More Related Content More from Rungnapa Rungnapa More from Rungnapa Rungnapa (20) บทที่ 2 2. การพยากรณ์ คือ อะไร
เป็นกระบวนการคาดการณ์เหตุการณ์ใน อนาคต
เกี่ยวข้องกับการตัดสินใจทางธุรกิจในเรื่อง
การผลิต Production
สินค้าคงคลัง Inventory
ทรัพยากรมนุษย์ Personnel
?? 3. การพยากรณ์ระยะสั้น Short-Term Forecasting
โดยทั่วไปไม่เกิน 3 เดือน
เช่น การวางแผนการจัดซื้อ, การจัดตารางการทางาน
การพยากรณ์ระยะกลาง Medium-Term Forecasting
3 เดือน ถึง 3 ปี
เช่น การวางแผนการขาย การผลิต, การจัดทางบประมาณ
การพยากรณ์ระยะยาว Long-Term Forecasting
3 ปีขึ้นไป
เช่น การออกผลิตภัณฑ์ใหม่ การวิจัยพัฒนา การขยายทาเลที่ตั้ง
ระยะเวลาของการพยากรณ์ 8. © 2006 Prentice Hall, Inc.
4 – 8
เป็นการนาข้อมูลในอดีตมาใช้ในการ พยากรณ์ ลักษณะของข้อมูลขึ้นลงไม่ สม่าเสมอ ทาให้ไม่สามารถคาดการณ์ได้ ขึ้นอยู่กับปัจจัยในช่วงเวลานั้นๆ
รูปแบบการพยากรณ์ระดับ 13. วิธีการพยากรณ์เชิงปริมาณ โมเดลอนุกรมเวลา
1.1 วิธีการหาค่าแบบตรง Naive approach
1.2 วิธีการหาค่าเฉลี่ยเคลื่อนที่ Moving Averages
1.3 วิธีการหาค่าเฉลี่ยเคลื่อนที่ถ่วงน้าหนัก Weighted moving Averages
1.4 วิธีปรับเรียบเอ็กซ์โพเนลเชียล Exponential smoothing
1.5 การวิเคราะห์ถดถอยเชิงเส้นตรง Linear Regression Analysis 14. 1.1 วิธีการหาค่าแบบตรง (Naive Approach)
ความต้องการของผลิตภัณฑ์ในอนาคตจะเท่ากับ ความต้องการปัจจุบัน เช่น ถ้าเดือน พ.ค.ขายได้ 48 เครื่อง ยอดขายเดือน มิ.ย.ก็สามารถพยากรณ์ได้ว่าจะเท่ากับ 48 เครื่อง 15. January 10
February 12
March 13
April 16
May 19
June 23
July 26
Actual 3-Month Month Shed Sales Moving Average
(12 + 13 + 16)/3 = 13 2/3 (13 + 16 + 19)/3 = 16 (16 + 19 + 23)/3 = 19 1/3
(10 + 12 + 13)/3 = 11 2/3
ค่าเฉลี่ยเคลื่อนที่ =
Σ ความต้องการในช่วงเวลาก่อนหน้าช่วงเวลา n n
1.2 วิธีการหาค่าเฉลี่ยเคลื่อนที่อย่างง่าย Simple Moving Average Method 18. January 10 February 12 March 13 April 16 May 19 June 23 July 26
Actual 3-Month Weighted Month Shed Sales Moving Average
(.5 x 16) + (.3 x 13) + (.2 x 12) = 14.30 (.5 x 19) + (.3 x 16) + (.2 x 13) = 16.90 (.5 x 23) + (.3 x 19) + (.2 x 16) = 20.40
Weighted Moving Average
10
12
13
(.5 x 13) + (.3 x 12) + (.2 x 10)= 12.10
Weights Applied Period .50 1 เดือนก่อนหน้า .30 2 เดือนก่อนหน้า .20 3 เดือนก่อนหน้า 19. © 2006 Prentice Hall, Inc.
