一种IT设备故障缺陷处理系统及故障缺陷处理方法

摘要

本发明公开了一种IT设备故障缺陷处理系统及故障缺陷处理方法，将数据支撑平台接入IT设备并感知获取IT设备的运行数据，通过智能引擎模提取数据支撑平台所获取的IT设备的运行数据，并针对提取的运行数据构建一个具备知识提取功能的故障知识库体系，为IT设备故障快速抢修业务提供辅助决策服务，将智能助手引擎部署在应用前端，提取及识别的故障知识，并基于故障知识库体系进行关联形成一一对应的故障知识图谱，然后对IT设备故障的知识图谱进行管理和可视化展示。本发明能及时监测IT设备的运行数据，并基于知识图谱的IT设备故障分析，使IT设备维护人员可以便捷、快速的进行故障查询、故障处理，有效提升IT设备故障诊断水平。

说明书

技术领域

本申请属于设备故障处理技术领域，尤其涉及一种IT设备故障缺陷处理系统及故障缺陷处理方法。

背景技术

电力行业的知识构建依赖于大量的人工梳理、总结、提炼工作，在行业数据爆发式增长的今天已难以适应发展要求，由于电力文本数据来源和业务场景的多样性，导致各文本数据的数据质量良莠不齐，而数据质量直接关系到最终形成的面向电网主设备的知识图谱质量。近年来社会各界对知识图谱的广泛关注，知识图谱研究取得了很大的进展。目前国内外对知识抽取的研究进展、知识图谱构建、实体对齐、知识表示学习以及知识融合进行一定的研究。然而，相关的知识研究多应用于解决通用性问题或简单问题，仍然缺乏面向电网主设备的知识图谱知识推理研究的系统、深入梳理与总结，缺乏通用性。因此，为保证电网主设备知识图谱的质量，需实现知识图谱推理规则的高效自动挖掘，减少长期繁复的人工知识构建所耗费的成本，需要针对现有的电网行业的文本资源数据建立高效的质量评价体系，为用户提供与业务需求相适应的质量评估模型，将抽象评价转化为可量化的指标，降低误判率，实现更加精确客观的资源评价过程。

发明内容

本发明的目的在于提供一种IT设备故障缺陷处理系统及故障缺陷处理方法，本发明能及时处理IT设备的运行数据，并基于知识图谱的IT设备故障分析，使IT设备维护人员可以便捷、快速的进行故障缺陷查询、故障缺陷处理，有效提升IT设备故障诊断水平，为IT设备生产运行保驾护航。为了实现上述目的，本发明采用以下技术效果：

根据本发明的一个方面，提供一种IT设备故障缺陷处理系统，所述故障分析系统包括：包括数据支撑平台、智能引擎模块和智能助手引擎，所述数据支撑平台用于接入IT设备并感知获取IT设备的运行数据，所述智能引擎模块用于提取数据支撑平台所获取的IT设备的运行数据，并针对提取的运行数据构建一个具备知识提取功能的故障缺陷知识库体系，为IT设备故障快速抢修业务提供辅助决策服务，所述智能助手引擎部署在应用前端，用于对故障知识提取及异常模式识别，基于故障缺陷知识库体系进行关联形成一一对应的故障知识图谱，然后对IT设备故障的知识图谱进行管理和可视化展示。

上述方案进一步优选的，建一个具备知识提取功能的故障缺陷知识库体系包括：对运行数据的结构化信息基于语义的信息提取，得到有价值的实体、关系以及属性的知识图谱，并形成一套提取知识图谱的IT设备故障语料库，在IT设备故障语料库基础上采用自然语言技术对非结构化知识图谱进行自动识别，将IT设备故障知识的相关实体及其相互之间的关系关联起来，生成多语义知识融合的知识图谱。

