บทที่ 2

การพยากรณ์ (Forecasting)

การพยากรณ์ เป็ นกิ จกรรมที่ มีค วามสาคัญ ต่ อ ความส าเร็ จหรื อ ความล้มเหลวของธุ รกิ จ
เพราะการพยากรณ์ที่มีความคลาดเคลื่อนสู งจะส่ งผลทาให้เกิดต้นทุนที่เพิ่มสูงขึ้นหรื ออาจทาให้เสี ย
โอกาสในการขายสิ นค้า การพยากรณ์การผลิตเป็ นการคาดคะเนถึ งปริ มาณความต้องการในการ
ผลิตสิ นค้าสาหรับช่วงเวลาในอนาคต ซึ่ งข้อมูลที่ได้จากการพยากรณ์น้ นั จะนาไปสู่ การวางแผน
ในกิจกรรมด้านต่างๆ เช่น การวางแผนการผลิต การวางแผนกาลังคน การวางแผนการจัดซื้ อ
การวางแผนงบประมาณ ฯลฯ โดยปกติแล้วการพยากรณ์จะต้องมีความคลาดเคลื่อนอยู่บ้างซึ่ ง
ความคลาดเคลื่อนที่ เกิ ดขึ้นอาจมีผลมาจากการเปลี่ยนแปลงของสภาพแวดล้อ มของธุ รกิ จ เช่ น
เศรษฐกิจ เทคโนโลยี การเมืองหรื อการแข่งขัน เป็ นต้น ดังนั้นการวางแผนเพื่อกาหนดปริ มาณ
การผลิตจะต้องพิจารณาจากค่าพยากรณ์ควบคู่กบั นโยบายด้านสิ นค้าคงคลัง ทั้งนี้เพื่อป้องกันไม่ให้
เกิ ดการชะงักงันของกระบวนการผลิตที่เกิดจากการมีวตั ถุดิบไม่เพียงพอและสามารถผลิตสิ นค้า
ตอบสนองต่อความต้องการของลูกค้าได้

2.1 ประเภทของการพยากรณ์ (Type Of Forecasting )

การพยากรณ์แบ่งออกเป็ นประเภทใหญ่ๆได้ 2 ประเภท คือ
1) การพยากรณ์เชิงคุณภาพ (Qualitative Forecasting)
เป็ นการคาดคะเนเกี่ยวกับความเปลี่ยนแปลงหรื อรู ปแบบแนวโน้มของเหตุการณ์ในอนาคต
โดยเป็ นการพยากรณ์ ที่ไ ม่อ าศัยข้อ มูล ในอดี ตเป็ นหลัก แต่โดยทั่วๆไปการพยากรณ์ มักจะอาศัย
การพยากรณ์ท้ งั สองประเภทประกอบกันโดยจะมีการพยากรณ์เชิ งปริ มาณในขั้นแรกและในขั้น
ต่อ มาก็มักจะมีการนาค่าพยากรณ์น้ ันมาพิจารณาประกอบกับข้อมูล อื่นๆที่เกี่ยวข้องหรื อ ปรับค่า
พยากรณ์โดยอาศัยประสบการณ์ที่เคยผ่านงานด้านนั้นๆมาก่อน สาหรับวิธีที่นิยมใช้ในการพยากรณ์
เชิงคุณภาพมีดงั นี้
1.1 การพยากรณ์ โ ดยสอบถามจากฝ่ ายขาย(Sales Force Composites) เป็ นการ
พยากรณ์ที่ใช้การสัมภาษณ์หรื อสอบถามข้อมูลจากพนักงานขาย ซึ่ งเป็ นผูท้ ี่อยูใ่ กล้ชิดกับลูกค้าและ
มีขอ้ มูลเกี่ยวกับความต้องการสิ นค้าและบริ การมากที่สุด
1.2 การพยากรณ์โดยสอบถามจากผูบ้ ริ หาร (Jury of Executive Opinion) เป็ นการ
สอบถามข้อ มู ล เกี่ ย วกับ ความต้อ งการสิ น ค้าและบริ ก ารจากผู ้บ ริ ห ารขององค์ก ร ซึ่ ง ผู ้บ ริ ห าร
 24

ถื อ ได้ว่ าเป็ นผู ้ที่ มี ค วามเชี่ ย วชาญ จึ ง สามารถน าข้อ มู ล จากประสบการณ์ น้ ั น มาใช้ เป็ นข้อ มู ล
ในการพยากรณ์ได้
1.3 วิธีเดลฟาย (Delphi Method) วิธีน้ ี จะเริ่ มต้นจากการกาหนดกลุ่มผูเ้ ชี่ยวชาญ
จากนั้นจะมีการใช้แบบสอบถามอย่างต่อเนื่ อง นัน่ คือ คาตอบที่ได้จากแบบสอบถามหนึ่ งจะนามา
สังเคราะห์แล้วสร้างแบบสอบถามอื่นๆอย่างต่อเนื่องเพื่อสอบถามผูเ้ ชี่ยวชาญกลุ่มนั้นจนกว่าจะได้
คาตอบที่ สามารถใช้ในการพยากรณ์ ไ ด้ วิธีการนี้ เป็ นวิธีการที่ มีข้ นั ตอนที่ไ ม่ส ลับซับซ้ อ นแต่
ปัญหาที่มกั พบเกิดขึ้นจากการคัดเลือกกลุ่มผูเ้ ชี่ยวชาญที่มีความเชี่ยวชาญอย่างแท้จริ ง
1.4 วิธีวิจัยตลาด(Market Research) มักจะใช้ในกรณี ที่ไ ม่มีขอ้ มูลหรื อ มีข้อมูล
ไม่เพียงพอเกี่ยวกับความต้องการของสิ นค้าหรื อบริ การชนิ ดนั้น ซึ่ งโดยทัว่ ไปสิ นค้าหรื อบริ การที่
ต้องการพยากรณ์น้ นั มักเป็ นสิ นค้าหรื อบริ การใหม่ ทาให้ผบู ้ ริ หารไม่มีขอ้ มูลที่สามารถใช้ในการ
คาดคะเนปริ มาณความต้อ งการได้ สาหรับข้อมูล ที่ไ ด้จากการวิจัยตลาดนั้นจะมาจากการตอบ
แบบสอบถาม การสัมภาษณ์ การสารวจทางโทรศัพท์ การอภิปรายกลุ่ม ฯลฯ จากนั้นจะนา
ข้อมูลที่ได้มาประมวลผล การพยากรณ์โดยวิธีวิจยั ตลาดเป็ นวิธีที่มีค่าใช้จ่ายสูงและใช้เวลามากแต่
ค่าพยากรณ์ที่ได้จะมีความแม่นยาสูง
 25

