CN116596510A - 一种运维故障管理方法、系统、终端设备及存储介质 - Google Patents
一种运维故障管理方法、系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN116596510A CN116596510A CN202310549415.3A CN202310549415A CN116596510A CN 116596510 A CN116596510 A CN 116596510A CN 202310549415 A CN202310549415 A CN 202310549415A CN 116596510 A CN116596510 A CN 116596510A
- Authority
- CN
- China
- Prior art keywords
- defect
- fault
- nodes
- node
- maintenance
- 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.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 177
- 238000007726 management method Methods 0.000 title claims abstract description 54
- 230000007547 defect Effects 0.000 claims abstract description 571
- 230000006698 induction Effects 0.000 claims abstract description 101
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 12
- 230000001939 inductive effect Effects 0.000 claims 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000001815 facial effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/26—Discovering frequent patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Animal Behavior & Ethology (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及运维管控技术领域,尤其涉及一种运维故障管理方法、系统、终端设备及存储介质。其方法包括,若故障节点为多个且缺陷类型为多个,则获取各个缺陷类型对应的缺陷属性;根据缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成各个故障点对应的缺陷描述信息;根据缺陷描述信息判断故障节点之间是否存在缺陷关联关系;若存在缺陷关联关系,则根据缺陷描述信息确定对应故障节点中的故障根源节点和故障诱发节点;生成对应的运维作业工单;若故障节点之间不存在缺陷关联关系,则根据缺陷描述信息划分多个故障节点,生成对应的目标缺陷类型组;根据目标缺陷类型组,生成对应的运维作业工单;根据运维作业工单进行运维作业处理。
Description
技术领域
本申请涉及运维管控技术领域,尤其涉及一种运维故障管理方法、系统、终端设备及存储介质。
背景技术
在系统运维场景中,对于出现故障的设备,由于故障类型不同,处理故障的紧急程度和运维方式也完全不同,需要运维管理平台对各种设备的缺陷信息生成不同类型的运维工单,使得设备缺陷问题得到解决。
目前,在对运维工单处理过程中,由于设备节点之间存在多重依赖关系,当设备出现故障时,运维工单描述的设备缺陷信息可能并非实际的设备故障问题,所以导致设备故障根源难以确定,设备缺陷问题处理效率低。
发明内容
为了提升设备缺陷问题的处理效率,本申请提供一种运维故障管理方法、系统、终端设备及存储介质。
第一方面,本申请提供一种运维故障管理方法,包括以下步骤:
获取故障节点;
若所述故障节点为多个,则获取各个所述故障节点对应的缺陷类型;
若所述缺陷类型为多个,则获取各个所述缺陷类型对应的缺陷属性;
根据所述缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成各个所述故障点对应的缺陷描述信息;
根据所述缺陷描述信息判断所述故障节点之间是否存在缺陷关联关系;
若所述故障节点之间存在缺陷关联关系,则根据所述缺陷描述信息确定对应所述故障节点中的故障根源节点和故障诱发节点;
根据所述故障根源节点和故障诱发节点,生成对应的运维作业工单;
若所述故障节点之间不存在缺陷关联关系,则根据所述缺陷描述信息划分多个所述故障节点,生成对应的目标缺陷类型组;
根据所述目标缺陷类型组,生成对应的所述运维作业工单;
根据所述运维作业工单进行运维作业处理。
通过采用上述技术方案,根据故障节点的缺陷类型获取对应的缺陷属性,以便于根据缺陷属性从预设缺陷文档库中匹配故障节点对应的去缺陷索引,进一步生成说明故障节点具体缺陷情况的缺陷描述信息,若根据缺陷描述信息判断故障节点之间存在缺陷关联关系,则说明故障节点之间并不是独立产生的而是相互关联的,可通过上述故障节点各自对应的缺陷描述信息确定对应的故障根源节点和故障诱发节点,进而加强了对故障节点的缺陷分析,若根据缺陷描述信息判断故障节点之间不存在缺陷关联关系,则根据缺陷描述信息划分多个故障节点至对应的目标缺陷类型组,随即根据故障根源节点、故障诱发节点或者目标缺陷类型组生成对应的运维作业工单进行运维作业处理,从而提升了设备缺陷问题的处理效率。
可选的,所述若所述故障节点之间存在缺陷关联关系,则根据所述缺陷描述信息确定对应所述故障节点中的故障根源节点和故障诱发节点包括以下步骤:
若所述故障节点之间存在缺陷关联关系,则根据所述缺陷描述信息生成所述故障节点对应的节点缺陷关联图;
根据所述节点缺陷关联图,确定所述故障节点中对应的所述故障根源节点;
识别所述故障根源节点,获取所述故障根源节点对应的缺陷关联导向;
根据所述缺陷关联导向,确定所述故障节点中对应的所述故障诱发节点。
通过采用上述技术方案,根据故障节点对应的缺陷关联图,以便于确定多个故障节点中的故障根源节点,进一步根据缺陷关联导向可获取故障根源节点引发其他节点故障的故障诱发节点,从而便于确定故障节点中的故障根源节点和故障诱发节点。
可选的,在所述根据所述缺陷关联导向,确定所述故障节点中对应的所述故障诱发节点之后还包括以下步骤:
