ارائه چارچوبی مبتنی بر یادگیری ماشین جهت شناسایی گلوگاه‌ها و پیش‌بینی نقض توافق‌نامه سطح خدمت در فرایندهای مدیریت خدمات فناوری اطلاعات

سحر عباسی رستمی¹ علی طائی زاده²

1) دانشجوی دکتری، گروه مهندسی کامپیوتر، دانشگاه قم
2) استادیار، گروه مهندسی کامپیوتر، دانشگاه قم

کد IOI مقاله : AAHD-ABGZFH
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    مدیریت کارآمد رخدادها در ITSM مستلزم رعایت دقیق توافق‌نامه‌های سطح خدمت (SLA) است. وقوع نقض SLA منجر به کاهش بهره‌وری و افت رضایت کاربران می‌شود؛ لذا پیش‌بینی زودهنگام این رخدادها و شناسایی گلوگاه‌های فرایندی، اهمیت راهبردی دارد. در این پژوهش، چارچوبی مبتنی بر یادگیری ماشین برای پیش‌بینی وضعیت made_sla با استفاده از داده‌های واقعی (۱۴۱،۷۱۲ رکورد) ارائه شده است. پس از پیش‌پردازش داده‌ها و حذف ویژگی‌های مستعد نشت اطلاعات ، مدل‌های رگرسیون لجستیک، جنگل تصادفی و XGBoost ارزیابی شدند. نتایج نشان داد که مدل XGBoost با کسب F1-Score برابر با 0.885 و AUC برابر با 0.914، عملکرد برتری نسبت به سایر مدل‌ها دارد. تحلیل اهمیت ویژگی‌ها مشخص کرد که تعداد ویرایش‌های رخداد و تعداد ارجاعات مجدد ، اصلی‌ترین عوامل پیش‌ران در نقض SLA هستند. یافته‌های این پژوهش، ابزاری تصمیم‌یار و اثربخش برای مدیران ITSM جهت پایش هوشمند ریسک‌ها و بهینه‌سازی تخصیص منابع فراهم می‌آورد.

کلمات کلیدی : مدیریت خدمات فناوری اطلاعات (itsm) توافق‌نامه سطح خدمت (sla) یادگیری ماشین xgboost شناسایی گلوگاه