根因分析

摘要： 大型微服务系统中组件众多、依赖关系复杂,由于故障传播的涟漪效应,一个故障可能引起大规模服务异常,快速识别异常并定位根因是服务质量保证的关键.目前主要采用的调用链分析方法,常常面临调用链结构复杂、实例数量庞大、存在大量小样本等问题,因此提出基于调用链控制流分析,将大量调用链结构聚合为少量方法调用模型;并提出基于方法调用模型的执行时间分解模型及预测方法,将实际值与预测值的相对误差超过设定阈值的待检测数据判定为异常.采用百度凤巢广告业务系统某天超过17亿条调用链日志记录开展实验分析,结果表明:与数据驱动的调用序列分析方法相比,提出的基于模型的方法可以大幅缩减调用链结构数量,并有效分析和检测微服务性能异常及其根因.

摘要： 轨道交通车站能耗受室外温度、湿度、客流、运营数据和设备状态等多种因素的影响,发生能耗异常时,能耗问题定位难,耗能原因发现难,如不能及时准确地应对异常情况,就会造成车站能耗上升,增加运营成本。本文对通风空调系统能耗属性和影响因素进行逐层分解,将基于根因分析的层次聚类法应用于通风空调系统能耗异常分析。其间通过整合多专业、多维度的数据属性,定位通风空调系统能耗异常的问题和造成异常的数据属性,实现能耗异常问题快速定位和根因分析,为车站能源管理提供依据,有效降低车站运营成本。

摘要： 在建设中央广播电视总台的4K播出监控系统中,我们对采集到的播出系统关键性能指标(KPI)在传统的数据分析基础上增加了机器学习的方法。本文介绍了机器学习在聚类、报警关联、根因分析等方面于播出报警系统中的应用,有效提高了报警准确率以及运维效率。

摘要： 在大型IT系统中偶尔会出现故障状况或异常,为及时抢通业务,需要采用快速定位告警根因的方法。常用的告警根因分析方法主要是关联规则分析,而普通的关联规则面对大量数据存在一定缺陷,可能会挖掘到统计学上相关但是逻辑上不相关的无效告警关联规则。文章提出一种基于正负关联规则的告警根因计算方法,采用错误日志、告警的聚类压缩处理方法,结合机器设备之间的拓扑关联关系,对异常事件进行正负关联度分析挖掘,找到两两异常事件之间的关联关系,作为故障根因的判断依据。在实验数据部分,得到较为准确的根因分析结果,证明该算法能减少冗余无效规则,提高挖掘效率。

摘要： 目的:探讨根因分析联合循证护理对妇科腹腔镜术后患者疼痛及胃肠功能的影响。方法:选取云南省滇南中心医院2020年1月-2021年2月80例行妇科腹腔镜手术患者作为研究对象,按随机数字表法分为对照组和观察组,各40例,对照组采用常规术后护理,观察组采用根因分析联合循证护理,比较两组患者术后肋间疼痛发生率和疼痛持续时间,干预前后心理状态和干预后的胃肠功能和护理满意度。结果:观察组疼痛持续时间短于对照组(P<0.05),观察组肋间疼痛率、术后6、24 h疼痛评分低于对照组(P<0.05),与干预前相比,干预后两组焦虑自评量表(HAMA)评分、抑郁自评量表(HAMD)评分均降低,观察组低于对照组(P<0.05),观察组饮食恢复正常时间、肛门排气时间、肠鸣音恢复时间均早于对照组(P<0.05),观察组护理总满意率高于对照组(P<0.05)。结论:根因分析联合循证护理可有效降低妇科腹腔镜术后患者疼痛水平,改善心理状态和胃肠功能,进而提高护理满意度。

摘要： 目的分析全院手术科室首台择期手术准时开台情况,调查延迟开台原因,针对影响首台开台效率的主要原因制定管理措施,实现外科、麻醉、护理衔接紧密,提高效率。方法 (1)运用统计分析方法与实地定性调研方法,统计分析国内某大型三级甲等医院2018年3-10月手术室运行效率与环节耗时,调研导致首台手术延迟开台的主要原因;(2)运用石川图寻找问题根因,对关键延迟原因实施考核,并开发手术进程可视化系统进行效果评价。结果 (1)该院2018年首台择期手术9点10分准时开台率仅为44.7%,平均开台时间为上午9:20,最主要延迟开台原因为"等待医生入室";(2)开展手术准时开台监督考核后,2019年准时开台率提升至96.8%,平均开台时间提前至上午8:59。结论提高首台手术准时开台率的关键在于提高外科医生的效率。

摘要： 随着人工智能、大数据和云计算等技术的不断发展及广泛应用,数字化转型进入高速发展阶段。金融行业中有越来越多的企业开始借助数字化解决方案,利用前沿技术对企业进行数字化赋能。财务公司作为金融行业的重要组成部分,其数字化转型也遇到新的挑战,而运维是数字化转型的重要保障手段,如何更好地利用新手段提升运维效率,保障数字化运营显得尤为突出。对此,文章对人工智能在IT运维中的必要性、关键技术和应用方向等方面进行了分析。

