机房环境 硬件设备 网络 中间件 业务 数据 系统 应用 IT 监控运维 业务运营 人 员 方 法 流 程 工 具 可用性 成本 连续性 性能 体验 设备故障 系统异常 系统故障 系统变更 企业 IT 监控运维是企业业务正常与高效运转的基础保障 系统监控 维修更新 业务保障 应用反馈 6 IT 运维现状 · 被动救火式运维模式，业务风险高、运维人员疲于奔命 新系统上线越来越多 业务访问量快速增长 用户体验要求越来越高 业务处理时效性更高 业务中断容忍度更低 高层对 IT 部门考核更严…… 系统架构越来越复杂 故障类型越来越多 系统负载更大、故障风险高 故障排查、修复更难 技术快速演进与新技术应用 人员技术能力与经验不足 人员成本越来越高 知识经验无法沉淀…… 外部 挑战 内部 挑战 规模更大 要求更高 变化更快 定时粗略巡查 等待故障报告 人工故障处理 实时全面监控 分散维护系统 集中监控系统 自动故障处理 提前故障预警  随着业务对 IT 运维提出的要求越来越高，原来传统的被动救火式的 IT 运维模式已经不能 满足企业的要求，无法为业务的发展提供保障  只有借助当前先进的技术，构建主动巡防式的 IT 监控与运维体系，能够提前预防并智能 化处理系统的各类故障，才为业务的快速发展保驾护航，满足企业对

海 站 几个 核心系统 单系统 应用维度根因定位 故障点人工恢复 系统具备应急预案 被动应急 统一变更入口 故障统一调度 工具建设 数字化转型中系统安全生产痛点 问题 数智运维挑战 n 端到端稳定性保障体系缺失， 自动化、智能化故障处理能力不足 n 故障处理过多依赖专家经验，故障没有沉淀为有效的资产 n 故障处于被动防御，救火，运维大数据未被合理价值挖掘 分布式架构挑战 中间件、云平台、 基础设施各管自身 集团 + 省分 几百套系统 跨系统全链路 定界诊断 故障自愈 混沌工程 主动预防 变更追踪 变更管控 集团 + 分子公 司 整体态势感 知 体系建设 故障发现 与诊断 故障恢复 与应急 故障预防 故障调度 体系演进 稳定性保障工具建设历程 一个目标，依托四大保障，聚焦研运流程中四个阶段，对应十五项核心工作，严格把控七个关口，将 安全生产 稳定性保障左移，在入网控制时介入，对入网控制、发布上线、故障预防、故障发现、故障定位，故 障恢复、 故障改进提供端到端工具支撑。 GO PS 全 球 运 维 大 会 2 0 2 3 · 上 海 站 做实安全生产，提升 IT 系统稳定性 核心业务链路深度治理 设计关

检测仪器：编制与施工进度计划相匹配的检测仪器使用计划，特别是各 系统的测试和验证，应提前做好资料收集，仪器准备，包括福禄克网络 测试仪，温湿度计，热像仪，气流计、照度计等。 物资调配 调试与测试 运维 测试 故障切 换 灾难预 演 运维应 急流程 验证 功能 测试 ATS 系 统联调 UPS 系 统联调 柴油发 电机系 统联调 BMS 测试 散热系 统联调 精密空 调系统 联调 冷机系 / 工单）考核与验收结果的审批；负责整个项目执行过程的管控（进度、质量、文档、成本、验收等），确保项目任务 按时交付 运维工程师：常驻现场，通过不同的方式响应客户的需求，现场及远程为客户诊断、排除故障，对客户的问题进行汇总、分析，并提 出合理的解决办法；负责项目任务的分析、工单拆分与下发，负责服务厂商服务的定期考核 专家顾问组：由多名资深技术专家组成，主要负责对数据中心的规划设计，对用户提供安全评估、性能评估、稳定性评估、可靠性评 全评估、性能评估、稳定性评估、可靠性评 估、可用性评估，隐患预警报告；高级技术培训 技术资源部：由几十名资深专业技术人员组成，负责项目的规划；项目工程的实施；日常运营维护的远程、现场支持服务；用户故障 的诊断排查； 服务支持手段 心 为 客 户 提 供 7×2 4 小 时 响 应 的 服 务 平 台， 客 户 若 对 本 项 目 产 品、 技

