Safety Stock คืออะไร? ทำไมธุรกิจไทยปี 2026 ถึงขาดไม่ได้

Safety Stock หรือ สินค้าคงคลังสำรอง คือ จำนวนสินค้าที่เก็บไว้เพิ่มจากปริมาณสั่งซื้อปกติ เพื่อรับมือความไม่แน่นอนในความต้องการซื้อหรือระยะเวลาส่งมอบ ทำให้หลีกเลี่ยงปัญหา Stockout หรือ สต็อกขาดมือ ได้ ในปี 2026 ธุรกิจไทยโดยเฉพาะร้านค้าออนไลน์บน Shopee, Lazada และ TikTok Shop จะเผชิญการแข่งขันที่ดุเดือดยิ่งขึ้น ข้อมูลจาก ETDA ระบุว่าลูกค้าไทยถึง 60% จะเปลี่ยนแบรนด์ทันทีถ้าสินค้าหมดในช่วงแคมเปญใหญ่ เช่น 11.11 หรือ 12.12 การขาดสต็อกไม่ใช่แค่เสียยอดขาย แต่ยังเสียโอกาสสร้างความเชื่อมั่นและลูกค้าประจำด้วย

เมื่อเข้าใจความสำคัญแล้ว คำถามสำคัญคือ “ต้องเก็บสต็อกสำรองเท่าไหร่?” คำตอบอยู่ใน 6 สูตรคำนวณที่ปรับให้เหมาะกับความเสี่ยงของธุรกิจคุณ

เจาะลึก 6 สูตรคำนวณ Safety Stock ตามความผันผวนของธุรกิจคุณ

สูตรคำนวณ Safety Stock ไม่มีสูตรตายตัว ต้องเลือกตามปัจจัยผันผวนจริง เช่น ความต้องการซื้อหรือ Lead Time นี่คือ 6 สูตรหลักที่ใช้ได้กับธุรกิจไทย พร้อมตัวอย่างที่เชื่อมโยงกับบริบทท้องถิ่น

สูตรที่ 1: ความต้องการ (Demand) ผันผวนแต่ Lead Time คงที่

SS = Z × σ_d × √LT โดย Z คือค่า Z-score จาก Service Level (เช่น 95% = 1.65), σ_d คือค่าเบี่ยงเบนมาตรฐานของอุปสงค์รายวัน, LT คือ Lead Time (วัน)

ตัวอย่าง: ร้านขายน้ำอัดลมช่วงสงกรานต์ อุปสงค์รายวันเฉลี่ย 500 ขวด เบี่ยงเบน 100 ขวด LT=3 วัน Service Level 95% → SS = 1.65 × 100 × √3 ≈ 285 ขวด (ป้องกันยอดพุ่งสูงสุดในเทศกาล)

สูตรที่ 2: Lead Time ผันผวนแต่ Demand คงที่

SS = Z × D × σ_LT โดย D คือ Demand รายวันเฉลี่ย, σ_LT คือค่าเบี่ยงเบนมาตรฐาน Lead Time

ตัวอย่าง: สั่งสินค้าอิเล็กทรอนิกส์จากจีนผ่านสนามบินสุวรรณภูมิ LT เฉลี่ย 14 วัน เบี่ยงเบน 3 วัน (จากศุลกากรและล่าช้าสินค้า) D=50 ชิ้น/วัน Service Level 90% (Z=1.28) → SS = 1.28 × 50 × 3 ≈ 192 ชิ้น (ป้องกันล่าช้าจากศุลกากร)

สูตรที่ 3: ทั้ง Demand และ Lead Time ผันผวน

SS = Z × √[(σ_d² × LT) + (D² × σ_LT²)] สูตรนี้ครอบคลุมที่สุดสำหรับ Supply Chain ไทยที่นำเข้าสินค้าบ่อยและเจอความผันผวนทั้งสองด้าน

