Фрагмент для ознакомления
2
Глава 1. Теоретические аспекты управления проблемами в ИТ-процессах
1.1. Введение в управление проблемами
Управление проблемами в ИТ-процессах, как его определяют и исследуют различные ученые, подразумевает структурированный подход к выявлению, диагностике и устранению коренных причин инцидентов для предотвращения их повторения и минимизации влияния на бизнес-операции; это определение служит краеугольным камнем, на котором строятся цели управления проблемами – главные из них, повышение надежности системы и эффективности работы [Дорофеева, 2008]. В основе процесса лежит когнитивный подход к решению неструктурированных задач, подробно описанный В. И. Максимов и Е.К. Корноушенко, где принятие стратегических решений происходит в нечеткой среде с целью оптимизации результатов [Максимов, 1999; Силов, 1995]. Еще больше усложняет ситуацию нелинейная динамика таких процессов управления, на которую часто влияют переменные и непредсказуемые факторы, что требует надежных математических моделей для эффективного моделирования и прогнозирования результатов. Эти модели имеют решающее значение для навигации по сложным ИТ-средам, где оптимизация затрат и эффективность процессов имеют первостепенное значение [Zu-zhi, 2008]. Теоретические достижения в области многоступенчатого управления процессами, которые отстаивает А.Н. Кириллов, обеспечивают критические рамки для понимания последовательных и взаимозависимых шагов, связанных с комплексным управлением проблемами [Кириллов, 2006].
В этой среде интеграция нечеткого многоцелевого математического программирования приобретает важное значение, позволяя найти тонкий баланс между качеством, затратами и операционными целями, как это было показано в работе Хашеми и других [Hashemi, 2020]. Методологическая строгость этих подходов – сочетание когнитивной, нечеткой логики и математического моделирования – обогащает теоретические основы управления проблемами в ИТ, а также предлагает практические стратегии для применения в реальном мире. Такой синтез подходов не только подчеркивает сложность предмета, но и выделяет инновационность данного исследования в решении как теоретических, так и практических задач, присущих оптимизации ИТ-процессов. Тем самым в исследовании проводится критический анализ существующих методологий и предлагаются новые рамки, включающие передовые вычислительные методы для совершенствования процессов управления проблемами. В результате научно обоснованное исследование значительно продвигает область, предоставляя ключевые идеи и методологии, которые могут быть применены для повышения стабильности и эффективности ИТ-систем в различных областях.
Значение управления проблемами в ИТ-инфраструктуре невозможно переоценить, поскольку оно играет важную роль в поддержании непрерывности и эффективности ИТ-услуг. Эффективные процессы управления проблемами имеют решающее значение для выявления, диагностики и, в конечном счете, устранения коренных причин ИТ-проблем, что позволяет предотвратить повторные сбои системы и минимизировать время простоя. Обеспечивая систематическое устранение неполадок и корректирующие стратегии, эти процессы непосредственно способствуют стабильности и надежности ИТ-систем, что, по мнению А. Берзтисса, является необходимым условием устойчивости любой системы поддержки принятия решений [Berztiss, 1990]. Более того, интеграция сложного моделирования экономической эффективности, как исследовали Й. Менсах и др., помогает организациям рационализировать расходы, связанные с деятельностью по управлению проблемами, оптимизируя финансовые ресурсы при сохранении целостности системы [Mensah, 2007].
В контексте ИТ-операций способность предвидеть и смягчать проблемы до того, как они перерастут в более серьезные проблемы, имеет первостепенное значение; такой упреждающий подход облегчается благодаря передовым методам управления проблемами, которые включают элементы когнитивного и нечеткого логического принятия решений для уточнения стратегий реагирования на инциденты. Методики, применяемые в этой области, не только повышают оперативность реагирования, но и приводят производительность ИТ в соответствие с бизнес-целями, обеспечивая тем самым максимальную эффективность в масштабах предприятия. Как отмечают Дж. Хванг и др., такое согласование имеет решающее значение для эффективного управления совместными требованиями и возможностями в таких разнообразных системах, как ИТ-сети и сфера услуг [Hwang, 2009].
