การพยากรณ์ความต้องการสินค้าเพื่อวางแผนการสั่งซื้อสินค้า กรณีศึกษา บริษัทแลนด์โก้สปอร์ต แอนด์ มิวสิคเคิล จำกัด

การพยากรณ์ความต้องการสินค้าเพื่อวางแผนการสั่งซื้อสินค้า กรณีศึกษา บริษัทแลนด์โก้สปอร์ต แอนด์ มิวสิคเคิล จำกัด บุษรา คงสมบูรณ์ รายงานวิจัยนี้เป็นส่วนหนึ่งของการศึกษาหลักสูตรบริหารธุรกิจบัณฑิต สาขาการจัดการโลจิสติกส์และซัพพลายเชน คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี ปีการศึกษา 2566

การพยากรณ์ความต้องการสินค้าเพื่อวางแผนการสั่งซื้อสินค้า กรณีศึกษา บริษัทแลนด์โก้สปอร์ต แอนด์ มิวสิคเคิล จำกัด บุษรา คงสมบูรณ์ รายงานวิจัยนี้เป็นส่วนหนึ่งของการศึกษาหลักสูตรบริหารธุรกิจบัณฑิต สาขาการจัดการโลจิสติกส์และซัพพลายเชน คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี ปีการศึกษา 2566

ชื่องานวิจัย การพยากรณ์ความต้องการสินค้าเพื่อวางแผนการสั่งซื้อสินค้า กรณีศึกษา บริษัทแลนด์โก้สปอร์ต แอนด์ มิวสิคเคิล จำกัด ชื่อนักศึกษา นางสาวบุษรา คงสมบูรณ์ รหัสนักศึกษา 116310509483-8 ปริญญา บริหารธุรกิจบัณฑิต หลักสูตร การจัดการโลจิสติกส์และซัพพลายเชน ปีการศึกษา 2566 อาจารย์ที่ปรึกษา ดร.วรางกูร อิศรางกูร ณ อยุธยา รายงานวิจัยนี้เป็นส่วนหนึ่งของการศึกษาตามหลักสูตรบริหารธุรกิจบัณฑิต โดยผ่านการพิจารณาจาก คณะกรรมการสอบวิจัย ดังมีรายชื่อต่อไปนี้ อาจารย์ที่ปรึกษา………………………………………… ( ดร.วรางกูร อิศรางกูร ณ อยุธยา ) รายงานวิจัยนี้ได้พิจารณาเห็นชอบโดย ประธานกรรมการ………………………………………. ( ดร.วิญญู ปรอยกระโทก ) กรรมการ…………………………………………………. ( ดร.กัญญ์กญิษฐ์ กิตติวงษ์ ) ลิขสิทธิ์ของมหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี

ก ชื่องานวิจัย การพยากรณ์ความต้องการสินค้าเพื่อวางแผนการสั่งซื้อสินค้า กรณีศึกษา บริษัทแลนด์โก้สปอร์ต แอนด์ มิวสิคเคิล จำกัด ชื่อนักศึกษา นางสาวบุษรา คงสมบูรณ์ ปริญญา บริหารธุรกิจบัณฑิต หลักสูตร การจัดการโลจิสติกส์และซัพพลายเชน ปีการศึกษา 2566 อาจารย์ที่ปรึกษา ดร. วรางกูร อิศรางกูร ณ อยุธยา บทคัดย่อ งานวิจัยนี้มีวัตถุประสงค์ในการเลือกรูปแบบการพยากรณ์คำสั่งซื้อที่เหมาะสมกับเครื่องดนตรี ไทย (กลอง) เพื่อเป็นแนวทางในการบริหารจัดการสินค้าคงคลังอย่างมีประสิทธิภาพ และเพื่อปรับลด ปริมาณสินค้าคงคลังให้สอดคล้องกับความต้องการของลูกค้า จากการพยากรณ์โดยใช้ข้อมูลของสินค้ารุ่น JE003 ย้อนหลังตั้งแต่เดือนมกราคม พ.ศ.2566 ถึงเดือนตุลาคม พ.ศ.2566 เพื่อพยากรณ์ความต้องการสินค้าในเดือนมกราคมถึงเดือนตุลาคม พ.ศ.2567 จึงได้ทำการพยากรณ์ในรูปแบบ Times series โดยใช้วิธีการพยากรณ์ 5 วิธี 1. วิธีการพยากรณ์แบบ Simple moving average วิเคราะห์ที่ 3 Periods 2. วิธีการพยากรณ์แบบ Simple moving average วิเคราะห์ที่ 6 Periods 3. วิธีพยากรณ์แบบ Simple exponential smoothing 4. วิธี พยากรณ์แบบ Double exponential smoothing 5. วิธีการพยากรณ์แบบ Holt-winter’s method for multiplicative seasonal effect พบว่าวิธีการพยากรณ์ที่เหมาะสม คือ วิธี Holtwinter’ s method for multiplicative seasonal effect เนื่องจากมีค่าความคลาดเคลื่อนน้อย ที่สุดโดย MAPE เท่ากับ 22 MAD เท่ากับ 2,185 และMES เท่ากับ 6,801,854 คำสำคัญ: การพยากรณ์ , Times series , เครื่องดนตรี , สินค้าคงคลัง

ข Title Forecasting product demand to plan product orders Case study: Landco Sport and Music Company Limited Student Name Miss Butsara Kongsomboon Degree Bachelor of Business Administration (Logistics Management) Program Logistics and Supply Chain Management Academic Year 2024 Advisor Dr. Warangkun Isarangkun Na Ayutthaya Abstract This research aims to select an order forecasting model that is appropriate for Thai musical instruments (drums) as a guideline for efficient inventory management. and to adjust the amount of inventory to be in line with customer needs. From the forecast using data from the JE003 product from January 2023 to October 2023 to forecast product demand in January to October 2024. Therefore, the forecast was made in the form of Times series using 5 forecasting methods: 1. Simple moving average forecasting method, analyzed at 3 Periods. 2. Simple moving average forecasting method, analyzed at 6 Periods. 3. Simple exponential smoothing forecasting method. 4. Double exponential smoothing forecasting method 5. Double exponential smoothing forecasting method Holtwinter's method for multiplicative seasonal effect found that the appropriate forecasting method is Holt-winter's method for multiplicative seasonal effect because it has the least error with MAPE equal to 22, MAD equal to 2,185 and MES equal to 6,801,854. Keywords: forecasting, Times series, musical instruments, inventory

ค กิตติกรรมประกาศ รายงานวิจัยนี้ดำเนินงานสำเร็จผ่านไปได้ด้วยดี โดยได้รับความกรุณาและความช่วยเหลือเป็น อย่างดีจากอาจารย์หลายท่านด้วยกัน อาจารย์วรางกูร อิศรางกูร ณ อยุธยา ท่านที่เป็นที่ปรึกษา ซึ่ง กรุณาเสียสระเวลาให้คำปรึกษาและคำแนะนำ รวมถึงการแก้ไขข้อบกพร่องเพื่อก่อให้เกิดประโยชน์ใน การดำเนินการศึกษา ทางคณะผู้จัดทำวิจัยจึงขอกราบของพระคุณทุกท่านไว้ ณ โอกาสนี้ ขอขอบพระคุณคณาจารย์หลักสูตรบริหารธุรกิจ สาขาวิชาการจัดการโลจิสติกส์และซัพพลาย เชนทุกท่าน ที่ได้สระเวลาในการเป็นคณะกรรมการในการสอบและตรวจสอบความถูกต้อง พร้อมทั้ง ให้คำแนะนำต่างๆ เพื่อให้รายงานวิจัยนี้มีความสมบูรณ์มากยิ่งขึ้น ตลอดจนขอขอบพระคุณ ที่กรุณา ให้ความร่วมมือในการสัมภาษณ์สำเร็จลุล่วงไปด้วยดี พร้อมทั้งการแสดงความคิดเห็นและข้อเสนอแนะ อันเป็นประโยชน์ยิ่งต่อการจัดทำรายงานวิจัยในครั้งนี้ บุษรา คงสมบูรณ์ พฤศจิกายน พ.ศ.2566

ง สารบัญ บทที่1..........................................................................................................................................1 1.1 ที่มาและความสำคัญ...............................................................................................................1 1.2 วัตถุประสงค์ของการวิจัย........................................................................................................2 1.3 ขอบเขตงานวิจัย.....................................................................................................................2 1.4 ประโยชน์ที่จะได้รับจากงานวิจัย.............................................................................................2 1.5 นิยามศัพท์เฉพาะ....................................................................................................................2 บทที่2..........................................................................................................................................3 2.1. การพยากรณ์ (Forecasting).................................................................................................4 2.1.2 ประเภทของการพยากรณ์...................................................................................................4 2.1.3 การเลือกเทคนิคการพยากรณ์.............................................................................................5 2.1.4 ชนิดของการพยากรณ์.........................................................................................................5 2.1.5 การวัดค่าความคลาดเคลื่อนของการพยากรณ์.....................................................................9 2.2. คลังสินค้าและการจัดการสินค้าคงคลัง.................................................................................12 2.3. งานวิจัยที่เกี่ยวข้อง..............................................................................................................13 บทที่3........................................................................................................................................16 1. ศึกษาทบทวนทฤษฎีและงานวิจัยที่เกี่ยวข้อง...........................................................................17 2. กำหนดขอบเขตการศึกษา.......................................................................................................17 3.เก็บรวบรวมข้อมูล....................................................................................................................17 4. วิเคราะห์ข้อมูล.......................................................................................................................17 สรุปผลการวิจัย...........................................................................................................................18 บทที่ 4......................................................................................................................................19 รวบรวมข้อมูลคำสั่งซื้อเครื่องดนตรีไทย (กลอง) ..........................................................................19

