Dari fasilitas Electrolux di timur laut Italia (atau, lebih sering pada tahun 2020 dan 2021, dari kantornya di rumah), Joska Lot memantau pengoperasian infrastruktur TI Electrolux global. Dan ini adalah infrastruktur yang luas dan kompleks.

Sebagian besar pertumbuhan Electrolux selama bertahun-tahun terjadi melalui akuisisi, setiap merger menambahkan infrastruktur fisik baru serta platform teknologi dan lingkungan aplikasi yang unik. Seperti yang dijelaskan oleh Lot: "Kami memiliki Windows, kami memiliki AIX, kami memiliki Linux... Kami memiliki 10.000 server di 65 negara ditambah perangkat jaringan yang menghubungkan server tersebut, 100.000 aplikasi, basis data, aturan.

Bagi Lot dan tim kecilnya untuk memastikan efisiensi operasional di seluruh infrastruktur seperti ini, ada dua tantangan utama. Yang pertama adalah mengintegrasikan dengan semua platform dan lingkungan untuk membuat ringkasan terpadu. "Jika saya tidak memiliki alat standar," kata Lot, "pekerjaan saya kurang lebih mustahil. Kita harus menyelaraskan."

Tantangan kedua adalah untuk secara efisien memotong "kebisingan" jaringan dan mengidentifikasi tugas-tugas spesifik yang akan mempertahankan operasi.

Lot dan tim Electrolux telah lama mengatasi kedua tantangan tersebut menggunakan solusi IBM Netcool sebagai platform manajemen operasi TI global terintegrasi mereka. Dan seperti halnya Electrolux yang terus menemukan cara-cara baru untuk menyempurnakan peralatannya, Lot dan timnya kini mengadopsi kemampuan otomatisasi yang didorong oleh AI dari evolusi platform IBM Netcool saat ini, IBM Cloud Pak for Watson AIOps.

Lot melihat potensi untuk mendapatkan efisiensi yang sangat penting dengan menggunakan machine learning untuk mengotomatiskan apa yang dikenal di bidang TI sebagai korelasi peristiwa. “Peristiwa” adalah potongan data tentang fungsi berbagai elemen dalam lingkungan TI. Mereka mencakup fenomena yang sangat luas, dan sebagian besar peristiwa tidak mengindikasikan masalah yang sebenarnya. Korelasi kejadian berarti mengelompokkan kejadian terkait ke dalam "kejadian" untuk mendapatkan gambaran yang lebih jelas tentang di mana letak masalah yang sebenarnya.

Lot memberikan sebuah contoh sederhana: "Bayangkan seseorang secara tidak sengaja memutus sambungan router jaringan yang terhubung ke sepuluh komputer. Hal itu menciptakan 11 peristiwa yang berbeda, tetapi hanya ada satu masalah yang sebenarnya terjadi: router harus disambungkan kembali." Sebelas peristiwa tersebut sebenarnya hanya satu masalah saja. "Tapi itu hanya setetes air di lautan kita," kata Lot. "Kami melihat sekitar 100.000 peristiwa per hari." Semakin cepat manajer operasional TI seperti Lot dapat melihat masalah, bukan peristiwa, semakin cepat mereka dapat menunjukkan masalah yang sebenarnya dan mengatasinya. Lot menggambarkannya dengan jelas: "Sangatlah penting di samudra yang luas ini untuk mengenali dengan tepat setetes racun yang harus Anda hilangkan untuk menyelamatkan nyawa Anda.

Namun, secara tradisional, korelasi peristiwa berarti memiliki tim yang menghabiskan banyak waktu secara manual untuk menganalisis alarm peristiwa dan menemukan korelasinya. "Dalam satu tahun," kata Lot, "kami memperbaiki masalah yang sama sebanyak 1.000 kali. Dan kami memiliki orang-orang yang menghabiskan waktu satu jam untuk mengelola aktivitas ini secara manual." Sekarang, dengan menerapkan aturan berbasis keahlian ke dalam AI, Electrolux dapat mengotomatiskan dan mempercepat pekerjaan tersebut.

Electrolux baru saja mulai menggabungkan otomatisasi yang didukung AI seperti ini, tetapi Lot melihatnya sebagai langkah yang sangat penting. "Mengukur perbedaan antara peristiwa dan insiden adalah langkah pertama menuju manajemen operasi AI yang lengkap, dan mungkin yang dapat membawa pengembalian investasi tercepat dalam teknologi belajar mandiri."

