数据中心基础设施运维核心指标变化预测方法的研究

随着数据中心行业在全球的快速发展,我国数据中心的发展建设也处于高速发展时期。目前大部分数据中心基础设施的维护方案基本由人工使用仪表进行测量和记录,然后再将数据绘制成趋势图,由专业的运维团队对数据和趋势图进行分析,从而制定维护方案。此方法无法进行实时监控和精确分析基础设施设备的运行情况,影响基础设施设备全生命周期管理的时效性。为解决上述这一问题,设计一个数据中心预测性维护系统,通过算法预测设备的剩余寿命,以补充数据中心设施设备全生命周期管理的不足、降低数据中心设备管理成本、降低维护风险,为现代数据中心基础设施的高效运维提供有力的技术保障。

朔黄铁路基础设施运维智能决策技术研发及应用

为探讨朔黄铁路基础设施运维的智能决策关键技术,解决朔黄铁路基础设施运维中指标管理混乱、口径不一、数据孤立且难以共享等问题,构建基于指标全生命周期管控的智能决策体系架构,研发智能决策算法与可视化组件,实现对朔黄铁路指标的全生命周期管理和决策大屏的定制化开发。创新性提出“千人千面”的指标多维动态可视化管理技术,建立统一的指标管理中心,实现对指标从接入、计算到展示的统一管理,设计研发组件化大屏,攻克指标建设、分析、展示、共享的全生命周期管理瓶颈。依据人工智能和不确定性理论,构建Apriori预测预警模型,对企业运行情况进行全时段、全方位、全空间的监测,及时对异常指标项进行预警、挖掘、分析和动态展示,提供跨专业的智能决策支持服务。

基于AHP的数据中心基础设施运维管理风险评价

区块链、人工智能等技术的快速发展使数据中心朝着集中化、大规模化的趋势发展,数据中心基础设施的运维管理是保障数据中心关键设备正常运行的重要基础。本文以某数据中心为例,运用AHP(层次分析)法构建该数据中心基础设施运维管理业务的风险评价模型,并借助Yaahp软件计算评价模型各风险因素的权重值,得到运维管理的风险评价结果。

双碳背景下城市轨道交通基础设施运维管理平台建设

城轨具有速度快、运量大和绿色环保等优点,目前已成为缓解城市交通拥堵的主要工具。文章以国家“碳达峰”与“碳中和”战略为背景,以城轨绿色低碳发展为目标,针对城轨基础设施运维管理的能耗问题,从数据电子化资产管理、检测结果精准分析与智能决策、检修资源智能化调度3个方面设计并开发城市轨道交通基础设施运维管理平台,并在某地铁线路实现落地应用,证明该平台可有效助力运维管理节能降耗,助推国家双碳战略的深入贯彻与实施。

城市轨道交通基础设施运维数据治理方法研究与实践

根据城市轨道交通目前在基础设施运维数据治理方面的不足,结合数据治理理论方法,在明确数据治理目标和对象的基础上,提出包含数据标准制定、数据架构搭建、存量数据改造、运维数据管理的数据治理流程与方法,并在某地铁运营公司土建线路部开展实践应用,提高数据应用的便捷度与数据分析的准确度,提升现场数据管理水平,为城市轨道交通基础设施智能运维在数据治理与标准化方面提供新的思路。

铁路数据中心基础设施运维管理应用实践

通过对铁路数据基础设施运维管理现状的阐述,结合国内铁路运营管理的实际情况,提出符合国情和行情的铁路数据中心基础设施运维管理(DataCenterIntrastructure Operation Management, DCIOM)系统整体架构。多技术的融合共同构建DCIOM,并在铁路领域试点应用,探索铁路数据中心基础设施运维管理的最佳路径。最后对铁路行业DCIOM发展进行展望,DCIOM、智能化运维平台、智能运维机器人即将成为铁路行业IT基础设施运维的研究和投资热点。

车联网基础设施系统级测试运维体系研究

我国积极推进车联网产业发展,国家级车联网先导区、智能网联汽车测试示范区、“双智”试点城市等积极部署车联网基础设施,目前在众多地区车联网基础设施的建设和服务过程中,仍然存在路侧信息准确性不够、可靠性不足等问题,尚未建立广泛适用的测试评价方法和建设运维体系。总结分析了当前车联网基础设施建设运营普遍存在的问题,尝试提出系统级测试评估体系,旨在推动车联网基础设施高质量建设和持续性运行服务。

数据中心基础设施智能运维平台的应用实践

随着云计算、大数据等业务的迅猛发展,超大规模数据中心陆续建成投产,基础设施系统的安全运维管理受到更大重视。本文分析目前基础设施运维中存在的主要问题,介绍了通过建设基础设施运维管理平台,实现安全、高效运维的实践方法以及从传统运维向智能运维转型的经验。

网络基础设施中重要网元子图的确定

网元子图是指大规模网络基础设施中包含承载具体业务网元的拓扑子图,网元子图可用于网络基础设施运维中的故障排查、诊断与修复.首先定义重要网元的概念;其次,为确定重要网元子图,提出一个统一框架来度量网元在结构和业务两方面的影响力,将其作为重要网元的衡量标准,并设计了从重要网元扩展生成重要网元子图的高效算法.基于真实的网络基础设施数据以及合成的业务承载数据进行实验,实验结果验证了该方法可以高效地找到高质量的重要网元子图,并用于网络基础设施的运维,提高运维的效率,节省运维的成本.