基于混合核函數(shù)支持向量機(jī)的智能運(yùn)維管理研究

彭建新, 萬騰輝, 趙 熙

(1.廣東警官學(xué)院網(wǎng)絡(luò)信息中心， 廣東廣州 510230； 2.廣東省公安廳科技信息化處， 廣東廣州 510050；3.廣州越維信息科技有限公司， 廣東廣州 510660)

0 引言

如今，將物聯(lián)網(wǎng)、智能機(jī)器人、大數(shù)據(jù)、云計(jì)算、移動(dòng)互聯(lián)網(wǎng)、智能專家系統(tǒng)等先進(jìn)技術(shù)應(yīng)用到機(jī)房運(yùn)維中已經(jīng)是大勢所趨。IT信息系統(tǒng)的日漸復(fù)雜，也使得業(yè)務(wù)對(duì)信息系統(tǒng)產(chǎn)生高度依賴，這也就對(duì)系統(tǒng)的穩(wěn)定性和可靠性提出了更高的要求，使相對(duì)應(yīng)的運(yùn)維管理多年處于手工維護(hù)和被動(dòng)的狀態(tài)[1]。

近些年來，不同類別的應(yīng)用系統(tǒng)的推廣規(guī)模和建設(shè)速度顯得非常迅猛，因此系統(tǒng)維護(hù)所需人員亦隨之增多，技術(shù)水平的要求也逐漸提高，并對(duì)技術(shù)人員的綜合素質(zhì)也達(dá)到了另一個(gè)更高的層次，但一個(gè)人無法同時(shí)具備各類專業(yè)技能，需要構(gòu)建一套基于智能機(jī)器人的智能專家系統(tǒng)，為管理人員和技術(shù)人員提供故障的預(yù)測、故障輔助解決的計(jì)算機(jī)分類系統(tǒng)(通過智能知識(shí)庫和智能專家系統(tǒng)實(shí)現(xiàn)故障自助處理和專家引導(dǎo)處理)、專家咨詢等服務(wù)[2]。實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測、故障的提前預(yù)警和故障預(yù)判、智能專家服務(wù)、科學(xué)的設(shè)備和服務(wù)評(píng)價(jià)管理等，幫助用戶有效延長設(shè)備的使用周期，降低設(shè)備的故障率，加快故障處理速度，提升IT運(yùn)維服務(wù)水平和設(shè)備使用人員對(duì)運(yùn)維服務(wù)的滿意度。

1 技術(shù)介紹

圍繞知識(shí)在信息化設(shè)備全生命周期中的收集、運(yùn)用和管理展開，以全面的設(shè)備和服務(wù)評(píng)價(jià)管理為驅(qū)動(dòng)，在信息化設(shè)備維保過程中單位用戶、設(shè)備廠商、運(yùn)維服務(wù)、個(gè)人專家四方互聯(lián)、協(xié)同工作，通過機(jī)器自動(dòng)分類算法加人類專家在線服務(wù)技術(shù)，需要建立逐步覆蓋所有信息化設(shè)備，能持續(xù)完善、能快速查找使用的智能化的運(yùn)維系統(tǒng)[3]。

具體來說，針對(duì)所研究的問題擬采用如下的技術(shù)路線和研究方法。

(1)知識(shí)的收集、運(yùn)用和管理

按照普適的概念，知識(shí)的收集是通過前期錄入，在被動(dòng)解決某事件或問題的后所總結(jié)出的針對(duì)該類情況的解決方案，以及運(yùn)維人員在日常工作中根據(jù)個(gè)人知識(shí)積累主動(dòng)總結(jié)的運(yùn)維經(jīng)驗(yàn),這可以通過數(shù)據(jù)清洗和提取特征自來模擬。

通過信息化設(shè)備全生命周期管理，研究基于邏輯樹知識(shí)庫模型,使用物聯(lián)網(wǎng)IOT技術(shù)構(gòu)建統(tǒng)一的信息化設(shè)備的接入應(yīng)用，建立運(yùn)維共贏生態(tài)圈管理模式收集、運(yùn)用管理知識(shí)，使用大數(shù)據(jù)分析化被動(dòng)為主動(dòng)，能夠主動(dòng)為用戶提供信息設(shè)備運(yùn)維風(fēng)險(xiǎn)和故障自動(dòng)識(shí)別、預(yù)測[4]。

(2)評(píng)價(jià)系統(tǒng)模型采用AHP(層次分析)模型

層次分析法(Analytic Hierarchy Process，簡稱AHP)是將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性和定量分析的決策方法。

(3)人工智能技術(shù)

人工智能技術(shù)的研究包括語言識(shí)別、圖像識(shí)別、自然語言處理、模式分類和專家系統(tǒng)等，涉及到以計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科為主的幾乎自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科。人工智能技術(shù)試圖了解智能的實(shí)質(zhì)，實(shí)現(xiàn)對(duì)人類的意識(shí)及思維過程的模擬，對(duì)機(jī)器人的學(xué)習(xí)、推理、思考、規(guī)劃和分類等智能行為和能力進(jìn)行傳授，力圖使機(jī)器人在更高層次的應(yīng)用方面獲得成功，勝任一些通常需要人類智能才能完成的復(fù)雜工作。

(4)PC后臺(tái)管理加移動(dòng)APP前端應(yīng)用方式的技術(shù)路線

PC后臺(tái)管理采用J2ee框架開發(fā)。移動(dòng)APP框架包含了HTML5、HTML5 PLUS和MUI移動(dòng)框架。HTML5具有多設(shè)備跨平臺(tái)，通過封裝技術(shù)可將它封裝成android平臺(tái)和蘋果平臺(tái)，兩種不同手機(jī)平臺(tái)的應(yīng)用，具有自適應(yīng)網(wǎng)頁設(shè)計(jì)能力。HTML5 PLUS是HTML5在調(diào)用手機(jī)硬件方面的拓展，它擴(kuò)展了JavaScript對(duì)象plus，使得JS可以調(diào)用各種瀏覽器無法實(shí)現(xiàn)或?qū)崿F(xiàn)不佳的系統(tǒng)能力，設(shè)備能力如攝像頭、文件系統(tǒng)等，業(yè)務(wù)能力如二維碼、地圖、支付、語音輸入等。MUI(Mobile User Interface)是一個(gè)輕量級(jí)的HTML、CSS和JS框架，它以IOS為基礎(chǔ)，補(bǔ)充Android平臺(tái)特有的控件使得UI上更符合APP的體驗(yàn)，即搭建一個(gè)框架便于開發(fā)更高性能的APP，這也成為當(dāng)前最為接近原生APP的框架。

以上的技術(shù)都為數(shù)據(jù)機(jī)器自動(dòng)收集、清洗、模式匹配和構(gòu)建云端智能分類響應(yīng)系提供了基礎(chǔ)。

2 運(yùn)維需求分析之特征值與Fisher score 評(píng)價(jià)

(1)資產(chǎn)管理問題

隨著信息化程度的逐漸加深，信息化設(shè)備對(duì)用戶的影響將持續(xù)加大，如何做好已有投資建設(shè)設(shè)備的管理是擺在管理者面前的問題。需要在管理工作中使用更先進(jìn)智能的管理系統(tǒng)進(jìn)行輔助管理，實(shí)現(xiàn)申請(qǐng)維保預(yù)算的依據(jù)、申請(qǐng)報(bào)廢的依據(jù)、故障預(yù)判模型、設(shè)備全生命周期使用成本的管理、設(shè)備及其知識(shí)庫使用和維護(hù)評(píng)價(jià)、新設(shè)備采購依據(jù)的有效管理，實(shí)現(xiàn)信息化投資的最大化利用。

(2)信息化基礎(chǔ)設(shè)備數(shù)據(jù)統(tǒng)一采集，解決信息孤島問題

當(dāng)前大多用戶現(xiàn)有的信息設(shè)備工況數(shù)據(jù)采集由各個(gè)系統(tǒng)獨(dú)立采集,暫未有統(tǒng)一的信息設(shè)備數(shù)據(jù)采集云系統(tǒng)為各系統(tǒng)提供業(yè)務(wù)及管理數(shù)據(jù)支撐，不能做到可預(yù)測性維護(hù)。通過提供完全開放的物聯(lián)網(wǎng)私有云接入模式，統(tǒng)一接入?yún)f(xié)議和對(duì)所有設(shè)備的采集器開放的接口，兼容采集現(xiàn)有所有的信息化設(shè)備數(shù)據(jù)上傳，實(shí)現(xiàn)現(xiàn)有投資最大化的保值和利用。為智能監(jiān)測平臺(tái)提供更好的信號(hào)接口。

