การเพิ่มประสิทธิภาพการจัดการสินค้าคงคลัง กรณีศึกษา บริษัทค้าปลีก
Inventory Management Efficiency Improvement: A Case Study of Retail Company
คำสำคัญ:
การจัดการสินค้าคงคลัง การพยากรณ์ การกำหนดปริมาณการสั่งซื้อตามช่วงเวลา การกำหนดปริมาณการสั่งซื้อที่ประหยัดบทคัดย่อ
งานวิจัยครั้งนี้มีวัตถุประสงค์เพื่อลดต้นทุนการจัดการสินค้าคงคลัง สินค้าประเภทเครื่องสำอางของบริษัทค้าปลีกแห่งหนึ่ง เนื่องจากปัจจุบันพบว่าประสบปัญหามีปริมาณสินค้าคงคลังมากเกินความต้องการ สินค้าบางประเภทขาดมือ และมีต้นทุนจัดการสินค้าคงคลังในองค์กรสูง ข้อมูลของสินค้าในกลุ่มเครื่องสำอาง จำนวน 6 กลุ่ม ถูกนำมาเป็นต้นแบบในการแก้ปัญหา เนื่องจากมียอดขายและมูลค่าสินค้าคงคลังสูงที่สุด ในช่วงปี พ.ศ.2561 – 2563 ผู้วิจัยนำเสนอแนวทางการลดต้นทุนการจัดการสินค้าคงคลังผ่านกระบวนการ 3 ขั้นตอน ดังนี้1) จัดกลุ่มลำดับความสำคัญของสินค้า, 2) พยากรณ์ความต้องการสินค้า, และ 3) กำหนดปริมาณการสั่งซื้อที่เหมาะสม
ผลการวิจัยพบว่า
1. สินค้าประเภทครีมบำรุงผิวหน้าและครีมบำรุงผิวกาย เป็นสินค้าที่มีความสำคัญมากที่สุด เมื่อใช้มูลค่ายอดขาย จำนวนวันถือครองสินค้าคงคลัง เปอร์เซ็นต์การเกิดสินค้าขาดมือ และระยะเวลาในการสั่งสินค้า เป็นเกณฑ์ในจัดกลุ่มความสำคัญของสินค้าแบบหลายเกณฑ์
2. วิธีการพยากรณ์แบบการหาค่าเฉลี่ยเคลื่อนที่ การหาค่าเฉลี่ยถ่วงน้้ำหนัก การปรับเรียบด้วยเอ็กซ์โปเนนเชียล มีความเหมาะสมกับการพยากรณ์สินค้าแตกต่างประเภทกันไป ขึ้นกับว่าวิธีการใดก่อให้เกิดค่าความคลาดเคลื่อนในการพยากรณ์ต่ำที่สุด และ
3. การกำหนดปริมาณการสั่งซื้อตามช่วงเวลาก่อให้เกิดต้นทุนต่ำกว่าการกำหนดปริมาณการสั่งซื้ออย่างประหยัด สามารถลดต้นทุนรวมของการจัดการสินค้าคงคลังลงได้ 2,176,050 บาท หรือคิดเป็นลดลง 5% และก่อให้เกิดมูลค่าสินค้าคงคลังของกลุ่มเครื่องสำอางลดลง 1,255,230 บาท หรือคิดเป็นลดลง 2% ของมูลค่าสินค้าคงคลังทั้งหมด และสามารถลดการเกิดสินค้าขาดมือในกลุ่มสินค้าเครื่องสำอางได้ 1.58%
References
ปรียาณัฐ เอี๊ยบศิริเมธี, นันทิ สุทธิการนฤนัย และสราวุธ จันทร์ผง. (2016). การพยากรณ์ปริมาณความต้องการสัปปะรดกระป๋องของประเทศไทย ด้วยวิธีการพยากรณ์แบบดั้งเดิมกับวิธีโครงข่ายประสาทเทียม. วารสารวิทยาลัยนครราชสีมา สาขามนุษยศาสตร์และสังคมศาสตร์, 10(2) หน้า 9-21.
Agami, N. et al., (2009). A neural network based dynamic forecasting model for Trend Impact Analysis. Technological Forecasting and Social Change.76(7), pp.952–962.
Armstrong, J.S., (2001). Principles of Forecasting: A Handbook for Researchers and Practitioners, Springer.
Diana, Soumaya and Francisco, (2016). Inventory ABC Supervised Classification with Logical Analysis of Data. Industrial and Systems Engineering Research Conference (ISERC 2016), Anaheim. California, pp.130-234.
Fan Liu and Ning Ma (2020). Multicriteria ABC Inventory Classification Using Social Choice Theory. Sustainability. 12(1), pp.182.
Flores, B. E., and Whybark, D. C., (1987) . Implementing multiple criteria ABC analysis. Journal of Operations Management. 7(1), pp.79-85.
Gosasang, V. , Chandraprakaikul, W. & Kiattisin, S. , (2010) . An Application of Neural Networks for Forecasting Container Throughput at Bangkok Port. Proceedings of the World Congress on Engineering 2010, Vol.I, London, UK.
Hatefi, Torabi and Bagheri, (2013). Multi-criteria ABC inventory classification with mixed quantitative and qualitative criteria. International Journal of Production Research, pp.776-786.
Hippert, H.S. , Bunn, D.W. & Souza, R.C. , (2005) . Large neural networks for electricity load forecasting: Are they overfitted. International Journal of forecasting. 21(3), pp.425–434.
