Chulalongkorn University Theses and Dissertations (Chula ETD)

Other Title (Parallel Title in Other Language of ETD)

Transformation of Stochastic Petri Nets into Markov Chain

Year (A.D.)

2017

Document Type

Thesis

First Advisor

วิวัฒน์ วัฒนาวุฒิ

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Department (if any)

Department of Computer Engineering (ภาควิชาวิศวกรรมคอมพิวเตอร์)

Degree Name

วิทยาศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมซอฟต์แวร์

DOI

10.58837/CHULA.THE.2017.1383

Abstract

ในการดำเนินธุรกิจ เมื่อมีจำนวนลูกค้าที่เพิ่มมากขึ้น การให้บริการที่รวดเร็ว ทันต่อความต้องการของลูกค้าจึงเป็นสิ่งที่มีความสำคัญเป็นอย่างยิ่ง หากผู้ประกอบการธุรกิจ ไม่ได้มีการวางแผนเพื่อรองรับการเพิ่มขึ้นของลูกค้า อาจทำให้การบริการมีความล่าช้า ไม่ทันกาล ต้องมีการรอคอย ซึ่งอาจเกิดจากมีจำนวนของผู้ให้บริการหรือพนักงานไม่เพียงพอกับจำนวนผู้มารับบริการ การบริหารจัดการแถวคอยที่ขาดประสิทธิภาพ ซึ่งสิ่งเหล่านี้ ล้วนส่งผลให้เกิดความไม่พึงพอใจต่อผู้มารับบริการ และอาจนำไปสู่การสูญเสียลูกค้า และเสียโอกาสในการดำเนินธุรกิจได้ งานวิจัยนี้ได้เสนอสโตแคสติกเพทริเน็ตซึ่งเป็นแบบจำลองที่สามารถจำลองการเข้าแถวคอยของผู้มารับบริการ, ผู้ให้บริการและลักษณะของการเข้าแถวคอยได้ ซึ่งที่ได้เสนอแบบจำลองนี้เนื่องจากว่าเป็นแบบจำลองที่สามารถวิเคราะห์การเข้าแถวคอยได้ทั้งเชิงปริมาณและเชิงคุณภาพ ตลอดจนช่วยทำให้เข้าใจพฤติกรรมของการเข้าแถวคอยที่ได้จำลองเอาไว้ได้ แต่ด้วยข้อจำกัดของแบบจำลองสโตแคสติกเพทริเน็ตที่ไม่สามารถคำนวณความน่าจะเป็นของการเปลี่ยนจากจุดของการเข้าแถวคอยจุดหนึ่งไปยังอีกจุดหนึ่งได้ ทำให้ไม่เพียงพอกับการวิเคราะห์การเข้าแถวคอย ดังนั้น ผู้วิจัยจึงได้เสนอการแปลงสโตแคสติกเพทริเน็ตไปเป็นห่วงโซ่มาร์คอฟ ซึ่งห่วงโซ่มาร์คอฟสามารถคำนวณความน่าจะเป็นเพื่อวิเคราะห์หาโอกาสที่ผู้ใช้บริการเข้ามาใช้บริการที่แถวคอย และคาดการณ์การใช้บริการว่าจะสามารถแล้วเสร็จในระยะเวลาที่กำหนดหรือไม่ ซึ่งในการวิเคราะห์นี้จะถูกวิเคราะห์อยู่ในรูปแบบของการคำนวณความน่าจะเป็นที่มีการแจกแจงแบบเอ็กโพเนนเชียล โดยใช้ฟังก์ชันความหนาแน่นของความน่าจะเป็นหรือ ฟังก์ชันการแจกแจงสะสม เพื่อให้สามารถคาดการณ์ได้ว่าจำนวนของผู้ให้บริการเพียงพอกับความต้องการของผู้ใช้บริการหรือไม่อย่างไรและนำไปสู่การตัดสินใจและดำเนินการเพื่อให้สามารถรองรับความต้องการการใช้บริการของผู้ใช้บริการได้อย่างเพียงพอและมีประสิทธิภาพต่อไป สุดท้ายเครื่องมือได้ถูกนำไปทดสอบความถูกต้องกับ 3 กรณีศึกษา ผลลัพธ์ที่ได้ คือ เครื่องมือสามารถวิเคราะห์หาโอกาสที่ผู้ใช้บริการเข้ามาใช้บริการที่แถวคอยและแล้วเสร็จในระยะเวลาที่กำหนดมีค่าความน่าจะเป็นได้อย่างถูกต้อง

Other Abstract (Other language abstract of ETD)

Dealing with the increasing number of customers in business, how to provide the fast service and meet customer requirements are very important. If the business owner does their business without plan to support the increase of customers in the future, the service can be delayed. This may be due to the inadequate numbers of service points or employees provided to the expected number of customers and insufficient queue management. These circumstances lead to not only customer dissatisfaction but also loss of customers and opportunities in the business. This thesis aims to study and explore the Stochastic Petri net which illustrates queuing model including clients, service providers and queuing characteristic. This model provides both quantitative and qualitative analysis of queuing technique and also provides an understanding of queuing behavior. However, because of the limitation of Stochastic Petri net which is unable to calculate the probability of changing service points, the analysis cannot be extended. Therefore, we propose the transformation of Stochastic Petri net into a Markov chain. The Markov chain can be used to calculate the probability that the clients get into the waiting line and to forecast whether the service will be completed using a specific period of time or not. The analysis is in the form of Exponential Distribution using Probability Density Function (PDF) or Cumulative Distribution Function (CDF) to forecast whether the number of service providers is consistent with the number of clients. The result will be used for decision making and further actions to provide efficient services. Lastly, the supporting tool is validated with three cases studies and the results show that the supporting tool is able to analyze the probabilities of the serving time for a customer using the specified time correctly.

Share

COinS
 
 

To view the content in your browser, please download Adobe Reader or, alternately,
you may Download the file to your hard drive.

NOTE: The latest versions of Adobe Reader do not support viewing PDF files within Firefox on Mac OS and if you are using a modern (Intel) Mac, there is no official plugin for viewing PDF files within the browser window.