120
การเปรียบเทียบการประยุกต์ใช้เทคนิคการจาลองสถานการณ์ แบบมอนติคาร์โล กับวิธีการพยากรณ์แบบวินเทอร์ เพื่อลดต้นทุนการจัดการสินค้าคงคลัง กรณีศึกษา : โรงงานผลิตเครื่องดื่ม The Comparison by Applying Monte Carlo Simulation Technique and Winter’s Forecasting Method for Reducing Inventory Management Cost : The Beverage Manufacturer Case Study. กนกศักดิ ศรีจันทร์ อุดมทรัพย์ พูลสวัสดิ โครงงานวิศวกรรมนี้เป็นส่วนหนึ่งของการศึกษาตามหลักสูตรวิศวกรรมศาสตรบัณฑิต สาขาวิศวกรรมการจัดการและโลจิสติกส์ วิทยาลัยนวัตกรรมด้านเทคโนโลยีและวิศวกรรมศาสตร์ มหาวิทยาลัยธุรกิจบัณฑิตย์ ปีการศึกษา 2561

The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

  • Upload
    others

  • View
    0

  • Download
    0

Embed Size (px)

Citation preview

Page 1: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

การเปรยบเทยบการประยกตใชเทคนคการจ าลองสถานการณ แบบมอนตคารโล กบวธการพยากรณแบบวนเทอร

เพอลดตนทนการจดการสนคาคงคลง กรณศกษา : โรงงานผลตเครองดม The Comparison by Applying Monte Carlo Simulation Technique and

Winter’s Forecasting Method for Reducing Inventory Management Cost : The Beverage Manufacturer Case Study.

กนกศกด ศรจนทร อดมทรพย พลสวสด

โครงงานวศวกรรมนเปนสวนหนงของการศกษาตามหลกสตรวศวกรรมศาสตรบณฑต สาขาวศวกรรมการจดการและโลจสตกส

วทยาลยนวตกรรมดานเทคโนโลยและวศวกรรมศาสตร มหาวทยาลยธรกจบณฑตย

ปการศกษา 2561

Page 2: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

การเปรยบเทยบการประยกตใชเทคนคการจ าลองสถานการณ แบบมอนตคารโล กบวธการพยากรณแบบวนเทอร

เพอลดตนทนการจดการสนคาคงคลง กรณศกษา : โรงงานผลตเครองดม

กนกศกด ศรจนทร อดมทรพย พลสวสด

โครงงานวศวกรรมนเปนสวนหนงของการศกษาตามหลกสตรวศวกรรมศาสตรบณฑต สาขาวศวกรรมการจดการและโลจสตกส

วทยาลยนวตกรรมดานเทคโนโลยและวศวกรรมศาสตร มหาวทยาลยธรกจบณฑตย

ปการศกษา 2561

Page 3: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

The Comparison by Applying Monte Carlo Simulation Technique and Winter’s Forecasting Method for Reducing Inventory Management Cost

: The Beverage Manufacturer Case Study.

Kanoksak Srijan Udomsap Poolsawasdi

A Project Submitted in Partial Fulfillment of Requirements for the Management and Logistics Engineering

College of Innovative Technology and Engineering Dhurakij Pundit University

2018

Page 4: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo
Page 5: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo
Page 6: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo
Page 7: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

กตตกรรมประกาศ โครงงานฉบบนส าเรจลงไดดวยด เนองจากไดรบความกรณาจากอาจารยทปรกษา อาจารย อธวฒน ลนะธรรม ทไดใหความร ค าแนะน า ตรวจทาน และสละเวลาอนมคาเพอใหความชวยเหลอในการแกไขขอบกพรองตาง ๆ ดวยความเอาใจใสทกขนตอน เพอใหการเขยนโครงงานฉบบนสมบรณทสด ผจดท าโครงงานตระหนกถงความตงใจจรง และความทมเทของอาจารย และขอกราบขอบพระคณคณะอาจารยกรรมการ และประธานกรรมการ ทท าใหโครงงานฉบบนเสรจสมบรณเปนอยางสงไว ณ ทน ขอขอบคณคณบดา และมารดา ทคอยใหก าลงใจในการท าโครงานฉบบน ขอบคณบรษทกรณศกษาทอนเคราะหใหเกบขอมลของโครงงานในครงน

กนกศกด ศรจนทร อดมทรพย พลสวสด

Page 8: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

สารบญ

หนา

บทคดยอภาษาไทย…………………………………………………………………………….. ฆ บทคดยอภาษาองกฤษ…………………………………………………………………………. ง กตตกรรมประกาศ……………………………………………………………………………... จ สารบญตาราง………………………………………………………………………………….. ซ สารบญภาพ……………………………………………………………………………………. ฌ บทท 1. บทน า………………………………………………………………………………… 1 1.1 ความเปนมาและความส าคญ…………………………………………………… 1

1.2 วตถประสงค…………………………………………………………………….. 3 1.3 ขอบเขตการศกษาวจยทเกยวของ………………………………………………... 3 1.4 ประโยชนทคาดวาจะไดรบ……………………………………………………… 3 1.5 วธการด าเนนงานวจย…………..……………………………………………….. 3 1.6 แผนการด าเนนงานวจย...………………..………………………………………. 4

2. ทฤษฎและงานวจยทเกยวของ……………………………………………………… 6 2.1 ความหมายของสนคาคงคลง (Inventory)………………………………………. 6 2.2 ประเภทของสนคาคงคลง……………………………………………………….. 6 2.3 ตนทนในการด าเนนการใหมวสดคงคลง………………………………………... 7 2.4 โครงสรางของระบบสนคาคงคลง………………………………………………. 8 2.5 รปแบบของการแกปญหาสนคาคงคลง…………………………………………. 9 2.6 การควบคมระดบสนคาคงคลง………………………………………………….. 9 2.7 จดมงหมายของการควบคมสนคาคงคลง……………………………………….. 10 2.8 ประโยชนทไดจากการควบคมสนคาคงคลง…………………………………….. 11 2.9 วธการควบคมสนคาคงคลง……………………………………………………… 11 2.10 คงคลงส ารอง (Safety Stock)…………………………………………………… 17 2.11 ทฤษฏการจ าลองสถานการณแบบมอนตคารโล………………………………… 18 2.12 ขนตอนของเทคนควธมอนตคารโล…………………………………………….. 23 2.13 จดเดนของการใชเทคนควธมอนตคารโล……………………………………….. 27

Page 9: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

สารบญ (ตอ)

บทท หนา 2.14 คาสมประสทธของความแปรผน (coefficient of variation)……………………. 27 2.15 ความหมายและความส าคญของการพยากรณ (Defining Forecasting)…………. 31 2.16 การพยากรณแบบวธวนเทอร.……………………………………………..……. 35 2.17 งานวจยทเกยวของ……………….…………………………………………….. 36 2.18 บทสรป………………………………………………………………………… 42

3. วธการด าเนนโครงงาน....…………………………………………………………… 43 3.1 ศกษาขอมลปรมาณการใชขวดและวเคราะหความแปรผน……………………… 44 3.2 วเคราะหตนทนในการจดการสนคาคงคลง............................................................ 47 3.3 ศกษารปแบบวธการจ าลองสถานการณแบบมอนตคารโล (Monte Carlo

Simulation Method) และวธการพยากรแบบ Winter's method…………………. 51 4. ผลการด าเนนโครงงาน……………………………………………………………. 55

4.1 การจ าลองสถานการณแบบมอนตคารโล……………………………………….. 55 4.2 พยากรณการสงขวดบรรจภณฑแบบ Winter's method โดยใชโปรแกรม Minitab 14………………………………………………………………………. 77 4.3 เปรยบเทยบตนทนการจดการสนคาคงคลงของขวดบรรจภณฑระหวางวธการ

จ าลองสถานการณแบบมอนตคารโลและ การพยากรณแบบ Winter's method 78 5. สรปผลการด าเนนงาน และขอเสนอแนะ…………………………………….....… 85

5.1 สรปผลการด าเนนงาน……….………………………..………………………… 85 5.2 ขอเสนอแนะ…………………………………………………………..………… 85

บรรณานกรม 87 ภาคผนวก ก 90 ประวตผวจย 108

Page 10: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

สารบญตาราง ตารางท หนา

1.1 แผนการด าเนนงาน……………………………………………….……..... 4 3.1 แสดงคาสมประสทธของความแปรผน………………………..…….….... 45 3.2 แสดงปรมาณการเบกใชงานและการสงซอป 2560……………….……... 46 3.3 แสดงมลคาของสนคาคงคลง…………………………………….……….. 46 3.4 ตารางแสดงรายละเอยดคาใชจายในการสงซอ………………..………….. 49 3.5 แสดงรายละเอยดของคาใชจายในการจดเกบ…………………….………. 49 3.6 แสดงตนทนการจดเกบ…………………………………………..………. 50 3.7 แสดงขอมลปรมาณการใชขวดบรรจภณฑป 2558 และขอมลปรมาณการ

ใชขวดบรรจภณฑป 2559……………………………………………..…... 53 4.1 แสดงขอมลปรมาณการใชขวดบรรจภณฑป 2558 ถงป 2560..................... 56 4.2 แสดงตวอยางการแจกแจงความถการเบกใชสนคาของขวดรหสSKU-01... 57 4.3 แสดงตวอยางการก าหนดชวงตวเลขสมของความตองการสนคาของขวด

รหส SKU-01................................................................................................ 59 4.4 การสรางตวเลขสมการเบกใชของสนคาของขวด 10 ชนด จ านวน 10 ชด.. 61 4.5 การหาจดสงซอใหมสนคาของขวด 10 ชนด…………………………….. 62 4.6 การหาปรมาณการสงซอทเหมาะสมของสนคาขวดทง 10 ชนด………..… 64 4.7 ตนทนการจดการสนคาของขวด 10 ชนด ในจ านวน 1 รอบ……………. 70 4.8 ตนทนการจดการสนคาของขวด 10 ชนด ในจ านวน 10 รอบ…………… 72 4.9 การหาคา P-value ของขวด 10 ชนดในจ านวน 10 รอบ…………….…… 73 4.10 หาจ านวนรอบทเหมาะสมในการทดลองสมของสนคาขวด 10ชนด……. 74 4.11 รายละเอยดการจดการสนคาคงคลงของสนคาขวด SKU-01…………..… 74 4.12 ตนทนการจดการสนคาคงคลงของการทดลอง…………………………. 75 4.13 ใชโปรแกรม Microsoft Excel Solver ในการวเคราะหตนทน………..… 77 4.14 ผลการพยากรณความตองการขวดบรรจภณฑ 10 ชนด ในป 2561…….. 78 4.15 ความตองการขวดบรรจภณฑระหวางเดอน ม.ค. ถง ก.ย. ป พ.ศ.2561...... 78 4.16 ตารางสรปผลทไดจากการจ าลองสถานการณแบบมอนตคารโลกบความ

ตองการขวดบรรจภณฑจรงในป พ.ศ. 2561………………………..…… 80

Page 11: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

สารบญตาราง (ตอ)

ตารางท หนา

4.17 ตารางแสดงตนทนการจดการสนคาคงคลงการจ าลองสถานการณแบบมอนตคารโล…………………………………………………………….. 81

4.18 ตารางแสดงตนทนการจดการสนคาคงคลงจากการพยากรณแบบ Winter’s method…………………………………………………….…. 81

4.19 ตารางแสดงการเปรยบเทยบตนทนการจดการสนคาคงคลงของขวดบรรจภณฑ ระหวางว ธการจ าลองสถานการณแบบมอนตคารโล และ การพยากรณแบบ Winter's method…………………….……………….. 82

4.20 ตารางแสดงสรปเปรยบเทยบตนทนกอนและหลงการวจย…...………… 83

Page 12: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

สารบญภาพ

ภาพท หนา

1.1 ปรมาณการเบกใชขวดบรรจภณฑ………………………………………….. 2 1.2 เปรยบเทยบปรมาณการเบกใชกบปรมาณการสงซอ……………………….. 2 2.1 การวเคราะหหาจดในการสงซอทประหยดทสด…………………………… 13 2.2 จดสงซอใหมในอตราความตองการสนคาคงคลงคงทและเวลารอคอยคงท 14 2.3 จดสงซอใหมในอตราความตองการสนคาแปรผนและเวลารอคอยแปรผน 15 2.4 การก าหนด ROP บนพนฐานความตองการในชวงเวลาน าทมการแจกแจง

แบบปกต…………………………………………………………………... 17 2.5 แสดงการกระจายตวของประชากรท Cp > 1………………………………. 29 2.6 แสดงการกระจายตวของประชากรท Cp < 1………………………………. 30 2.7 แสดงการกระจายตวของประชากรคณภาพระดบ 6σ……………………... 30 2.8 กราฟแสดงยอดขายของผลตภณฑทแปรตามเวลา…………………………. 34 3.1 วธการด าเนนงานของโครงการ……………………………………………. 43 3.2 ขนตอนในการด าเนนงานการสงซอของพนกงาน…………………………. 48 3.3 ขนตอนการจ าลองสถานการณแบบมอนตคารโล (Monte Carlo Simulation

Method)…………………………………………………………………… 51 3.4 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ

SKU-01 ในป พ.ศ. 2558 - พ.ศ.2560……………………………………… 54 4.1 ตวอยางการสรางตารางขอมลของสนคาขวด SKU-01 ในโปรแกรม

Microsoft Excel…………………………………………………………… 65 4.2 ตนทนการจดการสนคาคงคลงสนคาของขวด SKU-01……………………. 69 4.3 กราฟแสดงผลการวเคราะหขอมลของโปรแกรม Minitab 14……………… 71 4.4 ก ร าฟ แ ส ด ง ผ ล ก า ร พ ย าก ร ณ ข อ ม ล ข อ ง ข ว ด รห ส SKU-0 1

โปรแกรม Minitab 14…………..…………………………………………. 77

Page 13: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

บทท 1 บทน ำ

1.1 ทมำและควำมส ำคญ ในสภาวะปจจบนการแขงขนทางดานอตสาหกรรมธรกจมมากขน ไมวาจะเปนอตสาหกรรมขนาดใหญ ไดแก อตสาหกรรมถลงเหลกและผลตเหลกกลา อตสาหกรรมขนาดยอมไดแก อตสาหกรรมฟอกหนง อตสาหกรรมน าตาล อตสาหกรรมการผลตอาหารและเครองดม และอตสาหกรรมในครวเรอน ไดแก การจกสาน แกะสลก ซงผประกอบการตองการแสวงหาก าไรทสงสด จงตองหาแนวทางในการลดตนทน และเพมโอกาสในดานการขาย และการตลาด รวมถงการจดเตรยมวตถดบเพอใหทนตอความตองการของผบรโภคทมการเปลยนแปลงอยตลอดเวลา การจดการคลงสนคาจงมความส าคญในการประกอบธรกจ ซงการจดการสนคาคงคลงเปนสวนหนงของตนทนในการประกอบธรกจ ดงนนจงตองมการควบคมปรมาณสนคาคงคลง และปรมาณการสงซอใหอยในระดบทเหมาะสม เพราะการมสนคาคงคลงปรมาณทมากเกนไป จะสงผลใหการประกอบธรกจมตนทนการจดเกบรกษาทสง สนคาเสอมสภาพ ลาสมย หมดอาย หรออาจช ารด แตในทางกลบกน ถามสนคาคงคลงในปรมาณทนอยเกนไป จะสงผลใหเกดการขาดแคลนของสนคา (Short stock) ซงน ามาสการเกดตนทนการเสยโอกาสได บรษทกรณศกษาเปนโรงงานทผลตเครองดมทงชนดมแอลกอฮอล และไมมแอลกอฮอล ในการผลตเครองดมจ าเปนตองมการใชขวดบรรจเครองดมหลายขนาดในปรมาณมาก และความตองการของลกคาไมแนนอนดงภาพท 1.1 จงท าใหเกดสนคาคงคลงเมอน าปรมาณการเบกใชเทยบกบปรมาณการสงซอดงภาพท 1.2 ซงท าใหเกดผลกระทบในดานของตนทนการเกบรกษา

Page 14: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

2

ภำพท 1.1 ปรมาณการเบกใชขวดบรรจภณฑ

ภำพท 1.2 เปรยบเทยบปรมาณการเบกใชกบปรมาณการสงซอ

01000020000300004000050000600007000080000

SKU-

01SK

U-02

SKU-

03SK

U-04

SKU-

05SK

U-06

SKU-

07SK

U-08

SKU-

09SK

U-10

SKU-

11SK

U-12

SKU-

13SK

U-14

SKU-

15SK

U-16

SKU-

17SK

U-18

SKU-

19SK

U-20

SKU-

21SK

U-22

ปรมาณก

ารใชขว

ด (พา

เลท)

ชนดขวด

ปรมาณการใชขวดบรรจภณฑ

0

10000

20000

30000

40000

50000

60000

70000

80000

SKU-01 SKU-03 SKU-05 SKU-07 SKU-09 SKU-11 SKU-13 SKU-15 SKU-17 SKU-19 SKU-21

ปรมาณก

ารใชขว

ด (พา

เลท)

ชนดขวด

การเปรยบเทยบปรมาณการเบกใชกบปรมาณการสงซอ

แผนการสง ปรมาณการใช

Page 15: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

3

ซงบรษทไมมการวางแผนในการสงซอขวดบรรจทเหมาะสมกบความตองการของผบรโภค ท าใหสนคาคงคลงมปรมาณรวม 11,209 พาเลท จงสงผลถงตนทนรวมเปน 98,525,964 บาท (ขอมลในเดอน ม.ค. ถง ธ.ค. 2560) เนองจากความตองการไมแนนอน ผจดท าโครงงานจงเสนอเทคนคการจ าลองสถานการณแบบมอนตคารโล และวธการพยากรณปรมาณการใชขวดบรรจภณฑ โดยใชโปรแกรม Minitab 14 เพอหาจ านวนการสงทเหมาะสม และท าใหตนทนรวมของการจดการใหลดลง

1.2 วตถประสงค

1.2.1 เพอลดตนทนในการจดการสนคาคงคลง 1.2.2 เพอเปรยบเทยบระหวางการใชเทคนคการจ าลองสถานการณแบบมอนตคารโล และการ

พยากรณแบบวนเทอร ปรมาณการใชขวดบรรจภณฑ ในการจดการปรมาณสนคาคงคลงทเหมาะสม

1.3 ขอบเขตในกำรศกษำ

1.3.1 ศกษาเกยวกบปรมาณการใชขวดบรรจภณฑของบรษทกรณศกษา (โดยใชขอมลในเดอน ม.ค. ถง ธ.ค. 2560)

1.3.2 ก าหนดใหคาสมประสทธความผนแปรทใชพจารณาตองมากกวา 0.2 1.3.3 ใชเทคนคการจ าลองสถานการณแบบมอนตคารโล 1.3.4 ใชเทคนคการพยากรณแบบวนเทอร โดยใชโปรแกรม Minitab 14 ในการประมวลผล

1.4 ประโยชนทคำดวำจะไดรบ 1.4.1 ก าหนดปรมาณการสงซอขวดบรรจภณฑทเหมาะสม 1.4.2 ลดตนทนในการจดการสนคาคงคลง

1.5 วธกำรด ำเนนงำน 1.5.1 ศกษาขอมลปรมาณในการใชขวด และวเคราะหความแปรผนของขอมลปรมาณการใช

ขวดบรรจภณฑ 1.5.2 วเคราะหตนทนในการจดการสนคาคงคลง 1.5.3 ศกษารปแบบวธการจ าลองสถานการณแบบมอนตคารโล 1.5.4 จ าลองสถานการณแบบมอนตคารโล

Page 16: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

4

1.5.5 พยากรณการใชขวดบรรจภณฑโดยใชโปรแกรม Minitab 14 ในการประมวลผล 1.5.6 วเคราะหและเปรยบเทยบความแตกตางของวธการจ าลองสถาการณแบบมอนตคารโล

และวธการพยากรณโดยใชโปรแกรม Minitab 14 กบผลทเกดขนจรงเพอหาตนทนรวมทต าทสด 1.5.7 สรปผลการศกษาและขอเสนอแนะ

1.6 แผนกำรด ำเนนงำน ตำรำงท 1.1 แผนการด าเนนงาน

แผนการด าเนนงาน ป พ.ศ. 2561

ก.พ. ม.ค. เม.ย. พ.ค. ม.ย. ก.ค. ส.ค. ก.ย. ต.ค. พ.ย. ธ.ค. 1. ศกษาขอมลปรมาณในการใชขวดบรรจภณฑ

2. ศ ก ษ า ท ฤ ษ ฎ แ ล ะงานวจยทเกยวของ

3. รวบ รวมขอม ล ก ารส ง ซ อ ข อ ง บ ร ษ ทกรณศกษา

4. วเคราะหขอมลโดยใชทฤษฏมอนตคารโล เพอหาปรมาณการสงซอและจดสงซอทเหมาะสม

5. พยากรณการใชขวดบ ร ร จ ภ ณ ฑ โ ด ย ใ ชโปรแกรม Minitab 14

Page 17: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

5

ตำรำงท 1.1 แผนการด าเนนงาน (ตอ) 6. ว เ ค ร า ะ ห แ ล ะ เปรยบเทยบความแตกตางข อ ง ว ธ ก า ร จ า ล อ งสถานการณแบบมอนตค า ร โ ล แ ล ะ ว ธ ก า รพยากรณโดยใชโปรแกรม Minitab 14 ก บ ผ ล ทเกดขนจรง

7. สรปผลการศกษาและขอเสนอแนะ

Page 18: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

บทท 2 ทฤษฎและงานวจยทเกยวของ

จากบทท 1 ทไดอธบายถงความเปนมาและความส าคญของปญหา และขอบเขตในการท า

โครงการในบทท 2 นจะกลาวถงทฤษฎและงานวจยทเกยวของกบการประยกตใชเทคนคมอนตคารโลส าหรบการหาปรมาณการสงซอและจดสงซอทเหมาะสมซงทฤษฎทจะน ามาใชในโครงงาน ไดแก ทฤษฎของวสดคงคลง ทฤษฎการควบคมสนคาคงคลง ทฤษฎการจ าลองสถานการณแบบมอนตคารโล รวมทงการเสนองานวจยทเกยวของ

2.1 ความหมายของสนคาคงคลง (Inventory)

สนคาคงคลงเปนสงส าคญในการด าเนนงานของกจกรรมภายในองคกร เนองจากชวยใหการด าเนนงานของหนวยงานนนๆ เกดความตอเนองและมความคลองตว Stock and Lambert (2001) ไดจ าแนกวตถประสงคของการเกบสนคาคงคลงไวดงน

2.1.1 เพอจดประสงคในการประหยดตอขนาด (Economy of Scale) 2.1.2 เพอใหเกดความสมดลระหวางอปสงคและอปทาน 2.1.3 เพอรองรบการผลตซงอาจมลกษณะพเศษเฉพาะอยาง 2.1.4 เพอรองรบความตองการซงไมเปนไปตามแผนงานทวางไว (Uncertain Demand) 2.1.5 เพอรองรบและเพมความเชอมนในจดทมความเสยงทจะมความตองการสงในระบบหวง

โซอปทาน

2.2 ประเภทของสนคาคงคลง ประเภทของสนคาคงคลงเมอพจารณาในดานการผลต สามารถแบงออกไดเปน 4 ประเภท

ดงน (พภพ, 2552) 2.2.1 วตถดบและชนสวนทสงซอ (Raw Materials and Purchased Components) สนคาคงคลง

เหลานเปนวสดขนตนทใชในการท าชนสวนและผลตภณฑส าเรจรป ส าหรบชนสวนทสงซอกเปรยบเสมอนวตถดบแตกตางกนกแตเพยงวา บรษทภายนอกเปนผด าเนนการผลตชนสวนนนทงหมดหรอเพยงบางสวน

Page 19: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

7

2.2.2 สนคาคงคลงระหวางการผลต (Work-in-process Inventory) หลงจากทกระบวน การผลตเรมตนโดยการน าวตถดบและชนสวนประกอบทสงซอมาจากภายนอกเขาสกระบวนการผลตจะมชวงเวลาหนง (ชวงเวลาน าของการผลต) กอนทกระบวนการผลตจะเสรจสน ชวงเวลาระหวางนน สนคาคงคลงเหลานนอยในระหวางกระบวนการผลตเพอรอคอยการผลตขนตอไปใหเปนผลตภณฑส าเรจรป

2.2.3 ผลตภณฑส าเรจรป (Finished Product) ผลตภณฑส าเรจรปอาจจะเกบอยในโรงงานหรอในคลงสนคากอนทจะสงใหกบลกคา สนคาคงคลงประเภทนประกอบดวยชนสวนเพอบรการและผลตภณฑขนสดทาย

2.2.4 สนคาคงคลงทเปนเครองมอและชนสวนเพอซอมบ ารงและซอมแซม (Maintenance, Repair, and Tooling Inventory) ไดแก เครองมอกด และอปกรณจบยดชนงานทใชกบเครองจกรในโรงงาน และชนสวนเพอการซอมแซมทจ าเปนตอการปรบเครองจกรเมอเกดเสยขนมา รวมทง

ชนสวนทเปนอะไหลเครองไฟฟากรวมอยในสนคาคงคลงประเภทนดวย

2.3 ตนทนในการด าเนนการใหมวสดคงคลง (ศรพร,2549)

ในการด าเนนการใหมวสดคงคลงจะมตนทนเกดขน เปาหมายส าคญของการจดการวสดคงคลงทดกคอ การก าหนดระดบวสดคงคลงทท าใหตนทนวสดคงคลงทงสนอยในระดบทต าทสด โดยการเปรยบเทยบตนทนทเกดขนจากการมวสดคงคลงในระดบตางๆ ตนทนเหลานโดยทวไปแยกออกไดเปน 3 ชนด คอ

2.3.1 ตนทนในการสงซอหรอสงผลต เปนตนทนทจายไปเพอใหไดมาซงวตถดบชนสวนหรอสนคา ตนทนประเภทนจะเกดขนทกครงทมการสงซอหรอสงผลต ค านวณตนทนทกชนดนออกมาในรปของจ านวนเงนตอการสงซอหรอสงผลตหนงครง ตนทนนคงทเสมอไมวาจะมการสงซอหรอสงผลตในแตละครงเปนปรมาณมากเพยงใดกตาม ตนทนประเภทนจะไมผนแปรตามจ านวนของสนคา แตจะผนแปรไปตามจ านวนครงของการสงซอหรอสงผลต เปนทนาสงเกตวาการสงซอหรอสงผลตเปนปรมาณครงละมากๆจะประหยดตนทนประเภทน ส าหรบรายละเอยดของตนทนทงสองประเภทพอสรปไดดงน

1. ตนทนในการสงซอ เรมตนดวยการน าค าขอใหซอสงไปยงฝายจดซอตอจากนนกจะเปนการรบ และการจดเรยงวตถดบ หรอสนคาไวในคลง และสนสดลงเมอบรษทผซอช าระเงนใหแกผขาย ตนทนในการสงซอเหลาน ประกอบดวย คาใชจายในการจดเตรยมการและออกค าสงซอ คาใชจายในการเกบบนทกหลกฐาน คาใชจายในการขนสงสนคา คาใชจายในการตรวจรบของ คาใชจายในการตรวจเอกสาร คาใชจายในการช าระหน การพจารณาตนทนดงกลาวจะออกมา

Page 20: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

8

ในรปของเงนเดอน และวสดสนเปลองส านกงานตางๆ เชน เงนเดอนผจดการฝายจดซอ ผจดซอ ผชวยผจดซอ ผตดตามงาน เสมยน พนกงานพมพดด เสมยนตรวจรบ เสมยนบญชเจาหน เปนตน สวนวสดสนเปลองประกอบไปดวย วสดสนเปลองในการตรวจรบ วสดสนเปลองแผนกบญช เปนตน

2. ตนทนในการสงผลต บรษทจะตองจายคาตนทนในการสงผลตจ านวนหนงทกครงทมการผลต ตนทนในการสงผลตประกอบดวย ตนทนในการจดวางสายการผลตหรอตดตงเครองจกร, ตนทนในการจดเตรยมเอกสารเกยวกบค าสงงานและการอนมตการผลต, ตนทนในการสงซอวตถดบเพอใชในการผลตสนคานนๆ นอกจากตนทนดงกลาวแลว ยงมตนทนคาลวงเวลา คาจางคนงาน การฝกหดและการปลดออก ตลอดจนคาแรงงานในการผลตขนทดลอง

2.3.2 ตนทนในการจดใหมวสดคงคลง หรอเรยกวาตนทนในการจดถอวสดคงคลงคอ ตนทนทเกดขนจากการทธรกจเปนเจาของหรอด ารงไวซงวสดคงคลงจานวนหนง ตนทนประเภทนจะผนแปรโดยตรงตอขนาดของวสดคงคลง ตนทนในการจดใหมวสดคงคลงจะค านวณออกมาเปนตวเลขตอป และอยในรปของรอยละของมลคาวสดคงคลงถวเฉลย ตนทนประเภทนประกอบดวยคาใชจายในเรองเครองมอและสงอ านวยความสะดวกในการถอวสดคงคลง คาขนสงคาประกนภย คาของเสยหาย คาลาสมย คาเสอม คาภาษ คาประกน และตนทนในการสญเสยโอกาสของเงนทนทจมอยกบวสดคงคลง เปนทนาสงเกตวา ยงมวสดคงคลงถอครองอยในระดบต ากยงท าใหประหยดคาใชจายในการจดใหมวสดคงคลง

