากรณการสงซอแวนตาใหคาความผดพลาดตามเกณฑ MAPE นอยทสด และวเคราะหแกไขการด าเนนงานใหสอดคลองกบการน าไปใชงานหลงจากวเคราะหเลอกตวแบบในการพยากรณแลว

8. จากนนจงท าการตรวจสอบขอมลทไดจากการพยากรณเปรยบเทยบกบยอดขายจรงเพอพจารณากบยอดสงซอวามผลแตกตางกนอยางไร

ตารางท 8 เปรยบเทยบยอดขายยอดพยากรณและยอดสงซอ

แวนตา ยอดสงซอเฉลย/ป ยอดขายเฉลย/ป ยอดพยากรณ/ป Rayban 60 41 42 LEVI’S 115 87 88

Frank Custom 225 224 224

จากตาราง 8 แสดงยอดขายและยอดพยากรณไมแตกตางกนท ง 3 ยหอ เมอพจารณาเปรยบเทยบกบยอดสงซอพบวา การสงซอของ Rayban และ LEVI’S มปรมาณสงกวาความตองการประมาณรอยละ 30 และรอยละ 45 ตามล าดบ

บทท 5

สรปผล อภปรายผลและขอเสนอแนะ

การคนควาอสระเรอง “การพยากรณความตองการแวนตา กรณศกษา: รานรกแวน” มวตถประสงคเพอพยากรณการสงซอสนคาประเภทแวนตาของรานรกแวน โดยหาตวแบบการพยากรณทเหมาะสมทสด และเปนแนวทางการแกไขปญหาสนคาทมการเคลอนไหวชาและทไมมการเคลอนไหว และวเคราะหขอมลเพอเปรยบเทยบตวแบบการพยากรณเพอค านวณหาปรมาณสงซอทมความคลาดเคลอนนอยทสดตามขนตอนการวจย โดยสามารถสรปผลการวจยไดดงน

สรปผลการวจย

การศกษาเปรยบเทยบเทคนคการพยากรณความตองการ จ านวน 6 วธ ไดแก Simple Moving Average, Weighted Moving Average, Simple Exponential Smoothing, Simple Regression Analysis, Naïve Methods และ Decomposition Method โดยรวบรวมขอมลยอดขายแวนตา 3 ตราสนคา ไดแก Rayban, Levi’s และ Frank Custom ต งแตเดอนมกราคม พ.ศ. 2558 จนถง เดอนธนวาคม พ.ศ. 2559 รวม 24 เดอน น าผลการพยากรณความตองการมาเปรยบเทยบกน พบวา คาพยากรณทไดจากวธแยกสวนประกอบ (Decomposition Method)ใหคา MAD, MSE และ MAPE ของ Rayban เทากบ 1.34, 2.34, 52.63%, LEVI’S เทากบ 2.15, 6.20, 33.70% และ Frank Custom เทากบ 4.40, 27.47 และ 25.85% ตามล าดบ ซงมคาความคลาดเคลอนนอยทสด

อภปรายผล

การพยากรณความตองการแวนตา กรณศกษา: รานรกแวน ดวยวธแยกสวนประกอบ (Decomposition Method) ไดผลลพธการพยากรณทใกลเคยงกบยอดขายจรงมากกวาการพยากรณรปแบบอน ซงสอดคลองกบ ชยรตน อตตวนช และธนญญา วสศร (2546) ศกษาการจดการคลงสนคาผา ท เหมาะสมส าหรบอตสาหกรรมสงทอ พบวา คาพยากรณทไดจากวธแยกสวนประกอบใหคา MAD , MSE และ MAPE ต าสด แสดงวาวธการพยากรณน เหมาะสมทสดกบขอมลปรมาณการสงซอของกรณศกษา และสามารถน ามาใชไดจรงเพอการลดคาใชจายได