上述方案进一步优选的，所述数据支撑平台包括IOS系统、ITSM系统、PDP系统和维基系统的一种或多种。

上述方案进一步优选的，所述智能助手引擎包括提取模块、识别模块、决策模块、评价模块和查询展示模块；所述提取模块用于获取多语义输入的知识图谱，并提取所述多语义输入的知识图谱的提问信息；所述识别模块用于对所述提问信息进行的语义格式解析，以获取用户的知识图谱；所述决策模块用于获取当前用户的知识图谱进行在线故障判断和维护决策，为检修人员提供智能辅助决策；所述询问展示模块用于根据用户输入提供的数据查询信息，并通过机器推理算法从IT设备故障的知识图谱中查询到最佳的处置维修案例，将查询到的最佳的处置维修案例进行可视化展示给用户并进行实施执行。

上述方案进一步优选的，通过所述机器推理算法从IT设备故障的知识图谱中查询到最佳的处置维修案例基于通过NLP算法分析用户输入提供的数据进行询问，将用户自然表述转换为查询子图，在IT设备知识图谱中进行图搜索，匹配到最佳图节点返回对应信息，从而定位故障处理方案。

根据本发明的另一个方面，本发明提供了一种IT设备故障缺陷处理方法，通过智能引擎模块提取数据支撑平台所获取的IT设备的运行数据，并针对提取的运行数据构建一个具备知识提取功能的故障知识库体系，为IT设备故障快速抢修业务提供辅助决策服务，将智能助手引擎部署在应用前端，提取及识别的故障知识，并基于故障缺陷知识库体系进行关联形成一一对应的故障知识图谱，然后对IT设备故障的知识图谱进行管理和可视化展示。

上述方案进一步优选的，建一个具备知识提取功能的故障缺陷知识库体系包括如下步骤：对运行数据的结构化信息基于语义的信息提取，获取有价值的实体、关系以及属性的知识图谱，以便形成一套提取知识图谱的IT设备故障语料库，在IT设备故障语料库基础上采用自然语言技术对非结构化知识图谱进行自动识别，将IT设备故障知识的相关实体及其相互之间的关系关联起来，然后生成多语义知识融合的知识图谱。

上述方案进一步优选的，所述智能助手引擎通过获取多语义输入的知识图谱，并提取所述多语义输入的知识图谱的提问信息；然后对所述提问信息进行的语义格式解析，以获取用户的知识图谱，然后对当前用户的知识图谱进行在线故障判断和维护决策，为检修人员提供智能辅助决策，以及根据用户输入提供的数据查询信息，并通过机器推理算法从IT设备故障的知识图谱中查询到最佳的处置维修案例，将查询到的最佳的处置维修案例进行可视化展示给用户并进行实施执行。

上述方案进一步优选的，所述语义格式的解析结果包括实体信息、关系信息和者属性信息中的一种或多种。

综上所述，由于本发明采用了上述技术方案，本发明具有以下技术效果：

(1)、本发明的故障平台能及时监测IT设备的运行数据，并基于知识图谱的IT设备故障缺陷进行处理和分析，使IT设备维护人员可以便捷、快速的进行故障查询、故障处理，有效提升IT设备故障诊断水平，为IT设备生产运行保驾护航。

(2)、本发明的IT设备故障缺陷处理系统能对IT设备故障信息快速收集和问题快速处置，以及能及时提供的维护辅助决策和快速处置该故障异常进行判断分析，在可视化展示给用户并进行实施执行时，可以保障知识库的质量。

