การศึกษาสินค้าสตรีทแฟชั่นโดยใช้ตัวแบบ Newsvendor และการ Simulation ในการหาปริมาณการสั่งซื้อที่เหมาะสม

บทคัดย่อ

การศึกษาในงานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการพยากรณ์ปริมาณความต้องการสินค้าในแต่ละกลุ่มสินค้าให้มีความแม่นยำมากขึ้น โดยใช้วิธีการพยากรณ์ความต้องการสินค้าด้วยโปรแกรม R Studio เพื่อหาค่า MAPE ต่ำที่สุดจากหลายตัวแบบการพยากรณ์ เช่น ตัวแบบ State Space สำหรับ Exponential Smoothing (ETS)   ตัวแบบ Autoregressive Integrated Moving Average (ARIMA) และตัวแบบ Neural Network Autoregression (NNAR) ค่าพยากรณ์ที่ได้จะเป็นตัวแปรนำเข้าสำหรับตัวแบบการสั่งซื้อที่เหมาะสมที่ใช้ตัวแบบ Newsvendor แบบพื้นฐาน หลังจากนั้นเปรียบเทียบปริมาณการสั่งซื้อ รายได้และกำไรของ 2 นโยบาย คือ นโยบายการสั่งซื้อสินค้าแบบเดิม กับนโยบายการสั่งซื้อสินค้าแบบใหม่จากตัวแบบ Newsvendor แบบพื้นฐาน พบว่า นโยบายการสั่งซื้อสินค้าแบบใหม่มีปริมาณการสั่งซื้อลดลงจากนโยบายการสั่งซื้อสินค้าแบบเดิม 3,541 ชิ้น หรือ 12.31%  และสามารถทำกำไรได้เพิ่มขึ้นจากนโยบายการสั่งซื้อสินค้าแบบเดิม 575,682.49 บาท หรือ 2.07%    และมีการพัฒนาเป็นตัวแบบ Newsvendor ดัดแปลง โดยมีพิจารณาการจัดงานเซลล์สินค้าหลังจบฤดูกาลขายเพิ่มเข้าไปด้วย ให้ตรงกับสถานการณ์ของบริษัทกรณีศึกษา โดยการ Simulation เพื่อหาปริมาณการสั่งซื้อสินค้า รายได้และกำไรในของ 3 นโยบาย คือ นโยบายการสั่งซื้อสินค้าแบบเดิม นโยบายการสั่งซื้อสินค้าแบบใหม่จากตัวแบบ Newsvendor แบบพื้นฐาน และนโยบายการสั่งซื้อสินค้าแบบ Optimization ซึ่งเป็นตัวแบบ Newsvendor ดัดแปลงให้มีการพิจารณาการจัดงานเซลล์สินค้าหลังจบฤดูกาล ผลการศึกษาสรุปได้ว่า นโยบายการสั่งซื้อสินค้าแบบ  Optimization นั้น ได้ปริมาณการสั่งซื้อทั้งหมด 21,141 ชิ้น มีปริมาณการสั่งซื้อลดลงจากนโยบายการสั่งซื้อสินค้าแบบเดิม 7,613 ชิ้น หรือ 26.48% และทำกำไรได้มากที่สุด 34,522,135.58 บาท ทำให้มีกำไรเพิ่มขึ้นจากนโยบายการสั่งซื้อสินค้าแบบเดิม 15,818,564.43 บาท หรือ 84.58% และเมื่อมีปริมาณการสั่งซื้อสินค้าที่ลดลงแล้ว ทำให้จำนวนสินค้าคงคลังที่เหลือหลังฤดูกาลการจำหน่ายสินค้ามีปริมาณลดลง จึงส่งผลให้การถือครองสินค้าจาก 10.91 เดือน ลดลงเหลือ 4.84 เดือน เป็นการลดค่าใช้จ่ายในด้านการจัดการสินค้าคงคลังได้อีกด้วย