การลดค่าคลาดเคลื่อนในการพยากรณ์ความต้องการของสินค้าอุตสาหกรรม ที่มีความผันแปรสูงด้วยเทคนิคการแปลงข้อมูล

Panya Sumranhun; Suphot  Rungcharoen; Burapa  Damrongwatthanayothin; Piyarold  somtobburana; Benya  patsaphat; Thongrop  Nuchpum

Authors

Panya Sumranhun Logistics Technology Department, Bansomdejchaopraya Rajabhat University
Suphot Rungcharoen Logistics Technology Department, Bansomdejchaopraya Rajabhat University
Burapa Damrongwatthanayothin Logistics Technology Department, Bansomdejchaopraya Rajabhat University
Piyarold somtobburana Logistics Technology Department, Bansomdejchaopraya Rajabhat University
Benya patsaphat Logistics Technology Department, Bansomdejchaopraya Rajabhat University
Thongrop Nuchpum Logistics Technology Department, Bansomdejchaopraya Rajabhat University

Keywords:

Forecasting, Exponential Smoothing, Transformation Data

Abstract

The purpose of this research is to present a method for reducing the error from forecasting sales of highly volatile industrial products by transformation data technique. Actual sales data were collected from a sample industrial electrical equipment supplier for 36 months. Three data transformation techniques are used in the research process: the square root method, the logarithmic method, and the reciprocal square root method. After that, the data are compared with three methods of exponential smoothing forecasting including: the Holt’s linear trend method, the Brown’s linear trend method and the Damped trend method to select the best forecasting method by comparing the errors.

The results of the research show that the skewed to right data should be logarithmic transformed and the forecasting method that gives the least error for this research is Holt’s linear trend method because there is an error according to the mean absolute percentage error (MAPE) is 2.81 percent with a statistical significance of 0.01. In addition, it was found that the test results of predictive values were within the control coordinates of the I-MR control chart. Therefore, case study companies can further utilize this forecasting method.

References

กนกกาญจน์ มูลผาลา. (2557). การศึกษาเทคนิคการพยากรณ์ยอดขายสินค้าอุปโภคที่เหมาะสมของ บริษัทเอกชนแห่งหนึ่ง. วารสารวิชาการบริหารธุรกิจ. 3(1), 14-20.

กิตติมา ชาติชาคร. (2554). รูปแบบการพยากรณ์สำหรับวางแผนการผลิตเครื่องดื่ม. (การค้นคว้าอิสระปริญญามหาบัณฑิต). มหาวิทยาลัยสงขลานครินทร์, สงขลา.

คชินทร์ โกกนุทาภรณ์. (2563). การเปรียบเทียบวิธีการพยากรณ์ราคาขายทองคำแท่ง. วารสารวิทยาศาสตร์และเทคโนโลยี มรย. 5(1), 1-9.

จารุเดช โตจำศิลป์. (2561). ตัวแบบการพยากรณ์เพื่อการวางแผนการสั่งซื้อสินค้าล่วงหน้าด้วยเทคนิคการปรับเรียบแบบเอกซ์โปเนนเชียล. วิศวสารลาดกระบัง, 35(2), 23-31.

ทรงพล รดิศพงศ์. (2555). การแปลงข้อมูลผลการวิจัยโดยวิธีทางสถิติ. วารสารกรมวิทยาศาสตร์บริการ, 60(189), 16-19.

ธงชัย แสงสุวรรณดี และสกนธ์ คล่องบุญจิต. (2564). การเพิ่มประสิทธิภาพการจัดการคลังสินค้าด้วยเทคนิค ABC และการพยากรณ์ กรณีศึกษาระบบการจัดเก็บสินค้า. วิศวกรรมสารลาดกระบัง, 38(4), 13-22.

ธันย์ชนก จันทร์หอม และอมรินทร์ เทวตา. (2565). การพยากรณ์แบบอนุกรมเวลาเพื่อกำหนดการสั่งซื้อที่ประหยัดที่สุดของโรงงานผลิตยางซิลิโคนแห่งหนึ่ง. วารสารวิทยาลัยโลจิสติกส์และซัพพลายเชน, 8(2), 28-49.

นิภา นิรุตติกุล. (2551). แบบจำลองการเดินทางของผู้บริโภคในการเลือกซื้อสินค้าพาณิชย์อิเล็กทรอนิกส์ประเภทสินค้าแฟชั่นเครื่องแต่งกายของผู้บริโภคเจเนอเรชันวาย. วารสารสังคมศาสตร์และมนุษย์ศาสตร์, 5(2), 216-255.

