| dc.creator |
ÇEVİK, Kerim Kürşat |
|
| dc.creator |
KAYAKUŞ, Mehmet |
|
| dc.date |
2020-09-24T00:00:00Z |
|
| dc.date.accessioned |
2020-09-25T11:28:37Z |
|
| dc.date.available |
2020-09-25T11:28:37Z |
|
| dc.identifier |
https://dergipark.org.tr/tr/pub/jesd/issue/56892/722323 |
|
| dc.identifier |
10.21923/jesd.722323 |
|
| dc.identifier.uri |
http://acikerisim.sdu.edu.tr/xmlui/handle/123456789/51688 |
|
| dc.description |
Today, the need for information technologies is increasing day by day due to the increasing competitive conditions of companies. Companies that make timely and adequate investments take advantage of their competitors and take a step forward. Investments in information technologies (IT) are as important as the smooth, fast and reliable investment. Therefore, companies need professional teams to protect the performance of information systems and to find solutions to the problems they will encounter. The information technology (IT) departments in companies are responsible for planning investments, the smooth operation of the existing system and the rapid solutions to the problems that may occur. The company's employees communicate problems and follow the process; IT departments often use computing tracking programs to provide reports to administrators about the work done. Thus, management, information and reporting of problems and the solution process can be done more professionally and easily. Fast-solving problems and knowing the wait time will allow company employees to use and plan time better and avoid the negative effects of uncertain wait time. In this study, it was tried to estimate the time of a company to solve requests from the user by machine learning method. For this, 2320 requests from users; the department is registered as support type, responsible and category. Tested with a class structure for resulting support times. The time spent was divided into ten classes starting from 0-10 minutes and 11 minutes apart in the form of 90 minutes or more. Machine learning methods were used on these data sets. With the model designed using the Support Vector Machine (SVM) method, the best result as a result of the tests performed, the education success was measured as 99.82% and the test success as 93.11%. This system developed estimates the user's wait time and the average resolution time (minutes) of the problem. |
|
| dc.description |
Günümüzde şirketlerin artan rekabet şartlarından dolayı bilişim teknolojilerine olan ihtiyaç her geçen gün artmaktadır. Bilişim teknolojilerinin (BT) sorunsuz, hızlı ve güvenilir çalışması yapılan yatırım kadar önemlidir. Şirketlerde bulunan bilişim teknoloji(BT) departmanları yapılacak yatırımların planlanmasından, mevcut sistemin sorunsuz çalışmasından ve oluşabilecek sorunlara hızlı çözümler üretilmesinden sorumludurlar. Şirket çalışanlarının BT departmanına sorunları iletmesi, süreci takip etmesi ve raporlandırması amacıyla bilgi işlem takip programları kullanmaktadır. Böylece sorunların ve çözüm sürecinin yönetimi, bilgilendirmesi ve raporlandırılması profesyonel ve kolay yapılabilmektedir. Sorunların hızlı çözülmesi ve çözüm süresinin bilinmesi çalışanlarının zamanı iyi kullanmasını sağlayacak ve belirsiz bekleme süresinin yaratacağı olumsuz etkileri ortadan kaldıracaktır. Bu çalışmada bir şirketin kullanıcıdan gelen talepleri çözme süresi makine öğrenmesi yöntemiyle tahmin edilmiştir. Bunun için kullanıcılardan gelen 2320 talep; departman, destek türü, sorumlu ve kategori olarak kayıt altına alınmaktadır. Sonuçtaki destek süreleri için bir sınıf yapısı ile test edilmiştir. Harcanan süreler 0-10 dakikadan başlayıp 90 dakika ve daha fazlası şeklinde 10’ar dakika arayla on adet sınıfa ayrılmıştır. Bu veri setleri üzerinde makine öğrenme yöntemleri kullanılmıştır. Gerçekleştirilen testler sonucunda en iyi sonuç Destek Vektör Makineleri (Support Vector Machine-SVM) metodu kullanılarak tasarlanan model ile, eğitim başarısı %99.82, test başarısı ise %93.11 olarak ölçülmüştür. Bu sistem sayesinde kullanıcının bekleme süresi ve sorunun ortalama çözüm süresi tahmin edilmektedir. |
|
| dc.format |
application/pdf |
|
| dc.language |
tr |
|
| dc.publisher |
Süleyman Demirel University |
|
| dc.publisher |
Süleyman Demirel Üniversitesi |
|
| dc.relation |
https://dergipark.org.tr/tr/download/article-file/1058140 |
|
| dc.source |
Volume: 8, Issue: 3
728-739 |
en-US |
| dc.source |
1308-6693 |
|
| dc.source |
Mühendislik Bilimleri ve Tasarım Dergisi |
|
| dc.subject |
Machine Learning,SVM,Classification,Request Time,IT |
|
| dc.subject |
Makine Öğrenmesi,DVM,Sınıflandırma,Talep Süresi,IT,IT |
|
| dc.title |
PREDICTION OF SOLUTION TIME OF USER REQUESTS DELIVERED TO THE INFORMATION TECHNOLOGIES DEPARTMENT VIA MACHINE LEARNING |
en-US |
| dc.title |
BİLİŞİM TEKNOLOJİLERİ DEPARTMANINDA KULLANICILARIN TALEPLERİNE CEVAP VERME SÜRESİNİN MAKİNE ÖĞRENMESİ İLE TAHMİN EDİLMESİ |
tr-TR |
| dc.type |
info:eu-repo/semantics/article |
|