รายงานผลการวิเคราะห์การแข่งขันครั้งที่ 1 : Littlefield Technology

การวิเคราะห์ข้อมูล และการประยุกต์ใช้ทฤษฎีทเี่ กี่ยวข้อง

การวิเคราะห์ขอ้ มูลของกลุ่ม makellos แบ่งออกเป็ น 2 กระบวนการหลัก ดังต่อไปนี ้
1) พยากรณ์ Demand แบ่งเวลาออกเป็ น 5 ช่วงเวลา ดังนี ้
วันที่ 51-80 : พยากรณ์ Demand โดยใช้ค่ า Actual demand ของวัน ที่ 1-50 เพื่ อ หาสมการ Regression ส าหรับ การวิ เ คราะห์ข้อ มูล
Demand ที่จะเกิดขึน้ ในช่วงวันที่ 51-80 ซึ่งได้สมการคือ Y = 0.142X + 0.813 เท่ากับ 10.11 Jobs/Day
วันที่ 81-110 : พยากรณ์ Demand โดยใช้ค่า Actual demand ของวันที่ 51-80 โดยจะใช้พืน้ ที่ใต้กราฟของรู ปสามเหลี่ยมคือ 548 เพื่อหา
ความสูง ซึ่งก็คือ Demand เฉลี่ยของวันที่ 81-110 เท่ากับ 13.70 Jobs/Day
วันที่ 111-150 : พยากรณ์ Demand โดยใช้ค่า Actual demand เฉลี่ยของวันที่ 81-110 คือ 14.03 มาพยากรณ์ตามสมการที่โจทย์กาหนด โดย
ใช้ค่า Max คือ 60% ทาให้ได้ Demand เท่ากับ 21.92 Jobs/Day
วันที่ 151-190 : พยากรณ์ Demand โดยใช้ค่า Actual demand เฉลี่ยของวันที่ 81-110 คือ 14.03 มาพยากรณ์ตามสมการที่โจทย์กาหนด โดย
ใช้ค่า Min คือ 75% ทาให้ได้ Demand เท่ากับ 23.98 Jobs/Day
วันที่ 191-268 : พยากรณ์ Demand โดยใช้วิธี Regression ในการวิเคราะห์ ซึ่งได้สมการดังนี ้ Y = -0.161X + 55.064 เท่ากับ 15.90 Jobs/Day

ตารางเปรียบเทียบ Forecast demand & Actual demand

วันที่ 51-80 81-110 111-150 151-190 191-268
สมการ Demand Y = 0.142X + X X + X*(60%) X+ Y = -0.161X + 55.064
0.813 X*(75%)
Demand เฉลี่ยทีพ ่ ยากรณ์ 10.11 13.70 21.92 23.98 15.90
Demand เฉลี่ยทีเ่ กิดขึน้ 10.87 14.03 19.33 24.40 12.96
จริง

กราฟเปรียบเทียบ Forecast demand & Actual demand

2) คานวณหา Capacity เครื่องจักรแต่ละเครื่อง
จากสูตร Capacity = Job completed
ซึ่งได้ ดังนี ้ Utilization

Capacity (Job/unit/day)
Station 1 4.08
Station 2 7.42
Station 2 6.03
การวางกลยุทธ์ การปรับเปลี่ยนแผน และวิธกี ารตัดสินใจ
Station Station Capacity
วันที่ เหตุการณ์ทเี่ กิดขึน้ วิธีการตัดสินใจ
Count
50 ซือ้ เครื่องจักรที่ 1, 2 และ 3 เพิ่ม 2, 1, 1 8.16, 7.42, 6.03 เนื่องจากการคาดการณ์ของ demand ที่ประมาณการเป็ น 10.11 และมี
อีก จานวน 1, 1 และ 3 เครื่อง ปริมาณคิวค้างในแต่ละ station จานวนมากจึงจาเป็ นต้องซือ้ เครื่องจักร
ตามล าดับ และปรับ Priority เพิ่ม และปรับ priority เป็ น 4 เพื่อเร่งการส่งสินค้าและลด Lead time ลง
เป็ น 4
52 เปลี่ยน Priority จาก 4 เป็ น 2 3, 2, 1 12.23, 14.85, 6.03 เนื่องจากคิวเครื่อง 3 ลดลงเหลือ 38.27 แต่คิวเครื่อง 1 และเครื่อง 2 ยังคง
เครื่องจักรที่ 1 และ 2 มาติดตัง้ ค้างอยู่เป็ นจานวนมาก จึงจาเป็ นต้องปรับเป็ น 2

