تعمیر و نگهداری پیش بینی کننده: مشاهده شکست ها قبل از وقوع

سود:

• SMART می تواند سیگنال های اولیه مانند عمر گواهی/مجوز و میزان خطا را به عنوان یک روند با هوش مصنوعی بخواند و شکست را پیش بینی کند.
• امکان جداسازی هشدارهای کاذب از ریسک واقعی با مشاهده روند سری زمانی به جای یک خواندن
• درک این موضوع که هوش مصنوعی امکاناتی را ایجاد می کند و تصمیم گیری برای جایگزینی قطعات با افزونگی، هزینه و زمان تامین قطعات

تعمیر و نگهداری پیش‌بینی‌کننده: مشاهده نقص‌ها قبل از وقوع با هوش مصنوعی

سه نوع نگهداری در مدیریت سیستم وجود دارد. تعمیر و نگهداری واکنشی تعمیر چیزی پس از شکستن است - گرانترین و استرس زاترین. دیسک پر می شود، سرور از کار می افتد، سپس اجرا می کنید. تعمیر و نگهداری پیشگیرانه تعمیراتی است که در فواصل زمانی منظم در یک برنامه زمانی انجام می شود - مانند "تغییر دیسک هر 6 ماه". کار می کند، اما می تواند خیلی زود باشد (هزینه غیر ضروری) یا خیلی دیر (شکست در اولویت قرار دارد). تعمیر و نگهداری پیش‌بینی‌شده هوشمندانه‌ترین کار است: خواندن سیگنال‌های اولیه که نشان می‌دهند یک قطعه در حال نزدیک شدن به خرابی است و به موقع مداخله می‌کند. دقیقاً همین سیگنال‌های اولیه است که هوش مصنوعی در شناسایی قدرتمند است - خرابی داده‌های SMART دیسک، انقضای قریب‌الوقوع گواهی، افزایش نرخ خطای حافظه، صعود بی‌صدا روند. اما هشدار واضح است: هوش مصنوعی یک احتمال و هشدار اولیه ایجاد می کند. شما کسی هستید که با ارزیابی ریسک و هزینه تصمیمات تعویض قطعات، برنامه ریزی قطع و بودجه را می گیرید.

در این واحد، سیگنال های اساسی تعمیر و نگهداری پیش بینی شده (SMART، عمر گواهی/مجوز، روند نرخ خطا، فرسودگی منابع). خواندن هشدار اولیه با هوش مصنوعی؛ و شما یاد خواهید گرفت که هشدار کاذب را از خطر واقعی تشخیص دهید.

سیگنال های اولیه کجا پنهان هستند؟

سخت افزار و نرم افزار به ندرت به طور ناگهانی از بین می روند. بیشتر اوقات او اول زمزمه می کند. دیسک‌ها داده‌های هوشمند (فناوری نظارت، تحلیل و گزارش‌دهی) را تولید می‌کنند: تعداد بخش‌های تخصیص مجدد، نرخ خطای خواندن، بخش‌های معلق. افزایش آهسته این اعداد نشان می دهد که دیسک به مرگ نزدیک می شود. به طور مشابه، گواهینامه های TLS و مجوزهای نرم افزار دارای تاریخ انقضا هستند. از دست دادن این به معنای از کار افتادن کل سرویس یک شبه با هشدار "ناامن" است. ماژول های حافظه با افزایش تعداد خطاهای قابل تصحیح در مورد خرابی قریب الوقوع هشدار می دهند. هوش مصنوعی در نشان دادن روند آهسته در این انبوه اعداد خوب است - صعود یواشکی که چشم انسان در سر و صدا از دست می دهد.

نکته: ساده ترین و سودآورترین شروع تعمیر و نگهداری پیش بینی شده، تقویم گواهینامه و صدور مجوز است. گواهی منقضی شده قابل پیش بینی ترین علت قطعی است که می توان از قبل شناخت. با دادن تاریخ انقضای تمام گواهینامه های خود به هوش مصنوعی و گفتن این جمله "آنها را به ترتیب اولویت فهرست کنید زیرا در 60 روز آینده منقضی می شوند" از بیدار شدن آن در بسیاری از شب ها جلوگیری می کند.

