Eficiency Measuring for Computer Network Management System (MSU-Net) of Mahasarakham University through Cloud Computing to Support Intelligent Network Management

Abstract

Cloud computing technology is another information technology that is widely discussed in the present era. Cloud computing provides services to members or users, allowing everyone to share services through the internet. It offers data storage and processing capabilities using high-performance hardware, applications, and various services with reliable security management systems. This technology aids organizations in allocating resources across servers, desktops, and applications, helping to reduce server, hardware, and network costs. It simplifies computer system management in educational institutions, making it more efficient, enhancing access to learning applications, and enabling access to information anytime, anywhere. The researcher is therefore interested in studying network management through cloud computing to assess and improve the management efficiency of the university's computer network. This approach would facilitate network administrators in managing and solving issues quickly and efficiently through cloud computing, supporting intelligent network management and enabling the tools used for network management to assess system performance with experts and network administrators responsible for managing the MSU-Net at Mahasarakham University. The research findings will be presented in a report.

The research results show that the general information of respondents regarding gender reveals that most are male, totaling 9 people (90%), and 1 person is female (10%). Regarding age, most respondents are between 41-50 years old, totaling 4 people (40%), followed by those between 31-40 and 51-60, with 3 people each (30%). Job position findings show that most are computer scientists, totaling 7 people (70%), and 3 are executives (30%). As for years of work experience, the majority have worked between 6-10 and 21-25 years, with 3 people each (30%), followed by those with 11-15 and 16-20 years, with 2 people each (20%). Regarding fields of education, most respondents graduated in computer science, totaling 6 people (60%), with 1 respondent each in computer engineering, business computer, computer education, and other fields (10%). Regarding educational level, most respondents hold a bachelor’s degree, totaling 4 people, followed by 3 each with master’s and doctoral degrees (30%). Work experience findings reveal that most respondents have 6-11 years of experience, totaling 5 people (50%), followed by those with 11-15 and 21-25 years, with 2 people each (20%), and the least, 16-20 years, with 1 person (10%).

The satisfaction level with the efficiency of cloud-based computer network management tools (MSU-Net) is at the highest level overall (μ = 4.89). When considering each item, satisfaction with security management is at the highest level (μ = 4.52), followed by automation at the highest level (μ = 4.50). The next highest scores are in configuration management (μ = 4.43), resource scaling (μ = 4.42), account management (μ = 4.36), configuration management (μ = 4.27), real-time monitoring (μ = 4.20), performance management (μ = 4.13), and predictive analysis (μ = 4.10), respectively.

เทคโนโลยีการประมวลผลแบบคลาวด์ (Cloud Computing) เป็นอีกหนึ่งเทคโนโลยีสารสนเทศที่กำลังได้รับการกล่าวถึงอย่างแพร่หลายในยุคปัจจุบัน การประมวลผลแบบคลาวด์เป็นการให้บริการกับสมาชิกที่เป็นผู้ใช้งานหรือบริการทุกคนสามารถเข้าใช้บริการร่วมกันได้ผ่านเครือข่ายอินเทอร์เน็ต มีพื้นที่จัดเก็บข้อมูลและประมวลผลด้วยฮาร์ดแวร์ที่มีประสิทธิภาพจากแอปพลิเคชันและบริการต่าง ๆ ในลักษณะที่มีระบบการจัดการด้านความปลอดภัยที่น่าเชื่อถือ ช่วยองค์กรในการจัดสรรการใช้ทรัพยากรข้ามเซิร์ฟเวอร์ เดสก์ท็อปและแอปพลิเคชันได้ สามารถลดต้นทุนเซิร์ฟเวอร์ ฮาร์ดแวร์ และระบบเครือข่ายคอมพิวเตอร์ ทำให้การจัดการระบบคอมพิวเตอร์ในสถาบันการศึกษาทำได้ง่ายและมีประสิทธิภาพสูง ปรับปรุงการเข้าถึงแอปพลิเคชันเพื่อการเรียนรู้ในด้านต่าง ๆ และสามารถเข้าถึงข้อมูลได้ในทุกที่ทุกเวลาได้อย่างแท้จริง ผู้วิจัยจึงมีความสนใจทำการศึกษาแนวทางการจัดการระบบเครือข่ายคอมพิวเตอร์ผ่านการประมวลผลแบบคลาวด์ เพื่อประเมินและเพิ่มประสิทธิภาพการบริหารจัดการระบบเครือข่ายคอมพิวเตอร์ของมหาวิทยาลัย ซึ่งจะทำให้บุคลากรที่มีหน้าที่ดูแลระบบเครือข่ายคอมพิวเตอร์ มีความสะดวกในการจัดการและแก้ไขปัญหาได้อย่างรวดเร็วและมีประสิทธิภาพผ่านการประมวลผลแบบคลาวด์ สามารถรองรับการจัดการระบบเครือข่ายแบบอัจฉริยะ และนำเครื่องมือที่ใช้ในการจัดการระบบเครือข่ายไปประเมินประสิทธิภาพระบบจัดการกับผู้เชี่ยวชาญและบุคลากรที่มีหน้าที่ดูแลระบบเครือข่าย MSU-Net ของมหาวิทยาลัยมหาสารคาม เพื่อนำเสนอรายงานวิจัยต่อไป

