安徽轨道交通数字孪生运维应用诚信企业「北京和远科技」

数字化运维所带来的的价值

       辅助应急管理：工厂管理人员可以在三维场景中快速直观查询厂区应急资源分布及具体信息，辅助应急响应与决策，提高应急救援的准确性和有效性，提高企业应急管理水平。辅助培训：工厂运维人员通过三维数字化工厂，快速学习掌握整条生产线工艺流程，了解该设备的空间位置、工程信息，查看与该设备三维模型关联的设备图纸、随机资料，可大幅提高培训效率和效果。

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、运维需求的快速变化，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）的快速发展，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。

数字化运维企业内部的"数据生态"有待建立

现阶段企业内部仍存在多个异构的、运行在不同软硬件平台上的信息系统同时运作，这些系统的数据源相对独立、封闭，尚未实现系统间的交流、共享和融合，各部门间存在明显的信息不对称问题，企业内部的"数据生态"尚未成型。在数据价值遂步提升的过程中，其重要性将不仅仅体现在数据的量上，更体现在数据间的联动作用和企业内部数据模型的建立。如何建立数据间的运行模式，打造围绕企业全生命周期的数据框架、数据渠道、数据利用体系，形成企业内部的"数据生态"，成为众多企业更为关注的问题。