การประยุกต์ใช้ปัญญาประดิษฐ์กับการพยากรณ์สินค้าในอุตสาหกรรมเครื่องดื่ม

Main Article Content

ธีระพงษ์ ชูมณี
คมกฤช ปิติฤกษ์

บทคัดย่อ

งานวิจัยนี้ได้นำเสนอเกี่ยวกับ การสร้างแบบการพยากรณ์ความต้องการและการกำหนดนโยบายสินค้าคงคลังที่เหมาะสมโดยนำข้อมูลการขายสินค้า 3 ปี ย้อนหลังตั้งแต่ ปี 2561-2663 มาพิจารณาถึงความเหมาะสมการกำหนดหรือจัดเก็บสินค้าคงคลังโดยใช้เทคโนโลยีปัญหาประดิษฐ์ในรูปแบบเทคนิคโครงข่ายประสาทเทียม(Artificial Neural Networks) ในการพยากรณ์ความต้องการของลูกค้า หลังจากนั้นได้ทำการสร้างตัวแบบจำลองระดับคงคลังเป้าหมาย(Order Up to Level Model : OUL) ในการกำหนดระดับสินค้าคงคลังที่เหมาะสมเพื่อเพิ่มประสิทธิภาพและประสิทธิผลสินค้าคงคลังในการลดต้นทุนในการบริหารจัดการสินค้าได้ ซึ่งผู้วิจัยพบว่าจากการทดสอบการนำเทคนิคโครงข่ายประสาทเทียมมาพยากรณ์สินค้าให้ค่าแม่นยำสูงโดยใช้การวัดค่าความคลาดเคลื่อน Root  Mean Squared Error (RMSE) สำหรับสินค้าเบียร์ขนาด 620 มิลลิลิตร (CC 620 ml.) ให้ค่า RMSE เท่ากับ 0.1137 และสุราขนาด 700 มิลลิลิตร (BL 700 ml.) เท่ากับ12.3654 ซึ่งหากค่าผลลัพธ์ค่า RMSE น้อยจะส่งผลให้ค่าพยากรณ์มีความแม่นยำยิ่งขึ้น หลังจากนั้นได้นำค่าพยากรณ์ที่ได้จากโมเดลการพยากรณ์นำเข้ามากำหนดนโยบายสินค้าคงคลัง โดยพบว่าสามารถลดการจัดเก็บสินค้าคงคลังจากเดิมได้ถึง 40.84% ของการจัดเก็บสินค้าคงคลังแบบเดิมและหากพิจารณาถึงต้นทุนการจัดเก็บสามารถลดต้นทุนได้ถึง 280,278 บาทต่อเดือน โดยไม่ก่อผลให้เกิดภาวะสินค้าขาดมือทำให้สูญเสียโอกาสทางการขายได้

Article Details

How to Cite
1.
บท
บทความวิจัย

References

กานต์สินี เจริญกิจวัชรชัย. ปัญญาประดิษฐ์กับ การพยากรณ์ค่าจ้างแรงงานไทย. [วิทยานิพนธ์ปริญญาเศรษฐศาสตร์มหาบัณฑิต]. กรุงเทพฯ: มหาวิทยาลัยธรรมศาสตร์; 2561.

นิพนธ์ โตอินทร์. การพยากรณ์ความต้องการและการวางแผนสินค้าคงคลัง สำหรับสินค้าเครื่องดื่ม. [วิทยานิพนธ์ปริญญาวิทยาศาสตร์มหาบัณฑิต]. กรุงเทพฯ: มหาวิทยาลัยธุรกิจบัณฑิตย์; 2556.

บุษรา ลิ้มพิพัฒนางกูร. การพยากรณ์โอกาสการสําเร็จการศึกษาของนักเรียน โดยใช้จีนีติกอัลกอริธึมแบบหลายวัตถุประสงค์เปรียบเทียบกับระบบโครงข่ายประสาทเทียม. [วิทยานิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต]. กรุงเทพฯ: สถาบันเทคโนโลยีพระจอมเกล้าพระนครเหนือ; 2549.

