Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
การเปรียบเทียบวิธีการพยากรณ์สำหรับอะไหล่หมุนเวียนของสายการบินต้นทุนต่ำในประเทศไทย
Year (A.D.)
2020
Document Type
Thesis
First Advisor
Parames Chutima
Faculty/College
Faculty of Engineering (คณะวิศวกรรมศาสตร์)
Department (if any)
The Regional Centre for Manufacturing Systems Engineering (ศูนย์ระดับภูมิภาคทางวิศวกรรมระบบการผลิต)
Degree Name
Master of Engineering
Degree Level
Master's Degree
Degree Discipline
Engineering Management
DOI
10.58837/CHULA.THE.2020.165
Abstract
This research intents to compare and evaluate 3 different methods for forecasting irregular demand of aircraft spare parts by focusing on Rotable part group of Company A which is the leading low-cost airline in Thailand and operate by Airbus A320 model. Based on the demand classification, it is observed that most of the spare part demands presented an intermittent demand pattern. The forecasting methods Croston's, Holt's Linear and Multi-Layer Perceptron trained with Backpropagation of Neural Network Model are applied on the historical data of 36 Rotable spare parts by dividing into 2 sets which are initialization set period 60 months (January 2014 – December 2018) and test set for period 12 months (January 2019 – December 2019). The forecasting accuracy will be made by using ME, MAE and A-MAPE to evaluate the performance of the method over the test set. The results show that Multi-Layer Perceptron trained with Backpropagation of Neural Network Model outperform than other 2 methods in all forecasting accuracy measurement and the performance 81% accurate forecast when comparing with the actual observation over the test set data in 2019 for 12 months period. Therefore, from this research it concludes that Multi-Layer Perceptron trained with Backpropagation of Neural Network Model is superior alternative model over the traditional time series models and recommend to be a forecasting tool for Company A use to forecast Rotable spare part in intermittent demand pattern.
Other Abstract (Other language abstract of ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบและประเมินวิธีการพยากรณ์ความต้องการของชิ้นส่วนอะไหล่เครื่องบินแบบที่เกิดขึ้นอย่างไม่สม่ำเสมอจำนวน 3 วิธี โดยเน้นที่กลุ่มชิ้นส่วนอะไหล่ที่หมุนเวียนกลับมาใช้ได้ (Rotable spare part) ของบริษัท A ซึ่งเป็นสายการบินต้นทุนต่ำชั้นนำของประเทศไทยและดำเนินกิจการโดยใช้เครื่องบินแอร์บัส (Airbus) รุ่น A320 จากการจำแนกประเภทของอุปสงค์ พบว่าความต้องการของอะไหล่ส่วนใหญ่มีรูปแบบความต้องการที่ไม่สม่ำเสมอ (Intermittent demand pattern) วิธีพยากรณ์ของครอสตัน (Croston's Method), วิธีปรับเรียบเอ็กซ์โพเนนเชียลแบบโฮลท์ (Holt's Linear Method) และวิธีโครงสร้างประสาทเทียมหลายชั้นแบบแพร่ย้อนกลับ (Multi-Layer Perceptron train with Backpropagation of Neural Network Model) จะถูกนำไปทดสอบกับชุดข้อมูลย้อนหลังของชิ้นส่วนอะไหล่ที่หมุนเวียนกลับมาใช้ได้จำนวนทั้งสิ้น 36 ชิ้น โดยแบ่งข้อมูลเป็น 2 ชุด คือ ชุดเริ่มต้น (initialization set) ระยะเวลา 60 เดือน (มกราคม 2557 – ธันวาคม 2561) และ ชุดทดสอบ (test set) ระยะเวลา 12 เดือน (มกราคม 2562 – ธันวาคม 2562) การตรวจสอบความแม่นยำของวิธีพยากรณ์จะถูกวัดค่าโดยใช้ ค่าเฉลี่ยความคลาดเคลื่อน (ME), ค่าเฉลี่ยความคลาดเคลื่อนสมบูรณ์ (MAE) และค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสมบูรณ์ (MAPE) เพื่อประเมินประสิทธิภาพของวิธีพยากรณ์ในชุดข้อมูลทดสอบ ผลการวิจัยพบว่าจากการทดสอบความแม่ยำของวิธีพยากรณ์ทั้ง 3 วิธี วิธีการพยากรณ์แบบโครงสร้างประสาทเทียมหลายชั้นแบบแพร่ย้อนกลับ (Multi-Layer Perceptron train with Backpropagation of Neural Network Model) มีประสิทธิภาพในการพยากรณ์ทีให้ผลดีกว่าอีก 2 วิธี และมีแม่นยำถึง 81% เมื่อเปรียบเทียบกับข้อมูลอุปสงค์ที่เกิดขึ้นจริงในชุดข้อมูลทดสอบปี 2562 เป็นระยะเวลา 12 เดือน ดังนั้น จากการวิจัยนี้จึงสรุปได้ว่า วิธีพยากรณ์แบบโครงสร้างประสาทเทียมหลายชั้นแบบแพร่ย้อนกลับ (Multi-Layer Perceptron train with Backpropagation of Neural Network Model) เป็นวิธีพยากรณ์ทางเลือกที่ดีกว่าวิธีการพยากรณ์อนุกรมเวลาแบบดั้งเดิม และเป็นวิธีการพยากรณ์ที่แนะนำสำหรับบริษัท A เพื่อนำไปใช้ในการคาดการณ์ความต้องการชิ้นส่วนอะไหล่แบบหมุนเวียนได้ (Rotable spare part) ในประเภทอุปสงค์ที่มีความต้องการที่ไม่สม่ำเสมอ (Intermittent demand pattern)
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
Thummathid, Supannika, "A comparison of forecasting methods for rotable spare parts in a Thai low-cost airline" (2020). Chulalongkorn University Theses and Dissertations (Chula ETD). 185.
https://digital.car.chula.ac.th/chulaetd/185