53 ซือ้ เครื่องจักรที่ 1 และ 2 เพิ่มอีก 3, 2, 1 12.23 14.85, 6.03 เปลี่ยน Priority กลับจาก 2 เป็ น 4 เนื่องจากปริมาณคิวเครื่อง 1 และ 2
จ า น ว น 1 แ ล ะ 2 เ ค รื่ อ ง ลดลงในปริมาณที่นอ้ ยลง จึงปรับกลับมาเพื่อเร่งส่งงาน และซือ้ เครื่อง 1
ตามลาดับ และเปลี่ยน Priority และ 2 เพื่อ Balance Capacity ของทัง้ 3 เครื่อง
จาก 2 เป็ น 4
55 เครื่ อ งจั ก รที่ 1, 2 และ 3 มา 4, 4, 4 16.31, 29.69, 24.14
ติดตัง้
63 ซือ้ เครื่องจักรที่ 1 เพิ่มอีก 4, 4, 4 16.31, 29.69, 24.14 เนื่องจาก Demand เริ่มสูงขึน้ และเพื่อปรับ Balance Capacity
จานวน 1 เครื่อง
65 เครื่องจักรที่ 1 มาติดตัง้ 5, 4, 4 20.39, 29.69, 24.14
99 ซือ้ เครื่องจักรที่ 1 เพิ่มอีก 5, 4, 4 20.39, 29.69, 24.14 เนื่องจากสังเกตว่า Demand เริ่มสูงขึน้ ตัง้ แต่วนั ที่ 92 – 93 จนมีงานคง
จานวน 1 เครื่อง ค้างในเครื่อง 1
101 เครื่องจักรที่ 1 มาติดตัง้ 6, 4 4 24.47, 29.69, 24,14
106 ซือ้ เครื่องจักรที่ 3 เพิ่มอีก 6, 4, 4 24.47, 29.69, 24.14 เนื่องจากการคาดการณ์ Demand ล่วงหน้าของวันที่ 110 เป็ นต้นไปจะมี
จานวน 1 เครื่อง ปริมาณที่สงู ขึน้
111 เครื่องจักรที่ 3 มาติดตัง้ 6, 4, 5 24.47, 29.69, 30.17
217 ขายเครื่องจักรที่ 1, 2 และ 3 4, 3, 3 16.31, 22.27, 18.10 เนื่องจากคาดการณ์ demand เฉลี่ยสาหรับวันที่ 218-268 เป็ น 15.90 จึง
จานวน 2, 1 และ 2 เครื่อง ตัดสินใจขายเครื่องจักรแต่ละเครื่องให้สอดคล้องกับ Demand ดังกล่าว
ตามลาดับ

สรุ ป : ทีมยังขาดความเข้าใจในการปรับ Priority ในช่วงแรก ทาให้คิวของเครื่องที่ 3 เพิ่มขึน้ อย่างมาก แต่ภายหลังสามารถปรับ Priority ให้
สอดคล้องกับ Capacity แต่ละเครื่องได้ นอกจากนีก้ ารคานวณ Demand ของทีม และการตัดสินใจตัง้ เครื่องจักรควรตัง้ จาก Actual Demand
เนื่องจากวันที่ Demand ปรับสูงขึน้ ติดต่อกันจะส่งผลทาให้ส่งงานไม่ทนั และเสียค่าปรับ รวมถึงการตัดสินใจซือ้ เครื่องจักรเร็วเกินไปในบางครัง้ อาจ
ทาให้สญ ู เสียรายได้จากดอกเบีย้ และในช่วงท้ายเกมส์มีการคานวณ Demand เพื่อคาดการณ์การผลิตสินค้าในวันที่ 218 – 268 แบบ Regression
ซึ่งอาจไม่ใช่วธิ ีท่แี ม่นยาที่สดุ แต่จากการขายเครื่องจักรนัน้ ทาให้ทีมมี Cash Balance เท่ากับ 1,427,561 เป็ นอันดับ 1 จาก 6 ทีม