熊振華

（吐哈油田公司信息技術(shù)公司，新疆 吐魯番 838299）

0 引言

隨著廣播電視行業(yè)的迅猛發(fā)展和數(shù)字化轉(zhuǎn)型，廣播電視數(shù)據(jù)機(jī)房作為關(guān)鍵的基礎(chǔ)設(shè)施，承擔(dān)著存儲(chǔ)、處理和傳輸海量數(shù)據(jù)的重要任務(wù)[1]。數(shù)據(jù)機(jī)房的正常運(yùn)行對(duì)于廣播電視節(jié)目的連續(xù)播出和服務(wù)的穩(wěn)定性至關(guān)重要。然而，由于設(shè)備老化等，數(shù)據(jù)機(jī)房故障在一定程度上成為制約廣播電視行業(yè)發(fā)展的因素。大數(shù)據(jù)分析技術(shù)以其對(duì)大規(guī)模數(shù)據(jù)的高效處理和深度挖掘能力，給廣播電視數(shù)據(jù)機(jī)房故障維護(hù)帶來(lái)了新的機(jī)遇[2]。通過(guò)收集和分析數(shù)據(jù)機(jī)房的實(shí)時(shí)運(yùn)行數(shù)據(jù)，包括設(shè)備狀態(tài)、溫度、濕度、能耗等指標(biāo)，機(jī)房維護(hù)人員能夠?qū)崟r(shí)監(jiān)測(cè)數(shù)據(jù)機(jī)房的運(yùn)行狀況，及時(shí)發(fā)現(xiàn)潛在的故障風(fēng)險(xiǎn)。

本文旨在通過(guò)大數(shù)據(jù)分析技術(shù)解決廣播電視數(shù)據(jù)機(jī)房的故障監(jiān)測(cè)與維護(hù)問(wèn)題，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）模型，建立故障智能分析的求解模型，提高故障維護(hù)的效率和可靠性，保障廣播電視節(jié)目的連續(xù)播出和服務(wù)的穩(wěn)定性[3]。

1 數(shù)據(jù)機(jī)房故障及其影響因素

服務(wù)器是廣播電視數(shù)據(jù)機(jī)房的核心，主要負(fù)責(zé)存儲(chǔ)和處理眾多數(shù)據(jù)。當(dāng)服務(wù)器出現(xiàn)硬件、軟件或網(wǎng)絡(luò)問(wèn)題，都可能導(dǎo)致服務(wù)器故障。數(shù)據(jù)機(jī)房?jī)?nèi)的網(wǎng)絡(luò)設(shè)備如路由器和交換機(jī)也是關(guān)鍵組件，確保數(shù)據(jù)的順暢傳輸也可能因各種原因出現(xiàn)故障。電力供應(yīng)對(duì)機(jī)房的正常運(yùn)行至關(guān)重要。電源一旦出現(xiàn)問(wèn)題，如電力中斷或電壓波動(dòng)，不間斷電源（Uninterrupted Power Supply，UPS）設(shè)備就會(huì)發(fā)揮關(guān)鍵作用，提供穩(wěn)定的電力，確保信號(hào)的正常傳輸。數(shù)字接收器也是機(jī)房的重要部分，若其發(fā)生故障如電源問(wèn)題或過(guò)熱，都會(huì)影響其性能[4]。

2 基于大數(shù)據(jù)分析的數(shù)據(jù)機(jī)房故障診斷系統(tǒng)設(shè)計(jì)

2.1 數(shù)據(jù)收集與預(yù)處理

數(shù)據(jù)機(jī)房的故障診斷與維護(hù)需要獲取足夠的數(shù)據(jù)以支撐數(shù)據(jù)分析，監(jiān)控對(duì)象包括溫濕度等方面。該系統(tǒng)實(shí)現(xiàn)全天候的集中監(jiān)控和管理。機(jī)房環(huán)境監(jiān)測(cè)在廣播電視數(shù)據(jù)機(jī)房監(jiān)控中扮演著關(guān)鍵角色，主要涵蓋對(duì)空調(diào)設(shè)備、溫度、濕度及漏水情況的監(jiān)測(cè)。監(jiān)控系統(tǒng)由管理系統(tǒng)、監(jiān)控管理單元、數(shù)據(jù)采集單元及監(jiān)控探頭組成。廣播電視數(shù)據(jù)機(jī)房中不同系統(tǒng)所采集的傳感器信息如表1 所示。

