B-19 - AS Nida
B-19 - AS Nida B-19 - AS Nida
การประชุมวิชาการด้านการวิจัยด าเนินงาน แห่งชาติ ประจ าปี 2555 วันที่ 6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ รูปที่ 3 กระบวนการตัดสินใจเติมเต็มในปัจจุบัน ดังนั้นผู้วิจัยได้น าเสนอแนวทางการจัดการ สินค้าคงคลังแบบใหม่ โดยมีวัตถุประสงค์เพื่อลด ปริมาณสินค้าคงคลัง แต่ยังสามารถตอบสนอง ความต้องการผู้ป่วยตลอดเวลา โดยเริ่มต้นจาก การพยากรณ์อัตราการใช้ล่วงหน้าด้วย วิธี winter’s exponential smoothing เนื่องจาก เป็นวิธีที่น าแนวโน้มและฤดูกาลมาเป็นปัจจัยใน การค านวน [20-21] และน าค่า maximum และ safety stock มาใช้ เพื่อก าหนดช่วงของตัวแปร จากนั้นเข้าสู่การค านวนปริมาณยาที่ควร เติมเต็มของ Fuzzy logic model โดยมีตัวแปร น าเข้าทั้งหมด 4 ตัวแปร คือ อัตราการใช้ยา ล่วงหน้า, ปริมาณยาคงเหลือ, safety stock, Maximum ซึ่งค่าsafety stock กับ Maximum จะมาจากเจ้าหน้าที่ระบุวันที่ต้องการเก็บ safety stock และ Maximum เมื่อได้ปริมาณยาที่ควร เติมเต็ม จะน าไปเพิ่มปริมาณยาในคลัง จากนั้น เมื่อคลังยาใหญ่ท าการจ่ายยาไปให้ห้องยาย่อย ถ้าปริมาณยาลดลงถึง safety stock ระบบจะท า การค านวนปริมาณยาที่ควรเติมเต็มอีกครั้ง หรือ จนกว่าจะถึงรอบที่ก าหนด ในงานวิจัยก าหนด รอบการสั่งเป็นทุกต้นเดือน (ดังรูปที่4) รูปที่ 5 โครงสร้างค านวนจ านวนยาที่ควรเติมเต็ม รูปที่ 4 แผนภาพค านวนจ านวนยาที่ควรเติมเต็ม 4. Fuzzy Logic Model จากที่แสดงแนวทางการจัดการสินค้าคงคลัง แบบใหม่แล้ว ขั้นต่อไปก็คือ การสร้างโปรแกรม โดยใช้โปรแกรม Matlab จากรูปที่ 5 แสดงถึง โครงสร้างโดยรวมของการค านวนปริมาณยาที่ ควรเติมเต็มของ Fuzzy logic ในโปรแกรม Matlab Toolbox 4.1 ตัวแปรน าเข้าและน าออก ตัวแปรน าเข้าที่น ามาสร้างฟังก์ชันความเป็น สมาชิก (MF) ในโมเดล มี 3 ตัวแปร คือ ปริมาณ ยาคงเหลือ, ค่าsafety stock, ค่าMaximum และ ตัวแปรน าออก คือ ปริมาณยาที่ควรเติมเต็ม (request) โดยการน าไปเปรียบเทียบกับค่าอัตรา การใช้ล่วงหน้าของเดือนนั้นๆเพื่อเปลี่ยนให้ กลายเป็นเปอร์เซ็น ยกตัวอย่างเช่น การเปลี่ยน ค่าตัวแปรน าเข้าปริมาณยาคงเหลือ จาก crisp value ให้อยู่ในรูปแบบ Fuzzy value โดยมี สมการค านวน (สมการที่ 1)
การประชุมวิชาการด้านการวิจัยด าเนินงาน แห่งชาติ ประจ าปี 2555 วันที่ 6-7 กันยายน 2555 ณ โรงแรม พูลแมน บางกอก คิง เพาเวอร์ กรุงเทพฯ จากนั้นแสดงตารางเปรียบเทียบระดับ ฟังก์ชันความเป็นสมาชิก (ตารางที่ 1) ซึ่งได้ แสดงรูปแบบกับระดับฟังก์ชันความเป็นสมาชิก (µ) ในโปรแกรม Matlab Toolbox ดังรูปที่ 6 โดย Onhand (t) คือ ปริมาณยาคงเหลือ เดือน t (1) Forecast (t) คือ อัตราการใช้ล่วงหน้า เดือน t ตารางที่ 1 ตัวอย่างฟังก์ชันความเป็นสมาชิก Parameter Variable Description Onhand zero Value approximately 0-10% very low Value approximately 15-20% low Value approximately 30-35% medium Value approximately 50-55% high Value approximately 70-75% very high Value approximately 90-100% over Value approximately 130-150% รูปที่ 6 รูปแบบฟังก์ชันและระดับความเป็น สมาชิกของสินค้าคงคลัง 4.2 กฏในการค านวน การก าหนดกฏของ Fuzzy Logic จะเขียน ในรูปแบบของ If-then (ดังตารางที่2) เพราะเป็น แบบที่ง่ายต่อความเข้าใจ และคล้ายคลึงกับ กระบวนการคิดของมนุษย์อย่างมาก ตารางที่ 2 ตัวอย่างกฏการค านวน Fuzzy logic Rule:1 IF OH onhand is zero and SS safety stock is about 1-3 day and MAX maximum stock is about 33-35 day THEN RQ Request is 120% Rule:2 IF OH onhand is zero and SS safety stock is about 1-3 day and MAX maximum stock is about 38-40 day THEN RQ Request is 135% จากนั้นท าการก าหนดกฏให้ครอบคลุมทุก เหตุ การณ์ที่เกิด ขึ้นและน ากฏไปสร้า งใ น โปรแกรม Matlab เมื่อเรียบร้อยแล้ว โปรแกรม จะแสดงกฏทั้งหมดที่ก าหนดไว้ในรูปแบบกราฟ สร้างฟังก์ชันความเป็นสมาชิก เมื่อระบุค่าตัวแปร น าเข้า โปรแกรมจะค านวนและแสดงค่าตัวแปร น าออก โดยแสดงตามรูปที่ 7 รูปที่ 7 กราฟแสดงการค านวนตามกฏที่ก าหนด 5. ผลการทดลอง งานวิจัยชิ้นนี้เลือกเลือกยาของโรงพยาบาล รามาธิบดีที่มีอัตราการสั่งซื้อสูงสุด 20 อันดับแรก จากผู้กระจายสินค้า DKSH คิดเป็นมูลค่าสั่งซื้อ โดยประมาณ67%ของยอดสั ่งซื้อทั้งหมด ซึ่งมี ข้อมูลตั้งแต่เดือนกุมภาพันธ์ ปี 2552 ถึงเดือน สิงหาคม ปี 2554 จากนั้นสุ่มเลือกค่าของแต่ละ
- Page 1 and 2: การประชุมวิ
- Page 3 and 4: การประชุมวิ
- Page 5: การประชุมวิ
- Page 9 and 10: การประชุมวิ
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
Change language