4 – 19
1.4 วิธีปรับเรียบเอ็กซ์โพเนลเชียล Exponential smoothing
การพยากรณ์โดยใช้การเฉลี่ยเคลื่อนที่วิธีหนึ่ง ซึ่งให้น้าหนัก ข้อมูลที่ผ่านมาแล้วนั้นต่าง ๆ กัน ข้อมูลที่ผ่านมาแล้วนั้นจะ ให้น้าหนักน้อยแล้วเพิ่มขึ้นเรื่อย ๆ จนกระทั่ง ข้อมูลปัจจุบัน จะให้น้าหนักมากที่สุด วิธีนี้ค่าพยากรณ์จะถูกกาหนดโดยค่า พยากรณ์ของงวดที่แล้ว บวกกับส่วนแตกต่างระหว่างข้อมูล จริงของงวดที่แล้วกับค่าพยากรณ์ของงวดที่แล้ว 20. © 2006 Prentice Hall, Inc.
4 – 20
วิธีปรับเรียบเอ็กซ์โพเนลเชียล Exponential smoothing
สูตรในการคานวณ
Ft = Ft-1 + (Xt-1 – Ft)
เมื่อ Ft ค่าพยากรณ์ความต้องการใหม่
Ft-1 ค่าพยากรณ์ ช่วงที่ผ่านมา
คือน้าหนักหรือค่าคงที่ปรับเรียบ
Xt-1 ความต้องการที่แท้จริงที่ผ่านมา
21. © 2006 Prentice Hall, Inc.
4 – 21
วิธีปรับเรียบเอ็กซ์โพเนลเชียล Exponential smoothing 22. 1.5 การวิเคราะห์ถดถอยเชิงเส้นตรง Linear Regression Analysis
ค่าข้อมูลต่าง ๆ บนเส้นกราฟจะแสดงความสัมพันธ์เป็น เส้นตรง โดยมีค่าเบี่ยงเบนของข้อมูลที่อยู่ห่างจากเส้นกราฟ ไม่มากโดยสามารถหาค่าได้จาก
y = a + bx
y = ค่าพยากรณ์ตัวแปรตาม a = ค่าคงที่ที่ตัดแกน y b = ค่าความชันของเส้นตรงแนวโน้ม x = ค่าตัวแปรอิสระ 23. b =
nSxy - SxSy nSx2 – (Sx)2
y = a + bx
a = y - bx
y = Sy
n
x = Sx
n
1.5 การวิเคราะห์ถดถอยเชิงเส้นตรง Linear Regression Analysis
สูตรในการคานวณ 24. © 2006 Prentice Hall, Inc.
4 – 24
1.5 การวิเคราะห์ถดถอยเชิงเส้นตรง Linear Regression Analysis 25. © 2006 Prentice Hall, Inc.
4 – 25
1.5 การวิเคราะห์ถดถอยเชิงเส้นตรง Linear Regression Analysis
a = y – bx แทนค่า a = 12.5 – 1.254 x 4.25 a = 12.5 – 5.33 a = 7.17 26. © 2006 Prentice Hall, Inc.
4 – 26
1.5 การวิเคราะห์ถดถอยเชิงเส้นตรง Linear Regression Analysis
ถ้าในปีถัดไปจานวนหน่วยผลิตเพิ่มขึ้นเป็น 10 ล้านชิ้น บริษัทแห่งนี้จะมีต้นทุนการผลิตเป็นกี่ล้านบาท
y = a + bx
y = 7.17 + 1.254 x 10
y = 7.17 + 12.54
y = 19.71
ดังนั้น ถ้าในปีถัดไปจานวนหน่วยผลิตเพิ่มขึ้นเป็น 10 ล้าน ชิ้น บริษัทแห่งนี้จะมีต้นทุนการผลิตเป็น 19.71ล้านบาท