若所述故障诱发节点为多个,则判断所述故障诱发节点之间是否存在所述缺陷关联关系;
若所述故障诱发节点之间存在所述缺陷关联关系,则根据所述缺陷关联导向设置所述故障诱发节点对应的关联缺陷等级;
根据所述关联缺陷等级,设置所述故障诱发节点对应的目标优先级;
根据所述目标优先级,依次输出所述故障诱发节点对应的缺陷解决方案。
通过采用上述技术方案,根据缺陷关联导向设定故障诱发节点对应的关联缺陷等级,以便于根据关联缺陷等级分析故障诱发节点之间出现故障的顺序,进一步根据关联缺陷等级设置故障诱发节点对应的目标优先级,以便于根据目标优先级依次输出故障诱发节点对应的缺陷解决方案,从而减少了故障诱发节点之间的并发故障以及提升多个故障诱发节点的修复效率。
可选的,在所述若所述故障诱发节点为多个,则判断所述故障诱发节点之间是否存在所述缺陷关联关系之后还包括以下步骤:
若所述故障诱发节点之间不存在所述缺陷关联关系,则获取所述故障诱发节点对应的主要功能模块;
识别所述主要功能模块,获取对应的应急处置等级;
根据所述应急处置等级,设置所述故障诱发节点对应的目标优先级;
根据所述目标优先级,依次输出所述故障诱发节点对应的缺陷解决方案。
通过采用上述技术方案,根据主要功能模块对应的应急处置等级,设置故障诱发节点相应的目标优先级,随即根据目标优先级依次输出故障诱发节点对应的缺陷解决方案,从而便于对应急处置等级高的主要功能模块对应的缺陷进行优先处理,提升了系统中的主要功能模块的安全性。
可选的,所述所述根据所述缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成所述故障点对应的缺陷描述信息包括以下步骤:
识别所述缺陷索引,获取对应的所述缺陷解决方案,所述缺陷解决方案包括缺陷产生原因和缺陷解决方法;
提取所述缺陷产生原因中对应的缺陷描述性词语;
选取所述缺陷描述性词语占对应所述缺陷产生原因中内容文字最多的所述缺陷解决方案为预选缺陷解决方案;
若所述预选缺陷解决方案为多个,则获取所述预选缺陷解决方案中所述缺陷解决方法对应的引用次数;
选取所述缺陷解决方法引用次数最多的所述预选缺陷解决方案为既定缺陷解决方案;
根据所述既定缺陷解决方案,生成所述故障点对应的所述缺陷描述信息。
通过采用上述技术方案,选取缺陷描述性词语占对应缺陷产生原因内容最多缺陷解决方案为预选缺陷解决方案,便于对缺陷产生原因内容文字中与故障节点无关的内容信息进行筛除,提升了获取故障节点对应关键性描述的效率,以及选取缺陷解决方法引用次数最多的预选缺陷解决方案为既定缺陷解决方案,提升了故障节点修复的成功率。
可选的,所述根据所述既定缺陷解决方案,生成所述故障点对应的所述缺陷描述信息包括以下步骤:
根据所述既定缺陷解决方案,获取对应的所述缺陷解决方法;
识别所述缺陷解决方法,获取对应的技术性词汇;
判断所述技术性词汇是否为缩写形式;
若所述技术性词汇为缩写形式,则匹配所述技术性词汇对应的技术词汇解析;
根据所述技术词汇解析,生成所述技术性词汇的关联解读项。
通过采用上述技术方案,设置技术性词汇缩写形式对应的技术词汇解析,并生成相应的关联解读项,从而便于对缺陷描述信息进行解读分析。
可选的,所述根据所述运维作业工单进行运维作业处理包括以下步骤:
根据所述运维作业工单,获取对应的所述故障节点;
识别所述故障节点,获取所述故障节点对应的历史运维人员;
若所述历史运维人员为多个,则获取所述故障节点对应修复成功率最高的所述历史运维人员为目标运维人员;
所述目标运维人员根据所述运维作业工单进行运维作业处理。
通过采用上述技术方案,选取故障节点对应有经验且修复成功率最高的历史运维人员为目标运维人员,从而提升了故障节点的修复效率。
第二方面,本申请提供一种运维工单管理系统,包括:
第一获取模块,用于获取故障节点;
第二获取模块,若所述故障节点为多个,所述第二获取模块则用于获取各个所述故障节点对应的缺陷类型;
第三获取模块,若所述缺陷类型为多个,所述第三获取模块则用于获取各个所述缺陷类型对应的缺陷属性;
匹配模块,用于根据所述缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成各个所述故障点对应的缺陷描述信息;
判断模块,用于根据所述缺陷描述信息判断所述故障节点之间是否存在缺陷关联关系;
确定模块,若所述故障节点之间存在缺陷关联关系,所述确定模块则根据所述缺陷描述信息确定对应所述故障节点中的故障根源节点和故障诱发节点;
第一生成模块,用于根据所述故障根源节点和故障诱发节点,生成对应的运维作业工单;
划分模块,若所述故障节点之间不存在缺陷关联关系,所述划分模块则用于根据所述缺陷描述信息划分多个所述故障节点,生成对应的目标缺陷类型组;
第二生成模块,用于根据所述目标缺陷类型组,生成对应的所述运维作业工单;
运维模块,用于根据所述运维作业工单进行运维作业处理。
通过采用上述技术方案,根据第三获取模块获取故障节点的缺陷类型对应的缺陷属性,以便于根据缺陷属性从预设缺陷文档库中匹配故障节点对应的去缺陷索引,进一步通过匹配模块生成说明故障节点具体缺陷情况的缺陷描述信息,若根据缺陷描述信息判断故障节点之间存在缺陷关联关系,则说明故障节点之间并不是独立产生的而是相互关联的,可通过确定模块根据上述故障节点各自对应的缺陷描述信息确定对应的故障根源节点和故障诱发节点,进而加强了对故障节点的缺陷分析,若根据缺陷描述信息判断故障节点之间不存在缺陷关联关系,则通过划分模块根据缺陷描述信息划分多个故障节点至对应的目标缺陷类型组,随即根据故障根源节点、故障诱发节点或者目标缺陷类型组生成对应的运维作业工单,并通过运维模块根据生成的运维作业工单进行运维作业处理,从而提升了故障节点对应缺陷的处理效率,从而提升了设备缺陷问题的处理效率。
第三方面,本申请提供一种终端设备,采用如下的技术方案:
一种终端设备,包括存储器和处理器,所述存储器中存储有能够在处理器上运行的计算机指令,所述处理器加载并执行计算机指令时,采用了上述的一种运维故障管理方法。
通过采用上述技术方案,通过将上述的一种运维故障管理方法生成计算机指令,并存储于存储器中,以被处理器加载并执行,从而,根据存储器及处理器制作终端设备,方便使用。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机指令,所述计算机指令被处理器加载并执行时,采用了上述的一种运维故障管理方法。
通过采用上述技术方案,通过将上述的一种运维故障管理方法生成计算机指令,并存储于计算机可读存储介质中,以被处理器加载并执行,通过计算机可读存储介质,方便计算机指令的可读及存储。
综上所述,本申请包括以下至少一种有益技术效果:根据故障节点的缺陷类型获取对应的缺陷属性,以便于根据缺陷属性从预设缺陷文档库中匹配故障节点对应的去缺陷索引,进一步生成说明故障节点具体缺陷情况的缺陷描述信息,若根据缺陷描述信息判断故障节点之间存在缺陷关联关系,则说明故障节点之间并不是独立产生的而是相互关联的,可通过上述故障节点各自对应的缺陷描述信息确定对应的故障根源节点和故障诱发节点,进而加强了对故障节点的缺陷分析,若根据缺陷描述信息判断故障节点之间不存在缺陷关联关系,则根据缺陷描述信息划分多个故障节点至对应的目标缺陷类型组,随即根据故障根源节点、故障诱发节点或者目标缺陷类型组生成对应的运维作业工单进行运维作业处理,从而提升了设备缺陷问题的处理效率。
附图说明
图1是本申请一种运维故障管理方法中步骤S101至步骤S110的流程示意图。
图2是本申请一种运维故障管理方法中步骤S201至步骤S204的流程示意图。
图3是本申请一种运维故障管理方法中步骤S301至步骤S304的流程示意图。
图4是本申请一种运维故障管理方法中步骤S401至步骤S404的流程示意图。
图5是本申请一种运维故障管理方法中步骤S501至步骤S506的流程示意图。
图6是本申请一种运维故障管理方法中步骤S601至步骤S605的流程示意图。
图7是本申请一种运维故障管理方法中步骤S701至步骤S704的流程示意图。
图8是本申请一种运维故障管理系统的模块示意图。
附图标记说明:
1、第一获取模块;2、第二获取模块;3、第三获取模块;4、匹配模块;5、判断模块;6、确定模块;7、第一生成模块;8、划分模块;9、第二生成模块;10、运维模块。
具体实施方式
以下结合附图1-8对本申请作进一步详细说明。
为了便于对本方案进行说明,以运维工单管理系统为例展开阐述。
运维工单管理系统主要以IT设备运维工单的管理为主,同时提供对IT设备资产的管理,该系统投入使用后具有以下几点积极作用:①流程规范,职责明确;②提高效率,降低差错率;③便于数据统计,能对工作人员工作量进行统计分析,为工作人员考核提供数据依据;④能够全面、实时的反映出维修工单处理等情况,作为管理者可以时刻掌控整个运维过程和工作人员情况;⑤根据数据统计分析报表,全面掌握运维情况和人员工作情况。
本申请实施例公开一种运维故障管理方法,如图1所示,包括以下步骤:
S101.获取故障节点;
S102.若故障节点为多个,则获取各个故障节点对应的缺陷类型;
S103.若缺陷类型为多个,则获取各个缺陷类型对应的缺陷属性;
S104.根据缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成各个故障点对应的缺陷描述信息;
S105.根据缺陷描述信息判断故障节点之间是否存在缺陷关联关系;
S106.若故障节点之间存在缺陷关联关系,则根据缺陷描述信息确定对应故障节点中的故障根源节点和故障诱发节点;
S107.根据故障根源节点和故障诱发节点,生成对应的运维作业工单;
S108.若故障节点之间不存在缺陷关联关系,则根据缺陷描述信息划分多个故障节点,生成对应的目标缺陷类型组;
S109.根据目标缺陷类型组,生成对应的运维作业工单;
S110.根据运维作业工单进行运维作业处理。
步骤S101中的故障节点是指运维人员在日常检修过程中或者通过系统检测出的设备故障节点。
例如,在安防设备类运维领域,安防设备类主要包括监控摄像头、报警器和门禁等安全防护设备,运维人员在日常巡逻检查过程中发现门禁一直处于开放状态,则可判定该门禁出现了故障,即门禁为故障节点。
在实际运用中,一套功能设备系统中一般包含多个设备,例如,进出安防系统中包括监控摄像头、报警器、人脸识别门禁等一系列安全防护设备,各个安全防护设备有可能同时出现故障。
例如,人脸识别门禁包括人脸识别屏幕和门禁设备,当人脸识别屏幕出现故障门禁也会出现相应的故障,人脸识别门禁系统利用计算机图像处理技术从视频中提取人像特征点,利用生物统计学的原理进行分析建立数学模型,即人脸特征模块,利用已建成的人脸特征模板与被测者的面像进行特征分析,根据分析结果得到一个相似值,通过这个值即可确定是否为同一人,确认即打开门禁放行。
其中,当人脸识别屏幕识别被测者人脸过程中,人脸识别屏幕中的身份认证显示模块经过较长时间才出现人脸识别成功的认证结果,此时可判定人脸识别屏幕的人脸识别功能模块发生故障即人脸识别故障节点,进一步,人脸识别成功后,门禁在打开门闸过程中,门闸的收回动作存在卡顿,此时可判定门禁设备的门闸拉动模块出现了故障即门禁故障节点,经过上述分析可得进出安防系统存在多个故障节点。
又例如,当人脸识别屏幕识别被测者人脸过程中,人脸识别屏幕中的身份认证显示模块经过较长时间才出现人脸识别成功的认证结果,在人脸识别成功后,门禁在打开门闸的过程中并无异常现象,则判定进出安防系统只存在单个故障节点,此时通过运维人员对人脸识别屏幕中的身份认证显示模块进行相关功能调试,得出对应的缺陷问题。
步骤S102至步骤S103中的缺陷类型是指系统设备中功能模块出现的具体缺陷类型,例如,上述人脸识别功能模块缺陷以及门闸拉动模块缺陷,可判定人脸识别功能模块缺陷和门闸拉动模块缺陷对应的缺陷类型为多个,则进一步获取人脸识别功能模块缺陷的缺陷属性为人脸识别算法版本低,门闸拉动模块缺陷对应的缺陷属性为门闸开合不灵敏。
其中,为了对故障节点的缺陷属性进行进一步分析,判断故障节点之间是否存在故障诱发关联关系,故障诱发关联关系是指一个故障节点是否能引发其他关联设备节点产生故障的关系,进而根据故障节点对应的缺陷属性从预设缺陷文档库匹配对应的缺陷索引,预设缺陷文档库是预先设置储存的对设备具体缺陷属性的缺陷描述信息以及设备之间缺陷关联关系的文档数据库,缺陷索引是指根据设备缺陷属性不同进行划分的,通过缺陷索引便于获取缺陷属性对应文档数据库内的缺陷描述信息,缺陷关联关系是指多个设备对应故障节点之间的缺陷存在互相影响的关系。
例如,缺陷属性为人脸识别算法版本低和门闸开合不灵敏,进而的从预设缺陷文档库匹配到,人脸识别算法版本低对应的缺陷索引为人脸识别缺陷索引和门闸开合不灵敏对应的缺陷索引为门闸开合缺陷索引。
进一步,根据人脸识别缺陷索引生成人脸识别屏幕故障节点对应的人脸识别缺陷描述信息,该人脸识别缺陷描述信息记录了人脸识别过程以及相关数据处理过程的原理,此外还记录了若出现人脸识别缺陷就会导致门禁的门闸不能正常打开的缺陷关联标注信息;根据门闸开合缺陷索引生成门禁故障节点对应的门禁开合缺陷描述信息,该门禁开合缺陷描述信息记录了导致门禁开合不灵敏的各种诱发因素;由上述人脸识别屏幕和门禁的缺陷描述信息可得人脸识别屏幕和门禁之间不存在缺陷关联关系。
需要说明的是,若人脸识别屏幕和门禁的缺陷描述信息可得人脸识别屏幕和门禁之间不存在缺陷关联关系,则匹配人脸识别屏幕和门禁各自对应的缺陷处理方案。
又例如,缺陷属性为人脸识别镜头损坏和门闸不能正常打开,进而从预设缺陷文档库匹配到,人脸识别镜头损坏对应的缺陷索引为人脸识别镜头损坏缺陷索引,门闸不能正常打开对应的缺陷索引为门闸不能正常打开缺陷索引。
