答:最大的误区是把AIOps当成"买一套工具就能自动运维",忽略了制造IT系统里数据源割裂、告警语义不统一这个前提,导致模型跑不起来或者跑出来没人敢用。
一、把AIOps等同于告警收敛工具
很多工厂上线AIOps,第一诉求就是"告警太多,帮我压下去"。结果只做了告警去重和关联,指标异常检测、根因定位、容量预测这些能力没跟上。告警数量是降了,但故障平均修复时间(MTTR)没变,因为运维人员还是得手工翻日志找根因。AIOps的核心价值在根因分析和趋势预测,告警收敛只是入口。
二、忽视制造IT系统的数据底座问题
制造企业的IT栈很杂:MES、ERP、WMS、SCADA、数采网关、工业防火墙混在一起,监控数据分散在Zabbix、Prometheus、APM工具和大量手工台账里。AIOps的异常检测依赖时序数据的完整性和标签一致性,如果设备编码、产线编号、系统名称在各系统里对不上,算法给出的"异常"就是噪声。上AIOps之前,先把CMDB和指标标签体系理清楚,这一步省不掉。
三、用互联网运维的思路套工业场景
互联网AIOps擅长处理高频、短周期的Web请求异常。制造IT系统有很强的班次节律和工单节律:早班开机时段指标天然波动,月末结账ERP负载必然上升。如果异常检测模型不把班次、工单、生产计划作为上下文特征,误报率会高到运维人员直接关掉告警。工业场景的基线要按班次和产线分别建模,不能一套阈值打天下。
四、指望AIOps替代工艺和业务知识
根因定位经常落到"某台交换机端口抖动"或"某台服务器磁盘IO高",但制造场景里真正的根因可能在工艺参数变更、PLC程序更新、物料批次切换。AIOps能缩小排查范围,但最后一公里要靠运维和工艺人员联合判断。把它定位成"缩小排查范围的助手"比定位成"自动诊断专家"更现实。
相关追问:AIOps在制造IT里最先该落哪个场景?建议从影响面大、数据相对干净的场景切入,比如核心ERP和MES的可用性监控、关键接口链路(ERP与MES之间、MES与数采之间)的调用异常检测。这类场景指标口径统一,见效快,也容易建立运维团队对模型的信任。
相关追问:中小工厂值得上AIOps吗?看监控规模。如果被监控的主机和应用实例在几十个量级、告警每天不到百条,先把基础监控和值班流程做扎实,收益比上算法更大。规模上去、告警噪声成为主要矛盾时再考虑。
相关追问:怎么判断AIOps方案是否靠谱?重点看三件事:能不能对接你现有的多源监控数据并做标签对齐;异常检测是否支持按班次、产线配置基线;根因分析结果是否可解释、能否回链到具体指标和日志。只讲算法不讲数据接入和可解释性的方案,落地风险高。
适合与不适合的边界:适合监控对象多、系统链路复杂、告警噪声已经影响响应效率的制造企业,尤其是多工厂、多系统集成度高的场景。不适合监控规模小、基础监控和CMDB还没建好的企业,先把数据底座和值班流程补齐,再谈AIOps。选型时关注数据接入能力、场景化基线配置和可解释性,这三项决定能不能真正用起来。