ระบบ MRP 2026 – สิ่งที่ทำให้หยุดคือความสดใหม่ของข้อมูลหลัก ไม่ใช่ตัวคำนวณ

ในโรงงานที่ใช้งานระบบ MRP มาแล้วครึ่งปีถึงหนึ่งปี เราได้ยินประโยคเดียวกันแทบจะทุกแห่งว่า “ไม่มีใครเชื่อผลการคำนวณ” ข้อเสนอการสั่งซื้อออกมาทุกวัน แต่ฝ่ายจัดซื้อกลับไปคำนวณใหม่ในไฟล์ Excel ของตัวเอง ฝ่ายวางแผนการผลิตโทรไปถามยอดสต๊อกจากหน้างาน และสุดท้ายการจัดหาชิ้นส่วนก็ยังเดินด้วยสัญชาตญาณของคนแบบเดียวกับก่อนนำระบบเข้ามา โครงการติดตั้งระบบปิดจบไปแล้วในฐานะโครงการที่สำเร็จ แต่สิ่งที่หายไปคือผลลัพธ์

สิ่งที่มักถูกตั้งข้อสงสัยในจังหวะนี้คือ “เอนจินคำนวณไม่เข้ากับรูปแบบการผลิตของเรา” หรือ “เลือกผลิตภัณฑ์ผิดตั้งแต่แรก” แต่เมื่อแยกชิ้นส่วนหน้างานออกมาดู สาเหตุแทบไม่เคยอยู่ตรงนั้น MRP คือเครื่องลบเลขที่เรียบง่ายมาก โดยรับข้อมูลหลัก 3 ชุดเป็นอินพุต และสิ่งที่ทำให้มันหยุดไม่ใช่การคำนวณ แต่คือความสดใหม่ของข้อมูลหลักฝั่งอินพุต ที่สำคัญคือข้อมูลหลักทั้ง 3 ชุดนี้เก่าลงด้วยความเร็วที่ต่างกัน และสำหรับโรงงานในประเทศไทย ยังมีข้อมูลหลักชุดที่ 4 ที่สำนักงานใหญ่ในญี่ปุ่นไม่ได้คิดเผื่อไว้

บทความนี้จะแยกโครงสร้างของ “MRP ที่เดินไม่ออก” ออกมาเป็นตัวเลข โดยอิงกับสภาพจริงของผู้ผลิตสัญชาติญี่ปุ่นที่มีโรงงานในประเทศไทย โดยเฉพาะสองประเด็นที่จะแสดงวิธีคิดทีละขั้น ได้แก่ ความแม่นยำ BOM ระดับไอเทม 98% ซึ่งดูเป็นตัวเลขที่ไม่เลว แต่กลายเป็น 49% เมื่อมองระดับผลิตภัณฑ์ และการนับซ้ำของมูลค่าสต๊อกที่ลดลง ซึ่งเกิดขึ้นแทบทุกครั้งในเอกสารขออนุมัติงบประมาณ

ระบบ MRP คำนวณอะไรกันแน่ อินพุตมีแค่ข้อมูลหลัก 3 ชุด

MRP หรือ Material Requirements Planning ที่แปลว่าการวางแผนความต้องการวัสดุ มีชื่อที่ฟังดูใหญ่โต แต่สิ่งที่ทำนั้นเรียบง่ายอย่างยิ่ง

เริ่มจากความต้องการรวมที่บอกว่า “เมื่อไร อะไร จำนวนเท่าไร” แล้วลบด้วย “ของที่ถืออยู่ตอนนี้” และ “ของที่สั่งไปแล้วและกำลังจะเข้า” จากนั้นจึงสั่งซื้อส่วนที่ขาดให้ทันเวลา เท่านี้จริง ๆ เขียนเป็นสมการได้ว่า ความต้องการสุทธิ = ความต้องการรวม – สต๊อกคงเหลือ – ของที่รอรับเข้า + จำนวนที่จองไว้แล้ว

ปัญหาคืออินพุตทั้งหมดของการลบนี้มาจากข้อมูลหลัก ซึ่งมีอยู่ 3 ชุดดังนี้

เวลา MRP กระจายความต้องการรวม มันจะเอาแผนการผลิตไปคูณกับ BOM ถ้าคูณผิด ปริมาณที่ต้องการก็เพี้ยนทั้งก้อน จากนั้นจึงลบด้วยสต๊อก ถ้าสต๊อกไม่ตรง จำนวนที่สั่งก็ไม่ตรง สุดท้ายใช้ลีดไทม์ย้อนคำนวณวันที่ต้องสั่ง ถ้าลีดไทม์เก่า วันที่ก็ผิด พูดอีกอย่างคือความถูกต้องของเอาต์พุต MRP เท่ากับผลคูณของความถูกต้องของข้อมูลหลักทั้ง 3 ชุด ถ้าชุดใดชุดหนึ่งพัง อีก 2 ชุดจะละเอียดแค่ไหนก็ใช้เอาต์พุตไม่ได้

เมื่อเข้าใจจุดนี้ ความเข้าใจผิดที่พบบ่อยข้อหนึ่งจะหายไป นั่นคือคำพูดที่ว่า “ติดตั้งระบบ MRP แล้วสต๊อกจะลดลง” MRP ไม่มีฟังก์ชันที่ลดสต๊อก สิ่งที่มันมีคือฟังก์ชันคำนวณปริมาณที่ต้องการและทำให้เห็นส่วนขาดส่วนเกินเท่านั้น สต๊อกจะลดลงก็ต่อเมื่อการคำนวณนั้นน่าเชื่อถือจนหน้างานยอมลดประกันที่เรียกว่า safety stock ลงได้ ถ้าข้อมูลหลักยังเก่าอยู่ MRP จะกลายเป็นเครื่องผลิต “ผลคำนวณที่เชื่อไม่ได้” ออกมาวันละมาก ๆ และหน้างานจะเพิ่มสต๊อกประกันด้วยมือเพื่อหักล้างผลนั้น โรงงานที่สต๊อกเพิ่มขึ้นหลังติดตั้งระบบก็มาจากเส้นทางนี้

รูปแบบทั่วไปที่การนำระบบบริหารการผลิตมาใช้แล้วไม่ทำงานตามที่คาดไว้ ได้สรุปไว้ใน เหตุผลที่การนำระบบบริหารการผลิตมาใช้ล้มเหลว แต่ถ้าจำกัดเฉพาะ MRP จุดศูนย์ถ่วงของความล้มเหลวอยู่ที่ฝั่งข้อมูลหลักอย่างชัดเจน

เหตุผลที่แท้จริงที่ระบบ MRP เดินไม่ออก ข้อมูลหลักทั้ง 3 ชุดเก่าลงคนละความเร็ว

ในโครงการติดตั้งระบบ เราจะจัดข้อมูลหลักทั้ง 3 ชุดให้อยู่ใน “สภาพที่ถูกต้อง” ในวันเดียวกัน คือรื้อ BOM ตรวจนับสต๊อกจริงเพื่อปรับให้ตรง และยืนยันลีดไทม์ล่าสุดกับซัพพลายเออร์ ในวันคัตโอเวอร์ ข้อมูลหลักทั้ง 3 ชุดถูกต้องจริง

ปัญหาเริ่มตั้งแต่วันถัดมา ทั้ง 3 ชุดเริ่มเก่าลงด้วยความเร็วที่ต่างกัน และความต่างของความเร็วนี้เองที่ทำให้การเสื่อมสภาพมองไม่เห็น

ผู้ผลิตชิ้นส่วนสัญชาติญี่ปุ่นแห่งหนึ่งในประเทศไทย ซึ่งบทความนี้จะเรียกว่าโรงงานตัวอย่าง ได้วัดความคลาดเคลื่อนของข้อมูลหลักทั้ง 3 ชุดหลังใช้งานครบ 1 ปี ผลออกมาดังนี้

การคำนวณคือ 42 / 210 = 20.0%, 74 / 620 = 11.9% และ 75 / 96 = 78.1% ตามลำดับ

ชุดที่เก่าที่สุดคือลีดไทม์และล็อตสั่งซื้อ ซึ่งไม่มีใครถูกกำหนดให้รับผิดชอบการอัปเดต

พอเอาตารางนี้ให้ดู ผู้จัดการโรงงานส่วนใหญ่จะตอบสนองกับตัวเลข 20.0% ของ BOM ก่อน แต่ตัวที่อันตรายจริงคือ 78.1% เราจะไล่ดูทีละชุด

รายการวัสดุ (BOM) เก่าลงด้วยความเร็วของการแก้ไขแบบ: ช่องว่างระหว่าง E-BOM กับ M-BOM

