การพัฒนากรอบการจัดการสินค้าคงคลังหลายระดับแบบ (R, s, S) เพื่อเพิ่มประสิทธิภาพต้นทุนในโซ่อุปทานร้านกาแฟ
DOI:
https://doi.org/10.53848/jlsco.v12i1.280650คำสำคัญ:
ระบบคลังสินค้าหลายระดับ, นโยบายไฮบริด, นโยบาย (R, s, S), โซ่อุปทานร้านกาแฟบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อเสนอกรอบการจัดการสินค้าคงคลังแบบหลายระดับ สำหรับองค์กรที่มีโครงสร้างประกอบด้วยศูนย์กระจายสินค้าเพียงแห่งเดียวและหลายสาขา โดยใช้แนวคิดการบริหารสินค้าคงคลังแบบสองระดับที่ออกแบบมาเพื่อรองรับหมวดหมู่ผลิตภัณฑ์ที่หลากหลายผ่านระบบการสั่งซื้อแบบผสมผสาน กรอบการทำงานนี้มีนโยบายหลักคือแบบจำลอง (R, s, S) ซึ่งช่วยจัดการความต้องการของสินค้าได้อย่างมีประสิทธิภาพผ่านการแจกแจงความน่าจะเป็นทางสถิติ อันเป็นปัจจัยสำคัญในธุรกิจค้าปลีก นอกจากนี้ แบบจำลองยังพิจารณาระยะเวลาดำเนินการคงที่ระหว่างศูนย์กระจายสินค้าและสาขาต่างๆ เพื่อให้สามารถเติมสินค้าได้อย่างทันท่วงที ประสิทธิภาพของกรอบการทำงานนี้ได้รับการประเมินผ่านกรณีศึกษาร้านกาแฟขนาดใหญ่ที่มีผลิตภัณฑ์แตกต่างกันจำนวน 172 รายการ ผลการศึกษาแสดงให้เห็นว่าโมเดลที่นำเสนอสามารถเพิ่มประสิทธิภาพในการวางแผนสินค้าคงคลังและลดต้นทุนได้อย่างมีนัยสำคัญ โดยสามารถลดต้นทุนรายเดือนได้ 22,849.05 บาท หรือคิดเป็น 2.32% เมื่อเทียบกับวิธีการแบบดั้งเดิม โดยสรุป กรอบการทำงานนี้นำเสนอแนวทางที่น่าเชื่อถือและคงประสิทธิภาพในการจัดการสินค้าคงคลังแบบหลายระดับ ซึ่งช่วยให้องค์กรสามารถเพิ่มประสิทธิภาพและลดต้นทุนในกระบวนการบริหารจัดการสินค้าคงคลังได้อย่างมีประสิทธิผล
เอกสารอ้างอิง
Barrow, D., Kourentzes, N., Sandberg, R., & Niklewski, J. (2020). Automatic robust estimation for exponential smoothing: Perspectives from statistics and machine learning. Expert Systems with Applications, 160, 113637. https://doi.org/10.1016/j.eswa.2020.113637.
Batselier, J., & Vanhoucke, M. (2017). Improving project forecast accuracy by integrating earned value management with exponential smoothing and reference class forecasting. International Journal of Project Management, 35(1), 28–43. https://doi.org/10.1016/j.ijproman.2016.10.003.
Göçken, M., Boru, A., Dosdoğru, A. T., & Geyik, F. (2015). (R, s, S) inventory control policy and supplier selection in a two-echelon supply chain: An Optimization via Simulation approach. 2015 Winter Simulation Conference (WSC), 16(2), 241–252. https://doi.org/10.1109/wsc.2015.7408320.
Juan, P., & Rene, A. M. (2020). Multi-echelon inventory management policies: A case study for a two-echelon supply chain. International Conference on Industrial Engineering and Operations Management, Indiana State University, USA, 165-175.