จ พยากรณ์ความต้องการสินค้ารุ่น JE003......................................................................................25 บทที่5........................................................................................................................................31 สรุปและอภิปรายผลการวิจัย.......................................................................................................31 ข้อเสนอแนะ...............................................................................................................................31 บรรณานุกรม ..............................................................................................................................32 ภาคผนวก...................................................................................................................................33 ประวัติผู้ศึกษา...........................................................................................................................43

1 บทที่1 บทนำ 1.1 ที่มาและความสำคัญ บริษัทแลนด์โก้สปอร์ต แอนด์ มิวสิคเคิล จำกัด เป็นบริษัทขายส่ง นำเข้า และส่งออก อุปกรณ์กีฬาและเครื่องดนตรี ปัจจุบันดำเนินธุรกิจมานานกว่า 43 ปี ทั้งนี้บริษัทก็ได้รับการยอมรับใน ฐานะหนึ่งในพันธมิตรที่น่าเชื่อถือที่สุดกับร้านค้า โรงเรียน และหน่วยงานราชการทั่วประเทศ และเป็น ซัพพลายเออร์ที่ได้รับความไว้วางใจด้านคุณภาพของสินค้า ปัจจุบันความนิยมของเครื่องดนตรีไทยนั้นเริ่มหายไป ด้วยผลจากการที่ยุคสมัยเปลี่ยนไปทำ ให้มีการนำวัฒนธรรมของชาวต่างชาติเข้ามาในประเทศไทย โดยมีดนตรีตะวันตกเข้ามาแทนที่ดนตรี ไทย ในอดีตดนตรีไทยจะอยู่คู่กับชีวิตประจำวันของคนไทย ตั้งแต่การประกอบพิธีกรรมทางศาสนาไป จนถึงประกอบพิธีภายในพระราชสำนัก แต่ในปัจจุบัน ภาพลักษณ์ของดนตรีไทยกลายเป็นสัญลักษณ์ ของความล้าสมัย และเข้าถึงยาก ทำให้มีการจัดแสดงเผยแพร่วัฒนธรรมไทย และการประกวดแข่งขัน ดนตรีไทยเพื่อให้ดนตรีไทยไม่หายไปจากสังคมไทย นอกจากนี้ นโยบายของภาครัฐที่นำรายวิชาดนตรี ไทยบรรจุไว้ในหลักสูตรการเรียนการสอนของโรงเรียน และให้งบประมาณในการซื้อเครื่องดนตรีไทย ทำให้เยาวชนรุ่นใหม่รู้จักและสามารถบรรเลงดนตรีไทยได้ ด้วยเหตุผลนี้ดนตรีไทยถึงยังไม่สูญหายไป จากปัญหาปัจจัยภายนอกด้านกระแสนิยมดนตรีไทยในปัจจุบันลดลงทำให้ดนตรีไทย กลายเป็นสินค้าสำหรับผู้บริโภคเฉพาะกลุ่ม คือ ผู้ที่รักในความเป็นเอกลักษณ์เฉพาะตัวของเครื่อง ดนตรีไทยและต้องการเล่นดนตรีไทยด้วยความชอบส่วนตัว ทำให้คลังสินค้าที่สั่งซื้อสินค้ามาและพร้อมที่จะขายสินค้าออกไปจำหน่ายสินค้าไม่ค่อยดี เลย อาจจะทำให้เกิดสินค้า Dead Stock หรือสินค้าเกิดการเสื่อมสภาพและหมดอายุการใช้งาน สินค้าค้าง อยู่ในคลังสินค้านานเกินไป เป็นเพราะความต้องการของสินค้ามีน้อย ผู้วิจัยเห็นถึงความสำคัญของ ปัญหาดังกล่าว และเห็นสมควรจะทำการดำเนินงานวิจัย โดยการนำหลักการพยากรณ์มาใช้ในการ สั่งซื้อสินค้า เพื่อเป็นการศึกษาและช่วยวิเคราะห์ปัญหาสำหรับ วิธีการพยากรณ์ในการสั่งซื้อสินค้า และเพื่อเป็นการควบคุมปริมาณการสั่งซื้อสินค้าให้มีความเหมาะสมกับความต้องการ

2 1.2 วัตถุประสงค์ของการวิจัย 1. เพื่อเลือกรูปแบบการพยากรณ์คำสั่งซื้อที่เหมาะสมกับเครื่องดนตรีไทย (กลอง) 2. เพื่อปรับลดปริมาณสินค้าคงคลังให้สอดคล้องกับความต้องการของลูกค้า 1.3 ขอบเขตงานวิจัย ขอบเขตในการศึกษาวิจัยเป็นการศึกษาวิเคราะห์ถึงความต้องการสินค้าที่เป็นเครื่องดนตรี ไทยประเภท กลอง ในแต่ละเดือน เพื่อนำมาหาวิธีการพยากรณ์ความต้องการที่เหมาะสม โดยใช้ ข้อมูลจากบริษัทกรณีศึกษา 1.4 ประโยชน์ที่จะได้รับจากงานวิจัย 1. สามารถลดปัญหาการเกิด Shelf Life ของสินค้าที่มีการจัดเก็บในคลังสินค้า 2. สามารถนำข้อมูลที่ได้มาประยุกต์ใช้ในการวางแผนการสั่งซื้อสินค้า 1.5 นิยามศัพท์เฉพาะ 1. สินค้า (Product) หมายถึง สิ่งของที่สามารถจับต้องได้ และสามารถขนย้ายไปมาได้ ใน ที่นี้หมายถึง เครื่องดนตรีไทยประเภทกลอง 2. สินค้าค้างสต็อก (Dead Stock) หมายถึง สินค้าคงคลังที่ไม่มีการเคลื่อนไหว ตกค้างอยู่ ในคลังสินค้าเป็นเวลานาน 3. อายุ ผลิตภัณฑ์ (Shelf Life) หมายถึง ช่วงระยะเวลาของสินค้าและการเก็บสินค้าใน สภาวะที่กำหนด และสามารถรักษาคุณภาพของสินค้าให้อยู่ในระดับที่กำหนดได้ 4. ซัพพลายเออร์(Supplier) หมายถึง บริษัทที่จัดหาสินค้าให้กับบริษัทอื่นหรือองค์กรอื่น 5. สินค้าคงคลัง (Current Stock) หมายถึง สินค้าที่จัดเก็บไว้ภายในคลังสินค้าหรือสินค้า คงเหลือในคลังสินค้า หลายๆ ธุรกิจมีสำรองเอาไว้เพื่อใช้งาน เพื่อการบริหาร เพื่อการ ผลิต เพื่อการจัดจำหน่ายในอนาคต

3 บทที่2 ทฤษฎีและงานวิจัยที่เกี่ยวข้อง งานวิจัยฉบับนี้เกี่ยวข้องกับการพยากรณ์ความต้องการของสินค้าประเภทเครื่องดนตรีไทย (กลอง) โดยผู้วิจัยได้ทำการศึกษาค้นคว้าแนวคิด ทฤษฎีและงานวิจัยที่เกี่ยวข้อง เพื่อใช้ในการทำวิจัย ดังนี้ 2.1. การพยากรณ์ 2.1.1 ความสำคัญและความหมายของการพยากรณ์ 2.1.2 ประเภทของการพยากรณ์ 2.1.3 การเลือกเทคนิคการพยากรณ์ 2.1.4 ชนิดของการพยากรณ์ 2.1.5 การวัดค่าความคาดเคลื่อนของการพยากรณ์ 2.2. คลังสินค้าและการจัดการสินค้าคงคลัง 2.2.1 ความหมายของคลังสินค้า 2.2.2 ความหมายของการจัดการสินค้าคงคลัง 2.3. ข้อมูลบริษัท 2.4. งานวิจัยที่เกี่ยวข้อง

4 2.1. การพยากรณ์ (Forecasting) 2.1.1 ความสำคัญและความหมายของการพยากรณ์ ในการตัดสินใจทางธุรกิจ อาทิเช่น จำนวนงบประมาณเงินทุน การกำหนดปริมาณสินค้าที่จะ ผลิต จำนวนพนักงาน ปริมาณวัตถุดิบทีจะสั่งซื้อ หรือแผนโฆษณาสินค้า ล้วนแต่ต้องเผชิญกับความไม่ รู้ว่าจะเกิดอะไรขึ้นในอนาคต เพื่อลดความผิดพลาดในการตัดสินใจ ควรมีการนำทฤษฎีการพยากรณ์ เข้ามาช่วยวิเคราะห์ โดยอาจจะเริ่มต้นด้วยการพยากรณ์ยอดขายสินค้าเป็นรายปี รายไตรมาส ราย เดือน หรือรายสัปดาห์ เพื่อนำผลการพยากรณ์มาเป็นฐานข้อมูลในการวางแผนเกี่ยวกับการตลาด การ ผลิต การเงิน เช่น การกำหนดจำนวนสินค้าที่จะผลิต การกำหนดตารางการผลิต การจัดซื้อวัตถุดิบ รวมถึงการบริหารจัดการสินค้า เป็นต้น (รัชนี โฆษิตานนท์,2564) การพยากรณ์ คือ การคาดคะเนถึงความต้องการของสินค้าหรือบริการสำหรับช่วงเวลาหนึ่ง ในอนาคต การพยากรณ์นั้นดูเหมือนว่าเป็นการคาดเดา แต่การพยากรณ์ในธุรกิจการผลิตนี้จะต้อง อาศัยข้อมูลจริงที่เกิดขึ้นในอดีต แล้วใช้เทคนิคทางคณิตศาสตร์เข้าช่วยเพื่อให้มาซึ่งคำพยากรณ์ที่ แม่นยำ 2.1.2 ประเภทของการพยากรณ์ การพยากรณ์เชิงปริมาณ (Quantitative Forecasting) เป็นวิธีการพยากรณืที่ใช้ข้อมูลใน อดีตมาวิเคราะห์ถึงสถานการณ์ที่จะเกิดขึ้นในอนาคต โดยอาศัยหลักการทางสถิติและคณิตศาสตร์ จุดประสงค์หลักของการพยากรณ์ประเภทนี้จะแสดงให้เห็นถึงรูปแบบของข้อมูลในอดีต และวิเคราะห์ ทิศทางความต้องการในอนาคต ตัวอย่างของวิธีการพยากรณ์เชิงปริมาณ ได้แก่ การพยากรณ์โดยวิธี อนุกรมเวลา (Time Series Method) หรือวิธีการวิเคราะห์ความสัมพันธ์ (Casual Method) การพยากรณ์เชิงคุณภาพ (Qualitative Forecasting) เป็นวิธีการพยากรณ์โดยอาศัย ความคิดและการตัดสินใจจากผู้เชี่ยวชาญหรือมีประสบการณ์ โดยการพยากรณ์เชิงคุณภาพนั้นจะไม่มี หลักการที่แน่นอน เนื่องจากใช้ความรู้ ความเชียวชาญ และประสบการณ์หรือแนวคิดจากผู้บริหาร เพียงเท่านั้น จึงเป็นวิธีที่นิยมใช้กันมาก ถึงแม้จะเป็นวิธีที่ง่ายแต่ก็มีโอกาสผิดพลาดได้มาก หากผู้ พยากรณ์ประสบการณ์น้อย หรือขาดความรู้ความชำนาญที่เพียงพอ ตัวอย่างของวิธีการพยากรณ์เชิง คุณภาพ ได้แก่ การสอบถามกลุ่มผู้เชี่ยวชาญ (Delphi Method) การสอบถามผู้บริหาร (Jury Of

