Các quy trình hành động khắc phục và phòng ngừa thường gặp phải hai vấn đề. Nguyên nhân gốc thường được đoán mò thay vì được chứng minh, và các vấn đề tương tự quay trở lại vì biện pháp khắc phục chỉ điều trị triệu chứng. Điều tra cũng kéo dài vì bằng chứng phải được thu thập thủ công.
Các mô hình dự đoán phân tích các tham số quy trình, số đọc môi trường và các sự cố lịch sử để ước tính nơi sự không phù hợp tiếp theo có thể xuất hiện. Khi một vấn đề xảy ra, AI có thể nhóm nó với các trường hợp tương tự trong quá khứ và đề xuất các nguyên nhân gốc có khả năng cao, được xếp hạng theo bằng chứng. Sau đó, nó có thể kiểm tra xem hành động có thực sự giảm thiểu sự tái diễn hay không.
Quy trình tiêu chuẩn
- 1Thu thập dữ liệu sự không phù hợp và dữ liệu quy trình xung quanh tự động.
- 2So sánh nó với các trường hợp lịch sử tương tự.
- 3Xem xét danh sách các nguyên nhân gốc có khả năng cao được xếp hạng cùng nhóm.
- 4Thực hiện hành động đã chọn.
- 5Để hệ thống theo dõi sự tái diễn nhằm xác minh hiệu quả.
Tóm tắt bài học
- ✓Dự đoán giúp nỗ lực hướng tới việc ngăn ngừa lỗi trước khi chúng xảy ra.
- ✓Phù hợp mẫu với các trường hợp trong quá khứ đẩy nhanh quá trình điều tra.
- ✓Việc kiểm tra hiệu quả nên được đo lường, không phải dựa trên giả định.