วิธีวิเคราะห์เชิงปริมาณสำหรับโลจิสติกส์และโซ่อุปทาน

โลจิสติกส์และโซ่อุปทานนั้น อีกหนึ่งเครื่องมือที่สำคัญที่นิยมใช้กันอย่างแพร่หลายคือวิธีวิเคราะห์เชิงปริมาณ เนื่องจากวิธีนี้จะแสดงผลเป็นตัวเลขที่ชัดเจนและเป็นเทคนิคแนวคิดทางวิทยาศาสตร์ถูกใช้เพื่อช่วยการตัดสินใจหรือเลือกทางเลือกที่ดีที่สุดภายใต้เงื่อนไขต่าง ๆ ที่มี โดยเฉพาะอย่างยิ่งเมื่อพิจารณาถึงกิจกรรมที่เกี่ยวข้องกับโซ่อุปทานและโลจิสติกส์ที่มีจำนวนมากและซับซ้อน เนื่องจากในโซ่อุปทานนั้นประกอบไปด้วยเครือข่ายของหน่วยงาน องค์กร และกิจกรรมในการผลิต เคลื่อนย้ายหรือขนส่งสินค้าหรือบริการไปถึงมือผู้บริโภค และในยุคปัจจุบันที่เทคโนโลยีที่ทันสมัย ยิ่งเพิ่มความซับซ้อนในเครือข่ายของโซ่อุปทานมากขึ้น ดังนั้น การวิเคราะห์เชิงปริมาณจะเป็นอีกหนึ่งแนวทางที่ช่วยในการตัดสินใจหรือการจัดการโลจิสติกส์และอุปทานนั้นให้แม่นยำและถูกต้องภายใต้ข้อมูลและข้อจำกัดที่มีได้อย่างมีประสิทธิภาพ

ตำรา วิธีวิเคราะห์เชิงปริมาณสำหรับโลจิสติกส์และโซ่อุปทานและการประยุกต์ใช้ (Supply Chain and Logistics Quantitative Analysis and its Application) เล่มนี้ทำขึ้นเพื่อใช้เป็นตำราประกอบการเรียนรายวิชา 915524 วิธีวิเคราะห์เชิงปริมาณทางด้านโลจิสติกส์ ในตำราเล่มนี้จะให้จะให้ความรู้เกี่ยวกับเครื่องมือและวิธีวิเคราะห์เชิงปริมาณที่ถูกใช้กันอย่างแพร่หลายทางด้านโลจิสติกส์และโซ่อุปทาน โดยแบ่งตามกิจกรรม ทางด้านโลจิสติกส์และโซ่อุปทานทั้งหมด 4 กิจกรรมได้แก่ การจัดหาและการวางแผน การปฎิบัติงาน การกระจายสินค้า และการบูรณาการ ประกอบไปด้วย 11 บท