การพยากรณ์

การพยากรณ์เชิงปริ มาณ (Quantitative Forecasting) การพยากรณ์เชิงคุณภาพ (Qualitative Forecasting)

การสอบถามจากฝ่ ายขาย (sale force composites)
การพยากรณ์ดว้ ยการประเมินตัวเลขแบบง่าย (Naive)
การสอบถามจากผูบ้ ริ หาร (Jury of Executive opinion)
การพยากรณ์เชิงเรี ยบ (Smoothing Techniques)

การพยากรณ์ค่าเฉลี่ยเคลือ่ นที่ (Simple Moving Average) วิธีเดลฟาย (Delphi Method)

การพยากรณ์เฉลี่ยเคลือ่ นที่ถ่วงน้ าหนัก (Weight Moving Average ) วิธีวิจยั ตลาด (Market Research)
Research)
การพยากรณ์แบบเอกซ์โปเนนเชียล (Exponential Smoothing ) ฯลฯ

การพยากรณ์วิเคราะห์ถดถอย (Regression Analysis)

ฯลฯ

รู ปที่ 2.1 ประเภทของการพยากรณ์

 26

2) การพยากรณ์เชิงปริมาณ (Quantitative Forecasting )

เป็ นการพยากรณ์ ที่อาศัยข้อ มูลที่ เป็ นตัวเลขในอดี ตมาประมวล โดยอาศัยหลัก การทาง
คณิ ต ศาสตร์ หรื อ สถิ ติ วิ ธี ก ารพยากรณ์ ที่ นิ ย มใช้กัน มาก ได้แ ก่ วิ ธี ก ารพยากรณ์ เชิ ง เรี ย บ
(Exponential Smoothing ) วิธีแยกส่ วนข้อมูลอนุ กรมเวลา (Decomposition series method) และ
วิธีวิเคราะห์ถดถอย (Regression Analysis) การพยากรณ์เชิงปริ มาณเหมาะสาหรับการพยากรณ์ใน
ระยะสั้นหรื อระยะปานกลางซึ่ งมีท้ งั การใช้และไม่ใช้หลักเกณฑ์ทางสถิติ วิธีการพยากรณ์เชิ ง
ปริ มาณที่ใช้หลักเกณฑ์ทางสถิติ ได้แก่ วิธีการพยากรณ์วิเคราะห์ถดถอย วิธีการพยากรณ์เชิงปริ มาณ
ที่ไม่ใช้หลักเกณฑ์ทางสถิติ ได้แก่ วิธีการพยากรณ์เชิงเรี ยบ เป็ นต้น สาหรับวิธีการพยากรณ์เชิ ง
ปริ มาณที่นิยมกันมากในธุรกิจอุตสาหกรรม มีหลายวิธี ดังนี้
2.1 การพยากรณ์ด้วยการประเมินตัวเลขแบบง่ ายๆ (Naive) เป็ นวิธีการพยากรณ์
ที่ใช้ประมาณตัวเลขง่ายๆ โดยอาศัยประสบการณ์ในอดีต เช่น ยอดขายสิ นค้าที่จะเพิ่มขึ้นอีก 5 %
เป็ นต้น
2.2 การพ ยากรณ์ เชิ ง เรี ย บ(Smoothing Techniques) เหมาะส าหรั บ การ
พยากรณ์ในระยะเวลาสั้นๆ และใช้กับธุรกิจที่ทาการผลิตสิ นค้าหลายๆชนิ ดที่แตกต่างกันในสาย
งานผลิตเดียวกัน ซึ่ งถ้าหากเลือกเทคนิ คเฉพาะสาหรับการพยากรณ์สินค้าแต่ละประเภทจะทาให้
เสี ยเวลามาก การพยากรณ์ที่ควรใช้วิธีการพยากรณ์ เชิงเรี ยบ เช่น การพยากรณ์การขึ้น -ลงของ
ราคาสิ น ค้าหรื อราคาวัต ถุดิ บ ปริ มาณความต้อ งการต่ อ สั ป ดาห์ ห รื อ ต่อ เดื อ นของสิ น ค้าหลายๆ
ประเภทในห้างสรรพสิ นค้า เป็ นต้น ซึ่งข้อมูลต่างๆนี้มกั จะไม่แสดงถึงแนวโน้มหรื อวัฏจักรแต่อย่าง
ใด มีเพียงแต่ค่าขึ้นลงของข้อ มูล ที่เปลี่ยนแปลงไปตามช่ วงของเวลาเท่านั้น จากลักษณะของ
ข้อมูลดังกล่าวจึงควรใช้วิธีการปรับข้อมูลเข้าหาส่ วนกลางเพื่อให้ค่าพยากรณ์มีความเรี ยบ การ
พยากรณ์เชิงเรี ยบมีหลายวิธีในที่น้ ีจะนาเสนอเพียงบางวิธีเท่านั้น
2.2.1 การพยากรณ์ค่าเฉลี่ยเคลือ่ นที่ (Single Moving Average) ใช้สาหรับการ
พยากรณ์ 1 หน่วยเวลาล่วงหน้าอาจเป็ นสัปดาห์หรื อเดือนก็ได้ โดยเฉลี่ยน้ าหนักของข้อมูลในอดีต
เท่าๆกันและกาหนดจานวนของข้อมูลที่จะนามาเฉลี่ย (N) โดยเป็ นค่าคงที่ที่มีค่าตั้งแต่ 2 ค่าขึ้นไป

ตัวอย่ างที่ 2.1 โรงงานอุตสาหกรรมแห่ งหนึ่ งทาการผลิ ตตูอ้ ลูมิเนี ยมจานวนหลายชนิ ด ได้บนั ทึก
ข้อมูลเกี่ยวกับปริ มาณการสั่งซื้ อ ของตู้อลูมิเนี ยมชนิ ดหนึ่ ง โดยมีขอ้ มูลในตารางที่ 2.1 สาหรับค่า
ที่นามาเฉลี่ย (N) คือ ข้อมูล 3 เดือน และข้อมูล 5 เดือน
 27

