제조 / 상용차
Daimler Truck: 판매 후 서비스 포털의 장애 원인 조사와 수정 코드 변경 요청 준비
- 기업
- Daimler Truck
- 국가
- 분류 생략
- 도입 상태
- 제한 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Daimler Truck의 판매 후 서비스 포털 TASP!에서는 잘못된 설정이나 메모리 제한 때문에 서비스 장애가 나면 운영 담당자가 경보를 읽고 원인을 조사한 뒤 수정 코드를 준비해야 했다. AWS 사례는 이 수작업에 장애당 평균 2시간에서 3시간이 걸렸다고 설명한다. 반복되는 장애 대응이 개발 인력을 붙잡아 두고, 조사 내용과 수정 근거를 별도로 문서화해야 하는 부담도 있었다.
적용한 기술과 데이터
Daimler Truck의 IT Aftersales 팀은 CGI와 함께 Bedrock AgentCore, AWS DevOps Agent와 Lambda로 다중 에이전트 흐름을 구성했다. 감시 경보를 입력으로 받아 원인 조사 결과와 수정 차이를 만들고, 허용된 저장소에서만 별도 시험 환경에 수정안을 적용한다. 검사를 통과하면 장애 시계열과 원인, 수정안, 시험 결과를 담은 GitHub 변경 요청을 연다. 담당 엔지니어가 이를 검토하고 승인한 뒤 병합한다. 중복 경보 제거와 비용 차단 장치도 두며, 충분히 시험한 장애 유형에만 적용 범위를 제한했다.
성과
AWS는 자동 처리와 사람의 검토, 승인 시간을 합친 흐름이 15분으로 줄어 기존 대비 해결 시간이 약 88% 감소했다고 밝혔다. 자동 생성한 변경 요청에 장애 시계열과 수정 근거가 남아 문서화와 감사 준비도 지원한다고 설명한다. 전체 장애를 자율 해결한 결과로 확대하지 않으며, 더 다양한 장애로의 확장은 향후 계획으로 구분한다.
한계와 남은 과제
원문은 이미 별도 환경에서 검사한다고 설명하면서 추가 시험 확대도 향후 계획으로 적어, 현재 시험 범위의 세부 경계는 명확하지 않다. 측정한 장애 수와 측정 기간은 공개하지 않았다.
출처
- Automating incident resolution with a multi-agent self-healing SRE solution on AWSAWS for Industries, 확인
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.