การจัดการสินค้าคงคลังสารเคมีในโรงงาน อุตสาหกรรม: บริษัทกรณีศึกษา
คำสำคัญ:
การจัดการสินค้าคงคลัง, สารเคมี, อุตสาหกรรมเคมีบทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์เพื่อ 1) หาแนวโน้มของความต้องการใช้สารเคมีในองค์การกรณีศึกษาซึ่งดำเนินธุรกิจเป็นผู้ให้บริการด้านการพิมพ์ โดยใช้วิธีการพยากรณ์แบบปรับเรียบเอกซ์โพเนนเชียล 2) คำนวณปริมาณการสั่งซื้อ ที่ประหยัดที่สุด และจุดสั่งซื้อซ้ำสำหรับสินค้าคงคลังของสารเคมี และ 3) การเปรียบเทียบต้นทุนรวมของการจัดการสินค้าคงคลัง ก่อนและหลังจัดระบบปริมาณการสั่งซื้อที่ประหยัดที่สุด และจุดสั่งซื้อซ้ำ โดยวิธีการศึกษามีเป้าหมายที่ชัดเจนในการวิเคราะห์สถานการณ์ปัจจุบัน และเสนอแนวทางการแก้ปัญหาความซับซ้อนในการจัดการสินค้าคงคลังของสารเคมีของบริษัทกรณีศึกษา ซึ่งมีลักษณะเฉพาะตัวอันเนื่องมาจากปัจจัยด้าน การเสื่อมสภาพและวันหมดอายุ โดยมีขอบเขตการศึกษา 1) แหล่งข้อมูล 2) เครื่องมือและการรวบรวมข้อมูล และ 3) ขั้นตอนการวิเคราะห์ข้อมูล
ผลการวิจัยพบว่า วิธีการพยากรณ์แบบปรับเรียบเอกซ์โพเนนเชียลให้ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ มีค่าเท่ากับ 39.19 แกลลอน ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง มีค่าเท่ากับ 2,807.49 และร้อยละค่าเฉลี่ย
ความคลาดเคลื่อนสัมบูรณ์ ที่ร้อยละ 34.32 ซึ่งเป็นระดับที่ยอมรับได้สำหรับข้อมูลอุตสาหกรรมที่มีความผนผวนสูง และผลการคำนวณหาปริมาณการสั่งซื้อที่ประหยัดที่สุด พบว่าระดับที่ประหยัดที่สุดคือ 176 แกลลอนต่อครั้ง โดยมีจุดสั่งซื้อซ้ำที่ 44 แกลลอน การประยุกต์ใช้นโยบายใหม่นี้ช่วยลดความถี่ในการสั่งซื้อและลดต้นทุนการสั่งซื้อรวมลงได้ร้อยละ 27.89 แม้ต้นทุนการถือครองเพิ่มขึ้น แต่ในภาพรวมสามารถลดต้นทุนการจัดการสินค้าคงคลังรวมลงจาก 14,639.99 บาท เหลือ 13,907.33 บาท คิดเป็นร้อยละ 5.00
เอกสารอ้างอิง
ชณิชา หมอยาดี, พรเกียรติ ภักดีวงศ์เทพ, สุดาพรสุขาภิรมย์, ณิชาภัทรสมุทรผ่อง และฐิติยา สุดลาภ. (2567). การหาปริมาณการสั่งซื้อโดยการประยุกต์ใช้ทฤษฎี EOQ และ Silver Meal กรณีศึกษาบริษัทค้าส่ง ในจังหวัดนครปฐม. วารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ, 20(1), 22-35
ธีรพงศ์ ประดิษฐ์กุล. (2565). ความเข้าใจพื้นฐานเกี่ยวกับการควบคุมสินค้าคงคลัง. สมาคมการพิมพ์ไทย.
วราภรณ์ แก่นตะนุ. (2566). การศึกษาหาปริมาณการสั่งซื้อที่เหมาะสมเพื่อลดต้นทุนการสั่งซื้อ กรณีศึกษา บริษัท เวิลด์ เอเชีย โซลูชั่น จำกัด. วิทยานิพนธ์ปริญญามหาบัณฑิต (การจัดการโลจิสติกส์) มหาวิทยาลัยรังสิต.
ศิรวดี อรัญนารถ และอาทิตย์ อภิโชติธนกุล. (2567). รูปแบบการจัดการสินค้าคงคลังที่อาศัยวิธีการเรียนรู้ของเครื่องสำหรับพยากรณ์ความต้องการในอุตสาหกรรมตะแกรงเหล็กไวร์เมช. Feat Journal, 10(1), 31-46.
สุกฤษฏิ์ เพชรสวัสดิ์. (2568). การพยากรณ์ความต้องการวัตถุดิบสำหรับธุรกิจร้านอาหารโดยใช้การจำลองสถานการณ์: กรณีศึกษา ร้าน YUM. วารสารวิชาการเทคโนโลยีอุตสาหกรรมและวิศวกรรม มหาวิทยาลัยราชภัฏพิบูลสงคราม, 8(1), 1-11.
สวัสกมล เสกสรรค์วิริยะ. (2566). การจัดการสินค้าคงคลังโดยการพยากรณ์ค่าความต้องการเฉลี่ยและการสั่งสินค้าด้วย EOQ: กรณีศึกษาบริษัท AAA จำกัด. วิทยานิพนธ์ปริญญามหาบัณฑิต บัณฑิตวิทยาลัย มหาวิทยาลัยรังสิต.
Al-Shaer, A. A., & Al-Ghafli, M. S. (2023). A comprehensive exploration of chemical inventory: Multifaceted challenges and profound insights. International Journal of Supply Chain Management, 12(3), 77-80.
Boxma, O., Perry, D., & Stadje, W. (2024). Perishable inventories with random input: A unifying survey with extensions. Annals of Operations Research, 332, 1069–1105.
Lewis, C. D. (1982). Industrial and business forecasting methods: A practical guide to exponential smoothing and curve fitting. Butterworth Scientific.
Munyaka, J.-C. B., & Yadavalli, S. V. (2022). Inventory management concepts and implementations: A systematic review. South African Journal of Industrial Engineering, 33(2), 15–36.
Saoud, P., Kourentzes, N., & Boylan, J. E. (2022). Approximations for the lead time variance: A forecasting and inventory evaluation. Omega, 110, 102614.
Saldanha, J. P. (2022). Estimating the reorder point for a fill-rate target under a continuous review policy in the presence of non-standard lead-time demand distributions. Transportation Research Part E: Logistics and Transportation Review, 164, 102766.
Sriphrabu, P., & Chamnanlor, C. (2022). Economic order-quantity determination for fuel demand: A case study of a freight forwarder. RMUTP Research Journal Sciences and Technology, 16(2), 215–229.
Tadayonrad, Y., & Ndiaye, A. B. (2023). A new key performance indicator model for demand forecasting in inventory management considering supply chain reliability and seasonality. Supply Chain Analytics, 3(1),1-13.
Udenio, M., Vatamidou, E., & Fransoo, J. C. (2023). Exponential smoothing forecasts: Taming the Bullwhip Effect when demand is seasonal. International Journal of Production Research, 61(6), 1796-1913.