摘要： 厚板板形质量对于钢铁企业十分重要,由于厚板在生产过程中经过多个工序加工,涉及众多变量,加工后的厚板板形存在质量波动和异常原因未知的问题。针对这一难题,本文利用厚板生产过程中的工业大数据,提出一种具有根因分析能力的厚板板形质量预测模型。首先针对厚板板形质量预测问题,由于厚板小批量生产、生产过程变量非线性强,本文采用基于核偏最小二乘(KPLS)的方法建立厚板板形质量预测模型。然后针对厚板板形质量异常原因未知的问题,利用混合整数遗传算法(MIGA)分析影响厚板板形的生产过程工序和变量。通过将MIGA集成到KPLS建模中,选择厚板板形质量预测效果最好时的生产过程工序及变量,用于最终厚板板形质量预测和根因分析。最后,采用来自某钢铁厂的实际工业过程数据进行实验验证,通过工业实验表明,所提算法(KPLS-MIGA)能够实现对厚板板形质量的准确预测,并能够对厚板板形质量异常进行根因分析,从而寻找到影响厚板板形质量的关键变量,对实际的生产操作具有较好的指导意义。

摘要： 目的探讨根因分析法在处置新型冠状病毒肺炎(简称新冠肺炎)疫情相关不良事件中的应用及持续改进的管理成效。方法对新冠肺炎疫情关联的不良事件个案展开根因分析,探寻根本原因,制定并落实改进措施,全程督导其效果。结果方案实施后,疫情期间工作人员零感染,未出现院内感染病例;提升了不良事件的处置水平,病区管理评价指标改善显著。结论不良事件的根因分析及持续改进能够促进制度完善、保证医疗安全并成为院内感控管理的有益补充。

摘要： 目的:基于互动式病人参与病人安全理论分析社区慢性病病人药物不良事件的根本原因。方法:采用便利抽样法选取2018年1月1日—2021年8月31日重庆市主城区8所社区卫生服务中心的114例慢性病病人为研究对象,运用安全风险评估矩阵筛选不良事件,基于互动式病人参与病人安全理论绘制鱼骨图分析主要原因,采用“5WHY”法分析根本原因。结果:信息不匹配、信任不足、沟通障碍和支持不力是导致药物不良事件的根本原因。结论:从病人视角分析药物不良事件具有重要意义,鼓励病人上报和自我报告不良事件、提升服药依从性以减少药物不良事件发生风险。

摘要： 本发明公开了一种汽轮机T型叶根及叶根槽失效力学分析方法，包括以下步骤：对汽轮机T型叶根及叶根槽进行网格划分及边界条件约束，以建立汽轮机T型叶根及叶根槽的有限元模型，然后利用汽轮机T型叶根及叶根槽的有限元模型对汽轮机T型叶根及叶根槽进行静应力分析及动应力分析，然后根据静应力分析的结果及动应力分析的结果对汽轮机T型叶根及叶根槽进行气流力分析及高周疲劳安全性能分析，最后根据汽轮机T型叶根及叶根槽的气流力分析及高周疲劳分析结果对汽轮机T型叶根及叶根槽的安全性进行分析，该方法能够实现对汽轮机T型叶根及叶根槽的失效力学分析。

摘要： 本发明公开了一种提取苹果根皮中的根皮苷和根皮素的方法及其应用，该方法包括：将苹果根皮用乙醇解析后随即加入沸水提取，将得到的提取液冷却后加入絮凝剂，反应后固液分离，分别从滤液和滤渣中提取获得根皮苷和根皮素。本发明选用苹果根皮作为原材料，采用内部沸腾法，先通过少量解吸溶剂渗透到物料内部，再加入大量的热溶剂使解吸剂沸腾汽化，产生内部对流，强化有效成分的扩散；采用真空冷冻干燥的方法，形成类似海绵状疏松多孔架构，许多热敏性的物质不会发生变性或失活，微生物的生长和酶的作用无法进行，能保持原来的性状；将真空冷冻干燥与内部沸腾法结合，使有效成分充分扩散，显著提高了提取率。

摘要： 本发明公开了一种汽轮机T型叶根及叶根槽失效力学分析方法，包括以下步骤：对汽轮机T型叶根及叶根槽进行网格划分及边界条件约束，以建立汽轮机T型叶根及叶根槽的有限元模型，然后利用汽轮机T型叶根及叶根槽的有限元模型对汽轮机T型叶根及叶根槽进行静应力分析及动应力分析，然后根据静应力分析的结果及动应力分析的结果对汽轮机T型叶根及叶根槽进行气流力分析及高周疲劳安全性能分析，最后根据汽轮机T型叶根及叶根槽的气流力分析及高周疲劳分析结果对汽轮机T型叶根及叶根槽的安全性进行分析，该方法能够实现对汽轮机T型叶根及叶根槽的失效力学分析。