สัมภาษณ์นักเขียน

บทที่ 1 บทนำ

การวิเคราะห์ด้วยวิธีการเชิงปริมาณ เป็นแนวทางทางวิทยาศาสตร์เพื่อที่จะนำมาใช้ในการตัดสินใจอย่างเป็นระบบ โดยวิธีดังกล่าวถือเป็นขั้นตอนการเก็บและประเมินข้อมูลที่สามารถวัดและตรวจสอบได้ เช่น ข้อมูลทางการลงทุน ส่วนแบ่งทางการตลาด หรือจำนวนการสั่งซื้อสินค้า เพื่อที่จะทำให้สามารถเข้าใจพฤติกรรมและประสิทธิภาพในการดำเนินงานของอุตสาหกรรมนั้น ๆ ได้ ขั้นตอนในการวิเคราะห์ด้วยวิธีการเชิงปริมาณนี้ เริ่มต้นจากขั้นตอนการเก็บข้อมูล ตัวอย่างเช่น การเก็บข้อมูลสำหรับวัตถุดิบที่ใช้ในการผลิต ซึ่งข้อมูลเหล่านี้ อาจถูกนำไปสู่ประมวลผล วิเคราะห์และนำไปใช้ในการตัดสินใจในการสั่งซื้อวัตถุดิบในคราวต่อไป โดยขั้นตอนการประมวลผล วิเคราะห์ข้อมูลดิบ (Raw data) ที่เก็บมาได้ ให้กลายเป็นข้อมูล (Information) ที่มีความหมาย ถือเป็นหลักการสำคัญของการวิเคราะห์ด้วยวิธีการเชิงปริมาณ ในอดีตผู้มีอำนาจในการตัดสินใจ มักที่จะเลือกตัดสินใจตามประสบการณ์หรือสัญชาตญาณจากที่ได้เคยทำงานมาก่อน แต่ในปัจจุบันที่เทคโนโลยีเข้ามาส่งผล ในขั้นตอนกระบวนการต่าง ๆ ในการวิเคราะห์ด้วยวิธีการเชิงปริมาณ จึงเป็นอีกหนึ่งเครื่องมือที่มีประสิทธิภาพ ในการตัดสินใจด้วยการใช้ข้อมูลที่เกี่ยวข้องต่าง ๆ (Corporate Finance Institute, 2015).

บทที่ 2 รูปแบบการพยากรณ์

การตัดสินใจและการวางแผนการผลิต มักเกี่ยวข้องกับการจัดสรรทรัพยากรเมื่อมีความต้องการ ที่ไม่แน่นอน ซึ่งส่งผลกระทบไปถึงสินค้าคงคลัง ที่จะต้องใช้ทรัพยากรทั้งทางการเงินและกำลังการผลิต ในการจัดหา ผลิต และจัดเก็บสินค้า โดยคาดว่าจะมีการขายสินค้าเหล่านั้นในอนาคต การตัดสินใจที่มีประสิทธิภาพในการจัดการสินค้าคงคลังและการวางแผนการผลิตจำเป็นต้องมีที่มาที่ถูกต้องเกี่ยวกับความต้องการที่เป็นไปได้ในอนาคต เนื่องจากความไม่แน่นอนในความต้องการสินค้า มักจะเป็นปัจจัยสำคัญในการตัดสินใจและการวางแผนการผลิตและการจัดการสินค้าคงคลัง การคาดการณ์หรือการพยากรณ์จึงถือเป็นอีกเครื่องมือหนึ่งที่สำคัญ ในการตัดสินใจวางแผนการผลิตและการจัดการสินค้าคงคลัง โดยการพยากรณ์อาจขึ้นอยู่กับการรวมกัน ของพยากรณ์หรือข้อมูลที่ผ่านมาแล้วในอดีต (สิ่งที่เรียกว่าการพยากรณ์ทางสถิติ) และการตัดสินอย่างมีข้อมูลเกี่ยวกับเหตุการณ์ที่อาจจะเกิดขึ้นในอนาคต ซึ่งยังรวมถึงการตัดสินทางการตลาด เช่น ผลของการส่งเสริม ปฏิกิริยาของคู่แข่ง ภาวะเศรษฐกิจโดยทั่วไป และอื่น ๆ

กรอบขั้นตอนการพยากรณ์

บทที่ 3 การบริหารโครงการ

ในบทนี้จะนำเสนอ 2 วิธีที่เป็นพื้นฐานในการจัดการโครงการ คือ วิธีการหาเส้นทางวิกฤต (Critical Path Method, CPM) และเทคนิคการประเมินผลและการทบทวนโปรแกรม (Program Evaluation and Review Technique, PERT) วิธีการหาเส้นทางวิกฤต (CPM) ได้รับการพัฒนาครั้งแรกในทศวรรษที่ 1950 ไม่เพียงแต่กำหนดเพื่อเป็นการพึ่งพาระหว่างงานเท่านั้น แต่งานใดที่อยู่ในเส้นทางวิกฤต (Satzinger et al., 2008) เทคนิคการวิเคราะห์เชิงปริมาณเหล่านี้จะช่วยในการจัดการวางแผน กำหนดเวลา ตรวจสอบ และควบคุมโครงการขนาดใหญ่และซับซ้อนได้ และเทคนิคการประเมินผลและการทบทวนโปรแกรม (PERT) ได้รับการพัฒนา ในทศวรรษที่ 1950 เช่นกัน ถูกนำไปใช้โดยกระทรวงกลาโหมแห่งสหรัฐอเมริกาในการจัดระเบียบ ตรวจสอบ และควบคุมโครงการป้องกันที่ใหญ่และซับซ้อน

