การเปรียบเทียบตัวแบบการพยากรณ์ยอดขายของธุรกิจค้าวัสดุก่อสร้าง กรณีศึกษา บริษัท ห้าแยก กรุ๊ป (2559) จำกัดComparison of Sales Forecasting Models for Construction Retail Business Case Study: Hayeak Group (2559) Co.,Ltd.

Abstract

บริษัทกรณีศึกษามีการจัดการสินค้าคงคลังแบบเมื่อสินค้าหมดจะสั่งหรือบางครั้งสั่งซื้อสินค้าแล้วไม่ได้ตรงตามที่สั่งไว้ แล้วไม่มีการบันทึกว่าสั่งอะไรไปบ้าง หลายครั้งจึงจำเป็นต้องรับสินค้าที่ได้สั่งไว้หรือไม่ได้สั่งไว้มาถือครอง จนทำให้สินค้าที่รับมานั้นกลายเป็นสินค้าคงคลังที่ขายไม่ได้ ดังนั้นงานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบการพยากรณ์ยอดขายของผลิตภัณฑ์กลุ่มที่มีปริมาณยอดขายจำนวนมาก คือ ปูนปอร์ตแลนด์ และการพยากรณ์ยอดขายของผลิตภัณฑ์กลุ่มที่มีปริมาณยอดขายน้อย คือ ชักโครก โดยทำการเก็บข้อมูลผลิตภัณฑ์ทั้ง 2 ผลิตภัณฑ์ ตั้งแต่เดือนกรกฎาคม 2563 ถึงเดือนกรกฎาคม 2565 รวมเป็นระยะเวลา 25 เดือน โดยใช้การพยากรณ์ทั้งหมด 4 วิธี ประกอบด้วย 1) วิธีการพยากรณ์แบบการเฉลี่ยเคลื่อนที่ 2) วิธีการปรับเรียบแบบเอกซ์โปเนนเชียลดับเบิลของบราวน์ 3) วิธีการปรับเรียบแบบเอกซ์โปเนนเชียลเส้นตรงของโฮลท์ และ 4) วิธีการปรับเรียบแบบเอกซ์โปเนนเชียลของวินเทอร์ เมื่อพิจารณาการใช้เกณฑ์การวัดค่าความแม่นยำด้วยค่าเฉลี่ยของค่าสัมบูรณ์ของเปอร์เซ็นต์ของความคลาดเคลื่อน และพิจารณาการใช้เกณฑ์ค่าเฉลี่ยความผิดพลาดสัมบูรณ์ ที่มีค่าน้อยที่สุด ผลการวิจัยนี้พบว่า ตัวแบบการพยากรณ์ที่เหมาะสมที่สุดของการพยากรณ์ยอดขายล่วงหน้าระยะ 3 เดือน และ 6 เดือน ของผลิตภัณฑ์ปูนปอร์ตแลนด์ คือ วิธีการปรับเรียบแบบเอกซ์โปเนนเชียลดับเบิลของบราวน์ ซึ่งมีค่าเฉลี่ยของค่าสัมบูรณ์ของเปอร์เซ็นต์ของความคลาดเคลื่อนและค่าเฉลี่ยความผิดพลาดสัมบูรณ์ เท่ากับ 7.78% และ 1,818 ตามลำดับ สำหรับตัวแบบการพยากรณ์ที่เหมาะสมที่สุดของการพยากรณ์ยอดขายล่วงหน้าระยะ 6 เดือน ของผลิตภัณฑ์ชักโครก คือ วิธีการปรับเรียบแบบเอกซ์โปเนนเชียลของวินเทอร์ มีค่าเฉลี่ยของค่าสัมบูรณ์ของเปอร์เซ็นต์ของความคลาดเคลื่อนและค่าเฉลี่ยความผิดพลาดสัมบูรณ์ เท่ากับ 42.83% และ 2.833 ตามลำดับ บริษัทสามารถใช้เทคนิคตัวแบบการพยากรณ์เหล่านี้ในการวางแผนสินค้าล่วงหน้าให้สอดคล้องกับยอดขายจริงในช่วงเวลานั้น ๆ ได้

The case study company has an inventory management of placing an order when out of stock. There is no record of what is ordered, and sometimes the product received is not exactly as what is ordered. Therefore, the received product becomes unsold inventory. This research aims to study the sales forecast of large volume products: Portland cement, and the sales forecast of low volume products: toilet bowls. The data of both products were collected for 25 months from July 2020 to July 2022. Four forecasting methods: 1) the Moving Average Forecast Method, 2) Brown’s One Parameter Linear Exponential Smoothing, 3) Holt’s Two Parameter Linear Exponential Smoothing, and 4) Winter's exponential smoothing method, are used. The criteria are Mean Absolute Percentage Error (MAPE) and Mean Absolute Deviation (MAD) with the lowest value. The results revealed that Brown’s One Parameter Linear Exponential Smoothing was the most suitable model for forecasting Portland cement sales 3 months and 6 months in advance. The MAPE and MAD were 7.78% and 1,818, respectively. The most suitable model for forecasting toilet bowls sales 3 months and 6 months in advance was Winters’s Linear and Seasonal Exponential Smoothing. The MAPE and MAD were 42.83% and 2.833, respectively. The company could use these forecasting model techniques to plan its inventory in advance according to the actual sales at that time.