B-19 - AS Nida
B-19 - AS Nida
B-19 - AS Nida
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
ศึกษาตัวแบบตรรกศาสตร์คลุมเครือในการพยากรณ์จ านวนยาที่ควรสั่งซื้อ<br />
ส าหรับการจัดการสินค้าคงคลังในโรงพยาบาลแบบ Vendor Managed<br />
Inventory (VMI) กรณีศึกษาโรงพยาบาลรามาธิบดี<br />
Development fuzzy logic model of pharmaceutical replenishment<br />
forecast system for VMI implementation in hospital: A case study<br />
of Ramathibodi hospital.<br />
อาภาภัค เดชพันธวณิช1 *, ดร.ฐิติกร ลิ้มชิมชล2<br />
, ผศ.ดร.ธนกรณ์ แน่นหนา3 มหาวิทยาลัยมหิดล 999 ถนนพุทธมณฑลสาย 4 ต.ศาลายา อ.พุทธมณฑล จ.นครปฐม 73170<br />
E-mail: 1* por.arpapak@gmail.com, 2 thitikorn.mu@gmail.com, 3 egtnn@mahidol.ac.th<br />
บทคัดย่อ<br />
ปัจจุบันอุตสาหกรรมการให้บริการด้านสุขภาพของประเทศไทย ก าลังประสบปัญหาในเรื่องการ<br />
จัดการสินค้าคงคลังค่อนข้างรุนแรง โดยเฉพาะอย่างยิ่งโรงพยาบาลที่อยู่ในความดูแลของรัฐบาล<br />
เนื่องจากปริมาณคนไข้ที่เข้ารับบริการมีจ<br />
านวนมากเและยังมีข้อจ ากัดของทรัพยากรในด้านต่างๆ<br />
อาทิเช่น บุคคลากร พื้นที่จัดเก็บ<br />
และที่ส<br />
าคัญ คือ ขั้นตอนในการท<br />
างานของโรงพยาบาลรัฐบาล ที่<br />
ส่งผลกระทบเป็นอย่างมากต่อการพยากรณ์ความต้องการใช้ยาให้ถูกต้อง แม่นย าและเพียงพอต่อ<br />
ความต้องการ ท าให้โรงพยาบาลมีความจ าเป็นต้องส ารองยา จึงก่อให้เกิดภาระที่ไม่สร้างมูลค่า<br />
และ<br />
เป็นส่วนที่ท<br />
าให้การจัดการสินค้าคงคลังมีค่าใช้จ่ายสูงมาก<br />
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบการพยากรณ์จ<br />
านวนยาในการเติมเต็ม<br />
(replenishment) ของการจัดการสินค้าคงคลังแบบ Vendor Managed Inventory (VMI) ให้มีความ<br />
เหมาะสมกับสถานการณ์ต่างๆของแต่ละช่วงเวลา โดยจะท าการประยุกต์ใช้วิธีตรรกศาสตร์คลุมเครือ<br />
เนื่องจากตรรกะศาสตร์คลุมเครือเป็นวิธีที่สามารถจ<br />
าลองได้ใกล้เคียงกับการตัดสินใจของเจ้าหน้าที่<br />
จัดซื้อ<br />
อีกทั้งยังสามารถป้องกันปัญหาที่อาจเกิดขึ้นมาจากการลาออกของบุคคลากร<br />
ท าให้<br />
โรงพยาบาลเกิดการสูญเสียบุคลากรที่มีความรู้<br />
ความเชี่ยวชาญและประสบการณ์<br />
จากการศึกษาพบว่า ความต้องการใช้ยาเป็นปัจจัยส าคัญที่ส่งผลต่อการตัดสินใจสั<br />
่งซื้อใน<br />
กระบวนการเติมเต็มยา ดังนั้นในงานวิจัยชิ้นนี้ได้ศึกษาและน<br />
าวิธี winter’s exponential smoothing<br />
มาประยุกต์ใช้ในการพยากรณ์ความต้องการใช้ยาในอนาคต โดยน าโรงพยาบาลรามาธิบดีเป็น<br />
กรณีศึกษา เนื่องจากยาเป็นสินค้าที่มีปริมาณการใช้ขึ้นอยู่ช่วงเวลา<br />
หรือที่เรียกว่าฤดูกาล<br />
ดังนั้น<br />
winter’s exponential smoothing เป็นวิธีการพยากรณ์ทางสถิติที่เหมาะสม<br />
สามารถช่วยให้การ<br />
พยากรณ์ใกล้เคียงสถานการณ์จริงที่สุด<br />
เพราะเป็นวิธีที่น<br />
าปัจจัยด้านฤดูกาลมาใช้เป็นพารามิเตอร์<br />
หลักของการพยากรณ์ความต้องการใช้ยาในอนาคต<br />
ค าส าคัญ: พยากรณ์จ านวนยาในการเติมเต็ม, พยากรณ์อัตราการใช้ยา, ตรรกศาสตร์คลุมเครือ,<br />
โรงพยาบาล, VMI<br />
* Corresponding author: E-mail: por.arpapak@gmail.com<br />
1 นักศึกษาปริญญาโท ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์ มหิดล<br />
2 อาจารย์ประจ าภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์ มหิดล<br />
3 อาจารย์ประจ าภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์ มหิดล
Abstract<br />
In present, the healthcare services industry in Thailand is severely experiencing<br />
problems in inventory management, especially hospitals under the supervision of the<br />
government. Due to a high number of patients and limitations in resources such as<br />
personnel, storage space and importantly working procedures of the hospitals which<br />
impact to accuracy of medicines demand forecast and sufficiency of medicines, it can be<br />
result in high non-value-added inventory and high inventory management cost.<br />
This research aims to develop the pharmaceutical replenishment process for<br />
Vendor Managed Inventory system to suit any situations by implementing fuzzy logic<br />
