Создание системы мониторинга производительности программных систем в режиме реального времени с применением ИИ (на примере конкретного действующего субъекта)

Написание выпускной квалификационной работы (ВКР) по направлению 09.03.02 «Информационные системы и технологии» — ответственный и трудоёмкий этап обучения. Особенно сложно студентам, которым досталась тема, связанная с аналитикой, проектированием и внедрением интеллектуальных решений. В вашем случае — это создание системы мониторинга производительности программных систем в режиме реального времени с применением ИИ, ориентированной на реальный бизнес-контекст: предметную область «инфраструктура» и предприятие ООО «Мониторинг Про».

Требования университета Синергия к структуре, содержанию и оформлению ВКР строгие: нужен не просто обзор, а полноценный проект с обоснованием, реализацией и расчётом экономической эффективности. При этом у студентов часто не хватает времени, опыта работы с ИИ-решениями или доступа к реальным данным. В этой статье мы подробно разбираем структуру ВКР по теме, приводим примеры содержания по каждой подглаве, указываем типичные сложности и оцениваем трудоёмкость. Это поможет вам либо уверенно двигаться самостоятельно, либо понять, насколько целесообразно обратиться за профессиональной помощью.

ГЛАВА 1. АНАЛИТИЧЕСКАЯ ЧАСТЬ

1.1. Технико-экономическая характеристика предметной области и предприятия

В этом разделе необходимо описать особенности инфраструктурной отрасли и конкретную деятельность ООО «Мониторинг Про». Включите сведения о масштабе бизнеса, используемых ИТ-системах, структуре ИТ-подразделения и текущих проблемах, связанных с мониторингом систем.

Пример: ООО «Мониторинг Про» управляет распределённой инфраструктурой из 200+ серверов и микросервисов. В настоящее время мониторинг производительности осуществляется с помощью устаревших инструментов (например, Zabbix без ИИ-модулей), что приводит к задержкам в выявлении аномалий и простою критически важных сервисов.

Сложности:

• Отсутствие открытых данных о внутренней структуре предприятия — требует условных допущений;
• Необходимость связать общую характеристику отрасли с узкой задачей мониторинга.

Время: 12–15 часов.

1.2. Характеристика комплекса задач и обоснование необходимости автоматизации

Здесь формулируется перечень операций, связанных с мониторингом систем: сбор метрик, детекция аномалий, прогнозирование сбоев, генерация оповещений. Обосновывается, почему ручной или полуавтоматический подход неэффективен.

Пример: В ООО «Мониторинг Про» операторы ежедневно обрабатывают до 5000 алертов, из которых 80 % — ложные. Это приводит к «усталости от оповещений» и пропуску реальных инцидентов.

Сложности:

• Требуется чёткое разграничение между существующими и проектируемыми функциями;
• Нужно аргументировать именно ИИ-подход, а не просто автоматизацию.

Время: 10–12 часов.

1.3. Анализ существующих разработок и выбор стратегии автоматизации

Проводится сравнительный анализ решений: Prometheus + Grafana, ELK Stack, Datadog, а также ИИ-платформ (например, Dynatrace, Splunk ITSI). Оцениваются их возможности в части анализа в реальном времени и интеграции с инфраструктурой ООО «Мониторинг Про».

Пример: Решение на базе Prometheus и ML-модели Isolation Forest выбрано как наиболее гибкое и соответствующее требованиям open-source и масштабируемости.

Сложности:

• Нужно не просто перечислить системы, а сравнить их по критериям, релевантным теме;
• Требуется знание современных ИИ-методов для мониторинга (аномалии, кластеризация, временные ряды).

Время: 14–16 часов.

1.4. Обоснование проектных решений

Формулируются архитектурные решения: выбор стека технологий, подход к обработке данных в реальном времени, модель машинного обучения, схема оповещений. Обосновывается, почему именно эти решения оптимальны для ООО «Мониторинг Про».

Пример: Архитектура включает Kafka для потоковой передачи метрик, Python-бэкенд с моделью LSTM для прогнозирования нагрузки и Telegram-бота для уведомлений.

Сложности:

• Нужно продемонстрировать техническую зрелость без излишнего углубления;
• Важно связать выбор технологий с возможностями предприятия.

Время: 10–12 часов.

Выводы по главе 1

Обобщаются результаты анализа: выявлены узкие места в текущем мониторинге систем, обоснована необходимость внедрения ИИ-решения, выбрана стратегия и архитектура будущей системы.

Время: 4–6 часов.

ГЛАВА 2. ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ

2.1. Разработка проекта автоматизации

Описывается архитектура системы мониторинга: компоненты, их взаимодействие, сценарии использования. Приводятся диаграммы (DFD, UML, архитектурные схемы).

Пример: Диаграмма компонентов показывает связь между агентами сбора данных на серверах ООО «Мониторинг Про», Kafka-брокером и ML-сервисом.

Сложности:

• Требуется знание нотаций моделирования (например, BPMN, UML);
• Нужно соблюдать баланс между детализацией и читаемостью.

Время: 14–16 часов.

2.2. Информационное обеспечение задачи

Приводятся структуры данных: метрики (CPU, RAM, latency), форматы логов, схемы баз данных (если используются), классификаторы аномалий.

Пример: Таблица «system_metrics» содержит поля: timestamp, host_id, cpu_usage, memory_usage, disk_io, anomaly_score.

Сложности:

• Нужно обосновать каждое поле и его тип;
• Требуется согласованность с выбранной архитектурой.

Время: 8–10 часов.

2.3. Программное обеспечение задачи

Описывается кодовая база: используемые языки (Python, Go), библиотеки (scikit-learn, TensorFlow, Prometheus client), структура проекта, алгоритмы обработки данных.

Пример: ML-модель обучена на исторических данных мониторинга ООО «Мониторинг Про» с использованием временных рядов и метода Prophet для прогнозирования пиковых нагрузок.

Сложности:

• Требуется демонстрация реального кода или псевдокода;
• Нужно объяснить выбор алгоритмов с точки зрения эффективности и точности.

Время: 16–20 часов.

2.4. Контрольный пример реализации проекта и его описание

Приводится сценарий использования: например, имитация роста нагрузки на один из сервисов, срабатывание ИИ-модели, генерация алерта и реакция администратора.

Пример: При росте latency до 2000 мс система автоматически обнаружила аномалию, предсказала сбой через 5 минут и отправила уведомление в Telegram-канал ИТ-отдела ООО «Мониторинг Про».

Сложности:

• Требуется наглядность и связь с реальной практикой;
• Нужно показать не только техническую, но и бизнес-ценность.

Время: 10–12 часов.

Выводы по главе 2

Подтверждается, что спроектированная система решает поставленные задачи, соответствует требованиям и может быть внедрена в инфраструктуру ООО «Мониторинг Про».

Время: 4–6 часов.

ГЛАВА 3. ОБОСНОВАНИЕ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРОЕКТА

3.1. Выбор и обоснование методики расчёта экономической эффективности

Обосновывается выбор методики (например, NPV, IRR, срок окупаемости). Учитываются затраты на разработку, внедрение, поддержку и экономия от снижения простоев.

Пример: Используется методика расчёта по Синергии: сравнение TCO (Total Cost of Ownership) до и после внедрения системы мониторинга.

Сложности:

• Нужно корректно оценить «мягкие» выгоды (например, снижение стресса у ИТ-персонала);
• Требуется знание методик, принятых в Синергии.

Время: 8–10 часов.

3.2. Расчёт показателей экономической эффективности проекта

Приводятся расчёты: затраты на разработку (человеко-часы, ПО), эксплуатационные расходы, экономия от сокращения времени простоя (например, 10 часов простоя в месяц × 50 000 руб./час = 6 млн руб./год).

Пример: Внедрение системы сократит ложные алерты на 70 %, что экономит 15 человеко-часов в день. Годовая экономия — 1,8 млн руб.

Сложности:

• Требуется реалистичная оценка параметров;
• Нужно оформить таблицы в соответствии с ГОСТ.

Время: 10–12 часов.

Выводы по главе 3

Подтверждается, что проект экономически целесообразен: срок окупаемости — менее 12 месяцев, NPV — положительный.

Время: 4–6 часов.

Заключение

В заключении обобщаются результаты всех трёх глав: достигнута цель работы — создана система мониторинга производительности программных систем в реальном времени с ИИ. Подчёркивается научная и практическая значимость для инфраструктурной отрасли и ООО «Мониторинг Про».

Время: 6–8 часов.

Список используемой литературы

Оформляется в соответствии с ГОСТ и требованиями Синергии. Включает учебники, статьи по ИИ, методические материалы, документацию по ИТ-системам.

Время: 4–6 часов.

Приложения

Сюда входят: исходный код (фрагменты), скриншоты интерфейса, диаграммы, таблицы расчётов, анкеты опроса ИТ-специалистов ООО «Мониторинг Про».

Время: 4–6 часов.

Готовые инструменты и шаблоны для Создание системы мониторинга производительности программных систем в режиме реального времени с применением ИИ (на примере конкретного действующего субъекта)

Шаблон формулировки актуальности:
«В условиях роста сложности ИТ-инфраструктур предприятий, таких как ООО "Мониторинг Про", традиционные методы мониторинга систем перестают справляться с объёмом и скоростью данных. Применение ИИ позволяет перейти от реактивного к проактивному управлению производительностью, что делает тему актуальной».

Шаблон цели работы:
«Целью ВКР является проектирование и обоснование системы мониторинга производительности программных систем в режиме реального времени с применением ИИ для ООО "Мониторинг Про"».

Пример таблицы экономической эффективности:

Показатель	До внедрения	После внедрения	Экономия
Часов простоя/месяц	12	3	9
Стоимость простоя/час	50 000 руб.	50 000 руб.	—
Годовая экономия	—	—	5,4 млн руб.

Чек-лист «Оцени свои силы»:

• Есть ли у вас доступ к данным о работе ИТ-инфраструктуры (хотя бы условным)?
• Знакомы ли вы с методиками расчёта экономической эффективности по Синергии?
• Можете ли вы выделить 150–200 часов на написание ВКР в ближайшие 2–3 месяца?
• Есть ли у вас опыт проектирования ИС с ИИ-компонентами?

И что же дальше? Два пути к успешной защите

Путь 1. Самостоятельный. Вы берёте на себя всё: от анализа ООО «Мониторинг Про» до расчёта NPV. Это реально, но потребует 150–200 часов, стрессоустойчивости и готовности к правкам. Ошибки в аналитической главе или некорректный расчёт эффективности могут привести к провалу на предзащите.

Путь 2. Профессиональный. Вы получаете готовую работу, соответствующую всем требованиям Синергии: корректная структура, реалистичные данные, работающий прототип, обоснованная экономика. Экономия времени — до 3 недель, гарантия защиты — 98 %.

Тема «Создание системы мониторинга производительности программных систем в режиме реального времени с применением ИИ» — одна из самых сложных в направлении 09.03.02. Она требует глубокого понимания как ИТ-инфраструктуры, так и методов искусственного интеллекта, а также умения связать технические решения с экономикой предприятия. Объём работы составляет 150–200 часов, а риск ошибок — высок. Выбор всегда за вами, но знайте: вы не одни. Мы помогли сотням студентов Синергии защититься с отличием — и готовы поддержать вас.