บทที่ 4 การวิเคราะห์มาร์คอฟ

การวิเคราะห์มาร์คอฟ เป็นเทคนิคที่เกี่ยวกับความน่าจะเป็นของเหตุการณ์ในอนาคต โดยการวิเคราะห์จากข้อมูลที่ทราบจากในอดีตและปัจจุบัน วิธีนี้กำหนดโดย อังเดร อังเดรเยวิช มาร์คอฟ (Markov, Andrey Andreyevich) นักคณิตศาสตร์ชาวสหภาพโซเวียต เกิดในปี 1856 เทคนิคนี้ไม่ได้ให้ข้อมูลการตัดสินใจที่แนะนำชัดเจน แต่เป็นข้อมูลความน่าจะเป็นเกี่ยวกับสถานการณ์การตัดสินใจ ที่สามารถช่วยในการตัดสินใจได้ กล่าวอีกนัยหนึ่งไม่ใช่เทคนิคการเพิ่มประสิทธิภาพ เป็นเทคนิคเชิงพรรณนาที่ส่งผลให้เกิดข้อมูลความน่าจะเป็น (Taylor, 2015)

การวิเคราะห์มาร์คอฟ สามารถใช้วิเคราะห์สถานการณ์การตัดสินใจต่าง ๆ อย่างไรก็ตาม การนำ ไปใช้ที่นิยมอย่างหนึ่ง คือการวิเคราะห์การเปลี่ยนยี่ห้อของลูกค้า (Taylor, 2015) สมมติฐานที่ว่าระบบเริ่มทำงานในสถานะหรือเงื่อนไขเริ่มต้นในวิธีนี้ ตัวอย่างเช่น ผู้ผลิตที่แข่งขันกัน 2 รายอาจมียอดขายในตลาด 30% และ 70% ตามลำดับ โดยเป็นสถานะเริ่มต้น บางทีในไตรมาสแรกส่วนแบ่งการตลาดของทั้ง 2 บริษัทจะเปลี่ยนไป เป็น 40% และ 60% ของตลาดตามลำดับ ความน่าจะเป็นเหล่านี้สามารถรวบรวมและวางไว้ในเมทริกซ์ หรือตาราง เมทริกซ์ของความน่าจะเป็นในการเปลี่ยนแปลงนี้ แสดงความน่าจะเป็นที่ระบบจะเปลี่ยนจากช่วงเวลาหนึ่งไปเป็นช่วงเวลาถัดไป นี่คือกระบวนการของมาร์คอฟ และทำให้สามารถทำนายสถานะหรือเงื่อนไข ในอนาคตได้ (Stair et al., 2017; วรมล เชาวรัตน์ วาตานาเบะ., 2019)

บทที่ 5 กำหนดการเชิงเส้น

Ragsdale, C. (Ragsdale, 2016) กล่าวว่า ทรัพยากรต่าง ๆ ในโลกใบนี้มีปริมาณจำกัด เช่น ทุกคนมีเวลาที่จะทำกิจกรรมที่กำหนดในแต่ละวันอย่างจำกัด คนส่วนใหญ่มีเงินที่จำกัดในการใช้จ่ายในการใช้ชีวิต ทีมฟุตบอลมีการจำกัดจำนวนผู้เล่น ธุรกิจมีทรัพยากรอย่างจำกัด องค์กรต่าง ๆ จำกัดจำนวนคนในการจ้างงาน ร้านอาหารมีพื้นที่จำกัดสำหรับที่นั่งรองรับลูกค้า

