AI Operations Intelligence

‏AI Operations Intelligence مؤلفهٔ تحلیلی Operational Health Matrix است و برای بالا بردن کیفیت بهره‌برداری از راه تحلیل هوشمند داده‌های انباشته طراحی شده است.

‏AI به‌تنهایی هیچ تصمیم عملیاتی نمی‌گیرد.

همهٔ توصیه‌ها پشتیبانی کارشناسی برای مهندس به شمار می‌روند و نیازمند تأیید کاربرند.

این رویکرد پایبندی به اصول شفافیت، تکرارپذیری و کنترل‌پذیری زیرساخت‌های حیاتی را تضمین می‌کند.

اصول طراحی

مؤلفهٔ AI بر پایهٔ این اصول ساخته شده است:

• توصیه‌های قابل توضیح؛
• انسان در حلقهٔ تصمیم (Human-in-the-Loop)؛
• ‏workflow عملیاتی قطعی؛
• پشتیبانی تصمیم با قابلیت ردیابی؛
• تحلیل غیرمخرب.

هیچ توصیهٔ هوش مصنوعی به‌صورت خودکار یک Operational Issue را تغییر نمی‌دهد.

‏Operational Issues مشابه

هنگام ثبت یک Operational Issue تازه، سامانه به‌صورت خودکار موارد مشابه را جست‌وجو می‌کند.

مقایسه بر پایهٔ این پارامترها انجام می‌شود:

• ‏Canon مربوط به Issue؛
• نوع تجهیزات؛
• نسخهٔ Firmware؛
• پیکربندی؛
• منطقه؛
• شرایط بهره‌برداری؛
• Root Cause؛
• راهکار به‌کاررفته؛
• نتیجهٔ تأییدشده.

مرتبط‌ترین موارد به‌همراه درجهٔ شباهت آن‌ها به مهندس نمایش داده می‌شوند.

رتبه‌بندی Root Cause

هنگامی که چند علت ممکن وجود دارد، سامانه فهرستی رتبه‌بندی‌شده از محتمل‌ترین Root Causeها تهیه می‌کند.

برای هر علت این موارد نمایش داده می‌شود:

• احتمال؛
• ‏Evidence پشتیبان؛
• موارد مشابه؛
• بررسی‌های پیشنهادی؛
• اثر مورد انتظار.

تعیین نهایی Root Cause بر عهدهٔ مهندس است.

نگهداری پیش‌بینانه (Predictive Maintenance)

سامانه بر پایهٔ داده‌های تاریخی، تجهیزاتی را شناسایی می‌کند که احتمال بروز مشکل بهره‌برداری در آن‌ها بالاتر است.

پیش‌بینی می‌تواند این موارد را در نظر بگیرد:

• سرعت افت Health Score؛
• تکرارشوندگی Canonها؛
• آمار تعمیرات؛
• عمر تجهیزات؛
• پایداری ارتباط؛
• عوامل فصلی؛
• شدت بهره‌برداری.

نتیجه، توصیه به انجام نگهداری پیشگیرانه است.

تحلیل رانش Detectorها (Drift)

‏OHM اثربخشی مدل‌های تحلیلی خود را پیوسته پایش می‌کند.

سامانه برای هر Detector این موارد را تحلیل می‌کند:

• تغییر Accuracy؛
• تغییر Precision؛
• تغییر Recall؛
• رشد False Positive؛
• رشد False Negative؛
• تغییر Confidence Distribution.

با شناسایی افت کیفیت، آن Detector به وضعیت Requires Review منتقل می‌شود.

ریسک‌های عملیاتی نوپدید

‏AI کل مجموعهٔ Operational Issues را برای یافتن روندهای تازه تحلیل می‌کند.

برای نمونه:

• رشد خرابی‌های یک مدل مشخص از تجهیزات؛
• افزایش شمار خطاها پس از به‌روزرسانی Firmware؛
• افت کیفیت ارتباط در یک منطقهٔ مشخص؛
• افزایش شمار Root Causeهای یکسان.

چنین رویدادهایی به‌صورت Emerging Risks نمایش داده می‌شوند.

سطح اطمینان توصیه‌ها

هر توصیه با ضریب اطمینان همراه است.

برای افزایش اعتماد، مهندس همیشه این موارد را می‌بیند:

• ‏Evidence به‌کاررفته؛
• ‏Operational Issues مرتبط؛
• موارد مشابه؛
• توضیح دلیل ارائهٔ آن توصیه.