表1 不同系統(tǒng)采集的傳感器數(shù)據(jù)

數(shù)據(jù)管理與儲(chǔ)存采用云端管理方式，選擇一個(gè)可靠的云計(jì)算平臺(tái)，如Amazon Web Services （AWS）、Microsoft Azure 或Google Cloud Platform （GCP），這些平臺(tái)提供了強(qiáng)大的計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)資源，以支持?jǐn)?shù)據(jù)機(jī)房管理的需求；使用云計(jì)算平臺(tái)提供的數(shù)據(jù)庫(kù)服務(wù)，如AWS RDS （Relational Database Service）、Azure Database 或GCP Cloud SQL，這些服務(wù)提供了托管的數(shù)據(jù)庫(kù)實(shí)例，可提供高可用性、自動(dòng)備份和擴(kuò)展性[5]?；诖髷?shù)據(jù)分析的數(shù)據(jù)機(jī)房故障維護(hù)系統(tǒng)如圖1 所示。

圖1 基于大數(shù)據(jù)分析的數(shù)據(jù)機(jī)房故障維護(hù)系統(tǒng)

2.2 基于大數(shù)據(jù)分析的傳感器數(shù)據(jù)分析

對(duì)于采集到的原始傳感器數(shù)據(jù)，需要利用大數(shù)據(jù)分析技術(shù)進(jìn)行初步處理，用于后續(xù)故障分析和診斷。以風(fēng)冷空調(diào)系統(tǒng)為例，傳感器采集的數(shù)據(jù)可能存在數(shù)據(jù)缺失、異常值和噪聲等問(wèn)題。對(duì)于缺失值，維護(hù)人員可以選擇直接刪除含有缺失值的記錄，或者使用平均值、中位數(shù)或眾數(shù)來(lái)填充。特別是對(duì)于時(shí)間序列數(shù)據(jù)，如排氣溫度測(cè)量值，維護(hù)人員還可以使用前一個(gè)時(shí)間點(diǎn)的數(shù)據(jù)或后一個(gè)時(shí)間點(diǎn)的數(shù)據(jù)進(jìn)行填充。對(duì)于異常值，設(shè)定一個(gè)閾值，超過(guò)或低于這個(gè)閾值的數(shù)據(jù)被認(rèn)為是異常值，如冷凝器空氣流量異常高或異常低的值。另外，還可以使用標(biāo)準(zhǔn)差法或箱線圖法來(lái)識(shí)別異常值。對(duì)于噪聲，維護(hù)人員可以使用平滑法或?yàn)V波法來(lái)處理，尤其是對(duì)于蒸發(fā)器空氣流量這種信號(hào)數(shù)據(jù)[6]。

接著進(jìn)行數(shù)據(jù)轉(zhuǎn)換。為了使數(shù)據(jù)適合分析，需要進(jìn)行標(biāo)準(zhǔn)化、歸一化、離散化或編碼。以空調(diào)系統(tǒng)的傳感器數(shù)據(jù)為例，可使用z-score 法進(jìn)行所有數(shù)據(jù)的標(biāo)準(zhǔn)化，從而將原始數(shù)據(jù)統(tǒng)一表示為無(wú)量綱歸一化特征，將原始數(shù)據(jù)轉(zhuǎn)換為一個(gè)一維向量，作為后續(xù)分類(lèi)器的輸入，具體表達(dá)式為

