Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/35960
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | กมลชนก สุทธิวาทนฤพุฒิ | - |
| dc.contributor.author | ปองภพ ศรีสวัสดิ์สกุล | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย | - |
| dc.date.accessioned | 2013-09-24T00:43:25Z | - |
| dc.date.available | 2013-09-24T00:43:25Z | - |
| dc.date.issued | 2554 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/35960 | - |
| dc.description | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554 | en_US |
| dc.description.abstract | วัตถุประสงค์ของงานวิจัยชิ้นนี้ เพื่อศึกษาการเปรียบเทียบเทคนิคการพยากรณ์ยอดขายของธุรกิจค้าส่งเสื้อผ้าสำเร็จรูปนำเข้าขนาดเล็กกิจการเดียว ด้วยเทคนิคการพยากรณ์อนุกรมเวลาเชิงปริมาณ 4 รูปแบบดังนี้ วิธีนาอีฟสำหรับข้อมูลอนุกรมแนวโน้มและฤดูกาล, วิธีปรับเรียบเอกซ์โพเนนเชียลของวินเทอร์, วิธีแยกส่วนประกอบอนุกรมเวลา และวิธีวิเคราะห์การถดถอย โดยนำเอาข้อมูลอนุกรมเวลารายเดือนของยอดขายธุรกิจย้อนหลัง 60 เดือน (ม.ค.2549-ธ.ค. 2553) มาทำตรวจสอบข้อมูลด้วยการวิเคราะห์ค่าสัมประสิทธิ์สหสัมพันธ์แบบออโต พบว่าข้อมูลชุดนี้มีปัจจัยแนวโน้มและฤดูกาลประกอบอยู่ จากนั้นทำการศึกษาวิธีการพยากรณ์ทั้ง 4 วิธี และจะทำวัดค่าความถูกต้องของผลพยากรณ์ที่ได้ด้วยวิธีส่วนเบี่ยงเบนสัมบูรณ์เฉลี่ย, ค่าความคลาดเคลื่อนกำลังสองเฉลี่ย และเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย ที่ให้ค่าต่ำที่สุด นั่นหมายความว่าวิธีการพยากรณ์นั้นมีความเหมาะสมมากที่สุด ผลการศึกษาพบว่าวิธีแยกส่วนประกอบเป็นวิธีการพยากรณ์ที่เหมาะสมที่สุดกับอนุกรมเวลาชุดนี้ จากนั้นนำเอาวิธีพยากรณ์ดังกล่าวไปพยากรณ์ยอดขายล่วงหน้า 12 เดือน เพื่อนำไปเปรียบเทียบกับยอดขายที่เกิดขึ้นจริงในช่วงเดือนมกราคม-ธันวาคม 2554 เพื่อวัดความแม่นยำในการพยากรณ์ โดยใช้เปอร์เซ็นต์ความคลาดเคลื่อนสมบูรณ์เฉลี่ยเป็นค่าวัดความถูกต้องของการพยากรณ์ | en_US |
| dc.description.abstractalternative | The main objective of this study was to compare for the best forecasting model for a case study: a small import wholesale clothing business using Naïve for trend and seasonal series, Winters’ Exponential Smoothing Methods, Time Series Decomposition and a Deterministic or Causal Techniques: Regression Analysis. Monthly Sales in year 2006-2010 were examined. This study reveals that all these sales data are influenced by trend and seasonal variation at the .05 level of significance using autocorrelation analysis. The suitable forecasting method was chosen by considering the smallest value of mean absolute deviation (MAD), mean square error (MSE) and mean absolute percentage error (MAPE). The results of the study show that Time Series Decomposition was the best method. Then using Time Series Decomposition to forecast the next 12 months sales compare with actual sales from January to December 2011 using mean absolute percentage error (MAPE) for the forecast accuracy. | en_US |
| dc.language.iso | th | en_US |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.relation.uri | http://doi.org/10.14457/CU.the.2011.707 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.subject | อุตสาหกรรมเสื้อผ้าสำเร็จรูป | en_US |
| dc.subject | เสื้อผ้าสำเร็จรูป | en_US |
| dc.subject | อุตสาหกรรมเสื้อผ้า | en_US |
| dc.subject | พยากรณ์การขาย | en_US |
| dc.subject | Clothing trade | en_US |
| dc.subject | Sales forecasting | en_US |
| dc.title | การพยากรณ์ยอดขายของธุรกิจค้าส่งเสื้อผ้าสำเร็จรูปนำเข้าขนาดเล็ก | en_US |
| dc.title.alternative | Sales forecasting of small import garments business | en_US |
| dc.type | Thesis | en_US |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | en_US |
| dc.degree.level | ปริญญาโท | en_US |
| dc.degree.discipline | การจัดการด้านโลจิสติกส์ (สหสาขาวิชา) | en_US |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.email.advisor | Kamonchanok.s@chula.ac.th | - |
| dc.identifier.DOI | 10.14457/CU.the.2011.707 | - |
| Appears in Collections: | Grad - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| pongphop_sr.pdf | 4.74 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.