การพยากรณ์อุปสงค์และการหาต้นทุนรวมที่ต่ำที่สุดของโครงข่ายบรรเทาทุกข์
คำสำคัญ:
การพยากรณ์ความต้องการ, ต้นทุนการขนส่ง, ภัยพิบัติ, ความต้องการแบบ Intermittent และ Lumpy, การเตรียมพร้อมวัสดุคงคลังบทคัดย่อ
การเสื่อมสภาพลงของสิ่งแวดล้อมอย่างรวดเร็วส่งผลให้ภัยพิบัติมีความรุนแรงมากขึ้นในปัจจุบัน เมื่อเกิดภัยพิบัติขึ้นกลไกการขนส่งสิ่งของบรรเทาทุกข์จะถูกดำเนินการเพื่อส่งมอบสิ่งของบรรเทาทุกข์แก่ผู้ประสบภัย ในหลายกรณีการขนส่งที่รวดเร็วมีผลต่อการรอดชีวิตของผู้ประสบภัย ดังนั้นจึงจำเป็นที่จะต้องมีการเตรียมพร้อมสิ่งของบรรเทาทุกข์ให้เพียงพอสำหรับภัยพิบัติที่ไม่แน่นอน งานวิจัยนี้ศึกษาสถานการณ์ขององค์กรให้ความช่วยเหลือผู้ประสบภัยพิบัติ ซึ่งมีสิ่งของบรรเทาทุกข์ 5 ประเภท และมีศูนย์ให้ความช่วยเหลือ 10 แห่งกระจายอยู่ทั่วประเทศ สิ่งของบรรเทาทุกข์ส่วนใหญ่มีพฤติกรรมความต้องการแบบ Intermittent และ Lumpy ดังนั้นจึงใช้การพยากรณ์ด้วยวิธี Croston และ Syntetos & Boylan ควบคู่กับดัชนีฤดูกาลเพื่อให้มีความแม่นยำขึ้น จากนั้นได้พัฒนาตัวแบบทางคณิศาสตร์ที่มีจุดประสงค์เพื่อลดต้นทุนในการขนส่งระหว่างศูนย์ให้ความช่วยเหลือ โดยเพิ่มแนวทางให้สามารถส่งสิ่งของบรรเทาทุกข์ระหว่างกันได้สำหรับศูนย์ที่อยู่ในพื้นที่ใกล้เคียงกัน ตัวแบบนี้ได้ถูกทดสอบและเปรียบเทียบกับการขนส่งที่ใช้ในปัจจุบันที่ขนส่งจากศูนย์ให้ความช่วยเหลือกลางเท่านั้น ผลการศึกษาพบว่าหากใช้การขนส่งที่นำเสนอในงานวิจัยนี้ ในบางเดือนจะสามารถลดต้นทุนค่าขนส่งได้ถึงร้อยละ 13
References
[2] van der Laan, E., van Dalen, J., Rohrmoser, M., and Simpson, R., “Demand forecasting and order planning for humanitarian logistics: An empirical assessment”, Journal of Operations Management, Vol. 45, pp. 114–122, 2016.
[3] Hoang, P., Springer Handbook of Engineering Statistic: Statistical Management and Modelling for Demand of Spare Parts, Springer, Germany, pp. 907-911, 2006.
[4] นพพล คณากรยิ่งยง, เจริญชัย โขมพัตราภรณ์, “การพยากรณ์อุปสงค์หลายรูปแบบและการสั่งซื้อแบบตู้คอนเทนเนอร์ที่เหมาะสม กรณีศึกษา อุปกรณ์ออกกำลังกายนำเข้า,” วารสารไทยการวิจัยดำเนินงาน, ปีที่ 5, ฉบับที่ 1, หน้า 1-11, 2560
[5] Bucher, D., Meissner, J. “Configuring single-echelon systems using demand categorization”, In N. Altay and L. A. Litteral (eds). Service Parts Management. London: Springer-Verlag, pp. 203-219, 2011.
[6] ศรีสมรัก อินทุจันทร์, การใช้ระบบสนับสนุนการตัดสินในในการจัดการสินค้าคงคลัง, โครงการตำราเพื่อธุรกิจขนาดย่อม คณะพาณิชยศาสตร์และการบัญชี มหาวิทยาลัยธรรมศาสตร์, กรุงเทพมหานคร, 2532.
[7] พิภพ ลลิตาภรณ์, ระบบการวางแผนและควบคุมการผลิต, พิมพ์ครั้งที่ 8, สมาคมส่งเสริมเทคโนโลยี (ไทย-ญี่ปุ่น), กรุงเทพมหานคร, หน้า 45-49, 2541.
[8] Euud, T. and Babangida, S., “Calculating order-up-to levels for products with intermittent demand”, International Journal of Production Economics, Vol.118, pp. 82-86, 2008.
[9] Syntetos, A. and Boyland, J.E., “The accuracy of intermittent demand estimates”, International Institute of Forecasting, Vol.21, pp.303-314, 2005.
[10] Stevenson, J.W., and Chuong, C.S., 2014. Operations Management, 2 nd ed., McGraw-Hill, pp. 86-88, 2014.
[11] วราพร งามสุข, การพยากรณ์อนุกรมเวลาโดยการเปรียบเทียบวิธีแบบฉบับและวิธีบอกซ์-เจนกินส์ กรณีศึกษาจำนวนการเกิดอุบัติเหตุในประเทศไทย, ปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยบูรพา, 2555.
[12] ทวัยพร ชาเจียมเจน และ อรรถกร เก่งพล, “การหาปริมาณการผลิตที่เหมาะสมโดยการใช้ตัวแบบทางคณิตศาสตร์ : กรณีศึกษาการวางแผนการผลิตบริษัทในอุตสาหกรรมกระดาษ”, วารสารวิชาการพระจอมเกล้าพระนครเหนือ, ปีที่ 17, ฉบับที่ 3, หน้า 57-65, 2550.
[13] ธนัญชัย ลีภักดิ์ปรีดา, การหาค่าเหมาะสมที่สุดหลักการพื้นฐานและขั้นตอนวิธีการ, สํานักพิมพ์มหาวิทยาลัย ธรรมศาสตร์, กรุงเทพฯ, หน้า 1-9, 2543.
