Forecasting

04-412-306
Production Planning & Control

Chapter 1 Forecasting

วตั ถปุ ระสงคก ารเรียนรู
1. อธบิ ายประเภทและวธิ กี ารพยากรณเชงิ คณุ ภาพ
2. เปรียบเทยี บการพยากรณเชงิ คณุ ภาพกบั การพยากรณเชงิ ปรมิ าณ
3. อธบิ ายประเภทของการพยากรณเชงิ ปรมิ าณ
4. คาํ นวณปญั หาเกยี่ วกบั การพยากรณโดยใชว ธิ กี ารพยากรณเชงิ

ปรมิ าณ
5. คาํ นวณคา ผดิ พลาดในการพยากรณ
6. เขยี นแผนภมู คิ วบคมุ สาํ หรบั ตดิ ตามการพยากรณ
7. เลอื กวธิ กี ารพยากรณทเี่ หมาะสม
8. บอกลกั ษณะการพยากรณทดี่ ี

http://mediaplayer.pearsoncmg.com/_ph_bp2_cc_set.title.Forecasting_at_Hard_Rock_Cafe__/bp_mylabs/akamai/2012/om/heizer/HardRock_Forcasting.m4v

การพยากรณ์ หมายถึง ข้อใดมากที่สดุ

1. การเดาสงิ่ ทย่ี งั ไมเ่ กดิ ขน้ึ
2. การคาดการณ์เหตุการณ์ในอนาคต
3. การจาํ ลองสถานการณ์
4. การวางแผนอนาคต

What is Forecasting?

•การพยากรณ์ หSมaาlยeถsงึ wกรilะlบbวeนก$า2ร0ใน0การคาดเดา
เหตุการณ์ในอนาคตหรMอื เiหlliตoุกnา!รณ์ทย่ี งั ไมเ่ กดิ ขน้ึ
•การพยากรณ์ทเ่ี กย่ี วขอ้ งกบั การตดั สนิ ใจเชงิ ธรุ กจิ
ภายในองคก์ รธรุ กจิ ต่างๆ มกั เชอ่ื มโยงกบั
•การผลติ สนิ คา้ การใหบ้ รกิ าร
•การควบคมุ วสั ดคุ งคลงั และสนิ คา้ คงคลงั
•บคุ ลากร
•ปจั จยั ในการผลติ ต่างๆ

สิ่งท่ีต้องคาํ นึงถึงเมอ่ื ทาํ การพยากรณ์
1 ระยะเวลาในการพยากรณ์

2 วงจรชวี ติ ของผลติ ภณั ฑ์

3 ลกั ษณะการพยากรณ์

การพยากรณ์หากแบง่ ตามระยะเวลา
สามารถแบง่ ได้อย่างไร?

1. 1 แบบ ระยะยาว
2. 2 แบบ ระยะสนั้ และ ระยะยาว
3. 3 แบบ ระยะสนั้ ระยะปานกลาง และระยะยาว

Types of Forecasts by Time Horizon

ระยะยาว

ระยะปานกลาง > 3 ปี

สปั ดระายหะ์ -สเนัด้ วือาไนตงแรผมนาสกา–ร3ผลปีิต ผลิตภณั ฑใ์ หม่
โรงงานใหม่

การจดั ตารางกาวรทางาํ แงาผนนการขาย
การกาํ หนดจงดาั นทาํ งบประมาณ

ระยะเวลา VS ความแมน่ ยาํ

1. ระยะยาว แมน่ ยาํ มากกวา่
2. ระยะสนั้ แมน่ ยาํ มากกวา่

สิ่งท่ีต้องคาํ นึงถึงเมอื่ ทาํ การพยากรณ์
1 ระยะเวลาในการพยากรณ์
2 วงจรชีวิตของผลิตภณั ฑ์
3 ลกั ษณะการพยากรณ์

วงจรชีวิตของผลิตภณั ฑ์ ข้อใดเรียงลาํ ดบั
ถกู ต้อง

1 แนะนําผลิตภณั ฑ์ – เติบโตในตลาด
2 แนะนําผลิตภณั ฑ์ – เติบโตในตลาด – อ่ิมตวั

3 แนะนําผลิตภณั ฑ์ – เติบโตในตลาด – อิ่มตวั – ลดลง

4 แนะนําผลิตภณั ฑ์ – เติบโตในตลาด – อ่ิมตวั – ลดลง
- นําผลิตภณั ฑอ์ อกจากตลาด

กิจกรรมใดคือจดุ เริ่มต้นของการวางแผน
และควบคมุ การผลิต ?