其中,根据人脸识别镜头损坏缺陷索引生成对应的人脸识别镜头损坏缺陷描述信息,该人脸识别镜头损坏缺陷描述信息中记录了人脸识别镜头损坏会导致人员身份认证结果失败的描述信息以及无法向门禁发送门闸开启指令的缺陷关联标注信息;根据门闸不能正常打开缺陷索引生成对应的门闸不能正常打开的缺陷描述信息,该缺陷描述信息记录了人脸识别镜头损坏会导致门禁不能接收到相关门闸开启指令的描述信息;可判定人脸识别屏幕和门禁故障节点之间存在缺陷关联关系。
进一步,为了确定多个故障节点之间故障引发的从属关联关系,进而根据缺陷描述信息确定对应故障节点中相应的故障根源节点和故障诱发节点,故障根源节点是指引起多个设备发生故障的故障节点,故障诱发节点是指受到故障根源节点影响而产生故障的故障节点。
例如,进出安防系统中出现的故障节点包括人脸识别屏幕故障节点和门禁故障节点,其中,人脸识别屏幕故障节点对应的缺陷属性为人脸识别镜头损坏,门禁故障节点对应的缺陷属性为门闸不能正常打开,进一步,人脸识别镜头损坏缺陷属性对应缺陷描述信息包括人脸识别镜头损坏将无法向门禁门闸发送门闸开启指令,门闸不能正常打开缺陷属性对应缺陷描述信息为人脸识别镜头损坏会导致门禁不能接收到相关门闸开启指令,可判定人脸识别屏幕故障节点和门禁故障节点产生故障的主要原因是因为人脸识别镜头损坏导致的,所说可确定人脸识别屏幕故障节点为故障根源节点,门禁故障节点为故障诱发节点。
需要说明的是,经过上述故障节点的认定,根据人脸识别屏幕故障节点生成人脸识别屏幕-故障根源节点的故障运维项,根据门禁故障节点生成门禁-故障诱发节点的故障运维项,结合人脸识别屏幕-故障根源节点和门禁-故障诱发节点的故障运维项生成对应运维作业工单。
再者,若故障节点之间不存在缺陷关联关系,则根据故障节点对应的缺陷描述信息划分多个故障节点,生成对应的目标缺陷类型组,目标缺陷类型组是指不存在缺陷关联关系的多个故障节点按照各自对应的缺陷描述信息所形成的各类缺陷集合。
例如,进出安防系统中出现的故障节点包括人脸识别屏幕故障节点、人脸识别特征算法模块故障节点和门禁故障节点,人脸识别特征算法模块故障节点是指人脸特征数据处理设备出现了算法故障。
其中,人脸识别屏幕故障节点对应的缺陷描述信息为人脸识别镜头损坏造成人脸识别不成功,人脸识别特征算法模块故障节点对应的缺陷描述信息为人脸特征算法版本过低造成人脸特征识别不准确,门禁故障节点对应的缺陷描述信息为门禁开合灵敏度差。
进一步,由上述可得人脸识别屏幕故障节点、人脸识别特征算法模块故障节点和门禁故障节点之间不存在相应的缺陷关联关系,但是为了便于对上述故障节点的分析,可根据人脸识别屏幕故障节点、人脸识别特征算法模块故障节点的缺陷描述信息可根据两者生成人脸识别缺陷类型组,因为两者都同属于人脸识别功能模块,根据门禁故障节点生成对应的门禁缺陷类型组,若出现门禁开合灵敏度差以外的其他门禁故障可将其归入该门禁缺陷类型组,进而根据上述获取的人脸识别缺陷类型组和门禁缺陷类型组生成对应的运维作业工单。
需要说明的是,运维作业工单生成后,需要现根据工单的内容分配到相应的的工程师小组,再由小组负责人安排工程师进行处理,工程师处理完故障后生成对应的工单回单,工单回单用于记录运维作业工单中故障节点的处理结果,还填写有处理详情过程和结果,并填写处理工程师,若有多个工程师参与需填写所有参与的工程师,便于后期工单的统计和绩效统计。
本是实施例提供的运维故障管理方法,根据故障节点的缺陷类型获取对应的缺陷属性,以便于根据缺陷属性从预设缺陷文档库中匹配故障节点对应的去缺陷索引,进一步生成说明故障节点具体缺陷情况的缺陷描述信息,若根据缺陷描述信息判断故障节点之间存在缺陷关联关系,则说明故障节点之间并不是独立产生的而是相互关联的,可通过上述故障节点各自对应的缺陷描述信息确定对应的故障根源节点和故障诱发节点,进而加强了对故障节点的缺陷分析,若根据缺陷描述信息判断故障节点之间不存在缺陷关联关系,则根据缺陷描述信息划分多个故障节点至对应的目标缺陷类型组,随即根据故障根源节点、故障诱发节点或者目标缺陷类型组生成对应的运维作业工单进行运维作业处理,从而提升了设备缺陷问题的处理效率。
在本实施例的其中一种实施方式中,如图2所示,步骤S106即若故障节点之间存在缺陷关联关系,则根据缺陷描述信息确定对应故障节点中的故障根源节点和故障诱发节点包括以下步骤:
S201.若故障节点之间存在缺陷关联关系,则根据缺陷描述信息生成故障节点对应的节点缺陷关联图;
S202.根据节点缺陷关联图,确定故障节点中对应的故障根源节点;
S203.识别故障根源节点,获取故障根源节点对应的缺陷关联导向;
S204.根据缺陷关联导向,确定故障节点中对应的故障诱发节点。
步骤S201中的节点缺陷关联图是根据故障节点对应缺陷描述信息所形成的关联关系图。
例如,人脸识别屏幕故障节点对应的缺陷索引为人脸识别镜头损坏,根据人脸识别镜头损坏的缺陷索引生成对应的人脸识别镜头损坏缺陷描述信息为:人脸识别镜头损坏会导致人员身份认证结果失败的描述信息以及无法向门禁发送门闸开启指令的缺陷关联标注信息。
门禁故障节点对应的缺陷索引为:门闸不能正常打开,根据门闸不能正常打开的缺陷索引生成对应的门闸不能正常打开的缺陷描述信息为:人脸识别镜头损坏会导致门禁不能接收到相关门闸开启指令的描述信息;可判定人脸识别屏幕和门禁故障节点之间存在缺陷关联关系。
其中,由上述可得人脸识别镜头损坏会导致人员身份认证结果失败,是由于人脸识别系统中的人脸特征算法模块获取不到人脸识别镜头采集的人脸图像,所以无法获取被测人员人脸图像中的人脸特征,人脸特征算法模块故障导致人员身份认证结果失败,即不能向门禁发送开启门闸指令,门禁接收不到开启门闸指令指使门闸不能开启,故人脸特征算法模块与人脸识别屏幕故障节点和门禁之间也存在缺陷关联关系,根据上述缺陷关联关系生成对应的缺陷关联图,其中缺陷关联图是指存在缺陷关联关系的故障节点之间所形成的关联示意图。
例如,人脸识别镜头损坏引发人脸特征算法模块认证失败,人脸特征算法模块认证失败进一步导致不能向门禁发送开启门闸指令,造成门禁的门闸不能开启,所以根据人脸识别屏幕故障节点→人脸特征算法模块故障节点→门禁故障节点形成对应的缺陷关联图。
进一步,通过上述缺陷关联图可判定人脸识别屏幕故障节点为故障根源节点,根据该故障根源节点获取的对应的故障引发导向即即步骤S203至步骤S204中的缺陷关联导向为人脸识别屏幕故障节点→人脸特征算法模块故障节点→门禁故障节点,根据上述缺陷关联导向确定人脸特征算法模块故障节点和门禁故障节点为故障诱发节点。
本实施方式提供的运维故障管理方法,根据故障节点对应的缺陷关联图,以便于确定多个故障节点中的故障根源节点,进一步根据缺陷关联导向可获取故障根源节点引发其他节点故障的故障诱发节点,从而便于确定故障节点中的故障根源节点和故障诱发节点。
