可預測的維護

總部位于東京的Konica Minolta曾以相機而聞名，但在2017年初，它開始在公司內(nèi)部使用AI驅(qū)動的IT基礎設施管理工具ScienceLogic，以支持其辦公室和IT服務業(yè)務，以幫助預測哪些設備即將出現(xiàn)故障。

該公司副首席技術官Dennis Curry表示，起初，這些預測的準確率約為56％，但隨著時間的推移，該系統(tǒng)越來越準確。他說：“現(xiàn)在我們可以預測在接下來的兩周內(nèi)95％的故障，這讓我們可以減少停機時間，降低整體成本�！�

該公司正在將該技術添加到Workplace Hub中，并且該公司的ScienceLogic－powered IT管理平臺也將于今年晚些時候推出。

Nlyte軟件公司還計劃提供一種基于AI的預測性維護工具。 Nlyte采用IBM的Watson技術，利用客戶的一般信息來收集有關常用設備的狀況，并將其與個體客戶環(huán)境的學習相結(jié)合。

“我們有我們已經(jīng)建立的模式，我們正將這些模式提供給客戶，”該公司首席戰(zhàn)略官Enzo Greco說�！暗�是我們發(fā)現(xiàn)，每個客戶的環(huán)境都略有不同，因此我們也為客戶提供了一個工具包，用于創(chuàng)建他們自己的用例，他們自己的AI模式�！�

最主要的兩種用途是能源優(yōu)化，比如在哪里放置新服務器以優(yōu)化散熱，以及工作流優(yōu)化，也就是在哪里放置工作負載。

這些工具通常是由公司定制的，根據(jù)他們自己的操作進行定制�，F(xiàn)在，有了現(xiàn)成的軟件和預先構(gòu)建的模型，企業(yè)就可以快速地啟動和運行，而不必在內(nèi)部部署深入的人工智能技術。

總部位于荷蘭的Interxion公司已經(jīng)看到了利用機器學習來改善運營的好處。幾年前，這家在全球13個城市運營著50個數(shù)據(jù)中心的公司，開始從施耐德電氣部署數(shù)據(jù)中心基礎設施管理（DCIM）技術EcoStruxure。

“我們每年都會新建四個數(shù)據(jù)中心，”公司的首席數(shù)據(jù)中心技術和工程官員Lex Coors說。“這讓我們有機會回顧過去，看看沒有任何EcoStruxure的老客戶，EcoStruxure的早期版本以及最新版本都在做什么�！�

他說，早期的版本很難使用。他們提供了大量信息，但需要更多的工作人員來理解數(shù)據(jù)并做出決定以加以實施。

“即使使用新系統(tǒng)，它也提供了如此多的建議，”他說�！拔艺�天都在執(zhí)行這些建議�！�

他說，但該產(chǎn)品的最新版本包含了更多的智能功能，現(xiàn)在可以節(jié)省成本了。

重置資本支出預算節(jié)省了1％至2％的資金。“在維護運營預算中，我看到了10％的下降，所有的分析都帶來了好處�！�

這是因為該公司可以在正確的時間做適當?shù)木S護，以避免設備故障，并且還提出了優(yōu)化能效的建議。

但即使是最新的版本也需要改進�！敖裉焖�可以告訴我要改變到這個溫度，明天換到另一個溫度，第二天再回到第一個溫度，因為那是當時最好的決定，”他說。該系統(tǒng)應該基于長期的預測提出建議，并優(yōu)先考慮這些建議。他的公司正在與施耐德合作，以改進該系統(tǒng)。

“DCIM系統(tǒng)的機器學習能力仍然有限，”他說�！翱纯次覀儸F(xiàn)在的數(shù)據(jù)中心，想想我們可以用機器學習做些什么，顯然，現(xiàn)在還不夠多。”

但是AI在DCIM中的技術能力可能會不斷擴大。

“這是一個全新的領域，是這個行業(yè)的一個新發(fā)展，而且它很強大，”她說。451 Research的數(shù)據(jù)中心和關鍵基礎設施的研究主管Rhonda Ascierto表示，Eaton是DCIM領域的另一個供應商。“我認為這是一個將物理數(shù)據(jù)中心管理與許多其他服務集成在一起的長期演進性變革的開始。隨著技術的發(fā)展，可能會增加其他數(shù)據(jù)和服務，包括集成工作負載管理，能源管理，員工服務，安全和網(wǎng)絡管理。

她說，所有這些都需要時間來完成，而且數(shù)據(jù)供應商可以收集的數(shù)據(jù)越多，他們的平臺就會越聰明，也越有價值。因此，客戶可以以極低的成本獲得這些工具。

局限性

但Forrester Research的分析師Michele Goetz表示，用于IT運營的通用AI平臺仍然難以實現(xiàn)。

“目前還沒有真正能夠替代數(shù)據(jù)庫管理或系統(tǒng)管理員的人工智能系統(tǒng)，”她說�！斑@些AI解決方案的成熟還需要幾年時間，我們也需要時間讓企業(yè)組織對在IT環(huán)境中部署人工智能有一個更好的愿景。”

其中一個挑戰(zhàn)是人工智能目前需要大量的訓練數(shù)據(jù)，而這些數(shù)據(jù)只能用于特定類型的問題。此外，國際數(shù)據(jù)公司分析師Shannon Kalvar表示，系統(tǒng)之間的對話也需要改進。

“從技術上講，對于IT服務管理和IT運營管理的融合，我們可以在兩到三年內(nèi)完成，”他說。“它們之間存在技術掛鉤。但說實話，我并沒有看到太多這樣的設計思維。”

他說，這不僅僅是關于自動化流程�！艾F(xiàn)在，我們依靠人們的經(jīng)驗，支持人們，運營人員，去理解并把它們聯(lián)系在一起。我不想過分苛刻，有幾個供應商正朝這個方向努力，但我們確實還沒走到那一步�！�

他稱之為一個過程抽象層，一種綜合智能。

根據(jù)Turbonomics調(diào)查公司與Red Hat和AppDynamics合作的對750名IT運營經(jīng)理進行的調(diào)查顯示，68％的人說他們還沒有將人工智能用于IT管理，24％的人說他們正在試驗人工智能。

然而，84％的人認為人工智能可以通過創(chuàng)建自組織系統(tǒng)來降低復雜性。

IDC的Kalvar表示：“我認為這是很多人想要實現(xiàn)的目標，但我不確定我們當中有任何人曾經(jīng)觸碰到它�！