Abstract:
การพยากรณ์ถือเป็นหนึ่งในกลยุทธ์ของการทำงานที่ช่วยเพิ่มประสิทธิภาพทางการแข่งขัน การวิจัยครั้งนี้จึงมีวัตถุประสงค์เพื่อศึกษาเปรียบเทียบรูปแบบการพยากรณ์แบบอนุกรมเวลาทั้ง 7 รูปแบบ ได้แก่ เทคนิคการพยากรณ์แบบเฉลี่ยเคลื่อนที่ (Moving Average Forecasting) แบบ 3 เดือน และ 4 เดือน, เทคนิคการพยากรณ์เอ็กซ์โปเนนเชียลแบบปรับเรียบ (Exponential Smoothing Forecast) 4 วิธี Holt’s Two-Parameter Linear Exponential Smoothing, Brown’s Double exponential smoothing, Winter’s Three-Parameter Trend and Seasonality Method (Additive), Winter’s Three-Parameter Trend and Seasonality Method (Multiplicative) และการวิเคราะห์แบบแยกตัวประกอบ (Decomposition Method) เพื่อให้ได้รูปแบบที่มีความเหมาะสมกับแต่ละผลิตภัณฑ์ในกลุ่มผลิตภัณฑ์ยาปฐมภูมิที่จำหน่ายในโรงพยาบาล และร้านขายยาทั่วไป (Primary Care and OTC) ที่มีความคลาดเคลื่อนจากการพยากรณ์สูงที่สุดจากการศึกษาข้อมูลการสั่งสินค้าสำเร็จรูป (Finish Good) ตั้งแต่ปี พ.ศ. 2561 จนถึงพ.ศ. 2563 จากนั้นทำการวัดผลจากค่าร้อยละความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ (Mean Absolute Percent Error: MAPE) ผลการศึกษาพบว่า รูปการพยากรณ์แบบการแยกตัวประกอบเป็นวิธีที่เหมาะสมที่สุดสำหรับผลิตภัณฑ์ L5 ให้ค่า MAPE อยู่ที่ 84.19%, รูปการพยากรณ์แบบเฉลี่ยเคลื่อนที่แบบ 4 เดือน เป็นวิธีที่เหมาะสมที่สุดสำหรับผลิตภัณฑ์ M1 ให้ค่า MAPE อยู่ที่ 63.89% และรูปการพยากรณ์ Brown’s Double exponential smoothing เป็นวิธีที่เหมาะสมที่สุดสำหรับผลิตภัณฑ์ M2 ให้ค่า MAPE อยู่ที่ 32.90% ส่งผลให้ปริมาณการใช้ pallet ที่เกิดจากการพยากรณ์คลาดเคลื่อนจาก 18 pallets, 23 pallets และ 2 pallets ลดเหลือ 11 pallets, 2 pallets และ 1 pallet ต่อปี ตามลำดับ