ค่าพยากรณ์เฉลี่ย ค่าพยากรณ์เฉลี่ย
เดือน ช่วงเวลา ยอดขายที่บนั ทึกไว้ เคลื่อนที่ 3 เดือน เคลื่อนที่ 5 เดือน
มกราคม 1 400 - -
กุมภาพันธ์ 2 335 - -
มีนาคม 3 395 - -
เมษายน 4 395 377 -
พฤษภาคม 5 510 375 -
มิถุนายน 6 375 434 407
กรกฎาคม 7 355 427 402
สิ งหาคม 8 330 414 407
กันยายน 9 520 354 393
ตุลาคม 10 450 402 418
พฤศจิกายน 11 550 434 406
ธันวาคม 12 - 507 441
ตารางที่ 2.1 ปริ มาณความต้องการสิ นค้าและค่าพยากรณ์โดยวิธีการค่าเฉลี่ยเคลื่อนที่

จากตารางข้างต้น ค่าพยากรณ์ที่ N= 3 ในเดือนเมษายน ได้จาก

400 + 335 + 395

= 377
3

และค่าพยากรณ์ที่ N= 5 ในเดือนมิถุนายน ได้จาก

400 + 335 + 395 + 395 + 510

5
= 407

จากข้ อ มู ล ในตารางที่ 2.1 น าข้ อ มู ล ปริ ม าณความต้ อ งการสิ นค้ า และค่ า พยากรณ์
จากการเฉลี่ยเคลื่อนที่ 3 เดือนและ 5 เดือน มาพล๊อตกราฟเปรี ย บเทียบกันในแต่ละช่วงเวลาจะเห็น
ความคลาดเคลื่อนที่เกิดขึ้น ดังแสดงในรู ปที่ 2.2
 28

การเปรียบเทียบค่ าบันทึกกับค่ าพยากรณ์

600
500
400 ค่าบันทึก

300 ค่าพยากรณ์ เฉลี่ ยเคลื่ อนที่ 3 เดื อน

ค่าพยากรณ์ เฉลี่ ยเคลื่ อนที่ 5 เดื อน
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12
ช่ วงเวลา

รู ปที่ 2.2 กราฟแสดงการเปรี ยบเทียบค่าบันทึกกับค่าพยากรณ์

การคานวณหาค่าพยากรณ์ โดยหาค่าเฉลี่ยนั้นอาจแสดงให้ เห็ นได้อีกวิธีห นึ่ งโดยการใช้

สมการทางคณิตศาสตร์หรื อแบบจาลอง (Model Formulation) ได้ดงั นี้

กาหนดให้ Yt = ค่าพยากรณ์ในช่วงเวลา t
Xt = ค่าบันทึกที่เกิดขึ้นจริ งในช่วงเวลา t
N = จานวนของข้อมูลที่จะหาค่าเฉลี่ย
X t −1 + X t − 2 + ... + X t − n
Yt = …(2.1)
N

หรื ออาจแทนได้โดย
n
 X t −1
Yt = t =1 ...(2.2)
N
 29

2.2.2 การพยากรณ์โดยใช้ ค่าเฉลี่ยเคลื่อนที่ถ่วงนา้ หนัก (Weight Moving

Average) เป็ นการหาค่าเฉลี่ยโดยใช้ตวั ถ่วงน้ าหนักที่เหมาะสมเพิ่มเข้าไปเพื่อปรับค่าพยากรณ์
ให้สอดคล้องกับเหตุการณ์จริ งโดยมีสูตรในการคานวณ ดังนี้
n
Yt =  Wt−1 X t − 1 …(2.3)
t=1

ให้ W (t-1) คื อ ค่ า ถ่ ว งน้ าหนั ก ส าหรั บ ช่ ว งเวลา t-1 โดยที่ W(t) จะมี ผ ลรวมเท่ า กั บ 1
และตามปกติ จ ะให้ ค วามส าคัญ ของข้อ มู ล ใหม่ โ ดยการให้ น้ าหนั ก มากกว่ า ในตารางที่ 2.2
เป็ นข้อมูลตัวอย่าง ซึ่ งจะเป็ นข้อมูลรายเดือนที่เก็บมาในช่วงเวลา 1 ปี โดยให้ค่าถ่วงน้ าหนักเท่ากับ
0.5, 0.25, 0.15 และ 0.10 โดยเริ่ มจากเดือ นล่าสุ ดและเดื อ นถัดต่อ กันไปตามลาดับ จากข้อมูลที่ไ ด้
สามารถคานวณหาค่าพยากรณ์ได้ดงั นี้

ตัวอย่างที่ 2.2 ข้อมูลยอดขายของบริ ษทั แห่ งหนึ่งต้องการพยากรณ์ยอดขายโดยวิธีเฉลี่ยเคลื่อนที่

ถ่วงน้ าหนักแสดงในตารางที่ 2.2

ค่าพยากรณ์เฉลี่ยเคลื่อนที่
เดือน ช่วงเวลา(t) ยอดขาย ถ่วงน้ าหนัก
ปี 2547 มกราคม 1 300,000 -
กุมภาพันธ์ 2 320,000 -
มีนาคม 3 350,000 -
เมษายน 4 280,000 -
พฤษภาคม 5 300,000 305,500
มิถุนายน 6 290,000 304,500
กรกฏาคม 7 300,000 297,000
สิ งหาคม 8 310,000 295,000
กันยายน 9 320,000 303,500
ตุลาคม 10 340,000 311,500
พฤศจิกายน 11 345,000 326,500
ธันวาคม 12 350,000 336,500
ตารางที่ 2.2 ข้อมูลยอดขายและค่าพยากรณ์โดยวิธีหาค่าเฉลี่ยเคลื่อนที่ถ่วงน้ าหนัก
 30

