การแจกแจงทางสถิติ

เหตุใดจึงใช้การแจกแจง?

ในสถานการณ์จริง กระบวนการมีความแปรผัน การให้บริการลูกค้ารายหนึ่งอาจใช้เวลา 5 นาที แต่อีกรายใช้เวลา 25 นาที วันหนึ่งอาจมีคำสั่งซื้อ 50 รายการ แต่อีกวันมี 120 รายการ ความแปรผันตามธรรมชาตินี้เป็นลักษณะพื้นฐานของกระบวนการทางธุรกิจ.

ค่าคงที่ (เช่น “ทุกกิจกรรมใช้เวลา 10 นาทีพอดี”) ทำให้การจำลองไม่สมจริง การแจกแจงใช้คณิตศาสตร์จำลองความแปรผัน จึงทำให้การจำลองมีพฤติกรรมใกล้เคียงกับกระบวนการจริง คุณทดลองใช้กับกระบวนการของคุณได้ด้วยทดลองใช้ฟรี.

ผลของความแปรผัน

ลองเปรียบเทียบ 2 สถานการณ์สำหรับงานที่ใช้เวลาเฉลี่ย 10 นาที:

สถานการณ์	การแจกแจง	ผลต่อการจำลอง
คงที่ 10 นาที	ไม่มีความแปรผัน	การเกิดคิวไม่สมจริง รูปแบบคาดเดาได้
Normal (mean=10, stdDev=3)	ความแปรผันสมจริง	การเกิดคิวเป็นธรรมชาติ ระยะเวลารอสมจริง

สถานการณ์ที่สองสะท้อนความเป็นจริงได้ดีกว่า บางงานเสร็จเร็ว บางงานใช้เวลานานกว่า และความแปรผันนี้ทำให้เกิดการเข้าคิวแบบเดียวกับที่พบในกระบวนการจริง.

การแจกแจงที่ใช้ได้

ProcessMind มีการแจกแจง 9 ประเภทสำหรับจำลองความแปรผันในรูปแบบต่างๆ:

การกระจาย	เหมาะสำหรับ	พารามิเตอร์หลัก
กำหนดตายตัว	ค่าคงที่ที่ไม่เปลี่ยนแปลง	ค่า
ปกติ	ค่าที่แปรผันอย่างสมมาตรรอบค่าเฉลี่ย	mean, stdDev
สม่ำเสมอ	ค่าที่มีโอกาสเกิดเท่ากันภายในช่วง	min, max
สามเหลี่ยม	ช่วงค่าที่มีค่าหนึ่งซึ่งมีโอกาสเกิดมากที่สุด	min, mode, max
ปัวซง	การเข้ามาของเหตุการณ์แบบสุ่ม	lambda, rateUnit
การแจกแจงลอคนอร์มัล	ค่าที่เบ้ไปทางขวา (โดยมากใช้เวลาไม่นาน แต่บางครั้งอาจนาน)	mean, stdDev
ไวบูลล์	การวิเคราะห์ความน่าเชื่อถือและความขัดข้อง	scale, shape
เบตา	รูปแบบยืดหยุ่นภายในช่วง min ถึง max	min, max, alpha, beta
Pearson VI	รูปแบบการกระจายที่เบ้และซับซ้อน	alpha1, alpha2, beta

การแจกแจง Fixed

การแจกแจงแบบง่ายที่สุด โดยให้ค่าเดิมทุกครั้ง.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
ค่า	ค่าคงที่ที่จะส่งกลับ

ลักษณะการทำงาน

• ไม่มีความแปรผันเลย
• ทุกตัวอย่างได้ค่าตามที่กำหนดไว้อย่างแม่นยำ
• เหมาะสำหรับจำลองขั้นตอนที่ระบบควบคุมหรือทำงานอัตโนมัติ

ควรใช้เมื่อใด

• การตอบสนองของระบบอัตโนมัติที่ใช้เวลาเท่ากันทุกครั้ง
• ระยะเวลาหมดอายุหรือกำหนดเวลาตามข้อกำหนด
• ตั้งค่าการจำลองเบื้องต้นก่อนเพิ่มความแปรผัน
• จำลอง SLA หรือข้อจำกัดด้านเวลาตามสัญญา

ตัวอย่าง

อีเมลที่ระบบสร้างจะถูกส่งภายใน 5 วินาทีพอดีทุกครั้ง.

