Cum folosim reţele neuronale pentru a detecta cauzele problemelor din cadrul infrastructurii IT

Autor: Bogdan Angheluţă Postat la 22 decembrie 2018 72 afişări

Siscale inovează procesul de detectare a problemelor dintr-o infrastructură IT prin integrarea unor elemente de inteligenţă artificială şi machine learning.

Cum folosim reţele neuronale pentru a detecta cauzele problemelor din cadrul infrastructurii IT

Elementul de noutate:

Prin folosirea de reţele neuronale pentru a detecta cauzele problemelor din cadrul infrastructurii IT, compania introduce conceptele de inteligenţă artificială (AI) şi supervised learning. Conceptele adăugate pentru îmbunătăţirea metodei root cause analysis (RCA) presupun antrenarea componentei inteligente (în acest caz reţeaua neuronală) folosind feedbackul primit şi comunicarea concluziilor către una sau mai multe persoane pentru a creşte acurateţea deciziilor. Prin folosirea reţelei neuronale şi antrenarea acesteia în mod recurent, se poate ajunge la rezultate extrem de precise ce pot fi cel puţin la fel de corecte ca soluţiile manuale, dar creează economii semnificative de timp şi resurse.

Descrierea inovaţiei:

Siscale este o companie IT  înfiinţată la începutul anului 2015, care dezvoltă soluţii de inteligenţă artificială (AI) pentru eficientizarea şi optimizarea operaţiunilor IT. Siscale este cel mai mare partener de pe Coasta de Est a SUA pentru Elastic, compania care a dezvoltat Elasticsearch, considerat cel mai bun motor de căutare pentru companii. Sediul central al companiei se află la New York, SUA, iar echipa de specialişti IT este localizată aproape în întregime în România.

Root cause analysis sau RCA este o metodă ce are ca scop detectarea sursei unei probleme în cadrul unei infrastructuri IT. Ca urmare a interoperabilităţii între componentele unei infrastructuri IT, orice problemă apărută ajunge să afecteze numeroase servicii sau aplicaţii, iar detectarea sursei acelei probleme devine dificilă din cauza numărului mare de alerte care vin dinspre acele servicii şi aplicaţii. Aplicarea noţiunilor de machine learning (ML) îmbunătăţeşte metoda RCA transformând procesul de detectare a problemei dintr-o metodă de căutare în jurnale, care implică analiza manuală a unor volume mari de date, într-un proces automatizat, inteligent, bazat pe reţele neuronale şi algoritmi. Bazându-se pe alerte colectate, componenta AI analizează datele şi începe să „deducă” potenţialele cauze ale unor probleme.

Efectele inovaţiei:

Automatizarea analizei de cauză scade în mod semnificativ efortul necesar pentru analiza iniţială a unor probleme detectate şi poate reduce costurile necesare pentru a se ajunge la o eficienţă similară sau mult mai mare. Aceste avantaje oferă noi posibilităţi pentru echipele IT de a se concentra asupra altor aspecte ale activităţilor de zi cu zi, precum posibilitatea de a lucra la progresul individual sau efectuarea de operaţiuni sau implementări de soluţii mai avansate, care necesită efort şi concentrare. În acelaşi timp, detecţia automată a cauzei unor probleme oferă vizibilitate echipelor responsabile de remediere, într-un timp mult mai scurt. Mai exact, timpul constant al analizei efectuate de echipele de remediere va fi redus cu cel puţin 80% faţă de metodele manuale de analiză de cauză, iar timpul în care se garantează un răspuns va fi redus cu cel puţin 50%.

Urmărește Business Magazin

Preluarea fără cost a materialelor de presă (text, foto si/sau video), purtătoare de drepturi de proprietate intelectuală, este aprobată de către www.bmag.ro doar în limita a 250 de semne. Spaţiile şi URL-ul/hyperlink-ul nu sunt luate în considerare în numerotarea semnelor. Preluarea de informaţii poate fi făcută numai în acord cu termenii agreaţi şi menţionaţi in această pagină.