1. การวางแผนการผลติ โดยรวม
2. การวเิ คราะหค์ วามเป็นไปไดใ้ นการดาํ เนินงาน
3. การพยากรณ์ความตอ้ งการสนิ คา้
4. การวเิ คราะหก์ าํ ลงั การผลติ

Demand Forecasting

สาํ หรบั ศาสตรข์ องการวางแผนและควบคมุ การผลิต
จดุ เริม่ ต้นของการวางแผนการผลิต คือ การพยากรณ์
ความต้องการสินค้า หรือ การพยากรณ์อปุ สงคข์ อง
สินค้า (Demand Forecasting) ซ่ึงหมายถึง การท่ีองคก์ ร
คาดเดาอย่างมีหลกั การว่าในอนาคตลกู ค้าขององคก์ รมี
ความต้องการสินค้าจาํ นวนมากน้อยเพียงใดนัน่ เอง

6 Steps in Forecasting

• กาํ หนดวตั ถุประสงคใ นการพยากรณ

1

• กาํ หนดระยะเวลาในการพยากรณ

2

• รวบรวมขอ มลู สาํ หรบั การพยากรณ

3

• เลือกวธิ กี ารพยากรณทเี่ หมาะสม

4

• ทาํ การพยากรณ

5

• เสนอและตดิ ตามผลการพยากรณ

6

Forecasting Approaches

สินค้าและบริการต่อไปนี้ควรใช้วิธี
พยากรณ์แบบใด ?

Forecasting Approaches

Jury of Executive Opinion

Sales Force Composite

Sales

Delphi Method Decision Makers

Staff (Sales?)
(What will  (Sales will be 50!)
sales be? 
survey)

Respondents 
(Sales will be 45, 50, 55)

Consumer Market Survey

Forecasting Approaches

อนกุ รมเวลา การพยากรณ์สําหรับคา่ เฉลย่ี •วิธีอยา่ งงา่ ย
(Time Series) (Average Forecasting) •วิธีคา่ คงท่ี
•คา่ เฉลยี่ เคลือ่ นท่ี
การพยากรณ์สาํ หรับแนวโน้ม
(Trend Forecasting) •คา่ เฉล่ียเคล่อื นท่ถี ว่ งนํา้ หนกั
•เอกซ์โปเนนเชยี ลปรับเรียบ
การพยากรณ์สาํ หรับฤดกู าล •สมการเชิงเส้น
(Seasonal Forecasting) •เอกซ์โปเนนเชียลปรับเรียบมีแนวโน้ม
การพยากรณ์สาํ หรับวฏั จกั ร •สมการพาราโบลกิ
(Cyclical Forecasting) •สมการเอกซ์โปเนนเชยี ล

การพยากร ์ณเ ิชงป ิรมาณ

วธิ ีความสมั พนั ธ์ •การวเิ คราะห์เชิงถดถอย
(Causal Model) •การวเิ คราะห์สหสมั พนั ธ์

What is Time Series?

ข้อมลู ชดุ ใดเป็นข้อมลู ยอดขายแบบอนุกรม
เวลา ?

1. ชดุ ขอ้ มลู ยอดขายของเดอื นมกราคม มนี าคม ตุลาคม และ
พฤศจกิ ายน

2. ชดุ ขอ้ มลู ยอดขายปี พ.ศ. 2553, 2554, 2555, 2556
3. ชดุ ขอ้ มลู ยอดขายสปั ดาหท์ ่ี 3, 5, 10, 20 ของไตรมาสแรก
4. ชดุ ขอ้ มลู ยอดขายวนั จนั ทร์ พธุ พฤหสั บดี และอาทติ ย์

ลกั ษณะของอนุกรมเวลา

•การเกบ็ ขอ้ มลู ความตอ้ งการสนิ คา้ หรอื ยอดขายระยะเวลาหน่ึงสม่าํ เสมอ

•โดยมชี ว่ งหา่ งในการเกบ็ ขอ้ มลู เทา่ ๆกนั เชน่ เกบ็ ขอ้ มลู ทกุ เดอื น ทกุ ไตรมาส
ทกุ ปี เป็นระยะเวลาทงั้ หมด 5 ปีเป็นตน้

•ตวั อยา่ งขอ้ มลู อนุกรมเวลา

ปี พ.ศ. 2550 2551 2552 2553 2554

ยอดขาย (หนวย) 150,000 176,000 182,000 197,000 201,000

•ตวั อยา่ งขอ้ มลู ทไ่ี มใ่ ชอ่ นุกรมเวลา

เดอื น มกราคม มนี าคม เมษายน กรกฎาคม ตลุ าคม ธนั วาคม
4,345 5,530 3,102 2,348
ยอดขาย (หนวย) 3,232 4,287

Demand / Salesเทคนิ คการพยากรณ์แบบอนุกรมเวลา
(Time Series Forecasting)

เทคนิคการพยากรณ์แบบอนุกรมเวลา มสี มมตฐิ านวา่
ความตอ้ งการสนิ คา้ มกี ารเปลย่ี นแปลงตามระยะเวลาท่ี
ผา่ นไป ดงั นนั้ การคาํ นวณดว้ ยสมการทางคณติ ศาสตร์
ตวั แปรทมี่ ผี ลตอ่ ความตอ้ งการสนิ คา้ คอื เวลา (Time)

Time Series Components

Trend Cyclical

Seasonal Random

Trend Component

Trend Component
Seasonal Component

Cyclical Component

Random / Irregular Component

ตวั แปรท่ีใช้ในการคาํ นวณ

Ft = ค่าพยากรณ์ความต้องการสินค้า
ณ ช่วงเวลา t เมือ่ t = 1, 2, 3, …

At = ข้อมลู ยอดขายสินค้าจริง
ณ ช่วงเวลา t เม่อื t = 1, 2, 3, …

et = ค่าความผิดพลาด ณ ช่วงเวลา t
เมื่อ t = 1, 2, 3, …
= At – Ft

1. การพยากรณ์อยา่ งงา่ ย (Naïve Method)

Ft  At1

Ft = คา่ พยากรณ์ความตอ้ งการสนิ คา้ ณ ชว่ งเวลา t
At = ขอ้ มลู ยอดขายสนิ คา้ จรงิ ณ ชว่ งเวลา t

บรษิ ทั เกบ็ ขอ้ มลู ยอดขายรายสปั ดาหไ์ ดข้ อ้ มลู ดงั ตาราง จงใชว้ ธิ กี าร
พยากรณ์อยา่ งงา่ ย พยากรณ์ความตอ้ งการสนิ คา้ ในสปั ดาหท์ ่ี 7

80สปั ดาหท์ ,่ี t ยอดขายจรงิ (หน่วย) At คา่ พยากรณ์ (หน่วย) Ft

60 1 50 -
2 55

F  A40 3 t4678 1
4t
20  A 767591  75
0 5 F7 A6
6

7 1 2 -3 4 5 ?6 7

2. วธิ คี า่ คงท่ี (Constant Model)

n
∑At
t =1
Ft =
n

Ft = คา่ พยากรณ์ความตอ้ งการสนิ คา้ ณ ชว่ งเวลา t
At = ขอ้ มลู ยอดขายสนิ คา้ จรงิ ณ ชว่ งเวลา t
n = จาํ นวนขอ้ มลู ยอดขายจรงิ ทงั้ หมด

บรษิ ทั แหง่ หน่ึงผลติ เครอ่ื งจกั รสาํ หรบั ผลติ ขนมอบออกจาํ หน่าย
มาแลว้ 5 ปี โรงงานตอ้ งการพยากรณ์ความตอ้ งการสนิ คา้ เพอ่ื วาง
แผนการผลติ สาํ หรบั ปี พ.ศ. 2555 ยอดขายทผ่ี า่ นมา 5 ปีแสดงดงั
ตวั เลขในตาราง

∑58 nปีพ.ศ.56 ยอดขาย (เครอ่ื ง : พนั )
255A0t 52
54  50
t 21551 54
5F2t
2n552
50
52255350  54 5557
48  2554  55   268
57 55
4F6t 1 5 3
4
2

Ft  53.6 At Ft

3. วธิ คี า่ เฉลย่ี เคลอ่ื นท่ี
(Moving Average Method), MA

MA   ยอดขายในระยะเวลา n

nn

n= จาํ นวนขอ้ มลู ทจ่ี ะคาํ นวณคา่ เฉลย่ี เคลอ่ื นท่ี
MAn= คา่ พยากรณ์วธิ คี า่ เฉลย่ี เคลอ่ื นท่ี n ชว่ งเวลา

Moving Average Example

Month Actual 3-Month
Shed Sales Moving Average

January 1100 (10 + 12 + 13)/3 = 11 2/3
February 1122 (12 + 13 + 16)/3 = 13 2/3
March 1133 (13 + 16 + 19)/3 = 16
April 16
May 19 (16 + 19 + 23)/3 = 19 1/3
June 23
July 26

What is the Moving Average Forecast for August?
1. 22 units
2. 23 units

Graph of Moving Average

30 – Moving
28 – Average
26 – Forecast
24 –
Shed Sales 22 – Actual
20 – Sales
18 –
16 –
14 –
12 –
10 –

||||||||||||

J FMAM J J AS OND

4. วธิ คี า่ เฉลย่ี เคลอ่ื นทถ่ี ่วงน้ําหนกั
Weighted Moving Average Method

n

Wt At
WMAn  t n1

 Wt

t 1

t = อายขุ องขอ้ มลู (t = 1, 2, 3,…)
n = จาํ นวนขอ้ มลู ทจ่ี ะคาํ นวณคา่ เฉลย่ี เคลอ่ื นท่ี
Wt = คา่ ถ่วงน้ําหนกั ณ ชว่ งเวลา i
At = ขอ้ มลู จรงิ ณ ชว่ งเวลา t
WMAn = คา่ พยากรณ์วธิ คี า่ เฉลย่ี เคลอ่ื นทถ่ี ว่ งน้ําหนกั n ชว่ งเวลา

Weights Applied Period

3 Last month
2 Two months ago
1 Three months ago
6 Sum of weights

Actual 3-Month Weighted
Month Shed Sales Moving Average

January 10 [(3 x 13) + (2 x 12) + (10)]/6 =121/6
February 12 [(3 x 16) + (2 x 13) + (12)]/6 = 141/3
March 13 [(3 x 19) + (2 x 16) + (13)]/6 = 17
April 16
May 19 [(3 x 23) + (2 x 19) + (16)]/6 = 201/2
June 23
July 26

What is the Weight Moving Average Forecast for August?

1. 23 units 2. 24 units

Moving Average And 
Weighted Moving Average

30 – Weighted
25 – moving
average

Sales demand 20 – Actual
15 – sales

10 – Moving
average

5–

||||||||||||
J FMAM J J AS ON D

Figure 4.2

5. วิธีเอกซโ์ ปเนนเชียลปรบั เรียบ
Exponential Smoothing Method, ES

Ft  Ft1   ( At1  Ft1)
Ft  Ft1   (et1)

Ft = คา่ พยากรณ์ความตอ้ งการสนิ คา้ ณ ชว่ งเวลา t
Ft-1 = คา่ พยากรณ์ความตอ้ งการสนิ คา้ ณ ชว่ งเวลา t-1
 = คา่ คงทป่ี รบั เรยี บ ตงั้ แต่ 0 ถงึ 1
At-1 = ขอ้ มลู จรงิ ณ ชว่ งเวลา t-1
et-1 = คา่ ผดิ พลาด ณ ชว่ งเวลา t-1

We generally do this by selecting the

modeIml thpatagcivte os fu sDtihfefelorweenstt forecast

error

225 –

200 – Actual  = .5
demand
Demand
175 –

 = .1

150 – | | | | | | | | |
123456789
Quarter

โรงงานผลติ เครอ่ื งยนตเ์ รอื มขี อ้ มลู ยอดขายทผ่ี า่ น
มาทงั้ หมด ดงั ตารางดา้ นลา่ ง

ปีท่ี 1 2 3 4 5
ยอดขาย (เครอ่ื ง) 4,500 4,900 5,500 4,800 5,000

จงพยากรณ์ยอดขายในปี 6 โดยใชว้ ธิ กี ารพยากรณ์แบบ
เอกซโ์ พเนนเชยี ลปรบั เรยี บ (Exponential Smoothing) โดย
มคี า่ คงทป่ี รบั เรยี บเป็น 0.6 และคา่ F1 = 5,000

Ft = Ft-1 +  (At-1 - Ft-1)

654T,,,000i1m000000e Actual Forecast
4,500 5,000 (given)

3,0200 4,900 5,000 + 0.6 (4,500 - 5,000) = 4,700
2,0300 5,500 4,700 + 0.6 (4,900 - 4,700) = 4,820
1,0400 4,800 4,820 + 0.6 (4,820 - 5,500) = 5,228

5 0 5,000 5,228 + 0.6 (5,228 - 4,800) = 4,971

6 1 4,9712+ 0.6 (34,971 - 54,000) = 54,988 6

Actual Forecast

6. วธิ สี มการเชงิ เสน้
Linear Trend Equation

Values of Dependent Variable Actual observation Deviation7
(y value)

Deviation5 Deviation6

Deviation3 Least squares method
minimizes the sum of the

Desviqatiuona4red errors
(deviations)

Deviation1

Deviation2 Trend line, y^ = a + bx

Time period

Least Squares Method

Values of Dependent Variable Actual observation Deviation7
(y value)

Deviation5 Deviation6

Deviation3

Deviation4

Deviation1

Deviation2 Trend line, y^ = a + bx

Time period Figure 4.4

6. วธิ สี มการเชงิ เสน้
Linear Trend Equation

b  nFt =tAat +bt tAt
nt2 t2

Ft = คา่ พยากรณ์ความตอ้ งการสนิ คา้ ณ ชว่ งเวลา t ใดๆ

ชจดุว่ งตเดัวแลกานมคีyา่ (ตYงั-้ แinตtt่e1r,ce2p, t…) หรอื คา่
=t
=
A b ta
a  nb = คา่ ความชนั ของเสน้ ตรง Ft เมอ่ื t = 0

บรษิ ทั สยามแพคจาํ กดั เกบ็ ขอ้ มลู ยอดขายถุงพลาสตกิ
ใสข่ องขนาดเลก็ ในเวลา 5 ปีทผ่ี า่ นมา ดงั ตาราง

ปีท่ี 1 2 3 4 5
ยอดขาย 450 495 518 563 584
(กโิ ลกรมั )

จงหาสมการเพ่ือพยากรณ์ยอดขายรายเดือนโดยใช้วิธีการ
พยากรณ์แนวโน้มแบบเส้นตรงมคี วามชนั และพยากรณ์ความ
ตอ้ งการสนิ คา้ ตงั้ แต่ปีท่ี 6 - 10

STEP 1: Calculate t,  At,  t2,  tAt

t At t2 tAt
1 450 1 450
990
2 495 4 1554
2252
3 518 9 2920
 tAt =8,166
4 563 16

5 584 25

t=15  At =2,610  t2=55

STEP 2: แทนค่าลงในสตู รเพื่อหาค่า b และ a ตามลาํ ดบั

b nntAt 2t  t  At  ( 5 x 8,166 )  (15x2,610 )  1,680  33.6
 t 2 ( 5 x 55 )  (15 )2 50

a   At  bt  2,610  ( 33.6x15 )  2,610  421.2
n 5 5

STEP 3: สรปุ สมการในการพยากรณ์

สมการทใ่ี ชใ้ นการพยากรณ์ความตอ้ งการสนิ คา้ คอื

Ft = 421.2 + 33.6t

STEP 4: พยากรณ์จากสมการ กโิ ลกรมั
กโิ ลกรมั
Ft = 421.2 + 33.6t กโิ ลกรมั
t=6, F6 = 421.2 + 33.6 (6) = 622.8 กโิ ลกรมั
t=7, F7 = 421.2 + 33.6 (7) = 656.4 กโิ ลกรมั
t=8, F8 = 421.2 + 33.6 (8) = 690.0
t=9, F9 = 421.2 + 33.6 (9) = 723.6
t=10, F10 = 421.2 + 33.6 (10) = 757.2

Class Assignment – Pair work 
30 minutes

ยอดขายแบตเตอรข่ี องบรษิ ทั Telco Batteries, Inc. มขี อ้ มลู ดงั น้ี

1. จงใชว้ ธิ กี ารพยากรณ์แบบอยา่ งงา่ ยพยากรณ์เดอื นถดั ไป
2. จงใชว้ ธิ กี ารพยากรณ์แบบคา่ คงทพ่ี ยากรณ์เดอื นถดั ไป
3. จงใชว้ ธิ กี ารพยากรณ์แบบคา่ เฉลย่ี เคลอ่ื นท่ี 3 ชว่ งเวลาพยากรณ์เดอื นถดั ไป
4. จงใชว้ ธิ กี ารพยากรณ์แบบคา่ เฉลย่ี เคลอ่ื นทถ่ี ่วงน้ําหนกั 3 ชว่ งเวลาพยากรณ์

เดอื นถดั ไป ถา้ ใหน้ ้ําหนกั เป็น 3, 2 และ 1
5. จงใชว้ ธิ สี มการเชงิ เสน้ พยากรณ์ความตอ้ งการสนิ คา้ ในเดอื นถดั ไป

ใชท้ ศนิยม 1 ตาํ แหน่งในการคาํ นวณ ตอบเป็นจาํ นวนเตม็ เทา่ นนั้

Solution & Grading
Q&A