在本实施例的其中一种实施方式中,如图3所示,在步骤S204即根据缺陷关联导向,确定故障节点中对应的故障诱发节点之后还包括以下步骤:
S301.若故障诱发节点为多个,则判断故障诱发节点之间是否存在缺陷关联关系;
S302.若故障诱发节点之间存在缺陷关联关系,则根据缺陷关联导向设置故障诱发节点对应的关联缺陷等级;
S303.根据关联缺陷等级,设置故障诱发节点对应的目标优先级;
S304.根据目标优先级,依次输出故障诱发节点对应的缺陷解决方案。
在实际运用中,在故障诱发节点之间存在缺陷关联关系的前提下,为了减少故障诱发节点之间的并发故障以及提升多个故障诱发节点的修复效率,根据缺陷关联关系设置故障诱发节点之间的关联缺陷等级,关联缺陷等级是指故障根源节点所引起的其他故障诱发节点的故障层级。
例如,根据故障根源节点获取的对应的缺陷关联关系为人脸识别屏幕故障节点(故障根源节点)→人脸特征算法模块故障节点(故障诱发节点)→门禁故障节点(故障诱发节点),人脸特征算法模块故障节点为一级关联缺陷等级,门禁故障节点为二级关联缺陷等级。
在实际应用中,当人脸识别屏幕故障节点出现故障时,可通过手机或者其他拍照设备对被测人员进行拍照,进而获取被测人员的人脸图像,进一步被测人员的人脸图像可通过无线或者有线传输发送至人脸特征算法模块进行识别处理,若人脸特征算法模块输出身份认证成功的识别结果,即可向门禁发送开启门闸的控制指令,门闸根据开启门闸的控制指令开启门闸,所以可减少故障诱发节点之间的并发故障以及提升多个故障诱发节点的修复效率。
需要说明的是,以人脸识别屏幕故障节点为例,若当时没有相应的拍照设备或者其他方法获取被测人员的人脸图像传输至人脸特征算法模块,此时人脸特征算法模块也就无法输出相应的身份认证结果,所以为了进一步根据关联缺陷等级规范相应的修复流程,可根据故障诱发节点的关联缺陷等级设置其对应的目标优先级,依次根据目标优先级输出故障诱发节点对应的缺陷解决方案,其中,关联缺陷等级越高对应的目标优先级越高,一级关联缺陷等级高于二级关联缺陷等级,所以一级关联缺陷等级对应的目标优先级也大于二级关联缺陷等级对应的目标优先级,所以优先输出一级关联缺陷等级对应故障诱发节点的缺陷解决方案。
例如,人脸识别屏幕故障节点和人脸特征算法模块故障节点,人脸特征算法模块故障节点为一级关联缺陷等级,对应的目标优先级输出的解决方案为重装更新人脸特征算法系统,人脸识别屏幕故障节点为二级关联缺陷等级,对应的目标优先级输出的解决方案为更换人脸识别屏幕,故优先根据一级关联缺陷等级输出重装更新人脸特征算法系统的缺陷解决方案,然后再输出更换人脸识别屏幕的缺陷解决方案。
本实施方式提供的运维故障管理方法,根据缺陷关联导向设定故障诱发节点对应的关联缺陷等级,以便于根据关联缺陷等级分析故障诱发节点之间出现故障的顺序,进一步根据关联缺陷等级设置故障诱发节点对应的目标优先级,以便于根据目标优先级依次输出故障诱发节点对应的缺陷解决方案,从而减少了故障诱发节点之间的并发故障以及提升多个故障诱发节点的修复效率。
在本实施例的其中一种实施方式中,如图4所示,在步骤S301即若故障诱发节点为多个,则判断故障诱发节点之间是否存在缺陷关联关系之后还包括以下步骤:
S401.若故障诱发节点之间不存在缺陷关联关系,则获取故障诱发节点对应的主要功能模块;
S402.识别主要功能模块,获取对应的应急处置等级;
S403.根据应急处置等级,设置故障诱发节点对应的目标优先级;
S404.根据目标优先级,依次输出故障诱发节点对应的缺陷解决方案。
步骤S401中的主要功能模块是指故障诱发节点中起主要功能的模块,例如,故障诱发节点为门禁故障节点和人脸识别异常报警器故障节点,其中,门禁故障节点对应的主要功能模块为门闸开合控制器,人脸识别异常报警器对应的主要功能模块为拍摄画面识别模块,拍摄画面识别模块的主要功能为当被测人员意图使用照片或者其他人脸画面图像攻击人脸识别系统时就会发出警报。
其中,上述照片或者其他人脸画面图像为经过进出安防系统实名认证过的人脸图像信息,人脸识别异常报警器的设置也是为了防止未经过实名认证的人员通过使用实名认证后的照片或者其他人脸画面图像骗过人脸识别系统。
进一步,根据进出安防系统的默认规定,拍摄画面识别模块比门闸开合控制器对应的应急处置等级高,因此,拍摄画面识别模块对应的目标优先级比门闸开合控制器的目标优先级高,则优先输出拍摄画面识别模块的缺陷解决方案。
本实施方式提供的运维故障管理方法,根据主要功能模块对应的应急处置等级,设置故障诱发节点相应的目标优先级,随即根据目标优先级依次输出故障诱发节点对应的缺陷解决方案,从而便于对应急处置等级高的主要功能模块对应的缺陷进行优先处理,提升了系统中的主要功能模块的安全性。
在本实施例的其中一种实施方式中,如图5所示,步骤S104即根据缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成故障点对应的缺陷描述信息包括以下步骤:
S501.识别缺陷索引,获取对应的缺陷解决方案,缺陷解决方案包括缺陷产生原因和缺陷解决方法;
S502.提取缺陷产生原因中对应的缺陷描述性词语;
S503.选取缺陷描述性词语占对应缺陷产生原因中内容文字最多的缺陷解决方案为预选缺陷解决方案;
S504.若预选缺陷解决方案为多个,则获取预选缺陷解决方案中缺陷解决方法对应的引用次数;
S505.选取缺陷解决方法引用次数最多的预选缺陷解决方案为既定缺陷解决方案;
S506.根据既定缺陷解决方案,生成故障点对应的缺陷描述信息。
在实际运用中,为了提升故障节点对应缺陷的分析效果,则可通过识别故障节点对应的缺陷索引获取故障节点缺陷的解决方案即步骤S501中的缺陷解决方案,其中缺陷解决方案储存于预先设置的缺陷解决方案数据库中,缺陷解决方案数据库中收集了系统各种缺陷的修复解决方案,通过识别故障节点对应缺陷索引可匹配出缺陷解决方案数据库中故障节点对应的缺陷解决方案,缺陷解决方案包括了故障节点出现缺陷的具体原因即步骤S501中的缺陷产生原因,以及故障节点缺陷相应的修复措施即步骤S501中的缺陷解决方法。
例如,通过识别人脸特征算法模块故障节点的缺陷索引,获取人脸特征算法模块故障节点对应的缺陷解决方案,其中,该缺陷解决方案中的缺陷产生原因显示为人脸特征识别算法版本过低,对应缺陷解决方法为更新当前人脸特征识别算法版本至最高或者重装更换人脸特征识别系统。
进一步,为了提升获取故障节点缺陷信息的详尽程度,进而获取缺陷产生原因中对应的缺陷描述性词语,缺陷描述性词语是指缺陷产生原因中描述对应缺陷的主要关键词,例如,缺陷产生原因显示为人脸特征识别算法版本过低,其对应的缺陷描述性词语为版本过低。