(3)信息化高端設(shè)備，特定設(shè)備、專用設(shè)備維保難，高端技術(shù)人才匱乏

日益專業(yè)化、大型化、復(fù)雜化和自動(dòng)化的設(shè)備在日常的生產(chǎn)的作用和影響逐漸擴(kuò)大，這也就使得生產(chǎn)過程的依賴程度越來越高。設(shè)備的維護(hù)需要相應(yīng)的專業(yè)技術(shù)人員。隨著信息化技術(shù)的不斷發(fā)展和設(shè)備迭代帶來的日益復(fù)雜化和智能化，信息化人員技術(shù)和管理人員也同樣存在知識(shí)更新問題。內(nèi)部人員變動(dòng)、維保人員變動(dòng)導(dǎo)致的技術(shù)交接、培訓(xùn)、安全保障工作更為困難。

(4)現(xiàn)有評(píng)價(jià)體系薄弱，無法對(duì)信息化設(shè)備及服務(wù)提供科學(xué)的評(píng)價(jià)

經(jīng)過多年的運(yùn)維服務(wù)外包和管理，收集了一些信息化設(shè)備的維護(hù)和使用數(shù)據(jù)，已建立了針對(duì)運(yùn)維服務(wù)工作和服務(wù)人員的考評(píng)體系，但是缺乏對(duì)整個(gè)信息化設(shè)備及服務(wù)提供全面、科學(xué)的評(píng)價(jià)。

基于以上基本情況，大多用戶現(xiàn)有信息化設(shè)備運(yùn)維工作都是處于被動(dòng)式的運(yùn)維模式，運(yùn)維人員都是充當(dāng)消防員，四處忙于“救火”。隨著信息化程度的加深，人們對(duì)信息化系統(tǒng)的依賴程度逐漸增高，原有的運(yùn)維模式，已經(jīng)無法滿足人民日益增長的服務(wù)需求，需要建立主動(dòng)預(yù)防服務(wù)模式，提前對(duì)風(fēng)險(xiǎn)和故障進(jìn)行預(yù)警和預(yù)判，減少風(fēng)險(xiǎn)和故障對(duì)信息系統(tǒng)帶來的影響。需要通過統(tǒng)一的系統(tǒng)對(duì)設(shè)備運(yùn)行狀態(tài)信息進(jìn)行收集、監(jiān)測和分析；利用大數(shù)據(jù)分析技術(shù)對(duì)設(shè)備運(yùn)維服務(wù)數(shù)據(jù)進(jìn)行挖掘和分析，提高運(yùn)維風(fēng)險(xiǎn)和故障自動(dòng)識(shí)別和預(yù)測能力；利用智能機(jī)器人和專家結(jié)合提供主動(dòng)預(yù)警、風(fēng)險(xiǎn)識(shí)別、專家建議和咨詢等服務(wù)。

基于以上的需求分析，對(duì)于各個(gè)設(shè)備的系統(tǒng)函數(shù)，和權(quán)限存在著緊密對(duì)應(yīng)關(guān)系，查閱最新的主要網(wǎng)絡(luò)設(shè)備官方文檔，目前定義了物聯(lián)網(wǎng)設(shè)備和軟件可以捕捉到的權(quán)限有300多項(xiàng)，參考已有研究對(duì)于權(quán)限的分類和敏感權(quán)限的界定，整理出需要重點(diǎn)關(guān)注的運(yùn)維基本知識(shí)。表1展示了主要的系統(tǒng)參數(shù)。

表1 主要設(shè)備參數(shù)列表

另外，硬件和軟件系統(tǒng)的行為參數(shù)可以分為兩類，即單一行為和行為組合。所謂的單一行為，就是指通過一個(gè)系統(tǒng)函數(shù)就可以描述的行為。所謂行為組合，就是指需要使用多 個(gè)系統(tǒng)函數(shù)的組合來描述行為。行為組合往往比單一行為能更全面的描述設(shè)備或者軟件的運(yùn)行狀態(tài)。監(jiān)控的參數(shù)組合比單一參數(shù)可以獲取更多的設(shè)備信息或者運(yùn)行環(huán)境信息，根 據(jù)以上類似原理，本文定義了需要監(jiān)測的一系列行為組合。本文最終定義需要監(jiān)測的設(shè)備參數(shù)和設(shè)備參數(shù)組合共計(jì) 17項(xiàng)作為智能運(yùn)維分類系統(tǒng)的特征值，來構(gòu)造特征向量，均在表2中列出。