การแจกแจง Normal (Gaussian)

การแจกแจงที่คุ้นเคยในรูป “โค้งระฆัง” ค่าต่างๆ จะกระจุกตัวอย่างสมมาตรรอบค่าเฉลี่ย และมีโอกาสเกิดน้อยลงเมื่ออยู่ห่างจากจุดกึ่งกลาง.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
mean	ค่าเฉลี่ย (จุดกึ่งกลางของโค้ง)
stdDev	ส่วนเบี่ยงเบนมาตรฐาน (การกระจายของค่า)

ลักษณะการทำงาน

• กระจายอย่างสมมาตรรอบค่าเฉลี่ย
• 68% ของค่าทั้งหมดอยู่ภายใน 1 ส่วนเบี่ยงเบนมาตรฐาน
• 95% ของค่าทั้งหมดอยู่ภายใน 2 ส่วนเบี่ยงเบนมาตรฐาน
• 99.7% ของค่าทั้งหมดอยู่ภายใน 3 ส่วนเบี่ยงเบนมาตรฐาน
• ในทางทฤษฎีอาจได้ค่าติดลบ (การจำลองจะจัดการกรณีนี้)

ควรใช้เมื่อใด

• ระยะเวลาประมวลผลที่แปรผันอย่างสมมาตรรอบค่าเฉลี่ย
• ค่าที่วัดได้ซึ่งมีความคลาดเคลื่อนแบบสุ่ม
• ปริมาณที่ได้รับอิทธิพลจากปัจจัยย่อยหลายอย่างซึ่งเป็นอิสระต่อกัน

ตัวอย่าง

งานป้อนข้อมูลใช้เวลาเฉลี่ย 5 นาที และมีส่วนเบี่ยงเบนมาตรฐาน 1 นาที:

• การป้อนข้อมูล 68% ใช้เวลา 4-6 นาที
• 95% ใช้เวลา 3-7 นาที
• มีเพียงไม่กี่ครั้งที่ใช้เวลาน้อยกว่า 2 นาทีหรือมากกว่า 8 นาที

การแจกแจง Uniform

ทุกค่าภายในช่วงมีโอกาสเกิดเท่ากัน จึงได้การแจกแจงความน่าจะเป็นแบบราบ.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
min	ค่าต่ำสุดที่เป็นไปได้
max	ค่าสูงสุดที่เป็นไปได้

ลักษณะการทำงาน

• ความน่าจะเป็นคงที่ ไม่มีค่าใดมีโอกาสเกิดมากกว่าค่าอื่น
• มีขอบเขตชัดเจนที่ min และ max
• ค่าเฉลี่ยเท่ากับ (min + max) / 2 พอดี

ควรใช้เมื่อใด

• เมื่อทราบเพียงช่วงค่า แต่ไม่ทราบค่าที่พบได้ทั่วไป
• การสุ่มเลือกจากช่วงค่าหนึ่ง
• เวลาที่ใช้รอเหตุการณ์ตามกำหนดการ
• จำลองความไม่แน่นอนเมื่อไม่มีข้อมูลย้อนหลัง

ตัวอย่าง

การอนุมัติใช้เวลาระหว่าง 2 ถึง 8 นาที แต่ไม่มีข้อมูลว่าโดยทั่วไปใช้เวลาเท่าใด ระยะเวลาทุกค่าในช่วงนี้จึงมีโอกาสเกิดเท่ากัน.

การแจกแจง Triangular

การแจกแจงแบบง่ายที่ใช้ค่าต่ำสุด ค่าสูงสุด และค่าที่มีโอกาสเกิดมากที่สุด (mode) โดยมีรูปทรงเป็นสามเหลี่ยม.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
min	ค่าต่ำสุดที่เป็นไปได้
mode	ค่าที่มีโอกาสเกิดมากที่สุด (จุดยอดของสามเหลี่ยม)
max	ค่าสูงสุดที่เป็นไปได้

ลักษณะการทำงาน

• ค่าจะกระจุกตัวอยู่ใกล้ mode
• มีขอบเขตที่ min และ max (ไม่มีค่าที่อยู่นอกช่วงนี้)
• การกระจายไม่สมมาตรเมื่อ mode ≠ (min + max) / 2
• ประเมินค่าได้ง่ายจากความรู้ของผู้เชี่ยวชาญ