model. Because the fuzzy logic can be simulating approximate to the decision from<br />
purchasing officer. It can also be prevent potential problems brought about by personnel<br />
turnover at the warehouse, and the subsequent loss of expertise and experience.<br />
This research reveals that the need for medical consumption has an enormous<br />
impact to decision-making in purchasing the medicines for replenishing one’s stock. From<br />
the research, it has been suggested to apply the winter's exponential smoothing method<br />
in forecasting for the future demand by using Ramathibodi hospital as a case study.<br />
Because pharmaceutical items as a key factor for replenishment process and subject to a<br />
degree of seasonality of demand, the researcher believed that the use of such techniques<br />
may provide a more accurate forecast for the items stocked by the central warehouse in<br />
the hospital.<br />
Keywords: medicines replenishment, usage rate, fuzzy logic, hospital, VMI<br />
1. บทน า<br />
ในปัจจุบันประเทศไทยก าลังเป็นที่จับตา<br />
มองและถูกยอมรับจากทั่วโลก<br />
ว่าเป็นประเทศที่มี<br />
ศักยภาพและความสามารถด้านการแพทย์ ทั้งใน<br />
ด้านความเชี่ยวชาญเฉพาะทางของบุคลากรและ<br />
คุณภาพการให้บริการในระดับมาตรฐานสากล<br />
สังเกตุได้จากการที่มีชาวต่างชาติเข้ามารับ<br />
บริการรักษาในประเทศอย่างต่อเนื่อง<br />
และมี<br />
จ านวนผู้เข้ามารับบริการสูงที่สุดในภูมิภาค<br />
เอเชีย สามารถน าเงินเข้าประเทศได้ไม่ต่ากว่าปี<br />
ละหมื่นล้านบาท<br />
(ส านักงานสถิติแห่งชาติ,2553)<br />
ดังนั้นรัฐบาลจึงเล็งเห็นถึงความส<br />
าคัญของ<br />
อุตสาหกรรมการให้บริการด้านสุขภาพ และได้มี<br />
นโยบายผลักดันให้ประเทศไทยกลายเป็นเมดิ<br />
คอลฮับของเอเชีย<br />
ในก า ร ศึ ก ษ า ส า ย โ ซ่ อุ ป ท า น ข อ ง<br />
โรงพยาบาล พบว่าส่วนที่ก่อให้เกิดภาระ<br />
ค่าใช้จ่ายที่ไม่สร้างมูลค่าแก่โรงพยาบาลสูงที่สุด<br />
ก็คือ ส่วนของสินค้าคงคลัง ซึ่งคิดโดยประมาณ<br />
17–35% ของรายได้ทั้งหมด<br />
เมื่อเปรียบเทียบกับ<br />
การบริหารจัดการในส่วนอื่นๆ<br />
[1] ดังนั้นนักวิจัย<br />
ส่วนใหญ่จึงให้ความสนใจพัฒนาการจัดการ<br />
สินค้าคงคลังเป็นอันดับแรก นอกจากจะช่วยลด<br />
ต้นทุนค่าใช้จ่ายด้านยาและเวชภัณฑ์ให้กับ<br />
โรงพยาบาลแล้ว ยังสามารถเพิ ่มระดับการ<br />
ให้บริการแก่คนไข้อีกด้วย
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
การบริหารจัดการสินค้าคงคลังของ<br />
โรงพยาบาลด้วย VMI เป็นแนวคิดที่ก<br />
าลังได้รับ<br />
ความสนใจเป็นอย่างมาก เนื่องจากท<br />
าให้<br />
ประเทศชาติสามารถประหยัดงบประมาณได้ปีละ<br />
4,000 ล้านบาท (ส านักงานหลักประกันสุขภาพ<br />
แห่งชาติ, 2553) การจัดการสินค้าคงคลังแบบ<br />
VMI จะมีส่วนที่แตกต่างจากแบบอื<br />
่นๆ คือ ผู้จัด<br />
จ าหน่าย (Vendor) จะเป็นผู้ดูแลและบริหาร<br />
จัดการเกียวกับสินค้าคงคลังให้แก่ลูกค้าทั้งหมด<br />
จะเริ่มต้นตั้งแต่ตรวจสอบปริมาณสินค้าคงเหลือ<br />
ของลูกค้า วางแผนในเรื่องปริมาณและเวลาใน<br />
การเติมเต็มสินค้าให้เพียงพอต่อความต้องการ<br />
และสุดท้ายก็ท าการจัดส่งสินค้าให้ถึงมือลูกค้า<br />
ตรงตามแผนที่ก<br />
าหนดไว้ แต่ทว่าโดยปกติแล้ว<br />
การตัดสินใจที่เกี่ยวข้องกับจ<br />
านวนยาที่ควรเติม<br />
เ ต็ ม ภ า ย ใ น โ ร ง พ ย า บ า ล จ ะ ขึ้<br />
น อ ยู่<br />
กั บ<br />
ประสบการณ์ท างานและดุลยพินิจของเจ้าหน้าที่<br />
จัดซื้อ<br />
ซึ่งเป็นปัจจัยส<br />
าคัญที่ส่งผลกระทบรุนแรง<br />
ต่อความส าเร็จในการจัดการสินค้าคงคลังแบบ<br />
VMI ในโรงพยาบาล<br />
จากปัญหาดังกล่าวผู้วิจัยจึงมีแนวคิดที่<br />
น าเสนอวิธีการตรรกะศาสตร์แบบคลุมเครือ<br />
(Fuzzy logic) มาประยุกต์ใช้ เพื่อจ<br />
าลอง<br />
กระบวนการตัดสินใจของเจ้าหน้าที่จัดซื้อที่<br />
เกี่ยวข้องกับจ<br />
านวนยาที่ควรเติมเต็ม<br />
เนื่องจาก<br />
สามารถจ าลองสถานการณ์ได้ใกล้เคียงกับการ<br />
ตัดสินใจของมนุษย์มากที่สุด<br />
มีความยืดหยุ่นสูง<br />
สามารถตอบสนองต่อสถานการณ์ที่อาจมีการ<br />
เปลี่ยนแปลงได้อย่างรวดเร็ว<br />
ทั้งยังไม่มีข้อจ<br />
ากัด<br />
ทางสถิติ เหมือนวิธีการค านวนปริมาณการสั่งซื้อ<br />
อื่นๆ<br />
