CN114064400B - 一种it设备运维感知监控系统 - Google Patents
一种it设备运维感知监控系统 Download PDFInfo
- Publication number
- CN114064400B CN114064400B CN202111284743.2A CN202111284743A CN114064400B CN 114064400 B CN114064400 B CN 114064400B CN 202111284743 A CN202111284743 A CN 202111284743A CN 114064400 B CN114064400 B CN 114064400B
- Authority
- CN
- China
- Prior art keywords
- equipment
- enterprise
- index
- types
- judgment
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种IT设备运维感知监控系统,属于IT设备监控技术领域,包括问题匹配库、IT设备输入模块、IT设备监控模块和数据库;问题匹配库用于获取IT设备的问题症状和问题类型,并根据IT设备种类、问题类型和问题症状建立IT设备问题单;IT设备输入模块用于辅助企业完整的输入企业内具有的IT设备,获得企业IT设备种类;IT设备监控模块用于对企业IT设备进行监控,通过评分模型获得三个采集指标分别相对于三个评判指标的评分;通过本系统可以帮助企业及时的对IT设备的运行状态进行预判,做到有问题时可以及时的发现问题,为企业留有一定的检查和反应的时间,避免因为企业内IT设备的故障,为企业带来不必要的损失。
Description
技术领域
本发明属于IT设备监控技术领域,具体是一种IT设备运维感知监控系统。
背景技术
IT设备是指IT相关设备配件或整体产品,属于IT行业的产品,包括笔记本电脑、台式电脑、服务器、网络安全设备、储存器、路由器、交换机、鼠标、键盘、写字板、摄像头、多媒体麦克风与音响等等,种类繁多,在企业和工厂中应用广泛;但是当企业内的IT设备出现故障时,轻则影响企业的正常工作,严重时会给企业带来一定的经济损失,因此在相关企业的生产经营过程中,需要对企业内的IT设备进行监控,尽可能的降低IT设备的故障给企业带来的影响。
发明内容
为了解决上述方案存在的问题,本发明提供了一种IT设备运维感知监控系统。
本发明的目的可以通过以下技术方案实现:
一种IT设备运维感知监控系统,包括问题匹配库、IT设备输入模块、IT设备监控模块和数据库;
问题匹配库用于获取IT设备的问题症状和问题类型,并根据IT设备种类、问题类型和问题症状建立IT设备问题单;IT设备输入模块用于辅助企业完整的输入企业内具有的IT设备信息,获得企业IT设备种类;IT设备监控模块用于对企业IT设备进行监控,获取采集指标一、采集指标二和采集指标三,以及对应的评判指标一、评判指标二和评判指标三,建立评分模型,通过评分模型获得三个采集指标分别相对于三个评判指标的评分;构建余弦相似度函数根据采集指标一、采集指标二和采集指标三,以及对应的评判指标一、评判指标二和评判指标三确定兴趣度函数:
将wij>X1对应的企业IT设备标记为待确认IT设备,其中X1为阈值,将待确认IT设备的采集指标和wij整合标记为预测输入数据,建立预测模型,将预测输入数据输入到预测模型内,获得对应待确认IT设备的未来N小时的预测标签;预测标签包括01和02,将预测标签为02的待确认IT设备标记为问题IT设备,将问题IT设备发送给企业管理人员。
进一步地,i和j分别为企业IT设备i和评判IT设备j的相似度向量。
进一步地,相似度向量包括:指标一、指标二和指标三。
进一步地,α1、α2、α3为调节系数,α1、α2、α3的取值范围为[0,1]。
进一步地,当预测标签为01时,表示待确认IT设备运行正常,当预测标签为02时,表示待确认IT设备运行不正常。
进一步地,获取IT设备的问题症状和问题类型的方法包括:
从互联网中采集IT设备具有的种类,将IT设备种类根据行业领域打上行业标签,根据IT设备的种类从互联网中采集对应IT设备种类具有的问题类型,对采集的问题类型进行去重,再通过问题类型从互联网中获取对应的问题采集数据,建立筛选模型,通过筛选模型对采集到的问题采集数据进行筛选,获得问题症状。
进一步地,IT设备输入模块还包括校核单元,IT设备输入模块的工作方法包括:
获取企业所属的行业领域和IT设备问题单,根据行业领域从IT设备问题单中具有的行业标签进行匹配,获得对应的IT设备种类,将获得的IT设备种类标记为推荐IT设备种类,将推荐IT设备种类发送给企业管理人员,企业管理人员对推荐IT设备种类进行筛选,将筛选后的推荐IT设备种类标记为企业IT设备种类。
进一步地,校核单元用于对企业IT设备种类进行校核,具体方法包括:
