ตัวแบบเชิงปริมาณสามารถนำมาใช้ในการเพิ่มประสิทธิภาพในการบริหารงานได้เป็นอย่างดี โดยเฉพาะด้านการจัดการโลจิสติกส์ ทำให้สามารถลดต้นทุนและเพิ่มผลกำไรมากขึ้น สำหรับสัปดาห์นี้ขอนำเสนอตัวอย่างในการใช้ตัวแบบเชิงปริมาณเพื่อปรับปรุงนโยบายการจองพื้นที่ระวางสินค้าทางอากาศของ Integrator แห่งหนึ่ง ซึ่งตัวอย่างนี้น่าจะเป็นประโยชน์สำหรับบุคลากรด้านโลจิสติกส์ในประเทศไทยที่จะช่วยให้โลจิสติกส์ในประเทศไทยมีความเข้มแข็งมากขึ้นและสร้างความได้เปรียบในเชิงแข่งขันให้กับประเทศไทยในอนาคตต่อไปได้
ปัญหา
บริษัท DFTU (นามสมมติ) ตั้งอยู่ในเขตปลอดอากร สนามบินสุวรรณภูมิ ให้บริการรับส่งเอกสารและสินค้าเร่งด่วน (express) โดยให้บริการครบวงจร ตั้งแต่การรับสินค้าจากผู้ต้องการส่งสินค้า พิธีการศุลกากร การจัดส่งภาคพื้นดิน การรับประกันการขนส่ง จนถึงการส่งสินค้าให้ถึงมือผู้รับ ผู้ดำเนินธุรกิจขนส่งสินค้าทางอากาศ (air cargo) รูปแบบนี้มักเรียกว่า Integrators ซึ่งรายใหญ่ ๆ ของโลก เช่น DHL FedEx TNT UPS เป็นต้น
สำหรับเส้นทางที่ศึกษา บริษัท DFTU ใช้บริการขนส่งสินค้าทางอากาศกับสายการบินแห่งหนึ่ง บริษัทได้ทำการจองพื้นที่ระวางสินค้าแบบเหมาตู้ LD3 container โดยมีการจองล่วงหน้าก่อนประมาณหนึ่งเดือน สายการบินคิดอัตราค่าระวางสินค้าดังนี้ หากน้ำหนักสินค้าไม่เกิน 550 kg ให้คิดขั้นต่ำ (minimum charge) ที่ 51,150 THB หากน้ำหนักเกิน 550 kg ส่วนที่เกินให้คิดในอัตราค่าระวางสินค้าประเภทปกติ (general cargo) ที่ 93 THB/kg สายการบินนี้นอกจากให้มีการจองพื้นที่ระวางสินค่าประเภทปกติ ยังมีการให้บริการสินค้าแบบเร่งด่วน (express cargo) ซึ่งจะมีอัตราค่าระวางแบบเร่งด่วนเท่ากับ 115 THB/kg อัตราดังกล่าวยังไม่รวมค่าธรรมเนียมอื่น ๆ [น้ำหนักที่นำมาคิดค่าระวางนั้นที่จริงต้องเป็น chargeable weight ซึ่งต้องดูทั้งน้ำหนัก (kg) และ volumetric weight ที่ได้มาจากปริมาตร (cubic meter) หารด้วย 0.006 สำหรับบริษัทในกรณีศึกษานี้ chargeable โดยมากมักเท่ากับน้ำหนักที่เป็น kg]
ในปี 2012-2014 บริษัท DFTU จองตู้กับสายการบินทุกวันทั้ง ๆ ที่ปริมาณสินค้าในแต่ละวันมีมากน้อยไม่เท่ากัน สำหรับวันที่ปริมาณสินค้ามีมาก การจองตู้ก็ย่อมมีข้อดีตรงที่ได้อัตราค่าระวางถูกกว่าอัตราแบบเร่งด่วน แต่หากบางวันปริมาณสินค้ามีไม่มากนัก บริษัทก็ต้องจ่ายอัตราขั้นต่ำ บริษัทอาจเลือกไม่จองตู้ในวันที่คาดว่าจะมีสินค้าน้อย และจ่ายในอัตราแบบเร่งด่วนซึ่งไม่มีอัตราขั้นต่ำและไม่ต้องจองล่วงหน้า บริษัทจึงต้องการหานโยบายที่การจองเหมาะสมกับปริมาณสินค้าในแต่ละวัน
การวิเคราะห์และตัวแบบเชิงปริมาณ
ค่าใช้จ่ายพื้นที่ระวางสินค้าสามารถแสดงเป็นกราฟได้ดังในรูปที่ 1 จากรูปจะเห็นได้ว่า หากน้ำหนักสินค้าต่อวันน้อยกว่า 445 kg บริษัทไม่ควรจองตู้แต่จ่ายในอัตราแบบเร่งด่วนแทน ในทางตรงกันข้าม หากน้ำหนักสินค้าต่อวันอย่างน้อย 445 kg บริษัทควรจองตู้และจ่ายในอัตราประเภทปกติ หากบริษัทสามารถทราบปริมาณสินค้าในแต่ละวันได้ล่วงหน้า บริษัทจะสามารถใช้เกณฑ์ 445 kg ข้างต้นเพื่อตัดสินใจว่าจะจองตู้หรือไม่ ทว่าในความเป็นจริง บริษัทไม่สามารถทราบปริมาณล่วงหน้าได้ จากข้อมูลในอดีตพบว่าปริมาณสินค้าแต่ละวันไม่แน่นอน เราสามารถนำตัวแบบการตัดสินใจภายใต้ความไม่แน่นอนมาวิเคราะห์ปัญหาข้างต้น
ในบทความนี้ เราจะแสดงเพียงการวิเคราะห์ในเดือนมิถุนายน การวิเคราะห์ในเดือนอื่น ๆ สามารถทำได้ทำนองเดียวกัน จากข้อมูลสถิติย้อนหลังน้ำหนักของสินค้าวันอังคารถึงเสาร์ มิถุนายน 2555-2556 เราสามารถหาค่าต่ำสุด ค่าสูงสุด และค่าเฉลี่ยได้ในตารางที่ 1 หากดูโดยรวมน้ำหนักเฉลี่ย (overage average) ต่อวันอยู่ที่ 446 kg ซึ่งมากกว่า 445 kg จึงควรจองตู้ เหมาะสมหรือไม่? สังเกตุว่า 446 นั้นเป็นค่าเฉลี่ย น้ำหนักจริงของแต่ละวันอาจมากกว่าหรือน้อยกว่าค่าเฉลี่ยก็เป็นได้ จากตารางที่ 1 จะเห็นว่าปริมาณสินค้าในแต่ละวันไม่เท่ากัน วันพุธกับพฤหัสมีปริมาณสินค้าต่ำกว่าวันอื่นๆ เราจึงน่าจะใช้นโยบายที่มีการจองตู้เฉพาะบางวัน แทนนโยบายปัจจุบันซึ่งจองทุกวัน เราจึงต้องแยกการวิเคราะห์เป็นวัน ๆ ไป (วันหยุดนักขัตฤกษ์และวันหยุดต่อเนื่องอาจมีผลต่อปริมาณสินค้า จึงควรนำมาร่วมพิจารณาด้วย แต่งานนี้ไม่ได้คำนึงถึงประเด็นวันหยุด และไม่ได้คำนึงถึงค่าธรรมเนียมในการยกเลิก กรณียกเลิกการจองพื้นที่ระวางสินค้าไม่เป็นไปตามข้อกำหนด)
