WO2021232567A1 - 一种基于ai技术的智慧运维知识分析方法 - Google Patents

一种基于ai技术的智慧运维知识分析方法 Download PDF

Info

Publication number
WO2021232567A1
WO2021232567A1 PCT/CN2020/102157 CN2020102157W WO2021232567A1 WO 2021232567 A1 WO2021232567 A1 WO 2021232567A1 CN 2020102157 W CN2020102157 W CN 2020102157W WO 2021232567 A1 WO2021232567 A1 WO 2021232567A1
Authority
WO
WIPO (PCT)
Prior art keywords
maintenance
analysis
data
fault
knowledge
Prior art date
Application number
PCT/CN2020/102157
Other languages
English (en)
French (fr)
Inventor
陈俊桦
夏鸣
吴雪峰
Original Assignee
江苏南工科技集团有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 江苏南工科技集团有限公司 filed Critical 江苏南工科技集团有限公司
Publication of WO2021232567A1 publication Critical patent/WO2021232567A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/243—Natural language query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Definitions

  • the invention relates to the technical field of operation and maintenance management, in particular to a method for analyzing intelligent operation and maintenance knowledge based on AI technology.
  • Operation and maintenance usually refers to the Internet operation and maintenance, which belongs to the technical department. It is essentially the operation and maintenance of each stage of the life cycle of the network, server, and service. It has reached a consensus and acceptable state in terms of cost, stability, and efficiency.
  • the current operation The maintenance method is performed by the operation and maintenance personnel after discovering the abnormal operation and resource consumption of the service, and then manually analyze and deal with it.
  • In the operation and maintenance management there are often many repeated faults, and these faults can be dealt with through a fixed solution. Manually handling these repetitive faults each time greatly wastes the time of operation and maintenance personnel and reduces the processing efficiency. For this reason, we propose a smart operation and maintenance knowledge analysis method based on AI technology to solve the above problems.
  • the purpose of the present invention is to provide a smart operation and maintenance knowledge analysis method based on AI technology to solve the problems raised in the background art.
  • an AI technology-based intelligent operation and maintenance knowledge analysis method including the following steps:
  • the AI analysis engine generates a fault handling plan, and feeds the handling plan back to the knowledge base, enriching knowledge base data;
  • the execution unit executes the operation and maintenance process according to the fault handling plan
  • step S1 the monitoring system continuously collects real-time load data of the device through collection devices such as sensors, and judges whether the device is overloaded according to the device load threshold.
  • the knowledge base includes a fault database, a solution database, a collection module, and a judgment module.
  • the fault data in the fault database corresponds to the solution data in the solution database, so
  • the collection module is used to collect the fault information and solutions processed by the operation and maintenance personnel in the past, and the judgment module determines whether the identified fault data is consistent with the implementation of the solution.
  • the AI analysis engine is connected to a manual intervention system, and the manual intervention system includes a display and an input unit for detecting the rationality of the processing plan generated by the AI analysis engine , And can actively input processing instructions through the input unit or make a selection of multiple processing schemes.
  • the AI analysis engine includes an analysis unit model for analyzing the fault data and selecting a processing plan based on the data stored in the knowledge base.
  • the method for generating the analysis unit model is as follows: constructing AI Learning framework, using historical manual operation and maintenance data as the training set of the AI learning framework to train the machine learning framework to obtain the analysis unit model, and use the parsed solution text and the answer corresponding to the input text before analysis as the AI learning.
  • the training set of the framework trains the AI learning framework and improves the analytical unit model.
  • the answer is corrected according to the statistical probability and the feedback mechanism.
  • the number of times the answer is selected is obtained, and the answer is determined.
  • the answer that has been selected the most times is the standard answer, which is stored in the analytical unit model and the knowledge base.
