Data Analysis For Decision

การวิเคราะหขอมูล
เพื่อการตัดสินใจ
ฉบับพิมพครั้งที่ 2 แกไขเพิ่มเติม
นภดล รมโพธิ์
คณะพาณิชยศาสตรและการบัญชี มหาวิทยาลัยธรรมศาสตร
การว�เคราะหขอมูลเพ�่อการตัดสินใจ
ฉบับพิมพ์ครั้งที่ 2 แกไขเพิ่มเติม
นภดล ร่มโพธิ์
คณะพาณิชยศาสตร์และการบัญชี
มหาวิทยาลัยธรรมศาสตร์
การวิเคราะห์ข้อมูลเพื่อการตัดสินใจ
ISBN 978-616-305-091-5
ลิขสิทธิ์ของนภดล ร่มโพธิ์
สงวนลิขสิทธิ์
ฉบับพิมพ์ครั้งที่ 1 เดือนกรกฎาคม 2555

จำ�นวน 1,000 เล่ม
ฉบับพิมพ์ครั้งที่ 2 เดือนสิงหาคม 2557
จำ�นวน 1,000 เล่ม
จัดพิมพ์โดยโรงพิมพ์มหาวิทยาลัยธรรมศาสตร์
เลขที่ 2 ถนนพระจันทร์ แขวงพระบรมมหาราชวัง เขตพระนคร
กรุงเทพฯ 10200
โทร. 0-2224-1350, 0-2613-3811
Email address: print.tu@gmail.com
จัดจำ�หน่ายโดยศูนย์หนังสือมหาวิทยาลัยธรรมศาสตร์
มหาวิทยาลัยธรรมศาสตร์ ถนนพระจันทร์
แขวงพระบรมมหาราชวัง เขตพระนคร
กรุงเทพฯ 10200
โทร. 02 613 3899 โทรสาร 02 226 1880
Email address: tubks@tu.ac.th
สารบัญ
คํานํา ...................................................................................................................................................................................................................................................................(5)
บทที่ 1 การตัดสินใจโดยใชแบบจำาลองทางคณิตศาสตร์ ......................................................................................................1

บทที่ 2 การใชโปรแกรมเชิงเสนเพื่อช่วยในการตัดสินใจ ..................................................................................................13
บทที่ 3 การวิเคราะห์ความไว (Sensitivity Analysis) ในการใชโปรแกรมเชิงเสน......................71
บทที่ 4 การใชโปรแกรมเชิงเสนในกรณีที่คำาตอบเปนจำานวนเต็ม .........................................................................91
บทที่ 5 การใชโปรแกรมเชิงเสนในกรณีที่มีหลายวัตถุประสงค์.............................................................................119
บทที่ 6 แบบจำาลองแถวการรอคอย........................................................................................................................................................141
บทที่ 7 การจัดการโครงการ..............................................................................................................................................................................175
บทที่ 8 การวิเคราะห์การตัดสินใจ ............................................................................................................................................................205
บทที่ 9 ทฤษฎีเกม..........................................................................................................................................................................................................251
บทที่ 10 โปรแกรมเชิงพลวัต ................................................................................................................................................................................281
บทที่ 11 งานวิจัยเรื่องการใชเทคนิคการวิเคราะห์เชิงปริมาณในประเทศไทย......................................321
ภาคผนวก ................................................................................................................................................................................................................................................337
บรรณานุกรม .......................................................................................................................................................................................................................................353
เฉลยคําถามทายบท ...................................................................................................................................................................................................................357
ดัชนี ..................................................................................................................................................................................................................................................................365
ประวัติผูเขียน .....................................................................................................................................................................................................................................370
การวิเคราะหขอมูลเพื่อการตัดสินใจ (3)
คํานํา
ตำาราเรื่องการวิเคราะห์ข้อมูลเพื่อการตัดสินใจเล่มนี้แต่งขึ้นจากผลงานวิจัย บทความ
วิชาการ และบทความวิจัย รวมถึงประสบการณ์ตรงของผูเขียน ซึ่งผูเขียนไดมีความสนใจในเรื่อง
ของการวิเคราะห์ขอมูลในเชิงปริมาณและไดเปนผูสอนวิชานี้ทั้งในระดับปริญญาตรีและระดับ
ปริญญาโท ทั้งในมหาวิทยาลัยธรรมศาสตร์รวมทั้งเปนวิทยากรรับเชิญจากมหาวิทยาลัยต่าง ๆ
และหน่วยงานทั้งภาครัฐและเอกชน
ตำาราเล่มนี้ไดมีการอธิบายถึงแนวคิดการวิเคราะห์ขอมูลเชิงปริมาณโดยใชเทคนิค
ต่าง ๆ อาทิเช่น โปรแกรมเชิงเสน แบบจำาลองแถวการรอคอย การจัดการโครงการ การวิเคราะห์
การตัดสินใจ ทฤษฎีเกม และโปรแกรมเชิงพลวัต รวมถึงเรื่องงานวิจัยในเรื่องการใชเทคนิคต่าง ๆ
ในการทำางานในองค์กรในประเทศไทย
ผูเขียนหวังเปนอย่างยิ่งว่าตำาราเล่มนี้จะเปนประโยชน์ต่อผูที่สนใจในการใชเครื่องมือ
การวิเคราะห์ขอมูลในเชิงปริมาณและจะเปนประโยชน์ในเชิงวิชาการต่อคณาจารย์และนิสิต
นักศึกษาโดยทั่วไป
สาขาวิชาการบริหารการปฏิบัติการ
คณะพาณิชยศาสตร์และการบัญชี
มหาวิทยาลัยธรรมศาสตร์
การวิเคราะหขอมูลเพื่อการตัดสินใจ (5)
บทที่ 1
การตัดสินใจโดยใชแบบจําลอง
ทางคณิตศาสตร 1
บทนํา
ในปัจจุบันนี้การตัดสินใจทางธุรกิจเป็นสิ่งที่มีความจำาเป็นสำาหรับผู้บริหาร
ทุกท่าน อย่างไรก็ตามการตัดสินใจในปัจจุบันมีความยุ่งยากมากยิ่งขึ้น เนื่องจากมี
ตัวแปรจำานวนมากที่เข้ามามีส่วนเกี่ยวข้องกับการตัดสินใจ ด้วยสถานการณ์เหล่านี้ทำาให้
การตัดสินใจเพือ่ ให้ได้ผลลัพธ์ทดี่ ยี อ่ มมีความยากลำาบากมากขึน้ อย่างไรก็ตาม ในปัจจุบนั
เครือ่ งมือทางด้านเทคโนโลยีสารสนเทศ เช่น โปรแกรมคอมพิวเตอร์ตา่ ง ๆ ได้รบั การพัฒนา
มากขึ้น ซึ่งเครื่องมือเหล่านี้สามารถนำามาใช้เป็นสิ่งที่จะช่วยให้ผู้บริหารได้รับข้อมูลใน
การตัดสินใจได้ดียิ่งขึ้น หนังสือเล่มนี้จึงเน้นการใช้แบบจำาลองทางคณิตศาสตร์เหล่านี้
เพื่อเป็นส่วนช่วยในการตัดสินใจทางธุรกิจของผู้บริหารให้ดีที่สุด
วัตถุประสงค ในการเรียนรู
ในบทนี้มีวัตถุประสงค์ที่จะให้ผู้เรียนได้เรียนรู้ในหัวข้อดังต่อไปนี้
1. เพือ่ ให้ผู้เรียนเข้าใจถึงความสำาคัญของการตัดสินใจโดยใช้แบบจำาลองทางคณิตศาสตร์
2. เพื่อให้ผู้เรียนเข้าใจถึงลักษณะและชนิดของแบบจำาลองทางคณิตศาสตร์
3. เพื่อให้ผู้เรียนเข้าใจถึงกระบวนการในการตัดสินใจโดยใช้แบบจำาลองทางคณิตศาสตร์
4. เพื่อให้ผู้เรียนเข้าใจถึงสิ่งที่ส่งผลกระทบต่อการตัดสินใจของผู้บริหาร
1 ข้อความบางส่วนได้คัดลอกและดัดแปลงจากบทความเรื่อง การใช้แบบจำาลองทางคณิตศาสตร์ช่วยใน
การตัดสินใจทางธุรกิจ ซึ่งผู้เขียนได้เขียนขึ้นและได้รับการตีพิมพ์ในวารสารบริหารธุรกิจ ปีที่ 34 ฉบับที่ 130
ความสำ�คัญของแบบจำ�ลองทางคณิตศาสตร์
การศึกษาในเรือ่ งเกีย่ วกับการใช้แบบจำ�ลองทางคณิตศาสตร์เพือ่ ช่วยในการตัดสินใจนัน้
ไม่ได้เป็นเรื่องใหม่ มีองค์กรจำ�นวนมากที่ได้รับประโยชน์จากการใช้เครื่องมือทางคณิตศาสตร์
เหล่านี้ สถาบันการศึกษาที่มีชื่อเสียงจำ�นวนมากได้มีการให้ความรู้ทางด้านนี้ ซึ่งเป็นที่รู้จักกัน
ในหลาย ๆ ชื่อ เช่น Management Science, Operations Research หรือ Decision Science
คำ�ว่าแบบจำ�ลองทางคณิตศาสตร์นั้น คือ การนำ�เอาหลักการทางคณิตศาสตร์มาใช้ในการจำ�ลอง
สถานการณ์ที่เกิดขึ้นจริง ทั้งนี้ การสร้างแบบจำ�ลองทางคณิตศาสตร์นั้นอาจจะทำ�ได้โดยไม่ต้อง
ใช้ระบบคอมพิวเตอร์ แต่ด้วยความก้าวหน้าของโปรแกรมคอมพิวเตอร์ในปัจจุบัน ทำ�ให้การใช้
โปรแกรมคอมพิวเตอร์มาช่วยคิดคำ�นวณในแบบจำ�ลองทางคณิตศาสตร์เป็นสิ่งที่มีประโยชน์และมี
ความแพร่หลายในปัจจุบัน
คำ�ว่า “แบบจำ�ลอง” นั้น จะต้องมีทั้งความถูกต้องและง่ายต่อการทำ�ความเข้าใจ แบบ
จำ�ลองสามารถแบ่งออกได้เป็น 4 ประเภทดังต่อไปนี้
1. แบบจำ�ลองทาง Mental เป็นแบบจำ�ลองที่ใช้การสร้างจินตนาการในสมอง
เพื่อคิดรูปแบบต่าง ๆ ยกตัวอย่างเช่น เมื่อเราต้องการจัดเฟอร์นิเจอร์ในห้องรับแขก หรือห้องนอน
สิ่งแรกที่เราทำ�คือการจินตนาการว่า หากมีการเคลื่อนย้ายเฟอร์นิเจอร์เหล่านี้แล้ว ภาพของ
ห้องที่ได้รับการจัดใหม่นี้จะมีลักษณะเป็นอย่างไร ภาพที่อยู่ในสมองเหล่านี้ เรียกได้ว่าเป็น
Mental Model อย่างไรก็ตาม หากปัญหามีความซับซ้อน การใช้ Mental Model จะเป็นสิ่งที่
มีความยากลำ�บากเป็นอย่างยิ่ง
2. แบบจำ�ลองทาง Visual เป็นแบบจำ�ลองทีส่ ามารถทำ�ความเข้าใจได้จากการมองเห็น
เช่น การใช้แผนที่เพื่อบอกทิศทางในการเดินทาง แบบจำ�ลองนี้จะช่วยสร้างความเข้าใจได้ง่ายกว่า
แบบจำ�ลองทาง Mental แต่หากตัวแปรมีเป็นจำ�นวนมาก การใช้ Visual Model ก็ยังมีข้อจำ�กัด
เช่นกัน
3. แบบจำ�ลองทาง Physical เป็นแบบจำ�ลองที่สร้างขึ้นมาเพื่อเพิ่มความเข้าใจใน
สถานการณ์ที่เกิดขึ้นจริงได้เป็นอย่างดี ตัวอย่างเช่น การสร้างบ้านจำ�ลองก่อนที่จะสร้างบ้านจริง
ทำ�ให้เราสามารถเห็นรูปแบบของบ้านได้ดีกว่าการดูแบบเฉพาะในกระดาษ
4. แบบจำ � ลองทางคณิ ต ศาสตร์ เป็ น แบบจำ � ลองที่ มี ลั ก ษณะที่ แ ตกต่ า งจาก 3
แบบแรก โดยเป็นการใช้หลักการทางคณิตศาสตร์เพื่อจำ�ลองสถานการณ์จริง การใช้แบบจำ�ลอง
ทางคณิตศาสตร์นจี้ ะทำ�ให้สามารถจำ�ลองเหตุการณ์ทมี่ คี วามซับซ้อน และใช้ทฤษฎีทางคณิตศาสตร์
ในการแก้ไขปัญหาเพื่อหาคำ�ตอบที่ดีที่สุดภายใต้ข้อจำ�กัดต่าง ๆ
2 การวิเคราะห์ข้อมูลเพื่อการตัดสินใจ
แบบจำ�ลองที่จะทำ�การศึกษาในบทนี้ คือ แบบจำ�ลองทางคณิตศาสตร์ โดยแบบจำ�ลอง
เหล่านี้จะทำ�ให้เกิดประโยชน์กับผู้บริหารในมุมมองต่าง ๆ ดังต่อไปนี้
1. ช่วยลดต้นทุน การใช้แบบจำ�ลองจะทำ�ให้องค์กรสามารถลดค่าใช้จ่ายได้เป็น
จำ�นวนมาก เนื่องจากแบบจำ�ลองทำ�ให้องค์กรทราบถึงความน่าจะเป็นในการประสบความสำ�เร็จ
หรือล้มเหลวในโครงการต่าง ๆ ซึ่งทำ�ให้องค์กรสามารถประเมินได้ว่าโครงการเหล่านั้นควรจะต้อง
ดำ�เนินการหรือไม่ และหากเห็นว่าโครงการเหล่านั้นไม่ควรที่จะต้องดำ�เนินงานก็จะมีส่วนทำ�ให้
องค์กรสามารถลดค่าใช้จ่ายที่เกิดขึ้นได้
2. ทันเวลา แบบจำ�ลองจะช่วยย่นระยะเวลาที่ในสถานการณ์จริงแล้วอาจจะต้องใช้
เวลานานในการหาคำ�ตอบ แต่ในแบบจำ�ลองจะสามารถลดระยะเวลาเหล่านั้นลงได้ และสามารถ
หาคำ � ตอบและคาดการณ์ สิ่ ง ที่ อ าจจะเกิ ด ขึ้ น ได้ อ ย่ า งรวดเร็ ว และทั น การณ์ ยกตั ว อย่ า งเช่ น
แบบจำ�ลองอาจจะนำ�มาใช้ท�ำ นายยอดขายที่จะลดลงได้ ในกรณีที่ลูกค้าเริ่มที่จะมีความไม่พึงพอใจ
เกิดขึ้น โดยไม่ต้องรอให้สถานการณ์เหล่านี้เกิดขึ้นจริง ๆ ซึ่งอาจจะใช้เวลาเป็นปี ก่อนที่สิ่งเหล่านี้
จะส่งผลกระทบต่อองค์กรจริง ๆ
3. เป็นหนทางเดียวที่เป็นไปได้ในการทดสอบผลกระทบ หลายครั้งสถานการณ์ที่
อาจจะเกิดขึ้นในธุรกิจจริงนั้น มีความรุนแรงและอาจจะทำ�ให้องค์กรประสบความเสียหายได้
ทั้งนี้การใช้แบบจำ�ลองทางคณิตศาสตร์เพื่อทดสอบความเสียหายที่อาจจะเกิดขึ้น อาจจะเป็น
หนทางที่ดีที่สุดและเป็นหนทางเดียวที่เป็นไปได้ในการทดสอบผลกระทบเหล่านั้น ยกตัวอย่าง
เช่น การทดสอบว่าอะไรจะเกิดขึ้นกับองค์กร หากเครื่องจักรในสายการผลิตเกิดความเสียหาย
หรือพนักงานหยุดงานประท้วง ซึ่งหากทำ�การทดลองโดยให้เครื่องจักรหยุดผลิตจริง ๆ หรือให้
พนักงานหยุดทำ�งานจริง ๆ ย่อมจะทำ�ให้เกิดผลกระทบต่อองค์กรอย่างมาก ดังนั้นการใช้แบบ
จำ�ลองทางคณิตศาสตร์จงึ เป็นหนทางทีด่ ที จี่ ะประมาณการสิง่ เหล่านี้ และเสนอข้อมูลทีเ่ ป็นประโยชน์
ต่อการตัดสินใจและช่วยลดความเสี่ยงที่อาจจะเกิดขึ้นกับองค์กร
โดยสรุปแล้วแบบจำ�ลองทางคณิตศาสตร์จะช่วยทำ�ให้ผู้บริหารได้รับข้อมูลในเชิงลึก
เพื่อที่จะสามารถนำ�ข้อมูลเหล่านี้ไปประกอบการตัดสินใจทางธุรกิจได้
การตัดสินใจโดยใช้แบบจ�ำลองทางคณิตศาสตร์ 3
ลักษณะและประเภทของแบบจำ�ลองทางคณิตศาสตร์ (Mathematical Model)
แบบจำ�ลองทางคณิตศาสตร์ เป็นการจัดการเพือ่ หาคำ�ตอบ โดยใช้ขอ้ มูลนำ�เข้ามาจัดการ
พิจารณา โดยผ่านสมการ Function คณิตศาสตร์ในรูปแบบดังต่อไปนี้
Y = F(X1, X2, .., XK)
โดยที่
Y = ตัวแปรตาม (Dependent Variable) ซึ่งเป็นตัวแปรที่เป็นผลและเป็น
ตัวแปรที่ผู้บริหารสนใจ
Xi = ตัวแปรอิสระ (Independent Variables) เป็นตัวแปรที่เป็นเหตุที่ส่ง
ผลกระทบต่อตัวแปรตาม
F(•) = Function ความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตาม
Function คือ กระบวนการในการเปลี่ยนปัจจัยนำ�เข้า (Input) หรือตัวแปรอิสระ

ให้เป็นผลลัพธ์ (Output) หรือตัวแปรตาม ยกตัวอย่างเช่น ในการซือ้ รถเงินผ่อน เราอาจจะต้องการ
ทราบว่าแต่ละเดือนจะต้องผ่อนเท่าไร (Output) โดยข้อมูลที่ต้องการ (Input) ในการหาคำ�ตอบนี้
ได้แก่ ราคารถ จำ�นวนเงินดาวน์ขั้นตั้น ค่ารถเก่าที่ได้นำ�มาแลกเป็นส่วนลดของรถใหม่ (Trade in)
จำ�นวนปีที่ผ่อน และอัตราดอกเบี้ยในการผ่อนชำ�ระ
การใช้ แ บบจำ � ลองทางคณิ ต ศาสตร์ จ ากตั ว อย่ า งนี้ สามารถทำ � ได้ โ ดยเริ่ ม จากการ
นำ�เอาราคารถมาหักออกด้วยจำ�นวนเงินดาวน์ขั้นต้นและค่ารถคันเก่าที่นำ �มาแลกเป็นส่วนลด
ของรถใหม่ ซึ่งเราจะได้ผลลัพธ์ในเรื่องของจำ�นวนเงินที่จะต้องผ่อนชำ�ระทั้งหมด หลังจากนั้น
ก็นำ�เอาอัตราดอกเบี้ยมาคิดคำ�นวณว่าเงินต้นและดอกเบี้ยทั้งหมดเป็นเท่าไร ก่อนที่จะนำ�เอา
จำ�นวนปีที่ผ่อนชำ�ระมาหาร จะได้เป็นจำ�นวนเงินที่ผ่อนต่อปี และเมื่อนำ�มาหารด้วยจำ�นวนเดือน
ต่อปีอีกที ก็จะได้จำ�นวนเงินที่ต้องผ่อนชำ�ระต่อเดือน โดยตัวอย่างการคำ�นวณสามารถแสดงได้
ดังต่อไปนี้
การคำ�นวณจำ�นวนเงินที่ต้องผ่อนรถ
ราคารถยนต์ 5,000,000 บาท
หักออกด้วย
เงินดาวน์ 500,000 บาท
รถเก่าแลกรถใหม่ 200,000 บาท
จำ�นวนเงินที่ผ่อนชำ�ระ 4,300,000 บาท
จำ�นวนปีที่ผ่อนชำ�ระ 4 ปี
อัตราดอกเบี้ย 5%
จำ�นวนเงินที่ผ่อนต่อเดือน 94,062.50 บาท
ดังนั้นจะเห็นได้ว่าแบบจำ�ลองทางคณิตศาสตร์นั้น ไม่ได้มีอะไรที่ซับซ้อนจนกระทั่ง
ทำ � ความเข้ า ใจไม่ไ ด้แต่อย่างใด และแบบจำ�ลองเหล่านี้มีประโยชน์อย่างยิ่งต่อการตัดสินใจ
อย่างเช่น จากตัวอย่างดังกล่าว แบบจำ�ลองนี้จะแสดงให้เห็นว่าหากต้องการซื้อรถในราคานี้
ผู้ซื้อจะต้องผ่อนจ่ายเดือนละเกือบหนึ่งแสนบาทซึ่งทำ�ให้ผู้ผ่อนสามารถนำ�ไปตัดสินใจต่อว่า
มีรายได้ต่อเดือนในระดับที่สูงพอที่จะผ่อนจ่ายได้หรือไม่ ก่อนที่จะทำ�การตัดสินใจต่อไป ซึ่งหาก
ปราศจากแบบจำ�ลองนี้แล้ว หากใช้การตัดสินใจไปโดยการคาดเดาก็อาจจะพบว่าในที่สุดอาจจะ
ไม่มีกำ�ลังในการผ่อนส่ง ซึ่งอาจทำ�ให้ต้องโดนยึดรถและเสียทั้งเงินและโอกาสต่าง ๆ อย่างมากมาย
เป็นต้น
สำ�หรับประเภทของแบบจำ�ลองทางคณิตศาสตร์นั้น สามารถแบ่งออกเป็น 3 ประเภท
หลัก ๆ ดังต่อไปนี้
1. แบบจำ�ลองแบบ Prescriptive เป็นแบบจำ�ลองทีท่ ราบความสัมพันธ์ระหว่างตัวแปร
อิสระกับตัวแปรตามที่ชัดเจน และตัวแปรอิสระมีความชัดเจนหรืออยู่ภายใต้การควบคุมของ
ผู้ตัดสินใจ ตัวอย่างของแบบจำ�ลองประเภทนี้ได้แก่ โปรแกรมเชิงเส้น (Linear Programming)
การวิเคราะห์เครือข่าย (Network Analysis) โปรแกรมเชิงเส้นแบบจำ�นวนเต็ม (Integer Linear
Programming) การวิเคราะห์เส้นทางวิกฤติ (Critical Path Method) จำ�นวนการสั่งที่ประหยัด
ที่สุด (Economic Order Quantity) โปรแกรมที่ไม่ใช่เชิงเส้น (Non-Linear Programming)
โปรแกรมเป้าหมาย (Goal Programming) และโปรแกรมเชิงเส้นทีม่ วี ตั ถุประสงค์หลายวัตถุประสงค์
(Multiple Objective Linear Programming)
2. แบบจำ�ลองแบบ Predictive เป็นแบบจำ�ลองที่ทราบความสัมพันธ์ระหว่าง
ตัวแปรอิสระและตัวแปรตามไม่ชัดเจนนัก แต่ตัวแปรอิสระมีความชัดเจนหรืออยู่ภายใต้การ
ควบคุมของผู้ตัดสินใจ ตัวอย่างของแบบจำ�ลองประเภทนี้ ได้แก่ การวิเคราะห์การถดถอย
(Regression Analysis) การวิเคราะห์อนุกรมเวลา (Time Series Analysis) และการวิเคราะห์
การจำ�แนก (Discriminant Analysis)
3. แบบจำ�ลองแบบ Descriptive เป็นแบบจำ�ลองทีท่ ราบความสัมพันธ์ระหว่างตัวแปร
อิสระกับตัวแปรตามอย่างชัดเจน แต่ตัวแปรอิสระไม่มีความแน่ชัดนักและไม่ได้อยู่ในการควบคุม
ของผู้ตัดสินใจ ตัวอย่างของแบบจำ�ลองประเภทนี้ ได้แก่ การจำ�ลองสถานการณ์ (Simulation)
เทคนิคการประเมินโปรแกรม (Program Evaluation and Review Technique: PERT)
แถวการรอคอย (Queue) แบบจำ�ลองของคงคลัง (Inventory Model)
แบบจำ�ลองเหล่านี้เป็นแบบจำ�ลองที่ได้รับความนิยมในการช่วยการตัดสินใจทางธุรกิจ
ของผู้บริหาร
กระบวนการในการตัดสินใจโดยใช้แบบจำ�ลองทางคณิตศาสตร์
ในการตัดสินใจโดยใช้แบบจำ�ลองทางคณิตศาสตร์นั้น จะต้องผ่านกระบวนการ 5
กระบวนการตามรูปที่ 1-1 ดังต่อไปนี้
ขั้นตอนที่ 1 การกำ�หนดปัญหา
แปลง
นําผลลัพธ
กําหนด ปญหาใหอยู วิเคราะห
ทดสอบผล ไปใช
ปญหา ในรูปของ แบบจําลอง
ตัดสินใจ
แบบจําลอง
รูปที่ 1-1 กระบวนการในการตัดสินใจโดยใช้แบบจำ�ลองทางคณิตศาสตร์
ขั้นตอนนี้เป็นขั้นตอนที่มีความสำ�คัญมาก เนื่องจากหากไม่สามารถระบุปัญหาได้อย่าง
ถูกต้องแล้ว การแก้ปัญหาโดยใช้แบบจำ�ลองย่อมที่จะทำ�ไม่ได้ หรือหากทำ�ไปก็ไม่มีประโยชน์
เพราะก็จะไม่ทราบว่าคำ�ตอบที่ได้จากแบบจำ�ลองนั้น จะช่วยแก้ปัญหาเรื่องใด อย่างไร
ขั้นตอนที่ 2 การแปลงปัญหาให้อยู่ในรูปของแบบจำ�ลองทางคณิตศาสตร์
เนื่ อ งจากเราต้ อ งการที่ จ ะใช้ แ บบจำ � ลองทางคณิ ต ศาสตร์ เ ป็ น สิ่ ง ที่ จ ะช่ ว ยในการ
คิดคำ�นวณ ดังนั้นจึงมีความจำ�เป็นที่จะต้องแปลงปัญหาเหล่านั้นให้อยู่ในรูปแบบของแบบจำ�ลอง
ทางคณิตศาสตร์ โดยจะต้องแบ่งแยกให้ชัดเจนว่าตัวแปรอิสระและตัวแปรตามคืออะไร มีความ
สัมพันธ์กันอย่างไร ซึ่งถ้าหากเราแปลงปัญหาเหล่านี้ได้ผิดพลาดแล้ว แบบจำ�ลองที่สร้างขึ้นก็จะให้
ผลลัพธ์ที่ผิดพลาดตามไปด้วย
ขั้นตอนที่ 3 การวิเคราะห์แบบจำ�ลอง
เป็นขั้นตอนในการใช้แบบจำ�ลองที่ได้สร้างขึ้น เพื่อค้นหาคำ�ตอบที่ต้องการ ขั้นตอนนี้
บางครั้งอาจจะต้องใช้เวลาในการปรับเปลี่ยนค่าตัวแปรต่าง ๆ เพื่อทดลองหาคำ�ตอบ หรืออาจจะ
ต้องหาหนทางในการหาแนวทางที่จะได้คำ�ตอบที่ดีที่สุดในกรณีที่คำ�ตอบมีได้หลายค่า
ขั้นตอนที่ 4 การทดสอบผลลัพธ์
ขั้นตอนนี้มีความสำ�คัญเช่นกัน แต่หลายครั้งเป็นขั้นตอนที่ผู้ใช้แบบจำ�ลองละเลย
เพราะอาจจะคิดไปเองว่าผลลัพธ์ทไี่ ด้นนั้ มีความถูกต้อง ในบางครัง้ เราอาจพบว่าคำ�ตอบทีไ่ ด้มาจาก
การวิเคราะห์แบบจำ�ลองเป็นคำ�ตอบที่มีความผิดปกติหรือเป็นคำ�ตอบที่เป็นไปไม่ได้ ยกตัวอย่าง
เช่น หากเราทำ�การคำ�นวณเวลามาแล้วได้ค่าที่ติดลบ หรือคำ�นวนจำ�นวนคนได้ค่าที่ติดลบ เราก็จะ
ทราบทันทีว่าแบบจำ�ลองนั้นมีความผิดพลาด แต่หลายครั้งคำ�ตอบที่ได้อยู่ในช่วงที่เป็นไปได้ เช่น
คำ�นวณค่าเวลาหรือจำ�นวนคนออกมาเป็นค่าบวก ในกรณีนี้เราจะทราบได้อย่างไรว่าคำ�ตอบที่ได้
นั้นมีความถูกต้อง สิ่งที่ผู้ที่จะใช้แบบจำ�ลองทางคณิตศาสตร์เพื่อการตัดสินใจสมควรที่จะต้องทำ�ก็
คือ การทดสอบระบบที่สร้างขึ้นกับสิ่งที่ทราบคำ�ตอบอยู่แล้ว เช่น หากเราทราบอยู่แล้วว่าคำ�ตอบ
ของปัญหาในเรื่องนี้คืออะไร เราก็อาจจะนำ�เอาแบบจำ�ลองนี้ไปทดสอบว่าได้ค่าที่ถูกต้องหรือไม่
เปรียบเสมือนกับว่า เราต้องการซื้อเครื่องคิดเลขเครื่องหนึ่ง เราย่อมต้องการที่จะทราบว่าเครื่อง
คิดเลขนี้ใช้งานได้หรือไม่ โดยการลองทดสอบว่า 1 + 1 = 2 หรือไม่ เนื่องจากเราทราบคำ�ตอบ
อยู่แล้วว่า 1 + 1 = 2 อย่างแน่นอน เป็นต้น
ในกรณีทเี่ ราทราบว่าแบบจำ�ลองนัน้ มีความผิดพลาด สิง่ ทีเ่ ราจะต้องทำ� คือ การย้อนกลับ
ไปพิจารณากระบวนการก่อนหน้านี้ว่าความผิดพลาดที่เกิดขึ้นนั้น เกิดขึ้นที่ไหน ซึ่งมีความ
เป็นไปได้ว่าอาจจะผิดตั้งแต่ขั้นตอนในการแปลงปัญหาให้อยู่ในรูปแบบจำ�ลอง หรือผิดในขั้นตอน
การวิเคราะห์แบบจำ�ลอง เมื่อทราบว่าผิดที่ใดแล้ว ก็ควรจะต้องทำ�การแก้ไขให้ถูกต้องและทำ�
การทดสอบความถูกต้องของแบบจำ�ลองอีกครั้ง จนกระทั่งแน่ใจว่าคำ�ตอบที่ได้เป็นคำ�ตอบที่
ถูกต้องก่อนที่จะนำ�ไปใช้ต่อไป
ขั้นตอนที่ 5 นำ�ผลลัพธ์ไปใช้ตัดสินใจ
ขั้นตอนนี้เป็นขั้นตอนสุดท้าย ซึ่งเป็นสิ่งที่ทุกคนคาดหวังคือการนำ �เอาผลที่ได้จาก
แบบจำ�ลองไปช่วยในการตัดสินใจ ผลลัพธ์ที่ได้จากแบบจำ�ลองนั้นเป็นเพียงแค่ส่วนหนึ่งที่จะช่วย
ในการตัดสินใจเท่านั้น เพราะการตัดสินใจขั้นสุดท้ายยังอยู่กับผู้บริหาร เช่น หากเราใช้แบบจำ�ลอง
คำ�นวณค่าความน่าจะเป็นในการทำ�กำ�ไรของสินค้าใหม่อย่างหนึ่ง และพบว่าความน่าจะเป็นที่จะ
ได้กำ�ไรอยู่ที่ 70% ตัวเลข 70% นี้ก็จะมีส่วนที่จะช่วยให้ผู้บริหารมีข้อมูลในการตัดสินใจที่จะทำ�
การลงทุนในสินค้าใหม่นี้หรือยุติโครงการดังกล่าว เป็นต้น
สิ่งที่ส่งผลกระทบต่อการตัดสินใจของผู้บริหาร
หลายครั้งผู้บริหารอาจจะคิดว่าตัวเลขที่ได้รับจากแบบจำ�ลองนั้น สู้กับความคิดหรือ
ประสบการณ์ของตนเองไม่ได้ หลายคนถึงขั้นต่อต้านการใช้แบบจำ�ลองทางคณิตศาสตร์มาช่วย
ในการตัดสินใจด้วยซํ้า อย่างไรก็ตามสิ่งที่อยากชี้ให้เห็นคือ แบบจำ�ลองในการตัดสินใจนี้ไม่ได้มา
ทดแทนการตัดสินใจของมนุษย์ แต่เป็นเพียงเครื่องมือที่ช่วยทำ �ให้การตัดสินใจมีโอกาสถูกต้อง
มากขึ้นเท่านั้น นอกจากนี้การใช้ความคิดของมนุษย์ในการตัดสินใจนั้น อาจจะมีจุดอ่อนในเรื่อง
ของความลำ�เอียงที่ทุกคนมีอยู่ ไม่ว่ามากหรือน้อยก็ตาม ดังตัวอย่างดังต่อไปนี้
หลายท่านอาจเคยอ่านข่าวและพบว่าในสัปดาห์ที่ผ่านมาอาจมีข่าวที่เกี่ยวข้องกับ
ภัยธรรมชาติ เช่น เหตุการณ์แผ่นดินไหวในหลาย ๆ ประเทศ หากเราถามคนใดคนหนึง่ ในประเทศไทย
ว่าความน่าจะเป็นทีจ่ ะเกิดแผ่นดินไหวครัง้ ใหญ่ในประเทศเรามีมากน้อยแค่ไหน คำ�ตอบทีเ่ รามักจะ
พบคือ มีความน่าจะเป็นค่อนข้างมาก ซึ่งหลายครั้งเมื่อทำ�การพิจารณาข้อมูลในอดีตอย่างถี่ถ้วน
แล้วจะพบว่าความน่าจะเป็นที่คาดหมายโดยใช้การประมาณการเหล่านั้นมักจะสูงกว่าความ
เป็นจริง เหตุการณ์นี้เกิดขึ้นเนื่องจากสมองของเรายังคงจดจำ�เหตุการณ์ที่เพิ่งเกิดขึ้นได้ดีกว่า
เหตุการณ์ที่เกิดขึ้นมานานแล้ว ดังนั้นหากเราเพิ่งเห็นข่าวนี้เมื่อสัปดาห์ที่แล้ว เราย่อมที่จะยังคง
จำ�ได้ดีและเมื่อสมองเราจำ�สิ่งนี้ได้ ก็จะส่งผลให้เราทำ�การคาดการณ์ว่าเหตุการณ์นั้นจะเกิดขึ้น
สูงกว่าเหตุการณ์ที่เกิดขึ้นมานานกว่านี้ สิ่งที่ส่งผลต่อการตัดสินใจในรูปแบบนี้เป็นที่รู้จักกันดีในชื่อ
ว่า Anchoring Effect
ได้เคยมีการทดลองให้มีการแบ่งกลุ่มของผู้เข้าทดลองออกเป็น 2 กลุ่ม โดยสมาชิกของ
กลุ่มมีความสามารถในการคิดคำ�นวณตัวเลขที่ใกล้เคียงกัน ทั้งสองกลุ่มได้ถูกให้ประมาณการ
ค่าของผลคูณของตัวเลขในระยะเวลาอันสั้น ดังต่อไปนี้
• กลุ่มแรก ประมาณการผลลัพธ์ของ 1 × 2 × 3 × 4 × 5 × 6 × 7 × 8
• กลุ่มที่สอง ประมาณการผลลัพธ์ของ 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1
ผลการทดลองนี้พบว่า ค่าเฉลี่ยของการประมาณการที่ได้จากกลุ่มที่สองมีค่ามากกว่า
กลุ่ ม แรก ทั้ ง ๆ ที่ ห ากพิ จ ารณาดู ผ ลคู ณ ทั้ ง สองแบบแล้ ว น่ า จะให้ ผ ลลั พ ธ์ ที่ ใ กล้ เ คี ย งกั น
การประมาณการก็น่าจะใกล้เคียงกัน แต่เหตุผลที่กลุ่มที่สองมีการประมาณการมากกว่ากลุ่มแรก
เนื่องจากว่าภายในระยะเวลาที่จำ�กัดนั้น กลุ่มที่สองอาจจะสามารถประมาณผลลัพธ์จากการคูณ
ตัวเลขได้เพียง 2-3 ตัวแรก ซึ่งคือ 8 × 7 × 6 ซึ่งจะได้ค่าที่มากกว่า การประมาณการของ
กลุ่มแรกที่เริ่มจากตัวเลข 2-3 ตัวแรกที่น้อยกว่า (1 × 2 × 3) ดังนั้น จึงทำ�ให้การประมาณการที่
ได้จากกลุม่ ทีส่ องมากกว่ากลุม่ แรกอย่างเห็นได้ชดั ผลการทดลองนีเ้ ป็นเครือ่ งยืนยันถึง Anchoring
Effect ที่เกิดขึ้นกับการตัดสินใจของมนุษย์นั่นเอง
อีกตัวอย่างหนึ่งที่แสดงให้เห็นถึงความลำ�เอียงหรือความไม่มีเหตุผลของการตัดสินใจ
ของมนุษย์คือ สมมุติว่าเจ้านายของท่านใจดีมอบเงินให้ท่าน 10,000 บาท และยังให้ท่านเลือก
ทางเลือก 2 ทางได้แก่
• ทางเลือกที่ 1 ให้เงินท่านเพิ่มอีก 5,000 บาททันที
• ทางเลือกที่ 2 โยนหัวก้อย หากออกหัว ท่านจะได้เงินเพิ่ม 10,000 บาท แต่ถ้าได้
ก้อยท่านจะไม่ได้เงินเพิ่มเติม
หลายคนอาจจะเลือกทางเลือกที่ 1 โดยมองว่าได้เงินเพิ่มแน่นอนดีกว่าจะไปเสี่ยงจาก
ทางเลือกที่ 2 แต่บางท่านอาจจะชอบเสี่ยงเลือกทางเลือกที่ 2 ก็เป็นไปได้ ให้ท่านจำ�ทางเลือกที่
ท่านได้เลือกไว้ในกรณีนี้
สมมุติอีกครั้งหนึ่งว่า เจ้านายของท่านใจดีให้เงินท่านถึง 20,000 บาท แต่ภายหลังเกิด
เปลี่ยนใจเพราะคิดว่าเงินที่ให้ท่านไปนั้นสูงเกินไป จึงเสนอทางเลือกให้ท่าน 2 ทางเลือก ได้แก่
• ทางเลือกที่ 1 ท่านต้องคืนเงินให้กับเจ้านายทันที 5,000 บาท
• ทางเลือกที่ 2 โยนหัวก้อย ถ้าออกหัว ท่านไม่ต้องคืนเงิน แต่หากออกก้อย ท่านต้อง
คืนเงินเจ้านาย 10,000 บาท
ในกรณี นี้ ท่ า นจะเลื อ กทางเลื อ กใด หากท่ า นเลื อ กทางเลื อ กในกรณี ห ลั ง แตกต่ า ง
จากกรณีแรก แสดงว่าท่านมีความลำ�เอียงจากการตัดสินใจ ยกตัวอย่างเช่น หากทางเลือก
แรกท่ า นเลื อ กทางเลื อ กที่ 1 (เพราะต้ อ งการได้ รั บ เงิ น อย่ า งแน่ น อน) แต่ ใ นกรณี ห ลั ง ท่ า น
เปลี่ยนไปเลือกทางเลือกที่ 2 (เพราะไม่ต้องการเสียเงินอย่างแน่นอน) ก็แสดงให้เห็นถึงความ
ไม่มีเหตุผลในการตัดสินใจ เนื่องจากไม่ว่าจะเป็นกรณีแรกหรือกรณีหลัง ทางเลือกที่ 1 จะเป็น
ทางเลือกที่ท่านจะมีเงินกลับบ้าน 15,000 บาทอย่างแน่นอน ส่วนทางเลือกที่ 2 นั้น ทั้ง 2 กรณี
ท่านมีโอกาส 50% ที่จะได้เงินกลับบ้าน 20,000 บาท และ 50% ที่ได้เงินกลับบ้าน 10,000 บาท
แต่การที่ท่านเปลี่ยนการตัดสินใจนั้น เนื่องจากกรณีแรกมีการใช้คำ�พูดว่ามีการ “ให้เพิ่ม” แต่กรณี
หลังกลับใช้คำ�พูดว่า “ขอคืน” ผลกระทบต่อการตัดสินใจแบบนี้มีชื่อเรียกว่า “Framing Effect”
ซึ่งเป็นสิ่งที่ยืนยันถึงความไม่มีเหตุผลของการตัดสินใจของมนุษย์
ตัวอย่างของ Framing Effect มีอยู่เป็นจำ�นวนมาก เช่น หากเราไปโรงพยาบาล
แล้วจะใช้บัตรเครดิต หากพนักงานเก็บเงินบอกว่าจะ Charge เพิ่ม 5% เราย่อมรู้สึกไม่พอใจ
แต่พนักงานในโรงพยาบาลหลายแห่ง “Frame” คำ�พูดว่า ใช้บัตรเครดิตได้ส่วนลด 5% แต่ใช้
เงินสดได้ส่วนลด 10% ทำ�ให้เรารู้สึกว่าถึงใช้บัตรเครดิตก็ยังได้ส่วนลดถึงแม้ว่าจะไม่มากเท่า
เงินสดก็ตามก็ทำ�ให้หลายคนพึงพอใจในการใช้บัตรเครดิต ทั้ง ๆ ที่ในกรณีหลังก็เหมือนกับการ
Charge ค่าธรรมเนียมเพิ่มเหมือนกับกรณีแรกก็ตาม (โดยในกรณีหลังได้บอกจำ�นวนเงินที่บวก
ค่าธรรมเนียมบัตรเครดิตและส่วนเกินต่าง ๆ ไปเรียบร้อยแล้ว)
ที่จริงแล้วยังมีตัวอย่างของความบกพร่องในการตัดสินใจของมนุษย์อีกเป็นจำ�นวนมาก
ดังนั้นการใช้แบบจำ�ลองทางคณิตศาสตร์มาช่วยในการตัดสินใจ จะทำ�ให้ช่วยลดความลำ�เอียง
หรือความไม่มีเหตุผลในการตัดสินใจนี้ลดลงได้ เช่นในกรณีของ Anchoring Effect หากได้มี
การคิดคำ�นวณความเป็นไปได้ทางสถิติของเหตุการณ์ต่าง ๆ มาประกอบการตัดสินใจก็จะช่วย
ลดความลำ�เอียงจากความทรงจำ�ของมนุษย์ลง หรือในกรณีของ Framing Effect หากมีการ
คำ�นวณตัวเลขประกอบการตัดสินใจก็จะเห็นได้ว่า ไม่ว่าจะใช้คำ�พูดแบบใดก็จะให้ค่าเท่าเดิม
บทสรุป
แบบจำ�ลองทางคณิตศาสตร์นี้ไ ม่ใช่สิ่งที่จะมาทดแทนการตัดสินใจของมนุษย์แ ละ
ไม่ใช่เครื่องมือที่จะยืนยันว่าจะทำ�ให้การตัดสินใจทุกครั้งจะได้รับผลลัพธ์ที่ดี 100% เราต้องแยก
ความแตกต่างระหว่าง “การตัดสินใจที่ดี” กับ “ผลลัพธ์ที่ดี” ให้ได้ ไม่มีเครื่องมือใดในโลกนี้
จะยืนยันว่าหากใช้แล้วจะได้ผลลัพธ์ที่ดีเสมอ ซึ่งหากมีเครื่องมือเหล่านั้นจริง ๆ ก็จะทำ�ให้ไม่มี
ความจำ�เป็นที่จะต้องมีการเรียนการสอนทางด้านการบริหารธุรกิจอีกต่อไป การใช้แบบจำ�ลอง
ทางคณิตศาสตร์นั้นจะช่วยให้เกิด “การตัดสินใจที่ดีขึ้น” อย่างแน่นอน อย่างน้อยก็ดีกว่าการ
ตัดสินใจโดยปราศจากข้อมูลประกอบ แต่ไม่สามารถบอกได้ 100% ว่าผลลัพธ์ที่ได้นั้นจะดีหรือ
ถูกใจผู้บริหารหรือไม่ แต่การตัดสินใจที่ดีนั้นก็มี “ความน่าจะเป็น” ที่จะทำ�ให้เกิดผลลัพธ์ที่ดี
ตามมามากกว่าการตัดสินใจที่ผิดพลาด
ในบทถัดไปในหนังสือเล่มนี้จะได้นำ�เสนอถึงแบบจำ�ลองทางคณิตศาสตร์ต่าง ๆ เพื่อให้
ผู้บริหารนำ�ไปเลือกใช้ประกอบการตัดสินใจภายใต้สถานการณ์และข้อจำ�กัดต่าง ๆ ต่อไป
คำาถามท้ายบท
1. ท่านคิดว่าบทบาทของแบบจำาลองทางคณิตศาสตร์ในการตัดสินใจทางด้านธุรกิจจะมีมากขึน้
หรือลดลงในสภาพการณ์ปัจจุบัน
2. ทำาไมผู้บริหารถึงควรจะใช้แบบจำาลองทางคณิตศาสตร์เพื่อช่วยการตัดสินใจทางธุรกิจ
3. ในสถานการณ์ใดที่ผู้บริหารไม่ควรใช้แบบจำาลองทางคณิตศาสตร์มาช่วยในการตัดสินใจ
4. ท่านคิดว่าผู้บริหารจะได้รับประโยชน์จากแบบจำาลองทางคณิตศาสตร์ทางด้านใดมากที่สุด
เพราะเหตุใด
5. ท่านคิดว่าขัน้ ตอนใดในกระบวนการตัดสินใจโดยใช้แบบจำาลองทางคณิตศาสตร์มคี วามสำาคัญ
มากที่สุด เพราะเหตุใด
6. ท่านคิดว่าขัน้ ตอนใดในกระบวนการตัดสินใจโดยใช้แบบจำาลองทางคณิตศาสตร์ทใี่ ช้เวลานาน
ที่สุดและใช้ต้นทุนสูงที่สุด ให้ยกตัวอย่างให้เห็นอย่างชัดเจน
7. ให้ทา่ นยกตัวอย่างการใช้แบบจำาลองทางคณิตศาสตร์มาช่วยในการตัดสินใจทางธุรกิจให้เห็น
เป็นรูปธรรม
8. ให้ท่านยกตัวอย่างของ Anchoring Effect ที่เกิดขึ้นได้ในการตัดสินใจทางธุรกิจ
9. ให้ท่านยกตัวอย่างของ Framing Effect ที่เกิดขึ้นได้ในการตัดสินใจทางธุรกิจ
10. ให้ท่านหาข่าวจากหนังสือพิมพ์ นิตยสาร หรือ Website ที่แสดงให้เห็นประโยชน์ที่ผู้บริหาร
ได้รับจากการใช้แบบจำาลองทางคณิตศาสตร์มาช่วยในการตัดสินใจ
บทที่ 2
การใชโปรแกรมเชิงเสน
เพ�่อชวยในการตัดสินใจ
บทนํา
การตัดสินใจธุรกิจในปัจจุบันนับวันยิ่งทวีความยุ่งยากมากยิ่งขึ้น เนื่องจากใน
การตัดสินใจทุกครั้งจำาเป็นจะต้องคำานึงถึงทรัพยากรที่มีอยู่อย่างจำากัด ไม่ว่าจะเป็น
เรื่องของเงินทุน กำาลังคน หรือเวลา เทคนิคที่ช่วยให้เกิดการตัดสินใจให้ได้ผลลัพธ์ได้ดี
ที่สุดภายใต้ข้อจำากัดเหล่านี้เป็นที่รู้จักกันในชื่อว่า Optimization ซึ่งในบทนี้จะได้เน้น
ในเรื่องการตัดสินใจภายใต้ข้อจำากัด โดยใช้โปรแกรมเชิงเส้น (Linear Programming)
ซึ่งเป็นการสร้างความสัมพันธ์เชิงเส้นระหว่างตัวแปรต่าง ๆ ที่เกี่ยวข้องกับการตัดสินใจ
1. เพื่ อ ให้ ผู้ เรี ย นเข้ า ใจถึ ง ความสำ า คั ญ ของการใช้ โ ปรแกรมเชิ ง เส้ น เพื่ อ ช่ ว ยในการ
ตัดสินใจ
2. เพื่อให้ผู้เรียนเข้าใจถึงรูปแบบของโปรแกรมเชิงเส้น
3. เพื่อให้ผู้เรียนเข้าใจถึงการแก้ปัญหาโปรแกรมเชิงเส้นโดยการใช้กราฟ
4. เพือ่ ให้ผเู้ รียนเข้าใจถึงการแก้ปญ ั หาโปรแกรมเชิงเส้นโดยการใช้โปรแกรมคอมพิวเตอร์
ความสำ�คัญและรูปแบบของการใช้โปรแกรมเชิงเส้น
เพื่อช่วยในการตัดสินใจ
ในปัจจุบันนี้การตัดสินใจทางด้านธุรกิจไม่ว่าจะเป็นทางด้านการเงิน การตลาด การ
ปฏิบัติการ หรือการบริหารทรัพยากรมนุษย์ มีความยุ่งยากมากขึ้น เพราะนอกจากที่จะต้องทำ�ให้
เกิดผลลัพธ์ที่ดีที่สุดแล้ว ยังจะต้องคำ�นึงถึงเรื่องของทรัพยากรที่มีอยู่อย่างจำ�กัดด้วย เช่น เงินทุน
กำ�ลังคน หรือเวลาที่จำ�กัด ซึ่งข้อจำ�กัดเหล่านี้ทำ�ให้ความยุ่งยากในการตัดสินใจเพิ่มมากขึ้น ยก
ตัวอย่างเช่น หากเป้าหมาย คือ การเพิ่มความพึงพอใจของลูกค้า ผู้บริหารอาจจะมีหลายหนทาง
ที่จะทำ�เพื่อบรรลุเป้าหมายนี้ได้ เช่น การเพิ่มส่วนลด การเพิ่มการประชาสัมพันธ์ การสร้าง
ความสัมพันธ์กับลูกค้า หรือโครงการอื่น ๆ แต่โครงการเหล่านี้ต้องการเงินทุนเพื่อการใช้จ่ายและ
กำ�ลังคนทั้งสิ้น ดังนั้น เพื่อที่จะทราบว่าโครงการใดจะให้ผลลัพธ์ที่ดีที่สุด จึงจำ�เป็นที่จะต้องมี
เทคนิคในการวิเคราะห์เพื่อช่วยในการตัดสินใจ
ในทุกการตัดสินใจจะประกอบด้วยองค์ประกอบที่สำ�คัญ 3 องค์ประกอบ ดังต่อไปนี้
1. ตัวแปรที่ต้องตัดสินใจ (Decision Variables) คือ สิ่งที่ผู้บริหารต้องการที่จะได้
รับคำ�ตอบ เช่น จะต้องผลิตสินค้าชนิดใด ปริมาณเท่าไร จะต้องจ้างคนงานกี่คน หรือจะส่งของไป
ยังโรงงานใด ประมาณเท่าไร
2. ข้อจำ�กัดในการตัดสินใจ (Constraints) เป็นข้อจำ�กัดที่เกิดขึ้นและจำ�เป็นที่จะ
ต้องปฏิบัติตาม เช่น จำ�นวนชั่วโมงการผลิตที่จำ�กัด จำ�นวนเงินทุนที่จำ�กัด หรือกำ�ลังการผลิตของ
โรงงาน เป็นต้น
3. วัตถุประสงค์ในการตัดสินใจ (Objectives) หลายครั้งคำ�ตอบที่เป็นไปได้อาจจะ
มีมากกว่า 1 คำ�ตอบ แต่คำ�ตอบใดจะเป็นคำ�ตอบที่ดีที่สุดขึ้นอยู่กับวัตถุประสงค์หลัก
รูปแบบของการแปลงปัญหาให้อยู่ในรูปของแบบจำ�ลองทางคณิตศาสตร์ มีดังต่อไปนี้
วัตถุประสงค์ MAX (or MIN) f0(X1, X2, …, Xn)
ภายใต้ข้อจำ�กัดดังต่อไปนี้ f1(X1, X2, …, Xn) ≤ b1
fk(X1, X2, …, Xn) ≥ bk
fm(X1, X2, …, Xn) = bm
โดยหาก Function เหล่านี้มีความสัมพันธ์แบบเชิงเส้น เราก็จะเรียกแบบจำ�ลองแบบนี้
ว่า โปรแกรมเชิงเส้น (Linear Programming) โดยจะมีรูปแบบ ดังต่อไปนี้
วัตถุประสงค์ MAX (or MIN): c1X1 + c2X2 + … + cnXn
ภายใต้ข้อจำ�กัดดังต่อไปนี้ a11X1 + a12X2 + … + a1nXn ≤ b1
ak1X1 + ak2X2 + … + aknXn ≥ bk
am1X1 + am2X2 + … + amnXn = bm
เพื่อให้เกิดความเข้าใจมากขึ้น จึงขอยกตัวอย่างดังต่อไปนี้
บริษัท กรุงเทพการกีฬา จำ�กัด ผู้ผลิตและส่งออกอุปกรณ์กีฬา ได้รับคำ�สั่งซื้อจากบริษัท
Power Sport ตัวแทนจำ�หน่ายในประเทศอังกฤษให้ส่งไม้เทนนิส และไม้แบดมินตัน รวมทั้งหมด
ไม่เกิน 200 อัน เพื่อสนับสนุนการแข่งขันกีฬาโอลิมปิก ทั้งนี้การผลิตไม้เทนนิส 1 อัน ต้องใช้เอ็น
สำ�หรับขึง 1 เมตร และใช้แรงงาน 2 ชั่วโมง ขณะที่ไม้แบดมินตันต้องใช้เอ็นสำ�หรับขึง 2 เมตร
และใช้แรงงาน 1 ชั่วโมง โดยไม้เทนนิสได้กำ�ไรอันละ 400 บาท และไม้แบดมินตันได้กำ�ไรอันละ
450 บาท เอ็นทีใ่ ช้ในการขึงไม้ทงั้ สองชนิดเป็นเอ็นชนิดเดียวกัน โดยบริษทั มีทรัพยากรเป็นเส้นเอ็น
ยาว 335 เมตร และชั่วโมงแรงงาน 250 ชั่วโมง จะทำ�การผลิตและจัดส่งไปยังตัวแทนจำ�หน่าย
อย่างละเท่าไหร่เพื่อให้ได้กำ�ไรสูงสุด
จากกรณีศึกษาดังกล่าว สามารถสร้างเป็นแบบจำ�ลองดังต่อไปนี้
วัตถุประสงค์ MAX: 400X1 + 450X2
ภายใต้ข้อจำ�กัดดังต่อไปนี้ 1X1 + 1X2 ≤ 200
1X1 + 2X2 ≤ 335
2X1 + 1X2 ≤ 250
1X1 ≥0
1X2 ≥0
โดยที่
X1 = จำ�นวนไม้เทนนิส
X2 = จำ�นวนไม้แบดมินตัน
สำ�หรับการแก้ปญ ั หาเหล่านี้ อาจทำ�ได้โดยการใช้กราฟหรือการใช้โปรแกรมคอมพิวเตอร์
มีรายละเอียดดังต่อไปนี้
การใช้โปรแกรมเชิงเส้นเพื่อช่วยในการตัดสินใจ 15
การแก้ปัญหาโปรแกรมเชิงเส้นโดยการใช้กราฟ
ปัญหาที่มีจำานวนตัวแปรที่ต้องตัดสินใจ (Decision Variables) เพียงแค่ 2 ตัวนั้น
เราสามารถใช้กราฟเพื่อช่วยในการแก้ปัญหาได้ โดยการใช้กราฟเพื่อแก้ปัญหานั้น มีขั้นตอน
• เขียนเส้นสมการข้อจำากัด (Constraints) แต่ละเส้น
• สร้างขอบเขตคำาตอบที่เป็นไปได้ (Feasible Region)
• หาคำาตอบที่ดีที่สุด (Optimal Solution)
เพื่อให้เห็นภาพชัดเจนยิ่งขึ้น จึงขออธิบายโดยอ้างอิงกรณีศึกษาก่อนหน้านี้เป็นตัวอย่าง
ขั้นตอนที่ 1 เขียนเส้นสมการข้อจำากัด (Constraints)

ในกรณีศึกษาที่ผ่านมา มีข้อจำากัดในการตัดสินใจอย่างแรก คือตัวแปรที่ต้องตัดสินใจ
ทั้งสองตัวแปร (จำานวนไม้เทนนิสและจำานวนไม้แบดมินตัน) ซึ่งตัวแปรทั้งสองนี้จะต้องมากกว่า
หรือเท่ากับ 0 เสมอ ดังนั้น ในการเขียนกราฟ จึงจำากัดอยู่แค่ Quadrant ที่ 1 เพียง Quadrant
เดียว ดังแสดงในรูปที่ 2-1 โดยแกน X จะเป็น X1 คือ จำานวนไม้เทนนิส และแกน Y จะเป็น X2
ซึ่งหมายถึงจำานวนไม้แบดมินตัน
X2
250
225
200
175
150
125
100
75
50
25
0
0 25 50 75 100 125 150 175 200 225 X1
รูปที่ 2-1 แผนภาพที่แสดงถึงพื้นที่ของคำาตอบที่เป็นไปได้ เมื่อคำานึงถึงข้อจำากัดว่าตัวแปรทั้งสอง

ตัวแปรต้องมีค่ามากกว่าหรือเท่ากับ 0
หลั ง จากนั้ น เมื่ อ พิ จ ารณาข้ อ จำ า กั ด ข้ อ ถั ด มาในเรื่ อ งของจำ า นวนไม้ เ ทนนิ ส และ
ไม้แบดมินตัน ก็จะสามารถวาดกราฟได้ ดังแสดงในรูปที่ 2-2 โดยเส้นที่สร้างขึ้นได้มาจากสมการ
X1 + X2 = 200 แต่เนื่องจากข้อจำากัดมีการกำาหนดว่า X1 + X2 ≤ 200 จึงทำาให้คำาตอบที่เป็นไป
ได้จะอยู่ในพื้นที่ใต้เส้นตรง X1 + X2 = 200 (พื้นที่ที่แรเงา)
X2
250
225
200
175
150
125
100
75
50
25
0
0 25 50 75 100 125 150 175 200 225 X1
รูปที่ 2-2 แผนภาพทีแ่ สดงถึงพืน้ ทีข่ องคำาตอบทีเ่ ป็นไปได้ เมือ่ คำานึงถึงข้อจำากัดในเรือ่ งของจำานวน
ไม้เทนนิสและไม้แบดมินตัน
หลังจากนัน้ เมือ่ พิจารณาข้อจำากัดข้อถัดมา ในเรือ่ งของข้อจำากัดทางด้านจำานวนเส้นเอ็น

ก็จะสามารถวาดกราฟเพิ่มเติมได้ดังแสดงในรูปที่ 2-3 โดยเส้นที่สร้างขึ้นเพิ่มเติมได้มาจากสมการ
X1 + 2X2 = 335 แต่เนื่องจากข้อจำากัดมีการกำาหนดว่า X1 + 2X2 ≤ 335 จึงทำาให้คำาตอบ
ที่เป็นไปได้จะอยู่ในพื้นที่ใต้เส้นตรง X1 + 2X2 = 335 และใต้เส้นตรง X1 + X2 = 200 ซึ่งเป็น
ข้อจำากัดก่อนหน้านี้ (พื้นที่ที่แรเงา)
X2
250
225
200
175
150
125
100
75
50
25
0
0 25 50 75 100 125 150 175 200 225 X1
รูปที่ 2-3 แผนภาพทีแ่ สดงถึงพืน้ ทีข่ องคำาตอบทีเ่ ป็นไปได้ เมือ่ คำานึงถึงข้อจำากัดในเรือ่ งของจำานวน
ความยาวเส้นเอ็นเพิ่มเติม
หลั ง จากนั้ น เมื่ อ พิ จ ารณาข้ อ จำ า กั ด ข้ อ ถั ด มาในเรื่ อ งของข้ อ จำ า กั ด ทางด้ า นเวลา

ก็จะสามารถวาดกราฟเพิ่มเติมได้ดังแสดงในรูปที่ 2-4 โดยเส้นที่สร้างขึ้นเพิ่มเติมได้มาจาก
สมการ 2X1 + X2 = 250 แต่เนื่องจากข้อจำากัดมีการกำาหนดว่า 2X1 + X2 ≤ 250 จึงทำาให้
คำาตอบที่เป็นไปได้จะอยู่ในพื้นที่ใต้เส้นตรง 2X1 + X2 = 250 และเส้นตรง X1 + X2 = 200
กับเส้นตรง X1 + 2X2 = 335 ซึ่งเป็นข้อจำากัดก่อนหน้านี้ (พื้นที่ที่แรเงา)
X2
250
225
200
175
150
125
100
75
50
25
0
0 25 50 75 100 125 150 175 200 225 X1
รูปที่ 2-4 แผนภาพทีแ่ สดงถึงพืน้ ทีข่ องคำาตอบทีเ่ ป็นไปได้ เมือ่ คำานึงถึงข้อจำากัดในเรือ่ งของข้อจำากัด
ทางด้านเวลาเพิ่มเติม
ขั้นตอนที่ 2 สร้างขอบเขตคำาตอบที่เป็นไปได้ (Feasible Region)

เมื่ อ นำ า เอาเส้ น ตรงข้ อ จำ า กั ด ทั้ ง หมดมาวาดลงในกราฟแล้ ว เราจะได้ พื้ น ที่ ทั้ ง หมด
ของคำาตอบที่เป็นไปได้ (Feasible Region) ซึ่งคือพื้นที่แรเงาจากรูปที่ 2-4 โดยคำาตอบที่เป็น
ไปได้ของปัญหาในเรื่องนี้จะต้องอยู่ภายใต้พื้นที่นี้เท่านั้น (ซึ่งได้มาจากการพิจารณาข้อจำากัด
หมดแล้วทุกข้อ)
ขั้นตอนที่ 3 หาคำาตอบที่ดีที่สุด (Optimal Solution)

ขั้นตอนนี้จะเริ่มจากการนำาเอา Objective Function (วัตถุประสงค์หลัก) สร้าง
เป็นสมการ โดยอาจจะสมมุติกำาไรขึ้นมาเพื่อนำามา plot เป็นกราฟ หากพบว่าเส้นกราฟของ
Objective Function นั้น อยู่นอกพื้นที่ของคำาตอบที่เป็นไปได้ ก็ต้องลดกำาไรสมมุตินั้นลงมา
จนกระทั่งให้เส้น Objective Function นี้อยู่ในพื้นที่ของคำาตอบที่เป็นไปได้ ในกรณีที่เส้น
Objective Function นีอ้ ยูใ่ นพืน้ ทีข่ องคำาตอบทีเ่ ป็นไปได้อยูแ่ ล้ว ให้พยายามเลือ่ นเส้น Objective
Function นี้ขึ้นไปเรื่อย ๆ เนื่องจากการเลื่อนเส้นขึ้นนั้นเป็นการสร้างกำาไรที่เพิ่มขึ้นได้ จนกระทั่ง
ทำาให้ Objective Function นี้ไปอยู่ในส่วนที่ได้คำาตอบที่ดีที่สุดโดยที่ยังอยู่ในพื้นที่ของคำาตอบ
ที่เป็นไปได้อยู่ ซึ่งในตัวอย่างนี้ คือ ให้ได้ค่าของกำาไรสูงสุดภายใต้ข้อจำากัดต่าง ๆ ที่มีอยู่
X2
250
225
200
175
150
125
100
75
50
25
0
0 25 50 75 100 125 150 175 200 225 X1
รูปที่ 2-5 การหาคำาตอบที่ดีที่สุด
จากรูปที่ 2-5 จะเห็นได้ว่าเมื่อเริ่มนำาเอา Objective Function 400X1 + 450X2

มาทดสอบโดยเริ่มในการ plot กราฟ เช่น ลองวาดเส้นสมการ 400X1 + 450X2 = 10,000
(ตั ว เลข 10,000 เป็ น ตั ว เลขที่ ล องสมมุ ติ ขึ้ น มา) ถ้ า พบว่ า เส้ น ตรงเส้ น นี้ อ ยู่ น อกพื้ น ที่ ข อง
คำาตอบที่เป็นไปได้ (พื้นที่ที่แรเงา) ก็แสดงว่าเส้นตรงเส้นนี้ไม่มีคำาตอบที่เป็นไปได้ก็ควรจะต้อง
ลดกำาไรสมมุติลงมา แต่หากอยู่ในพื้นที่ของคำาตอบที่เป็นไปได้ก็จะพิจารณาต่อไปว่า เส้นตรง
ของ Objective Function นั้น สามารถขยับเปลี่ยนแปลงเพื่อให้ได้คำาตอบที่ดีกว่าได้หรือไม่
จากตัวอย่างจะเห็นว่าเมื่อค่อย ๆ ขยับเส้นของ Objective Function (เส้นประในกราฟ) ขึ้นไป
เรื่อย ๆ จะพบว่าในที่สุดแล้วจะได้เส้นประเส้นที่อยู่สูงที่สุด เพราะจะไม่สามารถขยับเส้นนี้ขึ้นไปได้
อีกแล้ว เพราะจะทำาให้เส้นตรงนี้หลุดออกจากพื้นที่ของคำาตอบที่เป็นไปได้ทันที
เป็นที่น่าสังเกตว่าเส้นของ Objective Function ที่ให้คำ�ตอบที่ดีที่สุดนั้น จะสัมผัสกับ
จุดหนึ่งของพื้นที่คำ�ตอบที่เป็นไปได้ จุดตรงนั้นเองคือจุดที่ให้คำ�ตอบที่ดีที่สุดสำ�หรับปัญหานี้
จากตัวอย่างข้างต้น จุดตัดระหว่างเส้น Objective Function กับพื้นที่ของคำ�ตอบ
ที่เป็นไปได้ เป็นจุดตัดของเส้นข้อจำ�กัดสองเส้นได้แก่เส้นตรงที่เกิดจากข้อจำ�กัดทางด้านเส้นเอ็น
และข้อจำ�กัดทางด้านเวลาซึ่งเป็นชุดของสมการ ดังต่อไปนี้
1X1 + 2X2 = 335

2X1 + 1X2 = 250
เมื่อแก้สมการจะได้ค่า X1 = 55 และ X2 = 140 หรือเราควรผลิตไม้เทนนิส 55 อัน

และไม้แบดมินตัน 144 อัน เพื่อที่จะทำ�ให้เกิดกำ�ไรสูงสุดเท่ากับ 400X1 + 450X2 = 400(55) +
450(140) = 85,000 บาท
ลักษณะพิเศษที่อาจเกิดขึ้นจากการแก้ปัญหาโดยใช้โปรแกรมเชิงเส้น
ในขัน้ ตอนการสร้างกราฟเพือ่ ใช้แก้ปญ ั หาโดยใช้โปรแกรมเชิงเส้นนัน้ อาจจะพบลักษณะ
พิเศษต่าง ๆ ได้ดังต่อไปนี้
1. กรณีที่มีคำ�ตอบที่ดีที่สุดหลายคำ�ตอบ
กรณีนี้จะเกิดขึ้นเมื่อความชันของเส้นตรงที่สร้างขึ้นจาก Objective Function
ไม่ได้ตัดที่มุมใดมุมหนึ่งของพื้นที่ของคำ�ตอบที่เป็นไปได้ แต่กลับไปทับกับส่วนของเส้นตรงที่เป็น
ขอบตัดของพื้นที่ของคำ�ตอบที่เป็นไปได้ (ดูจากรูปที่ 2-6) จึงทำ�ให้ในกรณีนี้มีคำ�ตอบที่ดีที่สุด
หลายคำ�ตอบ
X2
250
เสนสมการ objective function

200
150
100
พื้นที่ของคำตอบ คำตอบที่ดีที่สุดที่เปนไปได
50 ที่เปนไปได
0
0 50 100 150 200 250 X1
รูปที่ 2-6 กรณีตัวอย่างของการมีคำาตอบที่ดีที่สุดมากกว่า 1 คำาตอบ
2. กรณีที่เส้นข้อจำากัดไม่ส่งผลกระทบต่อคำาตอบ
โดยปกติ แ ล้ ว หากปั ญ หามี ข้ อ จำ า กั ด เพิ่ ม ขึ้ น อาจจะส่ ง ผลทำ า ให้ คำ า ตอบที่ ดี ที่ สุ ด
เปลีย่ นแปลงไป เนือ่ งจากข้อจำากัดทีใ่ ส่เข้าไปนัน้ จะทำาให้พนื้ ทีข่ องคำาตอบทีเ่ ป็นไปได้เปลีย่ นแปลงไป
อย่างไรก็ตาม บางครัง้ การเพิม่ ข้อจำากัดเข้าไปในปัญหา อาจจะไม่ทาำ ให้คาำ ตอบทีด่ ที สี่ ดุ เปลีย่ นแปลง
ไป เนือ่ งจากข้อจำากัดเหล่านัน้ ไม่ได้ทาำ ให้พนื้ ทีข่ องคำาตอบทีเ่ ป็นไปได้เปลีย่ นแปลงไป จากรูปที่ 2-7
จะเห็นว่าหากแต่เดิมมีเส้นข้อจำากัดเพียง 2 เส้น คือเส้นสมการข้อจำากัดที่ 1 และ 3 ทำาให้ได้พื้นที่
ของคำาตอบทีเ่ ป็นไปได้ตามทีไ่ ด้แรเงาไว้ อย่างไรก็ตามในภายหลังมีการเพิม่ สมการข้อจำากัดเส้นที่ 2
ขึ้นมา (โดยข้อจำากัดข้อที่ 2 นี้บังคับให้คำาตอบต้องอยู่ใต้เส้นสมการข้อจำากัดเส้นที่ 2) จะเห็นว่า
เส้นสมการข้อจำากัดเส้นที่ 2 นี้ ไม่ได้ส่งผลกระทบต่อพื้นที่ของคำาตอบที่เป็นไปได้แต่อย่างใด
จึงทำาให้คำาตอบที่ดีที่สุดจะไม่ได้รับผลกระทบ
หากผู้ วิ เ คราะห์ แ น่ ใจว่ า ข้ อ จำ า กั ด ใดเป็ น ข้ อ จำ า กั ด ที่ ไ ม่ ส่ ง ผลต่ อ พื้ น ที่ ข องคำ า ตอบที่
เป็นไปได้ ก็ไม่จำาเป็นจะต้องใส่ข้อจำากัดนั้นลงไปในการคำานวณ เพื่อช่วยลดเวลาในการคำานวณ
หาคำาตอบทีเ่ ป็นไปได้ ซึง่ หากเป็นปัญหาทีม่ คี วามซับซ้อนแล้ว อาจจะใช้เวลาทีน่ านเกินความจำาเป็น
X2
250
เสนสมการขอจำกัด 1
200
เสนสมการขอจำกัด 2
150
100 เสนสมการขอจำกัด 3
พื้นที่ของคำตอบ
50
ที่เปนไปได
0
0 50 100 150 200 250 X1
รูปที่ 2-7 กรณีตัวอย่างของข้อจำากัดที่ไม่ส่งผลกระทบต่อคำาตอบ
3. กรณีที่ได้คำาตอบที่ไม่มีจุดสิ้นสุด
กรณีนี้จะเกิดขึ้นเมื่อพบว่าพื้นที่ของคำาตอบที่เป็นไปได้มีได้ไม่จำากัดและเป็นพื้นที่เปิด
นอกจากนั้น Objective Function ที่กำาหนดให้นั้น สามารถขยับเลื่อนไปได้เรื่อย ๆ โดยไม่จำากัด
ทำาให้คำาตอบที่ดีที่สุดมีได้ไม่จำากัด ดังแสดงในรูปที่ 2-8 จะเห็นได้ว่าข้อจำากัดที่ 1 ระบุว่าคำาตอบ
จะต้องอยู่เหนือเส้นสมการข้อจำากัดที่ 1 ในขณะที่ข้อจำากัดที่ 2 ระบุว่าคำาตอบต่ออยู่ใต้สมการ
ข้อจำากัดที่ 2 จึงทำาให้พื้นที่คำาตอบที่เป็นไปได้ (พื้นที่แรเงา) มีได้ไม่จำากัด นอกจากนั้นจาก
การวาดเส้นที่สร้างจาก Objective Function ทำาให้เห็นว่าเส้นนี้สามารถเลื่อนขึ้นได้ไม่จำากัด
(Objective Function นี้ยิ่งมากยิ่งดี) ทำาให้เราไม่สามารถหาคำาตอบที่ดีที่สุดได้ เพราะคำาตอบ
ยิ่งมากยิ่งดีโดยไม่มีจุดสิ้นสุด
ส่วนใหญ่แล้วเหตุการณ์นี้มักจะเกิดขึ้นจากการสร้างแบบจำาลองที่ผิดพลาด ผู้วิเคราะห์
ควรจะกลับไปตรวจสอบความถูกต้องของแบบจำาลองอีกครัง้ เพือ่ หาจุดทีผ่ ดิ พลาดและทำาการแก้ไข
ให้ถูกต้อง
X2
1000 objective function

สมการขอจำกัดที่ 2
800
objective function
600
400 พื้นที่ของคำตอบ
ที่เปนไปได
200
0
0 200 400 600 800 1000 X1
รูปที่ 2-8 กรณีตัวอย่างของคำาตอบที่ไม่มีจุดสิ้นสุด
4. กรณีที่ไม่สามารถหาคำาตอบที่เป็นไปได้
กรณีนี้เกิดขึ้นเมื่อกระบวนการสร้างพื้นที่ของคำาตอบที่เป็นไปได้นั้น ไม่เหลือพื้นที่
ของคำาตอบที่เป็นไปได้อยู่เลย จากรูปที่ 2-9 จะเห็นว่าข้อจำากัดข้อที่ 1 อาจจะกำาหนดให้
คำาตอบต้องอยู่เหนือเส้นสมการข้อจำากัดข้อที่ 1 แต่ในขณะเดียวกัน ข้อจำากัดข้อที่ 2 อาจจะ
กำาหนดให้คำาตอบต้องอยู่ใต้สมการข้อจำากัดข้อที่ 2 ซึ่งเป็นไปไม่ได้เลยที่คำาตอบจะอยู่เหนือเส้นที่
1 และอยู่ใต้ข้อที่ 2 ในขณะเดียวกัน
กรณีนี้อาจจะเกิดขึ้นจากการสร้างแบบจำาลองโปรแกรมเชิงเส้นที่ผิดพลาด หรือเกิด
จากการมีข้อจำากัดที่มีความขัดแย้งกัน นักวิเคราะห์จึงควรจะทำาการตรวจสอบแบบจำาลองอีกครั้ง
และแก้ไขปัญหาที่เกิดขึ้นเพื่อจะได้หาคำาตอบที่ดีที่สุดได้ต่อไป
X2
250
200 สมการขอจำกัดที่ 1
150
100
50
0
0 50 100 150 200 250 X1
รูปที่ 2-9 กรณีตัวอย่างที่ไม่สามารถหาคำาตอบที่เป็นไปได้
การแก้ปัญหาโปรแกรมเชิงเส้นโดยการ Microsoft Excel Solver

ถึงแม้ว่าวิธีการใช้แผนภาพนั้นเป็นวิธีที่มีความชัดเจนและเข้าใจได้ง่าย แต่วิธีนี้มักจะ
มีข้อจำากัดในกรณีที่ตัวแปรที่ต้องมีการตัดสินใจ (Decision Variables) มีมากกว่า 2 ตัวขึ้นไป
ซึ่งในกรณีนี้ การใช้กราฟจะต้องมีลักษณะมากกว่า 2 มิติและการทำาความเข้าใจจะทำาได้ค่อนข้าง
ยาก สำาหรับปัญหาในลักษณะนี้ การใช้โปรแกรมคอมพิวเตอร์เพื่อช่วยในการหาคำาตอบจึงเป็น
แนวทางทีเ่ หมาะสมมากกว่าการใช้กราฟ โดยโปรแกรมคอมพิวเตอร์ทเี่ กีย่ วข้องกับปัญหาโปรแกรม
เชิงเส้นนั้น ในปัจจุบันมีอยู่หลากหลาย แต่หากพิจารณาแล้ว ถึงแม้โปรแกรมที่เขียนมาสำาหรับ
แก้ปัญหาโปรแกรมเชิงเส้นโดยตรงจะมีประโยชน์และมีความสามารถในการแก้ปัญหาโปรแกรม
เชิงเส้นที่ซับซ้อนได้ดี แต่หลายครั้งโปรแกรมเหล่านี้จะหาได้ค่อนข้างยากในองค์กรต่าง ๆ อย่างไร
ก็ตามในโปรแกรม Microsoft Excel นั้น มีคำาสั่งหนึ่งที่เรียกว่า Solver ที่สามารถนำามาใช้
แก้ปัญหาในลักษณะนี้ได้ และเนื่องจาก Microsoft Excel นั้นเป็นโปรแกรมที่ได้รับความนิยม
เป็นอย่างสูงและสามารถหาใช้ได้ง่าย หนังสือเล่มนี้จึงใช้ Microsoft Excel Solver ในการช่วย
แก้ปัญหาโปรแกรมเชิงเส้น เพื่อให้เห็นภาพการแก้ปัญหาได้ชัดเจนขึ้น จึงขอใช้ตัวอย่างก่อนหน้านี้
(โดยปรับเปลี่ยนตัวเลขใหม่) โดยมีรายละเอียดดังต่อไปนี้
กรณีศึกษากรุงเทพการกีฬา
จากชือ่ เสียงในเรือ่ งคุณภาพการผลิตของบริษทั กรุงเทพการกีฬา บริษทั จึงได้รบั คำ�สัง่ ซือ้
จากบริษัท Super Sport ให้ส่งไม้เทนนิส และไม้แบดมินตัน โดยรวมทั้งหมดไม่เกิน 500 อัน
เพื่อให้พอดีกับขนาดของบรรจุภัณฑ์สำ�หรับส่งทางอากาศ ทั้งนี้ การผลิตไม้เทนนิส 1 อัน ต้องใช้
เอ็นสำ�หรับขึง 56 เซนติเมตร และใช้แรงงาน 45 นาที ขณะที่ไม้แบดมินตัน ต้องใช้เอ็นสำ�หรับขึง
92 เซนติเมตร และใช้แรงงาน 30 นาที โดยไม้เทนนิสได้กำ�ไรอันละ 400 บาท และไม้แบดมินตัน
ได้กำ�ไรอันละ 300 บาท หากเอ็นที่ใช้ในการขึงไม้ทั้งสองเป็นเอ็นชนิดเดียวกัน โดยบริษัทมี
ทรัพยากรเป็นเส้นเอ็นยาว 375 เมตร และชั่วโมงแรงงาน 320 ชั่วโมง จะทำ�การผลิตและ
จัดส่งไปยังตัวแทนจำ�หน่ายอย่างละเท่าไหร่เพื่อให้ได้กำ�ไรสูงสุด
จากกรณีศึกษาดังกล่าว สามารถสร้างเป็นแบบจำ�ลองดังต่อไปนี้
MAX: 400X1 + 300X2
Subject to: 1X1 + 1X2 ≤ 500
0.56X1 + 0.92X2 ≤ 375
0.75X1 + 0.5X2 ≤ 320
1X1 ≥0
1X2 ≥0
สำ�หรับข้อจำ�กัด X1 ≥ 0 และ X2 ≥ 0 นั้นเป็นข้อจำ�กัดที่กำ�หนดให้ค่าของตัวแปร

ที่ต้องตัดสินใจไม่เป็นค่าลบ (Nonnegativity conditions) ซึ่งตามหลักความเป็นจริงจำ�นวน
สินค้าที่ผลิตจะมีค่าติดลบไม่ได้
สำ � หรับ ในกรณีนี้จ ะใช้ Program Microsoft Excel Solver ในการแก้ปัญหา
โดยขั้นตอนแรกคือการสร้าง Model ดังกล่าวให้อยู่ในรูปความสัมพันธ์ของตัวแปรต่าง ๆ ใน
Spreadsheet โดยมีรายละเอียดดังแสดงในรูปที่ 2-10 หน้าถัดไปนี้
* LHS = Left Hand Side Constraints หมายถึงตัวเลขที่คำ�นวณได้ที่อยู่ทางซ้ายมือของสมการข้อจำ�กัด
รูปที่ 2-10 การสร้าง Model ใน Spreadsheet
ในการทำ� Model ใน Spreadsheet นั้น การเขียนสูตรลงใน Cell ต่าง ๆ ไม่ควรระบุ

ค่าคงที่ลงในสูตรโดยตรง เนื่องจากหากมีการเปลี่ยนแปลงข้อมูลเกี่ยวกับค่าคงที่เหล่านั้นแล้ว
จะต้องทำ�การแก้ไขที่สูตร ซึ่งจะอาจจะทำ �ให้เกิดความสับสนขึ้นหรืออาจกระทำ �ได้ไม่ง่ายนัก
ดังนั้นจึงควรระบุค่าคงที่ใน Cell อื่นก่อน หลังจากนั้นจึงสร้างความสัมพันธ์กับตำ�แหน่ง Cell
นั้นเข้ามาใช้ในสูตร ซึ่งหากต้องการแก้ไขข้อมูลค่าคงที่เหล่านั้นก็สามารถทำ�ได้โดยการแก้ไขที่ Cell
นั้น ๆ ได้ไม่ต้องแก้ไขที่สูตร
การใช้คำ�สั่ง Solver ในการแก้ปัญหา LP Model

Solver เป็นคำ�สั่งที่อยู่ใน Microsoft Excel ใช้ในการแก้ปัญหาโปรแกรมเชิงเส้น
ซึ่งจากตัวอย่างข้างต้น Solver แยก Cell ต่าง ๆ ใน Spreadsheet ดังแสดงในรูปที่ 2-11
จากรูปดังกล่าว จะได้ว่า Variable หรือ Changing Cell คือ Cell แสดงตัวแปร
ตัดสินใจ (Decision Variables) ซึ่งหมายถึง X1 และ X2 ซึ่งได้แก่ Cell B5 และ C5, Target
Cell คือ Cell เป้าหมายแสดงคำ�ตอบที่ได้จาก Objective Function ซึ่งมีความสัมพันธ์กับ
Variable Cell ได้แก่ Cell D6 และ Constraint Cell คือ Cell ที่แสดงค่าที่คำ�นวณได้ทาง
ด้านซ้ายของสมการข้อจำ�กัด (LHS: Left Hand Side Constraints) ที่มีโดยมีความสัมพันธ์กับ
สมการข้อจำ�กัดซึ่งได้แก่ Cell D9 D10 และ D11 ดังนั้นจากศัพท์ที่ใช้ในส่วนของ Solver
จะมีความสัมพันธ์กันกับศัพท์ที่ใช้การสร้างแบบจำ�ลองโปรแกรมเชิงเส้น ดังแสดงในตารางที่ 2-1
รูปที่ 2-11 ลักษณะของตัวแปรต่างๆ ใน Model ก่อนที่จะใช้คำ�สั่ง Solver
ตารางที่ 2-1 การเปรียบเทียบศัพท์ที่ใช้ในแบบจำ�ลองโปรแกรมเชิงเส้นกับศัพท์ที่ใช้ใน Solver
ศัพท์ที่ใช้ในการสร้างแบบจำ�ลองโปรแกรมเชิงเส้น ศัพท์ที่ใช้ใน Microsoft Excel Solver

ฟังก์ชั่นวัตถุประสงค์ (Objective Function) Set (Target) Cell
ตัวแปรในการตัดสินใจ (Decision Variables) Variable หรือ Changing Cells
ข้อจำ�กัดที่คำ�นวณได้ทางด้านซ้ายมือของสมการ Cell ข้อจำ�กัด (Constraint Cells)
ข้อจำ�กัด (LHS Formula of Constraints)
ขั้นตอนการติดตั้ง คำ�สั่ง Solver ใน Microsoft Excel 2007
ในกรณีที่เครื่องคอมพิวเตอร์ที่ใช้นั้นมีแต่ Microsoft Excel แต่ยังไม่ได้ติดตั้งคำ�สั่ง
Solver สังเกตได้โดยไปที่ Data Tab และหาคำ�สั่ง Solver ถ้าหากพบคำ�สั่งนี้อยู่แล้วก็ไม่จำ�เป็น
ต้องดำ�เนินการในขั้นตอนต่อไปนี้ หากไม่พบให้ทำ�การติดตั้งคำ�สั่ง โดยให้ดำ�เนินการดังต่อไปนี้
1. ไปที่ Office Button เลือก Excel Options ดังแสดงในรูปที่ 2-12
รูปที่ 2-12 ขั้นตอนในการติดตั้งคำ�สั่ง Solver ขั้นตอนที่ 1
2. ที่ Excel Options เลือก Add-ins และเลือกคำ�สั่ง Solver add-in และคลิก Go…
ด้านล่าง ดังแสดงในรูปที่ 2-13
รูปที่ 2-13 ขั้นตอนในการติดตั้งคำ�สั่ง Solver ขั้นตอนที่ 2
3. เลือก Solver Add-in กด OK ดังแสดงในรูปที่ 2-14
รูปที่ 2-14 ขั้นตอนในการติดตั้งคำ�สั่ง Solver

ขั้นตอนที่ 3
เมื่อทำ�ตามขั้นตอนเหล่านี้แล้ว จะพบคำ�สั่ง Solver อยู่ใน Tab Data การติดตั้งคำ�สั่งนี้
จะกระทำ�เพียงครั้งแรกครั้งเดียวเท่านั้น หลังจากนั้นเมื่อเปิดโปรแกรม Excel ขึ้นมา ก็จะพบคำ�สั่ง
Solver ทันทีโดยไม่ต้องทำ�การติดตั้งอีก ยกเว้นในกรณีที่อาจใช้คอมพิวเตอร์ในห้องคอมพิวเตอร์
ที่มีคำ�สั่งลบการติดตั้งต่าง ๆ หลังจากมีการเปิดเครื่องขึ้นมาใหม่ ซึ่งหากเป็นกรณีนั้นก็จำ�เป็นที่จะ
ต้องทำ�การติดตั้งคำ�สั่ง Solver ใหม่ทุกครั้ง
ขั้นตอนการใช้คำ�สั่ง Solver ใน Microsoft Excel 2007

เมื่อทำ�การติดตั้งคำ�สั่ง Solver แล้ว จากโจทย์ตัวอย่างข้างต้น เราสามารถใช้คำ�สั่ง
Solver โดยปฏิบัติตามขั้นตอนดังต่อไปนี้
1. เปิดคำ�สั่ง Solver โดยไปที่ Data tab และที่ส่วน Analysis เลือกคำ�สั่ง Solver
เพื่อเริ่มต้นหน้าต่าง Solver Parameters ดังแสดงในรูปที่ 2-15
รูปที่ 2-15 การเปิดใช้คำ�สั่ง Solver
2. เมื่อเปิดใช้คำ�สั่ง Solver แล้วจะพบ Dialog Box ชื่อ Solver Parameters ซึ่งมี
รายละเอียดที่ต้องใส่เข้าไปดังต่อไปนี้
2.1 ทำ�การกำ�หนด Set cell (Target cell) โดยกำ�หนด Cell ที่เป็น Target
Cell ในช่อง Set Target Cell ซึ่งในตัวอย่าง Spreadsheet นี้คือ Cell D6 โดยคลิกที่ Cell
บน Spreadsheet และกำ�หนดให้ค่าของ Cell นั้นให้มากที่สุด (Max) หรือน้อยที่สุด (Min)
หรือเท่ากับค่าที่กำ�หนด (Value of) ซึ่งในตัวอย่างนี้ เราต้องการให้ค่าของกำ�ไร (Cell D6)
มีค่ามากที่สุด เราจึงต้องเลือกค่า Max ดังแสดงในรูปที่ 2-16
รูปที่ 2-16 ขั้นตอนในการกำ�หนดเป้าหมายของ Objective Function ใน Solver
2.2 ทำ�การกำ�หนด Changing Cell ซึ่งคือตัวแปรที่ต้องตัดสินใจ ในช่อง By
Changing Variable Cells ซึ่งในตัวอย่างได้แก่ Cell B5:C5 ดังแสดงในรูปที่ 2-17
รูปที่ 2-17 ขั้นตอนในการกำ�หนดตัวแปรที่ต้องตัดสินใจใน Solver
2.3 ทำ�การกำ�หนด Constraints โดยเลือกที่ Add จะปรากฏหน้าต่าง Add

Constrains ดังแสดงในรูปที่ 2-18
รูปที่ 2-18 ขั้นตอนในการกำ�หนดข้อจำ�กัดใน Solver
ในช่อง Cell Reference ให้ระบุตำ�แหน่ง Cell ที่เป็นค่าที่คำ�นวณได้ของทรัพยากร
ต่าง ๆ ที่ใช้ไป ซึ่งในตัวอย่างนี้ หมายถึงจำ�นวนสินค้า ความยาวเส้นเอ็น และชั่วโมงแรงงาน ที่ใช้
ไปจริง (ค่าทางด้านซ้ายมือของสมการข้อจำ�กัด หรือค่า LHS ของ Constraints) สำ�หรับในช่อง
Constraints นั้นให้กำ�หนดค่าทรัพยากรที่มีอยู่ (ค่าทางด้านขวามือของข้อจำ�กัดหรือค่า RHS)
ของ Constraints นั้น ๆ เมื่อต้องการเพิ่มข้อจำ�กัดเลือกปุ่ม add หรือถ้าใส่ข้อจำ�กัดครบแล้วเลือก
OK จะปรากฏชุดของ Constraints ที่ใส่ใน Solver Parameters ดังแสดงในรูปที่ 2-19
รูปที่ 2-19 ขั้นตอนหลังจากมีการกำ�หนดค่าต่างๆ อย่างครบถ้วนใน Solver
3. เมื่อระบุค่าต่าง ๆ ครบแล้วให้ใช้คำ�สั่ง Solve เพื่อให้เครื่องทำ�การคำ�นวณคำ�ตอบ

ของโปรแกรมเชิงเส้นโดยคำ�ตอบจะปรากฏอยู่บน Spreadsheet และ Solver จะรายงาน
ผล Solver Results ดังแสดงในรูปที่ 2-20
รูปที่ 2-20 การแสดงผลหลังจาก Run Solver ได้อย่างไม่มีปัญหา
ในกรณีที่มีการใส่ Cell หรือมีการตั้งค่าผิดพลาดแล้ว Solver ไม่สามารถหาคำ�ตอบได้

ก็จะมีการแสดงผล ดังแสดงในรูปที่ 2-21 ซึ่งในกรณีนี้จำ�เป็นที่ต้องกลับไปพิจารณาแบบจำ�ลองอีก
ครั้งว่ามีข้อผิดพลาดในส่วนใด
รูปที่ 2-21 การแสดงผลการ Run Solver ที่มีความผิดพลาด
จากโจทย์ตัวอย่างจะได้ผลการ Run ดังแสดงในรูปที่ 2-22 ดังต่อไปนี้
รูปที่ 2-22 ผลการ Run Solver
การตั้งค่าของ Solver
โดยปกติแล้ว Solver จะมีการตั้งค่า Parameters ต่าง ๆ ในการ Run ไว้ แต่หาก
ต้องการตั้งค่าของ Solver ใหม่ เราสามารถตั้งค่าได้ที่ Options ในหน้าต่าง Solver Parameters
โดยหลังจากกดปุ่ม Option แล้วจะแสดง Dialog Box ดังแสดงในรูปที่ 2-23 ดังต่อไปนี้
รูปที่ 2-23 การตั้งค่า Options

สำ�หรับ Solver
โดยแต่ละช่องมีความหมายดังต่อไปนี้
• Max Time หมายถึง ระยะเวลาที่กำ�หนดให้ Solver ทำ�การคำ�นวณ โดยจาก
รูปที่ 2-23 หากมีการคำ�นวณที่เกินกว่า 100 วินาที Solver จะทำ�การหยุดการคำ�นวณทันที
ดังนั้นหาก Model มีความซับซ้อน Solver อาจใช้เวลาในการคำ�นวณมากขึ้น เราจึงจำ�เป็นต้อง
ขยายเวลานี้ออกไป โดยเวลานี้จะมีหน่วยเป็นวินาที
• Iterations หมายถึง จำ�นวนรอบในการคำ�นวณเพื่อหาคำ�ตอบที่ดีที่สุด จากรูปที่
2-23 ได้มีการกำ�หนดไว้ไม่เกิน 1,000 รอบ Solver จะทำ�การหยุดการคำ�นวณทันที หากมีการคิด
คำ�นวณเกิน 1,000 รอบแล้ว หาก Model มีความซับซ้อนมาก อาจเพิ่มจำ�นวนรอบในการคำ�นวณ
เพื่อจะได้หาคำ�ตอบได้อย่างถูกต้อง
• Precision หมายถึง การกำ�หนดค่าความแม่นยำ�ของคำ�ตอบที่ได้จากการคำ�นวณ
โดยมีค่าระหว่าง 0 ถึง 1 โดยค่า Precision ยิ่งน้อยยิ่งมีความแม่นยำ�มาก เช่น 0.000001
มีความแม่นยำ�มากกว่า 0.01
• Tolerance หมายถึง การกำ�หนดค่าความคลาดเคลื่อนของคำ�ตอบที่เป็นจำ�นวนเต็ม
จากคำ � ตอบที่เ ป็นจำ�นวนเต็มที่ดีที่สุด ใช้สำ�หรับในกรณีที่คำ�ตอบต้องเป็นจำ�นวนเต็ม ทั้งนี้
เนื่องจากบางครั้ง Solver อาจใช้เวลานานหากต้องการคำ�ตอบที่ดีที่สุด ดังนั้นการกำ�หนดค่า
ความคาดเคลื่อนที่ยอมรับได้ก็จะทำ�ให้ Solver สามารถหาคำ�ตอบได้เร็วขึ้น เช่น จากรูปที่ 2-23
มีการกำ�หนดค่า Tolerance ไว้ที่ 5% หมายความว่าหากคำ�ตอบที่ Solver หาได้อยู่ในระยะ 5%
ของคำ�ตอบที่ดีที่สุด Solver ก็จะหยุดการ run ในทันที ในกรณีที่ต้องการให้ได้คำ�ตอบที่ถูกต้อง
ก็จะต้องกำ�หนดค่านี้ให้เท่ากับ 0
• Assume Linear Model การเลือก option นี้เป็นการกำ�หนดให้ Solver คำ�นวณ
Model ในลักษณะของความสัมพันธ์แบบเชิงเส้น แต่ในบางครั้งหากมีความแตกต่างกันใน
เรื่องของ Scale ของตัวแปร (มีความห่างกันของ Scale เช่น บางตัวแปรมีค่าตํ่ามาก ในขณะที่
บางตัวแปรมีค่าสูงมาก) ก็อาจทำ�ให้ Solver มองเห็นว่า Model เป็น Model ที่ไม่มีความสัมพันธ์
กับแบบเชิงเส้น ทั้งๆ ที่โดยแท้จริงแล้วมีความสัมพันธ์กันแบบเชิงเส้น
• Assume Non-Negative เป็นคำ�สั่งที่กำ�หนดให้ตัวแปรที่ต้องตัดสินใจ (Changing
Variables) เป็นตัวแปรที่มีค่ามากกว่าหรือเท่ากับ 0 (Non-negativity Constraint)
สำ�หรับ Option อื่น ๆ นั้น ส่วนใหญ่มักจะไม่ค่อยได้ใช้ ซึ่งหากผู้อ่านมีความสนใจใน
รายละเอียดก็สามารถศึกษาได้จาก Help Option ของ Solver ได้ต่อไป
ข้อสังเกตในการ Run Solver
บางครั้ง Microsoft Office 2007 อาจมีการป้องกัน Macros Security ทำ�ให้ไม่
สามารถใช้งาน Solver ได้ ดังนั้นต้องทำ�การ Enable คำ�สั่ง Macro หากมีการป้องกันไว้
โดยเลือก Options…> Enable this Content ดังแสดงในรูปที่ 2-24
รูปที่ 2-24 การแก้ไขปัญหาที่เกี่ยวข้องกับ Security Warning
เพื่อให้เกิดความเข้าใจเพิ่มมากขึ้นในส่วนหลังของบทนี้ จึงขอนำ�เสนอตัวอย่างการใช้
Solver ในการแก้ปัญหาโปรแกรมเชิงเส้นในรูปแบบต่าง ๆ ดังต่อไปนี้
กรณีศึกษาบริษัทนํ้ามันพืชไทย
บริษัท นํ้ามันพืชไทย ผู้ผลิตนํ้ามันพืชรายใหญ่ ได้รับคำ�สั่งซื้อจากบริษัทค้าปลีก เป็น
นํ้ามันพืช 3 ชนิด คือ นํ้ามันปาล์ม นํ้ามันถั่วเหลือง และนํ้ามันเมล็ดทานตะวัน ซึ่งนํ้ามันพืช
เหล่านี้ต้องผ่านขั้นตอนการสกัด และขั้นตอนการกลั่นและแยกไข โดยตารางหน้าถัดไปแสดง
ปริมาณคำ�สั่งซื้อนํ้ามันพืชแต่ละชนิด และจำ�นวนชั่วโมงในการทำ�งานในแต่ละขั้นตอน
นํ้ามันปาล์ม นํ้ามันถั่วเหลือง นํ้ามันเมล็ดทานตะวัน
ปริมาณสั่งซื้อ (ถัง) 2,000 1,200 500

ชั่วโมงที่ใช้ในขั้นตอนการสกัดต่อถัง 0.8 1.5 1.0
ชั่วโมงที่ใช้ในขั้นตอนกลั่นและแยกไขต่อถัง 0.5 1.3 2.0
บริษัทมีกำ�ลังการผลิตไม่เพียงพอที่จะผลิตสินค้าทั้งหมดให้ทันภายในวันที่กำ�หนด
โดยบริษัทมีกำ�ลังการผลิตในขั้นตอนการสกัดเพียง 3,000 ชั่วโมง และการกลั่นและแยกไข
จำ�นวน 2,500 ชั่วโมง อย่างไรก็ตามบริษัทสามารถสั่งซื้อสินค้าบางส่วนได้จากบริษัทคู่แข่ง
โดยต้นทุนการผลิตสินค้าเองและต้นทุนซื้อสินค้าจากบริษัทคู่แข่งมีดังต่อไปนี้
นํ้ามันปาล์ม นํ้ามันถั่วเหลือง นํ้ามันเมล็ดทานตะวัน
ต้นทุนในการผลิตเอง (บาทต่อถัง) 120 153 198

ต้นทุนในการซื้อ (บาทต่อถัง) 145 178 220
บริษัท นํ้ามันพืชไทย ต้องการทราบว่าควรจะผลิตนํ้ามันพืชแต่ละชนิดเองเป็นจำ�นวน

เท่าไรและสั่งซื้ออีกเป็นจำ�นวนเท่าไรเพื่อบริหารต้นทุนให้ตํ่าที่สุด
แบบจำ�ลองโปรแกรมเชิงเส้น
M1 = จำ�นวนนํ้ามันปาล์มที่จะผลิตเอง
M2 = จำ�นวนนํ้ามันถั่วเหลืองที่จะผลิตเอง
M3 = จำ�นวนนํ้ามันเมล็ดทานตะวันที่จะผลิตเอง
B1 = จำ�นวนนํ้ามันปาล์มที่จะสั่งซื้อ
B2 = จำ�นวนนํ้ามันถั่วเหลืองที่จะสั่งซื้อ
B3 = จำ�นวนนํ้ามันเมล็ดทานตะวันที่จะสั่งซื้อ
MIN: 120M1 + 153M2 + 198M3 + 145B1 + 178B2 + 220B3 ต้นทุนรวม
Subject to: M1 + B1 = 2,000 ปริมาณนํ้ามันปาล์มที่ต้องการ
M2 + B2 = 1,200 ปริมาณนํ้ามันถั่วเหลืองที่ต้องการ
M3 + B3 = 500 ปริมาณนํ้ามันเมล็ดทานตะวันที่ต้องการ
0.8M1 + 1.5M2 + 1M3 ≤ 3,000 ข้อจำ�กัดเวลาที่ใช้ในการสกัด
0.5M1 + 1.3M2 + 2M3 ≤ 2,500 ข้อจำ�กัดเวลาที่ใช้ในการกลั่นและแยกไข
M1, M2, M3, B1, B2, B3 ≥ 0 จำ�นวนไม่ติดลบ
การทำ� Model ใน Spreadsheet

จากแบบจำ � ลองโปรแกรมเชิ ง เส้ น สามารถนำ � มาทำ � Model ใน Spreadsheet
ได้ดังแสดงในรูปที่ 2-25 ดังต่อไปนี้
Key Cell Formulas

Cell Formula Copied to
B13 =B6+B7 C13:D13
E11 =SUMPRODUCT(B10:D11,B6:D7) --
E17 =SUMPRODUCT(B17:D17,$B$6:$D$6) E18
รูปที่ 2-25 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาบริษัทนํ้ามันพืชไทย
เมื่อออกแบบ Spreadsheet และเขียนสูตรความสัมพันธ์แล้วจึงใช้ Solver ใน
การแก้ปัญหาได้ดังแสดงในรูปที่ 2-26
รูปที่ 2-26 Solver Parameters สำ�หรับกรณีศึกษาบริษัทนํ้ามันพืชไทย
ซึ่งทำ�ให้ได้คำ�ตอบของปัญหาในกรณีนี้ ดังแสดงในรูปที่ 2-27
รูปที่ 2-27 คำ�ตอบที่ดีที่สุดในกรณีศึกษาบริษัทนํ้ามันพืชไทย
กรณีศึกษาแผงผักสดนายเจริญ
นายเจริญ พ่อค้าผักสดในตลาดยิ่งเจริญ ต้องการวางแผนการสั่งซื้อผักสดจากสวน
นายบุญส่งทั้งหมด 6 ชนิด ได้แก่ มะนาว แตงกวา มะเขือเทศ มะเขือยาว บวบ และฟักทอง
โดยนายเจริ ญมีต้นทุนที่ใช้ใ นการสั่ง ซื้อทั้ง หมด 65,000 บาท ซึ่งมีข้อมูล ที่ใช้ประกอบการ
ตัดสินใจ ดังนี้
สินค้า กำ�ไร อายุสินค้า (วัน) ระดับความนิยม
มะนาว 7.50% 12 1-ดีมาก

แตงกวา 15.00% 3 1-ดีมาก
มะเขือเทศ 12.25% 5 2-ดี
มะเขือยาว 13.50% 7 2-ดี
บวบ 16.75% 10 3-ค่อนข้างดี
ฟักทอง 9.00% 14 4-ปานกลาง
เนื่องจากเงินทุนที่มีจำ�นวนจำ�กัด นายเจริญจึงต้องประกันความเสี่ยงต่าง ๆ อันเกิด

จากการขายไม่ได้ ของเน่าเสีย เป็นต้น จึงจะสั่งซื้อผักสดแต่ละชนิดในมูลค่าไม่เกิน 30% ของเงิน
ทุนทั้งหมด และเพื่อให้เงินทุนเกิดการหมุนเวียน โดยอย่างน้อย 3 ใน 4 ของเงินทุนทั้งหมดจะ
ลงทุนซื้อผักสดที่ขายอยู่ในเกณฑ์ดีขึ้นไป แต่เนื่องจากผักสดหลายชนิด แม้จะให้ผลตอบแทนสูง
แต่ ก็ เ สี่ ย งต่ อ การเน่ า เสี ย เร็ ว จึ ง จะลงทุ น ในผั ก สดเหล่ า นั้ น ไม่ เ กิ น 25% ของเงิ น ทุ น ทั้ ง หมด
(ผักสดอายุสั้นหมายถึงผักที่มีอายุไม่เกิน 5 วัน) จากเงื่อนไขดังกล่าว นายเจริญจะตัดสินใจ
ซือ้ ผักสดชนิดใดบ้างจากสวนของนายบุญส่ง และเป็นจำ�นวนเงินเท่าไหร่ เพือ่ ให้เขาได้รบั ผลตอบแทน
ที่มากที่สุด
X1 = จำ�นวนเงินที่ซื้อมะนาว
X2 = จำ�นวนเงินที่ซื้อแตงกวา
X3 = จำ�นวนเงินที่ซื้อมะเขือเทศ
X4 = จำ�นวนเงินที่ซื้อมะเขือยาว
X5 = จำ�นวนเงินที่ซื้อบวบ
X6 = จำ�นวนเงินที่ซื้อฟักทอง
MAX: 0.075X1 + 0.15X2 + 0.1225X3 + 0.135X4 + 0.1675X5 + 0.09X6 กำ�ไรที่ได้รับ

Subject to: X1 ≤ 19,500
X2 ≤ 19,500
X3 ≤ 19,500
30% ของเงินทุนเพื่อป้องกันความเสี่ยง
X4 ≤ 19,500
X5 ≤ 19,500
X6 ≤ 19,500
X1 + X2 + X3 + X4 + X5 + X6 = 65,000 เงินที่ลงทุนทั้งหมด
X2 + X3 ≤ 16,250 เงินที่ลงทุนในผักที่มีอายุสั้น
X1 + X2 + X3 + X4 ≥ 48,750 เงินทีล่ งทุนในผักทีไ่ ด้รบั ความนิยม
X1, X2, X3, X4, X5, X6 ≥ 0 จำ�นวนไม่ติดลบ

จากแบบจำ�ลองโปรแกรมเชิงเส้นสามารถนำ�มาทำ� Model ใน Spreadsheet ได้
ดังแสดงในรูปที่ 2-28 หน้าถัดไปนี้
Key Cell Formulas
C12 =SUM(C6:C11) --
E12 =SUMPRODUCT(E6:E11,$C$6:$C$11) G12 and I12
รูปที่ 2-28 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาแผงผักสดนายเจริญ
เมื่อออกแบบ Spreadsheet และเขียนสูตรความสัมพันธ์แล้วจึงใช้ Solver ในการ

แก้ปัญหาได้ดังแสดงในรูปที่ 2-29
รูปที่ 2-29 Solver Parameters สำ�หรับกรณีศึกษาแผงผักสดนายเจริญ
รูปที่ 2-30 คำ�ตอบที่ดีที่สุดในกรณีศึกษาแผงผักสดนายเจริญ
กรณีศึกษาบริษัทสหกิจก่อสร้าง
บริษัท สหกิจก่อสร้าง เป็นบริษัทรับเหมาก่อสร้างอาคารทั่วราชอาณาจักร ปัจจุบัน
บริษัทมีโครงการรับเหมาก่อสร้างที่ดำ�เนินโครงการอยู่ด้วยกัน 3 แห่ง คือ อโศก งามวงศ์วาน
และสีลม โดยแต่ละโครงการรับคนงานในการก่อสร้างได้ไม่เกิน 110 80 และ 145 คนต่อวัน
ตามลำ�ดับ ทั้งนี้บริษัทมีบ้านพักให้สำ�หรับคนงานโดยอยู่ในเขตชานเมือง 3 แห่ง คือ มีนบุรี 85 คน
รังสิต 125 คน และบางบัวทอง 110 คน บริษัทมีรถรับส่งพนักงานระหว่างที่พักกับโครงการทุกวัน
โดยเวลาที่ใช้ในการเดินทางจากแต่ละจุดถึงกันเป็นไปตามตารางที่แสดงดังต่อไปนี้