อาทิเช่น EOQ ในงานวิจัยชิ้นนี้ได้น<br />
าวิธี<br />
winter’s exponential smoothing มาใช้ในการ<br />
พยากรณ์ความต้องการใช้ยาในอนาคต ซึ่งเป็น<br />
ตัวแปรน าเข้า (Input) ที่ส<br />
าคัญ โดยน า<br />
โรงพยาบาลรามาธิบดีเป็นกรณีศึกษา จากนั้นท<br />
า<br />
การเปรียบเทียบปริมาณสินค้าคงคลังระหว่าง<br />
วิธีการค านวนปริมาณการสั่งซื้อที่ใช้ปัจจุบันกับ<br />
วิธีที่น<br />
าเสนอ<br />
2. ทฤษฎีและงานวิจัยที่เกี่ยวข้อง<br />
2.1 Supply chain management in<br />
Healthcare<br />
ในช่วง 10 ปีที่ผ่านมา<br />
จ านวนผู้ป่วยที่เข้ารับ<br />
การรักษาในโรงพยาบาลมีอัตราการเพิ ่มขึ้นสูง<br />
มาก เมื่อเทียบกับจ<br />
านวนแพทย์ พยาบาล และ<br />
ผู้เชี่ยวชาญที่ปฏิบัติงานภายในโรงพยาบาล<br />
จึง<br />
ท าให้โรงพยาบาลไม่สามารถให้บริการได้ทั่วถึง<br />
ตามความต้องการของคนไข้ [2] และได้มีการ<br />
คาดการณ์ไว้ว่าในอนาคตอุตสาหกรรมการ<br />
ให้บริการด้านสุขภาพจะกลายเป็นแรงขับ<br />
เคลื่อนที่ส<br />
าคัญทางเศรษฐกิจ ดังนั้นนักวิจัยหลาย<br />
ท่านจึงให้ความสนใจพัฒนาการด าเนินงานใน<br />
โรงพยาบาลให้เกิดประสิทธิภาพเพิ ่มมากขึ้น<br />
โดยมีวัตถุประสงค์ในการปรับปรุงและพัฒนา ก็<br />
คือ ลดค่าใช้จ่ายที่เกิดขึ้นในองค์กร<br />
แต่ใน<br />
ขณะเดียวกันก็เพิ่มระดับการให้บริการ<br />
[3-4]<br />
Hui Shi (2010) [5] ท าการศึกษาและ<br />
สรุปว่า จุดวิกฤตที่ก่อให้เกิดปัญหาและส่งผล<br />
กระทบต่อการพัฒนาโรงพยาบาลค่อนข้าง<br />
รุนแรง ก็คือ การบริหารจัดการสินค้าคงคลัง ซึ่ง<br />
เ ป็ น ส่ ว น ที่<br />
ใ ช้ ท รั พ ย า ก ร ต่ า ง ๆ ข อ ง ท า ง<br />
โรงพยาบาล อาทิเช่น เวลา บุคคลากร พื้นที่<br />
และ<br />
ค่าใช้จ่าย เป็นจ านวนมาก ดังนั้นเพื่อต้องการลด<br />
ค่าใช้จ่ายและพัฒนาระดับการบริการให้มี<br />
ประสิทธิภาพมากขึ้น<br />
ในหลายๆโรงพยาบาลจึง<br />
ให้ความสนใจที่จะปรับปรุงการบริหารจัดการ<br />
สินค้าคงคลังเป็นอันดับแรก [6-7]<br />
โดยทั่วไปในอดีตวิธีการ<br />
Max-Min มักได้รับ<br />
ความนิยม ส าหรับการจัดการปริมาณสินค้าคง<br />
คลังในโรงพยาบาลอย่างมาก เนื่องเป็นวิธีที่ทาง<br />
โรงพยาบาลมั่นใจว่าจะไม่เกิดเหตุการณ์ที่ยา<br />
ขาดสต๊อก และสามารถก าหนดปริมาณในการ<br />
สั่งซื้อที่แน่นอน<br />
เพื่อน<br />
ามาใช้ในการต่อรองราคา<br />
กับผู้ผลิต<br />
แต่ถ้าการค านวนหาปริมาณการสั่งซื้อ<br />
ไม่สามารถตอบสนองความต้องการที่แท้จริง<br />
จะ<br />
ส่งผลให้เกิดปัญหาด้านสต๊อกอย่างรุนแรง เช่น<br />
ถ้าสต๊อกไม่เคลื่อนไหวมีปริมาณมาก<br />
ก็อาจจะมี<br />
ยาหมดอายุและท าให้ค่าใช้จ่ายเพิ่มสูงขึ้น<br />
[8]
2.2 Vendor managed inventory in<br />
Healthcare<br />
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
วัตถุประสงค์หลักในการจัดการคลังสินค้า<br />
ในโรงพยาบาล ก็คือ ลดค่าใช้จ่ายที่เกิดขึ้นจาก<br />
การด าเนินงานภายในคลังยา ในขณะเดียวกัน<br />
ต้องไม่ส่งผลกระทบท าให้ระดับการให้บริการ<br />
ค น ไ ข้ ล ด ต่ า ล ง [ 9] แ ต่ ท ว่ า ก า ร ตั ด สิ น ใ จ<br />
เปรียบเทียบระหว่างค่าใช้จ่ายและระดับความ<br />
ต้องการในโรงพยาบาลยากและซับซ้อนกว่าใน<br />
อุตสาหกรรมการผลิตทั่วไป<br />
เพราะผลกระทบที่<br />
เกิดจากการบริหารจัดการและตัดสินใจที่<br />
ผิดพลาดจะส่งผลร้ายแรงอย่างมาก ไม่ว่าจะเกิด<br />
ปัญหาการขาดแคลนยาที่หมายถึงการเสียชีวิต<br />
ของผู้ป่วย<br />
หรือการที่เก็บยาในคลังมากเกินไป<br />
ก็<br />
จะท าให้โรงพยาบาลต้องแบกรับภาระค่าใช้จ่าย<br />
มากเกินความจ าเป็น [10]<br />
Mustaffa และ Potter (2009) [11]<br />
ท าการศึกษาและเปรียบเทียบ เพื่อหาวิธีที่<br />
เหมาะสมส าหรับการพัฒนาการบริหารจัดการ<br />
สินค้าคงคลังในโรงพยาบาล ก็คือ Just-in-time,<br />
Stockless และ VMI เนื่องจากทั้ง<br />
3 วิธี<br />
เหมาะสมกับองค์กรที่ความต้องการลูกค้ามีความ<br />
แปรปรวนสูงและพยากรณ์ความต้องการท าได้<br />
ยาก จากนั้นได้ท<br />
าการเปรียบเทียบข้อดี-ข้อเสีย<br />
ของแต่ละวิธี พบว่า VMI เป็นวิธีที่ดีที่สุดส<br />
าหรับ<br />
การจัดการสินค้าคงคลังในโรงพยาบาล เพราะ<br />
ท าให้เกิดเหตุการณ์ขาดแคลนยาต่าที่สุด<br />
ซึ่งเป็น<br />
เงื่อนไขที่ส<br />
าคัญต่อการจัดการสินค้าคงคลังใน<br />
โรงพยาบาล<br />
แต่ทว่าการตัดสินใจในส่วนของจ านวนเติม<br />
เต็มยาของโรงพยาบาล เป็นซึ่งเรื่องที่ยุ่งยากและ<br />