表2 需要記錄的參數(shù)和參數(shù)組合

特征值尋優(yōu)一直是熱點(diǎn)關(guān)注的問題，它的主要內(nèi)容是從一個(gè)樣本存在的許多特征屬性中，選取其中的一部分對(duì)回歸結(jié)果和分類結(jié)果等影響最大的特征值。Fisher score algorithm(FS)是一種有效的、簡單地方法，可快速尋找特征值之間的特殊性，其思想是把高維空間的數(shù)據(jù)變換為另一個(gè)低維空間，因此方差盡量大的同時(shí)方差盡量縮小，且可根據(jù)標(biāo)簽的不同投影到該特征值上的距離較遠(yuǎn)，這就是一個(gè)好的特征值。Fisher score就是評(píng)價(jià)特征值對(duì)數(shù)據(jù)結(jié)構(gòu)的保持能力，F(xiàn)isher score是有監(jiān)督的特征選擇。

本文經(jīng)過對(duì)原始數(shù)據(jù)的整理和特征值提取后的數(shù)據(jù)集共有5 000個(gè)樣本，17個(gè)特征屬性，按照從1逐漸遞增，形成序號(hào)為a到q的17種特征值組合。

根據(jù)國際上通用最優(yōu)特征值選取算法的研究，最后選擇了Fisher score算法對(duì)5 000×17的特征值矩陣進(jìn)行排序，排序結(jié)果證明了對(duì)機(jī)房運(yùn)維特別重要的特征值通常具有較高的得分。

表3 最優(yōu)特征值排序

3 混合核函數(shù)支持向量機(jī)算法

3.1 算法流程

機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)的可變性和模糊性是很多分類算法所不能很好處理的。綜合已有的這些實(shí)際問題，支持向量機(jī)(SVM)在針對(duì)小樣本、高維度的確定性分類問題上，表現(xiàn)出特別的優(yōu)勢，并且其分類算法有嚴(yán)格的統(tǒng)計(jì)學(xué)論據(jù)，在編程邏輯上是透明的，這使得該算法更容易切入實(shí)際分類需求[5]。

機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)具有非線性、樣本分布不平坦、噪聲大等問題，支持向量機(jī)雖然在解決小樣本數(shù)據(jù)上表現(xiàn)出許多特有的優(yōu)勢，但對(duì)于機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)的模糊性等問題，仍存在如下缺陷：

(1)由于支持向量機(jī)在訓(xùn)練時(shí)對(duì)所有訓(xùn)練點(diǎn)是同等對(duì)待的，這就會(huì)產(chǎn)生一定的局限性，在處理實(shí)際應(yīng)用時(shí)，應(yīng)盡可能保持支持向量的作用，弱化非支持向量的作用。

基于此，我們采用Lin等提出的模糊支持向量機(jī)作為分類的基本方法，以減小非重要樣本對(duì)SVM分類器學(xué)習(xí)的干擾[6-7]。

(2)SVM在解決非線性分類或回歸問題過程中，核函數(shù)的選取非常重要。傳統(tǒng)的SVM或者模糊支持向量機(jī)都是基于單個(gè)核函數(shù)的。對(duì)于機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)分類問題，由于對(duì)象之間的差異，找到一個(gè)合適的核函數(shù)又是比較困難的，往往靠大量的經(jīng)驗(yàn)所得來完成。這樣操作，對(duì)分類，顯然并不科學(xué)。

基于此，本文將在模糊化支持向量機(jī)的基礎(chǔ)上混合多個(gè)核函數(shù)映射，利用不同核函數(shù)之間的互補(bǔ)性特性來更加準(zhǔn)確的適應(yīng)機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)模糊、噪聲大、樣本差異不顯著的特點(diǎn)。我們提出一種基于多核的模糊化支持向量機(jī)算法用于機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)分類，來更有效的模擬機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)數(shù)據(jù)模糊性等實(shí)際問題，此算法決策樹中的模糊核權(quán)重主要借助于樣本無監(jiān)督自學(xué)習(xí)來確定，能根據(jù)實(shí)際機(jī)房設(shè)備和軟件運(yùn)行狀態(tài)數(shù)據(jù)的模糊性，形成一種更合適的分類算法[6]。