ระยะเวลา (นาที) ทีใ่ ช้ในการเดินทางระหว่างทีพ
่ กั กับ โครงการ
อโศก งามวงศ์วาน สีลม
มีนบุรี 55 60 80
รังสิต 80 55 75
บางบัวทอง 75 45 65
เนื่ อ งจากต้ น ทุ น ในการเดิ น ทางแต่ ล ะวั น มี มู ล ค่ า ค่ อ นข้ า งสู ง บริ ษั ท จึ ง ต้ อ งทำ � การ
ตัดสินใจว่าจะใช้คนงานจากที่ใด เป็นจำ�นวนเท่าไหร่ เพื่อทำ�ให้จำ�นวนคนคูณกับเวลาในการ
เดินทางของคนงาน (ซึ่งสะท้อนถึงค่าใช้จ่าย) มีค่าน้อยที่สุด สอดคล้องกับนโยบายในการลดต้นทุน
ด้านการขนส่งแรงงาน
ที่พัก เวลา (นาที) โครงการ
จำนวนที่มี จำนวนที่ตองการ
85 มีนบุรี 55 อโศก 110

1 60 4
80
80
125 รังสิต 55 งามวงศวาน 80
2 75 5
75
110 บางบัวทอง 45 สีลม 145
65
3 6
MIN: 55X14 + 60X15 + 80X16 + 80X24 + 55X25 + 75X26 + 75X34 + 45X35 + 65X36
ข้อจำ�กัดทางด้านจำ�นวนคนงานที่ต้องการ
X14 + X24 + X34 ≤ 110 } อโศก
X15 + X25 + X35 ≤ 80 } งามวงศ์วาน
X16 + X26 + X36 ≤ 145 } สีลม
ข้อจำ�กัดทางด้านจำ�นวนคนงานที่มีอยู่
X14 + X15 + X16 = 85 } มีนบุรี
X24 + X25 + X26 = 125 } รังสิต
X34 + X35 + X36 = 110 } บางบัวทอง
Xij ≥ 0 for all i and j Nonnegativity Condition
จากแบบจำ�ลองโปรแกรมเชิงเส้น สามารถนำ�มาทำ� Model ใน Spreadsheet ได้
ดังแสดงในรูปที่ 2-31 ดังต่อไปนี้
Key Cell Formulas

C17 =SUM(C14:C16) D17:E17
F14 =SUM(C14:E14) F15:F16
E20 =SUMPRODUCT(C7:E9,C14:E16) --
รูปที่ 2-31 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาบริษัทสหกิจก่อสร้าง
เมื่อออกแบบ Spreadsheet และเขียนสูตรความสัมพันธ์แล้วจึงใช้ Solver ในการ
แก้ปัญหาได้ดังแสดงในรูปที่ 2-32
รูปที่ 2-32 Solver Parameters สำ�หรับกรณีศึกษาบริษัทสหกิจก่อสร้าง
รูปที่ 2-33 คำ�ตอบที่ดีที่สุดในกรณีศึกษาบริษัทสหกิจก่อสร้าง
กรณีศึกษาบริษัทรุ่งเรืองภัณฑ์
บริษัท รุ่งเรืองภัณฑ์ จำ�กัด เป็นบริษัทจำ�หน่ายวัสดุก่อสร้างทุกชนิด โดยสินค้าที่ได้รับ
ความนิยมมากที่สุด คือ ซีเมนต์สำ�เร็จรูปพร้อมผสมตามสูตรที่ลูกค้าต้องการ ทั้งนี้ บริษัทรับซีเมนต์
สำ�เร็จรูปจาก 4 ตรายี่ห้อมาจำ�หน่ายอยู่ โดยส่วนผสมของซีเมนต์สำ�เร็จรูปประกอบด้วย ปูน ทราย
หยาบ และทรายละเอียด ซึ่งแต่ละตรายี่ห้อนั้นมีสัดส่วนแตกต่างกัน ดังนี้
สัดส่วนของซีเมนต์สำ�เร็จรูป
ส่วนผสม สูตร 1 สูตร 2 สูตร 3 สูตร 4
ปูน 30% 40% 25% 50%
ทรายหยาบ 30% 10% 35% 10%
ทรายละเอียด 20% 45% 30% 35%
กำ�ไร (บาทต่อตัน) 0.18 0.13 0.22 0.10
ปัจจุบันเศรษฐกิจของประเทศกำ�ลังขยายตัว อัตราการเติบโตของ GDP เพิ่มขึ้น

สอดคล้ อ งกั บ พฤติ ก รรมการใช้ จ่ า ยเงิ น ของประชาชน จึ ง ทำ � ให้ อั ต ราการขยายตั ว ของธุ ร กิ จ
อสังหาริมทรัพย์เติบโตตามไปด้วย บริษัท สหกิจก่อสร้าง ซึ่งเป็นบริษัทรับเหมาก่อสร้างรายใหญ่
จึงมีความจำ�เป็นในการใช้บริการซีเมนต์สำ�เร็จรูปเพื่อความรวดเร็วและตรงตามมาตรฐานที่ได้
วางแผนไว้ บริษัท สหกิจก่อสร้าง มีความต้องการซีเมนต์สำ�เร็จรูปที่ผสมด้วยปูนไม่น้อยกว่า 40%
ทรายหยาบไม่เกิน 20% และทรายละเอียดไม่เกิน 30% จำ�นวน 5,000 กิโลกรัม เพื่อรักษาลูกค้า
รายใหญ่เอาไว้ บริษทั รุง่ เรืองภัณฑ์ ควรใช้ซเี มนต์ส�ำ เร็จรูปตราใดและเป็นจำ�นวนเท่าใดบ้างเพือ่ สร้าง
ผลกำ�ไรเฉลี่ย (บาทต่อตัน) ดีที่สุดของบริษัท และเป็นไปตามความต้องการของลูกค้า
X1 = ปริมาณซีเมนต์สำ�เร็จรูปสูตร 1 ที่ใช้ในการผสม (หน่วยเป็นกิโลกรัม)
Max: (0.18X1 + 0.13X2 + 0.22X3 + 0.10X4)/5,000 กำ�ไรเฉลี่ย
Subject to: X1 + X2 + X3 + X4 = 5,000 ปริมาณซีเมนต์ที่ต้องการ
(0.3X1 + 0.4X2 + 0.25X3 + 0.5X4)/5000 ≥ 0.4 ส่วนผสมปูน
(0.3X1 + 0.1X2 + 0.35X3 + 0.1X4)/5000 ≤ 0.2 ส่วนผสมทรายหยาบ
(0.2X1 + 0.45X2 + 0.3X3 + 0.35X4)/5000 ≤ 0.3 ส่วนผสมทรายละเอียด
X1, X2, X3, X4 ≥ 0 Nonnegativity Condition
ข้อสังเกต ในการคำ�นวณด้วยโปรแกรม Solver ในกรณีนี้จะสังเกตได้ว่า สัมประสิทธิ์

ของตัวแปร Xi นั้นเป็นจำ�นวนที่มีค่าน้อยมาก เช่น 0.4/5000 = 0.00008 ซึ่งมีค่าห่างจาก
สัมประสิทธิ์ของตัวแปร Xi ตัวอื่นที่มีสัมประสิทธิ์เท่ากับ 1 การคำ�นวณของโปรแกรมนั้น เป็น
การคำ�นวณแบบประมาณค่าคำ�ตอบที่อาจจะมีความคลาดเคลื่อนไป นอกจากนี้ในระหว่างการ
Run Solver นั้น อาจจะมีข้อความมาเตือนว่าแบบจำ�ลองไม่ได้เป็นแบบจำ�ลองเชิงเส้น ทั้ง ๆ ที่
แท้จริงแล้วแบบจำ�ลองนี้เป็นเชิงเส้น ปัญหานี้เรียกชื่อว่า Scaling Problem ดังนั้นหากต้องการ
ให้โปรแกรมคำ�นวณให้ได้คำ�ตอบที่แม่นยำ� ต้องทำ�การ Scaling ค่าสัมประสิทธิ์เหล่านั้นก่อน
โดยสามารถปรับหน่วยของตัวแปร ดังต่อไปนี้
X1 = ปริมาณซีเมนต์สำ�เร็จรูปสูตร 1 ที่ใช้ในการผสม (หน่วยเป็นตัน)
MAX: (0.18X1 + 0.13X2 + 0.22X3 + 0.10X4)/5

Subject to: X1 + X2 + X3 + X4 = 5
(0.3X1 + 0.4X2 + 0.25X3 + 0.5X4)/5 ≥ 0.4
(0.3X1 + 0.1X2 + 0.35X3 + 0.1X4)/5 ≤ 0.2
(0.2X1 + 0.45X2 + 0.3X3 + 0.35X4)/5 ≤ 0.3
X1, X2, X3, X4 ≥ 0
จากแบบจำ�ลองโปรแกรมเชิงเส้น สามารถนำ�มาทำ� Model ใน Spreadsheet ได้
Key Cell Formulas

F5 =SUMPRODUCT(B5:E5,B6:E6) --
F6 =SUM(B6:E6) --
F10 =SUMPRODUCT(B10:E10,$B$6:$E$6)/$G$6 F11:F12
รูปที่ 2-34 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาบริษัทรุ่งเรืองภัณฑ์
รูปที่ 2-35 Solver Parameters สำ�หรับกรณีศึกษาบริษัทรุ่งเรืองภัณฑ์
รูปที่ 2-36 คำ�ตอบที่ดีที่สุดในกรณีศึกษาบริษัทรุ่งเรืองภัณฑ์
ข้อสังเกต ในคำ�สั่ง Solver Options สามารถตั้งค่า Automatic Scaling ได้
เพื่อการแก้ปัญหาโปรแกรมเชิงเส้นที่ต้องทำ�การ Scaling ดังเช่นปัญหาที่ยกตัวอย่างมานี้โดย
ให้โปรแกรมทำ�การ Scaling โดยอัตโนมัติ ดังแสดงในรูปที่ 2-37 อย่างไรก็ตาม หากมีการ
ตั้งค่าคำ�สั่งนี้แล้วยังไม่สามารถแก้ปัญหาได้ต้องทำ�การ Scaling ด้วยตนเองใน Model ดังที่ได้
แสดงในตัวอย่างข้างต้น
รูปที่ 2-37 ตัวอย่างการใช้คำ�สั่ง Automatic Scaling
กรณีศึกษาบริษัทซุปเปอร์ ไลท์
บริษัท ซุปเปอร์ไลท์ จำ�กัด เป็นผู้ผลิตหลอดฟลูออเรสเซนส์ สำ�หรับส่งให้โรงงาน
อุตสาหกรรมโดยเฉพาะ ปัจจุบันบริษัทต้องการวางแผนการผลิตและจำ�นวนสินค้าคงคลังในรอบ
6 เดื อ นข้ า งหน้ า และเนื่ อ งจากความผั น ผวนของต้ น ทุ น วั ต ถุ ดิ บ ทำ � ให้ ต้ น ทุ น ต่ อ หน่ ว ยของ
หลอดฟลูออเรสเซนส์มีความแตกต่างกันในแต่ละเดือน ซึ่งส่งผลต่อปริมาณความต้องการด้วย
นอกจากนี้กำ�ลังการผลิตก็ยังแตกต่างกันไปในแต่ละเดือน เนื่องจากจำ�นวนวันทำ�งาน วันหยุด
และการบำ�รุงรักษา ตารางต่อไปนี้เป็นการแสดงต้นทุนการผลิต ปริมาณความต้องการ กำ�ลัง
การผลิต ที่บริษัทคาดการณ์ไว้ในรอบ 6 เดือนข้างหน้า
เดือน
1 2 3 4 5 6
ต้นทุนการผลิตต่อหน่วย (บาท) 55 50 58 52 47 53
ความต้องการต่อเดือน 2,800 3,500 2,500 5,000 4,200 3,000
กำ�ลังการผลิตสูงสุด 3,000 5,500 4,000 3,500 2,500 4,500
กำ�ลังการผลิตตํ่าสุด 1,000 2,500 3,000 2,000 1,500 3,000
โกดังของบริษัทเก็บสินค้าได้มากที่สุด 5,000 หน่วย (ตอนสิ้นเดือน) และมีนโยบาย

ให้มีสินค้าคงคลังตอนสิ้นเดือนอย่างตํ่า 1,000 หน่วย นอกจากนี้เพื่อรักษาแรงงานไว้ บริษัทมี
นโยบายว่าจะผลิตไม่ตํ่ากว่าจำ�นวนที่กำ�หนดให้ในแต่ละเดือน ต้นทุนการเก็บรักษาสินค้าคงคลัง
เท่ากับ 2% ของต้นทุนการผลิตต่อหน่วยในเดือนนั้น โดยปริมาณสินค้าคงคลังพิจารณาจาก
จำ�นวนเฉลี่ยระหว่างสินค้าคงคลังต้นงวดกับปลายงวด
ปัจจุบันบริษัทมีสินค้าคงคลัง 2,200 หน่วย บริษัทต้องการวางแผนการผลิตและ
สินค้าคงคลังให้ได้ต้นทุนการผลิตและต้นทุนการเก็บรักษาสินค้าคงคลังตํ่าที่สุด
Pi = จำ�นวนสินค้าผลิตในแต่ละเดือน i=1 to 6
Bi = จำ�นวนสินค้าคงคลังต้นงวดของแต่ละเดือน i=1 to 6
MIN: 55P1+50P2+58P3+52P4+47P5+53P6
+ 1.10(B1+B2)/2 + 1.00(B2+B3)/2 + 1.16(B3+B4)/2
+ 1.04(B4+B5)/2 + 0.94(B5+ B6)/2 + 1.06(B6+B7)/2
ข้อสังเกต จำ�นวนสินค้าคงคลังต้นงวดเดือนนี้จะมีค่าเท่ากับจำ�นวนสินค้าคงคลังสิ้นงวด
ของเดือนที่ผ่านมา
Subject to: 1,000 < P1 < 3,000 } production level for month 1
2,500 < P2 < 5,500 } production level for month 2
1,000 < B1 + P1 - 2,800 < 5,000 } ending inventory for month 1
โดยที่ B1 = 2,200
B2 = B1 + P1 - 2,800
B3 = B2 + P2 - 3,500
B4 = B3 + P3 - 2,500
B5 = B4 + P4 - 5,000
B6 = B5 + P5 - 4,200
B7 = B6 + P6 - 3,000

ได้ดังแสดงในรูปที่ 2-38 หน้าถัดไปนี้
Key Cell Formulas
C9 =C6+C7-C8 D9:H9
D6 =C9 E6:H6
C18 =$B$18*C17 D18:H18
C20 =C17*C7 D20:H20
C21 =C18*(C6+C9)/2 D21:H21
H23 =SUM(C20:H21) --
รูปที่ 2-38 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาบริษัทซุปเปอร์ไลท์
รูปที่ 2-39 Solver Parameters สำ�หรับกรณีศึกษาบริษัทซุปเปอร์ไลท์
รูปที่ 2-40 คำ�ตอบที่ดีที่สุดในกรณีศึกษาบริษัทซุปเปอร์ไลท์
กรณีศึกษาบริษัทสินทรัพย์มารีน
บริษัท สินทรัพย์มารีน ทำ�ธุรกิจเกี่ยวกับการขนส่งทางทะเล และด้วยการส่งเสริม
เศรษฐกิจแบบการค้าเสรีของภาครัฐ ทำ�ให้ธุรกิจด้านการขนส่งระหว่างประเทศเกิดการขยายตัว
ทางบริษัทสินทรัพย์มารีนจึงจำ�เป็นต้องเพิ่มเรือเดินทะเลและตู้คอนเทนเนอร์เพื่อตอบสนอง
ความต้องการของลูกค้า โดยบริษัทจะต้องใช้จ่ายเงินในวันสิ้นเดือนของเดือนที่ 2 และ 4 จำ�นวน
12 ล้านบาท และจ่ายอีกครัง้ ในวันสิน้ เดือนที่ 6 (เดือนสุดท้าย) อีก 16 ล้านบาท เมือ่ ทำ�การขนย้าย
และติดตั้งอุปกรณ์ใหม่เสร็จเรียบร้อยตอนสิ้นเดือนที่ 6 ด้วยเหตุนี้บริษัทจึงจำ�เป็นที่จะต้องกู้เงิน
อย่างไรตามเมือ่ บริษทั ได้เงินกูม้ าแล้ว เนือ่ งจากบริษทั ยังไม่มคี วามจำ�เป็นจะต้องนำ�เงินนัน้ ไปใช้จา่ ย
ทั้งหมดทันที บริษัทจึงสามารถนำ�เงินกู้ที่ได้ไปลงทุน โดยบริษัทมีทางเลือกในการลงทุน 4
ช่องทางดังต่อไปนี้
การลงทุน สามารถลงทุนได้ในเดือน จำ�นวนเดือนที่ต้องลงทุน ผลตอบแทนที่ได้หลังจากลงทุน

A 1 6 12.3%
B 1, 4 3 6.2%
C 1, 3, 5 2 3.7%
D 1, 2, 3, 4, 5, 6 1 1.5%
จากตารางหมายความว่า การลงทุน A สามารถลงทุนได้ตอนต้นเดือนที่ 1 เท่านั้น

ระยะเวลาการลงทุน 6 เดือนและผลตอบแทนจากการลงทุน 6 เดือนคือ 12.3% หรือสามารถ
ลงทุนในการลงทุน C ได้เฉพาะต้นเดือนที่ 1 3 และ 5 ระยะเวลาการลงทุนนาน 2 เดือนโดยมี
ผลตอบแทน 4.7% จากการลงทุน 2 เดือนนั้น
ฝ่ายบริหารอยากทราบว่าต้องลงทุนอย่างไรเพือ่ สามารถจ่ายเงินได้ตามกำ�หนด โดยบริษทั
จะพยายามกู้เงินมาเป็นจำ�นวนน้อยที่สุด
Ai = เงินลงทุน (หน่วย 100,000 บาท) ในการลงทุน A i=1
Bi = เงินลงทุน (หน่วย 100,000 บาท) ในการลงทุน B i=1, 4
Ci = เงินลงทุน (หน่วย 100,000 บาท) ในการลงทุน C i=1, 3, 5
Di = เงินลงทุน (หน่วย 100,000 บาท) ในการลงทุน D i=1, 2, 3, 4, 5, 6
ตารางแสดงทางเลือกการลงทุนและผลตอบแทน
กระแสเงินสดต้นเดือน (หน่วย แสนบาท)

การลงทุน 1 2 3 4 5 6 7
A1 -1 1.123
B1 -1 1.062
C1 -1 1.037
D1 -1 1.015
D2 -1 1.015
C3 -1 1.037
D3 -1 1.015
B4 -1 1.062
D4 -1 1.015
C5 -1 1.037
D5 -1 1.015
D6 -1 1.015
เงินที่ต้องจ่าย 0 0 120 0 120 0 160
MIN: A1 + B1 + C1 + D1
Subject to: 1.015D1 – 1D2 = 0 } cash flow for month 2
1.037C1 + 1.015D2 – 1C3 – 1D3 = 120 } cash flow for month 3
1.0625B1 + 1.015D3 – 1B4 – 1D4 = 0 } cash flow for month 4
1.037C3 + 1.015D4 – 1C5 – 1D5 = 120 } cash flow for month 5
1.015D5 –1D6 = 0 } cash flow for month 6
1.123A1 + 1.062B4 + 1.037C5 + 1.015D6 = 160 } cash flow for month 7
Ai, Bi, Ci, Di ≥ 0 nonnegative

จากแบบจำ�ลองโปรแกรมเชิงเส้นสามารถนำ�มาทำ� Model ใน Spreadsheet ได้
Key Cell Formulas

D18 =SUMIF(B6:B17,1,D6:D17) –
F6 =IF($B6=F$5,-1,IF($C6=F$5,1+$E6,IF(AND($B6<F$ F6:L17
5,$C6>F$5),“<_____>”,””)))
G18 =SUMPRODUCT(G6:G17,$D$6:$D$17) H18:L18
รูปที่ 2-41 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาบริษัทสินทรัพย์มารีน
ข้อสังเกต
• คำ�สัง่ SUMIF(B6:B17,1,D6:D17) หมายความว่า ให้เปรียบเทียบค่าใน Cell B6:B17
ว่าเท่ากับ 1 หรือไม่ ถ้าเท่ากับ 1 จะทำ�การ SUM ค่าใน Cell D6:D17
• คำ�สั่ง IF = IF(logical_test,[value_if_true],[value_if_false])
Logical test = การเปรียบเทียบคุณสมบัติของ Cell ที่กำ�หนด
Value if true = ให้ก�ำ หนดค่าทีจ่ ะแสดงหากคุณสมบัตขิ อง Cell ใน Logical test
เป็นจริง
Value if false = ให้ก�ำ หนดค่าทีจ่ ะแสดงหากคุณสมบัตขิ อง Cell ใน Logical test
เป็นเท็จ
เช่น ใน Cell C1 ระบุ IF(B1=B2,1,0) หมายความว่า ถ้า Cell B1 มีค่าเท่ากับ B2
ให้แสดง 1 หากไม่เท่าให้แสดง 0
รูปที่ 2-42 Solver Parameters สำ�หรับกรณีศึกษาบริษัทสินทรัพย์มารีน
รูปที่ 2-43 คำ�ตอบที่ดีที่สุดในกรณีศึกษาบริษัทสินทรัพย์มารีน
กรณีศกึ ษาการวิเคราะห์ความเสีย่ งจากการลงทุนของบริษทั สินทรัพย์มารีน

จากกรณีศึกษาของบริษัทสินทรัพย์มารีนที่ผ่านมานั้น โดยปกติแล้วผู้ที่ตัดสินใจลงทุน
มักมีการคาดการณ์ความเสี่ยงที่สามารถยอมรับได้ ดังเช่นถ้าหาก Chief Financial Officer (CFO)
ของบริษัทได้ทำ�การให้คะแนนความเสี่ยงในการลงทุนต่างๆ ตั้งแต่ 1 ถึง 10 (1 แสดงถึงความ
เสี่ยงที่น้อยที่สุดและ 10 แสดงถึงความเสี่ยงที่มากที่สุด) กรณีนี้ CFO กำ�หนดว่าการลงทุนรวมนี้
จะมีความเสี่ยงเฉลี่ยได้ไม่เกิน 6 โดยในการลงทุนแต่ละประเภทมีความเสี่ยงดังต่อไปนี้
การลงทุน คะแนนความเสี่ยง
A 7
B 9
C 5
D 2
ดังนั้นในการลงทุนแต่ละเดือนจึงต้องมีการคำ�นวณความเสี่ยงเฉลี่ย โดยมีข้อจำ�กัดว่าจะ
มีความเสี่ยงเฉลี่ยได้ไม่เกิน 6 ตัวอย่างสูตรคำ�นวณความเสี่ยงเฉลี่ยในเดือนที่ 1 ซึ่งสามารถลงทุน
ได้ในการลงทุน A1 B1 C1 และ D1 มีดังต่อไปนี้
7A1 + 9B1 + 5C1 + 2D1
Weighted Average risk in month 1 = ≤6
A1 + B1 + C1 + D1
ตัวเศษเท่ากับความเสี่ยงในการลงทุนรวมซึ่งจะถูกหารด้วยตัวหารคือจำ�นวนเงินลงทุน
ทั้งหมดในเดือนที่ 1
ทำ�การจัดรูปสมการใหม่จะได้ 1A1 + 3B1 - 1C1 - 4D1 < 0
ดังนั้นปัญหาการลงทุนนี้จะได้ข้อจำ�กัดเพิ่มเติมจากข้อจำ�กัดเดิมดังนี้
1A1 + 3B1 - 1C1 - 4D1 < 0 } month 1
1A1 + 3B1 - 1C1 - 4D2 < 0 } month 2
1A1 + 3B1 - 1C3 – 4D3 < 0 } month 3
1A1 - 1C3 + 3B4 – 4D4 < 0 } month 4
1A1 + 3B4 – 1C5 – 4D5 < 0 } month 5
1A1 + 3B4 – 1C5 – 4D6 < 0 } month 6

ได้ดังแสดงในรูปที่ 2-44 หน้าถัดไปนี้
Key Cell Formulas
D18 =SUMIF(B6:B17,1,D6:D17) –
F6 =IF($B6=F$5,-1,IF($C6=F$5,1+$E6,IF(AND($B6 F6:L17
<F$5,$C6>F$5),“<_____>”,””)))
G18 =SUMPRODUCT(G6:G17,$D$6:$D$17) H18:L18 and N18:S18
N6 =IF(OR(F6=-1,LEFT(F6)=”<”),$M6-$Q$20,””) N6:S17
รูปที่ 2-44 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาการวิเคราะห์ความเสี่ยงจาก

การลงทุนของบริษัทสินทรัพย์มารีน
รูปที่ 2-45 Solver Parameters สำ�หรับกรณีศกึ ษาการวิเคราะห์ความเสีย่ งจากการลงทุนของบริษทั

สินทรัพย์มารีน
รูปที่ 2-46 คำ�ตอบที่ดีที่สุดในกรณีศึกษาการวิเคราะห์ความเสี่ยงจากการลงทุนของบริษัทสินทรัพย์

มารีน
คำ�ถามท้ายบท
1. ในขณะที่นักศึกษาชาย MBA คนหนึ่งกำ�ลังเรียนวิชาเกี่ยวกับการจัดสรรทรัพยากรที่มีอยู่

อย่างจำ�กัดให้เกิดประโยชน์สูงสุด โดยใช้ Linear Programming เขาจึงเกิดความคิดใน
การนำ�เทคนิคเชิงคณิตศาสตร์นี้มาใช้ในเกม Farm Village ซึ่งปัจจุบันฟาร์มของเขากำ�ลัง
เกิดวิกฤติที่จะต้องจัดสรรพื้นที่ แรงงาน และเงินทุน ที่มีอยู่อย่างจำ�กัดที่จะต้องใช้ในการ
ปลู ก ผั ก ให้ เ กิ ด ประโยชน์ สู ง สุ ด โดยผั ก ที่ เขาจะสามารถปลู ก ได้ นั้ น มี เ พี ย งมะเขื อ เทศ
และกะหลํ่าปลีเท่านั้น โดยการปลูกมะเขือเทศจะสามารถสร้างกำ�ไรได้ 350 บาทต่อ
ตารางเมตรและกะหลํ่าปลีสามารถสร้างกำ�ไรได้ 200 บาทต่อตารางเมตร ซึ่งในการปลูกผัก
แต่ละชนิดจะใช้ทรัพยากรต่าง ๆ แตกต่างกัน ดังนี้
มะเขือเทศ กะหล่ำ�ปลี ทรัพยากรรวม
พื้นที่เพาะปลูก 1 ต้นต่อตารางเมตร 1 ต้นต่อตารางเมตร 25 ตารางเมตร
เงินทุน 1,000 บาทต่อตารางเมตร 600 บาทต่อตารางเมตร 15,000 ตารางเมตร
แรงงาน 25 วันต่อตารางเมตร 10 วันต่อตารางเมตร 350 วัน
ดังนั้น เขาจะต้องปลูกผักทั้งสองชนิดจำ�นวนเท่าใดให้ได้กำ�ไรสูงสุด
2. บริษัท WoW R US ผู้ผลิตและจำ�หน่ายของเล่นเด็ก มีโครงการที่จะผลิตสินค้าหลัก 2 ชนิด
ทีท่ �ำ กำ�ไรให้กบั บริษทั ถึง 90% ต่อปี เพือ่ นำ�ไปจำ�หน่ายในงานแสดงสินค้า โดยมีวตั ถุประสงค์
หลัก คือ เพือ่ สร้างกำ�ไรสูงสุดในช่วง Low season ของธุรกิจของเล่นเด็ก และเพือ่ Promote
brand ของบริษัทให้เป็นที่รู้จักมากขึ้นด้วย บริษัทมีสินค้าหลัก 2 ชนิด ที่จะผลิต ได้แก่
สินค้า WoW Me และ WoW U โดยในการผลิต WoW Me และ WoW U จะต้องผ่าน
กระบวนการผลิต 3 ขั้นตอน ได้แก่ การขึ้นรูปพลาสติก การประกอบชิ้นส่วน และการพ่นสี
ซึ่งสินค้าตัว WoW Me จะใช้เวลา 6 8 และ 4 ชั่วโมงตามลำ�ดับ และสินค้า WoW U
จะใช้เวลา 8 4 และ 12 ชั่วโมงตามลำ�ดับ ซึ่งถ้าผลิตเต็มกำ�ลังของกระบวนการผลิตทั้ง 3
ขั้นตอน สามารถผลิตได้ 480 400 และ 600 ชั่วโมงตามลำ�ดับ โดยกำ�ไรของ WoW Me
นั้นอยู่ที่ 23,000 บาท และ WoW U อยู่ที่ 13,800 บาท ต่อหนึ่งชิ้น โดยที่สินค้าทุกชิ้น
จะขายได้หมด ดังนั้นการผลิตครั้งนี้จะต้องผลิต WoW Me และ WoW U อย่างละกี่ชิ้น
จึงจะได้รับกำ�ไรสูงสุด
3. บริษัท Lux Furniture ผู้ผลิตและจัดจำ�หน่ายเฟอร์นิเจอร์ซึ่งผลิตสินค้าจำ�หน่ายออกสู่
ท้องตลาดทั้งในและต่างประเทศ สินค้าที่เป็นที่นิยม คือ โต๊ะเครื่องแป้งจะมีอยู่ 2 ชนิด
ได้แก่ โต๊ะเครื่องแป้งรุ่น Vintage และ โต๊ะเครื่องแป้งรุ่น Modern ขณะนี้เจ้าของกิจการ
กำ�ลังตัดสินใจว่าจะต้องผลิตโต๊ะเครื่องแป้งแต่ละชนิดจำ�นวนเท่าไหร่ เพื่อให้ได้กำ�ไรสูงสุด
โดยเจ้าของกิจการจะสัง่ ซือ้ ไม้และนำ�มาติดตัง้ กับกระจกเพิม่ ในการผลิตเป็นสินค้าทัง้ สองชนิด
(Supplier สามารถส่งไม้ให้ได้เท่าที่ต้องการ) ในการผลิตสินค้าทั้งสองนั้นใช้ไม้ชนิดเดียวกัน
ทั้งหมด โดยการผลิตสินค้าทั้งสองนั้น มีการใช้กระจกในจำ�นวนที่เท่ากัน แต่จะใช้จำ�นวน
ไม้และชั่วโมงแรงงานที่แตกต่างกัน โดยโต๊ะเครื่องแป้งรุ่น Vintage ใช้แรงงาน 6 ชั่วโมง
ไม้ 10 แผ่น และกระจก 1 บาน ในขณะที่โต๊ะเครื่องแป้งรุ่น Modern ใช้แรงงาน 4 ชั่วโมง
ไม้ 8 แผ่น และกระจก 1 บาน ในการผลิตมีจำ�นวนชั่วโมงแรงงานทั้งสิ้น 1,260 ชั่วโมง
ไม้ 2,200 แผ่น และกระจก 250 บาน ทั้งนี้โต๊ะเครื่องแป้งรุ่น Vintage จะทำ�กำ�ไร
ได้ชิ้นละ 500 บาท ส่วนโต๊ะเครื่องแป้งรุ่น Modern จะทำ�กำ�ไรได้ชิ้นละ 450 บาท โดยที่
สินค้าที่ผลิตทุกชิ้นจะสามารถขายได้หมด
4. Wood Wood Furniture เป็นผู้ผลิตและจำ�หน่ายโต๊ะไม้ สินค้าหลักของบริษัท คือ โต๊ะ
รับประทานอาหาร และโต๊ะทำ�งาน ซึ่งกำ�ไรของโต๊ะรับประทานอาหารอยู่ที่ 600 บาทต่อตัว
และโต๊ะทำ�งาน 480 บาทต่อตัว ขณะนี้โรงงานมีเลื่อยไฟฟ้าพร้อมใช้งานทั้งหมด 240 ตัว
มีแผ่นไม้ใน Stock สำ�หรับผลิต 3,800 แผ่น และเวลาในการผลิตทั้งหมด 2,000 ชั่วโมง
ในการผลิตโต๊ะรับประทานอาหารต้องใช้แผ่นไม้ทั้งหมด 18 แผ่น และเวลาผลิต 8 ชั่วโมง
ในขณะที่โต๊ะทำ�งานใช้ไม้ 13 แผ่น และเวลาผลิต 12 ชั่วโมง แต่คนงานใช้เลื่อยไฟฟ้า 1 ตัว
ในการผลิตโต๊ะทั้งสองประเภทเท่ากัน (สมมุติให้การใช้เลื่อยไฟฟ้าในการทำ�โต๊ะนั้น เมื่อใช้
ทำ�โต๊ะตัวหนึ่งเสร็จแล้ว จะไม่สามารถนำ�มาใช้ได้อีกเนื่องจากเลื่อยไฟฟ้านี้คุณภาพไม่ดี จะ
เสื่อมสภาพอย่างรวดเร็ว) เจ้าของบริษัทกำ�ลังวางแผนว่าจะผลิตโต๊ะรับประทานอาหารและ
โต๊ะทำ�งานอย่างละเท่าไร เพื่อให้ได้รับกำ�ไรสูงสุด
5. บริษัท อินเดอะ ผู้ผลิตเฟอร์นิเจอร์รายใหญ่ของเอเชีย กำ�ลังวางแผนเพื่อเปิดตัวโซฟาสองรุ่น
ใหม่เข้าสู่ท้องตลาด ได้แก่ รุ่น ‘Classic’ และ ‘Modern’ โดยเป้าหมายของบริษัทจะอยู่
ที่การทำ�กำ�ไรสูงสุด แต่ด้วยจำ�นวนวัตถุดิบและแรงงานที่มีอยู่อย่างจำ�กัด ผู้บริหารจึงจำ�เป็น
ต้องตัดสินใจในเรื่องของจำ�นวนการผลิต โดยไม้ทั้งหมดที่บริษัทมีจะจำ�กัดอยู่ที่ 600 ชิ้น
แต่ในการผลิตโซฟาทั้งสองรุ่นนั้น จะต้องใช้ไม้เพื่อทำ �เป็นขาโซฟาตัวละ 4 ชิ้นเท่ากัน
และเพื่อความสวยงามของสินค้า ทางบริษัทได้สั่งผ้าเนื้อดีจากต่างประเทศที่มีจำ�กัดเพียง
2,000 เมตร ซึ่งในการผลิตโซฟาแต่ละตัวของรุ่น Classic จำ�เป็นต้องใช้ผ้าในการหุ้มเบาะ
ยาว 10 เมตร และใช้เวลาในการประกอบเป็นเวลา 8 ชั่วโมง ขณะที่รุ่น Modern ต้องใช้
ผ้ายาว 12 เมตร และใช้เวลาประกอบ 10 ชั่วโมง โดยทางบริษัทสามารถจ้างแรงงานได้
เป็นเวลารวมทั้งสิ้น 1,400 ชั่วโมง เมื่อทางบริษัทได้พิจารณาถึงกำ�ไรที่จะได้รับจากโซฟา
ในแต่ละรุ่น จะพบว่า โซฟารุ่น Classic สามารถทำ�กำ�ไรให้บริษัทได้ตัวละ 3,000 บาท
ในขณะที่รุ่น Modern จะให้กำ�ไรตัวละ 3,500 บาท ทั้งนี้ ทางบริษัทได้คาดการณ์ไว้ว่า
จะสามารถจำ�หน่ายโซฟาที่ผลิตได้หมด ดังนั้น ผู้บริหารจะต้องสั่งให้ผลิตโซฟาในแต่ละรุ่น
รุ่นละกี่ตัว เพื่อที่จะทำ�ให้บริษัท อินเดอะ ได้รับกำ�ไรสูงสุดตามเป้าหมายที่ตั้งไว้
6. บริษัทการบิน Air TU มีเครื่องบิน Airbus A320 จำ�นวน 3 ลำ� โดยมีเส้นทางบิน 2
เส้นทาง คือ กรุงเทพฯ-ลิเบีย และ กรุงเทพฯ-ออสเตรเลีย เส้นทางกรุงเทพฯ-ลิเบีย ใช้เวลา
บินไป-กลับ รวม 19 ชั่วโมง ใช้แอร์โฮสเตสทั้งหมด 6 คน ส่วนเส้นทางกรุงเทพฯ-ออสเตรเลีย
ใช้เวลาบินไป-กลับ รวม 10 ชั่วโมง ใช้แอร์โฮสเตสทั้งหมด 4 คน โดยทั้ง 2 เส้นทางใช้
นักบินเท่ากัน คือ เที่ยวละ 2 คน และในแต่ละเที่ยวที่บินไป-กลับ จะมีผู้โดยสารไม่เต็มลำ�
จากการสำ�รวจพบว่าเส้นทางกรุงเทพฯ-ลิเบีย มีผู้โดยสารเฉลี่ยที่ 60% ต่อเที่ยว ได้กำ�ไรสุทธิ
4,200 บาท/ที่นั่ง/เที่ยวบินไป-กลับ และเส้นทางกรุงเทพฯ-ออสเตรเลีย มีผู้โดยสารเฉลี่ยที่
75% ต่อเที่ยว ได้กำ�ไรสุทธิ 2,000 บาท/ที่นั่ง/เที่ยวบินไป-กลับ ดังนั้นในหนึ่งเดือนจะต้อง
จัดเส้นทางการบินอย่างไรจึงจะได้กำ�ไรสูงที่สุด โดยกำ�หนดให้ เครื่องบินแต่ละลำ�บินไปกลับ
ได้ไม่เกิน 30 เที่ยว/เดือน ชั่วโมงบินทั้ง 3 ลำ�ไม่เกิน 1,350 ชั่วโมง/เดือน ชั่วโมงการทำ�งาน
ของแอร์โฮสเตสรวมกันไม่เกิน 7,200 ชั่วโมง/เดือน และชั่วโมงทำ�งานของนักบินรวมกันไม่
เกิน 3,000 ชั่วโมง/เดือน ทั้งนี้เที่ยวบินกรุงเทพฯ-ลิเบีย จะรับผู้โดยสารได้เต็มที่ 180 ที่นั่ง
และเที่ยวบินกรุงเทพฯ-ออสเตรเลีย จะรับผู้โดยสารได้เต็มที่ 310 ที่นั่ง
7. บริษัท ผลิตปลาร้า จำ�กัด (มหาชน) เป็นผู้ผลิตและจำ�หน่ายปลาร้ากระป๋อง 2 ชนิด ได้แก่
แซ่บอีหลี และแซ่บซิมเบิง่ ผูเ้ ป็นเจ้าของกิจการกำ�ลังตัดสินใจว่าจะต้องผลิตปลาร้าแต่ละชนิด
จำ�นวนเท่าไหร่ โดยร้านลาบรำ�ซิ่งจะสั่งซื้อปลาร้าทั้งสองชนิด เพื่อนำ�ไปใช้ประกอบอาหาร
ให้แก่ลูกค้า ในการผลิตปลาร้าทั้งสองชนิดใช้ปลาชนิดเดียวกัน ซึ่งบริษัทมีปลาทั้งหมด
1,750 กิโลกรัม ในการผลิตปลาร้ายังต้องใช้ไห และชั่วโมงแรงงานที่แตกต่างกัน โดยปลาร้า
แซ่บอีหลี 1 ไห ใช้แรงงาน 9 นาที และปลา 14 กิโลกรัม ขณะที่ปลาร้าแซ่บซิมเบิ่ง 1 ไห
ใช้แรงงาน 6 นาที และปลา 7 กิโลกรัม ในการผลิตมีชั่วโมงแรงงานทั้งสิ้น 1,400 นาที
และไห 200 ไห ทั้งนี้ปลาร้าแซ่บอีหลีจะทำ�กำ�ไรได้ไหละ 250 บาท และปลาร้าแซ่บซิมเบิ่ง
จะได้กำ�ไรไหละ 200 บาท โดยปลาร้าที่ผลิตทุกไหทางร้านลาบรำ�ซิ่งจะรับซื้อทั้งหมด
ดังนั้น ในการผลิตครั้งนี้จะต้องผลิตปราร้าแซ่บอีหลี และปลาร้าแซ่บซิมเบิ่งอย่างละกี่ไหเพื่อ
ให้ได้กำ�ไรสูงสุด
8. กลุ่มอุตสาหกรรมชุมชนหนองหญ้าแพรก เป็นกลุ่มอุตสาหกรรมชุมชนที่ตัดเย็บเสื้อทำ �มือ
เพื่อจำ�หน่าย 2 ชนิด คือ เสื้อเด็กและเสื้อผู้ใหญ่ ซึ่งในการผลิตสินค้าแต่ละชนิดนั้นจะใช้
ทรัพยากร ได้แก่ ด้าย ผ้า และเวลาในการตัดเย็บที่แตกต่างกัน โดยการตัดเย็บเสื้อเด็ก
แต่ละตัว จะใช้ด้ายจำ�นวน 2 เมตร ผ้าจำ�นวน 1 เมตร และเวลาการตัดเย็บ 3 ชั่วโมง
ในขณะที่การตัดเย็บเสื้อผู้ใหญ่ 1 ตัว จะใช้ด้ายจำ�นวน 3 เมตร ผ้าจำ�นวน 2 เมตร และ
เวลาการตัดเย็บ 2 ชั่วโมง ทั้งนี้ เมื่อตัดเย็บสินค้าเสร็จแล้ว เสื้อเด็กจะขายได้กำ�ไรตัวละ
250 บาท และเสื้อผู้ใหญ่ขายได้กำ�ไรตัวละ 350 บาท อย่างไรก็ตาม การตัดเย็บเสื้อใน
แต่ละวัน กลุ่มอุตสาหกรรมฯ มีทรัพยากรที่จำ�กัด คือ มีด้ายจำ�นวน 300 เมตร มีผ้าจำ�นวน
180 เมตร และมีแรงงาน จำ�นวน 30 คน ซึ่งมีชั่วโมงการทำ�งานรวม 240 ชั่วโมง ดังนั้น
หากกลุ่มอุตสาหกรรมฯ ต้องการกำ�ไรที่มากที่สุดจากการผลิตสินค้าทั้งสองชนิด จะต้องผลิต
สินค้าแต่ละชนิดวันละกี่ตัว
9. บริษัท Woman Clothing จำ�กัด ผลิตและจำ�หน่ายเสื้อและกระโปรง ดังข้อมูลในตารางที่
แสดงทรัพยากรที่ต้องการของบริษัท Woman Clothing
ทรัพยากร เสื้อ กระโปรง
เวลา 20 นาทีต่อตัว 60 นาทีต่อตัว
ปริมาณผ้าดิบ 2 ตารางเมตรต่อตัว 4 ตารางเมตรต่อตัว
เครื่องจักร 1 เครื่องต่อตัว 1 เครื่องต่อตัว
กำ�ไร 100 บาทต่อตัว 200 บาทต่อตัว
โดยมีเวลารวมที่สามารถทำ�ได้ 5,000 นาที ปริมาณผ้าดิบที่ใช้ได้ 400 ตารางเมตร

และมีเครื่องจักรพร้อมใช้งาน 100 เครื่อง (สมมุติให้เครื่องจักรนี้มีคุณภาพที่ค่อนข้างตํ่า
เมื่อใช้งานไปแล้ว 1 ครั้งก็ไม่สามารถนำามาใช้ได้อีก) บริษัทแห่งนี้ต้องการผลิตเสื้อและ
กระโปรงอย่างน้อยชนิดละกี่หน่วยเพื่อให้ได้กำาไรสูงสุด
10. ร้าน QA Café ต้องการวางแผนการผลิตเค้กเพื่อวางขาย 2 ชนิด ชนิดแรกเป็นช็อกโกแลต
เครปเค้ก มีกำาไร 48 บาทต่อชิ้น ชนิดที่สองเป็นเค้กช็อกโกแลต มีกำาไร 32 บาทต่อชิ้น
โดยมีวัตถุดิบที่ใช้ในการผลิตดังนี้
วัตถุดิบ ช็อกโกแลตเครปเค้ก เค้กช็อกโกแลต จำานวนที่มีในร้าน
ไข่ 4 ฟองต่อชิ้น 3 ฟองต่อชิ้น 348 ชิ้น
แป้ง 10 กรัมต่อชิ้น 18 กรัมต่อชิ้น 1,800 กรัม
ผงช็อกโกแลต 6 กรัมต่อชิ้น 3 กรัมต่อชิ้น 492 กรัม
ทางร้านต้องการทราบว่าต้องผลิตเค้กแต่ละชนิดจำานวนเท่าไหร่จึงจะมีกำาไรสูงสุดและมี
อุปกรณ์เพียงพอในการผลิตด้วย
บทที่ 3
การว�เคราะหความไว (Sensitivity Analysis)
ในการใชโปรแกรมเชิงเสน
บทนํา
ในการวิเคราะห์โปรแกรมเชิงเส้นในบทที่ผ่านมานั้น จะนำามาซึ่งคำาตอบที่ดี
ที่สุด อย่างไรก็ตามใน Program Solver นั้น ยังมีอีก Function หนึ่งที่สามารถนำามา
ใช้ประโยชน์ได้คือ Function ในการวิเคราะห์ความไว (Sensitivity Analysis) ซึ่งจะ
เป็นตัวช่วยในการให้ข้อมูลประกอบการตัดสินใจว่าหากค่าคงที่ต่าง ๆ ในแบบจำาลอง
โปรแกรมเชิงเส้นนั้นมีการเปลี่ยนแปลงไปแล้ว จะส่งผลกระทบต่อตัวแปรที่ต้องตัดสินใจ
อย่างไร นอกจากนั้นในบทนี้จะได้นำาเสนอถึงการใช้เทคนิคการวิเคราะห์โปรแกรม
เชิงเส้นมาใช้ในการหาประสิทธิภาพ ภายใต้หลักการวิเคราะห์การล้อมกรอบข้อมูล (Data
Envelopment Analysis)
1. เพื่อให้ผู้เรียนเข้าใจถึงหลักการการวิเคราะห์ความไว (Sensitivity Analysis)
2. เพื่อให้ผู้เรียนเข้าใจและสามารถตีความ Answer Report ในการวิเคราะห์โปรแกรม
เชิงเส้น
3. เพือ่ ให้ผเู้ รียนเข้าใจและสามารถตีความ Sensitivity Report ในการวิเคราะห์โปรแกรม
เชิงเส้น
4. เพือ่ ให้ผเู้ รียนเข้าใจและสามารถตีความ Limit Report ในการวิเคราะห์โปรแกรมเชิงเส้น
5. เพื่อให้ผู้เรียนสามารถใช้ประโยชน์จากรายงานที่ได้จากการวิเคราะห์โปรแกรมเชิงเส้น
ไปช่วยในการตัดสินใจ
การวิเคราะห์ความไว (Sensitivity Analysis)
ในการหาคำ�ตอบที่ดีที่สุดในโปรแกรมเชิงเส้นในบทที่ 2 นั้น เรามีข้อสมมุติฐานว่า
ค่าคงที่ต่าง ๆ ที่ปรากฏอยู่นั้นจะคงที่และไม่มีการเปลี่ยนแปลง รวมถึงทรัพยากรต่าง ๆ ที่มีอยู่
จำ�กัดนั้นก็จะมีอยู่ในปริมาณที่กำ�หนดเท่านั้นจะไม่มีการเปลี่ยนแปลงเช่นกัน อย่างไรก็ตาม
ในสถานการณ์จริงนั้น ค่าคงที่เหล่านี้อาจมีการเปลี่ยนแปลงไปได้ เช่น ต้นทุนวัตถุดิบ ค่าแรง
หรือจำ�นวนทรัพยากรต่าง ๆ และเมื่อค่าต่าง ๆ เหล่านี้มีการเปลี่ยนแปลงไปแล้ว คำ�ตอบที่ดีที่สุด
อาจจะมีการเปลี่ยนแปลงไปเช่นกัน ซึ่งทางหนึ่งที่สามารถทำ�ได้ คือ ปรับค่าคงที่เหล่านั้น และ
หาคำ�ตอบที่ดีที่สุดใหม่อีกครั้ง อย่างไรก็ตามหากในการหาคำ�ตอบที่ดีที่สุดในครั้งแรกนั้นได้มีการ
ทำ� Sensitivity Analysis ไปพร้อมกันด้วยแล้ว สิ่งที่ได้รับมานั้นอาจจะสามารถนำ�มาตอบคำ�ถาม
เมื่อค่าคงที่เหล่านั้นมีการเปลี่ยนแปลงไปได้ โดยที่ไม่จำ�เป็นต้อง Run หาคำ�ตอบใหม่
จากลักษณะของแบบจำ�ลองโปรแกรมเชิงเส้นทั่วไป ดังที่ได้กล่าวมาแล้วในบทที่ 2
MAX (or MIN): c1X1 + c2X2 + … + cnXn
Subject to: a11X1 + a12X2 + … + a1nXn ≤ b1
ak1X1 + ak2X2 + … + aknXn ≤ bk
am1X1 + am2X2 + … + amnXn = bm
ในการทำ� Sensitivity Analysis จะช่วยหาคำ�ตอบว่าหากค่า c i bi และ aij ได้

เปลี่ยนแปลงไปแล้ว จะส่งผลต่อคำ�ตอบที่ดีที่สุดอย่างไร เพื่อให้เห็นภาพชัดเจนยิ่งขึ้น จึงขอยก
ตัวอย่างจากตัวอย่างของกรณีศึกษาบริษัท กรุงเทพการกีฬา จำ�กัด ในการอธิบายการวิเคราะห์
ความไว (Sensitivity Analysis) โดยจากตัวอย่างในบทที่ 2 นั้น แบบจำ�ลองโปรแกรมเชิงเส้น
แสดงดังต่อไปนี้
MAX: 400X1 + 300X2
Subject to: 1X1 + 1X2 ≤ 500
0.56X1 + 0.92X2 ≤ 375
0.75X1 + 0.5X2 ≤ 320
1X1 ≥0
1X2 ≥0
การใช้ คำ � สั่ ง Solver นั้ น จะมี ขั้ น ตอนเหมื อ นเดิ ม ทุ ก ประการ แต่ ห ากต้ อ งการ
ให้มีการแสดงผลการวิเคราะห์ Sensitivity Analysis ด้วย หลังจากใช้โปรแกรม Solver
ในการแก้ปัญหาแล้ว ในหน้าต่างของ Solver Results ด้านขวามือจะมีกรอบคำ�สั่ง Reports
ปรากฏตัวเลือก Answer Sensitivity และ Limits ให้เลือกคำ�สั่งเหล่านั้น แล้วกด OK
ดังรูปที่ 3-1 เพื่อให้โปรแกรมแสดงผล Sensitivity Report (ทั้งนี้ก่อนการ Run Solver นั้น
จะต้องเข้าไปเลือกที่ Option และทำ�การเลือก Assume Linear Model ด้วย เพื่อให้ Solver
แสดง Sensitivity Analysis ที่ครบถ้วนสมบูรณ์)
รูปที่ 3-1 การให้ Solver แสดงการวิเคราะห์ Sensitivity
การวิเคราะห์ความไว (Sensitivity Analysis) ในการใช้โปรแกรมเชิงเส้น 73

จากนัน้ ด้านล่างทีแ่ ถบ Worksheet จะปรากฏ Worksheet ใหม่ได้แก่ Answer Report 1
Sensitivity Report 1 และ Limits Report 1 ดังรูปที่ 3-2 ดังต่อไปนี้
รูปที่ 3-2 Worksheet ที่แสดง Report ต่างๆ ที่ได้จากการ Run Solver
โดยรายละเอียดของแต่ละรายงานมีดังต่อไปนี้
Answer Report
ในส่วนของ Answer Report ดังแสดงในรูปที่ 3-3 นี้ สามารถแบ่งออกได้เป็น 3 ส่วน
ได้แก่
• ส่วนที่ 1 แสดง Original Value และ Optimal Value (Final Value) ของ
Target Cell ซึ่งจากตัวอย่างนี้ แสดงให้เห็นว่าก่อนที่จะมีการ Run Solver นั้น ค่าที่อยู่ใน Cell
นี้มีค่าเท่ากับ 0 (Original Value) และผลลัพธ์หลังจากที่มีการ Run Solver แล้วนั้น มีค่าใน
Cell นี้เท่ากับ 178,000 (Final Value)
• ส่วนที่ 2 แสดง Original Value และ Optimal Value ของ Adjustable Cells
ซึ่งจากตัวอย่างนี้แสดงให้เห็นว่าก่อนที่จะมีการ Run Solver นั้น จำ�นวนไม้เทนนิสกับจำ�นวน
ไม้แบดมินตันมีค่าเท่ากับ 0 (Original Value) และหลังจากที่มีการ Run Solver แล้วนั้น
ตัวแปรทั้งสองตัวแปรนี้มีค่าเท่ากับ 280 และ 220 (Final Value) ตามลำ�ดับ
• ส่วนที่ 3 แสดงค่าในแต่ละ Cell ของสมการข้อจำ�กัด (Cell Value) สูตร (Formula)
และ Status โดยจากตัวอย่างนั้นจะมีการบอกว่า Cell ที่เกี่ยวข้องกับข้อจำ�กัดนั้นอยู่ใน Cell
ใดบ้ า ง มี ชื่ อว่าอย่างไร (ชื่อนี้จ ะขึ้นอยู่กับ ตอนที่เราสร้างแบบจำ�ลองว่ามีการใส่ Heading
ไว้หรือไม่) ค่าตอนสุดท้ายหลังจาก Run Solver แล้ว มีค่าเท่ากับเท่าไร และมีสูตรที่เกี่ยวข้อง
กับข้อจำ�กัดอย่างไร สำ�หรับค่า Status นั้นจะแบ่งออกเป็น Binding และ Not Binding โดยที่
Binding หมายความว่าข้อจำ�กัดนั้นได้ใช้ไปจนถึงขีดจำ�กัดแล้ว ยกตัวอย่างเช่น ในรูปที่ 3-3 นั้น
ได้มกี ารใช้แรงงาน 320 ชัว่ โมง ซึง่ เป็นการใช้แรงงานเต็มทีเ่ ท่าทีม่ อี ยู่ จึงทำ�ให้คา่ ของข้อจำ�กัดทีเ่ หลือ
อยู่ (Slack) มีค่าเท่ากับ 0 สำ�หรับในส่วนของ Not Binding นั้นจะหมายความว่า ข้อจำ�กัดนั้นยัง
มีเหลืออยู่ ยกตัวอย่างจากรูปที่ 3-3 จะเห็นว่าเส้นเอ็นนั้นได้ใช้ไป 359.2 เมตร จากที่มีอยู่ทั้งหมด
375 เมตร จึงเห็นว่ายังมีเส้นเอ็นที่เหลืออยู่เป็นจำ�นวน 15.8 เมตร ซึ่งเป็นค่าของ Slack นั่นเอง
รูปที่ 3-3 ตัวอย่างของ Answer Report

Sensitivity Report
Sensitivity Report จะแสดงข้อมูลเกีย่ วกับ Adjustable Cells และ Constraint Cells
ของ Model ซึ่งข้อมูลเหล่านี้มีประโยชน์อย่างมากในการพิจารณาว่า คำ�ตอบที่ดีที่สุด (Optimal
Solution) ที่ได้มานั้นจะเปลี่ยนแปลงอย่างไร เมื่อค่าสัมประสิทธิ์ของตัวแปรเปลี่ยนไป
ข้อสังเกต การเปลี่ยนแปลงคำ�ตอบที่ดีที่สุดตามค่าที่แสดงใน Sensitivity Report นั้น
จะพิจารณาเมื่อสัมประสิทธิ์ของตัวแปรหนึ่งตัวเปลี่ยนแปลง ในขณะที่ค่าสัมประสิทธิ์ของตัวแปร
ตัวอื่น ๆ คงที่
ตัวอย่างของ Sensitivity Report แสดงในรูปที่ 3-4
รูปที่ 3-4 ตัวอย่าง Sensitivity Report
ในส่วนแรกของ Sensitivity Report นั้น จะแสดงถึงรายละเอียดต่าง ๆ ดังต่อไปนี้

• Final Value จะเป็นค่าของตัวแปรทีต่ ดั สินใจสุดท้ายทีไ่ ด้หลังจากมีการ Run Solver
เสร็จเรียบร้อยแล้ว จากตัวอย่างจะเห็นว่าจำ�นวนไม้เทนนิสและไม้แบดมินตันที่จะทำ�ให้กำ�ไรสูงสุด
มีค่าเท่ากับ 280 อันและ 220 อัน ตามลำ�ดับ
• ค่า Objective Coefficient ค่านี้ เป็นค่าที่มาจากโจทย์ที่กำ�หนด โดยจากตัวอย่าง
จะเป็นค่าของกำ�ไรต่อหน่วยของไม้เทนนิสกับไม้แบดมินตันซึ่งมีค่าเท่ากับ 400 บาท และ
300 บาทตามลำ�ดับ
• ค่า Allowable Increase และค่า Allowable Decrease เป็นค่าที่บอกว่าหาก
Objective Coefficient มีค่าเปลี่ยนแปลงไปนั้น หากอยู่ในช่วงที่เพิ่มขึ้นไม่เกิน Allowable
Increase หรือลดลงไม่เกิน Allowable Decrease คำ�ตอบที่ดีที่สุด (Optimum Solution) จะ
ไม่เปลี่ยนแปลงไป ยกตัวอย่างเช่นจากรูปที่ 3-4 นั้น ค่า Allowable Increase และ Allowable
Decrease ของไม้เทนนิสมีค่าเท่ากับ 50 และ 100 ตามลำ�ดับ สามารถแปลความหมายได้ว่าหาก
กำ�ไรต่อหน่วย (Objective Function Coefficient) ของการผลิตไม้เทนนิสเปลี่ยนเพิ่มขึ้นจาก
400 แต่ไม่เกิน 450 หรือ กำ�ไรต่อหน่วยของการผลิตไม้เทนนิสลดลงจาก 400 แต่ไม่ลดตํ่ากว่า
300 และตัวแปรอื่น ๆ คงที่นั้น ก็จะทำ�ให้ปริมาณการผลิตไม้เทนนิสกับไม้แบดมินตัน เพื่อให้ได้
กำ�ไรสูงสุดยังคงเท่าเดิม เท่ากับ 280 อันและ 220 อันตามลำ�ดับ
• สำ�หรับค่าของ Reduced Cost นั้นจะขออธิบายหลังจากได้มีการอธิบายในส่วน
ของ Shadow Price เสร็จสิ้นแล้ว เพื่อทำ�ให้เกิดความเข้าใจมากขึ้น
ในส่วนที่สองของ Sensitivity Report นั้น จะแสดงถึงรายละเอียดต่าง ๆ ดังต่อไปนี้

• ค่ า Final Value เป็ น ค่ า ที่ แ สดงค่ า ของข้ อ จำ � กั ด ในแต่ ล ะข้ อ หลั ง จากมี ก าร
Run Solver เสร็จสิ้นแล้ว ยกตัวอย่างเช่นจากรูปที่ 3-4 นั้น ค่าของการผลิตไม้เทนนิสและ
ไม้แบดมินตันทั้งหมด คือ 500 ชิ้น ใช้เส้นเอ็นไป 359 เมตร และใช้แรงงานไป 320 ชั่วโมง
• ค่า Shadow Price เป็นค่าที่แสดงอัตราการเปลี่ยนแปลงของค่า Objective
Function ต่อการเปลี่ยนแปลงข้อจำ�กัด ยกตัวอย่างเช่นในรูปที่ 3-4 นั้น ค่า Shadow Price
ของจำ � นวนสิ น ค้ า มี ค่ า เท่ า กั บ 100 มี ค วามหมายว่ า หากโควตาของการขายไม้ เ ทนนิ ส และ
ไม้แบดมินตัน เพิ่มขึ้นอีก 1 หน่วย (จาก 500 อันเป็น 501 อัน) ก็จะส่งผลทำ�ให้กำ�ไร (Objective
Function) เปลีย่ นแปลงเพิม่ ขึน้ 100 บาท ในทางกลับกันหากโควตาการขายสินค้านีล้ ดลง 1 หน่วย
(จาก 500 อันเป็น 499 อัน) ก็จะทำ�ให้กำ�ไรลด 100 บาทเช่นกัน เป็นต้น
• ค่า Allowable Increase และค่า Allowable Decrease เป็นค่าที่กำ�หนดว่าค่า
ของ Shadow Price นั้นจะใช้ได้ ต่อเมื่อการเพิ่มขึ้นของข้อจำ�กัดนั้นมีค่าไม่เกินค่า Allowable
Increase หรือการลดลงของข้อจำ�กัดนั้นต้องลดลงไม่เกินกว่า Allowable Decrease จาก
ตัวอย่างเดิม จะเห็นว่าค่า Allowable Increase ของจำ�นวนสินค้ามีค่าเท่ากับ 9.63 มี
ความหมายว่าค่า Shadow Price ที่มีค่าเท่ากับ 100 นี้จะใช้ได้ก็ต่อเมื่อโควตาสินค้าที่ขาย
ได้เพิ่มขึ้นจาก 500 เป็นไม่เกิน 500 + 9.63 = 509.63 และค่า Allowable Decrease
ของจำ�นวนสินค้าที่มีค่าเท่ากับ 73.33 นั้นมีความหมายว่า ค่า Shadow Price ที่มีค่าเท่ากับ 100

นั้นจะใช้ได้ก็ต่อเมื่อโควตาสินค้าที่ขายได้ลดลงจาก 500 แต่ไม่ตํ่ากว่า 500 – 73.33 = 426.67
นั่นเอง
• เป็นที่น่าสังเกตว่าใน Sensitivity Report ส่วนของ Constraint นั้น ถ้าหาก
ใน Answer Report แสดง Constraint ใดที่มีค่า Status เป็น Binding แสดงว่าข้อจำ�กัดนั้น
ได้ถูกใช้หมดจนครบตามข้อกำ�หนดและใน Sensitivity Report จะแสดงค่า Shadow Price ≥ 0
หมายความว่า ถ้าหากมีการเพิ่มจำ�นวนของ Constraint นั้น ๆ ขึ้น 1 หน่วย จะได้ Objective
Function เพิ่มขึ้นตามค่าของ Shadow Price ของ Constraint นั้น ๆ แต่หากมีการใช้
Constraint นั้นไม่หมด ซึ่งค่า Status ใน Answer Report จะแสดงเป็น Not Binding ใน
Sensitivity Report ค่า Shadow Price จะเท่ากับ 0 เนื่องจากการเพิ่มข้อจำ�กัดนั้น จะไม่ส่ง
ผลใด ๆ ต่อ Objective Function เนื่องจากในปัจจุบัน Constraint นั้นยังมีเหลืออยู่นั่นเอง
ซึ่งการเพิ่ม Constraint นั้น จึงส่งผลเพียงแค่ให้ Constraint เหลืออยู่ เพิ่มมากขึ้นเท่านั้นเอง
ยกตัวอย่างเช่น จากรูปที่ 3-4 จะสังเกตเห็นว่า Shadow Price ของความยาวเส้นเอ็นเป็น 0
ทั้งนี้เนื่องจากในสถานะปัจจุบัน ยังมีเส้นเอ็นที่เหลืออยู่ ในขณะที่ข้อจำ�กัดอื่น ๆ ใช้เต็มที่หมดแล้ว
ดังนั้น การเพิ่มเส้นเอ็นมากขึ้น จึงไม่ส่งผลใด ๆ ต่อกำ�ไร และค่า Shadow Price ที่เท่ากับ 0 นี้
ยังคงใช้ได้ไม่ว่าจะมีการเพิ่มเส้นเอ็นเป็นเท่าไรก็ตาม (ในรูปที่ 3-4 แสดงค่า Allowable Increase
เท่ากับ 1E + 30 ซึ่งหมายถึง 1 × 1030 ซึ่งโดยนัยก็คือค่า Infinity นั่นเอง) แต่จะสังเกตเห็น
ว่าค่า Shadow Price ที่เท่ากับ 0 นี้ยังคงใช้ได้ ตราบเท่าที่ความยาวเส้นเอ็นนี้ไม่ลดลงตํ่ากว่า
15.8 เมตร (ค่า Allowable Decrease) ซึ่งค่า 15.8 เมตรนี้ ก็คือค่าความยาวเส้นเอ็นที่เหลืออยู่
ในสถานะปัจจุบันนั่นเอง
สำ�หรับค่า Reduced Cost ที่อยู่ในส่วนแรกของ Sensitivity Report นั้น จะแสดงผล

ต่างของ Objective Function ที่จะเปลี่ยนแปลงไปกับข้อจำ�กัดทั้งหมดที่เปลี่ยนแปลงไป โดยใช้
ราคา Shadow Price ในการคิดคำ�นวณ เมื่อตัวแปรที่ตัดสินใจเพิ่มขึ้น 1 หน่วย ยกตัวอย่างเช่น
ในรูปที่ 3-4 Reduce Cost ของไม้เทนนิสมีค่าเท่ากับ 0 คำ�นวณได้ดังต่อไปนี้
• การผลิตไม้เทนนิสเพิ่มขึ้น 1 หน่วยนั้น จะทำ�ให้กำ�ไร (Objective Function)
เพิ่มขึ้น 400 บาท
• ในขณะเดียวกันการผลิตไม้เทนนิสเพิ่มขึ้น 1 หน่วยนั้น จะทำ�ให้โควตาในการผลิต
ลดไป 1 อัน ซึ่งทำ�ให้กำ�ไร (Objective Function) ลดลงไป 100 บาท (Shadow Price)
ความยาวเส้นเอ็นก็จะหายไป 0.56 เมตร ซึ่งไม่ส่งผลกระทบใด ๆ ต่อกำ�ไรเนื่องจากยังมีเส้นเอ็น
เหลืออยู่ (Shadow Price = 0) และทำ�ให้แรงงานหายไป 0.75 ชั่วโมง ซึ่งทำ�ให้กำ�ไร (Objective
Function) ลดลงไป 0.75 × 400 = 300 บาท (Shadow Price = 400 บาท)
• ดังนั้นการผลิตไม้เทนนิสเพิ่มขึ้น 1 หน่วยนั้น จะมี Reduce Cost = 400 –
(1 × 100) – (0.56 × 0) – (0.75 × 400) = 0 นั่นเอง
เป็นที่น่าสังเกตว่า ณ ระดับการผลิตที่ให้กำ�ไรสูงสุดในตัวอย่างนั้น จะมีค่า Reduce

Cost เท่ากับ 0 ทั้งนี้เนื่องจากหาก Reduce Cost ยังเป็นบวก ก็แสดงว่าการผลิตเพิ่มขึ้นอีก
1 หน่ ว ยก็ จ ะทำ � กำ � ไร (Objective Function) ให้ เ พิ่ ม ขึ้ น มากกว่ า ค่ า เสี ย โอกาสที่ เ กิ ด ขึ้ น
ซึ่งแสดงว่า ณ จุดนั้นยังไม่ได้เป็นจุดที่ทำ�ให้ได้รับกำ�ไรสูงที่สุด จึงควรมีการผลิตต่อไป จนกระทั่ง
ค่า Reduce Cost นี้มีค่าเท่ากับ 0 แต่ถ้าหากพบว่าตัวแปรที่ตัดสินใจตัวใดมี Reduce Cost
เป็นลบ ก็แสดงว่าไม่คุ้มค่าที่จะมีการผลิตสิ่งนั้นเพิ่มขึ้นนั่นเอง
การใช้ประโยชน์จาก Sensitivity Analysis

จากตัวอย่างที่ผ่านมา Shadow Price จะแสดงผลต่างของ Objective Function
ที่จะเปลี่ยนแปลงเนื่องจากการเพิ่มหรือลดค่าของข้อจำ�กัด 1 หน่วย จากข้อมูลนี้จะทำ�ให้เกิด
ประโยชน์ในการตัดสินใจ ดังแสดงในตัวอย่างดังต่อไปนี้
บริษัท กรุงเทพการกีฬา จำ�กัด ได้รับคำ�สั่งซื้อเพิ่มจากบริษัท Power Sport เป็น
ไม้เทนนิสขนาดเล็กสำ�หรับเด็ก ซึ่งหากบริษัทยินยอมที่จะผลิตสินค้าใหม่ ก็ให้ทำ�การส่งสินค้าไป
ในคราวเดียวกับสินค้าที่สั่งไปในครั้งแรก โดยยังมีข้อจำ�กัดว่า ส่งรวมทั้งหมดได้ 500 อันเท่าเดิม
โดยการผลิตไม้เทนนิสขนาดเล็กนี้จะต้องใช้เอ็นสำ�หรับขึง 44 เซนติเมตร (0.44 เมตร) ใช้แรงงาน
39 นาที (0.65 ชั่วโมง) และสามารถทำ�กำ�ไรได้อันละ 335 บาท จากข้อมูลดังกล่าว บริษัท
ควรจะผลิตไม้เทนนิสขนาดเล็กนี้หรือไม่
จากตัวอย่างดังกล่าว เนื่องจากบริษัทมีจำ�นวนทรัพยากรจำ�กัด การผลิตสินค้าชนิดใหม่
จึงต้องใช้จำ�นวนทรัพยากรที่มีอยู่ในปัจจุบัน ซึ่งใช้ในการผลิตสินค้าชนิดอื่นอยู่ ดังนั้น การผลิต
ไม้เทนนิสขนาดเล็กจะลดพืน้ ทีบ่ รรจุส�ำ หรับการขนส่ง จำ�นวนเส้นเอ็นและชัว่ โมงแรงงานทีใ่ ช้ในการ
ผลิตสินค้าชนิดอื่น จากการพิจารณา Shadow Price ในตัวอย่างที่แล้ว จะพบว่าโควตาจำ�นวน
สินค้ามี Shadow Price เท่ากับ 100 บาท ชั่วโมงแรงงานมี Shadow Price เท่ากับ 400 บาท
ส่วนข้อจำ�กัดเรื่องจำ�นวนเส้นเอ็นไม่มีผลกระทบกับกำ�ไรรวมเนื่องจากยังมีเส้นเอ็นเหลืออยู่

ดังนั้นในการผลิตไม้เทนนิสขนาดเล็ก 1 หน่วยทำ�ให้ไปแทนที่โควตาการผลิตเดิม 1 ชิ้น
ต้องใช้เส้นเอ็นยาว 0.44 เมตร และชั่วโมงแรงงาน 0.65 ชั่วโมง ดังนั้นการผลิตไม้เทนนิสขนาด
เล็กจะทำ�ให้เกิดค่าเสียโอกาสในการผลิตสินค้าชนิดเดิม โดยคิดจาก Shadow Price เท่ากับ
(100 × 1) + (0 × 0.44) + (400 × 0.65) = 360 ในขณะเดียวกันไม้เทนนิสขนาดเล็ก
สามารถขายได้กำ�ไร 335 จะเห็นได้ว่าการผลิตไม้เทนนิสขนาดเล็ก 1 หน่วยจะทำ�ให้กำ�ไรรวม
ลดลงเท่ากับ 335 – 360 หรือ 25 บาท ดังนั้น บริษัทจึงไม่ควรผลิตไม้เทนนิสขนาดเล็กเลย
เพื่อให้แน่ใจว่าคำ�ตอบนี้เป็นคำ�ตอบที่ถูกต้อง จึงขอทำ�การปรับแบบจำ�ลองเพื่อใช้ใน
การคำ�นวณอีกครั้ง ดังต่อไปนี้
MAX: 400X1 + 300X2 + 335X3
Subject to: 1X1 + 1X2 + 1X3 ≤ 500
0.56X1 + 0.92X2 + 0.44X3 ≤ 375
0.75X1 + 0.5X2 + 0.65X3 ≤ 320
1X1 ≥0
1X2 ≥0
1X3 ≥0
โดย
X3 = จำ�นวนไม้เทนนิสขนาดเล็ก
เมื่ อ นำ � ไปสร้ า งแบบจำ� ลองและทำ � การ Run Solver ก็ จ ะได้ คำ � ตอบดั ง แสดงใน
รูปที่ 3-5 ซึ่งจะเห็นได้ว่า จะไม่มีการผลิตไม้เทนนิสขนาดเล็ก ตรงตามการวิเคราะห์ข้อมูลที่ได้จาก
Sensitivity Analysis นั่นเอง
รูปที่ 3-5 ผลการ Run Solver หลังจากมีตัวแปรเรื่องจำ�นวนไม้เทนนิสขนาดเล็กเพิ่มเติม
Limit Report
ในส่วนของ Limit Report นั้น จะมีข้อมูลอยู่ 2 ส่วนดังแสดงในรูปที่ 3-6 ดังต่อไปนี้
ในส่วนแรกจะแสดงค่าของ Cell ที่อยู่ของ Target Cell และค่าของ Target Cell
หลังจาก Run Solver แล้ว ซึ่งจากตัวอย่างก็คือค่าของกำ�ไรรวมซึ่งมีค่าเท่ากับ 178,000 บาท
สำ � หรั บ ในส่ ว นที่ ส องนั้ น จะแสดงค่ า ของ Cell ที่ อ ยู่ ข องตั ว แปรที่ ต้ อ งตั ด สิ น ใจ
และค่าที่ได้หลังจาก Run Solver แล้ว ซึ่งจากตัวอย่างจะเห็นว่า มีการผลิตไม้เทนนิสจำ�นวน
280 อัน และไม้แบดมินตันจำ�นวน 220 อัน นอกจากนี้ยังมีการให้ข้อมูลเกี่ยวกับค่าที่ตํ่าที่สุด
ที่เป็นไปได้ (Lower Limit) และค่าที่สูงที่สุดที่เป็นไปได้ (Upper Limit) ซึ่งจากตัวอย่าง จะเห็น
ว่าค่า Lower Limit ของทั้งไม้เทนนิสและไม้แบดมินตัน มีค่าเท่ากับ 0 เนื่องจากมีข้อจำ�กัดว่า
ทั้งไม้เทนนิสและไม้แบดมินตันจะมีค่าติดลบไม่ได้ (Nonnegativity Constraint) สำ�หรับค่า
Upper Limit ของไม้เทนนิสและไม้แบดมินตันนั้น มีค่าเท่ากับ 280 และ 220 อันตามลำ�ดับ
ซึ่งค่าทั้งสองนี้ เป็นค่ามากที่สุด เนื่องจากจะผลิตไม่ได้มากไปกว่านี้อีกแล้ว เพราะติดเงื่อนไขของ
ข้อจำ�กัดที่กำ�หนดไว้ นอกจากนี้ยังมีการรายงานค่า Target Result ซึ่งเป็นการบอกว่าหากมี
การผลิตเท่ากับ Lower Limit หรือ Upper Limit แล้ว ค่า Target Result (ซึ่งในตัวอย่างนี้

คือค่ากำ�ไร) จะมีค่าเท่ากับเท่าไร ยกตัวอย่างเช่น สำ�หรับการผลิตไม้เทนนิสนั้น ค่า Lower Limit
เท่ากับ 0 และมีค่า Target Result เท่ากับ 66,000 นั้น จะมีความหมายว่าหากการผลิตไม้เทนนิส
มีค่าตํ่าที่สุดซึ่งเท่ากับ 0 ในขณะที่ตัวแปรอื่น ๆ คงที่ (การผลิตไม้แบดมินตันยังเท่าเดิมที่ 220 อัน)
กำ�ไรรวมจะอยู่ที่ 66,000 บาท เป็นต้น
รูปที่ 3-6 ตัวอย่างของ Limit Report
การวิเคราะห์ข้อมูลในกรณีที่ค่าสัมประสิทธิ์ของ Objective Function

มีการเปลี่ยนแปลงพร้อม ๆ กัน
จากการตีความหมายของ Sensitivity Report ที่ผ่านมานั้น การเปลี่ยนแปลง
ค่าสัมประสิทธิ์ของ Objective Function นั้นจะต้องเปลี่ยนแปลงทีละตัวเท่านั้น ตัวอื่น ๆ
จะต้องคงที่เสมอ อย่างไรก็ตามหากค่าสัมประสิทธิ์ของ Objective Function มีการเปลี่ยนแปลง
พร้อมกันจะต้องมีการวิเคราะห์ในรูปแบบอื่นเพิ่มเติม ดังต่อไปนี้
จากตัวอย่างของ Sensitivity Report ในรูปที่ 3-7 จะเห็นว่าค่า Allowable Increase
ของสัมประสิทธิ์ของ Objective Function ในส่วนของไม้เทนนิสมีค่าเท่ากับ 50 ในขณะที่ค่า
Allowable Increase ของสัมประสิทธิ์ของ Objective Function ในส่วนของไม้แบดมินตัน
จะมีค่าเท่ากับ 100 ซึ่งการแปลค่านี้ ก็ได้อธิบายไปแล้วข้างต้น อย่างไรก็ตามหากมีคำ�ถามว่า
หากค่ า สั ม ประสิ ท ธิ์ ข อง Objective Function (กำ � ไรต่ อ หน่ ว ย) ของไม้ เ ทนนิ ส นี้ เ พิ่ ม ขึ้ น
25 บาท และในขณะเดียวกันนั้นค่าสัมประสิทธิ์ของ Objective Function (กำ�ไรต่อหน่วย)
ของไม้แบดมินตันก็เพิ่มขึ้น 20 บาท พร้อม ๆ กันแล้ว ค่าของคำ�ตอบที่ดีที่สุดจะเปลี่ยนแปลงไป
หรือไม่ การที่ค่าสัมประสิทธิ์ทั้งสองนี้มีการเปลี่ยนแปลงพร้อมๆ กันนั้น จะไม่สามารถอ่านผลได้
ตามปกติ แต่จะต้องทำ�การคำ�นวณโดยใช้กฎที่เรียกว่า “กฎ 100%” (100% Rule) โดยจะต้อง
พิจารณารายละเอียดดังต่อไปนี้
กรณีที่ 1 ค่า Reduced Cost ของตัวแปรที่ค่าสัมประสิทธิ์ของ Objective Function

เปลี่ยนแปลงไปนั้นแต่ละตัวมีค่าไม่เท่ากับ 0 ในกรณีนี้ ให้พิจารณาว่าการเปลี่ยนแปลงของ
ค่าสัมประสิทธิ์ของแต่ละค่านั้นอยู่ในช่วงของ Allowable Increase และ Allowable Decrease
หรือไม่ ถ้าใช่ แสดงว่าคำ�ตอบที่ดีที่สุดยังคงเดิม
กรณีที่ 2 ค่า Reduced Cost ของตัวแปรที่ค่าสัมประสิทธิ์ของ Objective Function

เปลี่ยนแปลงไป อย่างน้อย 1 ค่ามีค่าเท่ากับ 0 ในกรณีนี้จะต้องคำ�นวณค่า rj โดยมีสูตรการคำ�นวณ
Δcj
, if Δcj ≥ 0
Ij
rj =
–Δcj
, if Δcj < 0
Dj
โดยค่า Δcj นัน้ แสดงค่าการเปลีย่ นแปลงของค่าสัมประสิทธิข์ อง Objective Function

ซึ่งหาก Δcj มีค่ามากกว่า 0 แสดงว่าค่าสัมประสิทธิ์ของ Objective Function นั้นมีค่าเพิ่มขึ้น
ในขณะที่หากค่า Δcj มีค่าน้อยกว่า 0 แสดงว่าค่าสัมประสิทธิ์ของ Objective Function นั้นมี
ค่าลดลง สำ�หรับค่า Ij นั้นคือค่า Allowable Increase ในขณะที่ค่า Dj นั้นคือค่า Allowable
Decrease ของ Objective Function นั่นเอง
หลังจากทำ�การคำ�นวณค่า rj ของแต่ละค่าแล้ว (เนื่องจากค่า Objective Function
มีการเปลี่ยนแปลงพร้อมกันเกิน 1 ค่า ดังนั้นค่า rj ก็จะมีเกิน 1 ค่า) ให้นำ�เอาค่า rj แต่ละค่า
มาบวกรวมกัน หากผลลัพธ์ที่ได้มีค่าตํ่ากว่า 1 ก็แสดงว่าคำ�ตอบที่ดีที่สุดยังเท่าเดิม แต่หาก

ผลลัพธ์ที่ได้นั้นมีค่ามากกว่า 1 ก็อาจจะเป็นไปได้ว่าคำ�ตอบที่ดีที่สุดอาจไม่เปลี่ยนแปลง หรืออาจ
จะมีการเปลี่ยนแปลงก็เป็นไปได้
รูปที่ 3-7 ตัวอย่างการวิเคราะห์ข้อมูลในกรณีที่ค่าสัมประสิทธิ์ของ Objective Function มีการ

เปลี่ยนแปลงพร้อมๆ กัน
จากตั ว อย่ า งข้ า งต้ น เมื่ อ กำ � ไรต่ อ หน่ ว ยของไม้ เ ทนนิ ส นี้ เ พิ่ ม ขึ้ น 25 บาท และ
ในขณะเดียวกันนั้น ค่ากำ�ไรต่อหน่วยของไม้แบดมินตันก็เพิ่มขึ้น 20 บาทพร้อม ๆ กันด้วย
เมื่อพิจารณาค่า Reduced Cost แล้วพบว่ามีค่าเท่ากับ 0 ทั้งคู่ ดังนั้นจึงเข้าข่ายกรณีที่ 2 จึงได้
คำ�นวณหาค่า r ดังต่อไปนี้
r1 (ของไม้เทนนิส) = 25/50 = 0.5 ในขณะที่ r2 (ของไม้แบดมินตัน) = 20/100 =
0.2 ดังนั้นผลรวมของค่า r ทั้งสองค่ามีค่าเท่ากับ 0.5 + 0.2 = 0.7 ซึ่งมีค่าตํ่ากว่า 1 แสดงว่า
ถึงแม้กำ�ไรต่อหน่วยของไม้เทนนิสจะเพิ่มขึ้นอีก 25 บาท และกำ�ไรต่อหน่วยของไม้แบดมินตัน
จะเพิ่มขึ้นอีก 20 บาทด้วย ก็ยังคงผลิตไม้เทนนิส 280 อันและไม้แบดมินตัน 220 อันเท่าเดิม
อย่างไรก็ตาม Sensitivity Report นี้จะใช้ได้ก็ต่อเมื่อการเปลี่ยนแปลงเป็นไปตาม
ข้อกำ�หนดต่าง ๆ ดังอธิบายไว้แล้วข้างต้น หากการเปลี่ยนแปลงเป็นไปในลักษณะที่นอกเหนือ
จากนี้ Sensitivity Report อาจจะไม่ได้ให้คำ�ตอบ แต่เราสามารถทำ�การสร้างแบบจำ�ลองขึ้นมา
ใหม่เพื่อหาคำ�ตอบได้โดยไม่ยากนัก

ในข้อที่ 1-10 นี้ ให้ทา่ นหาคำ�ตอบทีด่ ที สี่ ดุ พร้อมทัง้ สร้าง Answer Report Sensitivity
Report และ Limit Report พร้อมทั้งอธิบายรายงานแต่ละประเภทอย่างละเอียด
1. บริษัท Giant ต้องการผลิตสินค้า A และ B โดยสินค้าแต่ละชิ้นมีกำ�ไร 800 บาท และ
500 บาทตามลำ�ดับ โดยการผลิตสินค้า A 1 ชิ้น ต้องใช้เวลาในการประกอบ 2 ชั่วโมง
ทาสี 3 ชั่วโมง และตกแต่งอีก 1 ชั่วโมง ส่วนสินค้า B ต้องใช้เวลาในการประกอบ 1 ชั่วโมง
ทาสี 4 ชั่วโมง และตกแต่งอีก 1 ชั่วโมง ทั้งนี้บริษัทมีข้อจำ�กัดในเรื่องของชั่วโมงแรงงาน
ในแต่ละแผนก โดยแผนกประกอบ มีเวลาในการทำ�งาน 2,400 ชั่วโมง แผนกทาสีมีเวลา
ในการทำ�งาน 2,400 ชั่วโมง และแผนกตกแต่งมีเวลาในการทำ�งาน 700 ชั่วโมง ดังนั้น
บริษัทจะต้องผลิตสินค้าแต่ละชนิดในจำ�นวนเท่าไหร่เพื่อให้มีกำ�ไรสูงสุด
2. Marvell เป็นบริษัทผู้ผลิตตุ๊กตาไหมพรมถัก โดยขณะนี้ตุ๊กตาที่ได้รับความสนใจเป็น
อย่างมาก คือ ตุ๊กตากระต่ายและตุ๊กตาหมี บริษัท Marvell มีพนักงานทั้งหมดจำ�นวน
40 คน เป็นผู้ชาย 20 คน และผู้หญิง 20 คน โดยแรงงานชายจะสามารถทำ�งานต่อเนื่องได้
10 ชั่วโมงต่อวัน และแรงงานหญิงจะสามารถทำ�งานต่อเนื่องได้ 8 ชั่วโมงต่อวัน ในการผลิต
ตุ๊กตากระต่าย 1 ตัว ต้องใช้เวลาในการถัก 3 ชั่วโมง ใช้ไหมพรม 2 ม้วน และใช้นุ่น 0.6
กิโลกรัม ส่วนการผลิตตุ๊กตาหมี 1 ตัว ต้องใช้เวลาในการถัก 4 ชั่วโมง ใช้ไหมพรม 3 ม้วน
และใช้นุ่น 0.3 กิโลกรัม โดยการขายตุ๊กตากระต่ายจะได้กำ�ไรตัวละ 150 บาท ส่วนตุ๊กตา
หมีจะได้กำ�ไรตัวละ 200 บาท ปัจจุบัน บริษัท Marvell มีกำ�ลังในการซื้อไหมพรมได้วันละ
240 ม้วน และนุ่นได้วันละ 48 กิโลกรัม อยากทราบว่าใน 1 วัน บริษัท Marvell จะต้อง
ผลิตตุ๊กตาไหมพรมถักอย่างละกี่ตัวเพื่อให้ได้กำ�ไรสูงสุด
3. Yummy Bakery มีสินค้าเบเกอรี่ที่ผลิตทั้งหมดด้วยกัน 2 ชนิด คือ Brownies และ
Cupcake โดยมีกำ�ไร 40 บาทต่อชิ้น และ 70 บาทต่อชิ้น ตามลำ�ดับ ซึ่งใช้วัตถุดิบ
ในการผลิตดังนี้
ส่วนผสม Brownies Cupcake จำ�นวนที่มี
แป้งสาลี 200 กรัมต่อชิ้น 280 กรัมต่อชิ้น 17,600 กรัม
ไข่ 1 ฟองต่อชิ้น 4 ฟองต่อชิ้น 140 ฟอง
นํ้าตาล 42 กรัมต่อชิ้น 38 กรัมต่อชิ้น 3,300 กรัม
เนยสด 12 กรัมต่อชิ้น 16 กรัมต่อชิ้น 1,050 กรัม
ดังนั้น Yummy Bakery จะต้องผลิต Brownies และ Cupcake อย่างละกี่ชิ้น จึงจะทำ�ให้

ทางร้านได้รับกำ�ไรสูงสุด
4. บริษัทขายอาหารแมวแห่งหนึ่งต้องการออกโครงการโฆษณาอาหารเสริมตัวใหม่สำ�หรับแมว
ผ่านทางสื่อวิทยุและโทรทัศน์ และทางบริษัทต้องการทราบว่าควรตัดสินใจลงโฆษณา
ผ่านสื่อแต่ละช่องทางเป็นระยะเวลานานกี่เดือน จึงจะทำ�ให้ค่าใช้จ่ายในการโฆษณารวม
ตํ่าที่สุด โดยข้อมูลการโฆษณาผ่านสื่อวิทยุและโทรทัศน์ มีดังต่อไปนี้
ลักษณะการ จำ�นวนนาที จำ�นวนครั้ง ผู้ชมหรือ ราคา
โฆษณา ต่อเดือน ต่อเดือน ผู้รับฟังต่อเดือน (บาทต่อเดือน)
ทางวิทยุ 135 150 390,000 คน 400,000
ทางโทรทัศน์ 45 150 260,000 คน 500,000
บริษัทต้องการให้มีจำ�นวนผู้บริโภคที่รับสื่อโฆษณาทั้งสองทางไม่ตํ่ากว่า 3.9 ล้านคน

ตลอดโครงการนี้ โดยให้ความยาวของโฆษณารวมไม่เกิน 1,215 นาที และต้องการให้ความถี่
ในการโฆษณารวมทั้งสองช่องทางแล้วไม่เกิน 1,800 ครั้ง

5. สโมสรฟุตบอลเมืองนนท์ได้รับการสนับสนุนจากสปอนเซอร์รายใหม่ ซึ่งมีข้อตกลงกันว่า
สปอนเซอร์รายนี้จะจ่ายเงินสนับสนุนให้กับสโมสร ในกรณีที่นักกีฬาต่างชาติทั้ง 2 คนคือ
Hernandez และ Rooney สามารถยิงประตูได้ โดยมีรายละเอียดดังต่อไปนี้
รายละเอียด Hernandez Rooney

ประตูต่อจำ�นวนครั้งในการลงเล่น 1 1
เวลาที่สามารถลงเล่นได้ในแต่ละครั้ง 30 นาที 50 นาที
เวลาในการฝึกฝนที่ต้องการก่อนการเล่นใน
15 ชั่วโมง 10 ชั่วโมง
แต่ละครั้ง
เงินสนับสนุนสโมสร 6,000 บาทต่อประตู 8,000 บาทต่อประตู
ทั้ ง นี้ ผู้ จ่ า ยเงิ น สนั บ สนุ น ต้ อ งการให้ นั ก เตะทั้ ง สองคนนี้ ทำ � ประตู ร วมกั น ทั้ ง สิ้ น ได้ เ ต็ ม ที่
ไม่เกิน 24 ประตูเท่านั้น (มากกว่านี้ผู้จ่ายเงินสนับสนุนไม่สามารถจ่ายเงินสนับสนุนได้)
และสโมสรมีเวลาในการแข่งขันรวมทั้งสิ้น 900 นาที และมีเวลาในการฝึกฝนรวมทั้งสิ้น
360 ชั่วโมง ดังนั้นสโมสรควรจะให้ Hernandez และ Rooney ลงเล่นคนละกี่ครั้ง
จึงจะทำ�ให้สมาคมได้รับเงินจากผู้สนับสนุนสูงที่สุด
6. Big Company เป็นบริษัทผลิตกล้องถ่ายรูป โดยผลิตออกมาด้วยกัน 2 รุ่น คือ รุ่น DSLR
และ รุ่น Compact โดยมีข้อมูลเกี่ยวกับส่วนประกอบของกล้อง ดังนี้
ส่วนประกอบ DSLR Compact
Processor 6 ชิ้นต่อเครื่อง 2 ชิ้นต่อเครื่อง
แรงงานที่ใช้ในการประกอบ 18 ชั่วโมงต่อเครื่อง 12 ชั่วโมงต่อเครื่อง
Censor 24 ตารางมิลลิเมตรต่อเครื่อง 20 ตารางมิลลิเมตรต่อเครื่อง
Screw 14 ชิ้นต่อเครื่อง 13 ชิ้นต่อเครื่อง
ทัง้ นี้ ทางบริษทั มีขอ้ จำ�กัดในเรือ่ งของจำ�นวน Processor ทีม่ อี ยูเ่ พียง 600 ชิน้ ชัว่ โมงแรงงาน
3,420 ชั่วโมง Censor 4,560 ตารางมิลลิเมตร และ Screw 3,640 ชิ้น ดังนั้นบริษัท
จะต้องผลิตกล้องรุ่น DSLR และรุ่น Compact จำ�นวนเท่าใด จึงจะทำ�ให้บริษัทได้
กำ�ไรสูงสุด โดยกล้องรุ่น DSLR มีกำ�ไร 3,000 บาทต่อหน่วย และกล้องรุ่น Compact
มีกำ�ไร 2,000 บาทต่อหน่วย
7. TAYATO Motor Company ผลิตรถยนต์ออกมาด้วยกัน 2 รุ่น คือ VOSI และ YISRA โดย
ทั้งสองรุ่นต่างมีอัตราการผลิต การใช้ทรัพยากร และผลตอบแทนต่างกัน ดังต่อไปนี้
รายละเอียด VOSI YISRA
เครื่องจักร 1 เครื่องต่อคัน 1 เครื่องต่อคัน
ชั่วโมงแรงงาน 4 ชั่วโมงต่อคัน 6 ชั่วโมงต่อคัน
วัตถุดิบ 1 ชิ้นต่อคัน 3 ชิ้นต่อคัน
กำ�ไร 20,000 บาทต่อคัน 35,000 บาทต่อคัน
ทั้งนี้บริษัทมีเครื่องจักรทั้งหมด 60 เครื่อง ชั่วโมงแรงงาน 300 ชั่วโมง และมีวัตถุดิบ

สำ�หรับใช้ในการผลิตจำ�นวน 120 ชิน้ ดังนัน้ บริษทั ควรจะผลิตรถแต่ละรุน่ เป็นจำ�นวนเท่าใด
เพื่อให้ได้กำ�ไรสูงสุด
8. โรงงานผลิตตุ๊กตา Teddy Bear แห่งหนึ่งมีโกดังเก็บสินค้าอยู่ 2 แห่ง คือ โพธาราม และ
ปทุมวัน ซึ่งเก็บ Teddy Bear อยู่ 80 ตัว และ 70 ตัว ตามลำ�ดับ มีผู้ซื้อ 2 ราย คือ
A และ B ซึ่งสั่งซื้อ Teddy Bear 35 ตัว และ 60 ตัว ตามลำ�ดับ โดยค่าขนส่งจาก
แต่ละโกดังไปยังผู้ซื้อ A และ B เป็นไปตามตารางต่อไปนี้
โกดังเก็บ Teddy Bear ผู้สั่งซื้อ ค่าขนส่งต่อชิ้น (บาท)
โพธาราม A 8
โพธาราม B 12
ปทุมวัน A 10
ปทุมวัน B 13
โรงงานจะต้องส่ง Teddy Bear ไปยังผู้สั่งซื้อทั้ง 2 รายนี้ จากโกดังทั้งสองในปริมาณเท่าไหร่

จึงจะประหยัดค่าขนส่งได้มากที่สุด

9. บริษัท Dapper จำากัด ผลิตเครื่องหนังกระเป๋าสตางค์จำาหน่าย 2 ขนาด คือขนาดเล็ก
และขนาดใหญ่ ในกระบวนการผลิตกระเป๋าสตางค์ทั้ง 2 ขนาดข้างต้น มีกระบวนการ
ผลิตโดยใช้เครื่องจักรและฝีมือแรงงานในการเก็บรายละเอียดของงานโดยมีระยะเวลาของ
การใช้เครื่องจักรและฝีมือแรงงานในการผลิตกระเป๋าสตางค์ 1 ใบ ในแต่ละขนาด ดังตาราง
ข้างล่าง
ชนิดของกระเปา เวลาที่เครื่องจักรใช้ในการผลิต เวลาที่แรงงานใช้ในการผลิต
ขนาดเล็ก 45 นาทีต่อชิ้น 20 นาทีต่อชิ้น
ขนาดใหญ่ 60 นาทีต่อชิ้น 30 นาทีต่อชิ้น
บริ ษั ท มี ร ะยะเวลา 300 ชั่ ว โมงสำ า หรั บ เดิ น เครื่ อ งจั ก ร และมี ชั่ ว โมงการทำ า งานของ
คนงานเท่ากับ 150 ชั่วโมงก่อนที่บริษัทหยุดวันแรงงาน เครื่องจักรมีต้นทุนในการผลิต
เท่ากับ 450 บาทต่อชั่วโมง และมีต้นทุนค่าแรงงานเท่ากับ 600 บาทต่อชั่วโมง (ราคา
วัสดุต่างๆ ที่ใช้ทำากระเป๋าได้คิดรวมอยู่ในต้นทุนการผลิตแต่ละกระบวนการแล้ว) ทั้งนี้
กระเป๋าทั้ง 2 ขนาดใช้ซิปแบบเดียวกัน โดยขนาดเล็กใช้ 3 ชิ้นต่อใบ และขนาดใหญ่ใช้
5 ชิ้นต่อใบ โดยมีซิปอยู่ในคลังสินค้าจำานวน 1,500 ชิ้น และกระเป๋าจะต้องติดป้ายตรา
สินค้า โดยขนาดเล็กใช้ 1 ป้ายต่อใบ และขนาดใหญ่ใช้ 2 ป้ายต่อใบ โดยมีป้ายตราสินค้า
อยู่ในคลังสินค้าจำานวน 500 ป้าย
บริษัทตั้งราคาขายกระเป๋าสตางค์ขนาดเล็กใบละ 1,000 บาท และขนาดใหญ่ใบละ
1,500 บาท ลูกค้าได้ทำาสัญญาไว้กับบริษัทว่า ลูกค้าจะรับซื้อกระเป๋าสตางค์ทั้งหมดที่ผลิตได้
ก่อนวันแรงงานและต้องการกระเป๋าสตางค์ขนาดเล็กอย่างน้อย 10 ใบ ดังนัน้ บริษทั Dapper
จะต้องผลิตกระเป๋าสตางค์ขนาดเล็กและขนาดใหญ่อย่างละกี่ใบจึงจะได้กำาไรสูงสุดและเป็น
ไปตามสัญญาที่ทำาไว้กับลูกค้า
10. นายแหล่มเป็นพนักงานบริษัทเอกชน ต้องการรับสมัครคนรู้ใจในช่วงอายุ 18-24 ปี
(สาวน้อย) และ 25-30 ปี (สาวใหญ่) โดยในช่วงเวลา 1 เดือน นายแหล่มสามารถจัดสรร
เวลาให้คนรู้ใจอายุกลุ่มสาวน้อยได้ 10 ชั่วโมงต่อคน และ กลุ่มสาวใหญ่ 5 ชั่วโมงต่อคน
โดยนายแหล่มมีเวลาดูแลคนรู้ใจได้ไม่เกิน 170 ชั่วโมงต่อเดือน ทั้งนี้รายได้ต่อเดือนของ
นายแหล่มที่สามารถใช้สำาหรับดูแลคนรู้ใจอยู่ที่ 70,000 บาท โดยทุ่มให้สาวน้อย 3,500
บาทต่อคน และสาวใหญ่ 2,500 บาทต่อคน และเดือนนี้นายแหล่มตั้งเป้าไว้ว่าจะรับสมัคร
คนรู้ใจรวมแล้วไม่เกิน 20 คน โดยดัชนีความสุขที่ได้รับจากสาวน้อยอยู่ที่ 950 และสาวใหญ่
อยู่ที่ 650 จากข้อมูลดังกล่าวภายใน 1 เดือน นายแหล่มสามารถมีคนรู้ใจในแต่ละกลุ่มกี่คน
จึงจะทำาให้ดัชนีความสุขของแหล่มพุ่งสูงสุด
บทที่ 4
ในกรณีที่คําตอบเปนจํานวนเต็ม
บทนํา
ในการวิเคราะห์โปรแกรมเชิงเส้นในบทที่ผ่านมานั้นจะไม่ได้มีการกำาหนดว่า
คำาตอบจะต้องเป็นอย่างไร แต่ในปัญหาทางด้านธุรกิจหลาย ๆ ครั้งพบว่า คำาตอบจำาเป็น
ที่จะต้องเป็นจำานวนเต็มเท่านั้น ยกตัวอย่างเช่น การจัดการเรื่องจำานวนคนงาน เราไม่
สามารถจะจ้างคนงานได้ 3.6 คน หรือจะเป็นการใช้ยานพาหนะ ซึ่งเป็นไปไม่ได้ที่จะ
สามารถใช้ยานพาหนะเป็นจุดทศนิยมได้ ในกรณีนี้การหาคำาตอบที่ดีที่สุดนั้น จำาเป็นที่
จะต้องทำาให้คำาตอบเป็นจำานวนเต็มเท่านั้น ในบทนี้จะได้นำาเสนอวิธีการจัดการกับปัญหา
ที่คำาตอบจำาเป็นต้องเป็นจำานวนเต็ม และแนะนำาการใช้จำานวนเต็มที่มีค่าได้เพียง 2 ค่า
(1 หรือ 0) หรือที่เรียกว่า Binary Variable นั่นเอง
1. เพื่อให้ผู้เรียนเข้าใจถึงหลักการการแก้ปัญหาโดยใช้โปรแกรมเชิงเส้นที่มีคำาตอบเป็น
จำานวนเต็ม
2. เพื่อให้ผู้เรียนสามารถใช้ตัวแปรที่เป็นลักษณะของ Binary Variable มาปรับใช้
สำาหรับปัญหาที่มีเงื่อนไขต่าง ๆ ได้อย่างถูกต้อง
โปรแกรมเชิงเส้นที่มีคำ�ตอบเป็นจำ�นวนเต็ม
(Integer Linear Programming)
ในหลายครั้งปัญหาที่เราต้องตัดสินใจนั้น จะต้องมีคำ�ตอบที่เป็นจำ�นวนเต็มเท่านั้น
ไม่ ส ามารถมี คำ � ตอบที่ เ ป็ น ทศนิ ย มได้ ยกตั ว อย่ า งเช่ น ปั ญ หาที่ คำ � ตอบต้ อ งเป็ น จำ � นวนคน
จำ�นวนยานพาหนะ หรือจำ�นวนชิน้ ส่วน ในการแก้ปญ ั หาโปรแกรมเชิงเส้นทีม่ คี �ำ ตอบเป็นจำ�นวนเต็ม
นี้จะต้องใช้คำ�สั่งเพิ่มเติมในระหว่างการ Run Solver ดังนั้นเพื่อให้เกิดความเข้าใจที่ชัดเจนขึ้น
จึงขอยกตัวอย่างจากกรณีศึกษาของกรุงเทพการกีฬาในบทที่ 2 แต่เปลี่ยนข้อจำ�กัดบางข้อ โดยมี
รายละเอียดดังต่อไปนี้
บริษัท กรุงเทพการกีฬา ได้รับคำ�สั่งซื้อจากบริษัท Super Sport ให้ส่งไม้เทนนิส
และไม้แบดมินตัน โดยรวมทั้งหมดไม่เกิน 500 อัน เพื่อให้พอดีกับขนาดของบรรจุภัณฑ์สำ�หรับ
ส่งทางอากาศ ทั้งนี้การผลิตไม้เทนนิส 1 อัน ต้องใช้เอ็นสำ�หรับขึง 56 เซนติเมตร และใช้แรงงาน
45 นาที ขณะที่ไม้แบดมินตัน ต้องใช้เอ็นสำ�หรับขึง 92 เซนติเมตร และใช้แรงงาน 30 นาที
โดยไม้เทนนิสได้กำ�ไรอันละ 400 บาท และไม้แบดมินตันได้กำ�ไรอันละ 300 บาท หากเอ็นที่ใช้
ในการขึงไม้ทั้งสองเป็นเอ็นชนิดเดียวกัน โดยบริษัทมีทรัพยากรเป็นเส้นเอ็นยาว 350 เมตร และ
ชั่วโมงแรงงาน 320 ชั่วโมง จะทำ�การผลิตและจัดส่งไปยังตัวแทนจำ�หน่ายอย่างละเท่าไหร่เพื่อให้
ได้กำ�ไรสูงสุด
โดยหากทำ�การ Run Solver ก็จะได้คำ�ตอบดังแสดงในรูปที่ 4-1 ดังต่อไปนี้
รูปที่ 4-1 ผลการ Run Solver จากกรณีศึกษากรุงเทพการกีฬาเมื่อเปลี่ยนข้อจำ�กัดบางข้อ
จะเห็นได้ว่าคำ�ตอบที่ได้จะไม่ใช่จำ�นวนเต็ม ซึ่งตามความเป็นจริงการผลิตไม้เทนนิสที่
จำ�นวน 291.21951 ชิ้นหรือการผลิตไม้แบดมินตันที่จำ�นวน 203.17073 ชิ้นนั้นเป็นคำ�ตอบที่เป็น
ไปไม่ได้ ดังนั้นเราจึงต้องหาหนทางในการแก้ปัญหาในลักษณะนี้
การแก้ปัญหาโดยการใช้หลักการผ่อนคลาย (Relaxation)
แนวทางการแก้ปัญหาแบบนี้ คือไม่สนใจว่าคำ�ตอบจะต้องเป็นจำ�นวนเต็มหรือไม่
โดยทำ�การสร้างแบบจำ�ลองไปตามปกติ และหวังว่าคำ�ตอบที่ได้นั้นจะออกมาเป็นจำ�นวนเต็ม
แนวทางนีจ้ ะได้ผลในบางกรณีทบี่ งั เอิญได้ค�ำ ตอบออกมาเป็นจำ�นวนเต็มเท่านัน้ ซึง่ หลายครัง้ ผลลัพธ์
ไม่ได้เป็นไปในลักษณะนั้น ดังตัวอย่างที่แสดงไว้ข้างต้น
อย่างไรก็ตามในการใช้หลักการผ่อนคลายนี้ คำ�ตอบที่ได้จากการใช้โปรแกรมเชิงเส้นใน
การแก้ปัญหา จะเป็นคำ�ตอบที่เป็นขอบสูงที่สุด (Upper Bound) ในกรณีที่เราต้องการ Maximize
Objective Function หรือ จะได้ค�ำ ตอบทีเ่ ป็นขอบตํา่ ทีส่ ดุ (Lower Bound) ในกรณีทเี่ ราต้องการ
Minimize Objective Function ยกตัวอย่างเช่น หากเรายังไม่ได้มีการบังคับให้คำ�ตอบเป็น
จำ�นวนเต็ม แล้วได้ค่า Objective Function (สมมุติว่าเป็นกำ�ไร) เท่ากับ 100,000 บาท ตัวเลข
100,000 บาทนีก้ จ็ ะเป็นขอบทีส่ งู ทีส่ ดุ ทีเ่ มือ่ เราใส่ขอ้ จำ�กัดในเรือ่ งคำ�ตอบต้องเป็นจำ�นวนเต็มเข้าไป
แล้ว จะไม่มีทางที่จะได้กำ�ไรสูงมากกว่า 100,000 บาทนี้ เป็นต้น
การแก้ปัญหาโดยการปัดจุดทศนิยม
บางครั้ง ผู้ที่สร้างแบบจำ�ลองอาจมีความคิดว่าหากคำ�ตอบที่ได้เป็นจุดทศนิยมแล้วนั้น
ก็สามารถแก้ปัญหาได้โดยการปัดจุดทศนิยม แต่โดยหลักการแล้ววิธีนี้อาจจะไม่ได้ผล เนื่องจาก
การปัดจุดทศนิยมอาจทำ�ให้คำ�ตอบที่ได้นั้นอยู่นอกขอบเขตความเป็นไปได้ หรือบางครั้งการปัด
จุดทศนิยมนั้นไม่ได้ช่วยให้ได้คำ�ตอบที่ดีที่สุด ดังแสดงในรูปที่ 4-2 หน้าถัดไปนี้
การใช้โปรแกรมเชิงเส้นในกรณีที่ค�ำตอบเป็นจ�ำนวนเต็ม 93
X2
คำตอบที่ไมสนใจวาจะ
2 เปนจำนวนเต็มหรือไม
คำตอบที่เกิดจากการปดจุดทศนิยมที่
เปนคำตอบที่อยูนอกพื้นที่ที่เปนไปได
1
0
0 1 2 3 4 X1
รูปที่ 4-2 ข้อผิดพลาดที่เกิดจากการปัดจุดทศนิยม
การแก้ปญ
ั หาโดยการระบุขอ้ จำากัดทีต่ อ้ งให้คาำ ตอบเป็นจำานวนเต็มใน Solver
วิธีทางนี้เป็นวิธีทางที่ดีที่สุดในการแก้ปัญหา สามารถทำาได้โดยการกำาหนดข้อจำากัดเพิ่ม
เติมใน Solver Parameters ในส่วนของ Constraint ซึ่งกำาหนดให้ตัวแปรตัดสินใจนั้นต้องมีค่า
เป็นจำานวนเต็ม ดังแสดงในรูปที่ 4-3
รูปที่ 4-3 การกำาหนดข้อจำากัดให้คำาตอบต้องเป็นจำานวนเต็ม
และเมื่อทำ�การ Run Solver ก็จะได้คำ�ตอบที่เป็นจำ�นวนเต็มดังแสดงในรูปที่ 4-4
รูปที่ 4-4 ผลลัพธ์จากการ Run Solver โดยมีข้อจำ�กัดให้คำ�ตอบของตัวแปรที่ตัดสินใจเป็น