ซับซ้อนอย่างมาก ต้องอาศัยข้อมูลอัตราการใช้<br />
ยาในอดีต ร่วมกับการตัดสินใจของเจ้าหน้าที่<br />
จัดซื้อทางโรงพยาบาล<br />
จะช่วยให้การค านวน<br />
จ านวนเติมเต็มยาแม่นย าและน่าเชื่อถือเพิ่มมาก<br />
ขึ้น<br />
[12-13] ซึ่งความแม่นย<br />
าในการค านวนจะ<br />
ขึ้นอยู่กับ<br />
ข้อมูลที่ใกล้เคียงความเป็นจริง<br />
เจ้าหน้าที่มีทักษะและประสบการณ์ท<br />
างานมาเป็น<br />
เวลานาน ดังนั้นถ้าต้องการให้<br />
VMI ประสบ<br />
ความส าเร็ จ จึงจ าเป็นต้องหา วิธีการแล ะ<br />
เครื่องมือในการจ<br />
าลองกระบวนการคิดของ<br />
เจ้าหน้าที่จัดซื้อ<br />
เพื่อช่วยตัดสินใจว่าควรซื้อยา<br />
จ านวนเท่าไรและเมื่อไร<br />
จึงเหมาะสมในแต่ละ<br />
สถานการณ์มากที่สุด<br />
[14-15]<br />
2.3 ตรรกะศาสตร์แบบคลุมเครือ<br />
ตรรกะศาสตร์คลุมเครือ (Fuzzy logic) เป็น<br />
เครื่องมือที่ช่วยในการตัดสินใจภายในใต้ความ<br />
ไม่แน่นอนของข้อมูล โดยเป็นตรรกะที่มีความ<br />
ยืดหยุ่นสูง<br />
ไม่มีข้อจ ากัดในทางสถิติ และใช้หลัก<br />
เหตุผลที่คล้ายกับการจ<br />
าลองวิธีคิดที่ซับซ้อนของ<br />
มนุษย์ ตรรกะศาสตร์คลุมเครือมีลักษณะที่พิเศษ<br />
กว่าตรรกะศาสตร์จริงเท็จ (Boolean logic) คือ<br />
เป็นแนวคิดที่มีการขยายในส่วนของความจริง<br />
(Partial true) โดยค่าอยู่ในช่วงระหว่างจริง<br />
(Completely true) กับเท็จ (Completely false)<br />
ส่วนตรรกะศาสตร์จริงเท็จจะมีค่าเป็นจริงกับเท็จ<br />
เท่านั้น<br />
(ดังรูปที่<br />
1)<br />
รูปที่<br />
1 ตรรกะจริงเท็จกับตรรกะคลุมเครือ<br />
รูปที่<br />
2 โครงสร้างของรูปแบบตรรกะคลุมเครือ<br />
โครงสร้างของการประมวลผลตรรกะศาสตร์<br />
แบบคลุมเครือ (ดังรูปที่<br />
2) แบ่งเป็น 3 ส่วน คือ<br />
2.3.1 กระบวนการฟัซซีฟิเคชั่น<br />
(Fuzzification)<br />
เป็นขั้นตอนก<br />
าหนดค่าความเป็นสมาชิกของตัว<br />
แปรที่ใช้<br />
โดยการแทนตัวแปรแบบฟัซซีด้วย<br />
ฟังก์ชันความเป็นสมาชิก
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
2.3.2 กระบวนการอนุมานหรือการตีความ<br />
(Inference) เป็นส่วนที่ท<br />
าหน้าที่ตรวจสอบ<br />
ข้อเท็จจริงและกฎ เพื่อใช้ในการตีความหา<br />
เหตุผล เหมือนกลไกส าหรับควบคุมการใช้<br />
ความรู้ในการแก้ไขปัญหา<br />
รวมทั้งการก<br />
าหนด<br />
วิธีการของการตีความเพื่อหาค<br />
าตอบ<br />
2.3.3 กระบวนดีฟัซซีฟิเคชั่น<br />
(Defuzzification)<br />
เป็นส่วนการแปลงผลการตัดสินใจแบบฟัซซีให้<br />
เป็นภาษามนุษย์ (Human Language) [16]<br />
ในสถานการณ์จริงของการจัดการสินค้าคง<br />
คลัง จะมีหลายปัจจัยที่ส่งผลท<br />
าให้ ระดับสินค้า<br />
คงคลังมีการแปรปรวนค่อนข้างสูง ดังนั้นตัวแปร<br />
และพารามิเตอร์หลายตัว จึงไม่สามารถระบุเป็น<br />
ค่าที่แน่นอนได้<br />
อาทิเช่น ความต้องการลูกค้า<br />
จ านวนที่สั่งซื้อ<br />
เป็นต้น ดังนั้นมีนักวิจัยหลาย<br />
ท่านสนใจท าการศึกษา Fuzzy logic เพื่อให้<br />
ต อ บ ส น อ ง ค ว า ม เ ป ลี่<br />
ย น แ ป ล ง ไ ด้ ร ว ด เ ร็ ว<br />
ยกตัวอย่างเช่น Samanta and Al-Araimi<br />
(2001) [17] ได้ท าการศึกษาการจัดการสินค้าคง<br />
คลังของกล่องที่ใช้บรรจุสินค้า<br />
เมื่อระดับสินค้า<br />
คงคลังมีการแปรปรวนตลอดเวลา (non-linear<br />
demand pattern), Jui-Lin Wang (2009) [18]<br />
น า fuzzy set method มาใช้ในการค านวน<br />
พารามิเตอร์ต่างๆของ Asia-Pacific Orient<br />
supply chain distribution ที่เป็นผู้กระจาย<br />
สินค้าให้กับร้านค้าปลีกในประเทศไต้หวัน<br />
จากนั้นเปรียบเทียบค่า<br />
reorder point เพื่อหาจุด<br />
ที่ท<br />
าให้มูลค่าสินค้าคงคลังต่าที่สุด,<br />
Lao et. al.<br />
(2012) [<strong>19</strong>] ท าการศึกษา Fuzzy logic เพื่อ<br />
สร้างเครื่องมือที่ช่วยตัดสินใจในการเลือก<br />
สถานที่จัดเก็บปลาแซลมอน<br />
เนื่องจากเป็นสินค้า<br />
ที่ลูกค้าต้องการให้ยังคงความสดใหม่อยู่เสมอ<br />
และสินค้าแต่ละประเภทก็ต้องการการเก็บรักษา<br />
แตกต่างกัน ซึ่งเงื่อนไขการเก็บรักษาหรือวิธีการ<br />
ควบคุมต่างๆ จะขึ้นอยู่กับการตัดสินใจของ<br />
ผู้ปฏิบัติงานเท่านั้น<br />
จากการศึกษาพบว่าวิธีที่เหมาะสมต่อการ<br />
ประยุกต์ใช้เป็นเครื่องมือช่วยในการตัดสินใจ<br />
ของเจ้าหน้าที่จัดซื้อ<br />
ก็คือ ตรรกะศาสตร์แบบ<br />
คลุมเครือ เนื่องจากเป็นวิธีที่สามารถจ<br />
าลอง<br />
สถานการณ์ได้ใกล้เคียงกับการตัดสินใจของ<br />
เจ้าหน้าที่จัดซื้อที่สุด<br />
และตอบสนองต่อองค์กรที่<br />
พารามิเตอร์มีการเปลี่ยนแปลงตลอดเวลา<br />
ซึ่ง<br />
ต้องอาศัยประสบการณ์และความรู้ของเจ้าหน้าที่<br />
มาเป็นส่วนส าคัญในการสร้างตรรกะทาง<br />
ความคิด<br />
3. กรณีศึกษา: โรงพยาบาลรามาธิบดี<br />
จากการสัมภาษณ์พบว่าในปัจจุบันเจ้าหน้าที่<br />
คลังยา จะท าการรวบรวมปริมาณยาทั้งหมดที่<br />
ห้องยาย่อยเบิกจากคลังยาใหญ่ในปีที่ผ่านมา<br />
ของยาแต่ละชนิด เพื่อที่จะหาค่าเฉลี่ยอัตราการ<br />
ใช้ยาล่วงหน้ารายเดือน เรียกว่า Msale เป็น<br />
ตัวแทนอัตราการใช้ยาตัวนั้นๆของปีถัดไป<br />
โดยขั้นตอนการเติมเต็มยาเริ่มต้นจาก<br />
เ จ้ า หน้ า ที่<br />
ค ลั ง ย า ใ ห ญ๋ จ ะ เ ติ ม ย า ใ ห้ ถึ ง ค่ า<br />
maximum หรือ เท่ากับ 150% ของค่าMSale<br />
ยาชนิดนั้นๆ<br />
เมื่อปริมาณสินค้าคงคลังลดลงถึงค่า<br />
safety stock หรือ เท่ากับ 80% ของค่า MSale<br />
ยาชนิดนั้น<br />
เจ้าหน้าที่จะสั่งซื้อยาให้เต็ม<br />
150%<br />
ของค่าMSale เสมอ นั่นหมายถึงปริมาณยาที่<br />
สั่งซื้อในแต่ละครั้ง<br />
จะมีค่าประมาณ70% ของค่า<br />
MSaleยาตัวนั้น<br />
(ดังรูปที่3)<br />
ถ้าน าค่า maximum<br />
และ safety stock กลับมาคิดเป็นจ านวนวัน จะ<br />
พบว่าค่า maximum จะคิดจากจ านวนวันที่มาก<br />
ที่สุดของปริมาณที่สามารถเก็บยาในคลัง<br />
โดยมี<br />
ค่าประมาณ 45 วัน เพื่อรองรับข้อก<br />
าจัดทางด้าน<br />
พื้นที่จัดเก็บ<br />
และ safety stock มีค่าประมาณ 24<br />
วัน เพื่อรองรับช่วงเวลาที่ใช้ในขั้นตอนการออก<br />
ใบค าสั่งซื้อ<br />
และช่วงเวลาในการจัดส่งยา ซึ่ง<br />
ก่อให้เกิดภาระด้านสินค้าคงคลังแก่โรงพยาบาล<br />
เป็นอย่างมาก
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
รูปที่<br />
3 กระบวนการตัดสินใจเติมเต็มในปัจจุบัน<br />
ดังนั้นผู้วิจัยได้น<br />
าเสนอแนวทางการจัดการ<br />
สินค้าคงคลังแบบใหม่ โดยมีวัตถุประสงค์เพื่อลด<br />
ปริมาณสินค้าคงคลัง แต่ยังสามารถตอบสนอง<br />
ความต้องการผู้ป่วยตลอดเวลา<br />
โดยเริ่มต้นจาก<br />
การพยากรณ์อัตราการใช้ล่วงหน้าด้วย วิธี<br />
winter’s exponential smoothing เนื่องจาก<br />
เป็นวิธีที่น<br />
าแนวโน้มและฤดูกาลมาเป็นปัจจัยใน<br />
การค านวน [20-21] และน าค่า maximum และ<br />
safety stock มาใช้ เพื่อก<br />
าหนดช่วงของตัวแปร<br />
จากนั้นเข้าสู่การค<br />
านวนปริมาณยาที่ควร<br />
เติมเต็มของ Fuzzy logic model โดยมีตัวแปร<br />
น าเข้าทั้งหมด<br />
4 ตัวแปร คือ อัตราการใช้ยา<br />
ล่วงหน้า, ปริมาณยาคงเหลือ, safety stock,<br />
Maximum ซึ่งค่าsafety<br />
stock กับ Maximum<br />
จะมาจากเจ้าหน้าที่ระบุวันที่ต้องการเก็บ<br />
safety<br />
stock และ Maximum เมื่อได้ปริมาณยาที่ควร<br />
เติมเต็ม จะน าไปเพิ่มปริมาณยาในคลัง<br />
จากนั้น<br />
เมื่อคลังยาใหญ่ท<br />
าการจ่ายยาไปให้ห้องยาย่อย<br />
ถ้าปริมาณยาลดลงถึง safety stock ระบบจะท า<br />
การค านวนปริมาณยาที่ควรเติมเต็มอีกครั้ง<br />
หรือ<br />
จนกว่าจะถึงรอบที่ก<br />
าหนด ในงานวิจัยก าหนด<br />
รอบการสั่งเป็นทุกต้นเดือน<br />
(ดังรูปที่4)<br />
รูปที่<br />
5 โครงสร้างค านวนจ านวนยาที่ควรเติมเต็ม<br />
รูปที่<br />
4 แผนภาพค านวนจ านวนยาที่ควรเติมเต็ม<br />
4. Fuzzy Logic Model<br />
จากที่แสดงแนวทางการจัดการสินค้าคงคลัง<br />
แบบใหม่แล้ว ขั้นต่อไปก็คือ<br />
การสร้างโปรแกรม<br />
โดยใช้โปรแกรม Matlab จากรูปที่<br />
5 แสดงถึง<br />
โครงสร้างโดยรวมของการค านวนปริมาณยาที่<br />
ควรเติมเต็มของ Fuzzy logic ในโปรแกรม<br />
Matlab Toolbox<br />
4.1 ตัวแปรน าเข้าและน าออก<br />
ตัวแปรน าเข้าที่น<br />
ามาสร้างฟังก์ชันความเป็น<br />
สมาชิก (MF) ในโมเดล มี 3 ตัวแปร คือ ปริมาณ<br />
ยาคงเหลือ, ค่าsafety stock, ค่าMaximum และ<br />
ตัวแปรน าออก คือ ปริมาณยาที่ควรเติมเต็ม<br />
(request) โดยการน าไปเปรียบเทียบกับค่าอัตรา<br />
การใช้ล่วงหน้าของเดือนนั้นๆเพื่อเปลี่ยนให้<br />
กลายเป็นเปอร์เซ็น ยกตัวอย่างเช่น การเปลี่ยน<br />
ค่าตัวแปรน าเข้าปริมาณยาคงเหลือ จาก crisp<br />
value ให้อยู่ในรูปแบบ<br />
Fuzzy value โดยมี<br />
สมการค านวน (สมการที่<br />
1)
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
จากนั้นแสดงตารางเปรียบเทียบระดับ<br />