获取属于企业行业领域的IT设备种类,建立关联模型,通过关联模型对IT设备种类进行关联性分析,获得IT设备关联性名单;获取企业IT设备种类,将企业IT设备种类与IT设备关联性名单进行匹配,获得企业IT设备种类中缺少关联性的IT设备,获取缺少关联性IT设备对应的IT设备种类,并标记为待补充IT设备种类,将待补充IT设备种类和对应的缺少关联性IT设备发送给企业管理人员,企业管理人员对待补充IT设备种类进行最终校核,确定是否将待补充IT设备种类补充到企业IT设备种类中。
进一步地,fij表示企业IT设备i的采集指标一对评判IT设备j的评判指标一的评分,fmin为数据库中记录的最小的采集指标一相对评判指标一的评分,fmax为数据库中记录的最大的采集指标一相对评判指标一的评分;tij为企业IT设备i的采集指标二对评判IT设备j的评判指标二的评分,tmax为数据库中记录的最大的采集指标二相对评判指标二的评分,tmin为数据库中记录的最小的采集指标二相对评判指标二的评分;rij为企业IT设备i的采集指标三对评判IT设备j的评判指标三的评分;rmax为数据库中记录的最大的采集指标三相对评判指标三的评分;rmin为数据库中记录的最小的采集指标三相对评判指标三的评分。
与现有技术相比,本发明的有益效果是:通过本系统可以帮助企业及时的对企业内IT设备的运行状态进行预判,做到有问题时可以及时的发现问题,为企业留有一定的检查和反应的时间,避免因为企业内IT设备的故障,为企业带来不必要的损失;通过设置IT设备输入模块,辅助企业完整的输入企业内具有的IT设备,避免因为疏忽或者某些IT设备的不起眼,导致有部分的企业内IT设备没有纳入IT设备检测系统内,使得企业不能对所有的IT设备的运维状态有一个很好的了解。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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。
如图1所示,一种IT设备运维感知监控系统,包括问题匹配库、IT设备输入模块、IT设备监控模块和数据库;
所述问题匹配库获取储存IT设备的问题症状和问题类型,根据IT设备种类、问题类型和问题症状建立IT设备问题单,将IT设备问题单进行保存;
IT设备指的是指在同一个工厂或企业中的服务器、电脑、摄像头、网络安全设备、储存器、笔记本、路由器等设备,问题类型指的是IT设备会出现的问题,问题症状指的是对应的问题类型出现的症状,具体方法包括:
从互联网中采集IT设备具有的种类,将IT设备种类根据行业领域打上行业标签,即为对应的IT设备可以用于哪些行业领域,例如电脑可以用于很多的行业领域,就会被打上多个行业标签,根据IT设备的种类从互联网中采集对应IT设备种类具有的问题类型,对采集的问题类型进行去重,再通过问题类型从互联网中获取对应的问题采集数据,建立筛选模型,筛选模型即为神经网络模型,是通过采集大量的问题采集数据,将问题采集数据中的重复数据进行剔除,剔除的问题采集数据标记为问题症状,将问题采集数据和对应的问题症状整合为训练集,再通过训练集对神经网络模型进行训练,将训练后的神经网络模型标记为筛选模型,通过筛选模型对采集到的问题采集数据进行筛选,获得问题症状,通过建立筛选模型对采集到的问题采集数据进行筛选,将采集到的问题采集数据中的大量相同或相似的数据进行剔除,因为问题采集数据直接进行去重将会特别的麻烦,数据量大,而且字符数较多,与问题类型不同,问题类型因为字符数少和数据量小,可以通过现有手段直接去重;
所述IT设备输入模块用于辅助企业完整的输入企业内具有的IT设备,具体方法包括:
因为在过往的监测过程中,经常会出现有的企业因为疏忽或者某些IT设备的不起眼,导致有部分的企业内IT设备没有纳入IT设备检测系统内,使得企业不能对所有的IT设备的运维状态有一个很好的了解;因此就需要设置IT设备输入模块来辅助企业完整的输入企业内具有的IT设备;
获取企业所属的行业领域和IT设备问题单,根据行业领域从IT设备问题单中具有的行业标签进行匹配,获得对应的IT设备种类,将获得的IT设备种类标记为推荐IT设备种类,将推荐IT设备种类发送给企业管理人员,企业管理人员指的是具有本系统管理权限的企业人员,企业管理人员对推荐IT设备种类进行筛选,将筛选后的推荐IT设备种类标记为企业IT设备种类;
为了进一步的避免企业管理人员对推荐IT设备种类的筛选出现错选的问题,需要对企业IT设备种类进行相关性校核,IT设备输入模块还包括校核单元,校核单元用于对企业IT设备种类进行校核,具体方法包括:
获取属于企业行业领域的IT设备种类,建立关联模型,通过关联模型对IT设备种类进行关联性分析,获得IT设备关联性名单;获取企业IT设备种类,将企业IT设备种类与IT设备关联性名单进行匹配,获得企业IT设备种类中缺少关联性的IT设备,缺少关联性的IT设备指的是在关联性名单中,与其相关联的IT设备并没有全部都在企业IT设备种类中,获取缺少关联性IT设备对应的IT设备种类,并标记为待补充IT设备种类,将待补充IT设备种类和对应的缺少关联性IT设备发送给企业管理人员,企业管理人员对待补充IT设备种类进行最终校核,确定是否将待补充IT设备种类补充到企业IT设备种类中;