จำ�นวนเต็ม
จะเห็นได้ว่า ขั้นตอนในการแก้ปัญหาโดยการระบุข้อจำ�กัดให้คำ�ตอบเป็นจำ�นวนเต็ม
โดยใช้ Solver นัน้ ไม่ได้มคี วามยุง่ ยากสำ�หรับผูใ้ ช้แต่ประการใดเลย แต่อย่างไรก็ตามในการคำ�นวณ
ของ Solver นั้น ข้อจำ�กัดข้อนี้จะทำ�ให้ต้องใช้เวลาในการประมวลผลค่อนข้างมาก Solver จึงได้
มีการกำ�หนดค่า Tolerance ไว้โดยปกติที่ 5% หมายความว่าหากคำ�ตอบที่ Solver หาได้อยู่ใน
ระยะ 5% ของคำ�ตอบที่ดีที่สุด Solver ก็จะหยุดการ Run ในทันทีเพื่อไม่ให้ใช้เวลานานนักใน
การหาคำ�ตอบ
เพื่อให้เห็นภาพชัดเจนขึ้น จึงขอยกตัวอย่างผ่านกรณีศึกษาดังต่อไปนี้
กรณีศึกษาบริษัทพลาสติกไทย
บริษัท พลาสติกไทย จำ�กัด เป็นบริษัทผลิตบรรจุภัณฑ์พลาสติก ได้แก่ ขวดนํ้า แก้วนํ้า
เป็นต้น โดยปัจจุบันบริษัทต้องรับภาระจากการเช่าเครื่องจักรในการผลิตในแต่ละเดือน ทำ�ให้มี
รายจ่ายค่อนข้างสูงและทำ�ให้กำ�ไรที่ได้รับไม่มากเท่าที่ควร และเนื่องจากความต้องการสินค้าใน
แต่ละเดือนแตกต่างกัน โดยเฉพาะผลิตภัณฑ์ขวดนํ้าที่ส่งให้กับบริษัทผลิตนํ้าอัดลมที่มีจำ�นวน
การผลิตขึ้นอยู่กับเทศกาลในแต่ละเดือนนั้น ๆ ดังนั้นหากสามารถวางแผนการเช่าเครื่องจักรใน
แต่ละเดือนให้พอกับความต้องการใช้เพื่อการผลิตได้ก็จะสามารถลดต้นทุนในส่วนการผลิตลงไปได้
โดยในแต่ละเดือนบริษัทมีความต้องการในการใช้เครื่องจักรอย่างตํ่า ดังต่อไปนี้
เดือน จำ�นวนเครื่องจักรที่ต้องการใช้ เดือน จำ�นวนเครื่องจักรที่ต้องการใช้

มกราคม 20 กรกฎาคม 9
กุมภาพันธ์ 18 สิงหาคม 12
มีนาคม 10 กันยายน 10
เมษายน 22 ตุลาคม 15
พฤษภาคม 10 พฤศจิกายน 17
มิถุนายน 8 ธันวาคม 23
โดยบริษัทที่ให้เช่าเครื่องจักรมีเงื่อนไขในการให้เช่าอยู่ว่าเครื่องจักรสามารถทำ�งานได้
ต่อเนื่องไม่เกิน 4 เดือนและหยุดพักเครื่องจักร 1 เดือน จึงจะสามารถทำ�งานในรอบถัดไปได้
และบริษัท พลาสติกไทย จำ�กัด จะต้องทำ�สัญญาเช่าเป็นเวลา 1 ปี โดยคิดค่าเช่าเดือนละ 15,000
บาทต่อเครื่อง แต่สำ�หรับเดือนมกราคม เมษายน และธันวาคม ที่มีเทศกาลสำ�คัญจะคิดค่าเช่า
เดือนละ 18,000 บาทต่อเครื่องโดยเดือนที่หยุดพักเครื่องจะคิดเฉพาะค่าบำ�รุงรักษา 5,000 บาท
ต่อเครื่อง ดังนั้นจะได้ช่วงเวลาการทำ�งานของเครื่องจักรและค่าเช่าดังต่อไปนี้
แบบที่ เดือนที่หยุด ค่าเช่าต่อปี

1 มกราคม/มิถุนายน/พฤศจิกายน 156,000
2 กุมภาพันธ์/กรกฎาคม/ธันวาคม 156,000
3 มีนาคม/สิงหาคม 169,000
4 เมษายน/กันยายน 166,000
5 พฤษภาคม/ตุลาคม 169,000
เพื่อให้มีต้นทุนในการเช่าเครื่องจักรน้อยที่สุด บริษัทจะต้องเช่าเครื่องจักรในรูปแบบ
ใดบ้าง จำ�นวนกี่เครื่อง ซึ่งจะต้องเพียงพอสำ�หรับการผลิตสินค้าในแต่ละเดือน
ตัวแปรที่ต้องตัดสินใจ
X1 = จำ�นวนของเครื่องจักรที่เช่าแบบที่ 1
Objective Function
MIN: 156,000X1 + 156,000X2 + 169,000X3 + 166,000X4 + 169,000X5
Constraints
0X1 + 1X2 + 1X3 + 1X4 + 1X5 >= 20 : มกราคม
1X1 + 0X2 + 1X3 + 1X4 + 1X5 >= 18 : กุมภาพันธ์
1X1 + 1X2 + 0X3 + 1X4 + 1X5 >= 10 : มีนาคม
1X1 + 1X2 + 1X3 + 0X4 + 1X5 >= 22 : เมษายน
1X1 + 1X2 + 1X3 + 1X4 + 0X5 >= 10 : พฤษภาคม
0X1 + 1X2 + 1X3 + 1X4 + 1X5 >= 8 : มิถุนายน
1X1 + 0X2 + 1X3 + 1X4 + 1X5 >= 9 : กรกฎาคม
1X1 + 1X2 + 0X3 + 1X4 + 1X5 >= 12 : สิงหาคม
1X1 + 1X2 + 1X3 + 0X4 + 1X5 >= 10 : กันยายน
1X1 + 1X2 + 1X3 + 1X4 + 0X5 >= 15 : ตุลาคม
0X1 + 1X2 + 1X3 + 1X4 + 1X5 >= 17 : พฤศจิกายน
1X1 + 0X2 + 1X3 + 1X4 + 1X5 >= 23 : ธันวาคม
Xi >= 0
Xi ไม่ติดลบ และเป็นจำ�นวนเต็ม
Xi = Integer
ข้อสังเกต ตัวแปรตัดสินใจ คือ จำ�นวนเครื่องจักรในแต่ละเดือน จึงต้องเป็นจำ�นวนเต็ม

เสมอ
จากแบบจำ�ลองดังกล่าว สามารถนำ�มาสร้างแบบจำ�ลองใน Spreadsheet ได้ดังแสดง
ในรูปที่ 4-5 ดังต่อไปนี้
Key Cell Formulas

B10 =SUMPRODUCT(B5:B9,$N$5:$N$9) C10:M10
O10 =SUMPRODUCT(N5:N9,O5:O9) ----
รูปที่ 4-5 แบบจำ�ลองใน Spreadsheet ของกรณีศึกษาบริษัทพลาสติกไทย
และเมื่อ Run Solver แล้ว ก็จะได้รับคำ�ตอบ ดังแสดงในรูปที่ 4-6 ดังต่อไปนี้
รูปที่ 4-6 ผลลัพธ์จากการ Run Solver ของกรณีศึกษาบริษัทพลาสติกไทย
ตัวแปรที่มีค่าได้ 2 ค่า (Binary Variable)

สำ�หรับตัวแปรที่เป็นจำ�นวนเต็มนั้น ยังมีอีกรูปแบบหนึ่ง คือตัวแปรที่มีค่าได้ 2 ค่า
ได้แก่ 0 กับ 1 เท่านั้น เราเรียกตัวแปรในลักษณะนี้ว่า Binary Variable โดยตัวแปรในลักษณะ
นี้จะมีประโยชน์อย่างยิ่งต่อการแก้ปัญหาที่มีลักษณะของเงื่อนไขต่าง ๆ ยกตัวอย่างเช่น ค่าใช้จ่าย
เกี่ยวกับ Set Up ซึ่งจะเกิดขึ้นก็ต่อเมื่อมีการผลิตเท่านั้น แต่จะผลิตมากหรือน้อยนั้น ค่าใช้จ่าย
นี้ก็จะคงที่ไม่ได้ผันแปรไปกับจำ�นวนการผลิต เพื่อให้เห็นภาพชัดเจนขึ้นจึงขอยกตัวอย่างจากกรณี
ศึกษาดังต่อไปนี้
กรณีศึกษาการแข่งขันผู้นำ�ทางการลงทุน
ในการแข่งขันหาผู้นำ�ด้านการลงทุนที่จัดขึ้นโดยสถาบันสนับสนุนการลงทุน ได้กำ�หนด
ไว้ว่าผู้แข่งขันทุกคนจะได้รับเงินทุนเท่ากันในแต่ละงวด ทั้งหมด 5 งวด โดยในงวดแรกเป็น
เงินลงทุนเท่ากับ 500,000 บาท และในงวดที่ 2 เท่ากับ 100,000 บาท และในงวดที่ 3 4
และ 5 เป็นเงินเท่ากับ 70,000 บาท ทั้งนี้เงินทุนที่เหลือจากงวดก่อนหน้า ไม่สามารถนำ�มา
ใช้ได้ในงวดถัดไป ทางสถาบันได้มีการกำ�หนดโครงการที่จะให้แต่ละคนเลือกลงทุนไว้ 6 โครงการ
โดยผู้เข้าแข่งขันสามารถเลือกโครงการซํ้ากันได้ หากท่านเป็นผู้เข้าแข่งขันที่ได้รับโจทย์นี้ ท่าน
จะเลือกลงทุนในโครงการใดบ้างเพื่อให้ได้รับชัยชนะ โดยสถาบันจะพิจารณาจาก Net Present
Value (NPV) ที่ได้รับจากการลงทุน โดยข้อมูลเกี่ยวกับเงินลงทุนและ Net Present Value
(NPV) เป็นไปตามตารางดังต่อไปนี้
ค่า NPV ที่กำ�หนด เงินทุน (หน่วย: พันบาท) ที่ต้องการใน

โครงการ
(หน่วย: พันบาท) งวดที่ 1 งวดที่ 2 งวดที่ 3 งวดที่ 4 งวดที่ 5
1 252 145 50 25 25 0
2 195 110 35 35 5 15
3 159 95 25 15 15 20
4 297 155 65 25 35 15
5 212 125 40 20 15 5
6 113 60 30 10 25 10
ในลักษณะของปัญหารูปแบบตัดสินใจเช่นนี้ คำ�ตอบที่ต้องการสำ�หรับแต่ละโครงการ
คือ จะลงทุนหรือไม่ลงทุนในโครงการนั้น ไม่ใช่ว่าแต่ละโครงการจะลงทุนเท่าไร ถ้ามีการตัดสินใจ
ลงทุนแล้ว ก็จะต้องใช้เงินลงทุนตามที่กำ�หนดไว้เท่านั้น ดังนั้นตัวแปรตัดสินใจที่จะได้คำ�ตอบจึงมี
เพียง 2 ค่าโดยกำ�หนดให้ 0 = ไม่ลงทุน 1 = ลงทุน ซึ่งตัวแปรนี้ก็คือ Binary Variables นั่นเอง
1, if project i is selectedi = 1, 2, ..., 6
Xi =
0, otherwise
Objective function
MAX: 252X1 + 195X2 + 159X3 + 297X4 + 212X5 + 113X6
Constraints
145X1 + 110X2 + 95X3 + 155X4 + 125X5 + 60X6 <= 500 } งวดที่ 1
50X1 + 35X2 + 25X3 + 65X4 + 40X5 + 30X6 <= 100 } งวดที่ 2
25X1 + 35X2 + 15X3 + 25X4 + 20X5 + 10X6 <= 70 } งวดที่ 3
25X1 + 5X2 + 15X3 + 35X4 + 15X5 + 25X6 <= 70 } งวดที่ 4
0X1 + 15X2 + 20X3 + 15X4 + 5X5 + 10X6 <= 70 } งวดที่ 5
All Xi = Binary

Key Cell Formulas

D12 =SUMPRODUCT(D6:D11,$B$6:$B$11) E12:H12
D16 =SUMPRODUCT(C6:C11,$B$6:$B$11) ---
รูปที่ 4-7 แบบจำ�ลองใน Spreadsheet ของกรณีศึกษาการแข่งขันผู้นำ�ทางการลงทุน
ในการกำ�หนดตัวแปรที่ต้องตัดสินใจให้เป็นตัวแปรแบบ Binary นั้น สามารถทำ�ได้โดย
ใส่สมการข้อจำ�กัดใน Solver Parameters ดังแสดงในรูปที่ 4-8 ดังต่อไปนี้
รูปที่ 4-8 การกำ�หนดตัวแปรให้เป็น Binary Variable
และเมื่อ Run Solver แล้ว ก็จะได้รับคำ�ตอบดังแสดงในรูปที่ 4-9 ดังต่อไปนี้
รูปที่ 4-9 ผลลัพธ์จากการ Run Solver ของกรณีศึกษาการแข่งขันผู้นำ�ทางการลงทุน
การใช้ Binary Variable ในการกำ�หนดเงื่อนไขต่างๆ
จากกรณีศึกษาในข้อที่ผ่านมาจะเห็นได้ว่า Binary Variable นั้นจะสามารถนำ�มา
ใช้ได้กับโจทย์ปัญหาที่มีลักษณะของคำ�ตอบ 2 รูป เช่น ลงทุนหรือไม่ลงทุน ใช่หรือไม่ใช่ เป็นต้น
จากรูปที่ 4-9 ก็จะเห็นได้ว่าควรจะลงทุนในโครงการที่ 2 3 4 และ 6 เป็นต้น
นอกจากลักษณะการลงทุนในรูปแบบดังกล่าวแล้วนั้น เรายังสามารถนำ�เอา Binary
Variable มาใช้ในโจทย์ปัญหาที่มีลักษณะของเงื่อนไขต่าง ๆ ยกตัวอย่างได้ดังต่อไปนี้
• หากมีข้อจำ�กัดเพิ่มขึ้นว่า โครงการ 1 3 หรือ 6 ถ้าจะเลือก สามารถเลือกได้ไม่เกิน
1 โครงการเท่านั้น การมีเงื่อนไขนี้เพิ่มขึ้นมา ข้อจำ�กัดที่เพิ่มขึ้นก็คือ X1 + X3 + X6 ≤ 1 จะเห็น
ได้ว่า เมื่อเพิ่มข้อจำ�กัดนี้ขึ้นมาแล้วนั้น ทั้ง X1 X3 และ X6 นั้นก็ต่างเป็น Binary Vairable ทั้ง
สิ้น ถ้าโครงการที่ 1 ถูกเลือก X1 จะมีค่าเท่ากับ 1 และด้วยเงื่อนไขนี้อีก 2 โครงการที่เหลือคือ
X3 และ X6 ก็จะต้องมีค่าเป็น 0 โดยอัตโนมัติทันที (คือไม่ถูกเลือก) ดังนั้นการเพิ่มเงื่อนไขเข้าไป
จึงเป็นสิ่งที่ยืนยันว่าใน 3 โครงการนี้จะไม่มีการเลือกเกิน 1 โครงการเป็นอันขาด อย่างไรก็ตาม
เงื่อนไขนี้ไม่ได้บังคับให้ต้องเลือกโครงการใดโครงการหนึ่งจะไม่เลือกเลยก็ได้
• ถ้ามีข้อจำ�กัดเพิ่มขึ้นว่าโครงการ 1 3 หรือ 6 จะต้องเลือกดำ�เนินโครงการใดโครงการ
หนึ่งเพียง 1 โครงการเท่านั้น การมีเงื่อนไขนี้เพิ่มขึ้นมา ข้อจำ�กัดที่เพิ่มขึ้นก็คือ X1 + X3 + X6
= 1 ซึ่งในกรณีนี้จะไม่เลือกโครงการใด ๆ เลยไม่ได้ เพราะจะทำ�ให้สมการไม่เป็นจริง (X1 X3
และ X6 เป็น 0 พร้อมกันไม่ได้) และจะเลือกเกิน 1 โครงการก็เป็นไปไม่ได้เช่นกัน
• ถ้ามีข้อจำ�กัดเพิ่มขึ้นว่าจะเลือกดำ�เนินโครงการที่ 4 ไม่ได้หากไม่ได้ดำ�เนินโครงการ
ที่ 5 ด้วย (แต่สามารถเลือกดำ�เนินโครงการที่ 5 โดยไม่จำ�เป็นต้องเลือกโครงการที่ 4) ในลักษณะ
นี้เราอาจจะกำ�หนดข้อจำ�กัดเพิ่มขึ้นโดยให้ X4 ≤ X5 จะเห็นได้ว่าเมื่อโครงการที่ 4 ถูกเลือกแล้ว
(X4 มีค่าเท่ากับ 1) โครงการที่ 5 จะต้องถูกเลือกโดยอัตโนมัติ (X5 จะต้องมีค่าเท่ากับ 1 ทันที
ไม่เช่นนั้นอสมการจะไม่เป็นจริง)
เพื่อให้เห็นภาพการใช้ Binary Variable ในการสร้างเงื่อนไขต่าง ๆ เหล่านี้ชัดเจนขึ้นจึง

ขอยกตัวอย่างผ่านกรณีศึกษาดังต่อไปนี้
กรณีศึกษากระบวนการผลิตอาหารกระป๋อง
บริษทั ผลิตอาหารกระป๋องแห่งหนึง่ ต้องการวางแผนกระบวนการผลิตในส่วนการบรรจุ
อาหารใหม่ โดยบริษัทสามารถผลิตอาหารกระป๋องได้ 3 ชนิด ได้แก่ ผักกาดดองเค็ม ปลาซาร์ดีน
ในซอสมะเขือเทศ และหอยลายอบแห้ง ซึง่ ผลิตภัณฑ์ทงั้ 3 ชนิดนี้ ต้องผ่านขัน้ ตอนทำ�ความสะอาด
กระป๋อง บรรจุลงกระป๋อง และปิดฉลาก ตารางด้านล่างนี้แสดงจำ�นวนชั่วโมงที่ใช้ผลิตสินค้าแต่ละ
ชนิดในแต่ละขั้นตอน และจำ�นวนชั่วโมงการทำ�งานทั้งหมดที่มีอยู่ของแต่ละขั้นตอน ดังนี้
เวลาที่ใช้ในการผลิตต่อลัง (นาที) เวลาทั้งหมดที่มี

ขั้นตอน
ผลิตภัณฑ์ที่ 1 ผลิตภัณฑ์ที่ 2 ผลิตภัณฑ์ที่ 3 (นาที)
ทำ�ความสะอาด 35 40 35 1,800
บรรจุ 25 22 15 1,200
ปิดฉลาก 15 20 25 1,000
จากข้อมูลในอดีตพบว่าต้นทุนการผลิตอาหารกระป๋องแต่ละชนิดมีความแตกต่างกัน
โดยผักกาดกระป๋องมีต้นทุน 675 บาทต่อลัง ปลากระป๋องมีต้นทุน 850 บาทต่อลัง และ
หอยลายกระป๋องมีต้นทุน 1,800 บาทต่อลัง ทั้งนี้เป็นต้นทุนที่ยังไม่รวมค่าติดตั้งเครื่องจักร
โดยการผลิตผักกาดกระป๋อง ปลากระป๋อง และหอยลายกระป๋องต้องลงทุนค่าติดตั้ง 2,000
1,600 และ 2,400 บาท ตามลำ�ดับ ทั้งนี้กำ�ไรที่ได้ในผลิตภัณฑ์แต่ละชนิดทางบริษัทได้กำ�หนดไว้ที่
35% 25% และ 30% ของต้นทุนผันแปรทั้งหมดตามลำ�ดับ โดยฝ่ายการตลาดเชื่อว่าจะสามารถ
ขายสินค้าได้ทุกชิ้นที่ผลิต ดังนั้นฝ่ายบริหารต้องการทราบว่าจะผลิตสินค้าแต่ละชนิดเป็นจำ�นวน
เท่าไหร่เพื่อให้ได้กำ�ไรสูงที่สุด
Xi = จำ�นวนสินค้าแต่ละชนิดที่ผลิต i = 1, 2, 3
1, Xi > 0
Yi = i = 1, 2, 3
0, Xi = 0
ตัวแปรตัดสินใจเกี่ยวกับค่าติดตั้ง โดยค่าติดตั้ง Yi จะเกิดขึ้นเมื่อมีการผลิตสินค้า Xi
Objective Function
MAX: 0.35(675X1) - 2,000Y1 + 0.25(850X2) - 1,600Y2 + 0.3(1,800X3) – 2,400Y3
Constraints
35X1 + 40X2 + 35X3 <= 1,800 } ทำ�ความสะอาด
25X1 + 22X2 + 15X3 <= 1,200 } บรรจุ
15X1 + 20X2 + 25X3 <= 1,000 } ติดสลาก
Yi = Binary
Xi >= 0
จาก Objective Function จะเห็นว่ามีตัวแปรตัดสินใจ Yi เข้ามาเกี่ยวข้องซึ่ง Yi

นั้นหมายถึงต้นทุนการติดตั้งโดยจะสัมพันธ์กับการผลิตสินค้า Xi กล่าวคือหากไม่มีการผลิตสินค้า
Xi ก็จะไม่มีต้นทุนการติดตั้ง แต่หากมีการผลิต Xi ไม่ว่าจะเป็นปริมาณเท่าไรก็ตาม ก็จะเกิดต้นทุน
การติดตั้งขึ้นทันที และต้นทุนนี้จะคงที่ไม่ขึ้นอยู่กับปริมาณการผลิต Xi ดังนั้นสมการข้อจำ�กัดจึง
จำ�เป็นต้องกำ�หนดความสัมพันธ์ระหว่าง Xi กับ Yi ดังต่อไปนี้
X1 ≤ M1Y1 หรือ X1 - M1Y1 ≤ 0

X2 ≤ M2Y2 หรือ X2 - M2Y2 ≤ 0
X3 ≤ M3Y3 หรือ X3 - M3Y3 ≤ 0
โดย M เป็นสัมประสิทธิ์ของ Y โดยค่าของ M นั้นจะเป็น Upper Bound ของค่า X

แต่ละตัวนั่นเอง หากพิจารณาจากข้อจำ�กัดชุดนี้ จะพบว่าในกรณีที่มีการผลิต Xi เพื่อให้อสมการ
นี้เป็นจริงค่า Yi ซึ่งเป็น Binary Variable จะถูกปรับเป็น 1 ทันที ซึ่งสอดคล้องกับความ
เป็นจริงในโจทย์ข้อนี้ ที่ว่าเมื่อมีการผลิตก็จะมีต้นทุนในการติดตั้งเกิดขึ้น และอสมการก็จะปรับ
เป็น Xi ≤ Mi นั่นเอง สำ�หรับในกรณีที่ไม่มีการผลิต Xi ค่า Y อาจจะเป็น 1 หรือ 0 ก็ได้ แต่จาก
Objective Function นั้น หากมีทางเลือก Yi จะถูกเลือกให้เป็น 0 มากกว่าที่จะเป็น 1 เพราะ
Yi ที่เป็น 1 จะทำ�ให้ Objective Function มีค่าลดตํ่าลง เมื่อเทียบกับ Yi ที่มีค่าเป็น 0 ดังนั้น
การสร้างความสัมพันธ์ในลักษณะนีจ้ งึ ทำ�ให้แบบจำ�ลองเป็นไปตามความเป็นจริง คือ เมือ่ มีการผลิต
Xi ค่า Yi จะมีค่าเท่ากับ 1 และเมื่อไม่มีการผลิต Xi ค่า Yi จะมีค่าเท่ากับ 0 นั่นเอง
สำ�หรับค่า Mi ซึ่งถือว่าเป็นค่า Upper Bound ของ Xi นั้น เราอาจจะ Set เป็นเลข
จำ�นวนมาก ๆ ที่เราแน่ใจว่าถึงอย่างไร Xi ก็ไม่มีทางมีค่าเกินนั้นไปได้ หรือในกรณีของโจทย์ข้อนี้
เราอาจหาค่า Mi แต่ละตัวได้จากการพิจารณาจากข้อจำ�กัดในเรื่องเวลาในการทำ�ความสะอาด
บรรจุและติดสลากทั้ง 3 ข้อดังต่อไปนี้
ในกรณีของ M1 ค่า X1 จะมีค่าสูงสุดเมื่อ X2 = X3 = 0 ดังนั้นข้อจำ�กัดทั้ง 3 ข้อจะ
มีดังต่อไปนี้
35X1 <= 1,800 หรือ X1 <= 51.42

25X1 <= 1,200 หรือ X1 <= 48
15X1 <= 1,000 หรือ X1 <= 66.67
ซึ่งโดยสรุปแล้วค่า X1 ที่มากที่สุดที่เป็นไปได้คือ 48 นั่นเอง ดังนั้น ค่า M1 จึงมีค่า

เท่ากับ 48 นั่นเอง
โดยการใช้วิธีการเดียวกันนี้ก็จะได้ค่า M2 และ M3 เท่ากับ 45 และ 40 ตามลำ�ดับ
ข้อสังเกต การใช้คำ�สั่ง IF ( ) จะไม่สามารถใช้ได้กับการแก้ปัญหาของ Solver ดังนั้น

จึงจำ�เป็นที่ต้องสร้างความสัมพันธ์ด้วยสมการข้อจำ�กัดและกำ�หนดให้ Y เป็น Changing Cell
ด้วยเช่นกัน
ดังนั้นแบบจำ�ลองที่สมบูรณ์ของโปรแกรมเชิงเส้นสำ�หรับกรณีศึกษานี้จะมีดังต่อไปนี้
Xi = จำ�นวนสินค้าแต่ละชนิดที่ผลิต i = 1, 2, 3
1, Xi > 0
Yi = i = 1, 2, 3
0, Xi = 0
ตัวแปรตัดสินใจเกี่ยวกับค่าติดตั้ง โดยค่าติดตั้ง Yi จะเกิดขึ้นเมื่อมีการผลิตสินค้า Xi
Objective Function
MAX: 0.35(675X1) – 2,000Y1 + 0.25(850X2) – 1,600Y2 + 0.3(1,800X3) – 2,400Y3
Constraints
35X1 + 40X2 + 35X3 <= 1,800 } ทำาความสะอาด
25X1 + 22X2 + 15X3 <= 1,200 } บรรจุ
15X1 + 20X2 + 25X3 <= 1,000 } ติดสลาก
X1 <= 48Y1
X2 <= 45Y2
X3 <= 40Y3
Yi = Binary
Xi >= 0
จากแบบจำาลองดังกล่าว สามารถนำามาสร้างแบบจำาลองใน Spreadsheet ได้ดังแสดง

Key Cell Formulas

B10 =(B5*B7*B9) - (B8*B17) C10:D10
E10 =SUM(B10:D10)
E13 =SUMPRODUCT(B13:D13,$B$5:$D$5) E14:E15
B18 =B5 - MIN($F$13/B13,$F$14/B14,$F$15/B15)*B17 C18:D18
รูปที่ 4-10 แบบจำาลองใน Spreadsheet ของกรณีศึกษากระบวนการผลิตอาหารกระป๋อง
การใช้โปรแกรมเชิงเส้นในกรณีที่ค�าตอบเป็นจ�านวนเต็ม 107
รูปที่ 4-11 ผลลัพธ์จากการ Run Solver ของกรณีศึกษากระบวนการผลิตอาหารกระป๋อง
กรณีศึกษาบริษัท Freshly Fruit

บริษัท Freshly Fruit เป็นบริษัทผลิตผลไม้กระป๋องรายใหญ่ ตั้งโรงงานอยู่ที่จังหวัด
สมุทรสาคร โดยผลไม้ที่นำ�มาแปรรูปนั้นประกอบด้วย สับปะรด เงาะ ลิ้นจี่ และลำ�ไย ทั้งนี้ผลไม้
แต่ละชนิดจะมีตัวแทนจำ�หน่ายทำ�หน้าที่รวบรวมสินค้าไว้ที่โกดังของตนเองก่อนแล้วจึงจัดส่งตาม
ที่โรงงานสั่งไป และเนื่องจากแต่ละตัวแทนจำ�หน่ายมีโกดังอยู่คนละพื้นที่กัน จึงส่งผลต่อต้นทุนค่า
ขนส่ง ปัจจุบันมีตัวแทนจำ�หน่าย 3 รายที่ทำ�หน้าที่รวบรวมและส่งผลไม้ให้กับโรงงาน ตารางนี้
แสดงข้อมูลเกี่ยวกับค่าจัดส่งผลไม้ชนิดต่าง ๆ ต่อหนึ่งตันของทั้ง 3 ตัวแทนจำ�หน่าย และนํ้าหนัก
ที่แต่ละตัวแทนสามารถจัดส่งได้
ต้นทุนค่าขนส่งต่อผลไม้ (บาทต่อตัน)
สับปะรด เงาะ ลิ้นจี่ ลำ�ไย นํ้าหนักที่จัดส่งได้
(1) (2) (3) (4) (ตัน)
ตัวแทนจำ�หน่ายที่ 1 120 185 255 225 650
ตัวแทนจำ�หน่ายที่ 2 225 210 180 145 400
ตัวแทนจำ�หน่ายที่ 3 140 115 200 160 475
นํ้าหนักที่ต้องการ (ตัน) 275 400 375 325
ตัวอย่างเช่น ตัวแทนที่ 1 สามารถส่งผลไม้ได้มากที่สุด 650 ตัน โดยสับปะรด

เงาะ ลิ้นจี่ และลำ�ไย ที่จัดส่งจะมีต้นทุนต่อตัน เท่ากับ 120 185 255 และ 225 บาทต่อตัน
ตามลำ�ดับ บรรทัดสุดท้ายของตารางแสดงถึงนํ้าหนักของผลไม้แต่ละชนิดที่ต้องการใช้
เนื่องจากแต่ละตัวแทนจำ�หน่ายมีทรัพยากรที่ใช้ในการขนส่งต่างกัน จึงมีการเพิ่ม
เงื่อนไขอีกว่า ตัวแทนจำ�หน่ายที่ 1 จะไม่ส่งผลไม้จำ�นวนตํ่ากว่า 200 ตันไปยังโรงงาน ตัวแทน
จำ�หน่ายที่ 2 ไม่สามารถส่งผลไม้มากกว่า 150 ตันให้กับโรงงานเกินกว่า 2 ชนิด ตัวแทนที่ 3
จะรับงานเฉพาะที่จัดส่งผลไม้จำ�นวน 200 ตัน 350 ตัน หรือ 425 ตันเท่านั้น
Freshly Fruit สามารถทำ�สัญญากับตัวแทนจำ�หน่ายได้หลายแห่ง ดังนั้น บริษัท
ต้องซื้อผลไม้แต่ละชนิดจากตัวแทนจำ�หน่ายรายใดเป็นจำ�นวนเท่าไหร่ เพื่อให้ได้ผลไม้ตามที่
ต้องการในต้นทุนที่ตํ่าที่สุด
Xij = นํ้าหนักผลไม้ j ที่สั่งซื้อจากตัวแทนจำ�หน่าย i
Objective Function
MIN: 120X11 + 185X12 + 255X13 + 225X14 + 225X21 + 210X22 + 180X23
+ 145X24 + 140X31 + 115X32 + 200X33 + 160X34
Constraints
Supply Constraints
X11 + X12 + X13 + X14 <= 650 } ตัวแทนจำ�หน่ายที่ 1
Demand Constraints
X11 + X21 + X31 = 275 } สับปะรด
X12 + X22 + X32 = 400 } เงาะ
X13 + X23 + X33 = 375 } ลิ้นจี่
X14 + X24 + X34 = 325 } ลำ�ไย
นอกจากนี้ยังมีข้อจำ�กัดเกี่ยวกับนํ้าหนักที่ส่งตามเงื่อนไขของตัวแทนจำ�หน่ายทั้งสาม
ข้อจำ�กัดเพิ่มเติมสำ�หรับตัวแทนจำ�หน่ายที่ 1
X11 <= 650Y11
X12 <= 650Y12
X13 <= 650Y13
X14 <= 650Y14
X11 >= 200Y11
X12 >= 200Y12
X13 >= 200Y13
X14 >= 200Y14
Yij = Binary
หมายความว่าตัวแทนจำ�หน่ายที่ 1 สามารถส่งผลไม้ได้ไม่เกิน 650 ตันและไม่น้อยกว่า

200 ตัน
X21 <= 150 + 250Y21
X22 <= 150 + 250Y22
X23 <= 150 + 250Y23
X24 <= 150 + 250Y24
Y21 + Y22 + Y23 + Y24 <= 2
Yij = Binary
หมายความว่าตัวแทนจำ�หน่ายที่ 2 สามารถส่งผลไม้ได้ไม่เกิน 400 ตันและส่งผลไม้เกิน

150 ตันได้ไม่เกิน 2 ชนิด
X31 + X32 + X33 + X34 = 200Y31 + 350Y32 + 425Y33
Y31 + Y32 + Y33 <= 1
Yij = Binary
หมายความว่าตัวแทนจำ�หน่ายที่ 3 สามารถส่งผลไม้ได้ครั้งละ 200 350 หรือ 425 ตัน

เท่านั้น

ในรูปที่ 4-12 ดังหน้าถัดไป
Key Cell Formulas
B15 =SUM(B12:B14) C15:E15
F12 =SUM(B12:E12) F13:F14
G17 =SUMPRODUCT(B6:E8,B12:E14) ---
B22 =B12-$G$12*B21 C22:E22
B23 =B12-$B$20*B21 C23:E23
B27 =B13-$B$25-($G$13-$B$25)*B26 C27:E27
E28 =SUM(B26:E26) ---
D32 =SUM(B14:E14)-SUMPRODUCT(B30:D30,B31:D31) ---
D33 =SUM(B31:D31) ---
รูปที่ 4-12 แบบจำ�ลองใน Spreadsheet ของกรณีศึกษาบริษัท Freshly Fruit
รูปที่ 4-13 ผลลัพธ์จากการ Run Solver ของกรณีศึกษา Freshly Fruit
1. บริษัทผลิตรถยนต์แห่งหนึ่งต้องการวางแผนการผลิตรถยนต์ในอีก 4 สัปดาห์ข้างหน้า โดย

ได้ทำ�การพยากรณ์จำ�นวนเครื่องยนต์ที่ต้องใช้เป็นชิ้นส่วนในการประกอบรถยนต์ดังต่อไปนี้
สัปดาห์ที่ จำ�นวนเครื่องยนต์ที่ต้องการ
1 350 เครื่อง
โดยในปัจจุบันบริษัทไม่ได้มีการเก็บเครื่องยนต์ไว้เลย ในการจัดซื้อเครื่องยนต์นั้น โดยปกติ

บริษัทได้จัดซื้อจากผู้จัดส่งเครื่องยนต์รายใหญ่รายหนึ่ง โดยบริษัทผู้จัดส่งนี้มีนโยบายในการ
จำ�หน่ายเครื่องยนต์เป็น Lot โดยจะจำ�หน่ายเป็นจำ�นวนเท่าของ 100 เครื่องเท่านั้น (นั่นคือ
จะจำ�หน่ายและจัดส่งเครื่องยนต์ 0 100 200 300 เครื่อง ไปเรื่อย ๆ) ราคาค่าเครื่องยนต์
เท่ากับ 125,000 บาทต่อเครื่อง และค่าจัดส่ง 50,000 บาทต่อครั้ง โดยจะทำ�การจัดส่ง
เครื่องยนต์ให้สัปดาห์ละครั้ง
สำ�หรับต้นทุนในการจัดเก็บเครือ่ งยนต์คงคลังนัน้ บริษทั ได้ท�ำ การศึกษาและพบว่าจะมีตน้ ทุน
1,500 บาทต่อเครื่องต่อสัปดาห์ (โดยให้คำ�นวณจากจำ�นวนเครื่องยนต์คงคลังปลายสัปดาห์)
และบริษัทต้องการมีเครื่องยนต์คงคลังปลายสัปดาห์สุดท้ายไม่ตํ่ากว่า 50 เครื่อง จากข้อมูล
ที่ให้มาบริษัทต้องการทราบปริมาณของจำ�นวน Lot ของเครื่องยนต์ที่บริษัทจะต้องจัดซื้อ
ในแต่ละสัปดาห์ (100 เครื่อง = 1 Lot) โดยที่จะทำ�ให้บริษัทสามารถมีจำ�นวนเครื่องยนต์
เพียงพอกับความต้องการและมีต้นทุนรวม (ต้นทุนในการจัดซื้อ การจัดส่งและการจัดเก็บ
โดยให้อยู่ในหน่วยล้านบาท) ที่ตํ่าที่สุด จากโจทย์ที่กำ�หนดให้ดังกล่าว กำ�หนดตัวแปร
Ni = จำ�นวน Lot ของเครื่องยนต์ที่บริษัทจะต้องจัดซื้อในสัปดาห์ที่ i
Yi = Binary Variable
Ei = จำ�นวนเครื่องยนต์คงคลังปลายสัปดาห์ที่ i
Bi = จำ�นวนเครื่องยนต์คงคลังต้นสัปดาห์ที่ i
Di = จำ�นวนเครื่องยนต์ที่ต้องการ (Demand) ในสัปดาห์ที่ i
จากโจทย์ที่กำ�หนดให้ จงตอบคำ�ถามดังต่อไปนี้
1.1 เขียน Objective Function และ Constraints (ใช้สัญลักษณ์ตัวแปรตามที่กำ�หนด
ให้เท่านั้น)
1.2 คำ�นวณหาต้นทุนที่ตํ่าที่สุดและเพื่อให้ได้ต้นทุนตํ่าที่สุด ในแต่ละสัปดาห์บริษัทควรจัด
ซื้อเครื่องยนต์จำ�นวนกี่เครื่อง
2. บริ ษั ท เช่ า รถบริ ษั ท หนึ่ ง มี บ ริ ก ารที่ ใ ห้ ลู ก ค้ า เช่ า รถจากที่ ห นึ่ ง และไปส่ ง รถอี ก ที่ ห นึ่ ง ได้
ในขณะนี้บริษัทนี้มีรถเหลืออยู่ในจุดที่ 1 และจุดที่ 2 อยู่ 16 คันและ 18 คันตามลำ�ดับ
ในขณะที่จุดที่ 3 4 5 และ 6 ไม่มีรถอยู่เลย ผู้บริหารบริษัทนี้จึงต้องการที่จะเคลื่อนย้าย
รถทุกคันจากจุดที่ 1 และ 2 ไปยังจุดที่ 3-6 โดยต้องการให้ในจุดที่ 3-6 มีรถอย่างตํ่า 5
คันแต่ไม่เกิน 10 คัน นอกจากนี้ต้นทุนในการเคลื่อนย้ายรถจากจุดหนึ่งไปยังอีกจุดหนึ่งมี
ต้นทุนในการเคลื่อนย้ายรถระหว่างจุด
จุดจอดรถ
จุดที่ 3 จุดที่ 4 จุดที่ 5 จุดที่ 6
จุดที่ 1 540 บาท/คัน 170 บาท/คัน 230 บาท/คัน 300 บาท/คัน
จุดที่ 2 240 บาท/คัน 180 บาท/คัน 190 บาท/คัน 310 บาท/คัน
จากข้อมูลที่กำ�หนด ให้ใช้ Microsoft Excel Solver ในการหาต้นทุนที่ตํ่าที่สุดใน

การเคลื่อนย้ายรถและวิธีการเคลื่อนย้ายรถที่ทำ�ให้ต้นทุนรวมตํ่าที่สุด
3. Homemade Bakery ผลิต Cupcake ด้วยกัน 2 ชนิด คือ Marble Cake และ Butter
Cake โดยมีส่วนผสม ดังนี้
ส่วนผสม Marble Cake Butter Cake
ถ้วยกระดาษ 1 ถ้วยต่อชิ้น 1 ถ้วยต่อชิ้น
แป้ง 60 กรัมต่อชิ้น 80 กรัมต่อชิ้น
น้ำ�ตาล 20 กรัมต่อชิ้น 25 กรัมต่อชิ้น
เวลาที่ใช้ในการผลิต 4 นาทีต่อชิ้น 2 นาทีต่อชิ้น
ทั้งนี้ทางร้านมีถ้วยกระดาษ 250 ถ้วย แป้ง 18 กิโลกรัม นํ้าตาล 6 กิโลกรัม และเวลา

ในการผลิต Cupcake ทั้งสองชนิดจำ�นวน 10 ชั่วโมง โดยการขาย Marble Cake
จะได้กำ�ไร 10 บาทต่อชิ้น ส่วน Butter Cake จะมีกำ�ไร 12 บาทต่อชิ้น ดังนั้น ทางร้าน
จะต้องผลิต Cupcake ทั้งสองชนิดอย่างละกี่ชิ้นเพื่อให้ได้กำ�ไรสูงสุด
4. บริษัท Thai Bridgestone จำ�กัด ต้องการผลิตยางรถยนต์ 2 รุ่น สำ�หรับรถโดยสาร
ส่วนบุคคล (Passenger Car Radial: PSR) และรถกระบะ (Light Van Radial: LVR)
โดยทางฝ่ายผู้บริหารระดับสูงต้องการให้การผลิตในครั้งนี้มีกำ �ไรสูงสุด โดยมีข้อมูลจาก
ฝ่ายผลิตดังนี้
ข้อมูลจากฝ่ายผลิต PSR LVR
ยาง 10 กิโลกรัมต่อเส้น 14 กิโลกรัมต่อเส้น
ปริมาณสารเคมี 2 กรัมต่อเส้น 4 กรัมต่อเส้น
เวลาที่ใช้ในการผลิต 5 ชั่วโมงต่อเส้น 6 ชั่วโมงต่อเส้น
กำ�ไรต่อหน่วย 220 บาทต่อเส้น 320 บาทต่อเส้น
โดยบริษทั มียางอยู่ 3,000 กิโลกรัม สารเคมี 800 กรัมและเวลาทีใ่ ช้ในการผลิต 1,500 ชัว่ โมง
ดังนั้นบริษัทควรผลิตยางแต่ละชนิดจำ�นวนเท่าใด จึงจะได้กำ�ไรสูงสุด
5. บริษัท TU-Shirt เป็นผู้ผลิตและจำ�หน่ายเสื้อ 2 ชนิด ได้แก่ เสื้อโปโลรักชาติ และเสื้อเชิ้ต
รั ก ชาติ นายรั ก ชาติ ผู้ เ ป็ น เจ้ า ของกิ จ การกำ � ลั ง ตั ด สิ น ใจว่ า จะต้ อ งผลิ ต เสื้ อ แต่ ล ะชนิ ด
จำ�นวนเท่าไร จึงจะสร้างกำ�ไรให้กับบริษัทมากที่สุด โดยในการผลิตเสื้อทั้งสองแบบใช้ผ้า
สีย้อมผ้า และกระดุมชนิดเดียวกัน แต่ใช้ในปริมาณที่แตกต่างกัน โดยเสื้อโปโลรักชาติ
1 ตัว ใช้ผ้าจำ�นวน 1 เมตร สีย้อมผ้า 3 ขวด และใช้แรงงานในการตัดเย็บ 1 ชั่วโมง
ในขณะที่เสื้อเชิ้ตรักชาติ 1 ตัว ใช้ผ้าจำ�นวน 2 เมตร สีย้อมผ้า 2 ขวด และใช้แรงงาน
ในการตัดเย็บ 1 ชั่วโมง
อย่างไรก็ตามนายรักชาติมีทรัพยากรเพื่อผลิตเสื้อทั้งสองแบบอยู่อย่างจำ�กัด คือ มีผ้า 500
เมตร สีย้อมผ้า 1,200 ขวด และจำ�นวนชั่วโมงแรงงานในการตัดเย็บทั้งสิ้น 400 ชั่วโมง
ทั้งนี้เสื้อโปโลรักชาติจะทำ�กำ�ไรได้ตัวละ 500 บาท และเสื้อเชิ้ตรักชาติจะทำ�กำ�ไรได้ตัวละ
750 บาท โดยเสื้อที่ผลิตทุกตัวจะสามารถขายได้หมด ดังนั้นในการผลิตครั้งนี้จะต้องผลิต
เสื้อโปโลรักชาติและเสื้อเชิ้ตรักชาติอย่างละกี่ตัวเพื่อให้ได้กำ�ไรสูงสุด
6. AB Company ผู้ผลิตและจำ�หน่ายสินค้า 2 ชนิด คือ X และ Y โดยสินค้า X แต่ละชิ้นจะ
ถูกสร้างได้โดยใช้เครื่องจักร A ทำ�งาน 16 นาที เครื่องจักร B ทำ�งาน 8 นาที และแรงงาน
1 ชัว่ โมง ส่วนสินค้า Y แต่ละชิน้ จะถูกสร้างได้โดยใช้เครือ่ งจักร A ทำ�งาน 12 นาที เครือ่ งจักร
B ทำ�งาน 14 นาที และแรงงาน 2 ชั่วโมง
นอกจากนี้ในการผลิตแต่ละสัปดาห์ เครื่องจักร A สามารถทำ�งานได้ 40 ชั่วโมง เครื่องจักร
B สามารถทำ�งานได้ 112/3 ชั่วโมง และมีจำ�นวนชั่วโมงแรงงาน 300 ชั่วโมง โดยสินค้า X
ทำ�กำ�ไรได้ชิ้นละ 5,000 บาท และ สินค้า Y ทำ�กำ�ไรได้ชิ้นละ 4,000 บาท เนื่องจากสินค้า
จากบริษัทนี้เป็นที่ต้องการของตลาดทำ�ให้สินค้าทุกชิ้นที่ผลิตจะขายได้ทั้งหมด
ถ้าบริษัทมีนโยบายที่จะต้องผลิตสินค้า Y ในจำ�นวนไม่ตํ่ากว่า 100 ชิ้น บริษัทควรจะผลิต
สินค้า X และ Y อย่างละเท่าไรเพื่อให้บริษัทได้กำ�ไรสูงสุด
7. บริษัทขายครีมบำ�รุงผิวยี่ห้อ Okay มีแผนจะวางจำ�หน่ายสินค้าที่ห้าง Tesco และ Big C
บริษัทกำ�ลังตัดสินใจว่า จะต้องวางขายสินค้าในแต่ละห้าง ห้างละกี่สาขา โดยการวางขาย
สินค้าในแต่ละสาขาของห้าง Tesco จะสามารถวางขายสินค้าได้ 10 ลัง และพนักงานขาย
ทำ�งานวันละ 8 ชั่วโมง ขณะที่ห้าง Big C จะสามารถวางขายสินค้าได้ 6 ลัง และพนักงาน
ขายทำ�งานวันละ 6 ชั่วโมง ในการขนส่งสินค้าให้ห้างทั้งสอง ทางบริษัทได้ใช้รถบรรทุกแบบ
เดียวกัน ซึ่งมีรถบรรทุกทั้งสิ้น 300 คัน (รถคันหนึ่งจะวิ่งไปเพียงสาขาใดสาขาหนึ่งเท่านั้น
เนื่องจากต้องส่งสินค้าพร้อม ๆ กัน) มีครีมที่จะวางขาย 2,448 ลัง และมีชั่วโมงในการทำ�งาน
ของพนักงานขายทั้งหมด 2,500 ชั่วโมง โดยการขายในแต่ละสาขาของ Tesco จะทำ�กำ�ไร
สาขาละ 2,800 บาท และ Big C จะทำ�กำ�ไรสาขาละ 2,400 บาท โดยในการวางขายสินค้า
ในแต่ละสาขาจะขายได้หมด ดังนั้นในการวางจำ�หน่ายสินค้าในครั้งนี้จะต้องวางขายสินค้า
ให้แต่ละห้างเป็นจำ�นวนกี่สาขาเพื่อให้ได้กำ�ไรสูงสุด
8. บริษัทผลิตเฟอร์นิเจอร์แห่งหนึ่ง ผลิตสินค้า 2 ชนิด ได้แก่ เก้าอี้และโต๊ะ โดยการผลิตเก้าอี้
1 ตัว จะต้องใช้เวลาในการผลิต 6 ชั่วโมง และมีวัตถุดิบที่ต้องใช้ คือ ไม้สำาเร็จรูป 2 แผ่น
น็อต 3 ตัว และสี 1 กระป๋อง ส่วนการผลิตโต๊ะ 1 ตัว จะใช้เวลาในการผลิต 5 ชั่วโมง และ
มีวัตถุดิบที่ต้องใช้ดังนี้ คือไม้สำาเร็จรูป 3 แผ่น น็อต 6 ตัว และสี 1 กระป๋อง แต่เนื่องจาก
ปัจจุบันบริษัทมีข้อจำากัดทางด้านเวลาและวัตถุดิบดังนี้ คือ เวลาที่ใช้ในการผลิตทั้งหมดต้อง
ไม่เกิน 600 ชั่วโมง และบริษัทมีไม้สำาเร็จรูปทั้งหมด 240 แผ่น น็อต 480 ตัว และสีจำานวน
100 กระป๋อง อยากทราบว่าบริษัทผลิตเฟอร์นิเจอร์แห่งนี้ควรทำาการผลิตโต๊ะและเก้าอี้
จำานวนอย่างละกี่ตัว เพื่อให้ได้กำาไรมากที่สุดโดยที่เก้าอี้ขายได้กำาไร 400 บาทต่อตัวและ
โต๊ะขายได้กำาไร 500 บาทต่อตัว
9. สินค้า 2 ประเภทได้แก่ A และ B มีข้อมูลในเรื่องกำาไร จำานวนวัตถุดิบ เวลาการผลิตและ
พื้นที่ที่ใช้ในการเก็บสินค้าดังต่อไปนี้
สินค้า กำาไรต่อหน่วย จำานวนวัตถุดิบ เวลาผลิต พื้นที่เก็บสินค้า
(บาท) (กิโลกรัมต่อหน่วย) (นาทีต่อหน่วย) (ตารางเมตรต่อหน่วย)
A 1,000 5 40 3
B 1,500 6 80 3
จากข้อมูลข้างต้นจะต้องผลิตสินค้า A และสินค้า B อย่างละเท่าไร จึงจะได้กำาไรสูงสุด ทั้งนี้

มีเวลาผลิตทั้งหมด 8,000 นาที เพื่อผลิตตามความต้องการของลูกค้า โดยพื้นที่เก็บสินค้ามี
ขนาดจำากัดไม่เกิน 450 ตารางเมตร และมีวัตถุดิบสำาหรับการผลิต 800 กิโลกรัม
10. ร้านขนมแห่งหนึ่งผลิตขนม 2 ชนิด คือ ขนมหวานกับขนมหวานมาก โดยมีส่วนประกอบ
ต่อ 1 ห่อ ดังนี้
ส่วนประกอบ ขนมหวาน ขนมหวานมาก
น้ำามัน 1.5 กรัมต่อห่อ 2 กรัมต่อห่อ
น้ำาตาล 6 กรัมต่อห่อ 9 กรัมต่อห่อ
แป้ง 17 กรัมต่อห่อ 16 กรัมต่อห่อ
ในการผลิตมีวัตถุดิบคือ นำ้ามัน 9,000 กรัม นำ้าตาล 40,000 กรัม และแป้ง 90,000 กรัม
หากร้านขนมนี้สามารถขายขนมหวานได้กำาไร 2.50 บาทต่อห่อ และขนมหวานมาก 3
บาทต่อห่อ ร้านขนมควรผลิตขนมแต่ละชนิดจำานวนเท่าไหร่จึงได้กำาไรสูงสุด
บทที่ 5
ในกรณีที่มีหลายวัตถุประสงค
บทนํา
ในการวิเคราะห์โปรแกรมเชิงเส้นในบทที่ผ่านมานั้น จะสังเกตเห็นว่าจะมี
การตั้งวัตถุประสงค์หลักเพียงวัตถุประสงค์เดียวเท่านั้น อย่างไรก็ตามในโลกของธุรกิจ
หลายครั้ ง วั ต ถุ ป ระสงค์ ที่ มี อ ยู่ อ าจจะมี ม ากกว่ า วั ต ถุ ป ระสงค์ เ พี ย งแค่ ข้ อ เดี ย ว เช่ น
การลงทุนในหลักทรัพย์ นอกจากกำาไรแล้วยังมีวัตถุประสงค์อีกประการอาจจะเป็น
การลดความเสี่ยง หรือ การสร้างโรงงานนอกจากจะต้องการลดต้นทุนการผลิตแล้ว
ยังอาจจะมีวัตถุประสงค์ในเรื่องการลดการปล่อยมลพิษด้วยเช่นกัน ด้วยเหตุนี้ ในบทนี้
จะได้นำาเสนอถึงวิธีการใช้โปรแกรมเชิงเส้นจัดการปัญหาที่มีหลายวัตถุประสงค์ดังที่
กล่าวไว้แล้ว
ในบทนี้มีวัตถุประสงค์ที่จะให้ผู้เรียนได้ศึกษาในหัวข้อดังต่อไปนี้
1. เพื่อให้ผู้เรียนเข้าใจถึงหลักการการแก้ปัญหาโดยใช้โปรแกรมเชิงเส้น ในกรณีที่มี
หลายวัตถุประสงค์ โดยมีค่าเป้าหมายที่ชัดเจน
2. เพือ่ ให้ผเู้ รียนเข้าใจถึงหลักการในการแก้ปญ
ั หาโดยใช้โปรแกรมเชิงเส้นในกรณีทมี่ หี ลาย
วัตถุประสงค์ โดยที่ยังไม่มีค่าเป้าหมายที่ชัดเจนในตอนแรก
โปรแกรมเชิงเส้นที่มีหลายวัตถุประสงค์ที่มีค่าเป้าหมายที่ชัดเจน
ในการตั ด สิ น ใจทางธุ ร กิ จ หลายครั้ ง วั ต ถุ ป ระสงค์ ใ นการตั ด สิ น ใจอาจจะมี ไ ด้ เ กิ น
1 วัตถุประสงค์ เช่น เราอาจต้องการสร้างกำ�ไรให้มากที่สุดเท่าที่จะมากได้ แต่ในขณะเดียวกัน
ก็ต้องการให้ความเสี่ยงตํ่าที่สุดเท่าที่จะเป็นไปได้เช่นกัน หรือในการซื้อวัตถุดิบ เราย่อมต้องการ
วัตถุดิบที่มีคุณภาพดีที่สุดและราคาตํ่าที่สุด ความยากของการตัดสินใจในลักษณะนี้คือ หลาย
ครั้งวัตถุประสงค์ที่เราต้องการให้เกิดขึ้นนั้นอาจจะมีลักษณะที่ขัดแย้งกัน เช่น หากต้องการกำ�ไร
มาก ความเสี่ยงก็อาจจะต้องมากตาม หรือ ต้องการของที่มีคุณภาพดี ก็ย่อมจะมีราคาแพง
ตามไปด้วย
ในบทที่ผ่าน ๆ มานั้น เราจะเลือกวัตถุประสงค์ใดวัตถุประสงค์หนึ่งให้เป็นวัตถุประสงค์
หลัก เช่น ต้องการทำ�กำ�ไรให้สูงสุด หรือต้องการให้ความเสี่ยงไม่เกินระดับใดระดับหนึ่ง โดย
ปรั บ วั ต ถุ ป ระสงค์ ที่ เ หลื อ มาเป็ น ข้ อ จำ � กั ด การกระทำ � ในลั ก ษณะนี้ เ ป็ น การมุ่ ง ผลสำ � เร็ จ ไป
ในวัตถุประสงค์เพียงวัตถุประสงค์เดียวเท่านั้น ซึ่งอาจจะไม่ได้เป็นสิ่งที่เราต้องการก็ได้ เช่น
เราไม่ได้ต้องการหาว่ากำ�ไรจะได้มากที่สุดเท่าไร ถ้าความเสี่ยงไม่เกินเท่านี้ แต่เราต้องการจะได้
ทั้งสองวัตถุประสงค์ คือ กำ�ไรมากด้วยและความเสี่ยงลดลงด้วย
ในบทที่ผ่านมานั้น สิ่งใดที่เป็นข้อจำ�กัด สิ่งนั้นจะเป็นสิ่งที่เราตั้งสมมุติฐานว่าจะละเมิด
ไม่ได้ หมายถึงจะมากกว่า น้อยกว่า หรือไม่เท่ากับค่าที่เรากำ�หนดไว้ไม่ได้ เช่น ถ้าเราตั้งระดับ
ความเสี่ยงไว้ไม่เกินระดับ 2 ค่าความเสี่ยงก็จะเกิน 2 ไปเป็น 2.001 ก็ไม่ได้ ซึ่งเราเรียกข้อจำ�กัด
แบบนี้ว่า Hard Constraint
อย่างไรก็ตามในการตัดสินใจทางธุรกิจนั้น การกำ�หนดข้อจำ�กัดแบบ Hard constraint
อาจจะไม่สะท้อนถึงความเป็นจริงมากนัก เช่น หากความเสี่ยงเพิ่มขึ้นเพียงเล็กน้อย แต่ทำ�ให้กำ�ไร
เพิ่มขึ้นมาก เราอาจจะยินดีให้เพิ่มขึ้นได้ ลักษณะการตัดสินใจแบบนี้ เราจึงจำ�เป็นต้องปรับ Hard
Constraint ให้เป็นข้อจำ�กัดที่สามารถปรับเปลี่ยนไปได้ในช่วงใดช่วงหนึ่ง หรือที่เรียกว่า Soft
Constraints นั่นเอง
ดังนั้นในส่วนของการแก้ปัญหาโปรแกรมเชิงเส้นที่มีวัตถุประสงค์หลายวัตถุประสงค์นั้น
กลยุทธ์ทเี่ ราสามารถนำ�มาใช้ได้คอื การปรับวัตถุประสงค์เหล่านัน้ ให้อยูใ่ นรูปของ Soft Constraints
และตั้งวัตถุประสงค์ใหม่ขึ้นมา โดยจะมุ่งเน้นให้ Soft Constraints เหล่านั้นไม่แตกต่างไปจาก
ค่าเป้าหมายมากนัก เรามักจะเรียกปัญหาเชิงเส้นในรูปแบบนี้ว่า Goal Programming เพื่อให้
เห็นภาพที่ชัดเจนขึ้นจึงขออธิบายโดยใช้กรณีศึกษาดังต่อไปนี้
กรณีศึกษา The Cutting
ร้าน The Cutting เป็นร้านเสื้อผ้าวัยรุ่นสไตล์ใหม่ที่มีนโยบายในการตัดเสื้อผ้าตาม
สไตล์ของลายผ้าที่ได้รับการออกแบบและถักทอมาเพื่อทางร้านโดยเฉพาะ โดยลายผ้าชิ้นล่าสุด
ได้รับการออกแบบมาจากดีไซน์เนอร์ชื่อดังจากอิตาลี ทำ�ให้ได้รับความสนใจจากลูกค้าเป็นพิเศษ
เมือ่ ได้รบั ผ้ามาแล้วทางร้านจึงได้ท�ำ การออกแบบเสือ้ กระโปรง และกางเกง เพือ่ ใช้เป็นคอลเลคชัน่
สำ�หรับฤดูร้อนนี้ โดยเสื้อหนึ่งตัวต้องใช้ผ้า 200 เซนติเมตร กระโปรงต้องใช้ผ้า 85 เซนติเมตร
และกางเกงต้องใช้ผ้า 120 เซนติเมตร โดยตัดเสื้อใช้เวลา 16 ชั่วโมงต่อตัว กระโปรงใช้เวลา
8 ชั่วโมงต่อตัว และกางเกงใช้เวลา 14 ชั่วโมงต่อตัว ทั้งนี้ เพื่อให้ลูกค้าได้โอกาสในการซื้อสินค้า
อย่างทั่วถึงทางร้านจึงมีความต้องการในการตัดเสื้อให้ได้ประมาณ 15 ตัว กระโปรงประมาณ
20 ตัว และกางเกงประมาณ 12 ตัว นอกจากนี้ทางร้านต้องการระบายผ้าในสต็อกออกให้หมด
จึงอยากใช้ผ้าในการตัดเย็บทั้งหมดประมาณ 50 เมตร และเนื่องจากทางร้านมีพนักงานที่ยัง
ว่างงานอยู่ ทางร้านจึงต้องการให้ใช้เวลาในการตัดเย็บที่ประมาณ 240 ชั่วโมง
จากกรณีศึกษาพบว่าเรามีวัตถุประสงค์หรือเป้าหมายอยู่ 5 ข้อดังต่อไปนี้
เป้าหมายข้อที่ 1 (Goal 1) ตัดเสื้อประมาณ 15 ตัว
เป้าหมายข้อที่ 2 (Goal 2) ตัดกระโปรงประมาณ 20 ตัว
เป้าหมายข้อที่ 3 (Goal 3) ตัดกางเกงประมาณ 12 ตัว
เป้าหมายข้อที่ 4 (Goal 4) ใช้ผ้าในการตัดเย็บทั้งหมดประมาณ 50 เมตร
เป้าหมายข้อที่ 5 (Goal 5) ใช้เวลาในการตัดเย็บประมาณ 240 ชั่วโมง
โดยกำ�หนดตัวแปรที่ต้องตัดสินใจดังนี้
X1 = จำ�นวนเสื้อ
X2 = จำ�นวนกระโปรง
X3 = จำ�นวนกางเกง
จะสังเกตเห็นว่าวัตถุประสงค์ทั้ง 5 ข้อนี้ มีการประมาณเป้าหมายไว้เท่านั้น ไม่ได้เป็น
ข้อจำ�กัดที่ละเมิดไม่ได้ (ไม่ได้เป็น Hard Constraint) เราจึงจะทำ�การปรับเป้าหมายทั้ง 5 ข้อนี้ให้
เป็นข้อจำ�กัดทีส่ ามารถปรับเปลีย่ นได้ (Soft Constraints) โดยมีการใช้ตวั แปรเบีย่ งเบน (Deviation
Variable) ดังแสดงได้ดังต่อไปนี้
การใช้โปรแกรมเชิงเส้นในกรณีที่มีหลายวัตถุประสงค์ 121
X1 + d 1– – d +1 = 15 ข้อจำ�กัดจำ�นวนเสื้อ
X2 + d 2– – d +2 = 20 ข้อจำ�กัดจำ�นวนกระโปรง
X3 + d 3– – d +3 = 12 ข้อจำ�กัดจำ�นวนกางเกง
200X1 + 85X2 + 120X3 + d 4– – d +4 = 5,000 ข้อจำ�กัดความยาวผ้า
16X1 + 8X2 + 14X3 + d 5– – d +5 = 240 ข้อจำ�กัดเวลา
d –i , d +i ≥ 0
ตัวแปร d–i นั้นเป็นตัวแปรที่ใช้ปรับในกรณีที่ Xi มีค่าตํ่ากว่าค่าเป้าหมายที่ต้องการ

เช่น หากมีการผลิตเสื้อ 14 ตัว (จากเป้าหมายที่ 15 ตัว) ค่า d 1– ก็จะมีค่าเท่ากับ 1 ส่วนค่า d+i
นั้นก็จะเป็นตัวแปรที่ใช้ปรับในกรณีที่ Xi มีค่ามากกว่าค่าเป้าหมายที่ต้องการ เช่น หากมีการผลิต
เสื้อ 17 ตัว (จากเป้าหมายที่ 15 ตัว) ค่า d+i ก็จะมีค่าเป็น 2 เป็นต้น
ดั ง นั้ น เพื่ อ ให้ ส ามารถบรรลุ วั ต ถุ ป ระสงค์ ห รื อ เป้ า หมายที่ ไ ด้ ตั้ ง ไว้ ทั้ ง 5 ข้ อ นั้ น
Objective Function จึงต้องเป็นการลดผลรวมของค่าของตัวแปรเบี่ยงเบนให้น้อยที่สุดเท่าที่จะ
ทำ�ได้ ดังนั้น Objective Function ก็จะเป็น
MIN Σ (d –i + d +i )
i
ทั้งนี้ ในการใช้ Solver ในการหาคำ�ตอบนั้น จะต้องพยายามให้ทั้ง d+i และ d–i ทั้งหมด

มีค่าตํ่าที่สุด ซึ่งก็หมายถึงว่าเราจะได้ค่าที่ใกล้เคียงกับค่าเป้าหมายมากที่สุดนั่นเอง ค่าตํ่าที่สุดของ
Objective Function ก็คือ 0 ซึ่งจะมีความหมายว่าเป้าหมายทุกข้อที่ได้ตั้งไว้บรรลุผลสำ�เร็จโดย
ไม่มีความเบี่ยงเบนเลยแม้แต่น้อย
อย่างไรตามการตั้ง Objective Function ในลักษณะนี้ เป็นการตั้งโดยมีสมมุติฐานที่
ว่าค่าที่มีความเบี่ยงเบนไปจากค่าเป้าหมาย (d–i กับ d+i ) แต่ละตัวนั้นมีความสำ�คัญที่เทียบเท่ากัน
ยกตัวอย่างเช่น การที่ผลิตเสื้อขาดไป 1 ตัว (d 1– = 1) นั้น จะมีความสำ�คัญเท่ากับการใช้ชั่วโมง
เกินไป 1 ชั่วโมง (d +5 = 1) ซึ่งหากผู้ที่ต้องตัดสินใจคิดว่าสมมุติฐานนี้ ไม่น่าจะถูกต้องเนื่องจาก
การใช้ชั่วโมงเกินไปเพียง 1 ชั่วโมงจากชั่วโมงเป้าหมายที่ 240 ชั่วโมงน่าจะมีความสำ�คัญน้อย
กว่าการผลิตเสื้อขาดไป 1 ตัวจากเป้าหมายที่ 15 ตัว ดังนั้นเราอาจจะต้องเทียบความเบี่ยงเบน
กับค่าเป้าหมายของแต่ละเป้าหมาย ดังนั้น Objective Function จึงควรเปลี่ยนเป็น MIN
โดยที่ค่า ti นั้นจะเป็นค่าเป้าหมายของแต่ละวัตถุประสงค์ จากตัวอย่างข้างต้นค่า Objective
Function จึงเป็น
MIN: 1 d 1– + 1 d +1 + 1 d 2– + 1 d +2 + 1 d 3– + 1 d +3 + 1 d 4– + 1 d +4 +
15 15 20 20 12 12 5,000 5,000
1 d– + 1 d+
5 5
240 240
อย่างไรก็ตามถึงแม้ว่าจะมีการเทียบเป็นสัดส่วนความเบี่ยงเบนต่อค่าเป้าหมายดังที่ได้
กล่าวมาแล้วข้างต้น ก็ยงั อยูใ่ นสมมุตฐิ านทีว่ า่ ความเบีย่ งเบนเรือ่ งเสือ้ 10% จะมีความสำ�คัญเท่ากับ
ความเบีย่ งเบนเรือ่ งเวลา 10% เช่นกัน หากผูท้ ตี่ อ้ งตัดสินใจยังมีความคิดว่าความเบีย่ งเบนในแต่ละ
เรื่องนั้น น่าจะมีความสำ�คัญที่แตกต่างกัน ดังนั้น ค่า Objective Function จึงควรเปลี่ยนเป็น
MIN Σ (w –i d –i + w +i d +i )
i
โดยทีค่ า่ wi นัน้ แสดงให้เห็นค่านํา้ หนักทีผ่ ทู้ ตี่ ดั สินใจจะสามารถให้แตกต่างกันได้ส�ำ หรับ

di ในแต่ละตัว เพราะฉะนั้นจากตัวอย่างข้างต้น เราจึงสามารถสร้าง Objective Function
ได้ดังต่อไปนี้
w1 – w1 + w2 – w2 + w3 – w3 + w w
MIN: d 1 + d 1 + d 2 + d 2 + d 3 + d 3 + 4 d 4– + 4 d +4 +
15 15 20 20 12 12 5,000 5,000
w5 – w 5 +
d + d
240 5 240 5
ในกรณีที่ผู้ตัดสินใจมีความคิดว่าในบางเรื่องการได้ไม่ถึงค่าเป้าหมายเท่านั้น ที่จะก่อให้
เกิดความเสียหาย แต่การได้เกินค่าเป้าหมายนั้นไม่ได้ก่อให้เกิดความเสียหายแต่ประการใด หรือ
ในทางกลับกันการได้เกินค่าเป้าหมายเท่านั้นที่ทำ�ให้เกิดความเสียหาย การได้ไม่ถึงค่าเป้าหมายไม่
ได้มีความสำ�คัญแต่ประการใด ยกตัวอย่างเช่นหากพิจารณาจากตัวอย่างข้างต้น ผู้ที่ตัดสินใจอาจ
มีความเห็นดังต่อไปนี้
• การผลิตเสื้อ กระโปรง และกางเกง ที่ตํ่ากว่าเป้าหมายส่งผลเสียเนื่องจากอาจจะ
ขาดรายได้ แต่การได้เสื้อ กระโปรง และกางเกง มีจำ�นวนมากกว่าเป้าหมายไม่ได้ส่งผลเสียใด ๆ
• การใช้ผ้าเกินค่าเป้าหมายจะส่งผลเสียเพราะผ้าอาจจะไม่เพียงพอและทำ�ให้ต้องไป
ซื้อผ้าใหม่ แต่การใช้ผ้าไม่ถึงค่าเป้าหมายนั้นไม่ได้ก่อให้เกิดความเสียหายใด ๆ เลย
• การใช้เวลาที่นานเกินเป้าหมายนั้นส่งผลกระทบทางลบพอ ๆ กันกับการใช้เวลาที่
ตํ่ากว่าเป้าหมาย
ซึ่งในกรณีดังกล่าว เราก็สามารถปรับค่า d +1 d +2 d +3 (ค่าปรับในกรณีที่เกินเป้าหมาย)
และ d 4– (ค่าปรับในกรณีที่ตํ่ากว่าเป้าหมาย) ใน Objective Function ให้เป็น 0 นั่นเอง
(การปรับให้เป็น 0 แสดงว่าค่าเหล่านี้จะมีค่าเท่าไรก็ได้ ไม่จำ�กัด เนื่องจากค่าเหล่านี้ไม่ได้ส่ง
ผลกระทบใด ๆ ต่ อ Objective Function) ดั ง นั้ น ในแบบจำ � ลองในกรณี ศึ ก ษาที่ ผ่ า นมา
หากเราให้ความสำ�คัญในแต่ละเรื่องเท่า ๆ กัน (ให้ค่านํ้าหนักทุกข้อมีค่าเท่ากับ 1) เราจะได้
แบบจำ�ลองดังต่อไปนี้
Objective Function
MIN: 1 d – + 1 d – + 1 d – + 1 d + + 1 d – + 1 d +
1 2 3 4 5 5
15 20 12 5,000 240 240
Constraints
X1 + d 1– – d +1 = 15 ข้อจำ�กัดจำ�นวนเสื้อ
X2 + d 2– – d +2 = 20 ข้อจำ�กัดจำ�นวนกระโปรง
X2 + d 3– – d +3 = 12 ข้อจำ�กัดจำ�นวนกางเกง
200X1 + 85X2 + 120X3 + d 4– – d +4 = 5,000 ข้อจำ�กัดความยาวผ้า
16X1 + 8X2 + 14X3 + d 5– – d +5 = 240 ข้อจำ�กัดเวลา
d–i , d+i ≥ 0
จากแบบจำ�ลองดังกล่าวสามารถนำ�มาสร้างแบบจำ�ลองใน Spreadsheet ได้ดังแสดง

ในรูปที่ 5-1 ในหน้าถัดไป
Key Cell Formulas
B12 =B9+B10-B11 C12:F12
B16 =B10/B$13 B16:F17
E9 =SUMPRODUCT(B9:D9,B5:D5) ---
F9 =SUMPRODUCT(B9:D9,B6:D6) ---
B23 =SUMPRODUCT(B16:F17,B20:F21) ---
รูปที่ 5-1 แบบจำ�ลองใน Spreadsheet ของกรณีศึกษา The Cutting
โดยในแบบจำ�ลองนั้นจะใช้ Solver Parameters ดังแสดงในรูปที่ 5-2
รูปที่ 5-2 Solver Parameters สำ�หรับกรณีศึกษา The Cutting
รูปที่ 5-3 ผลลัพธ์จากการ Run Solver ของกรณีศึกษา The Cutting
โปรแกรมเชิงเส้นที่มีหลายวัตถุประสงค์ที่ ไม่มีค่าเป้าหมายที่ชัดเจน
จากตัวอย่างที่ผ่านมาข้างต้นนั้น จะเห็นได้ว่าเมื่อการตัดสินใจมีหลายวัตถุประสงค์
เราก็จะทำ�การปรับวัตถุประสงค์เหล่านั้นให้อยู่ในรูปของ Soft Constraints ที่ประกอบด้วย
Deviation Variable และทำ�การตัง้ วัตถุประสงค์ใหม่ขนึ้ มา โดยต้องการให้ผลรวมของค่า Deviation
Variable ต่าง ๆ มีค่าน้อยที่สุด ซึ่งก็หมายความว่าสิ่งที่ทำ�ได้มีความใกล้เคียงกับค่าเป้าหมาย
มากที่สุดในทุกเรื่องนั่นเอง
อย่างไรก็ตามจากตัวอย่างที่ผ่านมาข้างต้น ได้มีการกำ�หนดเป้าหมายที่ชัดเจนใน
ทุกข้อ เช่น ต้องการเสื้อ กระโปรง หรือกางเกง ประมาณกี่ตัว แต่ในหลายครั้งในการตัดสินใจ
นั้น เราไม่อาจจะทราบเป้าหมายที่ชัดเจนในตอนแรก เช่น เราต้องการลดต้นทุนการผลิตและลด
การปล่ อ ยของเสี ย ลงแม่ นํ้ า ไปพร้ อ ม ๆ กั น แต่ เรายั ง บอกไม่ ไ ด้ ว่ า ต้ น ทุ น การผลิ ต ที่ ดี ที่ สุ ด
(ค่าเป้าหมาย) ควรเป็นเท่าไร ของเสียที่ควรปล่อยลงแม่นํ้าที่ตํ่าที่สุด (ค่าเป้าหมาย) ควรเป็น
เท่าไร ในกรณีนี้สิ่งที่จะต้องทำ�เพิ่มเติมคือการหาค่าเป้าหมายเหล่านั้น ก่อนที่จะดำ�เนินการใน
ขั้นตอนต่อไปเหมือนดังแสดงในตัวอย่างก่อนหน้านี้
เพื่อให้เกิดความชัดเจนและความเข้าใจถึงแนวทางการปฏิบัติดังกล่าว จึงขอยกตัวอย่าง
จากกรณีศึกษาดังต่อไปนี้
กรณีศึกษาสถาบันส่งเสริมการอนุรักษ์สิ่งแวดล้อมแห่งชาติ
สถาบันส่งเสริมการอนุรกั ษ์สงิ่ แวดล้อมแห่งชาติ มีหน้าทีใ่ นการรณรงค์และประชาสัมพันธ์
กิจกรรมต่าง ๆ รวมทั้งการให้ข้อมูลที่เป็นประโยชน์แก่ประชาชนเกี่ยวกับการรักษาสิ่งแวดล้อม
ผ่านทางสื่อประเภทต่าง ๆ โดยสื่อที่เข้าถึงประชาชนทั่วไปมากเป็นอันดับต้น ๆ ได้แก่ แผ่นพับ
ใบปลิว ซึ่งในอดีตทางสถาบันได้มีการจัดจ้างให้โรงพิมพ์แห่งหนึ่งเป็นผู้รับผิดชอบในการตีพิมพ์
ทั้งนี้ เมื่อเดือนที่แล้วทางโรงพิมพ์ต้องการเปลี่ยนเครื่องพิมพ์ใหม่จึงทำ�การมอบเครื่องพิมพ์เก่าที่ยัง
ใช้งานได้ดีให้กับสถาบันเพื่อสนับสนุนการทำ�งานของสถาบันไปในตัว ดังนั้นทางสถาบันจึงทำ�การ
ปรับเปลี่ยนแนวทางในการดำ�เนินงานใหม่โดยจัดพิมพ์สื่อต่าง ๆ ด้วยตนเอง สถาบันจึงได้มีการ
จัดหากระดาษอันเป็นวัตถุดิบสำ�คัญในการผลิตผ่านตัวแทนจำ�หน่าย โดยสถาบันมีความต้องการ
กระดาษขนาด 80 แกรม สำ�หรับพิมพ์ใบปลิวอย่างตํ่าจำ�นวน 50 รีม กระดาษขนาด 110 แกรม
สำ�หรับพิมพ์แผ่นพับอย่างตํ่าจำ�นวน 30 รีม และกระดาษสติกเกอร์ สำ�หรับติดประกาศอย่างตํ่า
จำ�นวน 35 รีม ผ่านตัวแทนจำ�หน่าย 2 ราย ตารางหน้าถัดไปนีแ้ สดงจำ�นวนสินค้าทีต่ วั แทนจำ�หน่าย
สามารถส่งมอบให้ได้ภายในกำ�หนดเวลาและราคาเสนอ
ตัวแทนจำ�หน่าย ตัวแทนจำ�หน่าย
ชนิดของกระดาษ ราคา ราคา
รายที่ 1 รายที่ 2
80 แกรม 12 รีม 70 บาทต่อรีม 40 รีม 75 บาทต่อรีม
110 แกรม 18 รีม 110 บาทต่อรีม 25 รีม 120 บาทต่อรีม
สติกเกอร์ 25 รีม 160 บาทต่อรีม 20 รีม 170 บาทต่อรีม
นอกจากเรื่องของราคาที่สถาบันต้องการที่จะประหยัดแล้ว สถาบันยังคำ �นึงถึงเรื่อง

ของการรักษาต้นไม้ จากข้อมูลที่สถาบันมีอยู่นั้น สถาบันทราบว่าตัวแทนจำ�หน่ายรายที่ 1 มี
อัตราการใช้ไม้เพื่อนำ�มาทำ�เป็นกระดาษเท่ากับ 8% 12% และ 5% สำ�หรับกระดาษ 80
แกรม 110 แกรม และสติกเกอร์ ตามลำ�ดับ (ยกตัวอย่างเช่นในกระดาษ 80 แกรม 1 รีมนั้น
จะประกอบด้วยส่วนประกอบที่มาจากต้นไม้ 0.08 รีม เป็นต้น) สำ�หรับตัวแทนจำ�หน่ายรายที่
2 นั้น มีอัตราการใช้ไม้เพื่อนำ�มาเป็นกระดาษเท่ากับ 10% 15% และ 6% สำ�หรับกระดาษ
80 แกรม 110 แกรม และสติกเกอร์ ตามลำ�ดับ
นอกจากเรื่องการใช้ต้นไม้แล้ว เพื่อเป็นการตอบแทนสังคมตัวแทนจำ�หน่ายทั้งสอง
ได้มีการมอบเงินสนับสนุนให้กับมูลนิธิต่าง ๆ ที่เกี่ยวกับการปลูกป่าและรักษาพันธุ์ไม้ โดยตัวแทน
จำ�หน่ายแรกมีนโยบายในการมอบเงิน 2 บาทต่อกระดาษที่ขายได้ 1 รีม ส่วนตัวแทนจำ�หน่าย
รายที่ 2 มอบให้ 2.50 บาทต่อกระดาษที่ขายได้ 1 รีม
ทางสถาบันจึงต้องทำ�การตัดสินใจอย่างละเอียดถี่ถ้วนว่าควรจะซื้อกระดาษ 80 แกรม
110 แกรม และสติกเกอร์จากผู้แทนจำ�หน่ายรายใด จำ�นวนเท่าไร เพื่อให้ได้ต้นทุนที่ถูก พร้อมทั้ง
ลดการใช้สว่ นประกอบทีม่ าจากต้นไม้ และได้รบั เงินสนับสนุนเพือ่ การกุศลมากทีส่ ดุ ไปพร้อม ๆ กัน
X1 = จำ�นวนกระดาษขนาด 80 แกรม ที่สถาบันซื้อจากตัวแทนจำ�หน่ายรายที่ 1
X3 = จำ�นวนกระดาษสติกเกอร์ ที่สถาบันซื้อจากตัวแทนจำ�หน่ายรายที่ 1
X6 = จำ�นวนกระดาษสติกเกอร์ ที่สถาบันซื้อจากตัวแทนจำ�หน่ายรายที่ 2
Objective Function
ในกรณีนี้ เราทราบว่าทางสถาบันมีวัตถุประสงค์อยู่ 3 ข้อได้แก่ การลดค่าใช้จ่าย
การลดการใช้ต้นไม้เป็นส่วนประกอบ และการได้เงินบริจาคมากที่สุด ซึ่งหากเขียนออกมาเป็น
Objective Function ทั้งสามข้อจะเขียนได้ดังต่อไปนี้
MIN: 70X1 + 110X2 + 160X3 + 75X4 + 120X5 + 170X6 } ค่าใช้จ่าย
MIN: 0.08X1 + 0.12X2 + 0.05X3 + 0.1X4 + 0.15X5 + 0.06X6 } ต้นไม้ที่ใช้ไป
MAX: 2 (X1 + X2 + X3) + 2.5 (X4 + X5 + X6) } เงินบริจาค
Constraints
X1 + X4 >= 50 กระดาษ 80 แกรม
X3 + X6 >= 35 กระดาษสติกเกอร์
Xi <= จำ�นวนกระดาษที่มีอยู่ในแต่ละประเภท
X1, X2 , X3, X4, X5, X6 >= 0 Nonnegativity conditions
X1, X2 , X3, X4, X5, X6 = Integer

ในรูปที่ 5-4 หน้าถัดไปนี้
Key Cell Formulas
D11 =SUMPRODUCT(B11:C13,B5:C7) ---------
D20 =SUM(B5:C5) D21:D22
รูปที่ 5-4 แบบจำ�ลองใน Spreadsheet ของกรณีศึกษาสถาบันส่งเสริมการอนุรักษ์สิ่งแวดล้อม

แห่งชาติ
อย่างไรก็ตามแบบจำ�ลองใน Spreadsheet ที่นำ�เสนอนี้ยังไม่สามารถนำ�มาใช้ Run
Solver ได้ เนื่องจากมีวัตถุประสงค์เกิน 1 ข้อ และเมื่อพยายามที่จะปรับวัตถุประสงค์เหล่านี้ให้
อยู่ในรูปของ Soft Constraints โดยมี Deviation Variable เป็นตัวปรับ ก็ยังทำ�ไม่ได้เนื่องจาก
ในกรณีศึกษานี้ เรายังไม่ทราบว่าค่าใช้จ่ายที่น้อยที่สุดที่เป็นเป้าหมายควรมีค่าเท่ากับเท่าไร
การใช้ต้นไม้ที่น้อยที่สุดที่เป็นค่าเป้าหมายควรมีค่าเท่ากับเท่าไร และเงินบริจาคที่จะได้รับมาก
ที่สุดที่เป็นค่าเป้าหมายนั้นควรมีค่าเท่ากับเท่าไร ดังนั้นขั้นตอนที่จะต้องทำ�คือการหาค่าเป้าหมาย
เหล่านี้ให้ได้
วิธีการดำ�เนินการเพื่อหาค่าเป้าหมายเหล่านี้ สามารถทำ�ได้โดยการเลือกวัตถุประสงค์
ในเรื่องนั้น ๆ เป็นเรื่องหลักเพียงเรื่องเดียว โดยไม่สนใจในวัตถุประสงค์ข้ออื่น และทำ�การ Run
Solver ภายใต้ Constraint ที่มีอยู่ ยกตัวอย่างเช่นจากรูปที่ 5-4 นั้น เมื่อเราต้องการจะหาค่า
เป้าหมายของค่าใช้จ่าย เราจะก็ Set Target Cell เป็นเฉพาะการลดค่าใช้จ่ายเท่านั้น โดยไม่ต้อง
สนใจเรื่องการใช้ต้นไม้และเรื่องเงินบริจาค หลังจากนั้นการ Run Solver ภายใต้ข้อจำ�กัดที่มีอยู่
(ซึง่ ได้แก่จ�ำ นวนกระดาษในแต่ละประเภททีต่ อ้ งการ) เพือ่ หาว่าค่าใช้จา่ ยทีต่ าํ่ ทีส่ ดุ เท่าทีจ่ ะเป็นไปได้
นั้นมีค่าเท่ากับเท่าไร ในขณะเดียวกันหากต้องการหาค่าเป้าหมายของเรื่องการใช้กระดาษ เราก็จะ
Set Target Cell เป็นเฉพาะการลดการใช้ต้นไม้เท่านั้น และทำ�การ Run Solver เพื่อหาว่าการ
ใช้ต้นไม้ที่ตํ่าที่สุดมีค่าเท่ากับเท่าไร เช่นเดียวกันกับในเรื่องของการบริจาค เราก็จะ Set Target
Cell ในเรื่องของเงินบริจาคให้มากที่สุดเท่านั้น และทำ�การ Run Solver เพื่อหาว่าเงินบริจาคที่มี
ค่ามากที่สุดมีค่าเท่ากับเท่าไร เมื่อดำ�เนินการด้วยวิธีการดังกล่าวแล้ว ก็จะทำ�ให้เราได้ค่าเป้าหมาย
ของวัตถุประสงค์ทั้ง 3 ข้อดังต่อไปนี้
• วัตถุประสงค์ข้อที่ 1 ค่าใช้จ่ายรวมที่ตํ่าที่สุดที่เป็นไปได้คือ 12,810 บาท
• วัตถุประสงค์ข้อที่ 2 จำ�นวนส่วนประกอบที่ใช้ต้นไม้ที่ตํ่าที่สุดเท่าที่จะเป็นไปได้คือ
10.57 รีม
• วัตถุประสงค์ข้อที่ 3 เงินบริจาคที่จะได้มากที่สุดคือ 322.5 บาท
จะเห็นได้วา่ ในทางปฏิบตั แิ ล้ว เราจะไม่สามารถบรรลุวตั ถุประสงค์ทงั้ 3 ข้อนีไ้ ด้พร้อม ๆ
กันเลย ดังนั้นสิ่งที่จะสามารถทำ�ได้ในกรณีนี้คือ ทำ�อย่างไรที่จะทำ�ให้ผลต่างระหว่างสิ่งที่เกิดขึ้น
จริงกับสิ่งที่ดีที่สุดนี้มีค่าน้อยที่สุดเท่าที่จะทำ�ได้ โดยค่าใช้จ่าย ส่วนประกอบที่ใช้ต้นไม้ และเงิน
บริจาคที่จะเกิดขึ้นจริง จะขึ้นอยู่กับจำ�นวนกระดาษที่ซื้อจากผู้จำ�หน่ายทั้ง 2 ราย โดยสามารถ
คำ�นวณได้ดังต่อไปนี้
• ค่าใช้จ่ายที่เกิดขึ้นจริง = 70X1 + 110X2 + 160X3 + 75X4 + 120X5 + 170X6
• จำ�นวนส่วนประกอบที่เป็นต้นไม้ที่เกิดขึ้นจริง = 0.08X1 + 0.12X2 + 0.05X3
+ 0.1X4 + 0.15X5 + 0.06X6
• จำ�นวนเงินบริจาคที่เกิดขึ้นจริง = 2 (X1 + X2 + X3) + 2.5 (X4 + X5 + X6)
ดังนั้นเพื่อให้ได้คำ�ตอบที่ดีที่สุดและตอบวัตถุประสงค์ทั้ง 3 ข้อไปพร้อม ๆ กัน เราจึง

ควรตั้งวัตถุประสงค์ให้ผลรวมของเปอร์เซ็นต์ความแตกต่างระหว่างสิ่งที่เกิดขึ้นจริงกับค่าเป้าหมาย
(เทียบกับค่าเป้าหมาย) ให้มีค่าตํ่าที่สุด ดังนั้น Objective Function จึงเป็นดังต่อไปนี้
MIN: w1_ i
(70X1 + 110X2 + 160X3 + 75X4 + 120X5 + 170X6) – 12,810
12,810
+ w2_ i
(0.08X1 + 0.12X2 + 0.05X3 + 0.1X4 + 0.15X5 + 0.06X6) – 10.57

10.57
+ w3_ i
322.5 – (2(X1 + X2 + X3) + 2.5(X4 + X5 + X6))

322.5
โดยค่า wi ก็คือค่านํ้าหนักความสำ�คัญที่เราจะให้ในแต่ละเรื่องนั่นเอง
อย่างไรก็ตามการตั้ง Objective Function ในลักษณะดังกล่าว อาจจะมีข้อบกพร่อง
ตรงที่อาจมีความเป็นไปได้ที่ค่าความเบี่ยงเบนรวมที่น้อยที่สุดนั้น อาจจะเกิดขึ้นจากความเบี่ยง
เบนในเรื่องใดเรื่องหนึ่งโดยเฉพาะ แต่เรื่องอื่นอาจจะไม่เบี่ยงเบนเลยก็เป็นไปได้ เช่น จากตัวอย่าง
ข้างต้น ค่าความเบี่ยงเบนอาจจะตกไปอยู่ที่เรื่องของค่าใช้จ่ายแต่เพียงเรื่องเดียว ในขณะที่
เรื่องอื่น ๆ อาจจะเบี่ยงเบนไปจากค่าเป้าหมายเพียงเล็กน้อยเท่านั้น ถ้าเป็นไปในลักษณะนี้ก็
เปรียบเสมือนว่าเป้าหมายในเรื่องใดเรื่องหนึ่งจะต้องอยู่ห่างจากค่าเป้าหมาย เพื่อให้เป้าหมาย
อื่น ๆ มีค่าเข้าใกล้ค่าเป้าหมายนั่นเอง
หากต้องการจะแก้ปัญหาในลักษณะนี้ เราอาจจะต้องทำ�การตั้ง Objective Function
ให้อยู่ในรูปแบบของ MiniMax Objective โดยกำ�หนดให้ Objective Function คือ Q
ให้มีค่าตํ่าที่สุด (MIN Q) โดยที่ Q เป็นตัวแปรที่ปรับเปลี่ยนไปได้ (เป็น Changing Cell หรือ
Decision Variable อีกตัวหนึ่ง) และในขณะเดียวกันก็เป็น Upper Bound หรือค่าสูงสุดของ
เปอร์เซ็นต์ความเบี่ยงเบนในแต่ละเรื่องด้วยเช่นกัน ดังนั้น Objective Function กับ Constraints
จากตัวอย่างข้างต้นจะถูกปรับเพิ่มเติมดังต่อไปนี้
Objective Function
MIN Q
Constraints เพิ่มเติม
w1_ i≤Q
(70X1 + 110X2 + 160X3 + 75X4 + 120X5 + 170X6) – 12,810
12,810
w2_ i≤Q
(0.08X1 + 0.12X2 + 0.05X3 + 0.1X4 + 0.15X5 + 0.06X6) – 10.57
10.57
w3_ i≤Q
322.5 – (2(X1 + X2 + X3) + 2.5(X4 + X5 + X6))
322.5
จะเห็นได้ว่าด้วยวิธีการดังกล่าว จะทำ �ให้ค่าเปอร์เซ็นต์ความเบี่ยงเบนในกรณีนี้จะ
กระจายกั น ไปแต่ ล ะวั ต ถุ ป ระสงค์ จะไม่ มี ลั ก ษณะที่ บ างวั ต ถุ ป ระสงค์ จ ะมี เ ปอร์ เซ็ น ต์ ค วาม
เบี่ยงเบนมาก ในขณะที่วัตถุประสงค์อื่นมีความเบี่ยงเบนน้อยได้เลย เพราะหากเป็นเช่นนั้นก็จะ
ทำ�ให้ค่า Q มีค่ามาก ซึ่งผิดไปจากวัตถุประสงค์ที่ต้องการทำ�ให้ค่า Q นี้มีค่าตํ่าที่สุด
ดังนัน้ จากกรณีศกึ ษาข้างต้นทีย่ กมาเป็นตัวอย่างนัน้ สามารถสร้างแบบจำ�ลองโปรแกรม
เชิงเส้นได้ดังต่อไปนี้
Objective Function
MIN Q
Constraints
w1_ i≤Q
(70X1 + 110X2 + 160X3 + 75X4 + 120X5 + 170X6) – 12,810
12,810
w2_ i≤Q
(0.08X1 + 0.12X2 + 0.05X3 + 0.1X4 + 0.15X5 + 0.06X6) – 10.57
10.57
w3_ i≤Q
322.5 – (2(X1 + X2 + X3) + 2.5(X4 + X5 + X6))
322.5
X3 + X6 >= 35 กระดาษสติกเกอร์
X1, X2 , X3, X4, X5, X6 >= 0 Nonnegativity conditions
X1, X2 , X3, X4, X5, X6 = Integer

Key Cell Formulas
D20 =SUM(B5:C5) D21:D22
F11 =(D11-E11)/E11 F14
F17 =(E17-D17)/E17 ---------
H11 =F11*G11 H14, H17
รูปที่ 5-5 แบบจำ�ลองใน Spreadsheet ของกรณีศึกษาสถาบันส่งเสริมการอนุรักษ์สิ่งแวดล้อม

แห่งชาติในกรณีของ Minimax Objective
โดยในแบบจำ�ลองนั้นจะใช้ Solver Parameters ดังแสดงในรูปที่ 5-6
รูปที่ 5-6 Solver Parameters สำ�หรับกรณีศึกษาสถาบันส่งเสริมการอนุรักษ์สิ่งแวดล้อมแห่งชาติ
รูปที่ 5-7 ผลลัพธ์จากการ Run Solver ของกรณีศึกษาสถาบันส่งเสริมการอนุรักษ์สิ่งแวดล้อม

แห่งชาติ
1. ให้อธิบายความแตกต่างระหว่างโปรแกรมเชิงเส้นที่มีวัตถุประสงค์เดียวกับโปรแกรมเชิงเส้น
ที่มีหลายวัตถุประสงค์
2. ในโปรแกรมเชิงเส้นที่มีหลายวัตถุประสงค์นั้น ท่านคิดว่าคำ�ตอบที่ดีที่สุดจะมีเพียงคำ�ตอบ
เดียวหรือไม่ เพราะเหตุใด จงอธิบาย
3. จากโจทย์ปัญหาข้อหนึ่ง สามารถเขียนแบบจำ�ลองโปรแกรมเชิงเส้นได้ดังต่อไปนี้
MAX: 4X1 + 2X2
MIN: X1 + 3X2
Subject to: 2X1 + X2 <= 18
X1 + 4X2 <= 12
X1 + X2 >= 4
X1, X2 >= 0
ให้ท่านหาค่า X1 และ X2 ที่เหมาะสมในกรณีดังกล่าว โดยสมมุติให้วัตถุประสงค์ทั้ง 2 ข้อ
นี้มีความสำ�คัญเท่ากัน (ให้ใช้ MiniMax Objective ในการแก้ปัญหานี้)
4. ให้ท่านแก้ปัญหาข้อที่ 3 โดยให้นํ้าหนักความสำ�คัญกับวัตถุประสงค์ MAX: 4X1 + 2X2
เป็น 0.75 และให้นํ้าหนักความสำ�คัญกับวัตถุประสงค์ MIN: X1 + 3X2 เป็น 0.25
5. ให้ท่านแก้ปัญหาข้อที่ 3 โดยเปลี่ยนวัตถุประสงค์ MIN: X1 + 3X2 เป็น MAX: -X1 - 3X2
6. ให้ท่านแก้ปัญหาข้อที่ 3 โดยเปลี่ยนวัตถุประสงค์ดังต่อไปนี้
• ให้นํ้าหนักความสำ�คัญกับวัตถุประสงค์ MAX: 4X1 + 2X2 เป็น 0.75
• ให้นํ้าหนักความสำ�คัญกับวัตถุประสงค์ MAX: -X1 - 3X2 เป็น 0.25
6.1 คำ�ตอบของ X1 กับ X2 มีค่าเท่ากับเท่าไร
6.2 หากท่านทำ�การเฉลี่ยถ่วงนํ้าหนักวัตถุประสงค์ทั้งสองข้อให้เหลือเพียงข้อเดียวดังนี้
MAX: 0.75 (4X1 + 2X2) + 0.25 (-X1 - 3X2) หรือ MAX: 2.75X1 + 0.75X2
ท่านคิดว่าคำ�ตอบจะเหมือนกับข้อที่ 6.1 หรือไม่ เพราะเหตุใด
7. บริษัทจำ�หน่ายนํ้าอัดลมแห่งหนึ่งต้องการทำ�โฆษณาสินค้าผ่านสื่อต่าง ๆ ได้แก่ โทรทัศน์
วิทยุ และหนังสือพิมพ์ โดยต้องการให้โฆษณาดังกล่าวเข้าถึงกลุ่มเป้าหมายหลักของบริษัท
3 กลุ่ม ได้แก่ กลุ่มนักเรียน กลุ่มคนทำ�งาน และกลุ่มผู้สูงวัย ข้อมูลการเข้าถึงกลุ่มเป้าหมาย
โดยผ่านสื่อต่าง ๆ มีดังต่อไปนี้
สื่อ
กลุ่มเป้าหมาย
โทรทัศน์ วิทยุ หนังสือพิมพ์
กลุ่มนักเรียน 6 ล้านคน 3 ล้านคน 6 ล้านคน
กลุ่มคนทำ�งาน 3 ล้านคน 4 ล้านคน 4 ล้านคน
กลุ่มผู้สูงวัย 4 ล้านคน 7 ล้านคน 3 ล้านคน
จากตารางข้างต้นสามารถตีความหมายได้ ยกตัวอย่างเช่น หากใช้สื่อโทรทัศน์ 1 ครั้ง