ฟังก์ชันความเป็นสมาชิก (ตารางที่<br />
1) ซึ่งได้<br />
แสดงรูปแบบกับระดับฟังก์ชันความเป็นสมาชิก<br />
(µ) ในโปรแกรม Matlab Toolbox ดังรูปที่<br />
6<br />
โดย Onhand (t) คือ ปริมาณยาคงเหลือ เดือน t<br />
(1)<br />
Forecast (t) คือ อัตราการใช้ล่วงหน้า เดือน t<br />
ตารางที่<br />
1 ตัวอย่างฟังก์ชันความเป็นสมาชิก<br />
Parameter Variable Description<br />
Onhand<br />
zero Value approximately 0-10%<br />
very low Value approximately 15-20%<br />
low Value approximately 30-35%<br />
medium Value approximately 50-55%<br />
high Value approximately 70-75%<br />
very high Value approximately 90-100%<br />
over Value approximately 130-150%<br />
รูปที่<br />
6 รูปแบบฟังก์ชันและระดับความเป็น<br />
สมาชิกของสินค้าคงคลัง<br />
4.2 กฏในการค านวน<br />
การก าหนดกฏของ Fuzzy Logic จะเขียน<br />
ในรูปแบบของ If-then (ดังตารางที่2)<br />
เพราะเป็น<br />
แบบที่ง่ายต่อความเข้าใจ<br />
และคล้ายคลึงกับ<br />
กระบวนการคิดของมนุษย์อย่างมาก<br />
ตารางที่<br />
2 ตัวอย่างกฏการค านวน Fuzzy logic<br />
Rule:1<br />
IF OH onhand is zero and<br />
SS safety stock is about 1-3 day and<br />
MAX maximum stock is about 33-35 day<br />
THEN RQ Request is 120%<br />
Rule:2<br />
IF OH onhand is zero and<br />
SS safety stock is about 1-3 day and<br />
MAX maximum stock is about 38-40 day<br />
THEN RQ Request is 135%<br />
จากนั้นท<br />
าการก าหนดกฏให้ครอบคลุมทุก<br />
เหตุ การณ์ที่เกิด<br />
ขึ้นและน<br />
ากฏไปสร้า งใ น<br />
โปรแกรม Matlab เมื่อเรียบร้อยแล้ว<br />
โปรแกรม<br />
จะแสดงกฏทั้งหมดที่ก<br />
าหนดไว้ในรูปแบบกราฟ<br />
สร้างฟังก์ชันความเป็นสมาชิก เมื่อระบุค่าตัวแปร<br />
น าเข้า โปรแกรมจะค านวนและแสดงค่าตัวแปร<br />
น าออก โดยแสดงตามรูปที่<br />
7<br />
รูปที่<br />
7 กราฟแสดงการค านวนตามกฏที่ก<br />
าหนด<br />
5. ผลการทดลอง<br />
งานวิจัยชิ้นนี้เลือกเลือกยาของโรงพยาบาล<br />
รามาธิบดีที่มีอัตราการสั่งซื้อสูงสุด<br />
20 อันดับแรก<br />
จากผู้กระจายสินค้า<br />
DKSH คิดเป็นมูลค่าสั่งซื้อ<br />
โดยประมาณ67%ของยอดสั ่งซื้อทั้งหมด<br />
ซึ่งมี<br />
ข้อมูลตั้งแต่เดือนกุมภาพันธ์<br />
ปี 2552 ถึงเดือน<br />
สิงหาคม ปี 2554 จากนั้นสุ่มเลือกค่าของแต่ละ
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
ช่วงฟังก์ชันความเป็นสมาชิกเป็นตัวแทนในการ<br />
ค านวน และแสดงผลการลดลงของปริมาณสินค้า<br />
คงคลัง ตามตารางที่<br />
3 โดยมีสมการวิธีการ<br />
ค านวน ดังต่อไปนี้<br />
ลดลงสินค้าคงคลัง<br />
(2)<br />
OH_MSale คือผลรวมปริมาณยาคงเหลือ MSale<br />
OH_FLคือผลรวมปริมาณยาคงเหลือ Fuzzy logic<br />
ตารางที่<br />
3 เปอร์เซ็นการลดลงของปริมาณสินค้า<br />
คงคลังเปรียบเทียบ Fuzzy logic กับ MSale<br />
Maximum<br />
(day)<br />
Safety stock (day)<br />
1 3 5 7 9 11<br />
33 75.30 75.16 62.50 62.73 62.54 43.43<br />
35 73.38 73.38 60.01 60.24 59.71 40.16<br />
37 63.31 63.31 48.18 48.<strong>19</strong> 48.32 28.39<br />
39 62.09 62.06 46.08 46.14 45.96 26.91<br />
41 60.77 60.77 44.50 44.51 44.25 26.09<br />
43 47.18 47.18 31.18 31.16 31.02 15.82<br />
จากตารางที่<br />
3 พบว่าปริมาณสินค้าคงคลัง<br />
ของ Fuzzy model จะมีค่าต่ากว่าปริมาณสินค้า<br />
คงคลังในปัจจุบัน (Msale) เสมอ โดยมีค่าการ<br />
ลดลงในช่วงประมาณ 16 – 75% ขึ้นอยู่กับ<br />
จ านวนวันที่ต้องการเก็บ<br />
Safety stock และ<br />
Maximum stock เช่น ถ้าวันที่ต้องการเก็บ<br />
stock มีจ านวนน้อย เปอร์เซ็นการลดลงปริมาณ<br />
สินค้าคงคลังก็จะมีค่ามาก ซึ่งสามารถสรุปเป็น<br />
สมการเปอร์เซ็นการลดลงของปริมาณสินค้าคง<br />
คลัง โดยแบ่งเป็น 2 รูปแบบ คือ แบบที่ก<br />
าหนด<br />
ช่วงวันที่ต้องการเก็บ<br />
Safety stock และแบบที่<br />
ก าหนดช่วงวันที่ต้องการเก็บ<br />
Maximum stock<br />
จะแสดงในตารางที่<br />
4 และ 5 ตามล าดับ<br />
ตารางที่<br />
4 Trendline Equation by safety<br />
stock level<br />
Safety stock (day) Trendline Equation R 2<br />
1 - 3 Y = -2.41X + 154.21 0.896<br />
5 - 9 Y = -2.72X + 151.07 0.921<br />
10 - 15 Y = -2.36X + 1<strong>19</strong>.25 0.926<br />
