復旧と再発防止は連携する

サービスが止まったとき、復旧と原因調査のどちらを進めればよいでしょうか？

インシデント管理は早期復旧、問題管理は原因と再発防止を担当します。連携の仕方を確認し、SLAと稼働率を数値で読めるようにします。

サービスデスク（SPOC: Single Point of Contact）の役割と形態

サービスデスクは、利用者からの問い合わせや障害連絡をすべて一括して受け付ける「単一の連絡窓口（SPOC）」です。

復旧と再発防止は連携する

対応期間の長さだけで分類せず、目的を見ます。

組織形態	構造・特徴	メリット・採用場面
ローカル・サービスデスク	利用者の物理的な勤務地・事業所の敷地内に設置。	対面対応（手渡し等）が可能。物理的障害に強い。
中央サービスデスク	複数の拠点からの連絡を、1箇所の大規模デスクに集約統合。	運用コストを削減し、スタッフの専門性と対応品質を均一化。
バーチャル・サービスデスク	通信網で接続し、地理的に分散したスタッフがあたかも1つの窓口のように対応。	在宅勤務や複数拠点での分散配置に柔軟に対応可能。
フォロー・ザ・サン	世界各地の時差（昼夜）を利用し、24時間365日の連続サポートを提供。	夜勤シフトを組むことなく、常に昼間の地域のチームが対応。

サービス運用において最も混同しやすいのが「インシデント管理」と「問題管理」です。両者の最優先目的の違いを明確に区別してください。

比較項目	インシデント管理 (Incident Management)	問題管理 (Problem Management)
最優先の目的	★【一刻も早くサービスを通常状態に復旧させること】	★【障害の根本原因を究明し、再発を恒久的に防止すること】
主な活動内容	・迅速な切り分けと一次対応、・ワークアラウンド（暫定回避策）の適用、・上位部門へのエスカレーション	・障害の根本原因（バグ・設計不備）の特定、・既知のエラー（Known Error）の記録、・変更管理プロセスへの変更要求（RFC）提出
対応例	許可された手順で必要なログを保全し、再起動や代替系への切替でアクセスを回復する。	再起動後にメモリリークを起こしていたモジュールのソースコードを解析し、修正パッチを開発した。
時間軸	復旧のための目標時間を重視。重大度・影響に応じて対応する。	原因の除去と再発防止を重視。復旧と並行して進めることもある。

ITサービスの提供者と利用者の間で、提供されるサービスの品質水準を定量的に取り決めた合意文書が「SLA（Service Level Agreement）」です。

SLAの項目例
稼働率99.9%以上、各障害の復旧期限2時間、初回応答15分以内など。各障害の期限と、平均修復時間MTTRの目標は別の指標です。
SLM（Service Level Management）の活動
取り決めたSLAが遵守されているかを定期的にモニタリング・測定し、定期レビュー（サービス報告会）を実施して、PDCAサイクルによりサービス品質を継続的に改善する。

システムの信頼性と可用性を評価する数理的指標は、午前・午後ともに計算問題の頻出領域です。

指標	英語名称	定義・意味	改善のためのアプローチ
MTBF	Mean Time Between Failures (平均故障間隔)	修理が完了してシステムが正常稼働してから、次に故障するまでの「正常稼働時間の平均」。→【信頼性】	高品質な部品や故障原因の除去。冗長化は部品の故障間隔を直接変えるのではなく、システムとしての停止を抑える。
MTTR	Mean Time To Repair (平均修復時間)	故障が発生してから修理・復旧が完了するまでの「修理時間の平均」。→【保守性】	自動監視ツール導入、手順書の整備、保守員の迅速派遣など。

text

稼働率 A = MTBF / (MTBF + MTTR)
分母は、正常稼働と修復を合わせた1サイクルの平均時間。
観測期間での稼働率 = 正常稼働時間 / (正常稼働時間 + 停止時間)

ITILのサービス運用における「インシデント管理」の活動として、最も適切なものはどれか。

【正解】イ

【解説】インシデント管理の最優先目的は「サービスの迅速な復旧」です。原因の完全究明を待たずにワークアラウンド（暫定回避策：再起動や代替系への切り替え）を適用する活動はインシデント管理の典型例です。正解はイです。

（※アとウは問題管理、エは変更管理・キャパシティ管理の活動です）。

あるシステムが過去1,000時間の運用期間中に、4回の故障が発生した。故障ごとの修理・復旧時間はそれぞれ「3時間、2時間、4時間、1時間」であった。このシステムの稼働率として、最も近い値はどれか。

【正解】イ

停止時間は3＋2＋4＋1＝10時間です。MTTRは10÷4＝2.5時間です。正常稼働時間は1,000−10＝990時間です。演習でMTBFを正常時間÷故障数と算出すると990÷4＝247.5時間です。

稼働率は247.5/(247.5＋2.5)＝0.990なので、正解はイです。

対象が24時間サービスで、測定期間が30日＝720時間なら、停止時間の上限は720×0.001＝0.72時間、つまり43.2分です。

測定の開始・終了、停止の定義、計画保守を含めるかを合意してから測ります。演習の1,000時間は停止を含む観測期間です。正常時間は990時間なので、稼働率は990/1,000＝99%です。

障害対応の優先度は、影響の大きさと緊急度で決めます。再起動前には業務影響、承認、必要な証拠保全を確認し、復旧しただけで原因調査が完了したとは扱いません。