ความเร็วที่ BOM เก่าลงถูกกำหนดด้วยความถี่ของการแก้ไขแบบ โดยที่โรงงานตัวอย่างมี 210 รายการต่อปี เทียบเป็นวันทำงานแล้วเกือบวันละ 1 รายการ ในจำนวนนี้มี 42 รายการที่ยังไม่ถูกอัปเดตเข้าระบบ

จุดที่ตกหล่นมักเป็นจุดเดิม คือระหว่าง E-BOM ที่ฝ่ายออกแบบถืออยู่ กับ M-BOM ที่ฝ่ายผลิตใช้งาน E-BOM ถูกจัดตามโครงสร้างเชิงหน้าที่ของผลิตภัณฑ์ ส่วน M-BOM ถูกจัดตามลำดับขั้นตอนการประกอบและหน่วยที่สั่งซื้อจริง ทั้งคู่อธิบายผลิตภัณฑ์เดียวกันแต่ความละเอียดต่างกัน งานแปลงการเปลี่ยนแปลงของ E-BOM ลงไปที่ M-BOM จึงไม่ถูกทำอัตโนมัติ แต่ใช้คนแปล และตรงนี้เองที่ของหล่น

ไม่ใช่เรื่องแปลกที่การแก้ไขแบบถูกตัดสินที่สำนักงานใหญ่ในญี่ปุ่น แบบส่งมาถึงไทยแล้ว แต่การอัปเดต M-BOM ถูกวางไว้ให้ฝ่ายวิศวกรรมการผลิตฝั่งไทยทำตอนว่าง เพราะแบบมาถึงแล้ว จึงไม่มีใครพูดว่า “ข้อมูลไม่มา” แต่สิ่งที่ MRP อ่านมีเพียง M-BOM เท่านั้น

ความคลาดเคลื่อนนี้สร้างอาการ 2 อย่างที่มาเป็นคู่เสมอ อย่างแรกคือสต๊อกตายจากการสั่งซื้อชิ้นส่วนที่ยกเลิกไปแล้วต่อไปเรื่อย ๆ อย่างที่สองคือของขาดจากการตกหล่นในการจัดหาชิ้นส่วนใหม่ ความรู้สึกของหน้างานที่ว่า “สต๊อกก็เยอะแต่ของยังขาด” ส่วนใหญ่คือสองอาการนี้เกิดพร้อมกัน ไม่ใช่ปัญหาเรื่องปริมาณสต๊อก

สต๊อกเก่าลงด้วยความเร็วรายวัน กลไกที่ทำให้ระบบจุดสั่งซื้อพลาดเป้า

ข้อมูลหลักสต๊อกเสื่อมเร็วที่สุดในบรรดา 3 ชุด ทุกครั้งที่มีการรับเข้าและจ่ายออก ก็เกิดโอกาสที่ตัวเลขในบัญชีกับของจริงจะไม่ตรงกัน ที่โรงงานตัวอย่างพบผลต่าง 74 ไอเทมจาก 620 ไอเทม หรือ 11.9%

ถ้าดูแค่ตัวเลข 11.9% จะเล็กกว่า 20.0% ของ BOM แต่ความหมายต่างกัน ความคลาดเคลื่อนของ BOM จำกัดอยู่เฉพาะไอเทมที่มีการเปลี่ยนแปลง ในขณะที่ความคลาดเคลื่อนของสต๊อกเกิดได้กับทุกไอเทม และเกิดขึ้นทุกวัน ต่อให้ตรวจนับสต๊อกจริงปีละครั้งเพื่อปรับให้ตรง มันก็ตรงเฉพาะวันที่ตรวจนับเท่านั้น

เวลาสต๊อกเพี้ยน สิ่งแรกที่พังไม่ใช่ MRP แต่คือการควบคุมด้วยจุดสั่งซื้อ ระบบจุดสั่งซื้อทำงานด้วยกติกาที่ว่า “สั่งซื้อเมื่อสต๊อกต่ำกว่าจุดสั่งซื้อ” ดังนั้นถ้าตัวเลขสต๊อกที่มันอ่านมากกว่าของจริง มันจะไม่รู้ว่าหลุดจุดสั่งซื้อไปแล้ว กว่าจะรู้ตัวก็คือของจริงเป็นศูนย์และต้องสั่งแบบเร่งด่วน ในทางกลับกัน ถ้าตัวเลขน้อยกว่าของจริง ก็จะเกิดการสั่งซื้อที่ไม่จำเป็นและสต๊อกพอกขึ้น เพราะจุดสั่งซื้อมองอินพุตเพียงตัวเดียวคือจำนวนสต๊อก ความแม่นยำของสต๊อกที่แย่ลงจึงกลายเป็นความผิดพลาดของเอาต์พุตโดยตรง

แนวคิดเรื่องสต๊อกโดยตรง เช่น การออกแบบสต๊อกที่เหมาะสมโดยแยกเป็น safety stock กับสต๊อกหมุนเวียน ได้อธิบายไว้ใน แนวคิดการบริหารสต๊อกให้อยู่ในระดับที่เหมาะสม สิ่งที่อยากให้จำไว้ตรงนี้คือ สูตร safety stock ที่เขียนว่า ค่าสัมประสิทธิ์ความปลอดภัย × ส่วนเบี่ยงเบนมาตรฐานของความต้องการ × √(ลีดไทม์ + รอบการสั่งซื้อ) มีลีดไทม์อยู่ในสูตรด้วย พูดอีกอย่างคือข้อมูลหลักชุดที่ 3 ฝังอยู่ในการคำนวณระดับสต๊อกที่เหมาะสมด้วยเช่นกัน

ลีดไทม์และล็อตสั่งซื้อเก่าลงด้วยความเร็วนอกบริษัท จุดบอดของอัตราความคลาดเคลื่อน 78.1%

และตรงนี้คือจุดที่แย่ที่สุด อัตราความคลาดเคลื่อน 78.1% จากการเปลี่ยนแปลง 96 รายการที่เกิดขึ้นฝั่งซัพพลายเออร์ มี 75 รายการที่ไม่ถูกอัปเดตเข้าระบบ

ทำไมถึงถูกปล่อยทิ้งไว้ขนาดนี้ เหตุผลง่ายมาก เพราะไม่มีการกำหนดผู้รับผิดชอบการอัปเดตเอาไว้เลย ในขณะที่ BOM มีกระบวนการทำงานชื่อการแก้ไขแบบ มีแบบฟอร์มควบคุมการเปลี่ยนแปลง และมีผู้อนุมัติ สต๊อกมีงานประจำปีชื่อการตรวจนับ และมีผู้มีส่วนได้เสียคือฝ่ายบัญชี แต่การเปลี่ยนลีดไทม์และล็อตสั่งซื้อมาถึงด้วยอีเมลฉบับเดียวจากพนักงานขายของซัพพลายเออร์ ถูกประมวลผลจบอยู่ในหัวของเจ้าหน้าที่จัดซื้อ และไม่มีใครในผังองค์กรที่แบกหน้าที่ต้องอัปเดตข้อมูลหลักชุดนี้

ที่ยุ่งกว่านั้นคือมันเปลี่ยนด้วยความเร็วนอกบริษัท BOM คือการตัดสินใจด้านออกแบบของเราเอง สต๊อกคือคุณภาพงานของเราเอง แต่ลีดไทม์ขยับตามกำลังการผลิตของซัพพลายเออร์ ความหนาแน่นของโลจิสติกส์ และภาวะตลาดวัตถุดิบ ต่อให้เราไม่ทำอะไรเลย มันก็เก่าลงเอง

และอาการก็แสดงออกยาก ถ้าลีดไทม์ที่ลงทะเบียนไว้สั้นกว่าความจริง MRP จะตัดสินต่อไปเรื่อย ๆ ว่า “ยังไม่ต้องสั่ง” และการสั่งซื้อจะเฉียดฉิวทุกครั้ง ถ้าล็อตสั่งซื้อเก่า ทุกครั้งที่สั่งจะมีโทรศัพท์จากซัพพลายเออร์ว่ารับจำนวนเท่านี้ไม่ได้ แล้วเจ้าหน้าที่จัดซื้อก็แก้จำนวนด้วยมือ ทั้งสองกรณีคนเป็นผู้ดูดซับปัญหาไว้เอง ข้อเท็จจริงที่ว่าตัวเลขในระบบผิดจึงไม่เคยขึ้นไปถึงระดับบริหาร อัตราความคลาดเคลื่อน 78.1% สะสมอยู่ในที่แบบนั้น ที่ไม่มีใครมองเห็น

