轨道交通XR数字化运维原理货真价实「北京和远科技」

数字化运维功能

1.设备运行监测：实时监测设备生产运行状态数据，查看历史曲线，调取监控视频，获取设备工程信息与随机资料，综合分析设备运行状态和运行参数趋势，确保设备安全运行；

2.风险管控：在三维场景清晰直观地查看火灾、人员损伤等危险源的空间分布，查询危险源属性、产生风险的性质和级别，便捷地对危险源进行管理，制订风险区域巡检规划及视频等监控部署；

数字化运维-数据增强

数据汇聚：首先我们需要把摄入的数据能够汇集到统一的位置，保证能够通过统一的方式能够在需要时访问到。这个过程中的一个重要方法是通过建立运维数据命名空间的标签体系，能够对集成的数据进行标注。另外数据平台提供了单元化的数据存取模块，实现了对底层集成的静态历史数据和动态实时流式数据多模存储复杂性的隔离，为后续的数据处理单元扫清障碍。

数据过滤：大部分的 AI 算法及数据仓库的构建都要求对输入的数据进行过滤。如数据仓库的 ETL 过程中的数据清洗、转换，AI 场景下特征工程中的大部分的工作都涉及到数据过滤的内容。数据过滤可以在数据汇聚之前进行，也可以在数据汇聚之后进行，甚至在数据汇聚的过程同时进行过滤操作。但是一般来说，在完成数据汇聚之后执行数据过滤操作往往更有意义。

数字化运维面临的问题

由于运维对象、运维工具、运维需求的变化，导致金融机构有少则几套监控工具，多则数十套监控工具，而这些监控工具通常是在不同时期建设的，所以他们之间往往数据没有打通，技术栈也有较大的区别，形成了一座座运维数据的孤岛。

运维人员日常需要在众多的监控工具之间切换来切换去，导致故障的发现困难，故障的定位耗时耗力，故障的解决重复劳动，无法形成有效的知识积累。并且以前基于固定阈值的告警规则无法满足海量监控指标的设置和管理，需要将人工智能技术与运维工作结合到一起。随着智能运维（AIOps）的发展，机器学习的算法、模型等对运维数据的规范化提出了更高的要求。