附图说明

图1是本发明的一种IT设备故障缺陷处理系统的原理图；

图2是本发明的智能助手引擎的原理图

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。

结合图1，本发明提供了一种IT设备故障缺陷处理系统，所述故障分析系统包括：包括数据支撑平台、智能引擎模块和智能助手引擎，所述数据支撑平台用于接入IT设备并感知获取IT设备的运行数据，所述智能引擎模用于提取数据支撑平台所获取的IT设备的运行数据，并针对提取的运行数据构建一个具备知识提取功能的故障缺陷知识库体系，为IT设备故障快速抢修业务提供辅助决策服务，所述智能助手引擎部署在应用前端，用于对故障知识提取及异常模式识别，基于故障知识库体系进行关联形成一一对应的故障知识图谱，然后对IT设备故障缺陷的知识图谱进行管理和可视化展示，当检测到IT设备存在故障时，获取IT故障设备的运行数据包括设备厂家、设备名称、型号、设备额定容量、电压等级、投运地点、投运时间、线路名称、线路长度、故障元件类型、故障元件、原因及处理措施等关键信息的文本信息。在本发明中，建一个具备知识提取功能的故障缺陷知识库体系包括：对运行数据的结构化信息基于语义的信息提取，得到有价值的实体、关系以及属性的知识图谱，并形成一套提取知识图谱的IT设备故障语料库，在IT设备故障语料库基础上采用自然语言技术对非结构化知识图谱进行自动识别，将IT设备故障知识的相关实体及其相互之间的关系关联起来，生成多语义知识融合的知识图谱；所述数据支撑平台包括IOS系统、ITSM系统、PDP系统和维基系统的一种或多种；所述数据支撑平台接入IT设备的通信接口并对IT设备的健康状况实时监控，通信接口每隔5分钟获取一次设备信息，然后经过D2R(DRF格式转换器)、包装器(格式解析工具)等工具完成处理，所有数据最终都要通过处理转化为标准数据供图谱使用，然后送入到Neo4j图数据库对知识进行管理和可视化，通过知识图谱的形式将“状态—现象—设备—征兆—原因—处理建议”IT设备故障知识及推理图谱的相关实体及其相互之间的关系关联起来，完成处理后的相关信息存到故障缺陷知识库体系中，最后进行可视化展示出来，从而提高故障数据自动可视化效率，或者减少自动化生成的可视化图形存在的冗余图形，利于用户理解与分析。所述IOS系统用于获取IT设备故障运行状态实时数据监控信息，例如：获取服务器设备CUP实时温度，磁盘实时内存等相关信息；所述数据支撑平台接入的ITSM系统接口读取IT设备故障处理报告，IT设备故障处理报告主要包括ITSM中通过监测设备和传感器采集的设备在线监测数据、历史状态监测数据、告警消息、设备运维工单以及处理设备型号、处理事件原因、处理事件描述、处理事件方法，处理事件结果等相关信息等；PDP系统用于获取IT设备台账数据，例如：设备台账KKS码，设备位置，设备型号等相关信息；维基系统用于获取IT设备相关信息资料，例如：服务器设备说明书，设备生产日期，设备额定参数以及设备阈值等信息等。

在本发明中，结合图1和图2，所述智能助手引擎包括提取模块、识别模块、决策模块、评价模块和查询展示模块；所述提取模块用于获取多语义输入的知识图谱，并提取所述多语义输入的知识图谱的提问信息；所述识别模块其用于对所述提问信息进行的语义格式解析，以获取用户的知识图谱，其中，所述语义格式的解析结果包括实体信息、关系信息、或者属性信息；所述决策模块用于获取当前用户的知识图谱进行在线故障判断和维护决策，为检修人员提供智能辅助决策，针对IT设备运维人员，可以通过决策模块可以看到整体IT设备的故障和异常的清单，以及某个缺陷和故障信息汇总全景，经过“状态调查—现象询问—设备分析—数据分析—逐步排除”的过程，以便逐步缩小原因范围提高诊断准确性，为检修人员提供智能辅助决策，实现基于不同故障等级的处理建议和案例推荐；所述询问展示模块用于根据用户输入提供的数据查询信息，并通过机器推理算法从IT设备故障的知识图谱中查询到最佳的处置维修案例，将查询到的最佳的处置维修案例进行可视化展示给用户并进行实施执行，在本发明中，通过所述机器推理算法从IT设备故障的知识图谱中查询到最佳的处置维修案例是基于NLP算法分析用户输入提供的数据进行询问，将用户自然表述转换为查询子图，在IT设备知识图谱中进行图搜索(问句意图模式识别、实体链接、推理)，匹配到最佳图节点返回对应信息，从而定位故障处理方案；智能助手引擎部署在应用前端用于支持可视化操作和自然语言输入，包括文本和语音两种方式；对于用户输入的查询，能够通过实体识别，准确生成查询子图，并进行图谱应用，例如，针对用户输入反馈对应判断结论以及处置方案、案例等，以及针对用户输入的查询信息，根据机器推理算法智能查询匹配到最佳规操作动作或案例，然后推送给相关角色进行确认后执行，从而使IT设备维护人员可以便捷、快速的进行故障查询、故障处理，有效提升IT设备故障诊断水平，为IT设备生产运行保驾护航。