ความแม่นยำ BOM 98% หมายถึงอะไร ช่องว่างระหว่างระดับไอเทมกับระดับผลิตภัณฑ์

จากตรงนี้คือประเด็นที่บทความนี้อยากสื่อมากที่สุด

ปกติแล้วเราพูดถึงความแม่นยำ BOM ในระดับไอเทม เช่นประโยคที่ว่า “ความแม่นยำ BOM ของเราอยู่ที่ 98%” ซึ่งหมายความว่าไอเทมที่ลงทะเบียนไว้ทั้งหมด 98% ถูกต้อง ฟังดูเป็นตัวเลขที่ไม่เลว

แต่สิ่งที่ตัดสินว่า MRP จะล้มเหลวหรือไม่ ไม่ได้อยู่ที่ระดับไอเทม แต่อยู่ที่ระดับผลิตภัณฑ์ เวลาจัดหาชิ้นส่วนให้ผลิตภัณฑ์หนึ่ง ถ้าชิ้นส่วนที่ประกอบเป็นผลิตภัณฑ์นั้นมีเพียงชิ้นเดียวที่ปริมาณความต้องการผิด การจัดหาของผลิตภัณฑ์นั้นก็ล้มเหลว ต่อให้ชิ้นส่วนอื่นถูกหมด ผิดแค่จุดเดียวไลน์ก็หยุด

ดังนั้น ถ้าให้ n คือจำนวนชิ้นส่วนเฉลี่ยต่อผลิตภัณฑ์ 1 ชิ้น และ p คือความแม่นยำ BOM ระดับไอเทม ความน่าจะเป็นที่การคำนวณความต้องการของผลิตภัณฑ์นั้นถูกต้องครบทุกชิ้นส่วนจะเท่ากับ p^n ซึ่งเป็นค่าภายใต้สมมติฐานว่าความผิดพลาดของแต่ละไอเทมเกิดขึ้นอย่างเป็นอิสระต่อกัน

โรงงานตัวอย่างมีจำนวนชิ้นส่วนเฉลี่ยต่อผลิตภัณฑ์ 35 ชิ้น เมื่อแทนค่า n = 35 จะได้ผลดังนี้

ระดับไอเทม 98% คือระดับผลิตภัณฑ์ 49% ความแม่นยำ BOM ถ้าพูดในระดับไอเทมจะประเมินสูงเกินจริงเสมอ

มาแยกความหมายของตัวเลขกัน ยกกำลัง 35 ของ 98.0% ระดับไอเทมได้ 49.3% ความแม่นยำระดับไอเทม 98.0% ที่ฟังดู “ไม่เลว” จึงหมายความว่าในผลิตภัณฑ์ที่ประกอบจากชิ้นส่วน 35 ชิ้น จะมีการจัดหาที่เพี้ยน 1 ใน 2 ผลิตภัณฑ์ นั่นคือครึ่งหนึ่งของผลิตภัณฑ์ที่อยู่ในแผนการผลิตจะมีชิ้นส่วนบางอย่างขาดหรือเกิน ซึ่งน่าจะตรงกับความรู้สึกของหน้างาน

ต่อให้ยกขึ้นไปถึง 99.0% ระดับผลิตภัณฑ์ก็ได้เพียง 70.3% คือยังเพี้ยน 1 ใน 3 ผลิตภัณฑ์ ยกขึ้นไปถึง 99.5% ก็ได้ 83.9% ซึ่งยังมีผลิตภัณฑ์ที่ล้มเหลวเหลืออยู่พอสมควร ระดับที่ใช้งานได้จริงในระดับผลิตภัณฑ์ นั่นคือ 96.6% จะไปถึงก็ต่อเมื่อระดับไอเทมแตะ 99.9% เท่านั้น

จากตรงนี้พูดได้ 2 เรื่อง

เรื่องแรก ถ้าจะใช้ความแม่นยำ BOM ระดับไอเทมเป็นค่าเป้าหมาย เป้าหมายมีทางเดียวคือ 99.9% แผนปรับปรุงที่บอกว่า “เอา 98.0% ก่อนเป็นอันดับแรก” ต่อให้ทำสำเร็จก็ไปถึงแค่สภาพที่ผลิตภัณฑ์ครึ่งหนึ่งยังล้มเหลว จึงไม่มีความหมายแม้ในฐานะเป้าหมายระหว่างทาง ถ้ามองระดับไอเทม 98.0% กับ 99.9% ต่างกันนิดเดียว แต่ในระดับผลิตภัณฑ์คือ 49% กับ 97% หรือต่างกันเกือบเท่าตัว ผลตอบแทนของการลงทุนปรับปรุงกระจุกตัวอยู่ใกล้เพดานของความแม่นยำ

เรื่องที่สอง ผลิตภัณฑ์ที่มีจำนวนชิ้นส่วนมาก ผลกระทบนี้จะยิ่งทวีแบบไม่เป็นเส้นตรง ที่ความแม่นยำระดับไอเทม 98% เท่ากัน ผลิตภัณฑ์ที่มีชิ้นส่วน 10 ชิ้นกับ 60 ชิ้นจะมีอัตราความสำเร็จระดับผลิตภัณฑ์ต่างกันโดยสิ้นเชิง ยิ่งเป็นโรงงานที่จำนวนชิ้นส่วนพองขึ้นจากการผลิตตามคำสั่งซื้อเฉพาะราย หรือการผลิตหลากหลายรุ่นปริมาณน้อย ตัวชี้วัดความแม่นยำระดับไอเทมยิ่งประเมินสภาพจริงสูงเกินไป เหตุที่รายงานซึ่งเขียนว่า “ความแม่นยำ BOM อยู่ในเกณฑ์ดี” อยู่ร่วมกับความโกลาหลของหน้างานได้ ก็เพราะวิธีเก็บตัวชี้วัดไม่ได้สะท้อนอัตราความล้มเหลวระดับผลิตภัณฑ์ตั้งแต่แรก

อนึ่ง การคำนวณนี้ตั้งสมมติฐานว่าความผิดพลาดเกิดขึ้นอย่างเป็นอิสระต่อกัน ในความเป็นจริงมีความสัมพันธ์กันอยู่ เช่น ชิ้นส่วนหลายชิ้นที่ผูกกับการแก้ไขแบบเดียวกันผิดพร้อมกันเป็นชุด ค่าความน่าจะเป็นที่เข้มงวดจึงอาจออกมาสูงกว่านี้ได้ ถึงอย่างนั้นทิศทางของข้อสรุปก็ไม่เปลี่ยน ความแม่นยำระดับไอเทมมีอคติไปทางเดียว คือดูดีกว่าความสามารถจริงในระดับผลิตภัณฑ์เสมอ

ข้อมูลหลักชุดที่ 4 ของโรงงานในประเทศไทย max stock และสูตรการผลิตของ BOI ในฐานะบัญชีอีกเล่ม

ข้อมูลหลัก 3 ชุดที่ผ่านมาเหมือนกันหมดไม่ว่าโรงงานจะอยู่ประเทศไหน แต่ถ้าโรงงานตั้งอยู่ในประเทศไทย จะมีข้อมูลหลักชุดที่ 4 อยู่จริงในทางปฏิบัติ นั่นคือบัญชีวัตถุดิบของ BOI

กรณีที่ใช้สิทธิประโยชน์จาก BOI ซึ่งคือคณะกรรมการส่งเสริมการลงทุนของไทย เพื่อนำเข้าวัตถุดิบแบบยกเว้นอากร วัตถุดิบเหล่านั้นจะถูกบริหารในกรอบที่แยกจากสต๊อกปกติในทางภาษี แต่ละไอเทมจะมี max stock ที่ได้รับอนุมัติ ซึ่งคือปริมาณสูงสุดที่ถือครองแบบยกเว้นอากรได้ และมีสูตรการผลิตที่นิยามปริมาณวัตถุดิบที่ใช้ต่อผลิตภัณฑ์ 1 หน่วย ยอดคงเหลือของวัตถุดิบที่ถือครองแบบยกเว้นอากรจะถูกบริหารด้วยการนำปริมาณที่นำเข้ามาหักด้วยปริมาณการใช้ที่คำนวณจากสูตรการผลิต พูดอีกอย่างคือ นอกจากบัญชีสต๊อกจริงแล้ว ยังมีบัญชีสต๊อกทางภาษีเดินคู่ขนานอยู่อีกเล่มหนึ่ง

ในขั้นตอนพิธีการนำเข้าเอง หนังสืออนุมัติการยกเว้นหรือลดหย่อนอากรของ BOI กับเอกสารใบขนสินค้าขาเข้าก็ถูกนำมาตรวจสอบเทียบกัน การที่บัญชีไม่ตรงกับสภาพจริงจึงไม่จบแค่เรื่องความละเอียดของงานบริหารจัดการ