ผลการวิจัยพบว่า ข้อมูลทั่วไปของผู้ตอบแบบสอบถาม ข้อมูลเพศ พบว่า ส่วนมากเป็นเพศชาย จำนวน 9 ราย คิดเป็นร้อยละ 90 เพศหญิง 1 ราย คิดเป็นร้อยละ 10 อายุ พบว่า ส่วนมากอายุ 41-50 ปี จำนวน 4 ราย คิดเป็นร้อยละ 40 และอายุ 31-40 อยุ 51-50 ปี จำนวน 3 ราย คิดเป็นร้อยละ 30 เท่ากัน ตำแหน่งงาน พบว่า ส่วนมากเป็นนักวิชาการคอมพิวเตอร์ จำนวน 7 ราย คิดเป็นร้อยละ 70 และผู้บริหารจำนวน 3 ราย คิดเป็นร้อยละ 30 อายุการทำงาน พบว่า ส่วนมากอายุ 6-10 ปี อายุ 21-25 ปี จำนวนละ 3 ราย คิดเป็นร้อยละ 30 และอายุ 11-15 ปี อายุ 16-20 ปี จำนวนละ 2 ราย คิดเป็นร้อยละ 20 สาขาที่สำเร็จการศึกษา พบว่า ส่วนมากเป็นสาขาวิทยาการคอมพิวเตอร์ จำนวน 6 ราย คิดเป็นร้อยละ 60 และวิศวกรรมคอมพิวเตอร์ คอมพิวเตอร์ธุรกิจ คอมพิวเตอร์ศึกษา อื่น ๆ จำนวนละ 1 คิดเป็นร้อยละ 10 ระะดับการศึกษา พบว่า ส่วนมากเป็นปริญญาตรี จำนวน 4 ราย รองลงมาปริญญาโท และปริญญาเอก จำนวนละ 3 ราย คิดเป็นร้อยละ 30 ประสบการณ์ทำงาน พบว่า ส่วนมาก อายุ 6-11 ปี จำนวน 5 ราย คิดเป็นร้อยละ 50 รองลงมาอายุ 11-15 ปี อายุ 21-25 ปี จำนวนละ 2 ราย คิดเป็นร้อยละ 20 และน้อยที่สุด อายุ 16-20 ปี จำนวน 1 ราย คิดเป็นร้อยละ 10 ตามลำดับ

ระดับความพึงพอใจในประสิทธิภาพเครื่องมือในการจัดการระบบเครือข่ายคอมพิวเตอร์ (MSU-Net) ผ่านคลาวด์คอมพิวติงโดยรวมอยู่ในระดับมากที่สุด (μ = 4.89) และเมื่อพิจารณาเป็นรายข้อ พบว่า พึงพอใจในการจัดการความปลอดภัย ระดับมากที่สุด (μ = 4.52) และระบบอัตโนมัติ ระดับมากที่สุด (μ = 4.50) รองลงมา คือ การจัดการการตั้งค่า ระดับมาก (μ = 4.43) การปรับขนาดทรัพยากร ระดับมาก (μ = 4.42) การจัดการบัญชี ระดับมาก (μ = 4.36) การจัดการการตั้งค่า ระดับมาก (μ = 4.27) การตรวจสอบตามเวลาจริง ระดับมาก (μ = 4.20) การจัดการประสิทธิภาพ ระดับมาก (μ = 4.13) และการวิเคราะห์เชิงคาดการณ์ ระดับมาก (μ = 4.10) ตามลำดับ