3.2 混合核函數(shù)算法的構(gòu)造

支持向量機(jī)分類器的數(shù)學(xué)模型原理圖如下：

圖3 SVM分類器數(shù)學(xué)模型圖

定義1設(shè)X是一個(gè)非空集合，則稱

F={〈x,uF(xi)〉|x∈X,i=1,2,…,l}

(1)

為模糊集，uF(xi)為模糊隸屬度矩陣中，樣本x中第i個(gè)屬于模糊集F的隸屬度，uF(xi)取值范圍在[0,1]之間。

隸屬度uF(xi)是指訓(xùn)練集{xl,yl,uF(x)}隸屬某一類的程度，而εi是對(duì)錯(cuò)分程度的度量。由此得到目標(biāo)函數(shù)的最優(yōu)結(jié)構(gòu)[7]：

(2)

其中，ε=(ε1,ε2,…,εl)T,φ(xi)表示將xi從Rd映射到高維特征空間。最優(yōu)別函數(shù)式為[7]：

(3)

3.3 分類算法隸屬度函數(shù)的確定

隸屬度函數(shù)的確定采用FCM算法ui矩陣的無監(jiān)督、不斷自學(xué)習(xí)的方法。算法樣本空間X，其中X包含N個(gè)l=17維的樣本xi，i為樣本序列號(hào)，F(xiàn)CM算法輸出隸屬度值uic。最小化以下目標(biāo)函數(shù)：

(4)

通過拉格朗日乘數(shù)法求解約束優(yōu)化問題[7]，得：

(5)

由(5)式求偏導(dǎo)并設(shè)為0可導(dǎo)出以下式子[7]：

(6)

(7)

據(jù)此，通過無監(jiān)督的學(xué)習(xí)，得到uic。

3.4 分類算法實(shí)現(xiàn)步驟

組合多核函數(shù)的支持向量機(jī)算法，其決策樹如下：

(8)

多核函數(shù)支持向量機(jī)算法分類步驟如下：將特征矩陣?yán)锏臄?shù)據(jù)進(jìn)行歸一化處理；按照(7)式，建立分類數(shù)據(jù)的模糊集；根據(jù)(6)和(7)式確定樣本點(diǎn)模糊隸屬度；根據(jù)式(9)選擇不同的核函數(shù)進(jìn)行組合；根據(jù)式(8)的決策樹，運(yùn)用數(shù)據(jù)對(duì)混合核函數(shù)支持向量機(jī)算法進(jìn)行訓(xùn)練，然后進(jìn)行樣本測試。

4 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)在真實(shí)網(wǎng)絡(luò)空間環(huán)境中，采集5 000個(gè)數(shù)據(jù)樣本，并分成5份，其中4份用于訓(xùn)練分類器，剩下的1份用于測試分類器的效果，并采取了交叉驗(yàn)證方法來驗(yàn)證算法的穩(wěn)定性，混合核函數(shù)支持向量機(jī)算法的分類結(jié)果如表4所示。

表4 混合核函數(shù)支持向量機(jī)算法分類結(jié)果

在本次實(shí)驗(yàn)中，實(shí)驗(yàn)對(duì)數(shù)據(jù)特征值進(jìn)行了標(biāo)準(zhǔn)化，得到5 000個(gè)樣本，17維度的特征向量作為分類器的輸入數(shù)據(jù)。進(jìn)行交叉檢驗(yàn)，數(shù)據(jù)集4/5為訓(xùn)練樣本，1/5為測試樣本。表4詳細(xì)地給出了應(yīng)用此分類器的結(jié)果。分類準(zhǔn)確率從78.56%到87.65%不等，平均的分類準(zhǔn)確率是81.49%，實(shí)驗(yàn)結(jié)果表明，本文提出的分類器能達(dá)到比較理想的分類結(jié)果。最后得出平均的分類準(zhǔn)確率為81.49%。實(shí)驗(yàn)結(jié)果表明，本文實(shí)驗(yàn)提出的混合核函數(shù)支持向量機(jī)分類算法準(zhǔn)確率是比較穩(wěn)定的。

以上穩(wěn)定且效率高的計(jì)算機(jī)決策分析系統(tǒng)可以使實(shí)際的IT運(yùn)維更加高效快捷，并已在實(shí)際生產(chǎn)環(huán)境中提升了如下效益：

(1)建立了基于資產(chǎn)全生命周期管理體系，通過系統(tǒng)可全面記錄設(shè)備在管理的過程中設(shè)備及財(cái)務(wù)的臺(tái)賬和管理及維修記錄。作為設(shè)備全生命周期的分析依據(jù)，通過大數(shù)據(jù)分析對(duì)設(shè)備整體使用經(jīng)濟(jì)性、可靠性及其管理成本作出全面、科學(xué)的分析和評(píng)價(jià)，可以為用戶新設(shè)備采購和維保經(jīng)費(fèi)審批提供決策數(shù)據(jù)支撐，從而建立設(shè)備全生命周期管理閉環(huán)，實(shí)現(xiàn)資產(chǎn)的規(guī)范化管理。

(2)基于監(jiān)測分類系統(tǒng)可建立智能預(yù)警和預(yù)判機(jī)制，通過構(gòu)建統(tǒng)一的物聯(lián)網(wǎng)支持所有信息化設(shè)備的接入應(yīng)用，可實(shí)時(shí)采集所有信息化基礎(chǔ)設(shè)備信息，通過大數(shù)據(jù)技術(shù)可以對(duì)過往的設(shè)備運(yùn)行數(shù)據(jù)和故障情況建立多維度的風(fēng)險(xiǎn)識(shí)別和故障預(yù)判模型，可以提前預(yù)測設(shè)備運(yùn)行過程中未來可能出現(xiàn)的故障，提前做好預(yù)防工作，降低設(shè)備或業(yè)務(wù)系統(tǒng)維護(hù)的風(fēng)險(xiǎn)。

(3)最終系統(tǒng)全面提升了用戶運(yùn)維管理水平。將用戶現(xiàn)有的資產(chǎn)管理系統(tǒng)、網(wǎng)管系統(tǒng)、安全監(jiān)控系統(tǒng)、運(yùn)維管理系統(tǒng)、現(xiàn)有設(shè)備的數(shù)據(jù)采集系統(tǒng)等系統(tǒng)接入至智能運(yùn)維管理平臺(tái)內(nèi)，實(shí)現(xiàn)運(yùn)維服務(wù)的監(jiān)、管、控于一體化，實(shí)現(xiàn)運(yùn)維服務(wù)流程化、規(guī)范化、標(biāo)準(zhǔn)化和智能化，并可持續(xù)提升用戶的運(yùn)維服務(wù)管理水平。

5 結(jié)論

采用物聯(lián)網(wǎng)、智能機(jī)器人、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)、智能專家系統(tǒng)等先進(jìn)技術(shù)，研究成果可以有效解決用戶資產(chǎn)管理弱、信息孤島多、高端人才匱乏、運(yùn)維服務(wù)被動(dòng)、設(shè)備和服務(wù)無評(píng)價(jià)等問題，幫助用戶建立資產(chǎn)全生命周期的管理、設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測、故障的提前預(yù)警和故障預(yù)判、智能專家服務(wù)、全面的設(shè)備和服務(wù)評(píng)價(jià)管理等服務(wù)和管理能力，還可以準(zhǔn)確識(shí)別各類風(fēng)險(xiǎn)、降低設(shè)備的故障率、提高故障處理速度，有效延長設(shè)備的使用壽命，提升IT運(yùn)維服務(wù)管理水平。

本文將現(xiàn)有的信息化設(shè)備運(yùn)維服務(wù)管理帶入一個(gè)全新的時(shí)代。它使得用戶不再糾結(jié)于IT設(shè)備的使用風(fēng)險(xiǎn)、使用成本及維保過程中的問題解決，缺少專家問題上，而是真正讓設(shè)備的使用價(jià)值最大化，為信息系統(tǒng)提供整體運(yùn)行保障，化被動(dòng)管理為主動(dòng)管理，為用戶信息系統(tǒng)的可靠運(yùn)行保駕護(hù)航。以此研究和設(shè)計(jì)基于云環(huán)境的智能運(yùn)維管理，形成智能運(yùn)維服務(wù)和管理新模式，并在公安及其他行業(yè)推廣應(yīng)用。