Аналитические и прогностические возможности современных инструментов управления ИТ-проблемами, основанные на математических моделях и методах моделирования, обеспечивают ИТ-менеджерам предвидение, необходимое для эффективного решения нелинейных и динамических задач [Ballou, 1984; Wen, 2015]. Эти возможности необходимы для преодоления сложностей современной ИТ-среды, где затраты и последствия простоев могут быть серьезными и далеко идущими, что подчеркивает необходимость надежных процессов управления проблемами, как показано в исследовании Т. Кондрацкой и Е. Дмитриенко об эффективности управления [Кондрацкая, Дмитриенко, 2021]. Т.о., роль управления проблемами выходит за рамки оперативной необходимости; это стратегический императив, который лежит в основе устойчивости и гибкости современных ИТ-инфраструктур.
Управление проблемами в ИТ-инфраструктурах, являющееся ключевым процессом само по себе, тесно связано с другими процессами управления ИТ через сеть оперативных и стратегических связей, образуя целостную сеть, которая повышает общую эффективность системы. Центральное место в этой сети занимают процессы управления инцидентами, предназначенные для устранения немедленных сбоев, которые напрямую подпитываются информацией, полученной в ходе управления проблемами, где основное внимание уделяется анализу первопричин и предотвращению будущих событий. Эта симбиотическая связь гарантирует, что в то время как управление инцидентами устраняет симптомы, управление проблемами систематически ликвидирует основные причины, повышая тем самым устойчивость ИТ-систем. Более того, процесс управления изменениями, в задачи которого входит контролируемое внедрение модификаций системы, часто опирается на результаты управления проблемами для определения приоритетов и выполнения изменений, которые снижают выявленные риски или устраняют постоянные проблемы. Такая координация не только упорядочивает рабочие процессы, но и защищает от появления новых уязвимостей, обеспечивая положительный вклад изменений в стабильность и производительность системы. Аналогичным образом, управление конфигурацией, контролирующее поддержание системных параметров и настроек, использует данные, полученные в результате управления проблемами, для корректировки конфигураций, которые могут предрасполагать к сбоям или неэффективности ИТ-систем.
Интегрируясь в более широкую систему управления ИТ, управление проблемами способствует принятию стратегических решений, предоставляя основанные на данных сведения, которые используются при разработке политики и распределении ресурсов. Такая интеграция обеспечивает согласование ИТ-стратегий с бизнес-целями, оптимизируя производительность в масштабах предприятия. Процессы обеспечения качества также выигрывают от надежного управления проблемами, поскольку этика непрерывного совершенствования, присущая управлению проблемами, способствует повышению стандартов предоставления услуг и операционного совершенства. Управление проблемами выступает не только как отдельный процесс, но и как краеугольный камень целостной стратегии управления ИТ, динамично взаимодействуя с многочисленными процессами, чтобы укрепить ИТ-инфраструктуру в борьбе с многогранными проблемами, возникающими в современных операционных средах. Подобная комплексная интеграция свидетельствует о незаменимой роли этого процесса в поддержании и укреплении оперативного, тактического и стратегического уровней ИТ-систем.
Фрагмент для ознакомления
3
1. Алишев Ш. А. Ортитов З.У. Формализация задачи оптимизации многостадийных процессов методом декомпозиции. Меъморчилик ва курилиш муаммолари. Самарканд. Илмий журнал, 2019.
2. Вергун А.П., Савостина Н.В. Оптимизация разделительных процессов. – Томск, 2002. – 36 с.
3. Воротников В. И. Об устойчивости и устойчивости по части переменных «частичных» положений равновесия нелинейных динамических систем // Докл. РАН. 2003. Т. 389, № 3. С. 332 -337.
4. Дорофеева Л.И. Моделирование и оптимизация разделительных процессов. Томск: Изд-во Томского политехнического университета, 2008. – 128 с.
5. Кириллов А.Н. Управления многостадийными технологическими процессами. Вестник СПбГУ. Cep. 10, 2006, Вып.4.С.127-131.
6. Кусимов С.Т., Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г. Интеллектуальное управление производственными системами. М.: Машиностроение 2001 г -327с.
7. Луговской В.И. Синявский К.С. Дубс Р.В. Математическое моделирование химико-технологических процессов. – Одесса: ОПУ, 2004. – 35 с.
8. Максимов, В. И., Корноушенко Е.К. Аналитические основы применения когнитивного подхода при решении слабоструктурированных задач // Труды ИПУ РАН. – М., 1999. – Т. 2. – С.95-109.
9. Силов, В. Б. Принятие стратегических решений в нечеткой обстановке. – М.: ИНПРО-РЕС, 1995. – 228 с.
