ปัจจัยที่มีผลต่อความสำเร็จของการนำระบบขนส่งอัจฉริยะมาใช้ในธุรกิจ โลจิสติกส์ของไทย
คำสำคัญ:
ระบบขนส่งอัจฉริยะ, การจัดการโลจิสติกส์, การยอมรับเทคโนโลยี, การเปลี่ยนผ่านสู่ดิจิทัล, โลจิสติกส์ไทยบทคัดย่อ
ภูมิหลังและวัตถุประสงค์: ภาคโลจิสติกส์ของประเทศไทยกำลังเปลี่ยนแปลฃสู่การนำระบบขนส่งอัจฉริยะมาใช้ตามกรอบนโยบาย Thailand 4.0 และแผนพัฒนาเศรษฐกิจและสังคมแห่งชาติ ฉบับที่ 13 (พ.ศ. 2566-2570) งานวิจัยนี้นิยามระบบขนส่งอัจฉริยะเชิงปฏิบัติการว่าหมายถึงการนำ IoT, AI/Big Data Analytics และระบบคลังสินค้า/จัดเส้นทางอัตโนมัติมาใช้ ส่วนเทคโนโลยีขั้นสูงกว่านี้ เช่น Blockchain, Digital Twin และ Autonomous Vehicle ยังอยู่ในระยะเริ่มต้นของการนำมาใช้ในไทยจึงไม่อยู่ในขอบเขตนี้ แม้งานวิจัยก่อนหน้าจะศึกษาปัจจัยด้านเทคโนโลยี องค์กร และบุคลากรแยกจากกัน แต่ยังมีน้อยที่บูรณาการทั้งสามมิติไว้ในกรอบเดียวกันบนฐานทฤษฎีที่เกื้อหนุนกัน โดยเฉพาะในบริบทบริษัทโลจิสติกส์ไทย งานวิจัยนี้จึงมุ่งเติมเต็มช่องว่างดังกล่าว โดยนิยาม ความสำเร็จของการนำระบบมาใช้ ว่าเป็นการรับรู้ของพนักงานต่อประสิทธิภาพการดำเนินงาน การลดต้นทุน คุณภาพการให้บริการ และขีดความสามารถในการแข่งขันที่เพิ่มขึ้น งานวิจัยนี้ตั้งสมมติฐาน 3 ข้อ คือ ปัจจัยด้านเทคโนโลยี (H1) การจัดการ (H2) และบุคลากร (H3) ล้วนมีอิทธิพลเชิงบวกต่อความสำเร็จในการนำระบบมาใช้
ระเบียบวิธีวิจัย: งานวิจัยนี้ใช้รูปแบบสำรวจภาคตัดขวาง เก็บข้อมูลจากบุคลากรโลจิสติกส์ 200 คน (ผู้จัดการ ผู้บริหารเทคโนโลยี และพนักงานปฏิบัติการ) ในเขตกรุงเทพมหานครและปริมณฑล ด้วยการสุ่มตัวอย่างแบบสะดวกร่วมกับแบบเจาะจง ซึ่งเป็นการสุ่มแบบไม่อาศัยความน่าจะเป็น ผลการศึกษาจึงควรตีความในขอบเขตของกลุ่มตัวอย่างมากกว่าจะสรุปอ้างอิงประชากรทั้งหมด ผู้วิจัยยืนยันความเพียงพอของขนาดตัวอย่างด้วย G*Power 3.1 (ตัวแปรพยากรณ์ 3 ตัว, α = .05, power = .95,
f² = 0.15) ซึ่งต้องการอย่างน้อย 119 ราย เครื่องมือวิจัยเป็นแบบสอบถามมาตราส่วนประมาณค่า 5 ระดับ 5 ส่วน (ด้านละ 8 ข้อ) ผ่านการตรวจสอบความเที่ยงตรงเชิงเนื้อหา (IOC ≥ 0.67) ความเชื่อมั่น (α ≥ 0.70) และความตรงเชิงโครงสร้างทั้งเชิงลู่เข้าและเชิงจำแนก (AVE ≥ 0.50) และตรวจสอบ Common Method Bias ด้วย Harman's Single Factor Test วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนาและการถดถอยเชิงพหุ โดยตรวจสอบข้อตกลงเบื้องต้นครบถ้วนก่อนการวิเคราะห์
