Digital twins zijn de afgelopen jaren een invloedrijke technologie geworden, vooral in de maak- en zware industrieën zoals transport of energie. Ook buiten deze industrieën kan een digital twin een krachtig hulpmiddel zijn voor bijvoorbeeld artificial intelligence voor IT Operations (AIOps). Hiermee kunnen zelfherstellende closed loop-ecosystemen ontwikkeld worden.
Digitale modellen zijn geweldige testterreinen, met als belangrijk voordeel dat systemen virtueel getest kunnen worden. Er kan een willekeurig aantal ‘wat als’-scenario’s worden uitgevoerd, de uitkomsten kunnen worden onderzocht en wijzigingen kunnen direct worden doorgevoerd in de virtuele versie van het systeem. Het is een snellere, goedkopere en minder ingrijpende manier om veranderingen te testen dan ze in de fysieke versie door te voeren. Dit is vergelijkbaar met de verschuiving van software naar agile ontwikkeling, met kleinere, snellere feedbacklussen.
AIOps als een digital-to-digital twin
Een ‘klassieke’ digital twin is een representatie van een deel van de fysieke werkelijkheid en is zeer nauwkeurig in het nabootsen en voorspellen van het gedrag van mechanische componenten. Bijvoorbeeld een straalmotor, een productielijn of zelfs een menselijk hart. Deze digitale representatie vereist een constante datastroom om actueel te blijven. Het is geen ‘closed-loop’.
Bovendien moeten alle wijzigingen die in de oorspronkelijke versie van de twin moeten worden verwerkt, handmatig worden toegevoegd. Dit zorgt voor vertraging en kans op fouten, wat ten koste kan gaan van de snelheid en wendbaarheid van de digital twin. Dat op zich beperkt de waarde ervan, want het vermogen om snel te reageren op veranderingen is een sleutel tot succes in de huidige zeer wendbare bedrijfsomgeving.
IT-productieomgevingen bestaan daarentegen alleen in een digitale realiteit. Hoewel ze natuurlijk fysieke elementen bevatten zoals computers, mobiele apparaten, servers, kabels enzovoort, komen deze komen pas tot leven als ze verbonden zijn met digitale componenten zoals software en datastromen. Aangedreven door AI-algoritmen die intelligente automatisering mogelijk maken, werken digital twins binnen AIOps voor IT-operaties, waarbij ze de volledige IT-omgeving vertegenwoordigen, inclusief hardware, software en hun interacties. Dit vertaalt zich in het zelfbeheer van IT-omgevingen, de mogelijkheid om incidenten te voorspellen, manieren te bieden om ze te voorkomen en zelfs verbeteringen voor te stellen wanneer het permanent oplossen van een probleem een wijziging in het ontwerp of de architectuur van de IT-omgeving vereist.
Een closed loop-systeem creëren
Door digital twin-principes te integreren in de automatiseringsmogelijkheden van AIOps, kunnen zelfherstellende ecosystemen met een gesloten lus worden opgezet. Deze ecosystemen zijn gericht op het autonoom detecteren, diagnosticeren en oplossen van IT-problemen, waardoor downtime wordt geminimaliseerd en de algehele veerkracht van het systeem wordt verbeterd. AIOps vertegenwoordigt en voorspelt niet alleen nauwkeurig de omstandigheden in elk IT-ecosysteem, maar het kan die omgeving ook direct en naadloos zelfhelend maken, omdat zowel het AIOps-voorspellingsmodel als de IT-omgeving waarin het opereert, deel uitmaken van hetzelfde digitale ecosysteem.
Een AIOps event managementoplossing kan bijvoorbeeld een tekort aan CPU of geheugen voorspellen. Het kan dan automatisch gebruik maken van de instructies waarmee het is geïnstalleerd om de CPU of het geheugen te vergroten voordat ze worden opgebruikt. Bovendien maakt de observeerbaarheidscapaciteit van AIOps efficiënte en effectieve monitoring van de IT-omgeving mogelijk, en geïntegreerde machine learning (ML) voorspelt niet alleen hoe die IT-omgeving zich zal gedragen, maar voorkomt ook dat er storingen optreden.
Dankzij de Digital Twin-mogelijkheden kan AIOps verschillende scenario’s simuleren, waaronder mogelijke storingen en systeemupgrades. Dit maakt proactief onderhoud en optimalisatie van de IT-infrastructuur mogelijk voordat er problemen ontstaan. AIOps-systemen kunnen voortdurend leren van hun acties en de resultaten daarvan, waardoor de besluitvorming in de loop van de tijd wordt verbeterd. Door historische gegevens te analyseren en ML-technieken toe te passen, kan AIOps voorspellende modellen bouwen die anticiperen op mogelijke storingen of knelpunten in de prestaties. Geïntegreerde digital twins dienen als testomgeving voor deze modellen, zodat ze kunnen worden gevalideerd en verfijnd voordat ze in de live omgeving worden ingezet.
Wanneer zich incidenten voordoen, helpt de digital twin-functionaliteit bij het snel en nauwkeurig isoleren van de hoofdoorzaak. AIOps analyseert de toestand van de digital twin en vergelijkt deze met het echte systeem om de oorzaak van het probleem te achterhalen. AI-algoritmes kunnen aanbevelingen doen of beslissingen nemen over hoe de geïdentificeerde problemen moeten worden aangepakt. Deze beslissingen kunnen variëren van eenvoudige acties, zoals het herstarten van een service, tot complexere beslissingen, zoals het herconfigureren van netwerkinstellingen.
Een holistisch beeld van de betrokken componenten en hun onderlinge afhankelijkheid maakt het eenvoudiger om de bron van het probleem te identificeren, zorgt voor een snellere oplossing en verkleint de impact van incidenten.
De loop sluiten
Door de principes van digital twins te integreren in AIOps, kunnen organisaties verder gaan dan reactieve probleemoplossing en een proactief, zelfherstellend closed loop-ecosysteem realiseren dat IT-problemen in real-time kan detecteren en erop kan reageren. Deze aanpak minimaliseert handmatige interventie en stelt IT-teams in staat om problemen proactief aan te pakken voordat ze gevolgen hebben voor eindgebruikers.
Alleen digital-to-digital kan de loop naadloos sluiten. Dit alles betekent natuurlijk niet dat mensen de controle over IT verliezen, want het blijft een softwareplatform dat wordt beheerd door IT-medewerkers. Het maakt IT-expertise echter wel vrij van repetitieve taken, zodat ze zich kan richten op complexere taken met een hoge toegevoegde waarde.
Dit is een ingezonden bijdrage van Digitate. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.