จะเข้าถึงกลุ่มนักเรียนได้ 6 ล้านคน กลุ่มคนทำ�งานได้ 3 ล้านคน และกลุ่มผู้สูงวัยได้ 4
ล้านคน รวมทั้งสิ้น 13 ล้านคน เป็นต้น
ค่าโฆษณาผ่านโทรทัศน์มีค่าใช้จ่าย 120,000 บาทต่อครั้ง ผ่านวิทยุ 85,000 บาทต่อครั้ง
และผ่านหนังสือพิมพ์ 100,000 บาทต่อครั้ง การโฆษณาผ่านสื่อต่าง ๆ นี้บริษัทได้ตั้ง
เป้าหมายดังต่อไปนี้
• บริษัทต้องการใช้งบค่าโฆษณาทั้งหมดประมาณไม่เกิน 1,000,000 บาท
• บริษัทต้องการใช้สื่อให้เข้าถึงกลุ่มนักเรียนประมาณไม่ตํ่ากว่า 45 ล้านคน
• บริษัทต้องการใช้สื่อให้เข้าถึงกลุ่มคนทำ�งานประมาณไม่ตํ่ากว่า 60 ล้านคน
• บริษัทต้องการใช้สื่อให้เข้าถึงกลุ่มผู้สูงวัยประมาณไม่ตํ่ากว่า 50 ล้านคน
ให้นักศึกษาใช้ตัวแปรดังต่อไปนี้
T = จำ�นวนครั้งที่โฆษณาผ่านสื่อโทรทัศน์
R = จำ�นวนครั้งที่โฆษณาผ่านสื่อวิทยุ
N = จำ�นวนครั้งที่โฆษณาผ่านสื่อหนังสือพิมพ์
di = Deviation Variable ของเป้าหมาย i
7.1 จากข้อมูลดังกล่าวให้สร้าง Objective Function รวมทั้ง Constraint (โดยใช้ตัวแปร
ตามที่โจทย์กำ�หนดให้)
7.2 ให้นักศึกษาหาว่าบริษัทควรเลือกโฆษณาผ่านสื่ออะไรบ้าง จำ�นวนกี่ครั้ง ทั้งนี้กำ�หนด
ให้แต่ละเป้าหมายมีความสำ�คัญเท่าเทียมกัน
8. พิชัยเป็นเจ้าของรีสอร์ทและศูนย์การประชุมที่เชียงใหม่ แม้ธุรกิจของเขาจะทำ�กำ�ไรได้
แต่อย่างไรก็ตามเขาพบว่าในช่วงฤดูหนาวเป็นช่วงที่มีลูกค้าจำ�นวนมาก ดังนั้นเพื่อที่จะ
เพิ่มกำ�ไรในช่วงนั้นของปี เขาจึงต้องการขยายธุรกิจศูนย์ประชุม โดยเขาจำ�เป็นต้องเพิ่ม
สิ่งอำ�นวยความสะดวกในการประชุม พิชัยได้จ้างบริษัทวิจัยการตลาดเพื่อพิจารณาจำ�นวน
และขนาดของห้องประชุมที่เขาต้องสร้างเพิ่ม ผลการวิจัยบอกว่า เขาควรสร้างห้องประชุม
ขนาดเล็ก (400 ตารางฟุต) ประมาณอย่างน้อย 5 ห้อง ขนาดกลาง (750 ตารางฟุต) ประมาณ
10 ห้อง และห้องประชุมขนาดใหญ่ (1,050 ตารางฟุต) ประมาณ 15 ห้อง นอกจากนี้
บริษัทวิจัยการตลาดยังระบุว่า ถ้าหากมีการขยายพื้นที่ประมาณ 25,000 ตารางฟุต
ศูนย์ประชุมนีก้ จ็ ะเป็นศูนย์การประชุมทีใ่ หญ่ทสี่ ดุ ในภาคเหนือและสามารถใช้ในการโฆษณา
ได้ จากการปรึกษากับสถาปนิก พิชัยพบว่าเขาต้องใช้เงิน 1.8 ล้านบาทสำ�หรับห้องประชุม
ขนาดเล็กหนึ่งห้อง 3.3 ล้านบาทสำ�หรับห้องประชุมขนาดกลางหนึ่งห้อง และ 4.5 ล้านบาท
สำ � หรั บ ห้ อ งประชุ ม ขนาดใหญ่ ห นึ่ ง ห้ อ ง อย่ า งไรก็ ต าม พิ ชั ย ได้ จำ � กั ด งบประมาณการ
ขยายกิ จ การไว้ ที่ ป ระมาณ 40 ล้ า นบาท จากข้ อ มู ล ดั ง กล่ า วพิ ชั ย ควรจะสร้ า งห้ อ ง
แต่ละขนาดจำ�นวนเท่าไร (โดยพิชัยไม่ต้องการให้สร้างห้องน้อยกว่าที่ประมาณไว้ และ
ไม่ต้องการให้พื้นที่มากกว่าหรือน้อยกว่าที่กำ�หนด รวมทั้งไม่ต้องการให้งบประมาณเกินกว่า
ที่ประมาณการไว้)
9. ลีลาวดีผู้เป็นเจ้าของบริษัทผลิตถ่านหินแห่งหนึ่ง มีเหมืองอยู่ 2 แห่งได้แก่ เหมืองที่
จังหวัดภูเก็ต และจังหวัดพังงา จากการเติบโตทางเศรษฐกิจและจำ�นวนผู้อยู่อาศัยในพื้นที่
ที่ ม ากขึ้ น ลี ล าวดี ไ ด้ ค าดการณ์ จำ � นวนความต้ อ งการถ่ า นหิ น ที่ เ พิ่ ม ขึ้ น ในปี ต่ อ ไป การ
คาดการณ์ได้ระบุว่า ถ่านหินคุณภาพดีจะมีความต้องการเพิ่มขึ้นจำ�นวน 48 ตัน ถ่านหิน
ชนิดคุณภาพปานกลาง 28 ตัน และถ่านหินคุณภาพตํ่า 100 ตัน (ลีลาวดีต้องผลิต
ให้ได้มากกว่าหรือเท่ากับจำ�นวนที่คาดการณ์) เพื่อตอบสนองความต้องการที่เพิ่มขึ้น ลีลาวดี
ต้องจัดเวลาทำ�งานพิเศษขึ้น โดยมีต้นทุน 40,000 บาทต่อเดือนในการทำ�งานพิเศษของ
คนงานที่เหมืองภูเก็ต และ 32,000 บาทต่อเดือนที่เหมืองพังงา โดยจำ�นวนถ่านหินแต่ละ
ชนิดที่สามารถผลิตได้ในแต่ละเหมืองด้วยการทำ�งานพิเศษในหนึ่งเดือน เป็นดังนี้
ชนิดของถ่านหิน เหมืองที่ภูเก็ต เหมืองที่พังงา
คุณภาพดี 12 ตัน 4 ตัน
คุณภาพปานกลาง 4 ตัน 4 ตัน
คุณภาพตํ่า 10 ตัน 20 ตัน
อย่างไรก็ตามกระบวนการผลิตถ่านหินจะต้องมีการปล่อยนำ้าเสียซึ่งเหมืองที่ภูเก็ตปล่อย
นำ้าเสีย 800 แกลลอนต่อเดือนในการทำางานพิเศษ ขณะที่เหมืองที่พังงาปล่อยนำ้าเสีย
1,250 แกลลอนต่อเดือน แม้ว่าจำานวนนี้จะอยู่ในกำาหนดของรัฐบาล ลีลาวดีก็ไม่ต้องการ
เพิ่มมลภาวะให้กับสิ่งแวดล้อมโดยไม่จำาเป็น นอกจากนี้แม้ว่าบริษัทจะดำาเนินการตาม
ข้อกำาหนดด้านความปลอดภัยของภาครัฐ แต่จากบันทึกของบริษัทพบว่ามีอุบัติเหตุการ
บาดเจ็บ 0.20 ครั้งต่อหนึ่งเดือนในการทำางานพิเศษที่เหมืองภูเก็ต ขณะที่เกิดขึ้น 0.45
ครั้งต่อหนึ่งเดือน ในการทำางานพิเศษที่เหมืองพังงา ลีลาวดีทราบเสมอว่างานเหมืองนั้นเป็น
งานที่อันตรายจึงใส่ใจกับสุขภาพและสวัสดิการของคนงานและต้องการลดจำานวนอุบัติเหตุ
ให้น้อยที่สุด
จากข้อมูลดังกล่าว ลีลาวดีควรตัดสินใจเพิ่มการทำางานพิเศษในเหมืองแต่ละแห่ง เหมืองละ
กี่เดือน (ให้ใช้ MiniMax Objective ในการแก้ปัญหานี้)
10. วิชาญ เป็นรองผู้จัดการใหญ่ฝ่ายการเงิน กำาลังมีปัญหาในเรื่องการอนุมัติงบประมาณในการ
ฝึกอบรมให้กับแผนกต่าง ๆ ซึ่งได้ของบประมาณมาตามรายละเอียดดังต่อไปนี้
แผนก งบประมาณที่ขอ
การตลาด 450,000 บาท
การผลิต 310,000 บาท
วิศวกรรม 275,000 บาท
บุคคล 187,500 บาท
บัญชี 135,000 บาท
หากรวมงบประมาณที่ขอมาทั้งหมดนั้น จะเกินจากงบประมาณฝึกอบรมทั้งหมดที่มีอยู่
1,200,000 บาท ดังนั้นจึงเป็นไปไม่ได้ที่จะตอบสนองความต้องการของทุกแผนกได้ตาม
ต้องการ ถ้าสมมุติให้ความสำาคัญในเรื่องของการฝึกอบรมในแผนกวิศวกรรมมีความสำาคัญ
เป็นสองเท่าของแผนกอื่น ๆ ที่เหลือ นอกจากนี้ทุกแผนกที่ของบประมาณการฝึกอบรมมา
จะได้รับงบประมาณไม่เกินที่ขอมา วิชาญควรจะทำาการจัดสรรงบประมาณอย่างไร (ให้ใช้
Minimax Objective ในการแก้ปัญหาในข้อนี้)
บทที่ 6
แบบจําลองแถวการรอคอย 1
บทนํา
แถวการรอคอยเป็นสิ่งที่เห็นได้ในชีวิตประจำาวัน ไม่ว่าจะเป็นแถวที่รอคอยใน
การซือ้ สินค้า แถวรอหน้าธนาคาร ไปรษณีย์ หรือแถวของรถยนต์ทรี่ อจ่ายเงินขึน้ ทางด่วน
หรือแม้แต่ Email ที่เข้ามารอให้เราอ่านใน Mailbox ซึ่งในมุมมองของผู้บริหารนั้น
การจั ด การแถวการรอคอยมี ค วามสำ า คั ญ เป็ น อย่ า งยิ่ ง ต่ อ ความพึ ง พอใจของลู ก ค้ า
อย่างไรก็ตามการทำาให้แถวการรอคอยลดลงนั้นไม่ยาก แต่สิ่งที่ยากคือความพยายาม
ที่จะทำาให้แถวการรอคอยลดลงนั้น มักจะมาพร้อมกับค่าใช้จ่ายที่เพิ่มขึ้นเสมอ เช่น
การจ้างคนเพิม่ การเพิม่ เครือ่ งจักร เป็นต้น ดังนัน้ เนือ้ หาในบทนีจ้ งึ ได้นาำ เสนอถึงแนวทาง
ในการวิเคราะห์ลักษณะของแถวการรอคอย รวมทั้งแสดงตัวอย่างในการวิเคราะห์และ
ตัดสินใจเกี่ยวกับแถวการรอคอย
1. เพื่อให้ผู้เรียนเข้าใจถึงลักษณะของแถวการรอคอย
2. เพื่อให้ผู้เรียนเข้าใจถึงสิ่งที่ส่งผลกระทบต่อแถวการรอคอย ได้แก่ อัตราการเข้ามาสู่
ระบบแถวการรอคอย เวลาที่รับบริการ และจำานวนที่ให้บริการ
3. เพือ่ ให้ผเู้ รียนสามารถคำานวณตัววัดทีส่ าำ คัญทีเ่ กีย่ วข้องกับแถวการรอคอยได้อย่างถูกต้อง
4. เพื่อให้ผู้เรียนเข้าใจลักษณะการสร้างแบบจำาลองแถวการรอคอยในสถานการณ์ต่าง ๆ
1
ข้อความบางส่วนได้คัดลอกและดัดแปลงจากบทความเรื่องการจัดการแถวการรอคอย ซึ่งผู้เขียนได้เขียนขึ้น
และได้รับการตีพิมพ์ในวารสารบริหารธุรกิจ ปีที่ 35 ฉบับที่ 133
ลักษณะของแถวการรอคอย
ก่อนที่จะทำ�การสร้างแบบจำ�ลองแถวการรอคอย เราจำ�เป็นที่จะต้องเข้าใจถึงลักษณะ
โดยทั่วไปของแถวการรอคอยก่อนเป็นอันดับแรก แถวการรอคอยนั้นเป็นสิ่งที่พบเห็นได้โดยทั่วไป
ไม่ว่าจะเป็นแถวในการรอซื้ออาหาร รอเข้าชมภาพยนตร์ รอรับบริการต่าง ๆ นอกจากนี้แถวการ
รอคอยยังไม่ได้จำ�กัดอยู่เฉพาะกับคนเท่านั้น สินค้าที่กำ�ลังรอการผลิต เครื่องจักรที่รอการซ่อม
หรือแม้แต่ข้อมูลที่เรียงลำ�ดับเพื่อรอประมวลผลก็จัดเป็นแถวการรอคอยทั้งสิ้น
โดยทั่วไปแล้ว การจัดการแถวการรอคอยเพื่อลดระยะเวลาในการรอคอยลงนั้น อาจ
ไม่ใช่สิ่งที่ซับซ้อนและทำ�ได้ง่าย โดยเพียงแค่เพิ่มกำ�ลังการผลิตหรือการให้บริการขึ้น เช่น การเพิ่ม
จำ�นวนผู้ให้บริการ การเพิ่มเครื่องจักร หรือการปรับปรุงประสิทธิภาพการทำ�งาน เพื่อให้บริการ
ให้เร็วขึ้น ก็จะทำ�ให้แถวการรอคอยนั้นลดลงได้ทันที แต่ความยากก็เกิดขึ้นเช่นกัน เพราะในขณะ
ที่แถวการรอคอยมีจำ�นวนน้อยลง ทำ�ให้ความพึงพอใจลูกค้าเพิ่มขึ้นนั้น จำ�นวนคนหรือเครื่องจักร
ที่เพิ่มขึ้นก็จะทำ�ให้ค่าใช้จ่ายเพิ่มขึ้นตามไปด้วย แต่ในทางกลับกัน หากไม่มีการเพิ่มจำ�นวนคนหรือ
จำ�นวนเครื่องจักร ถึงแม้ค่าใช้จ่ายในส่วนนี้จะไม่เพิ่มขึ้น แต่ลูกค้าก็อาจจะเกิดความไม่พึงพอใจ
และนำ�ไปสู่การสูญเสียโอกาสในการขายได้ในที่สุด
จากรูปที่ 6-1 จะเห็นว่าแกนนอนเป็นแกนที่เกี่ยวกับระดับการให้บริการ ซึ่งถ้าไป
ทางด้านขวาก็แสดงว่ามีการให้บริการที่รวดเร็ว ลูกค้าไม่ต้องรอนาน ส่วนแกนตั้งนั้นเป็นแกนที่
เกี่ยวกับต้นทุน ซึ่งหากสูงขึ้นไปก็หมายถึงว่ามีต้นทุนที่สูงนั่นเอง นอกจากนั้นจากรูปที่ 6-1
ยังเห็นเส้นอีก 3 เส้น โดยมีรายละเอียดดังต่อไปนี้
1. เส้นที่เกี่ยวข้องกับต้นทุนในการให้บริการ: จะเห็นว่าเส้นนี้เป็นเส้นตรงที่แสดง
ความสัมพันธ์แปรผันตรงระหว่างระดับการให้บริการกับต้นทุน ซึ่งหมายความว่าเมื่อเราต้องการ
ให้ระดับการให้บริการดีขึ้น เราย่อมที่จะต้องใช้จ่ายเงินเพิ่มขึ้น ยกตัวอย่างเช่น หากต้องการให้
เวลาในการรอคอยลดลง (บริการดีขึ้น) เราอาจจะต้องจ้างคนเพิ่มขึ้นจาก 1 คนเป็น 2 คน ซึ่งหาก
ค่าใช้จ่ายสำ�หรับพนักงาน 1 คน เป็น 20,000 บาท ต่อเดือน ค่าใช้จ่ายสำ�หรับพนักงาน 2 คนก็
จะเป็น 40,000 บาทต่อเดือน เป็นต้น จะเห็นได้ว่าการเพิ่มสูงขึ้นของต้นทุนในลักษณะนี้มักจะมี
การเพิ่มขึ้นแบบเป็นเส้นตรงในลักษณะดังกล่าว
2. เส้นที่เกี่ยวข้องกับต้นทุนที่เกิดจากความไม่พึงพอใจของลูกค้า: เส้นนี้จะแสดงความ
สัมพันธ์ในเชิงผกผันระหว่างต้นทุนที่เกิดขึ้นจากความไม่พึงพอใจของลูกค้ากับระดับการให้บริการ
กล่าวคือเมื่อระดับการให้บริการอยู่ในระดับที่ตํ่า ลูกค้าอาจต้องใช้เวลาในการรอคอยนานจึงเกิด
ความไม่พึงพอใจขึ้น ซึ่งความไม่พึงพอใจนี้ จะนำ�มาสู่การเสียโอกาสในการขาย รวมทั้งการเสีย
ชื่อเสียงด้วย ซึ่งเป็นต้นทุนที่สูงมาก แต่หากเพิ่มระดับการให้บริการขึ้น ความไม่พึงพอใจของ
ลูกค้าจะลดตํ่าลง และจะนำ�มาซึ่งต้นทุนที่เกี่ยวข้องกับความไม่พึงพอใจที่จะลดตํ่าลงเช่นกัน
อย่างไรก็ตามจะสังเกตเห็นว่าต้นทุนความไม่พึงพอใจที่ลดตํ่าลง ในขณะที่ระดับการให้บริการ
เพิ่มสูงขึ้นนั้น อัตราการลดตํ่าลงในช่วงแรกจะมีมากกว่าในช่วงหลังอย่างเห็นได้ชัด ทั้งนี้เพราะว่า
ในช่วงหลัง ถึงแม้ระดับการให้บริการจะเพิม่ ขึน้ มากเท่าไร ก็อาจจะเกินความต้องการของลูกค้าแล้ว
จึงไม่ได้เป็นการลดต้นทุนความไม่พงึ พอใจของลูกค้ามากนักเมือ่ เทียบกับในช่วงแรก ยกตัวอย่างเช่น
หากเราไปธนาคารและพบว่ามีพนักงานเพียงคนเดียวในการให้บริการ ซึ่งทำ�ให้เรารอคอยถึง
30 นาที ก็จะทำ�ให้เราไม่พึงพอใจมาก แต่เมื่อเพิ่มพนักงานอีกคนในการให้บริการ เวลาในการ
รอคอยอาจลดลงเหลือ 10 นาทีเท่านั้น (รายละเอียดการคำ�นวณตัวเลขเหล่านี้จะได้นำ�เสนอต่อ
ไปในบทนี้) จะเห็นว่าความไม่พึงพอใจของเราก็จะลดลงอย่างมาก อย่างไรก็ตามเมื่อเพิ่มพนักงาน
เป็นจำ�นวน 5 คน โดยเฉลี่ยแล้วเราอาจจะแทบจะไม่ต้องรอคอยเลย และจะเห็นว่าหลังจากนี้ถึง
แม้ว่าจะเพิ่มระดับการให้บริการอีกจาก 5 คน เป็น 10 คน ก็จะไม่ได้ช่วยทำ�ให้ความพึงพอใจเพิ่ม
ขึ้น (หรือลดความไม่พึงพอใจลง) สักเท่าไร เนื่องจากในระดับพนักงานที่ 5 คนนั้น ระดับความ
ไม่พึงพอใจก็อยู่ในระดับที่ตํ่าอยู่แล้ว เป็นต้น ดังนั้นจะเห็นว่าความสัมพันธ์ระหว่างต้นทุนความ
ไม่พึงพอใจกับระดับการให้บริการจึงไม่ใช่ความสัมพันธ์ที่เป็นเส้นตรง ดังเหตุผลที่ได้กล่าวมาแล้ว
3. เส้นต้นทุนรวม: ผลรวมระหว่างต้นทุนในการให้บริการกับต้นทุนที่เกิดจากความ
ไม่พึงพอใจของลูกค้า
ตนทุน
ตนทุนรวม
ตนทุนในการใหบริการ
ตนทุนที่เกิดจากความไมพึงพอใจของลูกคา
ระดับการใหบริการ
รูปที่ 6-1 ความสัมพันธ์ระหว่างต้นทุนกับระดับการให้บริการ
แบบจ�ำลองแถวการรอคอย 143
จากรูปที่ 6-1 จะเห็นได้ว่าในขณะที่ต้นทุนในการบริการแปรผันตรงกับระดับการ
ให้บริการ ต้นทุนที่เกิดจากความไม่พึงพอใจของลูกค้ากลับแปรผกผันกับระดับการให้บริการ
ดังนั้นจะเห็นว่าระดับการให้บริการตํ่าเกินไปก็ไม่ดี เพราะถึงแม้ว่าต้นทุนในการให้บริการจะตํ่า
แต่ต้นทุนที่เกิดจากความไม่พึงพอใจของลูกค้าจะสูงมาก ในขณะเดียวกันระดับการให้บริการ
ที่สูงเกินไปก็ไม่ดีเช่นกัน เพราะแม้ว่าต้นทุนที่เกิดจากความไม่พึงพอใจของลูกค้าจะตํ่า แต่ต้นทุน
ในการให้บริการก็จะสูงมากจนเกิดความสิ้นเปลือง จากรูปจะเห็นว่าเส้นของต้นทุนรวมจะมีจุดที่
ต้นทุนตํ่าที่สุดเพียงจุดเดียว ซึ่งจุดดังกล่าวก็คือจุดของระดับการให้บริการที่เหมาะสมนั่นเอง
สำ�หรับรูปแบบของแถวการรอคอยที่พบบ่อยนั้น สามารถแบ่งออกได้เป็น 3 รูปแบบ
รูปที่ 6-2 รูปแบบต่างๆ ของแถวการรอคอย
• รูปแบบที่ 1 มีแถวการรอคอยแถวเดียวและมีผู้ให้บริการเพียงคนเดียว (One

Queue One Server) รูปแบบนี้จะพบมากในกรณีที่มีลูกค้าจำ�นวนไม่มากนัก เช่น แถวใน
การรอซื้อของในร้านสะดวกซื้อขนาดเล็ก เป็นต้น
• รูปแบบที่ 2 มีแถวการรอคอยแถวเดียวและมีผู้ให้บริการหลายคน (One Queue
Many Servers) รูปแบบนีเ้ ป็นรูปแบบทีพ่ บเห็นได้บอ่ ยครัง้ เช่น แถวในการรอรับบริการในธนาคาร
หรือแถวในการรอซื้อตั๋วเพื่อเข้าชมการแสดงหรือชมภาพยนตร์ เป็นต้น
• รูปแบบที่ 3 มีแถวการรอคอยหลายแถวและมีผู้ให้บริการหลายคน (Many Queues
Many Servers) รูปแบบนี้ผู้ให้บริการแต่ละคนจะมีแถวการรอคอยที่แยกออกจากกัน รูปแบบนี้
พบเห็นในหลายสถานการณ์ เช่น การ Check In ที่สนามบิน รถที่เข้าแถวเพื่อจ่ายเงินค่าทางด่วน
สิ่งที่ส่งผลกระทบต่อแถวการรอคอย
สิ่งที่จะส่งผลกระทบต่อแถวการรอคอยว่าจะยาวหรือสั้น จะรอนานหรือไม่นานนั้น
จะขึ้นอยู่กับตัวแปร 3 ตัวแปร ได้แก่ อัตราการเข้ามาสู่ระบบ (Arrival Rate) เวลาในการให้
บริการ (Service Time) และจำ�นวนผู้ให้บริการ (Server) โดยหากอัตราการเข้าสู่ระบบตํ่า
เวลาในการให้บริการเร็ว และมีจำ�นวนผู้ให้บริการมาก ย่อมทำ�ให้แถวการรอคอยสั้น หรือใช้เวลา
ในการรอคอยไม่นาน ในทางกลับกันหากอัตราการเข้ามาสู่ระบบมีมาก เวลาในการให้บริการนาน
และจำ�นวนผู้ให้บริการน้อยแล้ว ย่อมทำ�ให้มีแถวการรอคอยยาว หรือใช้เวลาในการรอคอยนาน
ตามไปด้วย อย่างไรก็ตามเพื่อที่จะทำ�ให้เราสามารถคิดคำ�นวณหาค่าต่าง ๆ ที่เกี่ยวกับแถวการ
รอคอยได้ เราจำ�เป็นต้องมีการศึกษารายละเอียดที่เกี่ยวกับตัวแปรทั้ง 3 ตัวแปร ดังต่อไปนี้
อัตราการเข้ามาสู่ระบบ (Arrival Rate)

ในระบบแถวคอยทั่วไป ลูกค้าจะมีจำ�นวนการเข้ามาแบบสุ่ม หมายถึง จำ�นวนที่
เข้ามาในช่วงเวลาที่กำ�หนดหนึ่ง ๆ จะไม่ได้เป็นค่าคงที่ ซึ่งโดยปกติการแจกแจงที่เหมาะสมกับ
จำ�นวนการเข้ามาในระบบแถวคอยจะใช้รูปแบบของการแจกแจงแบบ Poisson โดยมีการกำ�หนด
อัตราการเข้ามา (Arrival Rate) ซึ่งจะแสดงด้วยสัญลักษณ์ λ เพื่อแสดงจำ�นวนเฉลี่ยของการ
เข้ามาในช่วงเวลาใดเวลาหนึ่ง (หน่วยเป็นจำ�นวนหน่วยต่อช่วงเวลา เช่น คนต่อชั่วโมง) ดังนั้น
จากการกระจายตัวของความน่าจะเป็นที่จะมีจำ�นวนการเข้ามา X คนในช่วงเวลาใดเวลาหนึ่งจะ
ใช้สูตร ดังต่อไปนี้
λxe–λ
P(x) = for x = 0, 1, 2, …
x!
ยกตัวอย่างเช่น หากอัตราการเข้ามาสู่ระบบ (Arrival Rate) มีค่าเท่ากับ 10 หน่วย
ต่ อ ชั่ ว โมง การกระจายตั ว ของความน่ า จะเป็ น จะแสดงได้ จ าก Speadsheet (พร้ อ มทั้ ง
รายละเอียดสูตรการคำ�นวณ) ดังแสดงในรูปที่ 6-3 ดังต่อไปนี้
Key Cell Formulas

B5 =($B$2^A5*EXP(-$B$2))/FACT(A5) B6:B25
รูปที่ 6-3 ตัวอย่างการกระจายตัวแบบ Poisson ของอัตราการเข้ามาสู่ระบบ
ใน Column B ในรูปที่ 6-3 แสดงความน่าจะเป็นของจำ�นวนการเข้ามาของลูกค้า

ซึ่งแสดงค่าใน Column A ตัวอย่างเช่น ค่าความน่าจะเป็นที่คำ�นวณได้ใน Cell B9 เท่ากับ
0.0189 แสดงถึงความน่าจะเป็นที่จะมีลูกค้าเข้ามาในระบบจำ�นวน 4 คนต่อชั่วโมงตามที่แสดงใน
Cell A9 เป็นต้น
สำ�หรับส่วนกลับของอัตราการเข้ามาสู่ระบบ (Arrival Rate) เราจะเรียกว่า ระยะห่าง
ของเวลาในการเข้ามาสู่ระบบ (Interarrival Time) และจะมีหน่วยเป็นช่วงเวลาต่อหน่วย เช่น
หากอัตราการเข้ามาสู่ระบบ คือ 6 คนต่อชั่วโมง ระยะห่างของเวลาในการเข้ามาสู่ระบบก็คือ 1/6
ชั่วโมงต่อคน หรือ 10 นาทีต่อคนนั่นเอง และหากอัตราการเข้ามาสู่ระบบมีการกระจายตัวแบบ
Poisson แล้ว ระยะห่างของเวลาในการเข้ามาสู่ระบบซึ่งเป็นส่วนกลับของอัตราการเข้ามาสู่ระบบ
ก็จะมีการกระจายตัวแบบ Exponential เสมอ
เวลาในการให้บริการ (Service Time)

เวลาในการให้บริการ หมายถึง ระยะเวลาที่ให้บริการแก่ลูกค้าหนึ่งคนตั้งแต่เริ่มให้
บริการจนกระทั่งเสร็จสิ้นการให้บริการ โดยไม่นับรวมถึงระยะเวลาที่ลูกค้าคนนั้น ๆ รอในแถวคอย
ระยะเวลาในการให้บริการลูกค้าแต่ละคนย่อมไม่เท่ากัน ส่วนใหญ่แล้วการแจกแจงที่มักใช้สำ�หรับ
ระยะเวลาการให้บริการ คือการแจกแจงแบบ Exponential ซึ่งจำ�เป็นต้องมีการระบุอัตราการ
ให้บริการ (Service Rate) ซึ่งแสดงด้วยสัญลักษณ์ µ โดยจะแสดงถึงจำ�นวนคนที่รับบริการใน
ช่วงเวลาที่กำ�หนดหนึ่ง ๆ (หน่วยเป็นจำ�นวนหน่วยต่อช่วงเวลา เช่น คนต่อชั่วโมง เป็นต้น) ดังนั้น
ระยะเวลาการให้บริการเฉลี่ยต่อลูกค้าหนึ่งรายก็จะเป็นส่วนกลับของอัตราการให้บริการ (1/µ)
นั่นเอง โดยหน่วยของระยะเวลาในการให้บริการจะเป็นช่วงเวลาต่อหน่วย เช่น ชั่วโมงต่อคน
เนื่องจากการแจกแจงแบบ Exponential นั้น มีลักษณะเป็นการแจกแจงแบบต่อเนื่อง
ดังนั้นการคำ�นวณหาค่าความน่าจะเป็นจึงจะระบุในรูปของช่วง เช่น ความน่าจะเป็นที่จะให้บริการ
ด้วยเวลาตั้งแต่ 1 ถึง 2 นาทีมีค่าเท่ากับเท่าไร เป็นต้น สมการสำ�หรับการคำ�นวณความน่าจะเป็น
สำ�หรับการกระจายตัวแบบ Exponential มีดังต่อไปนี้
t2
P(t1 ≤ T ≤ t2) = ∫ μe–μx dx = e–ut1 – e–ut2, for t1 ≤ t2
t1
ยกตัวอย่างเช่นหากอัตราการให้บริการ (Service Rate) มีค่าเท่ากับ 12 หน่วยต่อ

ชัว่ โมง การกระจายตัวของความน่าจะเป็นจะแสดงได้จาก Speadsheet (พร้อมทัง้ รายละเอียดสูตร
การคำ�นวณ) ดังแสดงในรูปที่ 6-4 หน้าถัดไปนี้
Key Cell Formulas
D5 =EXP(-$C$2*A5)-EXP(-$C$2*C5) D6:D29
รูปที่ 6-4 ตัวอย่างการกระจายตัวแบบ Exponential ของเวลาในการให้บริการ
และเนื่ อ งจากระยะเวลาในการให้ บ ริ ก ารมี ก ารกระจายตั ว แบบ Exponential

อัตราการให้บริการซึ่งเป็นส่วนกลับของระยะเวลาในการให้บริการก็จะมีการกระจายตัวแบบ
Poisson เสมอ
จำ�นวนผู้ให้บริการ (Server)
จำ�นวนผู้ให้บริการจะเป็นค่าคงที่ ที่ทราบในแบบจำ�ลองต่าง ๆ เช่น มีผู้ให้บริการกี่คน
จะเป็นจำ�นวนเต็มบวกที่มีค่าตั้งแต่ 1 ขึ้นไป
อย่างไรก็ตาม ในการสร้างแบบจำ�ลองในเรื่องแถวการรอคอยนั้น เรามักจะต้องกล่าวถึง

สมมุตฐิ านทีเ่ กีย่ วข้องกับเรือ่ งอัตราการเข้ามาสูร่ ะบบ เวลาในการให้บริการ และจำ�นวนผูใ้ ห้บริการ
อยูเ่ สมอ ดังนัน้ เพือ่ ให้รปู แบบการอ้างอิงถึงสมมุตฐิ านเหล่านีเ้ ป็นไปอย่างมีระบบ นักออกแบบจำ�ลอง
เรือ่ งแถวการรอคอยจึงมักจะใช้สญ
ั ลักษณ์ทสี่ อื่ ความหมายในเรือ่ งของตัวแปรเหล่านีท้ มี่ ชี อื่ เรียกกัน
2
ว่า Kendall Notation โดยมีรายละเอียดดังต่อไปนี้
Kendall Notation
จะเป็นสัญลักษณ์ซึ่งมีรูปแบบแบ่งเป็น 3 ส่วน (1/2/3) โดยในแต่ละส่วนมีความหมาย
1. ในส่วนที่ 1 แสดงถึงรูปแบบของการกระจายตัวของระยะห่างของเวลาการเข้ามาสู่
ระบบ ซึ่งจะใช้ตัวอักษรที่แตกต่างกันออกไป ความหมายของแต่ละตัวอักษรมีดังต่อไปนี้
• ตัวอักษร M หมายถึง Markovian Interarrival Times ซึ่งหมายความว่า
ระยะห่างของเวลาการเข้ามาสู่ระบบจะมีการกระจายตัวแบบ Exponential หรืออาจกล่าวได้ว่า
อัตราการเข้าสู่ระบบมีการกระจายตัวแบบ Poisson นั่นเอง
• ตัวอักษร D หมายถึง Deterministic Interarrival Times ซึ่งหมายความว่า
ระยะห่างของเวลาการเข้ามาสูร่ ะบบจะเป็นค่าคงที่ หรือกล่าวอีกนัยหนึง่ ว่าอัตราการเข้ามาสูร่ ะบบ
เป็นค่าคงที่นั่นเอง
2. ในส่วนที่ 2 แสดงถึงรูปแบบการกระจายตัวของเวลาในการให้บริการ ซึ่งจะใช้
ตัวอักษรที่แตกต่างกันออกไป ความหมายของแต่ละตัวอักษรมีดังต่อไปนี้
• ตัวอักษร M หมายถึง Markovian Service Times ซึ่งหมายความว่าเวลาใน
การให้บริการจะมีการกระจายตัวแบบ Exponential หรืออาจกล่าวได้ว่า อัตราการให้บริการมี
การกระจายตัวแบบ Poisson นั่นเอง
• ตัวอักษร G หมายถึง General Service Times ซึ่งหมายความว่าเวลาในการ
ให้บริการจะมีการกระจายตัวแบบอื่น ๆ ที่ไม่ใช่ Exponential
• ตัวอักษร D หมายถึง Deterministic Service Times ซึ่งหมายความว่าเวลาใน
การให้บริการจะเป็นค่าคงที่หรืออาจกล่าวได้ว่าอัตราการให้บริการก็เป็นค่าคงที่นั่นเอง
2 Kendall,
D.G. (1953). Stochastic Processes Occurring in the Theory of Queues and their
Analysis by the Method of the Imbedded Markov Chain. Annals of Mathematical Statistics, Vol. 24
No. 3, pp. 338-354.
3. ส่วนที่ 3 จะแสดงถึงจำ�นวนผูใ้ ห้บริการ หรือจำ�นวน Server ทีส่ ามารถให้บริการได้
ดังนั้นหากมีการแสดง Kendal Notation เป็น M/M/4 ก็จะหมายความว่าระบบแถวการ
รอคอยนั้น มีการกระจายตัวของระยะห่างของเวลาการเข้ามาสู่ระบบเป็นแบบ Exponential
เวลาการให้บริการก็มีการกระจายตัวแบบ Exponential เช่นกัน และมีจำ�นวนผู้ให้บริการ 4 คน
หรือ 4 Servers หรือหากมีการแสดง Kendal Notation เป็น D/G/1 ก็หมายความว่า
ระบบแถวการรอคอยนั้น ระยะห่างของเวลาการเข้ามาสู่ระบบเป็นค่าคงที่ เวลาการให้บริการ
ก็มีการกระจายตัวแบบอื่น ๆ ที่ไม่ใช่ Exponential และมีจำ�นวนผู้ให้บริการ 1 คนหรือ 1 Server
โปรแกรม Q
การคำ�นวณค่าต่าง ๆ ที่เกี่ยวข้องกับแถวการรอคอยในบทนี้ ได้มีการนำ�เสนอสูตรที่
เกี่ยวข้องต่าง ๆ อย่างครบถ้วน อย่างไรก็ตามเพื่อความง่ายในการทำ�ความเข้าใจจึงใช้ Queuing
Template ซึ่งเป็นโปรแกรมที่สร้างขึ้นโดย David W. Ashley3 โดย Template ดังกล่าวเป็น
Excel File ที่ผู้อ่านสามารถ download ได้จาก http://archive.ite.journal.informs.org/
Vol2No3/Ashley/q.xls
ใน Queuing Template ที่สร้างขึ้นโดย David W. Ashley สามารถใช้งานได้ เมื่อ
ระบบแถวคอยมีลักษณะดังต่อไปนี้
• M/M/s
• M/M/s ที่มีการจำ�กัดแถวการรอคอย (finite queue length)
• M/M/s ที่มีประชากรที่จะเข้ามาสู่ระบบจำ�กัด (finite arrival population)
• M/G/1
โดยลักษณะของ Queuing Templates สามารถแสดงได้ดังรูปที่ 6-5 หน้าถัดไปนี้
3 Ashley,
D.W. (2002). An Introduction to Queuing Theory in an Interactive Text Format.
INFORMSTrans. Ed., Vol. 2 No.3, pp. 96-98. Available online at http://ite.pubs.informs.org/
รูปที่ 6-5 Queuing Templates ที่สร้างขึ้นโดย David W. Ashley
ตัววัดที่สำ�คัญที่เกี่ยวกับแถวการรอคอย
ในการศึกษาเกี่ยวกับแถวการรอคอยนั้น ลักษณะสำ�คัญที่ผู้ออกแบบจำ�ลองมักจะสนใจ
มีรายละเอียดดังต่อไปนี้
• U คือ Utilization factor ซึ่งหมายถึงสัดส่วนของเวลาที่ผู้ให้บริการหรือ Server
ทำ�งานอยู่ ค่านี้จะมีค่าอยู่ระหว่าง 0-100% ถ้าค่านี้เท่ากับ 0 หมายความว่าผู้ให้บริการหรือ
Server จะว่างและไม่มีการทำ�งานเลย ในขณะที่ถ้าค่านี้เท่ากับ 100% จะหมายความว่าผู้ให้
บริการ Server ทำ�งานตลอดเวลา ถ้าค่านี้มีค่ายิ่งมากเท่าไร โอกาสที่จะเกิดแถวการรอคอยก็ยิ่ง
มากขึ้นเท่านั้น
• P0 หมายถึงค่าความน่าจะเป็นที่จะไม่มีใคร หรือสิ่งใดเลยที่อยู่ในระบบแถวการ
รอคอย ค่านี้จะมีค่าอยู่ระหว่าง 0-1 หากค่านี้มีค่ามาก แสดงว่ามีโอกาสสูงที่จะพบว่าไม่มีใครที่
อยู่ในระบบแถวการรอคอย หรืออีกนัยหนึ่งคือแถวการรอคอยจะมีค่อนข้างสั้น ในทางตรงกันข้าม
ถ้าค่านี้มีค่าตํ่า แสดงว่ามีโอกาสตํ่าที่จะไม่พบแถวการรอคอย ซึ่งหมายถึงแถวการรอคอยน่าจะมี
จำ�นวนมากนั่นเอง
• Lq หมายถึงค่าเฉลี่ยของคนหรือสิ่งของที่อยู่ในแถวการรอคอย โดยไม่นับรวมถึงคน
หรือสิ่งของที่อยู่ในระหว่างการรับบริการ
• L หมายถึงค่าเฉลี่ยของคนหรือสิ่งของที่อยู่ในระบบ โดยนับรวมถึงคนหรือสิ่งของที่
อยู่ในแถวการรอคอยและอยู่ในระหว่างการรับบริการ
• Wq หมายถึงค่าเฉลีย่ ของเวลาทีอ่ ยูใ่ นแถวการรอคอย โดยไม่นบั รวมถึงเวลาในระหว่าง
การรับบริการ
• W หมายถึงค่าเฉลี่ยของเวลาที่อยู่ในระบบ โดยนับรวมเวลาที่อยู่ในแถวการรอคอย
และเวลาในการรับบริการ
• Pw หมายถึงค่าความน่าจะเป็นที่คนหรือสิ่งของที่เข้ามาสู่ระบบจะต้องรอคอยเพื่อ
รับบริการ ค่านี้จะมีค่าอยู่ระหว่าง 0-1 ยิ่งค่านี้มีค่ามากเท่าไร ยิ่งแสดงว่าโอกาสที่จะต้องเกิดการ
รอคอยขึ้นมีมากขึ้นเท่านั้น
• Pn หมายถึงค่าความน่าจะเป็นที่จะมีคนหรือสิ่งของ n หน่วยอยู่ในระบบ เช่น P1
ก็หมายถึงความน่าจะเป็นที่มีคนหรือสิ่งของ 1 หน่วยในระบบ
ตัววัดเหล่านี้จะเป็นตัววัดที่จะใช้ประกอบการตัดสินใจในการจัดการเกี่ยวกับแถวการ
รอคอย ซึ่งจะได้นำ�เสนอในแต่ละกรณีดังต่อไปนี้
รูปแบบแถวการรอคอยแบบ M/M/S
รูปแบบแถวการรอคอยแบบ M/M/S นี้มีข้อสมมุติฐานดังต่อไปนี้
• ระยะห่างของเวลาการเข้ามาสูร่ ะบบจะมีการกระจายตัวแบบ Exponential หรืออาจ
กล่าวได้ว่าอัตราการเข้าสู่ระบบมีการกระจายตัวแบบ Poisson
• เวลาในการให้บริการจะมีการกระจายตัวแบบ Exponential หรืออาจกล่าวได้ว่า
อัตราการให้บริการมีการกระจายตัวแบบ Poisson
• มีจำ�นวนผู้ให้บริการหรือจำ�นวน Server เท่ากับ s Server
• อัตราการเข้ามาสู่ระบบมีค่าเฉลี่ยเท่ากับ λ
• อัตราการให้บริการมีค่าเฉลี่ยเท่ากับ m
• การเข้ามาสู่ระบบเป็นแบบ FIFO ซึ่งหมายถึงคนหรือสิ่งของที่เข้ามาก่อนจะได้รับ
บริการก่อน และเมื่ออยู่ในแถวรอคอย เมื่อผู้ให้บริการหรือ Server ใดว่างก่อนก็จะไปรับบริการที่
ผู้รับบริการหรือ Server นั้นทันที
• l < sμ ทั้งนี้เนื่องจากหากอัตราการเข้ามาสู่ระบบมีค่าสูงกว่าอัตราการให้บริการ
คูณด้วยจำ�นวน server แล้ว จะทำ�ให้ระบบนั้นจะขยายตัวออกไปเรื่อย ๆ ไม่มีความเสถียร
และจะทำ�ให้ไม่สามารถวัดหาค่าเฉลี่ยต่าง ๆ ได้
จากสมมุติฐานต่าง ๆ ข้างต้น ค่าตัววัดผลของรูปแบบแถวการรอคอย M/M/s สามารถ
คำ�นวณได้โดยใช้สูตรต่าง ๆ ดังต่อไปนี้

U λ/(sμ)
s-1 (λ/μ)n (λ/μ)s -1
sμ
P0
n 0 n! s! sμ – λ
P0(λ/μ)s+1
Lq
(s – 1)!(s – λ/μ)2
λ
L Lq
μ
Lq
Wq
λ
W Wq 1
μ
s
1 λ sμ
Pw P
s! μ sμ – λ 0
(λ/μ)n
Pn P , for n ≤ s
n! 0
(λ/μ)n
Pn P , for n > s
s!s(n–s) 0
เพื่อให้เห็นภาพชัดเจนขึ้น จึงขอนำ�เสนอผ่านทางกรณีศึกษาดังต่อไปนี้
กรณีศึกษาสหกรณ์ออมทรัพย์ ไทยเทพ
ฝ่ายบริการลูกค้าในสหกรณ์ออมทรัพย์ไทยเทพ ในปัจจุบันมีเจ้าหน้าที่ให้บริการจำ�นวน
1 คน โดยปกติแล้วจะมีลูกค้ามาใช้บริการเฉลี่ย 10 คนต่อชั่วโมง และมีการแจกแจงแบบ Poisson
ซึ่งเจ้าหน้าที่สามารถให้บริการได้โดยเฉลี่ย 12 คนต่อชั่วโมง โดยมีการแจกแจงของเวลาการให้
บริการแบบ Exponential ผู้จัดการรณเวช ไทยเทพได้รับคำ�ร้องเรียนจากลูกค้าจำ�นวนมาก
เกี่ยวกับการรอคอย โดยเขาคิดว่าต้องพิจารณาเวลาคอยโดยเฉลี่ยของลูกค้า ซึ่งถ้าหากเกินกว่า
10 นาที เขาจะทำ�การจ้างเจ้าหน้าที่เพิ่มเติม โดยเขาต้องการทราบว่าจะต้องจ้างเจ้าหน้าที่ในการ
ให้บริการเพิ่มอีกเท่าไหร่
จากกรณีดังกล่าวสามารถสรุปได้ว่าอัตราการเข้ามาสู่ระบบ (Arrival Rate) มีค่าเท่ากับ
10 คนต่อชั่วโมง อัตราการให้บริการ (Service Rate) มีค่าเท่ากับ 12 คนต่อชั่วโมง และจำ�นวน
ผู้ให้บริการ (Servers) ในปัจจุบันคือ 1 คน เราจึงสามารถนำ�เอาค่าเหล่านี้ไปใส่ในสูตรการคำ�นวณ
ข้างต้น อย่างไรก็ตามเพื่อความรวดเร็วในการคำ�นวณเราอาจจะใช้ Queuing Template จาก
โปรแกรม Q.xls ซึ่งจะให้ค่าดังแสดงในรูปที่ 6-6
รูปที่ 6-6 ผลลัพธ์จากการคำ�นวณสำ�หรับกรณีศกึ ษาสหกรณ์ออมทรัพย์ไทยเทพในกรณีทมี่ ผี ใู้ ห้บริการ

คนเดียว
จะเห็นได้ว่าในกรณีนี้เวลาในการรอคอย (Wq) มีค่าเท่ากับ 0.4167 ชั่วโมง หรือ

25 นาที ซึ่งเกินกว่าที่ต้องการที่ 10 นาที เพราะฉะนั้นในกรณีนี้จึงจำ�เป็นที่จะต้องจ้างเจ้าหน้าที่
ที่ให้บริการเพิ่ม โดยเมื่อมีการเพิ่มจำ�นวนเจ้าหน้าที่ให้บริการเพิ่มอีก 1 คน เป็น 2 คน ผลลัพธ์ที่
ได้จากการคำ�นวณเพื่อตัดสินใจเป็นดังแสดงในรูปที่ 6-7 หน้าถัดไปนี้
2 คน
เมื่อเพิ่มจำ�นวนเจ้าหน้าที่ที่ให้บริการเป็น 2 คน จะเห็นว่าเวลาเฉลี่ยในการรอคอยจะ
ลดลงเหลือ 0.0175 ชั่วโมงหรือ 1.05 นาทีเท่านั้น จะเห็นว่าการเพิ่มจำ�นวนเจ้าหน้าที่บริการอีก
เพียงคนเดียวส่งผลให้เวลาในการรอคอยลดลงอย่างมาก และเป็นไปตามสิ่งที่ผู้จัดการต้องการคือ
เวลาเฉลี่ยในการรอคอยจะลดลงตํ่ากว่า 10 นาที
รูปแบบแถวการรอคอยแบบ M/M/S แบบที่จำ�กัดแถวการรอคอย

(Finite Q Length)
รูปแบบแถวการรอคอยแบบ M/M/S แบบที่จำ�กัดแถวการรอคอยนี้มีข้อสมมุติฐาน
• เวลาในการให้บริการจะมีการกระจายตัวแบบ Exponential หรืออาจกล่าวได้วา่ อัตรา
การให้บริการมีการกระจายตัวแบบ Poisson
คูณด้วยจำ�นวน server แล้ว จะทำ�ให้ระบบนั้นจะขยายตัวออกไปเรื่อย ๆ ไม่มีความเสถียร และ
จะทำ�ให้ไม่สามารถหาค่าวัดเฉลี่ยต่าง ๆ ได้
• แถวการรอคอยสามารถรอได้จำ�กัด โดยจำ�นวนคนหรือสิ่งของที่อยู่ในระบบจะต้อง
ไม่เกิน K หน่วย หากเกิน K หน่วย คนหรือสิ่งของลำ�ดับถัดไปจะไม่สามารถเข้ามาสู่ระบบได้
จากสมมุติฐานต่าง ๆ ข้างต้น ค่าตัววัดผลของรูปแบบแถวการรอคอย M/M/s แบบที่
จำ�กัดแถวการรอคอยสามารถคำ�นวณได้โดยใช้สูตรต่าง ๆ ดังต่อไปนี้

U (L – Lq)/s
n s -1
(λ/μ)n
s (λ/μ)s K λ
P0 1
n 1 n! s! n s 1 sμ
(λ/μ)n
Pn P , for n 1,2,...,s
n! 0
(λ/μ)n
Pn P , for n s 1, s 2,...,K
s!s(n–s) 0
Pn 0, for n > K
P0(λ/μ)s
Lq (1 – K-s
– (K – s) K-s
(1 – )), where λ/(sμ)
s!(1– )2
s1 s1
L nPn Lq s 1 Pn
n0 n0
Lq
Wq
λ(1 PK)
L
W
λ(1 PK)
กรณีศึกษาสหกรณ์ออมทรัพย์ ไทยเทพในกรณีที่จำ�กัดแถวการรอคอย
เพื่อให้ลูกค้าใช้เวลาเฉลี่ยในการรอน้อยลง ผู้จัดการจึงมีนโยบายให้การให้บริการของ
สหกรณ์ที่พื้นที่สหกรณ์สามารถรองรับลูกค้าที่รอได้เพียง 12 คน ดังนั้นหากมีลูกค้าที่กำ�ลังรอครบ
จำ�นวน 12 คนแล้ว ลูกค้าคนที่ 13 ที่เข้ามา ทางสหกรณ์จะไม่สามารถรองรับลูกค้าได้อย่างเต็มที่
และจะเสียเวลารอคิวนาน ทางสหกรณ์จึงจะมีการบอกให้ลูกค้ากลับมาใหม่อีกครั้ง หากมีนโยบาย
เช่นนี้ เวลาในการรอคอยโดยเฉลี่ยในกรณีที่มีเจ้าหน้าที่ให้บริการเพียงคนเดียวจะเป็นเท่าไร
จากข้อมูลดังกล่าว เราสามารถใส่คา่ ต่าง ๆ เข้าไปในแบบจำ�ลองการรอคอยแบบทีจ่ �ำ กัด
จำ�นวนแถวการรอคอยได้ดังแสดงในรูปที่ 6-8 ดังต่อไปนี้

คนเดียวและมีการจำ�กัดแถวการรอคอย
จะเห็นว่าเมื่อมีการจำ�กัดแถวการรอคอยนั้น เวลาเฉลี่ยในการรอคอย (Wq) ลดลงเป็น
0.3050 ชั่วโมง หรือ 18.3 นาที ซึ่งตํ่ากว่า 25 นาที ซึ่งเป็นกรณีที่ไม่มีการจำ�กัดแถวการรอคอย
โดยเป็นกรณีที่มีผู้ให้บริการเพียงคนเดียว แต่การลดตํ่าลงของเวลาในการรอคอยเฉลี่ยนี้ ไม่ได้เกิด
ขึ้นจากการปรับปรุงกระบวนการแต่อย่างใด เพียงแต่เกิดจากการจำ�กัดแถวการรอคอยเท่านั้น
จึงทำ�ให้มีผู้รับบริการบางส่วนไม่สามารถมาเข้าแถวรอได้ เนื่องจากถูกจำ�กัดแถวไว้ ดังนั้นใน
รูปแบบของแถวการรอคอยนี้จะมีตัววัดผลเพิ่มขึ้นอีกตัวหนึ่ง ได้แก่ ค่าความน่าจะเป็นที่ลูกค้าจะ
ไม่สามารถเข้ามาสู่ระบบได้ (Probability that a customer balks) ซึ่งจากรูปที่ 6-8 นี้มีค่าที่
ค่อนข้างตํ่าที่ 0.0169 ซึ่งหมายถึงความน่าจะเป็นที่ลูกค้าเข้ามาสู่สหกรณ์แล้วแต่ไม่สามารถเข้า
แถวรอได้เนื่องจากแถวยาวเกินกว่าที่กำ�หนดไว้นั่นเอง ดังนั้นเราอาจจะมองค่าความน่าจะเป็นนี้
เป็นโอกาสในการสูญเสียลูกค้าก็ได้
การแก้ไขกรณีที่อาจต้องเสียลูกค้าไปนั้นสามารถทำ�ได้โดยการเพิ่มจำ�นวนผู้ให้บริการ
หรือ Severs ที่ให้บริการ ผู้จัดการของสหกรณ์ไทยเทพจึงต้องการทราบว่าในกรณีที่มีการจำ�กัด
แถวการรอคอยนี้ หากเพิม่ เจ้าหน้าทีใ่ นการให้บริการแล้วจะมีโอกาสสูงหรือไม่ ทีล่ กู ค้าทีเ่ ข้ามาแล้ว
ไม่สามารถเข้ารับบริการได้เนือ่ งจากแถวการรอคอยเกินกว่ากำ�หนด และโดยเฉลีย่ แล้วลูกค้าทีอ่ ยูใ่ น
ระบบจะต้องรอนานเท่าไรก่อนที่จะได้รับบริการ ซึ่งสามารถคำ�นวณค่าต่าง ๆ ได้ในรูปที่ 6-9 โดย
การเพิ่มค่าจำ�นวน Server เป็น 2 คน ดังแสดงในรูปต่อไปนี้

2 คนและมีการจำ�กัดแถวการรอคอย
จากรูปที่ 6-9 พบว่า หลังจากเพิ่มจำ�นวนผู้ให้บริการเป็น 2 คน ความน่าจะเป็นที่ลูกค้า
จะเข้ามารับบริการแต่เข้ามาไม่ได้เนื่องจากแถวยาวเกินกำ�หนดนั้นมีค่าที่ตํ่ามากเกือบจะเท่ากับ
0 และเวลาเฉลี่ยในการรอคอย (Wq) ลดลงเหลือเพียง 0.0175 ชั่วโมงหรือประมาณ 1.05 นาที
เท่านั้น อย่างไรก็ตามการเพิ่มจำ�นวน Severs นั้นควรพิจารณาจากต้นทุนและผลประโยชน์ที่จะ
ได้รับเพิ่มประกอบกันด้วย
รูปแบบแถวการรอคอยแบบ M/M/S แบบที่จำ�กัดจำ�นวนประชากรที่

เข้ามาสู่ระบบ (Finite Population)
รูปแบบแถวการรอคอยแบบ M/M/S แบบที่จำ�กัดจำ�นวนประชากรที่เข้ามาสู่ระบบนี้มี
ข้อสมมุติฐานดังต่อไปนี้
• ระยะห่างของเวลาการเข้ามาสู่ระบบจะมีการกระจายตัวแบบ Exponential หรือ
อาจกล่าวได้ว่าอัตราการเข้าสู่ระบบมีการกระจายตัวแบบ Poisson
• เวลาในการให้บริการจะมีการกระจายตัวแบบ Exponential หรืออาจกล่าวได้ว่า
อัตราการให้บริการมีการกระจายตัวแบบ Poisson
คูณด้วยจำ�นวน server แล้ว จะทำ�ให้ระบบนั้นจะขยายตัวออกไปเรื่อย ๆ ไม่มีความเสถียร และ
จะทำ�ให้ไม่สามารถหาค่าวัดเฉลี่ยต่าง ๆ ได้
• จำ�นวนคนหรือสิง่ ของทีจ่ ะเข้ามาสูร่ ะบบแถวการรอคอยนัน้ มีจำ�นวนทีจ่ �ำ กัดเท่ากับ N
จากสมมุติฐานต่าง ๆ ข้างต้น ค่าตัววัดผลของรูปแบบแถวการรอคอย M/M/s แบบที่
จำ�กัดจำ�นวนประชากรที่เข้ามาสู่ระบบ สามารถคำ�นวณได้โดยใช้สูตรต่าง ๆ ดังต่อไปนี้
s1 n N n -1
P0 N! N!
n s
n 0 (N n) !n! n s (N n) !s!s
n
N!
Pn P0 , if 0 n s
(N n)!n!
n
Pn N! P0 , if s n N
(N n)!s!s n s
Pn 0, if n N
N
Lq (n s) Pn
n s
s1 s1
L nPn Lq s 1 Pn
n0 n0
Lq
Wq
(N L)
L
W
(N L)
กรณีศึกษาบริษัทยิ้มสยาม
บริษัท ยิ้มสยาม มีเครื่องจักรในการผลิตกล่องกระดาษจำ�นวน 8 เครื่อง เครื่องจักรมี
การขัดข้องโดยเฉลีย่ 0.02 ครัง้ ต่อชัว่ โมงต่อเครือ่ ง โดยอัตราการเสียของเครือ่ งจักรมีการกระจายตัว
แบบ Poisson โดยบริษัทจะสูญเสียรายได้หากเครื่องจักรใช้การไม่ได้เป็นจำ�นวนเงิน 5,000 บาท
ต่อชั่วโมงต่อเครื่องที่ใช้งานไม่ได้ นอกจากนี้ในปัจจุบันบริษัทมีการจ้างช่างซ่อมบำ�รุงเพียงหนึ่งคน
เท่านั้น โดยระยะเวลาการซ่อมโดยเฉลี่ย 6 ชั่วโมงต่อครั้งและมีการกระจายตัวแบบ Exponential
ฝ่ายบริหารต้องการทราบว่าในกรณีนี้ควรจ้างช่างซ่อมเครื่องจำ�นวนกี่คน จึงจะทำ�ให้ต้นทุนรวม
ตํ่าสุด โดยที่ค่าจ้างของพนักงานซ่อมเครื่องเท่ากับ 200 บาทต่อชั่วโมงต่อช่างหนึ่งคน
จากข้อมูลดังกล่าวเราอาจจะมองแผนกซ่อมเป็นระบบที่จะมีแถวการรอคอย ดังนั้น
เราจะสามารถสรุปตัวแปรต่าง ๆ ได้ดังต่อไปนี้
• อัตราการเข้าสู่ระบบ (l) มีค่าเท่ากับ 0.02 x 8 = 0.16 เครื่องต่อชั่วโมง
• อัตราการให้บริการ (m) มีค่าเท่ากับ 1/6 = 0.167 เครื่องต่อชั่วโมง
• จำ�นวน Server (s) มีค่าเท่ากับ 1 คน
• จำ�นวนเครื่องที่มีอยู่ (ประชากร: N) มีค่าเท่ากับ 8 เครื่อง
เมื่อนำ�เอาตัวแปรเหล่านี้เพื่อไปคำ�นวณค่าต่าง ๆ ก็จะได้ผลตามแสดงในรูปที่ 6-10
โดยจะสังเกตเห็นว่าการใส่ข้อมูลใน Template นั้น ค่า Arrival Rate นั้น เป็น Arrival Rate
ต่อเครื่อง ดังนั้นค่าที่ใส่ไปจึงเป็นค่า 0.02 แต่จะเห็นว่าค่า Overall Arrival Rate จะเป็น 0.16
ตามที่เราคำ�นวณได้ข้างต้น
จากผลที่ ไ ด้ รั บ นั้ น จะสั ง เกตเห็ น ว่ า โดยเฉลี่ ย แล้ ว จะมี เ ครื่ อ งที่ ไ ม่ ส ามารถใช้ ง านได้
ซึ่งหมายถึงเครื่องเสียที่ก�ำ ลังรอซ่อมกับเครือ่ งเสียที่กำ�ลังถูกซ่อมอยู่ ซึง่ คือค่า L ในการคำ�นวณมีค่า
เท่ากับ 1.7774 เครื่อง ดังนั้นค่าเสียโอกาสจะเท่ากับ 1.7774 x 5,000 = 8,887 บาทต่อชั่วโมง
และนอกจากนี้ เนือ่ งจากมีชา่ งซ่อมเพียงคนเดียว ดังนัน้ ค่าจ้างจะเท่ากับ 200 บาทต่อชัว่ โมง เพราะ
ฉะนั้นต้นทุนรวมจึงมีค่าเท่ากับ 8,887 + 200 = 9,087 บาทต่อชั่วโมง
Key Cell Formulas

K8 =E4*J8 ---
K9 =F9*J9 ---
K10 =SUM(K8:K9) ---
รูปที่ 6-10 ผลลัพธ์จากการคำ�นวณสำ�หรับกรณีศึกษาบริษัทยิ้มสยาม กรณีมีช่างซ่อม 1 คน
และเมื่อเพิ่มจำ�นวนช่างซ่อมเป็น 2 คน 3 คน และ 4 คนก็จะได้ผลลัพธ์ดังแสดงใน
รูปที่ 6-11 6-12 และ 6-13 ตามลำ�ดับดังต่อไปนี้
โดยใช้ วิ ธี ก ารคำ � นวณต้ น ทุ น เหมื อ นที่ ไ ด้ แ สดงมาแล้ ว ข้ า งต้ น จะสามารถสรุ ป การ

เปรียบเทียบต้นทุนได้ดังแสดงในตารางที่ 6-1 ดังต่อไปนี้
ตารางที่ 6-1 ต้นทุนรวมจากช่างซ่อมจำ�นวนต่างๆ กัน
ต้นทุนค่าแรง จำ�นวนเครื่อง ต้นทุนค่าเสียโอกาส ต้นทุนรวม

จำ�นวนช่างซ่อม
(บาทต่อชั่วโมง) ที่เสีย (L) (บาทต่อชั่วโมง) (บาทต่อชั่วโมง)
ช่างซ่อม 1 คน 1 × 200 = 200 1.7774 1.7774 × 5,000 = 8,887 9,087
ช่างซ่อม 2 คน 2 × 200 = 400 0.9499 0.9499 × 5,000 = 4,750 5,150
ช่างซ่อม 3 คน 3 × 200 = 600 0.8652 0.8652 × 5,000 = 4,326 4,926
ช่างซ่อม 4 คน 4 × 200 = 800 0.8564 0.8564 × 5,000 = 4,282 5,082
จากการคำ�นวณจะทำ�ให้เห็นว่าการจ้างช่างซ่อมจำ�นวน 3 คนจะมีต้นทุนรวมตํ่าที่สุด
และถึงแม้วา่ จะจ้างเพิม่ เป็น 5 คนหรือมากกว่านัน้ ก็มแี ต่จะทำ�ให้ตน้ ทุนรวมเพิม่ ขึน้ ทัง้ สิน้ เนือ่ งจาก
ต้นทุนค่าเสียโอกาสที่ลดลงนั้นไม่คุ้มค่ากับค่าแรงที่ได้เพิ่มมากขึ้น ดังนั้นในกรณีนี้บริษัทยิ้มสยาม
ควรจะจ้างช่างซ่อมบำ�รุงทั้งหมด 3 คน
รูปแบบแถวการรอคอยแบบ M/G/1
รูปแบบแถวการรอคอยแบบ M/G/1 มีข้อสมมุติฐานดังต่อไปนี้
• เวลาในการให้บริการจะมีการกระจายตัวแบบอื่น ๆ ที่ไม่ได้เป็นแบบ Exponential
• มีจำ�นวนผู้ให้บริการหรือจำ�นวน Server เท่ากับ 1 Server
• อัตราการเข้ามาสู่ระบบมีค่าเฉลี่ยเท่ากับ l
• เวลาในการให้บริการเท่ากับ m และมีค่าเบี่ยงเบนมาตรฐานเท่ากับ s
• อัตราการเข้ามาสู่ระบบจะต้องน้อยกว่าอัตราการออกจากระบบ ทั้งนี้เนื่องจากหาก
อัตราการเข้ามาสู่ระบบมีค่าสูงกว่าอัตราการออกจากระบบแล้ว จะทำ�ให้ระบบนั้นจะขยายตัวออก
ไปเรื่อย ๆ ไม่มีความเสถียร และจะทำ�ให้ไม่สามารถหาค่าวัดเฉลี่ยต่าง ๆ ได้
จากสมมุติฐานต่าง ๆ ข้างต้น ค่าตัววัดผลของรูปแบบแถวการรอคอย M/G/1 สามารถ
คำ�นวณได้โดยใช้สูตรต่าง ๆ ดังต่อไปนี้
P0 1 /
Lq
2 2
( / )2
2 (1 / )
L Lq /
Wq Lq /
W Wq 1 /
Pw /
กรณีศึกษาเฮียอ๋าโภชนา
เฮียอ๋าโภชนา เป็นร้านขายเกาเหลาเลือดหมูและข้าวขาหมู มีชั่วโมงทำ�งาน 8 ชั่วโมง
ต่อวันและทำ�งาน 6 วันต่อสัปดาห์ โดยรายได้จากค่าอาหารเฉลี่ยอยู่ที่ 50 บาทต่อคน (สมมุติว่า
ต้นทุนผันแปรตํ่ามาก จนอาจถือว่ารายได้นี้มีค่าใกล้เคียงกับกำ�ไร) จะมีลูกค้ามารับประทานอาหาร
ที่ร้านเฉลี่ย 25 คนต่อชั่วโมง โดยมีการแจกแจงแบบ Poisson จากการศึกษาข้อมูลในอดีต เฮียอ๋า
พบว่า ระยะเวลาการทำ�อาหารต่อลูกค้า 1 คนใช้เวลาประมาณ 2.1 นาทีต่อลูกค้า 1 คน (0.035
ชั่วโมงต่อคน) โดยมีค่าเบี่ยงเบนมาตรฐาน 0.3 นาทีต่อลูกค้า 1 คน (0.005 ชั่วโมงต่อคน)
เฮียอ๋ามีโอกาสในการจ้างผู้ช่วยในการทำ�อาหาร ซึ่งจะมีหน้าที่ในการช่วยเตรียมเครื่องปรุงและ
เตรียมส่วนประกอบต่าง ๆ โดยจะมีค่าใช้จ่ายในการจ้างต่อวันเท่ากับ 400 บาท ซึ่งจะสามารถ
ลดเวลาการทำ�อาหารของเฮียอ๋าได้อีก 0.6 นาทีต่อลูกค้า 1 คน (ปัจจุบันเฮียอ๋าทำ�งานคนเดียว)
เฮียอ๋าต้องการทราบว่าเขาควรจะจ้างผู้ช่วยเพิ่มขึ้นหรือไม่ เพราะเหตุใด
จากกรณีศึกษาดังกล่าว สามารถสรุปได้ว่ามีรูปแบบแบบ M/G/1 โดยมีค่าตัวแปร
ต่าง ๆ ดังต่อไปนี้
อัตราการเข้ามาสู่ระบบเท่ากับ 25 คนต่อชั่วโมง
ค่าเฉลี่ยของเวลาในการให้บริการเท่ากับ 0.035 ชั่วโมงต่อคน
ค่าเบี่ยงเบนมาตรฐานของเวลาในการให้บริการเท่ากับ 0.005 ชั่วโมงต่อคน
ข้อสังเกต การวิเคราะห์ข้อมูลทั้งหมดต้องทำ�การแปลงให้อยู่ในหน่วยเดียวกัน เช่น

ชั่วโมง เพื่อให้ได้การคำ�นวณที่ถูกต้อง
เมื่อนำ�ไปคำ�นวณค่าต่าง ๆ จะได้ผลลัพธ์ดังแสดงในรูปที่ 6-14 หน้าถัดไปนี้
รูปที่ 6-14 ผลลัพธ์จากการคำ�นวณสำ�หรับกรณีศึกษาเฮียอ๋าโภชนาในกรณีที่ไม่มีผู้ช่วยทำ�อาหาร
แต่หากเฮียอ๋าทำ�การจ้างผู้ช่วยทำ�อาหาร จะมีผลทำ�ให้เวลาเฉลี่ยในการทำ�อาหาร
ลดลงจาก 2.1 นาทีต่อลูกค้า 1 คน เป็น 1.5 นาทีต่อลูกค้า 1 คนหรือ 0.025 ชั่วโมงต่อคน
อย่างไรก็ตามเป็นที่น่าสังเกตว่าในกรณีนี้ เฮียอ๋าไม่ได้จ้างคนมาทำ�อาหารเหมือนกับเขาอีกคน
ดังนั้นจึงไม่ได้เป็นการเพิ่มจำ�นวน Server ทั้งนี้ การเพิ่มจำ�นวนคนงานนั้น นำ�มาเพื่อช่วยให้เขา
ทำ�อาหารได้เร็วขึ้นเท่านั้น เมื่อนำ�ไปคำ�นวณค่าต่าง ๆ จะได้ผลลัพธ์ตามรูปที่ 6-15 ดังต่อไปนี้
รูปที่ 6-15 ผลลัพธ์จากการคำ�นวณสำ�หรับกรณีศึกษาเฮียอ๋าโภชนาในกรณีที่มีผู้ช่วยทำ�อาหาร
จากรูปที่ 6-15 จะเห็นว่าการมีผู้ช่วยมาช่วยทำ�อาหารนั้น จะทำ�ให้แถวการรอคอย (Lq)
ลดลงจาก 3.1250 คนโดยเฉลี่ย เหลือ 0.5417 คนโดยเฉลี่ย อย่างไรก็ตามการที่มีแถวการรอคอย
ที่ลดตํ่าลงนั้นไม่ได้มีประโยชน์ในการเพิ่มรายได้โดยตรงให้กับร้าน แต่หากเรามีสมมุติฐานที่ว่าการ
ที่ร้านสามารถรองรับจำ�นวนลูกค้าที่เข้ามาโดยเฉลี่ย 25 คนต่อชั่วโมง (อัตราการเข้ามาสู่ระบบ)
เป็นเพราะว่ามีลูกค้าบางส่วนเห็นว่ามีแถวการรอคอยที่ยาว จึงตัดสินใจที่จะไม่เข้ามาที่ร้าน
แต่หลังจากมีผู้ช่วยทำ�อาหารแล้ว สามารถให้บริการได้เร็วขึ้น แถวรอคอยก็จะสั้นลง หรือ
หากกำ�หนดให้แถวคอยยาวเท่าเดิม ก็จะสามารถรองรับลูกค้าเพิ่มมากขึ้นได้ (มี Arrival Rate
เพิ่มขึ้น) เนื่องจากเดิมลูกค้าที่มาแล้วกลับไปเพราะแถวคอยยาวเกินไป จะกลับมาใช้บริการ
ดังนั้นสิ่งที่ต้องคำ�นวณเพิ่มคือ Arrival Rate เพิ่มขึ้นเท่าไหร่โดยที่ความยาวแถวคอยเฉลี่ยนั้น
ยังเท่ากับความยาวแถวคอยโดยเฉลี่ยเดิมก่อนที่จะมีการจ้างคนเพิ่ม ดังนั้นสิ่งที่จะสามารถทำ�ได้
ใน Worksheet คือในกรณีของการจ้างคนเพิ่มนั้น เราจะพยายามปรับค่า Arrival Rate เพิ่มขึ้น
เรื่อยๆ จนกระทั่งค่าของ Lq มีค่ากลับไปเท่ากับค่า Lq เดิม (3.1250) ซึ่งเป็นค่าก่อนที่จะมีการเพิ่ม
จำ�นวนคน เพื่อพิจารณาดูว่าทางร้านจะมีความสามารถรับลูกค้าเพิ่มได้อีกชั่วโมงละเท่าไร
อย่างไรก็ตามการลองปรับค่าไปเรื่อย ๆ นั้น อาจจะใช้เวลานาน ในโปรแกรม Excel
นั้นยังมีคำ�สั่งหนึ่งที่สามารถจัดการกับการหาคำ�ตอบในลักษณะนี้ได้ โดยคำ�สั่งนี้มีชื่อเรียกว่า Goal
Seek ซึ่งสามารถทำ�ตามขั้นตอนได้ดังต่อไปนี้
1. เลือกที่ Tab คำ�สั่ง Data
2. ในกรอบ Data Tools เลือก What-If Analysis และเลือกคำ�สั่ง Goal Seek หลัง
จากนั้นก็จะปรากฏหน้าต่างคำ�สั่งดังรูปที่ 6-16
รูปที่ 6-16 ตัวอย่างการใช้คำ�สั่ง Goal Seek (ค้นหาค่าเป้าหมาย)
3. กรอกคำ�สั่งตั้งค่าในเซลล์ (Set Cell) ในกรณีนี้คือค่า Lq, Expected queue
length (F11) ตรงนี้คือ Cell ที่เราต้องการเปลี่ยนค่า
4. ให้เป็นค่า (To Value) คือค่าที่เราต้องการให้เปลี่ยนไปและแสดงใน Set Cell ใน
กรณีนี้คือความยาวแถวคอยโดยเฉลี่ยเดิม ซึ่งมีค่าประมาณ 3.125
5. โดยการเปลี่ยนเซลล์ (By Changing Cell) คือ Cell ที่จะมีการเปลี่ยนแปลงในการ
คำ�นวณ ซึ่งก็คือ Arrival Rate (E3)
ผลลัพธ์ที่ได้จากการคำ�นวณแสดงในรูปที่ 6-17 ดังต่อไปนี้
รูปที่ 6-17 ผลลัพธ์จากการทำ� Goal Seek สำ�หรับกรณีศึกษาเฮียอ๋าโภชนาในกรณีที่มีผู้ช่วยทำ�

อาหาร
จะเห็นได้ว่าระบบสามารถรองรับลูกค้าได้เพิ่มขึ้นจาก 25 คนต่อชั่วโมงเป็น 34.9254
คนต่อชั่วโมงหรือเพิ่มขึ้นถึง 9.9254 คนต่อชั่วโมง หากมีการจ้างผู้ช่วยทำ�อาหาร (โดยให้แถว
การรอคอยยังมีความยาวเท่าเดิมที่ประมาณ 3.125 คน) ซึ่งถ้ารายได้จากการขายได้เฉลี่ยต่อคน
เท่ากับ 50 บาท แล้ว ก็เท่ากับว่าชั่วโมงหนึ่งจะได้รายได้เพิ่มขึ้น 50 × 9.9254 = 496.27 หรือ
วันหนึ่ง (ทำ�งาน 8 ชั่วโมง) มียอดขายเพิ่มขึ้นประมาณ 3,970 บาท ซึ่งถ้าจ้างผู้ช่วยเพิ่มแล้วจะ
หักค่าจ้าง 400 บาทต่อวัน จะทำ�ให้มียอดขายสุทธิเพิ่มขึ้นต่อวัน 3,570 บาทต่อวันเลยทีเดียว
ดังนั้นในกรณีนี้เฮียอ๋าจึงควรหาผู้ช่วยทำ�อาหารเพิ่มขึ้น
จะเห็นได้ว่าจากตัวอย่างทั้งหมดที่ได้นำ�เสนอในบทนี้นั้น นอกจากจะมีรูปแบบของ
แถวการรอคอยที่แตกต่างกันออกไปแล้ว ในกรณีศึกษาแต่ละกรณีก็จะมีแนวทางการวิเคราะห์
เพื่อประกอบการตัดสินใจที่แตกต่างกันออกไปอีกด้วย จากกรณีศึกษาดังกล่าวจะเห็นได้ว่าสิ่งที่
สำ�คัญที่ผู้ออกแบบแบบจำ�ลองจะต้องคำ�นึงถึงคือ การเลือกรูปแบบแถวการรอคอยให้ถูกต้อง
ตามสิ่งที่เกิดขึ้นจริง และเมื่อคำ�นวณหาค่าต่าง ๆ ได้แล้ว ผู้ออกแบบจำ�ลองจำ�เป็นต้องเลือกใช้ค่า
ต่าง ๆ เหล่านั้นมาวิเคราะห์ข้อดีข้อเสีย รวมถึงต้นทุนต่าง ๆ ได้อย่างถูกต้องเพื่อที่จะให้การ
ตัดสินใจเป็นไปได้อย่างถูกต้องในที่สุด
1. ร้านก๋วยเตีย๋ วสุโขทัยในมหาวิทยาลัยธรรมศาสตร์ ศูนย์รงั สิต ปัจจุบนั มีแม่ครัวทีท่ �ำ อาหารอยู่

2 คน โดยในช่วงเวลาพักเที่ยง 12.30-13.30 น. จะมีนักศึกษามาซื้ออาหารรับประทาน
โดยเฉลี่ย 1 คนต่อ 2 นาที โดยมีการแจกแจงแบบ Poisson ซึ่งแม่ครัวจะสามารถทำ�
ก๋วยเตี๋ยวเสร็จโดยเฉลี่ยใช้เวลา 3.2 นาทีต่อชาม โดยมีการแจกแจงของเวลาการให้บริการ
แบบ Exponential เจ้าของร้านก๋วยเตี๋ยวเห็นว่าในช่วงเวลาดังกล่าว จะมีการรอคอยเป็น
จำ�นวนมาก โดยเขาคิดว่าต้องพิจารณาเวลาคอยโดยเฉลี่ยของลูกค้าซึ่งถ้าหากเกิน 5 นาที
เขาจะทำ�การจ้างแม่ครัว Part Time ในช่วงเวลาดังกล่าว ดังนั้นเขาต้องจ้างแม่ครัว Part
Time เพิ่มหรือไม่ และถ้าต้องจ้างเพิ่มจะต้องจ้างกี่คน
2. ร้านอร่อยที่ท่าพระจันทร์ ขายขนมปังอบกรอบ โดยเฉลี่ยแล้วในปัจจุบันลูกค้าจะเข้ามา 35
คนต่อชั่วโมง โดยซื้อเฉลี่ยคนละ 5 ถุง พนักงานใส่ถุงมีทั้งหมด 3 คน โดยเฉลี่ยพนักงาน
ใส่ถุงจะใช้เวลาใส่ขนมต่อถุง 1 นาที เจ้าของร้านเห็นว่ามีคนเข้าคิวรอกันเป็นจำ�นวนมาก
ทำ�ให้แถวยาวจนเสียลูกค้าที่ไม่อยากเข้าคิวไป ดังนั้นเขาจึงคิดว่าต้องจ้างคนเพิ่มอีกเท่าไร
ถ้าต้องการให้เวลาลูกค้ารอเฉลี่ยไม่เกิน 3 นาที
3. Mashare บริษัทธุรกิจผลิตรองเท้า มีชั่วโมงทำ�งาน 7 ชั่วโมงต่อวันและทำ�งาน 6 วัน
ต่อสัปดาห์ โดยปกติสายการผลิตรองเท้าจะมีการนำ�รองเท้าเข้ามาประกอบตาไก่เฉลี่ย 25
คู่ต่อชั่วโมง โดยมีการแจกแจงแบบ Poisson จากการศึกษาข้อมูลในอดีต เจ้าของกิจการ
พบว่าระยะเวลาในการเจาะและใส่ตาไก่เข้ากับตัวรองเท้าแต่ละข้างจะใช้เวลา 1 นาที โดย
มีค่าเบี่ยงเบนมาตรฐาน 0.2 นาทีต่อข้าง เจ้าของกิจการมีโอกาสในการเลือกใช้เครื่องเจาะ
และใส่ตาไก่อัตโนมัติในราคา 55,000 บาท ซึ่งผู้ผลิตอ้างว่าสามารถลดเวลาในการเจาะ
และใส่ตาไก่เหลือเพียง 40 วินาทีต่อข้าง (ปัจจุบันพนักงานใช้การเจาะและนำ�ตาไก่มาใส่
ทีละรู โดยไม่ได้ใช้เครื่องอัตโนมัติ) โดยเฉลี่ยแล้วต้นทุนรองเท้าจะอยู่ที่ 75 บาทต่อคู่และ
ขายให้กับร้านค้าปลีกในราคาคู่ละ 100 บาท (ในที่นี้ให้การเจาะและใส่ตาไก่เป็นขั้นตอน
สุดท้ายก่อนทำ�การขายสินค้า) เจ้าของกิจการต้องการวิเคราะห์ผลของการใช้เครื่องอัตโนมัติ
โดยต้องการหาระยะเวลาคืนทุนของเครื่องอัตโนมัตินี้ด้วย (เมื่อใช้เครื่องอัตโนมัติแล้ว
ทางร้านจะสามารถรองรับรองเท้าที่จะนำ�มาประกอบตาไก่ได้เพิ่มขึ้น หากยังมีแถวคอย
โดยเฉลี่ยคงเดิม)
4. ร้านกาแฟสดแห่งหนึ่ง จะมีลูกค้ามาใช้บริการที่ร้านเฉลี่ย 8 คนต่อชั่วโมง โดยมีการ
แจกแจงแบบ Poisson จากการศึ ก ษาข้ อ มู ล ในอดี ต เจ้ า ของร้ า นพบว่ า ระยะเวลา
การต้อนรับ รับออเดอร์ และทำ�กาแฟต่อลูกค้า 1 คนใช้เวลาประมาณ 7 นาทีต่อคน
โดยมีคา่ เบีย่ งเบนมาตรฐาน 0.2 นาทีตอ่ คน โดยเจ้าของร้านมีโอกาสในการซือ้ เครือ่ งชงกาแฟ
เครื่องใหม่จะทำ�ให้สามารถลดเวลาการทำ�งานเหลือเพียง 6 นาที หรืออีกทางเลือกหนึ่งคือ
จ้างพนักงานผูช้ ว่ ยเพิม่ ซึง่ สามารถลดเวลาการทำ�งานเหลือเพียง 5 นาที เจ้าของร้านต้องการ
ให้วิเคราะห์ผลของการซื้อเครื่องชงเครื่องใหม่หรือการจ้างพนักงานเพิ่มว่า ทางเลือกไหนจะ
ส่งผลเวลารอของลูกค้าโดยเฉลีย่ เหลือไม่เกิน 10 นาที (เนือ่ งจากระยะเวลารอคอยในปัจจุบนั
ส่งผลให้ลูกค้าเริ่มทยอยหายไปเรื่อย ๆ)
5. จากข้อที่ 4 จงเลือกทางที่ได้กำ�ไรมากที่สุดในระยะเวลา 1 ปี และลูกค้ารอโดยเฉลี่ยไม่เกิน
15 นาที (จากการที่สามารถลดเวลาการทำ�งานได้ จะส่งผลให้สามารถรองรับลูกค้าเพิ่ม
ขึ้นด้วย) โดยกำ�หนดให้ร้านกาแฟสดมีชั่วโมงทำ�งาน 8 ชั่วโมงต่อวัน ราคาเฉลี่ยที่ลูกค้า
ใช้บริการอยู่ที่ 45 บาทต่อคน ต้นทุนต่อคนอยู่ที่ 20 บาท เครื่องชงกาแฟเครื่องละ
10,000 บาท (สมมุติว่าใช้งานได้ปีเดียว) จ้างพนักงานเพิ่มวันละ 300 บาท (ทำ�งาน 360
วันต่อปี)
6. ศูนย์บริการรับชำ�ระค่าบัตรเครดิตแห่งหนึ่ง ได้กำ�หนดให้เวลารอเข้ารับบริการของลูกค้าที่
อยู่ในร้านโดยเฉลี่ย 10 นาทีต่อคน และใช้เวลาบริการลูกค้าเฉลี่ย 5 นาทีต่อคน ปัจจุบัน
มีพนักงานอยู่ 1 คน ให้หาว่าปกติแล้วจะมีลูกค้ามาใช้บริการประมาณกี่คนต่อชั่วโมง โดย
สมมุติให้รูปแบบการรอคอยเป็นแบบ M/M/1
7. ฝ่ายรับรองลูกค้าทางโทรศัพท์ของสำ�นักงานแห่งหนึ่ง จะมีเจ้าหน้าที่ให้บริการ 2 คน
โดยปกติมีลูกค้าโทรเข้ามาเฉลี่ย 10 คนต่อชั่วโมง โดยอัตราการบริการเฉลี่ย ณ ปัจจุบัน
คือ 8 คนต่อชั่วโมง อยากทราบว่าหากต้องการให้ลูกค้าใช้เวลาทั้งหมดในระบบไม่เกิน 8
นาที จะต้องพัฒนาเจ้าหน้าที่ให้บริการได้เฉลี่ยกี่คนต่อชั่วโมง โดยสมมุติให้รูปแบบแถวการ
รอคอยเป็นแบบ M/M/s
8. จากข้อที่ 7 หากผูบ้ ริหารไม่ตอ้ งการพัฒนาเจ้าหน้าที่ แต่ใช้นโยบายการจำ�กัดแถวการรอคอย
โดยต้องการให้ลูกค้ารอสายโดยเฉลี่ยไม่เกิน 4 นาที ผู้บริหารควรจะกำ�หนดแถวการรอคอย
ของลูกค้าไว้ที่จำ�นวนเท่าใด
9. คุณศุภกาญจน์ เจ้าของบริษัท อิ่มจัง จำ�กัด มีเครื่องบรรจุนํ้าผลไม้อยู่ 5 เครื่อง โดยใน
ขั้นตอนการผลิตนั้น จะต้องมีการหยุดพักเครื่องเพื่อเติมนํ้าผลไม้ในถังบรรจุเฉลี่ย 1 ครั้งต่อ
ชัว่ โมงต่อเครือ่ ง โดยจะสูญเสียรายได้จากการหยุดพักเครือ่ งเป็นจำ�นวน 2,000 บาทต่อเครือ่ ง
ทีห่ ยุดพัก อย่างไรก็ตามเนือ่ งจากการหยุดพักนีท้ �ำ โดยพนักงาน ดังนัน้ อัตราการหยุดพักเครือ่ ง
จึงไม่ได้เป็นค่าคงที่ แต่มีการแจกแจงแบบ Poisson โดยในการหยุดพักเครื่องนี้ พนักงาน
จะทำ�การเติมนํ้าผลไม้ซึ่งใช้เวลา 0.5 ชั่วโมงต่อเครื่อง โดยปกติจะมีพนักงานเติมอยู่ 1 คน
และการจ้างพนักงานนั้นคิดเป็นวัน วันละ 600 บาท โดยจะมีการทำ�งานวันละ 8 ชั่วโมง
คุณศุภกาญจน์ เจ้าของบริษัทอิ่มจังควรทำ�การตัดสินใจจ้างพนักงานเพิ่มอีกกี่คนเพื่อให้
การดำ�เนินงานประหยัดมากที่สุด
10. จากข้อ 9 มีผู้ผลิตเครื่องบรรจุนํ้าผลไม้อัตโนมัติมาเสนอคุณศุภกาญจน์ โดยราคาเช่าเครื่อง
อยู่ที่ 36,000 บาทต่อ 6 เดือน ซึ่งผู้ผลิตอ้างว่าสามารถลดเวลาการเติมนํ้าผลไม้เหลือเพียง
0.2 ชั่วโมงต่อเครื่องเท่านั้น ดังนั้นคุณศุภกาญจน์ควรตัดสินใจจะเลือกซื้อเครื่องบรรจุ
นํ้าผลไม้อัตโนมัติหรือไม่ หากเปรียบเทียบกับการใช้พนักงาน ณ การจ้างที่ประหยัดที่สุด
(คำ�ตอบของข้อที่ 9) โดยใช้กรอบการเปรียบเทียบเป็นเวลา 6 เดือน (1 เดือนมี 30 วัน และ
1 วันทำ�งาน 8 ชั่วโมง)
11. ร้านรถด่วน บริการรับล้างรถอัตโนมัติ จะมีรถเข้ารับบริการหนึ่งคันทุก ๆ 8 นาที (โดยมีการ
แจกแจงแบบ Poisson) มีเครื่องล้างอัตโนมัติอยู่ 2 เครื่อง โดยเฉลี่ยแล้วจะใช้เวลาในการอยู่
ในเครื่องอัตโนมัติประมาณ 15 นาทีต่อคัน (โดยมีการแจกแจงแบบ Exponential) ซึ่งทาง
ร้านรถด่วนได้รบั คำ�ร้องเรียนจากลูกค้าว่าต้องรอรับบริการนาน ทำ�ให้เสียลูกค้าในบางโอกาส
ไป ซึ่งเจ้าของร้านมีตัวเลือกในการตัดสินใจทั้งหมด 3 ทางเลือก ได้แก่ ทางเลือกที่ 1
จะอัพเกรดเครื่อง 2 เครื่องเพื่อให้บริการได้เร็วขึ้น โดยจะใช้เวลาประมาณ 10 นาทีต่อ
คัน หรือทางเลือกที่ 2 จ้างพนักงานเพิ่ม 2 คน โดยจะลดเวลาการอยู่ในเครื่องอัตโนมัติลง
3 นาที หรือทางเลือกที่ 3 จะจ้างพนักงานเพิ่ม 1 คน และอัพเกรดเครื่อง 1 เครื่องด้วย
ซึ่งจะลดเวลาในรับบริการลงเหลือ 9.5 นาทีต่อคัน คุณในฐานะเป็นที่ปรึกษาของบริษัทจะ
แนะนำ�อย่างไรหากมีตวั เลือกดังกล่าว (โดยยังไม่มเี รือ่ งของราคามาเกีย่ วข้อง) โดยอยากทราบ
ว่าระยะเวลารอคอยของแต่ละทางเลือกเป็นเท่าใด
12. จากข้อที่ 11 กรณีมีเรื่องทุนมาเกี่ยวข้อง โดยการอัพเกรดเครื่องในราคา 25,000 บาท
ต่อเครื่อง และเสียค่านํ้ายาเพิ่มเติมขวดละ 100 บาท ซึ่งใช้ได้ 4 ชั่วโมงต่อเครื่อง การจ้าง
พนักงานจะเสียค่าจ้างพนักงานรายวัน วันละ 280 บาท ทำ�งาน 8 ชั่วโมง ดังนั้นเจ้าของ
กิจการร้านรถด่วนควรตัดสินใจอย่างไรเพื่อให้ได้ในราคาทุนที่ตํ่าที่สุด โดยให้เปรียบเทียบ
ต้นทุนที่เกิดขึ้นใน 1 ปี โดยสมมุติให้การอัพเกรดเครื่องนี้ต้องทำ�ทุกปี (1 ปี ทำ�งาน 250 วัน)
13. จากข้อที่ 11 และ 12 หากการที่สามารถบริการล้างรถได้รวดเร็วขึ้น ส่งผลให้สามารถรองรับ
รถในปริมาณที่เพิ่มขึ้น โดยระยะเวลาการรอนั้นกำ�หนดไว้ว่าจะต้องไม่เกิน 16 นาที ดังนั้น
เจ้าของร้านรถด่วนควรตัดสินใจเลือกทางเลือกใดเพื่อให้มีกำ�ไรที่มากที่สุด (โดยมีกำ�ไรต่อคัน
อยู่ที่ 40 บาท)
14. ร้านขายข้าวมันไก่แห่งหนึง่ ปัจจุบนั มีลกู ค้าเข้ามาเฉลีย่ 50 คนต่อชัว่ โมง และสามารถบริการ
ได้ 12 คนต่อชัว่ โมง (โดยสมมุตใิ ห้รปู แบบของแถวการรอคอยเป็นแบบ M/M/s) โดยปัจจุบนั
มีพนักงาน 5 คน ซึ่งทางร้านรู้สึกว่าพนักงานมีเยอะเกินไปและไม่มีประสิทธิภาพเพียงพอ
มีพนักงานบางคนอู้งาน จึงอยากจะลดพนักงานออก 2 คน และเมื่อลดแล้วทำ�ให้สามารถ
บริการได้เพิ่มขึ้นเป็น 15 คนต่อชั่วโมง เนื่องจากในบางโอกาสไม่สามารถอู้งานได้ดังเดิม
ถ้าทางร้านต้องการให้ลูกค้ารอไม่เกิน 5 นาที ทางร้านจะสามารถรองรับลูกค้าได้เฉลี่ยไม่
เกินกี่คนต่อชั่วโมง
15. จากข้อที่ 14 การลดพนักงานไป 2 คน ทำ�ให้พนักงานทีเ่ หลือเกิดความไม่พอใจ ดังนัน้ เจ้าของ
ร้านจึงต้องให้ค่าแรงเพิ่มจาก 300 บาท เป็น 400 บาทต่อการทำ�งาน 8 ชั่วโมง โดยที่กำ�ไร
ต่อลูกค้า 1 คนอยู่ที่ 20 บาท เจ้าของร้านควรทำ�อย่างไรถึงจะเป็นวิธีที่ดีที่สุดระหว่างการ
ลดพนักงานกับการไม่ลดพนักงาน
16. ร้านรองเท้าแห่งหนึ่งในห้างสรรพสินค้า มีรูปแบบแถวการรอคอยแบบ M/M/1 โดยปัจจุบัน
ความน่าจะเป็นที่ลูกค้ามาที่ร้านแล้วจะต้องรออยู่ที่ 0.6 โดยที่อัตราการให้บริการอยู่ที่ 6 คน
ต่อชั่วโมง และมีพนักงานบริการในร้านเพียง 1 คนเท่านั้น จงหาว่าโดยเฉลี่ยแล้วจะมีลูกค้า
เข้าร้านประมาณกี่คน
17. โรงงานบรรจุอาหารกระป๋องแห่งหนึ่ง มีเครื่องจักรในการปรุงปลากระป๋องอยู่ 6 เครื่อง
โดยแบ่งเป็นปลากระป๋องในซอสมะเขือเทศ 3 เครื่อง สามารถผลิตได้ 70 กระป๋องต่อชั่วโมง
ต่อเครื่อง (ซึ่งปัจจุบันยังไม่เพียงพอ) และปลากระป๋องรสยำ� 3 เครื่อง สามารถผลิตได้ 65
กระป๋องต่อชั่วโมงต่อเครื่อง โดยในปัจจุบันมีปลาเพียงพอที่จะส่งเข้าเครื่องต่าง ๆ ทั้งหมด
6,500 กระป๋องต่อวัน แต่ความต้องการของปลาในซอสมะเขือเทศมีมากกว่ารสยำ� 2 เท่า
และในการผลิตในแต่ละวันนั้นจะแบ่งการผลิตตามสัดส่วนของความต้องการดังกล่าว โดย
แต่ละวันมีเวลาในการทำ�งานวันละ 18 ชั่วโมง และมีเวลาในการทำ�งาน 25 วันต่อเดือน
ดังนั้นอัตราความต้องการในการผลิตปลากระป๋องในซอสมะเขือเทศจึงเท่ากับ 241 กระป๋อง
ต่อชั่วโมงและอัตราความต้องการในการผลิตปลากระป๋องรสยำ�เป็น 120 กระป๋องต่อชั่วโมง
ผู้จัดการโรงงานกำ�ลังคิดหาหนทางในการปรับปรุงกระบวนการโดยมีทางเลือก ดังต่อไปนี้
• ทางเลือกที่ 1 การ Set Up เครื่องปรุงรสยำ�เป็นรสซอสมะเขือเทศเงินจำ�นวน 2,000
บาทต่อวัน
• ทางเลือกที่ 2 การซื้อเครื่องทำ�รสซอสมะเขือเทศเพิ่มเติมใช้เงินจำ�นวน 800,000 บาท
(สมมุติว่าอายุการใช้งานได้เพียง 1 ปี)
โดยให้เปรียบเทียบทางเลือกทั้ง 2 ทางโดยทำ�การคำ�นวณต้นทุนที่เกิดขึ้นในระยะเวลา 1 ปี
ทั้งนี้สมมุติให้รูปแบบแถวการรอคอยเป็นแบบ M/M/s
18. จากข้อที่ 17 หากการ Set Up เครื่องปรุงรสยำ�เป็นรสซอสมะเขือเทศใช้เวลา 1 ชั่วโมง
จึงทำ�ให้เวลาในการผลิตต่อวันเหลือเพียง 17 ชั่วโมง ถ้ายังคงอัตราการปรุงปลากระป๋อง
เท่าเดิมเหมือนกับข้อที่ 17 ผู้จัดการควรเลือกทางเลือกใด ทั้งนี้วัตถุประสงค์คือจะต้องมี
ปลากระป๋องขายตามที่ลูกค้าต้องการ
19. จากข้อที่ 17 และ 18 ถ้าในการขายปลากระป๋องทั้งสองประเภทมีกำ�ไร 10 บาทต่อกระป๋อง
และโรงงานมีค่าเสียโอกาสของกระป๋องที่อยู่ในกระบวนการผลิตในอัตรา 100 บาทต่อ
กระป๋ อ ง ผู้ จั ด การควรจะเลื อ กทางเลื อ กใด โดยทำ � การเปรี ย บเที ย บเป็ น กำ � ไรสุ ท ธิ
(หักค่าเสียโอกาส) ต่อชั่วโมง
20. ร้านติดตั้งอุปกรณ์เสริมรถยนต์แห่งหนึ่ง มีชั่วโมงทำ�งาน 8 ชั่วโมงต่อวันและทำ�งาน 5 วันต่อ
สัปดาห์ โดยปกติจะมีรถมาเข้าศูนย์ให้ทำ�เฉลี่ยประมาณ 5 คันต่อชั่วโมง โดยมีการแจกแจง
แบบ Poisson จากการศึกษาข้อมูลในอดีต เจ้าของกิจการพบว่าระยะเวลาในการแต่งรถ
จะใช้เวลาประมาณ 2 คันต่อชั่วโมง โดยเวลาในการแต่งรถนั้นมีการกระจายตัวแบบ
Exponential โดยปัจจุบันลูกค้าจะต้องรอนานมากจนทำ�ให้ลูกค้าบางส่วนหายไป ดังนั้น
เจ้าของกิจการจึงคิดว่าควรจะจ้างพนักงานเพิ่ม แต่เขาต้องการทราบว่าจะต้องจ้างพนักงาน
อีกกี่คนถึงจะทำ�ให้ลูกค้ารอไม่เกิน 30 นาที
บทที่ 7
การจัดการโครงการ
บทนํา
การจัดการโครงการเป็นสิ่งที่มีความสำาคัญและมีความจำาเป็นเป็นอย่างยิ่ง
การจัดการโครงการจะมีลักษณะที่มีความแตกต่างจากการจัดการองค์กรโดยทั่วไป
เนื่องจากลักษณะของโครงการจะมีความแตกต่างจากการดำาเนินงานโดยปกติ ทั้งนี้
สิ่งที่ถือเป็นความท้าทายสำาหรับการทำางานโครงการ คือ ความพยายามที่จะต้องทำางาน
ให้เป็นไปตามขอบเขตงาน (Scope) การควบคุมต้นทุน (Cost) และการทำางานภายใต้
เวลาที่กำาหนด (Time) การจัดการทั้งสามสิ่งนี้ให้บรรลุผลพร้อม ๆ กันนั้นไม่ใช่เรื่องง่าย
ในบทนี้จึงได้นำาเสนอถึงเทคนิคการจัดการโครงการโดยนำาเอาเทคนิคการวิเคราะห์ใน
เชิงปริมาณต่าง ๆ มาประยุกต์ใช้
1. เพื่อให้ผู้เรียนเข้าใจถึงลักษณะของโครงการ
2. เพื่อให้ผู้เรียนเข้าใจถึงหลักการการจัดการโครงการ
3. เพื่อให้ผู้เรียนสามารถใช้เทคนิค Critical Path Method (CPM) หรือ Program
Evaluation and Review Technique (PERT) ในการคำานวณหาเวลาในการดำาเนิน
โครงการได้อย่างถูกต้อง
4. เพือ่ ให้ผเู้ รียนสามารถตัดสินใจในการลดเวลาในการดำาเนินโครงการ โดยมีการพิจารณา
ควบคู่ไปกับต้นทุนของโครงการในเวลาเดียวกัน
ลักษณะของโครงการ
โครงการนัน้ จะมีลกั ษณะทีแ่ ตกต่างไปจากการดำ�เนินงานตามปกติในองค์กร โดยลักษณะ
ที่เด่นชัดของโครงการ มีดังต่อไปนี้
1. โครงการมักมีลักษณะที่มีการรวมกลุ่มของคนที่มีจุดมุ่งหมายเดียวกัน เพื่อจะทำ�สิ่ง
ใดสิ่งหนึ่งให้ประสบผลสำ�เร็จ โดยระยะเวลาของโครงการจะมีจุดเริ่มต้นและจุดสิ้นสุดที่แน่นอน
2. โครงการจะประกอบด้วยกิจกรรมที่เกี่ยวเนื่องกันหลายกิจกรรม
3. โครงการมักจะมีความยากหรือความซับซ้อนในการวางแผนการผลิตและการควบคุม
4. โครงการมักจะมีการใช้เครือ่ งมือที่สามารถใช้ประโยชน์ได้โดยทัว่ ไปและมักจะมีการ
ใช้แรงงานที่มีทักษะสูง
ตัวอย่างของโครงการที่เป็นไปตามนิยามดังกล่าวมีอยู่จำ�นวนมาก เช่น การสร้างอาคาร
โครงการวิจัยและพัฒนาผลิตภัณฑ์ใหม่ โครงการพัฒนาเทคโนโลยี โครงการสร้างถนน เป็นต้น
การจัดการโครงการ
การจัดการโครงการ คือ วิธีการทำ�ให้โครงการบรรลุผลสำ�เร็จตามที่ได้ตั้งเป้าหมายไว้
โดยจะประกอบด้วยเรื่องหลัก ๆ 3 ประการได้แก่
1. การวางแผนโครงการ (Project Planning) โดยในการวางแผนนีจ้ ะเกีย่ วข้องกับการ
ศึกษาถึงขอบเขตงานของโครงการ การประมาณการเวลา และการประมาณต้นทุน
2. การกำ�หนดตารางการทำ�งานโครงการ (Project Scheduling) จะเป็นการกำ�หนด
ระยะเวลาในการดำ�เนินการต่าง ๆ โดยใช้เทคนิคต่าง ๆ เข้ามาช่วยในการจัดตารางการทำ�งาน
ยกตัวอย่างเช่น Critical Path Method (CPM) หรือ Program Evaluation and Review
Technique (PERT) เป็นต้น
3. การควบคุมโครงการ (Project Controlling) เป็นขั้นตอนในการทำ�ให้โครงการ
เป็นไปตามแผนที่ได้ตั้งไว้ โดยอาจจะมีการใช้รายงานความก้าวหน้า ซึ่งประกอบด้วยเรื่องของ
งบประมาณ กิจกรรมที่ล่าช้า และเวลาที่เหลืออยู่ เพื่อให้ผู้จัดการโครงการสามารถติดตาม
ประเมินผล และแก้ไขปัญหาที่เกิดขึ้น
สำ�หรับรายละเอียดของการจัดการโครงการในแต่ละหัวข้อนั้น มีดังต่อไปนี้
การวางแผนโครงการ
โดยทั่วไปแล้วการวางแผนโครงการจะประกอบด้วยขั้นตอน ดังต่อไปนี้
1. กำ�หนดวัตถุประสงค์โครงการ เพือ่ ทำ�ให้ทราบว่าโครงการดังกล่าวจะดำ�เนินขึน้ ด้วย
เหตุผลใด การกำ�หนดวัตถุประสงค์โครงการนั้นจะทำ�ให้ผู้ดำ�เนินโครงการสามารถประเมินความ
สำ�เร็จของโครงการเมื่อโครงการสำ�เร็จแล้วได้อย่างชัดเจน
2. กำ�หนดลักษณะโครงการ ขัน้ ตอนนีเ้ ป็นขัน้ ตอนในการกำ�หนดขอบเขตของโครงการ
เพือ่ ให้มคี วามชัดเจนว่าโครงการนีค้ รอบคลุมถึงเรือ่ งใดบ้าง เพือ่ ทีจ่ ะใช้ในการดำ�เนินการในขัน้ ตอน
ต่อไปได้อย่างถูกต้อง
3. แบ่งโครงการออกเป็นกิจกรรมย่อย (Work Breakdown Structure) ขั้นตอนนี้
คือการลงรายละเอียดว่าในการดำ�เนินโครงการนั้นจะต้องดำ�เนินกิจกรรมย่อยใดบ้าง ซึ่งจะต้อง
ดำ�เนินการจนกระทั่งได้ผลการประมาณเวลาและต้นทุนของกิจกรรมนั้น ๆ อย่างชัดเจน หากยัง
ไม่สามารถประเมินเวลาและต้นทุนได้อย่างชัดเจน ผู้จัดการโครงการจำ�เป็นที่จะต้องแบ่งกิจกรรม
เหล่านั้นให้ย่อยลงไปอีก ยกตัวอย่างเช่น หากต้องการดำ�เนินโครงการสร้างอาคารเรียน หากแบ่ง
กิจกรรมย่อยเป็นการสร้างที่จอดรถและตัวอาคาร จะเห็นได้ว่าการประมาณเวลาและต้นทุน
ยังทำ�ได้ไม่ชัดเจนนัก เนื่องจากการสร้างที่จอดรถและตัวอาคารยังเป็นกิจกรรมที่ค่อนข้างกว้าง
จึงจำ�เป็นที่ต้องลงรายละเอียดไปจนถึงว่าจะต้องมีการเทปูนเป็นพื้นที่เท่าไร จึงทำ �ให้สามารถ
ประมาณเวลาและต้นทุนของแต่ละกิจกรรมได้อย่างชัดเจนมากยิ่งขึ้น
4. จัดหาทรัพยากรที่เกี่ยวข้อง เช่น แรงงาน คน อุปกรณ์ ที่ต้องการใช้ในการ
ดำ�เนินการในแต่ละกิจกรรมตามที่ได้วางแผนไว้ก่อนหน้านี้
5. สร้างทีมงาน โดยลักษณะของทีมงานโครงการนั้นจะมีลักษณะชั่วคราว โดยอาจ
มีการใช้ผู้ชำ�นาญการในองค์กรในหลายด้าน เช่น การเงิน บัญชี การตลาด การผลิต ทั้งนี้ใน
ทีมงานจะมีผู้จัดการโครงการทำ�หน้าที่ในการประสานงานและควบคุมโครงการ ลักษณะทีมงาน
ของโครงการนั้น จะมีลักษณะของ Matrix Organization กล่าวคือ ผู้ที่เป็นผู้ทำ�งานในโครงการ
นั้นอาจจะมีผู้บังคับบัญชา 2 ฝ่าย ได้แก่ ผู้บังคับบัญชาในสายงานหลักเดิม (เช่น ผู้จัดการ
ฝ่ายการเงิน บัญชี) และผู้จัดการโครงการ โดยการทำ�งานในโครงการนั้น อาจจะมีลักษณะของ
การทำ�งานแบบ Part Time เช่น ในตอนเช้ามาทำ�งานในสายงานหลักของตนเอง และในตอนบ่าย
มาทำ�งานในโครงการ หรืออาจจะมีลักษณะของการยืมตัวมาทำ�งานในช่วงเวลาใดเวลาหนึ่ง เช่น
ภายในระยะเวลา 3 เดือนที่จะต้องมาทำ�งานในโครงการ เป็นต้น
การจัดการโครงการ 177
ทีมงานโครงการจะสามารถทำ�งานได้อย่างมีประสิทธิภาพ เมื่อโครงการมีการตั้ง
เป้าหมายและเวลาอย่างชัดเจน โดยลักษณะของงานโครงการนัน้ จะมีลกั ษณะเฉพาะและแปลกใหม่
สำ�หรับองค์กร โดยจะไม่เป็นการทำ�งานที่ซํ้ากับสิ่งที่องค์กรต้องทำ�อย่างต่อเนื่อง เช่น บัญชี
การเงิน การตลาด เป็นต้น นอกจากนี้ลักษณะของงานโครงการจะค่อนข้างมีความซับซ้อน
ซึ่งต้องใช้ความรู้ความสามารถสูง และถึงแม้งานโครงการจะมีลักษณะชั่วคราวแต่มีความสำ�คัญ
สูงมากสำ�หรับองค์กร
การกำ�หนดตารางการทำ�งานโครงการ
การกำ�หนดตารางการทำ�งานของโครงการทำ�ขึ้นเพื่อแสดงถึงความสัมพันธ์ของแต่ละ
กิจกรรมในโครงการ โดยแสดงการจัดเรียงกิจกรรมเหล่านัน้ ทัง้ นีเ้ พือ่ ช่วยในการหาเวลาและต้นทุน
ที่เหมาะสมในการทำ�กิจกรรมแต่ละกิจกรรมในโครงการ รวมทั้งใช้ในการใช้ทรัพยากร (คน เงิน
และอุปกรณ์) อย่างเหมาะสม หรือหาคอขวด (Bottleneck) ที่เป็นสิ่งที่ขัดขวางการทำ�งาน
โครงการ โดยในขั้ น ตอนนี้ จ ะมี ก ารกำ � หนดกิ จ กรรมวิ ก ฤติ ที่ จ ะส่ ง ผลกระทบต่ อ ระยะเวลา
การดำ�เนินงานของโครงการ ทัง้ นีเ้ ทคนิคในการกำ�หนดตารางการทำ�งานของโครงการจะได้น�ำ เสนอ
ให้หัวข้อหลังจากนี้ต่อไป
การควบคุมโครงการ
การควบคุมโครงการส่วนใหญ่จะเกิดขึ้นในระหว่างการดำ�เนินโครงการ โดยมักจะอยู่
ในรูปของรายงานการควบคุมโครงการ (เช่น รายงานความก้าวหน้า) โดยรายงานจะประกอบด้วย
ข้อมูลที่สำ�คัญดังต่อไปนี้
1. ต้นทุนของแต่ละกิจกรรม
2. การใช้แรงงาน
3. การเปรียบเทียบต้นทุนที่เกิดขึ้นกับที่วางแผนไว้
4. การใช้จ่ายเงินกับงานในแต่ละกิจกรรม
5. การพยากรณ์วัตถุดิบที่จำ�เป็นต้องใช้และค่าใช้จ่ายในอนาคต
6. การวิเคราะห์ความแตกต่างระหว่างแผนกับสิ่งที่เกิดขึ้นจริง
7. การวิเคราะห์เวลาในการดำ�เนินโครงการ
8. สถานะปัจจุบันของโครงการ
ข้อมูลเหล่านี้จะถูกนำ�เสนอให้กับผู้จัดการโครงการเพื่อที่จะใช้ในการควบคุมเพื่อทำ�ให้
โครงการสามารถดำ�เนินการไปได้ตามขอบเขตที่กำ�หนด ภายใต้ระยะเวลาและต้นทุนที่เหมาะสม
เทคนิคในเชิงปริมาณในการจัดการโครงการ
เพื่ อ ให้ ก ารดำ � เนิ น โครงการเป็ น ไปได้ อ ย่ า งราบรื่ น และได้ รั บ ผลสำ � เร็ จ ในบทนี้ จ ะ
นำ�เสนอเทคนิคที่นำ�มาใช้ในการจัดการโครงการ โดยเฉพาะอย่างยิ่งการประมาณเวลาและต้นทุน
ซึ่งได้แก่ Critical Path Method (CPM) และ Program Evaluation and Review Technique
(PERT) โดยทั้ง CPM กับ PERT เป็นเทคนิคที่ใช้รูปแบบของเครือข่าย (Network) โดยทั้งสองวิธีนี้
มีความคล้ายคลึงกันอย่างมาก CPM ได้ถูกสร้างมาในปี 1957 ในขณะที่ PERT ได้ถูกสร้างมาในปี
1958 เทคนิคนีจ้ ะพิจารณาถึงความสัมพันธ์ระหว่างกิจกรรม โดยทีแ่ ต่ละกิจกรรมจะมีความเกีย่ วข้อง
ซึ่งกันและกัน แต่อย่างไรก็ตามทั้งสองเทคนิคใช้วิธีในการประมาณเวลากิจกรรมที่แตกต่างกัน
PERT/CPM จะสามารถช่วยตอบคำ�ถามต่าง ๆ ที่เกิดขึ้นในการจัดการโครงการได้ดัง
ต่อไปนี้
• บอกว่าโครงการสามารถเสร็จก่อน ทันเวลา หรือหลังเวลาที่กำ�หนด
• บอกว่าโครงการจะมีต้นทุนมากกว่าหรือน้อยกว่างบประมาณที่ตั้งไว้
• บอกถึงทรัพยากรว่ามีเพียงพอหรือไม่ในการทำ�โครงการให้เสร็จภายในเวลาทีก่ �ำ หนด
• ถ้าต้องการให้โครงการเสร็จก่อนทีก่ �ำ หนดไว้ จะต้องใช้ทรัพยากรเพิม่ เติมอีกอย่างน้อย
ที่สุดเท่าไร
สำ�หรับขั้นตอนที่สำ�คัญในการทำ� PERT/CPM มีรายละเอียดดังต่อไปนี้
1. กำ � หนดขอบเขตโครงการและจั ด แบ่ ง โครงการออกเป็ น กิ จ กรรมย่ อ ย (Work
Breakdown Structure)
2. สร้างความสัมพันธ์ระหว่างกิจกรรมเหล่านัน้ โดยพิจารณาว่ากิจกรรมใดควรมาก่อน
มาหลัง
3. สร้าง Network โดยลักษณะของ Network มีอยู่ 2 รูปแบบได้แก่ (1) Activity
on Node (AON) กิจกรรมจะเกิดขึ้นบน Node (วงกลม) ดังนั้น Node จะแสดงถึง “ช่วงของ
เวลา” และลูกศรที่ออกจาก Node จะเป็น “จุดของเวลา” ที่บอกว่ากิจกรรมนั้นได้เสร็จสิ้น
แล้ว (2) Activity on Arc (AOA) กิจกรรมจะเกิดขึ้นบนลูกศร (Arrow) ดังนั้นลูกศรจะแสดงถึง
“ช่วงของเวลา” ในการดำ�เนินกิจกรรมนั้น ในขณะที่ Node ที่อยู่ปลายทางลูกศรจะเป็น “จุดของ
เวลา” ทีบ่ อกว่ากิจกรรมนัน้ ได้เสร็จสิน้ แล้ว อย่างไรก็ตามในหนังสือเล่มนีจ้ ะขอใช้การเขียน Network
แบบ AON ในการแสดงตัวอย่างต่าง ๆ ต่อไป เพื่อให้เห็นภาพชัดเจนขึ้นจึงขอยกตัวอย่างการ
เขียน Network ทั้งสองแบบ โดยสมมุติว่าในการดำ�เนินการโครงการหนึ่งมีกิจกรรมต่าง ๆ และมี
ความสัมพันธ์ระหว่างกิจกรรมต่าง ๆ ดังแสดงในตารางที่ 7-1 หน้าถัดไปนี้
ตารางที่ 7-1 ตัวอย่างของกิจกรรมในโครงการ
กิจกรรม กิจกรรมที่ต้องทำ�ก่อน
A -
B A
C B
D B
E D
F D
G D
H C, E, F, G
I H
J H
K I
L J
M K, L
จากกิจกรรมต่าง ๆ จะสามารถนำ�มาเขียน Network แบบ Activity on Node ได้ตาม

รูปที่ 7-1 และ Activity on Arc ได้ตามรูปที่ 7-2 หน้าถัดไปนี้
C I K
A B H M
E
J L
D
รูปที่ 7-1 ตัวอย่างของการเขียน Network แบบ Activity on Node
10 K
I
A B C H
1 2 3 8 9 12 13
M
D J L
11
5
E
4 F
G 6
รูปที่ 7-2 ตัวอย่างของการเขียน Network แบบ Activity on Arc
4. หลังจากสร้าง Network Diagram เสร็จเรียบร้อยแล้ว ก็จะต้องหาเวลาและต้นทุน
ในการทำ�กิจกรรมแต่ละกิจกรรม
5. ดำ � เนิ น การหาเวลาที่ น านที่ สุ ด ในการทำ � กิ จ กรรมบางกิ จ กรรมใน Network
โดยกิจกรรมเหล่านี้ คือกิจกรรมที่อยู่บนเส้นทางวิกฤติ (Critical Path) ซึ่งจะเป็นตัวกำ�หนดเวลา
รวมของโครงการ
6. ใช้ Network ที่สร้างนี้ในการวางแผน จัดตารางการทำ�งาน และควบคุมการ
ดำ�เนินงานโครงการต่อไป
จาก Network Diagram ดังกล่าว ในแต่ละ Node จะต้องทำ�การใส่ข้อมูลต่าง ๆ
ES EF
เวลาที่ใชดำเนิน
ชื่อของกิจกรรม
กิจกรรม
LS LF
รูปที่ 7-3 การวิเคราะห์ในแต่ละ Node
โดยรายละเอียดของข้อมูลที่ต้องใส่ไปในแต่ละ Node มีดังต่อไปนี้

• ชื่อของกิจกรรม จะเป็นการระบุว่ากิจกรรมใน Node นั้นคือกิจกรรมอะไร อาจจะใช้
ตัวย่อได้ เช่น กิจกรรม A B C เป็นต้น
• เวลาที่ ใช้ ใ นการดำ � เนิ น กิ จ กรรมนั้ น หมายถึ ง เวลาที่ ใช้ ตั้ ง แต่ เริ่ ม กิ จ กรรมนั้ น
จนกระทั่งกิจกรรมนั้นเสร็จสิ้น เช่น 5 วัน หรือ 3 สัปดาห์ เป็นต้น
• ES หมายถึง Earliest Start คือเวลาเริ่มต้นทำ�กิจกรรมที่เร็วที่สุดเท่าที่จะเป็นไปได้
เช่น หากเริ่มต้นได้เร็วที่สุดในวันที่ 3 ก็ใส่เลข 3 ไปตรงส่วนนี้ สำ�หรับกิจกรรมเริ่มต้นที่ไม่จำ�เป็น
ต้องรอกิจกรรมอื่น ES จะมีค่าเท่ากับ 0 ถ้ามีกิจกรรมที่ต้องทำ�ก่อนหน้าเกินกว่า 1 กิจกรรม ES
ของกิจกรรมนั้นคือค่าที่มากที่สุดของ EF ของกิจกรรมก่อนหน้า ยกตัวอย่างเช่น ถ้ากิจกรรม C
ต้องรอให้กิจกรรม A และ B เสร็จก่อน หาก A เสร็จเร็วที่สุด (EF ของ A) คือวันที่ 2 ในขณะที่
B เสร็จเร็วที่สุดวันที่ 3 (EF ของ B) C จะเริ่มได้เร็วที่สุด (ES ของ C) คือวันที่ 3 เป็นต้น
• EF หมายถึง Earliest Finish คือเวลากิจกรรมนั้นเสร็จได้เร็วที่สุดเท่าที่จะเป็นไปได้
สามารถคำ�นวณได้จาก ES + ระยะเวลาในการดำ�เนินกิจกรรมนั้น
• LS หมายถึง Latest Start เป็นเวลาเริม่ ต้นทำ�กิจกรรมอย่างช้าทีส่ ดุ ทีไ่ ม่ท�ำ ให้โครงการ
เสร็จช้ากว่ากำ�หนด โดยจะสามารถคำ�นวณได้จาก LF – เวลาในการดำ�เนินกิจกรรมนั้น
• LF หมายถึง Latest Finish คือเวลาอย่างช้าทีส่ ดุ ในการทำ�กิจกรรมให้เสร็จสิน้ โดยไม่
ทำ�ให้โครงการเสร็จช้ากว่ากำ�หนด สำ�หรับค่า LF ของกิจกรรมสุดท้ายนั้นจะมีค่าเท่ากับ EF ของ
กิจกรรมนั้น ถ้ามีกิจกรรมที่ต้องทำ�ทีหลังเกินกว่า 1 กิจกรรม LF ของกิจกรรมนั้นคือค่าที่น้อย
ที่สุดของ LS ของกิจกรรมที่ทำ�ทีหลัง ยกตัวอย่างเช่น ถ้ากิจกรรม A ต้องทำ�ให้เสร็จก่อน จึงจะทำ�
กิจกรรม B และ C ได้ และทราบว่า B เริ่มได้อย่างช้าที่สุดโดยที่ไม่ทำ�ให้โครงการล่าช้าไปคือวันที่
3 (LS ของ B) ในขณะที่ C เริ่มได้อย่างช้าที่สุดโดยที่ไม่ทำ�ให้โครงการล่าช้าไปคือวันที่ 2 (LS ของ
C) ดังนั้น A จะต้องเสร็จอย่างช้าที่สุดโดยที่ไม่ทำ�ให้โครงการล่าช้าไป (LF ของ A) คือต้องเสร็จใน
วันที่ 2 เพราะถ้าเสร็จวันที่ 3 จะทำ�ให้ C ล่าช้ากว่ากำ�หนด ซึ่งอาจจะมีผลทำ�ให้โครงการไม่เสร็จ
ตามที่กำ�หนดไว้
ในขั้นตอนการคำ�นวณค่าต่าง ๆ เหล่านี้นั้น จะมีขั้นตอนคำ�นวณดังต่อไปนี้
1. ทำ�การคำ�นวณค่า ES และ EF ของทุกกิจกรรมในการดำ�เนินโครงการ (เราเรียก
การคำ�นวณในลักษณะนี้ว่า Forward Pass) เมื่อถึงกิจกรรมสุดท้ายค่า EF ที่หาได้ ก็คือเวลาใน
การดำ�เนินโครงการนั้นนั่นเอง ในกรณีที่มี Node สุดท้ายเกินกว่า 1 Node (Node ที่ไม่มี Node
ใดเป็นกิจกรรมต่อเนื่อง) ให้โยง Node เหล่านั้นไปยัง Node ที่ชื่อว่า Finish โดย Node นี้จะ
ไม่มีเวลาในการดำ�เนินการ เพื่อคำ�นวณหาค่า ES และ EF (ซึ่งจะเท่ากัน) ตามหลักการข้างต้น
ต่อไป และถือว่า Node นี้เป็น Node สุดท้ายของโครงการ เพื่อจะได้ป้องกันความสับสน
2. ทำ�การ Set ค่า LF ของ Node สุดท้ายนี้ให้มีค่าเท่ากับ EF
3. เริ่มการคำ�นวณย้อนกลับ โดยคำ�นวณค่า LS และ LF ของแต่ละ Node ตาม
หลักการที่แสดงไว้ข้างต้น (เราเรียกการคำ�นวณในลักษณะนี้ว่า Backward Pass) จนกระทั่ง
สามารถกรอกข้อมูลครบถ้วนทุก Node ที่มี
4. ผลต่างระหว่าง ES กับ LS หรือ EF กับ LF คือค่า Slack ซึ่งเป็นเวลาที่กิจกรรม
นั้นสามารถเลื่อนออกไปได้โดยไม่ทำ�ให้โครงการล่าช้าไปกว่ากำ�หนด ยกตัวอย่างเช่น หาก ES =
วันที่ 5 LS = วันที่ 10 จะได้ Slack time = 10 – 5 = 5 วัน ซึ่งจะหมายความว่ากิจกรรมนั้น
สามารถเลื่อนออกไปได้ 5 วัน (หลังจาก ES) โดยไม่ทำ�ให้โครงการนั้นล่าช้าออกไป
5. จาก Network Diagram เส้นทางวิกฤติหรือ Critical Path จะเป็นเส้นทาง
ที่ยาวที่สุด (ใช้เวลานานที่สุด) ใน Network โดย Critical Path จะเป็นตัวกำ�หนดเวลาที่เร็วที่สุด
ในการทำ�โครงการให้เสร็จสิ้น และหากกิจกรรมใดกิจกรรมหนึ่งใน Critical Path เสร็จล่าช้ากว่า
กำ�หนดจะทำ�ให้โครงการเสร็จล่าช้ากว่ากำ�หนดตามไปด้วย ดังนั้นกิจกรรมที่อยู่บน Critical Path
จะมีค่า Slack เท่ากับ 0 เสมอ
เพื่อให้เห็นภาพทั้งหมดได้ชัดเจนยิ่งขึ้น จึงขออธิบายโดยใช้กรณีศึกษาดังต่อไปนี้
กรณีศึกษา Skyline & Healthcare

คุณศิริ ผู้จัดการกิจการอาหารเสริม Skyline & Healthcare มีโครงการที่จะออก
ผลิตภัณฑ์ใหม่ หลังจากที่ได้ทำ�การศึกษาในรายละเอียดแล้ว คุณศิริได้ทำ�การแบ่งกิจกรรมต่าง ๆ
พร้อมทั้งระบุงานที่ต้องทำ�ให้เสร็จก่อนและระยะเวลาที่ต้องใช้ดำ�เนินการแต่ละกิจกรรมดังต่อไปนี้

กิจกรรม คำ�อธิบาย เวลาที่ใช้ (สัปดาห์) กิจกรรมที่ต้องทำ�ก่อน
A จัดสำ�นักงานขาย 4 --
B คัดเลือกพนักงาน 2 A
C ฝึกอบรมพนักงาน 4 B
D เลือกบริษัทโฆษณา 2 A
E วางแผนโฆษณา 5 D
F เริ่มโฆษณา 10 E
G ออกแบบบรรจุภัณฑ์ 2 E
H ติดตั้งอุปกรณ์บรรจุภัณฑ์ 6 G
I สั่งสินค้าจากผู้ผลิต 8 H
J บรรจุสินค้า 4 I
K เลือกช่องทางจำ�หน่าย 2 C, F
L ขายสินค้าให้ช่องทางจำ�หน่าย 6 K
M ส่งสินค้าออกจำ�หน่าย 2 J, L
จากข้อมูลดังกล่าวคุณศิรติ อ้ งการทราบว่าโครงการนีจ้ ะดำ�เนินการเสร็จสิน้ อย่างเร็วทีส่ ดุ
ภายในระยะเวลากี่สัปดาห์
จากข้อมูลดังกล่าวสามารถนำ�มาเขียน Network Diagram ในรูปแบบของ AON
ดังรูปที่ 7-4 ต่อไปนี้
รูปที่ 7-4 Network Diagram สำ�หรับกรณีศึกษา Skyline & Healthcare
จาก Network Diagram และข้อมูลจากกรณีศึกษาดังกล่าว สามารถนำ�มาคำ�นวณ

หาค่า ES EF LS LF ได้ดังแสดงในรูปที่ 7-5 หน้าถัดไปนี้
รูปที่ 7-5 การคำ�นวณหาค่า ES EF LS LF สำ�หรับกรณีศึกษา Skyline & Healthcare
จากรูปจะเห็นได้ว่ามีการคำ�นวณค่า ES EF LS LF อย่างครบถ้วน ในการคำ�นวณค่า ES

EF นั้นจะขอยกตัวอย่างกิจกรรม K จะเห็นว่ากิจกรรมนี้จะต้องรอกิจกรรม C กับ F ก่อน และ
กิจกรรม C นั้นจะเสร็จเร็วที่สุด (EF ของ C) สัปดาห์ที่ 10 ในขณะที่กิจกรรม F นั้นจะเสร็จเร็ว
ที่สุด (EF ของ F) ในสัปดาห์ที่ 21 ดังนั้นกิจกรรม K จึงเริ่มต้นได้เร็วที่สุด (ES ของ K) ในสัปดาห์
ที่ 21 นั่นเอง สำ�หรับการคำ�นวณค่า LS LF นั้น จะขอยกตัวอย่างกิจกรรม E จะเห็นว่าหลังจาก
กิจกรรม E นั้น มีกิจกรรมต่อเนื่องอีก 2 กิจกรรม คือกิจกรรม F กับ G ดังนั้นเมื่อเราทราบว่า
เวลาเริ่มต้นอย่างช้าที่สุดโดยไม่ทำ�ให้โครงการล่าช้าไปของกิจกรรม F คือสัปดาห์ที่ 13 (LS ของ
F) และเวลาเริ่มต้นอย่างช้าที่สุดโดยไม่ทำ�ให้โครงการล่าช้าไปของกิจกรรม G คือสัปดาห์ที่ 11
(LS ของ G) ดังนั้นกิจกรรม F จะต้องเสร็จอย่างช้าที่สุดโดยไม่ทำ�ให้โครงการล่าช้าไป (LF ของ F)
คือสัปดาห์ที่ 11 นั่นเอง หากช้ากว่านี้จะส่งผลทำ�ให้กิจกรรม G ล่าช้าไปทันที
ในการทำ� Forward Pass เพือ่ คำ�นวณหาค่า ES และ EF นัน้ จากตัวอย่างจะทำ�ให้ทราบ
ว่าโครงการนี้จะเสร็จสิ้นภายใน 33 สัปดาห์ ส่วนในการทำ� Backward Pass เพื่อคำ�นวณหาค่า
LF LS ย้อนกลับมานั้น จะทำ�ให้ทราบค่า Slack ของแต่ละกิจกรรม ซึ่งจากตัวอย่างพบว่ากิจกรรม
ที่มี Slack เท่ากับ 0 หรือเป็นกิจกรรมที่ช้าไม่ได้ หากช้าไปจะทำ�ให้โครงการนี้ช้าทันที คือกิจกรรม
A D E G H I J M เราเรียกกิจกรรมเหล่านี้ว่ากิจกรรมวิกฤติ (Critical Activity) และเส้นทาง
เชื่อมต่อของกิจกรรมเหล่านี้ซึ่งได้แก่ A-D-E-G-H-I-J-M ก็คือ Critical Path หรือเส้นทางวิกฤติ
ซึง่ จะเป็นเส้นทางทีก่ �ำ หนดเวลาในการดำ�เนินโครงการนีน้ นั่ เอง สำ�หรับกิจกรรมอืน่ ๆ นัน้ จะเห็นว่า
มีค่า Slack มากกว่า 0 เช่น กิจกรรม F มีค่า Slack เท่ากับ 2 มีความหมายว่ากิจกรรม F
สามารถจะล่าช้าไปหลังจากวันที่เริ่มต้นได้เร็วที่สุด (ES) ได้ 2 วันโดยจะไม่ทำ�ให้โครงการนี้ล่าช้า
ไปแต่อย่างใด
เป็นที่น่าสังเกตว่าหากเรานำ�เอาค่าของเวลาในการดำ�เนินกิจกรรมของกิจกรรมวิกฤติ
มารวมกัน ค่าที่ได้ก็คือเวลาในการดำ�เนินโครงการนั่นเอง เช่น จากตัวอย่างผลรวมของเวลาของ
กิจกรรม A D E G H I J M มีค่าเท่ากับ 4 + 2 + 5 + 2 + 6 + 8 + 4 + 2 = 33 สัปดาห์
ซึ่งเป็นเวลาที่น้อยที่สุดในการทำ�ให้โครงการนี้เสร็จ หรือหากจะเปรียบเทียบเส้นทางในการ
ทำ�โครงการนี้ จากจุดเริ่มต้น (กิจกรรม A) ไปยังจุดสิ้นสุด (กิจกรรม M) จะเห็นว่ามีเส้นทางได้
3 เส้นทาง ดังต่อไปนี้
• เส้นทางที่ 1 A-B-C-K-L-M ใช้เวลารวมกันทั้งสิ้น 4 + 2 + 4 + 2 + 6 + 2 = 20
สัปดาห์
• เส้นทางที่ 2 A-D-E-F-K-L-M ใช้เวลารวมกันทั้งสิ้น 4 + 2 + 5 + 10 + 2 + 6 +
2 = 31 สัปดาห์
• เส้นทางที่ 3 A-D-E-G-H-I-J-M ใช้เวลารวมกันทั้งสิ้น 4 + 2 + 5 + 2 + 6 + 8 +
4 + 2 = 33 สัปดาห์
จะเห็นได้ว่าเส้นทางที่ 3 ซึ่งเป็นเส้นทางวิกฤติตามที่อธิบายไปแล้วนั้น จะเป็นเส้นทางที่
ใช้เวลารวมกันนานที่สุดและเป็นเส้นทางที่กำ�หนดระยะเวลาในการดำ�เนินโครงการนั่นเอง
วิ ธี ก ารที่ ไ ด้ นำ � เสนอไปนี้ เ ป็ น วิ ธี ก ารที่ เรี ย กว่ า Critical Path Method (CPM)
สำ�หรับเทคนิคของ Program Evaluation and Review Technique (PERT) นั้น ขั้นตอนต่าง ๆ
เหล่านี้จะเหมือนกับ CPM ทุกประการ เพียงแต่ในวิธีการของ CPM นั้นในการประมาณเวลา
ของแต่ละกิจกรรมจะมีการประมาณเวลาเพียงค่าเดียวเท่านั้น และมีสมมุติฐานว่ากิจกรรมแต่ละ
กิจกรรมจะใช้เวลาในการดำ�เนินกิจกรรมนั้นคงที่ตามที่ได้มีการประมาณเวลาไว้ แต่สำ�หรับ PERT
จะมีการประมาณเวลาที่ใช้ในการแต่ละกิจกรรมได้เป็น 3 ระดับได้แก่
• เวลาที่ดีที่สุด (เร็วที่สุด) ในการทำ�กิจกรรมนั้น (Optimistic Time) - a
• เวลาที่น่าจะเป็นในการทำ�กิจกรรมนั้น (Most-likely Time) - m
• เวลาที่แย่ที่สุด (ช้าที่สุด) ในการทำ�กิจกรรมนั้น (Pessimistic Time) - b
โดยในขั้นตอนการสร้าง Network Diagram และคำ�นวณค่า ES EF LS LF จะต้องมี
การคำ�นวณหาเวลาที่คาดหวังในการทำ�กิจกรรมนั้น (Expected Time หรือ t) ซึ่งจะมีค่าเท่ากับ
(a + 4m + b)/6 และหลังจากนั้นก็จะดำ�เนินตามขั้นตอนเหมือนกับ CPM ได้ต่อไป
อย่างไรก็ตามเนื่องจากเวลาในการดำ�เนินกิจกรรมตามเทคนิค PERT มีการกระจายตัว
ไม่ใช่ค่าคงที่ ดังนั้นจะสามารถคำ�นวณหาค่าความแปรปรวนของเวลาในการทำ�กิจกรรม (หรือเรียก
ว่า v) ได้ โดยจะมีค่าเท่ากับ [(b – a)/6]2
เมื่อทำ�การคำ�นวณค่าต่าง ๆ ตามขั้นตอนที่ได้กล่าวมาแล้วนั้น การคำ�นวณหาเวลาของ
ทั้งโครงการทำ�ได้โดยการหาผลรวมของเวลาที่คาดหวัง (Expected Time) ของกิจกรรมเฉพาะที่
อยู่บน Critical Path นอกจากนี้ยังสามารถคำ�นวณค่าความแปรปรวนของเวลาที่ใช้ทั้งโครงการ
ซึ่งได้แก่ผลรวมของความแปรปรวนของกิจกรรมเฉพาะที่อยู่บน Critical Path เช่นเดียวกัน
สำ�หรับเทคนิค PERT นั้น เนื่องจากเวลาในการดำ�เนินกิจกรรมแต่ละกิจกรรมไม่ใช่
ค่าคงที่ ดังนั้นถึงแม้ว่ากิจกรรมบนเส้นทางวิกฤติจะเป็นกิจกรรมที่มีความสำ�คัญสูง แต่ผู้ตัดสินใจ
ควรจะคำ�นึงถึงกิจกรรมที่ไม่อยู่บน Critical Path เช่นเดียวกัน โดยเฉพาะอย่างยิ่งหากกิจกรรม
เหล่านั้นมีค่าความแปรปรวนสูง (ซึ่งหมายถึงว่าเวลาอาจจะไม่ได้เป็นไปตามที่ค่าคาดหวังที่
คำ�นวณไว้) ซึง่ หากเวลาของกิจกรรมเหล่านัน้ มีการเปลีย่ นแปลงไปอย่างมาก ก็อาจจะทำ�ให้กจิ กรรม
นั้นกลายเป็นกิจกรรมวิกฤติได้โดยง่าย และจะทำ�ให้เกิดการเปลี่ยนแปลง Critical Path ได้
การใช้ Spreadsheet เพื่อช่วยในการคำ�นวณค่าต่าง ๆ สำ�หรับ

PERT/CPM
ถึงแม้ว่าการคำ�นวณค่าต่าง ๆ ด้วยวิธีการ PERT/CPM จะไม่ได้มีความยุ่งยากมากและ
สามารถดำ�เนินการได้โดยไม่ต้องมีการใช้ Spreadsheet เข้ามาช่วย แต่อย่างไรก็ดีในการคำ�นวณ
โดยใช้ spreadsheet นั้น จะมีข้อดีในกรณีที่โครงการมีจำ�นวนกิจกรรมจำ�นวนมากและมีความ
ซับซ้อน นอกจากนั้นการสร้างแบบจำ�ลองของวิธีการ PERT/CPM ใน Excel สามารถนำ�
หลักการของ Linear Programming ผ่านทางคำ�สั่ง Solver มาประยุกต์ใช้ เพื่อตอบปัญหาต่าง ๆ
ได้หลากหลายและรวดเร็วกว่าการคำ�นวณเอง
จากตั ว อย่ า งในกรณี ศึ ก ษา Skyline & Healthcare ที่ ผ่ า นมา เราสามารถใช้
Spreadsheet ในการคำ�นวณค่าต่าง ๆ ดังแสดงในรูปที่ 7-6 หน้าถัดไปนี้
Key Cell Formulas
E5 =MAX(IF(ISERR(FIND($A$5:$A$17,C5)),0,$F$5: E6:E17
$F$17)) (Press[Ctrl]+[Shift]+[Enter]to enter)
F5 =E5+D5 F6:F17
G5 =H5-D5 G6:G17
H5 =MIN(IF(ISERR(FIND(A5,$C$5:$C$17)),MAX($F$5: H6:H17
$F$17),$G$5:$G$17)) (Press[Ctrl]+[Shift]+[Enter]to
enter)
I5 =H5-F5 I6:I17
รูปที่ 7-6 แบบจำ�ลองใน Spreadsheet ของกรณีศึกษา Skyline & Healthcare
โดยที่ EST = เวลาที่เริ่มกิจกรรมได้เร็วที่สุด LST = เวลาที่เริ่มกิจกรรมช้าที่สุดโดย
ไม่ทำ�ให้โครงการช้า EFT = เวลาที่ทำ�กิจกรรมเสร็จได้เร็วที่สุด LFT = เวลาที่ทำ�กิจกรรมเสร็จช้า
ที่สุดโดยไม่ทำ�ให้โครงการช้า
ข้อสังเกต การใช้สูตรบางครั้งเราสามารถเขียนสูตรตามความเข้าใจโดยตรงซึ่งอาจมี
การคำ�นวณที่ซับซ้อนหรือหลายขั้นตอนและโปรแกรมไม่สามารถคำ�นวณหรือใช้สูตรตามนั้นได้
ซึ่งกรณีนี้สามารถใช้คำ�สั่ง Array Formulas เพื่อให้สามารถใช้สูตรเหล่านั้นได้ การใช้ Array
Formula นั้นเปรียบเสมือนกับการจับคู่ให้มีการคำ�นวณ โดยอาจพิจารณาจากตัวอย่างการเปรียบ
เทียบการใช้ Excel Function แบบธรรมดากับการใช้ในรูปแบบ Array Formula ดังต่อไปนี้
Excel Function Array Formula

=SUMPRODUCT(E5:E17,F5:F17) =SUM(E5:E17*F5:F17)
=SUMIF(E5:E17,”>10”,F5:F17) =SUM(IF(E5:E17>10,F5:F17))
=COUNTIF(E5:E17,”>0”) =SUM(IF(E5:E17>0,1))
จากตัวอย่างดังกล่าว อาจจะมีคำ�ถามว่าเมื่อมี Function ใน Excel แล้ว ทำ�ไมจึง

ต้องมีความจำ�เป็นต้องใช้ Array Formula ด้วย คำ�ตอบคือมีหลายคำ�สั่งที่ยังไม่มี Function
ใน Excel ซึ่งการใช้คำ�สั่ง Array Formulas นั้นสามารถช่วยให้เราเขียนคำ�สั่งเหล่านี้ได้ง่ายขึ้น
แต่ทุกครั้งที่จะใช้คำ�สั่ง Array Formulas จำ�เป็นต้องใช้ Key Function พิเศษในการใส่สูตร
โดยการกด [Ctrl]+[Shift]+[Enter] ทุกครั้งในการใส่สูตร
จากตัวอย่างดังกล่าวเป็นตัวอย่างการใช้ Spreadsheet สำ�หรับ CPM สำ�หรับ PERT
ซึ่งเวลาในการดำ�เนินกิจกรรมไม่คงที่นั้น สามารถทำ�ได้โดยง่ายโดย Set ค่าเวลาในการดำ�เนิน
กิจกรรมของแต่ละกิจกรรมให้อยู่ในรูปของ Function การกระจายตัวในรูปแบบต่าง ๆ ซึ่งมีอยู่ใน
Function ของ Excel
การคำ�นวณหาต้นทุนที่เพิ่มขึ้นหากต้องการลดระยะเวลาโครงการ
โดยปกติแล้วการใช้เทคนิค CPM จะให้คำ�ตอบว่าโครงการนั้นจะต้องใช้เวลาในการ
ดำ�เนินงานเท่าไหร่ ซึ่งในความเป็นจริงเราสามารถลดระยะเวลาลงมาได้ ซึ่งในการจัดการโครงการ
นั้น เราต้องพิจารณาว่าระหว่างต้นทุนในการลดระยะเวลาการทำ�งานกับผลตอบแทนที่จะได้มานั้น
คุ้มค่าหรือไม่ ทั้งนี้ปัจจัยที่ต้องพิจารณาเมื่อต้องการลดระยะเวลาโครงการมีดังต่อไปนี้
1. ระยะเวลาของแต่ละกิจกรรมที่สามารถลดได้
2. ระยะเวลารวมของโครงการที่สามารถลดได้
3. ต้นทุนในการลดระยะเวลาที่ตํ่าที่สุดเท่าที่จะเป็นไปได้
หลักการลดระยะเวลาโครงการหรือที่เรียกว่า Crashing มีดังต่อไปนี้
1. คำ�นวณหาอัตราต้นทุนต่อเวลาทีส่ ามารถลดลงได้ของแต่ละกิจกรรม โดยอัตราต้นทุน
ต่อเวลาที่ลดลงได้ = (ต้นทุนรวมหลังจากลดเวลากิจกรรมลงแล้ว – ต้นทุนการดำ�เนินกิจกรรม
ตามปกติ)/(เวลาในการดำ�เนินกิจกรรมตามปกติ – เวลาในการดำ�เนินกิจกรรมที่ลดลงแล้ว)
ยกตัวอย่างเช่นหากกิจกรรม A มีค่าใช้จ่ายในการดำ�เนินการตามปกติ 2,000 บาท และใช้เวลา
2 สัปดาห์ในการดำ�เนินงาน แต่สามารถลดเวลาลงได้เหลือ 1 สัปดาห์ โดยต้องจ่ายค่าใช้จ่าย
ทั้งหมด 5,000 บาท ดังนั้นต้นทุนต่อเวลาที่ลดลงได้จะมีค่าเท่ากับ (5,000-2,000)/(2-1) = 3,000
บาทต่อการลดเวลาลง 1 สัปดาห์ เป็นต้น
2. ให้คำ�นวณหาเส้นทางวิกฤติ (Critical Path) ของโครงการจากเวลาตามปกติของ
แต่ละกิจกรรม ถ้ามีเส้นทางวิกฤติ (Critical Path) เพียงเส้นเดียว ให้เลือกพิจารณาลดเวลาของ
กิจกรรมที่อยู่บน Critical Path ก่อน โดยเลือกกิจกรรมที่สามารถลดเวลาลงได้และมีอัตราต้นทุน
ในการลดเวลาที่คำ�นวณได้ในข้อ 1 ตํ่าที่สุด
3. กลับมาปรับเวลาของทุกกิจกรรม ทั้งนี้บางครั้งการที่เราลดเวลาใน Critical Path
ไปมาก อาจทำ�ให้ Critical Path เปลี่ยนเส้นก็ได้ หรือกิจกรรมบางกิจกรรมอาจอยู่ได้ในหลาย
Critical Path
จากกรณีศกึ ษา Skyline & Healthcare หากทำ�การเก็บข้อมูลเพิม่ เติมว่าแต่ละกิจกรรม
สามารถลดเวลาลงได้เท่าไร และต้องมีค่าใช้จ่ายเท่าไร ได้ข้อมูลดังแสดงในรูปที่ 7-7 หน้าถัดไปนี้
รูปที่ 7-7 ต้นทุนในการลดเวลาของแต่ละกิจกรรมในกรณีศึกษา Skyline & Healthcare
ถ้าหากต้องการทราบว่าโครงการนี้จะสามารถลดเวลาลงได้มากที่สุดเท่าไร และจะ
ต้องมีค่าใช้จ่ายทั้งหมดเท่าไร ในปัญหาลักษณะนี้สามารถหาคำ�ตอบได้ด้วยวิธีโปรแกรมเชิงเส้น
โดยมีตัวแปรที่ต้องตัดสินใจ ดังต่อไปนี้
Ti = เวลาที่กิจกรรม i เริ่มต้น
ti = ระยะเวลาปกติที่ใช้ทำ�กิจกรรม i
Ci = ระยะเวลาที่สามารถลดลงได้ในกิจกรรม i
แบบจำ�ลองเชิงเส้นที่ใช้ในการหาคำ�ตอบดังกล่าว มีดังต่อไปนี้
Objective Function: MIN: TM + tM - CM โดยมีวัตถุประสงค์ในการลดเวลาที่ใช้
ทั้งหมดให้น้อยที่สุด (โดยการลดเวลาเสร็จสิ้นของงานสุดท้าย ซึ่งได้แก่กิจกรรม M)
โดยมีข้อจำ�กัดดังต่อไปนี้
TB - TA >= tA - CA
TD - TA >= tA- CA
TC - TB >= tB - CB
TK - TC >= tC - CC
TE - TD >= tD - CD
TF - TE >= tE - CE
TG - TE >= tE - CE
TK - TF >= tF - CF
TH -TG >= tG- CG
TI - TH >= tH - CH
TJ - TI >= tI - CI
TM -TJ >= tJ - CJ
TL - TK >= tK - CK
TM -TL >= tL - CL
Ti, Ci >= 0, for all i
Ci <= allowable crash days for activity i
โดยข้อจำ�กัดดังกล่าวเป็นการกำ�หนดให้ช่วงระยะเวลาห่างของกิจกรรมที่เกิดขึ้นจริง
จะต้องมีค่ามากกว่าหรือเท่ากับระยะเวลาที่น้อยที่สุดสำ�หรับการทำ�กิจกรรมนั้น เช่น TB - TA
หมายถึงระยะเวลาห่างระหว่างกิจกรรม A กับ B ที่ต่อเนื่องกันนั้น จะต้องมีค่ามากกว่า tA - CA
ซึ่งเป็นระยะเวลาที่สั้นที่สุดสำ�หรับการดำ�เนินกิจกรรม A
Key Cell Formulas
E19 =D17+C17-E17 ---
E21 =SUMPRODUCT (E5:E17,’Crash Data’!H5:H17) ---
I5 =VLOOKUP (H5,$B$5:$D$17,3)-VLOOKUP(G5,$B$5:$D$17,3) I6:I18
J5 =VLOOKUP(G5,$B$5:$C$17,2)-VLOOKUP(G5,$B$5:$E$17,4) J6:J18
รูปที่ 7-8 แบบจำ�ลองโปรแกรมเชิงเส้นสำ�หรับการลดต้นทุนในกรณีศึกษา Skyline & Healthcare
ทัง้ นีข้ อ้ มูลเกีย่ วกับค่าใช้จา่ ยในการลดต้นทุนอยูใ่ นอีก Worksheet หนึง่ ทีม่ ชี อื่ ว่า Crash
Data ซึ่งแสดงในรูปที่ 7-7
จากแบบจำ�ลองดังกล่าวกำ�หนดให้
• คอลัมน์ Start Time และ Amount Crashed เป็น Changing Cells
• คอลัมน์ Actual Time Between Starts จะต้องมีค่ามากกว่าหรือเท่ากับคอลัมน์
Minimum Time Between Starts
• Finish Time = Set Cell (Objective Function) โดยต้องการให้มีค่าน้อยที่สุด
(ในกรณีที่ต้องการหาเวลาในการดำ�เนินโครงการที่น้อยที่สุด) หรืออาจจะตั้ง Total Crash Cost
= Set Cell (Objective Function) ในกรณีที่หาต้นทุนน้อยที่สุดในการลดระยะเวลาให้เป็นไป
ตามกำ�หนด
จากแบบจำ�ลองดังกล่าว หากต้องการลดเวลาให้มากที่สุดจะสามารถนำ�มากำ�หนด
Parameters ใน Solver ได้ดังแสดงในรูปที่ 7-9 ดังต่อไปนี้
รูปที่ 7-9 การ Set Solver Parameters สำ�หรับการลดเวลาในการดำ�เนินกิจกรรมในกรณีศึกษา

Skyline & Healthcare
เป็นที่น่าสังเกตว่าใน Constraint ข้อที่ 2 ที่เขียนว่า $E$5:$E$17 <= $G$5:$G$17

นั้น ที่จริงแล้ว $G$5:$G$17 เป็น Cell ที่อยู่ในอีก worksheet หนึ่งคือ Crash Data แต่
Solver ตอน Run ไม่ได้แสดงชื่อ Worksheet นั้น
และเมื่อมีการ Run Solver ก็จะได้ผลลัพธ์ดังแสดงในรูปที่ 7-10 หน้าถัดไปนี้
รูปที่ 7-10 ผลลัพธ์จากการ Run Solver ในการลดเวลาในการดำ�เนินกิจกรรมในกรณีศกึ ษา Skyline
& Healthcare
จากผลลัพธ์ที่ได้สามารถสรุปได้ว่าโครงการนี้สามารถดำ�เนินการเสร็จสิ้นได้เร็วที่สุด
ภายใน 19 วัน (จากเดิม 33 วัน) จะต้องมีค่าใช้จ่ายเพิ่มขึ้น 2,885,000 บาท โดยควรจะลดเวลา
ในกิจกรรมต่าง ๆ ดังแสดงในรูปที่ 7-10
หากเราต้องการทราบว่าต้องการให้โครงการเสร็จสิ้นภายใน 27 วัน ควรจะลดเวลาใน
กิจกรรมใด โดยที่มีค่าใช้จ่ายเพิ่มขึ้นที่ตํ่าที่สุด เราก็สามารถกำ�หนด Parameters ใน Solver ได้
ดังแสดงในรูปที่ 7-11 หน้าถัดไปนี้
รูปที่ 7-11 การ Set Solver Parameters สำ�หรับการลดต้นทุนในการดำ�เนินกิจกรรมในกรณีศกึ ษา
เป็นที่น่าสังเกตว่าใน Constraint ข้อที่ 3 ที่เขียนว่า $E$5:$E$17 < = $G$5:$G$17

นั้น ที่จริงแล้ว $G$5:$G$17 นั้นเป็น Cell ที่อยู่ในอีก Worksheet หนึ่งคือ Crash Data แต่
Solver ตอน Run ไม่ได้แสดงชื่อ worksheet นั้น และเมื่อมีการ Run Solver ก็จะได้ผลลัพธ์
รูปที่ 7-12 ผลลัพธ์จากการ Run Solver ในการลดต้นทุนในการดำ�เนินกิจกรรมในกรณีศึกษา

ข้อดีและข้อจำ�กัดของ PERT/CPM
เทคนิค PERT/CPM มีข้อดีและข้อจำ�กัด ดังต่อไปนี้
ข้อดี
• เป็นเทคนิคที่มีประโยชน์ในการจัดการโครงการที่มีขนาดใหญ่และมีความซับซ้อน
• แนวคิดนี้มีการคำ�นวณที่ไม่ซับซ้อน สามารถเข้าใจได้โดยง่าย
• รูปแบบการใช้เครือข่าย (Network) ในเทคนิค PERT/CPM ทำ�ให้เข้าใจความสัมพันธ์
ของแต่ละกิจกรรมได้ง่าย
• การหา Critical Path และ Slack Time จะช่วยให้เราทราบว่ากิจกรรมใดมี
ความสำ�คัญกับเวลาของโครงการ และสามารถนำ�ไปตัดสินใจในการลดเวลาของโครงการได้อย่าง
เหมาะสม
• การใช้ PERT/CPM มีส่วนช่วยให้สามารถจัดหาคนดูแลกิจกรรมในแต่ละกิจกรรมใน
โครงการได้อย่างเหมาะสม
• เทคนิคนี้ใช้ได้กับโครงการหลายโครงการ ไม่ได้เป็นเทคนิคที่ใช้ได้เฉพาะโครงการใด
โครงการหนึ่งเท่านั้น
• เป็นเทคนิคที่สามารถใช้ได้ทั้งในการควบคุมเวลาและการควบคุมต้นทุนของโครงการ
ข้อจำ�กัด
• เทคนิคทั้งสองนี้ต้องมีขอ้ สมมุติฐานว่ากิจกรรมแต่ละกิจกรรมเป็นอิสระซึ่งกันและกัน
และกิจกรรมแต่ละกิจกรรมต้องมีความชัดเจน
• การใช้เทคนิคทัง้ สองนีไ้ ด้ จะต้องมีการกำ�หนดว่ากิจกรรมใดมาก่อนมาหลังอย่างชัดเจน
• การประมาณการเวลาที่ใช้ในแต่ละกิจกรรมเป็นการประมาณการโดยใช้การตัดสิน
ใจ (Subjective) ไม่ได้ใช้การคำ�นวณ ซึ่งหากประมาณการผิดพลาดก็จะทำ�ให้ผลที่ได้รับผิดพลาด
ตามไปด้วย
• เทคนิคนี้บางครั้งให้ความสำ�คัญกับ Critical Path มากจนเกินไป จนอาจจะละเลย
กิจกรรมอื่นซึ่งอาจจะส่งผลทำ�ให้โครงการล่าช้าได้ หากการประมาณเวลามีความคลาดเคลื่อน
1. ในโครงการการพัฒนาระบบงานมีรายละเอียดของกิจกรรมต่าง ๆ ดังต่อไปนี้
รหัสกิจกรรม ชื่อกิจกรรม กิจกรรมที่ต้องเสร็จก่อน เวลาที่ใช้ (วัน)
A รวบรวมความต้องการ - 5
B ออกแบบรายงาน A 7
C ออกแบบหน้าจอ A 6
D ออกแบบฐานข้อมูล B, C 2
E จัดทำ�เอกสาร D 5
F เขียนโปรแกรม D 4
G ทดสอบโปรแกรม F 3
H ติดตั้งโปรแกรม E, G 1
1.1 จงแสดง CPM Network ของโครงการดังกล่าว

1.2 ให้หากิจกรรมวิกฤติ พร้อมทั้ง Slack Time ของแต่ละกิจกรรมสำ�หรับโครงการนี้
1.3 ให้คำ�นวณหาระยะเวลาที่สั้นที่สุดในการทำ�งานครั้งนี้
2. จากข้อที่ 1 หากมีเรื่องเงินทุนในการเร่งเวลาโครงการมาเกี่ยวข้อง โดยมีข้อมูลดังนี้
ต้นทุนปกติ เวลาเร่งรัด ต้นทุนค่าเร่งรัด
กิจกรรม เวลาปกติ
(บาท) (วัน) (บาท)
A 5 10,000 4 12,000
B 7 14,000 6 18,000
C 6 12,000 5 15,000
D 2 6,000 1 7,000
E 5 10,000 4 12,000
F 4 24,000 3 27,000
G 3 6,000 2 8,000
H 1 1,000 0.5 1,500
2.1 จากข้อมูลดังกล่าว หากต้องการลดเวลาในการดำ�เนินโครงการลงให้เหลือเพียง 18 วัน
จะต้องใช้เงินจำ�นวนที่น้อยที่สุดเท่าใด
2.2 หากมีเงินที่จะใช้ลดเวลาจำ�กัดเพียง 5,000 บาท จะสามารถลดเวลาในการดำ�เนิน
โครงการให้เหลือตํ่าสุดภายในกี่วัน
ทั้งนี้สมมุติให้วันที่เริ่มทำ�กิจกรรมแต่ละกิจกรรมต้องเป็นจำ�นวนเต็มเท่านั้น
3. โครงการประกอบรองเท้าชนิดพิเศษ มีกิจกรรมต่าง ๆ ดังต่อไปนี้
รหัสกิจกรรม ชื่อกิจกรรม กิจกรรมที่ต้องเสร็จก่อน เวลาที่ใช้ (ชั่วโมง)
A ตัดชิ้นส่วน - 2
B เย็บตามแบบ A 5
C ขึ้นรูป B 3
D ทำ�พื้นรองเท้า A 5
E ประกอบ C, D 3
F ตรวจสอบ E 2
G บรรจุกล่อง F 4

4. จากข้อที่ 3 หากมีเรื่องเงินทุนในการเร่งเวลาโครงการมาเกี่ยวข้อง โดยมีข้อมูลดังนี้
เวลาปกติ ต้นทุนปกติ เวลาเร่งรัด ต้นทุนค่าเร่งรัด
(ชั่วโมง) (บาท) (ชั่วโมง) (บาท)
A 2 60 1 100
B 5 150 4 280
C 3 90 2 140
D 5 150 4 280
E 3 90 2 140
F 2 200 1 300
G 4 120 3 600
จงหาว่าหากต้องการให้งานเสร็จเร็วที่สุดจะต้องมีค่าใช้จ่ายเพิ่มขึ้นเท่าไรและจะสามารถ
ดำ�เนินโครงการดังกล่าวได้เร็วที่สุดภายในกี่ชั่วโมง ทั้งนี้สมมุติให้ชั่วโมงเริ่มทำ�กิจกรรมแต่ละ
กิจกรรมต้องเป็นจำ�นวนเต็มเท่านั้น
5. โครงการพัฒนาขีดความสามารถของคนงานเพื่อเพิ่มประสิทธิภาพในการผลิต ประกอบด้วย
งานย่อย 9 งาน ซึ่งมีลำ�ดับการทำ�งานและระยะเวลาการทำ�งานแสดงในตารางต่อไปนี้
กิจกรรมที่ต้อง เวลาที่ใช้
รหัสกิจกรรม ชื่อกิจกรรม
เสร็จก่อน (สัปดาห์)
A สำ�รวจความต้องการของคนงาน - 3
B รับสมัครและประเมินทักษะ A 2
C หาข้อมูลหลักสูตรต่างๆ A 1
D ออกแบบหลักสูตรอบรม B, C 2
E คัดเลือกคนเข้าโครงการ D 1
F เชิญวิทยากร จองสถานที่ D 2
G จัดอบรม E, F 4
H ประเมินโครงการอบรม G 1
I ปรับปรุงแก้ไขหลักสูตร H 1

6. จากข้อที่ 5 หากมีเรื่องเงินทุนในการเร่งเวลาโครงการมาเกี่ยวข้องโดยมีข้อมูลดังแสดงใน
ตาราง จงหาว่าหากต้องการให้โครงการเสร็จสิ้นภายใน 12 สัปดาห์จะต้องใช้เงินจำ�นวน
ที่น้อยที่สุดเท่าใด และหากต้องการให้งานดำ�เนินการได้เร็วที่สุดโดยไม่สนใจว่าจะต้องเสีย
ค่าเร่งรัดงานเท่าไร จะใช้เวลาเร็วสุดกี่สัปดาห์ และต้องใช้เงินจำ�นวนเท่าใด ทั้งนี้สมมุติให้
สัปดาห์เริ่มทำ�กิจกรรมแต่ละกิจกรรมต้องเป็นจำ�นวนเต็มเท่านั้น
(สัปดาห์) (บาท) (สัปดาห์) (บาท)
A 3 6,000 2 10,000
B 2 5,000 1 8,000
C 1 2,000 0.5 3,000
D 2 10,000 1 15,000
E 1 5,000 0.5 7,500
F 2 10,000 1.5 17,500
G 4 100,000 3 150,000
H 1 5,000 0.5 8,000
I 1 10,000 0.5 15,000
7. กิจกรรมในโครงการสำ�รวจความคิดเห็นของประชาชนทีเ่ กีย่ วกับการให้บริการของสำ�นักงาน

เขตในกรุงเทพมหานครมีรายละเอียด ดังต่อไปนี้
A วางแผนโครงการ - 1
B คัดเลือกเจ้าหน้าที่ A 3
C อบรมเจ้าหน้าที่ A 2
D สุ่มตัวอย่าง B, C 2
E จัดทำ�แบบสอบถาม B 1
F เก็บข้อมูล D, E 2
G วิเคราะห์ข้อมูล F 4
H แปรผลสรุปผล เขียนรายงาน G 3

8. ในการดำ�เนินโครงการโครงการหนึ่ง มีรายละเอียดดังต่อไปนี้
(วัน) (บาท) (วัน) (บาท)
A 7 10,000 5 15,000
B 21 21,000 15 25,000
C 14 100,000 10 130,000
D 14 28,000 12 35,000
E 7 5,000 5 8,000
F 14 21,000 12 25,000
G 28 15,000 21 21,000
H 21 10,500 15 15,000
8.1 จงหาว่าในกรณีนี้หากไม่คำ�นึงถึงค่าใช้จ่าย โครงการนี้จะเสร็จสิ้นภายในเวลาที่สั้นที่สุด

กี่วัน
8.2 หากต้องการให้โครงการนีเ้ สร็จสิน้ ภายใน 90 วัน จะต้องใช้เงินจำ�นวนทีน่ อ้ ยทีส่ ดุ เท่าใด
8.3 หากมีเงินเพียง 10,000 บาทในการเร่งงานให้เร็วขึ้น โครงการนี้จะเสร็จได้เร็วที่สุด
ภายในเวลากี่วัน
ทั้งนี้สมมุติให้วันที่เริ่มทำ�กิจกรรมและเวลาที่ลดลงได้ของแต่ละกิจกรรมต้องเป็นจำ�นวนเต็ม
เท่านั้น
9. ในโครงการซ่อมบ้านหลังหนึ่ง มีกิจกรรมซ่อมแซมบ้านดังรายละเอียดต่อไปนี้
A ซ่อมรางนํ้า 3
B ซ่อมท่อระบายนํ้า A 4
C เดินสายไฟใหม่ B 2
D ซ่อมหลังคา A 4
E ปรับปรุงบริเวณรอบๆ บ้าน B 5
F ทาสีภายใน C 3
G ทาสีภายนอก D, E 5
H ทำ�ความสะอาดภายในบ้าน F, G 2
9.2 ให้หากิจกรรมวิกฤติ พร้อมทั้ง Slack Time ของแต่ละกิจกรรมสำาหรับโครงการนี้
9.3 ให้คำานวณหาระยะเวลาที่สั้นที่สุดในการทำางานครั้งนี้
10. จากข้อที่ 9 หากมีเรื่องเงินทุนในการเร่งเวลาโครงการมาเกี่ยวข้องโดยมีข้อมูลดังนี้
(วัน) (บาท) (วัน) (บาท)
A 3 3,000 2 4,000
B 4 5,000 3 6,000
C 2 2,000 1 2,500
D 4 10,000 3 12,000
E 5 10,000 3 12,000
F 3 3,000 2 4,000
G 5 5,000 4 8,000
H 2 1,000 1 2,500
10.1 หากต้ อ งการให้ ง านเสร็ จ เร็ ว ที่ สุ ด ต้ อ งใช้ เ งิ น เท่ า ใดและโครงการจะเสร็ จ ภายใน
ระยะเวลากี่วัน
10.2 หากต้องการให้โครงการเสร็จสิน้ ภายในเวลา 14 วันจะต้องใช้เงินอย่างน้อยทีส่ ดุ เท่าไร
10.3 หากมีเงินเพียง 5,000 บาทในการเร่งรัดงาน โครงการนี้จะเสร็จได้เร็วที่สุดภายใน
กี่วัน
ทั้งนี้สมมุติให้วันที่เริ่มทำากิจกรรมแต่ละกิจกรรมต้องเป็นจำานวนเต็มเท่านั้น
บทที่ 8
การว�เคราะหการตัดสินใจ 1
บทนํา
การตั ด สิ น ใจเป็ น สิ่ ง ที่ เ กิ ด ขึ้ น อยู่ ต ลอดเวลาในชี วิ ต ประจำ า วั น โดยเฉพาะ
อย่างยิ่งการตัดสินใจทางธุรกิจนั้นมีความสำาคัญเป็นอย่างยิ่งต่อความอยู่รอดขององค์กร
เนื้อหาในบทนี้จะได้นำาเสนอเทคนิคการวิเคราะห์ข้อมูลที่จะช่วยทำาให้การตัดสินใจ
ดีขึ้น และอาจนำาไปสู่ผลลัพธ์ที่ดีสำาหรับองค์กรได้ โดยเทคนิคการวิเคราะห์ข้อมูลที่จะ
นำาเสนอนี้จะเป็นการคิดคำานวณค่าในเชิงปริมาณต่าง ๆ เพื่อใช้ประกอบการตัดสินใจ
เพื่อให้ผู้ตัดสินใจมีข้อมูลที่ครบถ้วนและพร้อมที่จะใช้ในการตัดสินใจ ซึ่งจะทำาให้โอกาส
ที่จะตัดสินใจได้อย่างถูกต้องมีมากขึ้นตามมาด้วย
1. เพื่อให้ผู้เรียนเข้าใจถึงความสำาคัญของการตัดสินใจ
2. เพื่อให้ผู้เรียนเข้าใจถึงหลักการของการตัดสินใจอย่างมีระบบ
3. เพื่อให้ผู้เรียนเรียนรู้กฎการตัดสินใจในรูปแบบต่าง ๆ
4. เพื่อให้ผู้เรียนทราบถึงวิธีการที่ใช้สำาหรับการตัดสินใจที่มีหลายขั้นตอน
5. เพื่อให้ผู้เรียนทราบถึงการหามูลค่าของข้อมูลที่ใช้ประกอบการตัดสินใจ
6. เพื่ อให้ ผู้ เรี ย นเข้ า ใจการใช้ ท ฤษฎี อ รรถประโยชน์ (Utility Theory) ประกอบ
การตัดสินใจ
7. เพื่อให้ผู้เรียนสามารถใช้เทคนิคการตัดสินใจที่มีหลายปัจจัย
1 ข้อความบางส่วนได้คัดลอกและดัดแปลงจากบทความเรื่องเทคนิคในการวิเคราะห์การตัดสินใจทางธุรกิจ
ซึ่งผู้เขียนได้เขียนขึ้นและได้รับการตีพิมพ์ในวารสารบริหารธุรกิจ ปีที่ 34 ฉบับที่ 132
ความสำ�คัญของการตัดสินใจ
การตั ด สิ น ใจเป็ น สิ่ ง ที่ เ กิ ด ขึ้ น เป็ น ปกติ ใ นชี วิ ต ประจำ � วั น ตั้ ง แต่ ตื่ น นอนไปจนถึ ง เข้ า
นอน เราก็ได้มีการตัดสินใจตลอดเวลา อย่างไรก็ตามในการตัดสินใจนั้นบางครั้งก็ส่งผลที่ดีต่อผู้ที่
ตัดสินใจ แต่ในบางครั้งก็อาจจะส่งผลที่ไม่ดีต่อผู้ตัดสินใจได้เช่นเดียวกัน เรามักจะใช้ว่า “ตัดสินใจ
ได้ถูกต้อง” ในกรณีที่ผลลัพธ์ออกมาดี ในขณะเดียวกันก็ใช้คำ�ว่า “ตัดสินใจผิดพลาด” ในกรณีที่
ผลลัพธ์ออกมาไม่ได้เป็นไปอย่างที่เราต้องการ
การตัดสินใจนั้น หลายครั้งมีความยากลำ�บากเกินกว่าที่จะใช้อารมณ์หรือความรู้สึก
หากการตัดสินใจเป็นเพียงแค่ว่าจะดื่มนํ้าหรือไม่ดื่มดีตอนนี้ ก็คงไม่มีความจำ�เป็นที่ต้องใช้ข้อมูล
ประกอบอะไรมากมาย แต่หากการตัดสินใจนั้นมีผลกระทบต่อคนจำ�นวนมากหรือต่อเงินทุน
ที่จะต้องลงไปจำ�นวนมาก เช่น จะออกผลิตภัณฑ์ใหม่ดีหรือไม่ จะเพิ่มทุนในบริษัทดีหรือไม่
การตัดสินใจในลักษณะนี้ย่อมมีความซับซ้อนและต้องการข้อมูลที่ครบถ้วน
นอกจากนี้หลายครั้งการตัดสินใจมักจะมีความซับซ้อน เนื่องจากจะต้องมีการคาดเดา
เหตุการณ์ที่จะเกิดขึ้นในอนาคต เช่น การตัดสินใจว่าจะสร้างโรงงานใหม่ดีหรือไม่ ก็คงจะขึ้นอยู่กับ
การคาดการณ์ว่าเศรษฐกิจจะดีหรือไม่ ลูกค้าจะซื้อสินค้าเราเพิ่มขึ้นหรือไม่ และการตัดสินใจเลือก
ทางเลือกต่าง ๆ นัน้ ก็ยงั มีความขัดแย้งกันระหว่างวัตถุประสงค์หลาย ๆ วัตถุประสงค์ เช่น อยากได้
ของที่มีคุณภาพดีแต่ราคาก็แพง ถ้าอยากได้ของที่มีราคาถูกก็มักจะมีคุณภาพตํ่า หรืออยากซื้อหุ้น
ที่มีความเสี่ยงตํ่าก็มักจะได้ผลตอบแทนตํ่า แต่หากอยากได้ผลตอบแทนสูงก็ต้องยอมรับความเสี่ยง
ที่สูงตามไปด้วย เป็นต้น
เนื่องจากการตัดสินใจมีความยุ่งยากซับซ้อนเกินกว่าที่จะใช้อารมณ์หรือความรู้สึก
มาช่วยในการตัดสินใจ ผู้ตัดสินใจจึงควรที่จะเรียนรู้เทคนิคในการตัดสินใจเพื่อทำ�ให้สามารถ
ตัดสินใจได้ “ดีขึ้น” ซึ่งคำ�ว่า “ดีขึ้น” นี้หมายความว่าเป็นการตัดสินใจภายใต้ข้อมูลที่ถูกต้อง
ครบถ้วน แต่การตัดสินใจที่ดีไม่จำ�เป็นจะต้องได้ผลลัพธ์ที่ดีเสมอไป เพราะไม่มีใครยืนยันว่าการ
ตัดสินใจนัน้ จะส่งผลกระทบอย่างไรในอนาคต อย่างไรก็ตามการตัดสินใจทีด่ นี นั้ ย่อมทำ�ให้ “โอกาส”
ที่จะได้รับผลลัพธ์ที่ดีมีสูงกว่าอย่างแน่นอน
หลักการตัดสินใจ
ในการตัดสินใจนั้นจะมีองค์ประกอบ 3 องค์ประกอบที่สำ�คัญได้แก่
1. ทางเลือกในการตัดสินใจ หากมีเพียงทางเลือกเดียวแล้ว การตัดสินใจย่อมที่จะไม่
ซับซ้อน เนื่องจากไม่จำ�เป็นต้องวิเคราะห์เปรียบเทียบแต่ประการใด แต่โดยส่วนใหญ่แล้วทางเลือก
ในการตัดสินใจมักจะมีมากกว่า 1 ทางเลือก เช่น จะเลือกสร้างโรงงานที่กรุงเทพฯ หรือนครสวรรค์
จะเลือกเรียนในประเทศหรือต่างประเทศ เป็นต้น
2. ปัจจัยที่ใช้ในการตัดสินใจ เช่น การเลือกสร้างโรงงาน ปัจจัยที่อาจใช้ประกอบการ
ตัดสินใจ เช่น ค่าแรงในแต่ละพื้นที่ ค่าก่อสร้างในแต่ละพื้นที่ หรือความใกล้ไกลจากวัตถุดิบ หรือ
การเลือกเรียนในประเทศหรือต่างประเทศนั้น ปัจจัยที่ใช้ในการตัดสินใจ เช่น ต้นทุนค่าเล่าเรียน
หรือความสามารถของอาจารย์ผู้สอน เป็นต้น
3. เหตุการณ์ที่จะเกิดขึ้นในอนาคต จะเป็นสิ่งที่ผู้ตัดสินใจไม่สามารถที่จะควบคุมได้
แต่จะส่งผลลัพธ์ต่อการตัดสินใจ เช่น ในการสร้างโรงงานนั้น เหตุการณ์ที่อาจเกิดขึ้นในอนาคต
ได้แก่ เศรษฐกิจจะดีหรือไม่ดี หรือการเลือกเรียนในหรือต่างประเทศนั้น เหตุการณ์ที่อาจเกิดขึ้น
ในอนาคต เช่น การออกกฎหมายเพื่อเพิ่มเงินเดือนให้กับคนจบการศึกษาจากต่างประเทศ เป็นต้น
เพื่อให้เห็นลักษณะของการตัดสินใจได้ชัดเจนขึ้นจึงขอยกตัวอย่างผ่านกรณีศึกษา
กรณีศึกษา Metro Park

ปัจจุบนั นํา้ มันมีราคาเพิม่ สูงขึน้ อย่างต่อเนือ่ งทำ�ให้ผคู้ นส่วนใหญ่หนั มาใช้บริการรถไฟฟ้า
BTS แทนเพื่อประหยัดค่าใช้จ่าย รัฐบาลกำ�ลังวางแผนที่จะสร้างรถไฟฟ้า BTS เพิ่มขึ้นจากเดิม
อีกเส้นทางเพื่อให้เพียงพอต่อความต้องการของประชาชนที่ต้องการประหยัดและเพื่อให้ได้รับ
ความสะดวกสบายมากยิ่งขึ้น แต่ทางรัฐบาลก็ยังไม่ได้ลงมติที่ประชุมว่าจะสร้างที่บริเวณใด
Metro Park กำ�ลังตัดสินใจสร้างคอนโดมิเนียมแห่งใหม่บริเวณใกล้กับสถานีรถไฟฟ้า
เพื่อให้ผู้อยู่อาศัยมีความสะดวกในการเดินทาง ผู้จัดการฝ่ายอสังหาริมทรัพย์กำ�ลังพบปัญหาว่าจะ
ซื้อที่ดินบริเวณใด ระหว่างที่พระราม 2 (พื้นที่ A) หรือกัลปพฤกษ์ (พื้นที่ B) ซึ่งปัจจุบันราคาที่ดิน
ทั้งสองแห่งกำ�ลังจะปรับราคาเพิ่มขึ้น เนื่องจากมีโอกาสของโครงการรถไฟฟ้าที่กำ�ลังจะขยายมา
ซึ่งหากรอให้รัฐบาลประกาศบริเวณที่ในการสร้างรถไฟฟ้าแห่งใหม่อย่างชัดเจนนั้น Metro Park
อาจพลาดโอกาสในการซื้อที่ดินในราคาที่ถูกหรืออาจจะไม่สามารถซื้อที่ดินในบริเวณนั้นได้เลย
การวิเคราะห์การตัดสินใจ 207
เนื่องจากคู่แข่งคงได้จับจองพื้นที่ไปหมดแล้ว ดังนั้น Metro Park จึงจำ�เป็นจะต้องตัดสินใจใน
ขณะนี้ว่าจะดำ�เนินการอย่างไรต่อไป
จากการศึกษาข้อมูลราคาที่ดินปัจจุบัน ราคาในอนาคตหากมีการสร้างสถานีรถไฟฟ้า
ใกล้เคียงกับที่ดินผืนดังกล่าวและราคาในอนาคตหากไม่มีการสร้างสถานีรถไฟฟ้า แสดงข้อมูล
ดังรูปที่ 8-1 ดังต่อไปนี้
รูปที่ 8-1 ข้อมูลประกอบการตัดสินใจสำ�หรับกรณีศึกษา Metro Park
ในกรณีดังกล่าว Metro Park มีทางเลือกในการตัดสินใจดังต่อไปนี้

1. ซื้อที่ดินที่พระราม 2 (พื้นที่ A)
2. ซื้อที่ดินที่กัลปพฤกษ์ (พื้นที่ B)
3. ซื้อที่ดินทั้งที่พระราม 2 (พื้นที่ A) และที่กัลปพฤกษ์ (พื้นที่ B)
4. ไม่ซื้อที่ดินทั้ง 2 ที่
ในกรณีนปี้ จั จัยทีใ่ ช้ในการตัดสินใจคือกำ�ไรทีไ่ ด้จากราคาทีด่ นิ ทีเ่ พิม่ สูงขึน้ ส่วนเหตุการณ์
ที่จะเกิดขึ้นในอนาคตที่จะส่งผลต่อการตัดสินใจ ซึ่งเป็นสถานการณ์ที่ Metro Park ไม่สามารถ
ควบคุมได้มีดังต่อไปนี้
1. สถานีแห่งใหม่สร้างที่บริเวณพระราม 2 (พื้นที่ A)
2. สถานีแห่งใหม่สร้างที่บริเวณกัลปพฤกษ์ (พื้นที่ B)
ตารางแสดงผลกำ�ไรหรือขาดทุน (Payoff) ที่จะได้ในแต่ละทางเลือก ตามเหตุการณ์ที่
จะเกิดขึ้นในอนาคตสามารถแสดงในรูปที่ 8-2 ดังต่อไปนี้
รูปที่ 8-2 ตาราง Payoff ในกรณีศึกษา Metro Park
การคำ�นวณค่า Payoff สำ�หรับกรณีต่าง ๆ ในรูปที่ 8-2 สามารถอธิบายได้ดังนี้

จากรูปที่ 8-1 จะเห็นว่าหาก Metro Park ซื้อที่ดินบริเวณ A และ BTS ไปสร้างในพื้นที่ A
เช่นเดียวกันจะทำ�ให้ราคาที่ดินเพิ่มขึ้นเป็น 65 ล้านบาทจากราคาที่ซื้อมาที่ 36 ล้านบาท
หรือได้กำ�ไร 29 ล้านบาท แต่หาก BTS ไปสร้างที่พื้นที่ B ราคาที่ดินที่ A จะตกลงเหลือเพียง
12 ล้านบาท ซึ่งหมายถึงว่า Metro Park จะขาดทุน 24 ล้านบาทนั่นเอง สำ�หรับกรณีอื่น ๆ
ก็จะสามารถคำ�นวณในลักษณะเดียวกัน จะสังเกตเห็นว่าหาก Metro Park ไม่ซื้อที่ดินที่ใดเลย
Metro Park ก็จะไม่กำ�ไรหรือขาดทุนแต่ประการใด
กฎการตัดสินใจ
ในการตัดสินใจนั้น เราอาจแบ่งแนวทางการตัดสินใจได้เป็น 2 แนวทางดังต่อไปนี้
1. แนวทางที่ไม่ใช้ความน่าจะเป็นในการตัดสินใจ กฎการตัดสินใจโดยใช้แนวทางนี้
ได้แก่วิธี Maximax Maximin และ Minimax Regret
2. แนวทางที่ใช้ความน่าจะเป็นประกอบการตัดสินใจ กฎการตัดสินใจโดยใช้แนวทาง
นี้ได้แก่วิธี Expected Monetary Value (EMV) และ Expected Regret หรือ Expected
Opportunity Loss (EOL)
โดยแต่ละแนวทางซึ่งมีกฎการตัดสินใจในรูปแบบต่าง ๆ นั้นมีรายละเอียดดังต่อไปนี้
แนวทางที่ไม่ใช้ความน่าจะเป็นในการตัดสินใจ
กฎการตัดสินใจแบบ Maximax
เป็นการตัดสินใจบนแนวคิดที่จะมองเฉพาะผลลัพธ์ที่มากที่สุด (ดีที่สุด) ของแต่ละ
ทางเลือก และนำ�มาเปรียบเทียบกันว่าผลลัพธ์ที่มากที่สุดในแต่ละทางเลือกนั้น ผลลัพธ์ใดมีค่า
มากที่สุด จากกรณีศึกษา Metro Park เมื่อพิจารณาจากตาราง Payoff ที่ได้แสดงไว้ในรูปที่ 8-2
จะสามารถใช้วิธีนี้ในการตัดสินใจได้ดังแสดงในรูปที่ 8-3 ดังต่อไปนี้
Key Cell Formulas

D5 = MAX (B5:C5) D6:D8
รูปที่ 8-3 การใช้กฎการตัดสินใจแบบ Maximax ในกรณีศึกษา Metro Park
จากกรณีศึกษาดังกล่าว จะเห็นว่าทางเลือก A ผลลัพธ์ที่ดีที่สุดคือ 29 ล้าน ทางเลือก
B ผลลัพธ์ที่ดีที่สุดคือ 50 ล้าน ทางเลือก A และ B ผลลัพธ์ที่ดีที่สุดคือ 26 ล้าน และทางเลือก
ที่ไม่ซื้อที่ดินที่ใดเลย ผลลัพธ์ที่ดีที่สุดคือ 0 ดังนั้นเมื่อเปรียบเลือกผลลัพธ์ที่ดีที่สุดในแต่ละ
ทางเลือกแล้ว จะพบว่าการซื้อที่ดินที่ B จะให้ผลลัพธ์ที่ดีที่สุด ตามกฎในการตัดสินใจด้วยวิธีนี้
ทำ�ให้ Metro Park ควรเลือกซื้อที่ดินที่ B
จุดอ่อนของการใช้กฎการตัดสินใจแบบ Maximax คือวิธกี ารนีจ้ ะละเลยผลลัพธ์ทไี่ ม่ดไี ป
เลย ยกตัวอย่างเช่นหากมีทางเลือกในการตัดสินใจใน Payoff Matrix (หน่วยเป็นบาท) ดังต่อไปนี้
เหตุการณ์ในอนาคต
ทางเลือก เหตุการณ์ที่ 1 เหตุการณ์ที่ 2 ค่าสูงสุด
A 50 -5,000 50
B 49 49 49
จะเห็นว่าในรูปแบบนีห้ ากใช้กฎการตัดสินใจแบบ Maximax เราก็จะต้องเลือกทางเลือก

A ทั้ง ๆ ที่ทางเลือก A มีผลตอบแทนสูงสุดสูงกว่าผลตอบแทนสูงสุดของทางเลือก B เพียง 1 บาท
เท่านั้น ในขณะที่หากพิจารณาผลตอบแทนตํ่าสุดแล้ว จะเห็นว่าทางเลือก A มีโอกาสขาดทุนถึง
5,000 บาทเลยทีเดียว ซึ่งมีค่าตํ่ากว่าทางเลือก B เป็นอย่างมาก เป็นต้น
กฎการตัดสินใจแบบ Maximin
เป็นการตัดสินใจบนแนวคิดที่จะมองเฉพาะผลลัพธ์ที่น้อยที่สุด (แย่ที่สุด) ของแต่ละ
ทางเลือก และนำ�มาเปรียบเทียบกันว่าผลลัพธ์ที่น้อยที่สุดในแต่ละทางเลือกนั้น ผลลัพธ์ใดมีค่า
มากที่สุด จากกรณีศึกษา Metro Park เมื่อพิจารณาจากตาราง Payoff ที่ได้แสดงไว้ในรูปที่ 8-2
จะสามารถใช้วิธีนี้ในการตัดสินใจ ได้ดังแสดงในรูปที่ 8-4 หน้าถัดไปนี้
Key Cell Formulas
D5 =MIN(B5:C5) D6:D8
รูปที่ 8-4 การใช้กฎการตัดสินใจแบบ Maximin ในกรณีศึกษา Metro Park
จากกรณีศึกษาดังกล่าว จะเห็นว่าทางเลือก A มีผลลัพธ์ที่แย่ที่สุดคือ -24 ล้าน

ทางเลือก B ผลลัพธ์ที่แย่ที่สุดคือ -30 ล้าน ทางเลือก A และ B ผลลัพธ์ที่แย่ที่สุดคือ -1 ล้าน
และทางเลือกที่ไม่ซื้อที่ดินที่ใดเลย ผลลัพธ์ที่แย่ที่สุดคือ 0 ดังนั้นเมื่อเปรียบเลือกผลลัพธ์ที่แย่ที่สุด
ในแต่ละทางเลือกแล้ว จะพบว่าการไม่ซื้อที่ดินที่ไหนเลย จะให้ผลลัพธ์ที่ดีที่สุด หากใช้กฎนี้ในการ
ตัดสินใจ Metro Park ก็ควรจะตัดสินใจไม่ซื้อที่ดินที่ใดเลย
จุดอ่อนของการใช้กฎการตัดสินใจแบบ Maximin คือวิธกี ารนีจ้ ะละเลยผลลัพธ์ทดี่ ไี ปเลย
ยกตัวอย่างเช่นหากมีทางเลือกในการตัดสินใจใน Payoff Matrix (หน่วยเป็นบาท) ดังต่อไปนี้
A 5,000 48 48
B 49 49 49
จะเห็นว่าในรูปแบบนีห้ ากใช้กฎการตัดสินใจแบบ Minimax เราก็จะต้องเลือกทางเลือก
B ทั้ง ๆ ที่ทางเลือก B ถึงแม้ว่าจะมีผลตอบแทนตํ่าสุดสูงกว่าผลตอบแทนตํ่าสุดของทางเลือก A
แต่ก็สูงกว่าเพียง 1 บาทเท่านั้น แต่หากพิจารณาผลตอบแทนสูงสุดด้วย จะเห็นว่าทางเลือก A
มีโอกาสได้กำ�ไรถึง 5,000 บาทเลยทีเดียว ซึ่งมีค่าสูงกว่าทางเลือก B อยู่อย่างมาก เป็นต้น
กฎการตัดสินใจแบบ Minimax Regret

กฎการตัดสินใจในลักษณะนี้ จะทำ�การสร้างตาราง Regret ซึ่งจะเป็นการคำ�นวณ
ค่าเสียโอกาสขึ้นมาก่อน หลังจากนั้นจึงพิจารณาค่าเสียโอกาสที่มากที่สุดของแต่ละทางเลือก และ
ทำ�การเปรียบเทียบว่าค่าเสียโอกาสของทางเลือกใดมีค่าตํ่าที่สุดก็จะเลือกทางเลือกนั้น จากกรณี
ศึกษาของ Metro Park จะสามารถสร้างตาราง Regret ได้ดังแสดงในรูปที่ 8-5 ดังต่อไปนี้
Key Cell Formulas

B5 =MAX(Payoffs!B$5:B$8)-Payoffs!B5 B5:C8
D5 =MAX(B5:C5) D6:D8
*ข้อมูล Payoff อยู่ใน worksheet Payoffs
รูปที่ 8-5 ตาราง Regret ในกรณีศึกษา Metro Park
จากตารางค่าเสียโอกาส (หรืออาจจะเรียกว่าเป็นค่าความเสียดาย) จะสามารถคำ�นวณ
ได้จากจำ�นวนเงินที่ได้มากที่สุดในแต่ละเหตุการณ์ที่จะเกิดในอนาคต หักออกด้วยจำ�นวนเงินที่ได้
รับจริงในกรณีนั้น ๆ ยกตัวอย่างเช่นเมื่อพิจารณาตาราง Payoff ในรูปที่ 8-2 หาก BTS สร้างใน
พื้นที่ A นั้น หาก Metro Park ตัดสินใจซื้อที่ดินที่ A ค่าเสียโอกาสก็จะมีค่า 29 – 29 = 0 บาท
หรือเรียกได้ว่าไม่ได้เสียโอกาสแต่อย่างใด แต่หาก Metro Park ได้ตัดสินใจเลือกซื้อที่ดินที่ B
ในกรณีนี้แทนที่ Metro Park จะได้เงิน 29 ล้านบาท (ในกรณีที่ตัดสินใจได้ถูกคือเลือกที่ดินที่ A)
แต่กลับไปเลือกที่ B ทำ�ให้เกิดการขาดทุนถึง 30 ล้านบาท ดังนั้นค่าเสียโอกาสจะมีค่าเท่ากับ
29 – (-30) = 59 ล้านบาท สำ�หรับค่าเสียโอกาสของทางเลือกอื่น ๆ ก็สามารถคำ�นวณหาได้ใน
ทำ�นองเดียวกัน
เมื่อหาค่าเสียโอกาส (หรือค่าความเสียดาย) ได้เรียบร้อยแล้ว จึงพิจารณาเฉพาะค่าเสีย
โอกาสทีม่ ากทีส่ ดุ ในแต่ละทางเลือก และทำ�การเปรียบเทียบเพือ่ เลือกทางเลือกทีม่ คี า่ เสียโอกาสตํา่
ทีส่ ดุ ซึง่ จากรูปที่ 8-5 จะเห็นว่าทางเลือกทีม่ คี า่ เสียโอกาสทีต่ าํ่ ทีส่ ดุ ได้แก่ ทางเลือกการซือ้ ทีด่ นิ ทัง้
A และ B ดังนั้นหากใช้กฎการตัดสินใจในรูปแบบนี้ Metro Park จึงควรเลือกซื้อที่ทั้ง A และ B
กฎการตัดสินใจแบบ Minimax Regret นี้ หลายครั้งผลลัพธ์ที่เกิดขึ้นอาจจะมีความไม่
สมํ่าเสมอในการตัดสินใจเกิดขึ้น ดังแสดงในตัวอย่างดังต่อไปนี้
ในการตัดสินใจครั้งหนึ่งมี 2 ทางเลือกและมีตาราง Payoff Matrix ดังต่อไปนี้
ทางเลือก เหตุการณ์ที่ 1 เหตุการณ์ที่ 2
A 15 5
B 8 10
จากตารางดังกล่าวสามารถสร้างตารางค่าเสียโอกาสได้ดังต่อไปนี้
A 0 5 5
B 7 0 7
ในกรณีนี้หากใช้วิธี Minimax Regret จะเลือกทางเลือก A เนื่องจากมีค่าความเสียดาย
ที่มากที่สุดตํ่ากว่าทางเลือก B
อย่างไรก็ตามถ้าหากเพิ่มทางเลือก C เข้าไปในตาราง Payoff โดยที่ไม่ได้เปลี่ยนข้อมูล
Payoff ของ A และ B แต่อย่างใด จะมีข้อมูลดังต่อไปนี้
ทางเลือก เหตุการณ์ที่ 1 เหตุการณ์ที่ 2
A 15 5
B 8 10
C 6 13
จากตารางดังกล่าวสามารถสร้างตารางค่าเสียโอกาสได้ดังต่อไปนี้
A 0 8 8
B 7 3 7
C 9 0 9
ในกรณีนี้หากใช้วิธี Minimax Regret จะเลือกทางเลือก B เนื่องจากมีค่าความเสียดาย

ที่มากที่สุดตํ่าที่สุด จะเห็นได้ว่าการตัดสินใจดังกล่าวจะไม่มีความสมํ่าเสมอ ทั้ง ๆ ที่ในกรณีนี้ค่า
Payoff ของ A และ B ไม่ได้มีการเปลี่ยนแปลงแต่ประการใด แต่หากไม่มีทางเลือก C มาเกี่ยวข้อง
แล้ว จากวิธีของ Minimax Regret แนะนำ�ว่าเราควรเลือกทางเลือก A แต่เมื่อมีทางเลือก C
เข้ามาเกี่ยวข้องแล้ว กลับกลายเป็นว่าเราควรเลือกทางเลือก B เป็นต้น
แนวทางที่ใช้ความน่าจะเป็นในการตัดสินใจ
กฎการตัดสินใจแบบ Expected Monetary Value (EMV)

วิธีการนี้เป็นวิธีการตัดสินใจโดยเลือกทางเลือกที่ให้ค่าคาดหวังของผลตอบแทนเป็น
ตัวเงินมากที่สุด โดยมีสูตรการคำ�นวณดังต่อไปนี้
EMVi = rij pj
j
โดยที่
rij คือผลตอบแทน (Payoff) ที่จะได้ในทางเลือก i ภายใต้เหตุการณ์ j ในอนาคต
pj คือความน่าจะเป็นที่จะเกิดเหตุการณ์ j ในอนาคต
โดยหลังจากคำ�นวณหาค่า EMV สำ�หรับทุกทางเลือกมาแล้ว ก็จะทำ�การเปรียบเทียบ

ค่า EMV ดังกล่าว และเลือกทางเลือกที่มีค่า EMV สูงที่สุด
จากกรณีศึกษา Metro Park จะสามารถหาค่า EMV ได้ดังแสดงในรูปที่ 8-6 ดังต่อไปนี้
Key Cell Formulas

D5 = SUMPRODUCT(B5:C5,$B$10:$C$10) D6:D8
C10 =1-B10 ---
รูปที่ 8-6 การใช้กฎการตัดสินใจแบบ EMV ในกรณีศึกษา Metro Park
จากรูปที่ 8-6 จะเห็นว่าความน่าจะเป็นที่ BTS จะสร้างที่พื้นที่ A มีค่าเท่ากับ 0.7 และ
ที่พื้นที่ B มีค่าเท่ากับ 0.3 ดังนั้นค่า EMV ของทางเลือก A สามารถคำ�นวณได้ดังต่อไปนี้ EMV
= 0.7 x 29 + 0.3 x (-24) = 13 ล้านบาท (ปัดจุดทศนิยม) สำ�หรับค่า EMV ของทางเลือก
อื่น ๆ ก็สามารถคำ�นวณโดยใช้วิธีเดียวกัน จะเห็นว่าในกรณีนี้ Metro Park ควรจะเลือกทางเลือก
A เนื่องจากมีค่า EMV สูงที่สุด เป็นต้น
จุดอ่อนของการตัดสินใจแบบ EMV ก็คือการตัดสินใจแบบนี้เป็นการคำ�นวณเพียง
ค่าเฉลี่ยถ่วงนํ้าหนัก และไม่ได้คำ�นึงถึงความเสี่ยง ตัวอย่างเช่นจากตาราง Payoff ดังต่อไปนี้
ทางเลือก เหตุการณ์ที่ 1 เหตุการณ์ที่ 2 ค่า EMV
A 10,000 -2,000 4,000
B 4,000 3,000 3,500
ค่าความน่าจะเป็น 0.5 0.5
ในกรณีดังกล่าวหากพิจารณาเฉพาะค่า EMV จะพบว่าเราควรเลือกทางเลือก A

เพราะมีค่า EMV สูงที่สุด อย่างไรก็ตามหลายคนอาจจะมีความคิดว่าทางเลือก B อาจจะมีความ
น่าสนใจมากกว่าทางเลือก A เนื่องจากถึงแม้ว่าค่า EMV จะตํ่ากว่าทางเลือก A แต่ก็ตํ่ากว่า
ไม่มากนัก ขณะเดียวกันทางเลือก B มีความเสี่ยงที่ตํ่ากว่ามาก จะเห็นได้ว่าการเลือกทางเลือก B
จะมีแต่ได้กับได้อย่างเดียว ต่างจากทางเลือก A ที่หากได้ก็จะได้มาก แต่หากเสียก็เสียมากตามไป
ด้วย เป็นต้น
กฎการตัดสินใจแบบ Expected Regret หรือ Expected Opportunity Loss

(EOL)
เป็นการตัดสินใจในลักษณะคล้ายกันกับวิธีของ Minimax Regret แต่ในการคำ�นวณ
แบบ EOL นี้จะมีการนำ�ค่าความน่าจะเป็นของการเกิดเหตุการณ์ในอนาคตมาคิดร่วมด้วย โดยจะ
คำ�นวณเป็นค่าเสียโอกาสเฉลี่ยโดยถ่วงนํ้าหนักจากความน่าจะเป็น (ค่า EOL) และเลือกทางเลือก
ที่มีค่า EOL ที่ตํ่าที่สุด โดยจากกรณีศึกษา Metro Park เมื่อใช้วิธีการตัดสินใจแบบ EOL จะได้
ผลตามตัวอย่างดังแสดงในรูปที่ 8-7 หน้าถัดไปนี้
Key Cell Formulas
B5 =MAX(Payoffs!B$5:B$8)-Payoffs!B5 B5:C8
D5 =SUMPRODUCT($B$10:$C$10,B5:C5) D6:D8
C10 =1-B10 ---
*ข้อมูล Payoff อยู่ใน worksheet Payoffs
รูปที่ 8-7 การใช้กฎการตัดสินใจแบบ EOL ในกรณีศึกษา Metro Park
จุดอ่อนของวิธีนี้ก็จะเหมือนกับจุดอ่อนของวิธี Minimax Regret ดังที่ได้กล่าวมาแล้ว
ข้างต้น
ก่อนจบหัวข้อที่เกี่ยวกับกฎการตัดสินใจนี้ สิ่งที่เป็นที่น่าสังเกตคือ หากเรามีข้อมูลที่
สมบูรณ์ เช่น หาก BTS เลือกสร้างที่ A เราก็จะไปซื้อที่ดินที่ A หรือหาก BTS เลือกสร้างที่ B
เราก็จะซื้อที่ดินที่ B โครงการนี้จะมีค่า EMV เท่ากับ 0.7 × 29 + 0.3 × 50 = 35.3 ล้านบาท
ซึ่งหากเราไม่มีข้อมูลที่สมบูรณ์ในลักษณะนี้ EMV ของโครงการนี้มีค่าเท่ากับ 13 ล้านบาท
ดังแสดงในรูปที่ 8-6 ซึ่งหมายถึงว่าข้อมูลที่สมบูรณ์จะทำ�ให้มูลค่าของการตัดสินใจในโครงการนี้
เพิม่ ขึน้ 35.3 – 13 = 22.3 ล้านบาท ซึง่ มีคา่ เท่ากับ EOL นัน่ เอง (ตัวเลขในรูปที่ 8-7 ปัดจุดทศนิยม)
การตัดสินใจที่มีหลายขั้นตอน
ในการตัดสินใจทางธุรกิจโดยทั่วไปนั้น มักจะมีมากกว่าขั้นตอนเดียว ยกตัวอย่างเช่น
ผู้บริหารอาจจะต้องตัดสินใจว่าจะออกผลิตภัณฑ์ใหม่หรือไม่ และหากผลการตัดสินใจออกมาว่า
ควรจะมีการออกผลิตภัณฑ์ใหม่ สิ่งที่จะต้องตัดสินใจต่อคือจะสร้างโรงงานขนาดใหญ่หรือโรงงาน
ขนาดเล็ก เป็นต้น สำ�หรับการตัดสินใจที่มีหลายขั้นตอนนั้น เครื่องมือที่เป็นที่นิยมมากคือ
แขนงการตัดสินใจ (Decision Tree) ซึ่งจะขอนำ�เสนอวิธีการใช้ผ่านกรณีศึกษาดังต่อไปนี้
กรณีศึกษานวัตกรรมเยาวชน
บริษัท แมวสยาม มีการให้ทุนสนับสนุนโครงการแก่ผู้ส่งข้อเสนอโครงการ (Proposal)
ที่เกี่ยวข้องกับการสร้างประโยชน์ต่อสังคม โครงการนี้มีระยะเวลาการดำ�เนินงานของโครงการ
2 เดือน และมีเงินทุนสนับสนุนเป็นจำ�นวนเงิน 1,000,000 บาท ทางกลุ่มนวัตกรรมเยาวชน (IY)
กำ�ลังจะต้องตัดสินใจว่าจะส่ง Proposal หรือไม่ ทั้งนี้หากตัดสินใจจะส่ง Proposal กลุ่ม IY
จะต้องมีค่าใช้จ่ายเกี่ยวกับการจัดทำ� Proposal เป็นจำ�นวน 10,000 บาท โดยมีโอกาสได้รับ
การคัดเลือก 50:50 และหากได้รับการคัดเลือกให้ทำ�โครงการ กลุ่ม IY จะต้องตัดสินใจเลือกว่า
ควรจะทำ�งานในเรื่องใด โดยมีเรื่องอาสาเลี้ยงเด็กพิเศษ อาสาปลูกป่าชายเลน และอาสาพัฒนา
ชุมชน ทั้งนี้ในแต่ละทางเลือกนั้นต้องมีค่าใช้จ่ายในการลงพื้นที่เพื่อหาข้อมูลต่าง ๆ ในการจัดทำ�
โครงการดังต่อไปนี้
ทางเลือก ค่าใช้จ่ายในการลงพื้นที่ (บาท)

อาสาเลี้ยงเด็กพิเศษ 70,000
อาสาปลูกป่าชายเลน 100,000
อาสาพัฒนาชุมชน 50,000
นอกจากค่าใช้จ่ายในการลงพื้นที่แล้วยังต้องมีค่าใช้จ่ายในการจัดกิจกรรมต่าง ๆ เพื่อ
พัฒนาโครงการ ซึ่งตอนนี้ยังไม่ทราบว่าจะเป็นเท่าไหร่ แต่ได้มีการประเมินค่าใช้จ่ายและความเป็น
ไปได้ไว้แล้วดังต่อไปนี้
กรณีที่ดีที่สุด กรณีที่แย่ที่สุด
ค่าใช้จ่าย ความน่าจะเป็น ค่าใช้จ่าย ความน่าจะเป็น
อาสาเลี้ยงเด็กพิเศษ 600,000 0.1 850,000 0.9
อาสาปลูกป่าชายเลน 550,000 0.6 700,000 0.4
อาสาพัฒนาชุมชน 650,000 0.2 800,000 0.8
ในกรณีนี้กลุ่ม IY ต้องการตัดสินใจว่าควรทำ�การส่ง Proposal หรือไม่ และถ้าได้รับทุน

สนับสนุนควรจะเลือกทำ�โครงการใด (ทั้งนี้การส่ง Proposal นี้ทางกลุ่ม IY ต้องการให้มีเงินทุน
เหลือให้มากที่สุด เพื่อนำ�มาใช้ในการดำ�เนินโครงการการกุศลที่ทางกลุ่มจัดขึ้น)
จากกรณีศึกษาดังกล่าวจะเห็นได้ว่ามีการตัดสินใจในกรณีนี้อยู่ 2 ขั้นตอน ได้แก่
การตัดสินใจว่าจะยื่น Proposal หรือไม่ และหากได้รับทุนสนับสนุนแล้ว IY ควรจะเลือก
ดำ�เนินการในโครงการใด การตัดสินใจในกรณีนี้สามารถสร้าง Decision Tree ได้ดังแสดงใน
รูปที่ 8-8 ดังต่อไปนี้
รูปที่ 8-8 Decision Tree จากกรณีศึกษานวัตกรรมเยาวชน
จาก Decision Tree จะเห็นว่าในช่วงแรกเป็นการตัดสินใจว่าจะส่งหรือไม่สง่ Proposal
ซึ่งหากส่ง Proposal ก็จะมีค่าใช้จ่ายเกิดขึ้น 10,000 บาททันที (จะสังเกตเห็นในรูปจะมีตัวเลข
ที่มีค่า -10,000) แต่ในกรณีที่ตัดสินใจไม่ส่ง Proposal ก็จะไม่ต้องจ่ายเงินแต่ประการใด และ
การตัดสินใจก็จะจบลงตรงนี้ แต่หากตัดสินใจจะส่ง Proposal กลุ่ม IY ก็ต้องรอผลว่าจะได้รับ
การสนับสนุนทุนหรือไม่ หากไม่ได้รบั การสนับสนุนก็จะไม่ได้รบั เงิน และการตัดสินใจก็สนิ้ สุดโดยที่
ต้องจ่ายเงินค่า Proposal ไป 10,000 บาท แต่ถ้าหากได้รับการสนับสนุนก็จะได้เงินสนับสนุน
1,000,000 บาท และก็จะต้องตัดสินใจรอบที่ 2 คือจะเลือกดำ�เนินโครงการใด ทั้งนี้โอกาสใน
การได้หรือไม่ได้รับทุนนั้นอยู่ที่ 50% (ปรากฏตัวเลข 0.5 อยู่ในแต่ละผลลัพธ์)
สำ�หรับการตัดสินใจรอบที่สองนั้น ก็จะมี 3 ทางเลือกตามที่ได้แสดงในรูปที่ 8-8 และ
แต่ละทางเลือกก็จะมีคา่ ใช้จา่ ยทีแ่ ตกต่างกันออกไปเช่นกัน และเมือ่ ทำ�การตัดสินใจไปแล้วก็จะต้อง
รอรับผลว่าจะเกิดกรณีที่ดีที่สุดหรือแย่ที่สุด โดยจะมีความน่าจะเป็นแตกต่างกันออกไป สุดท้าย
แล้วก็จะมีการคำ�นวณผลลัพธ์สทุ ธิซงึ่ ในทีน่ กี้ ค็ อื เงินรายได้สว่ นทีเ่ หลือสุทธิ ซึง่ จะแตกต่างออกไปใน
แต่ละทางเลือกและผลการตัดสินใจ ยกตัวอย่างเช่นในกรณีที่ตัดสินใจส่ง Proposal และได้รับทุน
สนับสนุน และเลือกโครงการเลี้ยงเด็กพิเศษ และเกิดกรณีที่ดีที่สุด กลุ่ม IY จะได้รับเงินสุทธิเท่ากับ
–10,000 + 1,000,000 – 70,000 – 600,000 = 320,000 บาท เราเรียกค่านี้ว่าค่า Payoff
โดยจะทำ�การคำ�นวณค่านี้สำ�หรับทุกผลลัพธ์ที่เป็นไปได้
หลังจากทำ�การคำ�นวณค่า Payoff สำ�หรับทุกผลลัพธ์แล้ว ขั้นตอนต่อไปคือการคำ�นวณ
หาค่า EMV ซึ่งจะได้ผลลัพธ์ดังแสดงในรูปที่ 8-9 หน้าถัดไปนี้
รูปที่ 8-9 การคำ�นวณค่า EMV สำ�หรับ Decision Tree จากกรณีศึกษานวัตกรรมเยาวชน
จากรูปที่ 8-9 การคำ�นวณค่า EMV นี้จะเป็นการคำ�นวณย้อนกลับ โดยเริ่มจาก

การคำ�นวณค่า EMV ของแต่ละโครงการ เช่น ค่า EMV ของโครงการเลี้ยงเด็กพิเศษจะมีค่า
เท่ากับ 0.1 × 320,000 + 0.9 x 70,000 = 95,000 บาท ในทำ�นองเดียวกันก็จะพบว่า EMV
ของโครงการปลูกป่าชายเลนมีค่าเท่ากับ 280,000 บาท และ EMV ของโครงการพัฒนาชุมชน
มีค่าเท่ากับ 170,000 บาท ดังนั้นจึงสามารถสรุปได้ว่าหากได้รับเงินสนับสนุนก็ควรเลือกทำ�
โครงการปลูกป่าชายเลน ซึ่งจะทำ�ให้ค่า EMV มีค่าสูงที่สุด
ต่อมาคือการคำ�นวณค่า EMV ในส่วนของการตัดสินใจว่าควรจะส่งหรือไม่สง่ Proposal
ในส่วนของการส่ง Proposal นั้นมีโอกาส 50% ที่จะได้รับทุน และอีก 50% ที่จะไม่ได้รับทุน
และเสียค่าเตรียม Proposal ไป 10,000 บาท เนื่องจากเราทราบว่าหากได้รับทุนแล้ว จะเลือก
ทำ�โครงการปลูกป่าชายเลน ซึ่งจะมีค่า EMV เท่ากับ 280,000 บาท ดังนั้นค่า EMV ของการส่ง
Proposal จึงมีค่าเท่ากับ (0.5 × 280,000) + (0.5 × -10,000) = 135,000 บาท แต่หากไม่ส่ง
Proposal ก็จะไม่ได้และไม่เสียอะไร (ค่า Payoff = 0) ดังนั้นการตัดสินใจจึงควรจะส่ง Proposal
และหากได้รับทุนก็ควรจะเลือกดำ�เนินโครงการปลูกป่าชายเลน และการตัดสินใจส่ง Proposal นี้
จะมีค่า EMV ที่ 135,000 บาท
มูลค่าของข้อมูลเพื่อช่วยการตัดสินใจ
เป็นที่ทราบกันโดยทั่วไปว่าการมีข้อมูลที่เพียงพอมีความจำ�เป็นอย่างยิ่งต่อการตัดสินใจ
การตั ด สิ น ใจโดยปราศจากข้ อ มู ล สนั บ สนุ น นั้ น นั บ ว่า เป็ น การกระทำ �ที่มี ค วามเสี่ ยงอย่า งยิ่ ง
และอาจจะนำ�ไปสู่ผลลัพธ์ที่ไม่ต้องการได้ในที่สุด อย่างไรก็ตามการได้มาซึ่งข้อมูลนั้น ผู้ตัดสินใจ
อาจจะต้องมีค่าใช้จ่ายเกิดขึ้นด้วย ไม่ว่าจะเป็นการจ้างทำ�วิจัย การค้นหาข้อมูลตามแหล่งต่าง ๆ
ซึ่งหลายครั้งก็เกิดคำ�ถามว่าข้อมูลที่ได้มาโดยจะต้องเสียค่าใช้จ่ายจำ�นวนมากนั้น ก่อให้เกิด
ประโยชน์ต่อการตัดสินใจอย่างไร คุ้มค่าหรือไม่ ดังนั้นในหัวข้อนี้จะได้นำ�เสนอถึงการคำ�นวณ
หามูลค่าของข้อมูลเพื่อช่วยการตัดสินใจผ่านทางกรณีศึกษาดังต่อไปนี้
กรณีศึกษาบริษัทนํ้าไทย
บริษัทนํ้าไทย ผู้ผลิตนํ้าผลไม้ กำ�ลังพิจารณาตัดสินใจว่าจะออกนํ้าผลไม้รสมะพร้าว
ผสมเบอรี่บรรจุขวดกับการขยายตลาดของรสชาติเดิมที่มีอยู่ โดยหากออกรสชาติใหม่จะต้อง
ใช้เงินลงทุนทั้งสิ้น 30 ล้านบาท แต่หากเพิ่มกำ�ลังการผลิตของรสชาติเดิมจะใช้เงินลงทุนทั้งสิ้น
18 ล้านบาท โดยบริษัทเชื่อว่า โอกาสที่จะมีความต้องการตลาดสูงเท่ากับ 60% และโอกาสที่จะมี
ความต้องการตลาดตาํ่ มีอยู่ 40% ตารางต่อไปนีแ้ สดงถึงผลตอบแทนทีจ่ ะได้รบั ในการออกผลิตภัณฑ์
ใหม่หรือขยายการผลิตภายใต้ภาวะความต้องการของตลาดที่แตกต่างกัน
ความต้องการตลาด
ทางเลือก สูง ตํ่า
ออกรสชาติใหม่ 160 ล้านบาท 90 ล้านบาท
ขยายรสชาติเดิม 125 ล้านบาท 100 ล้านบาท
จากข้อมูลข้างต้นจะสร้าง Decision Tree ได้ดังแสดงในรูปที่ 8-10 หน้าถัดไปนี้
รูปที่ 8-10 Decision Tree สำ�หรับกรณีศึกษาบริษัทนํ้าไทย
เมื่อใช้วิธีการคิดคำ�นวณค่า EMV จาก Decision Tree เหมือนดังตัวอย่างก่อนหน้านี้

จะพบว่าการตัดสินใจนี้มีค่า EMV เท่ากับ 102 ล้านบาท โดยบริษัทควรจะเลือกออกรสชาติใหม่
(ดีกว่าการขยายการผลิตรสชาติเดิม ซึ่งมีค่า EMV เพียงแค่ 97 ล้านบาท)
อย่างไรก็ตาม ถ้าหากบริษัทได้ตัดสินใจทำ�การวิจัยสำ�รวจตลาดก่อน โดยสมมุติว่า
การสำ�รวจตลาดไม่มตี น้ ทุนใด ๆ โดยผลของการสำ�รวจมีสองอย่างได้แก่เศรษฐกิจจะดีและเศรษฐกิจ
จะแย่ โดยความน่าจะเป็นที่จะได้ผลการสำ�รวจเป็นดังนี้
• ความน่าจะเป็นที่เศรษฐกิจจะดี หรือ P (เศรษฐกิจจะดี) มีค่าเท่ากับ 0.6
• ความน่าจะเป็นที่เศรษฐกิจจะแย่ หรือ P (เศรษฐกิจจะแย่) มีค่าเท่ากับ 0.4
ถ้าหากผลการสำ�รวจออกมาว่าเศรษฐกิจจะดี ความน่าจะเป็นที่จะเกิดความต้องการ
ของตลาดมีดังต่อไปนี้
• ความน่าจะเป็นที่จะเกิดความต้องการสูง หากผลการวิจัยพบว่าเศรษฐกิจจะดี หรือ
P (ความต้องการสูง | เศรษฐกิจจะดี) มีค่าเท่ากับ 0.8
• ความน่าจะเป็นที่จะเกิดความต้องการตํ่า หากผลวิจัยพบว่าเศรษฐกิจจะดี หรือ P
(ความต้องการตํ่า | เศรษฐกิจจะดี) มีค่าเท่ากับ 0.2
เหตุผลที่ค่าความน่าจะเป็นไม่เท่ากันในกรณีสองกรณีดังกล่าว เนื่องจากว่าหากผล
วิจัยพบว่าเศรษฐกิจจะดีแล้ว ก็ย่อมจะมีความน่าจะเป็นที่จะมีความต้องการสูงมากกว่าจะมีความ
ต้องการตํ่า
ในทำ�นองเดียวกัน หากผลการสำ�รวจออกมาว่าเศรษฐกิจจะแย่ ความน่าจะเป็นทีจ่ ะเกิด
ความต้องการของตลาดมีดังต่อไปนี้
• ความน่าจะเป็นที่จะเกิดความต้องการตํ่า หากผลการวิจัยพบว่าเศรษฐกิจจะแย่ หรือ
P (ความต้องการตํ่า | เศรษฐกิจจะแย่) มีค่าเท่ากับ 0.65
• ความน่าจะเป็นที่จะเกิดความต้องการสูง หากผลการวิจัยพบว่าเศรษฐกิจจะแย่ หรือ
P (ความต้องการสูง | เศรษฐกิจจะแย่) มีค่าเท่ากับ 0.35
จากผลดังกล่าว เราสามารถที่จะสร้าง Decision Tree ได้ดังรูปที่ 8-11 ดังต่อไปนี้
รูปที่ 8-11 Decision Tree ในกรณีที่มีข้อมูลจากงานวิจัยสำ�หรับกรณีศึกษาบริษัทนํ้าไทย
จากรูปที่ 8-11 เมื่อทำ�การหาค่า EMV ตามหลักการที่ได้อธิบายไปแล้วจากตัวอย่าง
ก่อนหน้านี้ จะพบว่าหากผลวิจัยออกมาว่าเศรษฐกิจจะดีก็ควรจะออกรสชาติใหม่ ซึ่งจะให้ค่า
EMV เท่ากับ 116 ล้านบาท แต่หากผลวิจัยออกมาว่าเศรษฐกิจจะแย่ บริษัทก็ควรจะขยายการ
ผลิตรสชาติเดิม ซึ่งจะให้ค่า EMV เท่ากับ 90.75 ล้านบาท และโดยรวมแล้วโครงการนี้มีค่า EMV
เท่ากับ 105.90 ล้านบาท ซึ่งเพิ่มขึ้นกว่าเดิมในกรณีที่ไม่มีการวิจัยตลาด ซึ่งมีค่า EMV เท่ากับ 102
ล้าน โดยผลต่างของการเพิ่มขึ้นของ EMV ที่มีค่าเท่ากับ 105.9 - 102 = 3.9 ล้านบาทนี้ก็เปรียบ
เสมือนมูลค่าของข้อมูลที่ได้รับจากงานวิจัยนั่นเอง ดังนั้นหากงานวิจัยนี้มีค่าใช้จ่ายไม่เกิน 3.9 ล้าน
บาท ก็จะเป็นงานวิจัยที่ให้ผลคุ้มค่าและช่วยทำ�ให้การตัดสินใจทำ�ได้ดีขึ้น
ทฤษฎีอรรถประโยชน์ (Utility Theory)2

จากตัวอย่างที่นำ�เสนอมาข้างต้นนั้น จะพบว่าเรามักจะตัดสินใจโดยคำ�นึงถึงค่า EMV
เป็นหลักแต่อย่างเดียวเท่านั้น อย่างไรก็ตามในการตัดสินใจหลาย ๆ ครั้ง ผู้ตัดสินใจไม่ได้มุ่ง
คำ�นึงถึงแต่ค่าผลตอบแทน (EMV) แต่คำ�นึงถึงสิ่งต่าง ๆ ประกอบด้วย โดยเฉพาะเรื่องความเสี่ยง
ยกตัวอย่างเช่นหากมีทางเลือกในการตัดสินใจดังต่อไปนี้ (ตัวเลขในตารางคือ Payoff ที่จะได้
มีหน่วยเป็นบาท)
ทางเลือก เหตุการณ์ที่ 1 เหตุการณ์ที่ 2 ค่า EMV
A 200,000 -40,000 80,000
B 100,000 50,000 75,000
จากตั ว อย่ า งดั ง กล่ า วถึ ง แม้ ว่ า ทางเลื อ ก A จะมี ค่ า EMV ที่ สู ง กว่ า ทางเลื อ ก B
แต่เชื่อว่ามีหลายคนที่เลือกทางเลือก B แทนที่จะเลือกทางเลือก A ด้วยเหตุผลว่าทางเลือก B
มีแต่ได้กับได้เท่านั้น มีความเสี่ยงที่ตํ่ากว่าทางเลือก A ที่ถึงแม้ว่าจะได้มาก แต่ก็มีโอกาสขาดทุน
เช่นเดียวกัน
2 ข้ อ ความบางส่ ว นได้ คั ด ลอกและดั ด แปลงจากบทความเรื่ อ งการตั ด สิ น ใจโดยใช้ ท ฤษฎี อ รรถประโยชน์
(Utility Theory) ซึ่งผู้เขียนได้เขียนขึ้นและได้รับการตีพิมพ์ในวารสารบริหารธุรกิจ ปีที่ 35 ฉบับที่ 134
ในกรณีนี้ค่า EMV อาจจะไม่ใช่สิ่งที่จะนำ�มาใช้ในการตัดสินใจเสมอไป ในทฤษฎี
อรรถประโยชน์ (Utility Theory) จึงมีการปรับค่าของผลตอบแทนนีใ้ ห้อยูใ่ นค่าอรรถประโยชน์ ซึง่
จะมีค่าอยู่ระหว่าง 0-1 โดยที่ค่าอรรถประโยชน์ที่เท่ากับ 0 คือสิ่งที่ผู้ตัดสินใจได้รับอรรถประโยชน์
ตาํ่ ทีส่ ดุ และค่าอรรถประโยชน์เท่ากับ 1 คือค่าทีผ่ ตู้ ดั สินใจได้รบั อรรถประโยชน์สงู ทีส่ ดุ กระบวนการ
แปลงค่าผลตอบแทนให้อยู่ในรูปของค่าอรรถประโยชน์มีดังต่อไปนี้
1. ค่าอรรถประโยชน์ของ Payoff ที่มีค่ามากที่สุดจะถูกตั้งให้มีค่าเท่ากับ 1 จาก
กรณีศึกษาที่ยกเป็นตัวอย่าง สามารถเขียนค่าอรรถประโยชน์ของ Payoff 200,000 บาทได้ดังนี้
U(200,000) = 1
2. ค่าอรรถประโยชน์ของ Payoff ที่มีค่าน้อยที่สุดจะถูกตั้งให้มีค่าเท่ากับ 0 จาก
กรณีศึกษาที่ยกเป็นตัวอย่าง สามารถเขียนค่าอรรถประโยชน์ของ Payoff –40,000 บาทได้ดังนี้
U(-40,000) = 0
3. สำ�หรับค่า Payoff ที่อยู่ระหว่างค่าที่มากที่สุดและค่าที่น้อยที่สุด เช่น จากตัวอย่าง
Payoff 100,000 บาทนั้น ให้ผู้ตัดสินใจตอบคำ�ถามดังต่อไปนี้
หากมีทางเลือก 2 ทางเลือก ผู้ตัดสินใจจะเลือกทางเลือกใดระหว่าง
• ทางเลือกที่ 1 ได้รับเงิน 100,000 บาทอย่างแน่นอน
• ทางเลือกที่ 2 มีความน่าจะเป็นเท่ากับ p ที่จะได้เงิน 200,000 บาทและ 1-p ที่ต้อง
เสียเงิน 40,000 บาท
โดยค่า p นี้จะเป็นความน่าจะเป็นที่มีค่าอยู่ระหว่าง 0-1 ยกตัวอย่างเช่นหากให้ค่า
p = 0.5 คำ�ถามดังกล่าวก็จะเป็นดังต่อไปนี้
หากมีทางเลือก 2 ทางเลือก ผู้ตัดสินใจจะเลือกทางเลือกใดระหว่าง
• ทางเลือกที่ 2 มีความน่าจะเป็นเท่ากับ 50% ที่จะได้เงิน 200,000 บาทและ 50%
ที่ต้องเสียเงิน 40,000 บาท
ถ้าคำ�ตอบเป็นทางเลือกที่ 1 ก็ให้ปรับค่า p จาก 0.5 ให้เพิ่มสูงขึ้น ในขณะเดียวกัน
หากคำ�ตอบเป็นทางเลือกที่ 2 ก็ให้ปรับค่า p ให้ลดตํ่าลง จนกระทั่งได้ค่า p ที่ทำ�ให้ทางเลือกที่ 1
และ 2 เป็นทางเลือกที่มีความน่าสนใจเท่าเทียมกัน สมมุติว่าค่า p = 0.8 จะทำ�ให้ทางเลือกที่ 1
และ 2 มีความน่าสนใจเท่าเทียมกัน ดังต่อไปนี้
• ทางเลือกที่ 2 มีความน่าจะเป็นเท่ากับ 80% ที่จะได้เงิน 200,000 บาทและ 20%
ที่ต้องเสียเงิน 40,000 บาท
ดังนั้นค่าอรรถประโยชน์ของเงิน 100,000 บาทสามารถคำ�นวณได้ดังต่อไปนี้
U(100,000) = 0.8 × U(200,000) + 0.2 × U (-40,000) = 0.8 x 1 + 0.2 × 0 = 0.8
จะสังเกตเห็นว่าในกรณีดังกล่าวผู้ตัดสินใจต้องการค่าเฉลี่ยของ Payoff (ค่า Expected

Value) ในทางเลือกที่ 2 เท่ากับ 0.8 × 200,000 + 0.2 × -40,000 = 156,000 บาท ซึ่ง
มากเกินกว่าทางเลือกที่ 1 ซึ่งมีค่า Payoff อยู่ที่ 100,000 บาท อยู่ถึง 56,000 บาท ซึ่งเราเรียก
ค่าส่วนต่างนี้ว่า Risk Premium ซึ่งเป็นผลตอบแทนที่ผู้ตัดสินใจยอมสละไป เพื่อให้ความเสี่ยง
ลดตํ่าลง (ยอมรับ 100,000 บาทโดยไม่มีความเสี่ยง ซึ่งมีค่าเท่ากับได้รับ 156,000 บาทเมื่อมี
ความเสี่ยงเพิ่มขึ้น) หรือกล่าวอีกนัยหนึ่งคือผู้ตัดสินใจคนนี้จัดอยู่ในกลุ่มที่กลัวความเสี่ยง (Risk
Averse) ซึ่งเป็นลักษณะของบุคคลโดยทั่วไปนั่นเอง
ในทำ�นองเดียวกันหากใช้วิธีเดียวกันนี้กับค่าอื่น ๆ ที่เหลือ เช่น ค่าของ Payoff 50,000
บาท ก็อาจจะหาค่า Utility ได้เท่ากับ 0.6 หากลองนำ�ค่าเหล่านี้มาสร้างแผนภาพระหว่าง Payoff
กับค่า Utility จะได้ดังแสดงในรูปที่ 8-12 ดังต่อไปนี้
1.2
0.8
Utility
0.6
0.4
0.2
0
-100,000 -50,000 0 50,000 100,000 150,000 200,000 250,000
Payoff
รูปที่ 8-12 ความสัมพันธ์ระหว่าง Payoff กับ Utility
ลักษณะของเส้นกราฟแสดงความสัมพันธ์ระหว่าง Payoff กับ Utility มีลักษณะ
การโค้งแบบควํ่าลง ซึ่งแสดงให้เห็นว่าผู้ตัดสินใจต้องการ Payoff ที่สูงขึ้นมาก เพื่อที่จะทำ�ให้
Utility เพิ่มขึ้น เนื่องมาจากเขาต้องการที่จะชดเชยความเสี่ยงที่เกิดขึ้น ดังนั้นจึงสามารถสรุปได้ว่า
ผู้ตัดสินใจท่านนี้มีลักษณะของการกลัวความเสี่ยงอย่างชัดเจน (หากรู้สึกเฉย ๆ กับความเสี่ยง หรือ
ที่เรียกว่า Risk Neutral นั้น เส้นกราฟเส้นนี้ควรเป็นเส้นตรง หรือหากเป็นพวกชอบความเสี่ยง
Risk Seeking เส้นกราฟเส้นนี้จะมีลักษณะการโค้งแบบหงาย) ดังแสดงในรูปที่ 8-13 ดังต่อไปนี้
Utility
risk averse
1.00
risk
0.75 neutral
risk
0.50 seeking
0.25
0.00
Payoff
รูปที่ 8-13 ลักษณะความสัมพันธ์ระหว่าง Payoff กับ Utility สำ�หรับรูปแบบของการยอมรับความ

เสี่ยงในแบบต่างๆ
4. เมื่อทำ�การปรับค่า Payoff ให้เป็นค่าอรรถประโยชน์ (Utility) เสร็จเรียบร้อยแล้ว
ก็นำ�ค่านั้นมาคิดคำ�นวณค่า Expected Utility ดังต่อไปนี้
ทางเลือก เหตุการณ์ที่ 1 เหตุการณ์ที่ 2 ค่า Expected Utility
A 1 0 0.5
B 0.8 0.6 0.7
จะเห็นว่าค่า Expected Utility ของทางเลือก A นั้นคำ�นวณจากค่า 0.5 × 1 + 0.5

