การศึกษาตัวชี้วัดการดำเนินงานคลังวัตถุดิบ กรณีศึกษา บริษัทผู้ผลิตชิ้นส่วนยานยนต์
Article Sidebar
Main Article Content
บทคัดย่อ
การนำเทคโนโลยีเข้ามาปรับเปลี่ยนการทำงาน เป็นกระบวนการสำคัญที่ช่วยให้องค์กรสามารถปรับตัวและตอบสนองต่อความเปลี่ยนแปลงในยุคดิจิทัลได้อย่างมีประสิทธิภาพ งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยและตัวชี้วัดควบคุมการดำเนินงานในคลังวัตถุดิบซึ่งนำไปสู่การตอบสนองต่อเป้าหมายองค์กรที่ให้ความสำคัญ ในการควบคุมคุณภาพ การจัดการต้นทุน และการส่งมอบ ซึ่งเป็นจุดเริ่มต้นในประเมินสภาพปัจจุบันขององค์กรก่อนนำเทคโนโลยีเข้ามาปรับใช้ในการทำงานของบริษัทกรณีศึกษา จากนั้นนำแบบสอบถามเข้ามาใช้เพื่อศึกษาความสำคัญของตัวชี้วัดควบคุมการดำเนินงานภายในคลังวัตถุดิบ และใช้วิธีการกำหนดน้ำหนักความสำคัญของเกณฑ์ ในการกำหนดค่าน้ำหนักสัมพัทธ์ของตัวชี้วัดการดำเนินงาน ผลการวิจัยพบว่า ตัวชี้วัดที่สำคัญในการควบคุมการดำเนินงานคลังวัตถุดิบมี จำนวน 30 ตัวชี้วัด และปัจจัยที่สำคัญที่สุดในการบรรลุเป้าหมายองค์กรของคลังวัตถุดิบบริษัทกรณีศึกษาคือ ด้านการส่งมอบ มีค่าน้ำหนัก 0.61 ลำดับถัดมาคือ ด้านคุณภาพ มีค่าน้ำหนัก 0.28 และลำดับสุดท้ายคือ ด้านต้นทุน มีค่าน้ำหนัก 0.11 ทั้งนี้การนำตัวชี้วัดการดำเนินงานมาปรับใช้จะทำให้ช่วยเสริมสร้างขีดความสามารถขององค์กรในการแข่งขันและตอบสนองต่อความต้องการที่เปลี่ยนแปลงในยุคดิจิทัลได้อย่างมีประสิทธิภาพ
Article Details
เอกสารอ้างอิง
Jittipichayanan, P. and Uachanachit, D., 2023, Elements of enterprise risk management, Suan Dusit Grad.Sch. Acad. J. 19(3): 175-192. (in Thai)
Ekimova N.A., 2021, Global megatrends and new technologies: challenges forand threats to the post-industrial economy, Ekon. Sots. Peremeny. 14(5): 116-134.
Vukanović, Z., 2018, The influence of ICT megatrends on global megatrends, Informatol. 51(1-2): 43-52.
Abdallah, Y.O., Shehab, E. and Al-Ashaab, A., 2021, Understanding digital transformation in the manufacturing industry : A systematic literature review and future trends, Prod. Manag. Dev. 19(1): 1-12.
Kittithipornchai, O. and Phumchusri N., 2014, Warehouse management system, J. Eng. 5(2): 49-62. (in Thai)
Agu, O.A., Obi-Anike, H.O. and Eke, C.N., 2016, Effect of inventory management on the organizational performance of the selected manufacturing firms, Singap. J. Bus. Econ. Manag. Stud. 5(4): 56-69.
Boonyarataphan, T., 2023, Digital transformation plan with organizational challenges in digital era, J. Public Adm. Polit. 12(1): 84-104. (in Thai)
Sipos, C. and Pató, B.S.G., 2015, Three-dimensional QCD framework of supply chain, Int. Rev. Appl. Sci. Eng. 13(3): 298-308.
Amasaka, K., 2006, An Intellectual Development Production Hyper-Cycle Model inToyota: New JIT Fundamentals and Applications in Automobile Industry, Proceeding of the 2006 POMS, Boston, USA, pp. 1-20.
Butchinda, K., Luengsappasook, T., Boonmee, N., Kaewmanorom, P., Purikasem, M. and Parkvithee, N., 2021, Content selection and media exposure factors affecting generation z consumers’ purchasing decisions on youtube in Bangkok, Santapol Coll. Acad. J. 8(1): 40-49. (in Thai)
Barron, F.H. and Barrett, B.E., 1996, Decision quality using ranked attribute weights, Manag. Sci. 42(11): 1515-1523.
Faveto, A., Traini, E., Bruno, G. and Chiabert, P., 2024, Based method for evaluating key performance indicators: an applicationon warehouse system, Int. J. Adv. Manuf. Technol. 130(1): 297-310.
Pongpreecha, A. and Donsomjitr,P., 2024, Key performance indicators for sustainable warehouse management; A case study of third-party logistics in Chonburi, J. Manag. Sci. Suratthani Rajabhat Univ. 11(1): 125-154. (in Thai)
Rattanopat, P. and Chanintrakul,P., 2023, Supplychain performance measurement: case of one tambon one product food industry in the eastern provincial cluster 2, J. Manag. Sci. Chiangrai Rajabhat Univ. 18(1): 169-194.
Islam, M.R., Ali, S.M., Fathollahi-Fard, A.M. and Kabir, G., 2021, A novel particle swarm optimization-based grey model for the prediction of warehouse performance, J. Comput. Des. Eng. 8(2): 705-727.
Manalo, R.G. and Manalo, M.V., 2010, Quality, Cost and Delivery Performance Indicators and Activity-Based Costing, Proceeding of the 2010 ICMIT, Singapore, pp. 869-874.