รสริน โคตรเสนา. การพยากรณ์ความ ต้องการสินค้าโดยวิธีโครงข่ายประสาทเทียมของโรงงานผลิตขนมแห่งหนึ่ง. [วิทยานิพนธ์ปริญญาวิศวกรรมศาสตรบัณฑิต]. กรุงเทพฯ: มหาวิทยาลัยธุรกิจบัณฑิตย์; 2563.

ไววิทย์ พานิชอัศดร และ มหศักดิ์ เกตุฉ่ำ. การพยากรณ์ยอดขายปลีกแก๊สรถยนต์ด้วยวิธีการวิเคราะห์อนุกรมเวลาและโครงข่ายประสาทเทียม. วารสารวิทยาการและเทคโนโลยี 2560; 7(1): 42-9

ศุภเชษฐ์ กันนิ่ม. การประยุกต์ใช้โครงข่ายประสาทเทียมเพื่อพัฒนารูปแบบการพยากรณ์ยอดขายรถจักรยานยนต์ภายในประเทศไทย. [วิทยานิพนธ์ปริญญาวิศวกรรมศาสตรมหาบัณฑิต]. กรุงเทพฯ:จุฬาลงกรณ์มหาวิทยาลัย; 2547.

นภัสสร สกุลประดิษฐ์. การจัดการสินค้าคงคลังในโรงงานผลิตและกระจายสินค้าแช่แข็ง. [วิทยานิพนธ์ปริญญาวิศกรรมศาสตรมหาบัณฑิต]. กรุงเทพฯ:มหาวิทยาลัยธรรมศาสตร์; 2560.

ศุภโชค แสงสว่าง. การประยุกต์ใช้โครงข่ายประสาทเทียมกับงานทางด้านการเกษตร. วารสารวิชาการพระจอมเกล้าพระนครเหนือ 2559; 26(2): 319-31.

วรารัตน์ สงฆ์แป้น. การทำเหมืองข้อมูลData Mining. โรงพิมพ์มหาวิทยาลัยขอนแก่น; 2560.

อัจฉรา จันวดี. วิธีการปรับปรุงการพยากรณ์ความต้องการวัตถุดิบและนโยบายการเติมเต็มวัตถุดิบคงคลังสำหรับโรงงานผลิตขึ้นรูปเหล็กหล่อแบบออกแบบตามคำสั่งซื้อ.[วิทยานิพนธ์ปริญญาวิศกรรมศาสตรมหาบัณฑิต]. กรุงเทพฯ: จุฬาลงกรณ์มหาวิทยาลัย; 2561.

เอ ดีหลี. การเปรียบเทียบผลการพยากรณ์ราคาบิทคอย์โดยใช้วิธีการวิเคราะห์การถดถอยโครงข่ายประสาทเทียบ และ การโปรแกรมเชิงพันธุกรรม. [วิทยานิพนธ์ปริญญาวิทยาศาสตร์มหาบัณฑิต]. ชลบุรี: มหาวิทยาลัยบูรพา; 2560.

David Scuse. Peter Reutemann. WEKA Experimenter Tutorial for Version 3-5-8. WEKA Manual; 2008.

Taghavifar H, Mardani A, HalehKarim-Maslak H and Kalbkhani H. Artificial neural network estimation of wheel rolling resistance in clay loam soil. Applied Soft Computing. 2013; 13(8): 3544–51.

Witchayapong C. The study for increasing of methane content in biogas production from cassava pulp [MSc Thesis]. Nakhon Ratchasima: Suranaree University of Technology; 2017.

Kavuma C. Variation of Methane and Carbon dioxide yield in a biogas plant [MSc Thesis]. Stockholm: Royal Institute of Technology; 2013.

Lerdlattaporn R, Phalakornkule C, Trakulvichean S and Songkasiri W. Implementing circular economy concept by converting cassava pulp and wastewater to biogas for sustainable production in starch industry. Sustainable Environment Research 2021; 31: 20.