2.3.3 ตนทนทเกดจากวสดขาดแคลน เมอมสนคาไมพอขาย หรอมวตถดบไมเพยงพอแกการผลตจะเกดคาใชจายอะไรขนบางและเปนจ านวนเทาไร เปนการยากทจะประเมนคาใชจายเหลาน เชน ในกรณทมสนคาไมพอขาย ทเหนอยางชดเจนกคอ ขาดรายไดทควรจะไดจากการขายสนคานน ยงกวานนอาจท าใหขาดความเชอถอจากลกคาจนท าใหเสยลกคาไปใหกบคแขงขน สวนในกรณของวตถดบทไมเพยงพออาจสงผลใหสายการผลตหยดชะงก ถาหากไมสามารถแกไขปญหาไดทนจากตนทนทง 3 ทกลาวมาน ในการตดสนใจถงปรมาณของการสงซอหรอสงผลตแตละครงจะตองค านงถงตนทนรวมทต าทสด

2.4 โครงสรางของระบบสนคาคงคลง

(คณนทร, 2539) ไดกลาววา ระบบสนคาคงคลงเปนระบบทเกยวกบกระบวนการเชงวฏฏะ (Cyclical Process) โดยโครงสรางหลกของระบบสนคาคงคลงสามารถแบงได 4 ประการ คอ

2.4.1 ระดบสนคาคงคลง (Inventory Level) คอขนาดของสนคาคงคลงทมอย 2.4.2 อปสงค (Demand) คอความตองการของสนคาทอาจมความแนนอนหรอไมแนนอน

Page 21: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

9

2.4.3 การสงซอสนคา (Reordering) เมอระดบสนคาคงคลงลดลงจนถงระดบเทากบหรอต ากวาจดสงซอ หรอจดต าสดของสนคาคงคลง (Reorder Point) จะมการสงซอเพอท าใหระดบสนคาคงคลงอยในระดบทตองการ

2.4.4 การขาดแคลนสนคา (Shortage หรอ Stock Out) คอการทสนคาคงคลงมไมเพยงพอกบความตองการ ซงอาจเกดจากอปสงคหรอชวงเวลาน ามความไมแนนอน

2.5 รปแบบของการแกปญหาสนคาคงคลง

ปญหาสนคาคงคลงทพบกนทวไปจ าแนกไดเปน 3 ประเภทคอรปแบบความตองการซอคงทรปแบบความตองการซอไมคงท และรปแบบโปรแกรมไดนามค ซงงานวจยนจะเปนรปแบบของความตองการทไมแนนอนซงพบไดบอย จงขอกลาวถงรปแบบความตองการทไมคงทเทานน

2.5.1 ระบบสนคาคงคลงทมความตองการทไมทราบคาแนนอน ระบบสนคาคงคลงทมความตองการททราบคาแนนอนและเปนคาคงตว การวเคราะหระบบ

เพอน าไปตดสนใจสามารถกระท าไดโดยไมยากนก แตถาความตองการสนคามความไมแนนอน (Probabilistic Demand) หรอไมทราบคาไดแนนอนจะท าใหการวเคราะหระบบสนคาคงคลงมความยงยากมากขน เพราะผวเคราะหจะไมสามารถทราบความตองการทเกดขนในชวงเวลาขางหนาได ในกรณนเราจะถอวาความตองการทเกดขนเปนตวแปรสม (Random Variable) ดงน น ในการวเคราะหระบบสนคาคงคลงแบบนจงตองอาศยความรพนฐานเกยวกบความนาจะเปนมาชวยวเคราะห

2.6 การควบคมระดบสนคาคงคลง

การจดการสนคาคงคลงจะรวมถงการบนทกบญชสนคาและการตรวจนบสนคาคงคลง เนองจากในแตละธรกจ จะมสนคาคงคลงหลายชนดในแตละชนดอาจมรปแบบ ขนาด ส ทแตกตางกน ซงเรยกวา SKU(Stock Keeping Unit) ซงท าใหการตรวจนบสนคาคงคลงเพอใหไดขอมลทถกตองภายในระยะเวลาก าหนดตองใชพนกงานและเวลาจ านวนมาก เพอใหทราบถงชนดของสนคาทเรมขาดและตองซอเพอมาเตมเตม และปรมาณสนคาทเหมาะสมทสดทตองซอ ซงระบบการควบคมสนคาคงคลงม 3 ระบบคอ

2.6.1 ระบบตอเนอง (Continuous Inventory System) เปนระบบสนคาคงคลงทตองมการลงบญชทกครงทมการรบจายสนคา ท าใหสามารถทราบยอดคงเหลอทแทจรงของสนคาคงคลง ซงมความจ าเปนในการควบคมสนคาคงคลงชนดทส าคญทขาดไมได มสนคาคงคลงทขาดมอนอย เพราะมการเผอสนคาไวเฉพาะชวงรอบเวลาเทานน แตระบบนมคาใชจายคอนขางสงและตองใช

Page 22: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

10

พนกงานจ านวนมากในการปฏบตงาน โดยในปจจบนไดมการน าเอาเทคโนโลยคอมพวเตอรมาประยกตใช สามารถชวยแกปญหาจดนไดโดยระบบบารโคด (Barcode System), RFID (Radio Frequency Identify) โดยมความเทยงตรงสงและสามารถใชเปนฐานขอมลของการจดการสนคาคงคลงรวมกบกจกรรมอนได

2.6.2 ระบบแบบปลายงวด (Periodic Inventory System) เปนระบบสนคาคงคลงทมวธการลงบญชเฉพาะในชวงเวลาทก าหนดไวเทานน เชน ตรวจนบและลงบญชทกปลายสปดาหหรอปลายเดอน เมอของถกเบกไปกมจะมการสงซอเขามาเตมเตมในระดบทตงไว ระบบนจะเหมาะกบสนคาทมการสงซอและเบกใชเปนชวงเวลาทแนนอน เชน การสงชนสวนคอมพวเตอรตามระยะเวลาทก าหนดในโควตาเพอผลตตอ เปนตน

โดยทวไปแลวระบบสนคาคงคลงแบบปลายงวดมกจะมระดบสนคาคงคลงสงกวาระบบสนคาคงคลงอยางตอเนอง เพราะจะมการเผอส ารองกนสนคาขาดมอไวลวงหนา และระบบนจะมการปรบปรมาณสงซอใหม หากความตองการมการเปลยนแปลง ระบบนตองเผอสนคาไวทงชวงเวลารอคอย และเวลาระหวางการซอในแตละครง ในจ านวนการสงซอคงทซงจะท าใหไดสวนลดปรมาณไดงาย

วธนมขอด คอ ใชเวลาและเสยคาใชจายในการควบคมนอยกวาระบบตอเนอง เหมาะกบการสงซอสนคาจากผขายสนคารายเดยวกน เพราะจะไดลดคาใชจายในสวนของเอกสาร ลดคาใชจายในการสงซอ และสะดวกตอการตรวจนบยงขน และคาใชจายในการเกบขอมลสนคาคงคลงต ากวา

2.6.3 ระบบตนทนฐานกจกรรม (Activity Based Costing) ระบบนเปนวธจ าแนกสนคาคงคลงออกเปนแตละประเภท โดยพจารณาปรมาณและมลคาของสนคาคงคลงแตละรายการเปนเกณฑ เพอลดภาระในการดแลตรวจนบและควบคมสนคาคงคลงทมอยมากมาย ซงถามการควบคมทกรายการสนคาเขมงวดเทาเทยมกนจะเสยเวลาและคาใชจายเกนความจ าเปน

2.7 จดมงหมายของการควบคมสนคาคงคลง

2.7.1 เพอรวบรวมจดบนทกรายการเกยวกบสนคาในคลงสนคา และสนคาทอยในความดแลของหนวยงาน หรอผประกอบการ

2.7.2 เพอจะไดทราบวารายการสนคาประเภทใดทมอตราการหมนเวยนสงหรอต า รายการสนคาใดควรจะน าออกมาลดราคาเพอลางสตอก

2.7.3 เพอปองกนการสงสนคาซ าซอน อนจะมผลท าใหสนคาคางสตอกเพมมากขน และเพอปองกนการเบกจายซ าซอน เนองจากมบตรควบคมการเบกจาย

Page 23: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

11

2.7.4 เพอท าใหมสนคาเพอตอบสนองความตองการของลกคาไดตลอดเวลา และสามารถควบคมราคาไมใหมการแกวงมากตามสภาวะตลาด

2.7.5 เพอเพมความมนใจใหลกคาวาผ ประกอบการจะมสนคาเพอสนองตอบอยเสมอ เนองจากลกคาสวนใหญจะมการตดสนใจทจะซอลวงหนากอนมาถงสถานทจ าหนาย

2.7.6 ท าใหขอมลของสนคาในสตอกในแตละแผนกมขอมลทตรงกน ท าใหการท างานมความคลองตวมากขน

2.7.7 เพอท าใหสภาพการแขงขนคลองตวมากขน เนองจากมการแขงขนในธรกจสง ดงนน การบรหารสนคาคงคลงทดจงทาใหเกดความไดเปรยบเหนอคแขงขน

2.8 ประโยชนทไดจากการควบคมสนคาคงคลง

2.8.1 เพอเปนขอมลประกอบการพจารณาการจดซอเพอใหสอดคลองกบความตองการของผบรโภค

2.8.2 ชวยใหตนทนไมจมอยกบสนคาในคลงมากเกนไป ท าใหเงนหมนเวยนของหนวยงานหมนเวยนไดด

2.8.3 เพอลดจานวนการลางสตอกของสนคาทคางอยในคลงสนคาเปนเวลานานแลวไมกอใหเกดประโยชนแกองคกร

2.8.4 เพอชวยใหการวางแผนการจดซอ การขายเปนไปอยางเหมาะสม 2.8.5 เพอปองกนการทจรต เนองจากขอมลททกหนวยงานทเกยวของไดรบตรงกน 2.8.6 ท าใหการก าหนดงบประมาณสาหรบจดซอมความเหมาะสมมากขน

2.9 วธการควบคมสนคาคงคลง 2.9.1 ระบบขนาดการสงซอทประหยด (Economic Order Quantity หรอ EOQ) (ค านาย, 2546) ไดอธบายไวดงน ขนาดการสงซอทประหยด เปนระบบสนคาคงคลงทใชกน

แพรหลายมานาน โดยทระบบนใชกบสนคาคงคลงทมลกษณะของความตองการทเปนอสระ ไมเกยวของตอเนองกบความตองการของสนคาตวอน (Independent Demand) จงตองวางแผนพจารณาความตองการอยางเปนเอกเทศดวยวธการพยากรณอปสงคของลกคาโดยตรง ระบบขนาดการสงซอทประหยดจะพจารณาตนทนรวมของสนคาคงคลงทต าทสดเปนหลกเพอก าหนดระดบปรมาณการสงซอตอครงทเรยกวา “ขนาดการสงซอทประหยด” ซงในการใชสตร EOQ มขอจ ากดอยดงน

1. ตองมสถตการใช หรออตราการใชพอสมควร ซงจะเหมาะสมกบวสดทวไปและวสดหมนเรวอยางอน

Page 24: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

12

2. สตร EOQ จะท าใหประหยดจ านวนการสงซอ ผลลพธทไดมาจากการค านวณอาจจะไดจ านวนทนอยไป และจะตองสงบอยๆ ปญหานอาจแกไขไดดวยการใช Balance Order หรอการทาสญญาอยางเปนระบบ

3. จะไดผลดทสดเมอใชระบบพลวตควบคม กลาวคอ ตวประกอบในสตร EOQ ตองเปลยนแปลงไดทนเหตการณเสมอ เชน ราคาตอหนวยเปลยนไป อตราการใชเปลยนไปจ านวนทตองสงตามสตรกตองเปลยนไปดวย โดยสมมตคาตวแปรตางๆ ดงน

C = ราคาสนคา (บาท/หนวย) D = อตราการใช (หนวย/ป) i = อตราคาใชจายในการจดใหมของคงคลง (% ของมลคาวสดคงคลง) H = ตนทนทเกดจากการจดใหมของคงคลง (บาท/หนวย/ป) เชน คาดอกเบยเงนจม K = ตนทนรวม (บาท/ป) P = ตนทนในการสงซอแตละครง (บาท/ครง) Q = ปรมาณการสงซอของแตละครง (หนวย) T = รอบเวลาในการสงซอแตละครง TC = ตนทนรวมตอหนวย (บาท/หนวย) ในการค านวณหาตนทนทต าทสดจะพจารณาตนทนตางๆ ทเกยวของกบวสดคงคลงใน

ชวงเวลา 1 ปดงน ตนทนราคาวสดทสงมาทงหมดใน 1 ป = CD ตนทนในการสงซอทงสนตอป = PD/Q ตนทนในการจดใหมวสดคงคลงตอปโดยเฉลย = IQ/2 ดงนนตนทนรวมตอปในการจดใหมวสดคงคลงขน มาจงเทากบผลรวมของตนทนราคาวสด

คงคลง ตนทนในการสงซอและตนทนในการจดใหมวสดคงคลงนน คอ

K = CD + PD

Q + HQ

2 (2.1)

เมอพจารณาตนทนรวมตอหนวยกจะหาไดดงน

TC = KD

(2.2) นน คอ

TC = C + PQ + HQ

2D (2.3)

Page 25: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

13

การหาคา Q ทจะใหคา TC นอยทสดสามารถท าไดโดยเทยบอนพนธขนทหนงของ TC เทยบกบ Q แลวก าหนดใหผลลพธทไดมคาเทยบเทากบ 0 ดงน

d(TC)

dQ = P

Q2 + H

2D = 0 (2.4)

Q = √2DP

H (2.5)

ส าหรบรอบเวลาในการสงซอหาไดจาก

T = QD = √

2P

HD (2.6)

จะเหนวาในสมการตนทนรวมตอหนวยนนขนาดของการสงซอทท าใหเสยตนทนนอยทสดจะเกด ขนทจดของตนทนในการสงซอตอครงตอหนวย (P/Q) เทากบตนทนในการจดใหมวสดคงคลงตอหนวยตอป (IQ/2D) แสดงใหเหนวาปญหาของการหาขนาดการสงซอทประหยด (EOQ) สามารถแสดงไดโดยวธใชกราฟดงแสดงในภาพท 2.1

ภาพท 2.1 การวเคราะหหาจดในการสงซอทประหยดทสด

2.9.2 จดสงซอใหม (Reorder Point) ในการจดซอสนคาคงคลง เวลากเปนปจจยทส าคญอยางยงตวหนงโดยเฉพาะอยางยงถา

ระบบการควบคมสนคาคงคลงของกจการเปนแบบตอเนอง จะสามารถก าหนดเวลาทจะสงซอใหม

Page 26: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

14

ไดเมอพบวาสนคาคงคลงลดเหลอระดบหนงกจะสงซอของมาใหมในปรมาณคงท เทาปรมาณการสงซอทก าหนดไว ซงเรยกวา Fixed order Quantity System จดสงซอใหมนนมความสมพนธแปรตามตวแปร 2 ตว คอ อตราความตองการใชสนคาคงคลง และเวลาน า (Lead Time) ภายใตสภาวการณ 4 แบบดงตอไปน

2.9.2.1 กรณความตองการสนคาคงคลงคงทและเวลาน าคงทเปนสภาวะทไมเสยงทจะเกดของขาดมอเลยเพราะทกสงทกอยางแนนอน

ภาพท 2.2 จดสงซอใหมในอตราความตองการสนคาคงคลงคงทและเวลาน าคงท (จตพล, 2551)

จดสงซอใหม = d(LT) (2.7) เมอ d แทน อตราความตองการสนคาคงคลง

LT แทน เวลาน า

2.9.2.2 กรณความตองการสนคาคงคลงแปรผนและเวลาน าคงท เปนสภาวะทอาจเกดของขาดมอไดเพราะอตราการใชหรอความตองการสนคาคงคลงไมสม าเสมอ จงตองมการเกบสนคาคงคลงเผอขาดมอ (Buffer Stock หรอ Safety Stock) ส ารองไว และตองมการประมาณระดบวงจรของการบรการ (Cycle-Service Level) ซงเปนโอกาสทไมมของขาดมอเลย โดยการกระจายของความตองการเปนแบบปกต

จดสงซอใหม = (อตราความตองการสนคา x เวลาน า) + สนคาคงคลงเผอขาดมอ จดสงซอใหม = d(LT) + Zσd√LT (2.8)

Page 27: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

15

เมอ d แทน อตราความตองการสนคาคงคลง LT แทน เวลาน า σd แทน ความเบยงเบนมาตรฐานของอตราความตองการสนคา Z แทน คาระดบความเชอมนวาจะมสนคาเพยงพอตอความตองการ

2.9.2.3 กรณความตองการสนคาคงคลงคงทและเวลาน าแปรผนเปนสภาวะทเวลาน ามลกษณะการกระจายของขอมลแบบปกต

จดสงซอใหม = d(LT ) + ZdσLT (2.9) เมอ d แทน อตราความตองการสนคาคงคลงซงคงท

LT แทน เวลารอคอยโดยเฉลย σLT แทน ความเบยงเบนมาตรฐานของเวลาน า Z แทน คาระดบความเชอมนวาจะมสนคาเพยงพอตอความตองการ

2.9.2.4 กรณความตองการสนคาคงคลงแปรผนและเวลาน าแปรผนโดยททงอตราความตองการสนคาและเวลาน ามลกษณะการกระจายของขอมลแบบปกตทงสองตวแปร

ภาพท 2.3 จดสงซอใหมในอตราความตองการสนคาแปรผนและเวลาน าแปรผน (จตพล, 2551)

จดสงซอใหม = d(LT ) + Z√LTσd2 + dσLT

2 (2.10)

เมอ d แทน อตราความตองการสนคาคงคลงโดยเฉลย LT แทน เวลารอคอยโดยเฉลย σLT แทน ความเบยงเบนมาตรฐานของเวลารอคอย

Page 28: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

16

σd แทน ความเบยงเบนมาตรฐานของอตราความตองการสนคา Z แทน คาระดบความเชอมนวาจะมสนคาเพยงพอตอความตองการ

สวนการพจารณาจดสงซอใหมในกรณทการตรวจสอบสนคาคงคลงเปนแบบสนงวดเวลาท

ก าหนดไว (Fixed Time Period System) จะแตกตางกบการตรวจสอบสนคาคงคลงแบบตอเนองตรงทปรมาณการสงซอแตละครงจะไมคงท และขนอยกบวาสนคาพรองลงไปเทาใดกซอเตมใหเตมระดบเดม 2.9.3 การค านวณหาระดบของคงคลงส ารอง

โดยใชวธก าหนด ระดบบรการ (Service Level) หมายถง ความนาจะเปนทจะไมเกดการขาดสตอก สมมตวาระดบบรการก าหนดไวทระดบ 95 เปอรเซนต กจะมความหมายวา มความนาจะเปน 95 เปอรเซนตทความตองการจะไมมากไปกวาระดบของวสดคงคลงทไดจดไวในชวงเวลาน า ส าหรบจ านวนของวสดคงคลงส ารองทเหมาะสมจะขนอยกบปจจยดงตอไปน

1. อตราความตองการโดยเฉลย 2. ชวงเวลาน าโดยเฉลย 3. ความแปรปรวนของความตองการและชวงเวลาน า 4. ระดบบรการทตองการ เมอพจารณาปจจยความแปรปรวนของความตองการและชวงเวลาน า เราสามารถแยกเปนกรณทเปนไปไดได 3 กรณคอ กรณชวงเวลาน าคงท ความตองการมความแปรปรวน กรณความตองการคงท ชวงเวลาน ามความแปรปรวน กรณทงความตองการและชวงเวลาน ามความแปรปรวนในทนจะระบรายละเอยดเฉพาะกรณทชวงเวลาน าคงท อตราการใชของมความแปรปรวนดงไดกลาวมาแลวในตอนตนวาในระบบของปรมาณการสงซอคงท ปรมาณของทมเผอไวตองจดเตรยมไวเพอปองกนความผดพลาดทจะเกดขนในชวงเวลาน าเทานน ในขนนเราจะมาค านวณหาปรมาณของวสดคงคลงสารองทควรจดเตรยมไว ภายใตสถานการณของกรณชวงเวลาน าคงทและความตองการมความแปรปรวน สาหรบความผนแปรของอตราการใชนโดยสวนมากถาเปนระดบในโรงงาน ความผนแปรทเกดขนมกจะมลกษณะการแจกแจงเปนแบบปกต (Normal Distribution) ปรมาณของคงคลงสารองสามารถค านวณไดจากสตร

ROP = d(LT ) + ZdσLT ( 2.11) SS = Zσd√LT (2.12)

Page 29: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

17

เมอ d แทน คาเฉลยของความตองการสนคาตอวน LT แทน คาเฉลยชวงเวลาน า (วน) LT แทน ชวงเวลาน า (วน) σdLT แทน คาเบยงเบนมาตรฐานของความตองการในชวงเวลาน า (โดยมความแปรปรวนทงความตองการและชวงเวลาน า) σd แทน ความเบยงเบนมาตรฐานของอตราความตองการสนคา Z แทน คาระดบความเชอมนวาจะมสนคาเพยงพอตอความตองการ

คา Z เปนคาทเราสามารถเปดอานไดจากตารางการแจกแจงปกต โดยการก าหนดคาความเสยงทยอมใหของขาดแคลน เชน ถาในปหนงๆ มการสงซอ 5 ครง และฝายจดการมนโยบายใหมของขาดแคลนไดเพยง 1 ครง นนคอยอมใหมความเสยงทของจะขาดแคลนได 20 เปอรเซนต ดงนนเมอเปดตารางการแจกแจงปกตทความเสยง 20 เปอรเซนต จะไดคา Z = 0.845

ภาพท 2.4 การก าหนด ROP บนพนฐานความตองการในชวงเวลาน าทมการแจกแจงแบบปกต 2.10 คงคลงส ารอง (Safety Stock) เปนวสดคงคลงสวนเกนทจดเตรยมไวระดบหนง โดยก าหนดใหวสดคงคลงระดบนนๆเปนระดบทตองมส ารองอยตลอดเวลา จดมงหมายกเพอหลกเลยงหรอปองกนการขาดมอทอาจจะเกดขนซงจะมผลเสยหายหลายประการ อยางไรกตาม การมของเผอไวในคลงกเปนการสนเปลองคาใชจายดวย ดงนนของทมเผอไวจะมผลตอตนทนของธรกจ 2 ประการ กลาวคอของทมเผอไวท าใหตนทนทเกดจากของขาดมอลดลงแตท าใหตนทนในการจดใหมวสดคงคลงเพมขน นอกจากนน

Page 30: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

18

จะสงเกตไดวาจ านวนของทมเผอไวในคลงจะถกเกบไวเปนจ านวนคงทอยตลอดเวลา ดงนนจงไมตองหารของทมเผอไวดวย 2 ดงเชนในกรณค านวณวสดคงคลงถวเฉลยภายใตสภาพการณทมการใชอยางสม าเสมอ ดงนน

S = Q + SS (2.13) โดยท S แทน ระดบวสดคงคลงสงสด

Q แทน ปรมาณทสงซอในครงหนงๆ SS แทน ปรมาณของทมเผอไวในคลง

ROP = SS + d(LT ) (2.14) เมอ ROP แทน ระดบของการสงใหม

d แทน อตราความตองการโดยเฉลยตอหนวยเวลา LT แทน ชวงเวลาน าโดยเฉลย

2.11 ทฤษฏการจ าลองสถานการณแบบมอนตคารโล

2.11.1 แบบจ าลองสถานการณ การจ าลองสถานการณ (Simulation) เปนวธการหนงทใชในกระบวนการแกปญหาในดานตางๆ ซงมมานานแลว แตทไดรบความสนใจและน ามาใชในการแกปญหาในสาขาอาชพตางๆอยางแพรหลายในปจจบนน เนองมาจากความเจรญกาวหนาทางเทคโนโลยคอมพวเตอรส าหรบกระบวนการการใชในการจ าลองสถานการณนนจะแบงออกเปน 2 สวน คอการสรางแบบจ าลองสวนหนง และการน าเอาแบบจ าลองนนไปใชงานเชงวเคราะหอกสวนหนง เพอประโยชนในการอธบายพฤตกรรม และเพอการปรบปรงการด าเนนงานของระบบงานจรง

ในการจ าลองสถานการณดวยคอมพวเตอรจะตองมการค านวณ ซงมขอมลทงทเปนขอมลน าเขาและผลลพธจากแบบจ าลอง ดงนน การจดเตรยมและการวเคราะหขอมลรวมทงขนตอนตางๆทใชในการจ าลองสถานการณ จงตองอาศยวธการตางๆ ทางสถตเขาชวย และวธการทางสถตวธการหนงซงเปนทนยมใชกนมากและเกอบจะมความจ าเปนในทกๆ การจ าลองสถานการณกคอการสมตวอยางดวยเทคนคมอนตคารโล (Monte Carlo Sampling Technique) และเพอเนนถงความจ าเปนในการใชเทคนคดงกลาว การจ าลองสถานการณนจงถกเรยกวา การจ าลองสถานการณดวยเทคนคมอนตคารโล ดงนนเทคนคมอนตคารโลจงเปนวธหนงของคณตศาสตรทใชคอมพวเตอรชวยในการจ าลองสถานการณ (Simulation) โดยอาศยตวเลขสม (Random Number) มาสรางตวแปรใหเหมอนกบสถานการณจรง และมการทดลองซ าหลายๆ ครง เพอใหไดคาทแนนอนทใชเปนขอสรป

Page 31: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

19

หรออธบายปรากฏการณตางๆ ในสถานการณจรง หรอชวยหาค าตอบในเรองราวตางๆ ทยงไมแนใจในผลทจะเกดขน เทคนคมอนตคารโลมการน ามาใชนานแลว โดยในราวครสตวรรษท 17 มการน าเอาวธมอนตคารโลซงในสมยนนยงไมไดเรยกวา มอนตคารโล มาพฒนาทฤษฎความนาจะเปน และไดมการพฒนาระเบยบวธการอยางจรงจงในราวป ค.ศ. 1944 ในชวงระหวางสงครามโลกครงทสองนกคณตศาสตรชออลาม ( Ulam) และวอนนวตน (Von Neumann) เปนผต งชอมอนตคารโลซงเปนชอรหสลบของงานทท าใน ลอสอะลามอส (Los Alamos) ซงเปนงานทเกยวของกบการสรางระเบดปรมาณในโครงการแมนฮทตน (Manhattan project) มการน าวธมอนตคารโล มาหาผลของการแพรอยางสมของนวตรอนในวสดเชอเพลง ซงเปนการทดลองทางคณตศาสตรเพอหาผลของค าตอบกอนทจะท าการทดลองจรง ซงเปนการลดอนตราย และชวยประหยดคาใชจายกอนการทดลองจรง หลงจากนนกไดมการน าวธ มอนตคารโล มาใชอยางกวางขวางทงทางดานฟสกส คณตศาสตร สถต และการวจยมผกลาวถงความหมายของการสรางแบบจ าลองสถานการณวธมอนตคารโลไวดงน 1. แบบจ าลองสถานการณวธมอนตคารโล จดเปนแบบจ าลองสถานการณความนาจะเปนโดยมการแจกแจงแบบไมตอเนอง และเปนวธเชงปรมาณ (Quantitative Technique) การจ าลองแบบนสามารถน าไปประยกตใชกบระบบงานซงองคประกอบของระบบงานมพฤตกรรมในลกษณะไมแนนอน (คณนทร, 2539)

2. แบบจ าลองสถานการณวธมอนตคารโล คอ วธการทางจ านวนนบ (Numerical method) ทใชในการหาค าตอบของปญหาทางคณตศาสตร โดยใชตวเลขสมเปนเครองมอในการแกปญหาซงใชในกรณโจทยปญหานนมความยงยากซบซอนเกนกวาทจะใชวธทางคณตศาสตรการวเคราะห (Analytical Analysis) ซงเปนวธทตองอาศย กรรมวธความสามารถทางคณตศาสตรในการวเคราะหปญหาเปนกรณไป โดยเฉพาะอยางยงปญหาทลกษณะของการปฏสมพนธของวตถหลายๆชน

