基于大模型的ATM智能運(yùn)維系統(tǒng)

摘要：隨著社會(huì)的發(fā)展，人力運(yùn)維成本不斷上升，利用人工智能大模型技術(shù)構(gòu)建自動(dòng)化智能ATM運(yùn)維體系顯得尤為關(guān)鍵。利用總控系統(tǒng)實(shí)時(shí)監(jiān)控ATM狀態(tài)并收集關(guān)鍵數(shù)據(jù)，結(jié)合行業(yè)大模型的智能分析和知識(shí)庫(kù)，實(shí)現(xiàn)對(duì)故障的檢測(cè)與分析。該體系允許工程師輸入故障信息，接收由大模型實(shí)時(shí)推送的解決方案，從而提升運(yùn)維效率，減少人力和培訓(xùn)成本。

關(guān)鍵詞：人工智能大模型；ATM智能運(yùn)維；故障檢測(cè)；知識(shí)庫(kù)融合

中圖分類號(hào)：TP311" " 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）18-0052-04

開放科學(xué)（資源服務(wù)） 標(biāo)識(shí)碼（OSID）

0 引言

ATM運(yùn)維管理是確保銀行自助服務(wù)網(wǎng)絡(luò)正常運(yùn)行的關(guān)鍵環(huán)節(jié)。ATM運(yùn)維管理涉及設(shè)備的日常監(jiān)控、維護(hù)、故障排除和升級(jí)等方面。對(duì)于用戶而言，ATM須提供存取款、繳費(fèi)、轉(zhuǎn)賬、理財(cái)?shù)榷喾N功能。傳統(tǒng)的ATM運(yùn)維依賴專業(yè)人員現(xiàn)場(chǎng)監(jiān)控設(shè)備狀態(tài)，定期進(jìn)行健康檢查，記錄運(yùn)維文檔，并承擔(dān)較高的培訓(xùn)成本。隨著技術(shù)的發(fā)展，ATM運(yùn)維逐漸向智能化和自動(dòng)化方向演進(jìn)，例如遠(yuǎn)程監(jiān)控系統(tǒng)實(shí)現(xiàn)了對(duì)ATM狀態(tài)的實(shí)時(shí)監(jiān)控和管理，自動(dòng)化工具則提高了運(yùn)維效率[1]。

近年來(lái)，人工智能技術(shù)迅猛發(fā)展，尤其是由OpenAI開發(fā)的GPT系列模型在自然語(yǔ)言處理領(lǐng)域取得了重要成果。從GPT-1到GPT-4，這些模型已從早期的文本生成擴(kuò)展到多模態(tài)的理解和生成，推動(dòng)了大模型技術(shù)的發(fā)展。國(guó)內(nèi)科技公司也研發(fā)了各自的AI大模型，如阿里巴巴的通義千問、百度的文心一言等。人工智能的發(fā)展為各行各業(yè)帶來(lái)了新的機(jī)遇，在醫(yī)療、自動(dòng)駕駛、智能家居等領(lǐng)域取得了廣泛應(yīng)用。同樣，基于大模型的技術(shù)也為ATM智能運(yùn)維提供了新的思路。

然而，現(xiàn)有技術(shù)尚未充分考慮將人工智能大模型與ATM運(yùn)維知識(shí)庫(kù)相結(jié)合，以應(yīng)對(duì)ATM硬件運(yùn)維中的特定挑戰(zhàn)，如運(yùn)維效率低下、知識(shí)檢索困難、維修工程師技術(shù)要求高等問題。本文提出了一種基于大模型的ATM硬件智能運(yùn)維方法和系統(tǒng)，利用大模型的能力精準(zhǔn)分析ATM運(yùn)維知識(shí)庫(kù)，提取文本和圖像的關(guān)鍵信息。基于硬件運(yùn)行日志和工程師的故障描述，對(duì)ATM硬件故障進(jìn)行排查，并對(duì)文本內(nèi)容進(jìn)行優(yōu)先級(jí)排序，通過(guò)系統(tǒng)客戶端按順序直觀呈現(xiàn)，提高運(yùn)維工程師精準(zhǔn)定位硬件故障的能力。