จุดที่มีผลตรงนี้คือความสัมพันธ์ระหว่างสูตรการผลิตกับ BOM จริง สูตรการผลิตเป็นตัวเลขที่มาจาก BOM แต่ไม่ได้ถูกอัปเดตทุกครั้งที่มีการแก้ไขแบบเหมือน BOM เมื่อการแก้ไขแบบทำให้จำนวนต่อหน่วยเปลี่ยน การใช้วัตถุดิบจริงย่อมเปลี่ยน แต่สูตรการผลิตที่ลงทะเบียนไว้กับ BOI ไม่เปลี่ยน ความคลาดเคลื่อนของ BOM ที่เห็นในหัวข้อก่อนหน้าจึงลามไปเป็นช่องว่างกับบัญชีเล่มที่ 4 นี้ด้วยเส้นทางเดียวกัน อัตราความคลาดเคลื่อนของ BOM 20.0% ไม่ได้กลายเป็นอัตราความคลาดเคลื่อนของสูตรการผลิตแบบหนึ่งต่อหนึ่ง แต่คุณสมบัติที่ว่าถูกปล่อยทิ้งไว้โดยไม่อัปเดตนั้นเหมือนกัน

พูดง่าย ๆ คือที่ฐานการผลิตในไทย ความคลาดเคลื่อนของข้อมูลหลักส่งผลผ่าน 2 เส้นทาง เส้นทางแรกคือเส้นทางการผลิตและเงินทุนในรูปของขาดกับสต๊อกส่วนเกิน อีกเส้นทางคือเส้นทางภาษี ถ้าสำนักงานใหญ่ในญี่ปุ่นคิดว่า “ความแม่นยำ BOM และความแม่นยำสต๊อกมี 98% ก็พอแล้ว” นั่นคือเกณฑ์ที่มองเห็นเพียงเส้นทางแรก

ปี 2026 เกิดอะไรขึ้นกับลีดไทม์การจัดหาวัสดุในประเทศไทย

เราบอกไปแล้วว่าลีดไทม์ซึ่งเป็นข้อมูลหลักชุดที่ 3 เก่าลงด้วยความเร็วนอกบริษัท แล้วในประเทศไทยปี 2026 ความเร็วนอกบริษัทนั้นเป็นอย่างไร

ดัชนี PMI ภาคการผลิตของไทยที่ S&P Global เผยแพร่อยู่ที่ 54.2 ในเดือนกรกฎาคม 2026 เพิ่มขึ้นจาก 53.6 ในเดือนมิถุนายน และเป็นระดับสูงสุดนับตั้งแต่เดือนธันวาคม 2025 เนื่องจาก 50 คือเส้นแบ่งระหว่างการขยายตัวกับการหดตัว กิจกรรมภาคการผลิตจึงอยู่ฝั่งขยายตัวอย่างชัดเจน

อย่างไรก็ตาม สิ่งที่ฝ่ายจัดซื้อควรดูไม่ใช่ดัชนีรวม แต่คือรายละเอียดย่อย ในการสำรวจชุดเดียวกันมีรายงานว่ากิจกรรมการจัดซื้อเพิ่มขึ้นด้วยความเร็วสูงสุดนับตั้งแต่เดือนมีนาคม ระยะเวลาส่งมอบของปัจจัยการผลิตยืดยาวขึ้นแม้จะเล็กน้อย และงานค้างส่งสะสมเพิ่มขึ้น

สภาพที่ทั้ง 3 อย่างนี้เกิดพร้อมกัน มีความหมายชัดเจนเมื่อมองจากฝั่งจัดหา คือโรงงานรอบตัวกำลังเพิ่มคำสั่งซื้อพร้อมกัน งานค้างส่งของซัพพลายเออร์ยาวขึ้น และผลที่ตามมาคือกำหนดส่งมอบเริ่มยืดออก ลีดไทม์ที่ลงทะเบียนไว้ในข้อมูลหลักมีความเป็นไปได้สูงว่าเป็นค่าที่ยืนยันไว้ในช่วงที่อุปสงค์อ่อนแรง ช่วงที่เศรษฐกิจพลิกเข้าสู่การขยายตัวคือช่วงที่ข้อมูลหลักลีดไทม์เก่าลงเร็วที่สุด

ยิ่งไปกว่านั้น ในกรณีของไทย วัสดุส่วนใหญ่มาจากการนำเข้า ลีดไทม์การจัดหาจึงมีทั้งการขนส่งทางทะเลและทางอากาศรวมอยู่ด้วย การขนส่งทางทะเลมีต้นทุนต่ำแต่แกว่งมาก และรับผลกระทบโดยตรงจากความหนาแน่นและการจัดเรือ ส่วนการขนส่งทางอากาศเร็วแต่ราคาต่อหน่วยสูง และในทางปฏิบัติถูกใช้เป็นตัวรองรับการสั่งซื้อแบบเร่งด่วน จุดสำคัญอยู่ตรงนี้ เมื่อข้อมูลหลักลีดไทม์ยังเก่าอยู่แล้วเกิดของขาด การอุดช่องว่างนั้นจะกลายเป็นการขนส่งทางอากาศโดยอัตโนมัติ นั่นคือการสั่งซื้อแบบเร่งด่วน การขาดความสดใหม่ของข้อมูลหลักจึงปรากฏบนใบแจ้งหนี้ทุกเดือนในรูปของค่าขนส่ง

เหตุผลที่ฐานการผลิตในไทยควรตั้งเป้าความแม่นยำสต๊อกสูงกว่าญี่ปุ่น

เมื่อสรุปทั้งหมดข้างต้น เหตุผลที่ฐานการผลิตในไทยควรตั้งเป้าความแม่นยำสต๊อกและความแม่นยำ BOM สูงกว่าญี่ปุ่นมี 3 ข้อ

ข้อแรก ความคลาดเคลื่อนเชื่อมตรงไปยังความเสี่ยงด้านภาษี บัญชีวัตถุดิบของ BOI ต้องสอดคล้องกับสต๊อกจริง และความสอดคล้องนี้ขึ้นกับทั้งความแม่นยำสต๊อกและความแม่นยำ BOM ในโรงงานที่ญี่ปุ่น ผลต่างจากการตรวจนับสต๊อกถูกบันทึกเป็นผลขาดทุนจากการตรวจนับแล้วจบ แต่ในไทยยังเหลือการกระทบยอดกับบัญชีเล่มที่ 4

ข้อที่สอง ต้นทุนการกู้สถานการณ์สูงกว่า เวลาเกิดของขาด ที่ญี่ปุ่นสามารถให้ซัพพลายเออร์ในประเทศส่งของมาในวันรุ่งขึ้นได้ ส่วนไทยต้องจัดการขนส่งทางอากาศสำหรับวัสดุนำเข้า ต้นทุนการกู้คืนต่อครั้งจึงต่างกัน ที่ความแม่นยำสต๊อกเท่ากัน ความเสียหายเป็นตัวเงินจากความแม่นยำที่ขาดไปจะใหญ่กว่า

ข้อที่สาม เมื่อลีดไทม์ยาว เวลาที่ความผิดพลาดจะปรากฏตัวก็ยาวตามไปด้วย ถ้าลีดไทม์การจัดหายาว ความผิดพลาดในการคำนวณของวันนี้จะปรากฏเป็นของขาดในอีกหลายสัปดาห์ถัดไป และตอนนั้นความผิดพลาดชุดถัดไปก็สะสมไว้แล้ว ในระบบที่การตรวจพบความผิดพลาดล่าช้า ทางเลือกที่เหลือคือยกระดับความแม่นยำของฝั่งที่ป้อนข้อมูลเข้าไป เพื่อไม่ให้ความผิดพลาดเข้ามาตั้งแต่ต้น

ผลลัพธ์และ ROI ของการนำระบบ MRP มาใช้ อย่านับมูลค่าการลดสต๊อกส่วนเกินซ้ำทุกปี

จากตรงนี้เป็นเรื่องความคุ้มค่าของการลงทุน ประเด็นที่สองที่บทความนี้อยากสื่อคือความผิดพลาดในการคำนวณที่เกิดขึ้นแทบทุกครั้งในเอกสารขออนุมัติงบประมาณ

สมมติฐานของโรงงานตัวอย่าง

ขอวางสมมติฐานของการคำนวณไว้ก่อน

ขอแสดงวิธีคิดทีละขั้น มูลค่าการใช้วัสดุต่อวันคือ 57,600,000 / 365 = 157,808 THB จำนวนวันสต๊อกในปัจจุบันคือ 9,600,000 / 157,808 = 60.8 วัน ซึ่งด้านล่างจะเขียนเป็น 61 วัน หากผลจากการที่ MRP ทำให้ลด safety stock ที่กองไว้ลงได้ ทำให้จำนวนวันสต๊อกเหลือ 46 วัน ก็เท่ากับลดลงราว 15 วัน มูลค่าสต๊อกที่ลดลงคือ 157,808 × 15 = 2,367,000 THB โดยปัดเป็นหลักพัน THB

