Khả năng dự đoán lỗi phần cứng với một mức độ chính xác nhất định mang lại tiềm năng tiết kiệm to lớn cho các nhà cung cấp dịch vụ có vốn đầu tư lớn vào công nghệ thông tin (IT). Đối với khách hàng doanh nghiệp vận hành các nền tảng điện toán hiệu năng cao (HPC) và trí tuệ nhân tạo (AI) đắt tiền ở quy mô lớn, tính khả dụng của dịch vụ họ cung cấp là tất cả: Một hệ thống ngừng hoạt động sẽ khóa khách hàng ra ngoài và làm tài nguyên bị mắc kẹt, khiến chúng trở nên vô dụng với chi phí rất lớn. Một sự cố như vậy có thể gây ra mất doanh thu, ảnh hưởng đến năng suất tổng thể của nhân viên và làm tổn hại thương hiệu công ty. Tùy thuộc vào ngành nghề, các nghiên cứu cho thấy chi phí trung bình của một giờ ngừng hoạt động không có kế hoạch có thể dao động từ $100,000 một giờ đến hơn $500,000 một giờ.[1] [2]
Giới thiệu phân tích lỗi dự báo (PFA)
Bằng cách đánh giá lượng lớn dữ liệu lịch sử, phân tích lỗi dự báo (PFA) có thể cung cấp những hiểu biết có giá trị về khả năng xảy ra sự cố. Chipset, bo mạch, ổ cứng và các kết nối hàn đều có tuổi thọ hữu ích hữu hạn. Các xu hướng trong dữ liệu lỗi lịch sử có thể chỉ ra khung thời gian cho những lỗi trong tương lai.
Đối với các nhà sản xuất thiết bị lớn hoặc ô tô (và khách hàng của họ), PFA có thể mang lại những cải thiện về tuổi thọ tài sản dẫn đến giảm chi tiêu tương lai lên đến 5%. PFA cũng có thể được sử dụng để lên lịch bảo trì khi các vận hành viên và kỹ thuật viên có thể tự do hơn và rẻ hơn, tạo ra hiệu quả và tiết kiệm lên đến 20%.[3]
Nhiều yếu tố có thể ảnh hưởng đến hiệu suất của PFA. Tùy thuộc vào khối lượng công việc trung bình của hệ thống được đề cập, phạm vi dữ liệu lịch sử được sử dụng, và các thuật toán machine learning (ML) hoặc deep learning (DL) liên quan, độ chính xác của PFA có thể bị đặt câu hỏi.
Hồi quy tuyến tính và đa thức thường được sử dụng để xác định tuổi thọ hữu ích còn lại (RUI), trong khi các thuật toán Long Short-Term Memory (LSTM) và random forest có thể được sử dụng để tinh chỉnh dự đoán lỗi với các mức độ thành công khác nhau. [4] [5] [6]
Mặc dù rõ ràng là có những lợi ích hữu hình với PFA, nhưng nó không hoàn hảo. Để cung cấp cùng mức độ khả dụng dịch vụ và bảo vệ giá trị của các khoản đầu tư vốn, việc cân nhắc bổ sung bất kỳ chương trình hỗ trợ nào sử dụng PFA với hợp đồng remote hands là khôn ngoan.
Remote Hands như một Chính sách Bảo hiểm
Việc sử dụng remote hands kết hợp với PFA mang lại lợi ích cho cả sự cố có kế hoạch và không có kế hoạch.
Một sự cố có kế hoạch có thể được lên lịch trước rất lâu, do đó cho phép phân bổ tài nguyên khi chúng có sẵn và giá cả phải chăng nhất. Các nhà cung cấp remote hands cũng tận hưởng hiệu quả kinh tế theo quy mô: Với tài nguyên dồi dào để triển khai, có thể tiết kiệm đáng kể so với việc thuê, đào tạo và quản lý kỹ thuật viên riêng của bạn. (Một kỹ sư có đầy đủ chi phí có thể dễ dàng tốn sáu con số trở lên hàng năm tùy thuộc vào các kỹ năng yêu cầu).
Với bất kỳ sự cố không có kế hoạch nào, việc khôi phục dịch vụ là mối quan tâm chính. Một sự cố không có kế hoạch mà không có hợp đồng remote hands sẽ mất nhiều thời gian hơn để giải quyết. Các tài nguyên được triển khai để khắc phục sự cố và giải quyết vấn đề tại chỗ trước tiên cần được xác minh, bảo hiểm và đưa vào hoạt động trước khi được triển khai. Nhà cung cấp remote hands, với tài nguyên theo quy mô, sẽ đã thẩm định và phân công tài nguyên dẫn đến thời gian phản hồi nhanh hơn.