5 Executive Opinion) และการสำรวจตลาด (Consumer Market Survey) เป็นต้น (รัชนี โฆษิตานนท์,2564) 2.1.3 การเลือกเทคนิคการพยากรณ์ การพยากรณ์ที่เหมาะสมควรพิจารณาถึงช่วงระยะเวลา สถานการณ์ ว่ามีความสอดคล้องกับ วิธีการพยากรณ์แบบใด ซึ่งการพยากรณ์โดยทั่วไป มีเกณฑ์พิจารณา ดังนี้(รัชนี โฆษิตานนท์,2564) การพยากร์ระยะสั้น เป็นการพยากรณ์เหตุการณ์ที่ไม่เกิน 1 ปี โดยทั่วไป จะอยู่ในช่วงไม่เกิน3 เดือน เช่น การพยากรณ์วางแผนการจัดซื้อ การจัดตารางการทำงาน การมอบหมายงาน การ พยากรณ์ยอดขาย และการพยากรณ์ระดับการผลิต การพยากรณ์ระยะกลาง เป็นการพยากรณ์เหตุการณ์ที่อยู่ในช่วง 3 เดือนถึง 3 ปี จะใช้มาก ในการพยากรณ์การวางแผนการขาย การวางแผนการผลิต การวางแผนด้านงบประมาณ เงินสด และ การวิเคราะห์การวางแผนการดำเนินงานต่างๆ การพยากรณ์ระยะยาว เป็นการพยากรณ์เหตุการณ์ที่มากกว่า 3 ปีขึ้นไป มักใช้สำหรับการ วางแผนการออกผลิตภัณฑ์ใหม่ ค่าใช้จ่ายในการลงทุน การขยายทำเลที่ตั้ง และการวิจัย 2.1.4 ชนิดของการพยากรณ์ การพยากรณ์แบบอนุกรมเวลา (Time Series Method) เป็นวิธีการพยากรณ์ที่เกี่ยวข้องกับ องค์ประกอบ ดังต่อไปนี้(รัชนี โฆษิตานนท์,2564) - แนวโน้ม (Trend) มีรูปแบบการเพิ่มขึ้นหรือลดลงอย่างต่อเนื่อง - ฤดูกาล (Seasonal) มีรูปแบบความผันผวน ขึ้น-ลง ที่เกิดขึ้นเป็นประจำ มัก เกิดขึ้นภายในช่วงระยะเวลา 1 ปี - วัฏจักร (Cyclical) มีรูปแบบการขึ้น-ลง ซ้ำๆ - การสุ่ม ไร้รูปแบบ (Random, Irregular Variation) เป็นรูปแบบที่ไม่มีแบบแผน เป็นผลกระทบจากเหตุการณ์ที่ไม่คาดคิดมาก่อน ซึ่งวิธีอนุกรมเวลา มีดังต่อไปนี้

6 1. การพยากรณ์แบบ Naïve Method เป็นการพยากรณ์ว่ายอดขายในอนาคตจะเท่ากับ ยอดขายปัจจุบัน เช่น เดือนมกราคมขายได้ 12 ใบ เดือนกุมภาพันธ์ขายได้ 12 ใบ เช่นกัน ถ้าเดือน กุมภาพันธ์ขายได้จริง 15 ใบ ก็จะพยากรณ์ว่าเดือนมีนาคมว่าขายได้ 15 ใบ เช่นกัน 2. การหาค่าเฉลี่ยเคลื่อนที่ (Simple Moving Average Method) เป็นอนุกรมทาง คณิตศาสตร์ สามารถใช้ได้ถ้าเป็นการพยากรณืที่มีแนวโน้มเพียงเล็กน้อยหรือไม่มีแนวโน้ม มักใช้กับ การพยากรณืที่มีแนวโน้มคงที่โดยใช้สมการดังนี้(รัชนี โฆษิตานนท์,2564) Ft= ∑ Dt-1 n i=1 n โดยที่ Ft = ค่าพยากรณ์แบบ Moving Average สำหรับช่วงเวลา t Dt = ยอดขายจริงของช่วงเวลา t Dt-1 = ยอดขายจริงของช่วงเวลา t-1 n = จำนวนช่วงของข้อมูลในการพยากรณ์ 3.การพยากรณ์แบบปรับเรียบเอ็กซ์โปเนียนเชียลชั้นเดียว (Single Exponential Smoothing Method) เป็นวิธีการที่ใช้หลักการของการหาค่าเฉลี่ยวิธีหนึ่ง โดยให้น้ำหนัก ความสำคัญกับข้อมูลใหม่มาก ค่าพยากรณืจะตอบสนองกับข้อมูลใหม่เป็นหลัก เหมาะกับข้อมูลที่มี การเปลี่ยนแปลงและคาดเดาได้ยาก ในการนี้จะกำหนดข้อมูลล่าสุดเป็น α โดยให้มีค่าอยู่ที่ 0-1 หาก ค่า α มีค่าใกล้เคียง 1 หรือเท่ากับ 1 แสดงว่าให้น้ำหนักกับข้อมูลล่าสุดมาก โดยมาสมการดังนี้ (รัชนี โฆษิตานนท์,2564)

7 Ft =Ft-1+α(At-1 -Ft-1 ) โดยที่ Ft = ค่าพยากรณ์ใหม่ในช่วงเวลา t Ft-1 = ค่าพยากรณ์ใหม่ในช่วงเวลา t-1 α = ค่าคงที่ปรับเรียบ, 0≤α≤1 At-1 = ค่าจริงในช่วงที่ผ่านมา t-1 4.การพยากรณ์แบบปรับเรียบเอ็กซ์โปเนียนเชียลสองชั้น หรือแบบโฮลท์ (Double Exponential Smoothing Method หรือ Holt’s Linear Method) เป็นวิธีพยากรณ์ที่คล้ายกับวิธี ปรับเรียบเอ็กซ์โปเนียนเชียลแบบง่าย มีแนวโน้ม (Trend)nเข้ามาเกี่ยวข้อง ซึ่งกำหนดเป็นตัวแปร = ค่าคงที่ปรับเรียบระหว่างแนวโน้มจริงกับค่าประมาณแนวโน้ม มีค่า 0-1 โดยใช้สมการดังนี้ (รัชนี โฆษิตานนท์,2564) Ft =Ft-1+α(At-1 -Ft-1 ) โดยที่ Ft = ค่าพยากรณืใหม่ในช่วงเวลา t Ft-1 = ค่าพยากรณืใหม่ในช่วงเวลา t-1 α = ค่าคงที่ปรับเรียบ, 0≤α≤1 At-1 = ค่าจริงในช่วงที่ผ่านมา t-1

8 5.การพยากรณ์โดยวิธีการปรับเรียบเอ็กซ์โปเนียนเชียลแบบวินเทอร์ (Holt-Winter’s Method) วิธีนี้เหมาะสำหรับข้อมูลที่มีแนวโน้ม อิทธิพลของฤดูกาล ใช้การพยากรณ์ระยะสั้นถึงระยะ ปานกลาง วิธีนี้ใช้หลักการปรับเรียบของเอ็กซ์โปเนียนเชียล และมีค่าคงที่ปรับเรียบที่เกี่ยวข้องกับ ฤดูกาล โดย Holt-Wintet’s Method มี2 รูปแบบ คือ (รัชนี โฆษิตานนท์,2564) 1. รูปแบบการบวก (Additive Seasonal Effect) สมการที่ใช้ในการพยากรณ์ คือ Ft+n=Et+nTt+St+1-p Sinitial=Yt - ∑ Yi p p i=1 , t = 1,2, … , p โดยที่ p = จำนวนฤดูกาลใน 1 ปี เช่น ถ้าเป็นข้อมูลรายเดือน p = 12 n = ระยะเวลาที่ต้องการพยากรณ์ไปข้างหน้า ระดับของข้อมูล ณ ช่วงเวลา t = Et=α(Y1 -St-p)+(1-α)(Et-1+Tt-1 ) แนวโน้ม ณ ช่วงเวลา t = Tt =β(Et -Et-1 )+(1-β)(Tt-1 ) ค่าฤดูกาล ณ ช่วงเวลา t = St=γ(Yt -Et )+(1-γ)(St-p) 0≤ α , β , γ ≤1 2. รูปแบบการคูณ (Multiplicative Seasonal Effect) สมการในการพยากรณ์ คือ Ft+n=(Et+nTt )St+n-p