ขอย้ำอีกครั้งว่าการลดลง 15 วันนี้ไม่ได้เกิดขึ้นเองโดยอัตโนมัติ มันเป็นตัวเลขที่มีเงื่อนไข คือต่อเมื่อข้อมูลหลักทั้ง 3 ชุดอยู่ในสภาพที่เชื่อถือได้แล้วเท่านั้น หน้างานจึงจะยอมปล่อยมือจาก “สต๊อกส่วนเกินที่ถือไว้เป็นประกัน” ได้ หากยังอยู่ในขั้นเปรียบเทียบวิธีถือสต๊อกอยู่ ขอแนะนำให้อ่าน การเปรียบเทียบระบบบริหารสต๊อกของโรงงาน ประกอบด้วย

รายละเอียดของผลที่เกิดขึ้นต่อเนื่อง

ผลที่เกิดขึ้นทุกปีมี 3 รายการ

บรรทัดที่ 1 เมื่อสต๊อกลดลง 2,367,000 THB ค่าใช้จ่ายในการเก็บสต๊อกนั้นไว้จะประหยัดได้ทุกปี ทั้งพื้นที่คลัง ชั้นวาง ค่าประกัน แรงงานในการรับเข้าจ่ายออกและตรวจนับ รวมถึงการตัดทิ้งจากการเสื่อมสภาพและล้าสมัย หากตีค่าเหล่านี้เป็น 6% ของมูลค่าสต๊อก จะได้ 2,367,000 × 0.06 = 142,020 THB ต่อปี สต๊อกที่ลดไปแล้วจะไม่ลดลงเพิ่มอีกเองในปีถัดไป แต่ค่าใช้จ่ายที่เคยเสียทุกปีเพื่อถือสต๊อกนั้นไว้จะไม่เกิดขึ้นอีกตั้งแต่ปีถัดไปเป็นต้นไป การปลดปล่อยเงินทุนหมุนเวียนเพียงครั้งเดียวจำนวน 2,367,000 THB กับค่าใช้จ่ายในการถือครองที่หายไปทุกปีจำนวน 142,020 THB เป็นคนละเรื่องกัน จุดนี้คือทางแยกของการอภิปรายในหัวข้อถัดไป

อนึ่ง การที่ไม่บวกต้นทุนค่าเสียโอกาสของเงินทุน ซึ่งคือดอกเบี้ยเทียบเท่าของเงินทุนหมุนเวียนที่จมอยู่ เข้าไปด้วยนั้นเป็นความตั้งใจ เงิน 2,367,000 THB ที่ถูกปลดปล่อยออกมาจะถูกนำไปหักกลบกับเงินลงทุนเริ่มต้นเพียงครั้งเดียวตามที่จะกล่าวต่อไป สมมติฐานที่ว่าใช้เงินต้นก้อนนั้นจ่ายค่าลงทุน พร้อมกับรับผลตอบแทนที่เงินต้นก้อนเดียวกันควรจะสร้างได้จากภายนอกทุกปีด้วย จึงอยู่ร่วมกันไม่ได้ เพราะเป็นรูปแบบเดียวกับการนับซ้ำที่บทความนี้กำลังวิจารณ์อยู่ เราจึงวางไว้ในผลที่เกิดขึ้นต่อเนื่องเฉพาะค่าเก็บรักษาเท่านั้น

บรรทัดที่ 2 สมมติว่าจำนวนครั้งของการสั่งซื้อแบบเร่งด่วนลดจาก 24 ครั้งต่อปีเหลือ 8 ครั้ง หากค่าใช้จ่ายเพิ่มเติมต่อครั้ง ซึ่งรวมการเปลี่ยนไปใช้การขนส่งทางอากาศ ค่าเพิ่มของล็อตเล็ก และชั่วโมงงานรับมือภายใน อยู่ที่ 38,000 THB จะได้ (24 – 8) × 38,000 = 608,000 THB ต่อปี รายการนี้ใหญ่ที่สุดสำหรับโรงงานตัวอย่าง เพราะโครงสร้างวัสดุนำเข้าของไทยทำให้ต้นทุนการกู้คืนของการขาดของ 1 ครั้งสูง

บรรทัดที่ 3 สมมติว่าชั่วโมงงานที่ใช้ไปกับการคำนวณความต้องการด้วยมือและการกระทบยอดระหว่าง Excel กับระบบ ลดจาก 768 ชั่วโมงต่อปีเหลือ 216 ชั่วโมง หากคิดค่าแรงชั่วโมงละ 380 THB จะได้ (768 – 216) × 380 = 209,760 THB ต่อปี

รวมทั้งหมดคือ 142,020 + 608,000 + 209,760 = 959,780 THB ต่อปี

ฝั่งการลงทุนเป็นดังนี้

จุดที่อยากให้สังเกตคือ ในเงินลงทุนเริ่มต้น 3,500,000 THB มี 900,000 THB ที่ถูกจัดสรรให้การจัดเตรียมข้อมูลหลัก ตามเจตนารมณ์ของบทความนี้ถือเป็นการจัดสรรที่สมเหตุสมผล แต่ในใบเสนอราคาจริง บรรทัดนี้มักถูกกลบอยู่ใน “การสนับสนุนการติดตั้ง” และถูกประเมินเป็นศูนย์ การติดตั้งที่ตัดงบจัดเตรียมข้อมูลหลักออกไป คือการติดตั้งที่มีแต่ระบบเท่านั้นที่ทำงานถูกต้อง

เมื่อหักค่าบำรุงรักษารายปี 390,000 THB ออก ผลประโยชน์สุทธิต่อปีคือ 959,780 – 390,000 = 569,780 THB ต่อปี

ระยะเวลาคืนทุนที่ถูกต้องคือ 2.0 ปี กับที่ผิดคือ 1.3 ปี

ทีนี้ เข้าเรื่องหลักกัน

มูลค่าสต๊อกที่ลดลง 2,367,000 THB คือการปลดปล่อยเงินทุนหมุนเวียนเพียงครั้งเดียว เมื่อลดสต๊อกจาก 61 วันเหลือ 46 วัน เงินเท่ากับ 15 วันจะกลับมาเป็นเงินสดในจังหวะนั้น แต่ในปีถัดไป สต๊อกอยู่ที่ 46 วันอยู่แล้ว จึงไม่ลดลงเองอีก พูดอีกอย่างคือ 2,367,000 THB เป็นเงินรับเข้าครั้งเดียวในกระแสเงินสด ไม่ใช่ผลประโยชน์รายปี

ดังนั้นวิธีจัดการที่ถูกต้องคือหักออกจากเงินลงทุนเริ่มต้น

• เงินลงทุนสุทธิ = 3,500,000 – 2,367,000 = 1,133,000 THB
• ระยะเวลาคืนทุน = 1,133,000 / 569,780 = 2.0 ปี

ในทางกลับกัน สิ่งที่เห็นบ่อยในเอกสารขออนุมัติงบประมาณคือการคำนวณแบบต่อไปนี้ คือรูปแบบที่เอามูลค่าสต๊อกที่ลดลงไปลงเป็นผลประโยชน์รายปี

• ผลประโยชน์สุทธิต่อปีที่ผิด = 2,367,000 + 608,000 + 209,760 – 390,000 = 2,794,760 THB ต่อปี
• ระยะเวลาคืนทุนที่ผิด = 3,500,000 / 2,794,760 = 1.3 ปี

ความผิดพลาดนี้สังเกตยากด้วยเหตุผล 2 ข้อ ข้อแรกคือส่วนต่างของระยะเวลาคืนทุนอยู่ที่ 1.3 ปีกับ 2.0 ปี ซึ่งทั้งคู่ดูอยู่ในกรอบ “คืนทุนราว 2 ปี” เหมือนกัน ไม่ใช่ส่วนต่างที่จะถูกเบรกในชั้นทบทวนเอกสาร ข้อที่สองคือเมื่อเอามูลค่าสต๊อกที่ลดลงไปกองเป็นผลรายปี บรรทัดค่าเก็บรักษา 142,020 THB จะหายไปและถูกแทนที่ด้วย 2,367,000 THB ทำให้เผิน ๆ ดูเหมือนตารางถูกจัดระเบียบให้เรียบร้อยขึ้นเสียด้วยซ้ำ

