Bilişim teknolojisi altyapı kütüphaneliği çerçevesinde operasyonel süreçlerin süreç madenciliği, tahminleme ve kesikli olay simülasyonu ile iyileştirilmesi

Abstract

Bu tez çalışması, Information Technology Infrastructure Library (ITIL-Bilgi Teknolojisi Altyapı Kütüphanesi) çerçevesinde yönetilen bilgi teknolojisi (BT) süreçlerinden etkileşim, olay ve değişim süreçlerinin etkinliğini artırmayı hedeflemiştir. ITIL, BT hizmet yönetiminde dünya çapında kabul görmüş bir çerçevedir ve süreçlerin yapılandırılması, sürekli iyileştirilmesi ve işletmelerin rekabet avantajını artırması amacıyla kullanılmaktadır. Bu kapsamda, süreç madenciliği, zaman serisi analizleri ve kesikli olay simülasyonu yöntemlerinin bir araya getirildiği entegre bir yaklaşım geliştirilmiştir. Çalışmada, bu üç yöntemin birlikte kullanımıyla BT operasyonel süreçlerinin dinamik yapısının anlaşılması, süreçlerin optimizasyonu ve operasyonel verimliliğin artırılması amaçlanmıştır. Tez çalışmasının ilk aşamasında, olay, etkileşim ve değişiklik süreçlerine ilişkin veri setleri detaylı bir şekilde analiz edilmiştir. Veri temizliği ve ön işleme süreçleri uygulanarak süreç madenciliği analizleri için uygun hale getirilmiştir. Süreç madenciliği kapsamında, Heuristic Miner algoritması kullanılarak etkileşim ve değişim süreçlerini modelleyen Petri ağı modelleri çıkarılmıştır. Bu modeller, süreçlerin görsel ve analitik bir şekilde anlaşılmasına olanak tanımış ve süreçlerdeki darboğazlar ile kritik noktaların belirlenmesini sağlamıştır. Örneğin, yazılımsal değişiklik süreçlerinde onay sürelerinin uzunluğu ve yoğun değişiklik dönemlerinde kaynakların dengesiz kullanımı gibi sorunlar bu analizlerle ortaya çıkarılmıştır. İkinci aşamada, süreç madenciliği ile elde edilen veriler üzerinden kapsamlı bir özellik mühendisliği gerçekleştirilmiştir. Özellikle yazılımsal değişikliklerden türetilen metrikler, tahmin modellerinin doğruluğunu artırmada önemli bir rol oynamıştır. Bu metrikler arasında değişiklik yoğunluğu, acil değişiklik oranı, Change Advisory Board (CAB-Değişiklik Danışma Kurulu) onay oranı, yazılımsal değişiklik benzerliği ve değişiklik backlog sayısı gibi nitelikler bulunmaktadır. Ayrıca, süreçlerin dinamik yapısını anlamak için grafik tabanlı ve zaman tabanlı nitelikler de türetilmiştir. Bu zengin nitelikler kümesi, gelecekteki etkileşimlerin tahmin edilmesi için zaman serisi analizleri (SARIMAX) ve makine öğrenmesi algoritmaları (XGBoost, Random Forest, LSTM) ile analiz edilmiştir. Yapılan analizler sonucunda, SARIMAX modelinin tahmin performansı açısından en başarılı sonuçları verdiği görülmüştür. Yazılımsal değişikliklerden türetilen niteliklerin tahmin doğruluğunu artırdığı ve süreç yönetiminde proaktif stratejiler geliştirilmesine olanak sağladığı belirlenmiştir. Üçüncü aşamada ise kesikli olay simülasyonu kullanılarak etkileşim ve olay süreçlerinin dinamik yapısı modellenmiştir. Bu modeller, gerçek veri setlerinden elde edilen parametreler doğrultusunda oluşturulmuş ve süreç performansı farklı senaryolar altında değerlendirilmiştir. Simülasyon senaryoları arasında servis masası kapasitesinin artırılması, İlk Çağrı Çözüm Oranı (FCR) hedefinin yükseltilmesi ve değişiklik süreçlerindeki darboğazların iyileştirilmesi gibi stratejiler yer almıştır. Simülasyon sonuçları, kaynak artırımı ve FCR oranının yükseltilmesinin süreç performansını önemli ölçüde artırdığını göstermiştir. Bu sonuçlar, süreçlerin optimize edilmesine yönelik stratejilerin karar destek sistemleriyle desteklenmesi gerektiğini vurgulamaktadır. Bu çalışmanın temel katkılarından biri, ITIL süreçlerinin dinamik yapısını anlamaya yönelik yenilikçi bir çerçeve sunmasıdır. Süreç madenciliği teknikleri ile süreçlerin analizi ve görselleştirilmesi, süreçlerdeki darboğazların belirlenmesini sağlamış ve operasyonel verimliliğin artırılmasına katkıda bulunmuştur. Yazılımsal değişikliklerden türetilen niteliklerin gelecekteki etkileşimlerin tahmininde kullanılması, süreç yönetiminde daha bilinçli ve stratejik kararlar alınmasını sağlamıştır. Ayrıca, simülasyon modelleri ile farklı senaryolar altında süreç performansının değerlendirilmesi, işletmelere süreçleri iyileştirme ve müşteri memnuniyetini artırma konusunda önemli bir rehber sunmuştur. Bu tez çalışması, ITIL süreçlerinin daha etkin yönetilmesine yönelik kapsamlı bir analiz ve modelleme süreci sunmaktadır. Gelecek çalışmalar için, tahmin ve simülasyon modellerinin entegrasyonu ile bu yaklaşımın daha da geliştirilmesi önerilmektedir. Ayrıca, daha geniş veri setlerinin kullanılması ve süreç modellerinin adaptif bir yapıya kavuşturulması, BT hizmet yönetiminde daha ileri düzeyde karar destek sistemlerinin geliştirilmesine katkı sağlayabilir. Bu bağlamda, süreç madenciliği, öngörme analizi ve simülasyon yöntemlerinin entegrasyonu, ITIL süreçlerinin dinamik yapısını daha iyi anlamaya ve optimize etmeye yönelik güçlü bir araç olarak öne çıkmaktadır.