อยางไรกตาม เมอน ายอดขายทเกดขนและผลการพยาการณมาวเคราะหเปรยบเทยบกบปรมาณการสงซอในอดต จงพบวาการสงซอในอดต โดยเฉพาะ Rayban และ LEVI’S มปรมาณการสงซอมากเกนความตองการของลกคา สงผลใหปรมาณสนคาคงคลงสงถง 747,500 บาท หรอคดเปนรอยละ 58 ของมลคาของสนคาคงคลงทงหมด ดงนนผวจยจงเหนวารานรกแวนควรวางแผน

56

ปรบกลยทธการสงซอแวนตา และแนวทางการแกไขสนคาทมการเคลอนไหวชาและทไมมการเคลอนไหวตอไป ขอเสนอแนะ

การพยากรณความตองการแวนตา กรณศกษา: รานรกแวน เปนการศกษาเฉพาะผลตภณฑประเภทกรอบแวนสายตา ดงนน ธรกจรานแวนตาในประเทศไทย ถาสามารถน าแนวคดนไปใชในวงกวาง จะชวยสรางกลยทธทางการตลาดใหเหมาะสมและมประสทธภาพมากขนในอนาคต รวมถงธรกจคาปลกอนๆ สามารถน าวธการพยากรณแบบวธแยกสวนประกอบ (Decomposition Method) ไปใชพยากรณความตองการสนคาประเภทอนๆ เพอใชเปนแนวทางการวางแผนการบรหารสนคาคงคลง ซงการท าธรกจรานแวนตา ยงมปจจยอนๆ ทเกยวของและตองค านงถง เงอนไขการสงซอของซพพลายเออร ระยะเวลาการสงของ ปรมาณการสงซอทประหยดทสด การบรหารสตอก สามารถศกษาคนควาในขนตอไป

57

บรรณานกรม

กนกกาญจน มลผาลา. (2557). “การศกษาเทคนคการพยากรณยอดขายสนคาอปโภคท

เหมาะสมของบรษทเอกชนแหงหนง.” วารสารวชาการบรหารธรกจ ฉบบท 1: 12-21.

กรณ ศรจตร. (2555). การพฒนาระบบพยากรณยอดสงซอสนคา โดยใชตวแบบพยากรณ

สมการถดถอยอยาง งาย กรณศกษาบรษทสขภณฑ เซนเตอรกรป จ ากด. กรงเทพฯ :

มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ

ก าพล เอกลกษณโพธ. (2551). การออกแบบระบบชวยเหลอการตดสนใจเพอการพยากรณ

ปรมาณความตองการสนคากระดาษคราฟท กรณศกษา บรษทในอตสาหกรรม

กระดาษคราฟท. กรงเทพฯ : มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ

คม ชด ลก. (2547). “วจยคนเอเชยสายตาสน ผลจากจองจอคอม-ทวนานเกนไป”. คนเมอ 12

สหาคม 2560 จาก http://www.dmh.go.th/sty_libnews/news/view.asp?id=313

จกรนทร กลนเงนและ ประภาพรรณ เกษราพงศ. (2555). การพยากรณปรมาณความตองการ

สนคาเพอควบคมสนคาคงคลง กรณศกษา ธรกจคาสง-คาปลก, การประชมวชาการ

ขายงานวศวกรรมอตสาหการ, ประจ าป พ.ศ. 2555 17-19 ตลาคม 2555, เพชรบร :

มหาวทยาลยเกษตรศาสตร

ชยรตน อตตวนชและ ธนญญา วสศร. (2546). การพยากรณเพอการจดการวสดคงคลง

กรณศกษาโรงงานกระจกบานเกลด. กรงเทพฯ : มหาวทยาลยเทคโนโลยพระจอม

เกลาพระนครเหนอ

ทวพงษ กตตกล. (2551). การพยากรณและการหาปรมาณการสงซอทเหมาะสม เพอเปนแนวทาง

ในการจดเกบอะไหลสนเปลองหลกของเครองสบน าประเภทแรงเหวยงหนศนย

กรณศกษา The Pumps Co., Ltd. กรงเทพฯ : มหาวทยาลยเทคโนโลยพระจอมเกลา

พระนครเหนอ

นรสนนท วชระมณกล. (2558). สวนประสมทางการตลาดทมผลตอการตดสนใจของผบรโภค

ในการใชบรการรานแวนตาในภาคตะวนตกของประเทศไทย. กรงเทพฯ :

มหาวทยาลยนานาชาตแสตมฟอรด

นตยา วงศระวง. (2556). การจดการคลงสนคาผาทเหมาะสมส าหรบอตสาหกรรมสงทอ.