Kumar, S., & Chakravarty, A. (2015). ABC–VED analysis of expendable medical stores at a tertiary care hospital. Medical Journal Armed Forces India, 71(1), 24–27. https://doi.org/10.1016/j.mjafi.2014.07.002.
Muangprom, T., Amaratchakun , K., & Dusadeenode, S. (2020). Multi-echelon inventory policy: Case study of wine retailers. Operations Research Network, 271. https://logistics.nida.ac.th/wp-content/uploads/2020/02/fullpaper-multiechelon.pdf.
Pasandideh, S. H. R., Niaki, S. T. A., & Ahmadi, P. (2018). Vendor-managed inventory in the joint replenishment problem of a multi-product single-supplier multiple-retailer supply chain. Journal of Modelling in Management, 13(1), 156–178. https://doi.org/10.1108/jm2-11-2016-0099.
Permatasari, P. M., Ridwan, A. Y., & Santosa, B. (2017). Inventory Policy Determination for Raw Materials in ILY Pharmaceutical using Periodic Review (R, s, S) and Periodic Review (R, S) Method to Minimize Total Inventory Cost. MATEC Web of Conferences, 135, 00056. https://doi.org/10.1051/matecconf/201713500056.
Rossi, R. (2021). Inventory Analytics. In library.oapen.org. Open Book Publishers. https://library.oapen.org/handle/20.500.12657/49414.
Sengjan, P. (2014). Inventory system by inventory theory: A case study of Ban Nongka Cooperative, Khon Kaen Province. Bachelor’s thesis, Faculty of Science, Khon Kaen University.
Silver, E. A., Pyke, D. F., & Thomas, D. J. (2016). Inventory and production management in supply chains (4th ed., p. 810). CRC Press. https://doi.org/10.1201/9781315374406.
Svetunkov, I., Kourentzes, N., & Ord, J. K. (2022). Complex exponential smoothing. Naval Research Logistics (NRL), 69(8), 1108–1123. https://doi.org/10.1002/nav.22074.
Thaimanee, H., & Lorchirachunkun, W. (2011). Multi-product two-echelon inventory system: Deterministic demand and probabilistic lead time. Master’s thesis, National Institute of Development Administration.
Udenio, M., Vatamidou, E., & Fransoo, J. C. (2022). Exponential smoothing forecasts: taming the bullwhip effect when demand is seasonal. International Journal of Production Research, 1–18. https://doi.org/10.1080/00207543.2022.2048114.
Umadevi, G., & Umamaheswari, S. (2023). Advancing Healthcare Service Efficacy by Optimizing Pharmaceutical Inventory Management: Leveraging ABC, VED Analysis for Trend Demand. International Journal of Statistics in Medical Research, 12, 283–293. https://doi.org/10.6000/1929-6029.2023.12.33.
Visentin, A., Prestwich, S., Rossi, R., & Tarim, S. A. (2021). Computing optimal (R,s,S) policy parameters by a hybrid of branch-and-bound and stochastic dynamic programming. European Journal of Operational Research, 294(1), 91–99. https://doi.org/10.1016/j.ejor.2021.01.012.
Visentin, A., Prestwich, S., Rossi, R., & Tarim, S. A. (2023). Stochastic dynamic programming heuristic for the (R, s, S) policy parameters computation. Computers & Operations Research, 158, 106289. https://doi.org/10.1016/j.cor.2023.106289.
Wongcharoensangsiri, B. (2018). Cost reduction and service level control in inventory management by periodic review system in retail business in Thailand. Kasem Bundit Engineering Journal, 8(3), 51–71. https://ph01.tci-thaijo.org/index.php/kbej/article/view/155599/119694.
Zhou, W.-Q., Chen, L., & Ge, H.-M. (2013). A multi-product multi-echelon inventory control model with joint replenishment strategy. Applied Mathematical Modelling, 37(4), 2039–2050. https://doi.org/10.1016/j.apm.2012.04.054.