  • the AI analysis engine further includes a storage unit and an update training unit, the storage unit is used to store the parsed input text and answers corresponding to the fault data, and the update training unit is used to use the parsed input text The input text and answers of the analytic unit model are trained.
  • the present invention has the beneficial effects of establishing an AI analysis engine and a knowledge base, collecting the operation and maintenance data of the past operation and maintenance personnel through the analytical unit model, and performing fault data and processing solutions through the knowledge base.
  • the AI analysis engine analyzes the fault information, and then selects the corresponding processing plan from the database according to the analysis result, which greatly saves the workload of the operation and maintenance personnel, and the processing when repeated faults occur Efficiency is improved.
  • FIG. 1 is a flowchart of the present invention
  • Figure 2 is a block diagram of the knowledge base structure in the present invention.
  • an AI technology-based intelligent operation and maintenance knowledge analysis method including the following steps:
  • the AI analysis engine generates a fault handling plan, and feeds the handling plan back to the knowledge base, enriching knowledge base data;
  • the execution unit executes the operation and maintenance process according to the fault handling plan
  • step S1 the monitoring system continuously collects real-time load data of the device through collection devices such as sensors, and judges whether the device is overloaded according to the device load threshold.
  • the knowledge base includes a fault database, a solution database, a collection module, and a judgment module.
  • the fault data in the fault database corresponds to the solution data in the solution database, and the collection module is used to compare
  • the operation and maintenance personnel collects the fault information and plans that have been processed in the past, and the judgment module judges whether the identified fault data is consistent with the plan implementation.
  • the AI analysis engine is connected to the manual intervention system.
  • the manual intervention system includes a display and an input unit for detecting the rationality of the processing scheme generated by the AI analysis engine, and can pass The input unit actively inputs processing instructions or selects the best for multiple processing schemes.
  • the AI analysis engine includes an analysis unit model for analyzing the fault data and selecting a processing plan based on the data stored in the knowledge base.
  • the method for generating the analysis unit model is as follows: construct an AI learning framework to Historical manual operation and maintenance data is used as the training set of the AI learning framework to train the machine learning framework, and the analytical unit model is obtained, and the parsed plan text and the answer corresponding to the input text before the analysis are used as the training set of the AI learning framework to AI
  • the learning framework is trained to improve the analytical unit model.
  • a preferred implementation case is that after the analytical unit model parses the answer, the answer is corrected according to the statistical probability and feedback mechanism.
  • the number of times the answer is selected is obtained, and the number of times the answer is selected is determined to be the most.
  • the answer is the standard answer, which is stored in the analytical unit model and the knowledge base.
  • the AI analysis engine further includes a storage unit and an update training unit.
  • the storage unit is used to store the parsed input text and answers corresponding to the fault data
  • the update training unit is used to use the parsed input text and answer pairs. Analyze the unit model for training.
  • the invention collects the operation and maintenance data of the past operation and maintenance personnel through the analysis unit model by establishing an AI analysis engine and a knowledge base, and corresponds the fault data and the processing plan through the knowledge base, so that when repeated faults occur, the AI
  • the analysis engine analyzes the fault information, and selects the corresponding processing plan from the database according to the analysis result, which greatly saves the workload of operation and maintenance personnel and improves the processing efficiency when repeated faults occur.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于AI技术的智慧运维知识分析方法，包括如下步骤：S1、通过检测***实时检测设备运行状态和负载数据，当设备运行发生故障或负载过大时，将故障信号收集并传输至AI分析引擎；S2、通过AI分析引擎对故障信号进行解析分析，并根据解析结果与知识库内的运维数据相匹配；S3、AI分析引擎生成故障处理方案，并将处理方案反向回馈至知识库，丰富知识库数据；S4、执行单元根据故障处理方案执行运维流程；S5、执行运维流程后生成运维报告。在发生重复故障时，通过AI分析引擎分析故障信息，从而根据分析结果从数据库内选取对应处理方案，从而极大的节省了运维人员的工作量，且发生重复故障时的处理效率得到提高。