1 傳統(tǒng)運(yùn)維和智能運(yùn)維

1.1 傳統(tǒng)運(yùn)維存在的問題

根據(jù)中國(guó)人民銀行的最新數(shù)據(jù)，截至2024年第一季度末，全國(guó)ATM機(jī)的數(shù)量已達(dá)到83.71萬(wàn)臺(tái)。盡管與上一季度相比減少了8 358臺(tái)，但這一數(shù)字仍然龐大，使得運(yùn)維管理的復(fù)雜性顯著增加。

面對(duì)龐大的ATM數(shù)量和復(fù)雜的運(yùn)維需求，ATM故障的響應(yīng)速度往往不夠迅速。傳統(tǒng)運(yùn)維主要存在以下問題。

1） 故障響應(yīng)不及時(shí)。從接到報(bào)修到運(yùn)維人員到達(dá)現(xiàn)場(chǎng)檢查和維護(hù)，整個(gè)過(guò)程耗時(shí)較長(zhǎng)，限制了運(yùn)維效率。

2） 人為因素導(dǎo)致錯(cuò)誤和疏漏。手動(dòng)記錄運(yùn)維日志可能出現(xiàn)遺漏或不準(zhǔn)確，影響數(shù)據(jù)收集和分析的有效性，難以實(shí)現(xiàn)精細(xì)化管理。

3） 培訓(xùn)成本高。為跟上技術(shù)的快速發(fā)展，運(yùn)維人員需要持續(xù)接受培訓(xùn)，增加了人力成本。

4） 缺乏預(yù)測(cè)能力。目前對(duì)設(shè)備故障的預(yù)測(cè)能力不足，主要依賴事后維修而非主動(dòng)的預(yù)防性維護(hù)策略，增加了系統(tǒng)故障風(fēng)險(xiǎn)。

1.2 智能運(yùn)維的優(yōu)勢(shì)

智能化在運(yùn)維領(lǐng)域的持續(xù)推進(jìn)[2]，使得故障定位和恢復(fù)的時(shí)間要求越來(lái)越短，人工干預(yù)程度降低，運(yùn)維模式從被動(dòng)響應(yīng)轉(zhuǎn)向主動(dòng)預(yù)防。在這一轉(zhuǎn)型過(guò)程中，人工智能大模型與ATM運(yùn)維知識(shí)庫(kù)的融合應(yīng)用，為ATM硬件運(yùn)維帶來(lái)了顯著優(yōu)勢(shì)。

利用大模型的自然語(yǔ)言處理能力，根據(jù)問題特征和上下文信息，對(duì)大量日志文件和ATM硬件知識(shí)庫(kù)進(jìn)行深入分析。模型能夠提取文本和圖像的關(guān)鍵信息，對(duì)故障進(jìn)行排查，并對(duì)文本內(nèi)容進(jìn)行優(yōu)先級(jí)排序。通過(guò)系統(tǒng)客戶端按順序直觀呈現(xiàn)，快速準(zhǔn)確地識(shí)別出潛在問題和異常，提高運(yùn)維工程師精準(zhǔn)定位硬件故障的能力。

ATM融合大模型的智能運(yùn)維能力，主要具有以下優(yōu)勢(shì)。

1） 提高運(yùn)維效率，降低運(yùn)營(yíng)成本。 利用大模型的預(yù)測(cè)能力，減少人工干預(yù)和重復(fù)性工作，提高運(yùn)維工程師的效率，降低人力成本。

2） 實(shí)時(shí)監(jiān)控與預(yù)測(cè)性分析。 大模型具備自我學(xué)習(xí)和認(rèn)知能力，能夠預(yù)測(cè)潛在故障和性能問題，及時(shí)采取措施，保障金融業(yè)務(wù)的連續(xù)性和穩(wěn)定性。

3） 知識(shí)庫(kù)融合與成本降低。 通過(guò)檢索本地知識(shí)庫(kù)和日志，降低了模型計(jì)算需求，減少了私有化部署成本。

4） 異常監(jiān)測(cè)和根因分析。 快速識(shí)別系統(tǒng)中的異常現(xiàn)象，結(jié)合知識(shí)庫(kù)進(jìn)行根因分析，迅速定位問題源頭，加速問題解決。大模型的自學(xué)習(xí)能力解決了知識(shí)庫(kù)不夠豐富、訓(xùn)練語(yǔ)料不足等問題。

2 整體方案設(shè)計(jì)

2.1 智能運(yùn)維架構(gòu)

智能運(yùn)維的總體架構(gòu)如圖1所示。

總控系統(tǒng)實(shí)時(shí)監(jiān)控ATM設(shè)備，定時(shí)將監(jiān)測(cè)數(shù)據(jù)推送至大模型終端。智能運(yùn)維系統(tǒng)的工作流程如下。

1） 總控系統(tǒng)實(shí)時(shí)監(jiān)控ATM狀態(tài)，收集關(guān)鍵數(shù)據(jù)。

2） 將數(shù)據(jù)推送至大模型終端進(jìn)行分析，評(píng)估設(shè)備的性能和關(guān)鍵指標(biāo)。

3） 大模型結(jié)合知識(shí)庫(kù)，對(duì)相關(guān)問題進(jìn)行排序。一旦發(fā)現(xiàn)可疑故障，系統(tǒng)通過(guò)總控系統(tǒng)推送警報(bào)，并以短信方式通知相關(guān)運(yùn)維工程師。

4） 運(yùn)維工程師通過(guò)客戶端與大模型終端進(jìn)行多輪對(duì)話，利用自然語(yǔ)言處理能力獲取解決方案。

5） 運(yùn)維工程師依據(jù)大模型提供的解答，準(zhǔn)確定位故障并解決問題。

6） 運(yùn)維工程師對(duì)故障診斷結(jié)果和解決方案的有效性進(jìn)行評(píng)價(jià)。大模型根據(jù)問答[4]記錄、日志記錄和服務(wù)結(jié)果反饋，不斷豐富知識(shí)庫(kù)，并提升自身性能。

同時(shí)，這些數(shù)據(jù)也將作為訓(xùn)練數(shù)據(jù)集，提升大模型的性能和準(zhǔn)確性。通過(guò)這一閉環(huán)流程，人們確保了系統(tǒng)的高效運(yùn)行和持續(xù)改進(jìn)。

2.2 智能運(yùn)維的實(shí)現(xiàn)方法

2.2.1 總控系統(tǒng)實(shí)時(shí)監(jiān)控和數(shù)據(jù)收集

總控系統(tǒng)作為ATM運(yùn)維的核心，提供全天候的監(jiān)控，確保對(duì)ATM設(shè)備運(yùn)行狀態(tài)的持續(xù)監(jiān)測(cè)。監(jiān)控范圍包括交易總量、歷史運(yùn)維記錄、CPU占用率等關(guān)鍵性能指標(biāo)。總控系統(tǒng)每小時(shí)匯總一次關(guān)鍵數(shù)據(jù)，并將其推送至大模型處理終端，為運(yùn)維決策提供數(shù)據(jù)支持。

2.2.2 大模型分析

總控系統(tǒng)收集ATM設(shè)備的相關(guān)數(shù)據(jù)并傳遞給大模型進(jìn)行分析，大模型處理終端流程如圖2所示。

大模型接收總控系統(tǒng)傳輸?shù)腁TM數(shù)據(jù)，進(jìn)行深入分析，包括設(shè)備性能評(píng)估、交易響應(yīng)時(shí)間、部件溫度等關(guān)鍵指標(biāo)。結(jié)合歷史數(shù)據(jù)和知識(shí)庫(kù)檢索，利用上下文理解能力，形成故障判斷摘要。若檢測(cè)到故障[5]，大模型將在知識(shí)庫(kù)中檢索解決方案，并推送至總控系統(tǒng)，總控系統(tǒng)短信通知運(yùn)維工程師，并向ATM設(shè)備發(fā)送故障信號(hào)并顯示；若知識(shí)庫(kù)中無(wú)相關(guān)方案，則生成新的故障診斷報(bào)告，納入知識(shí)庫(kù)供后續(xù)使用。

