คณิตศาสตร์กับการวางแผนผลิตสินค้าให้ได้กำไรสูงสุด

คณิตศาสตร์กับการวางแผนผลิตสินค้าให้ได้กำไรสูงสุด

ในโลกธุรกิจที่เต็มไปด้วยการแข่งขัน การตัดสินใจว่าจะผลิตสินค้าชนิดไหน จำนวนเท่าไหร่ ถึงจะทำให้บริษัทมีกำไรมากที่สุด เป็นโจทย์สำคัญที่ผู้ประกอบการต้องหาคำตอบให้ได้เสมอครับ การที่เรามีทรัพยากรจำกัด ไม่ว่าจะเป็นเงินทุน วัตถุดิบ แรงงาน หรือแม้แต่เวลาในการผลิต การจะใช้ทรัพยากรเหล่านั้นให้เกิดประโยชน์สูงสุด จึงไม่ใช่เรื่องง่ายๆ ที่จะมองข้ามไปได้เลย และนี่แหละครับคือจุดที่คณิตศาสตร์เข้ามามีบทบาทสำคัญ มันช่วยให้เราสามารถสร้างแบบจำลองสถานการณ์ต่างๆ ได้อย่างเป็นระบบ เพื่อหาทางเลือกที่ดีที่สุด หรือที่เรียกว่า ค่าเหมาะที่สุด (Optimal Solution) นั่นเองครับ

แนวคิดพื้นฐานสู่การเพิ่มกำไรสูงสุด

ก่อนที่เราจะลงลึกไปถึงวิธีการคำนวณ พี่กฤษณ์อยากให้น้องๆ เข้าใจแนวคิดหลักๆ ที่เกี่ยวข้องกับการวางแผนการผลิตเพื่อกำไรสูงสุดก่อนครับ

• เป้าหมายหลัก (Objective): แน่นอนว่าคือการ เพิ่มกำไรสูงสุด (Maximize Profit) หรือบางครั้งอาจเป็นการ ลดต้นทุนต่ำสุด (Minimize Cost) ครับ
• ตัวแปรตัดสินใจ (Decision Variables): คือสิ่งที่เราต้องการหาคำตอบครับ เช่น ควรผลิตสินค้าชนิด A จำนวนกี่ชิ้น (ให้เป็น $x$) และสินค้าชนิด B จำนวนกี่ชิ้น (ให้เป็น $y$) เพื่อให้ได้กำไรสูงสุดครับ
• ฟังก์ชันเป้าหมาย (Objective Function): คือสมการที่แสดงความสัมพันธ์ระหว่างตัวแปรตัดสินใจกับเป้าหมายของเราครับ หากเป็นเป้าหมายเรื่องกำไรสูงสุด ฟังก์ชันเป้าหมายก็คือสมการกำไรนั่นเองครับ เช่น ถ้าสินค้า A หนึ่งชิ้นทำกำไรได้ 10 บาท และสินค้า B หนึ่งชิ้นทำกำไรได้ 15 บาท ฟังก์ชันเป้าหมายของเราก็คือ $P = 10x + 15y$ โดยที่ $P$ คือกำไรทั้งหมดครับ
• ข้อจำกัด (Constraints): คือขีดจำกัดของทรัพยากรที่เรามีอยู่ครับ สิ่งเหล่านี้จะถูกแสดงในรูปของอสมการ (Inequalities) เช่น มีวัตถุดิบ A ไม่เกิน 100 หน่วย มีเวลาทำงานของเครื่องจักรไม่เกิน 50 ชั่วโมง หรือมีแรงงานจำกัด เป็นต้นครับ
• ข้อจำกัดแบบไม่เป็นลบ (Non-negativity Constraints): โดยธรรมชาติแล้ว เราไม่สามารถผลิตสินค้าติดลบได้ใช่ไหมครับ ดังนั้นตัวแปรตัดสินใจของเราจะต้องมีค่าตั้งแต่ศูนย์ขึ้นไปเสมอ หรือก็คือ $x ge 0$ และ $y ge 0$ นั่นเองครับ

การวางแผนเชิงเส้น (Linear Programming) คืออะไร?

การวางแผนเชิงเส้น หรือ Linear Programming (LP) เป็นเทคนิคทางคณิตศาสตร์ที่ใช้ในการหาค่าเหมาะที่สุด (ไม่ว่าจะเป็นการเพิ่มค่าสูงสุดหรือลดค่าต่ำสุด) ของฟังก์ชันเป้าหมายที่เป็นเชิงเส้น (Linear Function) ภายใต้ชุดของข้อจำกัดที่เป็นเชิงเส้นเช่นกันครับ ชื่อก็บอกอยู่แล้วว่า “เชิงเส้น” แปลว่าทุกความสัมพันธ์ที่เรานำมาใช้ ไม่ว่าจะเป็นฟังก์ชันเป้าหมายหรือข้อจำกัด จะต้องอยู่ในรูปของสมการหรืออสมการเชิงเส้นเท่านั้นครับ

โดยสรุปแล้ว ปัญหาการวางแผนเชิงเส้นจะประกอบด้วย 3 ส่วนหลักๆ ดังนี้ครับ

1. ฟังก์ชันเป้าหมาย (Objective Function): สมการเชิงเส้นที่เราต้องการหาค่าสูงสุดหรือต่ำสุด
2. ข้อจำกัด (Constraints): อสมการเชิงเส้นที่แสดงถึงข้อจำกัดของทรัพยากร
3. ข้อจำกัดแบบไม่เป็นลบ (Non-negativity Constraints): ตัวแปรตัดสินใจต้องไม่เป็นค่าลบ

ตัวอย่างโจทย์: โรงงานผลิตเก้าอี้และโต๊ะ

สมมติว่าน้องๆ เป็นเจ้าของโรงงานเฟอร์นิเจอร์เล็กๆ แห่งหนึ่งที่ผลิตสินค้าอยู่ 2 ชนิด คือ เก้าอี้ และ โต๊ะ ครับ โรงงานมีทรัพยากรจำกัดดังนี้:

• เวลาทำงานของช่างไม้: มีช่างไม้ทำงานได้สูงสุด 120 ชั่วโมงต่อสัปดาห์
• เวลาทำงานของช่างประกอบ: มีช่างประกอบทำงานได้สูงสุด 90 ชั่วโมงต่อสัปดาห์

ข้อมูลการผลิตและกำไรของสินค้าแต่ละชนิดมีดังนี้ครับ

• เก้าอี้ 1 ตัว:
  • ใช้เวลาช่างไม้: 3 ชั่วโมง
  • ใช้เวลาช่างประกอบ: 1 ชั่วโมง
  • กำไร: 300 บาท
• โต๊ะ 1 ตัว:
  • ใช้เวลาช่างไม้: 2 ชั่วโมง
  • ใช้เวลาช่างประกอบ: 2 ชั่วโมง
  • กำไร: 500 บาท

คำถามคือ โรงงานควรผลิตเก้าอี้และโต๊ะจำนวนกี่ตัวในหนึ่งสัปดาห์ เพื่อให้ได้กำไรสูงสุด?

การสร้างแบบจำลองทางคณิตศาสตร์

มาดูกันครับว่าจะแปลงโจทย์นี้เป็นแบบจำลองทางคณิตศาสตร์ได้อย่างไร

1. กำหนดตัวแปรตัดสินใจ

• ให้ $x$ แทนจำนวนเก้าอี้ที่จะผลิตต่อสัปดาห์
• ให้ $y$ แทนจำนวนโต๊ะที่จะผลิตต่อสัปดาห์

2. กำหนดฟังก์ชันเป้าหมาย (Maximize Profit)

จากข้อมูลกำไรต่อหน่วย เราจะได้ฟังก์ชันเป้าหมายดังนี้ครับ

Maximize $P = 300x + 500y$

3. กำหนดข้อจำกัด (Constraints)

• ข้อจำกัดเวลาช่างไม้: เก้าอี้ 1 ตัวใช้ช่างไม้ 3 ชม., โต๊ะ 1 ตัวใช้ช่างไม้ 2 ชม., ช่างไม้มีเวลาสูงสุด 120 ชม.

$3x + 2y le 120$

• ข้อจำกัดเวลาช่างประกอบ: เก้าอี้ 1 ตัวใช้ช่างประกอบ 1 ชม., โต๊ะ 1 ตัวใช้ช่างประกอบ 2 ชม., ช่างประกอบมีเวลาสูงสุด 90 ชม.

$x + 2y le 90$

• ข้อจำกัดแบบไม่เป็นลบ: จำนวนการผลิตต้องไม่ติดลบ

$x ge 0, y ge 0$

การแก้ปัญหาด้วยวิธีกราฟ (สำหรับ 2 ตัวแปร)

เมื่อเรามีแบบจำลองแล้ว เราสามารถใช้วิธีกราฟในการหาคำตอบได้ครับ (เฉพาะกรณีที่มี 2 ตัวแปรเท่านั้นนะครับ ถ้าน้องๆ มีตัวแปรมากกว่า 2 ตัว จะต้องใช้โปรแกรมคอมพิวเตอร์หรือเทคนิค Simplex Method เข้าช่วยครับ)

ขั้นตอนการแก้ปัญหาด้วยวิธีกราฟมีดังนี้ครับ

1. พล็อตเส้นอสมการแต่ละเส้น: เปลี่ยนอสมการให้เป็นสมการ (สมมติว่าเป็นเครื่องหมายเท่ากับ) แล้วพล็อตเส้นตรงลงบนกราฟครับ
   • เส้น L1: $3x + 2y = 120$: ถ้า $x=0$, $y=60$ (จุด (0, 60)); ถ้า $y=0$, $x=40$ (จุด (40, 0))
   • เส้น L2: $x + 2y = 90$: ถ้า $x=0$, $y=45$ (จุด (0, 45)); ถ้า $y=0$, $x=90$ (จุด (90, 0))
2. หาบริเวณที่สอดคล้องกับข้อจำกัดทั้งหมด (Feasible Region): จากอสมการ $3x + 2y le 120$ และ $x + 2y le 90$ รวมถึง $x ge 0$ และ $y ge 0$ บริเวณที่ทุกอสมการเป็นจริงพร้อมกัน จะเป็นรูปหลายเหลี่ยมในจตุภาคที่ 1 (Quadrants I) ครับ
3. หาจุดมุม (Corner Points) ของบริเวณที่สอดคล้อง: จุดมุมเหล่านี้คือจุดที่เส้นอสมการตัดกัน หรือตัดกับแกน $x$ และแกน $y$ ครับ สำหรับตัวอย่างนี้ จุดมุมที่สำคัญคือ:
   • (0, 0): จุดกำเนิด
   • (40, 0): จุดตัดของเส้น $L1: 3x + 2y = 120$ กับแกน $x$
   • (0, 45): จุดตัดของเส้น $L2: x + 2y = 90$ กับแกน $y$
   • จุดตัดระหว่าง $L1$ และ $L2$:

     เราแก้ระบบสมการ:

     (1) $3x + 2y = 120$

     (2) $x + 2y = 90$

     นำ (1) – (2): $(3x + 2y) – (x + 2y) = 120 – 90$

     $2x = 30$

     $x = 15$

     แทน $x = 15$ ใน (2): $15 + 2y = 90$

     $2y = 75$

     $y = 37.5$

     ดังนั้น จุดตัดคือ $(15, 37.5)$ ซึ่งเป็นบวกทั้งคู่ และอยู่ใน Feasible Region ครับ

4. ประเมินค่าฟังก์ชันเป้าหมายที่แต่ละจุดมุม: ทฤษฎีของการวางแผนเชิงเส้นบอกเราว่าค่าเหมาะที่สุด (สูงสุดหรือต่ำสุด) จะอยู่ที่หนึ่งในจุดมุมของ Feasible Region ครับ
   • ที่ (0, 0): กำไร $P = 300(0) + 500(0) = 0$ บาท
   • ที่ (40, 0): ผลิตเก้าอี้ 40 ตัว, โต๊ะ 0 ตัว. กำไร $P = 300(40) + 500(0) = 12000$ บาท
   • ที่ (0, 45): ผลิตเก้าอี้ 0 ตัว, โต๊ะ 45 ตัว. กำไร $P = 300(0) + 500(45) = 22500$ บาท
   • ที่ (15, 37.5): ผลิตเก้าอี้ 15 ตัว, โต๊ะ 37.5 ตัว. กำไร $P = 300(15) + 500(37.5) = 4500 + 18750 = 23250$ บาท

จากผลการคำนวณข้างต้น จุดที่ให้กำไรสูงสุดคือ (15, 37.5) ซึ่งหมายถึงการผลิตเก้าอี้ 15 ตัว และโต๊ะ 37.5 ตัว ได้กำไรสูงสุด 23,250 บาทต่อสัปดาห์ครับ

ข้อสังเกตและข้อควรระวัง

น้องๆ อาจจะสงสัยว่า “ผลิตโต๊ะ 37.5 ตัวเนี่ยนะ จะทำยังไง?” ใช่ครับ ในโลกความเป็นจริง เราผลิตสินค้าเป็นจำนวนเต็มเท่านั้น ไม่ใช่เศษส่วน การแก้ปัญหาที่ตัวแปรต้องเป็นจำนวนเต็ม เราเรียกว่า การวางแผนเชิงเส้นจำนวนเต็ม (Integer Linear Programming) ซึ่งมีความซับซ้อนกว่าปกติเล็กน้อยครับ แต่แนวคิดพื้นฐานก็มาจาก LP นี่แหละครับ ซึ่งในทางปฏิบัติ เราอาจจะปัดเศษ (rounding) ให้เป็นจำนวนเต็มที่ใกล้เคียงที่สุด หรือใช้เทคนิคเฉพาะเพื่อหาค่าเหมาะสมที่สุดที่เป็นจำนวนเต็มจริงๆ ครับ

นอกจากนี้ ยังมีข้อผิดพลาดที่พบบ่อยที่น้องๆ ควรระวัง เช่น:

• การกำหนดฟังก์ชันเป้าหมายและข้อจำกัดผิดพลาด: การแปลงข้อมูลจากโจทย์เป็นสมการต้องทำอย่างรอบคอบครับ หากตั้งสมการผิดตั้งแต่แรก ผลลัพธ์ก็จะผิดไปด้วย
• การหา Feasible Region ไม่ถูกต้อง: การวาดกราฟและระบุพื้นที่ที่สอดคล้องกับทุกข้อจำกัดพร้อมกันเป็นสิ่งสำคัญมากครับ จุดมุมที่สำคัญจะต้องอยู่ในบริเวณนี้เท่านั้น
• การคำนวณจุดตัดผิดพลาด: หากแก้ระบบสมการเพื่อหาจุดตัดผิดพลาด ก็จะทำให้ผลลัพธ์คลาดเคลื่อนได้ครับ
• ละเลยข้อจำกัดแบบไม่เป็นลบ: บางครั้งน้องๆ อาจลืมว่าจำนวนการผลิตไม่สามารถติดลบได้ ทำให้ได้คำตอบที่ไม่สมเหตุสมผล

การประยุกต์ใช้และการต่อยอด

การวางแผนเชิงเส้นไม่ได้จำกัดอยู่แค่การผลิตเก้าอี้และโต๊ะเท่านั้นนะครับ แต่ยังถูกนำไปใช้ในอุตสาหกรรมและธุรกิจหลากหลายรูปแบบ เช่น

