Autora: Sarmiento García, Teresa. Directores: Caro Carretero, Raquel. Contreras Bárcena, David.

Transcripción

1 HERRAMIENTA DE EVALUACIÓN Y MODELADO DEL TIEMPO DE RESOLUCIÓN DE INCIDENCIAS DENTRO DEL ÁREA DE MEJORA CONTINUA EN UNA EMPRESA DEL SECTOR DE DISTRIBUCIÓN. Autora: Sarmiento García, Teresa. Directores: Caro Carretero, Raquel. dependiendo del caso. Contreras Bárcena, David. Entidad Colaboradora: ICAI Universidad Pontificia Comillas RESUMEN DEL PROYECTO Introducción Una Empresa que realice y sea responsable de determinados servicios, necesita llevar un control organizado para poder satisfacer las necesidades de los clientes, aportando el mayor valor en el menor tiempo posible. Aquel proceso encargado, dentro de una Empresa, de garantizar el control de los servicios, medirlos y mejorarlos a lo largo del tiempo, se conoce como el proceso de Mejora Continua. Uno de los factores clave para este proceso es la Gestión de Incidencias. Esta Gestión forma parte de un proceso previo a la Mejora Continua, siguiendo las librerías de ITIL, que se denomina como proceso de Operación. Los outputs de éste serían los inputs del proceso de Mejora Continua, de tal forma que sin una buena gestión en la fase de Operación, esta última se vería claramente afectada, proporcionando una mejora menor para la empresa en cuestión. Actualmente, existen muchas herramientas para gestionar incidencias, como por ejemplo: ServiceNow, JIRA, SAP IT Service Management Application, Remedy, entre otras. Todas ellas tienen en común un control y seguimiento de las incidencias abiertas, y de su evolución. Este control, en su mayor parte, se centra en medir si se cumple el nivel de servicio establecido en el SLA (Service Level Agreement). Esta medición consiste en calcular si el tiempo empleado en solucionar la incidencia está alcanzando el límite marcado por el SLA. Además, para saber la calidad ofrecida, permiten calcular la proporción de incidencias, una vez resueltas, que han superado, o no, el límite establecido en este acuerdo del nivel de servicio, y así tomar las medidas oportunas i

2 Lo que se busca con este Proyecto es el desarrollo de una herramienta (EMTRI Evaluación y Modelado del Tiempo de Resolución de Incidencias) que permita prevenir, en la medida de lo posible, esta situación de incumplimiento del nivel de servicio. Es decir, en vez de medir el tiempo de resolución de incidencias una vez resueltas, y analizar si ha habido éxito o no en función del SLA, se busca poder predecir (independientemente del SLA) el tiempo medio que se estima para resolver una incidencia, en función de tiempos pasados de incidencias ya resueltas con similar comportamiento, y con las mismas características que ésta. El cálculo del tiempo medio estimado para resolver una incidencia servirá de input para la toma de decisiones de la empresa y negociaciones iniciales en el SLA. Este Proyecto se centra en una empresa del Sector de Distribución, extrayendo una muestra real de incidencias, de la cual los tiempos serán los reales, pero la información de carácter confidencial se modificará (referencias, códigos, nombres de servicios ). Metodología Se parten de una muestra inicial de 1997 incidencias en una hoja Excel extraídas de JIRA (herramienta de dicha empresa del Sector de Distribución), que son incidencias en Servicios IT. Para el desarrollo de este proyecto se han seguido las fases a continuación indicadas: 1. Estudio de la muestra inicial de incidencias: En esta fase se busca la depuración de la muestra de incidencias, definiendo todos los conceptos empleados para cada incidencia y los servicios relacionados con estas. Se elimina aquella información innecesaria o no válida, se modifica la incompleta, y se obtiene una muestra manejable con todos los términos definidos. Se obtienen 753 incidencias cerradas que se utilizarán como muestra final, y otras 266 incidencias para pruebas. 2. Clasificación de las incidencias: Se estudian y se identifican los atributos o factores clave, en función de la importancia y la prioridad que tienen dentro de la empresa. Se definen aquellos clasificadores esenciales para determinar a qué tipo pertenece una incidencia, en función de aquellas que se caractericen por tener atributos similares. Se obtienen 26 grupos de incidencias (tipos/grupos), y 11 clasificadores. ii

3 3. Definición y elaboración de los modelos a estudiar mediante MATLAB: Se emplean las distribuciones Exponencial, Weibull y Lognormal para modelar los tiempos de cada tipo de incidencia. Se estiman sus parámetros y se ajusta, para cada tipo, los tres modelos. Previamente, se eliminan aquellos tiempos que representen valores outliers. 4. Identificación y selección de los modelos que mejor ajustan los tiempos de los distintos tipos de incidencia: Mediante MATLAB, aplicando la técnica estadística del Test Kolmogorov Smirov, se encuentra aquel modelo (distribución) que mejor ajuste cada grupo de incidencias. 5. Calcular el intervalo de confianza al 95% del tiempo medio de resolución de cada tipo de incidencia: Se obtiene este intervalo mediante el Teorema Central del Límite (junto con la tabla t de Student Una Cola). 6. Automatizar las fases 3, 4, y 5 anteriores: Desarrollo de una herramienta (EMTRI), que realice los pasos anteriores en el mismo orden, permitiendo introducir las características (que serán los clasificadores definidos) de una incidencia, y se obtenga un reporte que incluya todo lo analizado, y la predicción del intervalo del tiempo medio de resolución. Esto lo realizará extrayendo los tiempos de una Base de Datos que contiene incidencias pasadas, y cerradas, con un campo que especifica el grupo al que pertenece (fase 2). 7. Desarrollo de un método Update que permita actualizar la Base de Datos como proceso batch o lanzado por el usuario: Importando nuevas incidencias (nuevos tiempos) cerradas de una hoja Excel, permitiendo tener una Base de Datos con retroalimentación Es un método que, además puede llamarse desde la consola del usuario, mediante el parámetro update seguido del nombre del archivo Excel. Esto, por tanto, implica una facilidad para poder definir una tarea mediante un administrador de tareas, que ejecute automáticamente este proceso. 8. Desarrollo de un método Calcular que permita obtener los intervalos del tiempo medio de resolución de un lote de incidencias: Esta funcionalidad incluye los mismos pasos anteriores repetidamente para X incidencias extraídas de una Excel, obteniendo como salida las incidencias junto con sus estimaciones. Es un método llamado desdela consola del usuario, mediante el parámetro prediction, seguido del nombre del archivo Excel. 9. Adaptar esta última funcionalidad a un entorno WEB: Creación de un Servlet que llame a EMTRI, obtenga la salida y la transforme a formato JSON. iii

4 Tecnologías y librerías JAVA SE y JAVA EE con el servidor Apache Tomcat. Base de Datos en MySQL. Librería SSJ Stochastic Simulation in JAVA. Estimación de los parámetros. Librería JavaNPST NonParametric Statistical Test. T.Kolmogorov Smirnov. Librería Apache POI. Manipulación de ficheros Microsoft Office Excel. Librería JFreeChart. Generación de gráficos Librería JasperReport. Exportación del resultado a PDF. Software ireport Designer. Diseño y creación de plantillas de informes en PDF. Librería Google GSON. Procesamiento JSON. Resultados Se ha desarrollado una herramienta que permita, mediante las características de una incidencia, obtener un tiempo medio de resolución estimado para ésta. Además, se ha desarrollado una funcionalidad que permita actualizar la Base de Datos y otra que permita predecir el tiempo medios en lotes de incidencias. Esta última adaptada también a un entorno WEB. A continuación, se muestra el diagrama de la arquitectura de EMTRI, que representa el resultado de todo lo explicado anteriormente: Figura 1.- Diagrama de Arquitectura de EMTRI iv

5 Como el pilar fundamental es que, en efecto, puede predecirse ese tiempo correctamente, a continuación se expone este objetivo conseguido: Figura 2.- Vista principal EMTRI 1.0 Figura 3.- Predicción EMTRI 1.0 v

6 Conclusiones Por tanto, se dispone de una herramienta que podría suponer una mejora importante dentro de la Gestión de Servicios IT, en concreto en la Gestión de Incidencias. Esto facilitaría el proceso de Mejora Continua dentro de una organización, siendo una aplicación fácil de usar, adaptable a cualquier tipología de empresa, y que sigue una metodología general. Referencias [ITIL2014] [GART2013] [ITIL2014] Mejora Continua del Servicio. ITILv3. itilv3.osiatis.es/proceso_mejora_continua_servicios_ti.php. Fecha última visita: 20/05/2014. Magic Quadrant for IT Service Support Management Tools. Jarod Green, Jeffrey M.Brooks. Gartner Inc. Fecha última visita: 21/05/2014. El ciclo de vida de los Servicios TI. ITILv3. itilv3.osiatis.es/ciclo_vida_servicios_ti.php. Fecha última visita: 14/05/2014. vi

7 INCIDENT RESOLUTION TIME EVALUATION AND MODELLING TOOL INSIDE THE DEPARTMENT OF CONTINUOUS IMPROVEMENT IN A DISTRIBUTION COMPANY. Author: Sarmiento García, Teresa. Supervisors: Caro Carretero, Raquel. Contreras Bárcena, David. Affiliation: ICAI Universidad Pontificia Comillas ABSTRACT Introduction When a Company is responsible for mutiple Services which are offered to its clients, it needs to have a rigorous and organized control to be able to satisfy the customer s needs, adding value in as little time as possible. The process in charge, inside a company, of ensuring the control of the services, measuring and improving them along time, is called Continuous Improvement. One of the most important factors of this process is Incident Management. This management is included in a previous phase, following ITIL libraries, which is called Operation process. Operation outputs would be Continuous Improvement process inputs, which means that without a good control in Incident Management, Continuous Improvement process would be clearly affected, generating lesser improvements for this Company. Currently, there are multiple tools for incident management, for example: ServiceNow, JIRA, SAP IT Service Management Application, Remedy, among others. All of them have in common an open incident control, tracking and evolution. This control s focus is to measure if the Service Level, established in the SLA (Service Level Agreement), is being achieved. This measurement consists in calculating if the incident resolution time is getting closer to the limit established in the SLA. Also, in order to know the quality that is being offered, the amount of resolved incidents that are above (or not) the limit established by the SLA is measured, and thus the proper decisions can be made. The goal of this Proyect is to develop a tool (EMTRI Incident resolution Time Evaluation and Modelling) that allows prevent, whenever possible, the unfulfillment of vii

8 the service level. This means, instead of measuring incident resolution time once resolved, and analyzing if they have succeeded or not according to SLA, we want be able to predict (regardless of the SLA), the estimated incident resolution mean time according to past similar incident resolution times, which have similar behaviour and characteristics. The mean time calculated for resolving incidents will be used as input for the company s decision making and the initial SLA negotiations. This Project is based in a Distribution Company, extracting a sample of real incidents where the times are accurate, but the confidential information has been modified (references, codes, Service s names ). Metodology The initial sample consists of 1997 incidents, extracting in a Worksheet from JIRA (tool that is being used by this Company), and those incidents are from IT Services. For this Project, the development the phases below have been followed: 1. Initial incidents sample analysis: Analysis of the different attributes, different services and applications, etc.. In this phase we want to filter the incident sample, defining the concepts used for each incident and the related services. The invalid or unnecessary information is deleted, the incomplete information is modified, thus obtaining a manageable sample where all the terms are defined. There are 753 closed incidents, which will be used as a final sample, and 266 incidents for testing. 2. Incident classification: The key factors are identified and analyzed, depending on the priority and on the relevance they have in the Company. The key Classifiers are defined to help determine of what type incident it is, depending to the similarity of their attributes. We obtain 26 types of incidents and 11 classifiers. 3. Elaboration and definition of the models to be analyzed through MATLAB: Exponential, Weibull and Lognormal distributions are used to model the resolution times of each incident type. The parameters of each model are calculated (through the Maximum Likelihood Estimation method) and adjusted for each type. Previously, the outlier time values are eliminated. viii

9 4. Identification and selection of the best fitting models for each type of incident: Using MATLAB, in concrete, the Kolmogorov Smirnov Test, the best fitting model is found. 5. Calculate the 95% confidence interval of the mean resolution time of each incident type: Using the Central Limit Theorem (along with the Student s table), this interval is obtained. 6. Automate phases 3, 4 and 5: Development of a tool (EMTRI), which will follow the previous steps in the same order, allowing to introduce the characteristics (defined Classifiers) of an incident, and obtaining a report that includes the best distribution for the group this incident belongs to, the parameters of this distribution, the TK-S results, and the predicted mean resolution time interval. This will be done extracting the times of a Database that contains past and closed incidents, and with a field which specifies the group of incident they belong to. 7. Development of the Update method that allows the update of the Database as a scheduled job or triggered by the user: Importing new closed incidents (new times) from a Worksheet, allowing to have a Database with constant updates. This method can be, also, executed from the command line, using the update parameter following by the Worksheet name. This makes it easier to define a job (through a Task Manager), which will execute this process automatically. 8. Development of the Calcular method that allows to get the mean resolution time intervals for a batch of incidents: This new functionality includes the same steps as before for multiple incidents extracted from a Worksheet, obtaining an output of the incidents and their estimates. This method is called from the command line using the prediction parameter followed by the Worksheet name. 9. Adapting this previous functionality to a WEB Environment: Creation of a Servlet which calls EMTRI, obtains the output, and transforms it into JSON format. Technology and libraries JAVA SE and JAVA EE supported by Apache Tomcat. MySQL Database. SSJ Library Stochastic Simulation in JAVA. Estimation of the parameters. JavaNPST Library NonParametric Statistical Test. T.Kolmogorv Smirnov. ix

10 Apache POI Library. Microsoft Office Excel files (Worksheets) manipulation. JFreeChart Library. Graphics creation. JasperReport Library. Exporting the result obtained in PDF. ireport Designer Software. PDF template creation and design. Google GSON Library. JSON processing. Results We have developed a tool that allows, through an incident s characteristics, to obtain an estimated mean resolution time for it. Also, we have developed a functionality which allows the Database update and another that allows to predict the mean times of a batch of incidents. This last one, it is also adapted to WEB Environment. An Architecture diagram of the EMTRI tool is showed in the next page, which represents the result of the information explained: Figure 1.- EMTRI tool Architecture Diagram. As the main foundation is that, in fact, the mean time is correctly predicted, the results are presented in the following figures: x

11 Figure 2.- Main view EMTRI 1.0 Figure 3.- Prediction EMTRI 1.0 xi

12 Conclusions Thus, we have a tool that would mean an important improvement for the IT Services Management, in particular, for the Incident Management. This would make Continuous Improvement process inside a Company easier, being a easy-to-use application, that can be adapted to any kind of company, and follows a general methodology. References [ITIL2014] [GART2013] [ITIL2014] Mejora Continua del Servicio. ITILv3. itilv3.osiatis.es/proceso_mejora_continua_servicios_ti.php. Last visit Date: 20/05/2014. Magic Quadrant for IT Service Support Management Tools. Jarod Green, Jeffrey M.Brooks. Gartner Inc. Last visit Date: 21/05/2014. El ciclo de vida de los Servicios TI. ITILv3. itilv3.osiatis.es/ciclo_vida_servicios_ti.php. Last visit Date: 14/05/2014. xii