แต่ความผิดพลาดนี้จะขยายตัวเมื่อเวลาผ่านไป

ถ้าเอาการลดสต๊อกไปกองเป็นผลรายปี ภายใน 5 ปีจะพองขึ้น 6.1 เท่า

ลองเทียบกระแสเงินสดสุทธิสะสม 5 ปี

ในการคำนวณที่ถูกต้อง เงิน 2,367,000 THB จากการลดสต๊อกเข้ามาเพียงครั้งเดียวในปีแรก หลังจากนั้นจะสะสมปีละ 569,780 THB ยอดสะสมจึงเป็น 1,715,900 THB ส่วนการคำนวณที่ผิดตั้งอยู่บนสมมติฐานว่าเงิน 2,367,000 THB เข้ามา 5 ครั้ง ยอดสะสมจึงพองเป็น 10,473,800 THB ส่วนต่างคือ 8,757,900 THB หรือคิดเป็นราว 6.1 เท่า

เหตุที่ในภาพ เส้นของการคำนวณที่ถูกต้องอยู่สูงกว่าเฉพาะปีที่ 1 ก็เพราะเงิน 2,367,000 THB จากการลดสต๊อกเข้ามาเป็นก้อนเดียวในปีแรก ตั้งแต่ปีที่ 2 เป็นต้นไป การคำนวณที่ผิดจะบวกเพิ่ม 2,367,000 THB ซ้ำทุกปี จึงแซงขึ้นไปหลังจากผ่านหลัก 1 ปีไปได้ไม่นาน และหลังจากนั้นก็ถ่างออกอย่างเดียว

ในทางปฏิบัติจะเกิดอะไรขึ้น ถ้าเขียนลงในเอกสารขออนุมัติว่า “นำ MRP มาใช้แล้วได้ผลสิบล้าน THB ใน 5 ปี” ก็จะต้องมีคนอธิบายตัวเลขนี้ในรายงานผลงานปีที่ 3 ยอดสะสมที่การคำนวณที่ผิดสัญญาไว้ ณ ปีที่ 3 คือ 4,884,280 THB ในขณะที่ผลกระทบต่อเงินสดจริง ณ สิ้นปีที่ 3 คือยอดสะสมบวก 576,340 THB ซึ่งถือว่าไม่เลวสำหรับตัวเลขที่เพิ่งผ่านจุดคืนทุนมาหมาด ๆ แต่เมื่อเทียบกับสิ่งที่สัญญาไว้ มันดูเหมือนได้แค่หนึ่งในสิบกว่า ๆ สิ่งที่จะเกิดขึ้นต่อจากนั้นคือการเปลี่ยนนิยามของการวัดผลเพื่อให้ตัวเลขลงตัว หรือไม่ก็ข้อสรุปที่ว่า “การนำ MRP มาใช้ล้มเหลว” ทั้งสองอย่างเกิดขึ้นด้วยเหตุผลที่ไม่เกี่ยวกับความสามารถของระบบเลย

หลักการเวลาจัดการเรื่องการลดสต๊อกในการตัดสินใจลงทุนนั้นเรียบง่าย การเปลี่ยนแปลงของสต๊อก ซึ่งหมายถึงยอดคงเหลือของสินค้าคงคลัง เกิดขึ้นเพียงครั้งเดียว ส่วนการเปลี่ยนแปลงของโฟลว์ ซึ่งหมายถึงค่าใช้จ่ายรายปี เกิดขึ้นต่อเนื่อง อย่าเอาสองอย่างนี้มาปนกันในตารางเดียวแล้วบวกรวม ถ้าวางมูลค่าสต๊อกที่ลดลงไว้ในรูปของการหักออกจากเงินลงทุนเริ่มต้น ก็ไม่มีทางปนกันได้

อนึ่ง การคำนวณที่ถูกต้องเองก็เป็นการลงทุนที่ดีเพียงพอ คืนทุนใน 2.0 ปี และสะสม 5 ปีเป็นบวก 1,715,900 THB ต่อให้เลิกประเมินสูงเกินจริง ข้อสรุปที่ว่า “คุ้มค่าที่จะทำ” ก็ไม่เปลี่ยน สิ่งที่เปลี่ยนมีเพียงว่าอีก 3 ปีข้างหน้าจะอธิบายได้หรือไม่เท่านั้น

เงื่อนไขที่ MRP ได้ผลและไม่ได้ผลในการผลิตตามคำสั่งซื้อเฉพาะรายและการผลิตหลากหลายรุ่นปริมาณน้อย

เราได้ยินเสียงที่ว่า “โรงงานเราผลิตตามคำสั่งซื้อเฉพาะราย MRP จึงไม่เข้ากัน” อยู่บ่อย ซึ่งถูกครึ่งหนึ่ง และอีกครึ่งหนึ่งเป็นเรื่องของวิธีวางสมมติฐาน

เมื่อเรียบเรียงเงื่อนไขที่ MRP ได้ผล จะได้ดังนี้

การผลิตหลากหลายรุ่นปริมาณน้อยโดยตัวมันเองไม่ได้ชี้ขาดความเข้ากันได้กับ MRP ยิ่งรุ่นเยอะ การคำนวณความต้องการด้วยมือยิ่งพังง่าย จึงยิ่งเป็นงานของเครื่องคำนวณเสียด้วยซ้ำ สิ่งที่เป็นปัญหาคือเงื่อนไขในคอลัมน์ขวา โดยเฉพาะกรณีที่ BOM ยังเปลี่ยนต่อเนื่องหลังเริ่มงาน

อย่างไรก็ตาม ตรงนี้ต้องระวัง โรงงานส่วนหนึ่งที่พูดว่า “BOM ไม่นิ่ง จึงทำ MRP ไม่ได้” บางแห่งเพียงแค่ไม่มีกระบวนการทำงานที่ทำให้ BOM นิ่งเท่านั้น คือไม่มีกฎการจัดการการแก้ไขแบบ แบบอยู่ในเครื่องคอมพิวเตอร์ส่วนตัว และการอัปเดตลง M-BOM ไม่ใช่งานของใครเลย แล้วอธิบายสภาพนี้ว่า “เพราะบริษัทเราผลิตตามคำสั่งซื้อเฉพาะราย” สองเรื่องนี้ต้องแยกวินิจฉัยออกจากกัน ถ้าเป็นแบบแรกคือเรื่องการเปลี่ยนวิธีคำนวณ เช่น การบริหารด้วยเลขที่งาน หรือแบบผสมที่ให้ชิ้นส่วนร่วมใช้ MRP ส่วนชิ้นส่วนเฉพาะใช้การจองด้วยเลขที่งาน แต่ถ้าเป็นแบบหลัง คือเรื่องการออกแบบการใช้งานข้อมูลหลัก ต่อให้เปลี่ยนระบบก็ไม่หาย

ความสัมพันธ์ระหว่างลีดไทม์จัดหากับกำหนดส่งก็สำคัญ ในโรงงานที่ประเทศไทย ลีดไทม์จัดหาของวัสดุนำเข้ามักยาวเกินช่วงเวลาจากรับคำสั่งซื้อถึงกำหนดส่ง ในกรณีนั้นการจัดหาล่วงหน้าก่อนรับคำสั่งซื้อจึงเลี่ยงไม่ได้ พื้นที่นี้ไม่ใช่ของ MRP แต่เป็นพื้นที่ของการตัดสินใจว่าจะจัดหาล่วงหน้าเท่าไร โดยดูจากข้อมูลแผนแจ้งล่วงหน้าและผลงานในอดีต คำตอบที่เป็นจริงได้คือสองชั้น คือชิ้นส่วนร่วมถือสต๊อกตามการคาดการณ์ ส่วนชิ้นส่วนเฉพาะค่อยกระจายด้วย MRP หลังรับคำสั่งซื้อ ถ้าไม่ออกแบบการแยกนี้แล้วเอา MRP ไปใช้กับทุกไอเทม สิ่งที่เหลือไว้จะมีแค่ความรู้สึกว่า “ผลการคำนวณไม่ตรงกับสภาพจริง”

วิธีเดินหน้าการติดตั้ง การออกแบบการใช้งานที่รักษาความสดใหม่ของข้อมูลหลัก

กลับไปที่ตารางอัตราความคลาดเคลื่อนตอนต้น BOM 20.0% สต๊อก 11.9% ลีดไทม์และล็อตสั่งซื้อ 78.1% การสร้างกลไกที่รักษาตัวเลข 3 ตัวนี้ให้ต่ำต่อไปหลังติดตั้ง คือเนื้อหาที่แท้จริงของโครงการนำ MRP มาใช้