نویز با سیگنال: تنها خواندن چیزی نمی گوید

بزرگترین دام نگهداری پیشگویانه، واکنش بیش از حد به یک خواندن بد است. یک خطای واحد در مقدار SMART دیسک دلیلی برای وحشت نیست. این طبیعی است که دیسک ها گاهی اوقات خطاهای خود را تصحیح کنند. سیگنال واقعی روند است: کاهش مداوم و شتابان ارزش در طول زمان. به همین دلیل است که به هوش مصنوعی یک مقدار آنی نیست، بلکه یک سری زمانی می‌دهید و می‌پرسید که آیا این مقدار افزایش می‌یابد و اگر چنین است، آیا شتاب می‌گیرد؟ همین تمایز به شما کمک می‌کند احتمال شکست را از قطعیت واقعی شکست جدا کنید: هوش مصنوعی می‌گوید "این درایو خطر خرابی بیشتری دارد". شما این را همراه با وضعیت افزونگی، بحرانی بودن قطعه و دوره تامین قطعات یدکی ارزیابی می کنید و تصمیم می گیرید که آیا آن را تعویض کنید یا خیر.

گام به گام: تعمیر و نگهداری پیش بینی با هوش مصنوعی

1. سیگنال مناسب را جمع آوری کنید. خروجی SMART، لیست گواهی، شمارشگر خطاهای حافظه، داده های روند منابع - هر سیگنال اولیه ای را که برای هر جزء در دسترس است جمع آوری می کند.
2. سری زمانی بدهید داده های مربوط به گذشته را ارائه دهید، نه فقط یک بار خواندن، تا هوش مصنوعی بتواند روند را ببیند.
3. در مورد روند و شتاب بپرسید. آیا این مقدار در حال افزایش است، شتاب می گیرد، چه زمانی به آستانه بحرانی می رسد؟ - در فواصل زمانی پیش بینی را بخواهید.
4. اولویت بندی کنید. در میان ده ها هشدار، کدام یک حساس ترین و فوری ترین است؟ از هوش مصنوعی بخواهید تا بر اساس ریسک و فوریت رتبه بندی کند.
5. با زمینه تصمیم گیری کنید. آیا افزونگی دارید، زمان تحویل قطعات چقدر است، پنجره خاموشی کی است؟ این زمینه در شماست، نه در هوش مصنوعی. شما تصمیم می گیرید که تغییر کنید.
6. برنامه ریزی و تأیید کنید. زمانبندی تعویض در یک پنجره تعمیر و نگهداری؛ پس از تعویض، بررسی کنید که قطعه جدید سالم است.

سه کیف کوچک

مورد 1 - روند دیسک موذیانه. یک مدیر ذخیره سازی داده های هفتگی SMART 200 دیسک را به هوش مصنوعی تغذیه کرد. YZ خاطرنشان کرد که تعداد بخش‌های تخصیص مجدد در سه دیسک به ترتیب از 0 به 4، 11 و 27 در 6 هفته گذشته افزایش یافته است و شتاب 27 دیسک بالاترین میزان بوده است. این دیسک ها هنوز شکست نخورده بودند، اما روند آن مشخص بود. سرپرست پرخطرترین دیسک را در یک پنجره برنامه‌ریزی‌شده بدون از دست دادن داده‌ها جایگزین کرد - از بازیابی واکنشی یک شبه اجتناب کرد.

مورد 2 - از فاجعه گواهی جلوگیری شد. تیمی در تلاش بود تا گواهی‌های ده‌ها سرویس را به‌طور دستی ردیابی کند. آنها لیست انقضای گواهی نقابدار را به هوش مصنوعی دادند و مواردی را که ظرف 60 روز منقضی می شوند اولویت بندی کردند. هوش مصنوعی یک گواهی API حیاتی را در بالای صفحه قرار داد که هیچ کس از آن آگاه نبود، که ظرف 9 روز منقضی می شود. بازسازی به موقع انجام شد. قطعی که یک شبه همه ادغام ها را قطع می کرد، جلوگیری شد.

