智能监控服务 / Intelligent Monitoring Service
解读数据背后的含义 — 不仅检测异常，还基于知识推测原因并指引下一步行动
分析CCTV监控系统的错误日志并生成诊断报告
从监控摄像系统的错误日志中识别设备异常并判断处理方法，属于专业性工作
提交错误日志文件→解析与分类→利用KDG知识推测原因→自动生成报告
CCTV错误代码词典、设备故障模式、恢复流程、过去处理实绩
从错误日志中识别异常原因并提供带优先级的处理方法
分析电机异常振动的传感器数据并生成诊断报告
需要从电机振动传感器的24小时数据中检测异常征兆，并判断适当的维护措施
24小时振动数据自动采集→阈值检查→KDG诊断→自动生成报告→Slack通知
振动诊断标准(ISO 10816)、故障模式知识、趋势分析、过去诊断实绩
基于振动数据的异常早期检测及适当维护措施的建议
基于过去严重故障案例构建的FTA树进行反向遍历，从当前传感器数据推测严重故障的到达可能性并作为假说提出
当CBM传感器检测到异常值时，判断该异常是『仅为暂时波动』还是『严重故障的前兆』，是设备维护中最重要且最困难的判断之一。该判断需要高级推理能力，需反向追溯由过去严重故障案例构建的FTA（故障树）树，从当前传感器状态评估严重故障的到达可能性。
当CBM系统检测到传感器异常时，反向FTA分析自动启动。与CBM管理界面联动使用，无需单独设置。以检测到异常的传感器数据为起点，反向遍历注册在严重故障目录中的FTA树。
KDG积累了由过去严重故障案例构建的FTA树目录。每棵FTA树将从顶层事件（严重故障）到基本事件（初始异常）的因果链进行结构化，以优化反向遍历的数据结构进行管理。
系统性评估从CBM传感器异常到严重故障的到达可能性，实现前兆阶段的早期检测。
设备状态趋势分析、FFT热力图、KDG分析判断及维护计划管理界面
安装在制造和工厂设备上的IoT传感器（振动、温度、电流、压力等）全天候持续生成数据，但要从中区分『需要立即处理的异常』和『正常范围内的波动』，需要深谙各设备特性和运行条件的资深工程师的判断。
本方案直接利用现有传感器监控基础设施。传感器数据24小时自动采集并存储到系统中。数据采集后，根据各设备设定的阈值自动执行检查。
KDG将资深设备维护工程师积累的诊断知识进行了体系化，包括从振动频率特征推测故障模式的知识、从温度趋势预测劣化速度的知识、从多传感器关联识别异常根本原因的知识等。
将从传感器异常检测到诊断报告生成的流程自动化，支持构建持续的CBM监控体制。
通过QR码识别设备，在现场执行测量值输入、仪表照片读取、定期巡检和异常报告
CBM（状态基准维护）系统是设备状态监测和诊断不可或缺的工具，但传统系统仅能在办公室PC环境中使用，现场巡检的工程师无法实时确认设备状态。
现场工程师在移动终端（智能手机或平板电脑）上打开移动CBM应用，扫描设备上的QR码即可访问该设备的传感器数据、诊断结果和维护历史。
移动CBM参照的知识与CBM管理界面使用相同的KDG知识库。振动诊断标准、故障模式数据库、维护判断标准和趋势分析知识均可从移动终端访问。
在现场巡检中通过一台移动终端完成设备状态确认、诊断参考和数据录入，提高巡检效率和初始响应速度。
利用KDG知识审核现有维护计划，诊断实施时机、部件选型和成本优化并提出改进建议
制造和工厂设备的维护计划需要从传统的TBM（时间基准维护）向CBM（状态基准维护）过渡，但该过渡判断需要综合考虑设备故障机制、运行条件、维护成本和风险的高级知识。
只需将现有维护计划（Excel或维护管理系统数据）直接提交至系统即可开始诊断。无需更改现有维护业务流程。
KDG体系化了优化设备维护计划所需的知识，包括各设备类型的故障模式和劣化机制、TBM到CBM的过渡判断标准、维护间隔优化逻辑、部件选型标准和成本优化方法等。
客观、定量地评估维护计划的妥当性，防止过度维护和维护不足。
检测和监控整个供应链的异常，支持风险的早期发现和应对
在食品等商品的供应链中，供应商停工、港口关闭、质量问题、需求骤变、原材料价格飙升、地缘政治风险等各种中断风险日常性地发生。
本方案不改变现有的采购和物流业务流程。当通过供应商通知、新闻预警或内部报告检测到中断事件时，只需打开SCM监控界面即可使用。
KDG将中断应对的资深经验按六个类别进行了体系化。当事件发生时，KDG接收结合影响传播结果与当前事实的『情境上下文』，搜索最适配的知识进行响应。
帮助缩短从事件发生到决策材料齐备的时间。
检测服务器、网络和云基础设施的异常，支持故障预兆分析和应对
当IT基础设施故障发生时，初步定位（确定故障点和判断上报对象）是运维团队最重要且时间最紧迫的工作。然而，在服务器、网络、存储和批处理复杂相互依赖的环境中，从日志和告警中确定真正的故障点需要熟练的知识。
接收到监控系统的日志和告警后，系统自动在依赖关系图上开始影响传播分析。通过与现有监控基础设施（Zabbix、Datadog、CloudWatch等）的告警联动即可开始使用，无需更改监控体制。
KDG将资深IT基础设施运维工程师积累的故障处理知识按六个类别进行了体系化，包括Runbook、上报标准、过去事件案例、消息代码含义、配置标准和批处理依赖关系。
缩短从故障发生到初步定位完成的时间，有助于改善MTTR。