ถงแมวาวธมอนตคารโลเปนวธทเกดขนนานมาแลว แตเพงจะมการน ามาใชในการแกปญหาจรงทมความซบซอนเมอไมนานมาน เนองจากเทคโนโลยดานคอมพวเตอรมความกาวหนาขน จงเออตอการใชวธมอนตคารโลมากขน วธมอนตคารโล แตกตางจากวธการทาง Numerical Method ทวไปตรงท วธการทาง Numerical Method ทวไปจะเรมตนในการแกปญหาดวยการสรางแบบจ าลองแลวใช วธการทางคณตศาสตรในการหาค าตอบของสมการ แตวธการมอนตคารโล อาจะไมจะเปนตองสรางแบบจ าลองทางคณตศาสตรขนมา แตอาจใชวธจ าลองพฤตกรรมของระบบขนมาโดยตรง ซงเปนกระบวนการแบบสม (Stochastic Process) เหมอนอยางเหตการณทเกดขนในโลกความเปนจรง การจ าลองสถานการณสามารถท าซ าไดหลายๆ ครง หลงจากนน จะท าการหาความแปรปรวนของค าตอบ และเพมจ านวนการจ าลองสถานการณเพอทาใหค าตอบมความ

Page 32: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

20

แปรปรวนลดลง อยในขอบเขตตามทตองการ การสรางตวแปรสม (Random Variables)ในกระบวนการของมอนตคารโล จะสรางจาก Probability Density Function (ZP.D.F.) แบบตางๆ ตามทตองการ ตวแปรสมทสรางขนจะเปรยบเสมอนขอมลทเกบไดจากโลกความจรง การสรางตวเลขสมในทางปฏบตเดม จะใชตารางตวเลขสม แตในปจจบนเราสามารถใชเครองคอมพวเตอรซงสามารถท างานไดอยางสะดวกขนและรวดเรว โดยสรปขนตอนการสรางแบบจ าลองสถานการณวธมอนตคารโล มดงนคอ

1. ก าหนดปญหาหรอระบบในสงทสนใจจะท าการจ าลอง 2. ระบองคประกอบของความไมแนนอนในปญหานน 3. สรางตารางแสดงการแจกแจงความนาจะเปนของตวแปรสมทตองการสาหรบใชในการ

จ าลอง (พจารณาจากขอมลทไปส ารวจหรอสงเกตมา) 4. หาการแจกแจงความนาจะเปน (Probability Distribution) ขององคประกอบทมความไม

แนนอน 5. ก าหนดคาตวเลขสม (Random Number) ทตองใชกบตวแปรสมใหสอดคลองกบความ

นาจะเปนของตวแปรสม 6. สรางตวแบบการจ าลองทางคณตศาสตรใหเขากบปญหาตามวตถประสงคทตงไวท าการ

ทดสอบตวแบบดงกลาววาไดผลตามเปาหมายทวางไวหรอไม 7. เมอผลการทดสอบเปนไปตามเปาหมายแลวจะก าหนดจ านวนครงในการจ าลอง 8. ท าการจ าลองเพอหาคาเฉลยทตองการ 2.11.2 คณลกษณะส าคญของแบบจ าลองสถานการณ แบบจ าลองสถานการณมคณลกษณะทแตกตางไปจากแบบจ าลองชนดอนๆ ดงน (พนดา,

2546) 2.11.2.1 มการตรวจสอบความถกตอง เพอไมใหเกดขอผดพลาดในการน าคาการ

ท านายไปใชประโยชน 2.11.2.2 มเหตผลเปนการตรวจสอบวาผลทไดตองอยในขอบเขตของผลลพธท

คาดคะเนไวและแบบจ าลองนนทางานอยางถกตองโดยสามารถน าผลลพธนนมาวเคราะหได 2.11.2.3 ลดความเบยงเบน โดยใชคาสมเดยวกนเพอลดความแปรผนและเพมความ

ถกตองเมอเปรยบเทยบกบองคประกอบทตางกนได 2.11.2.4 มลกษณะเปนการเลยนแบบสถานการณจรงมากกวาเปนการน าเสนอ

สถานการณจรง

Page 33: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

21

2.11.2.5 มลกษณะเปนการบรรยายหรอการคาดการณจรงทจะเกดขนภายใตเงอนไขตางๆกน

2.11.2.6 เปนแบบจ าลองทใชกบปญหาทมความซบซอนสง 2.11.3 ประโยชนของแบบจ าลองสถานการณ การทระบบสนบสนนการตดสนใจมการใชแบบจ าลองสถานการณ เพอเลยนแบบ

สถานการณปญหาตางๆ น น สามารถรวบรวมประโยชนของแบบจ าลองสถานการณได ดงน (พนดา, 2546)

2.11.3.1 จดเปนทฤษฏทใชเพอคาดการณเหตการณในอนาคตอยางตรงไปตรงมา 2.11.3.2 สามารถจ าลองสถานการณทมเวลาเขาไปเกยวของเปนจ านวนมากไดด 2.11.3.3 จดเปนการอธบายใหเหนเปนรปรางมากกวาการใชเปนเครองมอธรรมดา 2.11.3.4 ในการสรางระบบการตดสนใจ สามารถตดตอกบผใช หรอผบรหารไดเพอ

จะไดรบรเรองราวเกยวกบปญหาไดอยางลกซง 2.11.3.5 สามารถสรางแบบจ าลองสถานการณทมาตางมมมองของผบรหารได 2.11.3.6 แบบจ าลองจะถกสรางขนเฉพาะเหตการณใดเหตการณหนงเปน

สวนประกอบ 2.11.3.7 สามารถจดการกบปญหาไดมากมายหลากหลายชนด เชน การจดการกบ

คลงสนคา และการจดการทรพยากรบคคล สามารถท าหนาทในเชงปรมาณบรหารระดบสงได เชน การวางแผนการในระยะยาว เปนตน

2.11.3.8 สามารถท าการทดลองปอนตวแปรทแตกตางกนไปตามแตละเหตการณในแบบจ าลอง เพอดผลลพธทเปนทางเลอกตางๆ จากนนจงเลอกทางเลอกทดทสดเพยงทางเดยว

2.11.3.9 น ามาใชในการรวบรวมปญหาของเหตการณจรงทมความซบซอน กลาวคอ หากเปนปญหางายๆ กไมจ าเปนตองใชแบบจ าลองชนดน

2.11.3.10 เปนเครองมอวดประสทธภาพของตวแปรและสามารถสะทอนกลบมาถงผตดสนใจไดโดยตรง

2.11.3.11 เปนเครองมอแบบจ าลองส าหรบปญหาทไมมโครงสรางได 2.11.3.12 สามารถหาผลตภณฑเสรมทเรยกวา “Add-in” ทเกยวกบแบบ จ าลอง

สถานการณเพอน ามาใชกบโปรแกรมกระดาษค านวณไดมากมาย เชน @Risk เปนตน 2.11.4 ขอจ ากดของแบบจ าลองสถานการณ แมวาแบบจ าลองสถานการณจะสามารถจ าลองและหาแนวทางเพอแกไขปญหาทมความ

ซบซอนสงได อยางไรกตามยงมขอจ ากดบางประการ ดงน (พนดา, 2546)

Page 34: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

22

2.11.4.1 ไมสามารถรบประกนไดวาเปนหนทางแกปญหาทดทสด 2.11.4.2 การสรางแบบจ าลองสถานการณ มกจะตองใชงบประมาณคอนขางสงและ

สนเปลองเวลาในการสรางมาก 2.11.4.3 แนวทางแกปญหา และผลลพธทได โดยทวไปแลวไมสามารถน าไปใชกบ

ปญหาอนๆ ได เนองจากจะรวบรวมเฉพาะปจจยทเกยวของกบปญหาเทานน สวนปจจยอนทไมเกยวของ แบบจ าลองสถานการณจะไมน ามาประกอบการคนหาผลลพธ

2.11.4.4 ซอฟตแวรทใชสรางแบบจ าลองสถานการณ ใชงานไดคอนขางยาก ดงนนผทจะใชไดจะตองมทกษะความรโดยเฉพาะจงจะสามารถสรางแบบจ าลองสถานการณได

2.11.5 หลกการสรางแบบจ าลองสถานการณ (พนดา, 2546) การสรางแบบจ าลองสถานการณ รวมถงการสรางแบบจ าลองของระบบขนมาจรงและ

กระท าการสราง แลวทดลองซ าหลายๆ ครง ซงการสรางนน แบงออกเปน 7 ขนตอน ดงน 2.11.5.1 นยามปญหา (Problem Definition) ตองตรวจสอบปญหาทเกดขนและ

จดแบงใหเปนหมวดหมนอกจากนตองมการก าหนดขอบเขตของระบบ รวมทงจะตองปรบใหรปการของปญหามความชดเจนและเขาใจไดงายขน

2.11.5.2 สรางแบบจ าลองสถานการณ (Simulation Model Construction) ก าหนดคาตวแปร และความสมพนธของตวแปรเหลานน รวมถงการรวบรวมขอมลทจ าเปนตอการสรางแบบจ าลองสถานการณ ในขนตอนน มกน า Flow Chart มาใชเพออธบายกระบวนการ จากนนจงเขยนโปรแกรมตาม Flow chart ทสรางขน

2.11.5.3 ทดสอบและตรวจสอบความถกตอง (Model Testing and Validation) เนองจากแบบจ าลองสถานการณ จะตองถกน าไปศกษาแทนเหตการณจรง ดงนนจะตองทดสอบและคนหาสงผดพลาดท งหมดเพอใหมนใจไดวาสามารถน าไปใชแทนเหตการณจรงไดอยางสมบรณ

2.11.5.4 ออกแบบสถานการณเพอการทดลอง (Experimental Design) หลงจากทแบบจ าลองไดรบการพสจนแลว จะออกแบบการทดลองเพอท าการจ าลองสถานการณขน 3 กรณ ไดแก Best-Case กรณ Worst-Case และกรณ Median-Case ซงการท าเชนนจะชวยใหผตดสนใจสามารถก าหนดขอบเขตของตวแปรทใชในการท างานของการจ าลองสถานการณได และยงชวยในการแกไขจดบกพรองในแบบจ าลองสถานการณทสรางเสรจแลวดวย

2.11.5.5 การควบคมการทดลอง (Experimental Conduction) เปนการทดลองใสคาแปรจรง ในแบบจ าลองเพอแสดงสถานการณตามตวแปรททดลองเปลยนไป แลวน าเสนอผลลพธออกมาใหเหน

Page 35: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

23

2.11.5.6 การประเมนผลลพธจากการทดลอง (Result Evaluation) หากเปนทนาพอใจ กจะนาไปใชแกปญหาทนท แตถาไมพอใจอาจยอนกลบไปปรบปรงหรอสรางแบบจ าลองสถานการณใหมอกครง

2.11.5.7 การน าไปใชแกปญหาจรง (Implementation) น าไปใชไดเชนเดยวกบแบบจ าลองชนดอน แตจะดกวาตรงทผบรหารนนสามารถเลอกดสถานการณไดมากกวา

2.11.6 แบบจ าลองสถานการณความนาจะเปน โดยปกตแบบจ าลองสถานการณ สามารถแบงออกไดเปน 4 ประเภทหลกได

แบบจ าลองสถานการณความนาจะเปน (Probabilistic Simulation) แบบจ าลองสถานการณทมความสมพนธกบเวลา แบบจ าลองภาพเสมอนจรง (Visual Simulation) และแบบจ าลองเชงวตถ (Object-Oriented Simulation)

แบบจ าลองสถานการณความนาจะเปน จะมการก าหนดความนาจะเปนใหกบตวแปรอสระ เชน ตวแปรความตองการ (Demand) จะจดวาเปนตวแปรอสระทตองก าหนดความนาจะเปนในปญหาทเกดขนกบการจดการสนคาคงคลง เปนตน เมอก าหนดความนาจะเปนไดแลวจะท าการแจกแจงความนาจะเปนดงกลาวออกเปน 2 ลกษณะ ไดแก การแจกแจงแบบไมตอเนอง (Discrete Distribution) และการแจกแจงแบบตอเนอง (Continuous Distribution) โดยการแจกแจงแบบไมตอเนอง (Discrete Distribution) จะใชกบสถานการณทมจ านวนเหตการณ (หรอจ านวนตวแปร) ทเกดขนอยางจ ากด หรอกลาวคอ สามารถก าหนดคาของตวแปรไดนนเอง แตการจ าลองสถานการณทมการแจกแจงความนาเปนแบบไมตอเนอง ซงโดยสวนใหญแลว จะอาศยการสมคาของตวแปรความนาจะเปนดวยเทคนคทเรยกวา การจ าลองสถานการณแบบมอนตคารโล ซงมวตถประสงค คอ การสราง ตวแปรสม สวนการแจกแจงแบบตอเนองจะใชกบสถานการณทมเหตการณทเปนไปได เกดขนอยางไมจ ากด

2.12 ขนตอนของเทคนควธมอนตคารโล

หลกการส าคญของเทคนคมอนตคารโล (Monte Carlo Method) กคอการน าเอาตวเลขสม (Random Number) มาประยกตใชในการแกปญหาตางๆ ซงมขนตอนทส าคญ ดงน

2.12.1 สรางตวเลขสม (Generate Random Number) ในระยะแรกๆกระท าโดยการอาศยเครองมอทางกายภาพ เชน ลอรเลต ลกเตา ไพ กระดาษ

เขยนเบอรเปนตน เครองมอดงกลาวใชไดเมอตองการใชตวเลขสมจ านวนไมมากนก ตอมาเมอมความตองการใชตวเลขสมจ านวนมากๆกมการหนมาใชเครองมออเลคทรอนคสทใชแพรหลายทสดคอ เครองสรางตวเลขแบบสมทสรางขนโดย บรษทแรนด (RAND) ทไดตวเลขแบบสมจากเครอง

Page 36: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

24

ก าเนดพสสอเลคทรอนคส (Electromnic Pulse Generator) ซงท างานดวยเสยงเครองดงกลาวสามารถสรางตวเลขสมไดเปนลานตว ตวเลขแบบสมของบรษท RAND น มการตพมพและลงไวในในเทปแมเหลกเพอจ าหนาย

ในการสรางหรอเลอกใชตวเลขสมกบเครองคอมพวเตอรน มปญหา 2 ประการ คอ เปนการยากทจะท าใหคอมพวเตอรสามารถเรยกใชเมอมความตองการ และเปนการยากทจะท าใหเครองมอดงกลาว สรางตวเลขสมชดเดม เมอตองการใชเปรยบเทยบวธการตางๆ ภายใตเงอนไขของระบบเลขสมชดเดยวกน หรอถาจะเกบเลขสมเหลานไวในหนวยความจ าหรอจานแมเหลก กจะท าใหสญเสยหนวยความจ าหรอเสยเวลาในการคนหาฉะนน การสรางตวเลขสมในคอมพวเตอรจงนยมสรางตวเลขแบบสมเทยม โดยอาศยสตรทางคณตศาสตร วธทใชกนมากม 2 วธคอ

วธท 1 วธสวนกลางก าลงสอง (Midsquare Method) เปนวธใชในยคแรกๆ ของการสรางตวเลขสมเทยม โดยมขนตอนในการสรางตวเลขแบบสม ดงน

1. เลอกตวเลขขนมาสหลก 2. ยกก าลงสองของตวเลขนน ถาตวเลขทไดไมครบแปดหลกใหเตมศนยขางหนาใหครบ

แปดหลก 3. ใชเลขทหลกกลางทไดในขนท 2 เปนตวเลขแบบสม 4. ยกก าลงสองของของตวเลขในขอ 3 5. ท าซ าในขนท 3 และ 4 จะไดจ านวนตวเลขสมตามตามตองการ ตวอยาง สมมตวาเลอกตวเลขสมตวแรกเปน x0 = 2712 เปนเลขสหลกแรก

x0 = 2712 จะได x02 = 07354944

x1 = 3549 จะได x12 = 12595401

x2 = 5954 จะได x22 = 35450116

x3 = 4501 จะได x32 = 20259001

x4 = 2590 จะได x42 = 06708100

x5 = 7081 etc. ฉะนน ตวเลขสมทได คอ 2712, 3549, 5954, 4501, 2590, 7081, … แตการสรางตวเลขสม

โดยวธนยงมปญหาสองประการ คอ ไมทราบชวงของตวเลขสมทจะหมนกลบมาซ าเดมอกและถาก าหนดตวเลขสมตวแรกไมเหมาะสมจะทาใหไดตวเลขสมทไมเปนแบบสม เชน ถาก าหนดตวเลขสมตวแรกเปน เชน ถาก าหนดตวสมตวแรกเปน x0 = 4500

x0 = 4500 จะได x02 = 20250000

x1 = 2500 จะได x12 = 06250000

Page 37: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

25

x2 = 2500 จะได x22 = 06250000

x3 = 4501 จะได x32 = 06250000

x4 = 2590 etc. ตวเลขสมทได คอ 4500, 2500, 2500, 2500, ... ซงไมเปนตวเลขแบบสม

วธท 2 วธเศษเหลอ (Congruent Method) วธเศษเหลอทนยมใชกนมากทสด คอ เศษเหลอของผลคณ (Multiplicative Congruent Method) ซงมสตร ดงน

xn+1 = axn(Modm) (2.15)

โดยท a และ m ตองเปนตวเลขทไมเปนคาลบ การสรางตวเลขแบบสมนเรมตนดวยตวเลขเรมตน ตวเลขตวตอไปจะไดจากการคณดวยคาคงท a และหารดวยเศษเหลอจากการหาร คอ ตวเลขทตองการ ตวอยาง สมมตวาเหลอ a = 2, m = 10 และ x0 = 1 x1 = 2(1)(Mod10) = 2 x2 = 2(2)(Mod10) = 4 x3 = 2(4)(Mod10) = 8 x4 = 2(8)(Mod10) = 6 x5 = 2(6)(Mod10) = 2

ตวเลขสมทไดคอ 1, 2, 4, 8, 6, 2, ... ซงจะเหนวาเลขสมเรมวนกลบมาเลขเดมแลว เพอไมใหเลขสมวนกลบมาเลขเดมเรวเกนไป ในทางปฏบตเมอใชคอมพวเตอรสรางตวเลขสมโดยวธน จงนยมกระท าดงน

1. เลอกตวสมใดๆ ทนอยกวา 9 หลก ใชเปนคา x0 โดยปกตถาเปนคอมพวเตอรฐานสอง x0 จะใหเปนเลขดทเปนบวก และคอมพวเตอรฐานสบ x0 จะใหเปนเลขบวกทหารดวย 2 และ 5 ไมลงตว

2. คณเลขในขอ 1 ดวยคา a ซง a ควรมคาไมนอยกวา 5 หลก โดยปกตคา a จะหา ไดจาก a = 8T + 3 …ส าหรบคอมพวเตอรฐานสอง a = 200T + …ส าหรบคอมพวเตอรฐานสบ

เมอ T แทน เลขใดๆ ทเปนบวก Q แทน คาหนงคาใดตอไปน + (3, 11, 13, 19, 21, 27, 29, 37, 53, 59, 61,j67, 69, 77, 83, หรอ 91)

Page 38: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

26

3. เลอกใชตวเลขหลงทศนยมของเลขทไดในขอ 3 เปนตวเลขสมทตองการ 4. ตดจดทศนยมออกจากตวเลขในขอ 4 แลวด าเนนการตามขนตอนท 2 5. ท าซ าในขนท 2 ถง 4 จนกวาจะไดจานวนตวเลขสมมากเทาทตองการ ในปจจบนน ไดมโปรแกรมส าเรจรปส าหรบสรางตวเลขสมในเครองคอมพวเตอร เชน ในภาษาเบสค (BASIC) มค าสงทใชเรยกตวเลขสมได คอ RANDOMIZED และ RND สวนในภาษาฟอรแทรน (FORTRAN) กมค าสงเรยกตวเลขสมคอ RANDOM เปนตน ในป ค.ศ. 1987 เจโนสก ไดศกษาการใชไมโครคอมพวเตอรในการสรางตวเลขสมเทยม (Psduedo Random Number) ทมการแจกแจงแบบยนฟอรม (Uniform Distribution) 3 วธ คอ วธของไอบเอมแรนด (IBM-RANDU) วธของมอรแกน และวธของเลแมนและไบเลย และทมการแจกแจงแบบปกต (Normal Distribution) 3 วธ คอใชทฤษฎซนทรลลมท (Central Limit Theorm) วธของบอกซ และมลเลอร และวธโพลาร พรอมทงศกษาปฏสมพนธระหวางการแจกแจงแบบยนฟอรมกบการแจกแจงแบบปกต ผลการศกษาพบวา การสรางตวเลขสมเทยมทมการแจกแจงแบบยนฟอรมโดยใชวธของเลแมนกบไบเลยใหผลดทสด สวนการแจกแจงปกตวธทดทสด เปนการผสมระหวางการใชทฤษฎเซนทรลลมท กบวธของเลแมนกบไบเลย

นอกจากวธการทกลาวมาแลว 2 วธ ในปจจบนมการใชวธการอกหลายอยางในการสรางตวเลขแบบสมเทยม รวมทงมโปรแกรมส าเรจรปใหเลอกใช โดยผใชไมตองสรางโปรมแกรมเอง แตวธการและโปรแกรมทใชในการสรางตวเลขแบบสมนน ตองมคณสมบตของตวเลขสมทด ดงน 1. ตวเลขสมทไดจะตองมลกษณะของการกระจายความนาจะเปนแบบสม าเสมอ (Uniform Distribution) 2. ตวเลขสมทไดตองเปนอสระแกกน 3. อนกรมของตวเลขสมทไดตองสามารถสรางซ าเดมได 4. อนกรมของตวเลขสมทไดตองไมซ าเดมในชวงทตองการใชตวเลขสม 5. ตองใชเวลานอยในการสรางตวเลขสม 6. ตองใชหนวยความจ าในคอมพวเตอรนอย 2.12.2 การน าตวเลขสมมาประยกตใชกบปญหาตางๆ ขนตอนนเปนการน าตวเลขสมไปสรางตวแปรตามลกษณะการแจกแจงของปญหาทจะศกษา เพอเปนขอมลของปญหานน เชน สรางตวเลขสมขนมาจ านวนหนงแลวน าเลขสมนนไปสรางเปนคะแนนผลการสอบของผเรยน บางครงตวแปรของปญหาทจะศกษาไมไดสรางจากตวเลขสมโดยตรง แตมขนตอนทตองอาศยตวเลขสมเปนพนฐานกได

Page 39: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

27

2.12.3 ท าการทดลองซ าหลายๆ ครง หลกการส าคญประการหนงของเทคนค วธมอนตคารโล กคอ ตองมการทดลองซ าหลายๆ ครงเพอลดความคลาดเคลอนของค าตอบทจะได และสามารถสรปเปนความนาจะเปนของการเกดเหตการณในปญหานนๆ

2.13 จดเดนของการใชเทคนควธมอนตคารโล

เนองจากเทคนควธมอนตคารโล จะใชตวเลขสมเปนพนฐานในการสรางตวแปรของปญหา โดยอาศยทฤษฎ สตร หรอกฏเกณฑตางๆ ทมอย และมการทดลองซ าหลายๆ ครง เพอลดความคลาดเคลอนตางๆ จงนบวามประโยชนทส าคญ ดงน

2.13.1 เทคนควธมอนตคารโล สามารถควบคมตวแปรแทรกซอนและสามารถสงเกตไดอยางสมบรณ นอกจากน ยงสามารถท าการทดลองซ าภายใตสภาพแวดลอมเดมหลายๆ ครงได ซงในการทดลองจรงนนท าไมได เพราะไมสามารถรกษาสภาพแวดลอมใหเหมอนเดมทกอยางได เมอเวลาเปลยนไป

2.13.2 ในการใชเทคนควธมอนดคารโล ถาม ทฤษฎ สตร หรอกฎเกณฑตางๆ ทถกตองรอบรบในการสรางตวแปรของปญหาในการทดลองแลว จะท าใหผลทไดถกตองแมนย ากวา เมอใชทดลองในสถานการณจรง ทงนเพราะสามารถลดตวแปรแทรกซอนในเชงจตวทยาได

2.13.3 ลดการสนเปลองเวลา แรงงาน และคาใชจายนอยกวา เมอเทยบกบการทดลองในสถานการณจรง

2.14 คาสมประสทธของความแปรผน (coefficient of variation)

ในการค านวณหาความแปรผน จงจ าเปนตองพจารณา กอนวาเราก าลงประมาณคาความผนแปรของกลมตวอยาง หรอ ประชากร ซงโดยปกตแลวเราตองการน ากลมตวอยางทไดไป อธบายประชากร ดงนน สตรทใชในการประมาณคาความผนแปร จงเปนสตรทหารดวย n-1

นอกจากนจากสตรในการประมาณคาความแปรผนดงกลาวจะพบวา คา S จะมความหมายกตอเมอสามารถค านวณหา คา x ได ซงจากบทความในฉบบกอนหนาน ไดแสดงใหเหนวา คา x จะมความหมายกตอเมอขอมลมลกษณะการกระจายตวเปนแบบปกต หรอมการกระจายตวแบบสมมาตรเทานน ดงนน คา S จะมความหมายกตอเมอขอมลมลกษณะการกระจายตวแบบสมมาตรดวยเชนกน ดงนน ในกรณทขอมลมการแจกแจงแบบไมสมมาตร จะท าให x ไมมความหมาย และสงผลใหไมสามารถใช S แทนความผนแปรเพอวเคราะหขอมลได

Page 40: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

28

ส าหรบกรณทขอมลมการแจกแจงแบบไมสมมาตรนน เราจะใชคาพสยระหวางควอไทล Interquartile Range: IQR ในการ ประมาณความผนแปรแทน โดยมสตรการค านวณ คอ

IQR = Q3 - Q1 (2.16)

โดยท Q1 และ Q3 เปนคาควอไทลท 1 และ 3 ของขอมล กลบมาทสตรการประมาณความแปรผนดวย S จะเหนไดวา การค านวณคาความแปรผนน

คอนขางจะยงยากในการค านวณ โดยเฉพาะการน าไปใหพนกงานปฏบตงานในสายการผลตเปนผ ค านวณ ดงนน ในทางปฏบตแลว ถามขอมลจ านวนไมมากนก (ไมเกน 10 ตว) ขอมลจะยงไมฟอรมตวเปนรปทรง จงมกจะนยม ประมาณคาความแปรผนดวยคาพสย (Range: R) ซงค านวณ จาก

พสย = คาขอมลทมากทสด – คาขอมลทนอยทสด (2.17)

แตคาพสยทค านวณไดนยงไมสามารถน าไปใชแทนความแปรผนได ตองมการปรบคาทค านวณได โดยการน าคาคงท d2

∗ไปหารคาพสยตามสตร

σ = R

d2∗ (2.18)

โดยคา d2

∗ นเปนคาคงททมอยในหนงสอทางสถตทวไป จะเหนไดวาการประมาณคาความแปรผนทเกดขนมหลายวธ ซงแตละวธกมเงอนไขในการ

น าไปใชงานแตกตางกนไปตามท ไดกลาวไวแลว ดงนน จงตองเลอกวธการใหเหมาะสมดวย เมอสามารถประเมนคาความแปรผนได กสามารถน าไป ใชประเมนประชากรไดแลววา ประชากรของเรานนมความแตก- ตางกนมากหรอนอยเพยงใด แตล าพงเพยงการพจารณาคา σ นนยงไมสามารถน าไปใชเปรยบเทยบได เชน ลองสมมตการสม ตวอยางรายไดของประชากร 2 กลมไดขอมลดงน

กลมท 1 : 100100 100300 100200 กลมท 2 : 100 300 200

เมอลองค านวณดจะพบวา รายไดจากทง 2 กลมนมคาความเบยงเบนมาตรฐานเทากน คอ 100 แปลความวา ขอมลทง 2 กลมนมความแตกตาง หรอการกระจายตวเทากนใชหรอไม?

