جستجو
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
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
زبان مقاله : فارسی
محور مقاله : فناوري اطلاعات ( کلیه گرایش ها)
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABGZFH
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABGZFH
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems