隨著算法的日益成熟，自動化已然“原力覺醒”。通過自動化來提高速度、可靠性和可預測性才是基礎設施和運營(I&O)部門推動生產模型進行變革的根本所在。自動化的發(fā)展，將深刻影響我們日常生活的每一個方面。諸如AI(人工智能)、物聯(lián)網(wǎng)也將成為自動化大施拳腳的重要領域。
自動化兼具計算機速度與人工智能
計算機快速、精確，但缺乏智能。人工速度慢、不穩(wěn)定，但足智多謀。自動化則以最簡單的方式將計算機的速度與人工智能相結合，將手動流程轉變?yōu)闊o需人工干預且能夠獲得相同(或更佳)結果的自動流程。什么是流程？一般來說，流程是指：采用將產生特定結果的特定方法或過程的一系列操作。
工作流描述如何傳遞和轉換消息以完成流程；它是產品或信息發(fā)生流動的預定義操作模式。在信息系統(tǒng)工作流中，應用和人力資源相結合，執(zhí)行每個操作。例如，當管理員將修補程序應用到服務器上時，每個操作將以輸入、任務和預期結果的方式清晰地定義。
簡單自動化流程示例：修補服務器
可以通過以下方式輕松地實現(xiàn)此流程的自動化：
兩種方式
使用簡單腳本：腳本可以按照指示(例如“服務器名稱”)執(zhí)行每個任務或操作；然后為每個操作啟動所需作業(yè)，直至完成流程。
構建自動化軟件解決方案：軟件解決方案可以通過特定軟件例程執(zhí)行每個操作，這些例程可以匯編為完全自動化的流程。然后，可將例程歸入一個目錄中，并重復利用它們來構建其他流程。
操作是自動化工具的基礎構建塊。它的架構通常包括：
·啟動所需操作的觸發(fā)器：該觸發(fā)器可以是一次人工干預、一個超過閾值之類的簡單事件、多個事件分析引起的一個復雜事件或者一個日期/時間之類的日歷事件。此外，也可以是其他操作的輸入。例如，物聯(lián)網(wǎng)(IoT)設備可以通過分析傳感器和基于位置的技術提供的個人身份、狀態(tài)和位置等輸入來識別觸發(fā)器；
·操作分析：借助通過發(fā)送到軟件例程的消息所傳遞的參數(shù)，分析可以確定如何啟動操作以及預期的結果；
·執(zhí)行每個操作的軟件例程：操作軟件將不斷監(jiān)控該例程是否完成并分析結果以確定是成功還是失敗。該分析會接著觸發(fā)進一步的操作；
操作是自動化的基礎構建塊
從確定性轉變?yōu)閱l(fā)式：自動化的未來
我們將大多數(shù)形式的自動化操作應用于任務和流程，其中操作軟件例程、初始狀態(tài)和觸發(fā)器輸入將決定結果。自動化非常適合耗時(且枯燥)的可預先建立的重復性任務和流程；與此同時，自動化的另一分支通過使用基于AI(人工智能)的更成熟分析算法來實現(xiàn)發(fā)展，即啟發(fā)式自動化。速度和容量方面的技術發(fā)展意味著現(xiàn)在有可能實現(xiàn)基于預測行為的可自我修復的自適應系統(tǒng)。
啟發(fā)示自動構建?？焓纠?/p>
I&O專業(yè)人員將使用啟發(fā)式自動化應用進行數(shù)據(jù)分析、模式識別、自我學習系統(tǒng)和決策支持，從而最終制定出諸如自我修復系統(tǒng)的解決方案。盡管基于人工智能的啟發(fā)式解決方案實施起來較為困難，但是僅需少量維護，因為該解決方案可自行適應環(huán)境。下面，我們來看下AI應用的兩大類別：
兩大AI應用類別
使用預定義的結構化數(shù)據(jù)樣本的解決方案：大多數(shù)自主學習解決方案屬于此類別。該類解決方案有時會基于根據(jù)歷史數(shù)據(jù)動態(tài)設置的閾值和參數(shù)分析數(shù)據(jù)樣本中的模式，并“學習”應執(zhí)行哪項糾正操作；然后，解決方案會在每次檢測到該模式時自動應用該糾正操作。這種不斷豐富知識庫的行為是自主學習和自我修復自動化解決方案的基礎，可大幅提高突發(fā)事件和問題管理流程的質量和速度。
應用于非結構化數(shù)據(jù)的解決方案：它們不斷探索沒有預定義含義或結構的數(shù)據(jù)，以使用成熟算法確定模式。此類解決方案發(fā)現(xiàn)的模式有助于制定決策，并最終制定出自主學習解決方案，從而在分析來自多個看似無關的傳感器的數(shù)據(jù)時提供幫助。
毫無疑問，從工業(yè)機械、用戶設備或諸如污染程度的環(huán)境參數(shù)中收集數(shù)據(jù)的物聯(lián)網(wǎng)將成為自動化復雜流程的理想環(huán)境。技術管理也可以使用這些解決方案將資源自動分配給工作負載以進行應用協(xié)調。
接下來，我們將繼續(xù)聚焦于自動化領域，為您帶來更多關于自動化的前沿分析，助力企業(yè)的持續(xù)高速發(fā)展。敬請您的期待!
關注本刊微信訂閱號