This thesis addresses a critical challenge in IT service management: improving Information Technology Infrastructure Library (ITIL) processes, particularly interactions, incidents, and software changes. ITIL, a globally recognized framework, provides structured guidelines for managing IT services, emphasizing continuous improvement and value delivery. This study integrates process mining, predictive modeling, and discrete-event simulation to enhance the decision-making capabilities within ITIL processes, providing actionable insights for improving operational efficiency and customer satisfaction. The ITIL framework encompasses several processes, of which interactions, incidents, and software changes are pivotal. Interactions represent the first point of contact between users and IT support, covering service requests, inquiries, and general assistance. Effective interaction management is critical to maintaining user satisfaction and ensuring seamless service delivery. Incidents, on the other hand, refer to unplanned interruptions or quality reductions in IT services. Incident management aims to restore normal operations as swiftly as possible, minimizing disruption to business activities. Software changes represent the implementation of new functionalities, updates, or fixes, often requiring careful coordination to avoid service disruptions. These processes are deeply interconnected, with changes often triggering new interactions or incidents, highlighting the need for an integrated management approach. Process mining, a cornerstone of this research, plays a crucial role in unraveling the complexities of these ITIL processes. By analyzing event logs, process mining techniques provide a visual and analytical representation of workflows, uncovering inefficiencies and bottlenecks. A comprehensive literature review highlights the increasing reliance on process mining for IT service management, as it bridges the gap between static process models and dynamic real-world operations. In this study, the Heuristic Miner algorithm was employed to generate Petri net models for interaction, incident, and change processes. These models revealed critical inefficiencies, such as delays in change approval and uneven workload distribution in interaction handling. These insights informed the development of targeted strategies for process improvement. The study further broadens the field by deriving a rich set of predictive features from process-mining insights, with software changes—a complex and often unpredictable ITIL process—serving as the focal point for feature engineering. Beyond capturing basic measures like change intensity (e.g., total weekly changes) and emergency-change ratios, the proposed approach also includes Change Advisory Board (CAB) approval rates, backlog sizes (e.g., the number of changes still open after their planned completion dates), and various risk-oriented or service-configuration indicators (e.g., risk assessment levels, Configuration Item (CI) subtype counts). In addition, process mining methods have been leveraged to extract graph-based features that reflect the structure and flow of changes within the overall ITIL process. Examples include average in-degree or max out-degree in the change-activity network, total edge counts between related changes, and similarity scores for consecutive changes. These graph-based metrics, alongside the more direct log-based features, encapsulate the dynamic nature of software changes and their downstream impact on subsequent interactions and incidents. For instance, a high volume of emergency changes was found to correlate with increased interaction counts in subsequent weeks, illustrating the cascading effects of hurried or poorly managed change activities. By integrating a comprehensive set of quantitative (e.g., change volume, backlog, graph-based connectivity) and qualitative (e.g., CAB approvals, risk assessments) features, the study enables more accurate forecasting of future incident and interaction levels—ultimately enhancing the visibility into how software change processes intertwine with overall ITIL operations. Predictive modeling was performed using advanced machine learning algorithms, including