根据本发明的另一个方面，结合图1和图2，本发明提供了一种IT设备故障缺陷处理方法：包括以下步骤，将数据支撑平台接入IT设备并感知获取IT设备的运行数据，通过智能引擎模提取数据支撑平台所获取的IT设备的运行数据，并针对提取的运行数据构建一个具备知识提取功能的故障知识库体系，为IT设备故障快速抢修业务提供辅助决策服务，将智能助手引擎部署在应用前端，提取及识别的故障知识，并基于故障缺陷知识库体系进行关联形成一一对应的故障缺陷知识图谱，然后对IT设备故障缺陷的知识图谱进行管理和可视化展示。在部分发明中，建一个具备知识提取功能的故障缺陷知识库体系包括如下步骤：对运行数据的结构化信息基于语义的信息提取，获取有价值的实体、关系以及属性的知识图谱，以便形成一套提取知识图谱的IT设备故障缺陷语料库，在IT设备故障缺陷语料库基础上采用自然语言技术对非结构化知识图谱进行自动识别，将IT设备故障缺陷知识的相关实体及其相互之间的关系关联起来，然后生成多语义知识融合的知识图谱，在本发明中，所述智能助手引擎通过获取多语义输入的知识图谱，并提取所述多语义输入的知识图谱的提问信息；然后对所述提问信息进行的语义格式解析，以获取用户的知识图谱，所述语义格式的解析结果包括实体信息、关系信息和者属性信息中的一种或多种，对多语义的知识图谱文本进行实体和实体间关系抽取,是根据抽取得到实体间关系结果进行提问；先是从知识图谱文本中通过实体抽取得到实体项，再进行实体消歧和共指消解，判断IT设备故障语料库中的同名实体与之是否代表不同的含义，以及IT设备故障语料库中是否存在其他命名实体与之表示相同的含义，经确认IT设备故障缺陷语料库中对应正确实体对象之后，将该实体指称链接到IT设备故障语料库中对应实体；在IT设备故障语料库的基础上，使用自然语言技术对非结构化进行自动识别，并采用实体识别和实体关系抽取的机器学习方法，对其进行分析、抽取、构建实体之间的关；通过信息抽取，可以从原始的IT设备故障缺陷语料库中提取出实体、关系与属性等知识要素，再经过知识融合，从而可以消除实体指称项与实体对象之间的歧义，得到一系列基本的事实表达。从而对设备故障质量进行评估，然后对当前用户的知识图谱进行在线故障判断和维护决策，为检修人员提供智能辅助决策，以及根据用户输入提供的数据查询信息，并通过机器推理算法从IT设备故障的知识图谱中查询到最佳的处置维修案例，将查询到的最佳的处置维修案例进行可视化展示给用户并进行实施执行，由于知识图谱之间大多数关联关系都是残缺的，缺失值非常严重，机器推理算法从IT设备故障语料库中已有的实体关系数据出发，进行计算机推理，建立实体间的新关联，从而能够从原有知识中发现新的知识图谱，可以对知识图谱的可信度进行量化，通过舍弃置信度较低的知识，在可视化展示给用户并进行实施执行时，可以保障知识库的质量。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。