|
โมเดลระบบธุรกิจอัจฉริยะและการพยากรณ์เพื่องานวางแผนกลยุทธ์ผลิตภัณฑ์อุปกรณ์ตกแต่งรถยนต์ |
|---|---|
| รหัสดีโอไอ | |
| Title | โมเดลระบบธุรกิจอัจฉริยะและการพยากรณ์เพื่องานวางแผนกลยุทธ์ผลิตภัณฑ์อุปกรณ์ตกแต่งรถยนต์ |
| Creator | ณัทณัน ศักดิ์เรืองฤทธิ์ |
| Contributor | อัจฉรา ภูอ่าง, ที่ปรึกษา |
| Publisher | มหาวิทยาลัยธรรมศาสตร์ |
| Publication Year | 2566 |
| Keyword | อุปกรณ์ตกแต่งรถยนต์, การพยากรณ์ความต้องการ, โมเดลธุรกิจอัจฉริยะ, Car accessory, Demand forecasting, Business intelligence |
| Abstract | อุตสาหกรรมรถยนต์เป็นหนึ่งในอุตสาหกรรมหลักของประเทศไทย ผู้ผลิตรถยนต์มีการแข่งขันกันสูงทางการตลาด อุปกรณ์ตกแต่งรถยนต์ถูกใช้เป็นสิ่งหนึ่งในการจูงใจผู้บริโภคในการซื้อรถยนต์คันใหม่ อุปกรณ์ตกแต่งรถยนต์ไม่ใช่แค่สิ่งเติมเต็มประสบการณ์ในแง่ของความสวยงามและการใช้งานให้แก่ผู้บริโภคเท่านั้นแต่ยังเป็นส่วนช่วยในการเพิ่มอัตราผลกำไรให้กับผู้ผลิตรถยนต์ และในปัจจุบันรถยนต์ประเภทรถสปอร์ตอเนกประสงค์ (SUV) ได้รับการสนใจเป็นอย่างมากและมีการแข่งขันทางด้านการตลาดสูงมาก การวางแผนค่าสัดส่วนความต้องการใช้งานอุปกรณ์ตกแต่งรถยนต์ (PR%) ในกระบวนการวางแผนกลยุทธ์ผลิตภัณฑ์ใหม่จึงเป็นอีกกระบวนการหนึ่งที่มีความสำคัญในการช่วยเพิ่มความสามารถทางการแข่งขันทางการตลาดของรถยนต์ได้ งานวิจัยนี้จึงมีเป้าหมายเพื่อศึกษาลักษณะการขายอุปกรณ์ตกแต่งรถยนต์ทั้ง 4 ประเภท คือ อุปกรณ์ตกแต่งภายนอก (EXT), อุปกรณ์ตกแต่งภายใน (INT), อุปกรณ์ความปลอดภัย (SAFETY) และอุปกรณ์ใช้สอย (UTILITY) ของรถยนต์ประเภทรถสปอร์ตอเนกประสงค์ (SUV) ที่ส่งผลต่อค่าสัดส่วนความต้องการใช้งานอุปกรณ์ตกแต่งรถยนต์แท้ (PR%) วิเคราะห์ ออกแบบระบบแสดงแผนภาพข้อมูลรายงานการขาย จัดเตรียมชุดข้อมูลก่อนนำเข้าแบบจำลองพยากรณ์ผ่านโปรแกรม Microsoft Power BI สร้างแบบจำลองการพยากรณ์โดยชุดข้อมูลที่ใช้ในการศึกษาเป็นข้อมูลการขายจากฐานข้อมูลระบบสารสนเทศของบริษัทผลิตรถยนต์แห่งหนึ่งตั้งแต่ปี 2016 ถึง 2023 ชุดข้อมูลถูกแบ่งออกเป็นชุดข้อมูลการเรียนรู้ 70% และชุดข้อมูลทดสอบ 30% และได้เลือกรูปแบบอัลกอริทึมที่มีความสามารถในการพยากรณ์ข้อมูลที่อยู่ในลักษณะการวิเคราะห์การถดถอย 2 รูปแบบ คือ 1) Random Forest Regression 2) Artificial Neural Network 4 ตัวแบบ และวัดประสิทธิภาพของแบบจำลองการพยากรณ์ซึ่งนำค่าที่ได้จากการพยากรณ์เปรียบเทียบกับค่าที่เกิดขึ้นจริงจากชุดข้อมูลทดสอบ โดยเปรียบเทียบค่าอาร์กำลังสอง (R-square, R2), ค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error, RMSE) และค่าเฉลี่ยของผลต่างสัมบูรณ์ (MAE) ผลการศึกษาพบว่าแบบจำลองด้วยเทคนิค Random Forest Regression ให้ค่า R2 ดีที่สุดที่ 0.988 ค่า RMSE ต่ำที่สุดเท่ากับ 0.018 และค่า MAE ต่ำที่สุด เท่ากับ 0.004 ดังนั้นแบบจำลองการพยากรณ์ด้วยเทคนิค Random Forest Regression จึงมีความเหมาะสมและมีความแม่นยำของการพยากรณ์ค่าสัดส่วนความต้องการใช้งานอุปกรณ์ตกแต่งรถยนต์มากที่สุด |