ควรใช้เมื่อใด

• เมื่อทราบว่า “โดยทั่วไปใช้เวลา X แต่อาจอยู่ในช่วง Y ถึง Z”
• กรณีที่ต้องประเมินโดยผู้เชี่ยวชาญ
• เมื่อการแจกแจง Normal อาจให้ค่าติดลบที่ไม่สมจริง

ตัวอย่าง

การตรวจสอบใบแจ้งหนี้:

• กรณีเร็วที่สุด (min): 2 นาที
• กรณีทั่วไป (mode): 5 นาที
• กรณีใช้เวลานานที่สุด (max): 15 นาที

การตรวจสอบส่วนใหญ่ใช้เวลาประมาณ 5 นาที แต่อาจนานถึง 15 นาทีหากใบแจ้งหนี้มีรายละเอียดซับซ้อน.

การแจกแจง Poisson

ใช้จำลองจำนวนเหตุการณ์ที่เกิดขึ้นในช่วงเวลาคงที่ เหมาะสำหรับกระบวนการที่มีเหตุการณ์เข้ามา.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
lambda	อัตราเฉลี่ยของเหตุการณ์
rateUnit	หน่วยเวลาของอัตรา (perHour, perDay, perWeek, perMonth, perYear)

ลักษณะการทำงาน

• ค่าไม่ต่อเนื่อง (จำนวนเต็ม: 0, 1, 2, 3…)
• ความแปรปรวนเท่ากับค่าเฉลี่ย
• เหตุการณ์เป็นอิสระต่อกัน
• จำลอง “การมาถึงแบบสุ่ม” ได้ดี

ควรใช้เมื่อใด

• จำนวนกรณีที่เข้าสู่กระบวนการ
• การมาถึงของลูกค้า
• การสร้างคำสั่งซื้อ
• สถานการณ์ที่เกี่ยวข้องกับ “จำนวนเหตุการณ์ต่อช่วงเวลา”

ตัวอย่าง

Lambda=20, rateUnit=perDay ใช้จำลองเคสที่เข้ามาประมาณ 20 เคสต่อวัน บางวันอาจมี 15 เคส บางวันอาจมี 25 เคส ซึ่งเป็นความแปรผันตามธรรมชาติของการมาถึงแบบสุ่ม.

การแจกแจง Lognormal

การแจกแจงที่เบ้ไปทางขวา ค่าส่วนใหญ่มีขนาดเล็ก แต่บางครั้งอาจมีค่าขนาดใหญ่เกิดขึ้น โดยลอการิทึมของค่าจะมีการแจกแจงแบบ Normal.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
mean	ค่าเฉลี่ยของค่าที่สร้างขึ้น (ไม่ใช่ค่าเฉลี่ยของลอการิทึม)
stdDev	ส่วนเบี่ยงเบนมาตรฐานของค่าที่สร้างขึ้น (ไม่ใช่ส่วนเบี่ยงเบนมาตรฐานของลอการิทึม)

ลักษณะการทำงาน

• เป็นค่าบวกเสมอ (ไม่มีค่าติดลบ)
• เบ้ไปทางขวา โดยมีหางยาวไปทางค่าสูง
• ค่าส่วนใหญ่กระจุกตัวอยู่ในช่วงต่ำ
• มีค่าขนาดใหญ่เกิดขึ้นเป็นครั้งคราว

ควรใช้เมื่อใด

• งานที่มักเสร็จเร็ว แต่บางครั้งใช้เวลานานกว่ามาก
• ข้อมูลทางการเงินและการกระจายรายได้
• เวลาตอบสนองที่มีความล่าช้าเป็นครั้งคราว
• เวลาที่ใช้แก้ข้อบกพร่อง

ตัวอย่าง

ตั๋วขอความช่วยเหลือด้านเทคนิค:

• ส่วนใหญ่แก้ไขเสร็จภายใน 1-2 ชั่วโมง
• บางรายการใช้เวลาทั้งวัน
• ปัญหาซับซ้อนที่พบไม่บ่อยอาจใช้เวลาหลายวัน

การแจกแจง Lognormal จำลองรูปแบบ “ส่วนใหญ่เสร็จเร็ว แต่บางครั้งใช้เวลานาน” ได้.