10. Ahmad, F., & Adhami, A., 2018. Neutrosophic programming approach to multiobjective nonlinear transportation problem with fuzzy parameters. International Journal of Management Science and Engineering Management, 14, pp. 218 – 229. https://doi.org/10.1080/17509653.2018.1545608.
11. Ballou, R., 1984. DISPLAN: A multiproduct plant/warehouse location model with nonlinear inventory costs. Journal of Operations Management, 5, pp. 75-90. https://doi.org/10.1016/0272-6963(84)90008-1.
12. Berztiss, A., 1990. Software methodologies for decision support. Inf. Manag., 18, pp. 221-229. https://doi.org/10.1016/0378-7206(90)90024-C.
13. Bui, T., & Sivasankaran, T., 1987. Cost-effectiveness modeling for a decision support system in computer security. Comput. Secur., 6, pp. 139-151. https://doi.org/10.1016/0167-4048(87)90085-X.
14. Charnes, A., Cooper, W., & Rhodes, E., 1978. Measuring the efficiency of decision making units. European Journal of Operational Research, 2, pp. 429-444. https://doi.org/10.1016/0377-2217(78)90138-8.
15. Dobos, I., & Vörösmarty, G., 2019. Inventory-related costs in green supplier selection problems with Data Envelopment Analysis (DEA). International Journal of Production Economics. https://doi.org/10.1016/J.IJPE.2018.03.022.
16. Hashemi, S., Mousavi, S., & Patoghi, A., 2020. A Fuzzy Multi-objective Mathematical Programming Model for Project Management Decisions Considering Quality and Contractual Reward and Penalty Costs in a Project Network. Arabian Journal for Science and Engineering, 46, pp. 1617 – 1629. https://doi.org/10.1007/s13369-020-04800-3.
17. Hwang, J., Gao, L., & Jang, W., 2009. Joint Demand and Capacity Management in a Restaurant System. . https://doi.org/10.1016/j.ejor.2010.04.001.
18. Kim, S., & Uzsoy, R., 2012. Modeling and analysis of integrated planning of production and engineering process improvement. 2012 SEMI Advanced Semiconductor Manufacturing Conference, pp. 201-207. https://doi.org/10.1109/ASMC.2012.6212889.
19. Kim, S., & Uzsoy, R., 2013. Modeling and Analysis of Integrated Planning of Production and Engineering Process Improvement. IEEE Transactions on Semiconductor Manufacturing, 26, pp. 414-422. https://doi.org/10.1109/TSM.2013.2261099.
20. Kondratskaya, T., & Dmitrienko, E., 2021. Management Efficiency: Necessity and Possibility of Assessing the Process and Result. Bulletin of Baikal State University. https://doi.org/10.17150/2500-2759.2021.31(3).330-334.
21. Mensah, Y., Schoderbek, M., & Werner, R., 2007. A Methodology for Evaluating the Cost-Effectiveness of Alternative Management Tools in Public-Sector Institutions: Application to Public Education. Public Choice & Political Economy eJournal. https://doi.org/10.2139/ssrn.899401.
22. Michalak, A., 2016. THE COST OF CAPITAL IN THE EFFECTIVENESS ASSESSMENT OF FINANCIAL MANAGEMENT IN A COMPANY. Oeconomia Copernicana, 7, pp. 317-329. https://doi.org/10.12775/OEC.2016.019.
23. PrabuchandranK., J., Meena, S., & Bhatnagar, S., 2013. Q-Learning Based Energy Management Policies for a Single Sensor Node with Finite Buffer. IEEE Wireless Communications Letters, 2, pp. 82-85. https://doi.org/10.1109/WCL.2012.112012.120754.
24. Ward, S., 1999. Assessing and managing important risks. International Journal of Project Management, 17, pp. 331-336. https://doi.org/10.1016/S0263-7863(98)00051-9.
25. Wen, C., & Mu, Y., 2015. Power and Performance Management in Nonlinear Virtualized Computing Systems via Predictive Control. PLoS ONE, 10. https://doi.org/10.1371/journal.pone.0134017.
26. Zhu, H., Huang, G., Guo, P., & Qin, X., 2009. A Fuzzy Robust Nonlinear Programming Model for Stream Water Quality Management. Water Resources Management, 23, pp. 2913-2940. https://doi.org/10.1007/S11269-009-9416-3.
27. Zu-zhi, S., 2008. Study on Quality Cost Optimizing Problem. Chinese Journal of Management Science.