关联模型即为神经网络模型,是通过从互联网中采集相关IT设备的关联性,IT设备的关联性是指某些IT设备都是共同出现的,例如:有路由器肯定也会有电脑的使用,所以路由器与电脑就会有关联性,将IT设备的关联性和IT设备作为训练集对神经网络模型进行训练,将训练后的神经网络模型标记为关联模型。
所述IT设备监控模块用于对企业IT设备进行监控,具体方法包括:
获取企业IT设备种类,根据企业IT设备种类对企业内的IT设备进行实时运行数据采集,运行数据包括采集指标一、采集指标二和采集指标三,采集指标一、采集指标二和采集指标三是对不同IT设备的采集指标的统称,不同的IT设备的采集指标并不相同,例如:电脑的采集指标可以为开机时间长度、反应时间长度和声音信息,其中反应时间为发出某个指令后的电脑反应时间,声音信息指的是电脑在运行过程产生的声音信息,如噪音;摄像头的采集指标可以是拍摄的清晰度、声音信息和拍摄范围变化;路由器的采集指标可以是网络速度、使用年限和使用环境,其中,使用环境指的是路由器在什么样的环境中使用的;对应的采集指标是可以根据企业的实际情况进行调整的;
获取IT设备问题单,根据IT设备问题单和运行数据获取对应的评判指标一、评判指标二和评判指标三,就是与采集指标一、采集指标二和采集指标三相同的具有设备问题的数据,也就是相应的问题症状,建立评分模型,评分模型即为神经网络模型,通过将采集指标和评判指标相比较,设置采集指标相对评判指标的评分,再将采集指标、评判指标和对应的评分作为训练集进行训练,将训练后的神经网络模型标记为评分模型,通过评分模型获得三个采集指标分别相对于三个评判指标的评分;
构建余弦相似度函数其中,i和j分别为企业IT设备i和评判IT设备j的相似度向量;评判IT设备指的是IT设备问题单中对应的IT设备,i和j的夹角越小,相似度越高;相似度向量包括:指标一、指标二和指标三;指标一即为评判指标和采集指标的统称,指标二和指标三同理,建立相似度向量三元组(x1,x2,x3),根据指标一、指标二和指标三确定兴趣度函数:
其中α1、α2、α3为调节系数,α1、α2、α3的取值范围为[0,1];
fij表示企业IT设备i的采集指标一对评判IT设备j的评判指标一的评分,fmin为数据库中记录的最小的采集指标一相对评判指标一的评分,fmax为数据库中记录的最大的采集指标一相对评判指标一的评分;tij为企业IT设备i的采集指标二对评判IT设备j的评判指标二的评分,tmax为数据库中记录的最大的采集指标二相对评判指标二的评分,tmin为数据库中记录的最小的采集指标二相对评判指标二的评分;rij为企业IT设备i的采集指标三对评判IT设备j的评判指标三的评分;rmax为数据库中记录的最大的采集指标三相对评判指标三的评分;rmin为数据库中记录的最小的采集指标三相对评判指标三的评分;
将wij>X1对应的企业IT设备标记为待确认IT设备,其中X1为阈值,将待确认IT设备的采集指标和wij整合标记为预测输入数据,建立预测模型,将预测输入数据输入到预测模型内,获得对应待确认IT设备的未来N小时的预测标签,其中N为正数,且N>5,预测标签包括01和02,当预测标签为01时,表示待确认IT设备运行正常,当预测标签为02时,表示待确认IT设备运行不正常;将预测标签为02的待确认IT设备标记为问题IT设备,将问题IT设备发送给企业管理人员。
通过本系统可以帮助企业及时的对企业内IT设备的运行状态进行预判,做到有问题时可以及时的发现问题,为企业留有一定的检查和反应的时间,避免因为企业内IT设备的故障,为企业带来不必要的损失;通过设置IT设备输入模块,辅助企业完整的输入企业内具有的IT设备,避免因为疏忽或者某些IT设备的不起眼,导致有部分的企业内IT设备没有纳入IT设备检测系统内,使得企业不能对所有的IT设备的运维状态有一个很好的了解。
在本发明所提供的实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式;所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (1)
1.一种IT设备运维感知监控系统,其特征在于,包括问题匹配库、IT设备输入模块、IT设备监控模块和数据库;
问题匹配库用于获取IT设备的问题症状和问题类型,并根据IT设备种类、问题类型和问题症状建立IT设备问题单;IT设备输入模块用于辅助企业完整的输入企业内具有的IT设备信息,获得企业IT设备种类;IT设备监控模块用于对企业IT设备进行监控,获取采集指标一、采集指标二和采集指标三,以及对应的评判指标一、评判指标二和评判指标三,建立评分模型,通过评分模型获得三个采集指标分别相对于三个评判指标的评分;构建余弦相似度函数,根据采集指标一、采集指标二和采集指标三,以及对应的评判指标一、评判指标二和评判指标三确定兴趣度函数:
将wij>X1对应的企业IT设备标记为待确认IT设备,其中X1为阈值,将待确认IT设备的采集指标和wij整合标记为预测输入数据,建立预测模型,将预测输入数据输入到预测模型内,获得对应待确认IT设备的未来N小时的预测标签;预测标签包括01和02,将预测标签为02的待确认IT设备标记为问题IT设备,将问题IT设备发送给企业管理人员;
IT设备输入模块还包括校核单元,IT设备输入模块的工作方法包括:
获取企业所属的行业领域和IT设备问题单,根据行业领域从IT设备问题单中具有的行业标签进行匹配,获得对应的IT设备种类,将获得的IT设备种类标记为推荐IT设备种类,将推荐IT设备种类发送给企业管理人员,企业管理人员对推荐IT设备种类进行筛选,将筛选后的推荐IT设备种类标记为企业IT设备种类;
校核单元用于对企业IT设备种类进行校核,具体方法包括:
获取属于企业行业领域的IT设备种类,建立关联模型,通过关联模型对IT设备种类进行关联性分析,获得IT设备关联性名单;获取企业IT设备种类,将企业IT设备种类与IT设备关联性名单进行匹配,获得企业IT设备种类中缺少关联性的IT设备,获取缺少关联性IT设备对应的IT设备种类,并标记为待补充IT设备种类,将待补充IT设备种类和对应的缺少关联性IT设备发送给企业管理人员,企业管理人员对待补充IT设备种类进行最终校核,确定是否将待补充IT设备种类补充到企业IT设备种类中;
获取IT设备的问题症状和问题类型的方法包括:
从互联网中采集IT设备具有的种类,将IT设备种类根据行业领域打上行业标签,根据IT设备的种类从互联网中采集对应IT设备种类具有的问题类型,对采集的问题类型进行去重,再通过问题类型从互联网中获取对应的问题采集数据,建立筛选模型,通过筛选模型对采集到的问题采集数据进行筛选,获得问题症状;
i和j分别为企业IT设备i和评判IT设备j的相似度向量;
相似度向量包括:指标一、指标二和指标三;
α1、α2、α3为调节系数,α1、α2、α3的取值范围为[0,1];
当预测标签为01时,表示待确认IT设备运行正常,当预测标签为02时,表示待确认IT设备运行不正常;
fij表示企业IT设备i的采集指标一对评判IT设备j的评判指标一的评分,fmin为数据库中记录的最小的采集指标一相对评判指标一的评分,fmax为数据库中记录的最大的采集指标一相对评判指标一的评分;tij为企业IT设备i的采集指标二对评判IT设备j的评判指标二的评分,tmax为数据库中记录的最大的采集指标二相对评判指标二的评分,tmin为数据库中记录的最小的采集指标二相对评判指标二的评分;rij为企业IT设备i的采集指标三对评判IT设备j的评判指标三的评分;rmax为数据库中记录的最大的采集指标三相对评判指标三的评分;rmin为数据库中记录的最小的采集指标三相对评判指标三的评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111284743.2A CN114064400B (zh) | 2021-11-01 | 2021-11-01 | 一种it设备运维感知监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111284743.2A CN114064400B (zh) | 2021-11-01 | 2021-11-01 | 一种it设备运维感知监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114064400A CN114064400A (zh) | 2022-02-18 |
CN114064400B true CN114064400B (zh) | 2023-03-24 |
Family
ID=80236527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111284743.2A Active CN114064400B (zh) | 2021-11-01 | 2021-11-01 | 一种it设备运维感知监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114064400B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8019554B2 (en) * | 2005-03-30 | 2011-09-13 | Ethicon, Inc. | Predictive indicator model |
US9098555B2 (en) * | 2008-11-25 | 2015-08-04 | Dell Products L.P. | Method and system for health scoring information systems, users, and updates |
