การพยากรณ์การขายสินค้าโดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิค เหมืองข้อมูล กรณีศึกษา บริษัทกรีนฟู้ดส์ เมเนจเมนท์ จำกัด

การอ้างอิง|Citation

ณัฐจักร อำนวยโชคอนันต์ และวีนัส จันทร์แปลง. (2565). การพยากรณ์การขายสินค้าโดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา บริษัทกรีนฟู้ดส์ เมเนจเมนท์ จำกัด. (ปริญญานิพนธ์). กรุงเทพฯ: คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม.

Amnuaichokanan N., & Janplaeng W. (2022). Forecasting of product sales using time series data mining techniques: A case study of Green Food Management Co., Ltd. (Project). Bangkok: Faculty of Information Technology, Siam University.

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการพยากรณ์การขายสินค้า โดยใช้วิธีการวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล 3 เทคนิค ข้อมูลที่นำมาใช้ในการศึกษาเป็นข้อมูลการขายสินค้าย้อนหลัง 6 ปี ตั้งแต่ปี พ.ศ 2560 – 2565 รวมทั้งสิ้น 72 เดือน จากการวิจัยพบว่าแบบจำลองที่เหมาะสมในการทำนายการขายสินค้าของชุดข้อมูลสินค้า 5 ชุดข้อมูล ได้แก่ 1) แบบการจำลองการพยากรณ์ด้วยวิธีการโครงข่ายประสาทเทียมแบบเปอร์เซ็ปตรอน หลายชั้นมีความเหมาะสมกับเห็ดเข็มทอง มีค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์ เท่ากับ 18.32% 2) แบบจำลองการพยากรณ์ด้วยซัพพอร์ตเวกเตอร์แมชชีนสำหรับการถดถอยมีความเหมาะสมกับเห็ดออรินจิดอกใหญ่ และเห็ดชิเมจิ มีค่าเฉลี่ยการคลาดเคลื่อนสัมพัทธ์ เท่ากับ 6.41% และ 8.80% ตามลำดับ และ 3) แบบการจำลองการพยากรณ์ด้วยวิธีการถดถอยเชิงเส้นมีความเหมาะสมกับองุ่นไชน์มัสแคท และผลไม้ส้มโอตัดแต่ง มีค่าเฉลี่ยความคลาดเคลื่อนสัมพัทธ์เท่ากับ 10.50% และ12.95% ตามลำดับ

คำสำคัญ: การพยากรณ์, การขายสินค้า, การวิเคราะห์อนุกรมเวลา, เทคนิคเหมืองข้อมูล

Abstract

This research aimed to develop a model for forecasting product sales using time series data mining analysis. The data used in the study consisted of product sales for the past six years, from 2017 to 2022, a total of 72 months. The research found that the appropriate model for predicting product sales from five datasets were as follows: 1) The forecasting model using Multi-layer Perceptron was the most suitable for Golden Needle Mushroom, which had the highest accuracy rate of MMRE (Mean Magnitude of Relative Error) with a 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, product sales, data mining technique.

การพยากรณ์การขายสินค้าโดยใช้การวิเคราะห์อนุกรมเวลาด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา บริษัทกรีนฟู้ดส์ เมเนจเมนท์ จำกัด|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