กำหนดผู้รับผิดชอบการอัปเดตและความถี่ในการอัปเดตของข้อมูลหลักแต่ละชุด

สิ่งที่ต้องทำก่อนเป็นงานธุรการอย่างยิ่ง คือเขียนลงกระดาษและตัดสินใจให้ชัดสำหรับข้อมูลหลักทั้ง 3 ชุด ว่าอะไรคือทริกเกอร์ของการอัปเดต ใครรับผิดชอบ ความถี่เท่าไร และวัดผลอย่างไร

แถวที่ 3 คือแถวที่ยังว่างเปล่าอยู่ในโรงงานเกือบทุกแห่ง เพียงเติมตรงนี้ให้เต็ม อัตราความคลาดเคลื่อน 78.1% ก็จะลดลงอย่างมาก วิธีการไม่ยาก คือรวบรวมลีดไทม์จริงจากผลการสั่งซื้อและผลการรับเข้าโดยอัตโนมัติ แล้วทำรายการไอเทมที่ค่าต่างจากข้อมูลหลักเกินเกณฑ์ออกมาเป็นรายเดือน ให้เจ้าหน้าที่จัดซื้อตรวจสอบ กลไกระดับนี้ก็เพียงพอที่จะให้รอบการอัปเดตภายในบริษัทแก่ข้อมูลหลักที่เก่าลงด้วยความเร็วนอกบริษัท

หากต้องการออกแบบควบคู่ไปกับการใช้งานการสั่งซื้อเอง การจัดระเบียบระบบบริหารการสั่งซื้อและรับคำสั่งซื้อ ก็เป็นข้อมูลอ้างอิงที่ดี

อีกเรื่องหนึ่งที่อยากเน้นคือความหมายของการกำหนดตัวชี้วัด ในสภาพที่ไม่มีการวัดอัตราความคลาดเคลื่อน การเสื่อมสภาพของข้อมูลหลักจะมองไม่เห็นจากฝ่ายบริหาร และสิ่งที่มองไม่เห็นย่อมไม่กลายเป็นเป้าหมายของการปรับปรุง การเลิกวัดความสำเร็จของการนำ MRP มาใช้ด้วยคำถามว่า “ระบบเดินอยู่หรือไม่” แล้วเปลี่ยนไปวัดด้วยคำถามว่า “อัตราความคลาดเคลื่อนทั้ง 3 ตัวอยู่ที่กี่เปอร์เซ็นต์” คือตัวเนื้อของการออกแบบการใช้งาน

วัดความแม่นยำสต๊อกทุกวันด้วยการนับสต๊อกแบบวนรอบ

สำหรับข้อมูลหลักสต๊อก การตรวจนับสต๊อกจริงปีละครั้งไม่สามารถรักษาความสดใหม่ไว้ได้ ตั้งแต่วันถัดจากการตรวจนับจนถึงการตรวจนับครั้งถัดไป ความแม่นยำสต๊อกจะเสื่อมลงต่อเนื่องโดยไม่ถูกวัด

สิ่งที่ใช้แทนคือการนับสต๊อกแบบวนรอบ หรือ cycle counting คือไม่นับทุกไอเทมพร้อมกันทีเดียว แต่นับไอเทมจำนวนน้อยทุกวัน แล้ววนให้ครบทุกไอเทมภายในระยะเวลาที่กำหนด ถ้าเป็น 620 ไอเทมของโรงงานตัวอย่าง แค่นับวันละไม่กี่ไอเทมก็วนได้ครบทุกไอเทมหลายรอบต่อปี ข้อดีในทางปฏิบัติคือไม่ต้องหยุดไลน์ และทำให้ติดเป็นงานประจำวันได้

แก่นของการนับสต๊อกแบบวนรอบไม่ได้อยู่ที่การทำให้สต๊อกตรง แต่อยู่ที่การหาสาเหตุของผลต่างให้เจอทุกวัน ต่อให้การตรวจนับปีละครั้งพบผลต่าง 74 ไอเทม ก็ไล่ไม่ได้ว่าผลต่างนั้นเกิดขึ้นเมื่อไรและเพราะอะไร แต่ถ้านับทุกวัน ก็จะตามรอยไอเทมที่มีผลต่างได้ว่า “การรับเข้าจ่ายออกล่าสุดคือรายการไหน” และระบุได้ว่าเป็นการลืมลงบันทึก วางผิดที่ หรือการจ่ายเกินจากจำนวนต่อหน่วยที่ผิด กรณีสุดท้ายนี้ที่จริงคือความผิดพลาดของ BOM ที่โผล่ออกมาในรูปของผลต่างสต๊อก ข้อมูลหลักทั้ง 3 ชุดไม่ได้เป็นอิสระต่อกัน แต่เปิดโปงความผิดพลาดของกันและกันแบบนี้

หากจะจัดลำดับความสำคัญ ให้นับไอเทมที่มูลค่าสูงและไอเทมที่เคลื่อนไหวเร็วด้วยความถี่สูง ไม่จำเป็นต้องปฏิบัติกับทั้ง 620 ไอเทมด้วยความถี่เท่ากัน

คำถามที่พบบ่อย

ระบบ MRP ต่างจาก ERP และระบบบริหารการผลิตอย่างไร

MRP เป็นชื่อของฟังก์ชัน ส่วน ERP และระบบบริหารการผลิตเป็นชื่อของหมวดผลิตภัณฑ์ MRP หมายถึง “ฟังก์ชันที่คำนวณจำนวนและช่วงเวลาของวัสดุที่ต้องการ” และถูกพัฒนาไว้เป็นส่วนหนึ่งของระบบบริหารการผลิตและ ERP จำนวนมาก การเปรียบเทียบในลักษณะที่ว่า “จะเลือกระบบ MRP หรือ ERP ดี” จึงไม่ตั้งอยู่บนความจริง สิ่งที่ควรพิจารณาคือ ฟังก์ชัน MRP ของระบบบริหารการผลิตหรือ ERP ที่เลือกนั้นรองรับรูปแบบการผลิตของบริษัทหรือไม่ เช่น ผลิตเพื่อสต๊อกหรือผลิตตามคำสั่งซื้อ และต้องใช้การบริหารด้วยเลขที่งานหรือไม่ กับอีกข้อคือ วางลงบนการใช้งานที่รักษาข้อมูลหลักทั้ง 3 ชุดไว้ได้หรือไม่

ระบบ MRP มีราคาประมาณเท่าไร

ที่ขนาดของโรงงานตัวอย่าง คือชิ้นส่วนและวัตถุดิบ 620 ไอเทม โครงสร้างจะเป็นค่าลิขสิทธิ์และการติดตั้ง 2,600,000 THB การจัดเตรียมข้อมูลหลัก 900,000 THB รวมเงินลงทุนเริ่มต้น 3,500,000 THB และค่าบำรุงรักษารายปี 390,000 THB ตัวเลขจะเปลี่ยนตามจำนวนไอเทม จำนวนฐานการผลิต และขอบเขตการเชื่อมต่อกับระบบเดิม จึงขอให้ดูเป็นภาพคร่าว ๆ ของขนาดงาน สิ่งที่สำคัญกว่ายอดรวมคือรายละเอียดย่อย ใบเสนอราคาที่ไม่มีงบจัดเตรียมข้อมูลหลัก หมายความว่าค่าใช้จ่ายในการบริหารอัตราความคลาดเคลื่อนหลังติดตั้งไม่ได้อยู่ในงบของใครเลย

การวางแผนความต้องการวัสดุทำด้วย Excel ได้หรือไม่

ตัวการคำนวณเองทำได้ ในความเป็นจริงมีโรงงานจำนวนมากที่กระจายความต้องการด้วย Excel สิ่งที่เป็นปัญหาไม่ใช่ความสามารถในการคำนวณ แต่คือจะบริหารการอัปเดตข้อมูลหลักทั้ง 3 ชุดด้วย Excel ต่อไปได้หรือไม่ ในสภาพแวดล้อมที่มีการแก้ไขแบบ 210 รายการต่อปี ถ้าอัปเดตชีต BOM ด้วยมือ และผู้รับผิดชอบหลายคนถือไฟล์คนละไฟล์ อัตราความคลาดเคลื่อนมีแต่จะขยับขึ้นทางเดียว โรงงานตัวอย่างใช้เวลาไปกับการคำนวณความต้องการและการกระทบยอด 768 ชั่วโมงต่อปี จุดชี้ขาดคือชั่วโมงงานจำนวนนี้ กับความสามารถในการรักษาการบริหารข้อมูลหลักแบบรวมศูนย์ด้วยแรงคน