การตัดสินใจเลือกใช้ทรัพยากรที่มีอยู่อย่างจำกัด สำหรับบุคคลหรือธุรกิจให้ดีที่สุดนั้น เป็นปัญหา ที่พบเจอได้โดยทั่วไปในสภาพแวดล้อมทางธุรกิจที่มีการแข่งขันกันสูง ในการตัดสินใจแต่ละครั้งผู้ที่ตัดสินใจ จะต้องมีการตรวจสอบให้แน่ใจว่า มีการใช้ทรัพยากรที่มีอยู่อย่างจำกัดอย่างมีประสิทธิภาพมากที่สุด เท่าที่จะเป็นไปได้ โดยทั่วไปแล้ว สิ่งที่เกี่ยวข้องกับการกำหนดวิธีการจัดสรรทรัพยากร ในลักษณะที่จะเพิ่มผลกำไรสูงสุดหรือลดต้นทุนนั้น จะถือว่าเป็นส่วนหนึ่งของการแก้ปัญหาทางคณิตศาสตร์ หรืออาจจะเรียกอีกอย่างหนึ่ง ได้ว่า การเขียนโปรแกรมเชิงคณิตศาสตร์ โดยการแก้ปัญหาเพื่อให้เกิดผลลัพธ์ที่เหมาะสมที่สุดนี้จะเรียกกว่า Optimization โดยปัญหานั้นจะเกี่ยวข้องกับการใช้ทรัพยากรที่จำกัดอย่างเหมาะสม ภายใต้ชุดของข้อจำกัด ที่กำหนดโดยธรรมชาติของปัญหาที่กำลังตัดสินใจ ข้อจำกัดเหล่านี้อาจสะท้อนถึงการพิจารณาด้านการเงิน เทคโนโลยี การตลาด องค์กร บุคลากรหรืออื่น ๆ โดยการแก้ปัญหาชนิดนี้ สามารถกำหนดได้ว่าเป็นการแสดง เชิงคณิตศาสตร์ที่มุ่งไปที่การเขียนโปรแกรม หรือวางแผนการจัดสรรทรัพยากรที่หายากให้ดีที่สุด (Bradley et al., 1977) โดยในช่วงปี ค.ศ. 1940-1950 ได้มีการใช้วิธีการกำหนดการเชิงเส้น (Linear Programming) ในการแก้ปัญหา Optimization นี้ และได้มีการพัฒนาเครื่องมือและประยุกต์ใช้กับปัญหาทางด้านต่าง ๆ เช่น วิศวกรรม เศรษฐศาสตร์ รวมไปถึงการจัดการโซ่อุปทานและโลจิสติกส์ด้วย (Panomruttanarug)