2.2.3 總控系統(tǒng)與客戶端通信

總控系統(tǒng)與客戶端建立SSE（Server-Sent Events） [3]實(shí)時(shí)連接通信機(jī)制。工程師在客戶端輸入故障信息，總控系統(tǒng)將其反饋給大模型終端。大模型對(duì)輸入內(nèi)容進(jìn)行語(yǔ)義分析，檢索并推送相關(guān)解決方案，客戶端以逐字顯示的方式呈現(xiàn)，幫助工程師及時(shí)解決問題。

2.2.4 大模型自學(xué)習(xí)

工程師與大模型的對(duì)話被系統(tǒng)記錄，匯總成數(shù)據(jù)集。工程師可以反饋服務(wù)結(jié)果，包括故障預(yù)測(cè)準(zhǔn)確率、維修過(guò)程難點(diǎn)等。大模型根據(jù)反饋持續(xù)訓(xùn)練和優(yōu)化，不斷提升故障診斷和問題解決能力。

3 系統(tǒng)設(shè)計(jì)

3.1 硬件ATM總控系統(tǒng)

總控系統(tǒng)實(shí)時(shí)監(jiān)控ATM設(shè)備的運(yùn)行狀態(tài)，將ATM的交易總量、CPU運(yùn)行占比等各種性能指標(biāo)進(jìn)行匯總，定時(shí)傳遞給運(yùn)維大模型處理終端，硬件ATM總控系統(tǒng)如圖3所示。

3.2 運(yùn)維大模型處理終端

大模型處理終端模塊根據(jù)總控系統(tǒng)推送的信息進(jìn)行分析、具備強(qiáng)化學(xué)習(xí)RL能力。通過(guò)與ATM設(shè)備的交互、模型根據(jù)當(dāng)前的知識(shí)庫(kù)進(jìn)行檢索，進(jìn)行LLM文章語(yǔ)義分析，深入分析文本、圖片、故障原因和顯示特征等相關(guān)知識(shí)，檢測(cè)設(shè)備的檢修次數(shù)和歷史維修記錄。如未檢測(cè)到故障，丟棄之前信息，進(jìn)入下一輪檢測(cè)。如果存在故障，模型將提供針對(duì)性的故障預(yù)防措施報(bào)告，精準(zhǔn)定位錯(cuò)誤問題，并更新知識(shí)庫(kù)文章，以提高事件的可讀性和形成相關(guān)知識(shí)文案，大模型自主判斷邏輯如圖4所示。

大模型形成知識(shí)庫(kù)文章的同時(shí)，從知識(shí)庫(kù)中抽取相關(guān)問題進(jìn)行排序[6]，利用關(guān)鍵字、語(yǔ)義等相關(guān)性排序，組成從大到小的關(guān)聯(lián)性排序的答案，把故障結(jié)論實(shí)時(shí)推送到總控系統(tǒng)，總控系統(tǒng)發(fā)送故障給ATM設(shè)備上，并在設(shè)備上進(jìn)行故障顯示，與此同時(shí)通過(guò)短信方式發(fā)送給數(shù)據(jù)庫(kù)中記錄的設(shè)備所歸屬的運(yùn)維工程師，總控系統(tǒng)顯示故障和短信通知運(yùn)維工程師。

大模型處理終端后臺(tái)管理系統(tǒng)包括大模型管理、提問記錄管理和意見反饋管理等模塊。管理員可以在大模型管理界面展示和編輯模型信息，新建模型，設(shè)置推薦問題列表等，如圖5所示。