ความแม่นยำสต๊อกต้องมีกี่เปอร์เซ็นต์ MRP จึงจะใช้งานได้จริง

ตอบด้วยความแม่นยำสต๊อกอย่างเดียวไม่ได้ เพราะความถูกต้องของเอาต์พุต MRP เท่ากับผลคูณของสต๊อก BOM และลีดไทม์ แต่พอจะให้เกณฑ์ในการคิดได้ สำหรับความแม่นยำ BOM การจะได้อัตราความสำเร็จระดับผลิตภัณฑ์ 96.6% ในผลิตภัณฑ์ที่ประกอบจาก 35 ชิ้น ต้องใช้ระดับไอเทม 99.9% สำหรับสต๊อกก็มีอคติไปในทิศทางเดียวกัน อย่างไรก็ตาม การเอาอัตราผลต่างจากการตรวจนับไปยกกำลังด้วยจำนวนชิ้นส่วนตรง ๆ นั้นเกินจริง เพราะผลต่างมักกระจุกอยู่ที่บางไอเทมหรือบางจุดจัดเก็บ สมมติฐานเรื่องความเป็นอิสระต่อกันจึงไม่เป็นจริง ถึงอย่างนั้นก็แน่นอนว่าระดับผลต่างสต๊อก 11.9% ของโรงงานตัวอย่างส่งผลต่อการจัดหาของผลิตภัณฑ์จำนวนมากกว่าที่รู้สึกจากมุมมองระดับไอเทมมาก เป้าหมายที่เป็นจริงได้คือเปลี่ยนจากการใช้การตรวจนับปีละครั้งมาปรับให้ตรง ไปเป็นการวัดอัตราไอเทมที่มีผลต่างเป็นประจำด้วยการนับสต๊อกแบบวนรอบ แล้วกดตัวชี้วัดนั้นให้ต่ำลงเรื่อย ๆ

ระบบป้องกันของขาดต่างจาก MRP อย่างไร

กลไกที่มีเป้าหมายเพื่อป้องกันของขาดส่วนใหญ่คือการควบคุมด้วยจุดสั่งซื้อ ซึ่งเป็นวิธีแบบตอบสนอง คือสั่งซื้อเมื่อสต๊อกต่ำกว่าระดับที่กำหนด ตั้งค่าง่ายและใช้งานสะดวก แต่เมื่อจำนวนสต๊อกที่อ้างอิงเพี้ยนจากความจริงก็จะไม่รู้ตัว ส่วน MRP เป็นแบบคาดการณ์ คือคำนวณปริมาณที่ต้องการในอนาคตจากแผนการผลิต และแข็งแรงเมื่อรู้ความผันผวนของอุปสงค์ล่วงหน้า ทั้งสองแบบไม่ได้ตัดกัน การแบ่งใช้งานที่ปฏิบัติได้จริงคือ ชิ้นส่วนร่วมที่เคลื่อนไหวเร็วและราคาถูกใช้การควบคุมด้วยจุดสั่งซื้อ ส่วนชิ้นส่วนที่มูลค่าสูงและผูกกับแผนใช้ MRP แต่ทั้งคู่รับอินพุตจากข้อมูลหลักชุดเดียวกัน ถ้าข้อมูลหลักเก่า ทั้งคู่ก็พลาดเป้าเหมือนกัน

สรุป

สาเหตุที่ระบบ MRP เดินไม่ออกไม่ใช่เอนจินคำนวณและไม่ใช่การเลือกผลิตภัณฑ์ แต่คือความสดใหม่ของข้อมูลหลักฝั่งอินพุต ขอสรุปประเด็นสำคัญ

• อินพุตของ MRP มี 3 ชุด คือสต๊อกคงเหลือ รายการวัสดุ (BOM) และลีดไทม์/ล็อตสั่งซื้อ ความถูกต้องของเอาต์พุตเท่ากับผลคูณของทั้ง 3 ชุด
• ทั้ง 3 ชุดเก่าลงคนละความเร็ว BOM เก่าด้วยความเร็วของการแก้ไขแบบ คืออัตราความคลาดเคลื่อน 20.0% สต๊อกเก่าด้วยความเร็วรายวัน คือ 11.9% ลีดไทม์และล็อตสั่งซื้อเก่าด้วยความเร็วนอกบริษัท คือ 78.1% ชุดที่ถูกปล่อยทิ้งมากที่สุดคือชุดที่ 3 ซึ่งไม่มีการกำหนดผู้รับผิดชอบการอัปเดต
• ความแม่นยำ BOM ถ้าพูดในระดับไอเทมจะประเมินสูงเกินจริงเสมอ ในผลิตภัณฑ์ที่ประกอบจาก 35 ชิ้น ระดับไอเทม 98.0% คือระดับผลิตภัณฑ์ 49% ที่ 99.0% ได้ 70% ที่ 99.5% ได้ 84% ระดับใช้งานจริง 97% จะไปถึงก็ต่อเมื่อระดับไอเทมอยู่ที่ 99.9% เท่านั้น
• ฐานการผลิตในไทยมีบัญชีเล่มที่ 4 คือ max stock และสูตรการผลิตของ BOI ความคลาดเคลื่อนของสต๊อกและ BOM จึงส่งผลผ่านเส้นทางภาษีด้วย ดัชนี PMI เดือนกรกฎาคม 2026 อยู่ที่ 54.2 ซึ่งเป็นช่วงขยายตัว ระยะเวลาส่งมอบของปัจจัยการผลิตมีแนวโน้มยืดยาวขึ้น จึงเป็นช่วงที่ข้อมูลหลักลีดไทม์เก่าลงเร็วที่สุด
• ในการประเมิน ROI มูลค่าสต๊อกที่ลดลง 2,367,000 THB คือการปลดปล่อยเงินทุนหมุนเวียนเพียงครั้งเดียว จึงต้องหักออกจากเงินลงทุนเริ่มต้น ระยะเวลาคืนทุนที่ถูกต้องคือ 2.0 ปี ส่วนความผิดพลาดที่เอาไปกองเป็นผลรายปีจะได้ 1.3 ปี ส่วนต่างดูเล็ก แต่เมื่อสะสม 5 ปีจะเป็น 1,715,900 THB กับ 10,473,800 THB หรือคลาดกัน 6.1 เท่า
• เนื้อหาที่แท้จริงของโครงการติดตั้งคือการกำหนดผู้รับผิดชอบการอัปเดต ความถี่ในการอัปเดต และตัวชี้วัด ให้กับข้อมูลหลักทั้ง 3 ชุด และสำหรับสต๊อกคือการสร้างการใช้งานที่วัดผลรายวันด้วยการนับสต๊อกแบบวนรอบ

และขอย้ำอีกครั้งเป็นครั้งสุดท้าย การติดตั้ง MRP ไม่ได้แปลว่าสต๊อกจะลดลง สต๊อกจะลดลงก็ต่อเมื่อข้อมูลหลักถูกต้องแล้ว และหน้างานยอมปล่อยมือจากสต๊อกที่ถือไว้เป็นประกันเท่านั้น

TOMAS TECH สนับสนุนผู้ผลิตสัญชาติญี่ปุ่นในประเทศไทยในการสร้างกลไกการบริหารการผลิตและการบริหารสต๊อก เรายินดีรับปรึกษาในขั้นก่อนตัดสินใจติดตั้งด้วย เช่น “อยากลองวัดก่อนว่าข้อมูลหลักทั้ง 3 ชุดของบริษัทเราตอนนี้เก่าไปแค่ไหน” หรือ “อยากให้บุคคลที่สามช่วยดูว่าวิธีวางการคำนวณผลประโยชน์ในเอกสารขออนุมัติถูกต้องหรือไม่” แม้จะเริ่มจากการจัดระเบียบปัญหาปัจจุบันก็ยินดี ติดต่อเราได้ที่ หน้าติดต่อ

ข้อมูลอ้างอิง

• S&P Global Thailand Manufacturing PMI เดือนกรกฎาคม 2026
• ข่าวเกี่ยวกับ PMI ภาคการผลิตของไทย เดือนสิงหาคม 2026
• การออกแบบ BOM คือสิ่งที่ชี้ขาดความสำเร็จของระบบบริหารการผลิต
• รายการวัสดุ (BOM) กับความต่างระหว่าง E-BOM และ M-BOM
• สูตรคำนวณสต๊อกที่เหมาะสม safety stock และสต๊อกหมุนเวียน
• ความย้อนแย้งที่สต๊อกเกินแต่ของยังขาด
• พิธีการนำเข้ากรณีใช้มาตรการยกเว้นหรือลดหย่อนอากรขาเข้าของ BOI จาก JETRO
• การเพิ่มประสิทธิภาพการจัดหาชิ้นส่วนด้วยรายการวัสดุ (BOM)