การพัฒนาแอปพลิเคชันสำหรับการจัดการสินค้าคงคลังด้วยเทคโนโลยีการเรียนรู้ของเครื่อง
คำสำคัญ:
การพยากรณ์การสั่งซื้อล่วงหน้า, การเรียนรู้ของเครื่อง, ระบบขายสินค้าหน้าร้าน, การบริหารสินค้าคงคลังบทคัดย่อ
การวิจัยครั้งนี้ เป็นการพัฒนาการจัดการสินค้าคงคลังให้มีประสิทธิภาพ เพื่อลดต้นทุนและเพิ่มผลกำไรให้ธุรกิจ โดยมีวัตถุประสงค์เพื่อ (1) พัฒนาแอปพลิเคชันบนมือถือร่วมกับการใช้งานระบบ Point of Sale: POS สำหรับสแกนบาร์โค้ดเพื่อขายหน้าร้าน (2) พัฒนาระบบวางแผนการสั่งซื้อล่วงหน้าด้วยเทคโนโลยีการเรียนรู้ของเครื่อง (machine learning) โดยใช้โมเดล Gradient Boosting Regression ที่ให้ผลลัพธ์ดีที่สุด โดยมีค่า MAE=1.4320 MSE=3.7344 RMSE=1.9270 R²=0.7148 และ MAPE=0.4953 (3) ส่งผลให้ผลกำไรเพิ่มขึ้นและลดต้นทุนจากปัญหาสินค้าคงค้าง และลดค่าใช้จ่ายที่ไม่จำเป็น เช่น การติดตั้งเครื่องคอมพิวเตอร์ที่ต้องใช้พื้นที่ และการใช้โปรแกรมที่ซับซ้อนกับพนักงานที่ไม่ชำนาญ (4) ประเมินประสิทธิภาพของระบบทั้งในด้านการใช้งานและความพึงพอใจของผู้ใช้งาน จำนวน 30 กลุ่มตัวอย่างที่เป็นผู้ประกอบการธุรกิจขนาดเล็กแบบเฉพาะกลุ่ม ที่ไม่มีระบบการจัดการคลังสินค้าอัตโนมัติ จึงทำการประเมิน 5 ด้าน ดังนี้ (1) ด้านการจัดการแก้ไขระบบคลังสินค้า (=3.64 SD=0.54) (2) ด้านการใช้ระบบขายหน้าร้าน (
=4.12 SD=0.17) (3) ด้านการสั่งสินค้าจากการพยากรณ์ (
=3.97 SD=0.07) (4) ด้านความถูกต้องของระบบและความปลอดภัยของข้อมูล (
= 3.80 SD=0.20) (5) ด้านการออกแบบการใช้งาน (
=4.22 SD=0.22) แสดงให้เห็นว่า แอปพลิเคชันสามารถตอบโจทย์ผู้ใช้งานได้ดีในเชิงการออกแบบ และความสะดวกในการใช้งาน ดังนั้นแอปพลิเคชันนี้จึงเหมาะกับธุรกิจขนาดเล็กที่ต้องการปรับตัวในยุคที่การตลาดมีการเปลี่ยนแปลงอย่างรวดเร็วในปัจจุบัน
เอกสารอ้างอิง
Aunsorn, S. (2023). Development of purchase and inventory management system on smart phones for a small grocery store. In Proceedings of the 19th National Conference on Computing and Information Technology (pp. 391-396). Bangkok: NCCIT (in Thai)
Auppakorn, C. (2021). Daily sales forecasting with variable-priced items in retail business using machine learning methods (Unpublished master’s thesis). Chulalongkorn University, Bangkok. (in Thai)
Agada, A. V. (2024). Predicting the pharmaceutical needs of hospitals. International Journal of Public Health, Pharmacy and Pharmacology, 9(1), 1–13. https://doi.org/10.37745/ijphpp.15/vol9n 1113
Boonruengpanich, K. (2022). Increasing the efficiency of warehouse management with barcode technology: Case study of DAPP Uniform Co., Ltd. (Master’s thesis). Dhurakij Pundit University. Bangkok. (in Thai)
Bunruang, N., & Sae-bae, N. (2024). Predicting accommodation prices on Airbnb using entity embedding. In Proceedings of the 4th Data Science Conference (pp. 255-267). Bangkok: SWU (in Thai)
Coors, S. (2018). Automatic gradient boosting (Master’s thesis). Ludwig MaximiliansUniversity. Munich.
Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. The Annals of Statistics, 29(5), 1189–1232. https://doi.org/10.1214/aos/1013203451
Chelliah, B. J., Latchoumi, T. P., & Senthilselvi, A. (2022). Analysis of demand forecasting of agriculture using machine learning algorithm. Environment, Development and Sustainability, 25, 8966–8983. https://doi.org/10.1007/s10668-022-02783-9
Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., & Cournapeau, D. (2020). Array programming with NumPy. Nature, 585(7825), 357–362. https://doi.org/10.1038/s41586-020-2649-2
Inkeaw, P. (2023). Introduction to data science. Chiang Mai University Press. (in Thai)
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning. Springer.
Kittinaradorn, C. (n.d.). Machine learning and full stack Python. Retrieved from https://guopai.github.io/index.html
Kritkanjanaphant, S. (2022). Sale forecasting of the raw materials: A case study of Kodang Rangsit (Master’s thesis). Dhurakij Pundit University. Bangkok. (in Thai).
Ma, Z., Reich, D. S., Dembling, S., Duyn, J. H., & Koretsky, A. P. (2022). Outlier detection in multimodal MRI identifies rare individual phenotypes among more than 15,000 brains. Human brain mapping, 43(5), 1766–1782. https://doi.org/10.1002/hbm.25756
Pakdeesirote, C. (2021). Machine learning-based demand forecasting in retail (Master’s thesis). Dhurakij Pundit University, Bangkok, Thailand. (in Thai).
Panich, W. (2022). Application of data mining processes with machine learning techniques to prevent government procurement fraud. NACC Journal, 15(1), 68-90. Retrieved from https://www.nacc.go.th/uploads/files114740928/tex4.pdf (in Thai)
Silver, E. A., Pyke, D. F., & Peterson, R. (1998). Inventory management and production planning and scheduling (3rd ed.). John Wiley.
Singsanong, C. (2015). Management forecasting in business data when outliers existing. Suthipari that, 29(91), 1-13. (in Thai)
Sirivilai, N., Saensuk, N., Wongprasert, P., & Monta, P. (2023). Application of the AppSheet program to support an inventory control system. Rajamangala University of Technology Thanyaburi. Retrieved from https://anyflip.com/vnwdg/vsvz/basic
Srinoi, T., Bannakulpiphat, T., & Santitamnont, P. (2024). Building height estimation production from open satellite imagery by gradient boosting regression technique. Engineering Journal of Research and Development, 35(2), 85-97. Retrieved from https://ph02.tci-thaijo.org/index.php/eit-researchjournal/article/view/253794/170767 (in Thai)
Siriwilai, N., Saensuk, N., Wongprasert, P., & Monta, P. (2023). Application of the AppSheet program to support an inventory control system. Rajamangala University of Technology Than yaburi. Retrieved from https://anyflip.com/vnwdg/vsvz/basic
Tukey, J. W. (2021). Demand forecasting and inventory management: Case study of air purifier factory (Master’s thesis). Burapha University, Chonburi, Thailand. (in Thai)
Zambudio Martínez, M., Silveira, L. H. M. d., Marin-Perez, R., & Gomez, A. F. S. (2025). Development and comparison of artificial neural networks and gradient boosting regressors for predicting topsoil moisture using forecast data. AI, 6(2), 41. https://doi.org/10.3390/ai6020041
