ตัวแบบการพยากรณ์ปริมาณการจัดเก็บวัสดุอะไหล่ในคลัง โดยใช้เทคนิคการเรียนรู้ของเครื่อง: กรณีศึกษาบริษัทผลิตปูนซีเมนต์
คำสำคัญ:
การสร้างตัวแบบ, การพยากรณ์, การเรียนรู้ของเครื่อง, แรนดอมฟอเรสต์, การจัดการคลังวัสดุบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างตัวแบบในการพยากรณ์ปริมาณการจัดเก็บวัสดุคงเหลือแต่ละวัสดุตามปริมาณที่เหมาะสมด้วยการพยากรณ์หาจำนวนต่ำสุดและสูงสุดในการจัดการคลังวัสดุโดยใช้เทคนิคการเรียนรู้ของเครื่อง ข้อมูลที่นำมาใช้เป็นข้อมูลวัสดุอะไหล่ที่ใช้งานจริงของบริษัทผลิตปูนซีเมนต์แห่งหนึ่งในประเทศไทย จำนวนทั้งสิ้น 7,258 ระเบียน โดยผู้วิจัยเลือกอัลกอริทึมในการพยากรณ์ที่ใช้ในการวิจัยครั้งนี้ จำนวน 5 อัลกอริทึม ได้แก่ แรนดอมฟอเรสต์ มัลติเลเยอร์เพอร์เซฟตรอน เคเนียร์เรสเนเบอร์ เคสตาร์ และแรนดอมทรี จากผลการทดลองการเปรียบเทียบประสิทธิภาพอัลกอริทึมที่ใช้ในการพยากรณ์ปริมาณการจัดเก็บวัสดุในคลัง พบว่า อัลกอริทึมที่ให้ค่าประสิทธิภาพที่ดีที่สุดในการพยากรณ์ค่าสูงสุด คือ อัลกอริทึมแรนดอมฟอเรสต์ โดยมีค่ารากที่สองของความคลาดเคลื่อนที่ดีที่สุด เท่ากับ 2.040 ในขณะที่อัลกอริทึมแรนดอมทรีให้ค่ารากที่สองของความคลาดเคลื่อนที่ใกล้เคียงกัน คือ 2.117 สำหรับการพยากรณ์ค่าสูงสุด ในขณะที่ผลการพยากรณ์ค่าต่ำสุด พบว่า อัลกอริทึมแรนดอมทรีมีค่ารากที่สองของความคลาดเคลื่อนที่ดีที่สุดเท่ากับ 0.803 ส่วนอัลกอริทึมแรนดอมฟอเรสต์มีค่ารากที่สองของความคลาดเคลื่อน เท่ากับ 0.906 อย่างไรก็ตามในงานวิจัยนี้ได้เลือกใช้อัลกอริทึมแรนดอมฟอเรสต์ ในการพยากรณ์ทั้งค่าสูงสุดและต่ำสุด เนื่องจากให้ค่าประสิทธิภาพที่เหมาะสมที่สุดเมื่อพิจารณาทั้งผลการพยากรณ์ข้อมูลใหม่และค่ารากที่สองของความคลาดเคลื่อน
เอกสารอ้างอิง
ฤทธิไกร ทวีเจริญ. (2559). ตัวแบบการพยากรณ์การลาออกของพนักงานฝ่ายผลิตในธุรกิจเครื่องฉีด พลาสติกของบริษัทแห่งหนึ่ง. (วิทยานิพนธ์ปริญญามหาบัณฑิต). มหาวิทยาลัยธรรมศาสตร์, คณะวิทยาลัยนวัตกรรม, สาขาวิชานโยบายและการบริหารเทคโนโลยีสารสนเทศ.
ทิตา ค้าผล. (2559). การพยากรณ์กระแสไฟฟ้าขัดข้องโดยใช้เทคนิคการทำเหมืองข้อมูล กรณีศึกษา การไฟฟ้าส่วนภูมิภาค เขต 3 ภาคกลาง. (วิทยานิพนธ์ปริญญามหาบัณฑิต). มหาวิทยาลัยธรรมศาสตร์, คณะวิทยาลัยนวัตกรรม, สาขาวิชานโยบายและการบริหารเทคโนโลยีสารสนเทศ.
บทเรียนออนไลน์ อัลกอริทึมการค้นหาเพื่อนบ้านใกล้สุด k ตัว. สืบค้นเมื่อ 22 ธันวาคม 2562, จากวิกิพีเดีย https://th.wikipedia.org/wiki/อัลกอริทึมการค้นหาเพื่อนบ้านใกล้สุด_k_ตัว.
บทเรียนออนไลน์ โครงข่ายประสาทเทียม. สืบค้นเมื่อ 17 เมษายน 2563, จากวิกิพีเดีย https://th.wikipedia.org/
wiki/โครงข่ายประสาทเทียม.
พัฒนพงษ์ ดลรัตน์ และจารี ทองคำ. (2560). การเปรียบเทียบประสิทธิภาพของแบบจำลองในการพยากรณ์ความเสร็จการศึกษาของนักเรียนระดับประกาศนียบัตรวิชาชีพ. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยมหาสารคาม, 37(3), 380-388.
วรางคณา เรียนสุทธิ์. (2016). การพยากรณ์จำนวนผู้ว่างงานในประเทศไทย. Naresuan University Journal: Science and Technology, 24(1), 102-114.
วิชญ์พงศ์ ดรุณธรรม. (2018). บทเรียนออนไลน์ เจาะลึก Random Forest. สืบค้นเมื่อ 15 พฤศจิกายน 2562, จาก https://medium.com/@witchapongdaroontham/
เสกสรรค์ วิลัยลักษณ์ วิภา เจริญภัณฑารักษ์ และดวงดาว วิชาดากุล. (2558). การใช้เทคนิคการทำเหมืองข้อมูลเพื่อพยากรณ์ผลการเรียนของนักเรียน โรงเรียนสาธิตแห่งมหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน ศูนย์วิจัยและพัฒนาการศึกษา. Science and Technology, 2(2), 1-17.
อรรณพ กางกั้น. (2562). การพยากรณ์อนุกรมเวลาปริมาณการใช้น้ำมันดีเซลโดยเทคนิควิธีเหมืองข้อมูล. Science Journal Chandrakasem Rajabhat University, 29(2), 39-47.
Harshad, S. & Priyanka V. (2015). Optimization of inventory level at Oilfield services: Case Study. International Journal of Scientific & Engineering Research, 6(4), 308-313.
Rodrigo, B. S., Eduardo, P. A. & Leonardo G. (2017). Predicting Material Backorders in Inventory Predicting Material Backorders in Inventory Management using Machine Learning, Proceedings of the 4th IEEE Latin American Conference on Computational Intelligence (pp. 1-6). DOI: 10.1109/LA-CCI.2017.8285684, Peru.
Sawarni, H. (2018). Improved Inventory Management Performance in Indonesia Spare-Parts Company Using ABC Classification and Min-Max Method. Saudi Journal of Business and Management Studies (SJBMS), 3(3), 248-252.
Yoan, M. J., Julio, M. Q. & Ireimis, L. V. (2016). Study of the Performance of the K* Algorithm in International Database. Revista Politécnica ,12(23), 51-56.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
กองบรรณาธิการขอสงวนสิทธิ์ในการปรับปรุงแก้ไขตัวอักษรและคำสะกดต่างๆ ที่ไม่ถูกต้อง และต้นฉบับที่ได้รับการตีพิมพ์ในวารสาร PSRU Journal of Science and Technology ถือเป็นกรรมสิทธิ์ของคณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏพิบูลสงคราม และ
ผลการพิจารณาคัดเลือกบทความตีพิมพ์ในวารสารให้ถือมติของกองบรรณาธิการเป็นที่สิ้นสุด
0-5526-7000 Ext. 4100