ค่าพยากรณ์ในเดือนพฤษภาคม และเดือนมิถนุ ายน สามารถคานวณได้ดงั นี้

Y5 = 280,000(0.5)+350,000(0.25)+320,000(0.15)+300,000(0.1)
= 305,500 บาท
Y6 = 300,000(0.5)+280,000(0.25)+350,000(0.15)+320,000(0.1)
= 304,500 บาท
2.2.3 การพยากรณ์ แบบเอกซ์ โปเนนเชียล (Exponential Smooting ) จากการ
พยากรณ์โดยวิธีหาค่าเฉลี่ยเคลื่อ นที่น้ ันจะต้อ งมีขอ้ มูล ครบถ้วนตามจานวนที่ต้องใช้ในการเฉลี่ย
หรื อ N ค่า จึ งจะสามารถพยากรณ์ ไ ด้ซ่ ึ งในการเก็บ ข้อ มู ล มากๆนั้น จะทาให้ เสี ยเสี ยเวลาและมี
ค่าใช้จ่ายเพิ่ม ขึ้น แต่สาหรับการพยากรณ์ แบบเอกซ์โปเนนเชี ยลนั้นจะใช้ข้อ มูลเพียงค่าเดี ยว (Xt)
และค่าพยากรณ์(Yt) ที่ช่วงเวลานั้น การพยากรณ์แบบเอกซ์โปเนนเชียลมีการพยากรณ์ได้หลายวิธี
สาหรับในที่น้ ี จะอธิ บายเฉพาะวิธีการพยากรณ์แบบซิ งเกิลเอกซ์โปเนนเชี ยล (Single Exponential)
และการพยากรณ์แบบดับเบิ้ลเอกซ์โปเนนเชียล(Double Exponential)
1) การพยากรณ์แบบซิงเกิลเอกซ์ โปเนนเชียล (Single Exponential) เป็ นการ
พยากรณ์ที่เหมาะสาหรับข้อมูลที่ไม่มีลกั ษณะของแนวโน้มและฤดูกาล และเป็ นการพยากรณ์ใน
ระยะสั้นสามารถเขียนในรู ปแบบสมการ ได้ดงั นี้

Yt = Xt-1 + (1 - ) Yt-1 ...(2.7)

หรื ออาจจะเขียนอีกแบบหนึ่งได้ว่า

Yt = Yt-1 +  (Xt-1- Yt-1) ...(2.8)

เมื่อ Yt เป็ นค่าพยากรณ์สาหรับเวลา t

Xt เป็ นค่าจริ งที่บนั ทึก ณ เวลา t
 เป็ นค่าคงที่ปรับเรี ยบ( Smoothing Constant )
โดยที่ค่า  จะมีค่าระหว่าง 0 ถึง 1
 31

ตัวอย่างที่ 2.3 ข้อมูลยอดขายที่บนั ทึกได้ของปี พ.ศ.2547 แสดงในตารางที่ 2.3 ขอให้นาไป

พยากรณ์โดยวิธีซิงเกิลเอ็กซ์โปเนนเชียล

ค่าพยากรณ์
เดือน ช่วงเวลา(t) ยอดขาย  = 0.2  = 0.6
มกราคม 1 250 - -
กุมภาพันธ์ 2 185 250.0 250.0
มีนาคม 3 245 237.0 211.0
เมษายน 4 247 238.6 231.4
พฤษภาคม 5 360 240.3 240.8
มิถุนายน 6 225 264.24 312.3
กรกฎาคม 7 205 256.4 259.9
สิ งหาคม 8 180 246.1 227.0
กันยายา 9 270 232.9 198.8
ตุลาคม 10 327 240.3 241.5
พฤศจิกายน 11 285 257.6 292.8
ธันวาคม 12 350 263.1 288.12

ตารางที่ 2.3 ข้อมูลที่บนั ทึกได้และค่าพยากรณ์โดยใช้วิธีซิงเกิลเอกซ์โปเนนเชียล

จากค่ าพยากรณ์ ใ นตารางที่ 2.4 จะใช้ ค่ า พยากรณ์ ใ นช่ ว งเริ่ ม ต้น เป็ นค่ า จริ งที่ เกิ ด ขึ้ น
สาหรับการแทนค่าลงในสมการที่ 2.8 โดยใช้  = 0.2 แสดงตัวอย่างได้ดงั นี้
Y9 = Y9-1 + (X9-1 - Y9-1)
จะได้ Y9 = 246.1 + 0.2(180 - 246.1)
= 232.9
และจะได้ค่าพยากรณ์ในเดือนมกราคม ปี ถดั ไป ที่  = 0.2 ดังนี้
Y13 = 263.1 + 0.2 (350 - 263.1)
= 280.5
 32

เมื่ อ น าค่ า จริ ง และค่ า พยากรณ์ ที่ มี ค่ า  = 0.2 และ 0.6 ไปเขี ย นกราฟดั ง ในรู ป ที่ 2.3
จะเห็ นได้ว่าค่าของ  ที่ มากหรื อน้อ ยจะส่ งผลต่อ ความเรี ยบของค่าพยากรณ์ ดังนั้น ค่า = 0.2
จะทาให้เส้นกราฟของค่าพยากรณ์เรี ยบมากกว่าค่าพยากรณ์ที่  = 0.6

400

350 ค่าบันทึก 

300 ค่าพยากรณ์  = 0.6

250 ค่าพยากรณ์  = 0.2

200

150

100

50

0
1 2 3 4 5 6 7 8 9 10 11 12

รู ปที่ 2.3 แสดงการเปรี ยบเทียบค่าพยากรณ์โดยวิธีซิงเกิลเอ็กซ์โปเนนเชียล

2) การพยากรณ์เอกซ์ โปเนนเชียลซ้าสองครั้ง(Double Exponential) ในกรณี

ที่ขอ้ มูลมีลกั ษณะเป็ นแบบแนวนอนหรื อแนวระดับ การใช้วิธีการพยากรณ์แบบซิงเกิลเอกซ์โปเนน
เชียลจะมีความเหมาะสม แต่หากข้อมูลมีลกั ษณะเป็ นแนวโน้มที่เพิ่มขึ้นหรื อลดลงหรื อมีการเปลีย่ น
ระดับหรื อแม้แต่รูปแบบที่มีลกั ษณะของฤดูกาล การใช้การพยากรณ์แบบเอกซ์โปเนนเชียลซ้ าสอง
ครั้งจะมีความเหมาะสมมากกว่าโดยมีสมการสาหรับการพยากรณ์คือ

  
Yt = Y t−1 +  (Yt - Y t −1 ) …(2.9)

at = 2Yt - Y t …(2.10)
α 
bt = (Yt − Yt ) …(2.11)
1− α
Ft+m = at + btm …(2.12)
 33

ค่าซิงเกิล ค่าเอกซ์โปเนนเชียล ค่าพยากรณ์โดย

ช่วงเวลา ค่าจริ ง เอกซ์โปเนเนเชียล ซ้ าสองครั้ง ค่า a ค่า b m = 1, (a+bm)
1 161 - -
2 182 161 161.00 - -
3 200 165.20 161.84 168.56 0.84 -
4 184 172.16 163.90 180.42 2.06 169.40
5 191 174.53 166.03 183.03 2.12 182.48
6 226 177.82 168.39 187.25 2.36 185.15
7 213 187.46 172.20 202.72 3.81 189.61
8 227 192.57 176.27 208.87 4.07 206.53
9 238 199.46 180.91 218.01 4.64 212.94
10 249 207.17 186.16 228.18 5.25 222.65
ตารางที่ 2.4 แสดงการพยากรณ์โดยวิธีเอกซ์โปเนนเชียลซ้ าสองครั้งที่  = 0.2


