การปรับปรุงประสิทธิภาพจุดสั่งซื้อซ้ำของเสื้อฟุตบอลภายใต้แบบจำลองอุปสงค์ช่วงปกติและช่วงฤดูกาลด้วยการจำลองสถานการณ์แบบเหตุการณ์ไม่ต่อเนื่อง
Article Sidebar
Main Article Content
บทคัดย่อ
การจัดการสินค้าคงคลังอย่างมีประสิทธิภาพมีความสำคัญสำหรับธุรกิจที่เผชิญความต้องการผันผวน โดยเฉพาะในช่วงฤดูกาลที่มีความต้องการสูง การศึกษานี้มุ่งเน้นการเพิ่มประสิทธิภาพจุดสั่งซื้อซ้ำ (ROP) สำหรับร้านเสื้อฟุตบอลในปทุมธานี
ซึ่งมีความต้องการสูงในเดือนแข่งขัน ร้านค้าปกติสั่งซื้อ 300 ตัวต่อเดือน แต่การเพิ่ม ROP ฤดูกาลเป็น 600 หน่วยยังไม่เพียงพอ
ทำให้เกิดสินค้าขาดสต็อก สูญเสียยอดขาย และลูกค้าไม่พอใจ เพื่อแก้ไขปัญหา ใช้การจำลองด้วย FlexSim วิเคราะห์กลยุทธ์ ROP
ต่าง ๆ ทั้งหมด 14 สถานการณ์ สถานการณ์ฐาน (C) ที่ ROP ปกติ 300 และ ROP ฤดูกาล 600 ให้ Releasing 79.39% และ Empty 20.61% การเพิ่ม ROP ฤดูกาลจาก 650–1000 หน่วยช่วยปรับปรุงความพร้อมของสินค้าคงคลังอย่างชัดเจน
โดยสถานการณ์ที่ 8 (ROP 300/1000) ได้ Releasing 93.04% แต่ยังมี Last Stock 32 หน่วย การเพิ่ม ROP ปกติเพิ่มเติมพบว่าสถานการณ์ที่ 13 (ROP 550/1000) ได้ Releasing 100% และ Empty 0% แต่มีสินค้าคงเหลือ 72 หน่วย แนวทางที่ปรับแต่งในสถานการณ์ที่ 14 (ROP 550/950) ให้ Releasing 99.87% มี Empty เพียง 0.13% และไม่มี Last Stock ทำให้เป็นกลยุทธ์ที่มีประสิทธิภาพสูงสุด ผลการศึกษาชี้ว่าการปรับค่า ROP ตามความผันผวนของความต้องการสามารถลดสินค้าขาดสต็อก ป้องกันการเก็บสินค้าส่วนเกิน และยกระดับความพึงพอใจของลูกค้า
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Adams, M., & Wilson, C. (2023). Lean inventory practices enhanced by simulation-based decision support systems. Journal of Supply Chain Management Research, 30(3), 178–192.
Chen, L. (2023). FlexSim applications in apparel retail inventory management. Computational Logistics Review, 7(4), 132–145.
Davis, J. (2022). Reducing inventory waste with simulation-based strategies. Journal of Industrial Management, 21(3), 98–112.
Johnson, M. (2021). Reorder point strategies for seasonal demand. Journal of Supply Chain Optimization, 29(4), 278–290.
Kim, A., & Thompson, R. (2022). Integrating AI with FlexSim for predictive inventory management. Journal of Artificial Intelligence in Business, 14(2), 76–92.
Kumar, R., & Singh, B. (2022). Using simulation for supply chain optimization. Industrial Engineering Journal, 25(1), 66–80.
Lee, K. (2020). Forecasting methods for seasonal demand in inventory management. Journal of Business Analytics, 10(1), 55-70.
Lopez, T., & Green, E. (2023). FlexSim in small-scale retail: A case study. Retail Operations and Logistics Journal, 8(4), 135–150.
Martin, H., & Rogers, G. (2021). Scenario analysis in inventory management using FlexSim. Journal of Operational Research, 12(2), 49–65.
Patel, S., & Gupta, N. (2023). Dynamic safety stock management for seasonal demand variability. Operations Research Letters, 23(4), 89–101.
Roberts, A. (2023). Predictive analytics for retail inventory management. Decision Support Systems Journal, 19(2), 210–225.
Smith, J., & Brown, A. (2022). Inventory control and demand management in retail businesses. International Journal of Logistics Management, 34(2), 145–160.
Thompson, B. (2022). Reinforcement learning for adaptive inventory control. Journal of Artificial Intelligence Applications in Business, 14(2), 45–62.
Williams, P., & Carter, T. (2021). Managing apparel inventory: Challenges and solutions. Fashion Retail Journal, 15(3), 112–125.
Zhao, D. (2022). Simulation-based optimization of reorder policies in retail inventory management. Journal of Simulation and Modelling, 19(2), 88–104.