9 Sinitial=Yt -∑ Yi p p i=1 , t=1,2, …,p ระดับของข้อมูล ณ ช่วงเวลา t = Et=α(Yt -St-p)+(1-α)(Et-1+Tt-1 ) แนวโน้ม ณ ช่วงเวลา = Tt=β(Et -Et-1 )+(1-β)(Tt-1 ) ค่าฤดูกาล ณ ช่วงเวลา = St=γ(Yt -Et )+(1-γ)(St-p) 2.1.5 การวัดค่าความคลาดเคลื่อนของการพยากรณ์ เนื่องจากกราพยากรณ์มีหลายวิธีจึงต้องอาศัยตัวชี้วัดที่สามารถวัดค่าได้ว่าการพยากรณ์มีค่า ความคลาดเคลื่อนอย่างไร เพื่อให้ทราบถึงวิธีพยากรณ์ที่เหมาะสมที่สุด การวัดค่าความคลาดเคลื่อน ของการพยากรณ์คือ การวัดจากค่าสัมประสิทธิ์ความคลาดเคลื่อนจากค่าจริงและค่าที่ได้จากการ พยากรณ์ โดยพิจารณาความใกล้เคียงที่สุด หรือคลาดเคลื่อนน้อยที่สุด โดยสามารถวัดได้จากวิธีการ ดังต่อไปนี้(รัชนี โฆษิตานนท์,2564) 1. ค่าเฉลี่ยของความเบี่ยงเบนสัมบูรณ์ (Mean Absolute Deviation: MAD) เป็นวิธีวัดค่าความคลาดเคลื่อน โดยพิจารณาจากค่าจริงกับค่าที่ได้จากการพยากรณ์ โดยไม่คำนึงถึง เครื่องหมาย ถ้าค่า MAD มีความคลาดเคลื่อนน้อย จะแสดงให้เห็นว่าการพยากรณ์มีความแม่นยำ MAD= ∑|ค่าจริง-ค่าพยากรณ์| n 2. ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (Mean Squared Error: MSE) เป็นวิธีวัดค่าความคลาดเคลื่อนโดยพิจารณาจากค่าจริงกับค่าที่ได้จากการพยากรณ์ โดยวิธีการยก กำลังสอง ถ้าค่า MSE มีค่าความคลาดเคลื่อนน้อย จะแสดงให้เห็นว่าการพยากรณ์มีความแม่นยำ

10 MSE= ∑|ค่าจริง-ค่าพยากรณ์| 2 n 3. ค่ากลางของเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Percent Deviation: MAPD) MAPD= ∑|ค่าจริง-ค่าพยากรณ์| ค่าจริง ×100 4. ค่าเฉลี่ยของร้อยละความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Percent Error: MAPE) วิธีนี้เหมาะที่จะใช้วัดอนุกรมเวลาหลายชุดที่มีหน่วยของการวัดแตกต่างกัน ค่า MAPE ยิ่งน้อย จะ แสดงให้เห็นว่าการพยากรณ์มีความแม่นยำ MAPE= ∑|ค่าจริง-ค่าพยากรณ์|/ ค่าจริง×100 n โปรแกรม Minitab เป็นโปรแกรมสำเร็จรูปที่ใช้ประมวลผลข้อมูลทางด้านสถิติ โดยสามารถประมวลผลและ แสดงผลข้อมูลในลักษณะของตัวเลขและกราฟ โดยมีความแม่นยำ ความรวดเร็ว และสามารถทำซ้ำได้ ซึ่งสามารถนำมาประยุกต์ใช้ในการพยากรณ์ได้อย่างมีประสิทธิภาพ (อภิชัย พรมอ่อน, 2561) โปรแกรม Minitab ที่ใช้ในการพยากรณ์แบบอนุกรมเวลา ประกอบด้วยส่วนหลักๆ คือ เมนู บาร์ หน้าต่าง Worksheet หน้าต่าง Session และกราฟการแสดงผล ซึ่งผู้ใช้งานสามารถกรอกข้อมูล ที่จะให้โปรแกรมพยากรณ์ได้ที่หน้าต่าง Worksheet และกดที่เมนูบาร์เพื่อเลือกวิธีการพยากรณ์

11 จากนั้นใส่ค่าที่จำเป็นของแต่ละการพยากรณ์ และกด OK ในโปรแกรมจะวิเคราะห์ผลพยากรณ์ แสดงผลการพยากรณ์ในหน้าต่าง Session และกราฟ ดังภาพด้านล่าง ภาพที่ 1 ตัวอย่างการเลือกวิธีการพยากรณ์จากเมนูบาร์ในโปรแกรม Minitab ภาพที่ 2 ตัวอย่างหน้าจอการแสดงผลของการพยากรณ์ในโปรแกรม Minitab

12 ภาพที่ 3 ตัวอย่างหน้าต่างการแสดงผลของโปรแกรม Minitab 2.2 คลังสินค้าและการจัดการสินค้าคงคลัง 2.2.1 ความหมายของคลังสินค้า คลังสินค้า (Warehouse) หมายถึง พื้นที่ที่ทำหน้าที่ในการเก็บสินค้าระหว่างกระบวนการ ระหว่างการเคลื่อนย้าย เพื่อสนับสนุนกิจกรรมการผลิต และการกระจายสินค้า ซึ่งสินค้าที่เก็บใน คลังสินค้า จะแบ่งเป็น 2 ประเภทหลักๆ คือ วัตถุดิบ (Material) และสินค้าสำเร็จรูป (Finish Good) (พิภพ ลลิตาภรณ์,2553) 2.2.2 ความหมายของการจัดการสินค้าคงคลัง การจัดการสินค้าคงคลัง (Inventory Management) หมายถึง การวางแผนและควบคุม ระดับสินค้าคงคลังในปริมาณที่เหมาะสม เพื่อตอบสนองต่อความต้องการของลูกค้า หรือกระบวนการ ผลิตได้อย่างต่อเนื่อง และมีต้นทุนการจัดการที่เหมาะสม ซึ่งต้นทุน (Inventory Cost) สามารถแบ่งได้ เป็น 3 ประเภทหลัก ดังนี้(พิภพ ลลิตาภรณ์,2553) Manu Bar Session กราฟ Worksheet

13 1. ต้นทุนในการสั่งซื้อ (Ordering Cost) เป็นค่าใช้จ่ายต่างๆ ที่เกี่ยวกับการสั่งซื้อวัตถุดิบ เพื่อ นำมาเก็บคงคลังไว้ โดยทั่วไปจะเกี่ยวข้องกับกระบวนการออกใบสั่งซื้อ (Issue Purchase Order) การติดตามผล (Follow Up) การรับวัตถุดิบ (Receive) เป็นต้น 2. ค่าใช้จ่ายในการจัดเก็บ (Carrying Cost) เช่น ค่าเช่าคลังสินค้า เป็นต้น 3. ค่าใช้จ่ายเกี่ยวกับสินค้าขาดมือ (Stock Out Cost) เป็นค่าใช้จ่ายที่เกิดขึ้นจากการเสีย โอกาสในการขาย (Loss Of Sale) 2.3 ข้อมูลบริษัท บริษัทแลนด์โก้สปอร์ต แอนด์ มิวสิคเคิล จำกัด เป็นบริษัทขายส่ง นำเข้า และส่งออก อุปกรณ์กีฬาและเครื่องดนตรี ปัจจุบันดำเนินธุรกิจมานานกว่า 43 ปี ทั้งนี้บริษัทก็ได้รับการยอมรับใน ฐานะหนึ่งในพันธมิตรที่น่าเชื่อถือที่สุดกับร้านค้า โรงเรียน และหน่วยงานราชการทั่วประเทศ และเป็น ซัพพลายเออร์ที่ได้รับความไว้วางใจด้านคุณภาพของสินค้า ในส่วนที่ผู้วิจัยได้เข้าไปฝึกคือที่คลังสินค้า DK4 เป็นคลังสินค้าที่จัดเก็บอุปกรณ์กีฬาและ เครื่องดนตรีไทยเป็นส่วนใหญ่ ลูกค้าส่วนใหญ่จะเป็นร้านอุปกรณ์กีฬา ร้านเครื่องดนตรีและมีช่องทาง การขายออนไลน์จะเป็น Shopee, Lazada, Tiktok 2.4 งานวิจัยที่เกี่ยวข้อง ปิยานันท์ ทองโพธิ์ (2558) ทำการศึกษาเรื่อง การประยุกต์เทคนิคการพยากรณ์ความ ต้องการสินค้าเพื่อวางแผนการผลิต กรณีศึกษาโรงงานผลิตชุดชั้นใน โดยผู้วิจัยใช้โปรแกรมวิเคราะห์ ผลทางสถิติ Minitab ในการพยากรณ์ความต้องการสินค้า ผลการพยากรณ์พบว่าวิธีพยากรณ์รูปแบบ วินเทอร์มีความเหมาะสมที่สุด จากนั้นจึงนำผลการพยากรณ์ไปใช้ในการวางแผนการผลิต ผลการ วิเคราะห์พบว่าต้นทุนรวมสินค้าคงคลังลดลง ร้อยละ 8.20 นรวัฒน์ เหลืองทอง และนันทชัย การตานันทะ (2558) ทำการศึกษาเรื่อง การพยากรณ์ ผลผลิตการเกษตรด้วยวิธีอนุกรมเวลา สำหรับผลผลิตการเกษตรของพืช 4 ชนิด ได้แก่ ข้าวนาปี ข้าว นาปรัง มันสำปะหลัง และสับปะรด ในจังหวัดที่มีผลผลิตสูงสุด 3 อันดับแรกของประเทศไทย และ เลือกวิธีการพยากรณ์ผลผลิตการเกษตรที่เหมาะสมอโดยทำการเปรียบเทียบผลการพยากรณ์ของ อนุกรมเวลา 4 วิธี คือ 1. วิธีการปรับเรียลแบบเอ็กซ์โปเนียนเชียลอย่างง่าย 2. วิธีการปรับเรียบแบบ เอ็กซ์โปเนียนเชียลแบบโฮลท์ 3. วิธีโฮลท์และวินเทอร์แบบพหุบวก และ 4. วิธีโฮลท์และวินเทอร์แบบ