× 0 = 0.5 ในขณะที่ค่า Expected Utility ของทางเลือก B นั้นคำ�นวณได้จากค่า 0.5 × 0.8
+ 0.5 × 0.6 = 0.7 ซึ่งในกรณีดังกล่าวผู้ตัดสินใจก็จะเลือกทางเลือก B ซึ่งถึงแม้ว่าจะมีค่า EMV
ตํ่ากว่าทางเลือก A แต่มีค่าอรรถประโยชน์ (Utility) สูงกว่าทางเลือก A เป็นต้น
การตัดสินใจที่มีหลายปัจจัย
ในหัวข้อก่อนหน้านี้ จะเห็นว่าเราใช้ปัจจัยในการตัดสินใจแต่เพียงประการเดียว เช่น
ดูจากผลตอบแทน อย่างไรก็ตามในการตัดสินใจบางครั้งเรามีเกณฑ์ในการตัดสินใจมากกว่า
หนึ่งอย่าง ตัวอย่างเช่น การเลือกซื้อโทรศัพท์มือถือ โดยอาจจะดูจากรูปลักษณ์ ฟังก์ชั่น ราคา
และความง่ายในการใช้ เป็นต้น ดังนั้นแล้วเมื่อมีเกณฑ์ในการตัดสินใจมากกว่าหนึ่งอย่าง เราจึง
จำ�เป็นที่จะต้องใช้เทคนิคในการเปรียบเทียบเพื่อช่วยในการตัดสินใจซึ่งโดยทั่วไปมีอยู่ 2 รูปแบบ
คือวิธีการให้คะแนนโดยใช้เกณฑ์หลายเกณฑ์ (Multicriteria Scoring Model) และวิธี Analytic
Hierarchy Process (AHP) ซึ่งจะมีรายละเอียดดังต่อไปนี้
วิธีการให้คะแนนโดยใช้เกณฑ์หลายเกณฑ์
ในการเลือกซื้อโทรศัพท์มือถือ I-Phone และ Black Berry ผู้ซื้อได้ทำ�การเปรียบเทียบ
รูปลักษณ์ ฟังก์ชั่น ราคา และความง่ายในการใช้งาน โดยให้คะแนนในแต่ละเกณฑ์ในช่วง 0-1
โดยที่ค่า 0 แสดงถึงคะแนนที่ตํ่าที่สุดในแต่ละเรื่อง และ 1 คือคะแนนที่สูงที่สุดในแต่ละเรื่อง
โดยการให้คะแนนเป็นไปตามแสดงในรูปที่ 8-14 หน้าถัดไปนี้
Key Cell Formulas
C10 =AVERAGE(C6:C9) D10
C15 =C6*$E15 C15:D18
C19 =SUM(C15:C18) D19:E19
รูปที่ 8-14 การให้คะแนนในหลายปัจจัยในการเลือกซื้อโทรศัพท์มือถือ
จากรูปที่ 8-14 นั้น จะเห็นว่าหากผู้ตัดสินใจให้ค่านํ้าหนักในแต่ละปัจจัยเท่า ๆ กัน

ผู้ตัดสินใจก็สามารถที่จะคำ�นวณหาค่าเฉลี่ยของคะแนนของมือถือในแต่ละแบบ โดยจากผล
พบว่าคะแนนเฉลี่ยของ I-Phone มีค่าเท่ากับ 0.825 และ Black Berry มีค่าเท่ากับ 0.775
ดังนั้นผู้ตัดสินใจก็ควรเลือกซื้อ I-Phone เนื่องจากมีคะแนนเฉลี่ยสูงกว่า อย่างไรก็ตามหาก
ผูต้ ดั สินใจเชือ่ ว่าปัจจัยแต่ละปัจจัยมีความสำ�คัญแตกต่างกันก็สามารถให้คา่ นาํ้ หนักของแต่ละปัจจัย
แตกต่างกัน โดยจากตัวอย่างมีการให้ค่านํ้าหนักระหว่าง 0-1 โดยค่า 0 หมายถึงไม่มีความสำ�คัญ
อันใดเลย ส่วนค่า 1 หมายถึงมีความสำ�คัญสูงที่สุด จากตัวอย่างพบว่ารูปลักษณ์มีความสำ�คัญ
เป็นอันดับที่ 1 (ค่านํ้าหนักเท่ากับ 0.35) ในขณะที่การใช้งานมีความสำ�คัญน้อยที่สุด (ค่านํ้าหนัก
เท่ากับ 0.1) หลังจากนั้นก็นำ�คะแนนในแต่ละปัจจัยมาคำ�นวณหาค่าเฉลี่ยถ่วงนํ้าหนัก ในกรณีนี้
I-Phone จะมีคะแนนเฉลี่ยถ่วงนํ้าหนักเท่ากับ 0.9 × 0.35 + 0.95 × 0.3 + 0.65 × 0.25 +
0.8 × 0.1 = 0.843 ซึ่งยังมีค่าสูงกว่า Black Berry ที่มีค่าเฉลี่ยถ่วงนํ้าหนักที่ 0.813 เป็นต้น
วิธี Analytic Hierarchy Process (AHP)

ปัญหาที่มักเกิดขึ้นกับเทคนิคการให้คะแนนในหลายปัจจัยที่ได้นำ�เสนอไปก่อนหน้านี้
คือความยากที่จะให้คะแนน โดยเฉพาะอย่างยิ่งในกรณีที่มีปัจจัยที่ต้องคำ�นึงถึงจำ�นวนมากหรือ
มีทางเลือกจำ�นวนมาก ยกตัวอย่างเช่น หากเป็นการเปรียบเทียบโทรศัพท์มือถือเพียง 2 ยี่ห้อ
ก็คงไม่ยากนักที่จะให้คะแนนเปรียบเทียบ แต่หากเป็นโทรศัพท์มือถือ 20 ยี่ห้อ การให้คะแนน
จะมี ค วามลำ � บากมากขึ้ น ดั ง นั้ น เพื่ อ ให้ เ กิ ด ความสมํ่า เสมอในการให้ ค ะแนน จึ ง มี ก ารใช้ วิ ธี
Analytic Hierarchy Process หรือเรียกสั้น ๆ ว่า AHP ซึ่งเป็นวิธีที่จะมีการให้คะแนนโดย
การจับคู่เปรียบเทียบ โดยในการจับคู่เปรียบเทียบนั้นจะมีคะแนนให้ดังแสดงในตารางที่ 8-1
ตารางที่ 8-1 ระดับการให้คะแนนการเปรียบเทียบระหว่างคู่ในเทคนิค AHP
คะแนน ความหมาย
1 ชอบเท่ากัน (Equally Preferred)
2 ชอบเท่ากันไปจนถึงชอบมากกว่าในระดับปานกลาง (Equally to Moderately
Preferred)
3 ชอบมากกว่าในระดับปานกลาง (Moderately Preferred)
4 ชอบมากกว่าในระดับปานกลางไปจนถึงชอบมากกว่าค่อนข้างมาก (Moderately to
Strongly Preferred)
5 ชอบมากกว่าค่อนข้างมาก (Strongly Preferred)
6 ชอบมากกว่าค่อนข้างมากไปจนถึงชอบมากกว่ามาก (Strongly to Very Strongly
Preferred)
7 ชอบมากกว่ามาก (Very Strongly Preferred)
8 ชอบมากกว่ามากไปจนถึงชอบมากกว่ามากที่สุด (Very Strongly to Extremely
Preferred)
9 ชอบมากกว่ามากที่สุด (Extremely Preferred)
เพื่อให้เกิดความเข้าใจมากขึ้นจึงขอยกตัวอย่างจากกรณีศึกษาดังต่อไปนี้
กรณีศึกษาการเลือกร้านอาหาร
วิสุทธิ์กำ�ลังเลือกร้านอาหารเพื่อที่จะทำ�อาหารจัดเลี้ยงแขกจำ�นวน 1,000 คนที่มา
ร่วมเข้าประชุมทางวิชาการ โดยในขณะนี้มีร้านอาหารให้เลือกอยู่ 3 ร้าน ได้แก่ ร้าน A B และ
C โดยวิสุทธิ์มีเกณฑ์การเลือกร้านอาหารอยู่ 3 เกณฑ์ได้แก่ เกณฑ์ด้านรสชาติ ความสะอาด
และการบริการ สำ�หรับเกณฑ์ด้านรสชาตินั้นวิสุทธิ์ได้ทำ�การเปรียบเทียบร้านแต่ละร้านเป็นคู่ ๆ
ได้ผลดังรูปที่ 8-15 ดังต่อไปนี้
Key Cell Formulas

C5 =1/D4 --
C6 =1/E4 --
D6 =1/E5 --
รูปที่ 8-15 การให้คะแนนเปรียบเทียบในเกณฑ์ด้านรสชาติโดยใช้วิธี AHP ในกรณีศึกษาการเลือก

ร้านอาหาร
วิธีการอ่านตารางนี้คือเราจะทำ�การเปรียบเทียบแถว i กับคอลัมน์ j (เรียกว่า Pij)

ยกตัวอย่างเช่นในเรื่องรสชาติอาหารนั้นเมื่อเทียบระหว่างแถว B กับคอลัมน์ C แล้ว จะเห็นว่า
มีค่าเท่ากับ 3 หรือหมายความว่าผู้ตัดสินใจชอบ B มากกว่า C ในระดับที่ 3 (คือชอบมากกว่า
ในระดับปานกลาง) และหากผู้ตัดสินใจชอบ B มากกว่า C ในระดับที่ 3 แล้ว จะสามารถ
กล่าวได้อีกแบบว่าผู้ตัดสินใจชอบ C (แถว C) มากกว่า B (คอลัมน์ B) ในระดับที่ 1/3 หรือ
0.333 นั่นเอง (คือชอบน้อยกว่าเพราะค่าที่ได้มีค่าตํ่ากว่า 1) หรืออาจกล่าวอีกนัยหนึ่งว่า Pji =
1/Pij นั่นเอง นอกจากนี้ยังสังเกตเห็นว่าแนวทแยงมุมของตารางการเปรียบเทียบจะมีค่าเท่ากับ
1 เสมอ ทั้งนี้เนื่องมาจากเป็นการเปรียบเทียบสิ่งเดียวกัน เช่น A กับ A หรือ B กับ B ดังนั้น
ระดับความชอบต้องเท่ากันเสมอ
เมื่ อ มี ก ารให้ ค ะแนนเปรี ย บเที ย บแล้ ว ขั้ น ตอนต่ อ ไปคื อ การคำ � นวณคะแนนการ
เปรียบเทียบ (Normalized Score) โดยนำ�เอาคะแนนในแต่ละคะแนนมาหารด้วยคะแนนรวมใน
คอลัมน์เดียวกัน ดังแสดงในรูปที่ 8-16 ดังต่อไปนี้
Key Cell Formulas

C7 =SUM(C4:C6) D7:E7
C11 =C4/C$7 C11:E13
F11 =AVERAGE(C11:E11) F12:F13
รูปที่ 8-16 การคำ�นวณคะแนนในเกณฑ์ดา้ นรสชาติโดยใช้วธิ ี AHP ในกรณีศกึ ษาการเลือกร้านอาหาร
ยกตัวอย่างเช่นจากรูปที่ 8-16 ใน Cell C11 สามารถคำ�นวณได้จาก 1/1.417 = 0.706
หรือใน Cell D11 สามารถคำ�นวณได้จาก 4/5.333 = 0.750 เป็นต้น
เมื่อคำ�นวณค่า Normalized Score เสร็จเรียบร้อยแล้ว ขั้นตอนต่อมาคือการ
หาค่าเฉลี่ยของคะแนนในแต่ละทางเลือก (แต่ละแถว) เช่น จากรูปที่ 8-15 คะแนนเฉลี่ยของ
0.706 + 0.750 + 0.600
ทางเลือก A สามารถคำ�นวณได้ดังต่อไปนี้ = 0.685 โดยทางเลือก
3
B และ C ก็ใช้วิธีการคำ�นวณแบบเดียวกัน
จะเห็นว่าในเกณฑ์ด้านรสชาตินั้นคะแนนของร้านอาหาร A สูงที่สุด (0.685) ตามมา
ด้วย B (0.221) และ C (0.093) ตามลำ�ดับ
นอกจากจะมีการคำ�นวณในเรื่องของคะแนนของแต่ละเกณฑ์แล้ว เพื่อป้องกันไม่ให้
ผู้ให้คะแนนให้คะแนนอย่างไม่ตั้งใจหรืออย่างไม่มีเหตุผล เทคนิค AHP นี้มีวิธีการคำ�นวณตัววัดที่
เรียกว่า Consistency Measure และ Consistency Ratio โดยมีวิธีการคำ�นวณดังต่อไปนี้
การคำ�นวณ Consistency Measure

Consistency Measure (Ci) นั้นสามารถคำ�นวณโดยใช้สูตรดังต่อไปนี้

Pij sj
j
Ci =
si
โดยที่ Pij คือคะแนนเปรียบเทียบระหว่าง i กับ j และ si คือค่าคะแนนของทางเลือก

i โดยผลของการคำ�นวณสามารถแสดงได้ตามรูปที่ 8-17 หน้าถัดไปนี้
Key Cell Formulas
G11 =MMULT(C4:E4,$F$11:$F$13)/F11 G12:G13
G15 =(AVERAGE(G11:G13)-3)/(2*0.58) ---
รูปที่ 8-17 การคำ�นวณ Consistency Measure ในเกณฑ์ด้านรสชาติโดยใช้วิธี AHP ในกรณี

ศึกษาการเลือกร้านอาหาร
ยกตัวอย่างเช่นการคำ�นวณ Consistency Measure ของทางเลือก A B และ C สามารถ

1 × 0.685 + 4 × 0.221 + 6 × 0.093

CA = = 3.109
0.685
0.25 × 0.685 + 1 × 0.221 + 3 × 0.093
CB = = 3.040
0.221
0.167 × 0.685 + 0.333 × 0.221 + 1 × 0.093
CC = = 3.013
0.093
โดยหากค่า Consistency Measure นี้มีค่าใกล้เคียงกับจำ�นวนทางเลือก แสดงว่า
ผู้ประเมินมีความสมํ่าเสมอในการประเมิน และผลที่ได้รับมีความน่าเชื่อถือ ดังตัวอย่างจะเห็น
ว่าค่า Consistency Measure มีค่าประมาณ 3 ซึ่งเท่ากับจำ�นวนทางเลือกในกรณีนี้ จึงสามารถ
สรุปได้ว่าผลที่ได้รับจากการวิเคราะห์มีความน่าเชื่อถือ
การคำ�นวณ Consistency Ratio

การคำ�นวณค่า Consistency Measure นั้น ผู้ตัดสินใจยังอาจจะมีความไม่แน่ใจ
ว่าที่บอกว่าค่าที่ได้ควรมีความใกล้เคียงกับจำ�นวนทางเลือกนั้น ต้องใกล้เคียงมากขนาดไหน
ซึ่งค่า Consistency Measure นั้นมีอยู่หลายตัว หากบางตัวใกล้เคียงมาก แต่บางตัวมีค่าห่าง
จากค่าจำ�นวนทางเลือกออกไปจะตัดสินใจได้อย่างไร ดังนั้นการคำ�นวณค่า Consistency Ratio
อาจจะช่วยตอบคำ�ถามนี้ได้
ค่า Consistency Ratio คำ�นวณได้จากสูตรดังต่อไปนี้
CI
CR =
RI
โดยที่
Ci
CI = i – n /(n – 1)
n
ทั้งนี้ค่า n ในสูตรนี้คือจำ�นวนทางเลือก และค่า RI สามารถเทียบได้จากตารางที่

8-2 ดังต่อไปนี้
ตารางที่ 8-2 ค่า RI สำ�หรับจำ�นวนทางเลือกต่างๆ
RI 0.00 0.58 0.90 1.12 1.24 1.32 1.41

n 2 3 4 5 6 7 8
โดยเกณฑ์การประเมินกำ�หนดว่า หากค่า Consistency Ratio มีค่าตํ่ากว่า 0.1 แสดง
ว่าการประเมินนั้นมีความสมํ่าเสมอและผลที่ได้รับมีความน่าเชื่อถือ จากตัวอย่างที่แสดงในรูปที่
8-12 นั้นสามารถคำ�นวณหาค่า Consistency Ratio ได้ดังต่อไปนี้
(3.109 + 3.040 + 3.013)

–3
CI = 3 = 0.027
3–1
RI = 0.58
0.027
CR = = 0.047
0.58
สำ � หรั บ การให้ ค ะแนนในเรื่ อ งของความสะอาดและการบริ ก าร ก็ ใช้ ลั ก ษณะการ

คิดคำ�นวณในรูปแบบเดียวกัน และให้ผลดังแสดงในรูปที่ 8-18 และ 8-19 ดังต่อไปนี้
รูปที่ 8-18 การคำ�นวณคะแนนในเกณฑ์ด้านความสะอาดโดยใช้วิธี AHP ในกรณีศึกษาการเลือก

รูปที่ 8-19 การคำ�นวณคะแนนในเกณฑ์ด้านการบริการโดยใช้วิธี AHP ในกรณีศึกษาการเลือก
นอกจากนี้หากผู้ที่ตัดสินใจมีความเห็นว่าในแต่ละปัจจัยที่เป็นเกณฑ์ในการตัดสินใจ
นั้ น มี ค วามสำ � คั ญ ที่ แ ตกต่ า งกั น ผู้ ตั ด สิ น ใจก็ ส ามารถที่ จ ะประเมิ น เปรี ย บเที ย บความสำ � คั ญ
ของแต่ละปัจจัยได้ โดยใช้วิธีการเดียวกันกับการประเมินร้านอาหารในแต่ละเกณฑ์ เพียงแต่ว่า
ตอนนี้เป็นการประเมินความสำ�คัญของปัจจัย แทนที่จะเป็นการประเมินร้านอาหาร ซึ่งให้
ผลดังแสดงในรูปที่ 8-20 หน้าถัดไปนี้
รูปที่ 8-20 การคำ�นวณคะแนนความสำ�คัญของแต่ละเกณฑ์โดยใช้วิธี AHP ในกรณีศึกษาการเลือก
และจากผลในรูปที่ 8-16 8-18 8-19 และ 8-20 สามารถนำ�มาสรุปได้ดังแสดงใน

รูปที่ 8-21 ดังต่อไปนี้
รูปที่ 8-21 การคำ�นวณคะแนนความสำ�คัญของแต่ละเกณฑ์โดยใช้วิธี AHP ในกรณีศึกษาการเลือก

จากรูปที่ 8-21 จะพบว่าคะแนนเฉลี่ยถ่วงนํ้าหนักของร้าน A มีคะแนนสูงที่สุด ตาม

มาด้วย B และ C ตามลำ�ดับ ดังนั้นจึงควรจะเลือกร้านอาหาร A เพื่อเป็นตัวแทนในการจัดเลี้ยง
ในครั้งนี้
1. ระบบ 3G มีแนวโน้มที่จะเกิดขึ้น ซึ่งทำ�ให้ราคาหุ้นของบริษัท F และ SIA ซึ่งเป็นบริษัท

มือถือมีมูลค่าเพิ่มขึ้นเรื่อย ๆ อย่างไรก็ตามก็ยังไม่เป็นที่แน่ชัดนักว่าระบบ 3G จะเกิดขึ้น
หรือไม่ ดังนั้นในการตัดสินใจซื้อหุ้นของบริษัททั้ง 2 แห่งนี้ จึงต้องมีการวางแผน โดยที่ข้อมูล
ณ ปัจจุบันเป็นดังนี้
F SIA
ราคาหุ้น ณ ปัจจุบัน 8 บาท 10 บาท
ราคาหุ้นในอนาคตหากมี 3G 20 บาท 35 บาท
ราคาหุ้นในอนาคตหากไม่มี 3G 7 บาท 6 บาท
ให้ท่านเลือกตัดสินใจว่าจะซื้อหุ้นบริษัท F หรือบริษัท SIA หรือทั้งสองบริษัท หรือไม่ซื้อหุ้น

ใดเลย โดยพิจารณาด้วยวิธี Maximax Maximin และ Minimax Regret
2. จากข้อที่ 1 คุณไชยาผู้ที่กำ�ลังตัดสินใจจะซื้อหุ้นของบริษัททั้ง 2 ทราบว่าโอกาสที่ระบบ 3G
จะเกิดขึ้น 75% จงหาว่าหากคุณไชยาต้องการพิจารณาโดยใช้วิธี EMV และ EOL คุณไชยา
ควรจะตัดสินใจอย่างไร
3. คุณธีรวัฒน์ กำ�ลังจะลงทุนซื้อที่ดินทำ�หมู่บ้านจัดสรรในบริเวณหลักสี่หรือบริเวณลาดพร้าว
แต่ก็มีปัญหาที่ว่ามีเงินเพียง 50 ล้านบาทสำ�หรับงบประมาณในการซื้อที่ดิน ซึ่งคุณธีรวัฒน์
เองก็ยงั ลังเลว่าจะซือ้ ทีด่ นิ บริเวณใด เนือ่ งจากได้ขา่ วมาว่าอาจจะมีการทำ�ทางด่วนทีเ่ ชือ่ มต่อ
ระหว่างพื้นที่ทั้งสองคุณธีรวัฒน์จึงได้ทำ�การเก็บข้อมูลดังต่อไปนี้
หลักสี่ ลาดพร้าว
ราคาซื้อที่ดิน ณ ปัจจุบัน (ล้านบาท) 50 42
ราคาในอนาคตหากมีการทำ�ทางด่วนเพิ่ม (ล้านบาท) 70 78
ราคาในอนาคตหากไม่มีการทำ�ทางด่วนเพิ่ม (ล้านบาท) 62 50
หากคุณธีรวัฒน์ใช้เกณฑ์ Maximax Maximin และ Minimax Regret ในการพิจารณา

คุณธีรวัฒน์ควรจะเลือกซื้อที่ดินบริเวณใดในแต่ละกรณี
4. จากข้ อ 3 หากคุ ณ ธี ร วั ฒ น์ มี ข้ อ มู ล ความน่ า จะเป็ น เพิ่ ม เติ ม ในเรื่ อ งการสร้ า งทางด่ ว น
โดยพบว่าโอกาสที่จะมีการสร้างทางด่วน 40% หากคุณธีรวัฒน์ ใช้วิธี EMV และ EOL
ในการตัดสินใจ คุณธีรวัฒน์ควรจะตัดสินใจอย่างไร ทั้งนี้งบประมาณสำ�หรับการซื้อที่ดินคือ
50 ล้านบาท
5. บริษัท Land & Park กำ�ลังตัดสินใจในการซื้อที่ดิน อย่างไรก็ตามบริษัททราบว่ารัฐบาล
กำ�ลังพิจารณาสร้างถนนเชื่อมต่อระหว่างอำ�เภอเมืองปทุมธานีกับอำ�เภอเมืองนนทบุรี แต่ก็
ขึ้นอยู่ว่าจะได้รับอนุมัติจากรัฐบาลหรือไม่ โดยข้อมูลราคาที่ดินของอำ�เภอเมืองปทุมธานีกับ
อำ�เภอเมืองนนทบุรีที่ใช้พิจารณา มีดังต่อไปนี้
A B
ราคาซื้อที่ดิน ณ ปัจจุบัน (ล้านบาท) 95 120
ราคาในอนาคตหากมีการสร้างถนน (ล้านบาท) 130 165
ราคาในอนาคตหากไม่มีการสร้างถนน (ล้านบาท) 80 100
คุณในฐานะเป็นที่ปรึกษาของบริษัท Land & Park จำ�กัด จะตัดสินใจอย่างไร หาก

ท่านประธานให้พิจารณาตามวิธี Maximax Maximin และ Minimax Regret
6. จากข้อที่ 5 หากทราบว่าความน่าจะเป็นที่จะมีการสร้างถนน 75% ถ้าหากใช้วิธีของ EMV
และ EOL ในการตัดสินใจ คุณในฐานะที่ปรึกษาจะเสนอการตัดสินใจอย่างไร
7. บริษัทวิภาวรรณ กำ�ลังจะลงทุนซื้อที่ดินเพื่อมาเปิดสาขาขายอาหารแช่แข็งใหม่ โดยที่ดิน
ที่จะซื้อจะมีการประมูลกันระหว่างบริษัทวิภาวรรณกับบริษัททัศนัย โดยบริษัทวิภาวรรณ
มี 2 ทางเลือกคือจะประมูล 10 ล้าน กับ 7 ล้าน นอกจากนี้บริษัทวิภาวรรณยังมีข้อมูล
ว่ามีโอกาส 30% ที่บริษัททัศนัยจะประมูล 8 ล้าน และ 70% ที่จะประมูล 6 ล้าน ซึ่ง
หากได้ที่ดินแล้วจะมีผลลัพธ์ 2 แบบ คือ ลูกค้าเยอะ กับ ลูกค้าน้อย โดยลูกค้าเยอะจะให้
ยอดขายเท่ากับ 30 ล้านบาทต่อ 1 ปี (มีโอกาสเกิดขึ้น 35%) และถ้าหากลูกค้าน้อยจะให้
ยอดขายเท่ากับ 12 ล้านบาทต่อ 1 ปีเช่นกัน (มีโอกาสเกิดขึ้น 65%) ดังนั้นอยากทราบว่า
คุณวิภาวรรณควรลงทุนหรือไม่ ถ้าลงทุนจะลงทุนประมูลที่เท่าไร
8. นายทศพลกำ � ลั ง จะส่ ง แผนการตลาดเข้ า ประกวด โดยก่ อ นส่ ง จะมี ค่ า จั ด ทำ � เบื้ อ งต้ น
30,000 บาท โดยถ้าผ่านเข้ารอบแรกจะได้รางวัลสนับสนุนเป็นจำ�นวนเงิน 100,000 บาท
ซึ่งนายทศพลคาดว่าเขามีโอกาสผ่านรอบแรก 60% โดยถ้าผ่านเข้ารอบสองแล้วจะต้องมี
การลงทุนหาข้อมูลและเขียนแผนการตลาดต่อ นายทศพลมีทางเลือก 2 ทาง คือการดำ�เนิน
การแผน A ซึ่งจะใช้เงินลงทุนในการหาข้อมูลเพิ่มอีก 10,000 บาท หรือดำ�เนินการตามแผน
B ซึ่งใช้เงินลงทุนเพิ่มอีก 17,000 บาท หลังจากเขาเลือกได้แล้ว เขาจะต้องทำ�แผนนั้น
ให้สำ�เร็จ โดยแผน A มีโอกาสที่เขาจะทำ�เสร็จภายใน 3 เดือน ซึ่งเป็นกรณีที่ดีสุด ซึ่งจะมี
ค่าใช้จ่าย 10,000 บาท 50% ในขณะที่เขาอาจจะทำ�เสร็จภายใน 6 เดือนซึ่งเป็นกรณีที่แย่
ที่สุด ซึ่งจะทำ�ให้เขาต้องใช้จ่ายเพิ่มอีก 12,000 บาท มีโอกาส 50% เช่นกัน สำ�หรับแผน
B นั้น ก็มีโอกาส 70% ที่เขาจะทำ�เสร็จภายใน 3 เดือน (กรณีดีที่สุด) ซึ่งทำ�ให้เขาต้องจ่าย
เงินเพิ่มขึ้นอีก 7,500 บาท และอีก 30% ที่เขาจะทำ�เสร็จภายใน 6 เดือน (กรณีที่แย่ที่สุด)
ซึง่ จะมีคา่ ใช้จา่ ยเพิม่ อีก 13,500 บาท อยากทราบว่าทศพลควรส่งแผนการตลาดเข้าประกวด
หรือไม่ และถ้าเขาผ่านรอบแรกไปได้เขาควรเลือกดำ�เนินการตามแผน A หรือ B ทั้งนี้ทศพล
คิดว่าผลตอบแทนจากงานนี้ควรจะได้อย่างน้อย 10,000 บาท
9. บริษัท ซ่าหริ่ม ผู้ผลิตขนมขบเคี้ยว กำ�ลังพิจารณาตัดสินใจว่าจะสร้างโรงงานขนาดใหญ่หรือ
ขนาดเล็ก โดยพิจารณาว่าหากสร้างโรงงานขนาดใหญ่จะต้องใช้เงินลงทุนทัง้ สิน้ 75 ล้านบาท
แต่หากสร้างโรงงานขนาดเล็กจะใช้เงินลงทุนทั้งสิ้น 45 ล้านบาท โดยบริษัทเชื่อว่ามีโอกาส
65% ที่จะมีความต้องการตลาดสูงและมีโอกาส 35% ที่จะมีความต้องการตลาดตํ่า ตาราง
ต่อไปนี้แสดงกระแสเงินสดที่จะได้รับในการสร้างโรงงานแต่ละขนาดภายใต้ภาวะความ
ต้องการของตลาดที่แตกต่างกัน
ทางเลือก
สูง ตํ่า
สร้างโรงงานขนาดเล็ก 80 ล้านบาท 65 ล้านบาท
สร้างโรงงานขนาดใหญ่ 150 ล้านบาท 115 ล้านบาท
จากข้อมูลข้างต้นให้สร้าง Decision Tree และหาว่าบริษัทควรสร้างโรงงานขนาดใด และมี

มูลค่าของโครงการนี้เท่าไร
10. จากข้อที่ 9 หากบริษัทได้ตัดสินใจทำ�การสำ�รวจตลาดก่อน โดยสมมติว่าการสำ�รวจตลาด
ไม่มีต้นทุน โดยผลของงานวิจัยมีอยู่สองอย่างคือลูกค้าชอบและลูกค้าไม่ชอบผลิตภัณฑ์ของ
บริษัท โดยที่ความน่าจะเป็นที่ผลวิจัยจะออกมาว่าลูกค้าจะชอบอยู่ที่ 0.9 นอกจากนี้บริษัท
ยังพบข้อมูลดังต่อไปนี้
• ถ้าหากผลการสำ�รวจออกมาว่าลูกค้าชอบ โอกาสที่จะเกิดความต้องการของตลาดสูงมีค่า
เท่ากับ 70%
• ถ้าหากผลการสำ�รวจออกมาว่าลูกค้าไม่ชอบ โอกาสที่จะเกิดความต้องการของตลาดตํ่ามี
ค่าเท่ากับ 60%
จากผลดังกล่าว จงสร้าง Decision Tree และหาว่าโครงการนี้มีมูลค่าเท่าไร
11. ร้านขายลูกชิ้นแดงซึ่งเป็นผู้ผลิตและจัดจำ�หน่ายลูกชิ้นปิ้ง กำ�ลังพิจารณาตัดสินใจว่าจะ
ขยายสาขา โดยพิจารณาหากสร้างบริเวณ A ต้องใช้เงินลงทุนทั้งสิ้น 70,000 บาท
แต่หากสร้างบริเวณ B จะใช้เงินลงทุนทั้งสิ้น 150,000 บาท โดยเจ้าของร้านเชื่อว่าโอกาส
ที่ตลาดจะมีความต้องการสูงเท่ากับ 60% และโอกาสที่ตลาดจะมีความต้องการตํ่าเท่ากับ
40% ตารางต่อไปนีแ้ สดงกระแสเงินสดทีจ่ ะได้รบั ในการขยายสาขาบริเวณต่าง ๆ ภายใต้ภาวะ
ความต้องการของตลาดที่แตกต่างกัน
ทางเลือก
สูง ตํ่า
ขยายสาขาไปที่ A 150,000 บาท 90,000 บาท
ขยายสาขาไปที่ B 300,000 บาท 250,000 บาท
จากข้อมูลข้างต้นจงสร้าง Decision Tree และหาว่าร้านขายลูกชิ้นปิ้งควรขยายสาขาไป

ที่ใด และโครงการนี้มีมูลค่าเท่าไร
12. จากข้อที่ 11 หากร้านขายลูกชิ้นปิ้งแดงได้ตัดสินใจทำ�การสำ�รวจตลาดก่อน โดยสมมติว่า
การสำ�รวจตลาดไม่มีต้นทุน โดยผลของงานวิจัยมีอยู่สองอย่างคือลูกค้าชอบและลูกค้า
ไม่ชอบลูกชิ้นของร้าน โดยที่ความน่าจะเป็นที่ผลวิจัยจะออกมาว่าลูกค้าจะชอบอยู่ที่ 0.75
นอกจากนี้บริษัทยังพบข้อมูลดังต่อไปนี้
• ถ้าหากผลการสำ�รวจออกมาว่าลูกค้าชอบ โอกาสที่จะเกิดความต้องการของตลาดสูงมีค่า
เท่ากับ 70%
• ถ้าหากผลการสำ�รวจออกมาว่าลูกค้าไม่ชอบ โอกาสที่จะเกิดความต้องการของตลาดตํ่ามี
ค่าเท่ากับ 55%
จากผลดังกล่าว จงสร้าง Decision Tree และหาว่าโครงการนี้มีมูลค่าเท่าไร
13. นายหมูกำ�ลังตัดสินใจจะไปเที่ยว แต่ยังเลือกไม่ได้ว่าจะไปที่ใด ดังนั้นจึงอยากให้ท่านช่วย
เลือกสถานที่ให้นายหมู โดยนายหมูกำ�หนดเกณฑ์และคะแนนมาดังนี้แล้ว
เกณฑ์ เกาะช้าง เกาะเสม็ด นํ้าหนัก
ราคา 0.90 0.70 0.50
ความชอบส่วนตัว 0.75 0.80 0.20
ระยะทาง 0.60 0.80 0.10
เพื่อนร่วมเดินทาง 0.80 0.90 0.20
14. บริษัทแห่งหนึ่งกำ�ลังเลือกรับพนักงาน โดยปัจจุบันคัดไว้เหลือ 2 คนแล้ว แต่อยากจะให้ช่วย

เลือกว่าควรจะเลือกคนไหนดีระหว่างนาย A และ นาย B
เกณฑ์ A B นํ้าหนัก
ผลการศึกษา 0.80 0.70 0.35
ลักษณะท่าทาง 0.60 0.70 0.25
คะแนนการสัมภาษณ์ 0.60 0.80 0.20
การแต่งกาย 0.90 0.80 0.20
15. นักศึกษาชั้นปีที่ 1 คนหนึ่งกำ�ลังตัดสินใจจะเลือกวิชาเอกและโท แต่ยังลังเลอยู่จึงอยาก

ทราบว่านักศึกษาคนนี้ควรเรียนวิชาใดเพื่อให้ตรงใจมากที่สุด
เกณฑ์ OM MK นํ้าหนัก
ความชอบ 0.80 0.80 0.40
อาจารย์ 0.60 0.70 0.10
ความเข้าใจในวิชา 0.50 0.90 0.30
ผลการเรียน 0.90 0.75 0.20
16. นางสาวนิ ด หน่ อ ยกำ � ลั ง จะเลื อ กแฟนหนุ่ ม ซึ่ ง ปั จ จุ บั น มี ค นมาจี บ เธออยู่ 2 คน คื อ

นายเปาและนายปอ แต่เธอก็กำ�ลังลังเลว่าจะเลือกใครดี เหมือนกับว่ารักพี่เสียดายน้อง
แต่เธอก็ไม่อยากจับปลา 2 มือ จึงได้ให้คะแนนกับผู้ชายทั้ง 2 จึงอยากทราบว่าคนที่นางสาว
นิดหน่อยเลือกควรจะเป็นใคร
เกณฑ์ นายเปา นายปอ นํ้าหนัก
หน้าตา 0.90 0.70 0.50
จิตใจ 0.75 0.80 0.20
ฐานะ 0.90 0.50 0.10
ความใส่ใจ 0.75 0.90 0.20
17. ในการเลื อ กอาหารของนางสาวซี ถื อ เป็ น เรื่ อ งที่ ย าก ทำ � ให้ เวลาจะเลื อ กร้ า นอาหาร
แต่ละครั้งของนางสาวซีต้องคิดมากจนบางทีเลยเวลารับประทานอาหารเที่ยง เธอจึงคิดว่า
ควรจะมีการเตรียมการเลือกล่วงหน้าและควรเรียงจากมากไปน้อยตามลำ�ดับด้วย โดยเธอ
มีเกณฑ์ดังตารางข้างล่างนี้ จากข้อมูลดังกล่าวนางสาวซีควรเลือกรับประทานอาหารที่ใด
เกณฑ์ MK สุกี้ Hot Pot โออิชิ ฟูจิ เซน นํ้าหนัก
ราคา 0.60 0.65 0.60 0.4 0.55 0.35
รสชาติ 0.70 0.60 0.75 0.85 0.70 0.35
การเดินทาง 0.90 0.70 0.70 0.70 0.60 0.05
ความชอบ 0.75 0.55 0.75 0.8 0.70 0.25
18. ปัจจุบนั กล้องถ่ายภาพมีเทคโนโลยีทนั สมัยมาก จากการสำ�รวจขัน้ ต้นพบว่าคนส่วนมากนิยม

ซื้อยี่ห้อ Sony Panasonic และ Samsung เนื่องจากวิสุทธิ์ต้องการที่จะตัดสินใจเลือก
ซื้อกล้องโดยจะใช้วิธี AHP วิสุทธิ์ได้พิจารณาเกณฑ์ด้านคุณภาพ ด้านความสวยงาม และ
ด้านราคา ได้ผลดังต่อไปนี้
เกณฑ์ด้านคุณภาพ
ยี่ห้อ Sony Panasonic Samsung
Sony 1 6 3
Panasonic 1/6 1 1/2
Samsung 1/3 2 1
เกณฑ์ด้านความสวยงาม
Sony 1 1/3 ½
Panasonic 3 1 4
Samsung 2 1/4 1
เกณฑ์ด้านราคา
Sony 1 1/2 1/4
Panasonic 2 1 1/3
Samsung 4 3 1
นอกจากนี้วิสุทธิ์ยังมีการเปรียบเทียบความสำ�คัญของเกณฑ์ในแต่ละเรื่องได้ผลดังต่อไปนี้
เกณฑ์ คุณภาพ ความสวยงาม ราคา
คุณภาพ 1 2 1/3
ความสวยงาม 1/2 1 1/4
ราคา 3 4 1
ในกรณีนี้หากใช้วิธี AHP วิสุทธิ์ควรเลือกซื้อกล้องยี่ห้อใด ให้คำ�นวณหาค่า Consistency

Measure และ Consistency Ratio ประกอบด้วย
19. บริษทั แห่งหนึง่ อยากให้มกี ารเลิกงานเร็ว 1 วัน จากวันการทำ�งาน 5 วัน จึงมีการสอบถามทัง้
จากพนักงาน ผู้บริหารและความเป็นไปได้จากประธานบริษัทได้ผลว่ามีทางเลือกอยู่ 3 ทาง
ได้แก่ เลิกงานเร็ววันจันทร์ วันพุธ หรือวันศุกร์ เจ้าของบริษัทจึงได้ตั้งเกณฑ์ในการพิจารณา
โดยถามความต้องการจากพนักงาน จากผูบ้ ริหาร และจาก CEO ของบริษทั โดยจะใช้เทคนิค
AHP ในการตัดสินใจ ได้ผลดังต่อไปนี้
ความเห็นพนักงาน
ทางเลือก วันจันทร์ วันพุธ วันศุกร์
วันจันทร์ 1 1/2 1/5
วันพุธ 2 1 1/4
วันศุกร์ 5 4 1
ความเห็นผู้บริหาร
วันจันทร์ 1 1/4 1
วันพุธ 4 1 4
วันศุกร์ 1 1/4 1
ความเห็น CEO
วันจันทร์ 1 1/5 1
วันพุธ 5 1 5
วันศุกร์ 1 1/5 1
นอกจากนี้เจ้าของบริษัทยังมีการเปรียบเทียบความสำ�คัญของความคิดเห็นของแต่ละฝ่ายได้
ผลดังต่อไปนี้
ความคิดเห็น พนักงาน ผู้บริหาร CEO
พนักงาน 1 4 8
ผู้บริหาร 1/4 1 2
CEO 1/8 1/2 1
ในกรณีนี้หากใช้วิธี AHP เจ้าของควรตัดสินใจให้เลิกงานเร็วในวันใด ให้คำ�นวณหาค่า

Consistency Measure และ Consistency Ratio ประกอบด้วย
20. นายก่อเป็นนักศึกษาที่จบใหม่ เขาได้ส่งใบสมัครงานไปที่บริษัทหลายแห่ง และมีบริษัทตอบ
กลับมา 3 แห่ง เขาต้องการใช้วิธี AHP ในการเปรียบเทียบบริษัททั้ง 3 แห่งนี้ โดยมีเกณฑ์
3 เกณฑ์ได้แก่ เกณฑ์ค่าตอบแทน โอกาสความก้าวหน้าในงาน และเวลาในการเดินทาง ได้
ข้อมูลดังต่อไปนี้
เกณฑ์ค่าตอบแทน
ทางเลือก บริษัท A บริษัท B บริษัท C
บริษัท A 1 5 3
บริษัท B 1/5 1 1/2
บริษัท C 1/3 2 1
เกณฑ์โอกาสความก้าวหน้าในงาน
บริษัท A 1 1 1/4
บริษัท B 1 1 1/4
บริษัท C 4 4 1
เกณฑ์ระยะเวลาในการเดินทาง
บริษัท A 1 2 1/3
บริษัท B 1/2 1 1/6
บริษัท C 3 6 1
นอกจากนี้นายก่อได้เปรียบเทียบความสำ�คัญของแต่ละเกณฑ์ได้ผลดังต่อไปนี้
ความคิดเห็น ค่าตอบแทน โอกาสความก้าวหน้า ระยะเวลา
ค่าตอบแทน 1 5 5
โอกาสความก้าวหน้า 1/5 1 1
ระยะเวลา 1/5 1 1
ในกรณีนี้หากใช้วิธี AHP นายก่อควรตัดสินใจให้เลือกงานบริษัทใด ให้คำ�นวณหาค่า

Consistency Measure และ Consistency Ratio ประกอบด้วย
บทที่ 9
ทฤษฎีเกม
บทนํา
การตัดสินใจในธุรกิจนั้น หลายครั้งผลการตัดสินใจไม่ได้เกิดขึ้นจากผู้ตัดสินใจ
แต่เพียงฝ่ายเดียว แต่ยงั ขึน้ อยูก่ บั การตัดสินใจของฝ่ายอืน่ ด้วย ยกตัวอย่างเช่นการตัดสินใจ
ลดราคา ผูบ้ ริหารอาจคิดว่าการลดราคาลงจะทำาให้ยอดขายของบริษทั เพิม่ สูงขึน้ ซึงความ ่
คิดนี้อาจจะถูกเพียงครึ่งเดียว เนื่องจากถึงแม้ว่าจะทราบว่าลูกค้าจะซื้อของมากขึ้น หาก
ของราคาถูกลง อย่างไรก็ตามหากคูแ่ ข่งได้ทาำ การลดราคาลงเช่นเดียวกัน ยอดขายทีบ่ ริษทั
คาดว่าจะได้เพิ่มขึ้นนั้น ก็อาจจะไม่ได้เป็นไปอย่างที่คาดไว้หรืออาจจะไม่ได้เพิ่มขึ้นเลย
ลักษณะการตัดสินใจโดยทีจ่ ะต้องคำานึงถึงการตัดสินใจของอีกฝ่ายหนึง่ นัน้ จะสามารถนำา
เอาแนวคิดหนึ่งที่เรียกว่าทฤษฎีเกม (Game Theory) มาช่วยในการตัดสินใจได้
1. เพื่อให้ผู้เรียนเข้าใจถึงความสำาคัญและลักษณะของทฤษฎีเกม
2. เพือ่ ให้ผู้เรียนเข้าใจถึงหลักการของการตัดสินใจที่มี 2 ฝ่ายและผลลัพธ์รวมมีคา่ เท่ากับ
0 (Two-Person Zero Sum Game)
3. เพื่อให้ผู้เรียนเรียนรู้วิธีการหาดุลยภาพของเกมในลักษณะ Pure Strategies
4. เพื่อให้ผู้เรียนเรียนรู้วิธีการหาดุลยภาพของเกมในลักษณะ Mixed Strategies
5. เพื่อให้ผู้เรียนทราบถึงวิธีการหาดุลยภาพของเกมโดยใช้แผนภาพ
6. เพื่อให้ผู้เรียนทราบถึงวิธีการหาดุลยภาพของเกมโดยใช้โปรแกรมเชิงเส้น
7. เพื่อให้ผู้เรียนทราบถึงวิธีการหาดุลยภาพของเกมโดยใช้วิธี Subgame
ความสำ�คัญและลักษณะของทฤษฎีเกม
การทำ � ธุ ร กิ จ เป็ น สถานการณ์ ที่ เ กี่ ย วข้ อ งกั บ การแข่ ง ขั น ในเรื่ อ งของผลกำ � ไร และ
ผลประโยชน์ที่จะได้รับ การที่จะประสบความสำ�เร็จได้นั้น ไม่เพียงแต่ขึ้นอยู่กับการตัดสินใจของ
เราเอง แต่ขนึ้ อยูก่ บั การตัดสินใจของคูแ่ ข่งขันด้วย ลักษณะของการตัดสินใจในลักษณะนีจ้ ะเป็นการ
ตัดสินใจที่มีลักษณะของการเป็นศัตรูกัน กล่าวคือเมื่อมีผู้ได้เปรียบก็จะมีผู้เสียเปรียบ ตัวอย่างเช่น
• การบริหารการจัดการแรงงานในเรือ่ งค่าตอบแทนแรงงาน ซึง่ ฝ่ายแรงงานหนึง่ ต้องการ
ได้รับค่าแรงเพิ่ม ในขณะที่ฝ่ายผู้บริหารก็ต้องการที่จะให้ค่าแรงตํ่าที่สุดเท่าที่จะเป็นไปได้
• การแข่งขันเพื่อครอบครองส่วนแบ่งตลาด โดยมีฝ่ายที่ได้ส่วนแบ่งทางการตลาดและ
ฝ่ายที่สูญเสียตลาดให้แก่คู่แข่งขัน
• กลยุทธ์การตัดสินใจทางทหาร โดยเมื่อมีฝ่ายที่ได้พื้นที่เพิ่ม ก็ต้องมีฝ่ายที่เสียพื้นที่ไป
ลักษณะการตัดสินใจในรูปแบบดังกล่าว เราสามารถจะนำ�เอาทฤษฎีเกมเข้ามาช่วยใน
การตัดสินใจ ทฤษฎีเกมถูกพัฒนาขึ้นและได้รับการตีพิมพ์ในหนังสือ Theory of Games and
Economic Behavior ในปี 19441 และได้ถูกพัฒนาอย่างต่อเนื่องในช่วงต่อมา โดยมีลักษณะ
การแข่งขันในทฤษฎีเกมหลายรูปแบบและหลายลักษณะ โดยสามารถแบ่งได้จาก
1. จำ�นวนของผู้เล่น (ผู้ที่ต้องตัดสินใจเลือกกลยุทธ์) ในเกม ยกตัวอย่างเช่นหากมีผู้เล่น
ในเกมเพียงแค่ 2 ฝ่าย เราจะเรียกเกมในลักษณะนี้ว่า Two-Person Game แต่ถ้ามีผู้เล่นในเกม
อยู่ n ฝ่าย เราก็จะเรียกเกม นั้นว่า n-Person Game
2. ลักษณะผลลัพธ์ของเกม หากสิ่งที่อีกฝ่ายหนึ่งได้ มีค่าเท่ากับสิ่งที่อีกฝ่ายหนึ่งเสีย
เราเรียกเกมในลักษณะนี้ว่าเกมที่มีผลลัพธ์รวมเท่ากับ 0 หรือ Zero-Sum Game แต่หากผลรวม
ของสิ่งที่ฝ่ายหนึ่งได้กับสิ่งที่อีกฝ่ายเสียมีค่าไม่เท่ากับ 0 เราจะเรียกเกมนั้นว่า Non-Zero-Sum
Game
อย่างไรก็ตามในบทนี้จะได้นำ�เสนอหลักการพื้นฐานของทฤษฎีเกม โดยจะอธิบาย
การแก้ปัญหาเฉพาะเกมในลักษณะที่มี 2 ฝ่ายและมีผลลัพธ์รวมเท่ากับ 0 (Two-Person, Zero-
Sum Game) เท่านั้น
1 John
von Neumann and Oskar Morgenstern. (1944). Theory of Games and Economic
Behavior. Princeton University Press.
ลักษณะของเกมที่มี 2 ฝ่ายและมีผลลัพธ์รวมเท่ากับ 0
(two – person, zero – sum game)
เพื่อให้เกิดความเข้าใจถึงลักษณะของเกมในลักษณะนี้ จึงขออธิบาย Payoff Matrix
ของเกม ดังแสดงในรูปที่ 9-1 ดังต่อไปนี้
ผู้เล่นที่ 2
กลยุทธ์ A กลยุทธ์ B กลยุทธ์ C
กลยุทธ์ 1 A1 B1 C1
รูปที่ 9-1 ลักษณะของ Payoff Matrix สำ�หรับเกมที่มี 2 ฝ่ายและมีผลลัพธ์รวมเท่ากับ 0
จากรูปที่ 9-1 ผู้เล่นที่ 1 จะเป็นผู้เล่นที่ต้องการได้ (ฝ่ายรุก) ส่วนผู้เล่นที่ 2 จะเป็น

ผู้เล่นที่ต้องการปกป้องความสูญเสีย (ฝ่ายป้องกัน) สำ�หรับตัวเลขในตารางตั้งแต่ A1-3 B1-3
และ C1-3 เรียกว่า Value of the Game หรือค่า Payoff ซึ่งหมายถึงค่าที่จะตกลงกันได้
ยกตัวอย่างเช่นหากผู้เล่นที่ 1 เลือกใช้กลยุทธ์ที่ 1 และผู้เล่นที่ 2 เลือกใช้กลยุทธ์ A ผลลัพธ์คือ
ค่า A1 หมายถึงว่าผู้เล่นที่ 1 จะได้ A1 และผู้เล่นที่ 2 จะเสีย A1 (ผู้เล่นที่ 1 คือผู้ที่จะได้และ
ผู้เล่นที่ 2 คือผู้ที่จะเสีย) หรือหากผู้เล่นที่ 1 เลือกใช้กลยุทธ์ที่ 2 ขณะที่ผู้เล่นที่ 2 เลือกใช้กลยุทธ์
C ค่าผลลัพธ์ที่ได้คือ C2 ซึ่งหมายถึงว่าผู้เล่นที่ 1 จะได้ C2 และผู้เล่นที่ 2 จะเสีย C2 เป็นต้น
สมมติ ฐ านของทฤษฎี เ กมในกรณี นี้ คื อ จะมี ผู้ เ ล่ น อยู่ เ พี ย ง 2 ฝ่ า ยเท่ า นั้ น และเป็ น
Zero-Sum Game คือผลรวมของการได้และเสียในเกมจะมีค่าเท่ากับศูนย์เสมอ ซึ่งหมายถึงสิ่งที่
ผู้เล่นฝ่ายหนึ่งได้จะเท่ากับสิ่งที่อีกฝ่ายหนึ่งจะเสีย นอกจากนั้นต่างฝ่ายต่างเลือกใช้กลยุทธ์ โดยที่รู้
ทางเลือกของฝ่ายตรงข้ามและมีข้อมูลของตารางค่า Payoff ที่แสดงนี้อยู่ทั้งคู่ ตามปกติแล้วผู้เล่น
แต่ละฝ่ายจะพยายามเลือกทางเลือกที่ดีที่สุดไว้ก่อนการตัดสินใจจะเกิดขึ้น
ทฤษฎีเกม 253
การหาดุลยภาพของเกมลักษณะ Pure Strategies
ลักษณะของเกมแบบ Pure Strategies เป็นเกมที่ผลตอบแทนที่ฝ่ายหนึ่งได้รับเท่ากับ
ความสูญเสียที่เกิดขึ้นกับอีกฝ่าย และผลตอบแทนที่ได้คือสิ่งที่ปรากฏอยู่ในตาราง Payoff และ
ไม่ว่าเกมจะถูกเล่นอีกกี่ครั้ง ท้ายที่สุดแล้วผลลัพธ์ก็จะยังคงเป็นเช่นเดิม กล่าวคือ ณ จุดสุดท้าย
ของเกม ผู้เล่นทั้งสองยังคงเลือกเล่นกลยุทธ์เดิม และผลตอบแทนก็ยังคงเท่าเดิม ณ จุดนั้นเราเรียก
ว่าดุลยภาพของเกม (Equilibrium Point หรือ Saddle Point)
หลักการในการหาจุดดุลยภาพของเกมจะใช้หลักการ Minimax โดยจะพิจารณาว่า
ผู้เล่นแต่ละฝ่ายจะเลือกกลยุทธ์ที่ทำ�ให้ตัวเองได้ผลตอบแทนสูงสุดในบรรดาผลตอบแทนที่เลวร้าย
ที่สุดในแต่ละทางเลือก ซึ่งสำ�หรับผู้เล่นที่เป็นฝ่ายรุกก็คือการพยายามให้ได้มากที่สุดในบรรดาทาง
เลือกที่น้อยที่สุด (Maximize the Minimum Payoffs) ในขณะที่ผู้เล่นฝ่ายป้องกันนั้นก็ต้องการ
ให้สูญเสียน้อยที่สุดในบรรดาทางเลือกที่จะเกิดความสูญเสียมากที่สุด (Minimize the Maximum
Losses) เพื่อให้เห็นภาพชัดเจนขึ้นจึงขอยกตัวอย่างผ่านกรณีศึกษาดังต่อไปนี้
กรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
ในจังหวัดแห่งหนึง่ เกษตรกรได้น�ำ เอาข้าวเปลือกจำ�นวนหนึง่ มาขายให้กบั พ่อค้าคนกลาง
อย่างไรก็ตามเพื่อให้ได้ราคาดีที่สุด เกษตรกรจึงต้องทำ�การต่อรองกับพ่อค้าคนกลาง โดยเกษตรกร
มีกลยุทธ์ที่ใช้ในการต่อรอง 3 กลยุทธ์ ได้แก่กลยุทธ์ 1-3 ในขณะเดียวกัน พ่อค้าคนกลางก็พยายาม
ที่จะจ่ายเงินให้กับเกษตรกรให้น้อยที่สุดเท่าที่จะน้อยได้ และได้คิดกลยุทธ์ได้ 3 กลยุทธ์เช่นกัน
คือกลยุทธ์ A-C ทั้งนี้ Payoff Matrix ของการต่อรองนี้สามารถแสดงได้ในรูปที่ 9-2 ดังต่อไปนี้
พ่อค้าคนกลาง
A B C
1 9.5 8 8.5
เกษตรกร 2 14 10.5 10
3 10 12 9
รูปที่ 9-2 ลักษณะของ Payoff Matrix ในกรณีของ Pure Strategies ในกรณีศกึ ษาพ่อค้าคนกลาง
รับซื้อข้าวจากเกษตรกร
สำ � หรั บ ตั ว เลขในตารางที่ 9-2 คื อ ราคาข้ า วที่ ต กลงกั น ได้ (หน่ ว ยเป็ น ล้ า นบาท)
ยกตัวอย่างเช่นหากเกษตรกรใช้กลยุทธ์ที่ 2 และพ่อค้าคนกลางเลือกกลยุทธ์ B ทั้งสองฝ่ายจะ
ตกลงกันได้ที่ราคา 10.5 ล้านบาท เป็นต้น
จากตารางดังกล่าวจะพบว่าเกษตรกรเป็นผูเ้ ล่นฝ่ายรุกในขณะทีพ่ อ่ ค้าคนกลางเป็นผูเ้ ล่น
ฝ่ายป้องกัน ในกรณีนขี้ อทำ�การวิเคราะห์ในสองมุมมองคือมุมมองของฝ่ายรุก (เกษตรกร) และฝ่าย
ป้องกัน (พ่อค้าคนกลาง) ดังต่อไปนี้
มุมมองของฝ่ายรุก (เกษตรกร)
ในกรณีนี้เกษตรกรจะเลือกใช้กลยุทธ์แบบ Maximin กล่าวคือเขาจะเลือกโดยพิจารณา
ว่าถ้าเขาเลือกกลยุทธ์ใดแล้วอีกฝ่ายจะตอบโต้ดว้ ยการเลือกกลยุทธ์ทที่ �ำ ให้เขาได้ผลตอบแทนตาํ่ สุด
ในทุกๆ ทางเลือก เขาจะทำ�เช่นนี้ไปจนครบทุกกลยุทธ์ที่เขามี แล้วสุดท้ายเขาจะเลือกผลตอบแทน
ที่มากที่สุดในบรรดาผลตอบแทนที่น้อยที่สุด อย่างในกรณีนี้ ถ้าเกษตรกรเลือกใช้กลยุทธ์ที่ 1
พ่อค้าคนกลาง จะตอบโต้ด้วยกลยุทธ์ B เนื่องจากเมื่อเปรียบเทียบกับกลยุทธ์อื่นๆ (คือกลยุทธ์ A
กับ C) พ่อค้าคนกลางจะเสียน้อยที่สุด โดยในกรณีนี้พ่อค้าคนกลางจะเสีย 8 ล้าน ในขณะเดียวกัน
ถ้าเกษตรกรเลือกใช้กลยุทธ์ที่ 2 พ่อค้าคนกลางจะตอบโต้ด้วยกลยุทธ์ C เนื่องจากเป็นกลยุทธ์
ที่พ่อค้าคนกลางจะเสียน้อยที่สุดคือ 10 ล้านบาท และท้ายสุดถ้าเกษตรกรเลือกใช้กลยุทธ์ที่ 3
พ่อค้าคนกลางก็จะเลือกด้วยกลยุทธ์ C ซึง่ จะทำ�ให้เขาเสียเงินน้อยทีส่ ดุ ที่ 9 ล้านบาท ดังนัน้ เกษตรกร
จึงนำ�เอาทางเลือกทั้ง 3 ทางเลือกมาสรุปได้ดังตารางที่ 9-1 ดังต่อไปนี้
ตารางที่ 9-1 ผลลัพธ์ทเี่ กษตรกรจะได้ในแต่ละกลยุทธ์ทเี่ ลือกในกรณีศกึ ษาพ่อค้าคนกลางรับซือ้ ข้าว

จากเกษตรกร
กลยุทธ์ที่พ่อค้าคนกลางจะเลือก
กลยุทธ์ที่เกษตรกรเลือก เงินที่เกษตรกรจะได้
เพื่อให้เกษตรกรได้รับเงินน้อยที่สุด
1 B 8 ล้านบาท
2 C 10 ล้านบาท
3 C 9 ล้านบาท
จากตารางที่ 9-1 จะเห็นได้อย่างชัดเจนว่าเกษตรกรจะเลือกกลยุทธ์ที่ 2 เพราะเมื่อ

เปรียบเทียบในแต่ละกรณีแล้ว เขาจะได้รับเงินสูงสุดที่ 10 ล้านบาท
มุมมองของฝ่ายป้องกัน (พ่อค้าคนกลาง)
ในกรณีนี้พ่อค้าคนกลางจะเลือกเล่นโดยใช้กลยุทธ์แบบ Minimax กล่าวคือเขาจะเลือก
โดยพิจารณาว่าถ้าเขาเลือกกลยุทธ์ใดแล้ว เกษตรกรจะตอบโต้ดว้ ยการเลือกกลยุทธ์ทที่ �ำ ให้ตวั เองได้
ผลตอบแทนสูงสุดในทุกๆ ทางเลือก (กล่าวคือพ่อค้าคนกลางจะสูญเสียสูงที่สุดในแต่ละทางเลือก)
เขาจะทำ�เช่นนี้ไปจนครบทุกกลยุทธ์ที่เขามี แล้วสุดท้ายเขาจะเลือกใช้กลยุทธ์ที่ให้ความสูญเสียที่
น้อยที่สุดในบรรดาความสูญเสียที่มากที่สุด อย่างในกรณีนี้ ถ้าเขาเลือกใช้กลยุทธ์ที่ A เกษตรกรจะ
ตอบโต้ด้วยกลยุทธ์ 2 เนื่องจากในทุก ๆ ทางเลือกที่เกษตรกรมี กลยุทธ์ที่ 2 จะได้ผลตอบแทนกับ
เกษตรกรมากที่สุด โดยในกรณีนี้พ่อค้าคนกลางจะเสียเงินเท่ากับ 14 ล้านบาท ถ้าพ่อค้าคนกลาง
เลือกใช้กลยุทธ์ที่ B ด้วยเหตุผลเดียวกันเกษตรกรจะเลือกกลยุทธ์ที่ 3 โดยในกรณีนี้พ่อค้าคนกลาง
จะเสียเงินเท่ากับ 12 ล้านบาท ถ้าพ่อค้าคนกลางเลือกใช้กลยุทธ์ที่ C เกษตรกรก็จะเลือกกลยุทธ์ที่
2 โดยในกรณีนี้พ่อค้าคนกลางจะเสียเงินเท่ากับ 10 ล้านบาท ดังนั้นพ่อค้าคนกลางจึงนำ�เอาทาง
เลือกทั้ง 3 ทางเลือกมาสรุปได้ดังตารางที่ 9-2 ดังต่อไปนี้
ตารางที่ 9-2 ผลลัพธ์ที่พ่อค้าคนกลางจะเสียในแต่ละกลยุทธ์ที่เลือกในกรณีศึกษาพ่อค้าคนกลาง

รับซื้อข้าวจากเกษตรกร
กลยุทธ์ที่พ่อค้า กลยุทธ์ที่เกษตรกรจะเลือกเพื่อให้ เงินที่พ่อค้าคนกลางจะ

คนกลางเลือก พ่อค้าคนกลางจ่ายเงินมากที่สุด ต้องจ่าย
A 2 14 ล้านบาท
B 3 12 ล้านบาท
C 2 10 ล้านบาท
จากตารางที่ 9-2 จะเห็นได้อย่างชัดเจนว่าพ่อค้าคนกลางจะเลือกกลยุทธ์ C เพราะ

เมื่อเปรียบเทียบในแต่ละกรณีแล้ว เขาจะจ่ายเงินน้อยที่สุดที่ 10 ล้านบาท
ในกรณีนี้จึงสรุปได้ว่าเกษตรกรจะเลือกกลยุทธ์ที่ 2 และพ่อค้าคนกลางจะเลือกกลยุทธ์
C ซึ่งเป็นสิ่งที่ยอมรับกันทั้งสองฝ่ายว่าเกษตรกรจะได้เงิน 10 ล้านบาทและพ่อค้าคนกลางจะ
จ่ า ยเงิ น 10 ล้ า นบาท โดยไม่ ว่ า จะเริ่ ม ต้ น การต่ อ รองอย่ า งไรก็ ต าม ผลก็ จ ะได้ เ หมื อ นเดิ ม
ทุกประการ ยกตัวอย่างเช่นหากเกษตรกรเลือกใช้กลยุทธ์ที่ 1 พ่อค้าคนกลางก็จะตอบโต้ด้วย
กลยุทธ์ B (เพราะทำ�ให้เขาจ่ายเงินน้อยที่สุด) และเมื่อเกษตรกรทราบว่าพ่อค้าคนกลางเลือก
กลยุทธ์ B เขาก็จะเลือกตอบโต้ด้วยกลยุทธ์ที่ 3 (เพราะจะทำ�ให้เขาได้เงินมากที่สุด) เมื่อทราบว่า
เกษตรกรเลือกกลยุทธ์ที่ 3 พ่อค้าคนกลางก็จะเลือกกลยุทธ์ C (เพราะทำ�ให้เขาจ่ายเงินน้อยที่สุด)
และเมื่อเกษตรกรทราบว่าพ่อค้าคนกลางเลือกกลยุทธ์ C เกษตรกรก็จะเลือกกลยุทธ์ที่ 2 (เพราะ
จะทำ�ให้เขาได้เงินมากทีส่ ดุ ) ในกรณีนเี้ มือ่ พ่อค้าคนกลางทราบว่าเกษตรกรจะเลือกกลยุทธ์ที่ 2 เขา
ก็ยังจะคงเลือกกลยุทธ์ C อยู่เหมือนเดิม เพราะไม่มีกลยุทธ์ใดที่ดีกว่ากลยุทธ์ C ในกรณีนี้อีกแล้ว
จะเห็นได้ว่าในที่สุดทั้งเกษตรกรกับพ่อค้าคนกลางก็จะสามารถตกลงกันได้ โดยเกษตรกรจะเลือก
กลยุทธ์ที่ 2 และพ่อค้าคนกลางเลือกกลยุทธ์ C ซึ่งหมายความว่าทั้งสองฝ่ายตกลงราคากันได้ที่
10 ล้านบาท ซึ่งถือว่าเป็นดุลยภาพของเกม ดังสามารถแสดงได้ในรูปที่ 9-3 ดังต่อไปนี้
A B C
1 9.5 8 8.5
เกษตรกร 2 14 10.5 10
3 10 12 9
รูปที่ 9-3 จุดดุลยภาพ ในกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
ในบางครั้งเราสามารถที่จะลดรูป Payoff Matrix ให้เล็กลงได้เพื่อทำ�ให้การหาดุลยภาพ

ง่ายขึ้น โดยการตัดกลยุทธ์ที่ถูกข่ม (Dominated Strategies) ออกไป เนื่องจากจะเป็นกลยุทธ์ที่
ไม่มีทางที่จะถูกเลือก โดยกลยุทธ์ใดกลยุทธ์หนึ่งจะถูกข่ม (Dominated) โดยกลยุทธ์อื่น ๆ เมื่อ
กลยุทธ์นั้นให้ผลลัพธ์ที่แย่กว่ากลยุทธ์อื่น ๆ ในทุกกรณี
จากกรณีศึกษาตัวอย่าง จะเห็นว่ากลยุทธ์ที่ 1 ของเกษตรกรเป็นกลยุทธ์ที่ถูกข่มโดย
กลยุทธ์ที่ 2 กล่าวคือไม่ว่าพ่อค้าคนกลางจะใช้กลยุทธ์ใด ๆ ก็ตาม กลยุทธ์ที่ 1 จะให้ผลตอบแทน
ที่ตํ่ากว่ากลยุทธ์ที่ 2 เสมอ (9.5 < 14, 8 < 10.5 และ 8.5 < 9) ดังนั้นในกรณีนี้จึงสามารถ
ตัดกลยุทธ์ที่ 1 ออกจากการพิจารณาได้ ในขณะเดียวกันกลยุทธ์ A ของพ่อค้าคนกลางเป็น
กลยุทธ์ที่ถูกข่มโดยกลยุทธ์ C กล่าวคือไม่ว่าเกษตรกรจะใช้กลยุทธ์ใด ๆ ก็ตาม กลยุทธ์ A จะให้
ความสูญเสียที่มากกว่ากลยุทธ์ C เสมอ (9.5 > 8.5, 14 > 10 และ 10 > 9) ดังนั้นจึงสามารถ
ตัดกลยุทธ์ A ออกจากการพิจารณาได้ ทำ�ให้ Payoff Matrix ลดขนาดลงเหลือเพียง 2 × 2 ซึ่ง
ทำ�ให้สามารถหาดุลยภาพของเกมได้ง่ายขึ้น ดังแสดงในรูปที่ 9-4 หน้าถัดไปนี้
B C
2 10.5 10
เกษตรกร
3 12 9
รูปที่ 9-4 ลักษณะของ Payoff Matrix หลังจากตัดกลยุทธ์ทถี่ กู ข่มออกไปแล้วในกรณีศกึ ษาพ่อค้า

คนกลางรับซื้อข้าวจากเกษตรกร
การหาดุลยภาพของเกมลักษณะ Mixed Strategies

ทฤษฎีเกมแบบ Mixed strategies ในทีน่ จี้ ะประกอบไปด้วยผูเ้ ล่น 2 ฝ่ายคือฝ่ายรุกและ
ฝ่ายป้องกันเหมือนกับในกรณีของ Pure Strategies แต่จะแตกต่างกับแบบ Pure Strategies คือ
Mixed Strategies นัน้ จะไม่สามารถหาจุดดุลยภาพของเกมได้ในแบบเดียวกันกับ Pure Strategies
ซึ่งหมายความว่า ทั้งฝ่ายรุก (อยากได้มาก) และฝ่ายป้องกัน (อยากเสียน้อย) ไม่สามารถตกลงกัน
ได้จาก Payoff ที่แสดงใน Payoff Matrix
จากกรณีศกึ ษาก่อนหน้านี้ สมมุตวิ า่ Payoff Matrix เปลีย่ นแปลงไปดังแสดงในรูปที่ 9-5
A B C
1 10.5 13 8
เกษตรกร 2 8 9.5 7.5
3 7 10 11
รูปที่ 9-5 ลักษณะของ Payoff Matrix ในกรณีของ Mixed Strategies ในกรณีศึกษาพ่อค้า

คนกลางรับซื้อข้าวจากเกษตรกร
สิ่งแรกที่สังเกตเห็นจากตาราง Payoff คือในมุมมองของเกษตรกรกลยุทธ์ที่ 2 จะถูก

ข่มด้วยกลยุทธ์ 1 เนื่องจากกลยุทธ์ที่ 1 นั้นให้ผลตอบแทนดีกว่ากลยุทธ์ที่ 2 ในทุกกรณี ดังนั้นจึง
สามารถตัดกลยุทธ์ที่ 2 ออกจากการพิจารณาได้ และในมุมมองของพ่อค้าคนกลางนั้น กลยุทธ์ B
จะถูกข่มโดยกลยุทธ์ A เนื่องจากกลยุทธ์ B จะทำ�ให้พ่อค้าคนกลางต้องจ่ายเงินมากกว่ากลยุทธ์ A
ในทุกกรณี ดังนั้นจึงสามารถตัดกลยุทธ์ B ออกจากการพิจารณาได้เช่นเดียวกัน ดังนั้น Payoff
Matrix ในกรณีดังกล่าวจะเหลือเพียงแค่ดังแสดงในรูปที่ 9-6 ดังต่อไปนี้
A C
1 10.5 8
3 7 11
รูปที่ 9-6 ลักษณะของ Payoff Matrix ในกรณีของ Mixed Strategies ที่ตัดกลยุทธ์ที่ถูกข่ม

ออกไปแล้วในกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
จากรูปที่ 9-6 ดังกล่าวจะขอวิเคราะห์ในแต่ละมุมมอง ดังต่อไปนี้
ถ้าเกษตรกรเลือกกลยุทธ์ที่ 1 พ่อค้าคนกลางจะเลือกกลยุทธ์ C เพื่อให้เสียน้อยที่สุดคือ
8 ล้านบาท แต่ถ้าเกษตรกรเลือกกลยุทธ์ที่ 3 พ่อค้าคนกลางจะเลือกกลยุทธ์ A เพื่อให้เสียตํ่าที่สุด
คือ 7 ล้านบาท ดังนั้นในมุมมองของเกษตรกรนั้นเกษตรกรจะเลือกกลยุทธ์ที่ 1 เพราะจะได้รับเงิน
มากที่สุดในบรรดาของทางเลือกคือเท่ากับ 8 ล้านบาท (ใช้วิธี Maximin)
ในกรณีของพ่อค้าคนกลาง ถ้าเขาเลือกกลยุทธ์ A เกษตรกรจะเลือกกลยุทธ์ที่ 1 เพื่อให้
ได้เงินมากที่สุดคือ 10.5 ล้านบาท แต่ถ้าพ่อค้าคนกลางเลือกกลยุทธ์ C เกษตรกรจะเลือกกลยุทธ์ที่
3 เพื่อให้ได้เงินมากที่สุดคือ 11 ล้านบาท ดังนั้นในมุมมองของพ่อค้าคนกลางนั้น พ่อค้าคนกลางจะ
ต้องเลือกกลยุทธ์ A เพื่อให้เสียเงินน้อยที่สุดเท่ากับ 10.5 ล้านบาท (ใช้วิธี Minimax)
จะสังเกตเห็นว่าจุดที่แต่ละคนพึงพอใจนั้นแตกต่างกัน (ไม่มีจุดดุลยภาพในเกมนี้)
เนื่องจากจำ�นวนเงินที่แต่ละฝ่ายพึงพอใจนั้นแตกต่างกัน และสิ่งที่เป็นที่น่าสังเกตคือถึงแม้ว่า
เกษตรกรจะพอใจที่จะรับเงินที่ 8 ล้านบาท ในขณะที่พ่อค้าคนกลางยินดีที่จะจ่ายเงินที่ 10.5
ล้านบาท แต่ตา่ งฝ่ายต่างต้องการให้ตวั เองได้รบั ผลประโยชน์มากทีส่ ดุ สมมุตวิ า่ พ่อค้าคนกลางทราบ
ว่าเกษตรกรจะเลือกกลยุทธ์ที่ 1 จึงทำ�ให้พ่อค้าคนกลางจะเปลี่ยนจากกลยุทธ์ A มาเป็นกลยุทธ์
C ซึ่งเขาจะจ่ายเงินเพียง 8 ล้านบาท แต่เมื่อเกษตรกรทราบว่าพ่อค้าคนกลางจะเปลี่ยนไปเลือก
แผน C เกษตรกรก็จะปรับไปเลือกแผนที่ 3 แทนเพราะเขาจะได้รับเงินเพิ่มขึ้นเป็น 11 ล้านบาท
แต่เมื่อพ่อค้าคนกลางทราบว่าเกษตรกรเปลี่ยนไปเลือกแผนที่ 3 เขาก็จะเปลี่ยนเป็นกลยุทธ์ A
อีกครั้ง ซึ่งทำ�ให้เกษตรกรก็ปรับเป็นกลยุทธ์ที่ 1 อีกเช่นกัน จะเห็นว่าการปรับเปลี่ยนนี้จะมีต่อไป
ไม่สิ้นสุด อันเป็นการยืนยันว่าในเกมนี้ไม่มีจุดดุลยภาพเกิดขึ้นเหมือนกับตัวอย่างก่อนหน้านี้ เราจึง
เรียกเกมนี้ว่าเป็น Mixed Strategies
วิธีแก้ปัญหาความขัดแย้งของเกมแบบ Mixed Strategies นี้คือการใช้แนวคิดค่า
คาดหวังของการได้และเสียในเกม โดยเปรียบเสมือนว่าหากมีการตัดสินใจในลักษณะนี้ซํ้าแล้ว
ซํ้าเล่า เกษตรกรจะมีความน่าจะเป็นที่จะเลือกกลยุทธ์ที่ 1 หรือ 3 เท่าไร ในทำ�นองเดียวกัน
พ่อค้าคนกลางจะมีความน่าจะเป็นที่จะเลือกกลยุทธ์ A หรือ C เท่าไร โดยที่ไม่ต้องสนใจถึง
การตัดสินใจเลือกกลยุทธ์ของฝ่ายตรงข้าม ซึ่งการวิเคราะห์สามารถแบ่งออกได้เป็น 2 มุมมอง
สมมุติให้มีความน่าจะเป็นเท่ากับ p ที่เกษตรกรจะเลือกกลยุทธ์ที่ 1 เพราะฉะนั้นก็จะมี
ความน่าจะเป็น 1-p ที่เกษตรกรจะเลือกกลยุทธ์ที่ 3 (เพราะมีเพียงแค่ 2 กลยุทธ์ให้เลือก)
ในกรณีที่พ่อค้าคนกลางเลือกกลยุทธ์ A ค่าคาดหวัง (ค่าเฉลี่ยถ่วงนํ้าหนักตามความ
น่าจะเป็น) ของผลตอบแทนที่เกษตรกรจะได้จะมีค่าเท่ากับ p(10.5) + (1-p)(7) แต่หากพ่อค้า
คนกลางเลือกกลยุทธ์ C ค่าคาดหวัง (ค่าเฉลี่ยถ่วงนํ้าหนักตามความน่าจะเป็น) ของผลตอบแทน
ที่เกษตรกรจะได้จะมีค่าเท่ากับ p(8) + (1-p)(11)
อย่างไรก็ตามหากไม่ตอ้ งการให้การตัดสินใจเลือกของพ่อค้าคนกลางมีผลในการตัดสินใจ
เราสามารถนำ�ค่าคาดหวังของทั้งสองกรณี (กรณีที่พ่อค้าคนกลางเลือกกลยุทธ์ A กับกรณีที่พ่อค้า
คนกลางเลือกกลยุทธ์ C) มาเท่ากันจะได้สมการดังต่อไปนี้
p(10.5) + (1-p)(7) = p(8) + (1-p)(11)
เมื่อแก้สมการจะได้ค่า p เท่ากับ 0.6154 หรือแปลความหมายได้ว่าเพื่อทำ �ให้ผล

ตอบแทนทีเ่ กษตรกรจะได้เท่ากันโดยไม่ตอ้ งสนใจว่าพ่อค้าคนกลางจะเลือกใช้กลยุทธ์ใด จะต้องตัง้ ค่า
ความน่าจะเป็นในการเลือกกลยุทธ์ที่ 1 เท่ากับ 0.6154 ซึง่ หมายความว่าความน่าจะเป็นในกลยุทธ์ที่
3 เท่ากับ 1 – 0.6154 = 0.3846 นัน่ เอง ซึง่ การตัง้ ค่ากลยุทธ์นจี้ ะทำ�ให้เกษตรกรได้รบั ผลตอบแทน
(Payoff) เท่ากับ 0.6154 x 10.5 + (1 - 0.6154) × 7 = 0.6154 × 8 + (1 – 0.6154) × 11
= 9.1538 ล้านบาทนั่นเอง
สมมุตใิ ห้มคี วามน่าจะเป็นเท่ากับ p ทีพ่ อ่ ค้าคนกลางจะเลือกกลยุทธ์ที่ A เพราะฉะนัน้ ก็
จะมีความน่าจะเป็น 1-p ทีพ่ อ่ ค้าคนกลางจะเลือกกลยุทธ์ที่ C (เพราะมีเพียงแค่ 2 กลยุทธ์ให้เลือก)
ในกรณีที่เกษตรกรเลือกกลยุทธ์ที่ 1 ค่าคาดหวัง (ค่าเฉลี่ยถ่วงนํ้าหนักตามความ
น่าจะเป็น) ของผลตอบแทนที่พ่อค้าคนกลางจะเสียจะมีค่าเท่ากับ p(10.5) + (1-p)(8) แต่หาก
เกษตรกรเลือกกลยุทธ์ที่ 3 ค่าคาดหวัง (ค่าเฉลี่ยถ่วงนํ้าหนักตามความน่าจะเป็น) ของผลตอบแทน
ที่พ่อค้าคนกลางจะเสียจะมีค่าเท่ากับ p(7) + (1-p)(11)
อย่างไรก็ตามหากไม่ต้องการให้การตัดสินใจเลือกของเกษตรกรมีผลในการตัดสินใจ
เราสามารถนำ�ค่าคาดหวังของทั้งสองกรณี (กรณีที่เกษตรกรเลือกกลยุทธ์ที่ 1 กับกรณีที่เกษตรกร
เลือกกลยุทธ์ที่ 3) มาเท่ากันจะได้สมการดังต่อไปนี้
p(10.5) + (1-p)(8) = p(7) + (1-p)(11)
เมื่อแก้สมการจะได้ค่า p เท่ากับ 0.4615 หรือแปลความหมายได้ว่าเพื่อทำ �ให้ผล

ตอบแทนที่พ่อค้าคนกลางจะเสียเท่ากันโดยไม่ต้องสนใจว่าเกษตรกรจะเลือกใช้กลยุทธ์ใด จะต้อง
ตั้งค่าความน่าจะเป็นในการเลือกกลยุทธ์ A เท่ากับ 0.4615 ซึ่งหมายความว่าความน่าจะเป็นใน
กลยุทธ์ C เท่ากับ 1 – 0.4615 = 0.5385 นั่นเอง ซึ่งการตั้งค่ากลยุทธ์นี้จะทำ�ให้พ่อค้าคนกลาง
เสียผลตอบแทน (Payoff) เท่ากับ 0.4615 × 10.5 + (1 - 0.4615) × 8 = 0.4615 x 7 +
(1 – 0.4615) x 11 = 9.1538 ล้านบาทนั่นเอง
จะเห็นได้ว่าในทั้งสองมุมมองค่า Payoff สุดท้ายที่ตกลงกันได้และถือว่าเป็นมูลค่าของ
เกมนี้ (Value of the Game) คือค่า 9.1538 ล้านบาทนั่นเอง
การหาดุลยภาพของเกมโดยการใช้แผนภาพ
วิธีการใช้แผนภาพเพื่อหาดุลยภาพของเกมเป็นวิธีการหาคำ�ตอบสำ�หรับการที่ฝ่ายใด
ฝ่ายหนึ่งจะมีเพียง 2 ทางเลือก (ถ้าหากมีมากกว่านั้นจะทำ�ให้การวาดแผนภาพทำ�ได้ยากขึ้น
จึงไม่เป็นทีน่ ยิ มใช้) จากรูปที่ 9-6 สามารถนำ�มาวาดในแผนภาพในมุมมองของเกษตรกรได้ดงั แสดง
กลยุทธ 1 กลยุทธ 3
11
10.5 กลาง เลือก C
น
พอคาค
9.1538 พอคาคน
กลาง เล
ือก A
8
7
0
1 .8 .6154 .6 .4 .2 0
P (เลือกกลยุทธที่ 1)
รูปที่ 9-7 แผนภาพแสดงทางเลือกในมุมมองของเกษตรกรในกรณีของ Mixed Strategies ที่ตัด
กลยุทธ์ที่ถูกข่มออกไปแล้วในกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
จากรูปที่ 9-7 แกนนอนคือความน่าจะเป็นที่เกษตรกรจะเลือกกลยุทธ์ที่ 1 หากความ

น่าจะเป็นนี้เท่ากับ 0 (ทางด้านขวามือ) ก็แสดงว่าเกษตรกรจะเลือกกลยุทธ์ที่ 3 อย่างแน่นอน
(เพราะมีแค่ 2 กลยุทธ์ให้เลือก) ในขณะที่หากค่านี้มีค่าเท่ากับ 1 (ทางด้านซ้ายมือ) ก็แสดงว่า
เกษตรกรจะเลือกกลยุทธ์ที่ 1 อย่างแน่นอน สำ�หรับแกนตั้งนั้นคือค่าของ Payoff ที่จะเกิดขึ้น
สำ�หรับเส้นทั้งสองเส้นในแผนภาพนั้นแสดงทางเลือกของพ่อค้าคนกลาง จะสังเกต
เห็นว่าพ่อค้าคนกลางจะเลือกเส้นที่ให้ค่าตํ่าที่สุดเสมอ ยกตัวอย่างเช่นหากเกษตรกรเลือกกลยุทธ์
ที่ 1 (ความน่าจะเป็นของการเลือกกลยุทธ์ที่ 1 เท่ากับ 1) พ่อค้าคนกลางจะเลือกกลยุทธ์ C
เนื่องจากจะมี Payoff ตํ่ากว่ากลยุทธ์ A (สังเกตได้จากรูปที่ 9-7) และหากเกษตรกรลดความ
น่าจะเป็นในการเลือกกลยุทธ์ที่ 1 จาก 1 ตํ่าลงมาเรื่อยๆ ก็ยังพบว่าการเลือกกลยุทธ์ C ของพ่อค้า
คนกลางก็ยังทำ�ให้ Payoff ตํ่ากว่ากลยุทธ์ A เสมอ จนกระทั่งถึงจุดที่ความน่าจะเป็นในการเลือก
กลยุทธ์ที่ 1 ของเกษตรกรมีค่าเท่ากับ 0.6154 ซึ่งทำ�ให้การเลือกกลยุทธ์ A กับ C ให้ Payoff
ที่เท่ากัน และหลังจากจุดนี้เป็นต้นไปพ่อค้าคนกลางก็จะเลือกกลยุทธ์ A เนื่องจากให้ค่า Payoff
ตํ่ากว่ากลยุทธ์ C นอกจากนี้เป็นที่น่าสังเกตว่าจุดที่กลยุทธ์ A กับกลยุทธ์ C ให้ค่า Payoff เท่า
เทียมกันนั้น (จุดที่ความน่าจะเป็นในการเลือกกลยุทธ์ที่ 1 มีค่าเท่ากับ 0.6154) จะให้ค่า Payoff
สูงสุดสำ�หรับเกษตรกรคือที่ 9.1538 ล้านบาทนั่นเอง
สำ�หรับในมุมมองของพ่อค้าคนกลางนัน้ สามารถแสดงแผนภาพได้ดงั รูปที่ 9-8 ดังต่อไปนี้
กลยุทธ A กลยุทธ C 11
10.5
9.1538 เกษตรกร เล
3 ือก 1
ร เลือก
เกษตรก 8
7
0
1 .8 .6 .4615 .4 .2 0
P (เลือกกลยุทธ A)
รูปที่ 9-8 แผนภาพแสดงทางเลือกในมุมมองของพ่อค้าคนกลางในกรณีของ Mixed Strategies
ที่ตัดกลยุทธ์ที่ถูกข่มออกไปแล้วในกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
จากรู ป ที่ 9-8 แกนนอนคื อ ความน่ า จะเป็ น ที่ พ่ อ ค้ า คนกลางจะเลื อ กกลยุ ท ธ์ A
หากความน่ า จะเป็ น นี้ เ ท่ า กั บ 0 (ทางด้ า นขวามื อ ) ก็ แ สดงว่ า เกษตรกรจะเลื อ กกลยุ ท ธ์ C
อย่างแน่นอน (เพราะมีแค่ 2 กลยุทธ์ให้เลือก) ในขณะที่หากค่านี้มีค่าเท่ากับ 1 (ทางด้านซ้ายมือ)
ก็แสดงว่าเกษตรกรจะเลือกกลยุทธ์ A อย่างแน่นอน สำ�หรับแกนตั้งนั้นคือค่าของ Payoff
ที่จะเกิดขึ้น
สำ�หรับเส้นทั้งสองเส้นในแผนภาพนั้นจะแสดงทางเลือกของเกษตรกร จะสังเกต
เห็นว่าเกษตรกรจะเลือกเส้นที่ให้ค่าสูงที่สุดเสมอ ยกตัวอย่างเช่นหากพ่อค้าคนกลางเลือกกลยุทธ์
A (ความน่าจะเป็นของการเลือกกลยุทธ์ A เท่ากับ 1) เกษตรกรจะเลือกกลยุทธ์ที่ 1 เนื่องจาก
จะมี Payoff สูงกว่ากลยุทธ์ที่ 3 (สังเกตได้จากรูปที่ 9-8) และหากพ่อค้าคนกลางลดความน่าจะ
เป็นในการเลือกกลยุทธ์ A จาก 1 ตํ่าลงมาเรื่อย ๆ ก็ยังพบว่าการเลือกกลยุทธ์ที่ 1 ของเกษตรกรก็
ยังทำ�ให้ Payoff สูงกว่ากลยุทธ์ที่ 3 เสมอ จนกระทั่งถึงจุดที่ความน่าจะเป็นในการเลือกกลยุทธ์ A
ของพ่อค้าคนกลางมีค่าเท่ากับ 0.4615 ซึ่งทำ�ให้การเลือกกลยุทธ์ที่ 1 กับ 3 ให้ Payoff ที่เท่ากัน
และหลังจากจุดนี้เป็นต้นไปเกษตรกรก็จะเลือกกลยุทธ์ที่ 3 เนื่องจากให้ค่า Payoff สูงกว่ากลยุทธ์
ที่ 1 นอกจากนี้เป็นที่น่าสังเกตว่าจุดที่กลยุทธ์ 1 กับกลยุทธ์ 3 ให้ค่า Payoff เท่าเทียมกันนั้น
(จุดทีค่ วามน่าจะเป็นในการเลือกกลยุทธ์ที่ A มีคา่ เท่ากับ 0.4615) จะให้คา่ Payoff ตํา่ ทีส่ ดุ สำ�หรับ
พ่อค้าคนกลางคือที่ 9.1538 ล้านบาทนั่นเอง
จะเห็นว่าไม่ว่าจะเป็นการวิเคราะห์ในมุมมองของเกษตรกรหรือพ่อค้าคนกลาง ก็จะให้
ค่าของจุดดุลยภาพของเกมเท่ากัน (มี Value of the Game เท่ากัน) ที่ 9.1538 ล้านบาท
วิธีการใช้แผนภาพนี้ยังสามารถนำ�มาใช้ได้ในกรณีที่ผู้เล่นฝ่ายใดฝ่ายหนึ่งมี 2 กลยุทธ์
โดยที่ผู้เล่นอีกฝ่ายจะมีกี่กลยุทธ์ก็ได้ ดังแสดงตัวอย่างในรูปที่ 9-9 หน้าถัดไปนี้
กลยุทธ 1 กลยุทธ 2
กลยุทธ A
C
กลยุทธ กลยุทธ D
กลยุทธ
B
กำไรสูงสุด
0
1 .8 .6 .4 .2 0
P (เลือกกลยุทธที่ 1)
รูปที่ 9-9 แผนภาพแสดงทางเลือกในกรณีของ Mixed Strategies ที่ผู้เล่นฝ่ายหนึ่งมี 2 กลยุทธ์

ในขณะที่ผู้เล่นอีกฝ่ายหนึ่งมีหลายกลยุทธ์
การหาดุลยภาพของเกมโดยการใช้โปรแกรมเชิงเส้น
ในกรณีศึกษาหากผู้เล่นทั้ง 2 ฝ่ายมีกลยุทธ์ให้เลือกมากกว่า 2 กลยุทธ์ การแก้ปัญหา
โดยใช้แผนภาพจะมีความซับซ้อนมากขึ้น ดังนั้นจึงมีวิธีที่ช่วยในการวิเคราะห์ปัญหาที่มีความ
ซับซ้อนมากขึ้นนี้สามารถทำ�ได้โดยการใช้โปรแกรมเชิงเส้น (Linear Programming) โดยมี
จากกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร มีตาราง Payoff ดังแสดงใน
รูปที่ 9-10 หน้าถัดไปนี้
A C
1 10.5 8
3 7 11
รูปที่ 9-10 ลักษณะของ Payoff Matrix ในกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
จากตาราง Payoff ตามรูปที่ 9-10 เนื่องจากมีลักษณะของ Mixed Strategies
ตามที่ได้อธิบายแล้วข้างต้น หากพิจารณาในมุมมองของเกษตรกร โดยกำ�หนดให้ p 1 คือ
ความน่าจะเป็นในการเลือกกลยุทธ์ที่ 1 p2 คือความน่าจะเป็นในการเลือกกลยุทธ์ในการเลือก
กลยุทธ์ที่ 3 และให้ V คือ Value of the Game หรือ Payoff สุดท้ายที่ตกลงกันได้ เนื่องจาก
ตัวแปรทั้ง 3 ตัวแปรนี้เป็นตัวแปรที่เราต้องการคำ�ตอบ เราจึงตั้งให้เป็นตัวแปรที่ต้องตัดสินใจ
(Decision Variables) สำ�หรับโปรแกรมเชิงเส้น
สำ�หรับวัตถุประสงค์ในการตัดสินใจสำ�หรับมุมมองของเกษตรกรนั้น คือความพยายาม
ที่จะทำ�ให้ Payoff (Value of the Game) สูงที่สุดเท่าที่จะทำ�ได้
สำ�หรับข้อจำ�กัดนั้น ในกรณีที่พ่อค้าคนกลางเลือกกลยุทธ์ A ค่าคาดหวัง (ค่าเฉลี่ยถ่วง
นํ้าหนักตามความน่าจะเป็น) ของผลตอบแทนที่เกษตรกรจะได้จะมีค่าเท่ากับ 10.5p1 + 7p2
แต่หากพ่อค้าคนกลางเลือกกลยุทธ์ C ค่าคาดหวัง (ค่าเฉลี่ยถ่วงนํ้าหนักตามความน่าจะเป็น)
ของผลตอบแทนที่เกษตรกรจะได้จะมีค่าเท่ากับ 8p1 + 11p2 โดยสิ่งที่เกษตรกรต้องการคือ
ทำ�ให้ค่าของ 10.5p1 + 7p2 หรือ 8p1 + 11p2 มีค่ามากที่สุดเท่าที่จะมากได้ โดยจะบังคับให้
ทั้ง 10.5p1 + 7p2 หรือ 8p1 + 11p2 มีค่ามากกว่าหรือเท่ากับ V คือ Value of the Game
(หรือค่าตอบแทนที่เกษตรกรจะได้) โดยทั้ง p1 p2 และ V คือค่าตัวแปรที่ต้องตัดสินใจที่สามารถ
เปลี่ยนค่าได้ นอกจากนี้ยังต้องบังคับให้ p1 + p2 มีค่าเท่ากับ 1 เนื่องจากมีเพียง 2 กลยุทธ์เท่านั้น
และค่าความน่าจะเป็นจะต้องมีค่ามากกว่าหรือเท่ากับ 0 เสมอ
จากวัตถุประสงค์และข้อจำ�กัดดังกล่าว สามารถนำ�มาเขียนเป็นโปรแกรมเชิงเส้นได้
ตัวแปรตัดสินใจ
• p1 คือความน่าจะเป็นในการเลือกกลยุทธ์ที่ 1
• p2 คือความน่าจะเป็นในการเลือกกลยุทธ์ที่ 3
• V คือ Value of the Game หรือ Payoff สุดท้ายที่ตกลงกันได้
วัตถุประสงค์ MAX: V (Value of the Game หรือ Payoff ที่เกษตรกรจะได้)
• 10.5p1 + 7p2 ≥ V
• 8p1 + 11p2 ≥ V
• p1 + p2 =1
• p1 และ p2 ≥ 0
เมื่อนำ�เอาปัญหาดังกล่าวไปสร้างแบบจำ�ลองใน Excel และ Run Solver จะได้ผล

รูปที่ 9-11 ผลจากการ Run Solver สำ�หรับการหาดุลยภาพของเกมโดยการใช้โปรแกรมเชิงเส้นใน

มุมมองของเกษตรกรในกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
ซึ่งจะเห็นได้ว่าได้ผลลัพธ์เท่ากันกับที่ได้แสดงในตัวอย่างก่อนหน้านี้ทุกประการ
จากตาราง Payoff ตามรูปที่ 9-10 เนื่องจากมีลักษณะของ Mixed Strategies
ตามที่ได้อธิบายแล้วข้างต้น หากพิจารณาในมุมมองของพ่อค้าคนกลาง โดยกำ�หนดให้ p1 คือ
ความน่าจะเป็นในการเลือกกลยุทธ์ A p2 คือความน่าจะเป็นในการเลือกกลยุทธ์ C และให้ V
คือ Value of the Game หรือ Payoff สุดท้ายที่ตกลงกันได้ เนื่องจากตัวแปรทั้ง 3 ตัวแปรนี้
เป็นตัวแปรทีเ่ ราต้องการคำ�ตอบ เราจึงกำ�หนดให้เป็นตัวแปรทีต่ อ้ งตัดสินใจ (Decision Variables)
สำ�หรับโปรแกรมเชิงเส้น
วัตถุประสงค์ในการตัดสินใจสำ�หรับมุมมองของพ่อค้าคนกลางนั้น คือความพยายามที่
จะทำ�ให้ Payoff (Value of the Game) ตํ่าที่สุดเท่าที่จะทำ�ได้
สำ�หรับข้อจำ�กัดนั้น ในกรณีที่เกษตรกรเลือกกลยุทธ์ที่ 1 ค่าคาดหวัง (ค่าเฉลี่ยถ่วง
นํ้าหนักตามความน่าจะเป็น) ของผลตอบแทนที่พ่อค้าคนกลางจะต้องเสียจะมีค่าเท่ากับ 10.5p1
+ 8p2 แต่หากเกษตรกรเลือกกลยุทธ์ที่ 3 ค่าคาดหวัง (ค่าเฉลี่ยถ่วงนํ้าหนักตามความน่าจะเป็น)
ของผลตอบแทนทีพ่ อ่ ค้าคนกลางจะเสียจะมีคา่ เท่ากับ 7p1 + 11p2 โดยสิง่ ทีพ่ อ่ ค้าคนกลางต้องการ
คือทำ�ให้ค่าของ 10.5p1 + 8p2 หรือ 7p1 + 11p2 มีค่าน้อยที่สุดเท่าที่จะน้อยได้ โดยจะบังคับให้
ทั้ง 10.5p1 + 8p2 หรือ 7p1 + 11p2 มีค่าน้อยกว่าหรือเท่ากับ V คือ Value of the Game
(หรือค่าตอบแทนที่พ่อค้าคนกลางจะเสีย) โดยทั้ง p1 p2 และ V คือค่าตัวแปรที่ต้องตัดสินใจที่
สามารถเปลี่ยนค่าได้ นอกจากนี้ยังต้องบังคับให้ p1 + p2 มีค่าเท่ากับ 1 เนื่องจากมีเพียง 2 กลยุทธ์
เท่านั้น และค่าความน่าจะเป็นจะต้องมีค่ามากกว่าหรือเท่ากับ 0 เสมอ
จากวัตถุประสงค์และข้อจำ�กัดดังกล่าว สามารถนำ�มาเขียนเป็นโปรแกรมเชิงเส้นได้
ตัวแปรตัดสินใจ
• p1 คือความน่าจะเป็นในการเลือกกลยุทธ์ A
• p2 คือความน่าจะเป็นในการเลือกกลยุทธ์ C
• V คือ Value of the Game หรือ Payoff สุดท้ายที่ตกลงกันได้
วัตถุประสงค์ MIN: V (Value of the Game หรือ Payoff ที่พ่อค้าคนกลางจะเสีย)
• 10.5p1 + 8p2 ≤ V
• 7p1 + 11p2 ≤ V
• p1 + p2 =1
• p1 และ p2 ≥ 0
เมื่อนำ�เอาปัญหาดังกล่าวไปสร้างแบบจำ�ลองใน Excel และ Run Solver จะได้ผล
รูปที่ 9-12 ผลจากการ Run Solver สำ�หรับการหาดุลยภาพของเกมโดยการใช้โปรแกรมเชิงเส้นใน

มุมมองของพ่อค้าคนกลางในกรณีศึกษาพ่อค้าคนกลางรับซื้อข้าวจากเกษตรกร
ซึ่งจะเห็นได้ว่าได้ผลลัพธ์เท่ากันกับที่ได้แสดงในตัวอย่างก่อนหน้านี้ทุกประการ
การใช้โปรแกรมเชิงเส้นในการหาคำ�ตอบนีเ้ ป็นวิธที สี่ ามารถใช้ได้ในกรณีทมี่ กี ลยุทธ์หลาย
กลยุทธ์ซึ่งจะมีความซับซ้อนมากหากจะใช้แผนภาพในการหาคำ�ตอบ
การหาดุลยภาพของเกมโดยการใช้วิธีของ Subgames
ในบางครั้งหาก Payoff Matrix ยากและมีความซับซ้อน เราจะสามารถทำ�การแบ่ง
Payoff Matrix ของเกมออกเป็นตารางย่อย ๆ และทำ�การหา Value of the Game หรือ
จุดดุลยภาพของแต่ละเกม และนำ�มาเปรียบเทียบกันเพื่อหา Value of the Game โดยรวม
วิธีการในลักษณะนี้จะเรียกว่า Subgames เพื่อให้เห็นภาพชัดเจนยิ่งขึ้น จึงขอยกตัวอย่าง
ในการตัดสินใจครั้งหนึ่งมีตาราง Payoff ดังแสดงในรูปที่ 9-13 ดังต่อไปนี้
กลยุทธ์ A กลยุทธ์ B
กลยุทธ์ที่ 1 10 6
ผู้เล่นที่ 1 กลยุทธ์ที่ 2 9 11
รูปที่ 9-13 ตัวอย่างตาราง Payoff ในการทำ� Subgames
จากรูปที่ 9-13 จะเห็นว่า Payoff Matrix มีขนาด 3 × 2 (ผู้เล่นที่ 1 มี 3 กลยุทธ์

ในขณะที่ผู้เล่นที่ 2 มี 2 กลยุทธ์) ซึ่งไม่มีกลยุทธ์ใดที่ถูกข่มเลย ดังนั้นจึงไม่สามารถตัดแถวหรือ
คอลัมน์ใดออกได้
อย่างไรก็ตาม ตารางนี้สามารถย่อยออกมาให้กลายเป็นตาราง Subgame ที่มีมิติ 2 × 2
3 ตารางได้ ดังแสดงในรูปที่ 9-14 ถึง 9-16 หน้าถัดไปนี้ (หน่วยเป็นล้านบาท)
รูปที่ 9-14 ตาราง Payoff ของ Subgame ที่ 1
จากนัน้ เราจะดำ�เนินการหาจุดดุลยภาพของแต่ละ Subgame จากหลักการทีไ่ ด้น�ำ เสนอ

มาก่อนหน้านี้ โดยในที่นี้จะขอวิเคราะห์ในมุมมองของผู้เล่นที่ 1 และสมมุติให้
p1 = ความน่าจะเป็นในการเลือกกลยุทธ์ที่ 1
และทำ�การวิเคราะห์หา Value of the Game ได้ในแต่ละ Subgame ดังต่อไปนี้
Subgame ที่ 1
10p1 + 9p2 = 6p1 + 11p2
p1 + p2 = 1
เมื่อแก้สมการจะได้ค่า p1 = 0.3333 และ p2 = 0.6667 เมื่อนำ�ค่า p1 และ p2
ไปแทนในสมการจะได้ Value of the Game = 10 × 0.3333 + 9 x 0.6667 = 6 × 0.3333
+ 11 × 0.6667 = 9.3334 ล้านบาท
Subgame ที่ 2
10p1 + 8p3 = 6p1 + 13p3
p1 + p3 = 1
เมื่อแก้สมการจะได้ค่า p1 = 0.5556 และ p2 = 0.4444 เมื่อนำ�ค่า p1 และ p3 ไป
แทนในสมการจะได้ Value of the Game = 10 × 0.5556 + 8 × 0.4444 = 6 × 0.5556
+ 13 × 0.4444 = 9.1111 ล้านบาท
Subgame ที่ 3
Subgame นี้มีลักษณะเป็นแบบ Pure Strategy ซึ่งสามารถหาจุดดุลยภาพได้ โดยมี
Value of the Game เท่ากับ 9 ล้านบาท
จากการวิเคราะห์ทั้ง 3 Subgames พบว่า Subgame ที่ 1 มีค่า Value of the
Game สูงที่สุด ซึ่งตรงกับความต้องการของผู้เล่นที่ 1 ดังนั้น ผลของการวิเคราะห์ตาราง Payoff
นี้จึงเป็นไปตาม Subgame ที่ 1 ดังต่อไปนี้
• ค่าความน่าจะเป็นในการเลือกกลยุทธ์ที่ 1 (p1) มีค่าเท่ากับ 0.3333
• ค่าความน่าจะเป็นในการเลือกกลยุทธ์ที่ 2 (p2) มีค่าเท่ากับ 0.6667
• ค่าความน่าจะเป็นในการเลือกกลยุทธ์ที่ 3 (p3) มีค่าเท่ากับ 0 (เนื่องจาก Subgame
ที่ 1 ไม่มีกลยุทธ์ที่ 3 ในการวิเคราะห์)
โดยผู้เล่นที่ 1 จะได้รับผลตอบแทนที่คาดหวังเท่ากับ 9.3334 ล้านบาท
ในทำ�นองเดียวกันจาก Subgame ที่ 1 หากพิจารณาในมุมมองของผู้เล่นที่ 2 โดย
กำ�หนดให้ p1 เท่ากับความน่าจะเป็นที่ผู้เล่นที่ 2 ในการเลือกกลยุทธ์ A และ p2 เท่ากับความน่า
จะเป็นที่ผู้เล่นที่ 2 จะเลือกกลยุทธ์ B จะได้สมการดังต่อไปนี้
10p1 + 6p2 = 9p1 + 11p2
p1 + p2 = 1
เมื่อแก้สมการจะได้ค่า p1 = 0.8333 และ p2 เท่ากับ 0.1667 ซึ่งหมายถึงความน่าจะ
เป็นที่ผู้เล่นที่ 2 จะเลือกกลยุทธ์ A เท่ากับ 0.8333 และกลยุทธ์ B เท่ากับ 0.1667 และเมื่อแทน
ค่าเพื่อหา Value of the Game จะได้ค่าเท่ากับ 10 x 0.8333 + 6 × 0.1667 = 9 × 0.8333
+ 11 × 0.1667 = 9.3334 ล้านบาท ซึ่งเท่ากับการคำ�นวณในมุมมองของผู้เล่นที่ 1 นั่นเอง
การใช้วิธีสร้าง Subgame นี้ โดยทั่วไปจะใช้กับ Matrix เกมที่มีมิติ M × 2 หรือ 2 ×
M สำ�หรับ Matrix เกมที่มีมิติ M × M จะมีจำ�นวน Subgame จำ�นวนมากและมีความยุ่งยากใน
การคำ�นวณ ซึ่งหากเป็นกรณีดังกล่าวการใช้โปรแกรมเชิงเส้นจะมีความสะดวกมากกว่า
1. ในการต่อรองราคาส่งรองเท้าระหว่างลูกค้ากับพ่อค้า มักจะเกิดปัญหากันเนื่องจากลูกค้าก็
อยากได้ในราคาที่ถูก (คือให้พ่อค้าลดราคาให้มาก) พ่อค้าก็อยากได้ในราคาที่สูง (พยายาม
ที่จะลดราคาให้น้อยที่สุด) ดังนั้นจึงทำ�ให้เกิดการต่อรองขึ้น โดยมี Payoff Matrix ดังต่อไป
นี้ (ตัวเลขในตารางแสดงส่วนลดของราคาของรองเท้าหน่วยเป็นบาท)
พ่อค้า
ลูกค้า
จงใช้วิธีของทฤษฎีเกมในการหาส่วนลดราคารองเท้าที่ทั้งคู่จะตกลงกันได้ พร้อมทั้งแสดงค่า
ความน่าจะเป็นในการเลือกกลยุทธ์ของลูกค้าและพ่อค้า
2. จากข้อที่ 1 หากลูกค้ามีกลยุทธ์เพิ่มอีก 1 ทาง ดังแสดงในรูปข้างล่างนี้ ให้ใช้วิธีของทฤษฎี
เกมในการหาส่วนลดราคารองเท้าที่ทั้งคู่จะตกลงกันได้ พร้อมทั้งแสดงค่าความน่าจะเป็นใน
การเลือกกลยุทธ์ของลูกค้าและพ่อค้า
พ่อค้า
ลูกค้า กลยุทธ์ที่ 2 115 110
3. ราคาขายคอมพิวเตอร์ ณ ปัจจุบัน ฝ่ายการตลาดจะเป็นคนตั้งราคา แต่ทว่าราคาที่จะตั้ง

ณ ปัจจุบัน เกิดความขัดแย้งกันเป็น 2 ฝ่าย โดยฝ่ายคุณนุชต้องการตั้งราคาให้แพงที่สุด
ในขณะที่ฝ่ายคุณเดี่ยวต้องการตั้งราคาให้ตํ่าที่สุด โดยมี Payoff Matrix ดังต่อไปนี้ (ตัวเลข
ในตารางแสดงราคาของคอมพิวเตอร์หน่วยเป็นบาท)
คุณเดี่ยว
กลยุทธ์ที่ 1 14,990 15,190
คุณนุช
กลยุทธ์ที่ 2 15,090 14,890
จงใช้วิธีของทฤษฎีเกมในการหาราคาคอมพิวเตอร์ที่ทั้งคู่จะตกลงกันได้ พร้อมทั้งแสดงค่า
ความน่าจะเป็นในการเลือกกลยุทธ์ของคุณนุชและคุณเดี่ยว
4. จากข้อที่ 3 หากคุณเดี่ยวมีกลยุทธ์เพิ่มอีก 1 ทาง ดังแสดงในรูปข้างล่างนี้ จงใช้วิธีของทฤษฎี
เกมในการหาราคาคอมพิวเตอร์ทที่ งั้ คูจ่ ะตกลงกันได้ พร้อมทัง้ แสดงค่าความน่าจะเป็นในการ
เลือกกลยุทธ์ของคุณนุชและคุณเดี่ยว
คุณเดี่ยว
กลยุทธ์ที่ 1 14,990 15,190 15,150
คุณนุช
กลยุทธ์ที่ 2 15,090 14,890 14,850
5. ในการขายลังใส่ของซึ่งจะต้องสั่งเป็นจำ�นวนมากโดยที่สั่งในจำ�นวนขั้นตํ่า 10,000 ลัง แต่