ยกตัวอย่างเช่นเมื่อพิจารณาดูในรายละเอียดเฉพาะของวันพุธ ก็จะพบว่าปริมาณค่าต่ำสุดอยู่ที่ 134 kg ในขณะที่สูงสุดที่ 683 kg ต่างกันถึงห้าร้อยกว่ากิโลกรัม น้ำหนักในแต่ละวันก็ไม่แน่นอน ตัวแบบการตัดสินใจภายใต้ความไม่แน่นอนมีหลายเกณฑ์การตัดสินใจ หากมองในกรณีดีที่สุด (best case) น้ำหนักสูงสุดคือ 683 kg ซึ่งมากกว่า 445 kg ด้วยเกณฑ์นี้ควรจองตู้ แต่ในทางตรงกันข้าม หากมองในกรณีเลวร้ายสุด (worst case) น้ำหนักต่ำสุดคือ 134 kg ซึ่งน้อยกว่า 445 kg ด้วยเกณฑ์นี้ไม่ควรจองตู้ นอกจากเกณฑ์เหล่านี้ เราสามารถหาการแจกแจงความน่าจะเป็น (probability distribution) ที่เหมาะสมกับข้อมูลน้ำหนักในแต่ละวัน และคำนวณค่าคาดหมาย (expected value) ของค่าใช้จ่ายพื้นที่ระวางสินค้าหากมีการจองตู้ เปรียบเทียบกับการใช้อัตราแบบเร่งด่วน ได้ดังตารางที่ 2 หากค่าคาดหมายของค่าใช้จ่ายจากแบบเร่งด่วนต่ำกว่าแบบเหมาตู้ เราเสนอว่าไม่ควรจองตู้ ให้ใช้แบบเร่งด่วนแทน ดังแสดงในแถวสุดท้ายของตารางที่ 2 [ทฤษฎีการตัดสินใจภายใต้ความไม่แน่นอน (decision theory under uncertainty) กล่าวถึงข้อจำกัดและความเหมาะสมของการใช้ค่าคาดหมายเชิงตัวเงิน (expected monetary value) บทความนี้ขอไม่กล่าวถึง]
ผลการดำเนินงาน
เรานำนโยบายที่เสนอซึ่งได้มาจากตัวแบบในเดือนมิถุนายนปี 2555-2556 มาใช้กับข้อมูลจริงในเดือนมิถุนายนปี 2557 ได้ค่าใช้จ่ายดังตารางที่ 3 ตารางดังกล่าวแสดงค่าใช้จ่ายสำหรับนโยบายปัจจุบันที่บริษัทจองทุกวัน จะเห็นได้ว่านโยบายจากตัวแบบเชิงปริมาณสามารถประหยัดค่าใช้จ่ายพื้นที่ระวางสินค้าในวันพุธ พฤหัส ศุกร์รวมกันได้ 82,692 บาทต่อเดือน เมื่อเราวิเคราะห์ลักษณะเดียวกันเพื่อเสนอนโยบายการจองที่เหมาะสม และนำนโยบายที่เสนอมาใช้กับมีนาคม—กรกฎาคม 2557 พบว่าประหยัดค่าใช้จ่ายได้ 292,172 บาท การวิเคราะห์และตัวแบบเชิงปริมาณนี้สามารถนำไปประยุกต์ใช้กับเส้นทางบินอื่นเพื่อเป็นส่วนหนึ่งในการประกอบการตัดสินใจในการจองพื้นที่ระวางสินค้ากับสายการบินอื่นต่อไป
หมายเหตุ :
[1] ผลงานค้นคว้าอิสระ (independent study) ของคุณประสูติ มีชัย นักศึกษาปริญญาโทการจัดการโลจิสติกส์ ภาคพิเศษ รุ่นที่ 4
ประสูติ มีชัย และ รองศาสตราจารย์ ดร. กาญจ์นภา อมรัชกุล
หลักสูตรปริญญาโทการจัดการโลจิสติกส์
คณะสถิติประยุกต์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ (NIDA)
เผยแพร่ครั้งแรกผู้จัดการออนไลน์ คอลัมน์ Intelligence & Information วันที่ 29 มีนาคม 2558