14 พหุคูณ โดยความแม่นยำของการพยากรณ์จะถูกเปรียบเทียบโดยใช้ค่าเฉลี่ยร้อยละความคลาดเคลื่อน สัมบูรณ์เฉลี่ย (MAPE) นิพนธ์ โตอินทร์(2556) ทำการศึกษาเรื่อง การพยากรณ์ความต้องการและการวางแผน สินค้าคงคลัง สำหรับสินค้าเครื่องดื่ม กรณีศึกษาแผนกควบคุมเครื่องดื่มในโรงแรม มีวัตถุประสงค์ เพื่อ ต้องการจะวางแผนความต้องการสินค้า เพื่อให้สินค้าคงคลังที่จัดเก็บมีปริมาณที่ต่ำที่สุด มีค่าใช้จ่าย น้อยที่สุด และเพิ่มอัตราหมุนเวียนสินค้าโดยไม่กระทบกับความต้องการของลูกค้า ซึ่งจะมุ่งเน้นไปที่ ผลิตภัณฑ์ที่เป็นเครื่องดื่ม ที่มียอดขายและมูลค่าสินค้าคงคลังสูดสุดของโรงแรมกรณีศึกษา โดยใช้ เทคนิคการควบคุมสินค้าคงคลังด้วยวิธี ABC Analysis ซึ่งกลุ่ม A เป็นกลุ่มที่มียอดขายมากที่สุดอยู่ที่ 65.41% ของยอดขายทั้งหมด มาหาค่าพยากรณ์ ซึ่งเลือกวิธีการการพยากรณ์โดยวิธี Single Exponential Smoothing ซึ่งปรากฏว่ามีค่าความคลาดเคลื่อนน้อยที่สุด นำผลที่ได้มาใช้วิธีการ คำนวณหาปริมาณการสั่งซื้อที่เหมาะสม (EOQ) วิธีการคำนวณหาจุดสั่งซื้อใหม่ (Reorder Point) และ สินค้าคงคลังสำรอง (Safety Stock) ในการควบคุมสินค้า พบว่า สามารถลดต้นทุนโดยรวมลงได้ 31.96% และสามารถเพิ่มอัตราหมุนเวียนสินค้าคงคลังได้ 51.73% โดยที่ยังมีปริมาณไว้ใช้อย่าง พอเพียงกับความต้องการ วัชรชัย อินธิปีก (2560) ทำการศึกษาเรื่อง การพยากรณ์ความต้องการสินค้าและการวาง แผนการผลิต กรณีศึกษาโรงงานแปรรูปเนื้อเป็ด มีวัตถุประสงค์ เพื่อเปรียบเทียบและเลือกวิธีการ พยากรณ์อนุกรมเวลาที่ดีที่สุดในการพยากรณ์ปริมาณความต้องการผลิตภัณฑ์เป็ดแปรรูป 5 กลุ่ม ผลิตภัณฑ์ตามชิ้นส่วนเป็นที่ใช้เป็นวัตถุดิบ จำนวน 7 วิธี คือ 1). Moving Average 2).Single Exponential Smoothing 3).Double Exponential Smoothing 4).Winter’s Method(Multiplicative Method) 5).Winter’s Method(Additive Method) 6).Linear Regression 7).ARIMA (Autoregressive Integrated Moving Average) โดยใช้ข้อมูลปริมาณความ ต้องการผลิตภัณฑ์ของบริษัทกรณีศึกษาในช่วงปี 2557-2560 เกณฑ์ที่ใช้ในการเปรียบเทียบคือค่า ความคลาดเคลื่อนของการพยากรณ์ ได้แก่ Mean Absolute Deviation (MAD) พบว่า วิธีการ พยากรณ์ที่เหมาะสมสำหรับสินค้ากลุ่มผลิตภัณฑ์เป็นสดทั้งตัว คือ วิธี ARIMA(0,1,1) ซึ่งให้ค่า MAD 99.72 พันตัว สำหรับกลุ่มสินค้าผลิตภัณฑ์เนื้อหน้าอก คือ วิธี ARIMA(1,0,1) ซึ่งให้ค่า MAD 18.46 ตัน สำหรับสินค้ากลุ่มผลิตภัณฑ์เนื้อน่องสะโพก คือ วิธีLinear Regression Method ซึ่งให้ค่า MAD 23.75 ตัน สำหรับสินค้ากลุ่มผลิตภัณฑ์กลุ่มปีกเป็ด คือ ARIMA(1,0,1) ซึ่งให้ค่า MAD 15.64 ตัน และ

15 การทดสอบการพยากรณ์ด้วยว่า วิธีการพยากรณ์ที่เลือกมาเมื่อเทียบกับข้อมูลย้อนหลังปี 2559 เทียบ กับปี 2560 พบว่า ค่าความคลาดเคลื่อนส่วนใหญ่มีร้อยละที่ลดลง เมื่อใช้วิธีการพยากรณ์จากงานวิจัย ที่เกิดขึ้น ซึ่งสามารถอธิบายได้ว่า วิธีการพยากรณ์ดังกล่าวมีความเหมาะสม ที่จะเลือกได้วิธีที่พยากรณ์ เหล่านี้ไปพยากรณ์ความต้องการในปี 2561 และวางแผนการผลิตต่อไป รัชนี โฑษิตานนท์(2564) จากการศึกษาเรื่องการพยากรณ์ความต้องการในการสั่งซื้อและ จัดการวัตถุดิบคงคลัง กรณีศึกษาบริษัทผลิตเครื่องฟอกอากาศ มีวัตถุประสงค์ ในการเลือกรูปแบบ การพยากรณ์ผลิตภัณฑ์เครื่องฟอกอากาษที่เหมาะสม เพื่อเป็นแนวทางในการบริหารจัดการวัตถุดิบคง คลังอย่างมีประสิทธิภาพ โดยทำการคัดเลือกวัตถุดิบ A199 เป็นตัวแทน เนื่องจากเป็นวัตถุดิบที่ใช้ใน เครื่องฟอกอากาศที่มียอดขายสูงที่สุด ราคาต่อชิ้นสูงที่สุดและมีเวลาในการนำซื้อสินค้าเกิน 90 วัน โดยใช้รูปแบบการพยากรณ์ทั้งหมด 5 วิธี ได้แก่ 1) วิธีหาค่าเฉลี่ยเคลื่อนที่อย่างง่าย 2) วิธีปรับเรียบ เอ็กซ์โปเนียนเชียลชั้นเดียว 3) วิธีปรับเรียบเอ็กซ์โปเนียนเซียลสองชั้น 4) วิธีปรับเรียบเอ็กซ์โปเนียน เซียลแบบวินเทอร์เชิงบวก และ 5) วิธีปรับเรียบเอ็กซ์โปเนียนเซียลแบบวินเทอร์เชิงคูณ และเลือก วิธีการพยากรณ์ที่เหมาะสมที่สุดโดยพิจารณาจากค่าความคลาดเคลื่อนที่ต่ำที่สุด พบว่า การพยากรณ์ วิธีปรับเรียบเอ็กซ์โปเนียนเซียลแบบวินเทอร์เชิงคูณ มีความเหมาะสมที่สุด เนื่องจากมีค่าความ คลาดเคลื่อนต่ำที่สุด โดยค่าเฉลี่ยร้อยละความคลาดเคลื่อนสัมบูรณ์ เท่ากับ 21 ค่าเฉลี่ยความ เบี่ยงเบนสัมบูรณ์ เท่ากับ 4,590 ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง เท่ากับ 37,912,638 และผล วิเคราะห์ปริมาณการสั่งซื้อแบบประหยัดเท่ากับ 55,871 ชิ้นต่อครั้ง รอบการสั่งซื้อทุก 43 วัน โดยที่ ระดับการให้บริการที่ร้อยละ 80 ปริมารวัตถุดิบคงคลังสำรอง เท่ากับ 14,216 ชิ้น และจุดสั่งซื้อใหม่ เท่ากับ 134,197 ชิ้น โดยมีต้นทุนรวมในการจัดการวัตถุดิบ เท่ากับ 53,753 บาทต่อปี จากข้อมูล ต้นทุนรวมในการจัดการวัตถุดิบแบบเดิม 95,516 บาทต่อปี ซึ่งสามารถลดต้นทุนได้41,763 บาทต่อ ปี หรือลดลงร้อยละ 43.72

16 1. ศึกษาทบทวนทฤษฎีและงานวิจัยที่เกี่ยวข้อง บทที่3 วิธีการดำเนินการวิจัย การศึกษามีจุดประสงค์เพื่อลดปัญหาการมีสินค้าในคลังสินค้าที่มากเกินความ ต้องการ โดยใช้ทฤษฎีการพยากรณ์เข้ามาช่วยในการคำนวณความต้องการของลูกค้า ขั้นตอนการดำเนินงานวิจัย ภาพที่ 4 ขั้นตอนการดำเนินงานวิจัย 2. ก าหนดขอบเขตการศึกษา 3. เก็บรวบรวมข้อมูล 4. วิเคราะห์ข้อมูล 5.สรุปผลการศึกษา