ตัวอย่าง: สินค้าอุปกรณ์บ้าน D=100, σ_d=15, LT=10, σ_LT=2, Z=1.65 → SS ≈ 1.65 × √[(15²×10) + (100²×2²)] ≈ 185 ชิ้น

สูตรที่ 4: ปรับฤดูกาล (Seasonal Adjustment)

SS = สูตร 3 × (1 + Seasonal Factor) โดย Seasonal Factor จากยอดขายปีก่อน เช่น ช่วงสงกรานต์ +30%, หน้าร้อน (พ.ค.-ก.ย.) +15% ในภาคใต้ที่ฝนตกหนักอาจเพิ่มตามข้อมูลกรมทางหลวง

สูตรที่ 5: สำหรับสินค้าความต้องการต่ำ (Low Volume)

SS = Z × √(Average Demand per Order Cycle × LT) เหมาะกับ SME ที่สั่งน้อยชิ้นแต่บ่อย เช่น ร้านขายของชำบน TikTok Shop ที่ข้อมูลย้อนหลังน้อย

สูตรที่ 6: King Formula (สำหรับความผันผวนสูง)

SS = (Max Daily Usage × Max LT) – (Avg Daily Usage × Avg LT) ง่ายแต่ conservative ใช้เมื่อข้อมูลสถิติไม่พอ เช่น สินค้าใหม่หรือตลาดเปลี่ยนเร็ว

Service Level	Z-score
90%	1.28
95%	1.65
99%	2.33

ความแตกต่างระหว่าง Safety Stock และ Buffer Stock (ที่หลายคนยังเข้าใจผิด)

หลายคนสับสนระหว่าง Safety Stock กับ Buffer Stock แต่ทั้งคู่ป้องกันปัญหาต่างกัน Safety Stock รับมือความไม่แน่นอนภายนอก (เช่น อุปสงค์พุ่งหรือ LT ล่าช้า) Buffer Stock จัดการปัญหาภายใน (เช่น ผลิตช้าหรือคุณภาพไม่ผ่าน)

ด้านเปรียบเทียบ	Safety Stock	Buffer Stock
จุดประสงค์หลัก	ป้องกัน Stockout จาก Demand/Lead Time ผันผวน	รองรับความล่าช้าภายใน เช่น เครื่องจักรเสีย
ตำแหน่งในระบบ	ใต้ Reorder Point	ระหว่างกระบวนการผลิต/ประกอบ
ตัวอย่างไทย	รอสินค้าจากจีนล่าช้าเพราะฝนตก	เครื่องจักรเสียในโรงงาน
การคำนวณ	ใช้ Z-score และ Std Dev	จากประสิทธิภาพกระบวนการ (เช่น 10% ของ Batch)

ผู้จัดการคลังที่คำนวณผิดมักเก็บ Buffer เกินจนเงินทุนติดขัด ควรตรวจระบบว่าปัญหามาจากภายนอกหรือภายใน การแยกชัดเจนช่วยไม่ให้สต็อกซ้ำซ้อน เงินไม่จม นำไปสู่กลยุทธ์ตั้งค่าที่คุ้มที่สุดในปี 2026

กลยุทธ์การตั้งค่า Safety Stock ให้คุ้มค่าที่สุด: 50% Rule และการใช้ AI

การตั้งค่า Safety Stock ต้องคำนึงถึง ต้นทุนการถือครอง ที่ 20-30% ของมูลค่าสต็อกต่อปี (ข้อมูล BOT สำหรับ SME ไทย) กฎ 50% Rule แนะนำให้ Safety Stock ไม่เกิน 50% ของค่าเฉลี่ย Lead Time Demand เพื่อสมดุลความเสี่ยง Stockout (เสียกำไร) กับต้นทุนถือครอง

ตัวอย่าง: Lead Time Demand = 1,000 ชิ้น → SS สูงสุด 500 ชิ้น ถ้าเกินให้ลด Service Level หรือเปลี่ยน Supplier

