[發明專利]提升AI智能分析在煙草倉儲業務數據異常檢測效率的方法

在審

• 申請號: 202111514514.5
• 申請日: 2021-12-07
• 公開（公告）號: CN114168580A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 董惠良;姜學峰;汪炎平;杜旋
• 申請（專利權）人: 浙江中煙工業有限責任公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/2455;G06F16/28;G06N20/00
• 代理公司: 杭州豐禾專利事務所有限公司 33214
• 代理人: 徐金杰

本發明提供一種提升AI智能分析在煙草倉儲業務中數據異常檢測效率的方法，包括如下步驟：預先配置告警參數及規則；采集系統數據；將系統數據推入AI智能運維系統進行機器學習，通過無監督學習獲得告警數據；將系統數據推入AI智能運維系統進行機器學習之前，對系統數據進行預處理，預處理方法包括：把存儲的系統數據指標分為兩類，第一類包括count值和平均響應時間，第二類包括成功率、錯誤數；兩類數據分別用一階差分算法和二項分布算法進行處理質量之后，再進入步驟二中進行機器學習。該方法可有效減少因大量業務停頓造成的數據缺失對AI智能分析結果準確度的影響，提升AI智能分析在煙草倉儲業務數據異常檢測效率的精確度。

技術領域

本發明涉及煙草倉儲業務數據異常檢測方法技術領域，具體涉及一種提升AI智能分析在煙草倉儲業務數據異常檢測效率的方法。

背景技術

響應國家企業數字化轉型的號召，煙草企業加速在云計算、大數據、人工智能等新技術領域的建設，以推進數字產業化和產業數字化轉型。隨著企業擁抱互聯網技術程度的提高，分布式系統、新技術、新組建不斷引入，IT架構不斷擴展，數據呈數量級遞增，運維的復雜度越來越高，引入人工智能技術分析海量數據，實現監控指標的智能異常檢測、系故障定位等功能是目前常用的技術，并且在金融、互聯網企業獲得大量成功經驗，但在煙草倉儲業務的落地卻一直不能獲得理想的效果，原因在于煙草倉儲業務數據指標大部分為小數據集，使得機器學習的效果不充分，如何在不改變煙草倉儲業務數據特性基礎上，提高AI智能分析在該業務領域數據異常檢測效率是困擾煙草運維人員的問題。

同時，在AI智能落地煙草倉儲業務的異常檢測場景過程中，我們發現，倉儲業務數據具有稀缺性的特點，在原料管理、成品管理等業務過程中，會產生大量的停頓，業務停頓過程中，數據也會缺失，學習數據量不夠會導致異常檢測模型的準確度下降。

其中，中煙新數字化倉儲系統智能運維系統是在傳統IT運維監控系統基礎上，引入了AI技術，利用歷史數據通過機器學習的方式訓練出可以用于異常檢測判斷的算法模型。該AI技術已經較為成熟，利用現有算法或者是產品化的算法組合，步驟為：1、利用監控采集工具采集系統數據，2、將數據推入智能運維系統進行機器學習，通過無監督學習獲得告警數據，3、在平臺設置中，配置告警規則，配置內容包含：固定閾值、動態閾值容忍度、指標在多長時間內發現多少異常點系統進行告警等，但是，機器學習獲得的告警目前均存在誤告警的情況，漏報或者系統過敏感誤報，但AI技術相較與傳統告警的固定閾值技術已經有了很大的提升。

發明內容

為了解決上述技術問題，本發明的第一目的是提供一種提升AI智能分析在煙草倉儲業務數據異常檢測效率的方法，該方法可有效減少因大量業務停頓造成的數據缺失對AI智能分析結果準確度的影響，壓縮機器學習產生的誤告警數量，提升AI智能分析在煙草倉儲業務數據異常檢測效率的精確度。

本發明的第二目的是提供一種用于實現上述方法的提升AI智能分析在煙草倉儲業務數據異常檢測效率的系統。

基于上述目的，本發明的一個方面，提供一種提升AI智能分析在煙草倉儲業務中數據異常檢測效率的方法，包括如下步驟：

預先配置告警參數及規則，所述告警參數包含：固定閾值、動態閾值容忍度，所述規則包括各指標在多長時間內發現至少多少異常點時系統進行告警；

采集系統數據；

將系統數據推入AI智能運維系統進行機器學習，通過無監督學習獲得告警數據；

還包括：將系統數據推入AI智能運維系統進行機器學習之前，對系統數據進行預處理，所述預處理方法包括：把存儲的系統數據指標分為兩類，第一類包括count值和平均響應時間，第二類包括成功率、錯誤數；兩類數據分別用一階差分算法和二項分布算法進行處理質量之后，再進入步驟二中進行機器學習。

作為優選，二項分布算法處理后的時間序列平穩化后，生成新的時序數據集再導入對特征周期提取敏感的AI智能分析系統進行多指標異常定位檢測。