ผอานหลายทานคงตอบไดวาคงไมเทากนหรอก เพราะความแตกตาง 100 ทเกดขนในกลมแรกนนถอวาเปนความแตกตางทนอยมาก เนองจากรายไดทไดนนอยทประมาณ 100,000 บาท แต ส าหรบขอมลในกลมท 2 การทมรายไดแตกตางกน 100 บาท ถอวาแตกตางกนมากทเดยว ดงนนใน

Page 41: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

29

การเปรยบเทยบความแปรผน จงมกนยมใชการเปรยบเทยบแบบสมพทธผานคาสมประสทธแหง ความแปรผน (Coefficient of Variation : CV) ดงม สตรในการค านวณดงน

CV = σx x 100 (2.19)

ดงนน ถงแมวาความแปรผนของขอมลจะ เทากน แตถาขอมลมคา CV ทแตกตางกน ขอมล ทง 2 กลมนจะมการกระจายทแตกตางกนดวย โดยขอมลกลมทคา CV มากกวากจะมการกระจาย ตวทมากกวา แตคา CV เปนตวชวดทใชเปรยบเทยบ ขอมล 2 กลมวา กลมใดมความแปรผนมากนอย กวากน แตยงไมสามารถบอกไดวาคาความแปรผน ทเกดขนนนอยในเกณฑทยอมรบไดหรอไม จงเกด ตวชวดอก 1 ตว คอ ดชนชวดความสามารถของ กระบวนการ หรอรจกกนในชอของ Cp (Process Capability) โดยเปนการน าความผนแปรทไดไป ท าการเปรยบเทยบกบขอก าหนดเฉพาะ ( Specification ) ซงสามารถแสดงเปนสตรงาย ๆ ได ดงน

Cp = USL − LSL

6σ (2.20)

ซงจากสตรดงกลาวสามารถอธบายผาน รปภาพการแจกแจงแบบปกตไดดงแสดง โดยจากภาพภาพท 2.5 จะเหนวา คา 6 เทาของความแปรผน (6σ) จะแทนการกระจายตวของประชากรทงหมด (ในทางสถตจะคดเปน 99.73%) ถาหากเราสามารถควบคมกระบวนไดด นนคอท าการควบคมปจจย ตาง ๆ ทสงผลตอประชากรไดด ประชากรทงหมด จะมความแตกตางกนนอย และกระจายตวอยภายใตสเปก ท าใหคา 6σ มคานอยกวาสเปก และคา Cp ทไดจะมคามากกวา 1 ดงแสดงในรปภาพภาพท 2.5 แต ถาหากวาคา 6σ มคามากเมอเทยบกบขอก าหนดเฉพาะ แสดงวาประชากรมความแตกตางกนมาก อนเนองมาจากการควบคมประชากรท าไดไมด หรอมปจจยท ไมไดรบการควบคมทสงผลตอประชากรมาก สงผล ใหเกดของเสยขนในกระบวนการ จะท าใหคา Cp ท ไดมคานอยกวา 1 ดงแสดงในภาพภาพท 2.6

ภาพท 2.5 แสดงการกระจายตวของประชากรท Cp > 1

Page 42: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

30

ภาพท 2.6 แสดงการกระจายตวของประชากรท Cp < 1

นอกจากการเปรยบเทยบดวยดชน Cp ในบางครงเราจะไดยนค าวา “คณภาพระดบ 6σ” ค า พดนจะเปนคนละความหมายกบ 6σ ทเปนตวหาร ในสตร Cp เนองจากในการค านวณระดบคณภาพนน จะเปนการท าการเปรยบเทยบคาขอก าหนดเฉพาะวาเปนกเทาของความแปรผนทเกดขนในกระบวนการของเรา ดงแสดงใน ภาพภาพท 2.7 ดงนน ระดบคณภาพท 6σ จงหมายถง ความตางของขอก าหนดเฉพาะกบคาเปาหมายโตเปน 6 เทาของความแปรผนทเกดจากกระบวนการ หรออกนยหนงกคอ ความแปรผนจาก กระบวนการมคาเปน 1/6 ของความตางของขอก าหนดเฉพาะกบคาเปาหมาย

ภาพท 2.7 แสดงการกระจายตวของประชากรคณภาพระดบ 6σ

Page 43: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

31

2.15 ความหมายและความส าคญของการพยากรณ (Defining Forecasting) การพยากรณ คอ การคาดการณถงสงใดสงหนงทจะเกดขนในชวงเวลาในอนาคต และน า

คาพยากรณทไดนนมาใชประโยชน เพอการตดสนใจใดๆ โดยทวไปแลวพยากรณจะถกจดแบงตามหนาทหลกๆ ทเกยวของดงนในดานการเงนและการบญช (Finance) อปสงคทประมาณการจะเปนขอมลพนฐานในการจดท างบประมาณการขาย ซงจะเปนจดเรมตนในการท างบประมาณการเงน เพอจดสรรทรพยากรใหทกสวนขององคการอยางทวถงและเหมาะสมในดานการตลาด(Marketing) อปสงคทประมาณการไวจะถกใชก าหนดสดสวนการขายของพนกงาน หรอถกน าไปสรางเปนยอดขายเปาหมายของแตละผลตภณฑ เพอใชในการควบคมกจกรรมของฝายขายและฝายการตลาดในดานการผลต (Operation) อปสงคทประมาณการไวถกน ามาใชเปนขอมลในการด าเนนการตางๆ ในฝายการผลตคอ

- การบรหารสนคาคงคลงและการจดซอ เพอมวตถดบพอเพยงในการผลต และมสนคาส าเรจรปพอเพยงตอการขายภายใตตนทนสนคาคงคลงในระดบทเหมาะสม

- การบรหารแรงงาน โดยการจดก าลงคนใหสอดคลองกบปรมาณงานการผลตทพยากรณไวแตละชวงเวลา

- การก าหนดก าลงการผลต เพอจดใหมขนาดของโรงงานทเหมาะสม มเครองจกร อปกรณหรอสถานการผลตทเพยงพอตอการผลตในการปรมาณทพยากรณไวการวางแผนการผลตรวม เพอจดสรรแรงงานและก าลงการผลตใหสอดคลองกบการจดซอวตถดบและชนสวนทตองใชในการผลตแตละชวงเวลา

- การเลอกท าเลทตงส าหรบการผลต คลงเกบสนคา หรอศนยกระจายสนคาในแตละแหลงลกคาหรอแหลงการขายทมอปสงคมากพอ

- การวางแผนผงกระบวนการการผลตและการจดตารางการผลต เพอจดกระบวนการผลตใหเหมาะสมกบปรมาณสนคาทตองผลต และก าหนดเวลาการผลตใหสอดคลองกบชวงของอปสงค

2.15.1 องคประกอบของการพยากรณทด (Elements of a Good Forecast) วธการทจะพยากรณไดผลทแมนย า ถกตองใกลเคยงกบความเปนจรง มดงตอไปน 1. ระบวตถประสงคในการน าผลการพยากรณไปใช และชวงเวลาทการพยากรณจะ

ครอบคลมถง เพอจะเลอกใชวธการในการพยากรณไดถกตองเหมาะสม 2. รวบรวมขอมลอยางมระบบ ถกตองตามความเปนจรง เพราะคณภาพของขอมลมผล

อยางยงตอการพยากรณ

Page 44: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

32

3. เมอมสนคาหลายชนดในองคการ ควรจ าแนกประเภทของสนคาทมลกษณะของอปสงคคลายกนไวเปนกลมเดยวกน พยากรณส าหรบกลม แลวจงแยกกนพยากรณส าหรบแตละสนคาในกลมอกครง โดยเลอกวธการพยากรณทเหมาะสมกบแตละกลมและแตละสนคา

4. ควรบอกขอจ ากดและสมมตฐานทตงไวในการพยากรณ เพอผน าผลการพยากรณไปใชจะทราบถงเงอนไขขอจ ากดทมผลตอคาพยากรณ

5. หมนตรวจสอบความถกตองแมนย าของคาพยากรณไดกบคาจรงทเกดขนเปนระยะ เพอปรบวธการ คาคงท หรอสมการทใชในการค านวณใหเหมาะ

2.15.2 ขนตอนการพยากรณการผลต 2.15.2.1 ก าหนดวตถประสงค 2.15.2.2 ก าหนดชวงเวลาพยากรณ 2.15.2.3 เลอกเทคนคการพยากรณ 2.15.2.4 เกบขอมลและวเคราะหผล 2.15.2.5 น าไปใชและประเมนผล 2.15.2.6 ตรวจตดตามผล

การเลอกเทคนคในการพยากรณ จะตองท าการวเคราะหขอมลและปญหาทเกดขน พจารณา ถงรปแบบของปญหา โดยขนตอนแรกเรมจากการก าหนดวตถประสงคของการพยากรณ จากนนก าหนดชวงเวลาในการพยากรณ แลวเลอกเทคนคในการพยากรณ จากนนท าการตรวจสอบความเหมาะสมของเทคนคทเลอกใช ถาเทคนคทเลอกเหมาะสมกน าไปท าการพยากรณ ถาไมเหมาะสมกปรบปรงเลอกเทคนคการพยากรณใหม จากนนกน าผลลพธทไดมาตรวจสอบความถกตองอกครง แลวจงน าคาทพยากรณไดไปใชในการวางแผนการด าเนนงานตอไป

2.15.3 ประเภทของการพยากรณ (Types of Forecasting) วธการพยากรณโดยแบงออกเปน 4 ชวงเวลา ดงตอไปน 1. การพยากรณ 1 หนวยเวลาลวงหนา (Immediate – Term Forecasting) เปนการพยากรณท

มชวงเวลานอยกวา 1 เดอน โดยทวไปจะเกยวของกบกจกรรมดานปฏบตงานทอยในความบผดชอบของผบรหารระดบกลางและระดบต า เปาหมายของการพยากรณจะมงเพอการปรบปรงวธการท างานใหดขนมากกวาการเปลยนแปลงวธการ

2. การพยากรณระยะสน (Short - Term Forecasting) เปนการพยากรณในชวงเวลาทต ากวา3 เดอน ใชพยากรณแตละสนคาแยกเฉพาะ เพอใชในการบรหารสนคาคงคลง การจดตารางการผลตสายการประกอบหรอการใชแรงงาน ในชวงเวลาแตละสปดาห แตละเดอน หรอแตละไตรมาส หรออกนบหนงคอการพยากรณระยะสนใชในการวางแผนระยะสน

Page 45: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

33

3. การพยากรณระยะปานกลาง (Medium - Term Forecasting) เปนการพยากรณในชวงเวลาทมากกวา 3 เดอนจนถง 2 ป ใชพยากรณทงกลมของสนคาหรอยอดขายรวมขององคการ เพอใชในการวางแผนดานบคลากร การวางแผนการผลต การจดตารางการผลตรวม การจดซอและการกระจายสนคา ระยะเวลาทนยมพยากรณคอ 1 ป เพราะเปนหนงรอบระยะเวลาบญชพอดการพยากรณระยะปานกลางใชในการวางแผนระยะปานกลาง

4. การพยากรณระยะยาว (Long-Term Forecasting) เปนการพยากรณในชวงเวลา 2 ปขนไปใชพยากรณยอดขายรวมขององคการ เพอใชในการเลอกท าเลทตงของโรงงานและสงอ านวยความสะดวก การวางแผนก าลงการผลตและการจดการกระบวนการผลตในระยะยาว การพยากรณระยะยาวใชในการวางแผนระยะยาว

2.15.4 การเลอกเทคนคการพยากรณ (Selecting an Appropriate Forecasting Method) กอนทจะท าการตดสนใจเลอกวธการพยากรณใดๆ ควรจะพจารณาถงลกษณะของสถานทก าลงตดสนใจวามความสอดคลองกบลกษณะของวธการพยากรณตางๆ ทตองการจะเลอกใชส าหรบการพยากรณโดยทวไป มหลกเกณฑในการพจารณา ดงตอไปน

1. วธการใชวจารณญาณ (Judgment Method) เปนวธการทใชเมอไมมขอมลในอดตเพยงพอทจะใชพยากรณ เชน ตองการพยากรณยอดขายของสนคาใหม หรอเมอมความกาวหนาทางเทคโนโลยเกดขน การพยากรณแบบนม 4 วธ ดวยกนคอ

1.1 การประมาณการของพนกงานขาย (Sale Forecasting Estimates) ใชการประมาณการของพนกงานขายซงเปนผทไดสมผสกบสภาพของตลาดมากทสด ใกลชดกบลกคามากทสดพนกงานขายจะพยากรณโดยรวบรวมยอดขายแตละเขตพนทซงตนรบผดชอบเทานน แลวสงมายงส านกงานใหญ แตวธนกมขอผดพลาดไดเนองจากพนกงานขายบางคนเปนผมองโลกแงดเกนไปหรอพนกงานขายมกจะรดวา ยอดขายของการพยากรณจะถกใชในการก าหนดโควตาการขาย จงประมารการไวต าเพอเอายอดขายเกนเปาได

1.2 ความคดเหนของผบรหาร (Executive Opinion) ใชพยากรณผลตภณฑใหมทยงไมออกสทองตลาดมากอน จงใชความคดเหนของผบรหารทมประสบการณคนหนงหรอหลายคนมาชวยพยากรณและก าหนดกลยทธใหเหมาะสมกบสภาพแวดลอม เชน การน าผลตภณฑสตลาดตางประเทศ ขอจ ากดของวธน คอ มกใชเวลาของกลมผบรหารในการประชมสรปการพยากรณมาก จงเปนวธทมคาใชจายสงและไมควรใชผบรหารฝายใดฝายหนงพยากรณตามล าพง โดยไมไดสรป รวมกบผบรหารฝายอน เพราะผลของการพยากรณกระทบทกฝายขององคการ

1.3 การวจยตลาด (Market Research) เปนวธทตองกระท าอยางมระบบโดยสรางสมมตฐานแลวเกบรวบรวมขอมลจากผ ใชผลตภณฑเพอท าการพยากรณ การวจยตลาดตอง

Page 46: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

34

ประกอบดวยการออกแบบสอบถาม ก าหนดวธการเกบขอมล สมตวอยางมาสมภาษณ รวบรวมขอมลมาประมวลผลและเคราะหตามล าดบ วธนใชกบการพยากรณในระยะสน ระยะปานกลางและระยะยาวได แตเปนวธทเสยคาใชจายสงและตองพถพถนในการปฏบตหลายขนตอน

1.4 วธเดลฟาย (Delphi Method) เปนวธทประชมกลมผเชยวชาญเฉพาะทางทมความรเกยวกบผลตภณฑนน วธนจะใชไดดเมอมมขอมลใดจะใชพยากรณไดและผบรหารขององคการไมมประสบการณในผลตภณฑนนเพยงพอ วธนจะเรมจากการสงค าถามเวยนไปยงผเชยวชาญหลายคนใหตอบกลบมาแลว ท าเปนรายงานสงใหผเชยวชาญทกคนไดอานขอคดเหนของทกคนเพอใหทกคนปรบปรงแนวความคดใหม แลวสงกลบมาอกท าซ าๆหลายรอบจนไดขอสรปยตจากทกคน ขอเสยของวธนคอเสยเวลานานมาก (อาจเปนป) ผเชยวชาญบางคนอาจยดมนในความคดของตนจนไมสรปกบขอคดเหนของคนอน ค าถามหรอแบบสอบถามทมดท าใหสรปยาก จงใชวธนกบผลตภณฑใหมทไมสามารถใชวธอนได

2. วธการพยากรณสาเหต (Causal Method) เปนวธการทใชเมอขอมลมความสมพนธของตวแปรหนงกบยอดขาย ซงตวแปรนนจะเปนปจจยภายในองคการ เชน ตนทนขาย หรอปจจยภายนอกองคการ เชน คาโฆษณาของคแขงกได ความสมพนธดงกลาวจะมลกษณะเปนสมการเสนตรง (Linear Regression) โดยมตวแปรหนงเปนตวแปรตาม (Dependent Variable) กบอกตวแปรหนงเปนตวแปรอสระ (Independent Variable) สมพนธกนในลกษณะทเมอตวแปรอสระ เปลยนแปลงแลว จะสงผลใหตวแปรตามเปลยนดวย 2.15.5 วธการพยากรณแบบอนกรมเวลา (Time Series Method) เปนวธการทใชพยากรณยอดขายในอนาคต โดยคาดวาจะมลกษณะเชนเดยวกบยอดขายในปจจบนหรออนาคต ยอดขายหรออปสงคในความเปนจรงไดรบอทธพลจากแนวโนน (Trend) ฤดกาล (Seasonal) วฏจกร (Cycle) และเหตการณผดปรกต (Irregular Variation)

ภาพท 2.8 กราฟแสดงยอดขายของผลตภณฑทแปรตามเวลา ทมา: (Mark, Nicholas and Richard, 2003 : 355)

Page 47: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

35

2.15.5.1 การพยากรณแบบอนกรมเวลา ยอดขายประกอบดวย - คาเฉลย (Average) จากขอมลในอดตและปจจบน - แนวโนม (Trend) เปนลกษณะการเปนไปของยอดขายในอนาคต - ฤดกาล (Seasonal) เปนชวงเวลาในแตละปทผลตภณฑจะท ายอดขายในลกษณะ

รปแบบหนงและลกษณะนเกดขนประจ าทกป - วฏจกร (Cycle) เปนวงจรชวตของผลตภณฑทขนอยกบเทคโนโลย การแขงขน

กฎหมายและการเมอง ระบบเศรษฐกจ อนเปนปจจยทควบคมไมได - เหตการณผดปรกต (Irregular Variation) เปนสงทเกดขนเหนอความคาดหมาย

ซงมผลกระทบตอยอดขายของผลตภณฑ เชน โรคระบาด ภยธรรมชาต การคนพบสงใหมโดยบงเอญในหองปฏบตการ สงคราม จะพยากรณเหตการณผดปรกตไมไดเพราะไมมรปแบบของ การอบต

2.16 การพยากรณแบบวธวนเทอร (Winters’s Method)

เลอกเทคนคการพยากรณ ไดแก วธการปรบเรยบแบบเฉลยเคลอนท (Moving Average Mothod), วธการปรบเรยบเอกโปแนนเชยลครงเดยว (Single Exponential Smooting Method), วธการปรบเรยบแบบเอกโปแนนเชยลซ าสองครง (Double Exponential smoothing Method), วธวนเทอร (Winters’s Method) หรอ วธการแยกองคประกอบ (Decomposition Method)

การพยากรณโดยใชวธวนเทอรจะใหคาพยากรณทดเหมอนการปรบเรยบเอกโปเนนเชยล แตจะมขอไดเปรยบทเหนอกวา คอ สามารถพยากรณกบขอมลทเปนฤดกาล หรอแบบ แนวทศทางหรอทงสองแบบ ดงน น การพยากรณจงตองการขอมลอยางนอย 2 ฤดกาล และ จะมรปแบบทประกอบดวย 3 สวนคอ สวนปรบเรยบ (𝑆𝑡) สวนของแนวโนม (𝑏𝑡) และสวนของฤดกาล (𝐼𝑡) ซงสามารถจะแยกเขยนเปนสมการไดดงน

𝑆𝑡 = 𝛼(𝑋𝑡/𝐼(𝑡−𝐿))+(1-𝛼)(𝑆(𝑡−1)+𝑏(𝑡−1)) (2.21) 𝑏𝑡 = (𝑆𝑡-𝑆(𝑡−1))+(1-𝛾)𝑏(𝑡−1) (2.22) 𝐼𝑡 = (𝑋𝑡 /𝑆𝑡)+(1-𝛽)𝐼(𝑡−1) (2.23)

โดยท 𝑋𝑡 = ขอมลทเวลา t 𝑆𝑡 = คาปรบเรยบทเวลา t

Page 48: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

36

𝑏𝑡 = ความชนของขอมลทเวลา t 𝐼𝑡 = ดชนฤดกาลทเวลา t L = ชวงเวลาใน 1 ฤดกาล (เปนจ านวนเดอนหรอควอเตอรใน 1ป) 𝛼 = พารามเตอรระดบของการพยากรณซงมคาระหวาง 0 กบ 1 𝛾 = พารามเตอรแนวโนมของการพยากรณซงมคาระหวาง 0 กบ 1 𝛽 = พารามเตอรฤดกาลของการพยากรณซงมคาระหวาง 0 กบ 1 2.17 งานวจยทเกยวของ กาญจนะ วจตร (2549) ไดท าการการศกษาครงนมวตถประสงคเพอศกษาการจดท าความรวมมอในการวางแผนการสงซอและเตมทดแทนวตถดบ ระหวางบรษทผผลตเบาะรถยนต กบบรษทซพพลายเออร โดยแบงการศกษาออกเปน 2 ระดบ คอ ระดบกลยทธเปนการศกษาถงการวางแผนการท าขอตกลงรวมกนในการสงซอและเตมทดแทนวตถดบ สวนระดบปฏบตการเปนการน าเสนอการบรหารขอมลสนคาคงคลง มการเชอมโยงขอมลระหวางกน โดยผผลตเบาะรถยนตอนญาตใหบรษทซพพลายเออรเหนขอมลทแทจรง เพอใหบรษทซพพลายเออรสามารถสงซอและจดสงสนคาใหทนเวลาส าหรบการผลตไดสาหรบการบรหารสนคาคงคลงใชการก าหนดปรมาณสนคาคงคลงส ารอง การก าหนดจดทจะตองสงซอใหม และการหาขนาดการสงซอทประหยด ซงการหาปรมาณสนคาคงคลงส ารองและจดทสงซอใหมมการก าหนดอตราความเปนไปไดในการไดรบของเปน 98 เปอรเซนต ผลจากการก าหนดปรมาณตาง ๆ ของการบรหารสนคาคงคลง เมอเปรยบเทยบกบระบบเดม ท าใหตนทนเกยวกบสนคาคงคลงลดลงถง 17.71 เปอรเซนต หรอประมาณ 1,513,348 บาท จากการวเคราะหการจดท าความรวมมอในการสงซอ และเตมทดแทนวตถดบน ทงบรษทซพพลายเออร และบรษทผผลตเบาะรถยนตจะไดประโยชนทงสองฝาย โดยบรษทผผลตเบาะรถยนตจะสามารถบรหารหารผลตไดอยางคลองตว และบรษทซพพลายเออรจะไดรบประโยชนเรองของรายไดจากการใหบรการทเพมขน และยงเอาความรวมมอดงกลาวไปประยกตใชกบธรกจรายอนไดอกดวย กตต แสงเดอน (2539) ไดท าการศกษาหาปรมาณการสงซอแบบประหยดส าหรบสนคาคงคลงหลายชนดทมหลายขอจ ากดเชงสมรรถภาพรวมกนและมปรมาณความตองการผนแปรตามเวลา เนองจากคาใชจายทเกดขนจากปญหาสนคาคงคลงถอวาเปนสวนหนงของคาใชจายทเกดขนในสวนการผลตหรอการซอ การค านวณเพอหาค าตอบทดทสดนนเปนททราบโดยทวไปวายงยากมากในกรณปญหาขนาดใหญและปจจบนมขอจ ากดเกดขนกบสนคาคงคลงมากขน ซงท าใหสรางความยงยากเพมขนแกผพจารณาวางแผนการตดสนใจ ผวจยงานนจงไดเสนอแนะวธการค านวณแบบ

Page 49: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

37

ประมาณ โดยน าเอาวธการค านวณทมในอดตมาดดแปลงสรางวธการค านวณใหมได 3 วธ วธการเหลานจะสามารถค านวณหาค าตอบไดในเวลาทรวดเรวและใหคณภาพของค าตอบโดยเฉลยอยไมเกน 2% ของคาทดทสดจากการทดลองวธการทน าเสนอทงหมด โดยการจ าลองปญหาขนมาทดลองค านวณหาค าตอบผลปรากฏวาการน าเสนอท 3 นนใหคาค าตอบของคาใชจายโดยเฉลยดกวาอก 2 วธโดยทง 3 วธนนใชเวลาในการค านวณเฉลยต ากวาวธการค านวณทใหค าตอบทดทสด กตตศกด พลอยพานชเจรญ (2541) ไดศกษาเรองการประเมนความเชอถอไดในระบบไฟฟาก าลงขนาดใหญ ดวยวธมอนตคารโลแบบไมเปนล าดบโดยอาศยการค านวณดซโหลดโฟลวประกอบการวเคราะหผล เรมจากการประเมนความเชอถอไดของระบบอยางชดเจนชนดความเสยงของอปกรณแตละอยาง และน าคาท ไดมาใชในการจ าลองเหตการณมอนตคารโลเพอวเคราะหผล ซงผลทไดแสดงใหเหนวาความไมพรอมของสถานไฟฟาผลตอคาดชน จรฎฐ สงวฒนา (2548) ไดศกษาการใชแบบจ าลองในการหาปรมาณการสงซอทเหมาะสมส าหรบสนคาของแผนกผกสด ในงานวจยนไดทาการเสนอวธการวเคราะหปญหาการสงซอสนคาประเภทผกสดดวยการจ าลองสถานการณแบบมอนตคารโล ซงอาศยความรพนฐานเกยวกบความนาจะเปนมาชวยในการวเคราะห เนองจากตวแบบชนดนมพนฐานมาจากการทดลองโดยน าเอาคาความนาจะเปนมาประกอบกบตารางสม การพฒนาแบบจ าลองสถานการณ ซงไดศกษาคาประมาณการสงซอทเหมาะสมของสนคาคงคลงแผนกผกสด โดยแบงขอมลออกเปน 2 กลม คอชวงวนจนทรถงวนพฤหสบดและชวงวนศกรถงวนอาทตย ผลการวจยพบวา สามารถสรางก าไรขนตนในระยะยาวไดมากกวาวธการจดการคงคลงในแบบปจจบน เมอน าไปทดสอบกบขอมลการขายในอดตระหวางเดอน พฤศจกายนตถงเดอนมนาคม พบวาการสงซอทไดจากแบบจ าลองจะไหผลก าไรมากกวาการสงซอจรงของบรษท คดเปนก าไรทเพมขนจากเดม รอยละ 19.50 แตคาประมาณการทไดนไมสามารถน ามาใชจรงในชวงทบรษทมการจดโปรโมชน เพราะความแปรปรวนของขอมลสง ฑตฐตา เรองโหนง (2553) งานวจยนมวตถประสงคเพอหานโยบายการสงซอ และจดสงซอทเหมาะสมโดยการประยกตเทคนคการจาลองสถานการณมอนตคารโล เนองจากการจดซอวตถดบของบรษทผลตลกกลงลาเลยงและอปกรณขบสายพาน อาศยประสบการณในอดตในการตดสนใจสงซอวตถดบ ซงหลายครงเกดความผดพลาดคอมการเกบสนคาคงคลงบางชนดไวในปรมาณทมากเกนไปและบางชนดไมเพยงพอตอความตองการลกคาและจากความตองการของลกคาทมความไมแนนอนสงผลใหเกดตนทนการจดการสนคาคงคลงมมลคาสงถง145,499,864.44บาทตอป ดงนนผวจยจงไดเสนอวธการก าหนดนโยบายการสงซอทเหมาะสมภายใตความตองการทไมแนนอนททาใหเกดตนทนต าสดดวยเทคนคจาลองสถานการณแบบมอนตคารโลในกรณทยอมใหสนคาขาดสงและกรณไมยอมใหสนคาขาดสง โดยขนตอนการศกษาครงนเรมจากการเลอกประเภท

Page 50: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

38

วตถดบทจะท าการศกษาดวยระบบ ABC ซงมวตถดบทจะทาการศกษา 32 ชนดจากทงหมด183 ชนด จากนนเกบขอมลความตองการวตถดบและชวงเวลานายอนหลง 53 สปดาห เพอมาสรางตารางแจกแจงความถและชวงเลขสม ก าหนดนโยบายการสงซอและจดสงซอวตถดบแตละประเภท ทงกรณทยอมใหสนคาขาดสงและไมยอมใหสนคาขาดสง ก าหนดจานวนรอบในการสม โดยแตละรอบพจารณา 53 สปดาห จากนนค านวณตนทนรวมของแตละรอบ ทดสอบความเหมาะสมของจ านวนรอบแลวหาคาเฉลยของตนทนรวมซงไดจดทาโปรแกรม Visual Basic มาชวยในการจ าลองสถานการณ จากนนวเคราะหหานโยบายททาใหตนทนการจดการสนคาคงคลงต าสดพบวาในกรณยอมใหสนคาขาดสงนโยบายทใหตนทนต าสดคอการสงทคาเฉลยในอดตลดลง 30% กรณทไมยอมใหสนคาขาดสงโดยไดก าหนดจดสงซอแบบใหมซงนโยบายททาใหตนทนต าคอการสงทคาเฉลยในอดตลดลง 29.82% จากนโยบายการสงแบบเดม ณทธร ทบญ และ เจษฏา เยนจะบก (2550) ไดท าการศกษาครงนไดยกกรณศกษาเปนการจดสรรทรพยากรเพอการผลตของโรงงานผลตสนสวนรถยนตโดยอาศยการประยกตใชเทคนคการพยากรณปรมาณความตองการและการโปรแกรมเชงเสนเพอชวยในการวางแผนการผลตและการสงซอวตถดบ ทงนในกระบวนการศกษาจากกรณศกษานไดด าเนนจากจากการพยากรณปรมาณความตองการลวงหนาของป 2550โดยใชขอมล 3 ปย อนหลงมาประกอบการพยากรณดวยโปรแกรม MINITAB เมอไดปรมาณความตองการของป 2550 จากการพยากรณแลว น าขอมลทไดมาสรางเปนตวแบบทางคณตศาสตรในรปของการโปรแกรมเชงเสน จากตวโปรแกรมเชงเสนทไดนนสามารถค านวณไดดวยการใชโปรแกรม LINDO เพอใหไดคาทถกตองและเหมาะสมทสด พบวา วธการพยากรณทเหมาะสมส าหรบกรณศกษาทไดยกมาควรใชวธวนเทอร และปรมาณความตองการของป 2550 ทไดจากการพยากรณนนเมอค านวณดวยตวแบบทสรางขน โดยใชโปรแกรม LINDO มาชวยในการค านวณ พบวาไดคาใชจายรวมทงปเปนเงน 104,002,200 บาท ซงลดลงจากเดมถง 1,195,748 บาท คดเปนเปอรเซนตพบวาคาใชจายลดลงจากวธการเดมไดถง 1.14 % ทวพงษ กตตกล (2551) ไดศกษาการก าหนดปรมาณการส ารองอะไหลสนเปลองหลก 3 ชนด ทใชงานซอมเครองสบน าของบรษท The Pumps (Thailand ) Co., Ltd. เพอลดปญหาการสงงานลาชาเนองจากขาดแคลนอะไหลสนเปลองหลกและลดคาใชจายในการจดซอและจดเกบ โดย การพยากรณความตองการสนคาตอป และใชขอมลจากการสงซอยอนหลง 3 ป พบวาวธการพยากรณ แบบ Weight Moving Average ไดผลใกลเคยงปรมาณการใชงานจรงมากทสด จากนนใชทฤษฎ Economic Order Quantity แบบ Basic Model ในการค านวณปรมาณการสงซอทเหมาะสม และใชทฤษฎจดสงซอใหม Reorder Point ในการก าหนดปรมาณการส ารองอะไหลอยางเหมาะสม ผลทไดจากการวจยในครงนพบวา จะสามารถลดปรมาณการสงงานลาชาแกลกคาในสวนของปญหา