กรงเทพฯ : มหาวทยาลยศลปากร

58

บรรณานกรม (ตอ)

นภา นรตตกล. (2558). การพยากรณการขาย. พมพครงท 7. กรงเทพมหานคร: ส านกพมพ

มหาวทยาลยเกษตรศาสตร.

วาสนา เจรญศร. (2558). การปรบปรงการวางแผนการสงซอในปรมาณทเหมาะสมและการ

จดการวตถดบคงคลงในโซอปทาน กรณศกษา บรษทผลตชนสวนยานยนต.ชลบร.

มหาวทยาลยบรพา

แววดาว พนสวน. (2550). การศกษาการพยากรณแบบอนกรมเวลา (Time Series) เพอการวาง

แผนการผลตกรณศกษา บรษท เอส บอตสาหกรรมเครองเรอน จ ากด. กรงเทพฯ :

มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ

ศรภค ธนชลนนท. (2554). การเพมประสทธภาพการจดซอเพอการแขงขนทางธรกจ

กรณศกษาราน เอน เอส แอร. กรงเทพฯ : มหาวทยาลยหอการคาไทย

อจฉรา จนทรฉาย. (2557). เทคนคการพยากรณเพอการจดการ. พมพครงท 1.

กรงเทพมหานคร: ส านกพมพแหงจฬาลงกรณมหาวทยาลย.

59

BIBLIOGRAPHY

Armstrong, Scott, J. (1983) “Strategic Planning and Forecasting Fundamentals” in Kenneth

Albert (ed.), The Strategic Management Handbook. New York: McGraw Hill, 1983,

pp. 1-32. (Online) Retrieved March 10th, 2014 from

http://repository.upenn.edu/cgi/viewcontent.cgi?article=1132&context=marketing_papers

Beasley, J E. and R. Johnson (1984) “Forecasting Environmental Protection Legislation

Using Cross-Impact Analysis,” Long Range Planning, 17 No. 6 (December), 132-138

Chopra and Meindl. (2007).Supply Chain Management. Logistics Strategies to tacelllitatslong

Distance Just in Time Supply Chain System

ภาคผนวก

ภาคผนวก ก

ขอมลการเกบรวบรวมยอดขาย

62

1. ขอมลการเกบรวบรวมยอดขายตงแตเดอนมกราคม 2558 – ธนวาคม 2559 สรปรายการได

ดงตาราง

เดอน/ป Rayban LEVI’S Frank Custom ม.ค.-58 3 6 18 ก.พ.-58 8 12 21 ม.ค.-58 4 7 13 เม.ย.-58 1 3 15 พ.ค.-58 6 9 14 ม.ย.-58 5 13 25 ก.ค.-58 3 10 11 ส.ค.-58 4 5 12 ก.ย.-58 2 11 24 ต.ค.-58 4 7 32 พ.ย.-58 3 6 18 ธ.ค.-58 5 10 26 ม.ค.-59 2 4 12 ก.พ.-59 3 8 14 ม.ค.-59 4 7 21 เม.ย.-59 1 3 11 พ.ค.-59 2 5 18 ม.ย.-59 2 6 15 ก.ค.-59 4 9 13 ส.ค.-59 1 4 21 ก.ย.-59 5 9 18 ต.ค.-59 4 6 28 พ.ย.-59 2 5 21 ธ.ค.-59 4 9 27

ภาคผนวก ข

ผลลพธการพยากรณ

64

1. ผลลพธการพยากรณการหาคาเฉลยเคลอนท (Moving averages)

