[發明專利]一種基于人工智能的IDC設備故障風險評估方法

在審

• 申請號: 201911017622.4
• 申請日: 2019-10-24
• 公開（公告）號: CN110796361A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 于富東;楊林;匙凱;楊立敏;胡建華
• 申請（專利權）人: 吉林吉大通信設計院股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/00
• 代理公司: 22206 長春市吉利專利事務所
• 代理人: 李曉莉

本發明公開了一種基于人工智能的IDC設備故障風險評估方法，屬于數據處理技術領域，本發明基于過去的設備指標規律來訓練異常檢測模型，進而實現實時的異常檢測；異常并不是故障，所以異常數量會較多，可以保證評分較好的樣本基數；同時對于異常做出了分級，并通過簡單的扣分評級體系實現小時級別的評分，在小時內將異常個數特性與異常集中特性進行了綜合的考慮，得到最終相對傳統方案更加全面的評分。本發明是通過基于人工智能技術實現對于IDC設備各項指標進行異常檢測，通過對小時范圍的異常個數、異常的集中特性兩方面對設備進行小時級別的評分，進而實現評分周期的小時級別的滾動變化更新。

技術領域

本發明屬于數據處理技術領域，具體涉及一種基于人工智能的IDC設備故 障風險評估方法。

背景技術

IDC即Internet Data Center，是基于Internet網絡，為集中式收集、存 儲、處理和發送數據的設備提供運行維護的設施基地并提供相關的服務。但IDC 機房中各類硬件設施的故障頻發也給運維工作帶來了較大的壓力，IDC運維體系 內急需一種較完善的方法實現對于設備的健康度評測，以進一步實現對于硬件 設備做出準確的故障風險評估，以指導硬件運維準確快速的完成應急預案的制 定。

目前，針對IDC硬件設備的故障風險的評測的方法一般包括如下幾種：

(1)最簡單的方案下，通過各類設備發生的故障來進行評估的，具體通過 故障的數量進行評估的，故障數量越多評分越低，故障風險則越高；

(2)在(1)的基礎之上，將故障進行了細分，提出了故障級別的概念， 級別越高扣分越多，通過加權實現總體得分，得分越低，故障風險則越高。

(3)在評分周期上，采取利用過去一定時間(如一個月)的故障數據進行 評分，每間隔相對更短的一定時間(如一天)進行評分滾動更新。

方法(1)中，簡單通過故障的數量進行設備故障風險的評估，輸入影響參 數單一，必然存在著準確性低的問題；

相比于方法(1)，不同的是方法(2)對于故障做了級別的細分，介入通 過加權的方法實現得分的評估，其實仍然停留在故障的個數這一單一因素上， 且故障判別均通過固定閾值方式開展，對于實際指標值大于極端閾值(如內存 使用率大于90％)時判別為故障，判別準確性得不到保證；另外，該方案沒有考 慮到故障集中度的因素，因為故障分布分散，側面代表異常的快速恢復，這也 是設備性能的一個重要參考因素；另外故障在生產過程中是很少發生的，一般 每月的故障數也不會超過10個，即樣本數量過少，導致評分根本無法保證，很 大概率下每月的設備評分都是100分滿分，預期效果得不到保證。

方法(3)內的評分周期一般均較長，其實這使得設備的短期故障被淹沒， 如兩個設備一個月內均發生10起故障，但是設備的故障集中和較分散屬性，并 沒有體現出來，我們認為設備的短期故障，即集中式的故障相對于分散的故障 來說是更嚴重的，理應評分越低。

發明內容

針對現有技術中IDC硬件設備的故障風險的評測的方法中存在的問題，本 發明的目的是提供一種基于人工智能的IDC設備故障風險評估方法。

本發明為實現上述目的采用的技術方案是：一種基于人工智能的IDC設備 故障風險評估方法，其特征在于，包括如下步驟：

步驟一、獲取IDC設備運行過程中每小時內每一分鐘的狀態數據；

步驟二、將步驟一所述的狀態數據輸入至預設的異常檢測模型，根據所述 異常檢測模型的輸出結果，獲取IDC設備每小時內每一分鐘的狀態數據對應的 數據類型，得到60個分鐘的異常數據數組；

其中異常檢測模型根據異常檢測算法構建，并根據IDC設備歷史運行時的 狀態數據作為樣本進行訓練后獲得，所述數據類型包括正常和異常；

步驟三、小時級評分：