Page 51: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

39

เนองจากการขาดแคลนอะไหลสนเปลองหลกไดถง 95 หรอคดเปนปรมาณงานลาชาทลดไดเทากบ 12 งาน หรอ สามารถลดปรมาณงานลาชาไดทงสน 28 % ของการสงงานลาชาแกลกคาทงหมด และในดานคาใชจาย สามารถลดคาใชจายรวมในการจดซอและจดเกบอะไหลสนเปลองทง 3 ชนด ไดถง 58,197.8 บาท ตอป เมอเทยบกบการใชงานจรงในป พ.ศ.2551 นรนดร เลาสกล (2545) ไดศกษาการประมาณราคาคากอสรางงานอโมงคและงานทอรอยสายไฟฟาใตดนดวยวธแบบจ าลองมอนตคารโล และไดสรางแบบจ าลองเพอประมาณราคาคากอสรางอโมงคและทอรอยสายไฟฟาใตดน โดยไดท าการเกบรวบรวมขอมลจากโครงการอโมงคของการประปานครหลวงและโครงการทอรอยสายไฟฟาใตดนของการไฟฟานครหลวงซงอยในเขตกรงเทพมหานคร แลวน ามาหาคาทางสถต คาความสมพนธ และหารปแบบการแจกแจงของคาใชจากหมวดตางๆ ผลทไดจากการศกษาพบวาแบบจ าลองทไดจากคาเหลานสามารถน าไปใชในการประมาณราคาคากอสรางอโมงคและทอรอยสายไฟฟาใตดนสาหรบโครงการใหมทจะเกดขน ในอนาคต นอร ไชยพรพฒนา (2549) ไดท าการวจยเพอเปรยบเทยบคณภาพของวธการวดคะแนนพฒนาการตามแนวแบบดงเดม 3 วธ ไดแก วธการวดคะแนนพฒนาการจากความแตกตางระหวางคะแนนดบ (DS) วธการวดคะแนนพฒนาการสมพทธ (RG) และวธการวดคะแนนพฒนาการสมพทธสมดล (BRG) โดยใชโมเดลโคงพฒนาการทมตวแปรแฝงเปนเกณฑ เมอขอมลมเงอนไขการเปลยนแปลงเปนแบบเสนตรงและแบบไมเปนเสนตรง และจ านวนครงของการวดซ าแตกตางกน ซงขอมลทไดในการวจยเปนขอมลทไดจากการจ าลองขอมลดวยเทคนคมอนตคารโลโดยใชโปรแกรม MPLUS version 4.1 ตามเงอนไข 4 ประการ รวมทงสน 108 สถานการณ และในแตละสถานการณมกลมตวอยางเปน500 ชดขอมลโดยการวเคราะหขอมลใชการประมาณคาคะแนนพฒนาการและวเคราะหเปรยบเทยบคณภาพของการวดคะแนนพฒนาการในดานความตรงตามเกณฑสมพนธและคาความคลาดเคลอนดวยสถตทดสอบ hotelling และแผนภาพการกระจายซงผลการวจยพบวา

1. คะแนนพฒนาการทไดจากการประมาณคาดวย ทง 3 วธ มความตรงตามเกณฑสมพนธอยในระดบสง และใหคาความคลาดเคลอนของคะแนนพฒนาการต า

2. เมอขอมลมการเปลยนแปลงเปนแบบเสนตรงในภาพรวมคะแนนพฒนาการจากวธการวด RG ม คณภาพมากกวาวธ อน

3. ส าหรบขอมลทมลกษณะของการเปลยนแปลงแบบไมเปนเสนตรงในภาพรวมคะแนนพฒนาการจากการวด RG มคณภาพมากกวาวธอน

Page 52: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

40

รชฎ ยนยงพทธกาล (2550) ไดศกษาการพยากรณความตองการของสนคาเพอก าหนดระดบสนคาคงคลงทเหมาะสม โดยมงเนนการปรบปรงประสทธภาพภาพการพยากรณ กรณศกษาในงานวจยนคอ ศกษาความตองการสนคาประเภทกลองอะไหลของบรษทแหงหนงซงเปนตวแทนจ าหนายในเขตภาคตะวนออก โดยการน าขอมลทตยภมสถตการขายสนคาในป พ.ศ. 2548-2549 มาเปนขอมลทใชในการพยากรณโดยวธตางๆ ไดแก การจ าลองสถานการณแบบมอนตคารโลการสรางตวแบบจ าลองแบบรเกรสซน และการใชคาเฉลยจากยอดขาย ศกษาการปรบปรงประสทธภาพการพยากรณดวยวธมอนตคารโล โดยวธการจดอนตรภาคชนของขอมล 7 วธ ผลการศกษาพบวาวธการจดอนตรภาคชนขอมลทแตกตางกน ท าใหแบบจ าลองทไดจากวธมอนตคารโล มคาเฉลยของเปอรเซนตความผดพลาดสมบรณแตกตางกน ซงมคาอยในชวงกวางตงแต 28-52 โดยพบวาวธการแบงอนตรภาคชนขอมลใหมความกวางมากขน (ความกวางเทากบ 5) และจ านวนชนนอยลง (จ านวนชนเทากบ 2) ในวธท 4 ท าใหเกดความผดพลาดจากการพยากรณต าทสดคอ มคาเฉลยของเปอรเซนตความผดพลาดสมบรณ พ.ศ.2550 มคาเทากบ 4 SKU/สปดาห และเมอเปรยบเทยบผลการพยากรณระหวางวธมอนตคารโลใหคาความผดชอบจากการพยากรณต าทสด รองลงมาคอ วธรเกรชซน และวธหาคาเฉลยยอดขายตามล าดบ แววดาว พนสวน (2550) ไดท าการศกษาการพยากรณแบบอนกรมเวลาเพอการวางแผนการผลตสนคาประเภทเฟอรนเจอร บรษท เอส บ อตสาหกรรมเครองเรอนซงเปนบรษททผลตสนคาแบบเกบสตอก เพอรอจ าหนายและผลตตามค าสงซอ โดยมวตถประสงคเพอทจะปรบปรงขอมลทใชในการวางแผนการผลตใหดขน การศกษาการพยากรณแบบอนกรมเวลาในสารนพนธน ไดท าการศกษาถงลกษณะขอมลการขายในอดตของสนคาแตละรน เพอใชเลอกเทคนคการพยากรณใหเหมาะสมกบรปแบบของขอมล ผลการทดสอบปรากฏวา วธการพยากรณทใหคาความคลาดเคลอนนอยทสดคอวธปรบเรยบแบบเอกโปแนนเชยลซ าสองครง จากน นไดน าวธการพยากรณทไดไปใชเปนในการพยากรณในระบบMRP SAP R/3 เพอใชในการตดสนใจสงผลตตามแผนทเกดขนในระบบ หลงจากทน าไปใชในบรษทผลปรากฏวาในเดอนกรกฎาคม 2550 การพยากรณการผลตดวยวธปรบเรยบแบบเอกโปแนนเชยลซ าสองครง พยากรณการผลตได 400 ชดโดยมยอดขายทงสน 412 ชด ซงมผลตางเทากบ 12 ชดในขณะทใชวธการพยากรณแบบเกาจะตองสงผลตจ านวน 934 ชด ท าใหมผลตางระหวางยอดขายจรงกบการสงผลตเทากบ 522 ชด คดเปนตนทนมลคาของสนคาคงคลงทประหยดไดประมาณ 2,805,000 บาท จะเหนไดชดเจนวาผลการพยากรณการผลตสนคาวธใหมมคาใกลเคยงกบยอดขายจรงมากกวาการใชวธการแบบเกาคอใชประสบการณของผวางแผนเพยงอยางเดยว

Page 53: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

41

วชรพงษ นยมพงษ (2549) ไดท าการศกษาสภาวะลอแหลมในระบบไฟฟากาลงเปนประเดนทส าคญส าหรบการวางแผนการผลตไฟฟา และเปนสาเหตใหก าลงการผลตของเครองก าเนดไฟฟาไมเพยงพอสายสงรบภาระเกนพกดแรงดนไฟฟาทบสไมอยในชวงเกณฑทก าหนดซงเหตการณเหลานจะสงผลกระทบกบราคาตนทนการผลตไฟฟา ดงนนงานวจยนจงน าเสนอวธการวเคราะหราคาตนทนและผลก าไรของระบบไฟฟาก าลงในสภาวะลอแหลมดวยเทคนคการจ าลองเหตการณแบบมอนตคารโล ซงวธการดงกลาวจะถกทดสอบโดยใชระบบทดสอบ RTS-79 และจ าลองการท างานท งหมดในโปรแกรมฟอรแทรน 77 งานวจยนจะท าการเปรยบเทยบผลของแผนการผลตระยะสนระหวางการจายโหลดอยางประหยดและการจายโหลดทความมนคงท 51%, 81% และ 100% ของโหลดสงสด และเงอนไขความมนคงจะถกตรวจสอบดวยวธการค านวณโหลดโฟลวแบบนวตน -ราพสน (Newton-Raphson Load FlowMethod) ผลทไดจากวธการทน าเสนอคอ แผนการผลตทท าใหเกดผลก าไรจากคาราคาตนทนต าสดภายใตเงอนไขความมนคง สมฤทธ ดวงศร (2551) ไดท าการการวเคราะหปรมาณการสงซอทเหมาะสมเพอลดคาใชจายในการจดการสนคาคงคลง กรณศกษา:บรษท บลสโคปสตล (ประเทศไทย) จ ากด เปนโรงงานรดเยนผลตเหลกมวนแผนเรยบ ซงมาจากประเทศออสเตรย ตงอยในนคมอตสาหกรรมเหมราช มาบตาพด จงหวดระยองปรมาณ การผลต 360,000 ตนตอป ลกคาภายในประเทศ 70% ลกคาภายนอกประเทศ 30% ซงในอดตบรษท มการสงซอลกรดจากตางประเทศมการสงซอลกรดใหมเมอเกดอบตเหต ลกรดแตกลกรดสกหรอ เสยหายจากการใชงาน และในอดตไมสามารถทจะควบคมการใชงานใหไดตามปกตวางแผนไวแตสวนมากไมเปนตามแผนทวางไวในการรดลดขนาดเหลกไมถกตองท าใหลกรดแตกเสยหายได ปจจบนบรษทยงไมมหลกการและการใชขอมลการใชลกรดยอนหลงมาใชในการวเคราะหจ านวนและชวงเวลาในการส งสนคาท เหมาะสมใชประสบการณ และการคาดเดาท าใหปจจบนบรษทมคาใชจายในการสงซอและการจดเกบสนคาคงคลงสง งานวจยนมวตถประสงคเพอทจะหาปรมาณการสงซอทเหมาะสมเพอจะลดคาใชจายในการสงซอ และลดจานวนสตอกสนคาใหนอยลง การศกษาวจยครงนจะใชทฤษฎ EOQ ในการค านวณหาปรมาณการสงซอทเหมาะสม และ ROP จดสงซอใหมในการควบคมสนคาคงคลง ผลการค านวณปรมาณการสงซอดวยวธ EOQ จะมคาใชจายในการสงซอตอครง และคาเสยโอกาส ในการสงซอนอยกวาการสงซอแบบเกา เนองจากเปนการสงซอในปรมาณนอยแตมจ านวนครง ของการสงซอมาก จากการค านวณสามารถลดคาใชจายในการสงซอสนคาได 22,935,255 บาท จากวตถประสงคจะลดสตอกลงใหได 10% สามารถลดลงได 54.66% คดเปนเงน 10,200,000 บาท สรสทธ จรสเพชร (2550) ไดท าการศกษาแนวทางและขนตอนในการน าแบบจ าลองสถานการณมาใชในการวเคราะหหาปรมาณการสงซอทเหมาะสม ส าหรบธรกจประเภทสถานการ

Page 54: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

42

บรการกาซส าหรบรถยนตโดยไดหาแบบจ าลองเพอก าหนดปรมาณการสงซอทเหมาะสม และสอดคลองกบความตองการทไมแนนอนซงเปนพฤตกรรมของธรกจประเภทน จากการสงปรมาณกาซทมากเกดความบรรจได ทางสถานตองเสยคาปรบ ผวจยจงไดเสนอการวเคราะหปญหาดงกลาวดวยแบบจ าลองสถานการณแบบมอนตคารโล โดยน าขอมลทางสถตความตองการใน 3 เดอน มาจ าลองเพอมาจ าลองของ 3 เดอนถดไป โดยหลงท าการจ าลองแลวเปรยบเทยบคาทไดพบวาคาทไดจากการจ าลองกบปรมาณความตองการจรง โดยการจ าลองแบงขอมลเปน 2 กลม คอชวง วนอาทตยถง พฤหสบด และศกรเสาร เนองจากคาทางสถตบงชวามความตองการตางกน โดยไดท าการเปรยบเทยบกบการใชตารางแจกแจงความถทตางกนและเปรยบเทยบการพยากรณการสงโดยวธอนๆเพอประเมนไดวาการจ าลองน ท าใหคาออกมาดสด จากผลการวจยพบวาลดตนทนการบรหารสนคาคงคลงได รอยละ 78 ตอเดอน

2.18 บทสรป จากการศกษาทฤษฎและผลงานวจยทเกยวของไดน าหลกการจดการสนคาคงคลงมาใชในการรวบรวมขอมลทใชในการค านวณตนทนการสงซอ และควบคมสนคาคงคลงในปรมาณทเหมาะสม โดยการเลอกใชระหวางเทคนคการพยากรณแบบวนเทอรโดยใชโปรแกรม Minitab 14 ในการประมวลผล และเทคนคการจ าลองสถานการณมอนตคารโลเพอหาปรมาณการสงซอทเหมาะสมโดยหาคาความตองการจากขอมลความนาจะเปนของเหตการณ ทเกดขนในอดต ซงขนตอนในการหาปรมาณการสงซอทเหมาะสม และตนทนตางๆทเกดขนจะกลาวในบทถดไป

Page 55: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

บทท 3 การด าเนนโครงงาน

จากการวเคราะหปรมาณการสงขวดเพอใชผลตเครองดมทงหมด 22 ชนด พบวาปรมาณการเบกใชขวด 10 ชนดทมความไมแนนอนและมปรมาณการสงซอทไมเหมาะสม ท าใหเกดสนคาคงคลงในปจจบนมมลคาสงถง 92,198,630 บาท ท าใหเกดตนทนจมไมมเงนหมนเวยนในระบบ จากปญหาดงกลาวผ จ ดท าโครงงานไดเสนอวธการแกปญหาระหวางวธการใชแบบจ าลองสถานการณมอนตคารโล (Monte Carlo Simulation Method) เพอจ าลองสถานการณการเบกใชขวดทไมแนนอน และวธการพยากรณแบบ Winter's method โดยใชโปรแกรม Minitab 14 จากนนจะค านวณหาปรมาณการสงซอแบบประหยด (EOQ) และจดสงซอทเหมาะสม (ROP) เพอเปรยบเทยบตนทนรวมของการจดการสนคาต าทสด และไมท าใหเกดคาเสยโอกาสจากการเบกใชขวดเพอผลตเครองดม วธการด าเนนงานของโครงการแสดงไดดงภาพท 3.1

ศกษาขอมลปรมาณในการใชขวด และวเคราะหความแปรผน ของขอมลปรมาณการใชขวด

วเคราะหตนทนในการจดการสนคาคงคลง

ศกษารปแบบวธการจ าลองสถานการณแบบมอนตคารโล

และวธการพยากรณแบบ Winter's method

จ าลองสถานการณแบบมอนตคารโล

พยากรณการสงขวดบรรจภณฑแบบ Winter's method โดยใชโปรแกรม Minitab 14

ตอ

Page 56: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

44

วเคราะหและเปรยบเทยบความแตกตางของตนทนรวมทไดจากการใชวธการแบบจ าลองมอนตคารโล และวธการพยากรณแบบ Winter's method กบผลทเกดขนจรง

สรปผลการศกษาและขอเสนอแนะ

ภาพท 3.1 วธการด าเนนงานของโครงการ

โดยในบทนจะกลาวถงวธการด าเนนงานรายละเอยด 3 ขนตอน ไดแก ศกษาขอมลปรมาณในการใชขวดและการวเคราะหความแปรผนของขอมลปรมาณการใชขวด วเคราะหตนทนในการจดการสนคาคงคลง และศกษารปแบบวธการจ าลองสถานการณแบบมอนตคารโลและวธการพยากรณแบบ Winter's method โดยใชโปรแกรม Minitab 14 ในการประมวลผล สวนขนตอนทเหลอจะกลาวในบทถดไป

3.1 ศกษาขอมลปรมาณการใชขวดและวเคราะหความแปรผน เนองจากโรงงานกรณศกษามการผลตเครองดมทงชนดมแอลกอฮอล และไมมแอลกอฮอลใน

แตละเดอนมปรมาณทสง และกระบวนการการผลตเครองดมเปนการผลตแบบตอเนอง ถาหากปรมาณขวดไมพอตอการบรรจเครองดมและมการหยดเครองจกรจะสงผลกระทบตอตนทนทงหมดในกระบวนการผลต แตถาสงขวดมาเกบในปรมาณทมากจะท าใหเกดตนทนจมเพราะขวดทใชในการบรรจเครองดมมทงหมด 22 ชนด ซงทางผจดท าโครงงานวศวกรรมจงไดท าการวเคราะหความไมแนนอนของปรมาณการใชขวดบรรจเครองดมทงชนดมแอลกอฮอลและไมมแอลกอฮอล เพอใชกรองขอมลในการเลอกชนดของขวดทจะจดท าโครงงาน จากการวเคราะหขอมลผจดท าโครงงานไดท าการเลอกชนดของขวดทมคาสมประสทธของความแปรผนทมากกวา 0.2 โดยค านวณหาคาสมประสทธของความแปรผนแสดงไดดงตารางท 3.1 สตรค านวณคาสมประสทธความแปรผน (coefficient of variation)

CV = 𝜎

�� (3.1)

เมอ σ = สวนเบยงเบนมาตรฐานของปรมาณการเบกใช �� = ปรมาณการเบกใชเฉลย

ตอ

Page 57: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

45

จากตารางท 3.1 แสดงคาสมประสทธของความแปรผนของขวดท ง 10 ชนด พบวามคาสมประสทธของความแปรผนทมากกวา 0.2 แสดงใหเหนวาปรมาณการใชขวดมความไมแนนอน ดงนนผจดท าโครงงานจงไมสามารถค านวณหาการสงซอดวยระบบการสงซอแบบประหยด (EOQ) ไดโดยตรง จงจ าเปนทจะใชทฤษฎมอนตคารโล(Monte Carlo Simulation Method) เขามาชวยในการจ าลองสถานการณการใชขวดบรรจเครองดม เพอหาปรมาณการสงซอและจดสงซอทเหมาะสม

ตารางท 3.1 แสดงคาสมประสทธของความแปรผน

ล าดบ รหส ปรมาณการเบกใชงานเฉลย

(พาเลท) สวนเบยงเบนมาตรฐาน

คาสมประสทธของความแปรผน

1 SKU-01 4,588 964.74 0.21 2 SKU-02 3,502 732.09 0.21 3 SKU-03 641 144.23 0.22 4 SKU-04 366 80.47 0.22 5 SKU-05 5,574 1427.79 0.26 6 SKU-06 1,756 469.57 0.27 7 SKU-07 679 181.14 0.27 8 SKU-10 3,267 699.39 0.21 9 SKU-15 3,103 638.05 0.21

10 SKU-20 569 131.10 0.23

จากการศกษาสภาพปญหาการจดการสนคาคงคลงในปจจบนของโรงงานผลตเครองดมชนดมแอลกอฮอลและไมมแอลกอฮอล โดยใชขอมลทเกดขนจรงในป 2560 และท าการศกษาปรมาณการใชขวดบรรจภณฑจ านวน 10 ชนด จากขอมลพบวาการสงซอขวดมปรมาณมากซงไมสอดคลองกบการเบกใชขวดบรรจภณฑทเกดขนจรง ท าใหเกดปญหาในการจดเกบสนคาคงคลงทมากเกนความจ าเปนสงผลใหเกดตนทนจม ซงปรมาณการสงซอและการเบกใชขวดแสดงดงตารางท 3.2

Page 58: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

46

ตารางท 3.2 แสดงปรมาณการเบกใชงานและการสงซอป 2560 (พาเลท) ล าดบ รหส ปรมาณการสงซอ ปรมาณการเบกใชงาน สนคาคงคลง

1 SKU-01 56,786 55,053 1,733 2 SKU-02 43,370 42,027 1,343 3 SKU-03 7,971 7,693 278 4 SKU-04 4,539 4,389 150 5 SKU-05 69,476 66,891 2,585 6 SKU-06 21,799 21,068 731 7 SKU-07 8,408 8,142 266 8 SKU-10 40,462 39,206 1,256 9 SKU-15 38,637 37,234 1,403

10 SKU-20 7,046 6,830 216

จากตารางท 3.2 พบวาสนคาคงคลงการจดเกบมปรมาณมากเกนความจ าเปน เชน ขวดล าดบท 1 รหสชนดขวด SKU-01 มปรมาณการสงซอจ านวน 56,786 พาเลทแตปรมาณการเบกใชตอปแค 55,053พาเลท ท าใหเกนสนคาคงคลงอยท 1,733 พาเลท จากขอมลการวเคราะหเบองตนท าใหทราบถงการจดการสนคาคงคลงทไมเหมาะสม สงผลท าใหเกดตนทนจมซงสามารถคดเปนมลคาไดดงตารางท 3.3

ตารางท 3.3 แสดงมลคาของสนคาคงคลง

ล าดบ รหส ราคาตอพาเลท

(บาท) จ านวนสนคาคงคลงคงเหลอ

(พาเลท) มลคา (บาท)

1 SKU-01 7,335 1,733 12,711,555 2 SKU-02 5,705 1,343 7,661,815 3 SKU-03 5,134.5 278 1,427,391 4 SKU-04 5,134.5 150 770,175 5 SKU-05 16,560 2,585 42,807,600 6 SKU-06 12,880 731 9,415,280

Page 59: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

47

ตารางท 3.3 แสดงมลคาของสนคาคงคลง (ตอ)

ล าดบ รหส ราคาตอพาเลท

(บาท) จ านวนสนคาคงคลงคงเหลอ

(พาเลท) มลคา (บาท)

7 SKU-07 5,134.5 266 1,365,777 8 SKU-10 7,335 1,256 9,212,760 9 SKU-15 4,075 1,403 5,717,225

10 SKU-20 5,134.5 216 1,109,052 รวมมลคา 92,198,630

3.2 วเคราะหตนทนในการจดการสนคาคงคลง จากการศกษาสภาพปญหาทเกดขนในการจดการสนคาคงคลงประเภทขวดบรรจภณฑ พบวาคงคลงมปรมาณขวดบรรจภณฑมากเกนความจ าเปน ซงขนตอนแรกในการหาปรมาณการสงซอและจดสงซอเพอใหมปรมาณการจดเกบทเหมาะสมนนคอ การวเคราะหขอมลของตนทนในการจดการสนคาคงคลงทกชนด เชน คาใชจายในการสงซอ (Order Cost) คาใชจายในการเกบรกษา (Holding Cost) คาใชจายดานราคาวตถดบทสงซอ (Unit Cost) และคาใชจายในการยอมใหสนคาขาดสง (Shortage Cost) ซงคาใชจายดงกลาวสามารถแสดงรายละเอยดของการค านวณไดดงน

3.2.1 คาใชจายในการสงซอ (Ordering Cost) คาใชจายในการสงซอเปนคาใชจายในการด าเนนงานของการสงซอแตละครง

ซงคาใชจายนจะแปรผนตามจ านวนครงของการสงซอแตไมแปรผนตามปรมาณสนคาคงคลง โดยขนตอนในการด าเนนงานการสงซอของพนกงานมรายละเอยดดงภาพท 3.2

Page 60: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

48

ภาพท 3.2 ขนตอนในการด าเนนงานการสงซอของพนกงาน

ขนตอนท 1 พนกงานจะท าการตรวจสอบปรมาณสนคาคงคลงจากนนกรอกรายละเอยดลงในใบบนทกรายการแลวบนทกลงในโปรแกรม Microsoft Excel ซงพนกงานจะท าการจดการเอกสารและกรอกขอมลในระบบSAPเพอใหเจาหนาทจดซออาวโส (Supervisor) ใชเปนขอมลในการออกใบสงซอตอไป โดยใชเวลาในการด าเนนงาน 15 นาท ขนตอนท 2 เจาหนาทจดซออาวโส (Supervisor) จะท าการตรวจสอบขอมลรายละเอยดของสนคาทตองการสงซอในระบบกบเอกสารทพนกงานสงมอบให อาท เชน เลขรหสสนคา รายละเอยดหรอลกษณะเฉพาะของสนคา จ านวนสนคาคงคลง เปนตน เพอใชเปนขอมลในการยนยนการสงซอ และลงขอมลในระบบ SAP เพอใหวศวกรใชขอมลในการขอใบเสนอราคาสนคาตอไป โดยใชเวลาในการด าเนนงาน 15 นาท ขนตอนท 3 วศวกรท าการตรวจสอบขอมลรายละเอยดของสนคา และจ านวนของสนคาทตองการเพอท าการออกใบเสนอขอซอสนคา (Purchase Request) ใหกบทางแผนกจดซอโดยกรอกในระบบ SAP ใชเวลาในการด าเนนงาน 15 นาท

พนกงานท าการตรวจสอบปรมาณสนคาคงคลง และกรอกขอมลในระบบSAP

เจาหนาทจดซออาวโสตรวจสอบขอมลสนคาในระบบ SAP เพอใชเปนรายละเอยดของสนคาทจะสงซอ

วศวกรตรวจขอมลรายละเอยดออกใบ PR สงใหพนกงานฝายจดซอ

พนกงานฝายจดซอจดท าใบ PO สงใหกบผขาย เพอท าการ

สงซอสนคา

Page 61: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

49

ขนตอนท 4 พนกงานแผนกจดซอตรวจสอบขอมล และท าการออกใบสงซอสนคา (Purchase Order) แลวสง E-mail ใบสงซอใหกบผขาย (Supplier) เพอท าการสงซอสนคา โดยใชเวลาในการด าเนนงาน 10 นาท ตารางท 3.4 ตารางแสดงรายละเอยดคาใชจายในการสงซอ

รายการ จ านวน หนวย คาใชจายในการด าเนนงาน 195 บาทตอชวโมง เวลาทใชในการท างาน 55 นาทตอครง คาใชจายในการสงซอ 178.75 บาทตอครง

จากตารางท 3.4แสดงรายละเอยดการค านวณคาใชจายในการสงซอตอครง โดยทางบรษทไดก าหนดคาใชจายในการด าเนนเทากบ 195 บาทตอชวโมงในสวนของการท างานในขนตอน ตาง ๆ ของการสงซอนนพนกงานใชเวลาท งสน 55 นาท คดเปนคาใชจายในการสงซอเทากบ 178.75 บาทตอครง

3.2.2 ตนทนการเกบรกษา (Holding Cost) ตนทนในการจดเกบจะมอตราดอกเบยของเงนลงทนรวมกบคาใชจายในการเกบรกษาซง

คาใชจายในการเกบรกษาเปนการรกษาสนคาคงคลงใหอยในรปแบบทใชงานได จะแปรผนตามปรมาณสนคาคงคลงทจดเกบไวและระยะเวลาทใชในการจดเกบ คาใชจายทใชในการจดเกบ ไดแก คาใชจายตอพนทของบรษท คาบรหารจดการ เปนตน โดยแสดงรายละเอยดดงตารางท 3.5

ตารางท 3.5 แสดงรายละเอยดของคาใชจายในการจดเกบ

รายการ จ านวน หนวย ปรมาณการเบกใชงาน 491,026 พาเลท คาใชจายตอพนท 120 บาทตอตารางเมตรตอเดอน ขนาดของพนทคลงสนคา 6,000 ตารางเมตร คาบรหารจดการ (ยกขน/ยกลง) 20 บาทตอพาเลท คาจดเกบรกษา 37.59 บาทตอพาเลท