Description

一种基于AI技术的智慧运维知识分析方法 技术领域
本发明涉及运维管理技术领域，具体为一种基于AI技术的智慧运维知识分析方法。
背景技术
运维，通常指互联网运维，属于技术部门，本质上是对网络、服务器、服务的生命周期各个阶段的运营与维护，在成本、稳定性、效率上达成一致可接受的状态，目前的运维方式都是通过运维人员发现服务的运行异常和资源消耗情况后，人工进行分析和处理，在运维管理中，常常会出现许多重复的故障，这些故障可以通过固定的处理方案进行处理，每次都通过人工处理这些重复故障大大浪费了运维人员的时间，且降低了处理效率，为此我们提出一种基于AI技术的智慧运维知识分析方法用于解决上述问题。
发明内容
本发明的目的在于提供一种基于AI技术的智慧运维知识分析方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于AI技术的智慧运维知识分析方法，包括如下步骤：
S1、通过检测***实时检测设备运行状态和负载数据，当设备运行发生故障或负载过大时，将故障信号收集并传输至AI分析引擎；
S2、通过AI分析引擎对故障信号进行解析分析，并根据解析结果与知识库内的运维数据相匹配；
S3、AI分析引擎生成故障处理方案，并将处理方案反向回馈至知识库，丰 富知识库数据；
S4、执行单元根据故障处理方案执行运维流程；
S5、执行运维流程后生成运维报告。
优选的一种实施案例，步骤S1中，所述监测***通过传感器等采集设备不间断收集设备实时的负载数据，并根据设备负载阈值判断设备是否超负载运行。
优选的一种实施案例，步骤S2和步骤S3中，所述知识库包括故障数据库、方案数据库、收集模块和判断模块，所述故障数据库内的故障数据与方案数据库内的方案数据相互对应，所述收集模块用于对运维人员过往处理的故障信息和方案进行收集，所述判断模块判断识别故障数据与方案实施是否一致。
优选的一种实施案例，步骤S2和步骤S3中，所述AI分析引擎连接人工介入***，所述人工介入***包括显示器和输入单元，用于对AI分析引擎生成的处理方案进行合理性进行检测，并可通过输入单元主动输入处理指令或对多个处理方案进行择优选择。
优选的一种实施案例，步骤S2中，所述AI分析引擎包括解析单元模型，用于对故障数据进行解析并根据知识库内存储数据选取处理方案，所述解析单元模型生成方法如下：构建AI学习框架，以历史人工运维数据作为AI学习框架的训练集对所述机器学习框架进行训练，得到解析单元模型，并以解析后的方案文本和与解析前的输入文本对应的答案作为AI学习框架的训练集对AI学习框架进行训练，提高解析单元模型。
优选的一种实施案例，所述解析单元模型解析得到答案之后，根据统计概率和反馈机制校正答案，当所述解析后的文本输入得出多个答案时，获取答案被选择的次数，确定所述被选择的次数最多的答案为标准答案，存于解析单元模型和知识库中。
优选的一种实施案例，所述AI分析引擎还包括存储单元和更新训练单元，所述存储单元用于存储故障数据对应的解析后的输入文本和答案，所述更新训练单元用于利用解析后的输入文本和答案对解析单元模型进行训练。
与现有技术相比，本发明的有益效果是：通过建立AI分析引擎和知识库，通过解析单元模型对过往运维人员的运维数据进行收集，并通过知识库将故障数据和处理方案进行相互对应，从而在发生重复故障时，通过AI分析引擎分析故障信息，从而根据分析结果从数据库内选取对应处理方案，从而极大的节省了运维人员的工作量，且发生重复故障时的处理效率得到提高。
附图说明
图1为本发明流程框图；
图2为本发明中知识库结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种基于AI技术的智慧运维知识分析方法，包括如下步骤：
S1、通过检测***实时检测设备运行状态和负载数据，当设备运行发生故障或负载过大时，将故障信号收集并传输至AI分析引擎；
S2、通过AI分析引擎对故障信号进行解析分析，并根据解析结果与知识库内的运维数据相匹配；
S3、AI分析引擎生成故障处理方案，并将处理方案反向回馈至知识库，丰 富知识库数据；
S4、执行单元根据故障处理方案执行运维流程；
S5、执行运维流程后生成运维报告。
优选的一种实施案例，步骤S1中，监测***通过传感器等采集设备不间断收集设备实时的负载数据，并根据设备负载阈值判断设备是否超负载运行。
优选的一种实施案例，步骤S2和步骤S3中，知识库包括故障数据库、方案数据库、收集模块和判断模块，故障数据库内的故障数据与方案数据库内的方案数据相互对应，收集模块用于对运维人员过往处理的故障信息和方案进行收集，判断模块判断识别故障数据与方案实施是否一致。
优选的一种实施案例，步骤S2和步骤S3中，AI分析引擎连接人工介入***，人工介入***包括显示器和输入单元，用于对AI分析引擎生成的处理方案进行合理性进行检测，并可通过输入单元主动输入处理指令或对多个处理方案进行择优选择。
优选的一种实施案例，步骤S2中，AI分析引擎包括解析单元模型，用于对故障数据进行解析并根据知识库内存储数据选取处理方案，解析单元模型生成方法如下：构建AI学习框架，以历史人工运维数据作为AI学习框架的训练集对机器学习框架进行训练，得到解析单元模型，并以解析后的方案文本和与解析前的输入文本对应的答案作为AI学习框架的训练集对AI学习框架进行训练，提高解析单元模型。
优选的一种实施案例，解析单元模型解析得到答案之后，根据统计概率和反馈机制校正答案，当解析后的文本输入得出多个答案时，获取答案被选择的次数，确定被选择的次数最多的答案为标准答案，存于解析单元模型和知识库中。
优选的一种实施案例，AI分析引擎还包括存储单元和更新训练单元，存储单元用于存储故障数据对应的解析后的输入文本和答案，更新训练单元用于利用解析后的输入文本和答案对解析单元模型进行训练。
本发明通过建立AI分析引擎和知识库，通过解析单元模型对过往运维人员的运维数据进行收集，并通过知识库将故障数据和处理方案进行相互对应，从而在发生重复故障时，通过AI分析引擎分析故障信息，从而根据分析结果从数据库内选取对应处理方案，从而极大的节省了运维人员的工作量，且发生重复故障时的处理效率得到提高。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

  1. 一种基于AI技术的智慧运维知识分析方法，其特征在于，包括如下步骤：
    S1、通过检测***实时检测设备运行状态和负载数据，当设备运行发生故障或负载过大时，将故障信号收集并传输至AI分析引擎；
    S2、通过AI分析引擎对故障信号进行解析分析，并根据解析结果与知识库内的运维数据相匹配；
    S3、AI分析引擎生成故障处理方案，并将处理方案反向回馈至知识库，丰富知识库数据；
    S4、执行单元根据故障处理方案执行运维流程；
    S5、执行运维流程后生成运维报告。
  2. 根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法，其特征在于：步骤S1中，所述监测***通过传感器等采集设备不间断收集设备实时的负载数据，并根据设备负载阈值判断设备是否超负载运行。
  3. 根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法，其特征在于：步骤S2和步骤S3中，所述知识库包括故障数据库、方案数据库、收集模块和判断模块，所述故障数据库内的故障数据与方案数据库内的方案数据相互对应，所述收集模块用于对运维人员过往处理的故障信息和方案进行收集，所述判断模块判断识别故障数据与方案实施是否一致。
  4. 根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法，其特征在于：步骤S2和步骤S3中，所述AI分析引擎连接人工介入***，所述人工介入***包括显示器和输入单元，用于对AI分析引擎生成的处理方案进行合理性进行检测，并可通过输入单元主动输入处理指令或对多个处理方案进行择优选择。
  5. 根据权利要求1所述的一种基于AI技术的智慧运维知识分析方法，其特征在于：步骤S2中，所述AI分析引擎包括解析单元模型，用于对故障数据进行解析并根据知识库内存储数据选取处理方案，所述解析单元模型生成方法如下：构建AI学习框架，以历史人工运维数据作为AI学习框架的训练集对所述机器学习框架进行训练，得到解析单元模型，并以解析后的方案文本和与解析前的输入文本对应的答案作为AI学习框架的训练集对AI学习框架进行训练，提高解析单元模型。
  6. 根据权利要求5所述的一种基于AI技术的智慧运维知识分析方法，其特征在于：所述解析单元模型解析得到答案之后，根据统计概率和反馈机制校正答案，当所述解析后的文本输入得出多个答案时，获取答案被选择的次数，确定所述被选择的次数最多的答案为标准答案，存于解析单元模型和知识库中。
  7. 根据权利要求5所述的一种基于AI技术的智慧运维知识分析方法，其特征在于：所述AI分析引擎还包括存储单元和更新训练单元，所述存储单元用于存储故障数据对应的解析后的输入文本和答案，所述更新训练单元用于利用解析后的输入文本和答案对解析单元模型进行训练。
PCT/CN2020/102157 2020-05-20 2020-07-15 一种基于ai技术的智慧运维知识分析方法 WO2021232567A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010431974.0A CN111597204A (zh) 2020-05-20 2020-05-20 一种基于ai技术的智慧运维知识分析方法
CN202010431974.0 2020-05-20

Publications (1)

Publication Number Publication Date
WO2021232567A1 true WO2021232567A1 (zh) 2021-11-25

Family

ID=72186084

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/102157 WO2021232567A1 (zh) 2020-05-20 2020-07-15 一种基于ai技术的智慧运维知识分析方法

Country Status (2)

