[發明專利]一種IT設備監測數據的健康評價系統及健康評價方法

有效

• 申請號: 202110161300.8
• 申請日: 2021-02-05
• 公開（公告）號: CN112990656B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 鐘保強;董天波;佘俊;王振乾;鐘建栩;王偉;陳黎;宣侃平
• 申請（專利權）人: 南方電網調峰調頻發電有限公司信息通信分公司
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06N3/04;G06F16/36;G06F16/335
• 代理公司: 南寧智卓專利代理事務所(普通合伙) 45129
• 代理人: 譚月萍;鄧世江

本發明公開了一種IT設備監測數據的健康評價系統及健康評價方法，所述健康評價系統包括獲取模塊、知識抽取模塊、知識圖譜存儲模塊、知識圖譜轉換模塊和健康評審模塊；獲取模塊用于獲取IT設備狀態監測數據，并依據編碼規則對狀態監測數據進行編碼，以獲取IT設備的健康信息；知識抽取模塊將IT設備的健康信息經過預處理，再通過知識關聯存儲在知識圖譜存儲模塊中，知識圖譜存儲模塊將所存儲的健康信息送入知識圖譜轉換模塊進行知識圖譜轉換，將匹配的目標圖譜與健康圖譜進行比較分析，以及送入健康評審模塊進行健康評價，將健康圖譜進行可視化輸出。本發明能及時收集運行數據和歷史數據，評價IT設備的健康狀況并提供維護輔助決策，快速處置故障異常。

技術領域

本申請屬于設備數據監測技術領域，尤其涉及一種IT設備監測數據的健康評價系統及健康評價方法。

背景技術

隨著工業生產自動化、數字化、智能化程度的日益加深，企業對設備的可靠性要求也越來越高，企業對IT設備智能運維平臺的依賴性越來越大，同時IT設備智能運維平臺日趨復雜、系統維護要求越來越高，運維部門及相關領導、決策部門的工作壓力越來越大，同時面臨著更多的挑戰；由于IT故障分析文本數據來源和業務場景的多樣性，導致各文本數據的數據質量良莠不齊，而數據質量直接關系到最終形成的面向IT故障分析的知識圖譜質量。在缺陷故障發生時，智能服務引擎與現有的系統進行集成，在異常和故障發生時，數據會進入到IT設備智能運維平臺，由平臺調用AI智能服務引擎，根據故障發生時的IT設備管理數據返回到AI智能服務引擎進行檢索，并匹配到最佳操作動作或案例，然后推送給相關角色進行確認后，才能將任務下發到現場作業人員進行執行，從而導致IT設備的運維工作日益繁重，各種故障數據需要手工進行填寫，不能IT設備對故障數據進行實時監控，而且對IT設備故障健康狀況監測分析和故障定位效率不高，以及對IT設備故障的健康解決方案不能快速獲取和參考歷史要故障(或類似故障)的解決方案，從而出現故障診斷和處理的風險性提高；因此需要針對現有的IT設備狀態數據文本資源建立高效的質量評價體系，為用戶提供與業務需求相適應的質量評估模型，以降低誤判率，實現更加精確客觀的資源評價過程，對IT設備故障的健康診斷和排除的研究以及IT設備的生產運行保駕護航具有重大的現實意義。

發明內容

本發明的目的在于提供一種IT設備監測數據的健康評價系統及健康評價方法，本發明能及時處理IT設備現場的運行數據和歷史數據，用于評價IT設備的健康狀況，并對IT設備故障及時提供維護輔助決策，能IT設備的健康異常進行快速處置和判斷。為了實現上述目的，本發明采用以下技術效果：

根據本發明的一個方面，提供一種IT設備監測數據的健康評價系統，所述健康評價系統包括：獲取模塊、知識抽取模塊、知識圖譜存儲模塊、知識圖譜轉換模塊和健康評審模塊；所述獲取模塊用于獲取IT設備狀態監測數據，并依據編碼規則對狀態監測數據進行編碼以獲取IT設備的健康信息；所述知識抽取模塊將IT設備的健康信息經過預處理獲取健康類信息文本，再通過知

識關聯存儲在所述知識圖譜存儲模塊中，所述知識圖譜存儲模塊將所存儲的5健康信息送入知識圖譜轉換模塊進行知識圖譜轉換以便獲取健康圖譜，將匹配的目標圖譜與健康圖譜進行比較分析，并將比較分析結果送入健康評審模塊進行健康評價，并將評價確認的健康圖譜進行可視化輸出。

上述方案進一步優選的，所述健康評價系統還包括知識圖譜推理模塊和知識圖譜學習模塊，所述知識圖譜推理模塊用于獲取知識圖譜存儲模塊中存0儲的IT設備的健康數據，并對健康數據設置健康邊界上限值以及根據數據推理規則提供至少一個學習文本，所述知識圖譜學習模塊用于抽取符合規則的健康類文本和過濾干擾健康數據，并根據健康邊界上限值和學習文本進行深度學習整合，建立IT設備健康知識圖譜。

上述方案進一步優選的，所述深度學習整合的過程包括對大于健康邊界5上限值的IT設備的健康數據進行提供一個學習文本，然后對學習文本進行挖掘、特征分類聚合和過濾，形成IT設備質量事件文本的分類指標，再結合語料庫進行主設備質量事件文本特征進行訓練形成了IT設備的健康指標深度神經網絡，從而自動識別文本中存在的質量事件特征，最后經過隨機二次抽樣