การเปรียบเทียบการพยากรณ์ความต้องการเปลี่ยนไส้กรองน้ำมันสำหรับรถยนต์อีโคคาร์โดยใช้วิธีค่าเฉลี่ยเคลื่อนที่และการปรับเรียบเอกซ์โพเนนเชียลอย่างง่าย
คำสำคัญ:
ใส้กรองน้ำมัน, ค่าเฉลี่ยเคลื่อนที่ , การปรับเรียบเอกซ์โพเนนเชียลบทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อพยากรณ์ความต้องการเปลี่ยนไส้กรองน้ำมันสำหรับรถยนต์อีโคคาร์ โดยใช้ข้อมูลรายเดือนจากศูนย์บริการกรณีศึกษาแห่งหนึ่ง ระหว่างเดือนมกราคม 2563 ถึงกรกฎาคม 2566 การศึกษานี้มุ่งเน้นการเปรียบเทียบประสิทธิภาพของวิธีการพยากรณ์สองวิธีหลัก ได้แก่ วิธีค่าเฉลี่ยเคลื่อนที่ (Moving Average - MA) ที่ช่วงเวลา 3 และ 5 เดือน และวิธีปรับเรียบเอกซ์โพเนนเชียลอย่างง่าย (Simple Exponential Smoothing - SES) ที่ค่าอัลฟ่า (α) เท่ากับ 0.1 และ 0.5 เพื่อหาแนวทางที่เหมาะสมที่สุดในการคาดการณ์ความต้องการในอนาคต ประสิทธิภาพของแต่ละวิธีประเมินโดยใช้เกณฑ์วัดความคลาดเคลื่อนสามประการ คือ ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error - MAE), ค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Squared Error - MSE) และค่าความคลาดเคลื่อนเปอร์เซ็นต์สัมบูรณ์เฉลี่ย (Mean Absolute Percentage Error - MAPE) ผลการวิจัยแสดงให้เห็นว่า วิธีการปรับเรียบเอกซ์โพเนนเชียลอย่างง่ายที่มีค่าอัลฟ่าเท่ากับ 0.5 ให้ผลการพยากรณ์ที่มีความแม่นยำสูงสุดในทุกเกณฑ์การวัด โดยมีค่า MAE เท่ากับ 8.50, MSE เท่ากับ 120.00 และ MAPE เท่ากับ 7.70% ซึ่งเป็นค่าที่ต่ำกว่าวิธีอื่นอย่างมีนัยสำคัญ สำหรับวิธีที่มีประสิทธิภาพรองลงมาคือวิธีค่าเฉลี่ยเคลื่อนที่ 3 เดือน (MA3)
เอกสารอ้างอิง
วรรณา ยงพิศาลภพ. (2566). แนวโน้มธุรกิจ/อุตสาหกรรม ปี 2566-2568: อุตสาหกรรมรถยนต์. https://www.krungsri.com/th/research/industry/industry-outlook/hi-tech-industries/automobiles/io/io-automobile-2023-2025
Aroonswasdi, C. (2012). Exponential Smoothing Forecasting Technique: A Case Study Of Solid State Drive Production [Master Of Science In Supply Chain Management]. Assumption University.
Botchkarev, A. (2019). Performance Metrics (Error Measures) in Machine Learning Regression, Forecasting and Prognostics: Properties and Typology. Interdisciplinary Journal of Information, Knowledge, and Management, 14, 045–076. https://doi.org/10.28945/4184
Chicco, D., Warrens, M. J., & Jurman, G. (2021). The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation. PeerJ Computer Science, 7, e623. https://doi.org/10.7717/peerj-cs.623
Chopra, S., & Meindl, P. (2001). Strategy, planning, and operation. Supply Chain Management, 15(5), 71–85. https://doi.org/10.1007/978-3-8349-9320-5_22
Choromanski, W., Kozłowski, M., & Grabarek, I. (2014, October 10). Design and computer simulation of ECO-car. https://www.semanticscholar.org/paper/Design-and-computer-simulation-of-ECO-car-Choroma%C5%84ski-Koz%C5%82owski/ ccb010101fe9dcd23f491f0ef1863d5d9a032cb8
Hodson, T. O. (2022). Root-mean-square error (RMSE) or mean absolute error (MAE): When to use them or not. Geoscientific Model Development, 15(14), 5481–5487. https://doi.org/10.5194/ gmd-15-5481-2022
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and practice. OTexts.
Li, Y., Zhou, Y., Sun, D. M., & Wang, Z. L. (2014). The Numerical Simulation for Engine Oil Filter Shell. Applied Mechanics and Materials, 533, 101–105. https://doi.org/10.4028/ www.scientific.net/AMM.533.101
Pranoto, G. T. (2022). Forecasting With Weighted Moving Average Method For Product Procurement Stock. Jurnal Sistem Informasi Dan Sains Teknologi, 4(2). https://doi.org/10.31326/sistek.v4i2.1268
Shumway, R. H., & Stoffer, D. S. (2017). Time Series Analysis and Its Applications: With R Examples. Springer International Publishing.
Syntetos, A. A., & Boylan, J. E. (2005). The accuracy of intermittent demand estimates. International Journal of Forecasting, 21(2), 303–314. https://doi.org/10.1016/j.ijforecast.2004.10.001
Syntetos, A. A., & Boylan, J. E. (2006). On the stock control performance of intermittent demand estimators. International Journal of Production Economics, 103(1), 36–47. https://doi.org/10.1016/j.ijpe.2005.04.004
Teunter, R. H., & Duncan, L. (2009). Forecasting intermittent demand: A comparative study. Journal of the Operational Research Society, 60(3), 321–329. https://doi.org/10.1057/palgrave.jors.2602569
Wallström, P., & Segerstedt, A. (2010). Evaluation of forecasting error measurements and techniques for intermittent demand. International Journal of Production Economics, 128(2), 625–636. https://doi.org/10.1016/j.ijpe.2010.07.013
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารวิชาการ วิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครสวรรค์
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