17 1. ศึกษาทบทวนทฤษฎีและงานวิจัยที่เกี่ยวข้อง ศึกษาทฤษฎีต่างๆ ในการพยากรณ์คำสั่งซื้อ และการจัดการสินค้าคงคลังเพื่อนำมา ประยุกต์ใช้กับกรณีศึกษา รวมถึงงานวิจัยที่เกี่ยวข้อง เช่น การพยากรณ์โดยใช้ทฤษฎีการพยากรณ์แบบอนุกรมเวลา จากนั้นทำการเปรียบเทียบค่า ความคลาดเคลื่อน เพื่อเลือกวิธีพยากรณ์ที่เหมาะสมที่สุด 2. กำหนดขอบเขตการศึกษา ศึกษาข้อมูลความต้องการของเครื่องดนตรีไทย ประเภทกลอง ในรุ่นที่มียอดขายมากที่สุด โดยใช้ข้อมูลคำสั่งซื้อย้อนหลังตั้งแต่เดือนมกราคม พ.ศ. 2566 จนถึงเดือนตุลาคม พ.ศ. 2566 มาใช้ใน การพยากรณ์คำสั่งซื้อเครื่องดนตรีไทยประเภทกลอง 3.เก็บรวบรวมข้อมูล เก็บรวบรวมข้อมูลยอดขายเครื่องดนตรีไทย ประเภทกลอง เพื่อวิเคราะห์หาเครื่องดนตรีไทย ประเภทกลองที่มียอดขายมากที่สุด เพื่อคัดเลือกและนำมาศึกษาวิจัย 4. วิเคราะห์ข้อมูล 1. การเลือกตัวแบบในการพยากรณ์ในโปรแกรม Minitab จำนวน 5 วิธี ดังนี้ 1.1 Simple moving average (SAM) โดยวิเคราะห์ที่ 3 Periods 1.2 Simple moving average (SAM) โดยวิเคราะห์ที่ 6 Periods 1.3 Single exponential smoothing (SES) 1.4 Double exponential smoothing (DES) 1.5 Holt-winter’s method for multiplicative seasonal effect

18 เหตุผลในการเลือกวิธีการพยากรณ์ 5 เทคนิคนี้ คือ เป็นการพยากรณ์แบบอนุกรมเวลา (Time series models) โดยใช้ข้อมูลย้อนหลัง เพื่อมาใช้พยากรณ์ในอนาคต ซึ่งเป็นข้อมูลที่ผู้วิจัย เข้าถึงได้ โดยการพยากรณ์จะแสดงรูปแบบของข้อมูลที่มีปัจจัยในด้านแนวโน้ม (Trend) วัฏจักร (Cycle) และฤดูกาล (Seasonal) ที่ชัดเจน แต่ว่าการพยากรณ์รูปแบบอื่น เช่น สภาวะเศรษฐกิจ กล ยุทธ์ส่งเสริมการขาย ข้อมูลส่วนนี้ผู้วิจัยไม่สามารถเข้าถึงข้อมูลได้อย่างชัดเจน 2. เปรียบเทียบค่าความคลาดเคลื่อนของการพยากรณ์ในแต่ละวิธี โดยจะพิจารณาจากค่า พยากรณ์ใกล้เคียงกับค่าจริงที่สุด โดยงานวิจัยนี้จะเลือกวิธีการที่มีค่าร้อยละความคลาดเคลื่อน สัมบูรณ์เฉลี่ย (MAPE) ค่าเฉลี่ยของความเบี่ยงเบนสัมบูรณ์ (MAD) และค่าเฉลี่ยความคลาดเคลื่อน กำลังสอง (MSE) ที่ต่ำที่สุด สรุปผลการวิจัย จากขั้นตอนวิธีการดำเนินการวิจัยที่กล่าวมาในบทนี้ แสดงให้เห็นถึงทฤษฎีที่เกี่ยวข้อง การ เก็บข้อมูล และการวิเคราะห์ผล โดยผู้ทำวิจัยจะสรุปผล วิธีการพยากรณ์ที่เหมาะสมสำหรับเครื่อง ดนตรีไทยในกรณีศึกษานี้

19 บทที่4 ผลการวิจัย ข้อมูลสินค้าประเภทเครื่องดนตรีไทย (กลอง) ของบริษัทกรณีศึกษา ผู้วิจัยได้ทำการเลือกสินค้าที่มียอดขายมากที่สุดมา 5 อันดับหลักๆ ดังนี้ ตารางที่ 1 รายละเอียดสินค้าประเภทเครื่องดนตรีไทย (กลอง) ชื่อรุ่น รายละเอียดสินค้า ราคาบาท/ใบ JE003 กลองเจมเบ้ 3,500 YD กลองยาว 1,950 YD001 กลองยาวเด็ก 500 CM001 กลองโทนมโหรี 5,500 TK002 กลองตุ๊ก 3,100 รวบรวมข้อมูลคำสั่งซื้อเครื่องดนตรีไทย (กลอง) ตารางที่ 2 คำสั่งซื้อเครื่องดนตรีไทย (กลอง) ของรุ่น JE003 ปี พ.ศ. 2566 เดือน ยอดขาย(บาท) มกราคม 3,500 กุมภาพันธ์ 7,000 มีนาคม 3,500 เมษายน 14,000 พฤษภาคม 10,500 มิถุนายน 7,000 กรกฎาคม 21,000 สิงหาคม 14,000 กันยายน 3,500 ตุลาคม 21,000

20 0 5,000 10,000 15,000 20,000 25,000 ปริมาณค าสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ.2566 ยอดขาย ภาพที่ 5 ปริมาณคำสั่งเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 ตารางที่ 3 คำสั่งซื้อเครื่องดนตรีไทย (กลอง) ของรุ่น YD ปี พ.ศ. 2566 เดือน ยอดขาย(บาท) มกราคม 1,950 กุมภาพันธ์ 17,550 มีนาคม 1,950 เมษายน 3,900 พฤษภาคม 3,900 มิถุนายน 3,900 กรกฎาคม 1,950 สิงหาคม 7,800 กันยายน 11,700 ตุลาคม 9,750

21 ภาพที่ 6 ปริมาณคำสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 ตารางที่ 4 คำสั่งซื้อเครื่องดนตรีไทย (กลอง) รุ่น YD001 ปี พ.ศ. 2566 เดือน ยอดขาย(บาท) มกราคม 1,000 กุมภาพันธ์ 1,500 มีนาคม 2,500 เมษายน 2,500 พฤษภาคม 1,500 มิถุนายน 1,000 กรกฎาคม 1,000 สิงหาคม 500 กันยายน 4,000 ตุลาคม 500 0 2,000 4,000 6,000 8,000 10,000 12,000 14,000 16,000 18,000 20,000 ปริมาณค าสั่งซื้อเครื่องดนตรไทย (กลอง) ปี พ.ศ. 2566 ยอดขาย

22 ภาพที่ 7 ปริมาณคำสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 ตารางที่ 5 ปริมาณคำสั่งซื้อเครื่องดนตรีไทย (กลอง) รุ่น CM001 ปี พ.ศ. 2566 เดือน ยอดขาย(บาท) มกราคม 5,500 กุมภาพันธ์ 11,000 มีนาคม 11,000 เมษายน 16,500 พฤษภาคม 5,500 มิถุนายน 11,000 กรกฎาคม 5,500 สิงหาคม 5,500 กันยายน 5,500 ตุลาคม 11,000 0 500 1,000 1,500 2,000 2,500 3,000 3,500 4,000 4,500 ปริมาณค าสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 ยอดขาย

23 ภาพที่ 8 ปริมาณคำสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 ตารางที่ 6 ปริมาณคำสั่งซื้อเครื่องดนตรีไทย (กลอง) รุ่น TK002 ปี พ.ศ. 2566 เดือน ยอดขาย(บาท) มกราคม 6,200 กุมภาพันธ์ 9,300 มีนาคม 3,100 เมษายน 3,100 พฤษภาคม 6,200 มิถุนายน 3,100 กรกฎาคม 3,100 สิงหาคม 3,100 กันยายน 6,200 ตุลาคม 3,100 0 2,000 4,000 6,000 8,000 10,000 12,000 14,000 16,000 18,000 ปริมาณค าสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 ยอดขาย

24 ภาพที่ 9 ปริมาณคำสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 จากข้อมูลยอดขายสินค้าระหว่างเดือนมกราคม พ.ศ. 2566 ถึงเดือนตุลาคม พ.ศ. 2566 พบว่าสินค้ารุ่น JE003 เป็นรุ่นที่มียอดขายรวมมากที่สุด คิดเป็นร้อยละ 32.72% ของยอดขายทั้งหมด ของเครื่องดนตรีไทย (กลอง) ดังนั้นผู้วิจัยจึงเลือกเครื่องดนตรีไทย (กลอง) รุ่น JE003 เป็นตัวแทน ขั้นต้นในการศึกษาวิจัยในลำดับต่อไป เนื่องจากเป็นรุ่นที่มีมูลค่าการซื้อขายสูงสุดในปัจจุบัน พ.ศ. 2566 ตารางที่ 7 ยอดขายเครื่องดนตรีไทย (กลอง) เดือนมกราคม พ.ศ. 2566 ถึงเดือนตุลาคม พ.ศ. 2566 รุ่น ยอดขาย ม.ค. - พ.ค. (บาท) ยอดขาย มิ.ย. - ต.ค. (บาท) มูลค่ารวม(บาท) สัดส่วน ยอดขาย (%) JE003 38,000 66,500 104,500 32.72% YD 29,250 35,100 64,350 20.15% YD001 9,000 7,000 16,000 5.01% CM001 49,500 38,500 88,000 27.56% TK002 27,900 18,600 46,500 14.56% รวม 153,800 165,700 319,350 100% 0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000 10,000 ปริมาณค าสั่งซื้อเครื่องดนตรีไทย (กลอง) ปี พ.ศ. 2566 ยอดขาย