การแจกแจง Weibull

การแจกแจงที่ยืดหยุ่น นิยมใช้ในวิศวกรรมความน่าเชื่อถือและการวิเคราะห์ความขัดข้อง.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
scale	พารามิเตอร์มาตราส่วน (อายุการใช้งานตามลักษณะเฉพาะ)
shape	พารามิเตอร์รูปร่าง (กำหนดรูปแบบการแจกแจง)

ผลของพารามิเตอร์รูปร่าง

ค่า shape	ลักษณะการแจกแจง
shape ต่ำกว่า 1	อัตราความขัดข้องลดลง (ความขัดข้องในช่วงเริ่มใช้งาน)
shape = 1	อัตราความขัดข้องคงที่ (การแจกแจงแบบเอ็กซ์โพเนนเชียล)
shape สูงกว่า 1	อัตราความขัดข้องเพิ่มขึ้น (การสึกหรอ)

ควรใช้เมื่อใด

• เวลาที่อุปกรณ์ขัดข้อง
• การวิเคราะห์เวลาจนเกิดเหตุการณ์
• การจำลองความน่าเชื่อถือ
• เมื่อต้องการควบคุมรูปร่างของการแจกแจงได้อย่างยืดหยุ่น

การแจกแจง Beta

การแจกแจงที่ยืดหยุ่น ซึ่งสร้างค่าระหว่างค่าต่ำสุดและค่าสูงสุด โดยใช้พารามิเตอร์ 2 ตัวควบคุมรูปร่าง เป็นการแจกแจง Beta แบบทั่วไป (4 พารามิเตอร์).

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
min	ค่าต่ำสุดที่เป็นไปได้
max	ค่าสูงสุดที่เป็นไปได้
alpha	พารามิเตอร์รูปร่างตัวแรก (α > 0)
beta	พารามิเตอร์รูปร่างตัวที่สอง (β > 0)

ลักษณะการทำงาน

• ค่าจะอยู่ระหว่าง min และ max เสมอ
• ปรับรูปทรงได้หลากหลายมากตามค่า α และ β
• เมื่อ α = β การกระจายจะสมมาตรรอบจุดกึ่งกลางของ [min, max]
• เมื่อ α < β ค่าจะกระจุกไปทาง min (เบ้ซ้าย)
• เมื่อ α > β ค่าจะกระจุกไปทาง max (เบ้ขวา)
• เมื่อ α = β = 1 จะกลายเป็นการกระจายแบบสม่ำเสมอบนช่วง [min, max]
• ค่าเฉลี่ย = min + (max − min) × α / (α + β)

ผลของพารามิเตอร์รูปร่าง

พารามิเตอร์	ลักษณะการกระจาย
α = 1, β = 1	สม่ำเสมอ (แบน) ตลอดช่วง [min, max]
α = β	รูประฆังคว่ำสมมาตร โดยมีจุดกึ่งกลางเป็นศูนย์กลาง
α < β	เบ้ซ้าย (ค่ากระจุกใกล้ min)
α > β	เบ้ขวา (ค่ากระจุกใกล้ max)
α < 1, β < 1	รูปตัว U (ค่ากระจุกที่ปลายทั้งสองด้าน)

ควรใช้เมื่อใด

• ค่าที่มีขอบเขต เมื่อทราบช่วงและต้องการควบคุมรูปแบบการกระจาย
• ระยะเวลาทำงานที่มักกระจุกอยู่ใกล้ปลายด้านหนึ่งของช่วงที่ทราบ
• การจำลองความน่าจะเป็นหรืออัตราความสำเร็จ (กำหนด min=0, max=1)
• คะแนนคุณภาพ เปอร์เซ็นต์ความคืบหน้า หรืออัตราผลผลิต
• ค่าประมาณจากผู้เชี่ยวชาญที่ทราบช่วงและพอคาดได้ว่าค่ามักกระจุกอยู่บริเวณใด

ตัวอย่าง

งานตรวจสอบใช้เวลาตั้งแต่ 2 ถึง 15 นาที โดยส่วนใหญ่มักเสร็จในช่วงเวลาสั้นกว่า ให้ใช้ Beta(min=2, max=15, α=2, β=5) ค่าเฉลี่ยอยู่ที่ประมาณ 2 + 13 × 2/7 ≈ 5.7 นาที โดยค่าจะกระจุกอยู่ทางด้านต่ำ แต่ไม่ต่ำกว่า 2 หรือสูงกว่า 15 นาที.

การกระจาย Pearson VI

การกระจายขั้นสูงสำหรับรูปแบบเบ้ที่ซับซ้อน ซึ่งอธิบายด้วยแบบจำลองที่เรียบง่ายกว่าไม่ได้.

พารามิเตอร์

พารามิเตอร์	คำอธิบาย
alpha1	พารามิเตอร์รูปร่างตัวแรก
alpha2	พารามิเตอร์รูปร่างตัวที่สอง
beta	พารามิเตอร์มาตราส่วน

ควรใช้เมื่อใด

• การกระจายที่ซับซ้อนซึ่งได้จากการวิเคราะห์ข้อมูล
• เมื่อการกระจายแบบง่ายไม่สอดคล้องกับข้อมูลย้อนหลัง
• สถานการณ์การสร้างแบบจำลองทางสถิติขั้นสูง

เลือกการกระจายให้เหมาะสม

สรุปสั้นๆ: ระยะเวลาดำเนินการ

สถานการณ์ของคุณ	การกระจายที่แนะนำ
เวลาแปรผันอย่างสมมาตรรอบค่าเฉลี่ย	ปกติ
ทราบเพียงช่วงค่า (ค่าต่ำสุดถึงค่าสูงสุด)	สม่ำเสมอ
ทราบค่าทั่วไป กรณีดีที่สุด และกรณีแย่ที่สุด	สามเหลี่ยม
โดยมากใช้เวลาไม่นาน แต่บางครั้งอาจนานกว่ามาก	การแจกแจงลอคนอร์มัล
เวลาเป็นค่าคงที่ (พบไม่บ่อย)	กำหนดตายตัว
สัดส่วนหรือความน่าจะเป็น (0 ถึง 1)	เบตา

สรุปสั้นๆ: อัตราการมาถึง

สถานการณ์	การกระจายที่แนะนำ
การเข้ามาแบบสุ่มและเป็นอิสระต่อกัน	ปัวซง
การเข้ามาในอัตราคงที่	กำหนดตายตัว

แนวทางปฏิบัติที่ดี

เริ่มจากแบบง่าย

เริ่มด้วยการกระจาย Normal หรือ Triangular เพราะเข้าใจและกำหนดพารามิเตอร์ได้ง่าย และมักเพียงพอต่อการใช้งาน เพิ่มความซับซ้อนเมื่อจำเป็นเท่านั้น.

ใช้ความรู้จากผู้เชี่ยวชาญ

ผู้เชี่ยวชาญในเรื่องนั้นๆ ช่วยให้ค่าประมาณที่มีประโยชน์ได้ เช่น

• “กรณีดีที่สุด?” → ค่าต่ำสุด
• “ค่าทั่วไป?” → ค่าเฉลี่ยหรือฐานนิยม
• “กรณีแย่ที่สุด?” → ค่าสูงสุด

ตรวจสอบกับข้อมูลจริง

หากมีข้อมูลย้อนหลัง:

1. ปรับการกระจายให้สอดคล้องกับข้อมูล
2. เปรียบเทียบผลจำลองกับผลการดำเนินงานจริง
3. ปรับพารามิเตอร์ของการกระจายให้เหมาะสม

คำนึงถึงค่าผิดปกติ

กระบวนการจริงมักมีค่าผิดปกติ การกระจาย Lognormal และ Weibull อาจจำลองค่าเหล่านี้ได้ดีกว่า Normal หรือ Triangular.

เลือกให้ตรงกับลักษณะกระบวนการ

• ความแปรผันแบบสมมาตร → Normal
• ความแปรผันที่มีขอบเขต → Triangular หรือ Uniform
• การกระจายเบ้ขวา → Lognormal
• สัดส่วน (0 ถึง 1) → Beta
• รูปแบบซับซ้อน → Weibull หรือ Pearson VI

สร้างโมเดล BPMN แบบกำหนดเอง

ขั้นตอนถัดไป

วิธีการทำงาน

ทำความเข้าใจวิธีที่กลไกการจำลองใช้การกระจาย.