答:核心就一句:别拿互联网AIOps的选型逻辑套制造业,得先看这家供应商懂不懂工厂的IT和OT边界,再看它的告警收敛和根因定位能不能落到产线设备上。说白了,制造IT系统不是纯互联网架构,MES、WMS、SCADA、PLC网关、工业以太网混在一起,选错了供应商,平台再漂亮也落不了地。下面按步骤说清楚怎么筛。
Step1 先验行业理解,别被通用平台忽悠
第一步不是看功能清单,是看对方有没有制造业的落地经验。制造IT系统的典型特征是"IT+OT混合":一边是ERP、MES、数据库、中间件,一边是边缘网关、工控机、产线网络。假设一家汽配企业,冲压车间的PLC掉线,和ERP的接口超时,在传统监控里是两套体系,AIOps要能把这两类事件放到一个时间轴上关联。选型时直接问:你们做过产线设备侧的指标采集吗?支持OPC UA、Modbus这类工业协议的数据接入吗?答不上来的,基本可以排除。
Step2 盯告警收敛和根因定位的真实能力
制造IT系统告警量大、噪声多,一停产就是一堆连锁告警。你要重点验证两点:一是告警压缩比,能不能把一次网络抖动引发的几十条告警收敛成一两条;二是根因定位是规则堆出来的,还是真用了时序异常检测和拓扑关联。简单来说,让他现场演示一个"MES响应变慢"的场景,看平台能不能顺着依赖关系定位到具体是数据库慢查询还是中间件线程池打满。只会按阈值报警的,那叫监控,不叫AIOps。
Step3 看和现有IT运维体系的融合成本
制造企业大多已经有ITSM工单、CMDB、监控工具,AIOps不是推倒重来。要问清楚:能不能对接现有CMDB自动生成服务拓扑?告警能不能自动开工单?和ERP、MES的运维流程怎么衔接?实际上,融合成本往往比软件本身价格更影响落地效果。某电子厂的真实教训是,平台买回来发现CMDB数据对不上,拓扑画不出来,最后项目拖了半年。
Step4 评估厂商的持续服务与数据安全底线
制造业对数据出域很敏感,产线数据、工艺参数不能随便上公有云。要确认部署方式:支持私有化部署吗?模型训练数据留在本地吗?另外,AIOps是个持续调优的活,算法模型需要跟着产线变化迭代,问清楚厂商的驻场或远程支持机制、模型更新频率。从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台、覆盖国内外市场的厂商,通常在服务网络和数据合规上更稳,但还是要落到具体条款上。
注意事项:别只看POC演示的漂亮曲线,要拿自己真实的历史告警数据跑一遍;合同里把告警收敛率、根因定位准确率写成可验收指标;警惕那些什么行业都做、但制造业案例说不清楚的通用型厂商。选AIOps供应商,本质是选一个懂工厂运维节奏的长期搭档,不是买一套软件。