25 ภาพที่ 10 สัดส่วนยอดขายเครื่องดนตรีไทย (กลอง) ระหว่างเดือนมกราคม พ.ศ. 2566 ถึงเดือน ตุลาคม พ.ศ. 2566 พยากรณ์ความต้องการสินค้ารุ่น JE003 จากข้อมูลยอดขายสินค้ารุ่น JE003 เป็นรุ่นที่มียอดขายสูงที่สุด โดยปริมาณยอดขายของ สินค้ารุ่น JE003 ตั้งแต่เดือนมกราคม พ.ศ. 2566 ถึงเดือนตุลาคม พ.ศ. 2566 จะแสดงดังตาราง ต่อไปนี้ ตารางที่ 8 ปริมาณยอดขายสินค้ารุ่น JE003 เดือนมกราคม พ.ศ. 2566 ถึงเดือนตุลาคม พ.ศ. 2566 เดือน/ปี พ.ศ. จำนวน(ใบ) ราคา(บาท) มกราคม 1 3,500 กุมภาพันธ์ 2 7,000 มีนาคม 1 3,500 เมษายน 4 14,000 พฤษภาคม 3 10,500 มิถุนายน 2 7,000 กรกฎาคม 6 21,000 สิงหาคม 4 14,000 33% 5% 20% 28% 14% สัดส่วนยอดขายเครื่องดนตรีไทย (กลอง) JE003 YD YD001 CM001 TK002

26 กันยายน 1 3,500 ตุลาคม 6 21,000 รวม 30 104,500 นำข้อมูลยอดขายสินค้ารุ่น JE003 ตั้งแต่เดือนมกราคม พ.ศ.2566 จนถึงเดือนตุลาคม พ.ศ. 2566 มาทำการพยากรณ์เพื่อหายอดขายในเดือนมกราคมถึงเดือนตุลาคม พ.ศ. 2567 ในรูปแบบ Times series โดยใช้วิธีพยากรณ์ 5 วิธี ดังนี้ 1. วิธีพยากรณ์แบบ Simple moving average วิเคราะห์ที่ 3 Periods 2. วิธีพยากรณ์แบบ Simple moving average วิเคราะห์ที่ 6 Periods 3. วิธีพยากรณ์แบบ Simple exponential smoothing 4. วิธีพยากรณ์แบบ Double exponential smoothing 5. วิธีพยากรณ์แบบ Holt-winter’s method for multiplicative seasonal effect ผู้วิจัยใช้โปรแกรม Minitab ซึ่งเป็นโปรแกรมทางสถิติที่แม่นยำและน่าเชื่อถือ ในการ คำนวณหาค่าคงที่ที่เหมาะสมในการทำให้ค่าความคลาดเคลื่อน (MAPE,MAD และMSE) ต่ำที่สุด ซึ่ง ผลการพยากรณ์แต่ละวิธีได้ผลดังนี้

27 ภาพที่ 11 ผลการพยากรณ์วิธี Simple moving average 3 Periods โดยโปรแกรม Minitab ภาพที่ 12 ผลการพยากรณ์วิธี Simple moving average 6 Periods โดยโปรแกรม Minitab ภาพที่ 13 ผลการพยากรณ์วิธี Single exponential smoothing โดยโปรแกรม Minitab

28 ภาพที่ 14 ผลการพยากรณ์วิธี Double exponential smoothing โดยโปรแกรม Minitab ภาพที่ 15 ผลการพยากรณ์วิธี Holt-winter’s for multiplicative โดยโปรแกรม Minitab

29 โปรแกรม Minitab ทำการวิเคราะห์ค่าพารามิเตอร์ที่ใช้ในแต่ละการพยากรณ์ ดังตารางที่ 9 นี้ ในส่วนของค่า Seasonal (γ) ผู้วิจัยทำการทดลองใส่ค่า 0.001,0.002,0.003,0.004,0.005,0.01 และ 0.02 ปรากฏว่าการเพิ่มค่าสูงทำให้ค่าความคลาดเคลื่อนสูงขึ้น ดังนั้นจึ้งเลือกค่า 0.001 เป็นค่า Seasonal ตารางที่ 9 ค่าพารามิเตอร์ในแต่ละการพยากรณ์ที่คำนวณโดยโปรแกรม Minitab เทคนิคการพยากรณ์ ค่าพารามิเตอร์ Alpha (α) Beta (β) Gamma (γ) Simple exponential smoothing 0.20 - - Double exponential smoothing 0.32 0.35 - Holt-winter’ s for multiplicative seasonal effect 0.32 0.35 0.01 เมื่อทำการเปรียบเทียบค่าความคลาดเคลื่อนในแต่ละวิธี พบว่าวิธี Holt-winter’ s for multiplicative seasonal effect มีค่าความคลาดเคลื่อนต่ำที่สุดเมื่อเทียบกับการพยากรณ์วิธีอื่นๆ โดยได้ค่าความคลาดเคลื่อน MAPE เท่ากับ 22 , MAD เท่ากับ 2,185 และ MSE เท่ากับ 6,801,854 ดังนั้นผู้วิจัยจึงขอเลือกวิธีดังกล่าวในการพยากรณ์ปริมาณความต้องการวัตถุดิบในลำดับถัดไป ตารางที่ 10 ค่าความคลาดเคลื่อนในแต่ละวิธีการพยากรณ์ โดยโปรแกรม Minitab เทคนิคการพยากรณ์ ค่าความผิดพลาด MAPE MAD MES Moving average 3 periods 74 6,333 55,222,222 Moving average 6 periods 92 8,604 86,515,625 Single exponential smoothing 67 5,501 46,818,495 Double exponential smoothing 86 5,495 45,761,128 Holt-winter’ s for multiplicative seasonal effect 22 2,185 6,801,854

30 ผลการพยากรณ์ สินค้ารุ่น JE003 ด้วยวิธี Holt-winter’ s method for multiplicative seasonal effect ตั้งแต่เดือนมกราคมถึงเดือนตุลาคม พ.ศ. 2566 ด้วยโปรแกรม Minitab ปรากฏ ดังนี้ ภาพที่ 16 ผลการพยากรณ์ล่วงหน้าของสินค้ารุ่น JE003 วิธี Holt-winter’ s multiplicative ตารางที่ 11 ผลการพยากรณ์ล่วงหน้าของสินค้ารุ่น JE003 วิธี Holt-winter’s multiplicative เดือน ปี ผลการพยากรณ์ มกราคม 2567 4,415.0 กุมภาพันธ์ 2567 8,665.1 มีนาคม 2567 4,254.2 เมษายน 2567 16,716.3 พฤษภาคม 2567 12,321.0 มิถุนายน 2567 8,075.4 กรกฎาคม 2567 23,852.5 สิงหาคม 2567 15,626.3 กันยายน 2567 3,844.5 ตุลาคม 2567 22,707.1 รวม 120,450.4

31 บทที่5 สรุปและอภิปรายผล สรุปและอภิปรายผลการวิจัย จากการรวบรวมข้อมูลความต้องการเครื่องดนตรีไทย (กลอง) ตั้งแต่เดือนมกราคม พ.ศ.2566 ถึงเดือนตุลาคม พ.ศ.2566 เพื่อนำมาพยากรณ์ความต้องการในเดือนมกราคมถึงเดือนตุลาคม พ.ศ.2567 ซึ่งผู้วิจัยทำการคัดเลือกสินค้าที่มีความต้องการสูง มาเป็นตัวแทนในการพยากรณ์ 1 ชนิด ได้แก่ สินค้ารุ่น JE003 จากการพยากรณ์โดยใช้ข้อมูลของสินค้ารุ่น JE003 ย้อนหลังตั้งแต่เดือนมกราคม พ.ศ.2566 ถึงเดือนตุลาคม พ.ศ.2566 เพื่อพยากรณ์ปริมาณความต้องการสินค้าในเดือนมกราคมถึงเดือนตุลาคม พ.ศ.2567 พบว่าวิธีการพยากรณ์ที่เหมาะสม คือ วิธี Holt-winter’ s method for multiplicative seasonal effect เนื่องจากเป็นวิธีที่ให้ค่าพยากรณ์ใกล้เคียงกับค่าจริงมากที่สุด โดยมีค่าความ คลาดเคลื่อนต่ำที่สุด โดย MAPE เท่ากับ 22 MAD เท่ากับ 2,185 และMSE เท่ากับ 6,801,854 ซึ่งผลพยากรณ์จะเห็นว่าปริมาณความต้องการมีความต้องการมากขึ้น ทำให้สามารถสั่งซื้อสินค้ามา เก็บไว้ในคลังสินค้ามากขึ้นตามที่พยากรณ์ไว้โดยที่มีความเสี่ยงน้อยที่จะเกิดสินค้าค้างสต็อก ตามผลการวิจัยนี้จะสอดคล้องกับผลงานวิจัยของ รัชนี โฆษิตานนท์ (2564) ที่พบว่าวิธีการพยากรณ์ที่ เหมาะสมกับงานวิจัยคือ วิธี Holt-winter’ s method for multiplicative ข้อเสนอแนะ 1. ในการวิจัยครั้งต่อไปเพิ่มระยะเวลาในการเก็บข้อมูล เพื่อที่จะให้ผลการพยากรณ์แม่นยำ มากยิ่งขึ้น 2. ในการทำวิจัยครั้งต่อไปควรที่จะเพิ่มแนวคิดและทฤษฎีมากขึ้น

