Uptime Institute dispone de un archivo donde conservamemoria de todos los incidentes relacionados con paradas de servicio no planificadas de los últimos 18 años. Rick Schuknecht, vicepresidente y ejecutivo de redes globales de esta organización, haanalizado los datos recogidos para realizar estudios anuales.

Yevgeniy Sverdlik, editor de DCD para la región NAM, entrevistó al directivo durante el pasado Symposium de Uptime Institute:

DCD Focus: ¿Han investigado cuál es el coste de una parada del servicio?

RS: No miramos particularmente cuál es el coste. Se trata de un tema difícil. Cuando hablamos con una compañía, generalmente no quieren saber cuál es el precio de una caída. El costo de una interrupción del servicio puede encontrarse en un buen número de áreas diferentes. Puede tratarse de pérdidas en la facturación o de la reputación en la industria. O incluso de una violación de la normativa.Las compañías, dependiendo del sector denegocio en el que operan, utilizan diferentes maneras de percibir el coste de un corte del servicio. Cuando trabajaba en el lado corporativo (y no en Uptime), en un gran banco, habíamos calculado que el coste de una caída era para nosotros de unos cinco millones de dólares por minuto.

¿Ha visto cambios en las principales causas de incidentes de downtime en los pasados cinco años?

No. Durante los pasados cinco años los datos han sido consistentes: tres cuartos, o casi trescuartos, se pueden atribuir al error humano.

¿Es ésta, por lo tanto, la principal causa decaídas en el data center?

Los datos nos indican que cerca del 10% de los eventos se deben a verdaderas fallas. El resto son cuasi accidentes, donde algo previene que ese evento desencadene un proceso en cascada que desemboque en falla. De todas las que se han producido, aproximadamente un 73% se atribuyen directamente a un error humano, mientras que el 27% restante se distribuye entre otras categorías.

¿Podría proporcionarnos algunos ejemplos de los problemas que han detectado?

Un ejemplo se produce cuando un sistema se diseñó correctamente, pero no se construyó de forma adecuada, y por lo tanto no funciona como sería deseado. Otro caso es un sistema instalado como fue diseñado, pero no operado correctamente, lo que conduce al fallo.Típicamente, vemos fallos relacionados con la restauración del sistema una vez que la actividad de mantenimiento se ha llevado a cabo. Generalmente, hay un script que se utiliza para poner fuera de servicio una piezade equipamiento o sistema, y hay otro script para ponerlo de nuevo en servicio, y uno de estos pasos fue, o bien incorrecto, o bien no se siguió adecuadamente. El sistema se puso de nuevo en servicio… pero no funcionó porque no había sido restaurado adecuadamente.

¿Estamos hablando de todo tipo de sistemas?

Sí. Eléctricos, de refrigeración, sistemas de control, etc. Varios de los errores de los que hemos tenido constancia estuvieron directamente relacionados con la gestión inadecuada de los sistemas de prevención de incendios.

¿Hay tipos de sistemas más propensos a sufrir cortes no planificados?

En 2010 se informó de 23 fallos en un total de 305 incidentes. Unos 20 de los 23 fallos fueron eléctricos y tres mecánicos. Cerca del 80% de esos 20 (incidentes relacionados conequipo eléctrico) tuvieron lugar en los sistemas de distribución de critical power (posterior al UPS), fallos causados en su mayoría por error humano, y los otros fueron en los sistemas UPS. Los tres producidos en la parte mecánica fueron todos provocados por problemas en los sistemas anti-incendios.

¿Cuáles son las conclusiones más interesantes extraídas de estos datos?

El factor de fallo humano sigue estando en un ratio de tres por cada cuatro durante todos estos años. Dado el énfasis que instituciones como Uptime Insitute y otras ponemos en presentaciones, conferencias y simposios en la interacción humana con las máquinas, es interesante que el número siga siendo el mismo. Pero el registro está ahí y es muy estable. Año tras año, el 75% de los fallos se atribuye al error humano. Lo cual me parece muy curioso.