計算機設備健康狀態評估方法

張雪堅++楊震乾++釧濤++向華偉++呂垚++馮熙

摘 要

隨著現代企業信息化建設的推進，越來越多的計算機設備被投入使用，對使用中的計算機設備建立鑒定其健康狀態的方法對企業的穩定運作有極為重要的意義，文章從設備品牌，設備類型，設備資源使用率，設備機房環境，缺陷記錄，意外事件等方面構建出將設備運行時間作為主要評估依據的設備健康狀態評估體系，確定了計算機設備健康狀態指標權重，提出了基于模糊綜合評價法和層次分析法結合的評估模型，為計算機設備的健康狀態評估提出了可供決策者參考的理論依據。

【關鍵詞】設備健康狀態 模糊綜合評價法

隨著信息化技術的不斷發展和信息化建設的不斷推進，新興技術諸如云計算，云平臺，人工智能等正在不斷改變著人們的生活和工作方式，但技術的實際使用及信息化建設的基礎背后必定伴隨著越來越多的計算機資源和設備被投入使用，在運的計算機設備穩定運作是保障企業正常運行的關鍵，現階段在運的計算機設備存在健康狀態評估難，淘汰界限不清晰等難題，大部分企業對計算機設備采取的淘汰方式為用到壞淘汰或定期淘汰，以上方法會導致設備承載業務的穩定運行得不到保障及成本的提高，因此形成有理論依據和具備實際數據參考的準確可靠的計算機設備健康狀態評估方法便顯得尤為必要。

1 計算機設備健康狀態評估指標

影響計算機設備健康狀態的指標有很多，有的是從設備出生就伴隨著的指標如品牌和類型等，有的是在設備日常使用中的諸如使用環境，負載等，對評估指標的選取中應選取最能影響設備健康狀態，且具備數據可采集性，完整性等特征的指文章中所選取的指標如圖1所示，采用模糊評價法中分層的模型方法，主要指標為產品狀況，運行狀況及歷史狀態，其中第二層中包含有設備品牌，設備類型，負載占用資源率，運行機房環境，缺陷記錄，意外事件六個指標，且每個指標均有各自的針對不同設備的評分方法。如設備類型的得分是基于如下的函數得出。其中K1是X86服務器計算機設備，K2是小型機，T是設備投運時間。

（1）

（2）

以上函數的得出是由對大量計算機設備健康數據進行采樣，并對設備故障率的浴盆曲線進行對比研究后建模，繪制圖形后為方便計算用線性函數分段近似曲線后得出。因文章篇幅有限，對于其他指標的打分方式在此將不復述。

2 計算機設備健康狀態評估模型：

美國自動控制專家L.A. Zadeh發表的文章《模糊集》中第一次將模糊概念用精確的數學方法描述出來，從中誕生了模糊數學，模糊集提出了一種對復雜系統進行分析的方法。模糊綜合評定法是模糊數學中的一種具體應用方法，其模型由北京大學數學系教授汪培莊提出。模糊綜合評價法是對受多種因素影響的復雜事物利用多因素決策的方法來做出全方位評價的一種強大的數學方法，評價中通過構造等級模糊子集來將被評價事物的模糊指標進行量化，指標量化后根據模糊學中的模糊變換原理將各指標進行綜合，得出的評價結果并非是否定或者肯定得結果，而是以一個模糊集合來表示，最終根據最大隸屬度來確定評價結果。具體的計算步驟如下：

（1）確定評價對象因素集：U={u1，u2，…，um}為被評價對象的n種評價指標，其中文章中用到為分層評價指標，U=U1∪U2∪U3，U1，U2，U3分別代表上文中所述的產品狀態，運行狀態，歷史狀態，且U1={U11，U12}，U11， U12分別代表最后一級指標中的設備品牌和設備類型。

（2）確定評語集：V={v1，v2，…，vn}，vj代表第j個評價結果，評價結果總數為n，本文中評價結果劃分為3個等級如表1所示。

（3）確定評價指標的權重向量：A=（a1，a2，…，am）為權重（權數）分配模糊矢量，ai表示第i個因素的權重，其中0<=ai，Σam=1。權重的選取一般是憑經驗得出，帶有主觀性，權重同時也是決定評價結果中最重要的因素。本文中因素權重的確定采用的方式是專家打分的方式，通過邀請18位計算機設備運維專家獨立地給出各因素的權重，最終的權重值為取各因素權重的平均值。

（4）對單因素模糊評價后組合成模糊關系矩陣R：單因素模糊評價為從最底層的單因素確定其對第二步驟中評價集合V的隸屬程度，從而得出如R1=（r11， r12 ，r13）的單因素模糊子集，通過對子集的組合過后可以得出模糊關系矩陣，如本文中若設備品牌得分為90分，設備類型得分為60分，則產品狀況的模糊矩陣為：

（5）模糊綜合評價結果矢量的確定：如下公式所示，將權重矢量A與模糊關系矩陣R合成可以得到各評價對象的模糊綜合評價結果矢量B

（3）

因本文中使用的為分層方法，確定第一級評價結果B1，B2，B3后，最終計算機設備健康狀態評估的結果矢量為B=A[B1·B2·B3]T

3 計算機設備健康狀態評估模型的驗證

3.1 評價指標權重

通過專家打分得出的產品狀況，運行狀況，歷史狀況及其二級指標權重如表2、3所示。

3.2 計算機設備健康狀態評估

根據如上模型可計算出設備的健康狀態，本文中選用了一臺華為的RH8100V3服務器作為實例，其中該設備投運時間為1.3年。首先需計算二級指標基于隸屬度函數得出的基于產品狀況指標集的單因素判斷矩陣R1，基于運行狀況指標集的單因素判斷矩陣R2，及基于歷史狀況的單因素判斷舉證R3如下所示：

通過代入各項評價指標權重可得出二級指標評估結果為

B1=A1R1=[0.853，0.147，0]

B2=A2R2=[0.4902，0.5098，0]

B3=A3R3=[0.9704，0.0296.0]

經過如上結果可以得出此計算機設備最終的健康狀態評估結果為B為：

B=AR=[0.7445，0.2555，0]

根據以上模糊評判結果可知，該計算機設備評估結果中最大值為0.7445是評語集中的健康狀態，由最大隸屬度原理可知，該設備處于健康狀態。經專家鑒定，實際設備的健康情況屬于健康狀態，與計算機設備健康狀態評估模型計算結果相符合。

4 結語

本文深入討論了模糊綜合評判法的使用，通過建立了計算機設備的分層狀態評估模型并用模糊綜合評判法對計算機設備的健康狀態進行評估，且評估結果與實際結果相符，證明了該方法的實際使用意義。經研究該方法的使用可減少信息化建設管理成本并降低管理風險，增強信息化建設中的可靠性及執行效率。

參考文獻

[1]張金萍，劉國賢，袁泉，等.變電設備健康狀態評估系統的設計與實現[J].現代電力，2004，21（04）：45-49.

[2]李晉，朱強強，范旭峰，等.大型機電設備健康狀態評估方法研究[J].工礦自動化，2015，41（01）：6-9.

[3]霍本瑤，劉新超.模糊綜合評判法[J].黃河水利職業技術學院學報，1999（02）：26-30.

[4]呂文峰.機電設備健康狀態評估方法研究[J].商品與質量，2015（27）.

作者單位

云南電網有限責任公司信息中心 云南省昆明市 650200