Page 62: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

50

จากตารางท 3.5 แสดงปรมาณการเบกใชขวดบรรจภณฑระยะเวลา 1 ป รวม 491,026 พาเลท โดยคาใชจายทงหมดคดเปนคาใชจายในการจดเกบเทากบ 37.59 บาทตอพาเลท ซงการสงซอสนคาจะมาเกบไวในคลงกอใหเกดดอกเบยจากเงนลงทน โดยดอกเบยภายในตลอดทงปคดเปน 6.025% ของเงนลงทนทใชในการสงซอสนคาคงคลง แตเนองจากราคาสนคาแตละชนดมตนทนทไมเทากนจงท าใหตนทนในการจดเกบของสนคาแตละชนดไมเทากน แสดงตารางท 3.6 ตารางท 3.6 แสดงตนทนการจดเกบ

ล าดบ รหส ราคาตอพาเลท

(บาท) คดดอกเบยจากราคา

(บาท) ตนทนการจดเกบรกษา

(บาท) 1 SKU-01 7,335 441.93 479.52 2 SKU-02 5,705 343.73 381.32 3 SKU-03 5,134.5 309.35 346.94 4 SKU-04 5,134.5 309.35 346.94 5 SKU-05 16,560 997.74 1,035.33 6 SKU-06 12,880 776.02 813.61 7 SKU-07 5,134.5 309.35 346.94 8 SKU-10 7,335 441.93 479.52 9 SKU-15 4,075 245.52 283.11

10 SKU-20 5,134.5 309.35 346.94

3.2.3 ตนทนคาเสยโอกาสจากการเบกใชงาน (Shortage Cost)

คาเสยโอกาสจากการเบกใชงานสนคาคงคลงเปนคาใชจายทเกดขนจากการมสนคาคงคลงทไมเพยงพอตอความตองการใชงาน คาใชจายนจะแปรผนตามปรมาณของสนคาทไมสามารถเบกใชงานได จากสภาวะการขาดแคลนของสนคาดงกลาวสงผลใหบรษทเกดความสญเสยอกมากมายซงไมสามารถประเมนคาไดทงทางตรงและทางออม ดงนนในการจ าลองสถานการณของมอนตคารโลนนจ าเปนตองมมลคาของการขาดสงสนคา เพอใชในการก าหนดเงอนไขตนทนรวมของการจดการสนคาคงคลง ทางผจดท าโครงงานวศวกรรมจงก าหนดใหคาจายในการยอมใหสนคา

Page 63: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

51

ขาดสงเทากบ 1,060 บาทตอพาเลทตอป โดยค านวณมาจากราคาเฉลยแบบถวงน าหนก คดเปน 15% ของราคาขวดบรรจภณฑ

3.3 ศกษารปแบบวธการจ าลองสถานการณแบบมอนตคารโล (Monte Carlo Simulation Method) และวธการพยากรแบบ Winter's method

3.3.1 ศกษารปแบบวธการจ าลองสถานการณแบบมอนตคารโล (Monte Carlo Simulation Method)

การจ าลองสถานการณแบบมอนตคารโลสามารถน าไปประยกตใชกบระบบการจดการสนคาคงคลงของบรษททมปญหาดานปรมาณความตองการสนคาทไมแนนอน โดยมล าดบขนตอนทงหมด 12 ขนตอน ดงภาพท 3.3 ซงอธบายขนตอนการจ าลองสถานการณแบบมอนตคารโล เพอใชในการวเคราะหระบบการจดการสนคาคงคลงทมปรมาณความตองการทไมแนนอนของสนคา รวมถงการวเคราะหตนทนของระบบการจดการสนคาคงคลงโดยใชวธการจ าลองสถานการณแบบมอนตคารโล

ใช

ขนตอนท 1 เกบขอมลความตองการคลงสนคา

ขนตอนท 2 แจกแจงความถของความตองการสนคา

ขนตอนท 3 แจกแจงความนาจะเปนสะสมของตวแปรสม

ขนตอนท 4 สรางตวเลขสมของความตองการสนคา

ขนตอนท 5 หาปรมาณการสงซอทเหมาะสมและจดสงซอใหม

ขนตอนท 6 สรางตารางค านวณหาตนทนการจดการสนคาคงคลง

ขนตอนท 7 หาคาตนทนการจดการสนคาคงคลง

ขนตอนท 8 ท าตารางค านวณหาตนทนซ าจ านวน n รอบ

ขนตอนท 9 แจกแจงปกต

ขนตอนท 10 หาจ านวนรอบทเหมาะสม (N)

ขนตอนท 11 ใชโปรแกรม Microsoft Excel ในการวเคราะหตนทน

ขนตอนท 12 วเคราะตนทนการจดการสนคาคงคลง

ท าซ าเพมครงละ n รอบ ไมใช

ตอ

Page 64: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

52

ใช

ขนตอนท 1 เกบขอมลความตองการคลงสนคา

ขนตอนท 2 แจกแจงความถของความตองการสนคา

ขนตอนท 3 แจกแจงความนาจะเปนสะสมของตวแปรสม

ขนตอนท 4 สรางตวเลขสมของความตองการสนคา

ขนตอนท 5 หาปรมาณการสงซอทเหมาะสมและจดสงซอใหม

ขนตอนท 6 สรางตารางค านวณหาตนทนการจดการสนคาคงคลง

ขนตอนท 7 หาคาตนทนการจดการสนคาคงคลง

ขนตอนท 8 ท าตารางค านวณหาตนทนซ าจ านวน n รอบ

ขนตอนท 9 แจกแจงปกต

ขนตอนท 10 หาจ านวนรอบทเหมาะสม (N)

ขนตอนท 11 ใชโปรแกรม Microsoft Excel ในการวเคราะหตนทน

ขนตอนท 12 วเคราะตนทนการจดการสนคาคงคลง

ท าซ าเพมครงละ n รอบ ไมใช

ภาพท 3.3 ขนตอนการจ าลองสถานการณแบบมอนตคารโล (Monte Carlo Simulation Method)

3.3.2 ศกษารปแบบวธการพยากรณแบบ Winter's method จากการเกบขอมล และศกษาขอมลปรมาณการใชขวดบรรจภณฑ (รายเดอน) พบวายอด

ปรมาณการใชขวดบรรจภณฑมปรมาณสงและต าเปนชวงในแตละเดอน ผจดท าโครงงานจงใชวธการพยากรณแบบ Winter's method โดยใชโปรแกรม Minitab 14 เพอใชวเคราะหตนทนในการจดคลงสนคาโดยเกบขอมลยอนหลงเพม 2 ป ดงตารางท 3.7 แสดงขอมลปรมาณการใชขวดบรรจภณฑป 2558 และขอมลปรมาณการใชขวดบรรจภณฑป 2559

ตอ

Page 65: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

53

ตารางท 3.7 แสดงขอมลปรมาณการใชขวดบรรจภณฑป 2558 และขอมลปรมาณการใชขวดบรรจภณฑป 2559 (พาเลท)

ป 2558 รหส ม.ค. ก.พ. ม.ค. เม.ย. พ.ค. ม.ย. ก.ค. ส.ค. ก.ย. ต.ค. พ.ย. ธ.ค.

SKU-01 5,502 4,357 5,560 4,914 4,098 3,511 3,549 3,476 3,465 3,573 5,374 5,444 SKU-02 3,444 4,188 3,947 3,077 2,562 2,707 2,888 2,977 2,597 2,927 4,212 4,505 SKU-03 422 501 572 586 540 541 573 594 645 718 801 887 SKU-04 249 280 329 324 306 309 327 334 363 430 472 506 SKU-05 6,774 6,339 6,635 5,290 5,793 4,825 2,899 3,847 3,674 4,598 6,844 6,635 SKU-06 2,285 1,622 1,755 1,966 1,880 1,817 999 1,208 1,214 1,178 1,789 2,429 SKU-07 424 514 540 591 564 556 589 632 676 7,82 1,018 965 SKU-10 3,682 3,505 3,541 3,636 3,400 3,457 2,216 2,245 2,268 2,358 3,468 3,917 SKU-15 3,512 2,993 2,700 3,791 3,139 2,657 2,383 2,486 2,314 2,486 3,250 4,374 SKU-20 682 526 553 696 526 510 427 398 436 459 541 814

ป 2559 SKU-01 5,560 4,312 5,676 5,071 4,098 3,401 3,439 3,476 3,398 3,686 5,210 5,676 SKU-02 3,302 4,232 3,947 3,045 2,617 2,707 2,858 3,071 2,708 2,837 4,299 4,457 SKU-03 422 506 543 580 540 547 567 607 625 726 809 887 SKU-04 246 292 312 321 296 302 327 330 374 408 463 506 SKU-05 6,844 6,540 6,774 5,400 5,854 4,825 2,991 3,887 3,562 4,598 6,495 6,774 SKU-06 2,334 1,604 1,737 2,007 1,841 1,798 1,042 1,208 1,177 1,228 1,789 2,405 SKU-07 433 525 545 579 552 551 565 632 669 766 1,028 936 SKU-10 3,798 3,396 3,432 3,675 3,364 3,352 2,125 2,221 2,198 2,334 3,432 3,958 SKU-15 3,368 3,024 2,673 3,636 3,172 2,685 2,358 2,359 2,314 2,436 3,217 4,151 SKU-20 696 505 536 674 516 516 436 385 423 445 559 822

จากการศกษาขอมลปรมาณความตองการขวดยอนหลง 3 ปเพอหารปแบบในการพยากรณความตองการขวดในป พ.ศ. 2561 โดยใชโปรแกรม Minitab 14 ในการตรวจสอบขอมลกอนทจะพยากรณ โดยใชแถบเมนค าสง Stats > Time Series > Time Series Plot ในการตรวจสอบขอมลทงหมด เชน SKU-01 เมอตรวจสอบขอมลพบวา ลษณะกราฟจะแสดงเปนชวง และมลกณะกราฟ

Page 66: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

54

ท ซ ากน ในแ ต ละ ป ดงภ าพ ท 3 .4 น น แสดงว าขอม ล เหม าะส าห รบ ว ธ ก ารพ ยากรณ แบบ Winter's method

ภาพท 3.4 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-01

ในป พ.ศ. 2558 - พ.ศ.2560

Page 67: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

บทท 4

ผลการด าเนนโครงงาน

ในบทตอไปนจะเปนการแสดงผลลพธจากการด าเนนการศกษาโดยใชเทคนคการจ าลองสถานการณแบบมอนตคารโล (Monte Carlo Simulation Method) เพอจ าลองสถานการณการเบกใชขวดทไมแนนอน และวธการพยากรณแบบ Winter's method โดยใชโปรแกรม Minitab 14 โดยมเงอนไขของปรมาณความตองการทไมแนนอนและมวตถประสงคทจะลดปรมาณการจดการสนคาคงคลง จากวธการสงซอในปจจบนของการสงขวดเพอใชผลตเครองดมทง 10 ชนด โดยแบงหวขอของการน าเสนอดงน 4.1 การจ าลองสถานการณแบบมอนตคารโล จากขนตอนการจ าลองสถานการณแบบมอนตคารโลทไดแสดงตามภาพท 3.3 โดยเรมตนจากการเกบรวบรวมขอมลปรมาณความตองการสนคาคงคลงตลอดทงป เพอน ามาแจกแจงความถของปรมาณความตองการสนคาในแตละรายการ และก าหนดชวงความถ เพอใหสอดคลองกบ การตงคาตวแปรสมในการทดลองทอาจจะเกดขนจรง โดยการทดลองครงนไดน าทฤษฎทเกยวของมาก าหนดจดสงซอและปรมาณการสงซอใหม ในการจ าลองสถานการณดวย โดยขอมลทงหมดจะน ามาจดท าเปนตารางเพอใชในการค านวณรอบการทดลองทเหมาะสม ซงขนตอนสดทายจะเปรยบเทยบผลลพธของการจดการสนคาคงคลงทมการสรางสถานการณแบบมอนตคารโลกบ การจดการสนคาคงคลงแบบเกาทใชปฏบตในปจจบน เพอเปนชองทางในการศกษาเพมเตมตอไป โดยรายละเอยดทงหมดสามารถอธบายตาม 12 ขนตอน ดงน ขนตอนท 1 เกบขอมลความตองการสนคาคงคลง การเกบรวบรวมขอมลปรมาณความตองการสนคาคงคลงในอดตของการสงขวดเพอใชผลตเครองดมทงหมด 10 ชนด เปนการเกบแบบเชงปรมาณ โดยสนคาจะถกรวบรวมปรมาณความตองการใหกบทางพนกงานดแล เพอเปนการตรวจสอบขอมลการใชงานประจ าเดอน สรปเปนขอมลต งแตในปพ.ศ. 2558 ถง ในปพ.ศ. 2560 ขอมลทไดมานนจะมาค านวณหาปรมาณความตองการเฉลยตอเดอนดงตารางท 4.1

Page 68: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

56

ตารางท 4.1 แสดงขอมลปรมาณการใชขวดบรรจภณฑป 2558 ถงป 2560 (พาเลท)

2558 รหส ม.ค. ก.พ. ม.ค. เม.ย. พ.ค. ม.ย. ก.ค. ส.ค. ก.ย. ต.ค. พ.ย. ธ.ค.

SKU-01 5,502 4,357 5,560 4,914 4,098 3,511 3,549 3,476 3,465 3,573 5,374 5,444 SKU-02 3,444 4,188 3,947 3,077 2,562 2,707 2,888 2,977 2,597 2,927 4,212 4,505 SKU-03 422 501 572 586 540 541 573 594 645 718 801 887 SKU-04 249 280 329 324 306 309 327 334 363 430 472 506 SKU-05 6,774 6,339 6,635 5,290 5,793 4,825 2,899 3,847 3,674 4,598 6,844 6,635 SKU-06 2,285 1,622 1,755 1,966 1,880 1,817 999 1,208 1,214 1,178 1,789 2,429 SKU-07 424 514 540 591 564 556 589 632 676 7,82 1,018 965 SKU-10 3,682 3,505 3,541 3,636 3,400 3,457 2,216 2,245 2,268 2,358 3,468 3,917 SKU-15 3,512 2,993 2,700 3,791 3,139 2,657 2,383 2,486 2,314 2,486 3,250 4,374 SKU-20 682 526 553 696 526 510 427 398 436 459 541 814

ป 2559 SKU-01 5,560 4,312 5,676 5,071 4,098 3,401 3,439 3,476 3,398 3,686 5,210 5,676 SKU-02 3,302 4,232 3,947 3,045 2,617 2,707 2,858 3,071 2,708 2,837 4,299 4,457 SKU-03 422 506 543 580 540 547 567 607 625 726 809 887 SKU-04 246 292 312 321 296 302 327 330 374 408 463 506 SKU-05 6,844 6,540 6,774 5,400 5,854 4,825 2,991 3,887 3,562 4,598 6,495 6,774 SKU-06 2,334 1,604 1,737 2,007 1,841 1,798 1,042 1,208 1,177 1,228 1,789 2,405 SKU-07 433 525 545 579 552 551 565 632 669 766 1,028 936 SKU-10 3,798 3,396 3,432 3,675 3,364 3,352 2,125 2,221 2,198 2,334 3,432 3,958 SKU-15 3,368 3,024 2,673 3,636 3,172 2,685 2,358 2,359 2,314 2,436 3,217 4,151 SKU-20 696 505 536 674 516 516 436 385 423 445 559 822

ป 2560 SKU-01 5,792 4,539 5,792 5,228 4,225 3,657 3,659 3,583 3,536 3,761 5,484 5,792 SKU-02 3,551 4,408 4,199 3,239 2,726 2,820 3,040 3,134 2,763 3,018 4,387 4,742 SKU-03 435 516 584 598 562 564 591 619 672 756 852 944 SKU-04 259 298 336 334 315 315 337 355 386 439 482 533 SKU-05 6,984 6,673 6,984 5,510 6,098 5,026 3,052 4,007 3,749 4,840 6,984 6,984 SKU-06 2,431 1,725 1,828 2,091 1,918 1,913 1,063 1,245 1,239 1,253 1,883 2,479 SKU-07 442 547 568 603 587 592 607 652 704 806 1,049 985 SKU-10 3,876 3,613 3,613 3,868 3,579 3,528 2,261 2,363 2,338 2,431 3,613 4,123

Page 69: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

57

ตารางท 4.1 แสดงขอมลปรมาณการใชขวดบรรจภณฑป 2558 ถงป 2560 (พาเลท) (ตอ)

จากตารางท 4.1 แสดงปรมาณความตองการสนคาของการสงขวดเพอใชผลตเครองดม

ทงหมด 22 ชนดภายในป 2558 ถง ป2560 ตวอยางเชน สนคาอนดบท 1 ในป 2558 รหส SKU-01 มปรมาณความตองการสนคาในเดอนมกราคม 5,502 ชน และในเดอนกมภาพนธ 4,357 ชน ตามล าดบ ขนตอนท 2 การแจกแจงความถของความตองการสนคา การแจกแจงความถของปรมาณความตองการสนคาทงหมด 10 ชนด เพอเปนการจดเรยงขอมลการเบกใชขวดของแตละเดอนใหเปนระเบยบ เพอใหงายตอการวเคราะหและสรปขอมลโดยการนบความถรวมของการเบกใชสนคาของขวดในป 2558 ถง ป 2560 และจดเรยงขอมลความถปรมาณความตองการของแตละเดอน จากนอยไปหามาก ดงตารางท 4.2 ตารางท 4.2 แสดงตวอยางการแจกแจงความถในการเบกใชสนคาของขวดรหส SKU-01

ล าดบ เดอน ความตองการ (พาเลท) ความถ (ครง)

1 มกราคม 5,502 1 5,560 1 5,792 1

2 กมภาพนธ 4,312 1 4,357 1 4,539 1

3 มนาคม 5,560 1 5,676 1 5,792 1

SKU-15 3,621 3,118 2,784 3,868 3,304 2,768 2,508 2,537 2,410 2,537 3,316 4,463 SKU-20 725 537 576 725 537 537 445 410 445 478 576 839

Page 70: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

58

ตารางท 4.2 แสดงตวอยางการแจกแจงความถในการเบกใชสนคาของขวดรหส SKU-01 (ตอ)

ล าดบ เดอน ความตองการ (พาเลท) ความถ (ครง)

4 เมษายน 4,914 1 5,071 1 5,228 1

5 พฤษภาคม 4,098 2 4,225 1

6 มถนายน 3,401 1 3,511 1 3,657 1

7 กรกฎาคม 3,439 1 3,549 1 3,659 1

8 สงหาคม 3,476 2 3,583 1

9 กนยายน 3,288 1 3,465 1 3,536 1

10 ตลาคม 3,573 1 3,686 1 3,761 1

11 พฤศจกายน 5,210 1 5,374 1 5,484 1

12 ธนวาคม 5,444 1 5,676 1 5,792 1

Page 71: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

59

จากตารางท 4.2 ไดแสดงการแจกแจง จ านวนความถของปรมาณความตองการสนคาภายในป 2558 ถง ป 2560 และจดเรยงขอมลความถปรมาณความตองการของแตละเดอน จากนอยไปหามาก ตวอยางเชน สนคาล าดบท 1 รหส SKU-01 มจ านวนความถของปรมาณความตองการใชงานในเดอนมกราคมจ านวน 5,502 ชน 5,560 ชน และตองการใช 5,792 ชน จ านวน 1 ครง เปนตน การแจกแจงความถในการเบกใชสนคาของขวดทงหมด 10 ชนดท าเชนเดยวกน ขนตอน 3 การแจกแจงความนาจะเปนสะสมของตวแปรสม การสรางตารางแสดงการแจกแจงความนาจะเปนของตวแปรสมทตองการส าหรบใชในการจ าลองสถานการณมอนตคารโล โดยพจารณาจากขอมลปรมาณความตองการสนคาทได มาจากการเกบขอมลในขนตอนท 2 ซงขอมลดงกลาวสามารถน าไปสรางแบบจ าลองในลกษณะของตารางการก าหนดตวเลขสมของปรมาณความตองการได ดงตารางท 4.3 ตารางท 4.3 แสดงตวอยางการก าหนดชวงตวเลขสมของความตองการสนคาของขวดรหส SKU-01

ล าดบ เดอน ความตองการ

(พาเลท) ความถ(ครง)

ความนาจะเปน ความนาจะเปนสะสม ชวงตวเลขสม

1 มกราคม

5,502 1 0.33 0.33 r<=0.33 5,560 1 0.33 0.67 0.33<r<=0.67 5,792 1 0.33 1.00 0.67<r รวม 3

2 กมภาพนธ

4,312 1 0.33 0.33 r<=0.33 4,357 1 0.33 0.67 0.33<r<=0.67 4,539 1 0.33 1.00 0.67<r รวม 3

3 มนาคม

5,560 1 0.33 0.33 r<=0.33 5,676 1 0.33 0.67 0.33<r<=0.67 5,792 1 0.33 1.00 0.67<r รวม 3

4 เมษายน

4,914 1 0.33 0.33 r<=0.33 5,071 1 0.33 0.67 0.33<r<=0.67 5,228 1 0.33 1.00 0.67<r รวม 3

Page 72: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

60

ตารางท 4.3 แสดงตวอยางการก าหนดชวงตวเลขสมของความตองการสนคาของขวดรหส SKU-01 (ตอ)

5 พฤษภาคม 4,098 2 0.67 0.67 r<=0.67 4,225 1 0.33 1.00 0.67<r รวม 3

6 มถนายน

3,401 1 0.33 0.33 r<=0.33 3,511 1 0.33 0.67 0.33<r<=0.67 3,657 1 0.33 1.00 0.67<r รวม 3

7 กรกฎาคม

3,439 1 0.33 0.33 r<=0.33 3,549 1 0.33 0.67 0.33<r<=0.67 3,659 1 0.33 1.00 0.67<r รวม 3

8 สงหาคม 3,476 2 0.67 0.67 r<=0.67 3,583 1 0.33 1.00 0.67<r รวม 3

9 กนยายน

3,288 1 0.33 0.33 r<=0.33 3,465 1 0.33 0.67 0.33<r<=0.67 3,536 1 0.33 1.00 0.67<r รวม 3

10 ตลาคม

3,573 1 0.33 0.33 r<=0.33 3,686 1 0.33 0.67 0.33<r<=0.67 3,761 1 0.33 1.00 0.67<r รวม 3

11 พฤศจกายน

5,210 1 0.33 0.33 r<=0.33 5,374 1 0.33 0.67 0.33<r<=0.67 5,484 1 0.33 1.00 0.67<r รวม 3

12 ธนวาคม

5,444 1 0.33 0.33 r<=0.33 5,676 1 0.33 0.67 0.33<r<=0.67 5,792 1 0.33 1.00 0.67<r รวม 3

Page 73: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

61

จากตารางท 4.3 จะเหนวาสนคาแตละชนดมปรมาณความตองการในแตละเดอนไมเทากน ดงนนจงจ าเปนตองมการก าหนดชวงตวเลขสมของปรมาณความตองการสนคาเพอใชในการจ าลองสถานการณทอาจจะเกดขน ตวอยางเชน สนคาล าดบท 1 รหส SKU-01 ความนาจะเปนของการเบกใชสนคาในเดอนมกราคม เปนจ านวน 5,502 ชน เปนจ านวน 1 ครง ท าใหความนาจะเปนมคาเทากบ 0.33 เมอเปรยบเทยบกบจ านวนครงทเกดขนทงหมดในเดอนมกราคม และชวงตวแปรสมทก าหนดใหจะอยในชวงตงแต r 0.33 ตอไปเปนการเบกใชสนคาจ านวน 5,560 ชน เปนจ านวน 1 ครง ท าใหความนาจะเปนมคาเทากบ 0.33 เมอเปรยบเทยบกบจ านวนครงทเกดขนทงหมดในเดอนมกราคม และความนาจะเปนสะสมเทากบ 0.66 ดงนนคาของตวแปรสมจะอยระหวาง 0.33 < r 0.67 ตอไปเปนการเบกใชสนคาจ านวน 5,792 ชน เปนจ านวน 1 ครง ท าใหความนาจะเปนมคาเทากบ 0.33 เมอเปรยบเทยบกบจ านวนครงทเกดขนทงหมดในเดอนมกราคม และความนาจะเปนสะสมเทากบ 1.00 ดงนนคาของตวแปรสมจะอยระหวาง 0.67 < r และก าหนดคาเชนนในขอมลถดไป การก าหนดชวงตวเลขสมสนคาล าดบท 4.2 ท าเชนเดยวกบตวอยางแสดงดงตารางท 4.3 ขนตอนท 4 การสรางตวเลขสมของความตองการสนคาและชวงเวลาน า การสรางตวเลขสมมประโยชนเพอการก าหนดปรมาณการเบกใชหรอเวลาน ามวธการ คอ ถาตวเลขสมทสรางขนมคาตกอยในชวงใดของชวงตวเลขสม (r) ทก าหนดจะไดคาของปรมาณการเบกใช โดยการสรางตวเลขสมใชโปรแกรม Microsoft Excel ชวยในการสราง ใชค าสง =Rand() เปนตวก าหนดคาของตวเลขสมใหอยในชวง 0 – 1 โดยการสรางตวเลขสมนนจะสรางตวเลขสมเรมตน 10 ชด ชดละ 12 เดอน เพอใชวเคราะหการกระจายตวดงตารางท 4.4 ตารางท 4.4 การสรางตวเลขสมการเบกใชของสนคาของขวด 10 ชนด จ านวน 10 ชด

ล าดบ เดอน ตวเลขสมชดท

1 2 3 4 5 6 7 8 9 10 1 ม.ค. 0.37 0.24 0.01 0.01 0.16 0.90 0.07 0.10 0.60 0.77 2 ก.พ. 0.11 0.35 0.56 0.20 0.08 0.72 0.61 0.47 0.57 0.20 3 ม.ค. 0.27 0.53 0.50 0.08 0.35 0.03 0.16 0.53 0.32 0.00 4 เม.ย. 0.81 0.55 0.93 0.05 0.22 0.96 0.32 0.48 0.46 0.44 5 พ.ค. 0.08 0.14 0.99 0.98 0.79 0.96 0.92 0.38 0.76 0.47 6 ม.ย. 0.27 0.84 0.03 0.81 0.46 0.26 0.58 0.89 0.79 0.20 7 ก.ค. 0.20 0.48 0.19 0.54 0.20 0.90 0.12 0.30 0.52 0.13

Page 74: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

62

ตารางท 4.4 การสรางตวเลขสมการเบกใชของสนคาของขวด 10 ชนด จ านวน 10 ชด (ตอ)

8 ส.ค. 0.24 1.00 0.15 0.94 0.16 0.08 0.32 0.53 0.17 0.27 9 ก.ย. 0.74 0.61 0.22 0.54 0.13 0.91 0.66 0.91 0.40 0.22

10 ต.ค. 0.25 0.73 0.89 0.91 0.91 0.96 0.77 0.68 0.68 0.25 11 พ.ย. 0.90 0.67 0.14 0.48 0.26 0.94 0.78 0.96 0.16 0.15 12 ธ.ค. 0.47 0.43 0.68 0.80 0.17 0.68 0.18 0.02 0.94 0.48

ขนตอนท 5 การหาจดสงซอใหมและปรมาณการสงซอทเหมาะสม จากการทดลองดวยวธมอนตคารโลพบวานโยบายทเหมาะสมของจดสงซอใหมและปรมาณการสงซอทเหมาะสม เพอทท าใหตนทนทเกดขนนนต าทสด ดงนนเพอไมใหเกดการเกบสนคาคงคลงมากเกนความจ าเปน ผจดท าโครงงานจงเลอกจดสงซอใหมทเหมาะสมซงสามารถค านวณไดจากสมการ ดงน

ROP = d(LT ) + ZσLT (4.1)

เมอ d แทน คาเฉลยของความตองการสนคาตอวน LT แทน คาเฉลยชวงเวลาน า (วน) σLT แทน คาเบยงเบนมาตรฐานของความตองการในชวงเวลาน า Z แทน คาระดบความเชอมนวาจะมสนคาเพยงพอตอความตองการ

ตารางท 4.5 การหาจดสงซอใหมสนคาของขวด 10 ชนด

ล าดบ รหส ความตองการสนคาโดยเฉลย (พาเลท)

Z = 95% ชวงเวลาน า (เดอน)

ความเบยงเบนมาตรฐาน (พาเลท)

สดสงซอใหม (ชน)

1 SKU-01 4,588 1.96 0.15 964.74 2,579 2 SKU-02 3,502 1.96 0.15 732.09 1,960 3 SKU-03 641 1.96 0.15 144.23 379 4 SKU-04 366 1.96 0.15 80.47 213 5 SKU-05 5,574 1.96 0.15 1,427.79 3,635

Page 75: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

63

ตารางท 4.5 การหาจดสงซอใหมสนคาของขวด 10 ชนด (ตอ)

6 SKU-06 1,756 1.96 0.15 469.56 1,184 7 SKU-07 679 1.96 0.15 181.13 457 8 SKU-10 3,267 1.96 0.15 699.39 1,861 9 SKU-15 3,103 1.96 0.15 638.04 1,716 10 SKU-20 569 1.96 0.15 131.09 342