• การจัดสรรทรัพยากร: การบริหารจัดการวัตถุดิบ แรงงาน หรือเครื่องจักรให้เกิดประโยชน์สูงสุดในโรงงานขนาดใหญ่
• การขนส่งและโลจิสติกส์: การหาเส้นทางขนส่งสินค้าที่สั้นที่สุดหรือประหยัดที่สุด
• การวางแผนการผลิตในเกษตรกรรม: การตัดสินใจว่าจะปลูกพืชชนิดไหนเท่าไหร่ เพื่อให้ได้กำไรสูงสุดจากพื้นที่เพาะปลูกและทรัพยากรที่มี
• การจัดพอร์ตการลงทุน: การเลือกสินทรัพย์ลงทุนเพื่อให้ได้ผลตอบแทนสูงสุดภายใต้ความเสี่ยงที่ยอมรับได้

สำหรับกรณีที่มีตัวแปรตัดสินใจมากกว่า 2 ตัว หรือมีข้อจำกัดที่ซับซ้อนขึ้น เราไม่สามารถใช้วิธีกราฟได้แล้วครับ แต่หลักการยังคงเดิม คือการหาจุดมุมของ Feasible Region เพียงแต่จะต้องใช้เทคนิคทางพีชคณิตที่เรียกว่า Simplex Method หรือใช้โปรแกรมคอมพิวเตอร์เฉพาะทาง เช่น Solver ใน Microsoft Excel หรือซอฟต์แวร์เชิงคณิตศาสตร์อื่นๆ เข้ามาช่วยในการคำนวณครับ ความเข้าใจในหลักการพื้นฐานของการวางแผนเชิงเส้น จะทำให้น้องๆ สามารถประยุกต์ใช้เครื่องมือเหล่านี้ได้อย่างมีประสิทธิภาพมากขึ้นครับ

สรุปแนวคิดสำคัญ

คณิตศาสตร์ โดยเฉพาะอย่างยิ่งการวางแผนเชิงเส้น เป็นเครื่องมือที่ทรงพลังอย่างยิ่งในการช่วยให้ธุรกิจตัดสินใจเชิงกลยุทธ์เกี่ยวกับการผลิตสินค้าได้อย่างมีประสิทธิภาพสูงสุดครับ การทำความเข้าใจแนวคิดเรื่องฟังก์ชันเป้าหมาย ข้อจำกัด และการหา Feasible Region จะเป็นรากฐานสำคัญในการวิเคราะห์และแก้ปัญหาที่ซับซ้อนในโลกธุรกิจได้ครับ มันช่วยเปลี่ยนการตัดสินใจที่ซับซ้อนให้กลายเป็นโจทย์ที่สามารถหาคำตอบที่เหมาะสมที่สุดได้อย่างเป็นระบบ ช่วยลดความเสี่ยง เพิ่มผลกำไร และทำให้การใช้ทรัพยากรเป็นไปอย่างมีประสิทธิภาพสูงสุดครับ

หวังว่าบทความนี้จะทำให้น้องๆ ได้เห็นภาพชัดเจนขึ้นนะครับว่าคณิตศาสตร์ที่เราเรียนกันนั้น ไม่ใช่แค่ตัวเลขบนกระดาษ แต่สามารถนำไปประยุกต์ใช้ในโลกแห่งความเป็นจริงได้อย่างน่าทึ่งเลยทีเดียวครับ

หากน้องๆ คนไหนสนใจอยากเจาะลึกเรื่องการวางแผนเชิงเส้น หรือคณิตศาสตร์ประยุกต์ด้านอื่นๆ ไม่ว่าจะเป็นเพื่อการสอบแข่งขัน การเพิ่มเกรด หรือเพื่อนำไปต่อยอดในอนาคต พี่กฤษณ์ก็มีคอร์สเรียนคณิตศาสตร์หลากหลายรูปแบบให้น้องๆ ได้เลือกเรียนเลยนะครับ ทั้งคอร์สสดที่ได้เรียนรู้แบบเข้มข้น คอร์สออนไลน์ที่ยืดหยุ่นตามเวลาของน้องๆ หรือแม้แต่การเรียนตัวต่อตัวที่ปรับเนื้อหาให้เข้ากับความต้องการเฉพาะของน้องๆ ได้เลยครับ สามารถดูรายละเอียดเพิ่มเติมได้ในเว็บไซต์นี้เลยนะครับ