Anomaly management
Dal rilevamento di anomalie potenziato da AI, a una comporensione strutturata
Overview
Ruolo: Product Designer presso Intella
Prodotto: Piattaforma per le operazioni satellitari basata sull’intelligenza artificiale
Focus: Evidenziazione degli eventi, gestione delle indagini, automazione dei flussi di lavoro
Le operazioni satellitari generano enormi quantità di dati di telemetria che gli operatori devono monitorare costantemente per individuare comportamenti anomali e comprendere le possibili anomalie.
In Intella, lavorando su Mercury, ho guidato la progettazione di funzionalità pensate per aiutare gli operatori a passare dai singoli segnali a indagini strutturate. L’obiettivo era ridurre la necessità di esplorazioni manuali, rendere più semplice individuare gli eventi rilevanti e offrire un modo chiaro per gestire le indagini anche durante i cambi di turno.
La sfida
Rilevare un’anomalia è solo l’inizio.
Individuare un comportamento insolito di un satellite è soltanto una parte del processo. Gli operatori devono anche capire cosa è successo, valutarne la rilevanza, indagare sulle possibili cause e decidere come procedere.
Quando questo processo inizia con la navigazione manuale tra i dati di telemetria e la ricostruzione delle correlazioni tra i segnali, diventa difficile mantenere una visione chiara delle priorità e delle indagini in corso.
La sfida era andare oltre il semplice rilevamento delle anomalie e supportare tutte le attività successive, aiutando gli operatori a capire dove concentrare l’attenzione e a garantire continuità alle indagini durante i diversi turni operativi.
Ripensare l’analisi delle anomalie
Dai segnali in evidenza a ciò che conta davvero.
L'approccio iniziale prevedeva di evidenziare le anomalie direttamente nei grafici di telemetria, rendendo più facile individuare i comportamenti insoliti.
Approfondendo il problema, ci siamo però resi conto che questa soluzione si sovrapponeva agli avvisi già basati su soglie predefinite. Rendere più visibili i singoli segnali non aiutava davvero gli operatori a capire quali situazioni richiedessero attenzione né come procedere con un’indagine.
Abbiamo quindi deciso di fare un passo in più.
Invece di mettere la telemetria al centro dell’esperienza, abbiamo spostato l’attenzione sull’anomalia stessa. Portando in primo piano gli eventi rilevanti, le correlazioni suggerite e le informazioni di contesto, potevamo permettere agli operatori di avviare l’analisi da una fase più avanzata, prima ancora di esplorare i dati sottostanti.
La telemetria è rimasta fondamentale, ma il suo ruolo è cambiato: da punto di partenza dell’indagine a fonte aggiuntiva di evidenze, utile per comprendere e verificare un’anomalia.
La decisione progettuale fondamentale è stata passare dall’evidenziare i singoli punti nei grafici al mettere in risalto gli eventi su cui è possibile intervenire.
Invece di chiedere agli operatori di individuare ogni anomalia esplorando i grafici e correlando autonomamente i segnali, Mercury porta in primo piano gli eventi rilevanti e fornisce il contesto necessario per approfondirli.
Questo sposta il punto di partenza dai dati grezzi a una visione più strutturata delle anomalie che richiedono attenzione. Le correlazioni suggerite aiutano a comprendere le relazioni tra i segnali, mentre l’evento diventa il punto di accesso per le analisi successive.
L’obiettivo non era sostituire l’analisi della telemetria, ma renderla più mirata, offrendo agli operatori indicazioni più chiare su cosa approfondire e perché.
Design focus:
Evidenziare gli eventi rilevanti, senza affidarsi esclusivamente alle segnalazioni nei grafici.
Fornire informazioni di contesto e correlazioni suggerite.
Facilitare l’individuazione delle situazioni che richiedono ulteriori approfondimenti.
Dalla ricerca manuale a un’indagine strutturata.
Un’indagine su un’anomalia non si conclude necessariamente durante un singolo turno. Senza uno strumento condiviso per seguirne l’avanzamento, può essere difficile capire cosa sia già stato analizzato, cosa resti da risolvere e perché sia stata presa una determinata decisione.
Ho progettato una vista basata su una bacheca Kanban che consente agli operatori di seguire le anomalie attraverso le diverse fasi dell’indagine. Registrare le motivazioni dei cambiamenti di stato permette di conservare il contesto delle decisioni e di seguire più facilmente l’evoluzione dell’analisi.
La bacheca trasforma così la gestione delle anomalie da una serie di analisi isolate in un processo operativo più strutturato e tracciabile.
Design focus
Seguire tutte le fasi dell’indagine attraverso stati configurabili.
Registrare le motivazioni alla base dei cambiamenti di stato.
Mantenere il contesto e garantire continuità nel passaggio delle attività tra i turni.
Il lavoro ha spostato l’attenzione dalla semplice individuazione dei singoli segnali di telemetria alla gestione dell’intero processo di analisi delle anomalie.
Invece di partire dai grafici e ricostruire manualmente le relazioni tra i segnali, gli operatori possono iniziare dagli eventi evidenziati, esplorare le correlazioni suggerite e seguire le indagini attraverso un flusso di lavoro dedicato.
La bacheca Kanban favorisce inoltre la continuità tra i turni, conservando lo stato delle indagini e le motivazioni alla base delle decisioni.