摘要： 本发明公开了一种提取苹果根皮中的根皮苷和根皮素的方法及其应用，该方法包括：将苹果根皮用乙醇解析后随即加入沸水提取，将得到的提取液冷却后加入絮凝剂，反应后固液分离，分别从滤液和滤渣中提取获得根皮苷和根皮素。本发明选用苹果根皮作为原材料，采用内部沸腾法，先通过少量解吸溶剂渗透到物料内部，再加入大量的热溶剂使解吸剂沸腾汽化，产生内部对流，强化有效成分的扩散；采用真空冷冻干燥的方法，形成类似海绵状疏松多孔架构，许多热敏性的物质不会发生变性或失活，微生物的生长和酶的作用无法进行，能保持原来的性状；将真空冷冻干燥与内部沸腾法结合，使有效成分充分扩散，显著提高了提取率。

摘要： 本发明公开了一种基于关联分析的链式监控事件根因分析方法。以预定义的指标链树为参考，对于频繁同时发生的两条监控事件，分别提取两个不同的监控类型，提取第一条事件的监控类型为A，提取第二条事件的监控类型为B，并根据事件A和事件B的数量做比较和预判：若得到指标链为A小于B，则事件A更靠近指标链树根节点，并且以A为链接点，将此指标链添加到指标链树中；若A和B相同，则并列添加到指标链树中上一层的应用节点。针对报警风暴，将从监控事件中所得的报警类型与已经生成的指标链树做匹配，根据与根节点的报警距离确定根因报警，其他报警可以聚合到该根因报警中去。采用这样的方法，可以解决报警数量多导致运维排障效率低、过度依赖运维人员个人经验和技术的问题，有助于高效恢复业务，保障业务系统的稳定运行。

摘要： 本发明公开了一种故障根因分析方法和分析设备，涉及数据挖掘和网络管理领域，以解决现有故障根因分析过程中，需要采用大量的人力和时间来分析网络日志，导致的故障根因分析效率较低，不能及时排除网络故障的问题。方法包括：确定网络设备的故障时间点；获取网络设备在第一时间段内产生的第一日志信息集；第一日志信息集包含M类日志信息；根据预设分析策略对M类日志信息中每类日志信息进行分析，获取M类日志信息中的N类根因日志；根因日志为：网络设备发生故障时产生的日志信息，M≥N≥1，预设分析策略为：预先确定的所述网络设备故障发生时日志发生的规律；根据N类根因日志确定网络设备发生故障的原因。

摘要： 本发明公开了一种事件根因分析模型构建方法、事件根因分析方法及装置，其中，事件根因分析模型构建方法包括：获取业务数据；所述业务数据包括：业务系统数据、业务外围数据和业务分析数据；对所述业务系统数据和业务外围数据进行结构化处理，得到结构化数据，并提取所述结构化数据的业务实体及各所述业务实体之间的实体关系；根据所述业务实体和所述实体关系建立知识图谱；根据所述知识图谱进行特征提取，得到训练特征向量；根据所述业务分析数据及所述训练特征向量对预设的机器学习模型进行训练，得到事件根因分析模型。通过实施本发明，可充分结合知识图谱的结构化特征和机器学习动态化特点，综合利用多源数据，保障分析结果更加准确。

摘要： 本申请提供了一种根因规则建立方法、根因分析方法和装置，其中，该方法包括：将历史告警数据集使用关联规则挖掘算法，得到该历史告警数据集对应的告警关联关系集，该告警关联关系集中包括多条关联规则；确定该告警关联关系集中各条关联规则的置信度；根据该各条关联规则的置信度，从该告警关联关系集中确定出目标关联规则集，该目标关联规则集包括一条或多条关联规则；根据该目标关联规则集构建根因规则库。能够提高计算机告警根因的确定的准确性。

摘要： 本发明公开了一种基于关联分析的链式监控事件根因分析方法。以预定义的指标链树为参考，对于频繁同时发生的两条监控事件，分别提取两个不同的监控类型，提取第一条事件的监控类型为A，提取第二条事件的监控类型为B，并根据事件A和事件B的数量做比较和预判：若得到指标链为A小于B，则事件A更靠近指标链树根节点，并且以A为链接点，将此指标链添加到指标链树中；若A和B相同，则并列添加到指标链树中上一层的应用节点。针对报警风暴，将从监控事件中所得的报警类型与已经生成的指标链树做匹配，根据与根节点的报警距离确定根因报警，其他报警可以聚合到该根因报警中去。采用这样的方法，可以解决报警数量多导致运维排障效率低、过度依赖运维人员个人经验和技术的问题，有助于高效恢复业务，保障业务系统的稳定运行。

摘要： 本发明公开了一种故障根因分析方法和分析设备，涉及数据挖掘和网络管理领域，以解决现有故障根因分析过程中，需要采用大量的人力和时间来分析网络日志，导致的故障根因分析效率较低，不能及时排除网络故障的问题。方法包括：确定网络设备的故障时间点；获取网络设备在第一时间段内产生的第一日志信息集；第一日志信息集包含M类日志信息；根据预设分析策略对M类日志信息中每类日志信息进行分析，获取M类日志信息中的N类根因日志；根因日志为：网络设备发生故障时产生的日志信息，M≥N≥1，预设分析策略为：预先确定的所述网络设备故障发生时日志发生的规律；根据N类根因日志确定网络设备发生故障的原因。