ผลการวิจัย: ตัวแบบการถดถอยสามารถอธิบายความแปรปรวนของความสำเร็จในการนำระบบขนส่งอัจฉริยะมาใช้ได้ร้อยละ 67.4 ปัจจัยทั้งสามกลุ่มมีความสัมพันธ์เชิงบวกกับความสำเร็จในการนำระบบมาใช้อย่างมีนัยสำคัญทางสถิติ ทุกตัวแปร ได้แก่ ปัจจัยด้านเทคโนโลยี ปัจจัยด้านการจัดการ และปัจจัยด้านบุคลากรดังนั้นสมมติฐาน H1, H2 และ H3 จึงได้รับการสนับสนุนทั้งหมด โดยปัจจัยด้านเทคโนโลยีมีอิทธิพลสูงสุด (β = .382, p < .001) รองลงมาคือปัจจัยด้านการจัดการ (β = .341, p < .001) และปัจจัยด้านบุคลากร (β = .298, p < .001) ตามลำดับ ในบรรดาองค์ประกอบย่อย พบว่าความพร้อมของโครงสร้างพื้นฐาน การมีส่วนร่วมของผู้บริหารระดับสูง และทักษะและความรู้ของพนักงานเป็นองค์ประกอบที่มีอิทธิพลสูงที่สุดในแต่ละกลุ่มปัจจัยตามลำดับ
สรุปผล: ความสำเร็จของการนำระบบขนส่งอัจฉริยะมาใช้ในบริษัทโลจิสติกส์ไทยขึ้นอยู่กับการทำงานร่วมกันของความพร้อมทางเทคโนโลยี ความมุ่งมั่นของผู้บริหาร และการพัฒนาบุคลากร มากกว่ามิติใดมิติหนึ่งเพียงลำพัง ผลการศึกษาเสนอแนวทางปฏิบัติที่เป็นรูปธรรมสำหรับผู้ประกอบการ ผู้กำหนดนโยบาย และผู้ปฏิบัติงาน โดยเน้นการลงทุนโครงสร้างพื้นฐาน การมีส่วนร่วมของผู้นำ และการพัฒนาทักษะต่อเนื่อง ทั้งนี้งานวิจัยมีข้อจำกัดด้านรูปแบบตัดขวางและกลุ่มตัวอย่างแบบไม่อาศัยความน่าจะเป็นที่กระจุกตัวในกรุงเทพฯ และปริมณฑล ซึ่งอภิปรายร่วมกับข้อเสนอแนะการวิจัยในอนาคต
เอกสารอ้างอิง
กล้า อุ่นเรือน. (2568). ปัจจัยที่มีอิทธิพลต่อคุณภาพการให้บริการด้านโลจิสติกส์และการขนส่งสินค้าอุตสาหกรรมในจังหวัดพระนครศรีอยุธยา. วารสารสหศาสตร์การพัฒนาสังคม, 3(4), 621-639.
ชลิดา สุวรรณประทีป, เมธารวิชญ์ ฤทธิ์กล้า, ศิริศักดิ์ ธรฤทธิ์, เปรมทัต มาพระลับ, ทักษ์ดนัย ขยิ่ม, ปิยาภรณ์ รัตโนภาส และ ปริมประภา นามตาแสง. (2568). ปัจจัยที่ส่งผลต่อการตัดสินใจเพิ่มประสิทธิภาพการให้บริการการขนส่งสินค้าขนาดใหญ่: กรณีศึกษาบริษัท ABC จำกัด. Journal of Spatial Development and Policy, 3(3), 61-74.
ชิตพงษ์ อัยสานนท์, ชุติเดช มั่นคงธรรม และ ชลิตา ตริยาวนิช. (2567). ปัจจัยที่ส่งผลต่อประสิทธิภาพการให้บริการของบริษัทตัวแทนรับขนส่งสินค้าระหว่างประเทศ. วารสารสหวิทยาการวิจัยและวิชาการ, 4(2), 645-662.