式中：x表示某一維度的傳感器數(shù)據(jù)，μ表示該數(shù)據(jù)的均值，σ表示該數(shù)據(jù)的標(biāo)準(zhǔn)差。

2.3 基于大數(shù)據(jù)挖掘的故障智能分析

經(jīng)過(guò)上述數(shù)據(jù)采集和預(yù)處理，將得到單個(gè)機(jī)房系統(tǒng)模塊的各傳感器數(shù)據(jù)作為后續(xù)故障診斷的輸入，后續(xù)將基于大規(guī)模的歷史運(yùn)行數(shù)據(jù)進(jìn)行原始模型訓(xùn)練。神經(jīng)網(wǎng)絡(luò)能夠便利地獲取和處理大數(shù)據(jù)，在機(jī)房各個(gè)系統(tǒng)的健康評(píng)估方面得到了較多應(yīng)用。與傳統(tǒng)的機(jī)器學(xué)習(xí)算法相比，ANN 對(duì)于大型數(shù)據(jù)集具有更高的準(zhǔn)確性，因此本文采用ANN 作為故障分析模型。

為了解決分類(lèi)問(wèn)題，本系統(tǒng)中的傳感器數(shù)據(jù)被輸入到ANN模型中。{(x1,y1),…,(xn,yn)}，其中的x表示特征，對(duì)應(yīng)于本系統(tǒng)中的傳感器數(shù)據(jù)，如空調(diào)系統(tǒng)中的排氣溫度測(cè)量值，冷凝器空氣流量等。y變量表示歷史數(shù)據(jù)中獲取到的故障信息，標(biāo)注基于人工記錄。

設(shè)計(jì)損失函數(shù)時(shí)，本文的故障診斷維護(hù)系統(tǒng)屬于分類(lèi)問(wèn)題，因此采用交叉熵?fù)p失函數(shù)作為損失函數(shù)項(xiàng)，隨后使用隨機(jī)梯度下降法完成神經(jīng)網(wǎng)絡(luò)中的權(quán)值更新，具體表達(dá)式為

式中：M為故障類(lèi)別數(shù)，不同設(shè)備具有不同的故障類(lèi)別數(shù)；yic表示真實(shí)標(biāo)簽，i真實(shí)類(lèi)別為c則取1，否則為0；pic表示樣本i為類(lèi)別c的概率。

基于大數(shù)據(jù)分析的數(shù)據(jù)機(jī)房故障維護(hù)系統(tǒng)中，通過(guò)對(duì)各個(gè)系統(tǒng)使用上述數(shù)據(jù)挖掘算法，可以獲得當(dāng)前數(shù)據(jù)機(jī)房中某些設(shè)備存在故障隱患的概率Pt，當(dāng)該概率大于一定閾值，報(bào)警模塊將啟動(dòng)向機(jī)房維護(hù)組發(fā)送報(bào)警信息，同時(shí)根據(jù)上述輸出的各種設(shè)備故障的可能性大小，同步在報(bào)警信息中加入此時(shí)機(jī)房故障設(shè)備的信息，進(jìn)一步實(shí)現(xiàn)精準(zhǔn)的機(jī)房設(shè)備維護(hù)。具體表達(dá)式為

式中：Pt表示t時(shí)刻檢測(cè)數(shù)據(jù)機(jī)房中該模塊故障的概率大小，threshold表示人為設(shè)置的閾值大小。

3 結(jié)語(yǔ)

本文展示了大數(shù)據(jù)分析在廣播電視數(shù)據(jù)機(jī)房故障維護(hù)中的潛在應(yīng)用。通過(guò)實(shí)時(shí)監(jiān)測(cè)、故障診斷和預(yù)測(cè)等手段，大數(shù)據(jù)分析技術(shù)能夠提高故障維護(hù)的效率和可靠性，保障廣播電視節(jié)目的連續(xù)播出和服務(wù)的穩(wěn)定性。然而，仍然需要進(jìn)一步的實(shí)驗(yàn)來(lái)完善大數(shù)據(jù)分析在廣播電視數(shù)據(jù)機(jī)房故障維護(hù)中的應(yīng)用框架和方法。