又例如,人脸特征算法模块故障节点有两套对应的缺陷产生原因,缺陷产生原因1显示为人脸特征识别算法版本过低,其对应缺陷描述性词语为版本过低,缺陷产生原因2显示为人脸特征识别算法版本过低,当前使用版本为1.0版本,最新更新版本为3.0版本,其对应缺陷描述性词语为版本过低,当前版本为1.0,最新更新版本为3.0,由上述可得,缺陷产生原因2对应的缺陷描述性词语占其缺陷产生原因的内容最多,则选取缺陷产生原因2为预选缺陷解决方案。
再例如,人脸特征算法模块故障节点只有一套对应的缺陷产生原因,则直接选取该缺陷产生原因为预选缺陷解决方案。
再者,为了进一步提升故障节点的修复成功率,选取故障节点对应缺陷解决方法引用次数最多的预选缺陷解决方案为既定缺陷解决方案。
例如,经过上述筛选,得出两套预选缺陷解决方案,预选缺陷解决方案1对应的缺陷解决方法为更新当前人脸特征识别算法版本,预选缺陷解决方案2对应的缺陷解决方法为重装更换人脸特征识别系统,其中,预选缺陷解决方案1和预选缺陷解决方案2对应缺陷解决方法中显示有被引用的次数,预选缺陷解决方案1对应缺陷解决方法的引用次数为10次,预选缺陷解决方案2对应缺陷解决方法的引用次数为100次,进而选取预选缺陷解决方案2为为既定缺陷解决方案,进一步生成人脸特征算法模块故障节点对应的缺陷描述信息。
又例如,若只得出一套预选缺陷解决方案,则直接选取该预选缺陷解决方案为既定缺陷解决方案。
本实施方式提供的运维故障管理方法,选取缺陷描述性词语占对应缺陷产生原因内容最多缺陷解决方案为预选缺陷解决方案,便于对缺陷产生原因中与故障节点无关的内容信息进行筛除,提升了获取故障节点对应关键性描述的效率,以及选取缺陷解决方法引用次数最多的预选缺陷解决方案为既定缺陷解决方案,提升了故障节点修复的成功率。
在本实施例的其中一种实施方式中,如图6所示,在步骤S506即根据既定缺陷解决方案,生成故障点对应的缺陷描述信息之后还包括以下步骤:
S601.根据既定缺陷解决方案,获取对应的缺陷解决方法;
S602.识别缺陷解决方法,获取对应的技术性词汇;
S603.判断技术性词汇是否为缩写形式;
S604.若技术性词汇为缩写形式,则匹配技术性词汇对应的技术词汇解析;
S605.根据技术词汇解析,生成技术性词汇的关联解读项。
在实际运用中,故障节点对应的缺陷解决方法的内容中一般会存在一些缺陷对应的技术性词汇,若该技术性词汇以缩写的形式存在,不便于非本技术领域人员的解读。
例如,人脸特征算法模块对应的缺陷为网络信号差出现网络错误,其对应的缺陷解决方法中含有网络错误的技术性词汇,该缺陷解决方法对应内容中将网络错误技术性词汇显示为TW即网络错误的缩写形式。
需要说明的是,为了便于对缺陷解决方法中相关技术性词汇进行解读,则进一步匹配技术性词汇缩写形式对应的技术词汇解析,该技术词汇解析可通过网络文库获取,例如,TW对应的技术词汇解析为:TW为Trouble The Web的缩写,中文表示为网络故障,同时生成该技术性词汇对应的关联解读项,该关联解读项中储存有技术性词汇对应的技术词汇解析,阅读者可通过鼠标划过关联解读项或者点击关联解读项对应网络链接的方式,来获取相应的技术词汇解析。
又例如,若技术性词汇不是以缩写形式存在,则系统进一步检查缺陷解决方法的内容中是否存在技术性词汇使用错误或者技术性词汇相应的冗余信息,若存在则对上述错误冗余信息进行更正去除。
本实施方式提供的运维故障管理方法,设置技术性词汇缩写形式对应的技术词汇解析,并生成相应的关联解读项,从而便于对缺陷描述信息进行解读分析。
在本实施例的其中一种实施方式中,如图7所示,步骤S110即根据运维作业工单进行运维作业处理包括以下步骤:
S701.根据运维作业工单,获取对应的故障节点;
S702.识别故障节点,获取故障节点对应的历史运维人员;
S703.若历史运维人员为多个,则获取故障节点对应修复成功率最高的历史运维人员为目标运维人员;
S704.目标运维人员根据运维作业工单进行运维作业处理。
在实际运用中,为了提升故障节点修复的成功率,则优先获取对故障节点有修复处理经验的运维人员即步骤S702中的历史运维人员。
需要说明的是,系统识别故障节点后,会返回该故障节点对应的历史运维人员名单,该历史运维人员名单中显示有运维人员的姓名、专业、资历和该故障节点修复的成功率。
例如,系统识别人脸识别屏幕的故障节点后,返回人脸识别屏幕对应的历史运维人员名单,该历史运维人员名单中显示A运维人员对应历史人脸识别屏幕修复的成功率为95%,B运维人员对应历史人脸识别屏幕修复的成功率为98%,则选取B运维人员为目标运维人员。
进一步,系统发送人脸识别屏幕故障节点的运维作业工单给B运维人员,B运维人员根据该运维作业工单中人脸识别屏幕故障节点的具体信息对人脸识别屏幕进行运维作业处理工作。
又例如,若历史运维人员为单个,则系统直接获取该历史运维人员为目标运维人员。
本实施方式提供的运维故障管理方法,选取故障节点对应有经验且修复成功率最高的历史运维人员为目标运维人员,从而提升了故障节点的修复效率。
本申请实施例还公开一种运维工单管理系统,如图8所示,包括:
第一获取模块1,用于获取故障节点;
第二获取模块2,若故障节点为多个,第二获取模块2则用于获取各个故障节点对应的缺陷类型;
第三获取模块3,若缺陷类型为多个,第三获取模块3则用于获取各个缺陷类型对应的缺陷属性;
匹配模块4,用于根据缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成各个故障点对应的缺陷描述信息;
判断模块5,用于根据缺陷描述信息判断故障节点之间是否存在缺陷关联关系;
确定模块6,若故障节点之间存在缺陷关联关系,确定模块6则根据缺陷描述信息确定对应故障节点中的故障根源节点和故障诱发节点;
第一生成模块7,用于根据故障根源节点和故障诱发节点,生成对应的运维作业工单;
划分模块8,若故障节点之间不存在缺陷关联关系,划分模块8则用于根据缺陷描述信息划分多个故障节点,生成对应的目标缺陷类型组;
第二生成模块9,用于根据目标缺陷类型组,生成对应的运维作业工单;
运维模块10,用于根据运维作业工单进行运维作业处理。
本实施例提供的运维工单管理系统,根据第三获取模块3获取故障节点的缺陷类型对应的缺陷属性,以便于根据缺陷属性从预设缺陷文档库中匹配故障节点对应的去缺陷索引,进一步通过匹配模块4生成说明故障节点具体缺陷情况的缺陷描述信息,若根据缺陷描述信息判断故障节点之间存在缺陷关联关系,则说明故障节点之间并不是独立产生的而是相互关联的,可通过确定模块6根据上述故障节点各自对应的缺陷描述信息确定对应的故障根源节点和故障诱发节点,进而加强了对故障节点的缺陷分析,若根据缺陷描述信息判断故障节点之间不存在缺陷关联关系,则通过划分模块8根据缺陷描述信息划分多个故障节点至对应的目标缺陷类型组,随即根据故障根源节点、故障诱发节点或者目标缺陷类型组生成对应的运维作业工单,并通过运维模块10根据生成的运维作业工单进行运维作业处理,从而提升了故障节点对应缺陷的处理效率,从而提升了设备缺陷问题的处理效率。