ราคาที่ตกลงกันก็มักจะไม่ค่อยลงตัว เนื่องจากโรงงานก็จะอยากขายให้ได้ในราคาสูงและก็
อ้างว่าราคากระดาษขึ้น เศรษฐกิจไม่ดี ลูกค้าก็จะขอซื้อให้ได้ในราคาที่ถูก และมักจะอ้างว่า
เศรษฐกิจไม่ดี ขายของได้น้อย ทำ�ให้การเจรจาไม่ลงตัว โดยทั้งสองฝ่ายมี Payoff Matrix
ดังต่อไปนี้ (ตัวเลขในตารางคือส่วนลดในการซื้อกล่องหน่วยเป็นล้านบาท)
โรงงาน
ลูกค้า
กลยุทธ์ที่ 2 13.5 12.5
จงใช้วธิ ขี องทฤษฎีเกมในการหาค่าใช้จา่ ยในการซือ้ กล่องทีท่ งั้ คูจ่ ะตกลงกันได้ พร้อมทัง้ แสดง
ค่าความน่าจะเป็นในการเลือกกลยุทธ์ของลูกค้าและโรงงาน
6. จากข้อที่ 5 หากลูกค้ามีกลยุทธ์เพิ่มอีก 1 ทาง ดังแสดงในรูปข้างล่างนี้ จงใช้วิธีของทฤษฎี
เกมในการหาค่าใช้จา่ ยในการซือ้ กล่องทีท่ งั้ คูจ่ ะตกลงกันได้ พร้อมทัง้ แสดงค่าความน่าจะเป็น
ในการเลือกกลยุทธ์ของลูกค้าและโรงงาน
โรงงาน
ลูกค้า กลยุทธ์ที่ 2 13.5 12.5
กลยุทธ์ที่ 3 13.25 12.75
7. การฝากขายสินค้าของร้านค้า TDC ในการขายของให้นักศึกษาที่พักอยู่ในหอพัก มักจะมี

ปัญหากับผู้จัดส่งสินค้าว่าจะให้กำ�ไรกับ TDC กี่บาท แต่ละฝ่ายก็มักจะตกลงกันไม่ลงตัว
โดยมี Payoff Matrix ดังต่อไปนี้ (ตัวเลขในตารางคือกำ�ไรที่ผู้จัดส่งสินค้าจะให้ TDC ต่อ
กิโลกรัมของสินค้าที่ขายได้)
ผู้จัดส่งสินค้า
TDC
จงใช้วิธีของทฤษฎีเกมในการหาส่วนแบ่งกำ�ไรที่ทั้งคู่จะตกลงกันได้ พร้อมทั้งแสดงค่าความ
น่าจะเป็นในการเลือกกลยุทธ์ของ TDC และผู้จัดส่งสินค้า
8. จากข้อที่ 7 หากผู้จัดส่งสินค้ามีกลยุทธ์เพิ่มอีก 1 ทาง ดังแสดงในรูปข้างล่างนี้ จงใช้วิธีของ
ทฤษฎีเกมในการหาส่วนแบ่งกำ�ไรที่ทั้งคู่จะตกลงกันได้ พร้อมทั้งแสดงค่าความน่าจะเป็นใน
การเลือกกลยุทธ์ของ TDC และผู้จัดส่งสินค้า
ผู้จัดส่งสินค้า
กลยุทธ์ที่ 1 32 28 31
TDC
กลยุทธ์ที่ 2 27 30 33
9. การตกลงขายทีด่ นิ ของครอบครัวหนึง่ ในครอบครัวนีม้ พี นี่ อ้ ง 2 คน น้องต้องการขอทีด่ นิ จาก
พี่เพื่อนำ�ไปลงทุน แต่พี่ไม่ค่อยอยากจะให้เพราะคิดว่าการลงทุนของน้องมีความเสี่ยง ข้อมูล
ของกลยุทธ์ของทั้งพี่และน้องแสดงใน Payoff Matrix ดังต่อไปนี้ (ตัวเลขในตารางแสดง
จำ�นวนที่ดินเป็นไร่)
พี่
น้อง
จงใช้วิธีของทฤษฎีเกมในการหาจำ�นวนที่ดินที่พี่จะให้น้องซึ่งทั้งสองคนตกลงกันได้ พร้อมทั้ง
แสดงค่าความน่าจะเป็นในการเลือกกลยุทธ์ของพี่และน้อง
10. จากข้อที่ 9 หากน้องมีกลยุทธ์เพิ่มอีก 1 ทาง ดังแสดงในรูปข้างล่างนี้ จงใช้วิธีของทฤษฎี
เกมในการหาจำ�นวนที่ดินที่พี่จะให้น้อง ซึ่งทั้งสองคนตกลงกันได้ พร้อมทั้งแสดงค่าความน่า
จะเป็นในการเลือกกลยุทธ์ของพี่และน้อง
พี่
น้อง กลยุทธ์ที่ 2 45 65
11. ในการสอบวิชาการต่อรองทางธุรกิจครั้งหนึ่ง อาจารย์บอกนักศึกษาสองคนว่าคะแนนที่

นักศึกษาสองคนจะได้ขึ้นอยู่กับการตกลงกันของทั้งสองคน แต่หากคนหนึ่งได้คะแนนมาก
อีกคนหนึ่งจะได้คะแนนน้อย โดยการต่อรองครั้งนี้นักศึกษาคนที่ 1 กำ�ลังต่อรองเพื่อขอ
คะแนนจากนักศึกษาคนที่ 2 โดยมี Payoff Matrix ดังต่อไปนี้ (ตัวเลขในตารางคือคะแนน)
นักศึกษาคนที่ 2
จงใช้วิธีของทฤษฎีเกมในการหาคะแนนที่นักศึกษาทั้งสองคนตกลงกันได้ พร้อมทั้งแสดงค่า
ความน่าจะเป็นในการเลือกกลยุทธ์ของนักศึกษาทั้งสองคน
12. จากข้อที่ 11 หากนักศึกษาคนที่ 2 มีกลยุทธ์เพิ่มอีก 1 ทาง ดังแสดงในรูปข้างล่างนี้ จงใช้
วิธีของทฤษฎีเกม โดยใช้โปรแกรมเชิงเส้นในการหาคะแนนที่นักศึกษาทั้งสองคนตกลงกันได้
พร้อมทั้งแสดงค่าความน่าจะเป็นในการเลือกกลยุทธ์ของนักศึกษาทั้งสองคน
กลยุทธ์ที่ 1 80 83 81
กลยุทธ์ที่ 2 84 78 85
13. จากการขอขึ้นเงินเดือนและผลประโยชน์ของพนักงานของโรงงานแห่งหนึ่ง ฝ่ายพนักงาน

และฝ่ายเจ้าของโรงงานได้มีการต่อรองกันโดยแต่ละฝ่ายมีกลยุทธ์ที่แตกต่างกัน ดังแสดงใน
Payoff Matrix ดังต่อไปนี้ (ตัวเลขในตารางคือผลประโยชน์ที่ต่อรองกันเป็นจำ�นวนเงินรวม
ในระยะเวลา 10 ปี หน่วยเป็นล้านบาท)
เจ้าของโรงงาน
กลยุทธ์ X กลยุทธ์ Y กลยุทธ์ Z
กลยุทธ์ที่ 1 210 207 205
พนักงาน กลยุทธ์ที่ 2 215 218 220
กลยุทธ์ที่ 3 217 213 212
จงใช้วิธีของทฤษฎีเกมโดยใช้เทคนิคของโปรแกรมเชิงเส้นในการหาผลประโยชน์ที่ทั้งสอง
ฝ่ายจะตกลงกันได้ พร้อมทั้งแสดงค่าความน่าจะเป็นในการเลือกกลยุทธ์ของแต่ละฝ่าย
14. จากข้อที่ 13 หาก Payoff Matrix เปลี่ยนแปลงไปดังแสดงในตารางข้างล่างนี้ จงใช้วิธีของ
ทฤษฎีเกมโดยใช้เทคนิคของโปรแกรมเชิงเส้นในการหามูลค่าของผลประโยชน์ที่ทั้งสองฝ่าย
จะตกลงกันได้ พร้อมทั้งแสดงค่าความน่าจะเป็นในการเลือกกลยุทธ์ของแต่ละฝ่าย
เจ้าของโรงงาน
กลยุทธ์ที่ 1 220 207 205
พนักงาน กลยุทธ์ที่ 2 225 218 220
กลยุทธ์ที่ 3 227 233 212
15. จากข้อมูลดังตารางข้างล่างการต่อรองราคาของสินค้าชนิดหนึ่งซึ่งอยู่ระหว่างการเจรจา
ระหว่างลูกค้าทีต่ อ้ งการได้สว่ นลดมากทีส่ ดุ กับพ่อค้าทีต่ อ้ งการให้สว่ นลดน้อยทีส่ ดุ โดยแสดง
ใน Payoff Matrix ดังต่อไปนี้ (ตัวเลขในตารางคือส่วนลดที่จะได้ต่อสินค้า 1 ชิ้นหน่วยเป็น
บาท)
พ่อค้า
กลยุทธ์ที่ 1 500 625 450
ลูกค้า กลยุทธ์ที่ 2 525 600 625
กลยุทธ์ที่ 3 425 550 525
จงใช้วิธีของทฤษฎีเกมโดยใช้เทคนิคของโปรแกรมเชิงเส้นในการหามูลค่าของผลประโยชน์
ที่ทั้งสองฝ่ายจะตกลงกันได้ พร้อมทั้งแสดงค่าความน่าจะเป็นในการเลือกกลยุทธ์ของ
แต่ละฝ่าย
16. จากข้อที่ 15 หาก Payoff Matrix เปลี่ยนแปลงไปดังแสดงในตารางข้างล่างนี้ จงใช้วิธีของ
ทฤษฎีเกมโดยใช้เทคนิคของโปรแกรมเชิงเส้นในการหาผลประโยชน์ที่ทั้งสองฝ่ายจะตกลง
กันได้ พร้อมทั้งแสดงค่าความน่าจะเป็นในการเลือกกลยุทธ์ของแต่ละฝ่าย
พ่อค้า
กลยุทธ์ที่ 1 650 625 452
ลูกค้า กลยุทธ์ที่ 2 525 620 625
กลยุทธ์ที่ 3 425 550 545
17. จากข้อมูล Payoff Matrix ที่ให้มาดังแสดงในรูปข้างล่างนี้ ให้หา Value of the Game

และค่าความน่าจะเป็นในการเลือกกลยุทธ์ของผู้เล่นแต่ละฝ่าย
กลยุทธ์ที่ 1 9 8 7
ผู้เล่นที่ 1 กลยุทธ์ที่ 2 12 10 11
กลยุทธ์ที่ 3 9.5 11.5 10.5
กลยุทธ์ที่ 1 19 18 17
กลยุทธ์ที่ 3 19 12 8

กลยุทธ์ที่ 1 16 12 18
กลยุทธ์ที่ 3 10 17 16

กลยุทธ์ที่ 1 26 22 28
กลยุทธ์ที่ 3 20 18 21
บทที่ 10
โปรแกรมเชิงพลวัต
บทนํา
หลายครั้งปัญหาในทางธุรกิจที่ต้องการการตัดสินใจนั้นมีความซับซ้อนมาก
เกินกว่าที่จะสามารถมองเห็นคำาตอบได้ทันที เทคนิคที่เรียกว่าโปรแกรมเชิงพลวัตหรือ
ที่รู้จักกันในชื่อว่า Dynamic Programming เป็นวิธีที่จะแบ่งปัญหาที่ซับซ้อนออกเป็น
ปัญหาย่อย ๆ และทำาการแก้ปัญหาไปทีละขั้นเพื่อให้ได้คำาตอบที่ดีที่สุด เนื้อหาในบทนี้
จึงได้นำาเสนอวิธีการแก้ปัญหาโดยใช้เทคนิคโปรแกรมเชิงพลวัตนี้ พร้อมกับแสดงตัวอย่าง
ประกอบเพื่อให้เกิดความเข้าใจ
1. เพื่อให้ผู้เรียนเข้าใจถึงความสำาคัญและรูปแบบของโปรแกรมเชิงพลวัต
2. เพื่อให้ผู้เรียนเข้าใจถึงลักษณะการสร้างแบบจำาลองของโปรแกรมเชิงพลวัต
3. เพื่อให้ผู้เรียนเรียนรู้วิธีการใช้โปรแกรมเชิงพลวัตในการหาคำาตอบที่ดีที่สุดภายใต้
ข้อจำากัดที่มีอยู่
ความสำ�คัญและรูปแบบของโปรแกรมเชิงพลวัต
สำ�หรับปัญหาที่ไม่ซับซ้อนมาก เราสามารถใช้วิธีการแก้ปัญหาตามวิธีต่างๆ ที่เรา
ได้เรียนมาแล้วในบทก่อนหน้านี้ แต่กรณีที่ปัญหานั้นเป็นปัญหาที่ใหญ่และมีลักษณะเป็นการ
ตัดสินใจหลายขั้นตอน การนำ�เอาวิธีการที่เรียกว่าโปรแกรมเชิงพลวัต (Dynamic Programming)
มาใช้จะทำ�ให้การแก้ปัญหาทำ�ได้ง่ายและเป็นระบบ โปรแกรมเชิงพลวัตคือ เทคนิคในการแบ่ง
ปัญหาใหญ่และซับซ้อนออกเป็นปัญหาย่อย ๆ และทำ�การตัดสินใจในปัญหาย่อย ๆ นั้น เพื่อให้ได้
ผลลัพธ์ของปัญหาใหญ่นั้น
ตัวอย่างของการนำ�วิธีโปรแกรมเชิงพลวัตมาใช้ ได้แก่ ปัญหาการหาเส้นทางที่สั้นที่สุด
(A Shortest-Route Problem) โดยปัญหาในลักษณะนี้มักจะมีทางเลือกในการเดินทางจาก
จุดหนึ่งไปยังจุดหนึ่งที่มีจำ�นวนมาก และยากในการคาดเดา การหาเส้นทางที่สั้นที่สุดนั้น จึงจำ�เป็น
ที่จะต้องใช้เทคนิคโปรแกรมพลวัตเข้ามาช่วย เพื่อให้เห็นภาพชัดเจนมากยิ่งขึ้น จึงขอยกตัวอย่าง
รูปที่ 10-1 แสดงเส้นทางจากจุดที่ 1 ไปยังจุดที่ 9 โดยตัวเลขที่อยู่บนเส้นนั้นแสดง
ระยะทางโดยมีหน่วยเป็นกิโลเมตร จะสังเกตเห็นว่าจำ�นวนเส้นทางจากจุดที่ 1 ไปยังจุดที่ 9 นั้น
มีจำ�นวนมาก และหากต้องการหาเส้นทางที่สั้นที่สุดนั้น การไล่หาไปทีละเส้นย่อมเป็นวิธีการ
ที่ใช้เวลานาน ตัวอย่างนี้สามารถนำ�เอาเทคนิคโปรแกรมเชิงพลวัตมาช่วยในการแก้ปัญหาได้
4 6 8
2 5 7
9 1
7
10 4
1 5 9
7
4
3 6 8 3
3 4 5
รูปที่ 10-1 ตัวอย่างการใช้เทคนิคโปรแกรมเชิงพลวัตในการหาเส้นทางที่สั้นที่สุด
เนื่องจากปัญหาดังกล่าวมีความซับซ้อน ดังนั้นจึงจำ�เป็นที่จะต้องแบ่งปัญหานี้เป็น
ปัญหาย่อย โดยแบ่งเส้นทางการเดินทางดังกล่าวออกเป็น 4 ช่วงดังแสดงในรูปที่ 10-2 ถึง 10-5
ชวงที่ 1
4 6 8
2 5 7
9 1
7
10 4
1 5 9
7
4
3 6 8 3
3 4 5
รูปที่ 10-2 การแบ่งการวิเคราะห์ในช่วงที่ 1 ในการใช้โปรแกรมเชิงพลวัตในการหาเส้นทางที่สั้นที่สุด
4 6 8
2 5 7
9 1
7
10 4
1 5 9
7
4
3 6 8 3
3 4 5
โปรแกรมเชิงพลวัต 283
4 6 8
2 5 7
9 1
7
10 4
1 5 9
7
4
3 6 8 3
3 4 5
4 6 8
2 5 7
9 1
7
10 4
1 5 9
7
4
3 6 8 3
3 4 5
จะสังเกตเห็นว่าในการแบ่งช่วงในการวิเคราะห์นั้น เป็นการแบ่งโดยย้อนกลับจาก
จุดสุดท้ายคือจุดที่ 9 ไปยังจุดเริม่ ต้นคือจุดที่ 1 เนือ่ งจากจะเป็นวิธที ที่ �ำ ให้การวิเคราะห์ท�ำ ได้สะดวก
หลังจากที่แบ่งช่วงในการวิเคราะห์แล้ว จึงทำ�การวิเคราะห์ในแต่ละช่วงดังต่อไปนี้
ช่วงที่ 1
จากรูปที่ 10-6 นั้น เส้นทางที่สั้นที่สุดที่จะไปยังจุดที่ 9 นั้น ขึ้นอยู่กับว่าในขณะนี้อยู่
ที่จุดใด หากจุดที่อยู่นั้นคือจุดที่ 7 เส้นทางที่สั้นที่สุด (และในกรณีนี้ก็คือเส้นทางเดียวที่เป็นไปได้)
คือเส้นทาง 7-9 ซึ่งมีระยะทางทั้งสิ้น 1 กิโลเมตร ในขณะที่หากอยู่ที่จุดที่ 8 เส้นทางที่สั้นที่สุด
(และในกรณีนี้ก็คือเส้นทางเดียวที่เป็นไปได้) คือเส้นทาง 8-9 ซึ่งมีระยะทางทั้งสิ้น 3 กิโลเมตร
ดังนั้นการตัดสินใจในช่วงที่ 1 นี้สามารถแสดงได้ในตารางที่ 10-1 ดังต่อไปนี้
ตารางที่ 10-1 สรุปผลการตัดสินใจในการเลือกเส้นทางที่สั้นที่สุดในการวิเคราะห์ช่วงที่ 1
จุดที่อยู่ เส้นทางที่เลือก ระยะทางไปจนถึงจุดสุดท้าย

7 7-9 1 กิโลเมตร
สำ�หรับรูปที่ 10-6 นั้นได้มีการระบุระยะทางที่สั้นที่สุดจากจุดที่ 7 และ 8 ไปยังจุด

สุดท้ายของการเดินทาง (จุดที่ 9) โดยเขียนตัวเลขไว้ข้างบนของแต่ละจุด
4 6 8 1
2 5 7
9 1
7
10 4
1 5 9
7
3
4
3 6 8 3
3 4 5
รูปที่ 10-6 การวิเคราะห์หาเส้นทางที่สั้นที่สุดในช่วงที่ 1
จากรูปที่ 10-7 นั้น เส้นทางที่สั้นที่สุดที่จะไปยังจุดที่ 9 นั้น ขึ้นอยู่กับว่าในขณะนี้
อยู่ที่จุดใด หากจุดที่อยู่นั้นคือจุดที่ 6 เส้นทางที่สั้นที่สุดที่ไปยังจุดสุดท้ายคือเส้นทาง 6-8 ซึ่งมี
ระยะทางรวมทั้งสิ้น 5 + 3 = 8 กิโลเมตร ในขณะที่หากอยู่ที่จุดที่ 5 เส้นทางที่สั้นที่สุด
(และในกรณี นี้ ก็ คื อ เส้ น ทางเดี ย วที่ เ ป็ น ไปได้ ) คื อ เส้ น ทาง 5-7 ซึ่ ง มี ร ะยะทางรวมทั้ ง สิ้ น
4 + 1 = 5 กิโลเมตร และถ้าหากอยู่ที่จุดที่ 4 เส้นทางที่สั้นที่สุดที่ไปยังจุดสุดท้ายคือเส้นทาง
4-7 ซึ่งมีระยะทางรวมทั้งสิ้น 6 + 1 = 7 กิโลเมตร ดังนั้นการตัดสินใจในช่วงที่ 2 นี้สามารถแสดง
ได้ในตารางที่ 10-2 ดังต่อไปนี้

สำ�หรับรูปที่ 10-7 นั้นได้มีการระบุระยะทางที่สั้นที่สุดจากจุดที่ 4 5 และ 6 ไปยังจุด

8 ชวงที่ 2
4 6 8 1
2 5 7
9 1
7 5
10 4
1 5 9
7
3
4
3 6 8 3
7
3 4 5
จากรูปที่ 10-8 นั้น เส้นทางที่สั้นที่สุดที่จะไปยังจุดที่ 9 นั้น ขึ้นอยู่กับว่าในขณะนี้
อยู่ที่จุดใด หากจุดที่อยู่นั้นคือจุดที่ 2 เส้นทางที่สั้นที่สุดที่ไปยังจุดสุดท้ายคือเส้นทาง 2-6 ซึ่งมี
ระยะทางรวมทั้งสิ้น 4 + 8 = 12 กิโลเมตร ในขณะที่หากอยู่ที่จุดที่ 3 เส้นทางที่สั้นที่สุดคือเส้น
ทาง 3-4 ซึ่งมีระยะทางรวมทั้งสิ้น 3 + 7 = 10 กิโลเมตร ดังนั้นการตัดสินใจในช่วงที่ 3 นี้สามารถ
แสดงได้ในตารางที่ 10-3 ดังต่อไปนี้


ชวงที่ 3 8
12 4 6 8 1
2 5 7
9 1
7 5
10 4
1 5 9
7
10 3
4
3 6 8 3
7
3 4 5
จากรูปที่ 10-9 นั้น เส้นทางที่สั้นที่สุดที่จะไปยังจุดที่ 9 นั้น จากจุดที่ 1 เส้นทางที่สั้น
ที่สุดที่ไปยังจุดสุดท้ายคือเส้นทาง 1-3 ซึ่งมีระยะทางรวมทั้งสิ้น 4 + 10 = 14 กิโลเมตร ดังนั้น
การตัดสินใจในช่วงที่ 4 นี้สามารถแสดงได้ในตารางที่ 10-4 ดังต่อไปนี้


ชวงที่ 4 8
12 4 6 8 1
2 5 7
9 1
14 7 5
10 4
1 5 9
7
10 3
4
3 6 8 3
7
3 4 5
ดังนั้นเส้นทางที่สั้นที่สุดจากจุดที่ 1 ไปยังจุดที่ 9 สามารถพิจารณาย้อนกลับจาก

ตารางที่ 10-4 ไปยังตารางที่ 10-1 ซึง่ จะได้แก่เส้นทาง 1-3-4-7-9 โดยมีระยะทางรวมทัง้ สิ้นเท่ากับ
4 + 3 + 6 + 1 = 14 กิโลเมตร ดังแสดงในรูปที่ 10-10 หน้าถัดไปนี้
8
12 4 6 8 1
2 5 7
9 1
14 7 5
10 4
1 5 9
7
10 3
4
3 6 8 3
7
3 4 5
รูปที่ 10-10 เส้นทางที่สั้นที่สุดจากจุดที่ 1 ไปยังจุดที่ 9
ลักษณะของแบบจำ�ลองโปรแกรมเชิงพลวัต
จากตัวอย่างของการหาเส้นทางที่สั้นที่สุดที่ผ่านมาจะเห็นว่าโปรแกรมเชิงพลวัตได้ทำ�
การแบ่งปัญหาที่มีความซับซ้อนเป็นปัญหาย่อย ๆ แล้วจึงค่อย ๆ แก้ไขปัญหาไปตามลำ�ดับขั้น
ยกตัวอย่างเช่นในการวิเคราะห์ในช่วงที่ 2 สามารถแสดงให้เห็นได้ตามรูปที่ 10-11 ดังต่อไปนี้
ขอมูลนําเขา คือ จุดที่อยู

ปญหาของการตัดสินใจ
ในปจจุบัน ไดแก จุดที่ 4 5 ผลลัพธ คือ จุดที่จะไป
จากขอมูลนําเขาที่ไดมานั้น ควรเลือกเสนทางใด
หรือ 6 ไดแก จุดที่ 7 หรือ 8
เพื่อใหไดผลลัพธ (ซึ่งจะเปนขอมูลนําเขาของชวงที่ 1)
เกณฑการตัดสินใจ
ระยะทางของเสนทางที่สั้นที่สุดในการไปยัง
จุดหมายปลายทาง
รูปที่ 10-11 ตัวอย่างของการตัดสินใจในการหาเส้นทางที่สั้นที่สุดในช่วงที่ 2
หรือจากรูปที่ 10-11 สามารถเขียนให้อยู่ในรูปของตัวแปรต่างๆ ดังแสดงในรูปที่ 10-12
การตัดสินใจ (d2)
สถานะกอนเขาชวงที่ 1 สถานะเมื่อออกจากชวงที่ 2
(X2) (X1)
รูปที่ 10-12 ตัวอย่างของตัวแปรที่ใช้ในการตัดสินใจในการหาเส้นทางที่สั้นที่สุดในช่วงที่ 2
จากตัวอย่างของการวิเคราะห์ในช่วงที่ 2 ในการแก้ปัญหานั้น ผู้แก้ปัญหาจะต้องทราบ

สถานะก่อนเข้าช่วงที่ 2 (x2) ซึ่งได้แก่ จุดที่ 4 5 หรือ 6 ในขณะที่จะมีการตัดสินใจ (d2) ในการ
เลือกเส้นทางในการเดินโดยจะเลือกเส้นทางทีใ่ ห้ระยะทางทีส่ นั้ ทีส่ ดุ เพือ่ นำ�ไปสูส่ ถานะเมือ่ ออกจาก
ช่วงที่ 2 (x1) ซึ่งได้แก่ จุดที่ 7 หรือ 8 นั่นเอง โดยจุดที่ 7 หรือ 8 ก็จะเป็นสถานะก่อนเข้าช่วงที่
1 ต่อไป จากตัวอย่างดังกล่าวจึงเห็นว่าในการแก้ปญ ั หาในแต่ละช่วงนัน้ จะต้องทราบสถานะก่อนเข้า
และมีการตัดสินใจ จึงได้ผลลัพธ์เป็นสถานะตอนออกจากช่วงนัน้ ดังนัน้ ในตัวอย่างการหาเส้นทางที่
สั้นที่สุดนี้ จึงสามารถนำ�มาเขียนเป็น Diagram ได้ดังแสดงในรูปที่ 10-13 ดังต่อไปนี้
d4 d3 d2 d1
X4 X3 X2 X1 X0
ชวงที่ 4 ชวงที่ 3 ชวงที่ 2 ชวงที่ 1
รูปที่ 10-13 ตัวอย่างของการตัดสินใจในการหาเส้นทางที่สั้นที่สุดในช่วงที่ 1-4
จากรูปที่ 10-13 จะแสดงถึงการแก้ปัญหาเพื่อหาทางที่สั้นที่สุดอย่างเป็นขั้นตอน
โดยสามารถทำ�ได้โดยแบ่งออกเป็น 4 ช่วงในการตัดสินใจ ดังต่อไปนี้
1. การตัดสินใจในช่วงที่ 1 มีผลลัพธ์จากการตัดสินใจคือจุดที่ 9 และมีสถานะก่อน
การตัดสินใจ ได้แก่ จุดที่ 7 หรือ 8
2. การตัดสินใจในช่วงที่ 2 มีสถานะก่อนการตัดสินใจ ได้แก่ จุดที่ 4 5 หรือ 6 และ
ผลลัพธ์ในการตัดสินใจ ได้แก่ จุดที่ 7 หรือ 8
3. การตัดสินใจในช่วงที่ 3 มีสถานะก่อนการตัดสินใจ ได้แก่ จุดที่ 2 หรือ 3 และ
ผลลัพธ์ในการตัดสินใจ ได้แก่ จุดที่ 4 5 หรือ 6
4. การตัดสินใจในช่วงที่ 4 มีสถานะในการตัดสินใจ ได้แก่ จุดที่ 1 และผลลัพธ์ใน
การตัดสินใจ ได้แก่ จุดที่ 2 หรือ 3
จะเห็นว่าขั้นตอนในการตัดสินใจนั้นจะถูกแบ่งออกเป็นช่วง ๆ โดยจะทำ�การตัดสินใจ
ย้อนจากขั้นตอนสุดท้ายในทางปฏิบัติไปยังขั้นตอนแรก ทั้งนี้สิ่งที่เราจำ�เป็นต้องทราบก่อนการหา
ผลลัพธ์คือ สถานะในปัจจุบัน (Input) รวมทั้งลักษณะการตัดสินใจ
ดังนัน้ หากแสดงการตัดสินใจ n ช่วงก็จะสามารถแสดงให้เห็นได้ในรูปที่ 10-14 ดังต่อไปนี้
dN dn d1
xN ชวงที่ xN-1 xn ชวงที่ xn-1 x1 ชวงที่ x0

N n 1
รูปที่ 10-14 ตัวอย่างของตัวแปรที่ใช้ในการตัดสินใจในโปรแกรมพลวัต N ช่วง
โดยที่ xN คือสถานะก่อนที่จะเข้าช่วงที่ N และ XN-1 คือสถานะหลังจากผ่านการ

ตัดสินใจในช่วงที่ N ไปแล้ว ซึ่งจะเป็นสถานะก่อนที่จะเข้าช่วง N-1 ต่อไปนั่นเอง
จากตัวอย่างการคำ�นวณเส้นทางที่สั้นที่สุดนั้น จะเห็นว่าค่าของตัวแปรที่แสดงสถานะ
ก่อนเข้าช่วงการตัดสินใจ (Input) และค่าตัวแปรของสถานะหลังจากเกิดการตัดสินใจ (Output)
ซึ่งได้แก่ค่า X1 X2 X3 และ X4 มีความสำ�คัญมากในการแก้ปัญหาในแต่ละช่วง เราจำ�เป็นที่
จะต้องทราบค่าสถานะก่อนเข้าช่วงการตัดสินใจ (Xn) เพื่อทำ�การตัดสินใจ (dn) โดยค่าของ
ตัวแปร Xn เหล่านี้ทำ�ให้เราสามารถทราบถึงตำ�แหน่งหรือสถานะที่อยู่ในระบบว่าในขณะนี้เราอยู่
ตำ�แหน่งใด
ตัวแปรที่บอกสถานะในปัจจุบัน จึงมีชื่อเรียกว่าเป็นตัวแปรแสดงสถานะ (State
Variable) ซึ่งจะบอกสถานะในปัจจุบันก่อนที่จะมีการตัดสินใจ เช่น ในช่วงการตัดสินใจที่ 2 นั้น
สถานะก่อนการตัดสินใจคือการที่เราอาจจะอยู่ที่จุดที่ 4 5 หรือ 6 ดังนั้นในการที่จะตัดสินใจเลือก
เส้นทางไปยังจุดที่ 7 หรือ 8 เราจะต้องทราบก่อนว่าตอนนี้เราอยู่ที่ใด เช่น หากทราบว่าสถานะ
ปัจจุบันเราอยู่ที่จุดที่ 5 เราก็สามารถที่จะตัดสินใจได้ต่อไปว่าจะเลือกเส้นทางเดินทางใด ซึ่งตัวแปร
แสดงสถานะ (State Variable) ในกรณีนี้ก็คือจุดที่ 5 นั่นเอง
จากตัวอย่างปัญหาการหาเส้นทางที่สั้นที่สุดนั้น ตัวแปรแสดงสถานะ (State Variable)
จะแทนตำ�แหน่งที่อยู่ก่อนที่จะมีการตัดสินใจในแต่ละช่วง เช่น ในช่วงที่ 2 เราจะต้องทราบค่าของ
X2 และทำ�การตัดสินใจด้วย d2 ซึ่งจะทำ�ให้ได้เส้นทางที่สั้นที่สุดซึ่งเป็นผลลัพธ์ (X1) ได้ต่อไป
ดังนั้นอาจกล่าวได้ว่าผลลัพธ์ของการตัดสินใจ (X1) จะขึ้นอยู่กับสถานะในปัจจุบันก่อน
การตัดสินใจ (X2) และการตัดสินใจ (d2) ซึ่งสามารถเขียนเป็นสมการได้ดังนี้
X1 = t2(X2, d2)
ซึ่งหมายความว่า X1 เป็นฟังก์ชั่นของ X2 และ d2 เราเรียกฟังก์ชั่นนี้ว่าฟังก์ชั่นการ

เปลี่ยนแปลงสถานะ (Stage Transformation Function) โดยสมการทั่วไปของฟังก์ชั่นการ
เปลี่ยนแปลงสถานะ (Stage Transformation Function) มีดังต่อไปนี้
Xn-1 = tn(Xn, dn)
ทัง้ นีร้ ปู แบบความสัมพันธ์ทางคณิตศาสตร์ของฟังก์ชนั่ การเปลีย่ นแปลงสถานะจะขึน้ อยู่

กับปัญหาแต่ละปัญหาในโปรแกรมพลวัต เช่น จากตัวอย่างการหาเส้นทางทีส่ นั้ ทีส่ ดุ ในการวิเคราะห์
ในช่วงที่ 2 นั้น เราสามารถแสดงความสัมพันธ์ในฟังก์ชั่นการเปลี่ยนแปลงสถานะ X1 = t2(X2, d2)
ได้โดยพิจารณาจากตารางที่ 10-5 หน้าถัดไปนี้
ตารางที่ 10-5 ฟังก์ชั่นการเปลี่ยนแปลงสถานะในการวิเคราะห์ช่วงที่ 2 ของตัวอย่างการหาเส้นทาง
ที่สั้นที่สุด
สถานะก่อนการตัดสินใจ X2 ผลลัพธ์การตัดสินใจ X1 (Output State)

(Input State) 7 8
จุดที่ 4 4-7 4-8
จุดที่ 5 5-7 5-8
จุดที่ 6 6-7 6-8
จะเห็นว่าในการตัดสินใจทุก ครั้ง จะมีผ ลที่ได้จากการตัดสินใจซึ่งเรียกว่า Return

เกิดขึ้น ซึ่ง Return จากตัวอย่างของการหาเส้นทางที่สั้นที่สุดก็คือระยะทางจากสถานะปัจจุบัน
ไปยังสถานะหลังจากการตัดสินใจ ยกตัวอย่างเช่นหากทราบว่าสถานะในปัจจุบันคือจุดที่ 5 และ
ได้ตัดสินใจเลือกเส้นทางจากจุดที่ 5 ไปยังจุดที่ 7 ซึ่งทำ�ให้ทราบสถานะหลังจากการตัดสินใจ
คือจุดที่ 7 ซึ่ง Return ที่ได้จากการตัดสินใจในที่นี้ก็คือระยะทางระหว่างจุดที่ 5 ไปยังจุดที่ 7
การที่จะทราบระยะทางจากจุด 5 ไปยัง 7 (Return) ได้ก็ต่อเมื่อเราทราบค่าของ
สถานะในปัจจุบันและทราบการตัดสินใจ โดยหากเราทราบว่าในขณะนี้เราอยู่ที่จุดที่ 5 และ
ตัดสินใจเลือกเส้นทาง 5-7 เราจึงสรุปได้ว่าระยะทางจากจุดที่ 5 ไปยังจุดที่ 7 มีค่าเท่ากับเท่าไร
ดังนั้นจึงสามารถสรุปได้ว่า Return จะเป็นฟังก์ชั่นของค่าสถานะในปัจจุบันกับการตัดสินใจ
หรือเขียนเป็นสมการได้ดังต่อไปนี้
rn = f(xn, dn)
ดังนั้นในการตัดสินใจในแต่ละช่วงสำ�หรับตัวอย่างของการหาเส้นทางที่สั้นที่สุดนั้น จะมี
ตัวแปรที่เกี่ยวข้องที่ครบถ้วนสมบูรณ์ดังแสดงในรูปที่ 10-15 หน้าถัดไปนี้
d4 d3 d2 d1
x4 ชวงที่ 4 x3 ชวงที่ 3 x2 ชวงที่ 2 x1 ชวงที่ 1 x0

x3 = t4(x4, d4) x2 = t3(x3, d3) x1 = t2(x2, d2) x0 = t1(x1, d1)
r4(x4, d4) r3(x3, d3) r2(x2, d2) r1(x1, d1)
รูปที่ 10-15 รูปแบบของการวิเคราะห์โปรแกรมเชิงพลวัตของตัวอย่างการหาเส้นทางที่สั้นที่สุด
สำ�หรับรูปแบบของการวิเคราะห์โปรแกรมเชิงพลวัตโดยทั่วไปที่มี N ช่วงในการตัดสิน
ใจสามารถแสดงได้ในรูปที่ 10-16 ดังต่อไปนี้
dN dn d1
xN XN-1 xN-1 xn Xn-1 Xn-1 x1 X0 x0

= tN(xN, dN) = tn(xn, dn) = t1(x1, d1)
rN(xN, dN) rn(xn, dn) r1(x1, d1)
รูปที่ 10-16 รูปแบบของการวิเคราะห์โปรแกรมเชิงพลวัตที่มีการตัดสินใจ N ช่วง
Knapsack Problem
หลักการพื้นฐานของ Knapsack problem คือ การที่เรามีทรัพยากรที่จำ�กัด ใน
ขณะเดียวกันเราก็ต้องการใช้ประโยชน์จากทรัพยากรที่จำ�กัดนั้นในการสร้างประโยชน์ให้สูงที่สุด
เปรี ย บเสมื อ นกั บ ว่ า เรามี ก ระเป๋ า ใบหนึ่ ง สามารถใส่ สิ่ ง ของได้ ห ลายอย่ า งและแต่ ล ะอย่ า งก็ มี
นาํ้ หนักและมูลค่าแตกต่างกัน ปัญหาคือเราควรจะใส่ของกีอ่ ย่าง อะไรบ้างในกระเป๋าเพือ่ ให้ได้มลู ค่า
รวมสูงสุด โดยทีข่ อ้ จำ�กัดคือนาํ้ หนักสูงสุดทีก่ ระเป๋าจะสามารถรับได้ เพือ่ ให้เห็นภาพทีช่ ดั เจนขึน้ จึง
ขอยกตัวอย่างดังต่อไปนี้
ผู้บริหารจะต้องตัดสินใจว่าจะทำ�งานประเภทใดบ้างจากงาน 4 ประเภทในระยะเวลา
ภายใน 12 วัน เพื่อให้ได้คะแนนความสำ�คัญของงานสูงที่สุด โดยมีข้อมูลของแต่ละงานดังแสดง
ในตารางที่ 10-6 ดังต่อไปนี้
ตารางที่ 10-6 ตัวอย่างของ Knapsack Problem ในการหางานที่ควรดำ�เนินการ
จำ�นวนงานที่สามารถ ระยะเวลาการ คะแนนความสำ�คัญ

ประเภทของงาน
ดำ�เนินการได้ ดำ�เนินงาน (วัน) ของงาน
1 5 2 4
2 2 4 10
3 3 6 15
4 1 8 22
ปัญหานี้สามารถใช้โปรแกมพลวัตแก้ปัญหาได้โดยแบ่งการแก้ปัญหาออกเป็น 4 ช่วง
โดยเรียงลำ�ดับตามการตัดสินใจดังต่อไปนี้
1. ช่วงที่ 1 การเลือกทำ�งานประเภทที่ 1
ทั้งนี้เราสมมุติว่าผู้บริหารสนใจที่จะเลือกทำ�งานที่มีความสำ�คัญมากที่สุดก่อน ดังนั้น
ช่วงที่ 4 ซึ่งเป็นการตัดสินใจเลือกทำ�งานประเภทที่ 4 ที่มีความสำ�คัญสูงที่สุดจึงเป็นช่วงที่จะ
มีการตัดสินใจก่อนและช่วงที่ 1 ซึ่งเป็นการตัดสินเลือกทำ�งานประเภทที่ 1 ที่มีความสำ�คัญตํ่าที่สุด
จึงเป็นช่วงทีม่ กี ารตัดสินใจสุดท้าย แต่ในการคำ�นวณจะทำ�การตัดสินใจย้อนกลับ เหมือนในตัวอย่าง
ที่ผ่านมา โดยแต่ละช่วงจะมีตัวแปรที่เกี่ยวข้องดังแสดงในตารางที่ 10-7 ดังต่อไปนี้
ตารางที่ 10-7 ตัวแปรในตัวอย่างของ Knapsack Problem
ตัวแปร ความหมาย
dn จำ�นวนงานที่เลือกในช่วงการตัดสินใจที่ n
Xn จำ�นวนวันที่เหลือเมื่อเริ่มการตัดสินใจในช่วงที่ n
Xn-1 จำ�นวนวันที่เหลือเมื่อจบการตัดสินใจช่วงที่ n โดยมีค่าเท่ากับ Xn – (ระยะเวลา
การดำ�เนินงาน × dn)โดย X4 จะเท่ากับ 12 วันจากตัวอย่างที่ให้มา
rn ผลตอบแทนในช่วงการตัดสินใจที่ n มีค่าเท่ากับ
คะแนนความสำ�คัญของแต่ละงาน × dn
สำ�หรับการวิเคราะห์เพื่อแก้ปัญหานั้นจะทำ�การวิเคราะห์ในแต่ละช่วง โดยเริ่มต้นจาก
งานประเภทที่ 1 ก่อนไปจนถึงงานประเภทที่ 4 ดังแสดงในรูปที่ 10-17 ดังต่อไปนี้
d4 d3 d2 d1
x4 = 12 งานประเภทที่ 4 x3 งานประเภทที่ 3 x2 งานประเภทที่ 2 x1 งานประเภทที่ 1 x0

x3 = x4 - 8d4 x2 = x3 - 6d3 x1 = x2 - 4d2 x0 = x1 - 2d1
r4(x4, d4) = 22d4 r3(x3, d3) = 15d3 r2(x2, d2) = 10d2 r1(x1, d1) = 4d1
รูปที่ 10-17 รูปแบบของการวิเคราะห์โปรแกรมเชิงพลวัตของ Knapsack Problem
การวิเคราะห์การตัดสินใจในช่วงที่ 1 จำ�นวนงานประเภทที่ 1 ที่ควรดำ�เนินการ
จากตารางที่ 10-8 ในคอลัมน์แรกจะแสดงวันที่เหลือก่อนเริ่มงานประเภทที่ 1 ซึ่งมี
ความเป็นไปได้ตั้งแต่ 0 - 12 วัน ในคอลัมน์ที่ 2 จะแสดงถึงจำ�นวนงานที่ควรทำ�เพื่อทำ�ให้ได้
คะแนนที่ดีที่สุดซึ่งจะแสดงในคอลัมน์ที่ 3 ยกตัวอย่างเช่นหากจำ�นวนวันที่เหลือตํ่ากว่า 2 วัน ก็
ไม่สามารถทำ�งานประเภทนี้ได้เลย เนื่องจากงานประเภทที่ 1 นี้ใช้เวลาในการทำ� 2 วันต่อ 1 งาน
และก็จะไม่ได้คะแนนใด ๆ แต่เมื่อมีวันที่เหลืออยู่ 2 วัน ก็สามารถทำ�งานนี้ได้จำ�นวน 1 งาน
และจะได้คะแนนที่ทำ�ได้เท่ากับ 4 คะแนน (1 งานได้ 4 คะแนน) ในกรณีอื่น ๆ ก็ใช้วิธีการคำ�นวณ
เช่นเดียวกัน เป็นที่สังเกตว่าถึงแม้ว่าจำ�นวนวันจะเหลือ 12 วันแต่จำ�นวนงานที่ทำ�ได้ก็จะอยู่ที่ 5
งานเท่านั้น เนื่องจากงานประเภทที่ 1 มีอยู่ 5 งานเท่านั้น
ตารางที่ 10-8 การวิเคราะห์การตัดสินใจในช่วงที่ 1 ของ Knapsack Problem
จำ�นวนวันที่เหลือก่อนเริ่มงานที่ 1 (X1) จำ�นวนงานที่ทำ� (d1) คะแนนที่ทำ�ได้ (r1)

0 0 0
1 0 0
2 1 4
3 1 4
4 2 8
5 2 8
6 3 12
7 3 12
8 4 16
9 4 16
10 5 20
11 5 20
12 5 20
ความเป็นไปได้ตั้งแต่ 0 - 12 วัน ในคอลัมน์ที่ 2 จะแสดงถึงจำ�นวนงานที่สามารถทำ�ได้ ยกตัวอย่าง
เช่นหากจำ�นวนวันที่เหลือตํ่ากว่า 4 วัน ก็ไม่สามารถทำ�งานประเภทนี้ได้เลย เนื่องจากงานประเภท
ที่ 2 นี้ใช้เวลาในการทำ�งาน 4 วันต่อ 1 งาน แต่เมื่อมีวันที่เหลืออยู่ 4 วัน ก็สามารถทำ�งานนี้ได้
จำ�นวน 1 งานหรือจะเลือกไม่ทำ�งานนี้เลยก็ได้ ในกรณีที่เลือกทำ�งานนี้จำ�นวน 1 งาน และจะได้
คะแนนที่ทำ�ได้เท่ากับ 10 คะแนน (1 งานได้ 10 คะแนน) โดยจะไม่มีวันเหลือไปในการเลือกงาน
ที่ 1 เลย ดังนั้นคะแนนรวมที่ได้จากงานที่ 1 และ 2 ในกรณีนี้ก็คือ 10 คะแนน แต่หากเลือกที่จะ
ไม่ทำ�งานงานนี้เลย ก็จะมีวันเหลือไปเลือกงานที่ 1 จำ�นวน 4 วัน ซึ่งจากตารางที่ 10-7 ก็จะทำ�ให้
ได้คะแนนในการทำ�งานที่ 1 อยู่ 8 คะแนน ซึ่งในกรณีนี้จะเห็นว่าการเลือกทำ�งานประเภทที่ 2 นี้
จำ�นวน 1 งานจะทำ�ให้ได้คะแนนรวมมากกว่าการเลือกไม่ทำ�งานประเภทที่ 2 นี้เลย
ในกรณีอื่น ๆ ก็ใช้วิธีการคำ�นวณเช่นเดียวกัน โดยหากมีทางเลือกว่าจะทำ�งานที่ 2 นี้
0 1 หรือ 2 งาน ก็จะทำ�การเปรียบเทียบคะแนนรวมที่ได้จากงานที่ 1 และ 2 รวมกัน ทางเลือก
ใดให้คะแนนรวมสูงสุดก็จะเลือกทางเลือกนั้น และสรุปในคอลัมน์ของจำ�นวนงานที่ควรทำ� และ
คะแนนรวมที่ดีที่สุด รวมทั้งทำ�การคำ�นวณวันที่เหลือไปในช่วงที่ 1 ในคอลัมน์สุดท้ายด้วย
เพื่อให้เข้าใจชัดเจนขึ้น จึงขอยกตัวอย่างการคำ�นวณเมื่อจำ�นวนวันที่เหลือก่อนเริ่มงาน
ที่ 2 เท่ากับ 12 วัน ในกรณีนี้เราสามารถเลือกที่จะไม่ทำ�งานที่ 2 เลย ทำ�งานที่ 2 จำ�นวน 1 งาน
หรือทำ�งานที่ 2 จำ�นวน 2 งาน โดยสามารถรวมคะแนนที่ได้จากงานที่ 1 และ 2 ได้ดังต่อไปนี้
1. เลือกไม่ทำ�งานที่ 2 เลย คะแนนที่ได้จากงานที่ 2 = 0 ส่งผลให้มีวันเหลือไปเลือก
ทำ�งานประเภทที่ 1 จำ�นวน 12 วัน ซึ่งจากตารางที่ 10-9 จะเห็นว่าจะได้คะแนนในการทำ�งาน
ประเภทที่ 1 อีก 20 คะแนน เพราะฉะนั้นคะแนนรวมจึงเท่ากับ 0 + 20 = 20 คะแนน
2. เลือกทำ�งานที่ 2 จำ�นวน 1 งาน คะแนนที่ได้จากงานที่ 2 = 1 × 10 = 10 คะแนน
ส่งผลให้มีวันเหลือไปเลือกทำ�งานประเภทที่ 1 จำ�นวน 12 – (1 × 4) = 8 วัน ซึ่งจากตารางที่
10-9 จะเห็นว่าจะได้คะแนนในการทำ�งานประเภทที่ 1 อีก 16 คะแนน เพราะฉะนั้นคะแนนรวม
จึงเท่ากับ 10 + 16 = 26 คะแนน
10-9 จะเห็นว่าจะได้คะแนนในการทำ�งานประเภทที่ 1 อีก 8 คะแนน เพราะฉะนั้นคะแนนรวม
จึงเท่ากับ 20 + 8 = 28 คะแนน
ดังนั้นจากการพิจารณาจากทางเลือกที่เป็นไปได้ 3 ทางเลือกนี้แล้ว ในกรณีที่เหลือ
วันทำ�งานจำ�นวน 12 วัน เราควรเลือกทำ�งานประเภทที่ 2 นี้จำ�นวน 2 งาน เพื่อให้ได้คะแนนรวม
ที่ดีที่สุดเท่ากับ 28 คะแนน และจะมีวันเหลือไปยังการตัดสินใจในช่วงที่ 1 (การเลือกงานประเภท
ที่ 1) จำ�นวน 4 วัน เป็นต้น
เป็นที่น่าสังเกตว่าจำ�นวนงานประเภทที่ 2 มีจำ�กัดแค่ไม่เกิน 2 งานเท่านั้น ถึงแม้ว่าจะ
มีจำ�นวนวันเหลือมากพอที่จะทำ�งานนี้เกิน 2 งานก็ไม่สามารถที่จะกระทำ�ได้ เนื่องจากแต่ละงาน
ใช้เวลา 4 วัน และมีเวลาในการทำ�งานเพียง 12 วัน
คะแนนรวมที่ได้จากงาน
จำ�นวนวันที่ ที่ 1 และ 2 หากทำ�งาน จำ�นวนงาน คะแนนรวมที่ จำ�นวนวันที่
เหลือก่อนเริ่ม ที่ 2 จำ�นวน ทีค่ วรทำ� เหลือไปในช่วง
ดีที่สุด
งานที่ 2 (X2) (d2) ที่ 1 (X1)
0 งาน 1 งาน 2 งาน
0 - - - 0 0 0
1 - - - 0 0 1
2 4 - - 0 4 2
3 4 - - 0 4 3
4 8 10 - 1 10 0
5 8 10 - 1 10 1
6 12 14 - 1 14 2
7 12 14 - 1 14 3
8 16 18 20 2 20 0
9 16 18 20 2 20 1
10 20 22 24 2 24 2
11 20 22 24 2 24 3
12 20 26 28 2 28 4
ความเป็นไปได้ตั้งแต่ 0-12 วัน ในคอลัมน์ที่ 2 จะแสดงถึงจำ�นวนงานที่สามารถทำ�ได้ ยกตัวอย่าง
เช่นหากจำ�นวนวันที่เหลือตํ่ากว่า 6 วัน ก็ไม่สามารถทำ�งานประเภทนี้ได้เลย เนื่องจากงานประเภท
ที่ 3 นี้ใช้เวลาในการทำ� 6 วันต่อ 1 งาน แต่เมื่อมีวันที่เหลืออยู่ 6 วัน ก็สามารถทำ�งานนี้ได้จำ�นวน
1 งานหรือจะเลือกไม่ทำ�งานนี้เลยก็ได้ ในกรณีที่เลือกทำ�งานนี้จำ�นวน 1 งาน และจะได้คะแนน
ที่ทำ�ได้เท่ากับ 15 คะแนน (1 งานได้ 15 คะแนน) โดยจะไม่มีวันเหลือไปในการเลือกงานที่ 1
และ 2 เลย ดังนั้นคะแนนรวมที่ได้จากงานที่ 1 2 และ 3 ในกรณีนี้ก็คือ 15 คะแนนแต่หาก
เลือกที่จะไม่ทำ�งานงานนี้เลย ก็จะมีวันเหลือไปเลือกงานที่ 2 จำ�นวน 6 วัน ซึ่งจากตารางที่ 10-8
ก็จะทำ�ให้ได้คะแนนในการทำ�งานที่ 1 และ 2 อีก 14 คะแนน ซึ่งในกรณีนี้จะเห็นว่าการเลือก
ทำ�งานประเภทที่ 3 นี้จำ�นวน 1 งานจะทำ�ให้ได้คะแนนรวมมากกว่าการเลือกไม่ทำ�งานประเภท
ที่ 3 นี้เลย
ในกรณีอื่น ๆ ก็ใช้วิธีการคำ�นวณเช่นเดียวกัน โดยหากมีทางเลือกว่าจะทำ�งานที่ 3 นี้
0 1 หรือ 2 งาน ก็จะทำ�การเปรียบเทียบคะแนนรวมที่ได้จากงานที่ 1 2 และ 3 รวมกัน
ทางเลือกใดให้คะแนนรวมสูงสุดก็จะเลือกทางเลือกนั้น และสรุปในคอลัมน์ของจำ�นวนงาน
ที่ควรทำ� และคะแนนรวมที่ดีที่สุด รวมทั้งทำ�การคำ�นวณวันที่เหลือไปในช่วงที่ 2 ในคอลัมน์
สุดท้ายด้วย
เพื่อให้เข้าใจชัดเจนขึ้น จึงขอยกตัวอย่างการคำ�นวณเมื่อจำ�นวนวันที่เหลือก่อนเริ่มงาน
ที่ 3 เท่ากับ 12 วัน ในกรณีนี้เราสามารถเลือกที่จะไม่ทำ�งานที่ 3 เลย ทำ�งานที่ 3 จำ�นวน 1 งาน
หรือทำ�งานที่ 3 จำ�นวน 2 งาน โดยสามารถรวมคะแนนที่ได้จากงานที่ 1 2 และ 3 ได้ดังต่อไปนี้
ประเภทที่ 1 และ 2 อีก 28 คะแนน เพราะฉะนั้นคะแนนรวมจึงเท่ากับ 0 + 28 = 28 คะแนน
10-8 จะเห็นว่าจะได้คะแนนในการทำ�งานประเภทที่ 1 และ 2 อีก 14 คะแนน เพราะฉะนั้น
คะแนนรวมจึงเท่ากับ 15 + 14 = 29 คะแนน
3. เลือกทำ�งานที่ 3 จำ�นวน 2 งาน คะแนนที่ได้จากงานที่ 3 = 2 × 15 = 30
คะแนน ส่งผลให้ไม่มีวันเหลือไปเลือกทำ�งานประเภทที่ 2 เลย ซึ่งจากตารางที่ 10-8 จะเห็นว่าก็
จะไม่ได้คะแนนในการทำ�งานประเภทที่ 1 และ 2 เพราะฉะนั้นคะแนนรวมจึงเท่ากับ 30 + 0 =
30 คะแนน
ดังนั้นจากการพิจารณาจากทางเลือกที่เป็นไปได้ 3 ทางเลือกนี้แล้ว ในกรณีที่เหลือ
วันทำ�งานจำ�นวน 12 วัน เราควรเลือกทำ�งานประเภทที่ 3 นี้จำ�นวน 2 งาน เพื่อให้ได้คะแนน
รวมที่ดีที่สุดเท่ากับ 30 คะแนน และจะไม่มีวันเหลือไปยังการตัดสินใจในช่วงที่ 2 (การเลือกงาน
ประเภทที่ 2) เลย เป็นต้น
เป็นที่น่าสังเกตว่าจำ�นวนงานประเภทที่ 3 ถึงแม้ว่าจะมีจำ�นวนถึง 3 งาน แต่ไม่มีทาง
เป็นไปได้เลยที่จะได้ทำ�ถึง 3 งานเนื่องจากแต่ละงานต้องใช้เวลา 6 วัน และมีจำ�นวนวันจำ�กัดเพียง
12 วันเท่านั้น
คะแนนรวมที่ได้จากงานที่ 1 2 จำ�นวนวัน
จำ�นวนวันที่ จำ�นวนงาน คะแนน
และ 3 หากทำ�งานที่ 3 จำ�นวน ที่เหลือไป
เหลือก่อนเริ่ม ทีค่ วรทำ� รวมที่ดี
ในช่วงที่ 2
งานที่ 3 (X3) 0 งาน 1 งาน 2 งาน 3 งาน (d3) ที่สุด
(X2)
0 0 - - - 0 0 0
1 0 - - - 0 0 1
2 4 - - - 0 4 2
3 4 - - - 0 4 3
4 10 - - - 0 10 4
5 10 - - - 0 10 5
6 14 15 - - 1 15 0
7 14 15 - - 1 15 1
8 20 19 - - 0 20 8
9 20 19 - - 0 20 9
10 24 25 - - 1 25 4
11 24 25 - - 1 25 5
12 28 29 30 - 2 30 0
จากตารางที่ 10-11 ในคอลัมน์แรกจะแสดงวันที่เหลือก่อนเริ่มงานประเภทที่ 4 ซึ่งใน
กรณีนี้คือ 12 วันเท่านั้น ในคอลัมน์ที่ 2 จะแสดงถึงจำ�นวนงานที่สามารถทำ�ได้ ซึ่งในกรณีนี้มีแค่
2 ทางเลือกเท่านั้นคือไม่ทำ�งานนี้เลยหรือทำ�งานนี้จำ�นวน 1 งาน โดยจะให้ผลดังต่อไปนี้
ประเภทที่ 1 2 และ 3 อีก 30 คะแนน เพราะฉะนั้นคะแนนรวมจึงเท่ากับ 0 + 30 = 30 คะแนน
10-11 จะเห็นว่าจะได้คะแนนในการทำ�งานประเภทที่ 1 2 และ 3 อีก 10 คะแนน เพราะฉะนั้น
คะแนนรวมจึงเท่ากับ 22 + 10 = 32 คะแนน
ดังนั้นจากการพิจารณาจากทางเลือกที่เป็นไปได้ 2 ทางเลือกนี้แล้ว เราควรเลือกทำ�งาน
ประเภทที่ 4 นี้จำ�นวน 1 งาน เพื่อให้ได้คะแนนรวมที่ดีที่สุดเท่ากับ 32 คะแนน และจะมีวันเหลือ
ไปยังการตัดสินใจในช่วงที่ 3 (การเลือกงานประเภทที่ 3) จำ�นวน 4 วัน
คะแนนรวมที่ได้จาก
จำ�นวนวันที่ งานที่ 1-4 หากทำ�งาน จำ�นวนงาน
คะแนนรวมที่ จำ�นวนวันที่เหลือไป
เหลือก่อนเริ่ม ที่ 4 จำ�นวน ทีค่ วรทำ�
ดีที่สุด ในช่วงที่ 3 (X3)
งานที่ 4 (X3) (d4)
0 งาน 1 งาน
12 30 32 1 32 4
จากผลการวิเคราะห์โดยพิจารณาย้อนกลับจากตารางที่ 10-11 ไปยังตารางที่ 10-8 จะ

พบว่าเราควรเลือกทำ�งานประเภทที่ 4 จำ�นวน 1 งาน ทำ�ให้เหลือวันอีก 4 วัน (ตารางที่ 10-11)
หลังจากนั้นเราก็ไม่ควรเลือกทำ�งานประเภทที่ 3 จึงทำ�ให้ยังคงเหลือวันอีก 4 วันเท่าเดิม (ตาราง
ที่ 10-10) หลังจากนั้นเราจึงควรเลือกทำ�งานประเภทที่ 2 จำ�นวน 1 งาน ซึ่งจะไม่เหลือวันสำ�หรับ
งานประเภทที่ 1 อีกแล้ว (ตารางที่ 10-9) ดังนั้นจึงเป็นที่ชัดเจนว่าเราไม่สามารถเลือกงานประเภท
ที่ 1 ได้อีก (ตารางที่ 10-8) โดยสรุปผลการวิเคราะห์ได้ดังตารางที่ 10-12 หน้าถัดไปนี้
ตารางที่ 10-12 สรุปผลการตัดสินใจของ Knapsack Problem
ระยะเวลาการ คะแนนความสำ�คัญ
ประเภทของงาน จำ�นวนงานที่ทำ�
ดำ�เนินงาน (วัน) ของงาน
1 0 0 0
2 1 4 10
3 0 0 0
4 1 8 22
รวม 12 32
ตัวอย่างการใช้โปรแกรมเชิงพลวัตในการตัดสินใจทางธุรกิจ
ผูจ้ ดั การฝ่ายผลิตต้องการวางแผนการผลิตเครือ่ งจักร โดยมีขอ้ มูลประกอบการวางแผน
ดังแสดงในตารางที่ 10-13 ดังต่อไปนี้
ตารางที่ 10-13 ข้อมูลการวางแผนการผลิต
ต้นทุนต่อหน่วย
ผลิตสินค้า เก็บสินค้าปลาย
สัปดาห์ ความต้องการ
ได้ไม่เกิน งวดได้ไม่เกิน การผลิตสินค้า ค่าเก็บรักษา
ที่ (จำ�นวนเครื่อง)
(จำ�นวนเครื่อง) (จำ�นวนเครื่อง) (บาทต่อเครื่อง) (บาทต่อเครื่อง
ต่อสัปดาห์)
1 2 3 2 7,000 100
2 3 2 3 6,000 120
3 3 3 2 8,500 150
โดยที่ต้นสัปดาห์ที่ 1 นั้น มีสินค้าคงคลังเหลืออยู่ 1 เครื่อง

จากข้อมูลการวางแผนการผลิตดังกล่าว สามารถนำ�มากำ�หนดเป็นตัวแปรที่สำ�คัญใน
โปรแกรมเชิงพลวัตได้ดังแสดงในตารางที่ 10-14 หน้าถัดไปนี้
ตารางที่ 10-14 ตัวแปรในตัวอย่างของการวางแผนการผลิต
ตัวแปร ความหมาย
N จำ�นวนงวดที่จะพิจารณา
DN ความต้องการสินค้าในแต่ละงวด
XN จำ�นวนสินค้าคงคลังเมื่อเริ่มต้นงวด
dN จำ�นวนสินค้าที่ผลิตในแต่ละงวด
PN กำ�ลังการผลิตในแต่ละงวด
WN ความสามารถในการเก็บสินค้าในแต่ละงวด
CN ต้นทุนการผลิตสินค้าต่อหน่วยในแต่ละงวด
HN ต้นทุนค่าเก็บรักษาต่อเครื่องต่อสัปดาห์ในแต่ละงวด
จากข้อมูลเกี่ยวกับการวางแผนการผลิตข้างต้น เราจะดำ�เนินการแบ่งการตัดสินใจโดย
แบ่งออกไป 3 ขั้นตอน โดยเป็นการตัดสินใจย้อนกลับ เหมือนดังตัวอย่างที่ผ่าน ๆ มา โดยมีขั้น
ตอนการตัดสินใจดังต่อไปนี้
1. ช่วงที่ 1 การตัดสินใจผลิตในสัปดาห์ที่ 3
ในการวางแผนการผลิตนี้ ตัวแปรที่มีความสำ�คัญมากคือจำ�นวนสินค้าคงคลังปลาย
งวด (Ending Inventory) เนื่องจากปริมาณของสินค้าคงคลังที่มีอยู่ ณ วันสิ้นงวดจะมีผลต่อการ
ตัดสินใจเลือกปริมาณการผลิตในงวดถัดไป ยกตัวอย่างเช่นจากจำ�นวนสินค้าคงคลังที่มีอยู่นั้นไม่
เพียงพอต่อการตอบสนองความต้องการ (Demand) ในสัปดาห์ถดั ไป ก็จะต้องทำ�การผลิตในปริมาณ
ทีข่ าด แต่กต็ อ้ งพิจารณาไม่ผลิตจำ�นวนมากจนเกินไปเพือ่ จะไม่ให้เหลือสินค้าคงคลังในปลายสัปดาห์
มากเกินความจำ�เป็น เพราะอาจจะก่อให้เกิดต้นทุนในการถือครองสินค้าคงคลังเหล่านั้น ดังนั้น
สินค้าคงคลังปลายงวดจึงเป็นตัวแปรที่แสดงสถานะ และฟังก์ชั่นการเปลี่ยนแปลงสถานะ (Stage
Transformation Function) จึงสามารถแสดงได้ดังต่อไปนี้
สินค้าคงคลังปลายงวด = สินค้าคงคลังต้นงวด + สินค้าที่ผลิตในงวดนั้น – สินค้าที่นำ�
ไปจำ�หน่ายในงวดนั้น
โดยสินค้าคลังคลังปลายงวดที่ N + 1 จะเป็นสินค้าคงคลังต้นงวดที่ N ดังนั้น จากข้อมูล
ที่ได้จะสามารถนำ�มาเขียนสมการในแต่ละงวดได้ดังต่อไปนี้
X3 =1
X2 = X3 + d3 – D3 = X3 + d3 – 2
X1 = X2 + d2 – D2 = X2 + d2 – 3
X0 = X1 + d1 – D1 = X1 + d1 – 3
โดยที่ XN หมายถึง จำ�นวนสินค้าคงคลังเมื่อเริ่มต้นงวดที่ N

ในแต่ละขั้นตอนก็จะมีการตัดสินใจว่ามีการผลิตจำ�นวนเท่าไร (dN) และเมื่อมีการตัดสิน
ใจแล้วสิ่งที่เกิดขึ้น (Return) ในการตัดสินใจก็คือต้นทุนรวม ซึ่งหมายถึงผลรวมของต้นทุนการผลิต
รวมกับผลรวมของต้นทุนในการถือครองสินค้าคงคลังนั่นเอง โดยในการตัดสินใจเพื่อวางแผนการ
ผลิตนี้มีจุดมุ่งหมายที่ต้องการทำ�ให้ต้นทุนรวมนี้ตํ่าที่สุด โดยเราจะสามารถคำ�นวณค่าต้นทุนรวม
(Return) นี้ในแต่ละงวดได้ดังต่อไปนี้
r1 (X1,d1) = 8,500d1 + 150(X1 + d1 - 3)

r2 (X2,d2) = 6,000d2 + 120(X2 + d2 - 3)
r3 (X3,d3) = 7,000d3 + 100(X3 + d3 - 2)
ยกตัวอย่างเช่นต้นทุนรวมในงวดที่ 1 (r1 (X1, d1)) มีค่าเท่ากับต้นทุนรวมในการผลิต

ซึ่งคำ�นวณจาก 8,500 x d1 (ซึ่งหมายถึงจำ�นวนการผลิต) รวมกับต้นทุนรวมในการถือครองของ
คงคลังซึ่งมีค่าเท่ากับ 150 × (X1 + d1 - 3) ซึ่งในกรณีนี้ค่าของ X1 + d1 - 3 ก็คือของคงคลัง
ปลายงวดซึ่งคำ�นวณจากของคงคลังต้นงวดบวกกับการผลิตเพิ่มและหักออกด้วยสินค้าที่นำ�ไปขาย
ทัง้ นีก้ ารนำ�เอาของคงคลังปลายงวดมาเป็นฐานในการคำ�นวณค่าของต้นทุนการถือครองของคงคลัง
เนือ่ งจากในทีน่ ไี้ ด้มกี ารตัง้ สมมุตฐิ านว่าการผลิตและการขายเกิดขึน้ ทีต่ น้ งวด เพือ่ ทำ�ให้การคำ�นวณ
ไม่มคี วามซับซ้อน (อย่างไรก็ตามเราอาจจะพิจารณาหาค่าเฉลีย่ ของของคงคลังต้นงวดกับปลายงวด
เพื่อใช้ในการคำ�นวณก็ได้ หากต้องการ)
นอกเหนือจากนัน้ ในการพิจารณาการตัดสินใจในแต่ละงวดนัน้ จะต้องคำ�นึงถึงข้อจำ�กัด
ต่าง ๆ ดังต่อไปนี้
1. ข้อจำ�กัดด้านความสามารถในการถือครองสินค้าคงคลังของคลังสินค้า (Warehouse
Capacity) โดยที่สินค้าคงคลังปลายงวด (XN + dN – DN) จะต้องมีปริมาณน้อยกว่าหรือเท่ากับ
ความสามารถของคลังสินค้าที่สามารถรองรับได้ (WN) นั้นคือ
XN + dN – DN ≤ WN หรือ XN + dN ≤ WN + DN
2. ข้อจำ�กัดด้านกำ�ลังการผลิตในแต่ละงวด โดยปริมาณสินค้าที่จะผลิตเพิ่มขึ้นใน
แต่ละงวดจะต้องไม่เกินกว่ากำ�ลังการผลิตในงวดนั้น นั่นคือ
dN ≤ PN
3. ข้อจำ�กัดด้านความต้องการ (Demand) โดยที่ปริมาณสินค้าคงคลังต้นงวดรวมกับ
ปริมาณสินค้าทีจ่ ะผลิตเพิม่ ขึน้ ในงวดนัน้ ๆ จะต้องมีปริมาณมากกว่าหรือเท่ากับความต้องการสินค้า
(Demand) ของงวดนั้น ๆ นั่นคือ
XN + dN ≥ DN
จากข้อมูลทั้งหมดข้างต้น สามารถนำ�มาสรุปเป็นแผนภาพของโปรแกรมเชิงพลวัตได้
ดังรูปที่ 10-18 ดังต่อไปนี้
d3 d2 d1
x3 = 1 การตัดสินใจชวงที่ 3 x2 การตัดสินใจชวงที่ 2 x1 การตัดสินใจชวงที่ 1 x0

(สัปดาหที่ 1) (สัปดาหที่ 2) (สัปดาหที่ 3)
r3(x3, d3) r2(x2, d2) r1(x1, d1)
รูปที่ 10-18 รูปแบบของการวิเคราะห์โปรแกรมเชิงพลวัตของตัวอย่างการวางแผนการผลิต
ในขั้นตอนการวิเคราะห์ในแต่ละงวดนั้น จะทำ�การพิจารณาโดยมีวัตถุประสงค์หลักคือ
ทำ�ให้ต้นทุนรวมตํ่าที่สุด โดยจะเริ่มวิเคราะห์ย้อนกลับจากสัปดาห์ที่ 3 ไปยังสัปดาห์ที่ 1 โดยมี
การวิเคราะห์ต้นทุนของช่วงที่ 1 (สัปดาห์ที่ 3)
เป้าหมาย Min r1(X1, d1) = 8,500d1 + 150(X1 + d1 – 3) = 8,650d1 + 150X1 – 450
X1 + d1 ≤ 5 ข้อจำ�กัดด้านคลังสินค้า
d1 ≤ 3 ข้อจำ�กัดด้านการผลิตสินค้า
X1 + d1 ≥ 3 ข้อจำ�กัดด้านความต้องการ
จากตารางที่ 10-15 จะเห็นได้ว่า ค่า X1 หรือปริมาณสินค้าคงคลังต้นช่วงที่ 1 ซึ่งมี
ค่าที่เป็นไปได้อยู่ระหว่าง 0 – 3 สาเหตุเนื่องมาจากข้อจำ�กัดด้านความสามารถในการรองรับสินค้า
คงคลังของคลังสินค้าของช่วงที่ 2 หรือช่วงก่อนหน้านัน้ มีคา่ ได้ไม่เกิน 3 หน่วย เพราะฉะนัน้ ค่าจึงอยู่
ระหว่าง 0 – 3 ในส่วนค่าของ d1 หรือปริมาณการผลิตที่เป็นไปได้นั้นจะอยู่ระหว่าง 0 – 3 เช่นกัน
เนื่องมาจากผลของข้อจำ�กัดด้านกำ�ลังการผลิตที่ไม่สามารถผลิตได้เกิน 3 หน่วย นอกจากนั้นจาก
ข้อจำ�กัดด้านความต้องการจึงทำ�ให้ค่า X1 + d1 มีค่าเท่ากับ 3 หน่วย (จะผลิตไม่เกิน 3 หน่วย
เพราะจะมีต้นทุนมากเกินความจำ�เป็น) และเมื่อแทนค่าของ X1 (ปริมาณของคงคลังต้นงวดนี้)
และ d*1 (การผลิตที่ดีที่สุด) แล้วสามารถจะคำ�นวณต้นทุนรวมในงวดนี้ดังแสดงในตารางที่ 10-13
ตารางที่ 10-15 การวิเคราะห์เชิงพลวัตในตัวอย่างการวางแผนการผลิตช่วงที่ 1
F1(X1) = r1(X1,d*1)
X1 d*1
8,650d1 + 150X1 - 450
0 3 25,550
1 2 17,000
2 1 8,500
3 0 0
เป้าหมาย Min r2(X2, d2) + f1(X1) = 6,000d2 + 120(X2 + d2 – 3) + f1(X1) =
6,120d2 + 120X2 – 360 + f1(X1)
จากตารางที่ 10-16 จะเห็นได้ว่า ค่า X2 หรือปริมาณสินค้าคงคลังต้นช่วงที่ 2 ซึ่งมี
ค่าที่เป็นไปได้อยู่ระหว่าง 0 – 2 สาเหตุเนื่องมาจากข้อจำ�กัดด้านความสามารถในการรองรับสินค้า
คงคลังของคลังสินค้าของช่วงที่ 1 หรือช่วงก่อนหน้านั้นมีค่าได้ไม่เกิน 2 หน่วย เพราะฉะนั้นค่าจึง
อยู่ระหว่าง 0 – 2 ในส่วนค่าของ d1 หรือปริมาณการผลิตที่เป็นไปได้นั้นจะอยู่ระหว่าง 0 – 2
เช่ น กั น เนื่ อ งมาจากผลของข้ อ จำ � กั ด ด้ า นกำ � ลั ง การผลิ ต ที่ ไ ม่ ส ามารถผลิ ต ได้ เ กิ น 2 หน่ ว ย
นอกจากนั้นจากข้อจำ�กัดด้านความต้องการจึงทำ�ให้ค่า X2 + d2 ต้องมีค่าอย่างตํ่า 3 หน่วย
และเมื่อคำ�นวณจากค่าของ X2 (ปริมาณของคงคลังต้นงวดนี้) และ d2 (การผลิตที่ในช่วงที่ 2)
แล้วสามารถจะคำ�นวณต้นทุนรวมในงวดนี้ดังแสดงในตารางที่ 10-16 ดังต่อไปนี้
r2(X2,d2) + f1(X1) กำ�ลังการผลิตในช่วงที่ 2 ไม่เกิน 2 หน่วย

X2
d2 = 0 d2 = 1 d2 = 2 d*2 F2(X2) X1 = X2 + d*2 - 3
0 - - - - M -
1 - - 37,550 2 37,550 0
2 - 31,550 29,120 2 29,120 1
สังเกตว่าเมื่อสินค้าคงคลังต้นช่วงที่ 2 (X2) มีค่าเป็น 0 นั้นจะไม่มีคำ�ตอบที่เป็นไปได้

ทั้งนี้เนื่องจากจะขัดแย้งกับข้อจำ�กัดด้านความต้องการของลูกค้าที่มีความต้องการเท่ากับ 3 หน่วย
แต่เมื่อมี X2 = 0 ทำ�ให้เกิดกรณีว่าจะทำ�การผลิตเท่าใดก็ได้ก็ไม่เป็นไปตามข้อจำ�กัดทางด้านนี้
เนื่องจากในช่วงที่ 2 นี้มีกำ�ลังการผลิตได้ไม่เกิน 2 หน่วยเท่านั้น ดังนั้นเพื่อไม่ให้คำ�ตอบนี้เป็น
คำ�ตอบที่เป็นไปได้ เราจึงใส่ค่าตัวเลขที่มีค่าสูงมาก (ค่า M ในตาราง) ซึ่งจะเป็นค่าใดก็ได้เพื่อ
ให้เห็นว่าในกรณีที่ของคงคลังต้นช่วงที่ 2 หากมีค่าเท่ากับ 0 แล้วจะทำ�ให้เกิดต้นทุนที่สูงมาก
(เปรียบเสมือนต้นทุนทีเ่ ราสูญเสียไปจากการเสียโอกาสในการขาย) เพือ่ ทำ�ให้กรณีนจี้ ะไม่อยูใ่ นกรณี
ที่ดีที่สุดในการคำ�นวณในขั้นถัดไป
ดังนั้นในกรณีนี้การผลิตที่เป็นไปได้มีอยู่เพียง 2 กรณีเท่านั้นคือ
1. เมื่อสินค้าต้นงวดที่ 2 มีเหลืออยู่ 1 หน่วย X2 = 1 เราจะทำ�การผลิตทั้งสิ้น 2 หน่วย
(เพื่อให้มีของจำ�หน่ายให้กับลูกค้าจำ�นวน 3 หน่วย) ทำ�ให้มีต้นทุนดังต่อไปนี้
r2(1,2) + f1(0) = 6,120(2) + 120(1) – 360 + 25,550 = 37,550
(ต้นทุนในส่วนของ 25,550 บาทในสมการข้างต้นนั้นเกิดขึ้นจากช่วงที่ 1 จากการพบว่า

เมื่อมีของต้นงวด 1 หน่วยและมีการผลิต 2 หน่วย เมื่อนำ�ไปจำ�หน่าย 3 หน่วย จึงไม่เหลือ
ของคงคลังปลายงวดเลย ดังนั้นค่า X1 จึงมีค่าเท่ากับ 0 แล้ว ซึ่งจากตารางที่ 10-15 จะพบว่า
ต้นทุนในช่วงที่ 1 ในกรณีที่สินค้าต้นงวด (X1) มีค่าเท่ากับ 0 มีค่าเท่ากับ 25,520 บาท ดังนั้นจึง
นำ�ตัวเลขนี้มารวมกับต้นทุนของช่วงที่ 2 นี้เพื่อคำ�นวณเป็นต้นทุนสะสม)
2. เมื่อสินค้าต้นงวดมีค่าเท่ากับ 2 หน่วย (X2 = 2) จะทำ�ให้มีทางเลือกในการผลิต
อยู่ 2 ทางเลือก คือผลิต 1 หน่วยหรือผลิต 2 หน่วย (เพื่อให้มีของอย่างน้อย 3 หน่วยเพื่อนำ�ไป
จำ�หน่าย) ซึ่งคำ�นวณต้นทุนได้ดังนี้
กรณีที่ 1 เลือกทำ�การผลิตที่ปริมาณ 1 หน่วย จะเกิดต้นทุนดังนี้
r2(2,1) + f1(0) = 6,120(1) + 120(2) - 360 + 25,550 = 31,550
(ต้นทุนในส่วนของ 25,550 บาทในสมการข้างต้นนั้นเกิดขึ้นจากช่วงที่ 1 จากการพบว่า

เมื่อมีของต้นงวด 2 หน่วยและมีการผลิต 1 หน่วย เมื่อนำ�ไปจำ�หน่าย 3 หน่วย จึงไม่เหลือ
ของคงคลังปลายงวดเลย ดังนั้นค่า X1 จึงมีค่าเท่ากับ 0 แล้ว ซึ่งจากตารางที่ 10-15 จะพบว่า
ต้นทุนในช่วงที่ 1 ในกรณีที่สินค้าต้นงวด (X1) มีค่าเท่ากับ 0 มีค่าเท่ากับ 25,520 บาท ดังนั้นจึง
นำ�ตัวเลขนี้มารวมกับต้นทุนของช่วงที่ 2 นี้เพื่อคำ�นวณเป็นต้นทุนสะสม)
r2(2,2) + f1(1) = 6,120(2) + 120(2) - 360 + 17,000 = 29,120
(ต้ น ทุ น ในส่ ว นของ 17,000 บาทในสมการข้ า งต้ น นั้ น เกิ ด ขึ้ น จากช่ ว งที่ 1 จาก
การพบว่าเมื่อมีของต้นงวด 2 หน่วยและมีการผลิต 2 หน่วย เมื่อนำ�ไปจำ�หน่าย 3 หน่วย
จึงเหลือของคงคลังปลายงวด 1 หน่วยดังนั้นค่า X1 จึงมีค่าเท่ากับ 1 แล้ว ซึ่งจากตารางที่ 10-15
จะพบว่าต้นทุนในช่วงที่ 1 ในกรณีที่สินค้าต้นงวด (X1) มีค่าเท่ากับ 1 มีค่าเท่ากับ 17,000 บาท
ดังนั้นจึงนำ�ตัวเลขนี้มารวมกับต้นทุนของช่วงที่ 2 นี้เพื่อคำ�นวณเป็นต้นทุนสะสม)
เป้าหมาย Min r3(X3, d3) + f2(X2) = 7,000d3 + 100 (X3 + d3 – 2) + f2(X2) =
7,100d3 + 100X3 – 200 + f2(X2)
จากตารางที่ 10-17 จะเห็นได้ว่า ค่า X3 หรือปริมาณสินค้าคงคลังต้นช่วงที่ 3 (สัปดาห์
ที่ 1) มีค่าเท่ากับ 1 จากที่โจทย์กำ�หนด ในส่วนค่าของ d3 หรือปริมาณการผลิตที่เป็นไปได้นั้นจะ
อยู่ระหว่าง 0 – 3 เนื่องมาจากผลของข้อจำ�กัดด้านกำ�ลังการผลิตที่ไม่สามารถผลิตได้เกิน 3 หน่วย
นอกจากนั้นจากข้อจำ�กัดด้านความต้องการจึงทำ�ให้ค่า X3 + d3 มีค่าอย่างตํ่า 2 หน่วย (ดังนั้น
d3 จึงเป็น 0 หรือจะไม่มีการผลิตในช่วงที่ 3 นี้ไม่ได้) และเมื่อคำ�นวณจากค่า d3 (การผลิตที่
ในช่วงที่ 3) ในแต่ละกรณีแล้วสามารถจะคำ�นวณต้นทุนรวมในงวดนี้ดังแสดงในตารางที่ 10-17
r3(X3,d3) + f2(X2) กำ�ลังการผลิตในช่วงที่ 3 ไม่เกิน 3 หน่วย

X3
d3 = 0 d3 = 1 d3 = 2 d3 = 3 d*3 f3(X3) X2 = X3 + d*3 - 2
1 - M 51,650 50,320 3 50,320 2
จากข้อจำ�กัดด้านความต้องการสินค้าทำ�ให้ต้องมีปริมาณการผลิตรวมกับปริมารสินค้า
คงคลังต้นงวดนี้มีปริมาณอย่างน้อย 2 หน่วย ทำ�ให้มีทางเลือกที่จะทำ�การผลิตทั้งสิ้น 3 กรณี คือ
กรณีที่ 1 เลือกทำ�การผลิตที่ปริมาณ 1 หน่วยจะเกิดต้นทุนดังนี้
กรณีนี้หากมีการผลิตเท่ากับ 1 หน่วย ถึงแม้ว่าจะมีของจำ�หน่ายในงวดนี้ (จากที่มีของ
คงคลังต้นงวด 1 หน่วย จึงทำ�ให้มีของเท่ากับความต้องการพอดี 2 หน่วย) แต่จะทำ�ให้สินค้า
คงคลังปลายงวดเหลือ 0 ทันที ซึ่งจากการวิเคราะห์ในช่วงที่ 2 ที่ผ่านมานั้น (ตามตารางที่ 10-16)
จะเห็นว่าคำ�ตอบนีจ้ ะเป็นคำ�ตอบทีเ่ ป็นไปไม่ได้ เนือ่ งจากจะทำ�ให้เราไม่มขี องพอทีจ่ ะจำ�หน่ายในช่วง
ที่ 2 ทันที ซึ่งจะทำ�ให้เกิดต้นทุนสูงมากเท่ากับ M ดังนั้นกรณีนี้จึงทำ�ให้เกิดต้นทุนสูงมากเช่นกัน
ดังนั้นต้นทุนรวมในกรณีที่เลือกทำ�การผลิต 1 หน่วยในงวดนี้เท่ากับ 7,100d3 + 100X3 – 200 +
f2(X2) = 7,100(1) + 100(1) – 200 + M ซึ่งเป็นต้นทุนที่สูงมาก
7,100d3 + 100X3 – 200 + f2(X2) = 7,100(2) + 100(1) – 200 + 37,550 =
51,650 บาท (สำ�หรับตัวเลข 37,550 บาทนั้น เกิดจากการที่เลือกผลิตที่ปริมาณ 2 หน่วยจึงทำ�ให้
เหลือสินค้าคงคลังท้ายงวด 1 หน่วย ซึ่งจากตารางที่ 10-16 จะเห็นว่าจะทำ�ให้เกิดต้นทุนรวมใน
ช่วงที่ 1 และ 2 เท่ากับ 37,550 บาท)
7,100d3 + 100X3 – 200 + f2(X2) = 7,100(3) + 100(1) – 200 + 29,120 =
50,320 บาท (สำ�หรับตัวเลข 29,120 บาทนั้น เกิดจากการที่เลือกผลิตที่ปริมาณ 3 หน่วยจึงทำ�ให้
เหลือสินค้าคงคลังท้ายงวด 2 หน่วย ซึ่งจากตารางที่ 10-16 จะเห็นว่าจะทำ�ให้เกิดต้นทุนรวมใน
ช่วงที่ 1 และ 2 เท่ากับ 50,320 บาท)
สรุป
จากการคำ�นวณต้นทุนสะสมย้อนกลับของทางเลือกในแต่ละช่วงทำ�ให้สรุปต้นทุนทีม่ คี า่
เหมาะสมที่สุดได้ดังตารางที่ 10-18 ดังต่อไปนี้
ตารางที่ 10-18 สรุปการวิเคราะห์เชิงพลวัตในตัวอย่างการวางแผนการผลิต
สินค้า จำ�นวน ต้นทุน สินค้า

สัปดาห์ ค่าจัดเก็บ ต้นทุนรวม
ต้นงวด ผลิต การผลิต ปลายงวด
สัปดาห์ที่ 1 1 3 21,000 2 200 21,200
สัปดาห์ที่ 2 2 2 12,000 1 120 12,120
สัปดาห์ที่ 3 1 2 17,000 0 0 17,000
รวมทั้งสิ้น 7 50,000 320 50,320
จากตารางสามารถสรุปต้นทุนได้ว่าจะมีต้นทุนรวมทั้งสิ้น 50,320 บาท โดยเกิดจาก

การผลิตในสัปดาห์ที่ 1 ทั้งสิ้น 3 หน่วย โดยมีสินค้าคงคลังต้นงวดอยู่ทั้งสิ้น 1 หน่วย เมื่อนำ�ไป
จำ�หน่ายก็จะเหลือของคงคลังปลายงวด 2 หน่วย และในสัปดาห์ที่ 2 จะทำ�การผลิตทั้งสิ้น 2 หน่วย
รวมกับสินค้าคงคลังจากสัปดาห์ที่ 1 จำ�นวน 2 หน่วย เป็นทั้งสิ้น 4 หน่วย และเมื่อนำ�ไปจำ�หน่าย
ก็จะเหลือสินค้าคงคลังเหลือปลายงวด 1 หน่วย สุดท้ายคือในสัปดาห์ที่ 3 ต้องผลิตสินค้าเองทั้งสิ้น
2 หน่วย และเมื่อนำ�ไปจำ�หน่ายก็ไม่มีสินค้าคงคลังปลายงวดเหลืออยู่
1. การทำ�งานของบริษัทแห่งหนึ่งจะทำ�เป็นโครงการโดยมีรายละเอียดดังนี้
ระยะเวลาการดำ�เนินงาน ค่าตอบแทนการทำ�งาน
งาน จำ�นวนงาน
(วัน) (บาท)
1 4 3 2,000
2 2 6 5,500
3 1 7 6,500
4 2 13 10,000
หากบริษัทมีเวลาในการดำ�เนินโครงการเหล่านี้ได้ไม่เกิน 15 วัน ให้ใช้โปรแกรมเชิงพลวัตใน

การคำ�นวณหาว่าบริษัทแห่งนี้ควรเลือกทำ�งานใดบ้าง ปริมาณเท่าไร เพื่อให้ได้ผลตอบแทน
สูงสุด
2. ร้านเย็บผ้าแห่งหนึ่งมีแบบให้เลือกอยู่ 4 แบบ แต่ละแบบจะมีราคาและเวลาที่ใช้ในการทำ�
แตกต่างกันดังนี้
ระยะเวลาการดำ�เนินงาน ค่าตอบแทนการทำ�งาน
(วัน) (บาท)
1 15 0.5 60
2 10 1 100
3 3 3 300
4 4 2 250
หากร้านนี้มีระยะเวลาในการทำ�งานต่าง ๆ นี้ได้ไม่เกิน 7 วัน ให้ใช้โปรแกรมเชิงพลวัตใน

การคำ�นวณหาว่าร้านเย็บผ้าแห่งนี้ควรเลือกทำ�งานไหนบ้าง ปริมาณเท่าไร เพื่อให้ได้
ผลตอบแทนสูงสุด
3. จากข้อมูลดังตารางข้างล่าง ให้ใช้โปรแกรมเชิงพลวัตคำ�นวณหาวิธที ใี่ ห้คณ
ุ ค่าจากการทำ�งาน
รวมสูงสุด โดยให้ระบุว่าต้องทำ�งานใดกี่งานและได้ผลตอบแทนรวมเท่าใด โดยมีเวลาจำ�กัด
คือ 10 วัน
ระยะเวลาการดำ�เนินงาน
งาน จำ�นวนงาน คุณค่าของงาน
(วัน)
1 5 2.5 3.5
2 2 3 4
3 3 4.5 6
4 1 7 8
4. ในชีวิตประจำ�วัน งานที่ทำ�ก็จะมีหลาย ๆ งาน ซึ่งแต่ละงานก็จะใช้เวลาต่างกัน มีคะแนน

ของแต่ละงานต่าง ๆ กัน โดยหากการทำ�งานที่มีงานอยู่ 4 แบบดังตารางนี้ ให้ใช้โปรแกรม
เชิงพลวัตในการหาคำ�ตอบว่าเราควรจะเลือกทำ�งานใดบ้าง หากต้องการให้คะแนนความ
สำ�คัญรวมของงานให้สูงสุด โดยมีระยะเวลาแค่ 8 ชั่วโมง
ระยะเวลาการดำ�เนินงาน คะแนนความสำ�คัญ
(ชั่วโมง) ของงาน
1 5 1 5
2 3 3 8
3 4 5 12
4 2 7 18
5. บริษัท ตี๋ใหญ่ จำ�กัด รับทำ�งานแบบเป็นโครงการ โดยแต่ละงานก็จะมีผลตอบแทนและ
ใช้ระยะเวลาไม่เท่ากัน ให้ใช้โปรแกรมเชิงพลวัตในการคำ�นวณหาว่าทางบริษัทควรเลือก
รับงานไหน จำ�นวนเท่าไร เพื่อให้ได้ผลตอบแทนสูงสุดภายในระยะเวลา 90 วัน
ระยะเวลาการดำ�เนินงาน
งาน จำ�นวนงาน ผลตอบแทน (บาท)
(วัน)
1 3 14 10,000
2 4 21 13,000
3 3 35 25,000
4 2 49 35,000
6. จากรูปด้านล่าง ให้ใช้โปรแกรมเชิงพลวัตในการหาเส้นทางที่ยาวที่สุด
4
2 6
10 4 7
5
10 3
1 4 8
3 5
12 7
3 6
4
3 5
7. จากข้อที่ 6 ให้ใช้โปรแกรมเชิงพลวัตในการหาเส้นทางที่สั้นที่สุด
8. จากรูปด้านล่างแสดงเส้นทางและระยะทางการเดินทางจากกรุงเทพฯ (จุดที่ 1) ไปหัวหิน
(จุดที่ 7) ให้ใช้โปรแกรมเชิงพลวัตในการหาเส้นทางที่ยาวที่สุด
2 10
6
6 4 9 3
4
4 7 5
1 3 5 7
5
8
6
8
4
9. จากข้อที่ 8 ให้ใช้โปรแกรมเชิงพลวัตในการคำ�นวณหาเส้นทางที่สั้นที่สุดจากกรุงเทพฯ
(จุดที่ 1) ไปหัวหิน (จุดที่ 7)
10. กลุ่มแม่บ้านทำ�งานหัตถกรรมหมู่ 1 ของจังหวัดสุรินทร์ รับทอผ้าไหมให้เป็นลาย โดยแม่
บ้านกลุ่มนี้ จะทำ�ตามคำ�สั่งซื้อของลูกค้า แม่บ้านคนหนึ่งจะทอผ้าไหมแค่ 4 แบบเท่านั้น
โดยแต่ละแบบจะมีเวลาการทำ�งานไม่เท่ากัน แต่แม่บ้านคนนี้ได้รับงานมาดังข้อมูลในตาราง
อย่างไรก็ตามเขามีเวลาเพียงแค่ 20 วันเท่านั้น ให้ใช้โปรแกรมเชิงพลวัตช่วยในการคำ�นวณ
หาว่าแม่บ้านคนนี้ควรจะเลือกทำ�งานใด ปริมาณเท่าไร เพื่อให้ได้ผลตอบแทนรวมที่สูงที่สุด
ระยะเวลา ผลตอบแทน
ขั้นตอนการทำ�งาน จำ�นวนงาน
การดำ�เนินงาน (วัน) (บาท)
1 3 3 700
2 5 8 1,600
3 2 10 2,700
4 1 14 3,500
11. นายชลิตมีอาชีพเสริมคือ รับจ้างทำ�งานก่อสร้างเล็ก ๆ น้อย ๆ โดยเฉลี่ยวันหนึ่งทำ�งาน
ประมาณ 1-2 ชั่วโมง โดยในปีนี้ (360 วันทำ�งาน) เขามีงานเข้ามา 4 ประเภท ซึ่งแต่ละ
ประเภทของงานก็มีระยะเวลาและจำ�นวนงานไม่เท่ากัน โดยที่งานที่ 1 ค่าตอบแทนวันละ
100 บาท งานที่ 2 ค่าตอบแทนวันละ 125 บาท งานที่ 3 ค่าตอบแทนวันละ 150 บาท
และงานที่ 4 ค่าตอบแทนวันละ 175 บาท ให้ใช้โปรแกรมเชิงพลวัตในการหาว่านายชลิต
ควรเลือกรับงานไหนบ้าง จำ�นวนเท่าไร เพื่อให้ได้ค่าตอบแทนรวมสูงที่สุด
งาน จำ�นวนงาน ระยะเวลาการดำ�เนินงาน (วัน)
1 6 30
2 1 60
3 1 120
4 3 180
12. จากรูปแผนผังดังกล่าว จงใช้โปรแกรมเชิงพลวัตหาเส้นทางที่สั้นที่สุดจากจุดที่ 1 ไปยัง

จุดที่ 9
4 4 3
2 7
7 6 2
10 8
1 5 9
7 3
5 9 8
4
3
11
8 6
13. จากข้อที่ 12 จงใช้โปรแกรมเชิงพลวัตหาเส้นทางที่ยาวที่สุดจากจุดที่ 1 ไปยังจุดที่ 9
14. บริ ษั ท แห่ ง หนึ่ ง รั บ ทำ � งานประดิ ษ ฐ์ จ ากกระป๋ อ งนํ้ า อั ด ลมเหลื อ ใช้ ซึ่ ง ปั จ จุ บั น บริ ษั ท
จะรับทำ�อยู่ 4 แบบหลัก ๆ ได้แก่ รูปแบบที่ 1 รถตุ๊กตุ๊ก รูปแบบที่ 2 รถจักรยาน รูปแบบ
ที่ 3 รถมอเตอร์ไซค์ และรูปแบบที่ 4 รถ 3 ล้อถีบ หากบริษัทนี้มีเวลาในการทำ�งานไม่เกิน
12 ชั่วโมง ให้ใช้โปรแกรมเชิงพลวัตในการคำ�นวณหาว่าบริษัทควรจะเลือกทำ�งานใดบ้าง
ปริมาณเท่าไร เพื่อให้ได้ผลตอบแทนรวมสูงสุด
ระยะเวลาการดำ�เนินงาน ผลตอบแทนจาก
รูปแบบของงาน จำ�นวนงาน
(ชั่วโมง) การทำ�งาน (บาท)
1 7 1 120
2 6 2 250
3 6 4 360
4 7 6 500
15. จากรูปที่กำ�หนดให้ ให้ใช้โปรแกรมเชิงพลวัตในการหาระยะทางที่สั้นที่สุดจากจุดที่ 1 ไปยัง

8 5
5
2 12
3 7
6 6
1
7
4
3
5
3
4
16. จากข้อที่ 15 ให้ใช้โปรแกรมเชิงพลวัตในการหาระยะทางทีย่ าวทีส่ ดุ จากจุดที่ 1 ไปยังจุดที่ 6
17. จากข้อมูลดังตารางข้างล่าง ให้ใช้โปรแกรมเชิงพลวัตในการหาว่า หากมีระยะเวลาการทำ�งาน
อยู่ 10 วัน ควรจะทำ�งานใด ปริมาณเท่าไร เพื่อทำ�ให้คุณค่ารวมจากการทำ�งานสูงที่สุด
ระยะเวลา
ประเภทของงาน จำ�นวนงาน คุณค่าจากการทำ�งาน
การดำ�เนินงาน (วัน)
1 2 2 2
2 2 4 4
3 3 5 5
4 5 8 7
18. ในการทำ�งานระยะเวลา 1 ปี (52 สัปดาห์) ของงานทั้งหมด 4 ประเภทมีรายละเอียด

ดังแสดงในตารางดังต่อไปนี้ ถ้าพบว่างานแต่ละประเภทมีจำ�นวนงานเท่า ๆ กันคือ 2 งาน
ให้ใช้โปรแกรมเชิงพลวัตในการคำ�นวณหางานที่ควรทำ�เพื่อให้ได้ผลตอบแทนรวมสูงที่สุด
ประเภทของงาน ระยะเวลาการดำ�เนินงาน (สัปดาห์) ผลตอบแทน (บาท)
1 8 30,000
2 14 50,000
3 18 75,000
4 24 100,000
19. จากรูปให้ใช้โปรแกรมเชิงพลวัตในการหาระยะทางที่สั้นที่สุดจากจุดที่ 1 ไปถึงจุดที่ 10
8 7
6 6
2 8
12 6
3
7
5 4
1 5 8 10
8
1 10
3 3
9
5 4
5
20. จากข้อที่ 19 ให้ใช้โปรแกรมเชิงพลวัตในการหาระยะทางที่ยาวที่สุดจากจุดที่ 1 ไปถึง

บทที่ 11
งานว�จัยเรื่องการใช้เทคนิคการว�เคราะห
เชิงปร�มาณในประเทศไทย
บทนํา
เนื้อหาในบทนี้มีจุดมุ่งหมายการนำาเสนองานวิจัยที่ผู้เขียนได้จัดทำาขึ้นเพื่อ
ศึกษาการใช้เทคนิคการวิเคราะห์เชิงปริมาณในประเทศไทย โดยเน้นในเรื่องเครื่องมือ
ที่ได้นำาเสนอมาแล้วในตำาราเล่มนี้ ทั้งนี้เพื่อให้ผู้อ่านได้รับทราบถึงปัจจัยสำาคัญที่ส่งผล
ต่อการใช้ประโยชน์จากเครื่องมือวิเคราะห์เชิงปริมาณต่าง ๆ เหล่านี้ และสามารถนำาเอา
ไปปรับใช้ เพื่อให้การใช้เครื่องมือการวิเคราะห์เชิงปริมาณเหล่านี้เกิดประโยชน์มากขึ้น
1. เพื่ อ ให้ ผู้ เรี ย นเข้ า ใจถึ ง ปั จ จั ย ที่ ทำ า ให้ เ กิ ด ความตั้ ง ใจในการใช้ เ ครื่ อ งมื อ วิ เ คราะห์
เชิงปริมาณ
2. เพื่อให้ผู้เรียนเข้าใจถึงปัจจัยที่ทำาให้เกิดการใช้งานเครื่องมือวิเคราะห์เชิงปริมาณจริง
3. เพื่ อ ให้ ผู้ เรี ย นสามารถนำ า ผลวิ จั ย ไปใช้ เ พื่ อ ให้ เ กิ ด การใช้ ป ระโยชน์ จ ากเครื่ อ งมื อ
การวิเคราะห์เชิงปริมาณมากที่สุด
บทนำ�
การบริหารจัดการองค์กรในปัจจุบันนี้มีความซับซ้อนเพิ่มมากขึ้น เมื่อเทียบกับการ
จัดการองค์กรในอดีตทีผ่ า่ นมา ทัง้ นีเ้ นือ่ งมาจากในปัจจุบนั นีก้ ารดำ�เนินธุรกิจมักจะประกอบไปด้วย
กิจกรรมจำ�นวนมากและมีความซับซ้อน องค์กรส่วนใหญ่ก็จะมีผลิตภัณฑ์ที่มีมากกว่า 1 ประเภท
มีการใช้ทรัพยากรต่าง ๆ เพือ่ แข่งขันให้ผลิตภัณฑ์ของบริษทั เป็นทีช่ นื่ ชอบของลูกค้า ในขณะเดียวกัน
การผลิตก็จำ�เป็นต้องมีการควบคุมต้นทุน หลายผลิตภัณฑ์สามารถพัฒนาปรับปรุงได้ดีขึ้น ในขณะ
เดียวกันก็สามารถขายได้ในราคาที่ตํ่าลง ผลิตภัณฑ์ในลักษณะนี้ย่อมเป็นที่ชื่นชอบของลูกค้าและ
ทำ�ให้องค์กรมีความสามารถในการแข่งขัน
ภายใต้ข้อจำ�กัดต่าง ๆ รวมถึงตัวแปรที่เกี่ยวข้องกับการตัดสินใจที่มีจำ�นวนมากเหล่านี้
การใช้เครื่องมือในการวิเคราะห์ในเชิงปริมาณจึงมีความจำ�เป็นและน่าจะก่อให้เกิดผลประโยชน์ใน
การจัดการ อย่างไรก็ตามเครื่องมือทางคณิตศาสตร์เหล่านี้อาจจะต้องใช้เวลาในการทำ�ความเข้าใจ
และสำ�หรับผู้บริหารบางท่านอาจจะมองว่าเป็นเรื่องที่ยาก จึงทำ�ให้อาจจะมีหลายท่านที่ไม่ได้นำ�
เอาเครื่องมือเหล่านี้ไปใช้ให้เกิดประโยชน์ หรือแม้กระทั่งไม่ทราบว่ามีเครื่องมือเหล่านี้อยู่ จึงไม่
สามารถนำ�เอาไปปรับใช้ได้
งานวิจัยนี้จึงมุ่งที่จะศึกษาถึงระดับความเข้าใจในเครื่องมือการวิเคราะห์ในเชิงปริมาณ
เหล่านี้ รวมถึงการนำ�เอาเครื่องมือเหล่านี้ไปใช้ให้เกิดประโยชน์ในการจัดการ เพื่อนำ�ผลที่ได้ไป
วิเคราะห์ และเพื่อนำ�เสนอให้ผู้บริหารสามารถนำ�เอาเครื่องมือเหล่านี้ไปใช้ประโยชน์ในการดำ�เนิน
งานได้ต่อไป อย่างไรก็ตามเพื่อให้ผลการศึกษานี้เป็นที่น่าเชื่อถือและสามารถนำ�ไปใช้ได้จริง จึงมี
ความจำ�เป็นที่จะต้องสร้างกรอบทฤษฎีงานวิจัยที่มีความชัดเจนและมีที่มาจากทฤษฎีที่มีความน่า
เชื่อถือ ซึ่งจะอธิบายในรายละเอียดในหัวข้อถัดไป
การทบทวนวรรณกรรม
เนือ่ งจากจุดประสงค์หลักของงานวิจยั นีค้ อื การศึกษาหาปัจจัยทีส่ ง่ ผลต่อการใช้ประโยชน์
จากเครื่องมือการวิเคราะห์ในเชิงปริมาณ ซึ่งยังไม่มีทฤษฎีใดที่ถูกสร้างขึ้นมาโดยเฉพาะ อย่างไร
ก็ตามเมื่อพิจารณาแล้วเครื่องมือการวิเคราะห์ในเชิงปริมาณต่าง ๆ จะมีความซับซ้อนและต้องมี
การทำ�ความเข้าใจที่มีความใกล้เคียงกับลักษณะของการใช้เทคโนโลยี ดังนั้นเราจึงอาจจะใช้ทฤษฎี
ที่เกี่ยวข้องกับการยอมรับเทคโนโลยีมาปรับใช้ในการอธิบายลักษณะของการใช้ประโยชน์จาก
เครื่องมือการวิเคราะห์ข้อมูลในเชิงปริมาณ นอกจากนี้ยังอาจจะนำ�เอาทฤษฎีที่เกี่ยวข้องกับ
พฤติกรรมมนุษย์โดยทั่วไปมาปรับใช้ในกรณีนี้ด้วย เพื่อให้สามารถสร้างกรอบทฤษฎีในงานวิจัยที่
ครบถ้วนและสมบูรณ์ที่สุด โดยทฤษฎีที่ใช้อ้างอิงในงานวิจัยนี้มีดังต่อไปนี้
ทฤษฎีการยอมรับเทคโนโลยี (Technology Acceptance Model)

ทฤษฎีนี้ได้รับการพัฒนาจากการศึกษาของ Davis, et al. (1989) โดยได้มีการรวบรวม
ตัวแปรที่เกี่ยวข้องกับการใช้ประโยชน์ทางด้านเทคโนโลยี โดยมีความเชื่อว่าความตั้งใจในการใช้
เทคโนโลยีนั้นจะขึ้นอยู่กับทัศนคติในเรื่องการใช้ของผู้ใช้ ประโยชน์ที่คาดว่าจะได้รับ ความง่ายใน
การใช้ โดยมีผู้ศึกษาต่อเนื่องและพบว่าทัศนคติในเรื่องการใช้เทคโนโลยีเป็นตัวแปรที่สำ�คัญที่สุดที่
ทำ�ให้เกิดการใช้ประโยชน์ของเทคโนโลยี (Igbaria, et al., 1997; Jackson, et al., 1997)
ทฤษฎีรวมในการยอมรับและการใช้เทคโนโลยี (Unified Theory of Acceptance

and Use of Technology)
ทฤษฎีนี้ได้รับการพัฒนาขึ้นจากการศึกษาของ Venkatesh, et al. (2003) โดยเป็น
การรวมเอาตัวแปรที่เกี่ยวข้องกับการยอมรับเทคโนโลยีจากการศึกษาก่อนหน้านี้มารวบรวมเข้า
ไว้ด้วยกัน ทฤษฎีนี้พบว่าความตั้งใจที่จะใช้เทคโนโลยีจะขึ้นอยู่กับตัวแปรที่สำ�คัญ 3 ตัวแปรได้แก่
ประโยชน์ที่คาดว่าจะได้รับ ความง่ายในการใช้และอิทธิพลจากสังคม นอกจากนั้นทฤษฎีนี้ยังได้
เสนอว่าสำ�หรับการใช้เทคโนโลยีจริง (ซึ่งแตกต่างจากความตั้งใจที่จะใช้เทคโนโลยี) จะเกิดขึ้น
จากอิทธิพลของ 2 ตัวแปรได้แก่สภาพที่เอื้ออำ�นวยในการใช้และความตั้งใจในการใช้เทคโนโลยี
ทฤษฎีนี้ได้รับการยอมรับจากงานวิจัยหลายชิ้น เช่น งานวิจัยของ Payne and Curtis (2008)
และ Vatanasakdakul, et al. (2010)
ทฤษฎีพฤติกรรมที่เป็นไปตามแบบแผน (Theory of Planned Behaviour)

