Att utforma ett automatiserat lager
Sawyer Bateman, chief technology officer på EasyPost, berättar Tonya Hall om data roll vetenskapen spelar i skapandet av ett automatiserat lager.
Ladda ner denna gratis webinar för att lära sig hur man använder Forresters automatisering för att vägleda decisioning, rationalisera din automation portfölj, och förbereda för den framtida arbete.
1983, Lisanne Bainbridge (en forskare vid University of Reading i STORBRITANNIEN) skrev följande förutseende ord i sitt ofta citerade artikeln “Ironiernas av Automation”:
“Genom att ta bort de enkla delarna av [av] uppgift, automatisering kan göra de svåra delarna av den mänskliga operatören är uppgiften svårare.”
Med andra ord, automatisera alla enkla saker, och vad som finns kvar för människor att göra? Den hårda saker.
Denna maxim har aldrig varit sannare. När systemen blir för automatiserad, deras beteende i viktiga avseenden blir svårare och svårare att förutse och ställa in dem direkt när de går fel kräver djupare och djupare kompetens. Medan vi är i en värld av dramatiskt ökande automatisering — chatbots, DevOps rörledningar, AIOps, och mer — den mörka sidan ses allt oftare i problem såsom Boeing 737 MAX. När mänskliga faktorer som finns kvar av designprocessen, och människor, och kan därför inte fungera effektivt som ett samordnat system med automation, mycket dåliga saker kan hända.
På en mindre dramatisk front, här på Forrester, vi hör signaler om att inte alla är bra på automation framsidan. Ett fåtal stora men mycket kompetenta kunder har nämnt för mig på sistone att tiden för att återställa (MTTR) är drivande uppåt, oväntat med tanke på deras investeringar i att försöka minska den. Bob Davis på Plutora (ett företag som aggregat för en hel del av DET operativa data) bekräftade detta i en konversation: “Vi har blivit känsliga för ämnet MTTR under de senaste sex månaderna som ett mått på mognad. Som kunder blir mer sofistikerade, vi ser oväntat beteende, med MTTR gå upp.”
Observera att MTTR kanske inte i slutändan vara ett bra mått för att hålla spårning, John Allspaw anpassningsförmåga Labs har kritiserat det. Men eftersom det är ett så omfattande industri metrisk, jag tror fortfarande att det är en nyttig men ofullkomliga signal, särskilt under större datamängder och längre tidshorisont.
Vi har också uttalanden från leverantörer som Atlassian och Zendesk att den effektiva livslängden på kunskap artiklar krymper och förekomsten av kända fel (dvs, upprepade incidenter) är fallande. Detta innebär att för en given händelse, problem eller fel, det finns en högre sannolikhet att det är en “zero-day” oro (för att låna en term från säkerhet). Sådana frågor kräver högre kompetens — i klassisk service desk/NOC form, det rör sig från Nivå 1 till Nivå 2 eller 3.
Och slutligen, är det ett problem av Hollnagel lag av sträckte system, som säger att “varje system är utsträckt för att arbeta på sin kapacitet, så snart det finns en viss förbättring (till exempel i form av ny teknik, det kommer att utnyttjas för att uppnå en ny intensitet och tempo i verksamheten.” (Tack till J. Paul Reed av Netflix för att spåra källan till det för mig.)
Allt i allt, som strider dynamik (en klassisk balanserande feedback problem) kan representeras sålunda:
Så vad ska göras? Det är viktigt att inse att det här problemet är inneboende. Det kommer inte att gå bort. Men i vår senaste rapport, finns det några rekommendationer, bland annat:
Designen av människa/maskin-system som en helhet.Omfamna säkerhet vetenskap och resilience engineering, inklusive områden som teknik psykologi och mänskliga faktorer som har länge studerat dessa problem.Ge lag som din högsta värde enhet.Anta SRE perspektiv på automation.Använda AI själv för att hjälpa till att lösa dina observerbarhet problem.Anta ostraffliga retrospektiv.Rationalisera dina automation portfölj.
Detta inlägg var skrivet av ansvarig Analytiker Charles Betz och Chris Gardner. Det publicerades ursprungligen här.
Artificiell Intelligens
Wells Fargo: Artificiell intelligens och maskininlärning ett “tveeggat svärd”
Nej, detta AI har inte behärskar åttonde klass vetenskap
Vad är AI? Allt du behöver veta om Artificiell Intelligens
Nya AI jobb kommer att överträffa förlorade jobb (ZDNet YouTube)
Elon Musk säger AI kommer att göra jobb irrelevant (CNET)
Hur man lägger till artificiell intelligens för att din 2020 IT-budget (TechRepublic)
Relaterade Ämnen:
Artificiell Intelligens
CXO
Regeringen
Säkerhet