Hooshang, Dale and Faye, (2012). ABC Inventory Management Support System with a Clinical Laboratory Application. Journal of Promotion Management. 18(4): pp.414-435
Jain, C.L. , (2007) .Benchmarking forecasting models. Journal of Business Forecasting Methods and Systems. 26(4), p.15.
Maddala, G. S. & Lahiri, K. , ( 1992) . Introduction to econometrics. Available at: http://www.revecap.com/revista/numeros/03/pdf/raymond.pdf [Accessed April 29, 2021].
Makram Jeddou (2014). Multi-criteria ABC Inventory Classification – A Case of Vehicle Spare Parts Items. Journal of Advanced Management Science. 2(3), pp.181-185.
Makridakis, S., Wheelwright, S.C. & Hyndman, R.J., (2008). Forecasting methods and applications. Wiley-India.
Mohamed Douissa and Khaled Jabeur (2016). A New Model for Multi-criteria ABC Inventory Classification: PROAFTN Method. Procedia Computer Science. Vol. 96, pp.550-559.
Mohd, Quamrul, Santhirasegaran, and Kamaruddin, (2018) . A case study of inventory analysis in a healthcare product manufacturing company. International Journal of Supply Chain Management. pp.126-130
Patton, M. Q. & others, (1990) . Qualitative evaluation and research methods. Available at: http://digilib.bc.edu/reserves/sc794/leac/sc79402.pdf [Accessed April 29, 2021].
Sigit Adityawan and Nugraheni Fitri, (2014) . Comparative Study of EOQ and POQ Methods in Materials Inventory Cost Efficiency – A Case Study in Block Paving Company. Proceeding of 3rd International Conference on Sustainable Built Environment. Yogyakarta. Indonesia, October 21 – 22, 2014.
Tomislav, Katica, Danijela and Goran, (2014) . Inventory classification using multi –criteria abc analysis Neural networks and cluster analysis. Tehnicki Vjesnik (2014)(5), pp.1109-1115.
Vaneet and Sachin, (201) . ABC Analysis - A Case Study of Vehicle Spare Parts Based on Deccan Vehicles. Available at: https://www.ijite.com/citations/IJITE _1401518.pdf [Accessed April 29, 2021].
Weatherford, L.R. & Kimes, S.E., (2003). A comparison of forecasting methods for hotel revenue management. International Journal of Forecasting. 19(3) , pp.401–415.
Weisberg, S., (2005). Applied Linear Regression. John Wiley & Sons, p. xiii.
Wooldridge, J.M. , (2009). Introductory econometrics: A modern approach. SouthWestern.
Worapon, Watchariya, Pakapol, and Nanthawat, (2020). Application of ABC classification analysis technique for inventory management of food categories : A case study XYZ department store. Research and Development Institute. Rajamangala University of Technology Suvarnabhumi. 5(2), pp.153-166
Yadav, Virendra and Kirti, (2018). ABC ANALYSIS: A LITERATURE REVIEW. Available at: http://www.iaetsdjaras.org/gallery/14-may-741.pdf [Accessed April 29, 2021].
Yang, X., Xu, Z. & Shu, F., (2010). Analysis of the Regional Characteristics and Container Throughput Forecast Model of the Three Major Port Cities. Intelligent Computation Technology and Automation ICICTA. 2010 International Conference on, pp. 679–682.
Zeeshan Farrukh et al. (2015). A Simple Multi-criteria Inventory Classification Approach. Technical Journal, University of Engineering and Technology.Vol.20, pp 70-78.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
จรรยาบรรณผู้เขียนบทความ
ผู้เขียนบทความต้องรับรองว่าบทความนี้ไม่เคยตีพิมพ์ในวารสารใดหรือสิ่งพิมพ์อื่นๆ มาก่อน ต้องไม่คัดลอกผลงานผู้อื่นมาปรับแต่งเป็นบทความของตน และไม่ได้อยู่ระหว่างการเสนอเพื่อพิจารณาตีพิมพ์ อีกทั้งยอมรับหลักเกณฑ์การพิจารณาและการตรวจแก้ไขบทความต้นฉบับโดยกองบรรณาธิการวารสารวิทยาลัยนครราชสีมา สาขามนุษยศาสตร์และสังคมศาสตร์
บทความทุกเรื่องได้รับการตรวจพิจารณาทางวิชาการโดยผู้ทรงคุณวุฒิที่มีประสบการณ์และมีความเชี่ยวชาญตรงตามสาขาของบทความ ซึ่งผู้เขียนต้องแก้ไขตามคำแนะนำของผู้ทรงคุณวุฒิภายในระยะเวลาที่กำหนด หากไม่เป็นไปตามกำหนดกองบรรณาธิการขอสงวนสิทธิ์และยกเลิกการตีพิมพ์โดยจะแจ้งให้ทราบต่อไป
ข้อความที่ปรากฏในบทความของวารสารนี้เป็นความคิดเห็นของผู้เขียนซึ่งไม่เกี่ยวข้องกับวิทยาลัยนครราชสีมาแต่อย่างใด และกองบรรณาธิการขอสงวนสิทธิ์ในการพิจารณาและตรวจประเมินบทความเพื่อตีพิมพ์ในวารสารของวิทยาลัยนครราชสีมา สาขามนุษยศาสตร์และสังคมศาสตร์