32 บรรณานุกรม วัชรชัย อินทิปีก. (2561). การพยากรณ์ความต้องการสินค้าและการวางแผนการผลิต กรณีศึกษาโรงงานแปรรูปเนื้อเป็ด.หลักสูตรวิศวกรรมศาสตรมหาบัณฑิต สาขาวิขาการ จัดการทางวิศวกรรม วิทยาลัยนวัตกรรมด้านเทคโนโลยีและวิศวกรรมศาสตร์ มหาวิทยาลัย ธุรกิจบัณฑิตย์. นิพนธ์ โตอินทร์. (2556). การพยากรณ์ความต้องการและการวางแผนสินค้าคงคลัง สำหรับสินค้าเครื่องดื่ม กรณีศึกษาแผนกควบคุมเครื่องดื่มในโรงแรม.หลักสูตรวิทยาศาสตร์ มหาบัณฑิต สาขาวิชาการจัดการโซ่อุปทานแบบบูรณาการ คณะวิศสาตร์ มหาวิทยาลัยธุรกิจ บัณฑิตย์. จิราวรรณ เนียมสกุล. (2563). การพยากรณ์ความต้องการและจัดการสินค้าคงคลัง กรณีศึกษาบริษัทชิ้นส่วนยานยนต์แห่งหนึ่งในจังหวัดชลบุรี.วารสารวิชาการศรีปทุม ชลบุรี. ปิยานันท์ ทองโพธิ์. (2558). การประยุกต์เทคนิคการพยากรณ์ความต้องการสินค้าเพื่อวางแผนการ ผลิต กรณีศึกษาโรงงานผลิตชุดชั้นใน.หลักสูตรปริญญาวิศวกรรมศาสตรมหาบัณฑิต สาขาวิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคล ธัญบุรี. รัชนี โฆษิตานนท์. (2564). การพยากรณ์ความต้องการในการสั่งซื้อและจัดการวัตถุดิบคงคลัง กรณีศึกษาบริษัทผลิตเครื่องฟอกอากาศ.หลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาการ จัดการโลจิสติกส์และโซ่อุปทาน คณะโลจิสติกส์ มหาวิทยาลัยบูรพา. สร้อยสุดา เลาะหมุด. (2566). เมื่อไหร่จึงจะใช้การหาปริมาณการสั่งซื้อที่เหมาะสม(EOQ)ได้. https://medium.com/@soisuda.na9-a49290084434.

33 ภาคผนวก

34 ขั้นตอนการพยากรณ์ โดยใช้โปรแกรม Minitab 1.การพยากรณ์ด้วยวิธีค่าเฉลี่ยเคลื่อนที่ 3 เดือน (Simple moving average 3 Periods) 1.1 ใส่ข้อมูลปริมาณการใช้สินค้าตั้งแต่เดือนมกราคม ถึงเดือนตุลาคม พ.ศ. 2566 พร้อมทั้ง ใส่ลำดับ ลงในตาราง Worksheet ของโปรแกรม Minitab ภาพที่ 17 การใส่ข้อมูลลงใน Worksheet 1.2 เมื่อใส่ข้อมูลครบถ้วน จึงทำการเลือกเมนูเพื่อใช้ในการพยากรณ์ โดยเลือกเมนู Stat>Time Series >Moving Average

35 ภาพที่ 18 ขั้นตอนการเลือกเมนูในการพยากรณ์วิธี Simple move average 1.3 จากนั้นจะปรากฏหน้าต่างของ Moving Average ขึ้นมา โดยทำการเลือกค่าข้อมูลลงใน ช่องของ Variable โดยกำหนดจำนวนของ MA length เท่ากับ 3 จากนั้นกด OK ภาพที่ 19 หน้าต่างพยากรณ์ของวิธี Simple moving average 3 Periods 1.4 โปรแกรม Minitab จะแสดงรายละเอียดต่างๆ ไว้ในช่องส่วนของ Session โดยโปรแกรม จะแสดงผลค่าความผิดพลาดของการพยากรณ์ ใน 3 เกณ์MAPE , MAD , MSE ภาพที่ 20 ผลของการพยากรณ์วิธี Simple moving average 3 Periods

36 2. การพยากรณ์ด้วยวิธีค่าเฉลี่ยเคลื่อนที่ 6 เดือน (Simple moving average 6 Periods) 2.1 ทำตามขั้นตอนข้อที่ 1.1,1.2 และ1.3 แต่กำหนดจำนวนของ MA length เท่ากับ 6 (หมายถึง การคิดค่าเฉลี่ย 6 เดือน) จากนั้นกด OK ภาพที่ 21 หน้าต่างการพยากรณ์วิธี Simple moving average 6 Periods 2.2 โปรแกรม Minitab จะแสดงรายละเอียดต่างๆ ไว้ในส่วนของ Session โดยโปรแกรมจะ แสดงผลค่าความผิดพลาดของการพยากรณ์ ใน 3 เกณฑ์ คือ MAPE,MAD,MSE ภาพที่ 22 ผลการพยากรณ์วิธี Simple moving average 6 Periods

37 3. การพยากรณ์ด้วยวิธีการปรับเรียบเอ็กซ์โปเนียลชั้นเดียว (Single exponential smoothing) 3.1 ทำตามขั้นตอน 1.1 จากนั้นเลือกเมนูStat>Time>Single Exp Smoothing ภาพที่ 23 ขั้นตอนในการเลือกเมนูในการพยากรณ์วิธีSingle exponential smoothing 3.2 จะปรากฏหน้าต่างของ Single exponential smoothing ขึ้นมา จากนั้น เลือกค่า ข้อมูล ลงในช่องของ Variable และเลือก Optimize ARIMA เพื่อให้ได้โปรแกรมหาค่า α ที่ดีที่สุด ภาพที่ 24 หน้าต่างการพยากรณ์วิธี Single exponential smoothing

38 3.3 โปรแกรมแสดงผลวิเคราะห์ และแสดงผลค่า α ที่เหมาะสมในการทำให้ค่าความ ผิดพลาดของการพยากรณ์ ใน 3 เกณฑ์ คือ MAPE, MAD, MSE ต่ำที่สุด ภาพที่ 25 ผลการพยากรณ์วิธี Single exponential smoothing 4. การพยากรณ์ด้วยวิธีการปรับเรียบเอ็กซ์โปเนียนเชียลสองชั้น (Double exponential smoothing) 4.1 ทำตามขั้นตอนข้อ 1.1 และเลือก Stat>Time Series>Double Exp Smoothing

39 ภาพที่ 26 ขั้นตอนในการเลือกเมนูในการพยากรณ์วิธี Double exponential smoothing 4.2 จากนั้นจะปรากฏหน้าต่างขาง Double exponential smoothing ขึ้นมา จึงทำการ เลือกค่าข้อมูล ลงในช่อง Variable และเลือก Weight to Use in Smoothing เป็นแบบ Optimize ARIMA เพื่อให้โปรแกรมหาค่า α และ β ที่ดีที่สุด ภาพที่ 27 หน้าต่างการพยากรณ์วิธี Double exponential smoothing 4.3 โปรแกรมแสดงผลวิเคราะห์แบบวิธีการปรับเรียบแบบเอ็กซ์โปเนียลสองชั้น (Double exponential smoothing Method) และแสดงผลค่า α,β ที่ทำให้ค่าความผิดพลาดของการ พยากรณ์ ใน 3 เกณฑ์ คือ MAPE,MAD,MES ต่ำที่สุด

40 ภาพที่ 28 ผลการพยากรณ์วิธี Double exponential smoothing 5. การพยากรณ์ด้วยวิธีการ Holt-winter’ s for multiplicative seasonal effect 5.1 ทำตามขั้นตอนที่ 1.1 จากนั้นเลือกเมนู Stat>Time Series>Winters’Method 5.2 จากนั้นจะปรากฏหน้าต่างของ Holt-winter’ s method ขึ้นมา เลือกค่าข้อมูล ลงใน ช่อง Variable กำหนด Method type เป็นแบบ Multiplicative กำหนดค่า Seasonal length เท่ากับ 10 และเลือก Weight to use in smoothing โดยโปรแกรมกำหนดให้ค่า α=0.314475, β=0.340703 ที่จะทำให้ค่าความคลาดเคลื่อนต่ำที่สุด (เป็นค่าเดียวกับวิธี Double exponential smoothing) ในส่วนของค่า γ ผู้วิจัยทำการทดลองใส่ค่า 0.001,0.002,0.003,0.004.0.01 และ 0.02 ผลปรากฎว่าการเพิ่มค่าสูงทำให้ค่าความคลาดเคลื่อนสูงขึ้น ดังนั้นจึงเลือกค่า 0.001 เป็นค่า Seasonal

41 ภาพที่ 29 หน้าต่างการพยากรณ์ของวิธีHolt-winter’ s for multiplicative 5.3 โปรแกรมแสดงผลวิเคราะห์แบบวิธีการ Holt-winter’ s for multiplicative seasonal effect พร้อมทั้งค่าความผิดพลาดของการพยากรณ์ใน 3 เกณฑ์ คือ MAPE,MAD,MSE ภาพที่ 30 ผลของการพยากรณ์วิธี Holt-winter’ s for multiplicative 6. การพยากรณ์ 10 เดือน ล่วงหน้าด้วยวิธีการ Holt-winter’ s for multiplicative seasonal effect 6.1 ทำตามขั้นตอนข้อ 5.1 และข้อ 5.2

42 6.2 กดเลือก Generate forecast ใส่ข้อมูลลงใน Number of forecast เท่ากับ 10 (เพื่อหา ค่าการพยากรณ์ล่วงหน้า 10 ลำดับถัดไป) จากนั้นกด Storage เพื่อบันทึกข้อมูลผลการพยากรณ์ โดย เลือกที่ Fits,Forecasts,Upper95% และ Lower95% prediction limits ภาพที่ 31 หน้าต่างการพยากรณ์ล่วงหน้า 10 เดือน วิธี Holt-winter’ s for multiplicative 6.3 Worksheet จะปรากฏค่าที่พยากรณ์ 10 เดือน ล่วงหน้า รวมถึงค่าบนสุดและค่าต่ำสุด ของการพยากรณ์ ภาพที่ 32 ผลการพยากรณ์ล่วงหน้า 10 เดือน วิธี Holt-winter’ s for multiplicative