Đầu tư Công nghệ Chiến lược
Tùy thuộc vào bản chất của dịch vụ, một sự cố kéo dài cho một môi trường lớn có thể dễ dàng tốn hàng triệu đô la. Một hợp đồng remote hands riêng lẻ hoặc hoạt động như một phần của kế hoạch phục hồi thảm họa rộng hơn bao gồm PFA, có thể được coi như một mục chi phí, hoặc thậm chí có thể được vốn hóa như một phần của đăng ký phần mềm hoặc dịch vụ lớn hơn.
Một sự gia tăng nhẹ trong chi phí vận hành rất có thể bảo vệ bạn khỏi hàng triệu đô la tổn thất liên quan đến sự cố dịch vụ kéo dài.
Bạn nên sử dụng phương pháp nào để biện minh cho khoản đầu tư vào hỗ trợ remote hands? Các chỉ số tài chính doanh nghiệp khác nhau tùy theo từng công ty, nhưng có thể rút ra một vài minh họa.
Nghiên cứu Trường hợp
Bạn đang đánh giá một hợp đồng remote hands với giá $250,000 để bao phủ ba môi trường trong các trung tâm dữ liệu ở Bắc Mỹ trong một năm. Chi phí ước tính cho thời gian ngừng hoạt động của bạn là $100,000 một giờ tất cả (bao gồm tài nguyên mắc kẹt hoặc nhàn rỗi, mất doanh thu, tác động thương hiệu, v.v.). Lần cuối bạn gặp sự cố do lỗi phần cứng, ứng dụng của bạn đã ngừng hoạt động trong sáu giờ. Tác động ròng đến công ty là $600,000.
Tài chính doanh nghiệp sẽ không phê duyệt chi tiêu IT trừ khi khoản đầu tư vượt qua tỷ lệ rào cản (đôi khi được biết đến như tỷ lệ hoàn vốn tối thiều chấp nhận được hay MAAR) là 10%.
Một lợi ích dự kiến của hợp đồng remote hands là giảm thời gian trung bình để phục hồi (MTTR) cho sự cố không có kế hoạch. Ước tính cho thấy MTTR có thể được giảm đáng kể. Việc giảm MTTR 50% cho sự cố trước đây sẽ đã tiết kiệm $300,000 bằng cách khôi phục dịch vụ nhanh hơn ba giờ.
Tài chính doanh nghiệp có nên cho phép mua hợp đồng remote hands này như một chính sách bảo hiểm để giúp giảm thời gian ngừng hoạt động không có kế hoạch trong tương lai không?
Chúng ta sẽ sử dụng công thức đơn giản cho ROI:
ROI = (Lợi nhuận ròng / Chi phí đầu tư) * 100
Trong trường hợp này, lợi nhuận ròng sẽ là $300,000 tiết kiệm trừ đi chi phí hợp đồng $250,000, hoặc $50,000.
ROI = ($300,000-$250,000)/$250,000 * 100
$50,000 chia cho $250,000 là 20%, hoặc gấp đôi MARR yêu cầu bởi tài chính.
(Hãy nhớ rằng, lợi nhuận này chỉ được đo với một sự cố. Với nhiều sự cố không có kế hoạch trong một năm, khoản tiết kiệm sẽ cao hơn đáng kể.)
Tài chính doanh nghiệp nên phê duyệt khoản đầu tư vào hợp đồng remote hands.
Tóm tắt
Artificial intelligence đã có những bước tiến lớn trong lĩnh vực phân tích lỗi dự báo, và hiệu quả của PFA sẽ chỉ tăng lên trong những tháng và năm tới.
Trong khi đó, nhu cầu bảo vệ đầu tư vẫn còn. Một khoản đầu tư chiến lược vào hợp đồng remote hands có thể giúp giảm thiểu tác động tài chính của các sự cố không có kế hoạch, đồng thời giúp bạn tận dụng tính linh hoạt của các khung thời gian ngừng hoạt động có kế hoạch.
Ghi chú
[](#_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
Chủ đề: Remote hands, machine learning (ML), artificial intelligence (AI), deep learning (DL), năng suất, trung tâm dữ liệu, cloud, phân tích lỗi dự báo (PFA), recurrent neural network (RNN), high-performance computing (HPC), tài chính doanh nghiệp, đầu tư chiến lược, hồi quy tuyến tính, Long Short-Term Memory (LSTM), random forests, lý thuyết danh mục đầu tư.