จากสมการที่ 2.9 – 2.12 กาหนดให้ Y t = ค่าเอกซ์โปเนนเชียลซ้ าสองครั้ง
Yt = ค่าซิงเกิลเอกซ์โปเนนเชียล
at = ค่าคงที่ ณ จุดเริ่ มต้นในช่วงเวลา t
bt = ค่าความชันของข้อมูล
และตารางที่ 2.4 แสดงการหาค่าเอ็กซ์โปเนนเชียลซ้ าสองครั้งและการหาค่า at และ bt ได้ดงั นี้
  
จากสมการที่ 2.9 Y t = Y t−1 +  (Yt - Y t −1 )

  
จะได้ Y3 = Y 2 -  (Y3 - Y 2 )
= 161 + 0.2 ( 165.20 - 161)
= 161.84

และ Y 4 = 161.84 + 0.2 ( 172.16 – 161.84 )
= 163.90

จากสมการที่ 2.10 at = 2Yt - Y t
จะได้ a3 = 2 ( 165.20 ) – 161.84
= 168.56
 34

α 
จากสมการที่ 2.11 bt = (Yt − Yt )
1− α

จะได้ b3
= 0.25 ( 165.20 – 161.84 )
= 0.84
ค่าพยากรณ์สาหรับช่วงเวลาที่ 11
คานวณได้จาก
Ft+1 = 228.18 + 5.25(1)
= 233.43
และหากต้องการพยากรณ์ 4 ช่วงเวลาล่วงหน้า หรื อ m = 4 จะได้
Ft+4 = 228.18 + 5.25(4)
= 249.18

หากน าข้ อ มู ล ค่ า จริ ง เปรี ยบเที ย บกั บ ค่ า พยากรณ์ เอกซ์ โ ปเนนเชี ย ลทั้ ง แบบซิ งเกิ ล
เอกซ์ โ ปเน นเชี ย ลและแบบเอกซ์ โ ปเนน เชี ยลซ้ าสองครั้ ง จะพบว่ า ค่ า พยากรณ์ โดยวิ ธี
เอกซ์ โ ปเนนเชี ย ลซ้ าสองครั้ งจะมี ค่ า ใกล้ เคี ย งกับ ค่ า จริ ง มากกว่ า การพยากรณ์ แ บบซิ ง เกิ ล
เอกซ์โปเนนเชียล

2.3 การพยากรณ์ โดยการวิเคราะห์ ถดถอย (Regression Analysis) เป็ นการพยากรณ์ที่

ศึกษาถึงความสัมพัน ธ์ระหว่างตัวแปรตาม (dependent variable) กับตัวแปรอิสระ (independent
variable) โดยแสดงความสัมพันธ์ของตัวแปรดังกล่าวที่เรี ยกว่าเส้นความสัมพันธ์โดยเฉลี่ย (The
line of average relationship) หรื อ เส้นถดถอย (regression line) หรื ออาจเรี ยกว่าเส้นการประมาณ
ค่า (estimating line) สาหรับการหาสมการให้กบั ความสัมพันธ์น้ นั มีหลายวิธีดว้ ยกัน แต่ที่นิยมใช้กนั
มาก คือ วิธีกาลังสองน้อยที่สุด (The least square method) ซึ่ งในที่น้ ีจะกล่าวถึงเฉพาะการวิเคราะห์
ถดถอยแบบง่าย
- การวิเคราะห์ ถดถอยแบบง่ าย (Simple Regression) วิธีการพยากรณ์โดยการ
วิเคราะห์ถดถอยอย่างง่ายจะพิจารณาถึงความสัมพันธ์ของตัวแปรเพียง 2 ตัวเท่านั้น โดยกาหนดให้
x เป็ นตัวแปรอิสระ และ y เป็ นตัวแปรตาม โดยรู ปแบบความสัมพันธ์ สามารถเขียนเป็ นสมการ
เส้นตรงได้ดงั นี้
 35

Y = a + bx

จากสมการข้างต้น a และ b จะเป็ นค่าคงที่ โดย a มีค่าเท่ากับระยะตัดแกน y และ b

เป็ นค่ า ความลาดชั น ระหว่ า ง x กั บ y หรื อค่ า ความชั น (slope) ของเส้ น ตรง ที่ เรี ยกว่ า
สัมประสิ ทธิ์ของเส้นถดถอย (regression coefficient) ดังแสดงในรู ปที่ 2.4

a
x

รู ปที่ 2.4 แสดงรู ปแบบของสมการถดถอยแบบง่าย

ตั ว อย่ า ง โรงงานแห่ ง หนึ่ งท าการเก็ บ ข้อ มู ล เกี่ ย วกับ ต้ น ทุ น การผลิ ต ของสิ น ค้า ชนิ ด หนึ่ ง
ที่เปลี่ยนแปลงไปตามจานวนการผลิตต่างๆ ดังแสดงในตารางที่ 2.4
กาหนดให้ xi = จานวนหน่วยที่ผลิต
yi = ต้นทุนการผลิต
 36

xi yi
7 18
10 23
8 22
2 9
4 14
6 20
6 19
6 18
4 16
7 21
60 180

ตารางที่ 2.5 ข้อมูลปริ มาณการผลิตและต้นทุนการผลิต

นาข้อมูลของจานวนหน่ วยที่ผลิตและต้นทุนการผลิตไปเขียนกราฟเพื่อ ดูความสัมพันธ์

ของข้อ มู ล จะพบว่าข้อ มู ลมีค วามสัม พัน ธ์กัน ในลัก ษณะเส้ นตรงที่ ชัน ขึ้น ดังนั้น สมการที่ จะใช้
กาหนดความสัมพันธ์ระหว่างจานวนหน่วยที่ผลิต (xi) กับต้นทุนการผลิต (yi) คือ

Y = a + bx

n  X i Yi −  X i  Yi
โดยที่ b = …(2.13)
n  X 2i − (  X i ) 2

 Yi b X i
a = − …(2.14)
n n

= Y − bX …(2.15)

