At designe en automatiseret lager
Sawyer Bateman, chief technology officer ved EasyPost, fortæller Tonya Hall om den rolle, data videnskab spiller i skabelsen af en automatiseret lager.
Download dette gratis webinar at lære at bruge Forrester ‘ s automation framework til at guide decisioning, rationalisere din automation porteføljen, og forberede sig til den fremtidige arbejde.
I 1983, Lisanne Bainbridge (en forsker ved University of Reading i ENGLAND) skrev følgende profetisk ord i hendes meget citerede papir “Ironier af Automatisering”:
“Ved at tage væk de nemme dele af [den] opgave, automatisering kan gøre det vanskeligt dele af den menneskelige operatør, er opgaven vanskeligere.”
Med andre ord, automatisere alle de nemme ting, og hvad der er tilbage for folk til at gøre? Den hårde ting.
Denne grundsætning har aldrig været mere sandt. Når systemerne er for automatiseret, deres adfærd på en række vigtige punkter bliver sværere og sværere at forudsige, og sætte dem lige når de går galt kræver dybere og dybere ekspertise. Mens vi er i en verden af stærkt stigende automatisering — chatbots, DevOps rørledninger, AIOps, og mere til — den mørke side er i stigende grad set i problemer, såsom Boeing 737-MAX. Når menneskelige faktorer er udeladt af design-processen, og at mennesker derfor ikke kan fungere effektivt som et koordineret system med automatisering, meget dårlige ting kan ske.
På en mindre dramatisk foran, her hos Forrester, vi hører signaler, der ikke alle er godt på automatisering foran. Et par store, men meget kompetente kunder har nævnt for mig sidst, at den gennemsnitlige tid til at genoprette (MTTR) driver opad, uventet i betragtning af deres investeringer i forsøget på at reducere det. Bob Davis af Plutora (et selskab, der samler en masse af DET operationelle data) har bekræftet dette i en samtale: “Vi er blevet følsomme over for emnet MTTR i løbet af de seneste seks måneder som en måling af modenhed. Som kunder få mere sofistikerede, vi ser uventet adfærd, med MTTR gå op.”
Bemærk, at MTTR kan i sidste ende ikke være en stor værdi at holde tracking, John Allspaw af Adaptive Kapacitet Labs har kritiseret det. Men da det er sådan en udbredt industri metrisk, mener jeg stadig, at det er et nyttigt selvom ufuldkommen signal, især over større datasæt og længere tidshorisonter.
Vi har også udtalelser fra leverandører som Atlassian og Zendesk, at den effektive levetid for viden artikler er faldende, og antallet af kendte fejl (dvs, repeterende hændelser) er faldende. Dette betyder, at for en given hændelse, et problem eller en fejl, at der er en højere sandsynlighed for, at det er en “nul-dag” giver anledning til bekymring (for at låne et udtryk fra sikkerhed). Sådanne bekymringer kræver større færdigheder-i klassisk helpdesk/NOC vilkår, den bevæger sig fra Lag 1 til Lag 2 eller 3.
Og endelig er der problemet med Hollnagel lov om strakt systemer, hvori det hedder, at “ethvert system er strakt til at fungere på sin evne; så snart der er nogle forbedringer (for eksempel i form af ny teknologi), vil det kunne udnyttes til at nå en ny intensitet og tempo af aktivitet.” (Tak til J. Paul Reed af Netflix til at spore kilden til denne ned til mig.)
Alt i alt, der modsiger dynamics (en klassisk afvejning feedback problem) kan være repræsenteret således:
Så hvad skal der gøres? Det er afgørende at erkende, at problemet er uløseligt forbundet. Det vil ikke gå væk. Men i vores seneste rapport, der er nogle anbefalinger, herunder:
Design af menneske/maskine-systemet som en helhed.Omfavne sikkerhed sciences and resilience engineering, herunder områder som teknik, psykologi og menneskelige faktorer, der har længe studeret disse problemer.Styrke hold som dit højeste-værdi enhed.Vedtage SRE perspektiv på automatisering.Brug AI sig til at hjælpe med at løse din observability problem.Vedtage ulastelige retrospectives.Du effektiviserer din automation porteføljen.
Dette indlæg blev skrevet af Hovedstol Analytikere Charles Betz og Chris Gardner. Det blev oprindeligt bragt her.
Kunstig Intelligens
Wells Fargo: Kunstig intelligens og maskinindlæring et “tveægget sværd’
Nej, dette AI ikke har styr ottende klasse videnskab
Hvad er AI? Alt, hvad du behøver at vide om Kunstig Intelligens
Nye AI job, vil flere arbejdspladser tabt (ZDNet YouTube)
Elon Musk siger AI vil gøre arbejdspladser irrelevant (CNET)
Hvordan at tilføje kunstig intelligens til din 2020 IT-budget (TechRepublic)
Relaterede Emner:
Kunstig Intelligens
CXO
Regeringen
Sikkerhed