Thai VCML 2016

งานค้นคว้าอิสระของ นายณัฐภูมิ ปิติจารุวิเศษและอ.ดร. สราวุธ จันทร์สุวรรณ เรื่อง การประยุกต์ใช้ตัวแบบ Network Flow Allocation เพื่อการบริหารจัดการระบบบรรจุภัณฑ์หมุนเวียน กรณีศึกษา : การส่งออกชิ้นส่วนรถยนต์ของบริษัทรถยนต์แห่งหนึ่งในประเทศไทย ได้รับรางวัลบทความดีเด่น (Best Paper Award) ใน การประชุมสัมมนาเชิงวิชาการด้านการจัดการโลจิสติกส์และโซ่อุปทาน ครั้งที่ 16   การพัฒนาแผนเพิ่มประสิทธิภาพโครงข่ายการขนส่งสินค้า ด้วยตัวแบบ Network Reserved Capacity Model นายรพีพัฒน์ ชัยประสิทธิกุล และที่ปรีกษา ดร. สราวุธ จันทร์สุวรรณ   ปัญหาการลดการปล่อยก๊าซคาร์บอนไดออกไซด์จากการขนส่งโดยใช้ตัวแบบโปรแกรมเชิงเส้น กรณีศึกษา บริษัทน้ำมันแห่งหนึ่ง นายณัฐวุฒิ อัศวมาชัย  ที่ปรึกษา รศ.ดร.กาญจ์นภา อมรัชกุล   การศึกษาการจองปริมาณบรรทุกสินค้าที่เหมาะสมระหว่างตัวแทนรับขนส่งสินค้าและสายการบิน อภิญญา  เทพพนมรัตน์ ที่ปรึกษา รศ.ดร.กาญจ์นภา อมรัชกุล Slide Thai VCML-Apinya

การกำหนดจุดสั่งซื้อและระดับปริมาณสั่งซื้อที่เหมาะสมสำหรับอะไหล่ซ่อมบำรุง กรณีศึกษา บริษัทผลิตเยื่อและกระดาษ

การกำหนดจุดสั่งซื้อและระดับปริมาณสั่งซื้อที่เหมาะสมสำหรับอะไหล่ซ่อมบำรุง กรณีศึกษา บริษัทผลิตเยื่อและกระดาษ จารุวรรณ พรรธนาลัย บริษัทที่ศึกษา เป็นบริษัทที่ผลิตเยื่อและกระดาษ  มีการเดินเครื่องจักร 24 ชั่วโมง ดังนั้น  งานซ่อมบำรุงจึงมีส่วนสำคัญ Slide งานค้นคว้าอิสระ Presentation_Jaruwan Phattanalai

การจัดการสินค้าคงคลังด้วย Joint Replenishment Model ร่วมกับ Order-Up-To Policy

การศึกษาการพยากรณ์ความต้องการและนโยบายการจัดการสินค้าคงคลัง กรณีศึกษา บริษัท ABC นิศาชล ไทรชมภู ใช้นโยบายสินค้าคงคลัง Periodic Review (R,S) โดยจะคำนวณคาบ (R) และ Order-Up-To Level (S) ดังนี้ คาบ (review period) มาจากผลเฉลยของตัวแบบ Joint Replenishment ปริมาณความต้องการที่ใช้ตัวแบบ ได้มาจากค่าพยากรณ์ซึ่งทำให้ MAD, MSE, MAPE ต่ำสุด หาผลเฉลยของ Joint Replenishment Problem โดยใช้ Excel Solver ระดับสั่งถึง (order-up-to level) ใช้ที่ระดับการให้บริการ 95% Slide งานค้นคว้าอิสระ Presentation นิศาชล New  

การวางแผนการผลิตสินค้าเพื่อให้ได้กำไรสูงสุด

การวางแผนการผลิตสินค้าเพื่อให้ได้กำไรสูงสุด ศศิมา เมฆรุ่งโรจน์  ปัญหาที่พบ ผลิตแบบ make to order  โดยไม่มีการวางแผนการผลิตรวม (aggregate planning) จากปริมาณความต้องการสินค้าตลอด 49 สัปดาห์ ปี 2558, มีสินค้าขาดมือรวม 3,411 โม่ คิดเป็นมูลค่า 1.5 ล้านบาท  เครื่องมือที่ใช้แก้ปัญหา เพื่อ reduce backorder cost Aggregate Planning Model Made to Stock Slide Sasima Mekrungroj Presentation