จากสมการที่ 2.13 และ 2.15 ที่ใช้ในการหาค่า a และ b แสดงข้อมูลดังตารางที่ 2.6

 37

xi yi xiyi xi2
7 18 126 49
10 23 230 100
8 22 176 64
2 9 18 4
4 14 56 16
6 20 120 36
6 19 114 36
6 18 108 36
4 16 64 16
7 21 147 49
60 180 1,159 406
ตารางที่ 2.6 แสดงการหาค่า a และ b

10(1159) - (60)(180)
ดังนั้น b =
10(406) − (60) 2
79
=
46
= 1.717

y
และ y =
n

180
=
10
= 18
x
x =
n
 38

60
=
10
= 6

a = 18 – 1.717 (6)
= 18 – 10.302
= 7.698

จะได้สมการที่ใช้กาหนดความสัมพันธ์ระหว่างจานวนหน่วยที่ผลิตกับต้นทุนการผลิต ดังนี้

Y = 7.698 + 1.717 x

โดยที่ Y มีหน่วยเป็ นพันบาท

และ x เป็ นจานวนหน่วยที่ผลิต

จากสมการที่ได้ a มีค่าเป็ น 7.698 ซึ่ งหมายความว่าแม้จะไม่มีการผลิต (x = 0) ก็จะมีตน้ ทุน

การผลิตเท่ากับ 7.698 ซึ่ งถือได้ว่าเป็ นค่าใช้จ่ายคงที่ สาหรับค่า b ที่มีเครื่ องหมายเป็ นบวก แสดงว่า
เมื่อจานวนหน่วยที่ผลิตเพิ่มขึ้นต้นทุนการผลิตก็จะเพิ่มขึ้นด้วย แสดงค่าพยากรณ์โดยกราฟได้ดงั
รู ปที่ 2.5

25
Y = 7.698 + 1.717x
20

15

10

2 4 6 8 10
รู ปที่ 2.5 แสดงเส้นถดถอยหรื อค่าพยากรณ์ที่ได้จากวิธีวิเคราะห์ถดถอย
 39

ตัวอย่าง โรงงานแห่งหนึ่งทาการเก็บข้อมูลปริ มาณการผลิตเพื่อต้องการใช้ในการพยากรณ์ ซึ่ง

ข้อมูลมีลกั ษณะแทนได้ดว้ ยเส้นตรงที่ชนั ขึ้นจึงใช้การพยากรณ์โดยวิธีวิเคราะห์ถดถอย สาหรับ
ข้อมูลแสดงในตารางที่ 2.7

เดือน ปริ มาณการผลิต

มกราคม 60
กุมภาพันธ์ 63
มีนาคม 62
เมษายน 67
พฤษภาคม 70
มิถุนายน 71
กรกฎาคม 75
สิ งหาคม 85
กันยายน 95
ตุลาคม 85
พฤศจิกายน 95
ธันวาคม 98
ตารางที่ 2.7 ข้อมูลปริ มาณการผลิตรายเดือน

จากข้อมูลในตารางที่ 2.7 ให้ x แทนช่วงเวลา( เดือน) ดังนั้นช่วงเวลาเริ่ มต้นคือเดือ น

มกราคมก าหนดให้ x = 0 เดื อ นกุ ม ภาพัน ธ์ ก าหนดให้ x = 1 ส าหรั บ ช่ ว งเวลาถัด ไป
กาหนดให้ x = 2,3,4…n และให้ y เป็ นปริ มาณการผลิต
 40

เดือน x y xy x2
มกราคม 0 60 0 0
กุมภาพันธ์ 1 63 63 1
มีนาคม 2 62 124 4
เมษายน 3 67 201 9
พฤษภาคม 4 70 280 16
มิถุนายน 5 71 355 25
กรกฎาคม 6 75 450 36
สิงหาคม 7 85 595 49
กันยายน 8 95 760 64
ตุลาคม 9 85 765 81
พฤศจิกายน 10 95 950 100
ธันวาคม 11 98 1078 121
รวม 66 926 5621 506
ตารางที่ 2.8 แสดงการหาค่า a และ b

Y = a + bx

n x i y i −  x i  y i
โดยที่ b =
n  x 2i − (  x i ) 2

12(5621) - (66)(926)
b = 12(506) - (66) 2

b = 6,336
1,716

= 3.69
 41

a =
 y - bx
i i

n n

จะได้ a = 926
- 3.69  12
66 

12  

= 56.87

ดังนั้น Y = 56.87 + 3.69 x

โดยที่ Y เป็ นปริ มาณการผลิต

x เป็ นช่วงเวลา (เดือน)

หากต้องการพยากรณ์ปริ มาณการผลิตในเดือนมกราคมปี ถัดไป ก็ให้แทนค่า x = 12 ลงใน

สมการที่ 2.17 จะได้

Y = 56.87 + 3.69 (12)

= 101.15

2.4 การควบคุมค่าพยากรณ์ โดยปกติทวั่ ไปค่าพยากรณ์ที่ได้จะมีความคลาดเคลื่อนจาก

ค่าจริ งที่ เกิ ดขึ้นไม่ว่าจะใช้วิธีการพยากรณ์ แบบใดก็ตาม ผูพ้ ยากรณ์ จึงต้อ งมีการตรวจสอบและ
ควบคุมค่าพยากรณ์เพื่อให้มนั่ ใจได้ว่าค่าพยากรณ์อยูใ่ นขอบเขตที่ยอมรับได้โดยการใช้วิธีการทาง
สถิติ การตรวจสอบและควบคุมค่าพยากรณ์ที่นิยมใช้กนั มีหลายวิธีในที่น้ ี จะอธิ บายเฉพาะวิธี
พิสัยควบคุม
 42

Upper Control Limit : UCL

Center Line : CL

Lower Control Limit : LCL

ช่ วงเวลา

รู ปที่ 2.6 แสดงเส้นควบคุมในพิสัยควบคุม

- วิธีพิสัยควบคุม (Control limit) การควบคุมค่าพยากรณ์ไม่ว่าวิธีใดก็แล้วแต่มี

จุด มุ่ ง หมายเพื่ อ ควบคุ ม ค่ าพยากรณ์ ให้ อ ยู่ในระดับ ที่ ยอมรับ ได้ซ่ ึ งความคลาดเคลื่ อ นของการ
พยากรณ์น้ นั จะต้องอยูภ่ ายใต้เส้นควบคุมที่สร้างขี้นโดยวิธีการทางสถิติ การสร้างเส้นควบคุมที่ใช้
ในวิธีพิสัยควบคุมนี้จะใช้การหาค่าความคลาดเคลื่อนโดยเป็ นการเปรี ยบเทียบค่าจริ งกับค่าพยากรณ์
ที่เรี ยกว่าการหาค่าเบี่ยงเบนมาตรฐาน (Standard Diviation : SD) ซึ่ งจะใช้กับข้อมูลที่มีลกั ษณะ
การกระจายตัว แบบปกติ (Normal Distribution) เส้ น ที่ ใช้ ในการควบคุ ม จะมี 3 เส้ น คื อ เส้ น
ควบคุมบน (upper control limit : UCL) เส้นกลาง (Center line : CL) และเส้นควบคุมล่าง (lower
control limit : LCL) สาหรับการหาค่าของความเบี่ยงเบนมาตรฐานจะหาได้ ดังนี้