مورد 3 - بازگشت از هشدار نادرست. یک مهندس تنها یک خطای قابل تصحیح را در شمارشگر خطای حافظه سرور دید و خواست بلافاصله دیسک را تعویض کند. اول، او روند مقابله 3 ماهه را به هوش مصنوعی داد. هوش مصنوعی بیان کرد که این یک رویداد منفرد، غیر تکراری و غیر فزاینده است و هیچ روندی را نشان نمی دهد. از هزینه های غیرضروری تعویض سخت افزار و نگهداری پنجره جلوگیری شد. مهندس فقط نگاه می کرد.

چهار قالب قابل کپی

1) تحلیل روند SMART/سخت افزاری:

در زیر داده‌های SMART پنهان شده هفته گذشته [X] دیسک‌های [N] (به ویژه بخش‌های تخصیص مجدد/در انتظار و میزان خطای خواندن) در زیر آمده است. به من بگویید: (1) مقادیر مربوطه در کدام دیسک افزایش می یابد، (2) افزایش شتاب می گیرد، (3) 3 دیسک پرخطر را به ترتیب فوریت علامت گذاری می کند. به روند نگاه کنید، نه فقط خواندن. توجه داشته باشید که این یک هشدار احتمالی است و تصمیم با من است. داده ها: [...]

2) اولویت انقضای گواهی/مجوز:

در زیر یک لیست پوشیده از گواهی ها/مجوزها و تاریخ انقضای آنها آمده است. امروز [تاریخ] است. مواردی را که در 60 روز آینده تکمیل خواهند شد، به ترتیب فوریت (روزهای باقی مانده) برای من فهرست کنید. سطح اولویت تجدید تخمینی را برای هر کدام بنویسید. اگر چیزی وجود دارد که قبل از امروز منقضی شده است، آن را در بالای صفحه قرار دهید. لیست: [...]

3) ارزیابی روند نرخ خطا:

در زیر شرحی از یک جزء [به عنوان مثال. حافظه/شبکه] برای 3 ماه گذشته یک شمارنده خطا دارد. آیا این یک روند زوال واقعی است یا صدای جدا شده؟ (1) آیا ارزش افزایش می یابد، (2) آیا ثابت است/شتاب می گیرد یا پراکنده است، (3) آیا توصیه شما "ساعت" است یا "تغییر برنامه ریزی شده"؟ من تصمیم خواهم گرفت؛ شما یک ارزیابی مستدل ارائه می کنید. داده ها: [...]

4) پیش بینی سایش جوش:

در زیر [منبع، به عنوان مثال داده‌های روند عمر نوشتن SSD / اشغال دیسک] در دسترس است. با نرخ فعلی، چه زمانی به آستانه بحرانی (%[X]%) می رسد؟ محدوده خوش بینانه و بدبینانه را پیش بینی کنید، فرض خود را بنویسید. اگر زمان تامین قطعات [Y] روز است، چه زمانی باید اقدام کنم؟ داده ها: [سری زمانی]

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

آیا این دیسک خراب می شود؟ [تک خروجی SMART]

خواندن یک عکس فوری روندی را نشان نمی دهد. هوش مصنوعی یا یک «شاید» خالی می‌گوید یا به یک مقدار نگاه می‌کند و حدس می‌زند که بیش از حد واکنش نشان می‌دهد.

اعلان قدرتمند:

نقش شما: کارشناس قابلیت اطمینان ذخیره سازی. در زیر 8 هفته آخر عکس‌های فوری هفتگی SMART از یک دیسک (نقاب‌دار): تعداد بخش‌های تخصیص‌یافته و بخش در انتظار فعلی موجود است. (1) روند هفتگی این دو مقدار را به من بدهید، (2) اگر افزایشی وجود دارد، آیا شتاب می گیرد، (3) اگر افزونگی فعلی من 1 تحمل دیسک با RAID است، یک ارزیابی منطقی در مورد اینکه آیا باید این دیسک را بر اساس برنامه ریزی شده یا فوری تعویض کنم، به من بدهید. این به من بستگی دارد. داده ها: [سریال 8 هفته ای]

نوع تعمیر و نگهداری

چه زمانی باید مداخله کرد

هزینه

سهم هوش مصنوعی

واکنش پذیر

هنگامی که یک نقص وجود دارد

بالاترین (کسر)

محدود، پس از رویداد

پیشگیرانه

با تقویم ثابت

متوسط (زود یا دیر)

بهینه سازی تقویم

پیش بینی کننده

در سیگنال اولیه

حداقل (برنامه ریزی شده)