พิชชาพัส ภูรีจารุโรจน์, วรวรรณ พยัคเวช, นัทธพงศ์ ตรีสุธรรมมาศ, ศุภนุช รักษาคม และจุฑาภรณ์ สินสมบูรณ์. (2562). การเปรียบเทียบประสิทธิภาพวิธีการแปลงข้อมูลสำหรับข้อมูลที่มีการแจกแจงแกรมมา. วารสารวิทยาศาสตร์และเทคโนโลยี, 28(8), 1321-1333.

ภัณนิภา เชี่ยวพานิชย์. (2559). ตัวแบบการพยากรณ์ที่ส่งผลต่อยอดขายสินค้าที่ทําการส่งเสริมการขาย. วารสารวิจัย มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี, 18(2), 33-39.

ภูวิสิต วาลมุลตรี. (2555). การคาดการณ์ความต้องการสินค้าที่มีมูลค่าสูง. วารสารวิทยาศาสตร์และเทคโนโลยีมหาวิทยาลัยราชภัฏอุดรธานี, 8(1), 121-132.

วรางคณา เรียนสุทธิ์. (2561). การเปรียบเทียบตัวแบบพยากรณ์ราคาส้มเขียวหวานโดยวิธีการปรับเรียบด้วยเส้นโค้งเลขชี้กำลัง. Thai Journal of Science and Technology (TJST), 7(5), 460-470.

วรางคณา เรียนสุทธิ์. (2562). การพยากรณ์ราคาถั่วเขียว. วารสารวิจัยและส่งเสริมวิชาการเกษตร, 37(2), 122-138.

วรางคณา เรียนสุทธิ์. (2563). การพยากรณ์ราคาพริกไทยดำ. วารสารวิชาการและวิจัย มทร.พระนคร, 13(2), 93-105.

ศิริวรรณ สัมพันธมิตร. (2564). การพยากรณ์ความต้องการใช้กาวดักแมลง. วารสารข่ายงานวิศวกรรมอุตสาหการไทย, 7(1), 18-33.

อนุชิต รัตนประสิทธิ์. (2554). การพยากรณ์ความต้องการและการวางแผนการผลิต : กรณีศึกษาผลิตภัณฑ์น้ำปลา. วารสารวิชาการและวิจัย มทร.พระนคร, 5(1), 65-75.

อรุณ จิรวัฒน์กุล. (2564). การแปลงข้อมูลให้ตัวแปรมีการแจกแจงปกติ. วารสารวิชาการสาธารณสุข, 30(2), 197-198.

Arvan, M., Fahimnia, B., Reisi, M., & Siemsen, E. (2019). Integrating human judgement into quantitative forecasting methods: A review. Omega, 86, 237-252.

Corberán-Vallet, A., Vercher, E., Segura, J. V., & Bermúdez, J. D. (2023). A new approach to portfolio selection based on forecasting. Expert Systems with Applications, 215, 119370.

Ginantra, N. L. W. S. R., & Anandita, I. B. G. (2019). Penerapan Metode Single Exponential Smoothing Dalam Peramalan Penjualan Barang. J-SAKTI (Jurnal Sains Komputer dan Informatika), 3(2), 433-441.

Gradojevic, N., Kukolj, D., Adcock, R., & Djakovic, V. (2023). Forecasting Bitcoin with technical analysis: A not-so-random forest?. International Journal of Forecasting, 39(1), 1-17.

Gui, L., Hu, X., Li, X., & Zheng, M. (2022). Study on the Influence of Undertaking Industrial Transfer on the Sustainability Development of Wanjiang City Belt. Sustainability, 14(22), 14993.

Hair Jr., J. F. (1995). Multivariate Data Analysis with Readings (4th ed.). Englewood Cliffs, NJ: Prentice-Hall.

Sirisha, U. M., Belavagi, M. C., & Attigeri, G. (2022). Profit Prediction Using ARIMA, SARIMA and LSTM Models in Time Series Forecasting: A Comparison. IEEE Access, 10, 124715-124727.

Zhou, J., Ren, G. H., He, H. B., Hou, X. Y., & Deng, W. C. (2020). Application of the exponential smoothing model and ARIMA model in prediction of the endemic situation of schistosomiasis in Hunan Province. Journal of Schistosomiasis Control, 32(3), 236-241.