โดย Y คือ เปอร์เซ็นที่ลดลงปริมาณสินค้าคงคลัง<br />
X คือ จ านวนวันที่ต้องการMaximum<br />
stock<br />
ตารางที่<br />
5 Trendline Equation by maximum<br />
stock level<br />
Maximum stock<br />
(day)<br />
Trendline Equation R 2<br />
31 - 36 Y = -2.85X + 77.37 0.867<br />
37 - 41 Y = -3.0X + 65.65 0.882<br />
42 - 45 Y = -2.65X + 49.47 0.883<br />
โดย Y คือ เปอร์เซ็นที่ลดลงปริมาณสินค้าคงคลัง<br />
6. สรุป<br />
X คือ จ านวนวันที่ต้องการ<br />
Safety stock<br />
ตรรกะศาสตร์แบบคลุมเครือ (Fuzzy logic)<br />
เป็นวิธีการที่สามารถจ<br />
าลองกระบวนการได้<br />
ใกล้เคียงกับความคิดเจ้าหน้าที่จัดซื้อของ<br />
โรงพยาบาล ในส่วนที่เกี่ยวข้องกับการตัดสินใจ<br />
สั่งซื้อยาได้อย่างเหมาะสม<br />
ทั้งยังช่วยลดปริมาณ<br />
สินค้าคงคลัง ส่งผลให้โรงพยาบาลสามารถลด<br />
ภาระที่ไม่ก่อให้เกิดรายได้<br />
เพิ่มการหมุนเวียน<br />
ของยา และในขณะเดียวกันไม่เพียงแต่จะช่วย<br />
พัฒนากระบวนการทางธุรกิจของโรงพยาบาล<br />
เท่านั้น<br />
แต่ยังช่วยพัฒนาองค์กรอื่นๆ<br />
ที่เกี่ยวข้อง<br />
กับสายโซ่อุปทานการให้บริการทางการแพทย์<br />
ให้สามารถด าเนินงานได้อย่างมีประสิทธิภาพ<br />
แต่ทว่าในความเป็นจริงขั้นตอนการ<br />
ด าเนินงานของแต่ละองค์กรมีลักษณะที่แตกต่าง<br />
กันออกไป ท าให้อาจจะมีบางส่วนของตัวแบบ<br />
ตรรกะศาสตร์แบบคลุมเครือ (Fuzzy logic<br />
model) ที่ต้องมีการปรับเปลี่ยน<br />
อาทิเช่น ตัวแปร<br />
น าเข้า ตัวแปรน าออก และกฏในการค านวน
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
ดังนั้นการน<br />
าตัวแบบตรรกะศาสตร์แบบ<br />
คลุมเครือเข้าไปประยุกต์ใช้กับองค์กร จึงควรที่<br />
จะให้ผู้ที่มีความเชี่ยวชาญในแต่ละองค์กรเป็นผู้<br />
ก าหนดและปรับเปลี่ยนตัวแบบให้เหมาะสมกับ<br />
องค์กร<br />
ปัจจัยส าคัญที่ท<br />
าให้การจัดการสินค้าคง<br />
คลังภายในโรงพยาบาลแบบ VMI ไม่ประสบ<br />
ผลส าเร็จ ก็คือ ข้อจ ากัดด้านปริมาณยาในการ<br />
สั่งซื้อจากองค์กรของรัฐบาล<br />
เช่น องค์การเภสัช<br />
กรรม สถานเสาวภา เป็นต้น เนื่องจากองค์กร<br />
ของรัฐบาลไม่สามารถผลิตได้เพียงพอต่อความ<br />
ต้องการ ดังนั้นโรงพยาบาลจึงยังคงมีความ<br />
จ าเป็นที่ต้องเก็บส<br />
ารองยาปริมาณสูง เพื่อป้องกัน<br />
เหตุการณ์ยาจะขาดสต๊อก ท าให้จ านวนยาใน<br />
การสั่งซื้อไม่มีความแน่นอน<br />
จะขึ้นอยู่กับปริมาณ<br />
ยาที่ผู้ผลิตสามารถจัดส่งได้<br />
7. กิตติกรรมประกาศ<br />
ข้าพเจ้าขอกราบขอบพระคุณ ดร.ฐิติกร<br />
ลิ้มชิมชล<br />
และ ผู้ช่วยศาสตราจารย์ธนกรณ์<br />
แน่นหนา ที่ได้ให้ความช่วยเหลือในการวางแผน<br />
งานวิจัยในบทความฉบับนี้<br />
ตลอดจนการให้<br />
ค าปรึกษาแนะน าและตรวจแก้ไขข้อบกพร่อง<br />
ต่างๆ เพื่อให้บทความส<br />
าเร็จลุล่วงไปด้วยดี<br />
8. เอกสารอ้างอิง<br />
[1] G. Strack and Y. Pochet, “An<br />
integrated model for warehouse and<br />
inventory planning,” European Journal of<br />
Operational Research 204, pp.35–50,<br />
2010.<br />
[2] S. E. Heinbuch, “A case of successful<br />
technology transfer to health care Total<br />
quality materials management and just-intime,”<br />
Journal of Management in Medicine,<br />
Vol. 9 No.2, pp. 48-56, <strong>19</strong>95.<br />
[3] A. Kumar, L. Ozdamar and C. Ng Peng,<br />
“Supply chain redesign in the healthcare<br />
industry of Singapore,” International<br />
Journal of Health Care Quality Assurance<br />
Vol. 18 No.2, pp.152-166, 2005.<br />
[4] J.D. Vries and R. Huijsman, “Supply<br />
chain management in health services: an<br />
overview,” Supply Chain Management: An<br />
International Journal 16/3, pp.159–165,<br />
2011.<br />
[5] H. Shi, “Research on Supply<br />
Management in Hospital Based on VMI,”<br />
College of Management and Economics,<br />
University of Tianjin, 2010. Tianjin, China.<br />
[6] F. Faez, S.H. Ghodsypour and C.<br />
O’Brien, “Vendor selection and order<br />
allocation using an integrated fuzzy casebased<br />
reasoning and mathematical<br />
programming model,” Int. J. Production<br />
Economics 121, pp. 395–408, 2009.<br />
