ระบบจำแนกต้นเหตุความขัดข้องของเครือข่ายลูกค้า

Root-Cause Fault Classification of Customer Network Link

Name: ธนบูรณ์ ชุติศักดิ์เกตุ

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วท.ม. (เทคโนโลยีสารสนเทศ) 2564

Classification :.LCCS: TK5105.583

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. สาขาเทคโนโลยีสารสนเทศ -- วิทยานิพนธ์

ThaSH: เอสเอ็นเอ็มพี (โปรโตคอลเครือข่ายคอมพิวเตอร์)

ThaSH: โปรโตคอลเครือข่ายคอมพิวเตอร์

ThaSH: ต้นไม้ตัดสินใจ

Abstract: การส่งทีมช่างลงพื้นที่ลูกค้าเพื่อแก้ไขปัญหาการขาดการติดต่อของอุปกรณ์มีค่าใช้จ่ายที่ค่อนข้างสูง จึงควรมีกลไกช่วยตัดสินใจที่ดีเพื่อหลีกเลี่ยงการส่งช่างโดยไม่จำเป็น งานวิจัยนี้นำเสนอการออกแบบและสร้างระบบวิเคราะห์ปัญหาด้วยเทคนิค SNMP-Trap และการเรียนรู้ของเครื่องจักรให้สามารถคัดแยกปัญหาของอุปกรณ์สวิตช์ที่ติดตั้งในพื้นที่ของลูกค้า เพื่อให้ช่างและฝ่ายดูแลลูกค้าสามารถตรวจสอบปัญหาที่เกิดขึ้นได้อย่างถูกต้อง โดยสามารถคัดแยกสาเหตุของปัญหาที่เกิดขึ้นได้เพื่อใช้ในการ ตัดสินใจสำหรับการส่งช่างเข้าแก้ปัญหา ซึ่งงานวิจัยนี้จะนำเสนอและเปรียบเทียบความแม่นยำของอัลกอริทึมแบบกฎการจำแนกและแบบต้นไม้ตัดสินใจ การทดสอบกับข้อมูลในอดีตของบริษัทยูไนเต็ดอินฟอร์เมชั่นไฮเวย์ จำกัด แสดงให้เห็นว่าการจำแนกประเภทปัญหาของอุปกรณ์สวิตช์ด้วยต้นไม้ตัดสินใจ ได้ผลความแม่นยำของอัลกอริทึม 99% และเมื่อนำไปติดตั้งใช้งานจริงในบริษัทฯ เป็นระยะเวลา 2 เดือน พบว่าสามารถช่วยลดความผิดพลาดในการส่งทีมช่างได้ถึง 100% ทำให้ลดค่าใช้จ่ายสำหรับการจัดส่งทีมช่างได้รวมเป็นเงิน 70,000 บาท Dispatching a customer support team to a customer site is a costly operation. A decision support mechanism should be employed to avoid such unnecessary waste of time and expense. This research proposes Root-Cause Fault Classification of Customer Network Link which relies on SNMP-Trap and machine learning techniques to learn and classify the running status of network equipment at customer sites. Technicians and customer support can then accurately identify the cause of a problem and make a good decision whether or not to send a support team. Two decision-making algorithms, rule base and decision tree, are proposed and compared. Experiments based on historical records from United Information Highway Company Limited show that root cause classification of network switches using the decision tree technique yields an accuracy of 99%. After deploying and testing in the company for two months, the proposed algorithm was found to completely reduce unnecessary dispatches completely, which resulted in a total cost saving of 70,000 Baht.

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: ชัยพร ใจแก้ว

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: อภิรักษ์ จันทร์สร้าง

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Created: 2564

Modified: 2568-07-04

Issued: 2568-07-04

วิทยานิพนธ์/Thesis

application/pdf

URL: https://www.lib.ku.ac.th/KUthesis/2564/tanaboon-chu-all.pdf

CallNumber: TK5105.583 .ธ15

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	tanaboon-chu-all.pdf	2.24 MB

ใช้เวลา

0.030135 วินาที