Здатність передбачати відмови обладнання з певним ступенем точності пропонує потенціал для величезної економії для постачальників послуг з великими капітальними інвестиціями в інформаційні технології (IT). Для корпоративних клієнтів, які експлуатують дорогі платформи високопродуктивних обчислень (HPC) та штучного інтелекту (AI) у масштабі, доступність їхніх сервісів — це все: вимкнена система блокує клієнтів та блокує ресурси, роблячи їх марними за великої вартості. Такий збій може спричинити втрату доходів, вплинути на загальну продуктивність співробітників та завдати шкоди бренду компанії. Залежно від галузі, дослідження показали, що середня вартість години незапланованого простою може коливатися від $100,000 на годину до понад $500,000 на годину.[1] [2]
Знайомтесь з прогнозним аналізом відмов (PFA)
Оцінюючи великі обсяги історичних даних, прогнозний аналіз відмов (PFA) може запропонувати цінні висновки щодо ймовірності збою. Набори мікросхем, печатні плати, жорсткі диски та паяні з'єднання мають обмежений корисний термін служби. Тенденції в історичних даних про відмови можуть вказати на часовий горизонт для майбутніх поломок.
Для великих виробників обладнання або автомобілів (та їхніх клієнтів) PFA потенційно може запропонувати покращення очікуваної тривалості життя активів, що призведе до зменшення майбутніх витрат до 5%. PFA також можна використовувати для планування технічного обслуговування, коли оператори та техніки більш вільно доступні та дешевші, створюючи ефективність та економію до 20%.[3]
Численні фактори можуть впливати на продуктивність PFA. Залежно від середнього навантаження системи, обсягу використовуваних історичних даних та алгоритмів машинного навчання (ML) або глибокого навчання (DL), точність PFA може бути поставлена під сумнів.
Лінійні та поліноміальні регресії часто використовуються для визначення залишкового корисного терміну служби (RUI), в той час як алгоритми Long Short-Term Memory (LSTM) та випадкового лісу можуть використовуватися для уточнення прогнозів відмов з різним ступенем успіху.[4] [5] [6]
Хоча зрозуміло, що PFA має відчутні переваги, він не є безпомилковим. Щоб забезпечити той самий рівень доступності сервісу та захистити вартість капітальних інвестицій, розумно розглянути доповнення будь-якої програми підтримки з використанням PFA контрактом віддаленої технічної підтримки.
Віддалена технічна підтримка як страховий поліс
Використання віддаленої технічної підтримки разом з PFA пропонує переваги як для запланованих, так і для незапланованих збоїв.
Запланований збій можна запланувати заздалегідь, дозволяючи призначити ресурси, коли вони вільно доступні та найбільш доступні за ціною. Постачальники віддаленої технічної підтримки також користуються ефектом масштабу: маючи великі ресурси для розгортання, можна досягти значної економії порівняно з наймом, навчанням та управлінням власними техніками. (Один повністю завантажений інженер може легко коштувати шестизначну суму або більше щорічно залежно від необхідних навичок).
При будь-якому незапланованому збої основною турботою є відновлення сервісу. Незапланований збій без контракту віддаленої технічної підтримки потребуватиме більше часу для вирішення. Ресурси, розгорнуті для усунення неполадок та вирішення проблеми на місці, спочатку потребуватимуть перевірки, страхування та введення в роботу перед розгортанням. Постачальник віддаленої технічної підтримки з ресурсами в масштабі вже перевірить та призначить ресурси, що призведе до швидшого часу відповіді.
Стратегічні інвестиції в технології
Залежно від характеру сервісу, тривалий збій для великого середовища може легко коштувати мільйони доларів. Контракт віддаленої технічної підтримки сам по собі або як частина ширшого плану відновлення після катастрофи, який включає PFA, може розглядатися як стаття витрат, або потенційно навіть капіталізуватися як частина більшої підписки на програмне забезпечення або сервіс.