[7] J. Gu, M. Goetschalckx and Leon F.<br />
McGinnis, “Research on warehouse<br />
operation: A comprehensive review,”<br />
European Journal of Operational Research<br />
177, pp. 1–21, 2007.<br />
[8] Ian Johnson. (2012,July.20). Simplifying<br />
Min/Max Inventory Management Practices,<br />
[Online]:http://suite101.com/businessmana<br />
gement.<br />
[9] J.D. Vries, “The shaping of inventory<br />
systems in health services: A stakeholder<br />
analysis,” Int.J.Production Economics,<br />
2009.<br />
[10] P. Gary Jarrett, “An analysis of<br />
international health care logistics: The<br />
benefits and implications of implementing<br />
just-in-time systems in the health care<br />
industry,” Leadership in Health Services<br />
Vol.<strong>19</strong> No.1, 2006.<br />
[11] N.H. Mustaffa and A. Potter,<br />
"Healthcare supply chain management in<br />
Malaysia: a case study,” Supply Chain<br />
Management: An International Journal<br />
14/3, pp. 234–243, 2009.<br />
[12] A. Toni and L. Zamolo, “From a<br />
traditional replenishment system to vendormanaged<br />
inventory: A case study from the
การประชุมวิชาการด้านการวิจัยด าเนินงาน<br />
แห่งชาติ ประจ าปี 2555<br />
วันที่<br />
6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ<br />
household electrical appliances sector,”<br />
Int. J. Production Economics 96, pp.63–79,<br />
2005.<br />
[13] Marloes J.T. Claassen, Arjan J. van<br />
Weele and Erik M. van Raaj, “Performance<br />
outcomes and success factors of vendor<br />
managed inventory (VMI),” Supply Chain<br />
Management: An International Journal<br />
13/6, pp. 406–414, 2008.<br />
[14] K. Sari, “Exploring the benefits of<br />
vendor managed inventory,” International<br />
Journal of Physical Distribution & Logistics<br />
Management Vol. 37 No. 7, pp.529-545,<br />
2007.<br />
[15] M.A. Rodriguez and A. Vecchietti,<br />
“Inventory and delivery optimization under<br />
seasonal demand in the supply chain,”<br />
Computers and Chemical Engineering 34,<br />
pp.1705–1718, 2010.<br />
[16] ผศ.ดร.พยุง มีสัจ. “โครงข่ายประสาทเทียม<br />
และระบบฟัซซี”, มหาวิทยาลัยเทคโนโลยีพระ<br />
จอมเกล้าพระนครเหนือ, (2553).<br />
[17] B. Samanta and S.A. Al-Araimi, “An<br />
inventory control model using fuzzy logic,”<br />
Int. J. Production Economics 73, pp.217-<br />
226, 2001.<br />
[18] Jui-Lin Wang, “A supply chain<br />
application of fuzzy set theory to inventory<br />
control models – DRP system analysis,”<br />
Expert Systems with Applications, vol36,<br />
pp.9229–9239, 2009.<br />
[<strong>19</strong>] S.I. Lao, K.L. Choy, G.T.S. Ho,<br />
Richard C.M. Yam, Y.C. Tsim, and T.C.<br />
Poon, “achieving quality assurance<br />
functionality in the food industry using a<br />
hybrid case-based reasoning and fuzzy<br />
logic approach,” Expert Systems with<br />
Applications, vol. 39, pp. 5251–5261, 2012.<br />
[20] สุจารี ด าศรี. วิทยานิพนธ์ เรื่องการศึกษา<br />
เปรียบเทียบวิธีการแบ่งแยกส่วนประกอบในการ<br />
พยากรณ์ข้อมูลอนุกรมเวลาที่มีและไม่มีการ<br />
เปลี่ยนแปลงเนื่องจากฤดูกาล,<br />
คณะวิทยาศาสตร์<br />
มหาบัณฑิสาขาสถิติ มหาวิทยาลัยเกษตรศาสตร์,<br />
(2549).<br />
[21] รวิพิมพ์ ฉวีสุข และ ธนีกานต์ จุฑาเจริญ<br />
วงศ์, การพยากรณ์ปริมาณความต้องการและวาง<br />
แผนการผลิตชิ้นส่วนไก่ส<br />
าหรับผลิตภัณฑ์ไก่<br />
แปรรูปแช่แข็ง: กรณีศึกษากลุ่มบริษัทธุรกิจการ<br />
ผ ลิ ต ไ ก่ ค ร บ ว ง จ ร , ภ า ค วิ ช า เ ท ค โ น โ ล ยี<br />
อุตสาหกรรมเกษตรคณะอุตสาหกรรมเกษตร<br />
มหาวิทยาลัยเกษตรศาสตร์, (2549).<br />
งานวิจัยที่สนใจ<br />
ประวัติผู้เขียนบทความ<br />
นางสาว อาภาภัค เดชพันธวณิช<br />
นักศึกษาปริญญาโท ภาควิชาอุต<br />
สาหการ คณะวิศวกรรมศาสตร์<br />
มหาวิทยาลัยมหิดล<br />
1. Logistics and Supply Chain Management<br />
2. Production and Operation Management<br />
3. Operations Research
Change language