แนวทางการจัดเส้นทางเดินรถกรณีศึกษาการประยุกต์ Vehicle Routing Problem (VRP) เพื่อปรับปรุง การขนส่งชิ้นส่วนรถยนต์ บริษัทผู้ผลิตชิ้นส่วนรถยนต์แห่งหนึ่ง

แนวทางการจัดเส้นทางเดินรถกรณีศึกษาการประยุกต์ใช้ตัวแบบ Vehicle Routing Problem (VRP) เพื่อปรับปรุง การขนส่งชิ้นส่วนรถยนต์ บริษัทผู้ผลิตชิ้นส่วนรถยนต์แห่งหนึ่ง นายลักษณ์พิเชษฐ คชวัตร  LM7 จุดประสงค์ของการศึกษา ศึกษาระบบการสั่งซื้อ ความเหมาะสมของวิธีการขนส่งในปัจจุบัน เส้นทางการเดินรถปัจจุบัน และตำแหน่งที่ตั้งโรงงานของซัพพลายเออร์ พัฒนาตัวแบบการเดินรถด้วย VRP Model ที่มีความเหมาะสมและ นำมาประยุกต์ใช้กับกรณีศึกษานี้ ทำการคำนวณค่าใช้จ่าย ระยะทางเพื่อ หาจัดเส้นทางเดินรถขนส่งสินค้าเพื่อให้ได้ค่าใช้จ่ายที่เหมาะสมในการขนส่งสินค้าและหาจำนวนรถที่ต้องใช้ เพื่อจัดเตรียมว่าจ้างในแต่ละวัน และเวลารับส่งที่เหมาะสม นำผลการศึกษามาใช้กับข้อมูลกรณีศึกษาในปัจจุบัน เพื่อเปรียบเทียบต้นทุนการขนส่งและเป็นทางเลือกให้กับบริษัท Slide VRP-Public Version

Dynamic Lot Sizing Model: Case Study of Inventory for Coal in Cement Industry

การกำหนดจุดสั่งซื้อและปริมาณการสั่งซื้อที่เหมาะสมด้วยวิธีแบบพลวัต กรณีศึกษาการสั่งซื้อถ่านหินสำหรับอุตสาหกรรมปูนซีเมนต์ นางสาวนิรชร วะชุม วัตถุประสงค์ เพื่อศึกษากระบวนการ, ระบบและรายละเอียดของการสั่งซื้อถ่านหินในอุตสาหกรรมปูนซีเมนต์ เพื่อศึกษาค้นคว้าหาตัวแบบที่เหมาะสมกับลักษณะของการสั่งซื้อถ่านหิน และทำการวิเคราะห์หาระบบการสั่งซื้อให้ได้มาซึ่งผลลัพธ์ที่เหมาะสมที่สุด เพื่อนำแนวทางที่ค้นคว้ามาได้ ประยุกต์ใช้จริงกับบริษัทกรณีศึกษาในระบบการสั่งซื้อถ่านหิน ให้นำมาซึ่งต้นทุนรวมที่ลดลง สรุปผลการศึกษา ใช้ Holt’s method มาพยากรณ์ราคาถ่านหิน คำนวณ safety stock ซึ่งมาจากความไม่แน่นอนของ lead time สร้าง dynamic lot sizing model และหาผลลัพธ์โดยใช้ Microsoft Excel Premium Solver Pro หากได้นำผลลัพธ์นี้ไปใช้ สามารถลดค่าใช้จ่ายได้ 372.85 ล้านบาทต่อปี (ประมาณ 22% ของ spending) Slide IS Presentation Nirachorn Wachum

Filter and SUBTOTAL

ใช้ Filter เลือกเฉพาะข้อมูลที่ตรงตามข้อกำหนด; จากนั้นหาผลรวม ค่าเฉลี่ย ค่าสูงสุด ต่ำสุด ฯลฯ ของเฉพาะชุดข้อมูลที่ถูก filtered ไว้แล้วโดย SUBTOTAL.

1 6 7 8 9 10 13