ทฤษฎีนไี้ ด้กล่าวว่าความตัง้ ใจในการเกิดพฤติกรรมใดพฤติกรรมหนึง่ ของมนุษย์นนั้ จะขึน้
อยู่กับทัศนคติที่มีต่อเรื่องนั้น ๆ ของบุคคลและอิทธิพลของสังคม (Fishbein and Ajzen, 1975)
ต่อมาทฤษฎีนี้ได้รับการปรับปรุงเป็นทฤษฎีการกระทำ�ที่เป็นเหตุผล (Theory of Reasoned
Action) ซึ่งได้เพิ่มตัวแปรเกี่ยวกับการควบคุมพฤติกรรม (หรืออาจเปรียบได้กับตัวแปรที่เกี่ยวข้อง
กับการรับรู้ความสามารถของตัวเอง) ซึ่งเชื่อว่าน่าจะสามารถอธิบายการเกิดพฤติกรรมของมนุษย์
ได้ดีขึ้น (Ajzen, 1991)
ถึงแม้วา่ ทฤษฎีทงั้ 3 ทฤษฎีนเี้ ป็นทฤษฎีทมี่ าจากการศึกษาในเรือ่ งการใช้เทคโนโลยีหรือ
การอธิบายพฤติกรรมโดยทัว่ ไป แต่จากทีไ่ ด้อภิปรายมาแล้วข้างต้นว่าการใช้เครือ่ งมือการวิเคราะห์
งานวิจัยเรื่องการใช้เทคนิคการวิเคราะห์เชิงปริมาณในประเทศไทย 323
เชิงปริมาณจะมีความใกล้เคียงหรือคล้ายคลึงกับการใช้เทคโนโลยี ซึง่ ต้องอาศัยความรูค้ วามสามารถ
และการเรียนรูต้ า่ ง ๆ ด้วยเหตุนจี้ ากการนำ�เอาทฤษฎีทงั้ สามข้างต้นมาเป็นพืน้ ฐาน จึงสามารถสร้าง
กรอบทฤษฎีงานวิจัยได้ดังแสดงในรูปที่ 11-1 ต่อไปนี้
ทัศนคติในเรื่อง
การใช
ประโยชนที่คาดวา
จะไดรับ
ความตั้งใจใน
การใชเครื่องมือ
ความงายในการใช การวิเคราะห
อิทธิพลจากสังคม การวิเคราะห
สภาพที่เอื้ออํานวย เชิงปริมาณจริง
ในการใชเครื่องมือ
การรับรูความสามารถ การวิเคราะห
ของตนเอง เชิงปริมาณ
รูปที่ 11-1 กรอบทฤษฎีงานวิจัย
วิธีการดำ�เนินงานวิจัย
งานวิจัยนี้เป็นงานวิจัยในเชิงปริมาณ โดยได้ดำ�เนินการออกแบบสอบถามเพื่อสอบถาม
ในเรื่องความรู้ความเข้าใจในเครื่องมือในเชิงปริมาณ และการใช้ประโยชน์จากเครื่องมือเหล่านี้
โดยกลุ่มตัวอย่างจะเป็นผู้บริหารระดับต้นหรือระดับกลาง ซึ่งจะเป็นผู้ที่มีโอกาสนำ�เอาเครื่องมือ
ในเชิงปริมาณเหล่านี้ไปใช้ประโยชน์มากที่สุด นักวิจัยได้ส่งแบบสอบถามที่อยู่ในรูปของแบบ
สอบถาม Online โดยได้ส่งไปยังนักศึกษาและศิษย์เก่าของโครงการบริหารธุรกิจมหาบัณฑิต
ทั้งหลักสูตรปกติและหลักสูตรสำ�หรับผู้บริหาร โดยช่วงเวลาในการเก็บข้อมูลคือเดือนเมษายน
ถึงเดือนพฤษภาคม 2555
สำ�หรับเครื่องมือในเชิงปริมาณที่จะดำ�เนินการศึกษาในงานวิจัยนี้ได้นำ�มาจากหัวข้อ
ที่ได้มีการสอนในวิชา Management Science ซึ่งเป็นวิชาที่สอนทั้งในระดับปริญญาตรีและ
ปริญญาโท ดังต่อไปนี้
• โปรแกรมเชิงเส้น (Linear Programming)
• ทฤษฎีแถวการรอคอย (Queuing Theory)
• การจัดการโครงการ (Project Management)
• การวิเคราะห์การตัดสินใจ (Decision Analysis)
• ทฤษฎีเกม (Game Theory)
• โปรแกรมเชิงพลวัต (Dynamic Programming)
สำ�หรับคำ�ถามทีใ่ ช้วดั ตัวแปรต่าง ๆ ดังปรากฏในกรอบทฤษฎีงานวิจยั นัน้ ได้สร้างขึน้ จาก
การสัมภาษณ์ผู้ใช้เครื่องมือรวมทั้งจากการปรับคำ�ถามที่ใช้ในงานวิจัยที่เกี่ยวข้องต่าง ๆ ดังแสดงใน
ตารางที่ 11-1 ดังต่อไปนี้
ตารางที่ 11-1 ที่มาของการวัดค่าตัวแปรต่างๆ ในงานวิจัย
ตัวแปร ที่มาของคำ�ถาม
การใช้เครื่องมือการวิเคราะห์เชิงปริมาณจริง ไม่ได้อ้างอิงจากงานวิจัยใด วัดจากจำ�นวนครั้ง
ในการใช้เครื่องมือในเชิงปริมาณต่อปีโดยเฉลี่ย
ความตั้งใจในการใช้เครื่องมือการวิเคราะห์เชิง ปรับปรุงจากงานวิจัยของ Ajzen and
ปริมาณ Fishbein (1980, p.42 and p.104)
สภาพที่เอื้ออำ�นวยในการใช้เครื่องมือการ ปรับปรุงจากงานวิจัยของ Venkatesh, et al.
วิเคราะห์เชิงปริมาณ (2003)
ทัศนคติในเรื่องการใช้
ประโยชน์ที่คาดว่าจะได้รับ
ความง่ายในการใช้
อิทธิพลจากสังคม
การรับรู้ความสามารถของตนเอง ปรับปรุงจากงานวิจัยของ Compeau, et al.
(1999)
สำ�หรับวิธกี ารวิเคราะห์ขอ้ มูลนัน้ งานวิจยั นีไ้ ด้ใช้ Path Analysis ในการวิเคราะห์ขอ้ มูล
โดยใช้โปรแกรมสำ�เร็จรูป AMOS ซึ่งจะได้นำ�เสนอผลงานวิจัยในหัวข้อถัดไป
ผลวิจัย
จากแบบสอบถาม Online ที่ส่งไปยังผู้ตอบแบบสอบถามที่เป็นนักศึกษาและศิษย์เก่า
ของโครงการบริ ห ารธุ ร กิ จ มหาบั ณ ฑิ ต ทั้ ง หลั ก สู ต รปกติ แ ละหลั ก สู ต รสำ � หรั บ ผู้ บ ริ ห ารได้ รั บ
แบบสอบถามกลับมาเป็นจำ�นวน 165 ชุด โดยลักษณะของผู้ตอบแบบสอบถามนั้นพบว่าส่วน
ใหญ่เป็นผู้ชาย (54%) มีอายุอยู่ระหว่าง 26-30 ปี (51%) ระดับการศึกษาสูงสุดคือปริญญาโท
(53%) ทำ�งานในธุรกิจสินค้าอุตสาหกรรม (18.8%) ทำ�งานในองค์กรปัจจุบันเป็นระยะเวลา 2-5 ปี
(44.9%) อยู่ในตำ�แหน่งผู้บริหารน้อยกว่า 2 ปี (56.4%) และทำ�งานเกี่ยวกับบัญชีการเงิน (20.8%)
รายละเอียดของผู้ตอบแบบสอบถามแสดงในตารางที่ 11-2 ดังต่อไปนี้
ตารางที่ 11-2 รายละเอียดของผู้ตอบแบบสอบถาม

ข้อมูล เปอร์เซ็นต์
เพศ
ชาย 54.0
หญิง 46.0
อายุ
ไม่เกิน 25 ปี 16.0
26-30 ปี 51.0
31-35 ปี 16.0
36-40 ปี 10.0
ตั้งแต่ 41 ปีขึ้นไป 7.0
ระดับการศึกษาสูงสุด
ระดับปริญญาตรี 45.0
ระดับปริญญาโท 53.0
ระดับปริญญาเอก 2.0
บริษัทหรือองค์กรอยู่ในอุตสาหกรรม
เกษตรและอุตสาหกรรมอาหาร 4.2
สินค้าอุปโภคบริโภค 13.5
ธุรกิจการเงิน 15.6
สินค้าอุตสาหกรรม 18.8
ตารางที่ 11-2 รายละเอียดของผู้ตอบแบบสอบถาม (ต่อ)
ข้อมูล เปอร์เซ็นต์
อสังหาริมทรัพย์และก่อสร้าง 7.3
ทรัพยากร 4.2
บริการ 14.6
เทคโนโลยี 9.4
หน่วยงานภาครัฐหรือองค์กรที่ไม่มุ่งแสวงหาผลกำ�ไร 12.5
อายุงานในองค์กรปัจจุบัน
น้อยกว่า 2 ปี 23.5
2-5 ปี 44.9
6-10 ปี 19.4
11-15 ปี 8.2
มากกว่า 15 ปี 4.1
ประสบการณ์ในตำ�แหน่งบริหาร (เป็นตำ�แหน่งที่มีผู้ใต้บังคับบัญชา)
น้อยกว่า 2 ปี 56.4
2-5 ปี 25.5
6-10 ปี 12.8
11-15 ปี 3.2
มากกว่า 15 ปี 2.1
ลักษณะของงานหลักที่ทำ�ในปัจจุบัน
งานเกี่ยวกับบัญชี/การเงิน 20.8
งานเกี่ยวกับการตลาด/ลูกค้า 17.8
งานเกี่ยวกับการบริการ/การผลิต 15.8
งานเกี่ยวกับทรัพยากรบุคคล 4.0
งานเกี่ยวกับการวางแผน 13.9
งานเกี่ยวกับการบริหารงานทั่วไป 12.9
งานเกี่ยวกับการสื่อสาร/ประชาสัมพันธ์ 3.0
งานสอน/ฝึกอบรม/ให้คำ�ปรึกษา 10.9
งานวิจัย 1.0
สำ�หรับความคุ้นเคยในเครื่องมือการวิเคราะห์ข้อมูลในเชิงปริมาณต่าง ๆ ของผู้ตอบ
แบบสอบถามนั้น สามารถแสดงได้ในตารางที่ 11-3 ดังต่อไปนี้
ตารางที่ 11-3 ความคุ้นเคยในเครื่องมือการวิเคราะห์ข้อมูลในเชิงปริมาณประเภทต่างๆ
ท่านรู้จักเครื่องมือวิเคราะห์ในเชิงปริมาณเหล่านี้ในระดับใด ค่าเบี่ยงเบน
ค่าเฉลี่ย
(1 = ไม่รู้จักเลย และ 5 = รู้จัก เข้าใจ และสามารถนำ�ไปใช้ได้) มาตรฐาน
โปรแกรมเชิงเส้น (Linear Programming) 3.59 1.161
แบบจำ�ลองแถวการรอคอย (Queuing Model) 3.08 1.310
เทคนิคการจัดการโครงการ (Project Management Technique) 3.10 1.345
การวิเคราะห์การตัดสินใจ (Decision Analysis) 3.27 1.126
ทฤษฎีเกม (Game Theory) 3.11 1.200
โปรแกรมเชิงพลวัต (Dynamic Programming) 2.22 1.060
จากตารางที่ 3 จะพบว่ า โปรแกรมเชิ ง เส้ น เป็ น เครื่ อ งมื อ ในเชิ ง ปริ ม าณที่ ผู้ ต อบ
แบบสอบถามคุ้ น เคยมากที่ สุ ด ในขณะที่ โ ปรแกรมเชิ ง พลวั ต เป็ น เครื่ อ งมื อ ในเชิ ง ปริ ม าณที่
ผู้ตอบแบบสอบถามรู้จักน้อยที่สุด สำ�หรับระดับการใช้เครื่องมือในเชิงปริมาณต่าง ๆ ของผู้ตอบ
แบบสอบถามนั้น สามารถแสดงได้ในตารางที่ 11-4 ดังต่อไปนี้
ตารางที่ 11-4 ระดับการใช้งานเครื่องมือการวิเคราะห์ข้อมูลในเชิงปริมาณประเภทต่างๆ
ท่านได้นำ�เครื่องมือวิเคราะห์ในเชิงปริมาณเหล่านี้ไปใช้ใน
ค่าเบี่ยงเบน
การทำ�งานเพื่อประกอบการตัดสินใจในระดับใด ค่าเฉลี่ย
มาตรฐาน
(1 = ไม่เคยได้ใช้เครื่องมือนี้เลย และ 5 = ได้ใช้เป็นประจำ�)
โปรแกรมเชิงเส้น (Linear Programming) 1.91 1.083
แบบจำ�ลองแถวการรอคอย (Queuing Model) 1.40 0.686
เทคนิคการจัดการโครงการ (Project Management Technique) 1.89 1.221
การวิเคราะห์การตัดสินใจ (Decision Analysis) 2.01 1.117
ทฤษฎีเกม (Game Theory) 1.44 0.769
โปรแกรมเชิงพลวัต (Dynamic Programming) 1.16 0.483
จากตารางที่ 11-4 จะพบว่าการใช้งานเครือ่ งมือการวิเคราะห์ขอ้ มูลในเชิงปริมาณประเภท
ต่าง ๆ มีระดับค่อนข้างตํ่า โดยการวิเคราะห์การตัดสินใจเป็นเครื่องมือที่ผู้ตอบแบบสอบถามนำ�ไป
ใช้งานมากที่สุด และโปรแกรมเชิงพลวัตเป็นเครื่องมือที่ผู้ตอบแบบสอบถามนำ�ไปใช้งานน้อยที่สุด
ซึ่งสอดคล้องกับผลในเรื่องระดับการรู้จักเครื่องมือ ที่โปรแกรมเชิงพลวัตเป็นเครื่องมือที่ผู้ตอบ
แบบสอบถามรู้จักน้อยที่สุดนั่นเอง
สำ�หรับการวัดค่าตัวแปรต่าง ๆ ตามกรอบทฤษฎีงานวิจัยนั้น ได้แสดงผลซึ่งประกอบ
ไปด้วยค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน โดยการวัดค่าของตัวแปรเหล่านี้ ค่า 5 หมายถึงเห็นด้วย
อย่างยิ่ง ในขณะที่ค่า 1 หมายถึงไม่เห็นด้วยอย่างยิ่ง (ยกเว้นตัวแปรเรื่องจำ�นวนครั้งในการใช้
เครื่องมือการวิเคราะห์เชิงปริมาณต่อปี ซึ่งวัดจากจำ�นวนครั้งที่ใช้ต่อปีโดยเฉลี่ย) นอกจากนี้
เนือ่ งจากตัวแปรในงานวิจยั หลายตัวทีป่ รากฏในกรอบงานวิจยั นัน้ ได้ถกู วัดจากคำ�ถามหลายคำ�ถาม
นักวิจยั จึงได้หาค่าเฉลีย่ ของคำ�ถามเหล่านัน้ เพือ่ สร้างคะแนนของตัวแปรทีป่ รากฏในกรอบทฤษฎีงาน
วิจัยดังกล่าว โดยได้วงเล็บค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานไว้หลังแต่ละตัวแปรหลักในงานวิจัย
ดังปรากฏรายละเอียดดังแสดงในตารางที่ 11-5 ซึ่งแบ่งแยกตามแต่ละตัวแปรดังต่อไปนี้
ตารางที่ 11-5 ค่าสถิติในเชิงพรรณนาของตัวแปรที่ใช้ในงานวิจัย
ตัวแปรที่วิเคราะห์ในงานวิจัย ค่าเฉลี่ย
การใช้เครื่องมือการวิเคราะห์เชิงปริมาณจริง
จำ�นวนครั้งที่ท่านได้ใช้เครื่องมือการวิเคราะห์ในเชิงปริมาณต่อปีโดย 5.51 12.865
เฉลี่ย (หน่วยเป็นจำ�นวนครั้งต่อปี)
ความตั้งใจในการใช้เครื่องมือการวิเคราะห์เชิงปริมาณ
ท่านมีความตั้งใจในการใช้เครื่องมือการวิเคราะห์ในเชิงปริมาณในการ 3.31 0.970
ทำ�งานในทุกครั้งเท่าที่เป็นไปได้
สภาพที่เอื้ออำ�นวยในการใช้เครื่องมือการวิเคราะห์เชิงปริมาณ (ค่าเฉลี่ย 2.65 ค่าเบี่ยงเบน
มาตรฐาน 0.88)
ท่านมีเครื่องมือหรือโปรแกรมต่างๆ พร้อมเพรียงสำ�หรับการใช้ 2.66 0.930
เครื่องมือในการวิเคราะห์ในเชิงปริมาณในการทำ�งาน
องค์กรของท่านสนับสนุนในเรื่องโปรแกรมต่างๆ เกี่ยวกับเครื่องมือ 2.65 1.081
ในการวิเคราะห์ในเชิงปริมาณ
ตารางที่ 11-5 ค่าสถิติในเชิงพรรณนาของตัวแปรที่ใช้ในงานวิจัย (ต่อ)
ทัศนคติในเรื่องการใช้ (ค่าเฉลี่ย 3.61 ค่าเบี่ยงเบนมาตรฐาน 0.85)
ท่านชอบใช้เครื่องมือในการวิเคราะห์ในเชิงปริมาณ 3.40 0.994
ท่านชอบงานที่ต้องใช้เครื่องมือในการวิเคราะห์เชิงปริมาณเพื่อช่วยใน 3.50 0.959
การตัดสินใจ
ท่านคิดว่าเป็นความคิดที่ดีที่มีการใช้เครื่องมือในการวิเคราะห์เชิง 3.92 0.904
ปริมาณในการทำ�งาน
ประโยชน์ที่คาดว่าจะได้รับ (ค่าเฉลี่ย 3.51 ค่าเบี่ยงเบนมาตรฐาน 0.75)
ท่านคิดว่าการใช้เครื่องมือในการวิเคราะห์เชิงปริมาณทำ�ให้เกิด
3.75 0.927
ประโยชน์กับงานของท่าน
การใช้เครื่องมือวิเคราะห์เชิงปริมาณจะทำ�ให้ท่านทำ�งานเสร็จได้เร็วขึ้น 3.60 0.882
การใช้เครื่องมือวิเคราะห์เชิงปริมาณจะทำ�ให้ผลิตภาพ
3.64 0.862
(productivity) ของท่านเพิ่มขึ้น
การใช้เครื่องมือวิเคราะห์เชิงปริมาณจะทำ�ให้ท่านมีโอกาสจะได้รับเงิน
3.04 0.949
เดือนหรือการเลื่อนขั้นเพิ่มสูงขึ้น
ความง่ายในการใช้ (ค่าเฉลี่ย 3.43 ค่าเบี่ยงเบนมาตรฐาน 0.91)
ท่านคิดว่าไม่ยากที่จะใช้เครื่องมือการวิเคราะห์เชิงปริมาณในการ
3.34 0.980
ทำ�งาน
ท่านคิดว่าการเรียนรู้วิธีการใช้เครื่องมือการวิเคราะห์เชิงปริมาณเป็น
3.52 1.018
สิ่งที่ไม่ยาก
อิทธิพลจากสังคม (ค่าเฉลี่ย 3.03 ค่าเบี่ยงเบนมาตรฐาน 0.90)
บุคคลรอบข้างที่มีความสำ�คัญกับท่านคิดว่าท่านควรใช้เครื่องมือการ
3.08 1.036
วิเคราะห์ในเชิงปริมาณในการทำ�งาน
บุคคลรอบข้างที่มีอิทธิพลในการทำ�งานของท่านคิดว่าท่านควรใช้
3.06 0.998
เครื่องมือการวิเคราะห์ในเชิงปริมาณในการทำ�งาน
องค์กรท่านสนับสนุนให้ท่านใช้เครื่องมือในการวิเคราะห์ในเชิงปริมาณ 2.95 1.088
ตารางที่ 11-5 ค่าสถิติในเชิงพรรณนาของตัวแปรที่ใช้ในงานวิจัย (ต่อ)
การรับรู้ความสามารถของตนเอง (ค่าเฉลี่ย 3.25 ค่าเบี่ยงเบนมาตรฐาน 0.73)
ท่านมีความมั่นใจว่าท่านมีความรู้เพียงพอที่จะใช้เครื่องมือในการ
3.13 0.925
วิเคราะห์ในเชิงปริมาณในการทำ�งาน
ท่านมีความมั่นใจว่าท่านสามารถใช้เครื่องมือการวิเคราะห์ในเชิง
ปริมาณในการทำ�งานได้เป็นอย่างดี ถึงแม้ว่าจะไม่มีผู้ใดช่วยเหลือ 3.12 0.962
ก็ตาม
2.94 0.888
ปริมาณได้ ถึงแม้จะไม่เคยใช้เครื่องมือนั้นมาก่อน
ปริมาณใดก็ได้ตราบใดที่มีคนอธิบายและแสดงตัวอย่างการใช้งานให้ 3.80 0.944
ท่านดู
จากตารางที่ 11-5 จะเห็นว่าผู้ตอบแบบสอบถามได้มีการใช้เครื่องมือการวิเคราะห์

เชิงปริมาณประมาณ 5.5 ครั้งต่อปี (ประมาณ 2 เดือนครั้ง) และมีความตั้งใจในการใช้งานใน
ระดับปานกลางถึงมาก (ค่าเฉลี่ย 3.31) อย่างไรก็ตามผู้ตอบแบบสอบถามมีความเห็นว่าในสถานที่
ทำ�งานนั้นไม่ได้มีสภาพที่เอื้ออำ�นวยให้เกิดการใช้ประโยชน์จากเครื่องมือการวิเคราะห์เชิงปริมาณ
มากนัก โดยยังขาดในเรื่องของโปรแกรมต่าง ๆ ที่ช่วยในการคำ�นวณ (ค่าเฉลี่ย 2.65)
สำ�หรับทัศนคติที่มีต่อการใช้เครื่องมือการวิเคราะห์ข้อมูลในเชิงปริมาณนั้น ผู้ตอบ
แบบสอบถามมีทศั นคติคอ่ นข้างเป็นไปในทางบวก (ค่าเฉลีย่ 3.61) และเชือ่ ว่าประโยชน์ทไี่ ด้รบั จะมี
ในระดับปานกลางถึงมาก (ค่าเฉลี่ย 3.51) ผู้ตอบแบบสอบถามยังมีความเชื่อว่าการวิเคราะห์ข้อมูล
ในเชิงปริมาณนั้นไม่ใช่สิ่งที่ยากจนเกินทำ�ความเข้าใจและนำ�ไปใช้งานได้ (ค่าเฉลี่ย 3.43) อย่างไร
ก็ตามผู้ตอบแบบสอบถามไม่ค่อยได้รับอิทธิพลจากสังคมมากนักในการใช้เครื่องมือการวิเคราะห์
ข้อมูลในเชิงปริมาณ (ค่าเฉลี่ย 3.03) และมีความมั่นใจในความสามารถของตนเองในระดับปาน
กลางไปจนถึงค่อนข้างมาก (ค่าเฉลี่ย 3.25)
สำ�หรับการทดสอบกรอบทฤษฎีงานวิจัยนั้น งานวิจัยนี้ได้ใช้เทคนิค Path Analysis
โดยใช้โปรแกรม AMOS ได้รับผลดังแสดงในรูปที่ 11-2 หน้าถัดไปนี้
ทัศนคติในเรื่อง
การใช
ประโยชนที่คาดวา 0.17
จะไดรับ
ความตั้งใจใน
ความงายในการใช การใชเครื่องมือ
การวิเคราะห
อิทธิพลจากสังคม การวิเคราะห
0.37 0.19 เชิงปริมาณจริง
สภาพที่เอื้ออํานวย
การรับรู 0.23 ในการใชเครื่องมือ
ความสามารถ การวิเคราะห
ของตนเอง เชิงปริมาณ
*เส้นประแสดงถึงความสัมพันธ์ที่ไม่มีนัยสำ�คัญทางสถิติ
รูปที่ 11-2 แบบจำ�ลองที่ได้จากผลงานวิจัย
จากผลการวิเคราะห์โดยใช้เทคนิค Path Analysis จะได้แบบจำ�ลองดังแสดงในรูปที่

2 ซึ่งมีค่า Chi-Square = 14.978 (p-value = 0.133) ค่า Chi-Square/df = 1.498 ค่า
GFI = 0.978 ค่า NFI = 0.938 และค่า RMSEA = 0.055 (p-value = 0.39) ซึ่งค่าต่าง ๆ
นี้อยู่ในระดับที่ยอมรับได้ว่าแบบจำ�ลองที่ได้เป็นแบบจำ�ลองที่มีความถูกต้อง (Hair et al. 2010,
pp. 664-673)
จากผลวิจัยที่ได้เป็นที่น่าสังเกตว่าจะมีความแตกต่างจากกรอบทฤษฎีงานวิจัยที่แสดง
ในรูปที่ 1 ในหลายประเด็น โดยจากผลวิจัยพบว่าทัศนคติในเรื่องการใช้ ความง่ายในการใช้
และอิทธิพลจากสังคมนั้น ไม่ได้มีความสัมพันธ์อย่างมีนัยสำ�คัญทางสถิติกับความตั้งใจในการ
ใช้เครื่องมือในการวิเคราะห์ในเชิงปริมาณ มีเพียง 2 ตัวแปรเท่านั้นที่มีความสัมพันธ์กับความ
ตั้งใจในการใช้เครื่องมือในการวิเคราะห์เชิงปริมาณได้แก่ประโยชน์ที่คาดว่าจะได้รับกับการรับรู้ใน
ความสามารถของตัวเอง ซึ่งแสดงให้เห็นว่าการที่เราจะมีความตั้งใจในการใช้เครื่องมือนี้หรือไม่
จะขึน้ อยูก่ บั 2 ปัจจัยหลักคือจะต้องทราบว่าเครือ่ งมือการวิเคราะห์ในเชิงปริมาณทำ�ให้เกิดประโยชน์
ต่อการทำ�งานอย่างไรและจะต้องมีความมั่นใจในความสามารถของตนเอง ซึ่งจะเกิดขึ้นได้จาก
การเรียนรู้และศึกษาถึงเทคนิคต่าง ๆ เหล่านี้
ประเด็ น ถั ด มาที่ มี ค วามแตกต่ า งไปจากกรอบทฤษฎีงานวิจัยคือถึงแม้อิท ธิพ ลจาก
สังคมจะไม่ส่งผลต่อความตั้งใจในการใช้เครื่องมือในการวิเคราะห์เชิงปริมาณ แต่ตัวแปรนี้กลับ
ส่งผลต่อสภาพที่เอื้ออำ�นวยในการใช้เครื่องมือการวิเคราะห์ในเชิงปริมาณ ซึ่งปรากฏการณ์นี้
เกิดขึน้ ได้อาจจะเนือ่ งมาจากว่าเมือ่ เกิดแรงกดดันเพือ่ ให้ใช้เครือ่ งมือการวิเคราะห์ในเชิงปริมาณจาก
คนรอบข้าง ไม่ว่าจะเป็นเพื่อนร่วมงาน หรือผู้บังคับบัญชาในที่ทำ�งาน ก็จะส่งผลโดยตรงที่จะทำ�ให้
องค์กรจำ�เป็นที่จะต้องหาโปรแกรมหรือเครื่องมือต่าง ๆ เพื่อรองรับความต้องการนี้
สิ่งที่น่าสนใจอันดับถัดมาที่พบจากงานวิจัยนี้คือตัวแปรในเรื่องความตั้งใจในการใช้
เครื่องมือการวิเคราะห์ในเชิงปริมาณนั้นไม่มีความสัมพันธ์อย่างมีนัยสำ�คัญทางสถิติกับการใช้
เครื่องมือการวิเคราะห์เชิงปริมาณจริง แต่พบความสัมพันธ์ระหว่างสภาพที่เอื้ออำ�นวยในการใช้
เครื่องมือการวิเคราะห์เชิงปริมาณกับการใช้เครื่องมือการวิเคราะห์เชิงปริมาณจริง ซึ่งหมายความ
ว่าการใช้เครื่องมือในการทำ�งานนั้น น่าจะเกิดจากความจำ�เป็นที่จะต้องใช้มากกว่าความตั้งใจที่
จะใช้ และเมื่อมีความจำ�เป็นที่จะต้องใช้นั้น สภาพที่เอื้ออำ�นวยในการใช้ เช่นโปรแกรมสำ�เร็จรูป
ต่าง ๆ จึงเป็นสิง่ ทีจ่ �ำ เป็นมากกว่า ดังนัน้ องค์กรทีม่ โี ปรแกรมสำ�เร็จรูปต่าง ๆ เหล่านีท้ พี่ ร้อมสมบูรณ์
ก็จะมีโอกาสที่จะทำ�ให้สามารถนำ�เอาเครื่องมือการวิเคราะห์เชิงปริมาณเหล่านี้ไปใช้ได้มากกว่า
การที่จะมีพนักงานที่มีความตั้งใจที่จะใช้เครื่องมือแต่เพียงอย่างเดียว
บทสรุป
จากผลงานวิจัยที่พบในงานวิจัยนี้จะสามารถสร้างประโยชน์ในเชิงวิชาการ โดยจะเป็น
การขยายองค์ความรูท้ างด้านการใช้ประโยชน์ของเครือ่ งมือการวิเคราะห์ในเชิงปริมาณ ซึง่ งานวิจยั
พบว่าสภาพที่เอื้ออำ�นวยต่อการใช้เครื่องมือการวิเคราะห์ข้อมูลเชิงปริมาณ เช่นโปรแกรมสำ�เร็จรูป
ต่าง ๆ มีความสำ�คัญมากกว่าความตั้งใจในการใช้เครื่องมือเหล่านี้ นอกเหนือจากนี้ยังพบอีกว่า
ความตั้งใจในการใช้เครื่องมือการวิเคราะห์เชิงปริมาณนั้นเกิดขึ้นจากปัจจัยสำ�คัญ 2 ปัจจัยได้แก่
ประโยชน์ที่คาดว่าจะได้รับจากการใช้เครื่องมือเหล่านี้และการรับรู้ในเรื่องความสามารถของผู้ใช้
เครื่องมือ
จากผลการศึกษาที่ได้นี้ ทำ�ให้องค์กรทราบว่าการสร้างให้พนักงานเกิดความตั้งใจ
ในการใช้เครื่องมือในการวิเคราะห์เชิงปริมาณนั้นจำ�เป็นที่จะต้องชี้ให้เห็นถึงประโยชน์ที่จะเกิด
ขึ้นจากเครื่องมือเหล่านี้ และยังควรมีการฝึกอบรมเพื่อพัฒนาความสามารถของพนักงาน เพื่อ
ให้พนักงานมีความมั่นใจในความสามารถของตัวเอง นอกเหนือจากนั้นสิ่งที่สำ�คัญคือองค์กร
ควรจะมีการสร้างสภาพแวดล้อมที่เอื้ออำ�นวยให้เกิดการใช้งานเครื่องมือการวิเคราะห์เชิงปริมาณ
ต่าง ๆ โดยอาจจะมีการลงทุนทางด้านโปรแกรมสำ�เร็จรูปต่าง ๆ ที่จะช่วยทำ�ให้การวิเคราะห์ในเชิง
ปริมาณทำ�ได้สะดวก รวดเร็ว และถูกต้องได้มากยิ่งขึ้น
นอกเหนื อ จากผลประโยชน์ ที่ ผู้ บ ริ ห ารองค์ ก รจะได้ รั บ ดั ง ที่ ไ ด้ ก ล่ า วมาแล้ ว ข้ า งต้ น
ผลที่ได้จากงานวิจัยนี้จะสามารถทำ�ให้ผู้ที่เกี่ยวข้อง เช่น อาจารย์ หรือนักวิชาการต่าง ๆ สามารถ
นำ�มาปรับแนวทางการสอนหรือการให้ความรู้ทางด้านการวิเคราะห์เชิงปริมาณในการตัดสินใจ
เพื่อให้ผู้บริหารสามารถนำ�เอาเครื่องมือเหล่านี้ไปประยุกต์ใช้กับงานได้ นอกจากนี้ยังทำ�ให้องค์กร
สามารถรับทราบถึงประโยชน์ของเครื่องมือเหล่านี้และเกิดความคิดที่จะนำ�เอาเครื่องมือเหล่านี้ไป
ใช้ประโยชน์ได้ต่อไป
1. ท่ า นคิ ด ว่ า ปั จ จั ย ใดนอกเหนื อ จากที่ ศึ ก ษาในงานวิจั ย ที่ นำ � เสนอในบทนี้ ที่ จ ะส่ งผลต่ อ

ความตั้งใจในการใช้ประโยชน์เครื่องมือวิเคราะห์เชิงปริมาณ
2. ท่านคิดว่าปัจจัยใดนอกเหนือจากที่ศึกษาในงานวิจัยที่นำ�เสนอในบทนี้ ที่จะส่งผลต่อการ
ใช้ประโยชน์เครื่องมือวิเคราะห์เชิงปริมาณจริง
3. เครื่องมือการวิเคราะห์เชิงปริมาณใดที่ท่านคิดว่ามีประโยชน์มากที่สุดในการทำ�งาน
4. ปัญหาใดสำ�คัญที่สุดที่ขัดขวางการนำ�เอาเครื่องมือวิเคราะห์เชิงปริมาณไปใช้ในการทำ�งาน
5. หากต้องการให้เกิดการใช้ประโยชน์จากเครื่องมือการวิเคราะห์เชิงปริมาณมากที่สุด องค์กร
ควรจะต้องดำ�เนินการอย่างไร
6. ท่านเห็นด้วยหรือไม่ทวี่ ชิ าทีเ่ กีย่ วข้องกับการวิเคราะห์เชิงปริมาณควรถูกสอนในการศึกษาใน
โรงเรียนธุรกิจ
7. ท่านคิดว่าวัฒนธรรมองค์กรมีบทบาทอย่างไรในการใช้เครื่องมือวิเคราะห์เชิงปริมาณใน
การทำ�งาน
8. ท่ า นคิ ด ว่ า องค์ ก รในประเทศทางตะวั น ตกกั บ ทางตะวั น ออก ที่ ใ ดที่ นิ ย มใช้ เ ครื่ อ งมื อ
การวิเคราะห์เชิงปริมาณมากกว่ากัน เพราะอะไร
9. ประโยชน์ใดสำ�คัญที่สุดที่ได้จากการใช้เครื่องมือการวิเคราะห์เชิงปริมาณ
10. ความเสี่ยงในการใช้เครื่องมือการวิเคราะห์เชิงปริมาณคืออะไร จงอภิปราย
ภาคผนวก
ผนวก ก
การติดตั้งคำ�สั่ง Solver ใน Microsoft Excel 2010
ขั้นตอนการติดตั้งคำ�สั่ง Solver ใน Microsoft Excel 2010

ในกรณีที่เครื่องคอมพิวเตอร์ที่ใช้นั้นมีแต่ Microsoft Excel แต่ยังไม่ได้ติดตั้งคำ�สั่ง
Solver สังเกตได้โดยไปที่ Data Tab และหาคำ�สั่ง Solver ถ้าหากพบคำ�สั่งนี้อยู่แล้วก็ไม่จำ�เป็น
ต้องดำ�เนินการในขั้นตอนต่อไปนี้ หากไม่พบให้ทำ�การติดตั้งคำ�สั่ง โดยให้ดำ�เนินการดังต่อไปนี้
1. ไปที่ File เลือก Options ดังแสดงในรูปที่ ก1
รูปที่ ก1 ขั้นตอนในการติดตั้งคำ�สั่ง Solver ขั้นตอนที่ 1
2. ที่ Options เลือก Add-ins และเลือก Go ดังแสดงในรูปที่ ก2
รูปที่ ก2 ขั้นตอนในการติดตั้งคำ�สั่ง Solver ขั้นตอนที่ 2
3. เลือก Solver Add-in กด OK ดังแสดงในรูปที่ ก3
รูปที่ ก3 ขั้นตอนในการติดตั้งคำ�สั่ง Solver

ขั้นตอนที่ 3
ภาคผนวก 339
เมื่อทำ�ตามขั้นตอนเหล่านี้แล้ว จะพบคำ�สั่ง Solver อยู่ใน Tab Data การติดตั้งคำ�สั่งนี้
จะกระทำ�เพียงครั้งแรกครั้งเดียวเท่านั้น หลังจากนั้นเมื่อเปิดโปรแกรม Excel ขึ้นมา ก็จะพบคำ�สั่ง
Solver นี้ทันทีโดยไม่ต้องทำ�การติดตั้งอีก ยกเว้นในกรณีที่อาจใช้คอมพิวเตอร์ในห้องคอมพิวเตอร์
ที่มีคำ�สั่งลบการติดตั้งต่าง ๆ หลังจากมีการเปิดเครื่องขึ้นมาใหม่ ซึ่งหากเป็นกรณีนั้นก็จำ�เป็นที่จะ
ต้องทำ�การติดตั้งคำ�สั่ง Solver นี้ใหม่ทุกครั้ง
ขั้นตอนการใช้คำ�สั่ง Solver ใน Microsoft Excel 2010

เมื่อทำ�การติดตั้งคำ�สั่ง Solver แล้ว เราสามารถใช้คำ�สั่ง Solver โดยปฏิบัติตาม
ขั้นตอนดังต่อไปนี้
1. เปิดคำ�สั่ง Solver โดยไปที่ Data tab และที่ส่วน Analysis เลือกคำ�สั่ง Solver
เพื่อเริ่มต้นหน้าต่าง Solver Parameters ดังแสดงในรูปที่ ก4
รูปที่ ก4 การเปิดใช้คำ�สั่ง Solver
2. ในช่อง Select a Solving Method ให้เลือก Simplex LP ถ้าเป็นการแก้ปัญหา
โปรแกรมเชิงเส้น และถ้าไม่ได้ต้องการให้ตัวแปรอื่น ๆ ที่นอกเหนือจากตัวแปรข้อจำ�กัดถูกบังคับ
ไม่ให้ติดลบก็ไม่ต้องเลือก Make Unconstraint Variable Non-Negative ดังแสดงในรูปที่ ก5
รูปที่ ก5 การตั้งค่าคำ�สั่ง Solver
กระบวนการหลังจากนี้ก็จะเหมือนการใช้คำ�สั่งใน Excel 2007 ทุกประการ
ผนวก ข
เครื่องมือทางสถิติเพื่อการตัดสินใจ
เครื่องมือเชิงปริมาณที่สำ�คัญอย่างหนึ่ง ที่อาจจะเรียกได้ว่าเป็นเครื่องมือพื้นฐานใน
การทำ�ความเข้าใจกับข้อมูลคือเครื่องมือทางด้านสถิติ สถิติเป็นกระบวนการในเชิงวิทยาศาสตร์
ในการเก็บข้อมูล จัดระเบียบข้อมูล นำ�เสนอข้อมูล วิเคราะห์ข้อมูล และตีความหมายข้อมูล
เพื่อช่วยในการตัดสินใจ ในหลายบทที่ผ่านมานั้น หลายครั้งเราได้ใช้แนวคิดทางสถิติที่สำ�คัญต่าง ๆ
มาประกอบการใช้ในการวิเคราะห์ เช่น การหาค่าเฉลี่ย หรือการแสดงแผนภาพต่าง ๆ เพื่อทำ�ให้
การตัดสินใจเป็นไปอย่างเป็นระบบมากยิ่งขึ้น ดังนั้นผู้เขียนจึงขอนำ�เสนอเครื่องมือทางสถิติขั้น
พื้นฐานที่ผู้ตัดสินใจควรจะต้องทราบ โดยมีจุดมุ่งหมายสำ�คัญในการทำ�ความเข้าใจลักษณะของ
ข้อมูลเชิงปริมาณต่าง ๆ ไว้ในภาคผนวกนี้
ประเภทของสถิติ
สถิติแบ่งออกเป็น 2 ประเภท ได้แก่ สถิติเชิงพรรณนา (Descriptive Statistics)
และสถิติเชิงอ้างอิง (Inferential Statistics) โดยแต่ละประเภทมีลักษณะที่แตกต่างกัน ดังต่อไปนี้
1. สถิตเิ ชิงพรรณนา (Descriptive Statistics) เป็นสถิติที่ใช้ในการจัดระเบียบข้อมูล
สรุปข้อมูล และนำ�เสนอข้อมูลที่มีประโยชน์ในการตัดสินใจ ตัวอย่างเช่น หากบริษัทพบว่า
ผลิตภัณฑ์ของบริษทั จะเกิดข้อบกพร่อง 10 ชิน้ จากผลิตภัณฑ์ทงั้ หมด 100 ชิน้ ค่าสถิติ 10 จะแสดง
ให้ทราบถึงปัญหาที่เกิดขึ้นจากการผลิตผลิตภัณฑ์ทั้งหมด 100 ชิ้น หรือการแสดงเกรดเฉลี่ยรวม
ของนักเรียนในชัน้ เรียนทีม่ คี า่ เท่ากับ 3.85 ก็เป็นการอธิบายลักษณะความรูค้ วามสามารถโดยเฉลีย่
ของนักเรียนในชั้นเรียนนี้ เป็นต้น
2. สถิติเชิงอ้างอิง (Inferential Statistics) เป็นสถิติที่ใช้ในการประมาณค่า การ
ทำ�นาย และการขยายผลไปยังกลุม่ ประชากร จากสิง่ ทีไ่ ด้จากกลุม่ ตัวอย่าง นัน่ คือการนำ�ข้อมูลทีไ่ ด้
จากกลุ่มตัวอย่างมาทำ�นายผลกลุ่มประชากรนั่นเอง ตัวอย่างเช่น Exit Poll ที่ออกมาหลัง
การเลือกตั้งที่มีการเก็บข้อมูลจากกลุ่มตัวอย่างและมาขยายผลว่าประชาชนในเขตนี้จะเลือกผู้แทน
คนใดเป็นอันดับที่ 1 ในการเลือกตั้ง เป็นต้น
ถึงแม้สถิติจะแบ่งออกเป็น 2 ประเภทดังกล่าว ในบทนี้จะขอนำ�เสนอเฉพาะสถิติในเชิง
พรรณนาเท่านัน้ เนือ่ งจากเป็นความรูพ้ นื้ ฐานทีผ่ ตู้ ดั สินใจควรจะต้องมีและสามารถนำ�ไปใช้ประกอบ
กับเครือ่ งมือเชิงปริมาณอืน่ ๆ ในตำ�ราเล่มนีไ้ ด้ อย่างไรก็ตามหากผูอ้ า่ นมีความสนใจสถิตอิ กี ประเภท
หนึ่งคือสถิติในเชิงอ้างอิง ผู้อ่านสามารถหาอ่านได้จากหนังสือหรือตำ�ราทางสถิติโดยเฉพาะ
การนำ�เสนอข้อมูลด้วยแผนภาพและตารางแจกแจงความถี่
แผนภาพและตารางแจกแจงความถี่เป็นเครื่องมือหนึ่งที่จะช่วยทำ�ให้ผู้ที่จะใช้ข้อมูลใน
เชิงปริมาณในการตัดสินใจมีความเข้าใจในข้อมูลเหล่านั้นเพิ่มมากขึ้น ดังนั้นเราจึงควรที่จะเรียนรู้
การใช้แผนภาพและตารางแจกแจงความถี่ได้อย่างเหมาะสม โดยมีรายละเอียดดังต่อไปนี้
แผนภูมิแท่ง (Bar Chart)

แผนภู มิ แ ท่ ง (Bar chart) คื อ แผนภาพที่ แ สดงสิ่ ง ที่ ต้ อ งการนำ � เสนอ เช่ น เพศ
อาชีพ ชนิด รายรับ ในแกนนอน และแสดงความถี่หรือปริมาณต่าง ๆ ของข้อมูลในแกนตั้ง โดย
ความสู ง ของแผนภาพแต่ละแท่ง จะแสดงให้เห็นถึงความถี่ห รือปริมาณของข้อมูล แต่ล ะชนิด
หากข้อมูลมีความถีห่ รือปริมาณทีส่ งู กว่า ความสูงของแท่งก็จะสูงกว่า เป็นต้น ตัวอย่างแผนภูมแิ ท่ง
สามารถแสดงได้ในรูปที่ ข-1 ดังต่อไปนี้
จํานวนพนักงานขาย
250 230
200
150 150
120
100 80
50
0
ือ าง ใต นือ
เหน กล
ียงเ
ห
อกเฉ
ว นั อ
ตะ
รูปที่ ข-1 ตัวอย่างแผนภูมิแท่ง
แผนภูมิรูปวงกลม (Pie Chart)
แผนภูมิรูปวงกลม (Pie chart) เป็นแผนภาพที่แสดงให้เห็นค่าอัตราส่วนหรือเปอร์เซ็นต์
ของแต่ละส่วนต่อจำ�นวนทั้งหมด ทำ�ให้เราเห็นภาพและสามารถเปรียบเทียบข้อมูลแต่ละส่วนได้
อย่างชัดเจน ตัวอย่างเช่น การแสดงค่าส่วนแบ่งการตลาด หรือสัดส่วนค่าใช้จ่ายของบริษัท เป็นต้น
ตัวอย่างของแผนภูมิรูปวงกลมสามารถแสดงในรูปที่ ข-2 ดังต่อไปนี้
ถิ่นกําเนิดของนักศึกษา
ตางประเทศ
8%
กรุงเทพฯ
31%
ตางจังหวัด
46%
ปริมณฑล
15%
รูปที่ ข-2 ตัวอย่างแผนภูมิรูปวงกลม
ตารางแจกแจงความถี่
การแจกแจงความถี่ คือ การจัดกลุ่มของข้อมูลให้เป็นกลุ่มที่ไม่ทับซ้อนกัน เพื่อแสดง
ให้ เ ห็ น ถึ ง จำ � นวนของข้ อ มู ล ในแต่ ล ะกลุ่ ม โดยเรามั ก จะแสดงในรู ป แบบของตารางแจกแจง
ความถี่ ซึ่งเป็นตารางที่เขียนเรียงลำ�ดับข้อมูลและแสดงให้เห็นว่าข้อมูลแต่ละรายการ หรือกลุ่ม
ข้อมูลมีความถี่เท่าใด โดยข้อมูลในแต่ละกลุ่มจะต้องไม่ทับซ้อนกันและนิยมให้ความกว้างในแต่ละ
ชั้นเท่ากัน ดังแสดงตัวอย่างในตารางที่ ข-1 หน้าถัดไปนี้
ตารางที่ ข-1 ตัวอย่างตารางแจกแจงความถี่ที่แสดงถึงคะแนนสอบโดยแบ่งเป็นช่วงชั้นคะแนน
คะแนนของนักศึกษา ความถี่ (จำ�นวนคน)
40-50% 10
51-60% 20
61-70% 30
71-80% 20
81-90% 20
ในกรณีที่สิ่ง ที่เราสนใจไม่ไ ด้อยู่ใ นรูปของข้อมูล เชิงปริมาณ เช่น เพศ การศึกษา

เราก็ยังสามารถใช้ตารางแจกแจงความถี่ในการนำ�เสนอข้อมูลได้เช่นกัน ดังแสดงในตารางที่ ข-2
ตารางที่ ข-2 ตัวอย่างตารางแจกแจงความถี่ที่แสดงถึงจำ�นวนอาจารย์ในแต่ละภาควิชา

ภาควิชา จำ�นวนอาจารย์ (คน)
การเงิน 20
บัญชี 30
การตลาด 15
นอกจากการสร้างตารางความถี่ที่แสดงแต่เฉพาะความถี่แล้ว เรายังสามารถแสดง
ค่าความถี่สัมพัทธ์ (Relative Frequency) และความถี่สะสม (Cumulative Frequency)
และความถี่สัมพัทธ์สะสม (Cumulative Relative Frequency) ได้อีกด้วย ทั้งนี้ความถี่สัมพัทธ์
(Relative Frequency) จะแสดงถึงสัดส่วนของความถี่ในแต่ละชั้นเทียบกับจำ�นวนข้อมูลทั้งหมด
โดยสามารถหาได้จากความถี่ของอันตรภาคชั้นนั้นหารด้วยผลรวมของความถี่ทั้งหมด สำ �หรับ
ความถี่สะสมนั้น คือ การบวกรวมค่าความถี่จากอันตรภาคชั้นแรกไปยังอันตรภาคชั้นนั้น ๆ
ดังแสดงตัวอย่างในตารางที่ ข-3 หน้าถัดไปนี้
ตารางที่ ข-3 ตัวอย่างตารางแจกแจงความถี่ที่แสดงถึงความถี่สัมพัทธ์ ความถี่สะสม และความถี่
สัมพัทธ์สะสม
คะแนนของ ความถี่ ความถี่สัมพัทธ์ ความถี่สะสม ความถี่สัมพัทธ์
นักศึกษา (จำ�นวนคน) สะสม
40-50% 10 10/100 = 0.1 10 0.1
51-60% 20 20/100 = 0.2 10 + 20 = 30 0.1 + 0.2 = 0.3
61-70% 30 30/100 = 0.3 30 + 30 = 60 0.3 + 0.3 = 0.6
71-80% 20 20/100 = 0.2 60 + 20 = 80 0.6 + 0.2 = 0.8
81-90% 20 20/100 = 0.2 80 + 20 = 100 0.8 + 0.2 = 1
จำ�นวนรวม 100 1
จากตารางที่ ข-3 สามารถแปลผลได้ยกตัวอย่างเช่นหากพิจารณาจากอันตรภาคชั้นที่

61-70% มีค่าความถี่สัมพัทธ์เท่ากับ 0.3 สามารถตีความหมายได้ว่ามีนักศึกษา 30% ที่มีคะแนน
อยู่ระหว่าง 61-70% สำ�หรับค่าความถี่สะสมเท่ากับ 60 นั้น หมายความว่ามีนักศึกษาจำ�นวน
60 คนที่มีคะแนนอยู่ในช่วง 40-70% (คือผลรวมระหว่างคนที่มีคะแนน 40-50% 51-60%
และ 61-70%) สำ�หรับความถี่สัมพัทธ์สะสมที่มีค่าเท่ากับ 0.6 นั้น ตีความหมายได้ว่า 60% ของ
นักศึกษามีคะแนนอยู่ในช่วง 40-70% เป็นต้น
แผนภาพฮิสโตแกรม (Histogram)
ฮิสโตแกรม (Histogram) คือ แผนภาพที่นำ�เอาข้อมูลจากตารางแจกแจงความถี่มา
แสดง โดยแกนตั้งจะเป็นตัวเลขแสดงความถี่ และแกนนอนจะเป็นข้อมูลของสิ่งที่ต้องการนำ�เสนอ
(ตัวแปรในเชิงปริมาณ) โดยความกว้างของกราฟแต่ละแท่งคือความกว้างของตารางแจกแจงความถี่
แต่ละช่วงนั่นเอง
ยกตัวอย่างเช่น จากตารางแจกแจงความถี่ในตารางที่ ข-1 สามารถนำ�มาแสดงเป็น
แผนภาพฮิสโตแกรมดังรูปที่ ข-3 หน้าถัดไปนี้
Histogram
30
20
Frequency
10
0
40.00 50.00 60.00 70.00 80.00 90.00
คะแนน
รูปที่ ข-3 ตัวอย่างของแผนภาพฮิสโตแกรม
ตัววัดที่สำ�คัญในสถิติเชิงพรรณนา
เครื่องมือทางสถิติอีกประการหนึ่งที่เราสามารถใช้ในการวิเคราะห์ข้อมูลก็คือค่าตัววัด
ต่าง ๆ ซึ่งจะเป็นค่าที่ใช้ในการสรุปข้อมูลเพื่อสามารถนำ�ไปใช้ในการวิเคราะห์หรือตัดสินใจต่อไป
ค่าเฉลี่ยเลขคณิต (Mean)
ค่ าเฉลี่ยเลขคณิตเป็นตัววัดค่ากลางของข้อมูล ที่เป็นที่นิยมมากที่สุด การคำ�นวณ
ค่าเฉลีย่ เลขคณิตนัน้ ข้อมูลจะต้องถูกวัดในระดับ Interval เป็นอย่างตาํ่ หากเป็นข้อมูลทีอ่ ยูใ่ นระดับ
ตํ่ากว่า เช่น เพศ ที่อยู่ในระดับ Nominal นั้นจะไม่สามารถหาค่าเฉลี่ยเลขคณิตได้
ในการคำ�นวณค่าเฉลี่ยเลขคณิตนั้น สามารถคำ�นวณได้โดยการรวมค่าทั้งหมดและ
หารด้วยจำ�นวนข้อมูลทีม่ อี ยูท่ งั้ หมด ยกตัวอย่างเช่น หากต้องการหาค่าเฉลีย่ เลขคณิตของชุดข้อมูล
ต่อไปนี้ 1 2 3 4 เราสามารถคำ�นวณได้ดังนี้
x 1 2 3 4
x 2.5
n 4
จะเห็นได้ว่าการคำ�นวณนั้นจะต้องใช้ค่าข้อมูลทุกค่า โดยในข้อมูลแต่ละชุดจะมีค่าเฉลี่ย
เพียงค่าเดียวเท่านั้น นอกจากนี้ค่าเฉลี่ยเลขคณิตยังมีคุณสมบัติอีกประการหนึ่งคือผลรวมของ
ความแตกต่างระหว่างข้อมูลแต่ละค่ากับค่าเฉลี่ยจะมีค่าเท่ากับ 0 ทุกชุดของข้อมูลเสมอ เช่น
จากตัวอย่างข้างต้น ผลรวมของความแตกต่างระหว่างข้อมูลแต่ละค่ากับค่าเฉลี่ยมีค่าเท่ากับ
(1-2.5) + (2-2.5) + (3-2.5) + (4-2.5) = 0
ในการคำ�นวณค่าเฉลี่ยข้างต้นนั้น มีสมมุติฐานว่าข้อมูลแต่ละค่ามีความสำ�คัญเท่าเทียม
กัน อย่างไรก็ตามหากข้อมูลแต่ละค่ามีนํ้าหนักความสำ�คัญแตกต่างกันแล้ว เราจำ�เป็นที่จะต้องใช้
ค่าเฉลี่ยถ่วงนํ้าหนัก โดยใช้สูตรดังต่อไปนี้
n
w . xi
x i 1 i
n
i 1 wi
โดย wi แทนค่านํ้าหนักของข้อมูลของแต่ละตัว
ยกตัวอย่างเช่น เราต้องการคำ�นวณค่าเฉลี่ยของเงินเดือนพนักงานซึ่งมี 3 อัตราได้แก่
20,000 บาทต่อเดือน 30,000 บาทต่อเดือน และ 40,000 บาทต่อเดือน หากมีพนักงานจำ�นวน
5 คน 2 คนได้เงินเดือน 20,000 บาท อีก 2 คนได้เงินเดือน 30,000 บาท และมีคนเดียวที่ได้
เงินเดือน 40,000 บาท หากต้องการหาเงินเดือนเฉลี่ยของพนักงานจำ�นวน 5 คนนี้ เราจำ�เป็นต้อง
ถ่วงนํ้าหนักด้วยจำ�นวนคนที่ได้เงินเดือนที่แตกต่างกันดังต่อไปนี้
2 × 20,000 + 2 × 30,000 + 1 × 40,000
= 28,000 บาทต่อเดือน
2+2+1
ค่ามัธยฐาน (Median)
ค่ามัธยฐานเป็นการวัดค่ากลางของข้อมูล โดยจะหาค่ามัธยฐานหลังจากได้มีการ
เรียงลำ�ดับค่าจากน้อยไปหามากแล้ว ซึ่งค่ามัธยฐานนั้นจะมีจำ�นวนที่มีค่ามากกว่ามัธยฐานเท่ากับ
จำ�นวนที่มีค่าน้อยกว่ามัธยฐานในข้อมูลชุดเดียวกัน เช่น หากข้อมูลคือ 3 5 และ 7 ค่ามัธยฐาน
คือ 5 เนื่องจากมีจำ�นวนข้อมูลที่น้อยกว่า (คือ 3) และจำ�นวนข้อมูลที่มากกว่า (คือ 7) ในจำ�นวนที่
เท่ากันสำ�หรับข้อมูลที่มีจำ�นวนที่เป็นเลขคู่ ค่ามัธยฐานสามารถคำ�นวณได้จากการหาค่าเฉลี่ย
เลขคณิตของค่าตรงกลางสองค่า เช่น ค่า 3 5 7 และ 9 นั้น ค่ามัธยฐานจะมีค่าเท่ากับ (5+7)/2
= 6 นั่นเอง
ในข้อมูลชุดใดชุดหนึง่ นัน้ จะมีคา่ มัธยฐานได้เพียงค่าเดียวเท่านัน้ จุดเด่นของค่ามัธยฐาน
คือค่ามัธยฐานจะไม่ได้รับผลกระทบจากจำ�นวนที่มีค่ามากหรือจำ�นวนที่มีค่าน้อยผิดปกติ ดังนั้น
จึงเหมาะสมที่จะใช้เป็นค่ากลางในกรณีที่มีเหตุดังกล่าวเกิดขึ้น
ค่าฐานนิยม (Mode)
ค่าฐานนิยม คือ ค่าที่เกิดขึ้นบ่อยครั้งที่สุดในข้อมูลชุดใด ๆ โดยข้อมูลชุดใด ๆ จะ
มีค่าฐานนิยมมากกว่า 1 ค่าหรือไม่มีฐานนิยมเลยก็ได้ ยกตัวอย่างเช่นหากมีตัวเลขชุดหนึ่ง
ซึ่งประกอบไปด้วยค่าต่าง ๆ ดังต่อไปนี้ 63 85 82 74 89 95 79 95 86 91 และ 95 จะเห็น
ว่า 95 เป็นตัวเลขที่เกิดขึ้นบ่อยครั้งที่สุด ดังนั้นฐานนิยมของข้อมูลชุดนี้คือ 95 เป็นต้น แต่หาก
เป็นชุดตัวเลขอีกชุดหนึ่งได้แก่ 6,200 8,000 9,500 9,800 12,000 12,500 และ 15,000 จะ
เห็นว่าไม่มีตัวเลขที่ซํ้ากันเลยแสดงว่าข้อมูลชุดนี้ไม่มีค่าฐานนิยม หรือตัวเลขอีกชุดหนึ่งได้แก่ 12
15 19 21 21 25 32 46 46 58 จะเห็นว่ามีตัวเลขที่เกิดซํ้ากันมากที่สุด 2 ค่า คือ 21 และ 46
แสดงว่าข้อมูลชุดนี้มีค่าฐานนิยม 2 ค่า ได้แก่ 21 และ 46 เป็นต้น
ตัววัดค่าการกระจายตัว
นอกจากการวัดค่ากลางของข้อมูลในลักษณะของค่าเฉลี่ยเลขคณิต ค่ามัธยฐาน และ
ค่าฐานนิยมแล้ว เรายังนิยมที่จะวัดค่าการกระจายตัวของข้อมูล เพื่อเป็นการอธิบายลักษณะ
ของข้อมูลให้ผู้ตัดสินใจเข้าใจในข้อมูลเพิ่มขึ้น ยกตัวอย่างเช่น หากมีธนาคาร 2 ธนาคาร ธนาคาร
A มีค่าเฉลี่ยในการเสียเวลารอ 10 นาที และธนาคาร B มีค่าเฉลี่ยในการเสียเวลารอ 11 นาที
ซึ่งหากเห็นแค่เพียงข้อมูลนี้ อาจจะทำ�ให้คนตัดสินใจเข้าใช้บริการธนาคาร A แต่หากพบข้อมูล
เพิ่มเติมว่า ค่าการกระจายตัวของธนาคาร A มีค่ามากกว่าธนาคาร B ซึ่งหมายความว่าบางคน
เข้าไปธนาคาร A อาจเสียเวลารอ 5 นาที 1 ชั่วโมง หรืออาจจะเป็น 2 ชั่วโมง แต่ในขณะที่ธนาคาร
B ไม่มีค่าการกระจายตัว ไปเวลาไหนก็เสียเวลารอเพียง 11 นาทีเท่ากันหมด จะเห็นว่าเราอาจ
ตัดสินใจเข้าธนาคาร B มากกว่า ถึงแม้ว่าค่าเฉลี่ยในการรออาจจะมากกว่า แต่เมื่อทราบค่าการ
กระจายตัวของข้อมูลแล้ว อาจจะทำ�ให้เราเห็นว่าการให้บริการของธนาคาร B มีความแน่นอน
มากกว่า และทำ�ให้เราวางแผนในเรื่องเวลาได้ เป็นต้น
ตัววัดค่าการกระจายที่เป็นที่นิยม มีดังต่อไปนี้
1. ค่าพิสัย (Range) เป็นการวัดค่าการกระจายตัวของข้อมูลซึ่งคำ�นวณได้จากผลต่าง
ระหว่างค่าสูงสุด และค่าตํ่าสุด เช่น หากมีชุดของข้อมูลที่มีค่าดังต่อไปนี้ 20 25 30 56 และ 60
ค่าพิสัยของข้อมูลชุดนี้จะมีค่าเท่ากับ 60 – 20 = 40 เป็นต้น จะเป็นที่สังเกตว่าค่าพิสัยจะไม่มีทาง
ติดลบ และยิ่งค่ามาก ก็แสดงให้เห็นการกระจายตัวของข้อมูลที่มาก เป็นต้น
2. ค่าเบี่ยงเบนจากค่าเฉลี่ย (Mean Deviation) เป็นการวัดผลรวมของค่าความ
แตกต่างจากข้อมูลแต่ละค่าจากค่าเฉลี่ย โดยมีสูตรการคำ�นวณดังต่อไปนี้
1 N
MD xi x
N i 1
ยกตัวอย่างเช่นหากมีชุดข้อมูลดังต่อไปนี้ 20 40 50 60 และ 80 เมื่อนำ�มาหาค่าเฉลี่ย

เลขคณิตจะได้ค่าเฉลี่ยเท่ากับ 50 ดังนั้นค่าเบี่ยงเบนจากค่าเฉลี่ยจะมีค่าเท่ากับ
20 50 40 50 50 50 60 50 80 50
16
5
จะเห็นว่าค่าเบี่ยงเบนจากค่าเฉลี่ยจะไม่มีทางติดลบ และยิ่งค่ามากก็แสดงถึงการ
กระจายตัวของข้อมูลที่มากเช่นกัน
3. ค่าความแปรปรวน (Variance) และค่าเบี่ยงเบนมาตรฐาน (Standard Deviation)
ค่ า ความแปรปรวนคื อ การวั ด ค่ า การกระจายตั ว ของข้ อ มู ล โดยเป็ น ค่ า เฉลี่ ย ของ
ผลต่างกำ�ลังสองระหว่างข้อมูลแต่ละค่ากับค่าเฉลี่ยตามสูตรดังต่อไปนี้
N
(xi )2
2 i 1
สำ�หรับการคำ�นวณค่าความแปรปรวนของประชากร โดยที่
N
s2 คื อ ค่ า ความแปรปรวนของประชากร µ คื อ ค่ า เฉลี่ ย ของประชากร และ N คื อ จำ � นวน
ประชากร หรือ
n
(xi x )2
s2 i 1 สำ�หรับการคำ�นวณค่าความแปรปรวนของกลุ่มตัวอย่าง (ซึ่ง
n 1
เป็นส่วนหนึ่งของประชากร) โดยที่ s2 คือค่าความแปรปรวนของกลุ่มตัวอย่าง x คือค่าเฉลี่ย
ของกลุ่มตัวอย่าง และ n คือจำ�นวนกลุ่มตัวอย่าง
ส่ ว นค่าเบี่ยงเบนมาตรฐานนั้นก็แสดงถึงค่าการกระจายตัว ของข้อมูล เช่นเดียวกัน
โดยเป็นค่าที่เกิดจากรากบวกที่สองของความแปรปรวน ดังนั้นค่าเบี่ยงเบนมาตรฐานจึงสามารถ
N
(xi )2
i สำ � หรั บ การคำ � นวณค่ า เบี่ ย งเบนมาตรฐานของประชากร
1
N
โดยที่ s คือค่าความแปรปรวนของประชากร µ คือค่าเฉลี่ยของประชากร และ N คือจำ�นวน
ประชากร หรือ
n
(xi x )2
s i 1
สำ � หรั บ การคำ � นวณค่ า ความแปรปรวนของกลุ่ ม ตั ว อย่ า ง
n 1
(ซึ่งเป็นส่วนหนึ่งของประชากร) โดยที่ s คือค่าความแปรปรวนของกลุ่มตัวอย่าง x คือค่าเฉลี่ย
ของกลุ่มตัวอย่าง และ n คือจำ�นวนกลุ่มตัวอย่าง
ยกตัวอย่างเช่น หากมีข้อมูลชุดหนึ่งประกอบไปด้วยค่า 1 2 3 และ 4 หากข้อมูล
ชุดนีเ้ ป็นข้อมูลของประชากร ซึง่ จะมีคา่ เฉลีย่ เท่ากับ 2.5 ดังนัน้ ค่าความแปรปรวนและค่าเบีย่ งเบน
มาตรฐานของข้อมูลชุดนี้จะมีค่าเท่ากับ
N
(xi )2
2 (1 2 . 5 ) 2 ( 2 2 . 5 ) 2 ( 3 2 . 5 ) 2 ( 4 2 . 5 ) 2
i 1
1.25
N 4
N
( xi )2
i 1
1 . 25 1 . 12
N
ในขณะที่หากค่าตัวเลขชุดดังกล่าวเป็นข้อมูลของกลุ่มตัวอย่าง ค่าความแปรปรวนและ
ค่าเบี่ยงเบนมาตรฐานจะสามารถคำ�นวณได้ดังต่อไปนี้
n
(xi x ) 2
2 (1 2 . 5 ) 2 ( 2 2 . 5 ) 2 ( 3 2 . 5 ) 2 ( 4 2 . 5 ) 2
s i 1
1 . 67
n 1 3
n
(xi x ) 2
s i 1
1 . 67 1 . 29
n 1
เป็นที่น่าสังเกตเช่นเดียวกันว่าค่าความแปรปรวนและค่าเบี่ยงเบนมาตรฐานนั้นจะ
ไม่มีทางติดลบ และยิ่งค่านี้มีค่ามากเท่าไร ก็ยิ่งแสดงถึงการกระจายตัวของข้อมูลที่มากขึ้นเท่านั้น
เช่นเดียวกับตัววัดการกระจายตัวแบบอื่น ๆ
เนื่องจากตำ�ราเล่มนี้ไม่ได้มีจุดมุ่งหมายที่จะนำ�เสนอเทคนิคทางสถิติในรายละเอียด
จึงขอยกเพียงสถิติเบื้องต้นพื้นฐานที่จำ�เป็นมาไว้ในภาคผนวกเท่านั้น หากผู้อ่านมีความสนใจ
ในการวิเคราะห์ข้อมูลในทางสถิติเพิ่มเติม ผู้อ่านสามารถศึกษาได้จากหนังสือหรือตำ�ราทางสถิติ
โดยเฉพาะได้ต่อไป
บรรณานุกรม
งานวิจัยภาษาไทย
นภดล ร่มโพธิ์. (2555). การศึกษาการใช้ประโยชน์จากเครื่องมือการวิเคราะห์เชิงปริมาณเพื่อ
การตัดสินใจ. งานวิจัย, คณะพาณิชยศาสตร์และการบัญชี มหาวิทยาลัยธรรมศาสตร์.
บทความภาษาไทย
นภดล ร่มโพธิ์. (2555). การตัดสินใจโดยใช้ทฤษฎีอรรถประโยชน์ (Utility Theory). วารสาร
บริหารธุรกิจ, ปีที่ 35 ฉบับที่ 134 (เมษายน-มิถุนายน).
นภดล ร่มโพธิ์. (2555). การจัดการแถวการรอคอย. วารสารบริหารธุรกิจ, ปีที่ 35 ฉบับที่ 133
(มกราคม-มีนาคม).
นภดล ร่มโพธิ์. (2554). เทคนิคการวิเคราะห์การตัดสินใจทางธุรกิจ. วารสารบริหารธุรกิจ, ปีที่ 34
ฉบับที่ 132 (ตุลาคม-ธันวาคม).
นภดล ร่มโพธิ์. (2554). การใช้แบบจำ�ลองทางคณิตศาสตร์ช่วยในการตัดสินใจทางธุรกิจ. วารสาร
บริหารธุรกิจ, ปีที่ 34 ฉบับที่ 130 (เมษายน-มิถุนายน).
หนังสือภาษาอังกฤษ
Ajzen, I. and Fishbein, M. (1980), Understanding Attitudes and Predicting Social
Behaviour, Prentice Hall, Englewood Cliffs, New Jersey.
Anderson, D.R., Sweeney, D.J., Williams, T.A., Camm, J.D., and Martin, K. (2011),
An Introduction to Management Science: Quantitative Approach to
Decision Making, 13rd Edition, South-Western, Ohio.
Fishbein, M. and Ajzen, I. (1975), Belief, Attitude, Intention and Behavior: An
Introduction to Theory and Research, Addison-Wesley, Reading, MA.
Hair, J. F., Black, W. C., Babin, B. J., and Anderson, R. E. (2010), Multivariate
Data Analysis: A Global Perspective, 7th Edition, Pearson Education, New
Jersey.
Powell, S.G. and Baker, K.R. (2009), Management Science: The Art of Modeling
with Spreadsheets, 3rd Edition, John Wiley & Sons, New Jersey.
บรรณานุกรม 353
Ragsdale, C. (2012), Spreadsheet Modeling & Decision Analysis: A Practical
Introduction to Management Science, 6th Edition, South-Western, Ohio.
บทความภาษาอังกฤษ
Agrawal, S., Subramanian, K.R., and Kapoor, S. (2010), Operations Research-
Contemporary Role in Managerial Decision Making, IJRRAS, Vol. 3 No. 2,
pp. 200-219.
Ajzen, I. (1991), The theory of planned behavior, Organizational Behavior and
Human Decision Process, Vol. 50 No. 2, pp. 179-211.
Chen, J. and Xi, P. (2010), Simulation and Application on Modern Operational
Research, IEEE, Vol. 4, pp. 118-121.
Clark, A. (2010), Mathematical programming modeling tools for resource-poor
countries and organisations, OR Insight, Vol. 23 No. 1, pp. 57-70.
Clark, D.N. (1992), A Literature Analysis of the Use of Management Science Tools
in Strategic Planning, The Journal of the Operational Research Society,
Vol. 43 No. 9, pp. 859-870.
Compeau, D. R., Higgins, C. A., and Huff, S. (1999), Social cognitive theory and
individual reactions to computing technology: A longitudinal study, MIS
Quarterly, Vol. 23 No. 2, pp. 145-158.
Davis, F. D., Bagozzi, R. P., and Warshaw, P. R. (1992), User acceptance of computer
technology: a comparison of two theoretical models, Management
Science, Vol. 35 No. 8, pp. 982-1003.
Dexter, F., Marcon, E., and Xie, X. (2009), Operational research applied to health
services 2007 special issue, Health Care Management Science, Vol. 12,
pp. 117-118.
Doktor, R.H. and Hamilton, W.F. (1973), Cognitive Style and the Acceptance of
Management Science Recommendations, Management Science, Vol. 19
No. 8, pp. 884-894.
Fagoyinbo, I.S. and Ajibode, I.A. (2010), Application of Linear Programming Techniques
in the Effective Use of Resources for Staff Training, Journal of Emerging
Trends in Engineering and Applied Sciences, Vol. 1 No. 2, pp. 127-132.
Gamini, G. (1991), Trends in Teaching Management Science in Undergraduate
Business Programs, Interfaces, Vol. 21 No. 5, pp. 16-21.
Green, L.V. and Kolesar, P.J. (2004), Improving Emergency Responsiveness with
Management Science, Management Science, Vol. 50 No. 8, pp. 1001-1014.
Igbaria, M., Zinatelli, N., Cragg, P., and Cavaye, A. (1997), Personal computing
acceptance factors in small firms: A structural equation model, MIS
Quarterly, Vol. 21 No. 3, pp. 279-302.
Jackson, C. M., Chow, S., and Leitch, R. A. (1997), Toward an understanding of the
behavioural intention to use an information system, Decision Sciences,
Vol. 28 No. 2, pp. 357-389.
Jeffrey, P. and Seaton, R. (1995), The Use of Operational Research Tools: A Survey
of Operational Research Practitioners in the UK, Journal of the Operational
Research Society, Vol. 46, pp. 797-808.
Klein, B. and Meckling, W. (1958), Application of Operations Research to Development
Decisions, Operations Research, Vol. 6 No. 3, pp. 352-363.
Le Menestrel, M. and VanWassenhove, L.N. (2009), Ethics in Operations Research
and Management Sciences: A never-ending effort to combine rigor and
passion, Omega, Vol. 37, pp. 1039-1043.
Liberatore, M.J. and Nydick, R.L. (1999), The Teachers´ Forum: Breaking the Mold: A
New Approach to Teaching the First MBA Course in Management Science,
Interfaces, Vol. 29 No. 4, pp. 99-116.
Mingers, J. and White, L. (2010), A review of the recent contribution of systems
thinking to operational research and management science, European
Journal of Operational Research, Vol. 207, pp. 1147–1161.
Rompho, N. (2013), A Study on Factors Increase Utilization of Quantitative Analysis
Tool in Decision Making, Management Science & Engineering, Vol. 7 No.
2, pp. 50-55.
Schroeder, R.G. (1973), A Survey of Management Science in University Operations,
Management Science, Vol. 19 No. 8, pp. 895-906.
Shim, J.P., Warkentin, M., Courtney, J.F., Power, D.J., Sharda, R., and Carlsson,
C. (2002), Decision Support Systems, Vol. 33, pp. 111-126.
บรรณานุกรม 355
Smith, J.E. and von Winterfeldt, D. (2004), Decision Analysis in Management Science,
Management Science, Vol. 50 No. 5, 561-574.
Vatanasakdakul, S., Aoun, C., and Li, Y. (2010), AIS in Australia: UTAUT application
and cultural implication, Brisbane Association of Information Systems,
Proceedings of 21st Australasian Conference on Information Systems,
Australia.
Vatter, W.J. (1967), The Use of Operations Research in American Companies, The
Accounting Review, Vol. 42, No. 4, pp. 721-730.
Zand, D.E. and Sorensen, R.E. (1975), Theory of Change and the Effective Use of
Management Science, Administrative Science Quarterly, Vol. 20, No. 4,
pp. 532-545.
เฉลยคำ�ถามท้ายบท
บทที่ 2
ข้อที่ 1 ปลูกมะเขือเทศ 12 ตารางเมตร กะหลํ่าปี 5 ตารางเมตร จะได้กำ�ไรสูงสุด 5,200 บาท
ข้อที่ 3 ผลิต Vintage 100 ตัว Modern 150 ตัว จะได้กำ�ไรสูงสุด 117,500 บาท
ข้อที่ 5 ผลิต Classic 50 ตัว Modern 100 ตัว จะได้กำ�ไรสูงสุด 500,000 บาท
ข้อที่ 7 ผลิตแซ่บอีหลี 50 ไห แซ่บซิมเบิ่ง 150 ไห จะได้กำ�ไรสูงสุด 42,500 บาท
ข้อที่ 9 ผลิตเสื้อ 25 ตัว กระโปรง 75 ตัว จะได้กำ�ไรสูงสุด 17,500 บาท
บทที่ 3
ข้อที่ 1 ผลิตสินค้า A 700 ชิ้นเพียงอย่างเดียว ไม่ผลิตสินค้า B จะทำ�ให้ได้กำ�ไรสูงสุด
560,000 บาท
ข้อที่ 3 ผลิต Brownie 60 ชิ้น Cupcake 20 ชิ้น จะทำ�ให้ได้กำ�ไรสูงสุด 3,800 บาท
ข้อที่ 5 ให้ Hernandez เล่น 15 ครั้ง และ Rooney เล่น 9 ครั้ง จะได้เงินสนับสนุนสูงสุด
162,000 บาท
ข้อที่ 7 ผลิต VOIS และ YISRA อย่างละ 30 คัน จะได้กำ�ไรรวมสูงสุด 1,650,000 บาท
ข้อที่ 9 ผลิตกระเป๋าขนาดเล็ก 200 ใบ ขนาดใหญ่ 150 ใบ จะได้กำ�ไรสูงสุด 205,000 บาท
บทที่ 4
ข้อที่ 1 1.1 Objective Function ได้แก่ Min: [12.5 × (N1+N2+N3+N4)] + [0.05 ×
(Y1+Y2+Y3+Y4)] + [0.0015 × (E1+E2+E3+E4)]
Constraints ได้แก่ Ni >= 0
Ei >= 0
E4 >= 50
(Ni – 100,000) x Yi <= 0
Yi = binary
Ni = integer
เฉลยค�ำถามท้ายบท 357
1.2 ต้นทุนตํ่าสุด คือ 1,504,250 บาท
สัปดาห์ที่ 1 ซื้อ 400 เครื่อง
ข้อที่ 3 ผลิต Marble Cake 60 ชิ้น Butter Cake 180 ชิ้น ได้กำ�ไรสูงสุด 2,760 บาท
ข้อที่ 5 ผลิตเสื้อโปโล 300 ตัว เสื้อเชิ้ต 100 ตัว ได้กำ�ไรสูงสุด 225,000 บาท
ข้อที่ 7 วางขายที่ Tesco 162 สาขา และ Big C 138 สาขา ได้กำ�ไรสูงสุด 784,700 บาท
ข้อที่ 9 ผลิต A 100 หน่วย B 50 หน่วย ได้กำ�ไรสูงสุด 175,000 บาท
บทที่ 5
ข้อที่ 1 โปรแกรมเชิงเส้นที่มีหลายวัตถุประสงค์จะต้องปรับวัตถุประสงค์หลาย ๆ ข้อนั้นให้เป็น
ข้อจำ�กัด และพยายามลดผลรวมของตัวแปร Deviation ลงให้มากที่สุด
ข้อที่ 3 X1 = 5.54 X2 = 0 (ใช้ MiniMax Objective)
ข้อที่ 5 X1 = 5.54 X2 = 0 (ใช้ MiniMax Objective)
ข้อที่ 7 7.1 Objective Function MIN: 1 d +1 + 1 d +2 + 1 d +3 + 1 d 4–
Constraints 45 60 50 1
6T + 3R + 6N + d 1– – d +1 = 45 ข้อจำ�กัดจำ�นวนนักเรียน
3T + 4R + 4N + d 2– – d +2 = 60 ข้อจำ�กัดจำ�นวนคนวัยทำ�งาน
4T + 7R + 3N + d 3– – d +3 = 50 ข้อจำ�กัดจำ�นวนผู้สูงอายุ
0.12T + 0.085R + 0.10N + d 4– – d +4 = 1 ข้อจำ�กัดค่าโฆษณา
d –i , d +i ≥ 0
7.2 ควรโฆษณาผ่านวิทยุ 7 ครั้ง และหนังสือพิมพ์ 4 ครั้ง
ข้อที่ 9 ควรทำ�เหมืองที่ภูเก็ตเพียงอย่างเดียว 10 เดือน
บทที่ 6
ข้อที่ 1 จ้างเพิ่มอีก 1 คน
ข้อที่ 3 4.28 สัปดาห์
ข้อที่ 5 ควรปรับปรุงโดยการจ้างพนักงานเพิ่มเติมจะส่งผลให้กำ�ไรสุทธิเป็น 56,566.48 บาท
ข้อที่ 7 10 คนต่อชั่วโมง
ข้อที่ 9 4 คน
ข้อที่ 11 ก่อนการปรับปรุง เวลารอคอย 108.7 นาที แบบอัพเกรดเครื่อง 2 เครื่อง เวลา
รอคอย 6.41 นาที แบบจ้างพนักงานเพิ่ม 2 คน เวลาในการรอคอย 15.43 นาที แบบ
จ้างพนักงานเพิ่ม 1 คนและอัพเกรดเครื่อง 1 เครื่อง เวลาในการรอคอย 5.17 นาที
ข้อที่ 13 เลือกวิธีจ้างพนักงานเพิ่ม 1 คนและอัพเกรดเครื่อง 1 เครื่อง เพราะจะทำ�ให้ได้กำ�ไร
สูงสุดคือ 55,272.42 บาทต่อปี
ข้อที่ 15 ไม่ควรลดพนักงาน
ข้อที่ 17 Set Up เครื่องรสยำ�เป็นรสซอสมะเขือเทศ
ข้อที่ 19 การ Set Up เครื่องรสยำ�เป็นซอสมะเขือเทศ จะทำ�ให้ได้กำ�ไรสุทธิ 1,467.89 บาทต่อ
ชั่วโมง การซื้อเครื่องมะเขือเทศมาใช้เพิ่มเติมอีกเครื่อง จะทำ�ให้ได้กำ�ไรสุทธิ 2,434.28
บาทต่อชั่วโมง ดังนั้นการซื้อเครื่องมาใหม่จะคุ้มค่ากว่า
บทที่ 7
ข้อที่ 1 1.1 CPM Network
1.2 กิจกรรมวิกฤติ ได้แก่ A, B, D, F, G, H
Slack Time ได้แก่ C = 1 E = 2 ที่เหลือ Slack Time = 0
1.3 ระยะเวลาที่สั้นที่สุด คือ 22 วัน
3.2 กิจกรรมวิกฤติ ได้แก่ A, B, C, E, F, G

Slack Time ได้แก่ D = 3 ที่เหลือ Slack Time = 0
3.3 ระยะเวลาที่สั้นที่สุด คือ 19 ชั่วโมง
5.2 กิจกรรมวิกฤติ ได้แก่ A, B, D, F, G, H, I

5.3. ระยะเวลาที่สั้นที่สุด คือ 15 สัปดาห์
7.2 กิจกรรมวิกฤติ ได้แก่ A, B, D, F, G, H

9.2 กิจกรรมวิกฤติ ได้แก่ A, B, E, G, H

Slack Time ได้แก่ C = 5 D = 5 F = 5 ที่เหลือ Slack Time = 0
บทที่ 8
ข้อที่ 1 Maximax – เลือกซื้อหุ้นของทั้ง 2 บริษัท Maximin – ไม่ซื้อทั้ง 2 บริษัท Minimax
Regret – ซื้อทั้ง 2 บริษัท
ข้อที่ 3 Maximax – เลือกที่ลาดพร้าว Maximin – เลือกที่หลักสี่ Minimax Regret – เลือก
ที่ลาดพร้าว
ข้อที่ 5 Maximax เลือกซื้อทั้ง 2 ที่ Maximin – ไม่ซื้อทั้ง 2 ที่ Minimax Regret – เลือกซื้อ
ที่ดิน B หรือเลือกซื้อทั้ง 2 ที่
ข้อที่ 7 ควรลงทุนประมูลในราคา 10 ล้านบาท ซึ่งจะได้รับกำ�ไร 8.3 ล้านบาท
ข้อที่ 9 ควรสร้างโรงงานขนาดใหญ่ โดยโครงการนี้มีมูลค่า 62.75 ล้านบาท
ข้อที่ 11 ขยายสาขาไปที่บริเวณ B จะได้กำ�ไร 130,000 บาท
ข้อที่ 13 เลือกไปเกาะช้าง
ข้อที่ 15 เลือกเอกสาขา MK และโทสาขา OM
ข้อที่ 17 1. โออิชิ 2. MK สุกี้ 3. ฟูจิ 4. เซน 5. Hot Pot
ข้อที่ 19 1. วันศุกร์ 2. วันพุธ 3. วันจันทร์
บทที่ 9
ข้อที่ 1 Value of the Game เท่ากับ 112 บาท
ความน่าจะเป็นทีล่ กู ค้าจะเลือกกลยุทธ์ 1 คือ 20.00% และเลือกกลยุทธ์ 2 คือ 80.00%
ความน่าจะเป็นทีพ่ อ่ ค้าจะเลือกกลยุทธ์ A คือ 40.00% และเลือกกลยุทธ์ B คือ 60.00%
ข้อที่ 3 Value of the Game เท่ากับ 15,040 บาท
ความน่าจะเป็นทีค่ ณุ นุชจะเลือกกลยุทธ์ 1 คือ 50.00% และเลือกกลยุทธ์ 2 คือ 50.00%
ความน่าจะเป็นที่คุณเดี่ยวจะเลือกกลยุทธ์ A คือ 75.00% และเลือกกลยุทธ์ B คือ
25.00%
ข้อที่ 5 Value of the Game เท่ากับ 13.25 ล้านบาท
ความน่าจะเป็นทีล่ กู ค้าจะเลือกกลยุทธ์ 1 คือ 50.00% และเลือกกลยุทธ์ 2 คือ 50.00%
ความน่าจะเป็นทีโ่ รงงานจะเลือกกลยุทธ์ A คือ 75.00% และเลือกกลยุทธ์ B คือ 25.00%
ข้อที่ 7 Value of the Game เท่ากับ 29.14 บาทต่อกิโลกรัม
ความน่าจะเป็นที่ TDC จะเลือกกลยุทธ์ 1 คือ 42.86% และเลือกกลยุทธ์ 2 คือ 57.14%
ความน่าจะเป็นที่ Supplier จะเลือกกลยุทธ์ A คือ 28.57% และเลือกกลยุทธ์ B
คือ 71.43%
ข้อที่ 9 Value of the Game เท่ากับ 53 ไร่
ความน่าจะเป็นที่น้องจะเลือกกลยุทธ์ 1 คือ 80.00% และเลือกกลยุทธ์ 2 คือ 20.00%
ความน่าจะเป็นที่พี่จะเลือกกลยุทธ์ A คือ 60.00% และเลือกกลยุทธ์ B คือ 40.00%
ข้อที่ 11 Value of the Game เท่ากับ 81.33 คะแนน
ความน่าจะเป็นที่นักศึกษาคนที่ 1 จะเลือกกลยุทธ์ A คือ 66.67% และเลือกกลยุทธ์
B คือ 33.33%
ความน่าจะเป็นที่นักศึกษาคนที่ 2 จะเลือกกลยุทธ์ 1 คือ 55.56% และเลือกกลยุทธ์
2 คือ 44.44%
ข้อที่ 13 Value of the Game เท่ากับ 215.86 ล้านบาท
ความน่าจะเป็นที่พนักงานจะเลือกกลยุทธ์ 1 คือ 0% กลยุทธ์ 2 คือ 57.14% และ
เลือกกลยุทธ์ 3 คือ 42.86%
ความน่าจะเป็นที่เจ้าของโรงงานจะเลือกกลยุทธ์ X คือ 71.43% เลือกกลยุทธ์ Y คือ
28.57% และเลือกกลยุทธ์ Z คือ 0%
ข้อที่ 15 Value of the Game เท่ากับ 525 บาท
ความน่าจะเป็นที่ลูกค้าจะเลือกกลยุทธ์ 1 คือ 0% กลยุทธ์ 2 คือ 100% และเลือก
กลยุทธ์ 3 คือ 0%
ความน่าจะเป็นที่พ่อค้าจะเลือกกลยุทธ์ X คือ 100% เลือกกลยุทธ์ Y คือ 0% และ
เลือกกลยุทธ์ Z คือ 0%
ข้อที่ 17 Value of the Game เท่ากับ 10.75
ความน่าจะเป็นที่ผู้เล่นที่ 1 จะเลือกกลยุทธ์ 1 คือ 0% เลือกกลยุทธ์ 2 คือ 50% และ
เลือกกลยุทธ์ 3 คือ 50%
ความน่าจะเป็นที่ผู้เล่นที่ 2 จะเลือกกลยุทธ์ A คือ 37.5% เลือกกลยุทธ์ B คือ 62.5%
และเลือกกลยุทธ์ C คือ 0%
ข้อที่ 19 Value of the Game เท่ากับ 13.82
ความน่าจะเป็นที่ผู้เล่นที่ 1 จะเลือกกลยุทธ์ 1 คือ 63.64% เลือกกลยุทธ์ 2 คือ 0%
และเลือกกลยุทธ์ 3 คือ 36.36%
ความน่าจะเป็นทีผ่ เู้ ล่นที่ 2 จะเลือกกลยุทธ์ A คือ 45.45% เลือกกลยุทธ์ B คือ 54.55%
และเลือกกลยุทธ์ C คือ 0%
บทที่ 10
ข้อที่ 1 ทำ�งานที่ 1 จำ�นวน 1 งาน
ทำ�งานที่ 2 จำ�นวน 2 งาน
ได้ค่าตอบแทนเท่ากับ 13,000 บาท
ข้อที่ 3 ทำ�งานที่ 1 จำ�นวน 4 งาน
ได้คุณค่าของงานเท่ากับ 14
ข้อที่ 5 ทำ�งานที่ 1 จำ�นวน 1 งานและทำ�งานที่ 3 จำ�นวน 2 งาน หรือ ทำ�งาน 3 จำ�นวน 1
งานหรือทำ�งาน 4 จำ�นวน 1 งาน
ได้ผลตอบแทนเท่ากับ 60,000 บาท
ข้อที่ 7 1 ➝ 2 ➝ 4 ➝ 8 คือเส้นทางที่สั้นที่สุด ยาว 17
ข้อที่ 9 1 ➝ 4 ➝ 7 คือเส้นทางที่สั้นที่สุด ยาว 14
ข้อที่ 11 ทำ�งานที่ 4 จำ�นวน 2 งาน ได้ค่าตอบแทนเท่ากับ 63,000 บาท
ข้อที่ 13 1 ➝ 2 ➝ 5 ➝ 7 ➝ 9 หรือ 1 ➝ 2 ➝ 4 ➝ 5 ➝ 7 ➝ 9 คือเส้นทางที่ยาว
ที่สุด ยาว 27
ข้อที่ 15 1 ➝ 3 ➝ 6 คือเส้นทางที่สั้นที่สุด ยาว 11
ข้อที่ 17 ทำ�งานที่ 1 จำ�นวน 1 งาน และทำ�งานที่ 2 จำ�นวน 2 งาน หรือทำ�งานที่ 3 จำ�นวน 2 งาน
ได้คุณค่าของงานเท่ากับ 10
ข้อที่ 19 1 ➝ 3 ➝ 4 ➝ 9 ➝ 10 คือเส้นทางที่สั้นที่สุด ยาว 14
ดัชนี
ก. ข.
กฎ 100% 83 ข้อจำ�กัดในการตัดสินใจ 14, 16
กลยุทธ์ที่ถูกข่ม 257-258, 262-263 ขอบเขตคำ�ตอบที่เป็นไปได้ 16, 19
กลุ่มที่กลัวความเสี่ยง 228 แขนงการตัดสินใจ 219
การกระจายตัวแบบ Exponential 147-150,
152, 155, 159-160, 164, 174 ค.
การกระจายตัวแบบ Poisson 146-149, 152, คำ�ตอบที่ดีที่สุด 2, 7, 14, 16, 19-24, 37, 41,
155, 159-160, 164 45, 48, 52, 57, 62, 65, 71-72, 76-77,
การกำ�หนดตารางการทำ�งาน 176, 178 83-84, 86, 91, 93, 95, 132, 137, 281
การควบคุมโครงการ 176, 178
การคำ�นวณคะแนนการเปรียบเทียบ 234 จ.
การคำ�นวณย้อนกลับ 183, 222
จำ�นวนการสั่งที่ประหยัดที่สุด 5
การจัดการโครงการ 175-176, 179, 191, 198,
จำ�นวนผู้ให้บริการ 142, 145, 148, 150, 152,
325, 328
154, 156, 158-159, 164
การจำ�กัดแถวการรอคอย 150, 155-158, 172
การจำ�ลองสถานการณ์ 2, 6
การวางแผนโครงการ 176-177
ต.
การวิเคราะห์การจำ�แนก 6 ตัวแปรตาม 4-7, 115, 138
การวิเคราะห์การตัดสินใจ 205, 297-302, 325, ตัวแปรที่ต้องตัดสินใจ 14, 16, 26, 33, 37, 71,
328-329 81, 97, 100, 102, 104, 106, 109,
การวิเคราะห์การถดถอย 6 121, 128, 192, 266, 268
การวิเคราะห์การล้อมกรอบข้อมูล 71 ตัวแปรที่ต้องตัดสินใจไม่เป็นค่าลบ 26
การวิเคราะห์ความไว 71-72 ตัวแปรแสดงสถานะ 292
การวิเคราะห์เครือข่าย 5 ตัวแปรอิสระ 4-7
การวิเคราะห์เส้นทางวิกฤติ 5
การวิเคราะห์อนุกรมเวลา 6 ถ.
กิจกรรมวิกฤติ 178, 186-188, 199-202, 204, แถวการรอคอย 6, 141-142, 144-145,
360-361 148-153, 155-160, 164, 167, 169,
171-174, 325, 328
ดัชนี 365
ท. ฟ.
ทฤษฎีเกม 251-253, 274-275, 276-279, ฟังก์ชั่นการเปลี่ยนแปลงสถานะ 292-293, 304
325, 328
ทฤษฎีอรรถประโยชน์ 205, 226- 227 ว.
เทคนิคการประเมินโปรแกรม 6 วัตถุประสงค์ในการตัดสินใจ 14, 120, 266,
268
บ. วิธีการให้คะแนนโดยใช้เกณฑ์หลายเกณฑ์ 230
แบบจำ�ลองของคงคลัง 6 เวลาในการเข้ามาสู่ระบบ 147
แบบจำ�ลองแถวการรอคอย 141-142, 328 เวลาในการให้บริการ 145, 147-149, 152,
แบบจำ�ลองทางคณิตศาสตร์ 1-8, 10-12, 14 155, 159, 164-165
แบบจำ�ลองแบบ Descriptive 6
แบบจำ�ลองแบบ Predictive 6 ส.
แบบจำ�ลองแบบ Prescriptive 5 เส้นทางวิกฤต 5, 182, 184, 186-188, 191
ป. ห.
ปัญหาการหาเส้นทางที่สั้นที่สุด 282, 292 หลักการผ่อนคลาย 93
โปรแกรมเชิงพลวัต 281-284, 289, 294, 296, หลักการลดระยะเวลาโครงการ 191
303, 306, 313-320, 325, 328-329
โปรแกรมเชิงเส้น 5, 13-16, 21, 24-25, 27-28, อ.
34, 38-40, 43, 46-47, 49, 51 53-55,
อัตราการเข้ามาสู่ระบบ 141, 145-149, 152,
59, 60, 63, 70, 72, 91-93, 97, 100,
154, 156, 159, 164-165
104, 106, 109, 119- 120, 127-128,
อัตราการให้บริการ 147-149, 152, 154-156,
133, 137, 192, 194, 251, 265, 267-
159, 161, 173
269, 273, 278, 279, 325, 328
โปรแกรมเชิงเส้นที่มีวัตถุประสงค์หลาย
วัตถุประสงค์ 5, 120
โปรแกรมเชิงเส้นแบบจำ�นวนเต็ม 5
โปรแกรมที่ไม่ใช่เชิงเส้น 5
โปรแกรมเป้าหมาย 5
A. E.
Activity on Arc (AOA) 179 Earliest Finish 183
Activity on Node (AON) 179 Earliest Start 182
Adjustable Cells 74, 76 Equilibrium point 254
Allowable Decrease 77-78, 83 Expected Monetary Value 210, 215
Allowable Increase 77-78, 82-83 Expected Opportunity Loss 210, 217
Analytic Hierarchy Process (AHP) 230, Expected Regret 210, 217
232 Expected Time 187-188
Anchoring Effect 8-12 Expected Utility 230
Answer Report 71, 74-75, 78, 86
Array Formula 190 F.
Arrow 179 Final Value 74, 76-77
Assume Linear Model 37, 73 Framing Effect 10, 12
Assume Non-Negative 37
G.
B. General service times 149
Binary Variable 91, 99-100, 102-103, 105, Goal Programming 5, 120
115
Binding 75, 78 H.
Hard Constraint 120-121
C.
Changing Cell 27-28, 33, 106, 133, 168, I.
194
Iterations 37
Consistency Measure 235-237, 247-249
Consistency Ratio 235, 237-238, 247-249
Constraint Cell 27-28, 76
K.
Critical Path Method 5, 175-176, 179, Kendall Notation 149
187 Knapsack problem 295-297, 299,
301-303
D.
Deterministic interarrival times 149
Deterministic service times 149
ดัชนี 367
L. O.
Latest Finish 183 Objective Coefficient 76-77
Latest Start 183 Objective Function 19-24, 27-28, 32,
Lower Bound 93 77-79, 82-84, 97, 100, 105-106,
Lower Limit 81 109, 115, 122-124, 129, 132-133,
138, 192, 194-195
M. Optimal Value 74
Markovian interarrival times 149 Optimistic Time 187
Markovian service times 149 Optimization 13
Max Time 37 Original Value 74
Maximax 210-211, 241-242
Maximin 210-212, 241-242, 255, 259 P.
Maximize Objective 93 Parameters 36, 195-196
Maximize the minimum payoffs 254 Payoff 209-211, 214-217, 221, 223,
Minimax Objective 133, 135, 137, 140 226-230, 253-256, 258, 261-268,
Minimax Regret 210, 213-215, 217-218, 270-272
241-242 Pessimistic Time 187
Minimize Objective 93 Precision 37
Minimize the maximum losses 254 PERT 6, 174, 176, 179, 187-188, 190, 198
Mixed Strategies 251, 258-260, 262-263, Pure Strategies 251, 254, 258
265-266, 268
Most-likely Time 187 R.
Return 293, 305
N. Risk Premium 228
Network 5, 179-182, 184-185, 187, 198
Network Diagram 182, 184-185, 187 S.
Node 179-183 Saddle point 254
non-zero-sum game 252 Scaling Problem 50
Not Binding 75, 78 Sensitivity Report 71, 73, 76-78, 82, 85
n-person game 252 Shadow Price 77-80
Slack 75, 184, 186-187, 198-202, 204
Soft Constraint 120-121, 127, 131
Subgame 251, 270-273
T. V.
Target cell 27, 32, 74, 81, 131 Value of the Game 253, 261, 264, 266-
Tolerance 37, 95 268, 270-272, 273, 279-280
two-person game 252 Variable Cell 27, 33
two-person, zero-sum game 252
W.
U. Worksheet 74, 167, 194-195, 197
Upper Bound 93, 105-106, 133
Upper Limit 81 Z.
Utilization factor 151 Zero-sum game 252-253
ดัชนี 369
ดร.นภดล ร่มโพธิ์
ดร.นภดล ร่มโพธิ์ สำ �เร็จการศึกษาวิศวกรรมศาสตรบัณฑิต สาขาวิศวกรรมเคมี
(เกียรตินิยมอันดับสอง) ที่จุฬาลงกรณ์มหาวิทยาลัย Master of Science in Chemical
Engineering ที่ Oregon State University ประเทศสหรัฐอเมริกา บริหารธุรกิจมหาบัณฑิต ที่
มหาวิทยาลัยธรรมศาสตร์ และ Doctor of Philosophy (Management) ที่ University of
Glasgow ประเทศสหราชอาณาจักร
ดร.นภดล มีประสบการณ์การทำ�งานทั้งในภาครัฐและภาคเอกชน เคยเป็นที่ปรึกษา
ให้กับองค์กรขนาดใหญ่หลายแห่ง มีผลงานวิชาการและงานวิจัยที่โดดเด่นอย่างต่อเนื่องในเรื่อง
ของการวัดผลการปฏิบัติงานองค์กร การบริหารการผลิตและปฏิบัติการ การวิเคราะห์เชิงปริมาณ
และเป็นผูพ้ ฒ
ั นาเกมจำ�ลองสถานการณ์ชอื่ Managing Through Measure (MTM) เพือ่ ใช้ประกอบ
การเรียนการสอนเรื่องระบบการวัดผลองค์กรอีกด้วย ปัจจุบันนอกจากจะเป็นอาจารย์ประจำ�
สาขาวิชาบริหารการปฏิบัติการ คณะพาณิชยศาสตร์และการบัญชี มหาวิทยาลัยธรรมศาสตร์แล้ว
ยังดำ�รงตำ�แหน่งคณะบรรณาธิการวารสาร (Editorial Board) ในระดับนานาชาติ และคณะกรรมการ
ต่าง ๆ อีกหลายชุด เช่น คณะกรรมการพัฒนาระบบประกันคุณภาพการศึกษา คณะกรรมการพัฒนา
รูปแบบข้อสอบเพื่อทดสอบทักษะด้านการจัดการ คณะกรรมการวารสารบริหารธุรกิจ เป็นต้น
การตัดสินใจในโลกธุรกิจนับวันยิ่งมีความซับซอนเพิ่มมากขึ้น ดังนั้นผูบริหารจึงจำเปน
ที่จะตองมีขอมูลที่พรอมสำหรับการตัดสินใจ อยางไรก็ตามขอมูลที่ครบถวนนั้น จะไมเกิด
ประโยชนอันใด หากไมไดมีการวิเคราะหอยางถูกตอง การวิเคราะหขอมูลในเชิงปริมาณจึงเปน
เทคนิคหนึ่งที่มีความสำคัญตอการตัดสินใจของผูบริหารในปจจุบัน
ตำราเรื่องการวิเคราะหขอมูลเพื่อการตัดสินใจนี้ จึงเปนตำราที่มีจุดมุงหมายที่จะให
ผูเรียนไดเพิ่มความรูและทักษะการวิเคราะหขอมูลในเชิงปริมาณ โดยตำรานี้ไดแตงขึ้นจาก
การศึกษาเทคนิคการวิเคราะหเชิงปริมาณตาง ๆ ที่เปนที่นิยมในปจจุบัน และจากงานวิจัยของ
ผูเขียน โดยในตำราเลมนี้ไดมีการนำเสนอตัวอยางการใชงานเครื่องมือการวิเคราะหเชิงปริมาณ
ในสถานการณตาง ๆ เพื่อใหผูเรียนสามารถอานทำความเขาใจ และนำไปใชใหเกิดประโยชน
ไดตอไป
ISBN 978-616-305-091-5
9 786163 050915
ราคา 300 บาท
หมวดพาณิชยศาสตร

Data Analysis For Decision

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Data Analysis For Decision

Uploaded by

Copyright:

Available Formats

การวิเคราะหขอมูล

ฉบับพิมพ์ครั้งที่ 1 เดือนกรกฎาคม 2555

บทที่ 1 การตัดสินใจโดยใชแบบจำาลองทางคณิตศาสตร์ ......................................................................................................1

Y = F(X1, X2, .., XK)

Function คือ กระบวนการในการเปลี่ยนปัจจัยนำ�เข้า (Input) หรือตัวแปรอิสระ

รูปที่ 1-1 กระบวนการในการตัดสินใจโดยใช้แบบจำ�ลองทางคณิตศาสตร์

ขั้นตอนที่ 1 เขียนเส้นสมการข้อจำากัด (Constraints)

รูปที่ 2-1 แผนภาพที่แสดงถึงพื้นที่ของคำาตอบที่เป็นไปได้ เมื่อคำานึงถึงข้อจำากัดว่าตัวแปรทั้งสอง

หลังจากนัน้ เมือ่ พิจารณาข้อจำากัดข้อถัดมา ในเรือ่ งของข้อจำากัดทางด้านจำานวนเส้นเอ็น

หลั ง จากนั้ น เมื่ อ พิ จ ารณาข้ อ จำ า กั ด ข้ อ ถั ด มาในเรื่ อ งของข้ อ จำ า กั ด ทางด้ า นเวลา

ขั้นตอนที่ 2 สร้างขอบเขตคำาตอบที่เป็นไปได้ (Feasible Region)

ขั้นตอนที่ 3 หาคำาตอบที่ดีที่สุด (Optimal Solution)

รูปที่ 2-5 การหาคำาตอบที่ดีที่สุด

จากรูปที่ 2-5 จะเห็นได้ว่าเมื่อเริ่มนำาเอา Objective Function 400X1 + 450X2

1X1 + 2X2 = 335

เมื่อแก้สมการจะได้ค่า X1 = 55 และ X2 = 140 หรือเราควรผลิตไม้เทนนิส 55 อัน

เสนสมการ objective function

รูปที่ 2-6 กรณีตัวอย่างของการมีคำาตอบที่ดีที่สุดมากกว่า 1 คำาตอบ

รูปที่ 2-7 กรณีตัวอย่างของข้อจำากัดที่ไม่ส่งผลกระทบต่อคำาตอบ

1000 objective function

รูปที่ 2-8 กรณีตัวอย่างของคำาตอบที่ไม่มีจุดสิ้นสุด

รูปที่ 2-9 กรณีตัวอย่างที่ไม่สามารถหาคำาตอบที่เป็นไปได้

การแก้ปัญหาโปรแกรมเชิงเส้นโดยการ Microsoft Excel Solver

สำ�หรับข้อจำ�กัด X1 ≥ 0 และ X2 ≥ 0 นั้นเป็นข้อจำ�กัดที่กำ�หนดให้ค่าของตัวแปร

รูปที่ 2-10 การสร้าง Model ใน Spreadsheet

ในการทำ� Model ใน Spreadsheet นั้น การเขียนสูตรลงใน Cell ต่าง ๆ ไม่ควรระบุ

การใช้คำ�สั่ง Solver ในการแก้ปัญหา LP Model

รูปที่ 2-11 ลักษณะของตัวแปรต่างๆ ใน Model ก่อนที่จะใช้คำ�สั่ง Solver

ตารางที่ 2-1 การเปรียบเทียบศัพท์ที่ใช้ในแบบจำ�ลองโปรแกรมเชิงเส้นกับศัพท์ที่ใช้ใน Solver

ศัพท์ที่ใช้ในการสร้างแบบจำ�ลองโปรแกรมเชิงเส้น ศัพท์ที่ใช้ใน Microsoft Excel Solver

รูปที่ 2-12 ขั้นตอนในการติดตั้งคำ�สั่ง Solver ขั้นตอนที่ 1

รูปที่ 2-13 ขั้นตอนในการติดตั้งคำ�สั่ง Solver ขั้นตอนที่ 2

3. เลือก Solver Add-in กด OK ดังแสดงในรูปที่ 2-14

รูปที่ 2-14 ขั้นตอนในการติดตั้งคำ�สั่ง Solver

ขั้นตอนการใช้คำ�สั่ง Solver ใน Microsoft Excel 2007

รูปที่ 2-15 การเปิดใช้คำ�สั่ง Solver

รูปที่ 2-16 ขั้นตอนในการกำ�หนดเป้าหมายของ Objective Function ใน Solver

รูปที่ 2-17 ขั้นตอนในการกำ�หนดตัวแปรที่ต้องตัดสินใจใน Solver

2.3 ทำ�การกำ�หนด Constraints โดยเลือกที่ Add จะปรากฏหน้าต่าง Add

รูปที่ 2-18 ขั้นตอนในการกำ�หนดข้อจำ�กัดใน Solver

รูปที่ 2-19 ขั้นตอนหลังจากมีการกำ�หนดค่าต่างๆ อย่างครบถ้วนใน Solver

3. เมื่อระบุค่าต่าง ๆ ครบแล้วให้ใช้คำ�สั่ง Solve เพื่อให้เครื่องทำ�การคำ�นวณคำ�ตอบ

ในกรณีที่มีการใส่ Cell หรือมีการตั้งค่าผิดพลาดแล้ว Solver ไม่สามารถหาคำ�ตอบได้

รูปที่ 2-21 การแสดงผลการ Run Solver ที่มีความผิดพลาด

รูปที่ 2-22 ผลการ Run Solver

รูปที่ 2-23 การตั้งค่า Options

รูปที่ 2-24 การแก้ไขปัญหาที่เกี่ยวข้องกับ Security Warning

ปริมาณสั่งซื้อ (ถัง) 2,000 1,200 500

นํ้ามันปาล์ม นํ้ามันถั่วเหลือง นํ้ามันเมล็ดทานตะวัน

ต้นทุนในการผลิตเอง (บาทต่อถัง) 120 153 198

บริษัท นํ้ามันพืชไทย ต้องการทราบว่าควรจะผลิตนํ้ามันพืชแต่ละชนิดเองเป็นจำ�นวน

MIN: 120M1 + 153M2 + 198M3 + 145B1 + 178B2 + 220B3 ต้นทุนรวม

การทำ� Model ใน Spreadsheet

Key Cell Formulas

รูปที่ 2-25 การสร้าง Model ใน Spreadsheet สำ�หรับกรณีศึกษาบริษัทนํ้ามันพืชไทย

รูปที่ 2-26 Solver Parameters สำ�หรับกรณีศึกษาบริษัทนํ้ามันพืชไทย

ซึ่งทำ�ให้ได้คำ�ตอบของปัญหาในกรณีนี้ ดังแสดงในรูปที่ 2-27

รูปที่ 2-27 คำ�ตอบที่ดีที่สุดในกรณีศึกษาบริษัทนํ้ามันพืชไทย

สินค้า กำ�ไร อายุสินค้า (วัน) ระดับความนิยม

มะนาว 7.50% 12 1-ดีมาก

เนื่องจากเงินทุนที่มีจำ�นวนจำ�กัด นายเจริญจึงต้องประกันความเสี่ยงต่าง ๆ อันเกิด

MAX: 0.075X1 + 0.15X2 + 0.1225X3 + 0.135X4 + 0.1675X5 + 0.09X6 กำ�ไรที่ได้รับ

การทำ� Model ใน Spreadsheet

การวิเคราะหขอมูล