製造 / 商用車
Daimler Truck：アフターサービス用ポータルの障害原因調査と修正コードのプルリクエスト作成
- 企業
- Daimler Truck
- 国
- 分類なし
- 導入状況
- 限定運用
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
Daimler Truckのアフターサービス用ポータルTASP!では、設定やメモリ制限の誤りで障害が起きると、運用担当者が警告を読み、原因を調べ、修正コードを準備していた。AWSの記事によると、この手作業は障害当たり平均2時間から3時間かかっていた。繰り返す障害対応が開発人員を拘束し、調査内容と修正根拠を別途文書化する負担もあった。
使った技術とデータ
Daimler TruckのIT AftersalesチームはCGIと協力し、Bedrock AgentCore、AWS DevOps Agent、Lambdaで複数エージェントの流れを構成した。監視警告を入力に原因調査結果と修正差分を作成し、許可されたリポジトリに限りサンドボックスで修正案を適用する。検査に合格すると、障害の時系列、原因、修正案、テスト結果を含むGitHubプルリクエストを開く。エンジニアがレビュー、承認してからマージする。警告の重複排除と費用遮断の仕組みを備え、十分に試験した障害種類に範囲を限定した。
成果
AWSは、自動処理と人のレビュー、承認を含む流れが15分になり、解決時間が約88%減少したと説明する。自動生成したプルリクエストに障害の時系列と修正根拠が残り、文書化と監査準備も支援する。あらゆる障害を自律解決した結果ではなく、より多様な障害への拡張は今後の計画である。
限界と残る課題
原文は既にサンドボックスで検査すると説明する一方、追加テストも今後の計画としており、現在の試験範囲の詳細は明確でない。測定した障害数と測定期間は公表されていない。
出典
- Automating incident resolution with a multi-agent self-healing SRE solution on AWSAWS for Industries, 確認
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。