故障频发究竟为哪班？

5月6日，11时49分，我司接到保障电话，某客户机房所在大厦无故停电，导致机房内温度过高，服务器烧坏。

6月7日10时13分，该客户的机房信息员因为对机房断电情况的不重视且重启UPS电源操作不当，导致服务器又烧坏。

该客户在一个月之内发生两次紧急故障，这让我们不得不深思，因此，6月8日，我司召开针对该客户故障的专题会议。分析6月7日事故的经过、总结事故发生的原因和讨论改进意见等。

（图为机房内大致情况）

一方面，技术人员经验有限，技术人员对于事故的处理能力仍不够，对故障中的XSCF的具体型号不熟悉，增加了处理问题的时间。同时，由于备机已用于上次故障处理，我司没有及时采购补充库存，导致备件供应时间稍有延误。

另一方面，就客户来说，首先是机房信息员对发生故障的重视度不够，在6月6日晚中，电工已经报告过信息员机房发生跳闸，并没有采取相应的措施或者通知维保方。其次，信息员对自身机房环境不熟悉，机房本身存在两台UPS电源，但是员工并不熟悉且认为只有一台，不懂电力设备管理制度，对机房的配电图也不熟悉，加上对UPS重启操作不规范和对故障分析会不重视等种种原因导致故障频发。

为避免故障发生，我司将对客户进行相关的机房电力设备操作及管理知识培训。另外，由于备件资源较少，在拿备件的过程中我们耗费了许多时间，所以我们计划拓展自身的备件库资源。在人力资源方面，我们将对工程师进行多方面的培训，例如紧急故障处理，特定服务器的教学。最后是要完善故障响应处理流程，包括日常运维流程和紧急排障响应流程。

除此之外，作为客户要应建立机房管理制度、设备操作流程，让符合资格的人员操作电力设备。客户方应对机房进行全面的排查，杜绝因电力系统引起的一系列故障。

客户机房故障频发，不但会影响客户的生产经营，而且损害人力物力，因此，要在解决问题之后，认真分析原因，方能汲取教训，为提供更好的运维服务而努力。