Mokslas: Lietuvos Ateitis (Jun 2024)
Improvement of incident management model using machine learning methods
Abstract
Technical support of IT infrastructure is a crucial aspect of organizational operations, with the most challenging task being ensuring service continuity. Quality support guarantees high IT efficiency, but complex incidents reduce support quality and require effective management. Incident management includes configuration processes and control of technical solutions. To improve technical support, adhering to both quantitative and qualitative standards and considering system specifics is necessary. According to service level agreements (SLA), the resolution time of incidents is important. „Service Desk“ tools, applying machine learning methods, can help optimize these processes. Incorrectly classified user requests lead to additional work for the IT team and delay incident resolution. Machine learning methods, such as K-means clustering, Random Forest regression, and classification, can optimize incident management and speed up resolution time. The research analyzes „Service Desk“ incident data to model resolution times and improve incident management. Article in Lithuanian. Incidentų valdymo modelio tobulinimas, taikant mašininio mokymosi metodus Santrauka IT infrastruktūros techninis palaikymas yra esminis organizacijos veiklos aspektas, kurio sudėtingiausia užduotis yra užtikrinti veikimo tęstinumą. Kokybiškas palaikymas garantuoja aukštą IT efektyvumą, tačiau sudėtingi incidentai sumažina palaikymo kokybę ir reikalauja veiksmingo valdymo. Incidentų valdymas apima konfigūracijų procesus ir techninių sprendimų kontrolę. Siekiant pagerinti techninį palaikymą, būtina laikytis tiek kiekybinių, tiek kokybinių standartų ir atsižvelgti į sistemų specifiką. Pagal paslaugų lygio sutartis (SLA) svarbus incidentų sprendimo laikas. „Service Desk“ įrankiai, taikant mašininio mokymosi metodus, gali padėti optimizuoti šiuos procesus. Naudotojų neteisingai klasifikuotos užklausos lemia papildomą IT komandos darbą ir vilkina incidentų sprendimą. „K-means“ klasterizacijos, „Random Forest“ regresijos ir klasifikacijos mašininio mokymosi metodai gali optimizuoti incidentų valdymą ir pagreitinti sprendimo laiką. Tyrimo tikslas yra analizuoti „Service Desk“ incidentų duomenis, siekiant modeliuoti sprendimų laiką ir pagerinti incidentų valdymą. Reikšminiai žodžiai: IT infrastruktūra, techninis palaikymas, incidentų valdymas, incidentų sprendimo laikas, Service Desk, mašininio mokymosi metodai, užklausos klasifikavimas.
Keywords
