lm การพยากรณ์ความต้องการ เทคนิคที่เกี่ยวข้อง

lm การพยากรณ์ความต้องการ เทคนิคที่เกี่ยวข้อง

เทคนิคที่เกี่ยวข้องกับการพยากรณ์ มีด้วยกันหลายวิธีการ เช่น

1. ส่วนประกอบของอนุกรมเวลา แนวโน้มของข้อมูลความต้องการจะมีลักษณะแบบใดนั้น  การพิจารณาขั้นต้นจะพิจารณาได้จากกราฟ  (t, Yt)  เมื่อ t  เป็นเวลาอยู่บนแกนแนวนอน  และ  Yt  เป็นค่าสังเกต  ณ  เวลา  T  อยู่บนแกนตั้ง

- แนวโน้ม (Trend) หมายถึง  การเคลื่อนไหวของข้อมูลความต้องการสินค้าในระยะยาวซึ่งอาจจะเป็นแนวโน้มขึ้น  หรือแนวโน้มลง  แนวโน้มจะสะท้อนให้เห็นถึงความเจริญ  และความเสื่อมของเหตุการณ์ต่าง ๆ 

- ฤดูกาล (Seasonal) หมายถึง  การเคลื่อนไหวของข้อมูลความต้องการสินค้ามีผลเนื่องมาจากฤดูกาล  การเคลื่อนไหวจะเกิดขึ้นซ้ำ  ๆ  ในช่วงเวลาหนึ่ง  ปัจจัยที่ก่อให้เกิดอิทธิพลของฤดูกาลมีได้หลายปัจจัย  เช่น  สภาพอากาศ  อุณหภูมิ  เทศกาล  ตัวอย่างของอนุกรมเวลาที่มีอิทธิพลของฤดูกาลเกี่ยวข้อง  เช่น  ยอดขายของถังน้ำพลาสติกที่เพิ่มขึ้นในช่วงฤดูฝนและมีน้ำท่วมขัง  ลูกค้าต้องการกักเก็บน้ำสะอาดในถังน้ำพลาสติกไว้สำหรับบริโภค  เป็นต้น

- อิทธิพลของวัฎจักร (Cycle) เป็นข้อมูลความต้องการสินค้าที่เก็บรวบรวมในระยะยาวหลายปี  การเคลื่อนไหวอาจจะแสดงอิทธิพลของวัฏจักรที่มีลักษณะทำนองเดียวกันกับอิทธิพลของฤดูกาล  โดยวัฏจักรหนึ่งจะครอบคลุมระยะเวลาหลายปี  วัฏจักรที่พบเสมอ  ได้แก่  วัฏจักรธุรกิจ  ที่มีทั้งรุ่งเรืองคงที่และตกต่ำ  วัฏจักรของราคาน้ำมันดิบในตลาดโลกที่ส่งผลต่อราคาเม็ดพลาสติก  เป็นต้น

- เหตุการณ์ที่ผิดปกติ (Irregular)  เป็นการเคลื่อนไหวของข้อมูลความต้องการสินค้าเฉพาะส่วนที่ไม่มีแบบแผนที่แน่นอน  ส่วนใหญ่จะเป็นเหตุการณ์ที่ไมได้คาดคิดมาก่อน  หรือไม่เกิดขึ้นบ่อยนัก  เช่น  อุบัติเหตุ  น้ำท่วม  ไฟไหม้  สงคราม  เป็นต้น

2. การวัดความถูกต้องของการพยากรณ์ ความถูกต้องของการพยากรณ์เป็นสิ่งที่ใช้ค่าพยากรณ์ต้องการ  ความถูกต้องมากหรือน้อยขึ้นอยู่กับค่าความคลาดเคลื่อนของการพยากรณ์  (Forecasting Error. et)  ซึ่งเป็นผลต่างของค่าจริงและค่าพยากรณ์  ค่าความคลาดเคลื่อนมีค่ามากถ้าค่าจริงห่างจากค่าพยากรณ์มาก  และค่าความคลาดเคลื่อนมีค่าน้อยถ้าค่าพยากรณ์ใกล้เคียงกับค่าจริง  ค่าวัดความถูกต้องของการพยากรณ์ที่ใช้กันมาก ได้แก่

ตารางที่ 2.1 สูตรการวัดความถูกต้องของการพยากรณ์

3) เทคนิคการพยากรณ์เชิงปริมาณ เมื่อต้องการการพยากรณ์อนุกรมเวลาเริ่มแรกต้องทำการพล๊อตกราฟเวลา ซึ่งเป็นแกนนอนและค่าสังเกตเป็นแกนตั้งเพื่อดูความสัมพันธ์ของข้อมูลว่าเป็นลักษณะใด เมื่อพิจารณาแล้วพบว่า

1) ข้อมูลความต้องการสินค้าไม่มีแนวโน้ม และไม่มีฤดูกาล วิธีการที่นิยมใช้ในการพยากรณ์ยอดขาย คือ

- วิธีค่าเฉลี่ยเคลื่อนที่อย่างง่าย (Simple Moving Average) เป็นวิธีการหาค่าพยากรณ์จากค่าสังเกตล่าสุดจำนวนหนึ่ง เช่น 3 ค่า หรือ 5 ค่า เป็นต้น แล้วนำมาหาค่าเฉลี่ยซึ่งเป็นการเฉลี่ยที่ให้น้ำหนักกับค่าสังเกตแต่ละค่าเท่ากัน กรณีใช้ k ค่าสังเกต จะใช้ค่าพยากรณ์ ณ เวลา t + 1 เป็นสมการพยากรณ์ 

- วิธีค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก (Weighted Moving Average) วิธีค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักเหมือนกับวิธีค่าเฉลี่ยเคลื่อนที่อย่างง่าย ต่างกันเพียงน้ำหนักที่ให้กับค่าสังเกตต่างกันให้น้ำหนักสำหรับข้อมูลล่าสุดมีความสำคัญ หรือน้ำหนักมากกว่าข้อมูลที่เก่ากว่า กรณีใช้ k ค่าสังเกตจะใช้ค่าพยากรณ์ ณ เวลา t+1 เป็นสมการพยากรณ์

- วิธีปรับเรียบเอ็กโปเนนเชียลเชิงเดี่ยว (Simple Exponential Smoothing) วิธีปรับเรียบเอ็กโปเนนเชียลเชิงเสดี่ยว ค่าพยากรณ์จะได้มาจากค่าสังเกตที่ผ่านมาทั้งหมด น้ำหนักที่ให้กับค่าสังเกตแต่ละค่าไม่เท่ากัน น้ำหนักที่ให้ขึ้นอยู่กับค่าคงที่ในการปรับเรียบ (Smoothing Constant)

2) ข้อมูลความต้องการสินค้ามีแนวโน้ม วิธีการที่นิยมใช้ในการพยากรณ์ยอดขาย คือ วิธีปรับเรียบเอ็กโปเนนเชียลเชิงคู่ (Double Exponential Smoothing) เป็นวิธีที่ใช้กับอนุกรมเวลาที่มีแนวโน้มเป็นเส้นตรง โดยกำหนดให้

3) ข้อมูลความต้องการสินค้า มีวัฏจักรหรือฤดูกาล วิธีการที่นิยมใช้ในการพยากรณ์ยอดขาย คือ วิธีปรับเรียบเอ็กโปเนนเชียลแบบฤดูกาล (Simple Seasonal Exponential Smoothing) สมการพยากรณ์จะอยู่ในรูป 

.

ที่มา

- 

รวมรวมข้อมูลภาพ

- www.iok2u.com