ตัวแบบพยากรณ์ยอดขายอะไหล่รถจักรยานยนต์ที่เหมาะสม กรณีศึกษา : ร้านค้าปลีก XYZ

Abstract

วัตถุประสงค์ของการวิจัยครั้งนี้เพื่อหาตัวแบบการพยากรณ์ยอดขายอะไหล่รถจักรยานยนต์ที่เหมาะสม ด้วยการนำข้อมูลยอดขายรายเดือนที่มีลักษณะข้อมูลแบบอนุกรมเวลา (Time series) ตั้งแต่ปี พ.ศ.2557-2559 ของร้านค้าปลีกกรณีศึกษา มาหาตัวแบบในการพยากรณ์ยอดขายล่วงหน้า 12 เดือน โดยใช้โปรแกรมสำเร็จรูปทางสถิติในการวิเคราะห์ข้อมูล ด้วยวิธีการปรับเรียบเอกซ์โพเนนเชียล (Exponential smoothing) แบบข้อมูลไม่มีอิทธิพลของฤดูกาล (Non-seasonal) และมีอิทธิพลของฤดูกาล (Seasonal) ทั้งสิ้น 7 ตัวแบบ ผลการวิเคราะห์ข้อมูลพบว่าตัวแบบพยากรณ์ยอดขายอะไหล่ร้านกรณีศึกษาล่วงหน้า 12 เดือน แบบข้อมูลมีอิทธิผลของฤดูกาลเพียงอย่างเดียว (Simple seasonal) เป็นตัวแบบพยากรณ์ที่เหมาะสมที่สุด โดยมีค่า Mean Absolute Percentage Error (MAPE) เท่ากับ 11.619 ลองลงมา คือ ตัวแบบพยากรณ์วินเทอร์โดยข้อมูลมีอิทธิพลของฤดูกาลและแนวโน้มเชิงบวก (Winter’s additive) มีค่า MAPE เท่ากับ 11.811 และตัวแบบพยากรณ์วินเทอร์โดยข้อมูลมีอิทธิพลของฤดูกาลและแนวโน้มเชิงคูณ (Winter’s multiplicative) มีค่า MAPE เท่ากับ 13.564 ตามลำดับ