เดอน/ป

ยอดขายทเกนขนจรง คาเฉลยเคลอนท 3 เดอน Rayban LEVI’S Frank

Custom Rayban LEVI’S Frank

Custom มกราคม 58 3 6 18 - - - กมภาพนธ 58 8 12 21 - - - มนาคม 58 4 7 13 - - - เมษายน 58 1 3 15 5.00 8.33 17.33 พฤษภาคม 58 6 9 14 4.33 7.33 16.33 มถนายน 58 5 13 25 3.67 6.33 14.00 กรกฎาคม 58 3 10 11 4.00 8.33 18.00 สงหาคม 58 4 5 12 4.67 10.67 16.67 กนยายน 58 2 11 24 4.00 9.33 16.00 ตลาคม 58 4 7 32 3.00 8.67 15.67

พฤศจกายน 58 3 6 18 3.33 7.67 22.67 ธนวาคม 58 5 10 26 3.00 8.00 24.67 มกราคม 59 2 4 12 4.00 7.67 25.33 กมภาพนธ 59 3 8 14 3.33 6.67 18.67 มนาคม 59 4 7 21 3.33 7.33 17.33 เมษายน 59 1 3 11 3.00 6.33 15.67 พฤษภาคม 59 2 5 18 2.67 6.00 15.33 มถนายน 59 2 6 15 2.33 5.00 16.67 กรกฎาคม 59 4 9 13 1.67 4.67 14.67 สงหาคม 59 1 4 21 2.67 6.67 15.33 กนยายน 59 5 9 18 2.33 6.33 16.33 ตลาคม 59 4 6 28 3.33 7.33 17.33

พฤศจกายน 59 2 5 21 3.33 6.33 22.33 ธนวาคม 59 4 9 27 3.67 6.67 22.33

65

2. ผลลพธการพยากรณคาเฉลยเคลอนทแบบถวงน าหนก (Weighted Moving Average)

เดอน/ป ยอดขายทเกนขนจรง คาเฉลยเคลอนถวงน าหนก 3 เดอน Rayban LEVI’S Frank

Custom Rayban LEVI’S Frank

Custom มกราคม 58 3 6 18 - - - กมภาพนธ 58 8 12 21 - - - มนาคม 58 4 7 13 - - - เมษายน 58 1 3 15 5.17 8.50 16.50 พฤษภาคม 58 6 9 14 3.56 6.33 15.67 มถนายน 58 5 13 25 3.83 6.50 14.08 กรกฎาคม 58 3 10 11 4.27 9.00 18.67 สงหาคม 58 4 5 12 4.50 10.72 16.50 กนยายน 58 2 11 24 3.95 8.95 15.38 ตลาคม 58 4 7 32 2.96 8.71 16.21

พฤศจกายน 58 3 6 18 3.33 7.74 23.41 ธนวาคม 58 5 10 26 3.03 7.83 24.47 มกราคม 59 2 4 12 4.03 7.76 25.15 กมภาพนธ 59 3 8 14 3.31 6.61 18.50 มนาคม 59 4 7 21 3.28 7.28 17.03 เมษายน 59 1 3 11 3.05 6.40 15.88 พฤษภาคม 59 2 5 18 2.62 5.89 15.27 มถนายน 59 2 6 15 2.29 4.96 16.60 กรกฎาคม 59 4 9 13 1.69 4.73 14.75 สงหาคม 59 1 4 21 2.70 6.74 15.24 กนยายน 59 5 9 18 2.32 6.30 16.44 ตลาคม 59 4 6 28 3.35 7.33 17.42

พฤศจกายน 59 2 5 21 3.38 6.37 22.44 ธนวาคม 59 4 9 27 3.62 6.61 22.38

66

3. ผลลพธการพยากรณการปรบเรยบเอกซโพเนนเชยลอยางงาย (Simple exponential

smoothing)

เดอน/ป ยอดขายทเกนขนจรง วธปรบเรยบเอกซโพเนนเชยลอยางงาย (Simple exponential smoothing)

Rayban LEVI’S Frank Custom

Rayban LEVI’S Frank Custom

มกราคม 58 3 6 18 3.42 7.25 18.67 กมภาพนธ 58 8 12 21 3.29 6.88 18.47 มนาคม 58 4 7 13 4.70 8.41 19.23 เมษายน 58 1 3 15 4.49 7.99 17.36 พฤษภาคม 58 6 9 14 3.45 6.49 16.65 มถนายน 58 5 13 25 4.21 7.24 15.86 กรกฎาคม 58 3 10 11 4.45 8.97 18.60 สงหาคม 58 4 5 12 4.01 9.28 16.32 กนยายน 58 2 11 24 4.01 8.00 15.02 ตลาคม 58 4 7 32 3.41 8.90 17.72

พฤศจกายน 58 3 6 18 3.58 8.33 22.00 ธนวาคม 58 5 10 26 3.41 7.63 20.80 มกราคม 59 2 4 12 3.89 8.34 22.36 กมภาพนธ 59 3 8 14 3.32 7.04 19.25 มนาคม 59 4 7 21 3.22 7.33 17.68 เมษายน 59 1 3 11 3.46 7.23 18.67 พฤษภาคม 59 2 5 18 2.72 5.96 16.37 มถนายน 59 2 6 15 2.50 5.67 16.86 กรกฎาคม 59 4 9 13 2.35 5.77 16.30 สงหาคม 59 1 4 21 2.85 6.74 15.31 กนยายน 59 5 9 18 2.29 5.92 17.02 ตลาคม 59 4 6 28 3.11 6.84 17.31

พฤศจกายน 59 2 5 21 3.37 6.59 20.52 ธนวาคม 59 4 9 27 2.96 6.11 20.66

67

4. ผลลพธการพยากรณการวเคราะหถดถอยอยางงาย (Simple Regression Analysis)

เดอน/ป ยอดขายทเกนขนจรง วธวเคราะหถดถอยอยางงาย (Simple Regression Analysis)

Rayban LEVI’S Frank Custom

Rayban LEVI’S Frank Custom

มกราคม 58 3 6 18 4.23 8.36 16.58 กมภาพนธ 58 8 12 21 4.16 8.26 16.76 มนาคม 58 4 7 13 4.09 8.17 16.94 เมษายน 58 1 3 15 4.02 8.07 17.12 พฤษภาคม 58 6 9 14 3.94 7.97 17.30 มถนายน 58 5 13 25 3.87 7.88 17.49 กรกฎาคม 58 3 10 11 3.80 7.78 17.67 สงหาคม 58 4 5 12 3.73 7.68 17.85 กนยายน 58 2 11 24 3.66 7.59 18.03 ตลาคม 58 4 7 32 3.59 7.49 18.21

พฤศจกายน 58 3 6 18 3.52 7.39 18.39 ธนวาคม 58 5 10 26 3.45 7.30 18.58 มกราคม 59 2 4 12 3.38 7.20 18.76 กมภาพนธ 59 3 8 14 3.31 7.11 18.94 มนาคม 59 4 7 21 3.24 7.01 19.12 เมษายน 59 1 3 11 3.17 6.91 19.30 พฤษภาคม 59 2 5 18 3.10 6.82 19.48 มถนายน 59 2 6 15 3.03 6.72 19.67 กรกฎาคม 59 4 9 13 2.96 6.62 19.85 สงหาคม 59 1 4 21 2.89 6.53 20.03 กนยายน 59 5 9 18 2.82 6.43 20.21 ตลาคม 59 4 6 28 2.75 6.33 20.39

พฤศจกายน 59 2 5 21 2.68 6.24 20.57 ธนวาคม 59 4 9 27 2.61 6.14 20.76

68

5. ผลลพธการพยากรณนาอฟ (Naïve Methods)

