Forecasting for Production Planning: Integrated Circuit Factory Case Study
Keywords:
Forecasting Production, Time Series Analysis, Integrated Circuit IndustryAbstract
This study aims to develop the forecasting production product for Integrated Circuit Industry by
considering the production of three products; TM-001 TG-001 and RM-012 with Time Series Analysis that
use 4 methods as follows; Trend Analysis Holt’s Trend-Corrected Exponential Smoothing Moving Average
and Single Exponential Smoothing. The result form forecasting production data with Minitab 18.0. We
found that Trend Analysis method was the best error measurement for product TM-001 TG-001 and RM012.
References
1. วิชัย สุรเชิดเกียรติ. 2542. การพยากรณ์ทางธุรกิจ.
พิมพ์ครั้งที่ 3. กรุงเทพฯ : สมาคมส่งเสริมเทคโนโลยี (ไทยญี่ปุ่น).
2. ไพศาล แก้วทันค า. 2552. การศึกษาการใช้เทคนิค
การพยากรณ์และการสั่งซื้ออย่างประหยัดส าหรับวัตถุดิบ
ในคันเก่าที่อุตสาหกรรมชิ้นส่วนรถยนต์. วิทยานิพนธ์
ปริญญาโท มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนคร
เหนือ.
3. ทวีพงษ์ กิตติกุล. 2551. การพยากรณ์และการหา
ปริมาณการสั่งซื้อที่เหมาะสมเพื่อเป็นแนวทางในการ
จัดเก็บอะไหล่สิ้นเปลืองหลักของเครื่องสูบน้ าประเภทแรง
เหวี่ยงหนีศูนย์. วิทยานิพนธ์ปริญญาโท มหาวิทยาลัย
เทคโนโลยีพระจอมเกล้าพระนครเหนือ.
ตำรำงที่ 4 ค่าพยากรณ์การผลิตล่วงหน้า 1 ปี (พ.ศ. 2562) ด้วยวิธีการพยากรณ์แบบวิเคราะห์แนวโน้ม (Trend Analysis)
ของผลิตภัณฑ์ TM-001 TG-001 และ RM-012
เดือน
ปริมำณกำรผลิตจำกกำรพยำกรณ์ (ชิ้น) ของแต่ละผลิตภัณฑ์
TM-001 TG-001 RM-012
ม.ค. 4,499,749 2,299,055 2,615,908
ก.พ. 4,514,924 2,232,674 2,644,977
มี.ค. 4,530,099 2,166,294 2,674,046
เม.ย. 4,545,274 2,099,913 2,703,115
พ.ค. 4,560,450 2,033,533 2,732,184
มิ.ย. 4,575,625 1,967,153 2,761,252
ก.ค. 4,590,800 1,900,772 2,790,321
ส.ค. 4,605,975 1,834,392 2,819,390
ก.ย. 4,621,150 1,768,011 2,848,459
ต.ค. 4,636,325 1,701,631 2,877,527
พ.ย. 4,651,501 1,635,251 2,906,596
ธ.ค. 4,666,676 1,568,870 2,935,665
4. ไพศาล แก้วทันค า. 2552. การศึกษาการใช้
เทคนิคการพยากรณ์และการสั่งซื้ออย่างประหยัดส าหรับ
วัต ถุดิบในคันเก่ าที่ อุตส าหก ร รม ชิ้นส่ วน รถยนต์ .
วิทยานิพนธ์ปริญญาโท มหาวิทยาลัยเทคโนโลยีพระจอม
เกล้าพระนครเหนือ.
5. Long, J.,Sun, Z.,Pardalos, P. M.,Bai, Y., Zhang,
S. and Li, C., 2020., A robust dynamic scheduling
approach based on release time series forecasting
for the steelmaking-continuous casting production,
Applied Soft Computing, Vol.92, pp. 1-15.
6. Widiarata H., Viswanathan S. and Piplani R.,
2009., Forecasting aggregate demand: an analytical
evaluation of top- down versus bottom- up
forecasting in a production planning framework,
Int J Product Econom, Vol.118, pp. 87-94.
7. Minitab Pty Ltd. , Minitab Version 18. 0, PA,
USA.
8. พิชิต สุขเจริญพงษ์. 2547. การจัดการวิศวกรรม
การผลิต. กรุงเทพฯ: ซีเอ็ดยูเคชั่น.
พิมพ์ครั้งที่ 3. กรุงเทพฯ : สมาคมส่งเสริมเทคโนโลยี (ไทยญี่ปุ่น).
2. ไพศาล แก้วทันค า. 2552. การศึกษาการใช้เทคนิค
การพยากรณ์และการสั่งซื้ออย่างประหยัดส าหรับวัตถุดิบ
ในคันเก่าที่อุตสาหกรรมชิ้นส่วนรถยนต์. วิทยานิพนธ์
ปริญญาโท มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนคร
เหนือ.
3. ทวีพงษ์ กิตติกุล. 2551. การพยากรณ์และการหา
ปริมาณการสั่งซื้อที่เหมาะสมเพื่อเป็นแนวทางในการ
จัดเก็บอะไหล่สิ้นเปลืองหลักของเครื่องสูบน้ าประเภทแรง
เหวี่ยงหนีศูนย์. วิทยานิพนธ์ปริญญาโท มหาวิทยาลัย
เทคโนโลยีพระจอมเกล้าพระนครเหนือ.
ตำรำงที่ 4 ค่าพยากรณ์การผลิตล่วงหน้า 1 ปี (พ.ศ. 2562) ด้วยวิธีการพยากรณ์แบบวิเคราะห์แนวโน้ม (Trend Analysis)
ของผลิตภัณฑ์ TM-001 TG-001 และ RM-012
เดือน
ปริมำณกำรผลิตจำกกำรพยำกรณ์ (ชิ้น) ของแต่ละผลิตภัณฑ์
TM-001 TG-001 RM-012
ม.ค. 4,499,749 2,299,055 2,615,908
ก.พ. 4,514,924 2,232,674 2,644,977
มี.ค. 4,530,099 2,166,294 2,674,046
เม.ย. 4,545,274 2,099,913 2,703,115
พ.ค. 4,560,450 2,033,533 2,732,184
มิ.ย. 4,575,625 1,967,153 2,761,252
ก.ค. 4,590,800 1,900,772 2,790,321
ส.ค. 4,605,975 1,834,392 2,819,390
ก.ย. 4,621,150 1,768,011 2,848,459
ต.ค. 4,636,325 1,701,631 2,877,527
พ.ย. 4,651,501 1,635,251 2,906,596
ธ.ค. 4,666,676 1,568,870 2,935,665
4. ไพศาล แก้วทันค า. 2552. การศึกษาการใช้
เทคนิคการพยากรณ์และการสั่งซื้ออย่างประหยัดส าหรับ
วัต ถุดิบในคันเก่ าที่ อุตส าหก ร รม ชิ้นส่ วน รถยนต์ .
วิทยานิพนธ์ปริญญาโท มหาวิทยาลัยเทคโนโลยีพระจอม
เกล้าพระนครเหนือ.
5. Long, J.,Sun, Z.,Pardalos, P. M.,Bai, Y., Zhang,
S. and Li, C., 2020., A robust dynamic scheduling
approach based on release time series forecasting
for the steelmaking-continuous casting production,
Applied Soft Computing, Vol.92, pp. 1-15.
6. Widiarata H., Viswanathan S. and Piplani R.,
2009., Forecasting aggregate demand: an analytical
evaluation of top- down versus bottom- up
forecasting in a production planning framework,
Int J Product Econom, Vol.118, pp. 87-94.
7. Minitab Pty Ltd. , Minitab Version 18. 0, PA,
USA.
8. พิชิต สุขเจริญพงษ์. 2547. การจัดการวิศวกรรม
การผลิต. กรุงเทพฯ: ซีเอ็ดยูเคชั่น.
Downloads
Published
2020-01-05
Issue
Section
ResearchArticles