Hal ini bukan hanya tentang keuntungannya saja. Lot melihat potensi AI untuk meningkatkan keahlian karyawan, bukan menggantikan kecerdasan manusia. “Kita perlu berinvestasi dalam mengubah pola pikir kita. Kami harus menjelaskan mengapa kami harus menghapus aktivitas manual dari operator yang melakukan aktivitas tersebut dengan sangat baik." Dengan mengotomatiskan tugas kasar yang menghabiskan 1.000 jam per tahun, Electrolux tidak hanya dapat memperoleh kembali sebagian besar waktu tersebut, tetapi keahlian operator dapat diterapkan pada tugas yang lebih berharga dan lebih tinggi. Contohnya termasuk mengidentifikasi kriteria korelasi baru yang dapat diumpankan ke solusi Watson AIOps, atau menyempurnakan aturan dan tindakan berdasarkan kondisi lokal. Hal ini menciptakan lingkaran yang baik, kata Lot: otomatisasi menghemat waktu yang dapat dialokasikan kembali untuk memperkaya otomatisasi. Sementara itu, para operator dapat memperkaya keahlian mereka sendiri.

Ke depannya, Lot sedang menjajaki kontainerisasi solusi pemantauan. Bekerja dengan IBM, dia baru-baru ini menyelesaikan lingkungan pengembang pada platform kontainer Red Hat OpenShift solusi IBM Cloud Pak, dan dia dan timnya sekarang menguji kemampuan Watson AIOps sebagai solusi kontainer di OpenShift. Lingkungan pemantauan saat ini sebagian besar digunakan on premises, tetapi Lot berpikir bahwa menerapkan versi kontainer pada platform cloud Microsoft Azure Electrolux bisa menjadi cara yang lebih efisien dan efektif untuk memberikan pembaruan pada pemantauan dan fitur baru di seluruh lanskap heterogen.

"Waktu penyelesaian bukan tiga minggu, tetapi satu jam." Begitulah cara Lot merangkum perbedaan antara manajemen peristiwa tradisional dan AIOps yang terintegrasi dan otomatis.

Efisiensi ini berdampak langsung pada bisnis inti. Menghemat tiga minggu masalah TI di pabrik, sebagai contoh, berarti menghindari tiga minggu produksi yang berkurang. Dan efek ini bersifat global. Kemampuan untuk menyelesaikan masalah TI dengan cepat di seluruh dunia adalah dukungan utama untuk efisiensi biaya dan volume manufaktur.

Lot bahkan telah menghubungkan solusi pemantauan ke sensor pada mesin dan peralatan lini produksi yang sebenarnya, menciptakan aplikasi Industri 4.0 untuk alat pemantauan yang biasanya diperuntukkan bagi TI. Dalam satu contoh, tim Lot mendeteksi seringnya terjadi kegagalan pada pembaca senjata optik yang memindai komponen untuk rakitan alat. Dengan menemukan bahwa model pembaca senjata tertentu rusak, Electrolux menghentikan penggunaannya dan menghindari waktu henti lebih lanjut.

Electrolux juga menggunakan solusi terintegrasi untuk mengatasi pandemi COVID-19, ketika Lot dan banyak rekannya beralih ke pekerjaan jarak jauh. "Kami kurang lebih mengendalikan lingkungan global dalam satu sudut pandang," kata Lot. "Dan informasi ini secara otomatis tersedia di PC, di tablet, atau di ponsel. Sehingga kami bisa terus menyediakan layanan TI untuk semua kantor dan pabrik kami di seluruh dunia."

Akhirnya, kemampuan AIOps berkontribusi pada inovasi yang lebih besar dan lebih penting. Sejak tahun 2005, Electrolux telah mengurangi emisi CO2 absolut dari operasinya setidaknya 75%. Selanjutnya, pada tahun 2019, perusahaan secara sukarela bergabung dengan Ambisi Bisnis untuk 1,5 °C, sebuah inisiatif yang dipimpin oleh Perserikatan Bangsa-Bangsa untuk membantu membatasi kenaikan suhu global. Sebagai bagian dari upaya ini, Electrolux berjanji untuk mencapai emisi karbon nol bersih pada 2050. Untuk memenuhi janji ini, diperlukan penggunaan sumber daya yang optimal. Di situlah peranan AI. Dengan mengotomatiskan tugas-tugas yang memastikan pemanfaatan CPU yang tepat dan berfungsinya perangkat keras server dan pusat data, Electrolux dapat mengurangi konsumsi daya dan pendingin udara —penyebab utama emisi karbon. Sekali lagi, seperti yang dijelaskan Lot, ini adalah masalah skala: "Lipat gandakan kemampuan ini di seluruh ruang server kami, hasilnya sangat besar."

Berbasis di Stockholm, tempat perusahaan ini didirikan pada tahun 1919, Electrolux (tautan berada di luar ibm.com) adalah perusahaan peralatan global terkemuka dengan merek Electrolux, AEG, Anova, Frigidaire, Westinghouse, dan Zanussi.

Gambar di halaman ini dari www.electrolux.com (tautan berada di luar ibm.com).