，并依据该状态发展趋势和可能的故障模式 ，预先制定维修计划 ，确定机器应该修 理的时间、 内容、方式。预测性维护可以为企业带来以下效益： ☐ 降低维保成本 ☐ 延长设备寿命 ☐ 提高设备使用率 ☐ 减少库存成本 ☐ 提升生产安全 维护触发点 固定周期，不考虑设备实际 状态，可能带来过度维护 必要时，预留足够应对时间 给一线人员在故障前做出应对 维护方式 根据零部件的平均损坏率进行维护， 遵从操作手册（凭经验） 有计划无目标 事后维护 故障发生后 最昂贵的维护 事后维修比事前预防的成本高约 50% 以 上 状态监测 健康评估 异常监测 故障预测 故障诊断 维修决策 图形 1 解决方案 解决思路 将数据和知识库进行深入融合，构建 AI 模型库： 如整合设备传感器数据与知识库中的故障案例，预测 剩余使用寿命（如“轴承预计 AI+ 设备管理（预测性维护） 基于设备运行状态——实时监测与数据分析的主动维护策略：  持续采集设备运行参数（如振动、温度、电流等）；  利用机器学习或物理模型预测设备劣化趋势；  在故障发生前，精准定位风险点并制定干预计划。 全面设备管理体系的三类方式比较 模式 特点 事后维护 " 不坏不修，坏了才修 " ，缺乏事前准备，易导致停工时间延长并扰乱生产计划。 预防性维护 按照

部署的区域 ，所有探针全 MESH 多协议探测， 统一的健康度计算、告警 ，并呈现在态势感 知拓扑。帮助运维人员快速判断应用故障是 否与网络有关。 全局网络拓扑 网元自动发现： 基于网络运行数据生成网 络拓扑 ，从架构、 区域、设备到链路整体可 视化 以健康度评估模型为触点 ，构 建故障场景 ， 自动定位故障根因 极简网络发现：基于标准协议， 自动发现 网络设备、连接关系 智能监测： 发现网络后自动采集网络时延、 丢包率、利用率等网元指标 ，动态更新 星空雷达网络 AI 分析平 台 构建数字孪生模型 l l l l l l 自动感知故障 自动发现网络 能力开放 智能分析 故障定界 依托数据中心全景视图大屏 以及聚合展示 ，以网络存活度、平均响应时延、平均丢包率等指标对批量设备的 IP 进行监测 ，星空雷达关注的重点不 再 是单个网元的故障 ，而是可能引起大规模故障的异常网元集合。 星空雷达网络 分析平 台 AI 将网络抽象为设备、链路、路径三类网元 ，而网元健康度基于不同的计算因子采用扣分机制 ，结合历史波动、 异常样本， 自动分辨计算指标的异常状态

124 学 = 划 新 庭 在 次 自 e 术语 定义 测量 特征 评估 诊断 治理 关注电能质量本身 的诊断与抑制 电源 电网 响应 拓扑 负荷 故障 态势 特性 诊断 推演 预测 协同 控制 调控 挖掘与扰动相关联的 设备级 - 系统级信息 不断涌现的复杂扰动模式难以 定义和表征。 监测数据中蕴含的系统级、设 备级感知信息未充分利用。 10ns- 10ms- 100ns- 1-6sec- 15xin —IMHz 100kHz —10kHz —IKH —0.1kHz -0.01kHz 0001AHz DR: 故障录設仪 PQV: 电能质母监测装置 PVU: 同步相量单元 SCADA: 数据采集与监视 校制系统 1MHz 0.00Ims- 100Hz 10kHz n 事件触发记录设备 连续记录装置 数据获取、数据治理、隐私保护、价值挖掘 向 S (1) 电谎设备故障坟动波展 空 7 用 (3) 要压径套管故障 299858 同 (2) 树模磁线故障 码案 (4) 雷醒故障枕助渡影 幅值 /kV 15 10 5 0 5 -10 -15 0 10 20 多源数据采样 / 上报 率 30

智能集成控制平台 一体化生产控制系统 一体化生产管理系统 1 个系统 煤矿大数据及云服务系统 煤矿安全生产数据网络传输体系 大数据煤矿重大灾害预警与专家决策平台 基于大数据的煤矿关键设备故障诊断与远程维护平台 基于专家系统的煤矿安全专家知识库 煤矿机电设备生产企业技术服务知识库 基于云计算的煤矿安全生产信息综合数据库 5.1 智慧煤矿建设目标与建设内容 含义 范围 具体建设内容 主通风机监控系统 5.1 智慧煤矿建设目标与建设内容 5 个 中 心 生 产 运 营 管 理 中 心 基于 GIS 的“一张图”生产协同管理系统 智能决策支持系统 大型机电设备故障诊断系统 智能物流管运系统 移动互联煤矿安全生产综合管理信息系统 矿井数字化三维可视化系统 矿井信息化管理软件（ ERP ） 5 个 中心 安全 监测 中心 安全监测监控系统 井下人员精确定位管理系统 矿井有线调度通信系统和矿井行政通信系统分别设置，并应能互通；通 信线缆应分设两条，从不同的井筒或一个井筒保持一定间隔的不同位置 进入井下配线设备；交换机的处理机、电源应采用热备份结构，具有告 警、故障自动诊断、倒换等功能；具有备用电源，电网停电后，系统中 设备的备用电源连续工作时间应不小于 2h ；系统最大通信距离应不小 于 15km 。  移动通信选用 WiFi 或 4G 等技术的矿用通信系统；能自动识别手机终