管理員可以編輯模型名稱、模型編碼、模型描述等信息，大模型編輯模型界面如圖6所示。

管理員還可以設(shè)置該大模型推薦問題的列表，可以增加和刪除相應(yīng)問題，如圖7所示。

在提問記錄頁(yè)面，管理員可以查看同一對(duì)話下的所有對(duì)話記錄，包括提問問題、答案、提問時(shí)間等，如圖8所示。

3.3 客戶端界面

運(yùn)維工程師在客戶端輸入故障信息和設(shè)備狀態(tài)描述，總控系統(tǒng)將信息反饋給大模型處理終端。大模型檢索并推送歷史解決方案和相關(guān)文章，客戶端以流式方式輸出結(jié)果。運(yùn)維工程師可在網(wǎng)頁(yè)端與大模型進(jìn)行交互，如圖9和圖10所示。

系統(tǒng)還支持移動(dòng)端操作，確保運(yùn)維工程師在各種移動(dòng)設(shè)備上獲得一致的操作體驗(yàn)，提高了運(yùn)維工作的靈活性和及時(shí)性，移動(dòng)端界面如圖11所示。

4 結(jié)論

本文提出并實(shí)現(xiàn)了一種基于大模型的ATM智能運(yùn)維方法與系統(tǒng)，顯著提升了硬件運(yùn)維工程師的工作效率，降低了對(duì)工程師技術(shù)水平的要求。該系統(tǒng)具備精確檢索、分析和更新ATM運(yùn)維知識(shí)庫(kù)的能力，總控系統(tǒng)能夠全天候監(jiān)測(cè)ATM設(shè)備的運(yùn)行狀態(tài)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)控和快速響應(yīng)。通過(guò)分析運(yùn)維工程師的查詢意圖和設(shè)備歷史數(shù)據(jù)，系統(tǒng)對(duì)大模型的輸出結(jié)果進(jìn)行優(yōu)先級(jí)排序，并以實(shí)時(shí)流模式向客戶端提供反饋。此外，研究者建立了用戶反饋收集和分析機(jī)制，促進(jìn)大模型的持續(xù)迭代和優(yōu)化，有效解決了硬件運(yùn)維過(guò)程中的難題，提高了效率，降低了成本。展望未來(lái)，ATM智能運(yùn)維的進(jìn)一步發(fā)展將為金融機(jī)構(gòu)帶來(lái)深遠(yuǎn)價(jià)值，也將為終端用戶提供更加穩(wěn)定可靠的服務(wù)體驗(yàn)。

參考文獻(xiàn)：

[1] 遠(yuǎn)程監(jiān)控：安全、運(yùn)維兩相宜[J].金融電子化，2007（9）：35-36.

[2] 裴丹，張圣林，孫永謙，等.大語(yǔ)言模型時(shí)代的智能運(yùn)維[J].中興通信技術(shù)，2024，30（2）：56-62.

[3] DE LA TORRE L，CHACON J，CHAOS D，et al.Using server-sent events for event-based control in networked control systems[J].IFAC-PapersOnLine，2019，52（9）：260-265.

[4] 文森，錢力，胡懋地，等.基于大語(yǔ)言模型的問答技術(shù)研究進(jìn)展綜述[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2024，8（6）：16-29.

[5] 張海龍，黃文鋒，路翔，等.知識(shí)增強(qiáng)大模型在信息系統(tǒng)故障分析中的應(yīng)用研究[J].現(xiàn)代計(jì)算機(jī)，2024，30（6）：87-93.

[6] 王婷，王娜，崔運(yùn)鵬，等.基于人工智能大模型技術(shù)的果蔬農(nóng)技知識(shí)智能問答系統(tǒng)[J].智慧農(nóng)業(yè)（中英文） ，2023，5（4）：105-116.

【通聯(lián)編輯：梁書】