Country Link
CN (1) CN111597204A (zh)
WO (1) WO2021232567A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018095A (zh) * 2022-05-26 2022-09-06 平安银行股份有限公司 设备故障处理方法、装置、设备及存储介质
CN116506321A (zh) * 2023-04-28 2023-07-28 杭州富阳海康保泰安防技术服务有限公司 一种基于数据分析的运维智能终端
CN116743603A (zh) * 2023-08-16 2023-09-12 广州海晟科技有限公司 一种私有云平台信息***安全运维方法和***
CN116882966A (zh) * 2023-06-27 2023-10-13 广州慧云网络科技有限公司 一种运维设备巡检结果的故障判断方法和装置
CN116932148A (zh) * 2023-09-19 2023-10-24 山东浪潮数据库技术有限公司 一种基于ai的问题诊断***及方法
CN117033592A (zh) * 2023-08-09 2023-11-10 北京百度网讯科技有限公司 运维处理方法、装置、***、电子设备及存储介质
CN117294495A (zh) * 2023-09-26 2023-12-26 河南省烟草公司郑州市公司 基于自动化技术的智慧运维生态***
CN117650623A (zh) * 2023-11-22 2024-03-05 广东天汇储能科技有限公司 一种基于轻量化大模型的锂电池储能电站运维方法及装置
CN117764422A (zh) * 2024-02-22 2024-03-26 北京洁禹通环保科技有限公司 智慧节能运维管理云平台
CN118042492A (zh) * 2024-04-11 2024-05-14 深圳市友恺通信技术有限公司 一种基于5g通信的网络数据运维管理***及方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112579391A (zh) * 2020-12-14 2021-03-30 浪潮云信息技术股份公司 一种基于人工智能的分布式数据库自动运维方法及***
CN113591952A (zh) * 2021-07-19 2021-11-02 湖南汉拓物联科技有限公司 基于物联网数据流的人工智能运维***及方法
CN114710391B (zh) * 2022-03-22 2023-06-23 中国电子科技集团公司第五十四研究所 一种适用于专用通信***的智能化故障感知分析处理方法
CN114637654B (zh) * 2022-03-30 2022-12-02 北京国信网联科技有限公司 基于AIOps智慧运营中心的故障监测分析方法
CN115858324B (zh) * 2023-02-02 2023-05-12 北京神州光大科技有限公司 基于ai的it设备故障处理方法、装置、设备和介质
CN117952022A (zh) * 2024-03-26 2024-04-30 杭州广立微电子股份有限公司 良率多维度互动***、方法、计算机设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104679828A (zh) * 2015-01-19 2015-06-03 云南电力调度控制中心 一种基于规则的电网故障诊断智能***
CN109218114A (zh) * 2018-11-12 2019-01-15 西安微电子技术研究所 一种基于决策树的服务器故障自动检测***及检测方法
CN109800127A (zh) * 2019-01-03 2019-05-24 众安信息技术服务有限公司 一种基于机器学习的***故障诊断智能化运维方法及***
US20190306011A1 (en) * 2018-03-27 2019-10-03 Cisco Technology, Inc. Deep fusion reasoning engine (dfre) for prioritizing network monitoring alerts
CN110932899A (zh) * 2019-11-28 2020-03-27 杭州东方通信软件技术有限公司 一种应用ai智能故障压缩研究方法及其***
WO2020081245A1 (en) * 2018-10-17 2020-04-23 Cisco Technology, Inc. Device health assessment data summarization using machine learning

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5944839A (en) * 1997-03-19 1999-08-31 Symantec Corporation System and method for automatically maintaining a computer system
CN105844416A (zh) * 2016-03-28 2016-08-10 国网江苏省电力公司电力科学研究院 一种用于变电站设备故障缺陷分析的综合数据管理***
CN109117959A (zh) * 2018-06-20 2019-01-01 中译语通科技（青岛）有限公司 一种基于智能运维平台的人工智能自动识别***和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104679828A (zh) * 2015-01-19 2015-06-03 云南电力调度控制中心 一种基于规则的电网故障诊断智能***
US20190306011A1 (en) * 2018-03-27 2019-10-03 Cisco Technology, Inc. Deep fusion reasoning engine (dfre) for prioritizing network monitoring alerts
WO2020081245A1 (en) * 2018-10-17 2020-04-23 Cisco Technology, Inc. Device health assessment data summarization using machine learning
CN109218114A (zh) * 2018-11-12 2019-01-15 西安微电子技术研究所 一种基于决策树的服务器故障自动检测***及检测方法
CN109800127A (zh) * 2019-01-03 2019-05-24 众安信息技术服务有限公司 一种基于机器学习的***故障诊断智能化运维方法及***
CN110932899A (zh) * 2019-11-28 2020-03-27 杭州东方通信软件技术有限公司 一种应用ai智能故障压缩研究方法及其***