روند و هشدار اولیه

اشتباهات رایج

• واکنش به خواندن تک. یک مقدار بد SMART دلیلی برای وحشت نیست. سیگنال یک روند است، نه یک نقطه.
• بی توجهی به تقویم صدور گواهینامه قابل پیش بینی ترین اختلال، گواهی منقضی شده است. از دست دادن آن نابخشودنی است.
• اشتباه گرفتن احتمال با قطعیت «خطر شکست در حال افزایش است» با «شکست خواهد شد» متفاوت است. تصمیم با افزونگی و هزینه را بگیرید.
• فراموش کردن زمان تامین قطعات مشاهده اخطار اولیه و در نظر نگرفتن مدت زمان تامین لوازم یدکی مجددا منجر به وقفه می شود.
• صرف بودجه برای نویز واکنش به یک خطای ایزوله و بدون تشدید با جایگزینی سخت افزار هزینه غیر ضروری است.

احتیاط: پیش‌بینی شکست هوش مصنوعی بر اساس الگوهای گذشته است. یک خطای تولید ناگهانی، افزایش برق، یا مرگ مربوط به نرم افزار از این الگوها مستثنی هستند. تعمیر و نگهداری پیش بینی خطر را کاهش می دهد، نه بازنشانی. پشتیبان گیری و افزونگی همیشه اولین خط دفاعی هستند.

به طور خلاصه

تعمیر و نگهداری پیشگویانه، دیدن علائم اولیه خرابی قبل از وقوع و مداخله به موقع است - شما را از استرس تعمیرات واکنشی و هدر رفتن تعمیر و نگهداری پیشگیرانه نجات می دهد. هوش مصنوعی در پرچم‌گذاری روندهای موذیانه در داده‌های SMART، نزدیک شدن به انقضای گواهینامه و افزایش نرخ خطا قدرتمند است. اما به روند نگاه کنید، نه فقط خواندن. احتمال را به عنوان یقین تلقی نکنید. زمان تحویل قطعات و افزونگی خود را در نظر بگیرید. هوش مصنوعی هشدار اولیه را تولید می کند. جایگزینی قطعه، برنامه خرابی و تصمیم گیری بودجه با شماست تا ریسک و هزینه را بسنجید. و به یاد داشته باشید: تعمیر و نگهداری پیشگو مکمل پشتیبان گیری است، نه جایگزین آن.

وظیفه کاربردی

با ساده‌ترین روش نگهداری پیش‌بینی‌شده شروع کنید: تاریخ‌های انقضای همه گواهی‌ها (یا مجوزها) را در سیستم‌های خود فهرست کنید، آن‌ها را پنهان کنید، و با الگوی «اولویت‌بندی انقضای گواهی/مجوز» در بالا، آن‌هایی را که ظرف 60 روز منقضی می‌شوند، اولویت‌بندی کنید. سپس، اگر دسترسی دارید، داده‌های روند SMART چند دیسک را جمع‌آوری کنید و ببینید آیا با الگوی «تجزیه و تحلیل روند SMART/سخت‌افزار» افزایشی وجود دارد یا خیر. یافته های خود و اقدامات برنامه ریزی شده (تجدید، نظارت، تغییر) را در 6 مورد بنویسید. برای هر کدام، دلیل تصمیم خود را بیان کنید.

چک لیست

• [ ] آیا تاریخ انقضای گواهینامه ها و مجوزها را حذف کرده ام و موارد بعدی را اولویت بندی کرده ام؟
• [ ] آیا من به یک روند سری زمانی در سیگنال های سخت افزاری نگاه می کنم و نه یک خواندن؟
• [ ] آیا من خروجی "خطر شکست" هوش مصنوعی را به عنوان یک احتمال در نظر نگرفتم و آن را با قطعیت اشتباه گرفتم؟
• [ ] آیا در تصمیم گیری تعویض، افزونگی و زمان تامین قطعات را در نظر گرفته ام؟
• [ ] آیا از واکنش به نویز جدا شده با تعویض سخت افزاری غیر ضروری اجتناب کرده ام؟
• [ ] آیا من تعمیر و نگهداری پیش بینی را به عنوان مکمل، به جای جایگزینی، پشتیبان و افزونگی قرار داده ام؟