เดอน/ป ยอดขายทเกนขนจรง วธนาอฟ (Naïve Methods) Rayban LEVI’S Frank

Custom Rayban LEVI’S Frank

Custom มกราคม 58 3 6 18 - - - กมภาพนธ 58 8 12 21 3 6 18 มนาคม 58 4 7 13 8 12 21 เมษายน 58 1 3 15 4 7 13 พฤษภาคม 58 6 9 14 1 3 15 มถนายน 58 5 13 25 6 9 14 กรกฎาคม 58 3 10 11 5 13 25 สงหาคม 58 4 5 12 3 10 11 กนยายน 58 2 11 24 4 5 12 ตลาคม 58 4 7 32 2 11 24

พฤศจกายน 58 3 6 18 4 7 32 ธนวาคม 58 5 10 26 3 6 18 มกราคม 59 2 4 12 5 10 26 กมภาพนธ 59 3 8 14 2 4 12 มนาคม 59 4 7 21 3 8 14 เมษายน 59 1 3 11 4 7 21 พฤษภาคม 59 2 5 18 1 3 11 มถนายน 59 2 6 15 2 5 18 กรกฎาคม 59 4 9 13 2 6 15 สงหาคม 59 1 4 21 4 9 13 กนยายน 59 5 9 18 1 4 21 ตลาคม 59 4 6 28 5 9 18

พฤศจกายน 59 2 5 21 4 6 28 ธนวาคม 59 4 9 27 2 5 21 มกราคม 60 3 6 18 4 9 27

69

6. ผลลพธการพยากรณวธแยกสวนประกอบ (Decomposition Method)

เดอน/ป ยอดขายทเกนขนจรง วธแยกสวนประกอบ (Decomposition Method)

Rayban LEVI’S Frank Custom

Rayban LEVI’S Frank Custom

มกราคม 58 3 6 18 4.23 8.50 15.38 กมภาพนธ 58 8 12 21 4.40 8.71 19.83 มนาคม 58 4 7 13 4.48 8.50 14.65 เมษายน 58 1 3 15 2.84 5.47 15.95 พฤษภาคม 58 6 9 14 4.00 8.29 16.23 มถนายน 58 5 13 25 4.16 8.50 20.91 กรกฎาคม 58 3 10 11 4.24 8.29 15.43 สงหาคม 58 4 5 12 2.68 5.34 16.78 กนยายน 58 2 11 24 3.78 8.09 17.07 ตลาคม 58 4 7 32 3.93 8.28 21.98

พฤศจกายน 58 3 6 18 3.99 8.09 16.21 ธนวาคม 58 5 10 26 2.52 5.20 17.62 มกราคม 59 2 4 12 3.55 7.88 17.91 กมภาพนธ 59 3 8 14 3.69 8.07 23.05 มนาคม 59 4 7 21 3.74 7.88 16.99 เมษายน 59 1 3 11 2.36 5.07 18.46 พฤษภาคม 59 2 5 18 3.32 7.67 18.75 มถนายน 59 2 6 15 3.45 7.86 24.12 กรกฎาคม 59 4 9 13 3.50 7.67 17.77 สงหาคม 59 1 4 21 2.21 4.93 19.30 กนยายน 59 5 9 18 3.10 7.47 19.59 ตลาคม 59 4 6 28 3.21 7.64 25.19

พฤศจกายน 59 2 5 21 3.25 7.46 18.55 ธนวาคม 59 4 9 27 2.05 4.79 20.13

70

ประวตผวจย

ชอ – สกล นายอนสรณ บญสงา วน เดอน ปเกด 18 กนยายน 2526 สถานทเกด กรงเทพมหานคร วฒการศกษา พ.ศ. 2559 บรหารธรกจบณฑต สาขาการจดการทวไป มหาวทยาลยราชภฏพระนคร ประสบการณในการท างาน พนกงานขาย บรษท แพลนเนตเจอน จ ากด ต าแหนงหนาทปจจบน อาชพอสระ สถานทอยปจจบน 310/203 หมบานแหลมทอง ถนนสรงประภา

แขวงสกน เขตดอนเมอง กรงเทพมหานคร 10210