<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Інформаційна технологія прогнозування та мінімізації інцидентів під час управління ІТ-послугами

Ескіз

Файли

26234.pdf (828,46 KB)

Дата

2026

Автори

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

Using modern information technologies of machine learning and time series analysis, a study of the automated forecasting and minimization of incidents in IT service management systems has been conducted. The paper proposes a comprehensive approach to analyzing historical service record data using ensemble forecasting methods. The main objective is to transform the reactive approach to incident management into a proactive model of preventive actions with automated generation of structured recommendations for technical support services. The developed approach facilitates automation of service record analysis processes, optimization of resource planning, and improvement of IT service quality in organizations.

Опис

Ключові слова

ITSM , SARIMA , Isolation Forest , incident forecasting , IT service management , machine learning , time series analysis , anomaly detection , Isolation Fores , resource optimization

УДК

004.9

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.

ISSN

Бібліографічний опис

Крижановський Є. М., Побідаш В. В. Інформаційна технологія прогнозування та мінімізації інцидентів під час управління ІТ-послугами // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/26234.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/54500

Зібрання

НТКП ВНТУ. Факультет інтелектуальних інформаційних технологій та автоматизації (2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (13)

  1. What is ITSM (IT service management)? – IBM | International Business Machines [Електронний ресурс]. – Режим доступу: https://www.ibm.com/think/topics/it-service-management
  2. ISO 20000: The International Standard for Service Management [Електронний ресурс]. – Режим доступу: https://www.itgovernance.co.uk/iso20000
  3. McKinney W. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. 2nd ed. Sebastopol, CA: O'Reilly Media, 2017. 550 p. ISBN 978-1-491-95766-0
  4. Harris C. R., Millman K. J., van der Walt S. J., et al. Array Programming with NumPy. Nature, 2020. Vol. 585. P. 357-362. DOI: 10.1038/s41586-020-2649-2. arXiv: 2006.10256
  5. Taylor S. J., Letham B. Forecasting at Scale. The American Statistician, 2018. Vol. 72, No. 1. P. 37-45. DOI: 10.1080/00031305.2017.1380080.
  6. Virtanen P., Gommers R., Oliphant T. E., et al. SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python. Nature Methods, 2020. Vol. 17. P. 261-272. DOI: 10.1038/s41592-019-0686-2. arXiv: 1907.10121.
  7. Pedregosa F., Varoquaux G., Gramfort A., et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 2011. Vol. 12. P. 2825-2830.
  8. Liu F. T., Ting K. M., Zhou Z.-H. Isolation Forest. Proceedings of the 2008 Eighth IEEE International Conference on Data Mining (ICDM '08). IEEE Computer Society, 2008. P. 413-422. DOI: 10.1109/ICDM.2008.17
  9. Chen T., Guestrin C. XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD '16). ACM, 2016. P. 785-794. DOI: 10.1145/2939672.2939785. arXiv: 1603.02754.
  10. Ke G., Meng Q., Finley T., et al. LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems 30 (NIPS 2017). 2017. P. 3146-3154.