บทที่ 6 กำหนดการเชิงเส้นจำนวนเต็ม

จากบทที่แล้วที่กล่าวถึงแบบจำลองกำหนดการเชิงเส้น และตัวอย่างงานวิจัยที่ใช้กำหนดการเชิงเส้น จะเห็นได้ว่า คำตอบของปัญหาที่ได้จากการแก้ไขปัญหาด้วยกำหนดการเชิงเส้นดังกล่าว สามารถเป็นเศษส่วน หรือ จำนวนจริงได้ แต่อย่างไรก็ตาม ในบางครั้งคำตอบที่เป็นจำนวนจริงก็ไม่สามารถใช้ในการแก้ปัญหา ได้จริงเสมอไป ยกตัวอย่างเช่น ในการจัดการการเดินรถของบริษัทขนส่งแห่งหนึ่ง ต้องการที่จะพิจารณาจำนวนรถในการขนส่งทั้งสองประเภท ได้แก่ รถกระบะเล็ก และรถบรรทุก ดังนั้น คำตอบในการจัดการรถนั้นจะต้อง เป็นจำนวนเต็มเท่านั้น เช่น รถกระบะจำนวน 2 คัน จะไม่สามารถกำหนดได้ว่าจะใช้รถกระบะ 2.5 คัน เป็นต้น ในเบื้องต้นการแก้ปัญหาค่าที่ไม่ใช่จำนวนเต็มนั้น จะทำอย่างง่ายด้วยการปัดเศษ (Rounding) แต่ในวิธีนี้ก็อาจจะไม่เหมาะกับการแก้ปัญหาเสมอไป ยกตัวอย่างเช่น การใช้กำหนดการเชิงเส้นในการแก้ปัญหาการหาจำนวนปากกาที่บริษัทจะสั่งผลิตต่อปี โดยคำตอบจากการใช้กำหนดการเชิงเส้นคือ 5,500.6 แท่ง บริษัทอาจจะทำการสั่งผลิต 5,500 แท่งได้ เนื่องจากต้นทุนในการผลิตนั้นอาจจะมีมูลค่าไม่สูงมาก ในกรณีเดียวกัน หากบริษัทต้องพิจารณาจำนวนเครื่องจักรที่จะนำมาใช้ในการผลิตปากกา โดยคำตอบที่ได้คือ 2.3 เครื่อง จากการใช้วิธีการปัดเศษ ทางบริษัทอาจจะพิจารณาสั่งเครื่องจักร 2 หรือ 3 เครื่อง แต่ต้นทุนในการสั่งเครื่องจักรระหว่าง 2 กับ 3 เครื่องนั้น มีมูลค่าค่อนข้างสูง ดังนั้น การใช้กำหนดการเลขจำนวนเต็ม (Integer Programming, IP) จะสามารถหาคำตอบที่เหมาะสมสำหรับปัญหาชนิดนี้ได้ โดยในบทนี้จะกล่าวถึงวิธีการหาคำตอบหรือค่าที่เหมาะสมที่สุด ในกรณีที่ ตัวแปรในการตัดสินใจจำเป็นต้องเป็นจำนวนเต็มเท่านั้น โดยการใช้กำหนดการเลขจำนวนเต็ม และจะยังแสดงถึงประโยชน์จากการใช้ตัวแปรแบบเป็นค่าจำนวนเต็มในการตัดสินใจอีกด้วย

บทที่ 7 การควบคุมสินค้าคงคลัง

โดยปกติองค์กรหรือหน่วยงานในโซ่อุปทานพยายามที่จะจัดการบริหารเพื่อต้องการลดระดับ สินค้าคงคลังให้มีระดับที่ต่ำที่สุดเท่าที่เป็นไปได้ เพื่อที่จะลดค่าใช้จ่ายที่อาจจะเกิดขึ้นในการจัดการสินค้าคงคลัง แต่การไม่มีสินค้าคงคลังหรือมีในระดับที่ต่ำเกินไป อาจจะนำมาซึ่งความเสี่ยง ในกรณีเกิดเหตุการณ์ไม่คาดคิด เหตุผลดังกล่าวได้แสดงให้เห็นว่าการมีสินค้าคงคลังในระดับที่เหมาะสมสามารถจัดการความเสี่ยงที่เกิดจาก ความไม่แน่นอนของการแปรผันระหว่างอุปสงค์และอุปทาน ยกตัวอย่างเช่น สินค้าในร้านสะดวกซื้อที่ขายของอุปโภคบริโภค สินค้าประเภทนี้จะมีการจัดส่งสินค้าเป็นจำนวนมาก แต่ในการที่ลูกค้าจะซื้อของนั้นจะซื้อ เป็นจำนวนน้อย ดังนั้น สินค้าดังกล่าวจะอยู่ในคลังสินค้า และลดลงเมื่อเวลาผ่านไป แต่ถ้าเกิดกรณีที่รถขนส่งสินค้ามาล่าช้า หรือสินค้าขาดตลาด ร้านสะดวกซื้อดังกล่าวก็ยังสามารถบริการลูกค้าได้อย่างต่อเนื่อง เพราะยังมีสินค้าในคลังสินค้าอยู่ (Waters, 2003)

บทที่ 8 การวิเคราะห์การตัดสินใจ

การวิเคราะห์การตัดสินใจ (Decision Analysis, DA) เป็นแนวทางการวิเคราะห์ และศึกษาระบบ การตัดสินใจ (Kenton, 2021) โดยขึ้นอยู่กับสมมติฐานที่ว่า (1) การตัดสินใจส่งผลให้เกิดชุดของผลลัพธ์ โดยที่ผู้ตัดสินใจมีการพิจารณาที่สัมพันธ์กับสภาพแวดล้อมต่าง ๆ ในขณะนั้น และ (2) ผู้ที่ตัดสินใจได้เลือกผลลัพธ์ที่พึงพอใจมากที่สุดจากตัวเลือกที่มี อยู่ตามพื้นฐานของอรรถประโยชน์ (Basis of Utility) (Elmaghraby, 2003) การตัดสินใจเป็นได้ทั้งการตัดสินใจที่ดีและไม่ดี หากเป็นการตัดสินใจบนพื้นฐานของตรรกะ พิจารณาข้อมูลที่มีอยู่ทั้งหมดทางเลือก/ผลลัพธ์ที่เป็นไปได้ และการวิเคราะห์เชิงปริมาณที่เหมาะสม ก็ถือได้ว่าเป็นการตัดสินใจที่ดี ในทางกลับกัน การตัดสินใจที่ไม่เป็นไปตามตรรกะ ไม่ใช้ข้อมูลที่มีอยู่ทั้งหมด ไม่พิจารณาทางเลือกอื่นทั้งหมด และไม่ใช้การวิเคราะห์เชิงปริมาณที่เหมาะสม ก็จะนำไปสู่การตัดสินใจที่ไม่ดีได้ การตัดสินใจที่ดี ถึงแม้ว่า จะได้รับผลเสียหรือผลลัพธ์ที่ไม่คาดคิด แต่ถ้าหากทำทุกอย่างถูกต้องตามหลักการและขั้นตอน ก็ยังถือว่า เป็นการตัดสินใจที่ดี (Stair et al, 2018; วรมล เชาวรัตน์ วาตานาเบะ.,2019)

บทที่ 9 ตัวแบบการไหลในข่ายงาน

การไหลในข่ายงานหรือเครือข่าย (Network Flow) คือการจัดเรียงเส้นทางที่เชื่อมต่อกันตามจุดต่าง ๆ ผ่านหนึ่งรายการขึ้นไป จากจุดหนึ่งไปยังอีกจุด ตัวอย่างข่ายงานที่รู้จักกันเป็นอย่างดี คือ เครือข่ายโทรศัพท์ ระบบรถไฟ และเครือข่ายโทรทัศน์ (Taylor, 2015) ตัวอย่างเช่น ในข่ายงานในการขนส่ง จะประกอบด้วย เส้นทางในการขนส่งจำนวนหนึ่ง (Path) ที่เชื่อมต่อกันด้วยจุดต่าง ๆ เช่น คลังสินค้า สถานที่รับส่งสินค้า เป็นต้น ข่ายงานถือเป็นอีกเครื่องมือหนึ่งที่ได้รับความนิยมเนื่องจากสามารถแสดงภาพรวมของระบบ ถึงแม้ว่าระบบงานหรือลักษณะงานบางครั้งอาจจะมีความซับซ้อน การใช้ข่ายงานนั้นจะสามารถทำให้เห็นภาพรวมได้ และยังทำให้สามารถเข้าใจการทำงานของระบบนั้นได้อีกด้วย (วรมล เชาวรัตน์ วาตานาเบะ.,2019)

บทที่ 10 ตัวแบบการขนส่งและการมอบหมาย

หากพิจารณาถึงประเด็นเรื่องของการกระจายสินค้า เรื่องของการขนส่งและการมอบหมาย โดยในการขนส่งนั้น ถือว่าเป็นอีกหนึ่งกิจกรรมที่มีความสำคัญอย่างยิ่งต่อการจัดการ โซ่อุปทานและโลจิสติกส์ที่มีคุณภาพ โดยเฉพาะอย่างยิ่งที่การดำเนินการขนส่งเป็นตัวกำหนดประสิทธิภาพของการส่งมอบผลิตภัณฑ์ ในปัจจุบัน ภายใต้การแข่งขันทางธุรกิจที่เพิ่มมากขึ้น ระบบที่การจัดการที่มีความสามารถทางการแข่งขัน จำเป็นต้องมี กรอบการทำงานที่ชัดเจนสำหรับการขนส่งและกลยุทธ์การขนส่งที่เหมาะสมเพื่อปรับปรุงขั้นตอนการผลิต (Abivin, 2020) อีกหนึ่งกิจกรรมที่สำคัญก็คือการถ่ายเทสินค้า ในการขนส่งสินค้าเมื่อไปยังจุดมุ่งหมายแล้ว กิจกรรมที่ต้องเกิดขึ้นต่อไปก็คือการถ่ายเทสินค้า เช่น ที่ท่าเรือ เมื่อสินค้าเดินทางมาถึงท่าเรือหนึ่งแล้ว อาจจะต้องมี การถ่ายโอนตู้คอนเทนเนอร์จากเรือลำหนึ่งไปอีกลำหนึ่ง หรือการถ่ายโอนสินค้าจากเรือไปยังรถบรรทุกเพื่อเป็นการกระจายสินค้าต่อไป โดยกิจกรรมนี้ถือว่ามีบทบาทสำคัญในห่วงโซ่อุปทานทั่วโลกในปัจจุบัน ทำให้สินค้าสามารถไปถึงส่วนต่าง ๆ ของโลกได้ และก็สามารถใช้กิจกรรมนี้ในการกำหนดความยืดหยุ่นของระดับการให้บริการได้ เช่น ผู้จัดการโซ่อุปทานสามารถดูการรวมการจัดส่งขนาดเล็กหลายรายการ เพื่อบรรจุในคอนเทนเนอร์ขนาดใหญ่ หรือแยกการขนส่งขนาดใหญ่ออกเป็นชิ้นเล็ก ๆ เพื่อส่งออกไปยังสถานที่ต่าง ๆ (DHL) และอีกหนึ่งกิจกรรมก็คือ การมอบหมายหรือการจัดงาน โดยกิจกรรมนี้จะเป็นอีกตัวที่เพิ่มประสิทธิภาพในการจัดงานหรือมอบหมายงาน ที่เหมาะสม ซึ่งส่งผลกระทบไปสู่ต้นทุนการทำงานที่ต่ำหรือระยะเวลาการทำงานที่น้อยลง

บทที่ 11 การประเมินประสิทธิภาพ

ในการพัฒนาหรือปรับปรุงกระบวนการทำงานนั้น องค์กรหรือกลุ่มธุรกิจ จำเป็นที่จะต้องระบุกิจกรรมที่ควรมีการปรับปรุง และสามารถระบุประสิทธิภาพได้ ในการประเมินประสิทธิภาพของการจัดการโซ่อุปทาน เนื่องจากการจัดการโซ่อุปทานมีกิจกรรมมากมายที่เกี่ยวข้อง และมีผู้มีส่วนได้ส่วนเสียมาก ทำให้การประเมินประสิทธิภาพมีความซับซ้อน เพราะจำเป็นที่จะต้องออกแบบระบบการประเมินประสิทธิภาพให้มีความครอบคลุม ระบบการวัดหรือการประเมินประสิทธิภาพของแต่ละประเภท ของโซ่อุปทานหรือประเภทการดำเนินงาน ของแต่ละบริษัท เช่นบางองค์กรหรือบริษัทอาจจะมุ่งเน้นที่ประเด็นทางการเงิน เช่น ต้นทุนหรือผลกำไรของบริษัทเพียงอย่างเดียว แต่ในการจัดการโซ่อุปทานนั้น มีการให้ความสำคัญทางการร่วมงานกันระหว่างสมาชิกในโซ่อุปทาน หรือความไวในการตอบสนอง หรือความต้องการของลูกค้า ดังนั้น ในบางครั้งการประเมินประสิทธิภาพ ของโซ่อุปทาน จำเป็นที่จะต้องพิจารณาประเด็นอื่นที่เกี่ยวข้องด้วย