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018095A (zh) * 2022-05-26 2022-09-06 平安银行股份有限公司 设备故障处理方法、装置、设备及存储介质
CN116506321A (zh) * 2023-04-28 2023-07-28 杭州富阳海康保泰安防技术服务有限公司 一种基于数据分析的运维智能终端
CN116506321B (zh) * 2023-04-28 2023-11-24 杭州富阳海康保泰安防技术服务有限公司 一种基于数据分析的运维智能终端
CN116882966B (zh) * 2023-06-27 2024-04-19 广东慧云科技股份有限公司 一种运维设备巡检结果的故障判断方法和装置
CN116882966A (zh) * 2023-06-27 2023-10-13 广州慧云网络科技有限公司 一种运维设备巡检结果的故障判断方法和装置
CN117033592A (zh) * 2023-08-09 2023-11-10 北京百度网讯科技有限公司 运维处理方法、装置、***、电子设备及存储介质
CN116743603B (zh) * 2023-08-16 2023-10-20 广州海晟科技有限公司 一种私有云平台信息***安全运维方法和***
CN116743603A (zh) * 2023-08-16 2023-09-12 广州海晟科技有限公司 一种私有云平台信息***安全运维方法和***
CN116932148A (zh) * 2023-09-19 2023-10-24 山东浪潮数据库技术有限公司 一种基于ai的问题诊断***及方法
CN116932148B (zh) * 2023-09-19 2024-01-19 山东浪潮数据库技术有限公司 一种基于ai的问题诊断***及方法
CN117294495A (zh) * 2023-09-26 2023-12-26 河南省烟草公司郑州市公司 基于自动化技术的智慧运维生态***
CN117650623A (zh) * 2023-11-22 2024-03-05 广东天汇储能科技有限公司 一种基于轻量化大模型的锂电池储能电站运维方法及装置
CN117764422A (zh) * 2024-02-22 2024-03-26 北京洁禹通环保科技有限公司 智慧节能运维管理云平台
CN117764422B (zh) * 2024-02-22 2024-04-26 北京洁禹通环保科技有限公司 智慧节能运维管理云平台
CN118042492A (zh) * 2024-04-11 2024-05-14 深圳市友恺通信技术有限公司 一种基于5g通信的网络数据运维管理***及方法

Also Published As

Publication number Publication date
CN111597204A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
WO2021232567A1 (zh) 一种基于ai技术的智慧运维知识分析方法
CN111209131B (zh) 一种基于机器学习确定异构***的故障的方法和***
CN111047082B (zh) 设备的预警方法及装置、存储介质和电子装置
CN110674189A (zh) 一种智能变电站二次状态监测与故障定位的方法
US20220299987A1 (en) Method for learning and detecting abnormal part of device through artificial intelligence
CN102147816A (zh) 一种案件统计及趋势分析***
CN112084220B (zh) 一种电能计量装置异常诊断方法、装置及可读存储介质
CN111666978B (zh) 一种it***运维大数据的智能故障预警***
KR20220073314A (ko) 공정 모니터링 시스템 및 방법
CN112269673A (zh) 一种数据中心智能运维管理***及方法
CN111767193A (zh) 一种服务器数据异常检测方法、装置、存储介质及设备
CN113157521B (zh) 用于区块链全生命周期的监控方法和监控***
CN111078457A (zh) 一种基于大数据的存储故障分析方法与装置
CN117522380B (zh) 基于热电运维的故障机理运维周期管理***
CN117992304A (zh) 一种一体化智能运维平台
CN112803587A (zh) 一种基于诊断决策库的自动化设备状态智能巡视方法
CN116448234A (zh) 一种电力变压器运行状态声纹监测方法及***
CN115222181B (zh) 机器人运营状态监控***及方法
CN113591909A (zh) 电力***的异常检测方法、异常检测装置以及存储介质
CN114742146A (zh) 一种中压不断电装置监控***
CN117808157B (zh) 基于智能识别的未报备停电行为预测分析***
CN115296976B (zh) 物联网设备故障检测方法、装置、设备及存储介质
CN117789133B (zh) 一种智能环网柜监控***
CN117728582B (zh) 一种具有自适应判断能力的5g电力监控***
CN117993690B (zh) 一种消缺管理的人员智能化调度方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20936765

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20936765

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 20936765

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC 29.06.2023)

122 Ep: pct application non-entry in european phase

Ref document number: 20936765

Country of ref document: EP

Kind code of ref document: A1