需要说明的是,本申请实施例所提供的运维工单管理系统,还包括与上述任一运维工单管理方法的逻辑功能或逻辑步骤所对应的各个模块和/或对应的子模块,实现与各个逻辑功能或者逻辑步骤相同的效果,具体在此不再累述。
本申请实施例还公开一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机指令,其中,处理器执行计算机指令时,采用了上述实施例中的任意一种运维工单管理方法。
其中,终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备,并且,终端设备包括但不限于处理器以及存储器,例如,终端设备还可以包括输入输出设备、网络接入设备以及总线等。
其中,处理器可以采用中央处理单元(CPU),当然,根据实际的使用情况,也可以采用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以采用微处理器或者任何常规的处理器等,本申请对此不做限制。
其中,存储器可以为终端设备的内部存储单元,例如,终端设备的硬盘或者内存,也可以为终端设备的外部存储设备,例如,终端设备上配备的插接式硬盘、智能存储卡(SMC)、安全数字卡(SD)或者闪存卡(FC)等,并且,存储器还可以为终端设备的内部存储单元与外部存储设备的组合,存储器用于存储计算机指令以及终端设备所需的其他指令和数据,存储器还可以用于暂时地存储已经输出或者将要输出的数据,本申请对此不做限制。
其中,通过本终端设备,将上述实施例中的任意一种运维工单管理方法存储于终端设备的存储器中,并且,被加载并执行于终端设备的处理器上,方便使用。
本申请实施例还公开一种计算机可读存储介质,并且,计算机可读存储介质存储有计算机指令,其中,计算机指令被处理器执行时,采用了上述实施例中的任意一种运维工单管理方法。
其中,计算机指令可以存储于计算机可读介质中,计算机指令包括计算机指令代码,计算机指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等,计算机可读介质包括能够携带计算机指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等,需要说明的是,计算机可读介质包括但不限于上述元器件。
其中,通过本计算机可读存储介质,将上述实施例中的任意一种运维工单管理方法存储于计算机可读存储介质中,并且,被加载并执行于处理器上,以方便上述方法的存储及应用。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种运维故障管理方法,其特征在于,包括以下步骤:
获取故障节点;
若所述故障节点为多个,则获取各个所述故障节点对应的缺陷类型;
若所述缺陷类型为多个,则获取各个所述缺陷类型对应的缺陷属性;
根据所述缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成各个所述故障点对应的缺陷描述信息;
根据所述缺陷描述信息判断所述故障节点之间是否存在缺陷关联关系;
若所述故障节点之间存在缺陷关联关系,则根据所述缺陷描述信息确定对应所述故障节点中的故障根源节点和故障诱发节点;
根据所述故障根源节点和故障诱发节点,生成对应的运维作业工单;
若所述故障节点之间不存在缺陷关联关系,则根据所述缺陷描述信息划分多个所述故障节点,生成对应的目标缺陷类型组;
根据所述目标缺陷类型组,生成对应的所述运维作业工单;
根据所述运维作业工单进行运维作业处理。
2.根据权利要求1所述的一种运维故障管理方法,其特征在于,所述若所述故障节点之间存在缺陷关联关系,则根据所述缺陷描述信息确定对应所述故障节点中的故障根源节点和故障诱发节点包括以下步骤:
若所述故障节点之间存在缺陷关联关系,则根据所述缺陷描述信息生成所述故障节点对应的节点缺陷关联图;
根据所述节点缺陷关联图,确定所述故障节点中对应的所述故障根源节点;
识别所述故障根源节点,获取所述故障根源节点对应的缺陷关联导向;
根据所述缺陷关联导向,确定所述故障节点中对应的所述故障诱发节点。
3.根据权利要求2所述的一种运维故障管理方法,其特征在于,在所述根据所述缺陷关联导向,确定所述故障节点中对应的所述故障诱发节点之后还包括以下步骤:
若所述故障诱发节点为多个,则判断所述故障诱发节点之间是否存在所述缺陷关联关系;
若所述故障诱发节点之间存在所述缺陷关联关系,则根据所述缺陷关联导向设置所述故障诱发节点对应的关联缺陷等级;
根据所述关联缺陷等级,设置所述故障诱发节点对应的目标优先级;
根据所述目标优先级,依次输出所述故障诱发节点对应的缺陷解决方案。
4.根据权利要求3所述的一种运维故障管理方法,其特征在于,在所述若所述故障诱发节点为多个,则判断所述故障诱发节点之间是否存在所述缺陷关联关系之后还包括以下步骤:
若所述故障诱发节点之间不存在所述缺陷关联关系,则获取所述故障诱发节点对应的主要功能模块;
识别所述主要功能模块,获取对应的应急处置等级;
根据所述应急处置等级,设置所述故障诱发节点对应的目标优先级;
根据所述目标优先级,依次输出所述故障诱发节点对应的缺陷解决方案。
5.根据权利要求1所述的一种运维故障管理方法,其特征在于,所述所述根据所述缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成所述故障点对应的缺陷描述信息包括以下步骤:
识别所述缺陷索引,获取对应的所述缺陷解决方案,所述缺陷解决方案包括缺陷产生原因和缺陷解决方法;
提取所述缺陷产生原因中对应的缺陷描述性词语;
选取所述缺陷描述性词语占对应所述缺陷产生原因中内容文字最多的所述缺陷解决方案为预选缺陷解决方案;
若所述预选缺陷解决方案为多个,则获取所述预选缺陷解决方案中所述缺陷解决方法对应的引用次数;
选取所述缺陷解决方法引用次数最多的所述预选缺陷解决方案为既定缺陷解决方案;
根据所述既定缺陷解决方案,生成所述故障点对应的所述缺陷描述信息。
6.根据权利要求5所述的一种运维故障管理方法,其特征在于,所述根据所述既定缺陷解决方案,生成所述故障点对应的所述缺陷描述信息包括以下步骤:
根据所述既定缺陷解决方案,获取对应的所述缺陷解决方法;
识别所述缺陷解决方法,获取对应的技术性词汇;
判断所述技术性词汇是否为缩写形式;
若所述技术性词汇为缩写形式,则匹配所述技术性词汇对应的技术词汇解析;
根据所述技术词汇解析,生成所述技术性词汇的关联解读项。
7.根据权利要求1所述的一种运维故障管理方法,其特征在于,所述根据所述运维作业工单进行运维作业处理包括以下步骤:
根据所述运维作业工单,获取对应的所述故障节点;
识别所述故障节点,获取所述故障节点对应的历史运维人员;