CN106156354B (zh) * | 2016-07-27 | 2019-08-09 | 淮海工学院 | 一种学习资源推荐系统 |
US10691516B2 (en) * | 2017-04-05 | 2020-06-23 | International Business Machines Corporation | Measurement and visualization of resiliency in a hybrid IT infrastructure environment |
CN110046782A (zh) * | 2018-12-05 | 2019-07-23 | 国网江西省电力有限公司 | 一种电网事故跳闸监控信息问题的自动识别方法 |
CN110189575B (zh) * | 2019-06-27 | 2021-01-05 | 广东电网有限责任公司肇庆供电局 | 一种基于大数据的配网运维仿真培训系统 |
CN110502390B (zh) * | 2019-07-08 | 2021-06-01 | 中国地质大学(武汉) | 一种高校云计算中心自动化运维管理系统 |
CN111274087B (zh) * | 2020-01-15 | 2023-04-07 | 国网湖南省电力有限公司 | 一种it集中监控的业务系统的健康度评估方法 |
-
2021
- 2021-11-01 CN CN202111284743.2A patent/CN114064400B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114064400A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107528832B (zh) | 一种面向系统日志的基线构建与未知异常行为检测方法 | |
CN111475804B (zh) | 一种告警预测方法及系统 | |
CN105653444B (zh) | 基于互联网日志数据的软件缺陷故障识别方法和系统 | |
US20190228296A1 (en) | Significant events identifier for outlier root cause investigation | |
CN111209131A (zh) | 一种基于机器学习确定异构系统的故障的方法和系统 | |
GB2586105A (en) | Quality review management system | |
DE112016005143T5 (de) | Periodizitätsanalyse an heterogenen Protokollen | |
CN112462734B (zh) | 一种工业生产设备故障预测分析方法及模型 | |
CN117235649A (zh) | 一种基于大数据的工业设备状态智能监测系统及方法 | |
CN113612625A (zh) | 一种网络故障定位方法及装置 | |
CN111583592A (zh) | 一种基于多维卷积神经网络的实验环境安全预警方法 | |
CN114298558B (zh) | 电力网络安全研判系统及其研判方法 | |
CN113071966A (zh) | 电梯故障预测方法、装置、设备及存储介质 | |
CN114064400B (zh) | 一种it设备运维感知监控系统 | |
CN115150248A (zh) | 网络流量异常检测方法、装置、电子设备和存储介质 | |
Zhang et al. | Failure prediction in ibm bluegene/l event logs | |
CN116756659A (zh) | 智能运维管理方法、装置、设备及存储介质 | |
CN116596510A (zh) | 一种运维故障管理方法、系统、终端设备及存储介质 | |
CN110796565A (zh) | 监理日志的分析方法及分析系统 | |
CN113656287B (zh) | 软件实例故障的预测方法、装置、电子设备及存储介质 | |
CN114416417A (zh) | 系统异常监测方法、装置、设备及存储介质 | |
CN112258095A (zh) | 基于标准正态分布的评分方法、装置、设备及存储介质 | |
CN112187555B (zh) | 一种基于机器学习的实时kpi数据异常检测方法及装置 | |
CN114389849B (zh) | 一种网络安全的灾备演练方法及系统 | |
CN116644964A (zh) | 一种基于大数据检测的控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |