การวางแผนนโยบายสินค้าจากค่าการพยากรณ์ความต้องการยาด้วยวิธีการถดถอยเชิงพหุคูณซึ่งมีความสัมพันธ์ระหว่างตัวแปรเชิงตัวเลขและตัวแปรเชิงกลุ่ม

บทคัดย่อ

กรณีศึกษานี้มีวัตถุประสงค์เพื่อพยากรณ์ปริมาณความต้องการยารายการใหม่ (generic) และยาเดิม (original) ซึ่งคาดว่าจะได้รับผลกระทบ และนำค่าพยากรณ์ที่ได้ไปสร้างนโยบายจัดการสินค้าคงคลัง ณ โรงพยาบาลเอกชนแห่งหนึ่ง  ในการวางแผนนโยบายสินค้าคงคลัง มีความไม่แน่นอนทั้งปริมาณความต้องการและระยะเวลาจัดส่งสินค้า (lead time)  ผู้วิจัยพิจารณาตัวแบบสินค้าคงคลังสามตัวแบบ ตัวแบบ 1 และตัวแบบ 2 สมมติให้ปริมาณความต้องการกระจายตัวแบบปกติแต่มีแนวคิดการคำนวณระดับสั่งถึง (order-up-to level) และจุดสั่งซื้อ (reorder point) ที่แตกต่างกัน  ส่วนตัวแบบ 3 ไม่ได้ใช้ข้อสมมติของการกระจายตัวปกติแต่ใช้ฟังก์ชันการกระจายเชิงประจักษ์ (empirical distribution function) ของระยะเวลาจัดส่งสินค้าและหาการกระจายตัวที่เหมาะสม (fitting distribution) ของความต้องการยาด้วยโปรแกรม R Studio สำหรับยารายการใหม่ใช้การพยากรณ์ใช้ตัวแบบการวิเคราะห์ถดถอยพหุคูณ (multiple regression model)  ตัวแปรอิสระมีทั้งตัวแปรเชิงตัวเลข (numerical variable) เช่น ราคาขาย  และตัวแปรเชิงกลุ่ม (categorical variable) เช่น กลุ่มแพทย์ที่สั่งใช้ยา แผนกที่มีการใช้ยา การจัดประเภทกลุ่มยาในโรงพยาบาลและบริษัทผู้จำหน่าย    หลังจากที่ได้ทดลองนโยบายการจัดการคลังสินค้ากับข้อมูลความต้องการใช้ยาจริงที่เกิดขึ้นในช่วงเวลา 6 เดือน พบว่า ค่าระดับการให้บริการ (cycle service level (CSL)) มากกว่า 99% สำหรับยาใหม่ 8 ใน 10 รายการ ค่าใช้จ่ายในการจัดการคลังสินค้าลดลงได้เฉลี่ย 60% เมื่อเทียบกับค่าใช้จ่ายจากนโยบายเดิม  นอกจากนี้ยังได้ศึกษารูปแบบการพยากรณ์ที่เหมาะสมเพื่อสร้างนโยบายการจัดการคลังสินค้ากับรายการยาเดิม  ที่คาดว่าความต้องการจะเปลี่ยนแปลงเนื่องจากได้รับผลกระทบจากยารายการใหม่ นอกเหนือไปจากตัวแบบถดถอยในตอนต้น  วิธีการพยากรณ์อนุกรมเวลาสามารถใช้กับยาเดิมซึ่งมีข้อมูลในอดีต ในกรณีศึกษานี้ ผู้วิจัยได้ใช้ตัวแบบ innovations state space สำหรับ exponential smoothing (ETS)  ตัวแบบ autoregressive integrated moving average (ARIMA) และ ตัวแบบ neural network autoregression (NNAR) หลังจากที่ได้ทดลองนโยบายการจัดการคลังสินค้ากับข้อมูลความต้องการใช้ยาจริงที่เกิดขึ้นในช่วงเวลา 6 เดือน พบว่า ค่าระดับการให้บริการมากกว่า 99% สำหรับยาเดิม 9 ใน 10 รายการ ค่าใช้จ่ายในการจัดการคลังสินค้าลดลงได้เฉลี่ย 47% เมื่อเทียบกับค่าใช้จ่ายจากนโยบายเดิม