C.6 歷史軼事與管理啟示(阿波羅 11 號任務優先級排程、第一隻 Bug、Intel FDIV 晶片缺陷公關危機)
學完本節,你能夠:
- 說明「優先順序排程」與「優雅降級」的概念,並為一個商業系統排出資源不足時的保留順序。
- 說明事故紀錄(Incident Log)的價值,並用固定格式記錄一次錯誤。
- 分析產品缺陷發生時,「用機率說服客戶」與「直接處理客戶擔憂」兩種回應的代價。
開場:三個常被講錯的故事
本節三個故事在網路上流傳很廣,但常被加油添醋:例如「第一隻 Bug 讓 bug 這個字從此誕生」「漢密爾頓一個人救了登月」。本節依據可查證的紀錄重新整理,並請你特別注意:流傳的版本和實際紀錄差在哪裡,這本身就是一種查證練習。
| 案例 | 年份 | 主題 | 一句話教訓 |
|---|---|---|---|
| 阿波羅 11 號 1202 警報 | 1969 | 資源不足時的優先順序 | 先保住最重要的任務 |
| 第一隻 Bug | 1947 | 事故紀錄 | 把錯誤寫下來,組織才能學習 |
| Intel FDIV | 1994 | 產品缺陷與客戶信任 | 客戶在意的不是機率,而是被怎麼對待 |
案例一:阿波羅 11 號——1202 警報
事件經過
1969 年 7 月 20 日,阿波羅 11 號登月艙「鷹號」在動力下降、準備登陸月球的過程中,導航電腦(AGC)在著陸前幾分鐘接連出現 1202、1201 程式警報。太空人不知道警報代表什麼,詢問地面。
休士頓任務控制中心的導航官 Steve Bales 與支援工程師 Jack Garman 迅速判斷:這類警報代表電腦工作量過大,但只要不是持續發生,導航仍然正常,可以繼續。地面回覆「繼續」,鷹號成功著陸。
警報的原因:交會雷達的電源與電腦的計時訊號雖然頻率相同、相位卻沒有同步,雷達不斷送出無意義的資料,額外佔用了電腦約 13% 的運算時間。AGC 在下降階段原本就已經接近滿載,這多出來的工作讓它來不及完成所有排定的工作。
電腦為什麼沒有當機:AGC 的作業軟體採用優先順序排程,工作超載時會重新啟動,並只保留高優先順序的工作(例如導航與引擎控制),暫時放棄較不重要的工作(例如部分顯示更新)。
無意義資料
多占約 13% 運算"] --> B["AGC 超載
顯示 1202 / 1201"] B --> C["軟體重新啟動
只保留高優先工作"] C --> D["導航與引擎控制
持續運作"] D --> E["地面判斷可繼續
鷹號著陸"] style B fill:#fef9c3,stroke:#ca8a04 style E fill:#dcfce7,stroke:#16a34a
漢密爾頓的角色:瑪格麗特·漢密爾頓(Margaret Hamilton)帶領 MIT 儀器實驗室的軟體團隊,負責阿波羅的機上飛行軟體開發。優先順序排程的基礎設計來自同實驗室的 Hal Laning,漢密爾頓團隊則著重在錯誤偵測與復原機制。她在 2016 年獲頒美國總統自由勳章。這是團隊與制度的成果,而不是單一英雄的故事。
關鍵決策點
| 決策點 | 誰決定 | 依據 |
|---|---|---|
| 設計時:超載時保留什麼、放棄什麼 | 軟體團隊(任務前數年) | 事先為每項工作訂出優先順序 |
| 當下:中止登陸或繼續 | 地面任務控制團隊(數十秒內) | 事前模擬演練中曾遇過類似警報,知道判斷標準 |
第二個決策能在幾十秒內做出,是因為第一個決策早就做好了,而且團隊事前演練過。
軟體工程/管理教訓
- 優雅降級(Graceful Degradation):資源不足時,系統不是全部停擺,而是先放棄次要功能、保住核心功能。這需要事先定義什麼是核心。
- 警報要有判讀標準。 地面團隊能快速決定,是因為他們事前知道「這個警報在什麼情況下可以忽略」。
- 問題常出在介面。 雷達與電腦各自都沒壞,是兩者之間的電源相位沒有對齊(和 C.3 火星氣候軌道器一樣,是介面問題)。
對應本書章節
- 6.4 AI 驅動的異常偵測與業務自癒系統
- 9.4 糾正機制:商業熔斷器與優雅降級
討論題
- 跨境電商在大促銷當天流量暴增,伺服器資源不夠。請把以下功能排出「保留優先順序」:結帳付款、商品推薦、歷史訂單查詢、商品評論、庫存扣減、行銷彈跳視窗。並說明理由。
- 你的系統有哪些警示訊息?有沒有一份文件說明「看到這個警示時該怎麼判斷」?
案例二:第一隻「真的」Bug
事件經過
1947 年 9 月 9 日,哈佛大學的 Mark II 電腦(一台以大量電磁繼電器運作的計算機)發生故障。操作人員檢查後,在 F 面板第 70 號繼電器中找到一隻飛蛾,取出後用膠帶貼在當天的工作日誌上,並寫下:
15:45 Relay #70 Panel F (moth) in relay. First actual case of bug being found.(15:45,F 面板 70 號繼電器內有飛蛾。第一次真的找到「蟲」。)
這頁日誌現在收藏於美國史密森尼學會的國家美國歷史博物館。
常見的誤解與更正:
| 流傳說法 | 實際紀錄 |
|---|---|
| 「bug」這個詞從此誕生 | 錯。 工程師用 bug 形容故障,至少可追溯到 1870 年代,愛迪生的書信中就用過。日誌上寫「第一次真的找到蟲」,正是在開這個既有用語的玩笑 |
| 葛麗絲·霍普親手抓到飛蛾 | 飛蛾是由操作團隊發現的。霍普當時是這台電腦的程式設計團隊成員,是她讓這個故事廣為流傳 |
葛麗絲·霍普(Grace Hopper)本人是電腦科學的先驅,她推動了以接近英文的語法寫程式的觀念,對商業程式語言 COBOL 的發展影響很大,後來官至美國海軍少將。
關鍵決策點
這個故事沒有戲劇性的決策,關鍵在於一個日常習慣:操作團隊每天都在記錄機器的狀態與問題。正因為有日誌,這次故障才有時間、位置、原因的完整紀錄,七十多年後仍能查證。
軟體工程/管理教訓
- 事故紀錄要包含:時間、位置、現象、原因、處理方式。 Mark II 日誌那一行,五項都有。
- 有紀錄,才能查證。 本案例的「常見誤解」能被更正,就是因為原始紀錄還在。對應到企業:第 A.6 節的 Git 歷史與審計軌跡,就是現代的工作日誌。
- 把錯誤寫下來需要文化支持。 如果記錄錯誤會被追究責任,大家就會不寫。許多企業採用「不究責的事後檢討」(Blameless Postmortem):重點放在找出流程哪裡出問題,而不是找出「誰該負責」。
對應本書章節
- 5.1 軟體缺陷的巨額商業代價與測試金字塔
- A.6 變更時光機與審計軌跡
討論題
- 請用「時間、位置、現象、原因、處理方式」五個欄位,記錄一次你最近遇到的錯誤(例如報告格式跑掉、試算表公式錯誤)。
- 主管說「出錯就要找出是誰的責任」,你同意嗎?「不究責」會不會讓人更不小心?請提出你的看法。
案例三:Intel FDIV——用機率說服客戶的代價
事件經過
1994 年,Intel 的 Pentium 處理器是個人電腦的主流晶片。林奇堡學院數學教授 Thomas Nicely 在做數論研究時發現計算結果不一致,同年 10 月確認是 Pentium 浮點除法(FDIV)有誤,並通知 Intel 與學界同儕。
最常被引用的例子:
4,195,835 ÷ 3,145,727
正確結果: 1.333820449…
有缺陷的 Pentium:從小數第四位開始出錯
原因是晶片中除法用的查找表有 1,066 個格子,其中 5 個本該是 +2 的值變成了 0。
Nicely 確認錯誤
並公開"] --> B["11 月
Intel:一般使用者
約 27,000 年才遇到一次
需證明受影響才換"] B --> C["12/12
IBM 宣布暫停出貨
Pentium 電腦"] C --> D["12/20
Intel 宣布
無條件更換"] D --> E["1995/01/17
認列 4.75 億美元
稅前費用"] style B fill:#fee2e2,stroke:#ef4444 style D fill:#dcfce7,stroke:#16a34a
Intel 最初的立場是:錯誤非常罕見,一般試算表使用者平均約 27,000 年才會遇到一次;只有能說明自己受到影響的使用者,才提供更換。
這個說法在技術上或許有根據,卻引起大眾強烈反感:「你賣給我有瑕疵的產品,還要我證明自己需要換?」1994 年 12 月 12 日,IBM 以自己的評估結果宣布暫停出貨搭載 Pentium 的電腦。12 月 20 日,Intel 改變政策,宣布任何使用者都可以要求免費更換,並公開道歉。1995 年 1 月 17 日,Intel 宣布為此認列 4.75 億美元的稅前費用。
執行長安迪·葛洛夫(Andy Grove)事後反省,大意是:我們犯的核心錯誤,是自以為可以告訴別人「什麼該擔心、什麼不該擔心」。
關鍵決策點
| 選項 | 短期成本 | 長期風險 |
|---|---|---|
| A. 依風險機率,只換給「證明受影響」的人 | 低 | 客戶感覺被輕視,品牌信任受損 |
| B. 無條件更換 | 約 4.75 億美元 | 一次性損失,但讓議題落幕 |
Intel 先選 A,一個多月後才改選 B。延遲的這段時間,讓事件從技術問題變成公關危機。
軟體工程/管理教訓
- 技術上「影響很小」,不等於客戶覺得「沒關係」。 客戶在意的是自己有沒有被尊重、有沒有選擇權。
- 回應速度影響成本。 越晚改變立場,危機擴大越多,最後的處理成本也越高。
- AI 時代的同類問題:當 AI 客服或演算法出錯,企業回應「機率很低」「是 AI 自己說的」,同樣會引起反感。第 13.3 節的加拿大航空案例就是例子。
對應本書章節
- 5.1 軟體缺陷的巨額商業代價
- 13.3 AI 商業倫理、偏見、動態定價與加航訴訟教訓
討論題
- 你公司的 AI 報價系統被發現,在極少數情況下(約萬分之一)會報出低於成本的價格,已有兩位客戶用這個價格下單。請擬定處理方案:已成交的訂單怎麼辦?對外要怎麼說?
- 如果 Intel 一開始就無條件更換,4.75 億美元的費用會比較少嗎?請說明你的推理。
本節小結
- 優雅降級要事先設計。 阿波羅 11 號能在幾十秒內做決定,是因為優先順序與判讀標準早就訂好、演練過。
- 紀錄是學習與查證的基礎。 Mark II 的日誌讓我們七十多年後還能更正流傳的錯誤說法。
- 處理缺陷時,客戶感受比統計機率重要。 Intel 的經驗說明,延遲回應會讓危機與成本一起擴大。
練習
查證題(20 分鐘): 在網路上找一篇介紹本節任一案例的中文文章,對照本節內容,找出至少一處與可查證紀錄不符的說法,並寫下你用來查證的來源。