จากตารางท 4.5 เปนการค านวณหาจดสงซอใหมดวยสมการท 4.1 โดยมเงอนไขของชวงเวลาน าทแนนอนซงระยะเวลาในการจดสงเทากบ 0.15 เดอน สวนปรมาณความตองการโดยเฉลยไดมาจาก การค านวณใน ตารางท 4.1 โดยรายละเอยด การค านวณจดสงซอใหมของสนคาขวด 10 ชนด จะแสดงไวในตารางท 4.5 ตวอยางเชน สนคาล าดบท1 รหส SKU-01 จากการค านวณคาความตองการโดยเฉลยเทากบ 4,588 ชน ในตารางท 4.1 โดยก าหนดคาความเชอมนวามสนคาเพยงพออยท 95% และคาความเบยงเบนมาตรฐานเทากบ 964.74 เมอไดขอมลทงหมดน าคามาแทนในสมการท 4.1 เพอค านวณหาจดสงซอ การหาปรมาณการสงซอทเหมาะสมเปนการน าขอมลปรมาณความตองการสนคาของขวด 22 ชนด ทเกดขนจรงในอดตมาค านวณ โดยใชตนทนการสงซอแตละครงและตนทนการจดเกบเพอหาปรมาณการสงซอทเหมาะสาม ซงสามารถค านวณไดจากสมการดงน

Q = √2DP

𝐻 (4.2)

D = อตราการใช (หนวย/ป) H = ตนทนทเกดจากการจดใหมของคงคลง (บาท/หนวย/ป) เชน คาดอกเบยเงนจม P = ตนทนในการสงซอแตละครง (บาท/ครง) Q = ปรมาณการสงซอทประหยดของแตละครง (หนวย) การหาปรมาณการสงซอทเหมาะสมไดน าขอมลของความตองการสนคาตลอดท งป (D)

จากตารางท 3.2 ตนทนการสงซอแตละครง (P) จากตารางท 3.4 และตนทนการเกบรกษา (H) จากตารางท 3.5

Page 76: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

64

ตารางท 4.6 การหาปรมาณการสงซอทเหมาะสมของสนคาขวดทง 10 ชนด

ล าดบ รหส ปรมาณความ

ตองการ (พาเลท) ตนทนสงซอตอครง (บาท)

ตนทนจดเกบรกษา (บาท)

ปรมาณการสงซอตอครง (พาเลท)

1 SKU-01 55,053 178.75 479.52 2,507 2 SKU-02 42,027 178.75 381.32 2,190 3 SKU-03 7,693 178.75 346.94 937 4 SKU-04 4,389 178.75 346.94 708 5 SKU-05 66,891 178.75 1035.33 2,763 6 SKU-06 21,068 178.75 813.61 1,551 7 SKU-07 8,142 178.75 346.94 964 8 SKU-10 39,206 178.75 479.52 2,116 9 SKU-15 37,234 178.75 283.11 2,062 10 SKU-20 6,830 178.75 346.94 883

จากตารางท 4.6 การหาค านวณหาปรมาณการสงซอทเหมาะสม ดวยสมการท 4.2 เพอให

ทราบถงจ านวนปรมาณการสงซอของแตละครง จากการค านวณจะตองอางองปรมาณความตองการสนคาทงหมด จากการเบกใชงานในอดต การค านวณหาปรมาณการสงซอของขวดแตละชนดนนจะใชเปนตวก าหนดเงอนไขปรมาณการสงซอสนคาเพมในการจ าลองสถานการณมอนตคารโลในขนตอนตอไป ขนตอนท 6 การสรางตารางการค านวณหาตนทนการจดการสนคาคงคลง จากขอมลทแสดงในขนตอนท 1-5 ของสนคาขวด 10 ชนด เพอน ามาสรางตารางการจ าลองสถานการณการจดการสนคาคงคลงจ านวน 10 รอบ และวเคราะหออกมาเปนตนทนในการจดการสนคาคงคลงซงประกอบไปดวย คอ ตนทนในการจดเกบ ตนทนการสงซอและตนทนการ ขาดแคลนสนคาโดยการสรางตารางในโปรแกรม Microsoft Excel เพอใชในการจ าลองสถานการณแบบมอนตคารโล ดงภาพท 4.1

Page 77: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

ภาพท 4.1 ตวอยางการสรางตารางขอมลของสนคาขวด SKU-01 ในโปรแกรม Microsoft Excel

65

Page 78: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

66

จากภาพท 4.1 เปนการสรางตารางเพอใชในการจ าลองสถานการณมอนตคารโล โดยรายละเอยดและความสมพนธของแตละตารางสามารถอธบายไดดงน

หมายเลขท 1 เดอนท หมายถงล าดบของเดอนทมการเบกใชสนคาขวดในรอบของการจ าลองสถานการณทง 12 เดอน ซงในแตละเดอนจะมความตองการขวดทแตกตางกน ตามคาของการเบกใชในอดต หมายเลขท 2 คงคลง หมายถงปรมาณของขวดในคงคลงตนงวดของแตละเดอนทเหลออยจรงหลง จากถกน าไปใชในเดอนกอนหนา โดยก าหนดใหคงคลงเรมตนมคาเทากบปรมาณสนคาปลายงวดของป 2557 โดยคงคลงในเดอนตอๆไปปรมาณ คงคลงคงเหลอของเดอนกอนหนา โดยสรางความสมพนธในตาราง Microsoft Excel ดงน D(x) = I(x-1) หมายเลขท 3 สงเพมหมายถงปรมาณขวดบรรจภณฑทสงซอเขามาจากการตดสนใจสงซอของเดอนกอนหนา ตามเงอนไขของจดสงซอ โดยปรมาณการสงซอเขามาเทากบปรมาณการสงซอทไดจากการค านวณในตารางท 4.6 ซงจะมาถงตามก าหนดการของชวงเวลาน า และรบสนคาเขาคลงสนคาของเดอนนนๆ หมายเลขท 4 Rand หมายถงตวเลขสมทสรางขนโดยใชค าส ง Rand() ในโปรแกรม Microsoft Excel โดยตวเลขสมทสรางขนนจะเปนสถานการณทใชก าหนดปรมาณความตองการทเกดขนในแตละเดอนดงตาราง 4.4 หมายเลขท 5 ปรมาณความตองการ หมายถง ปรมาณความตองการหรอการเบก ใชขวดบรรจภณฑ ออกจากคลงทเกดขนในแตละเดอนจากสถานการณจ าลองทสรางขนเปนเงอนดวยตวเลขสมทอยในเซลล F18 เปนตวก าหนดปรมาณการเบกใชทเกดขน ของแตละเดอนในเซลล

=IF(F18>$Z$4,$W$5,IF(F18>$Z$3,$W$4,$W$3)) โดยคาทน ามาใชนนน ามาจากตารางท 4.3 ทไดก าหนดชวงของตวเลขสมไวแลวเมอดจากสมการตวอยาง ถาคา F18 มคามากกวา 0.75 เซลล G18 จะแสดงปรมาณการเบกใชท 5,792 ชน แตถาไมใชจะพจารณาในเงอนไขถดไป หมายถง 6 ความตองการทมเพยงพอ หมายถงจ านวนวตถดบทมเหลอเพยงพอตอปรมาณความตองการ ขวดบรรจภณฑทเกดขนในเดอนโดยมเงอนไขจากปรมาณความตองการในชองเบกใชโดยความสมพนธดงนน =MIN(ABS(G18),D18+E18) ซงหมายถงปรมาณวตถดบทจะสามารถใหเบกไดนน จะมคาเพยงพอตอความตองการ G18 หรอไม ถาไมพอจะสามารถใหเบกไดเทากบปรมาณสนคาคงคลง D18 รวมกบปรมาณของวตถดบทสงเพมเขามา E18

Page 79: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

67

หมายเลขท 7 คงคลงเหลอ หมายถง ปรมาณขวดทเหลอในคลงจากการเบกไปใชงานในชองปรมาณความตองการน าคาในชองคงคลง(D18) และชองสนคาทสงเขามาเพม (E18)ลบดวย คาในชองปรมาณความตองการ ทเพยงพอ (H18) จะไดสมการ H18=D18+E18-H18 หมายเลขท 8 สงซอหรอไมหมายถง การก าหนดเงอนไขจากคาในชองปรมาณคงคลงเหลอวาเทากบหรอนอยกวาจดสงซอทก าหนดหรอไม ถาปรมาณวตถดบในคลงเหลอเทากบหรอนอยกวาจดสงซอทก าหนดกจะท าการสงซอทนท โดยจะแสดงผลดวยหมายเลข1 ทชอง K18 เพอเปนการยนยนการสงซอ แตถาปรมาณวตถดบนอยกวาปรมาณจดสงซอจะแสดงผลดวย เลข 0 หมายถงไมมการสงซอในเดอนนนๆ ซงจะสามารถสรางเปนความสมพนธไดดงน =IF(I18<=$C$5,1,0) โดยท J18 คอปรมาณคงคลงเหลอ หมายเลขท 9 ระยะเวลาในการสงสนคา หมายถง เวลาน าทคาดวาจะไดรบสนคาหลงจากเดอนกอนหนา ทมเงอนไขค าสงซอเกดขนในชองสงซอ โดยเวลาน าจะขนอยกบสถานการณทสรางขนก าหนดเปนเงอนไข เปนจ านวนเวลาในการจดสงคดเปน 1 เดอน หรอ 2 เดอน หมายเลขท 10 ชวงเวลาทสนคามาถง หมายถง ชวงเดอนทสนคาจะเขามาจดเกบในคลงนบจากเดอนทมการสงซอโดยมการก าหนดความสมพนธ ดงน =IF(J18=0,0,C18+K18) ซงอธบายไดวา เมอชองของการตดสนใจสงซอหรอไม L18 มการจดสนใจวาไมสงซอหรอ 0 ในชองของชวงเวลาทสนคามาถงจะแสดงตวเลข 0 เนองจากไมมการสงซอขน แตถามการตดสนใจสงซอ ตวเลขในชองจะบอกเปนชวงของเดอนทสนคาจะมาสง หมายเลขท 11 จ านวนทสง หมายถง จ านวนสนคาทสงซอเพมตาม ปรมาณการสงซอของสนคานนๆ ทค านวณไดจากตารางท 4.6 โดยมเงอนไขดงน =IF(J18=0,0,$C$4) ถาชองจ านวนทสงซอของเดอนนนแสดงหมายเลข 0 แสดงวาเดอนนนไมมการสงซอ แตถาเดอนนนมการสงซอจะแสดงเปนจ านวนสนคาตามปรมาณการสงซอ หมายเลขท 12 จ านวนครงทเสยโอกาส หมายถง สนคาคงคลงมปรมาณทไมเพยงพอตอความตองการ ท าใหเกดการหยดชะงกของกระบวนการ ในชองเซลลของ N18 จะแสดงปรมาณสนคาทขาดเปนจ านวนชน โดยมเงอนไขดงน =IF(G18=H18,0,G18-H18) เมอไดตารางการค านวณแลว จากนนใหน าคาตวเลขสมตามจ านวนเดอนทตองการ 12 คา ไปใชแทนคาปรมาณความตองการสนคาตามแบบจ าลองสถานการณทสรางขนโดยการแทนคาตวเลขสมใหเปนคาความตองการสนคา จากขอมลชวงของตวเลขสมทกลาวไวในตารางท 4.3 ขนตอนท 7 การหาคาตนทนการจดการสนคาคงคลง

Page 80: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

68

การหาตนทนการจดการสนคาคงคลงประกอบไปดวย ตนทนคาใชจายในการสงซอแตละครง น าขอมลมาจากตารางท 3.4 จะปรากฏอยในตารางชองท J31 ตนทนการจดเกบสนคาตลอดทงป น าขอมลมาจากตารางท 3.5 จะปรากฏอยในตารางชองท D32 และตนทนเนองจากการขาดแคลนสนคา จะปรากฏอยในตารางชองท N31 และไดผลลพธในชอง H30 คอตนทนการจดการสนคา คงคลงดงภาพท 4.2

Page 81: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

69

ภาพท 4.2 ตนทนการจดการสนคาคงคลงสนคาของขวด SKU-01

69

Page 82: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

70

จากภาพท 4.2 เปนการแสดงการหาตนทนการจดการสนคาคงคลงทเกดขนในสนคาขวด SKU-01 จากการทดลองดวยตวเลขสมชดท 1 น นมคารวม 1,166,813 บาท และท าตามขนตอน ท 1 ถง ขนตอนท 7 ของสนคาขวดทง 10 ชนด สามารถสรปตามตารางท 4.7

ตารางท 4.7 ตนทนการจดการสนคาของขวด 10 ชนด ในจ านวน 1 รอบ ล าดบ รหส ตนทนการจดการสนคาคงคลง (บาท) 1 SKU-01 926,283 2 SKU-02 714,790 3 SKU-03 147,572 4 SKU-04 84,672 5 SKU-05 1,128,345 6 SKU-06 228,385 7 SKU-07 160,422 8 SKU-10 516,408 9 SKU-15 638,573

10 SKU-20 117,901 รวมมลคา 4,663,351

จากตารางท 4.7 เปนการหาคาของตนทนการจดการสนคาคงคลงขวด 10 ชนดจากการสมตวเลขชดท 1 เทานน เปนมลคารวมอยท 4,663,351 บาท ขนตอนท 8 ท าตารางค านวณตนทนซ าจ านวน N รอบ การท าซ าดวยวธการแบบเดมโดยเปลยนเฉพาะตวเลขสมจากตารางของมลท 4.4 แลว หาคาเฉลยของตนทนการจดการสนคาคงคลงรวมทง 10 รอบ ในแตละรอบไดแสดงไวในตารางท 4.8 เพอวเคราะหความเพยงพอของจ านวนรอบของการสมในขนตอนตอไป ถาจ านวนรอบเพยงพอจะถอวาขอมลทไดมานนมความถกตองสามารถเชอถอได แตถาไมเพยงพอจะตองท าการจ าลองสถานการณเพมตามรอบทไดมาจากการค านวณ ขนตอนท 9 ทดสอบการกระจายตวแบบปกตของตนทนการจดการสนคาคงคลง ทดสอบการกระจายตวของขอมลทง 10 รอบ และก าหนดใหชวงความเชอมนอยท 95% โดยใชขอมลทใชในการทดสอบ จากตารางท 4.8 มาก าหนดอยภายใตสมมตฐานการทดสอบดงน

Page 83: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

71

ก าหนดให H0 : การกระจายตวแบบปกต (Normal Distribution) ก าหนดให H1 : การกระจายตวแบบไมปกต (Non Normal Distribution)

ภาพท 4.3 กราฟแสดงผลการวเคราะหขอมลของโปรแกรม Minitab 14

จากภาพท 4.3 เปนกราฟแสดงผลการวเคราะหขอมลโดยโปรแกรม Minitab 14 ของสนคาขวดรหส SKU-01 ค านวณไดคา P-value เทากบ 0.772 หมายความวาไมสามารถทจะปฏเสธสมมตฐานหลกไดนนคอ ขอมลมการแจกแจงแบบปกตทความเชอมน 95% ท าการทดสอบเชนเดยวกนนกบสนคาขวดทง 10 ชนด แสดงผลดงตารางท 4.8

Page 84: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

72

ตารางท 4.8 ตนทนการจดการสนคาของขวด 10 ชนด ในจ านวน 10 รอบ (บาท) ครงทสม SKU-01 SKU-02 SKU-03 SKU-04 SKU-05 SKU-06 SKU-07 SKU-10 SKU-15 SKU-20

1 926,283 714,790 147,572 84,672 1,128,345 228,385 160,422 516,408 638,573 117,901 2 941,210 733,788 148,998 84,925 1,115,061 223,084 158,793 501,614 633,990 118,431 3 942,803 722,157 148,042 84,499 1,116,404 226,668 161,653 518,648 639,359 119,248 4 929,182 741,491 147,416 84,640 1,121,332 226,085 160,168 516,170 628,160 119,104 5 933,266 730,108 147,403 84,556 1,126,425 229,017 159,952 502,315 634,892 117,716 6 919,510 740,818 148,362 84,690 1,094,737 224,826 159,943 514,159 644,957 117,334 7 921,870 720,397 147,770 84,606 1,131,610 226,502 160,234 508,280 633,072 117,945 8 939,185 744,138 148,565 84,142 1,124,182 223,288 160,419 517,828 632,226 116,492 9 917,541 732,081 147,651 84,493 1,128,424 226,969 160,491 508,869 631,797 118,330

10 931,961 738,039 149,107 84,380 1,118,644 224,588 160,572 506,522 641,013 118,268

72

Page 85: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

73

ตารางท 4.9 การหาคา P-value ของขวด 10 ชนดในจ านวน 10 รอบ ล าดบ รหส คา P-value

1 SKU-01 0.772 2 SKU-02 0.553 3 SKU-03 0.282 4 SKU-04 0.531 5 SKU-05 0.089 6 SKU-06 0.797 7 SKU-07 0.072 8 SKU-10 0.276 9 SKU-15 0.708

10 SKU-20 0.763

จากตารางท 4.9 พบวาขอมลการจดการสนคาคงคลงทง 10 ชนด มคา P-value มากกวาคาความเชอมนท 95% (P-value > 0.05) ดงนนจงไมสามารถปฏเสธสมมตฐานหลก H0 ได เพราะขอมลมการกระจายตวแบบปกตอยในชวงของคาความเชอมน ขนตอนท 10 หาจ านวนรอบทเหมาะสมในการทดลองสม จากการจ าลองสถานการณแบบมอนตคารโลทง 10 รอบในการหาตนทนการจดการสนคาคงคลงนนไมสามารถน าขอมลทไดมาใชในการสรปผลการทดลองได ทางผจดท าโครงงานจงตองท าการค านวณหาคาของขนาดของตวอยางทใชในการทดลองทเหมาะสม ซงสามารถหาจ านวนรอบทเหมาะสมไดดงสมการน

2 2

2( )

Z SN

d

(4.3)

เมอ N = ขนาดของตวอยาง

Z = Confidence Coefficient ซงไดมาจากความเชอมนทก าหนด (1- ) S = สวนเบยงเบนมาตรฐาน d = Precision of Estimation คาความผดพลาดทเรายอมรบได

(โดยท d = 0.05 x คาเฉลยปรมาณความตองการของสนคาแตละรายการ)

Page 86: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

74

การหาขนาดของตวอยางการทดลองโดยคาความแปรปรวนไดมาจากขอมลของการจดการสนคาคงคลงจ านวน 10 จากขอมลท 1 ถง 10 แลวก าหนดคาความเชอมนวาจะมสนคาเพยงพอท 95% โดยแสดงรายละเอยดตามตารางท 4.10

ตารางท 4.10 หาจ านวนรอบทเหมาะสมในการทดลองสมของสนคาขวด 10 ชนด ล าดบ รหส ตนทนเฉลย (บาท/ป) Z=95% สวนเบยงเบนมาตรฐาน (พาเลท) N (รอบ)

1 SKU-01 4,588 1.96 964.74 68 2 SKU-02 3,502 1.96 732.09 67 3 SKU-03 641 1.96 144.23 78 4 SKU-04 366 1.96 80.47 74 5 SKU-05 5,574 1.96 1,427.79 101 6 SKU-06 1,756 1.96 469.56 110 7 SKU-07 679 1.96 181.13 110 8 SKU-10 3,267 1.96 699.39 70 9 SKU-15 3,103 1.96 638.04 65

10 SKU-20 569 1.96 131.09 82

ขนตอนท 11 ใชโปรแกรม Microsoft Excel Solver ในการวเคราะหตนทน การเปรยบเทยบขอมลผลการทดลองทง 10 ชนด โดยใชโปรแกรม Microsoft Excel Solver ในการประมวลผล พจารณาจากผลลพธของการจดการสนคาคงคลง ซงไดแสดงรายละเอยดตางๆ ของตนทน ตามตวอยางของสนคาขวดทแสดงไวดงตารางท 4.12

ตารางท 4.11 รายละเอยดการจดการสนคาคงคลงของสนคาขวด SKU-01 (พาเลท)

เดอน คงคลงตนงวด สงเพม ปรมาณความตองการ

ความตองการทมเพยงพอ

คงคลงเหลอ

สงซอหรอไม

ม.ค. 0 54,408 5,792 5,792 48,616 0 ก.พ. 48,616 0 4,312 4,312 44,304 0 ม.ค. 44,304 0 5,676 5,676 38,628 0 เม.ย. 38,628 0 5,071 5,071 33,557 0

Page 87: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

75

ตารางท 4.11 รายละเอยดการจดการสนคาคงคลงของสนคาขวด SKU-01 (พาเลท) (ตอ)

เดอน คงคลงตนงวด สงเพม ปรมาณความตองการ

ความตองการทมเพยงพอ

คงคลงเหลอ

สงซอหรอไม

พ.ค. 33,557 0 4,225 4,225 29,332 0 ม.ย. 29,332 0 3,511 3,511 25,821 0 ก.ค. 25,821 0 3,439 3,439 22,382 0 ส.ค. 22,382 0 3,476 3,476 18,906 0 ก.ย. 18,906 0 3,288 3,288 15,618 0 ต.ค. 15,618 0 3,573 3,573 12,045 0 พ.ย. 12,045 0 5,374 5,374 6,671 0 ธ.ค. 6,671 0 5,676 5,676 995 1

คงคลงรวม(ชน/ป) 295,880 ตนทนการจดการสนคาคงคลง(บาท) 926,283.15 มลคาการจดเกบ(บาท/ป) 926,104.40 จ านวนครงในการซอ(ครง/ป) 1 มลคารวม(บาท/ป) 24,656.67 มลคาการสงซอ(บาท/ป) 178.75

จากตารางท 4.11 ไดแสดงรายละเอยด การค านวณของสนคาขวด รหส SKU-01 ทมการสง

เพม 0 ครง คดเปนมลคาการสงซอ 178.75 บาทตอป มปรมาณคงคลงรวม 295,880 ชนตอป คดเปนมลคาการจดเกบ 926,104.40 บาทตอป ดงนนผลรวมของการจดการสนคาคงคลงมมลคา 926,283.15บาทตอปเชนกน และไดท าการรวบรวมขอมลของสนคาขวดทงหมด 10 ชนด โดยใชพนฐานเดยวกนในการค านวณ ดงตารางท 4.12

ตารางท 4.12 ตนทนการจดการสนคาคงคลงของการทดลอง

ล าดบ รหส ตนทนการจดการสนคาคงคลง (บาท/ป) 1 SKU-01 930,281 2 SKU-02 731,781 3 SKU-03 148,089 4 SKU-04 84,560 5 SKU-05 1,120,516

Page 88: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

76

ตารางท 4.12 ตนทนการจดการสนคาคงคลงของการทดลอง (ตอ)

ล าดบ รหส ตนทนการจดการสนคาคงคลง (บาท/ป) 6 SKU-06 225,941 7 SKU-07 160,265 8 SKU-10 511,081 9 SKU-15 635,804

รวมมลคา 4,666,395

จากตารางท 4.12 แสดงผลรวมของการทดลอง โดยมมลคาของการจดการสนคาคงคลง ของขวดแตละรายการ ตวอยางเชน ขวดล าดบท1 รหส SKU-01 มมลคารวม 930,281 บาท/ป ขวดล าดบท 2 รหส SKU-02 มมลคารวม 731,781 บาท/ป ตามล าดบ ขนตอนท 12 วเคราะหตนทนการจดการสนคาคงคลง ขนตอนการใชเทคนค Solver ซงเปนเครองมอทอยในโปรแกรม Microsoft Excel ในการ หาปรมาณการสงซอทเหมาะสม โดยใช Microsoft Excel Solver ชวยในการวเคราะหหาจดสงซอและปรมาณการสงซอใหม ทเหมาะสมทท าใหไดตนทนการจดการจดการสนคาคงคลงทมคาต าทสด จากการทดลองสามารถสรปผลการทดลองไดดงตารางท 4.13

ตารางท 4.13 ใชโปรแกรม Microsoft Excel Solver ในการวเคราะหตนทน

ล าดบ รหส ตนทนเฉลย (บาท/ป) 1 SKU-01 927,896 2 SKU-02 728,042 3 SKU-03 149,240 4 SKU-04 84,833 5 SKU-05 1,121,028 6 SKU-06 226,127 7 SKU-07 160,247 8 SKU-10 509,957 9 SKU-15 637,682

Page 89: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

77

ตารางท 4.13 ใชโปรแกรม Microsoft Excel Solver ในการวเคราะหตนทน

ล าดบ รหส ตนทนเฉลย (บาท/ป) 10 SKU-20 117,853

รวมมลคา 4,662,905

จากตารางท 4.13 แสดงตนทนรวมของการใชโปรแกรม Microsoft Excel Solver ของขวด10ชนด ตวอยางเชน ขวดล าดบท 1 รหส SKU-01 มมลคารวม 927,896 บาทตอป ขวดล าดบท 2 รหส SKU-02 มมลคารวม 728,042 บาทตอป ขวดล าดบท 3 รหส SKU-03 มมลคารวม 149,240 บาทตอป ซงมตนทนรวม 4,662,905 บาท

4.2 พยากรณการสงขวดบรรจภณฑแบบ Winter's method โดยใชโปรแกรม Minitab 14 จากการวเคราะหความตองการขวดบรรจภณฑทงหมด 10 ชนด ผจดท าโครงงานไดท าการตรวจสอบขอมลเบองตนพบวาขอมลมความเหมาะสมกบการพยากรณแบบ Winter’s method โดยใชโปรแกรม Minitab 14 ในการประมวลผล ดงภาพ 4.4 โดยผจดท าเลอกใชคา 𝛼 = 0.2 , 𝛾 = 0.2 , β = 0.2 (ณทธร ทบญ และ เจษฏา เยนจะบก, 2550) แตในโปรแกรม Minitab 14 จะใช δ แทน β

ภาพท 4.4 กราฟแสดงผลการพยากรณขอมลของขวดรหส SKU-01 โปรแกรม Minitab 14

Page 90: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

78

ซงผจดท าโครงงานไดท าการพยากรณความตองขวดบรรจภณฑทงหมด 10 ชนด ในป พ.ศ. 2561 โดยใชโปรแกรม Minitab 14 ในการพยากรณ ใชแถบเมนค าสง Stat > Time series > Winter’s method ซงใชขอมลยอนหลง 3 ป และไดผลการพยากรณแสดงดงตารางท 4.14

ตารางท 4.14 ผลการพยากรณความตองการขวดบรรจภณฑ 10 ชนด ในป 2561 (พาเลท) ล าดบ รหส ม.ค. ก.พ. ม.ค. เม.ย. พ.ค. ม.ย. ก.ค. ส.ค. ก.ย.