协 同 过 程 优 化 EMS 数据 ERP 数据 MES 数据 检验数据 设备数据 数据源 DCS 数据 工业大数据架构 大数据应用 大数据处理 工艺优化 质量提升 产线故障预测 预测性维修 效率提升 可视化监控 事务型数据 MPP 数据库 HADOOP OLTP 数据仓库 元数据 索引 列存储 粗粒度索引 数据压缩 SQL 优化 动态拓展 资源管理 藏的浅层神经网络学习，而深度神经网络是在一个以上的隐藏层学习。 模型与数据 异常检测 事件处理 环境分析 人机协同 能效增强 质量强化 实时数据处理 历史数据处理 模型分析实时数据检测设备 状态、预防设备故障、优化 生产过程、提升产品质量、 能效增强、人机协同。 通过对历史数据清洗整合， 进行模型的训练，优化模型 参数，进行更加有效的生产 和运营。 强化模型 工业大数据建模目标 制造价值提升 模型分析实时数据检测设备 状态、预防设备故障、优化 生产过程、提升产品质量、 能效增强、人机协同。 通过对历史数据清洗整合， 进行模型的训练，优化模型 参数，进行更加有效的生产 和运营。 强化模型 设备预测性维修 预测与优化 生产过程优化 设备预测性维修 质量提升 人机协同 异常检测  时间单元 对于故障警告日志进行时间单元划分，将故障或警告视 为事件，事件到下一个事件发生时间间隔超过一定时间

物料管理系统 设备计划管理 年计划任务发送、本年度购置计划及上年度结转 计划填报、设备购置计划审批、查询 设备维保管理 系统可根据设备状态制定标准的预防性维护计划， 预测性维修集装备状态监测、故障诊断、故障 （状态）预测、维修决策支持和维修活动于一体 物资现场管理 每一次物料移动操作均对某一核算单位的成本费 用产生影响，需要生成对应的财务凭证 不能系统直接对接的，预留接口， 同时输出指定 主要特点 主要价值 l 智能诊断维护方便：自动显示设备运行状态、自 动提示设备运行故障、自动生成系统检测文件 l 升级方便安装简单：预留硬件控制接口、方便硬 件升级、软件升级远程快捷；信号自动集成、模 块化设计减少设备占用空间、安装简单稳定可靠 l 规范管理提高形象：规范过磅过程，提高企业管 近预设安全值时，系统会以声、光、电的形式给 出 预警，提示现场操作人员 l 历史查询系统可以将实时报警信息记录到数据库中， 并记录报警时间、恢复时间、报警变量、报警值等 信息 l 系统可自动记录故障，并提供故障查询功能，如按 日期和报警变量查询等 l 操作记录查询，可将状态监测中显示的操作记录到 数据库中，应记录操作名称、每次操作的开始时间 和结束时间、当前的起重量信息、当前的实时风速

精益管理、能耗精益管理、工艺效能精益管理、 成本精益管理、人员绩效精益管理、质量安全精益管理 工艺优化解决方案 质量智检解决方案 基于设备 IoT 数据，使用 AI 大数据技术对设备健康 状态进行建模分析，实现健康度评估，故障预测等 基于知识图谱技术，建立设备工艺 “指导手册”，可以根据 工艺问题现象，自动推理排查有可能的原因和解决方案。 基于图像识别技术，实现产品质量质检的智能化自 动化，自动别质量缺陷，提升产品质量 库存绩效指标 设备状态监控、环境监控、 质量绩效指标 质量工艺的预警与异常推送、 故障远程诊断与定位 关键指标呈现、交付与质量综合查询 实时数据 刀加工时间、刀加工次数、 主轴转速、进给轴转速、 加工周期时间等 生产产量 当班产量、本模产量、上 模产量、总产量等 运行状态 加工、待机、故障、停机 及各种状态持续时间 能耗采集 实时能耗、待机能耗、能 耗统计 以机床设备为例 主要针对成品车间各类设备、工业机器人、 AGV 等关键设备的关键部件进行故障预测性维护，通过云鲸 工业互联网平台获取设备实时运行数据、工况数据、故障数据，并加装振动温度一体式传感器安装于设备表面， 结合有线监测站采集振动温度数据，通过 5G 、有线、 WIFI 接入云鲸平台，将数据汇总至云鲸工业互联网平台， 运行于平台的数据分析及设备模型软件可实现设备运行状态智能预警和故障原因诊断分析。 基于大数据的设备健康实现架构