การพยากรณ์การขายสินค้าโดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูลกรณีศึกษา บริษัทกรีนฟู้ดส์ เมเนจเมนท์ จำกัด

การอ้างอิง|Citation

วีนัส จันทร์แปลง, ณัฐจักร อำนวยโชคอนันต์, พิชญากร เลค และคมเดช บุญประเสริฐ. (2566). การพยากรณ์การขายสินค้าโดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา บริษัทกรีนฟู้ดส์ เมเนจเมนท์ จำกัด. ใน รายงานการประชุม การประชุมการประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหว่างสถาบัน ครั้งที่ 9 ออนไลน์ (หน้า 494-504). กรุงเทพฯ: มหาวิทยาลัยหอการค้าไทย สมาคมปัญญาประดิษฐ์ประเทศไทย และสมาคมสถาบันอุดมศึกษาเอกชนแห่งประเทศไทย (สสอท.).

Janplaeng W., Amnuaichokanun N., Lake P., & Boonprasert K. (2023). Forecasting of product sales using time series data mining techniques: A case study of Green Food Management Co., Ltd. In The 9th Academic Science and Technology Conference 2023 Online (pp. 494-504). Bangkok: University of the Thai Chamber of Commerce.

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการพยากรณ์การขายสินค้า โดยใช้วิธีการวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล 3 เทคนิค ได้แก่ 1) การถดถอยเชิงเส้น 2) แบบจำลองโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้น และ 3) ซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอย ข้อมูลที่นำมาใช้ในการศึกษาเป็นข้อมูลการขายสินค้าย้อนหลัง 6 ปี ตั้งแต่ปี พ.ศ. 2560 – 2665 รวมทั้งสิ้น 72 เดือน จากการวิจัยพบว่าแบบจำลองที่เหมาะสมในการทำนายการขายสินค้าของชุดข้อมูลสินค้า 5 ชุดข้อมูล ได้แก่ 1) แบบการจำลองการพยากรณ์ด้วยวิธีการโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอนหลายชั้นมีความเหมาะสมกับเห็ดเข็มทอง มีค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์ เท่ากับ 18.32% 2) แบบจำลองการพยากรณ์ด้วยซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอยมีความเหมาะสมกับเห็ดออรินจิดอกใหญ่ และเห็ดชิเมจิ มีค่าเฉลี่ยการคลาดเคลื่อนสัมพัทธ์ เท่ากับ 6.41%  และ 8.80% ตามลำดับ และ 3) แบบการจำลองการพยากรณ์ด้วยวิธีการถดถอยเชิงเส้นมีความเหมาะสมกับองุ่นไชน์มัสแคท และผลไม้ส้มโอตัดแต่ง มีค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์เท่ากับ 10.50% และ 12.95% ตามลำดับ

คำสำคัญ: การพยากรณ์, การขายสินค้า, การวิเคราะห์อนุกรมเวลา, เทคนิคเหมืองข้อมูล

ABSTRACT

This research aims to develop a model for forecasting product sales using time series data mining analysis with three techniques: 1) Linear Regression, 2) Multi-layer Perceptron, and 3) Support Vector Machine for Regression. The data used in the study consisted of the product sales for the past six years from 2017 to 2022 AD, totally 72 months. The research found that the appropriate model for predicting product sales from five datasets, as followed: 1) The forecasting model using Multi-layer Perceptron was the most suitable for Golden Needle mushrooms, which had the highest accuracy rate of MMRE (Mean Magnitude of Relative Error) with percentage of 18.32. 2)  The forecasting model using Support Vector Machine for Regression was the most suitable for Large Orinji mushrooms and Shimeji mushrooms, which had the highest accuracy rate of MMRE with the percentage of 6.41 and 8.80, respectively. 3) The forecasting model using Linear Regression was the most suitable for Sinus Cat Grapes, and Trimmed Pomelos, which had the highest accuracy rate of MMRE with the percentage of 10.50, and 12.95, in the indicated sequence.

Keywords:  Forecasting, Number of Product Sales, Data Mining Technique.

Link to Publication (Drive)

Link to Website

การพยากรณ์การขายสินค้าโดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูลกรณีศึกษา บริษัทกรีนฟู้ดส์ เมเนจเมนท์ จำกัด ฅ Forecasting of Product Sales Using Time Series Data Mining Techniques: A Case Study of Green Food Management Co., Ltd

คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม | Faculty of Information Technology, Siam University, Bangkok, Thailand