Невелике збільшення операційних витрат цілком може захистити вас від мільйонів доларів втрат, пов'язаних з тривалим збоєм сервісу.
Який підхід вам слід використовувати для обґрунтування інвестицій у підтримку віддаленої технічної підтримки? Метрики корпоративних фінансів відрізняються від компанії до компанії, але можна навести кілька прикладів.
Тематичне дослідження
Ви оцінюєте контракт віддаленої технічної підтримки на $250,000 для покриття трьох середовищ у дата-центрах у Північній Америці протягом одного року. Ваша оцінювана вартість простою становить $100,000 на годину загалом (включаючи заблоковані або неактивні ресурси, втрачений дохід, вплив на бренд тощо). Останнім разом, коли ви зіткнулися зі збоєм через відмову обладнання, ваш додаток не працював шість годин. Чистий вплив на компанію становив $600,000.
Корпоративні фінанси не схвалять витрати IT, якщо інвестиція не пройде порогову ставку (іноді відому як мінімально прийнятна норма прибутку або MAAR) 10%.
Очікуваною перевагою контракту віддаленої технічної підтримки є зменшення середнього часу відновлення (MTTR) для незапланованого збою. Оцінки показують, що MTTR можна значно зменшити. Зменшення MTTR на 50% для попереднього збою заощадило б $300,000 завдяки відновленню сервісу на три години швидше.
Чи повинні корпоративні фінанси схвалити придбання цього контракту віддаленої технічної підтримки як страхового полісу для зменшення майбутніх незапланованих простоїв?
Ми використаємо просту формулу для ROI:
ROI = (Чистий прибуток / Вартість інвестицій) * 100
У цьому випадку чистий прибуток становитиме $300,000 економії мінус вартість контракту $250,000, або $50,000.
ROI = ($300,000-$250,000)/$250,000 * 100
$50,000 поділити на $250,000 становить 20%, або вдвічі більше MARR, вимаганої фінансами.
(Майте на увазі, що ця дохідність вимірюється лише проти одного збою. При кількох незапланованих збоях за один рік економія була б значно вищою.)
Корпоративні фінанси повинні схвалити інвестицію в контракт віддаленої технічної підтримки.
Підсумок
Штучний інтелект зробив великі кроки в галузі прогнозного аналізу відмов, і ефективність PFA тільки зростатиме в найближчі місяці та роки.
Тим часом потреба в захисті інвестицій залишається. Стратегічна інвестиція в контракт віддаленої технічної підтримки може допомогти пом'якшити фінансовий вплив незапланованих збоїв, допомагаючи вам скористатися гнучкістю запланованих вікон простою.
Примітки
[](#_ftnref1)1[] https://medium.com/@brijesh_soni/why-random-forests-outperform-decision-trees-a-powerful-tool-for-complex-data-analysis-47f96d9062e7
[2] Yadav, D. K., Kaushik, A., & Yadav, N. (n.d.). Predicting machine failures using machine learning and deep learning algorithms. ScienceDirect. https://www.elsevier.com/locate/smse
[3] https://www.bakerhughes.com/bently-nevada/blog/unplanned-downtime-key-disruptor-industry
[4] https://medium.com/@jatin2707/machine-failure-prediction-a-comprehensive-guide-524726c3b1fd
[5] https://www.atlassian.com/incident-management/kpis/cost-of-downtime
[6] From "Predictive Maintenance: Deloitte's Approach" https://www2.deloitte.com/content/dam/Deloitte/us/Documents/process-and-operations/us-predictive-maintenance.pdf
Теми: Віддалена технічна підтримка, машинне навчання (ML), штучний інтелект (AI), глибоке навчання (DL), продуктивність, дата-центри, хмара, прогнозний аналіз відмов (PFA), рекурентна нейронна мережа (RNN), високопродуктивні обчислення (HPC), корпоративні фінанси, стратегічні інвестиції, лінійна регресія, Long Short-Term Memory (LSTM), випадкові ліси, теорія портфеля.