กรณีขอ้ มูลเป็ นแบบแนวโน้มเส้นตรงที่มีความชัน

 (y
t =1
t − Yt ) 2
SD = …(2.16)
N−2
 43

กรณีขอ้ มูลเป็ นแบบเส้นตรงคงที่

 (y
t =1
t − Yt ) 2
SD = …(2.17)
N −1

สาหรับการสร้างเส้นควบคุมทั้ง 3 เส้นนั้นเราสามารถกาหนดพิสัยเพื่อควบคุมที่ระดับความ
เชื่อมัน่ ต่างๆได้ดงั นี้

ความเชื่อมัน่ ที่ 68% จะได้ค่าพิสัย = Y  SD

จะได้ เส้นควบคุมบน (UCL) = Y + SD
เส้นกลาง (CL) = Y
เส้นควบคุมล่าง (LCL) = Y – SD

ความเชื่อมัน่ ที่ 95% จะได้ค่าพิสัย = Y  2SD

จะได้ เส้นควบคุมบน (UCL) = Y + 2SD
เส้นกลาง (CL) = Y
เส้นควบคุมล่าง (LCL) = Y – 2SD

ความเชื่อมัน่ ที่ 99.8% จะได้ค่าพิสัย = Y  3SD

จะได้ เส้นควบคุมบน (UCL) = Y + 3SD
เส้นกลาง (CL) = Y
เส้นควบคุมล่าง (LCL) = Y – 3SD
 44

ปริ มาณการผลิต
3SD

2SD

SD

ช่วงเวลา

รู ปที่ 2.7 แสดงกราฟของพิสัยควบคุม

ตัวอย่างที่ 2.4 แสดงการสร้างพิสัยควบคุมโดยใช้ขอ้ มูลจากตัวอย่างที่ 2.3

xi yi Yi yi - Yi (yi - Yi)2
7 18 19.72 - 1.72 2.96
10 23 24.87 - 1.87 3.50
8 22 21.43 0.57 0.32
2 9 11.13 - 2.13 4.54
4 14 14.57 - 0.57 0.32
6 20 18 2 4
6 19 18 1 1
6 18 18 0 0
4 16 14.5 1.4 2.04
7 21 19.72 1.28 1.64
60 180 179.94 20.32
ตารางที่ 2.9 แสดงการสร้างพิสัยควบคุม
 45

จากสมการถดถอยที่ใช้ในการพยากรณ์

Y = 7.698 + 1.717x

จากตารางที่ 2.5 แทน ค่ า xi ในคอลั ม น์ แ รกลงในสมการจะได้ ค่ า พยากรณ์ (Yi)

ในคอลัมน์ที่ 3 แล้วหาค่าความคลาดเคลื่อนกาลังสอง (yi - Yi)2 ได้ผลรวมเท่ากับ 20.32

20.32
จะได้ SD = 10 − 2

= 2.54
= 1.59

จากค่ าเบี่ ยงเบนมาตรฐาน (SD) ที่ ไ ด้น ามาหาค่าพิ สั ยหรื อ ช่ วงของค่ าพยากรณ์ ที่ ระดับ
ความเชื่อมัน่ ต่างๆ เมื่อจานวนหน่วยผลิตครั้งต่อไปเท่ากับ 6 หรื อ x = 6 ได้ดงั นี้

เมื่อ x = 6 , จะได้ Y = 7.698 + 1.717(6)

= 18

ความเชื่อมัน่ ที่ 68% จะได้ค่าพิสัย = 18  1.59

= 19.59, 16.41

ความเชื่อมัน่ ที่ 95% จะได้ค่าพิสัย = 18  2(1.59)

= 21.18, 14.82

ความเชื่อมัน่ ที่ 99.8% จะได้ค่าพิสัย = 18  3(1.59)

= 22.77, 13.23
 46

จานวนผลิต (x) ต้นทุนผลิตจริ ง( y) ค่าพิสัยควบคุมที่ความเชื่อมัน่ 99.8%

7 18 14.95 – 24.49
10 23 20.10 – 29.64
8 22 16.66 – 26.20
2 9 6.36 – 15.90
4 14 9.73 – 19.27
6 20 13.23 – 22.77
6 19 13.23 – 22.77
6 18 13.26 – 22.77
4 16 9.73 – 19.27
7 21 14.95 – 24.49
ตารางที่ 2.10 แสดงการเปรี ยบเทียบข้อมูลกับพิสัยควบคุม

ค่าของพิสัยควบคุมก่อ นจะนาไปใช้จะต้องทดสอบกับข้อ มูลจริ งก่อ น ซึ่ งจะต้องไม่มี

ข้อ มูลใดออกนอกพิสัยควบคุม หากมี ข้อ มูลใดหลุดออกไปอยู่นอกพิ สัยควบคุมจะต้อ งทาการ
ตรวจสอบเพื่อหาสาเหตุที่เกิดขึ้น ซึ่ งอาจเกดิจากความบกพร่ องของเครื่ องจักร ความผิดพลาดของ
พนักงานหรื อวัตถุดิบไม่มีคุณภาพก็ได้ เมื่อพบสาเหตุดงั กล่าวแล้วก็ให้ตดั ค่านั้นออกไปแล้วสร้าง
พิสัยควบคุมใหม่และทาการทดสอบกับข้อมูลจริ งเช่ นเดิ มจนกว่าจะไม่มีข้อมูลใดออกนอกพิสัย
ควบคุมที่สร้างขึ้นนั้น ข้อควรพิจารณาอีกประการคือ จานวนของข้อมูลที่นามาสร้างพิสับควบคุม
นั้นจะต้องมีจานวนที่มากพอ โดยทัว่ ไปควรมีต้ งั แต่ 20 ค่าขึ้นไปจึงจะทาให้มีความน่าเชื่อถือแต่
หากเป็ นกิจกรรมใหม่ๆอาจใช้ขอ้ มูลจานวน 10 ข้อมูลก็ได้ อย่างไรก็ตามกรณี ที่มีขอ้ มูลหลุดออก
นอกพิสัยควบคุมอาจมาจากการใช้วิธีการพยากรณ์ที่ไม่เหมาะสมก็ได้ เช่นถ้าข้อมูลมีลกั ษณะแบบ
แนวราบ (HoriZontal ) แต่ ใ ช้ วิ ธี ก ารวิ เคราะห์ ถ ดถอยในการพยากรณ์ ก็ จ ะท าให้ เกิ ด ความ
คลาดเคลื่อนสู ง ซึ่งวิธีการพยากรณ์ที่เหมาะสมสาหรับข้อมูลที่มีลกั ษณะแนวราบคือการพยากรณ์
โดยวิธีพยากรณ์เชิงเรี ยบ เช่น การพยากรณ์โดยการเฉลี่ยเคลื่อนที่ หรื อ การพยากรณ์แบบซิ งเกิ ล
เอ็กซ์โปเนนเชียล เป็ นต้น จากตารางที่ 2.10 ข้อมูลของต้นทุนผลิตจริ งที่บนั ทึกไว้น้ นั ไม่มีค่าใด
ออกนอกพิ สัยควบคุม ที่ระดับความเชื่ อ มั่น ร้อ ยละ 99.8 หรื อ จากข้อ มูล 1,000 ค่าจะยอมให้ มี
ข้อมูลเพียง 2 ค่าเท่านั้นที่ออกนอกพิสัยควบคุม ดังนั้นพิสัยควบคุมที่ได้น้ นั จึงสามารถนาไปใช้
ในการควบคุมค่าพยากรณ์ต่อไปได้
 47

สรุป

การพยากรณ์ การผลิตเป็ นการคาดคะเนถึงปริ ม าณความต้อ งการในการผลิตสิ นค้า

สาหรับช่วงเวลาในอนาคต ซึ่ งข้อมูลที่ได้จากการพยากรณ์น้ ัน จะนาไปสู่การวางแผนในกิจกรรม
ด้านต่างๆ เช่น การวางแผนการผลิต การวางแผนกาลังคน การวางแผนการจัดซื้ อ การวางแผน
งบประมาณ ฯลฯ การพยากรณ์แบ่งออกเป็ นประเภทใหญ่ๆได้ 2 ประเภท คือ 1) การพยากรณ์
เชิ งคุณ ภาพ (Qualitative Forecasting) เช่ น การพยากรณ์ โดยสอบถามจากฝ่ ายขาย(Sales Force
Composites) การพยากรณ์ โดยสอบถามจากผู ้บริ หาร (Jury of Executive Opinion) วิธี เดลฟาย
(Delphi Method) วิ ธี วิ จั ย ตล าด(Market Research) เป็ น ต้ น 2) การพ ยาก รณ์ เชิ งป ริ ม าณ
(Quantitative Forecasting ) เช่ น การพยากรณ์ ด้วยการประเมิ น ตัวเลขแบบง่ายๆ (Naive) การ
พยากรณ์ เชิ งเรี ย บ(Smoothing Techniques) การพยากรณ์ โ ดยการวิ เคราะห์ ถ ดถอย (Regression
Analysis) เป็ นต้น ในการพยากรณ์ น้ ันโดยธรรมชาติค่าพยากรณ์ ที่ ไ ด้จะมีความคลาดเคลื่อ น
ดังนั้นจึงมีการหาแนวทางในการควบคุมค่าพยากรณ์ ซึ่ งการควบคุมค่าพยากรณ์ที่กล่าวถึงในที่น้ ี
คือ วิ ธีพิ สั ย ควบคุ ม (Control limit) โดยวิ ธี พิ สั ย ควบคุ ม นี้ จะมี เส้ น ที่ ใช้ค วบคุ ม ค่ าพยากรณ์
จานวน 3 เส้ น คื อ เส้ น ควบคุ ม บน (upper control limit : UCL) เส้ น กลาง (Center line : CL)
และเส้นควบคุมล่าง (lower control limit : LCL)
การพยากรณ์การผลิตเป็ นกิ จกรรมที่มีความสาคัญเป็ นอย่างมากที่ผูบ้ ริ หารการผลิต
จาเป็ นจะต้องมีความรู้ความเข้าใจในหลักการที่ถูกต้องและนาไปใช้ให้เหมาะสมกับลักษณะของ
ข้อมูลจึงจะทาให้การพยากรณ์เกิดความแม่นยาเพราะหากใช้วิธีการพยากรณ์ที่ผิดพลาดไม่เหมาะสม
กับลักษณะของข้อ มูล แล้วก็จะทาให้ค่าพยากรณ์ ที่ได้น้ ันเกิ ดความคลาดเคลื่อ นสู งและส่ งผลต่อ
ต้นทุนหรื อโอกาสทางธุรกิจรวมถึงส่ งผลต่อความสามารถในการแข่งขันของธุรกิจและในท้ายที่สุด
จะทาให้ธุรกิจประสบความล้มเหลวได้
48
 49

บรรณานุกรม

ชุมพล ศฤงคารศิริ. การวางแผนและควบคุมการผลิต. พิมพ์ครั้งที่ 8. กรุ งเทพฯ : ประชาชน,2543

พิชิต สุขเจริ ญพงษ์. การจัดการวิศวกรรมการผลิต. กรุ งเทพฯ : เอช.เอ็น.กรุ๊ ป, 2540.
เธียรไชย จิตต์แจ้ง และคณะ. การบริหารการผลิต. พิมพ์ครั้งที่ 20. กรุ งเทพฯ :
มหาวิทยาลัยสุโขทัยธรรมาธิราช, 2540.
Buffa, Elwood S., Modern Production/Operations Management, 7th. Edition, New York,
John Wiley & Sons, 1983.
Dilworth James B.,Production And Operations Management:manufacturing and services.
5th . Edition, Singapore, McGraw-Hill, 1993.
Stevenson, William J., Production/Operations Management, Illinois, Richard D. Irwin,
Inc.1982.
Riggs James L., Production System : Planning, Analysis and Control. John Wiley and Sons,
1983.
Wheelwright, Steven C, Makrisdakis Spyros., Forecasting Method For Management. New
York : John Wiley, 1977.