SARIMAX, Random Forest, XGBoost, and LSTM networks. Among these, SARIMAX emerged as the most effective model, achieving superior accuracy in forecasting interaction volumes. The results show the importance of incorporating process-mining-derived features, as they significantly enhanced model performance. Notably, change-related features demonstrated a strong predictive capability, highlighting their relevance in proactive IT service management. These predictive insights enable IT managers to anticipate periods of high demand, allocate resources effectively, and preempt potential bottlenecks. The integration of predictive modeling with discrete-event simulation represents a key innovation of this research. Simulation models were developed to evaluate the dynamic behavior of ITIL processes under various scenarios, such as increased First Call Resolution (FCR) rates and resource reallocations. These simulations provided a deeper understanding of the interplay between interactions, incidents, and software changes, offering valuable insights into process optimization. For instance, scenarios involving enhanced FCR rates demonstrated significant reductions in average incident resolution times, validating the impact of frontline process improvements. The practical implications of this research are profound. ITIL processes are central to the operational stability of modern IT services, and their effective management directly impacts organizational performance. By leveraging process mining and predictive analytics, this study provides IT managers with a robust decision-making framework. For example, predictive models can serve as early warning systems, alerting managers to upcoming spikes in interaction volumes. Simulations, on the other hand, allow managers to test the impact of policy changes (e.g., increasing CAB efficiency) before implementation, reducing the risk of unintended consequences. This proactive approach aligns with ITIL's emphasis on continual improvement, ensuring that processes evolve in response to changing demands. A significant contribution of this research lies in demonstrating the interconnectedness of ITIL processes and the need for an integrated management approach. Changes, interactions, and incidents are often treated as separate entities, yet this study highlights their interdependence. For instance, delays in software change approvals not only increase interaction volumes but also exacerbate incident rates, creating a ripple effect across the organization. By modeling these interdependencies, the research provides a holistic view of ITIL processes, enabling managers to make informed decisions that balance short-term efficiency gains with long-term stability. The study's findings also emphasize the transformative potential of process mining in ITIL process management. While traditional ITIL implementations rely on predefined workflows, process mining offers a dynamic perspective, capturing the nuances of real-world operations. This adaptability is particularly valuable in managing software changes, where deviations from standard procedures are common. By integrating process mining insights with predictive and simulation models, this research creates a feedback loop that drives continuous improvement. Despite its contributions, the study acknowledges certain limitations. The dataset used, while comprehensive, spans a limited timeframe, which may affect the generalizability of the findings. Additionally, the integration of predictive and simulation models, though conceptually demonstrated, has not been fully automated. Future research should address these limitations by incorporating longer datasets, real-time data processing, and advanced modeling techniques, such as reinforcement learning, to enhance the adaptability of simulation models. In conclusion, this research advances the field of IT service management by integrating process mining, predictive analytics, and simulation into a cohesive framework. By focusing on the ITIL processes of interactions, incidents, and software changes, the study provides actionable insights that empower IT managers to optimize operations and enhance service delivery. The findings emphasize the importance of understanding process interdependencies, leveraging predictive insights, and adopting a proactive approach to ITIL process management. As organizations continue to navigate the complexities of digital transformation, these methodologies offer a pathway to greater operational efficiency, customer satisfaction, and strategic agility.