โดยในแต่ละบทนี้จะอธิบายตั้งแต่แนวคิดพื้นฐาน วิธีการคำนวณอย่างเป็นขั้นเป็นตอนเพื่อให้ผู้อ่านได้เข้าใจถึงหลักการเบื้องต้น รวมไปถึงการประยุกต์ใช้โปรแกรม Microsoft Excel สำหรับวิธีการวิเคราะห์เชิงปริมาณ รวมไปถึงตัวอย่างการประยุกต์ใช้วิธีวิเคราะห์เชิงปริมาณดังกล่าว ในการจัดการโลจิสติกส์และโซ่อุปทาน ทั้งงานวิจัยของนักวิชาการท่านอื่นและของตัวผู้เขียนเอง เพื่อให้ผู้อ่าน ได้เห็นภาพชัดเจนในการจำเครื่องมือไปใช้จริง ตำราเล่มนี้จึงเหมาะกับนักศึกษาหรือผู้ทำงานที่เกี่ยวข้องในสายการจัดการโลจิสติกส์และโซ่อุปทานในการที่จะศึกษาทฤษฎีและการคำนวณพื้นฐาน และแนวทางในการนำไปใช้ รวมทั้งสามารถใช้เป็นตำราในการเรียนในวิชาวิธีวิเคราะห์เชิงปริมาณทางด้านโลจิสติกส์ได้

เอกสารอ้างอิง

Abivin. (2020). How Does Transportation Affect Logistics?. Retrieved from https://www.abivin.com/post/how-does-transportation-affect-logistics

Bradley, S. P., Hax, A. E., Hax, A. C., & Magnanti, T. L. (1977). Applied Mathematical Programming.
N.P.: Addison-Wesley Publishing Company.

CorporateFinanceInstitute. (2015). Quantitative analysis. Retrieved from https://corporatefinanceinstitute.com/resources/knowledge/finance/quantitative-a

Elmaghraby, S. E. (2003). Operations Research. In R. A. Meyers (Ed.), Encyclopedia of Physical Science and Technology (Third Edition) (pp. 193-218). New York: Academic Press.

Kenton, W. (2021). Decesion Analysis (DA). Retrieved from https://www.investopedia.com/terms/d/decision-analysis.asp

Ragsdale, C. (2016). Spreadsheet Modeling & Decision Analysis: A Practical Introduction to Business Analytics. N.P.: Cengage Learning.

Satzinger, J. W., Jackson, R. B., & Burd, S. D. (2008). Systems Analysis and Design in a Changing World. N.P.: Course Technology.

Stair, R. M., Hanna, M. E., & Render, T. S. H. B. (2017). Quantitative Analysis for Management, Global Edition (13th ed.). India: Pearson India Education Services.

Stair, R. M., Hale, T. S., & Render, B. (2018). Quantitative Analysis for Management, 13e: Pearson India Education Services.

Taylor, B. I. W. (2015). Introduction to Management Science (12th ed.). London: Pearson.

Waters, D. (2003). Logistics: An Introduction to Supply Chain Management.

วรมล เชาวรัตน์ วาตานาเบะ. (2019). 911525 วิธีวิเคราะห์เชิงปริมาณทางด้านโลจิสติกส์. พิษณุโลก: คณะโลจิสติกส์และดิจิทัลซัพพลายเชน มหาวิทยาลัยนเรศวร

วรมล เชาวรัตน์ วาตานาเบะ. (2562). 911525 วิธีวิเคราะห์เชิงปริมาณทางด้านโลจิสติกส์. พิษณุโลก: คณะโลจิสติกส์
และดิจิทัลซัพพลายเชน มหาวิทยาลัยนเรศวร.