1 SKU-01 5,820 4,564 5,892 5,272 4,307 3,670 3,701 3,667 3,623 2 SKU-02 3,624 4,516 4,258 3,295 2,784 2,900 3,098 3,241 2,851 3 SKU-03 474 560 621 643 599 603 633 667 715 4 SKU-04 280 319 356 355 332 335 360 371 410 5 SKU-05 7,109 6,768 7,076 5,634 6,189 5,130 3,134 4,123 3,865 6 SKU-06 2,429 1,707 1,835 2,095 1,948 1,913 1,075 1,269 1,259 7 SKU-07 487 584 602 642 615 613 635 692 742 8 SKU-10 3,939 3,652 3,686 3,908 3,623 3,628 2,323 2,410 2,405 9 SKU-15 3,673 3,198 2,858 3,961 3,379 2,853 2,555 2,604 2,489 10 SKU-20 733 546 581 731 552 547 458 418 458

4.3 เปรยบเทยบตนทนการจดการสนคาคงคลงของขวดบรรจภณฑระหวางวธการจ าลอง

สถานการณแบบมอนตคารโลและ การพยากรณแบบ Winter's method เพอแสดงความตองการขวดบรรจภณฑ ผจดท าโครงงานไดท าการเกบขอมลความตองการขวดบรรจภณฑระหวางเดอน ม.ค. ถง ก.ย. ป พ.ศ.2561 ดงตารางท 4.15

ตารางท 4.15 ความตองการขวดบรรจภณฑระหวางเดอน ม.ค. ถง ก.ย. ป พ.ศ.2561 (พาเลท) ล าดบ รหส ม.ค. ก.พ. ม.ค. เม.ย. พ.ค. ม.ย. ก.ค. ส.ค. ก.ย. รวม

1 SKU-01 5,980 5,443 6,440 5,732 4,625 4,275 4,043 4,226 3,843 44,607 2 SKU-02 3,790 4,673 4,363 3,533 2,976 3,289 3,268 3,359 2,767 32,018 3 SKU-03 497 540 597 652 681 682 689 684 674 5,696 4 SKU-04 294 305 361 366 347 350 385 397 387 3,192 5 SKU-05 7,336 6,946 7,383 5,971 6,469 5,638 3,583 4,254 3,956 51,536 6 SKU-06 2,558 2,099 2,066 2,438 2,088 2,192 1,160 1,325 1,241 17,167 7 SKU-07 451 541 635 670 629 617 629 710 705 5,587

Page 91: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

79

ตารางท 4.15 ความตองการขวดบรรจภณฑระหวางเดอน ม.ค. ถง ก.ย. ป พ.ศ.2561 (พาเลท) (ตอ)

8 SKU-10 4,286 3,988 3,984 4,288 3,914 3,918 2,489 2,583 2,542 31,992 9 SKU-15 3,974 3,503 2,986 4,288 3,714 3,122 2,791 2,805 2,414 29,597 10 SKU-20 764 556 601 723 561 558 444 417 446 5,070

4.3.1 สรปผลทไดจากการจ าลองสถานการณแบบมอนตคารโลกบความตองการขวดบรรจ

ภณฑจรงในป พ.ศ. 2561 โดยผจดท าโครงงานไดวเคราะหผลและน ามาวางแผนในการสงไดดงตาราง 4.16

Page 92: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

80

ตารางท 4.16 ตารางสรปผลทไดจากการจ าลองสถานการณแบบมอนตคารโลกบความตองการขวดบรรจภณฑจรงในป พ.ศ. 2561 (พาเลท)

ล าดบ รหส ม.ค. ก.พ. ม.ค. เม.ย. พ.ค. ม.ย. ก.ค. ส.ค. ก.ย. รวม ปรมาณการใชจรง

คงเหลอ

1 SKU-01 6,504 5,097 6,571 5,871 4,793 4,079 4,108 4,066 3,971 45,060 44,607 453

2 SKU-02 3,655 4,554 4,293 3,323 2,806 2,923 3,120 3,260 2,864 30,798 32,018 286 3 SKU-03 452 538 600 624 580 584 612 644 686 5,320 5,696 82 4 SKU-04 268 310 349 349 327 330 353 364 400 3,050 3,192 26 5 SKU-05 7,238 6,869 7,165 5,692 6,235 5,157 3,142 4,126 3,860 49,484 51,536 228 6 SKU-06 2,572 1,805 1,940 2,211 2,057 2,017 1,132 1,335 1,323 16,392 17,167 91 7 SKU-07 458 560 584 626 602 600 622 677 723 5,452 5,587 57 8 SKU-10 4,441 4,113 4,140 4,371 4,045 4,043 2,583 2,670 2,660 33,066 31,992 122 9 SKU-15 3,720 3,236 2,890 4,001 3,406 2,873 2,568 2,615 2,493 27,802 29,597 381

10 SKU-20 750 559 594 747 562 557 467 426 466 5,128 5,070 58 รวม 228,246 226,462 1,784

80

Page 93: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

81

จากตารางท 4.16 เมอใชเทคนคการจ าลองสถานการณแบบมอนตคารโลมาวเคราะหกบยอดการสงซอขวดบรรจภณฑจรงในป พ.ศ.2561 ซงท าใหเกดตนทนการจดการสนคาคงคลงรวมทงสน 13,494,584 บาท ดงตารางท 4.17

ตารางท 4.17 ตารางแสดงตนทนการจดการสนคาคงคลงการจ าลองสถานการณแบบมอนตคารโล

ล าดบ รหส ตนทนการจดการสนคาคงคลง (บาท/ป) 1 SKU-01 3,322,755 2 SKU-02 1,631,630 3 SKU-03 421,029 4 SKU-04 133,497 5 SKU-05 3,775,680 6 SKU-06 1,172,080 7 SKU-07 292,667 8 SKU-10 894,870 9 SKU-15 1,552,575 10 SKU-20 297,801

รวมมลคา 13,494,584

4.3.2 สรปผลทไดจากการพยากรณแบบ Winter's method กบความตองการขวดบรรจภณฑจรงในป พ.ศ. 2561 โดยผจ ดท าโครงงานไดวเคราะหผลการพยากรณการยอดการสงซอขวด บรรจภณฑ จรง ในป พ .ศ. 2561 ซ งท าให เกดตน ทนการจดการสนคาคงคลงรวมท ง สน 16,094,570.11 บาท ดงตารางท 4.18 ตารางท 4.18 ตารางแสดงตนทนการจดการสนคาคงคลงจากการพยากรณแบบ Winter’s method

ล าดบ รหส คงเหลอ (พาเลท) ตนทนการจดการสนคาคงคลง (บาท/ป) 1 SKU-01 -4,587 4,522,987.00 2 SKU-02 -1,738 1,606,431.82 3 SKU-03 -263 200,429.32

Page 94: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

82

ตารางท 4.18 ตารางแสดงตนทนการจดการสนคาคงคลงจากการพยากรณแบบ Winter’s method (ตอ)

ล าดบ รหส คงเหลอ (พาเลท) ตนทนการจดการสนคาคงคลง (บาท/ป) 4 SKU-04 -101 82,870.37 5 SKU-05 -2,735 2,773,129.10 6 SKU-06 -1,729 1,811,594.82 7 SKU-07 -32 130,108.23 8 SKU-10 -2,539 2,673,334.72 9 SKU-15 -2,409 2,243,045.42

10 SKU-20 -71 50,639.32 รวมมลคา 16,094,570.11

4.3.3 เปรยบเทยบตนทนการจดการสนคาคงคลงของขวดบรรจภณฑระหวางวธการจ าลองสถานการณแบบมอนตคารโลและ การพยากรณแบบ Winter's method ไดตามตารางท 4.19

ตารางท 4.19 ตารางแสดงการเปรยบเทยบตนทนการจดการสนคาคงคลงระหวางวธการจ าลองสถานการณแบบมอนตคารโลและ การพยากรณแบบ Winter's method (บาท/ป)

ล าดบ รหส ตนทนการจดการสนคาคงคลงจากการจ าลองสถานการณแบบมอนตคารโล

ตนทนการจดการสนคาคงคลงจากการพยากรณแบบ Winter’s method

1 SKU-01 3,322,755 4,522,987 2 SKU-02 1,631,630 1,606,431.82 3 SKU-03 421,029 200,429.32 4 SKU-04 133,497 82,870.37 5 SKU-05 3,775,680 2,773,129.10 6 SKU-06 1,172,080 1,811,594.82 7 SKU-07 292,667 130,108.23 8 SKU-10 894,870 2,673,334.72

Page 95: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

83

ตารางท 4.19 ตารางแสดงการเปรยบเทยบตนทนการจดการสนคาคงคลงระหวางวธการจ าลองสถานการณแบบมอนตคารโลและ การพยากรณแบบ Winter's method (บาท/ป) (ตอ)

ล าดบ รหส ตนทนการจดการสนคาคงคลงจากการจ าลองสถานการณแบบมอนตคารโล

ตนทนการจดการสนคาคงคลงจากการพยากรณแบบ Winter’s method

9 SKU-15 1,552,575 2,243,045.42 10 SKU-20 297,801 50,639.32

รวม 13,494,584 16,094,570.11 จากตารางท 4.19 พบวาเมอเปรยบเทยบตนทนการจดการสนคาคงคลงรวมจากการจ าลอง

สถานการณแบบมอนตคารโล มมลคาตนทนการจดการสนคาคงคลงนอยกวาการพยากรณแบบ Winter's method 2,599,986.11 บาท ผ จ ดท าโครงงานจงเลอกวธการจ าลองสถานการณแบบ มอนตคารโลมาวเคราะหกบการจดการสนคาคงคลงแบบเกามาเปรยบเทยบกน ดงตารางท 4.20

ตารางท 4.20 ตารางแสดงสรปเปรยบเทยบตนทนกอนและหลงการศกษา (บาท) ล าดบ รหส ตนทนกอนการศกษา ตนทนหลงการศกษา ตนทนทลดได (%)

1 SKU-01 12,711,555 3,322,755 73.94 2 SKU-02 7,661,815 1,631,630 78.71 3 SKU-03 1,427,391 421,029 70.51 4 SKU-04 770,175 133,497 82.67 5 SKU-05 42,807,600 3,775,680 91.18 6 SKU-06 9,415,280 1,172,080 87.55 7 SKU-07 1,365,777 292,667 78.58 8 SKU-10 9,212,760 894,870 90.29 9 SKU-15 5,717,225 1,552,575 72.85

10 SKU-20 1,109,052 297,801 73.16 รวม 92,198,630 13,494,584 85.37

Page 96: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

84

จากตารางท 4.20 แสดงการเปรยบเทยบตนทนกอนและหลงการศกษา จากการน าวธการจ าลองสถานการณ แบบมอนตคารโล มาเป รยบ เท ยบกบตน ทน กอนการศกษา พบวา สามารถลดตนทนการจดการสนคาคงคลงไดทงหมด 78,745,582 บาทตอป และคดเปนสดสวน 85.37 % ตอป

Page 97: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

บทท5

สรปผลการด าเนนโครงงาน และขอเสนอแนะ

บรษททเปนกรณศกษานประสบปญหาดานตนทนการจดการสนคาคงคลงสง เนองจาก

ความตองการของลกคามความไมแนนอน จงตองถอครองวตถดบคงคลงเปนจ านวนมาก บรษท

กรณศกษาเปนบรษทผลตเครองดมทมแอลกอฮอลและไมมแอลกอฮอล โดยในการผลตเครองดม

จ าเปนตองมการใชขวดบรรจเครองดมหลายขนาดในปรมาณมาก จากการวเคราะหปรมาณการสง

ขวดเพอใชผลตเครองดมทงหมด 22 ชนด ผจดท าโครงงานพบวาปรมาณการเบกใชขวด 10 ชนดทม

ความไมแนนอนและมปรมาณการสงซอทไมเหมาะสม ท าใหเกดสนคาคงคลงในปจจบนมมลคาสง

ถง 92,198,630 บาท ผจดท าโครงงานจงเสนอเทคนคการจ าลองสถานการณแบบมอนตคารโล และ

วธการพยากรณปรมาณการใชขวดบรรจภณฑ

5.1 สรปผลการด าเนนโครงงาน

จากขนตอนการด าเนนการศกษา และการเกบขอมลปรมาณความตองการขวดบรรจภณฑ

จรงของป พ.ศ.2561 ผจดท าโครงงานพบวาเทคนคการจ าลองสถานการณแบบมอนตคารโลมตนทน

การจดการสนคาคงคลงรวมเปน 13,494,584 บาท และวธการพยากรณแบบ Winter’s method โดย

ใชโปรแกรม Minitab14 ในการประมวลผล มตนทนการจดการสนคาคงคลงรวมท ง สน

16,094,570.11 บาท ซงวธการจ าลองสถานการณแบบมอนตคารโลมตนทนทต ากวา ผจ ดท า

โครงงานจงน าวธการจ าลองสถานการณแบบมอนตคารโลมาวเคราะหกบการจดการสนคาคงคลง

แบบเกาทใชปฏบตในปจจบนมาเปรยบเทยบกนพบวาสามารถลดตนทนการจดการสนคาคงคลงได

ถง 78,745,582 บาทตอป คดเปนสดสวนเปน 85.37 % ตอป

5.2 ขอเสนอแนะ

5.2.1 ในการจ าลองสถานการณแบบมอนตคารโลควรมการศกษา และลองวเคราะหนโยบาย

อนๆ ในการสงซอเพอผลการศกษาทดขน

Page 98: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

86

5.2.2 วธการปรมาณการสงซอในโครงงานนใชเพยง 2 วธแตในความเปนจรงมอกหลายวธ

เชน วธฮวรสตกส เปนตน ดงนนจงควรพจารณาหลายๆ เมอใชในการเปรยบเทยบ

5.2.3 โครงงานฉบบนพจารณาเฉพาะวตถดบทมคาสมประสทธของความแปรผนทมากกวา

0.2 เทานน แตในความเปนจรงอาจพจารณาทกสนคา เพอผลลพธทดขน

Page 99: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

ภาคผนวก ก

Page 100: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

91

ตารางท ก.1 เปรยบเทยบแผนการสงกบปรมาณการใชขวดบรรจภณฑในป พ.ศ. 2560 ทงหมด 22 ชนด

รหส แผนการสง ปรมาณการใช คงเหลอ ราคา/พาเลท ราคารวม ดอกเบย คดดอกเบย ตนทนรวมการจดเกบ เปอรเซนการใช ราคาเฉลยแบบถวงน าหนก

SKU-01 56,786 55,048 1,738 7,335 12,748,230 0.06025 442 480 11.21% 822.32

SKU-02 43,370 42,027 1,343 5,705 7,661,815 0.06025 344 381 8.56% 488.30

SKU-03 7,971 7,693 278 5,135 1,427,391 0.06025 309 347 1.57% 80.44

SKU-04 4,539 4,389 150 5,135 770,175 0.06025 309 347 0.89% 45.89

SKU-05 69,476 66,891 2,585 16,560 42,807,600 0.06025 998 1,035 13.62% 2,255.94

SKU-06 21,799 21,068 731 12,880 9,415,280 0.06025 776 814 4.29% 552.64

SKU-07 8,408 8,142 266 5,135 1,365,777 0.06025 309 347 1.66% 85.14

SKU-08 4,939 4,867 72 4,075 293,400 0.06025 246 283 0.99% 40.39

SKU-09 4,684 4,570 114 5,705 650,370 0.06025 344 381 0.93% 53.10

SKU-10 40,462 39,206 1,256 7,335 9,212,760 0.06025 442 480 7.98% 585.67

SKU-11 27,179 27,021 158 4,075 643,850 0.06025 246 283 5.50% 224.25

SKU-12 4,718 4,660 58 4,075 236,350 0.06025 246 283 0.95% 38.67

91

Page 101: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

92

ตารางท ก.1 เปรยบเทยบแผนการสงกบปรมาณการใชขวดบรรจภณฑในป พ.ศ. 2560 ทงหมด 22 ชนด (ตอ)

รหส แผนการสง ปรมาณการใช คงเหลอ ราคา/พาเลท ราคารวม ดอกเบย คดดอกเบย ตนทนรวมการจดเกบ เปอรเซนการใช ราคาเฉลยแบบถวงน าหนก

SKU-13 489 437 52 5,135 266,994 0.06025 309 347 0.09% 4.57

SKU-14 715 695 20 5,135 102,690 0.06025 309 347 0.14% 7.27

SKU-15 38,637 37,234 1,403 4,075 5,717,225 0.06025 246 283 7.58% 309.01

SKU-16 47,649 47,463 186 4,075 757,950 0.06025 246 283 9.67% 393.90

SKU-17 35,895 35,760 135 5,705 770,175 0.06025 344 381 7.28% 415.48

SKU-18 1,443 1,433 10 5,705 57,050 0.06025 344 381 0.29% 16.65

SKU-19 27,084 26,918 166 7,335 1,217,610 0.06025 442 480 5.48% 402.11

SKU-20 7,046 6,830 216 5,135 1,109,052 0.06025 309 347 1.39% 71.42

SKU-21 24,048 23,924 124 5,705 707,420 0.06025 344 381 4.87% 277.96

SKU-22 24,898 24,745 153 4,075 623,475 0.06025 246 283 5.04% 205.36

รวม 502,235 491,021 11,214

98,562,639

100.00% 7,376.48

92

Page 102: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

93

ภาพท ก.1 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-01 ในป พ.ศ. 2558 - พ.ศ.2560

ภาพท ก.2 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-02 ในในป พ.ศ. 2558 - พ.ศ.2560

Page 103: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

94

ภาพท ก.3 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-03 ในป พ.ศ. 2558 - พ.ศ.2560

ภาพท ก.4 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-04 ในในป พ.ศ. 2558 - พ.ศ.2560

Page 104: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

95

ภาพท ก.5 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-05 ในป พ.ศ. 2558 - พ.ศ.2560

ภาพท ก.6 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-06 ในป พ.ศ. 2558 - พ.ศ.2560

Page 105: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

96

ภาพท ก.7 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-07 ในป พ.ศ. 2558 - พ.ศ.2560

ภาพท ก.8 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-10 ในป พ.ศ. 2558 - พ.ศ.2560

Page 106: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

97

ภาพท ก.9 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-11 ในป พ.ศ. 2558 - พ.ศ.2560

ภาพท ก.10 กราฟปรมาณความตองการขวดบรรจภณฑโดยโปรแกรม Minitab 14 ของ SKU-20 ในป พ.ศ. 2558 - พ.ศ.2560

Page 107: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

98

ภาพท ก.11 กราฟแสดงผลการวเคราะหขอมลของ SKU-01 โดยโปรแกรม Minitab 14

ภาพท ก.12 กราฟแสดงผลการวเคราะหขอมลของ SKU-02 โดยโปรแกรม Minitab 14

Page 108: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

99

ภาพท ก.13 กราฟแสดงผลการวเคราะหขอมลของ SKU-03 โดยโปรแกรม Minitab 14

ภาพท ก.14 กราฟแสดงผลการวเคราะหขอมลของ SKU-04 โดยโปรแกรม Minitab 14

Page 109: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

100

ภาพท ก.15 กราฟแสดงผลการวเคราะหขอมลของ SKU-05 โดยโปรแกรม Minitab 14

ภาพท ก.16 กราฟแสดงผลการวเคราะหขอมลของ SKU-06 โดยโปรแกรม Minitab 14

Page 110: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

101

ภาพท ก.17 กราฟแสดงผลการวเคราะหขอมลของ SKU-07 โดยโปรแกรม Minitab 14

ภาพท ก.18 กราฟแสดงผลการวเคราะหขอมลของ SKU-08 โดยโปรแกรม Minitab 14

Page 111: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

102

ภาพท ก.19 กราฟแสดงผลการวเคราะหขอมลของ SKU-15 โดยโปรแกรม Minitab 14

ภาพท ก.20 กราฟแสดงผลการวเคราะหขอมลของ SKU-20 โดยโปรแกรม Minitab 14

Page 112: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

103

ภาพท ก.21 กราฟการพยากรณ SKU-01 โดยโปรแกรม Minitab14

ภาพท ก.22 กราฟการพยากรณ SKU-02 โดยโปรแกรม Minitab14

Page 113: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

104

ภาพท ก.23 กราฟการพยากรณ SKU-03 โดยโปรแกรม Minitab14

ภาพท ก.24 กราฟการพยากรณ SKU-04 โดยโปรแกรม Minitab14

Page 114: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

105

ภาพท ก.25 กราฟการพยากรณ SKU-05 โดยโปรแกรม Minitab14

ภาพท ก.26 กราฟการพยากรณ SKU-06 โดยโปรแกรม Minitab14

Page 115: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

106

ภาพท ก.27 กราฟการพยากรณ SKU-07 โดยโปรแกรม Minitab14

ภาพท ก.28 กราฟการพยากรณ SKU-10 โดยโปรแกรม Minitab14

Page 116: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

107

ภาพท ก.29 กราฟการพยากรณ SKU-15 โดยโปรแกรม Minitab14

ภาพท ก.30 กราฟการพยากรณ SKU-20 โดยโปรแกรม Minitab14

Page 117: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

บรรณานกรม

ภาษาไทย กาญจนะ วจตร. การจดท าความรวมมอในการสง ซอและเตมทดแทนวตถดบ กรณศกษา : อตสาหกรรมยานยนต. วทยานพนธวทยาศาสตรมหาบณฑต สาขาวชาการจดการ การ ขนสงและโลจสตกส บณฑตวทยาลย มหาวทยาลยบรพา, 2549. กตต แสงเดอน. การศกษาหาปรมาณการสงแบบประหยดสาหรบสนคาคงคลงหลายชนดทม หลาย ขอจ ากดเชงสมรรถภาพรวมกนและมปรมาณความตองผนแปรตามเวลา. วทยานพนธ วศวกรรมศาสตรมหาบณฑต สาขาวชาวศวกรรมอตสาหการ บณฑต วทยาลย มหาวทยาลยเกษตรศาสตร, 2539. กตตศกด พลอยพานชเจรญ. การวเคราะหความสามารถของ กระบวนการ: Process Capability Analysis (PCA). กรงเทพฯ: สมาคมสง เสรมเทคโนโลย (ไทย-ญปน), 2551. กตตศกด มวงเงน. การประเมณความเชอถอไดในระบบไฟฟาก าลงขนาดใหญดวยวธการ จ าลอง เหตการณแบบมอนตคารโล . วทยานพนธวศวกรรมศาสตรมหาบณฑต สาขาวชาการ จดการทางวศวกรรม บณฑตวทยาลย จฬาลงกรณมหาวทยาลย, 2541. คณนทร ธรภาพโอฬาร. “การวเคราะหระบบพสดคงคลงทมอปสงคและชวงเวลาน าไมแนนอน โดย ใชการจ าลองแบบมอนตคารโล”. วารสารวทยาศาสตรบรพา. (2539) : 99-120. ค านาย อภปรชญาสกล. โลจสตกสและการจดการซพพลายเชน : กลยทธท าใหรวยชวยให ประหยด. กรงเทพฯ : นฎพรการพมพ, 2546. จตพล เหมอนศรชย . การหาปรมาณการสงซอวตถดบทเหมาะสมภายใตความไมแนนอนดวย วธการจ าลองสถานการณแบบมอนตคารโลการหาปรมาณการสงซอวตถดบท เหมาะสม ภายใตความไมแนนอน. วทยานพนธวศวกรรมศาสตรมหาบณฑต สาขาวชาวศวกรรมอต สาหการ ภาควชาวศวกรรมอตสาหการ บณฑตวทยาลย มหาวทยาลยเทคโนโลยพระจอม เกลาพระนครเหนอ, 2551. จรฎฐ สงวฒนา. การใชแบบจ าลองในการหาปรมาณการสงซอทเหมาะสมสาหรบสนคาของแผนก ผกสด : กรณศกษาธรกจคาปลกสมยใหม. วทยานพนธวทยาศาสตรมหาบณฑต สาขาวชา การจดการการขนสงและโลจสตกส บณฑตวทยาลย มหาวทยาลยบรพา, 2548.

Page 118: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

88

ฑตฐตา เรองโหนง. การประยกตเทคนคการจ าลองสถานการณแบบมอนตคารโลส าหรบหานโยบายปรมาณการสงซอและจดสงซอทเหมาะสม กรณศกษา : บรษทผลตลกกลงล าเลยงและอปกรณขบสายพาน. วทยานพนธวศวกรรมศาสตรมหาบณฑต มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ, 2553

ชนนทร บวแกว. ระบบพสดคงคลงสาหรบอะไหลซอมบ ารง : กรณศกษาโรงงานผลต ปนซเมนต. วทยานพนธวศวกรรมศาสตรมหาบณฑต สาขาวชาวศวกรรมอตสาหการ ภาควชา วศวกรรมอตสาหการ บณฑตวทยาลย จฬาลงกรณมหาวทยาลย, 2541. ณทธร ทบญ และ เจษฏา เยนจะบก . การจดสรรทรพยากรเพอการผลตโดยใชตวแบบทาง

คณตศาสตร: กรณศกษา โรงงานผลตชนสวนรถยนต. งานวจยวศวกรรมศาสตรบณฑต ภาควชาวศวกรรมอตสาหการ มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ, 2550.

ทวพงษ กตตกล. การพยากรณและการหาปรมาณการสงซอทเหมาะสมเพอเปนแนวทางใน การ จดเกบอะไหลสนเปลองหลก ของเครองสบนาประเภทแรงเหวยงหนศนย. สารนพนธ วศวกรรมศาสตรมหาบณฑต สาขาวชาวศวกรรมการจดการอตสาหกรรม ภาควชา วศวกรรมอตสาหการ บณฑตวทยาลย มหาวทยาลยเทคโนโลยพระจอมเกลาพระนคร เหนอ, 2551. นรนดร เลาสกล. การประมาณราคากอสรางอโมงคและงานทอรอยสายไฟฟาใตดนดวยวธ แบบจ าลองมอนตคารโล . วทยานพนธวศวกรรมศาสตรมหาบณฑต สาขาวชา วศวกรรมไฟฟา ภาควชาวศวกรรมศาสตร มหาวทยาลยธรรมศาสตร, 2545. นอร ไชยพรพฒนา . การเปรยบเทยบคณภาพของวธการวดคะแนนพฒนาการโดยโมเดลโคง พฒนาการทมตวแปรแฝงเปนเกณฑ : กรณศกษาแบบมอนตคารโล. วทยานพนธ ครศาสต รมหาบณฑต สาขาวชาการวดประเมนผลการศกษา ภาควชาวจยและ จตวทยาการศกษา คณะครศาสตร จฬาลงกรณมหาวทยาลย, 2549. พนดา พานชกล.(2546). คมภรการวเคราะหและออกแบบระบบ.กรงเทพฯ: เคทพ คอมพ แอนด

คอนซลท, 2546.

พภพ ลลตาภรณ. การบรหารพสดคงคลง. กรงเทพฯ : สมาคมสงเสรมเทคโนโลย (ไทย- ญปน) : 2552. รชฎ ยนยงพทธกาล. การปรบปรงประสทธภาพการพยากรณเพอก าหนดระดบสนคาคงคลงท เหมาะสม. วทยานพนธวทยาศาสตรมหาบณฑต สาขาวชาการจดการการขนสงและ โลจ สตกส บณฑตวทยาลย มหาวทยาลยบรพา, 2550.

Page 119: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

89

ศรพร ตงวบลยพาณชย. การปรบปรงการควบคมวสดคงคลง : กรณศกษาอตสาหกรรมการ ผลต คอยล. วทยานพนธวศวกรรมศาสตรมหาบณฑต สาขาวชาวศวกรรมอตสาหการ ภาควชา วศวกรรมอตสาหการ บณฑตวทยาลย มหาวทยาลยเทคโนโลยพระจอมเกลา พระนคร เหนอ, 2548. แววดาว พนสวน. การศกษาการพยากรณแบบอนกรมเวลา (Time Series) เพอการวางแผนการผลต

กรณศกษา : บรษท เอส บอตสาหกรรมเครองเรอน จ ากด. สารนพนธวศวกรรมศาสตรมหาบณฑต สาขาวชาวศวกรรมการจดการอตสาหกรรม บณฑตวทยาลย สถาบนเทคโนโลยพระจอมเกลาพระนครเหนอ, 2550.

วชรพงษ นยมพงษ. การวเคราะหราคาตนทนและผลก าไรของระบบไฟฟาก าลงในสภาวะลอแหลม ดวยเทคนคการจ าลองเหตการณแบบมอนตคารโล. วทยานพนธวศวกรรมศาสตรมหา บณฑต สาขาวชาวศวกรรมไฟฟา ภาควชาวศวกรรมศาสตรสถาบนเทคโนโลยพระจอมเกลาพระนครเหนอ, 2549.

สมฤทธ ดวงศร. การวเคราะหปรมาณการสงซอทเหมาะสมเพอลดคาใชจายในการจดการ สนคาคง คลง กรณศกษา : การวางแผนความตองการลกรด . วทยานพนธวศวกรรมศาสตรมหา บณฑต สาขาวชาวศวกรรมการจดการอตสาหการ ภาควชาวศวกรรม อตสาหการ บณฑต วทยาลย มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ, 2551. สรสทธ จรสเพชร. การบรหารสนคาคงคลงทมความตองการไมแนนอน กรณศกษา : สถาน บรการ บรรจกาซสาหรบรถยนต. วทยานพนธวทยาศาสตรมหาบณฑต สาขาวชาการ จดการการ ขนสงและโลจสตกส บณฑตวทยาลย มหาวทยาลยบรพา, 2550.

ภาษาองกฤษ Jay Heizer,Barry Render and Chuck Munson. Operation management;sustainability and supply

chain management. Pearson Education,Inc, 2017.

Page 120: The Comparison by Applying Monte Carlo Simulation ...cite.dpu.ac.th/upload/content/files/Project MLE60/CITE_โลจิสติกส์... · The Comparison by Applying Monte Carlo

108

ประวตผวจย

ชอ นาย กนกศกด ศรจนทร หวขอโครงงาน การเปรยบเทยบการประยกตใชเทคนคการจ าลอง

สถานการณแบบมอนตคารโล กบวธการพยากรณแบบ วนเทอร เพอลดตนทนการจดการสนคาคงคลง กรณศกษา : โรงงานผลตเครองดม

สาขาวชา วศวกรรมการจดการ และโลจสตกส ประวต

ประวตสวนตว เกดเมอวนท 16 ธนวาคม พ.ศ. 2539 ทอยปจจบน เลขท 24/1 ม.2 ต.ไรใหมพฒนา อ.ชะอ า จ.เพชรบร

ประวตการศกษา จบจากโรงเรยนวงไกลกงวล อ.หวหน จ.ประจวบครขนธ ป2556 ประวตการฝกกงาน 2561-สถานประกอบการ บรษทบญรอดบรวเวอร จ ากด แผนกการ

วางแผน และพฒนาดานโลจสตกส

ชอ นาย อดมทรพย พลสวสด หวขอโครงงาน การเปรยบเทยบการประยกตใชเทคนคการจ าลอง

สถานการณแบบมอนตคารโล กบวธการพยากรณแบบ วนเทอร เพอลดตนทนการจดการสนคาคงคลง กรณศกษา : โรงงานผลตเครองดม

สาขาวชา วศวกรรมการจดการ และโลจสตกส ประวต

ประวตสวนตว เกดเมอวนท 5 ตลาคม พ.ศ. 2537 ทอยปจจบน 2 ซอยงามวงศวาน25 แยก18 ต าบล บางเขน อ าเภอ เมอง นนทบร 11000

ประวตการศกษา จบจากโรงเรยน เซนตคาเบรยล กรงเทพมหานคร พ.ศ. 2555 ประวตการฝกกงาน 2561-สถานประกอบการ บรษทบญรอดบรวเวอร จ ากด แผนกการ

วางแผน และพฒนาดานโลจสตกส