若所述历史运维人员为多个,则获取所述故障节点对应修复成功率最高的所述历史运维人员为目标运维人员;
所述目标运维人员根据所述运维作业工单进行运维作业处理。
8.一种运维工单管理系统,其特征在于,包括:
第一获取模块(1),用于获取故障节点;
第二获取模块(2),若所述故障节点为多个,所述第二获取模块(2)则用于获取各个所述故障节点对应的缺陷类型;
第三获取模块(3),若所述缺陷类型为多个,所述第三获取模块(3)则用于获取各个所述缺陷类型对应的缺陷属性;
匹配模块(4),用于根据所述缺陷属性从预设缺陷文档库匹配对应的缺陷索引,生成各个所述故障点对应的缺陷描述信息;
判断模块(5),用于根据所述缺陷描述信息判断所述故障节点之间是否存在缺陷关联关系;
确定模块(6),若所述故障节点之间存在缺陷关联关系,所述确定模块(6)则根据所述缺陷描述信息确定对应所述故障节点中的故障根源节点和故障诱发节点;
第一生成模块(7),用于根据所述故障根源节点和故障诱发节点,生成对应的运维作业工单;
划分模块(8),若所述故障节点之间不存在缺陷关联关系,所述划分模块(8)则用于根据所述缺陷描述信息划分多个所述故障节点,生成对应的目标缺陷类型组;
第二生成模块(9),用于根据所述目标缺陷类型组,生成对应的所述运维作业工单;
运维模块(10),用于根据所述运维作业工单进行运维作业处理。
9.一种终端设备,包括存储器和处理器,其特征在于,所述存储器中存储有能够在所述处理器上运行的计算机指令,所述处理器加载并执行所述计算机指令时,采用了如权利要求1至7中任一项所述的运维故障管理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机指令,其特征在于,所述计算机指令被处理器加载并执行时,采用了如权利要求1至7中任一项所述的运维故障管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310549415.3A CN116596510A (zh) | 2023-05-15 | 2023-05-15 | 一种运维故障管理方法、系统、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310549415.3A CN116596510A (zh) | 2023-05-15 | 2023-05-15 | 一种运维故障管理方法、系统、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116596510A true CN116596510A (zh) | 2023-08-15 |
Family
ID=87595005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310549415.3A Pending CN116596510A (zh) | 2023-05-15 | 2023-05-15 | 一种运维故障管理方法、系统、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596510A (zh) |
-
2023
- 2023-05-15 CN CN202310549415.3A patent/CN116596510A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8751417B2 (en) | Trouble pattern creating program and trouble pattern creating apparatus | |
CN111736875A (zh) | 版本更新监控方法、装置、设备及计算机存储介质 | |
US20230267715A1 (en) | Algorithm evaluation system and test method for performance test of person and certificate verification device | |
CN110088744B (zh) | 一种数据库维护方法及其系统 | |
US11777982B1 (en) | Multidimensional security situation real-time representation method and system and applicable to network security | |
CN112532455B (zh) | 一种异常根因定位方法及装置 | |
CN111798162A (zh) | 基于神经网络的风险监测方法及装置 | |
CN111752833A (zh) | 一种软件质量体系准出方法、装置、服务器及存储介质 | |
KR102150622B1 (ko) | 지능형 장비 이상 증상 사전 탐지 시스템 및 방법 | |
KR20200142896A (ko) | 디지털 설비의 고장 유형 분석 시스템 및 방법 | |
CN112711757B (zh) | 一种基于大数据平台的数据安全集中管控方法及系统 | |
CN113312258A (zh) | 一种接口测试方法、装置、设备及存储介质 | |
CN117114412A (zh) | 一种用于危险化学品生产企业的安全预控方法及装置 | |
CN109889258B (zh) | 一种光网络故障校验方法和设备 | |
CN112365269A (zh) | 风险检测方法、装置、设备以及存储介质 | |
CN116596510A (zh) | 一种运维故障管理方法、系统、终端设备及存储介质 | |
CN113723071B (zh) | 电子档案校验方法、系统、存储介质及设备 | |
CN115185792A (zh) | 故障硬件处理方法、装置和系统 | |
CN111813872B (zh) | 一种故障排查模型的生成方法、装置、设备 | |
CN114416417A (zh) | 系统异常监测方法、装置、设备及存储介质 | |
CN114155578A (zh) | 人像聚类方法、装置、电子设备和存储介质 | |
CN114091699A (zh) | 一种电力通信设备故障诊断方法及系统 | |
KR102217092B1 (ko) | 애플리케이션의 품질 정보 제공 방법 및 장치 | |
CN112788356A (zh) | 一种直播审核的方法、装置、服务器和存储介质 | |
CN112612882B (zh) | 检阅报告生成方法、装置、设备和存储介质 |
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 |