การศึกษาเปรียบเทียบเพื่อการปรับปรุงประสิทธิภาพการพยากรณ์อะไหล่ซ่อมบำรุงคงคลังประเภทที่มีอายุการใช้งานที่จำกัด ด้วยเทคนิคการพยากรณ์อนุกรมเวลา 4 เทคนิค กรณีศึกษา บริษัทสายการบินขนาดกลาง
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยฉบับนี้มีวัตถุประสง 1. เพื่อศึกษาและวิเคราะห์ปัญหาของการสูญเสียอะไหล่หมดอายุ จากอะไหล่คงคลังที่มีอายุการใช้งานที่จำกัด 2. เพื่อเพิ่มประสิทธิภาพในการจัดซื้ออะไหล่ซ่อมบำรุงประเภทที่มีอายุการใช้งานจำกัด 3. เพื่อหาตัวแบบจำลองที่เหมาะสมที่สุดในการพยากรณ์ เพื่อใช้ในการวิเคราะห์ความต้องการสินค้าคงคลังที่มีความต้องการไม่แน่นอน เป็นศึกษาวิจัยเชิงคุณภาพ (Qualitative Research) ประชากรคืออะไหล่ซ่อมบำรุงที่มีอายุการใช้งานที่จำกัด โดยคัดเลือกกลุ่มตัวอย่างกลุ่มตัวอย่างแบบเฉพาะเจาะจง จากอะไหล่ซ่อมบำรุงที่หมดอายุช่วงระหว่างวันที่ 1 มกราคม - 31 ธันวาคม พ.ศ. 2563 จำนวนทั้งสิ้น 7 รายการ ได้แก่อะไหล่ซ่อมบำรุงรหัส EC3524A-B, V04-018, PR1440B1-2, PS870B1-2, PR1784B1-2, PR1826B1-2 และ P0LY-KIT โดยใช้เครื่องมือวิจัยคือ 1. แบบสัมภาษณ์ผู้เชี่ยวชาญในองค์กร 2. ระบบการจัดการข้อมูลการซ่อมบำรุงอากาศยานและชิ้นส่วนอะไหล่ 3. โปรแกรมคำนวณสำเร็จรูป Minitab 21 (Minitab Statistical Software) ในการพยากรณ์อนุกรมเวลาทั้ง 4 เทคนิค และการคำนวณค่าความคลาดเคลื่อนของการพยากรณ์ ผู้วิจัยได้ทำการการศึกษาเปรียบเทียบเพื่อการปรับปรุงประสิทธิภาพการพยากรณ์อะไหล่ซ่อมบำรุงคงคลังประเภทที่มีอายุการใช้งานที่จำกัด ด้วยเทคนิคการพยากรณ์อนุกรมเวลา 4 เทคนิค ได้แก่ วิธีค่าเฉลี่ยเคลื่อนที่ วิธีเอกซ์โพเนนเชียลแบบง่าย วิธีโฮล์ทและวิธีวินเทอร์ โดยนำข้อมูลการเบิกจ่ายของอะไหล่กลุ่มตัวอย่าง ตั้งแต่วันที่ 1 มกราคม พ.ศ. 2564 - มิถุนายน พ.ศ. 2566 จำนวน 30 ค่า มาทำการพยากรณ์ทั้ง 4 เทคนิค โดยเปรียบค่าความแม่นยำของการพยากรณ์ ด้วยวิธี MAD และ MAPE
ผลการศึกษาวิจัย บริษัทกรณีศึกษาเป็นสายการบินขนาดกลาง มีความต้องการใช้อะไหล่ซ่อมบำรุงที่หลากหลายและเปลี่ยนไปตามลักษณะการซ่อมบำรุงที่จำเป็นของเครื่องบินลำต่างๆ ซึ่งมีลักษณะของความเสียหายที่เกิดจากการปฏิบัติงาน รอบระยะเวลาของการปฏิบัติการบิน ที่แตกต่างกันออกไป อีกทั้งปัญหาการขาดแคลนของสินค้าจากผู้ผลิต (OEM) ในบางช่วงเวลา อาจทำให้เกิดระยะเวลาในการรอคอยสินค้า (Lead time) ที่แตกต่างกันออกไป จึงทำให้การดำเนินการจัดซื้อในอดีตสามารถพยากรณ์หรือวางแผนได้ยาก เป็นเหตุให้เกิดสินค้าคงคลังขาดแคลน เมื่อมีความกังวลเรื่องสินค้าคงคลังขาดแคลนทำให้ความพยายามในการกักตุนสินค้าในปริมาณมากเกินความจำเป็นจนเกิดสินค้าคงคลังหมดอายุ เพื่อเพิ่มประสิทธิภาพในการจัดซื้อจึงได้มีการนำการพยากรณ์แบบอนุกรมเวลาทั้ง 4 เทคนิค มาศึกษาเปรียบเทียบการพยากรณ์เนื่องจากแต่ละเทคนิคเหมาะกับข้อมูลอนุกรมเวลาที่แตกต่างกันออกไป เพื่อหาตัวแบบจำลองที่เหมาะสมและได้ผลลัพธ์ว่าการพยากรณ์ด้วยวิธีค่าเฉลี่ยเคลื่อนที่ 6 periods ให้ผลลัพธ์จากการพยากรณ์ที่ดีที่สุด ด้วยค่าความคลาดเคลื่อนจากวิธี MAPE ของอะไหล่ซ่อมบำรุงรหัส PR1440B1-2 ต่ำที่สุดที่ 22.869 และค่าความคลาดเคลื่อนวิธี MAD ของอะไหล่ซ่อมบำรุงรหัส P0LY-KIT เข้าใกล้ 0 มากที่สุด ที่ 1 ดังนั้นการพยากรณ์วิธีค่าเฉลี่ยเคลื่อนที่เหมาะที่จะนำไปประยุกต์ใช้กับการพยากรณ์กับอะไหล่ซ่อมบำรุงประเภทมีอายุการใช้งานที่จำกัด งานวิจัยฉบับนี้จะเป็นประโยชน์ต่อผู้รับผิดชอบงานบริหารสินค้าคงคลังประเภทอะไหล่ซ่อมบำรุงหรือสินค้าที่มีความต้องการที่ไม่แน่นอนและมีอายุการใช้งานที่จำกัด ในการนำเทคนิคการพยากรณ์ที่เหมาะสมไปประยุกต์ใช้ในการวางแผนการจัดซื้อสำหรับอะไหล่ซ่อมบำรุงหรือสินค้าที่มีความต้องการที่ไม่แน่นอนและมีอายุการใช้งานที่จำกัด เพื่อเพิ่มประสิทธิภาพในการวางแผนการจัดซื้อหรือบริหารจัดการสินค้าคงคลังต่อไป
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ข้อความและบทความในวารสารนวัตกรรมการบริหารและการจัดการ เป็นแนวคิดของผู้เขียน ไม่ใช่ความคิดเห็นและความรับผิดชอบของคณะผู้จัดทำ บรรณาธิการ กองบรรณาธิการ วิทยาลัยนวัตกรรมการจัดการ และมหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์
ข้อความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการีพิมพ์ในวารสารนวัตกรรมการบริหารและการจัดการ ถือเป็นลิขสิทธิ์ของวารสารนวัตกรรมการบริหารและการจัดการ หากบุคคลใดหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือกระทำการใดๆ จะต้องได้รับอนุญาติเป็นลายลักษณ์อักษรจากวารสารนวัตกรรมการบริหารและการจัดการก่อนเท่านั้น
References
กรินทร์ กาญทนานนท์. (2561). การพยากรณ์ทางสถิติ (พิมพ์ครั้งที่ 5). กรุงเทพฯ: ซีเอ็ดยูเคชั่น.
เฉลียว บุตรวงษ์, วิชิดา นามพันธ์, และสุภาภรณ์ พันยากิจ. (2563). การวางแผนปริมาณการสั่งซื้อสินค้าที่เหมาะสมของสินค้าประเภทไวน์ภายใต้สถานการณ์โควิด-19กรณีศึกษา บริษัท เอบีซี คอมเมอร์เชียล จำกัด. วารสารวิทยาการจัดการปริทัศน์, 25(1), 275-286.
ฉัฐไชย์ ลีนาวงศ์. (2565). โลจิสติกส์อัจฉริยะและการพยากรณ์ด้วย Excel 365. กรุงเทพฯ: สถาบันเทคโนโลยีพระจอมเกล้าคุณทหารลาดกระบัง.
ธันย์ชนก จันทร์หอม. (2564). การพยากรณ์แบบอนุกรมเวลา เพื่อกำหนดการสั่งซื้อที่ประหยัดที่สุดของโรงงานผลิตยางซิลิโคนแห่งหนึ่ง. วิทยานิพนธ์ปริญญาบริหารธุกิจมหาบัณฑิต, บัณฑิตวิทยาลัย, มหาวิทยาลัยศิลปากร.
ธรณินทร์ สัจวิริยทรัพย์. (2563). การวิเคราะห์อนุกรมเวลาสำหรับการวางแผนด้านวิศวกรรมโลจิสติกส์. กรุงเทพฯ: ซีเอ็ดยูเคชั่น.
บริษัท การบินกรุงเทพ จำกัด (มหาชน). (2566). 56-1 ONE REPORT 2565. จาก https://ba.listedcompany.com/misc/ar/ar2022-th/
สำนักงานการบินพลเรือนแห่งประเทศไทย กองเศรษฐกิจการบินฝ่ายพัฒนาและส่งเสริมกิจการการบินพลเรือน. (2565). รายงานสภาวะอุตสาหกรรมการบินพลเรือนของประเทศไทย พ.ศ. 2565. จาก https:// www.caat.or.th/th/archives/73687
เอกจิตต์ จึงเจริญ. (2563). การพยากรณ์ทางธุรกิจ (พิมพ์ครั้งที่ 2). กรุงเทพฯ: มหาวิทยาลัยธรรมศาสตร์.
อดิศักดิ์ ทูลธรรม, นตา เตชะบุญมาส, และ กวิน พินสำราญ. (2564). การพยากรณ์ความต้องการวัตถุดิบในการผลิตขนมปังบิสกิต. วารสารวิทยาศาสตร์และเทคโนโลยีมหาวิทยาลัยธนบุรี, 5(2), 30-38.
อนิวรรตน์ ป้านสำราญ. (2565). การพยากรณ์ความต้องการเพื่อวางแผนการจัดซื้อสินค้าผลิตภัณฑ์บำรุงผิวของบริษัทกรณีศึกษา. วิทยานิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต, สาขาวิชาการจัดการโลจิสติกส์, มหาวิทยาลัยบูรพา.
อภิชัย พรมอ่อน. (2561). การศึกษาการพยากรณ์แบบอนุกรมเวลา (TIME SERIES) เพื่อการวางแผนการสั่งซื้อวัตถุดิบ กรณีศึกษา บริษัทผลิตชิ้นส่วนท่อยางรถยนต์. วิทยานิพนธ์ปริญญาบริหารธุรกิจมหาบัณฑิต, บัณฑิตวิทยาลัย, สถาบันเทคโนโลยีไทย-ญี่ปุ่น.
Adhikari, R., & Agrawal R. K. (2013). An Introductory Study on Time Series Modeling and Forecasting. Germany: LAP LAMBERT Academic Publishing.
Huriati, P., Erianda, A,. Alanda, A., Meidelfi, D., Rasyidah, Defni & Suryani, A, I. (2022). Implementation of the moving average method for forecasting inventory in CV. Tre Jaya Perkasa. International Journal of Advanced Science Computing and Engineering, 4(2), 67-75.
Solution Center. (2020). ทำไมหลายๆ องค์กรถึงเลือกใช้ Minitab. จาก https://www.solutioncenterminitab.com/web/minitab
Ivanovski, Z., Milenkovski, A., & Narasanov, Z. (2018). Time Series Forecasting Using a Moving Average Model for Extrapolation of Number of Tourist. UTMS Journal of Economics, 9(2), 121-132.