計算機化系統災難恢復計劃制定

災難恢復（Disaster Recovery 簡稱DR）系統主要是針對在計算機軟件系統在正常使用過程中，如果服務器等關鍵部件運行出現了問題以后，我們如何做好應急恢復工作，就像突然遭遇到了一個災難，如何讓計算機系統恢復過來。目前對于災難的定義有很多種，可以是自然災害如水淹、火災、黑客入侵等，稱之為災難說明事故很嚴重，并不是系統出現了一個小BUG，你可以自己去恢復，而是需是用一種事先制定好的災難恢復計劃來恢復。目前對于災難恢復現在有很多種方式，自己的單位要事先制定一套災難恢復計劃，比如說這一個服務器不可用了，你可以用其它的，還有現在可以應用云的技術，把服務器布署在云上，可以減少物理災害，用的是云的算力而不需要自己的服務器。當然云服務器服務商也要有如何避免災難的措施。

災難恢復一般是由IT部門負責，包括了系統的恢復，任何一個系統都應該有一個災難恢復計劃，不只局限于計算機化系統，也包括我們的生產系統和系統運行所需要的所有基礎設施。災難恢復計劃是要確保在災難下組織的生產系統能在預定義的時間內恢復基本運作。

【資料圖】

做災難恢復首先要明白什么叫系統恢復和容錯能力，系統恢復和容錯能力的主要目標就是消除單點故障，就是一個組件故障了，整個系統崩潰。容錯能力就是那怕是單點故障了，一個組件壞了以后，整個系統仍然可以正常運行。計算機化系統里稱之為冗余。包含的主要部件有硬盤驅動器、服務器、網絡設備、電源、PLC等。

硬般服務器常冗余見的就是做鏡象備份，如插兩塊硬盤，實時備份，如果其中一個壞掉了，另外一個可以保證正常應用。電源冗余就是雙電源供電，一個壞了另一個還可以接著用、一用一備。我們要避免單點故障就把整個系統拖跨。所以要提高主要部件冗余程度。

災難恢復的主要策略：首先就是確定業務單元的優先順序，為了能盡快的有效恢復系統運行，設計我們的應爭恢復計劃應該從優先級別最高為主，比如純化水系統故障了，首先是恢復能手動控制能繼續保證生產，這是第一位的，再恢復PLC實現自動控制相關的，這些不恢復暫時不影響操作，所以要確定系統中各業務單元的優先順序。如果手工流程可以使業務繼續運行下去的話，還需要考慮一旦電子化系統恢復以后，之前手工的流程如何同步回我們的電子記錄，或者說我們這一段的記錄怎么交接。

其次要有災難發生時的處置程序，對員工進行災難恢復的培訓，讓員工知道遇到災難發生時應該按照什么流程處理，讓管理者在出現災難時能夠按照正確的規程來執行恢復，相當于一個應急預案。

系統按照工作組劃分來進行恢復，在設計災難恢復計劃時都是以組來進行實施的，比如一個車間出現問題的時候，我們肯定是生產組的管生產設備，IT組的管服務器、PLC等，QC的管QC等按組來分的，在制定計劃時要以組為目標，每個組恢復到正常的工作狀態。

是否有可替化的設備或方案，如果PLC壞了是否有手動的方法和流程，這就是可替代的方案，筆者曾經遇到過，我車間臺壓片機，員工的操作中沒有蓋下觸摸屏的防護罩，怡好一個工具落上去，屏幕環了無法顯示了，但設備還在運行，其它部件完全不受影響，當時這臺設備也是新購買不久的，沒有屏幕備件，就面臨著運行參數不可控，產品質量無法保證。當時正好我單位有別的車間新購了一臺同型號的壓片機，我們直接拆下控制屏換上了，這就是替代的方案，但不認為是一個好的應急案。

恢復計劃制定的主要關注點，不限于計算機化系統。包括緊急事件響應，人員的通知，評估、數據備份、外部通信、公共設施、物流、恢復與還原等。出現了緊急事件以后，要按按照事先規定的，那些優先級高的要先處理，優先級低的可以往后放，災難恢復一定要有一個聯系人的清單和聯系方式，在出現故障時現場人員可以直接聯上，甚至還要有備作聯系人。當人員到場后需要對這個災難進行評估，這個災難是屬于那一個級別的，應該執行那一個災難恢復的流程，最好能夠列出一些依據。數據一定要遠程備份，定期備份，每天進行增量備份，定期進行一個完整的備份。災難恢復時有一些備件要提前備上，關鍵部件一般價值都比較高，正常情況下會有供貨周期，如遇到突發情況如疫情發生，物流不走了，想發都發不出，這就在計劃中制定那些關鍵部件要備分。在恢復系統時是執行恢復還是還原，就要 看如果原系統在恢復的基礎上還能用，那就恢復回來，如果無法恢復，那就在原來備份的基礎上還原回來，這個也是要進行評估的。恢復后根據系統的關鍵性進行確認與驗證工作。

災難恢復后期還是要進行培訓，對新員工進行培訓，對擔任災難恢復的主要人員進行培訓，對恢復的團隊進行培訓，定期對培訓效果進行評價，有備無患。如果從來沒進行過災難恢復，當真出了事故時，雖然你有這些規程，但沒有人執行過，實操過程肯定會出現許多漏洞。

災難恢復后的測試與確認，首先進行模擬演習，災難恢復團隊的人就像頭腦風暴一樣，聚在一起每個人扮演自己的角色，模擬恢復過程，通過模擬恢復過程檢查災難恢復計劃制定的是否完善，是不是需要補充。還可設定一個情境，要求相關人員作出對就的搶救措施，評估效果。有時一些廠家的軟件我們無法自行安裝，例HPLC的控制軟件，它可能需要授權碼，所以建議大家在SAT（工廠驗收）交付時，讓供應商一定要配合驗證工作，把對應的測試做了。

災難恢復計劃是一個很靈活的計劃，計算機化系統也在不斷變化，不斷的有新設備的增加、操作系統更新、舊設備的淘汰、人員的變更等。組織需求的變化后，我們的流程也應不斷的更新。當出現了些大的變更時，有必面進行災難恢復計劃的更新。出現什么問題有計劃，才能做好恢復工作。如果真出現問題了，先拍腦門就很容易出現一些無法挽回的事。