ปี 2026 ธุรกิจไทยควรใช้ Dynamic Safety Stock ที่ปรับตามข้อมูลเรียลไทม์ เช่น เพิ่มสต็อกช่วงฝนตกส่งลำบาก ด้วย AI จาก Odoo (ปรับให้เหมาะไทย), Prosoft ERP หรือ API Shopee/Lazada เพื่อพยากรณ์ยอดล่วงหน้า

ประโยชน์ชัด: ลด SS 10% ช่วยประหยัดเงินหมุนเวียน คำนวณจาก (ΔSS × ต้นทุนต่อหน่วย) × อัตราการถือครอง สำหรับโรงงานสต็อก 50 ล้านบาท ลด 10% (5 ล้าน) ที่ต้นทุน 20% ประหยัด 1 ล้านบาท/ปี ผลศึกษาชี้ AI เพิ่มความแม่นยำพยากรณ์ ลดผันผวน 20-30%

โมดูล 1: ตรรกะการปรับตามฤดูกาลแบบไดนามิก

สร้างตาราง Seasonal Factor จากข้อมูล 3 ปี เช่น:

• มกราคม – กุมภาพันธ์: 0% (ปกติ)
• มีนาคม – เมษายน: +25% (ก่อนสงกรานต์)
• พฤษภาคม – กันยายน: +10% (หน้าร้อน/ฝนตก)
• ตุลาคม – ธันวาคม: +20% (11.11, 12.12, ปีใหม่)

SS ปัจจุบัน = สูตรพื้นฐาน × (1 + Factor เดือนนั้น)

โมดูล 2: เครื่องมือคำนวณผลกระทบทางการเงิน (THB)

สร้างตารางเปรียบเทียบ:

สถานการณ์	Safety Stock (ชิ้น)	มูลค่า (บาท)	ต้นทุนถือครอง 25%/ปี (บาท/ปี)	ความเสี่ยง Stockout (ประมาณ)
ปัจจุบัน	500	1,000,000	250,000	5%
ปรับ SS ลด 20%	400	800,000	200,000	8%

ลด SS 200 ชิ้น ประหยัด 50,000 บาท/ปี แต่เสี่ยง Stockout เพิ่ม 3% ต้องชั่งว่ายอดขายพลาดแพงกว่าไหม

โมดูล 3: ตัวเลือก AI และเครื่องมือสำหรับธุรกิจไทย

• Odoo ERP (เวอร์ชันไทย): โมดูล Inventory คำนวณ SS อัตโนมัติ เชื่อมข้อมูลขาย Shopee/Lazada
• Prosoft: ERP ยอดนิยมในไทย มี Demand Forecasting จากข้อมูลร้าน
• Shopee/Lazada API: ดึงยอดขายรายวันและยอดดู เพื่อปรับ SS ตามแนวโน้ม

ถ้าวางแผนต้นทุนถือครองและค่าธรรมเนียมแพลตฟอร์ม ดูเพิ่มที่ วิธีคำนวณค่าธรรมเนียมและจัดการเงินธุรกิจอีคอมเมิร์ซ

วิธีคำนวณ Safety Stock ใน Excel แบบ Step-by-Step (พร้อมแจกสูตร)

เริ่มจากข้อมูล: คอลัมน์ A=วันที่, B=ยอดขายรายวัน (เช่น 100, 120, 90… 30 วัน)

• 1. คำนวณค่าเบี่ยงเบนมาตรฐาน: เซลล์ C1 = STDEV.P(B2:B31) (สมมติ σ_d=15)
• 2. LT เฉลี่ยและ σ_LT ในเซลล์ D1=10, E1=2
• 3. Z-score: เซลล์ F1 = NORM.S.INV(0.95) (=1.645)
• 4. SS สำหรับ Demand ผันผวน: G1 = F1 * C1 * SQRT(D1)
• 5. SS เต็มรูปแบบ: G2 = F1 * SQRT( (C1^2 * D1) + (AVERAGE(B2:B31)^2 * E1^2 ) )

คัดลอกสูตรไป Data Table เพื่อทดสอบ Service Level ต่างๆ อัตโนมัติ

สร้างตาราง Sensitivity Analysis

ใช้ Data Table ใน Excel:

• 1. สร้างตาราง แถวหัว Service Level (90%, 95%, 99%) คอลัมน์หัว Factor (±20% ของ Std Dev)
• 2. เซลล์กลาง (B2) ใส่สูตร SS เต็มรูปแบบ
• 3. เลือกตาราง > Data > What-If Analysis > Data Table > Column input: เซลล์ Z-score
• 4. ตารางแสดง SS ตาม Service Level และผันผวน

ตรวจสอบข้อผิดพลาดที่พบบ่อย (Common Mistakes Checklist)

• ใช้ข้อมูลช่วง Lockdown: ข้อมูล 2020-2021 เบี่ยงเบน ใช้ข้อมูล 3-6 เดือนล่าสุดแทน
• ลืมหน่วย: ตรวจ σ_d และ D หน่วยเดียวกัน (ชิ้น/วัน)
• ใช้ STDEV.S แทน STDEV.P: ถ้าข้อมูลทั้งหมดใช้ STDEV.P
• ไม่ปรับ Seasonal Factor: ตรวจฤดูกาล เช่น หน้าร้อนสินค้าอุปโภค

SME ใช้ Google Sheets ฟรี เพิ่ม Chart SS vs Cost นำเสนอผู้บริหาร ทดลองข้อมูลจริง ต้องมีอย่างน้อย 3-6 เดือน

Safety Stock ควรมีเท่าไหร่ถึงจะพอดี?

ไม่มีตัวเลขตายตัว ขึ้นกับ Service Level (แนะ 90-95% สำหรับ SME) และผันผวน คำนวณ Z × Std Dev ให้ Stockout ไม่เกิน 5% แต่ไม่เกิน 50% Lead Time Demand เพื่อคุมต้นทุน คือสมดุลสูญเสียโอกาสขายกับเงินทุนจม

ถ้า Lead Time เป็น 0 ต้องมี Safety Stock ไหม?

ไม่จำเป็น แต่ยังต้องมีถ้า Demand ผันผวนสูง เช่น ขายออนไลน์ยอดพุ่ง ใช้สูตร Demand variability (SS = Z × σ_d × √LT) LT เป็นเวลาสั่งเติมจริง

การคำนวณ Safety Stock ช่วยลดต้นทุนได้อย่างไร?

ลดเงินทุนจม Overstock 20-30% ป้องกันเสียโอกาส Stockout ที่แพงกว่า (เสียลูกค้าประจำ) สมดุล Service Level กับ Carrying Cost กระแสเงินดีขึ้น 10-15%/ปี ลด SS 10% ประหยัด 2-5% มูลค่าสต็อก ถ้าปัญหาสภาพคล่อง ศึกษากลยุทธ์เพิ่มสภาพคล่องคลัง SME

ความแตกต่างระหว่าง Safety Stock กับ Reorder Point (ROP) คืออะไร?

Safety Stock เป็นส่วนสำรองใต้ ROP ROP = (Demand × LT) + Safety Stock สั่งซื้อเมื่อสต็อกเหลือระดับนี้ Safety Stock ป้องกันความไม่แน่นอน

กฎ 50% ของ Safety Stock คืออะไรและยังใช้ได้อยู่ไหม?

SS ไม่เกิน 50% ค่าเฉลี่ย Demand ใน Lead Time เพื่อสมดุลต้นทุน ยังใช้ได้ธุรกิจเริ่มต้น แต่ปี 2026 อัพเกรด Dynamic ด้วย AI แม่นยำและปรับฤดูกาลจริง