ณรงค์ฤทธิ์ ยิ้มเจริญพรสกุล. (2568). ปัจจัยที่มีผลต่อความสำเร็จในการประยุกต์ใช้ระบบลีนซิกซ์ซิกมาเพื่อพัฒนาคุณภาพงานโลจิสติกส์ของผู้ให้บริการโลจิสติกส์ในประเทศไทย. เสฏฐวิทย์ปริทัศน์, 5(2), 1259-1272.
สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ. (2565). แผนพัฒนาเศรษฐกิจและสังคมแห่งชาติ ฉบับที่ 13.
สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ. (2566). รายงานโลจิสติกส์ของประเทศไทย ประจำปี 2565. https://www.nesdc.go.th
Akbari, M., Kok, S. K., Hopkins, J., Frederico, G. F., Nguyen, H., & Alonso, A. D. (2024). The changing landscape of digital transformation in supply chains: impacts of industry 4.0 in Vietnam. International Journal of Logistics Management, 35(4), 1040-1072.
Areerakulkan, N., & Sumrit, D. (2025). Elucidating critical success factors for digital transformation in logistics service providers using a grey-DANP approach: Insights from the Thai SMEs road freight transportation sector. Journal of Open Innovation: Technology, Market, and Complexity, 11(2), 100549.
Becker, G. S. (1964). Human capital: A theoretical and empirical analysis, with special reference to education. National Bureau of Economic Research.
Cichosz, M., Wallenburg, C. M., & Knemeyer, A. M. (2020). Digital transformation at logistics service providers: barriers, success factors and leading practices. International Journal of Logistics Management, 31(2), 209-238.
Ding, H. (2026). Research on key influencing factors of comprehensive logistics service capabilities in the smart logistics environment. Journal of Innovation & Knowledge.
Green, S. B. (1991). How many subjects does it take to do a regression analysis? Multivariate Behavioral Research, 26(3), 499-510.
Helo, P., & Thai, V. V. (2024). Logistics 4.0 – Digital transformation with smart connected tracking and tracing devices. International Journal of Production Economics, 275, 109336.
Ho, G. T. S., Tang, Y. M., Leung, E. K. H., & Tong, P. H. (2025). Integrated reinforcement learning of automated guided vehicles dynamic path planning for smart logistics and operations. Transportation Research Part E: Logistics and Transportation Review.
Kent, J. L., & Mentzer, J. T. (2003). The effect of investment in interorganizational information technology in a retail supply chain. Journal of Business Logistics, 24(2), 155-175.
Li, Q., Zhang, H., Liu, K., Zhang, Z. J., & Jasimuddin, S. M. (2024). Linkage between digital supply chain, supply chain innovation and supply chain dynamic capabilities: An empirical study. International Journal of Logistics Management, 35(4), 1200-1223.
Mentzer, J. T., Min, S., & Zacharia, Z. G. (2000). The nature of interfirm partnering in supply chain management. Journal of Retailing, 76(4), 549-568.
Setthachotsombut, N., Sommanawat, K., & Sua-iam, G. (2024). Logistics business management of provider in Thailand with smart logistics. Journal of Open Innovation: Technology, Market, and Complexity, 10(4), 100422.
Sirisaranlak, P., & Kritchanchai, D. (2026). Analyzing barriers and strategies for rail freight digital transformation in Thailand. Logistics, 10(4), 76.
Sriwichien, W., & Wisaeng, K. (2026). Understanding AI adoption in the logistics and supply chain industry in Thailand: An integrated technology-organization-environment, task-technology fit, and unified theory of acceptance and use of technology framework. Information, 17(4), 362.
Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.
Tornatzky, L. G., & Fleischer, M. (1990). The processes of technological innovation. Lexington Books.
World Bank. (2023). Connecting to compete 2023: Trade logistics in the global economy The Logistics Performance Index and its indicators. World Bank Group.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 Journal for Developing the Social and Community

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์เป็นของผู้ประพันธ์บทความ


