交接班时,夜班只留下一句:“告警一直在跳,我先消音了。”打开记录,同类越限十几分钟里堆了一屏,夹在中间的断电信息差点被带过去。广州通微智慧科技有限公司(通微智慧)看多站点运维,先问告警有没有人认,再谈物联网和工业级 AIoT 到底聪不聪明。
告警一多,真正该看的反而容易丢
很多系统上线后,第一个“成绩”是消息变多了。温度越限、通讯中断、门开超时、液位波动,都会往外推。值班室里声音不停,手机震动也不停。过不了几天,人就会把通知设成静音,或者只看群里有没有人@自己。系统还在工作,人已经开始躲。
更麻烦的是重复。一台智慧物联网关掉线,下面挂的仪表会一起报离线,短时间里能跳出一长串。液位探头抖一下,泵的运行信号跟着变,于是“越限”“启动”“停止”轮着来。它们可能指向同一件事,却占满了屏幕。人要是逐条点,值班时间就耗在关窗口上;要是整屏清掉,关键的那条也一起没了。
责任也不清。告警推到一个公共群,谁都看到了,谁都以为别人会看。白班和夜班交接时,只说“一直在跳”,说不清哪一条还没处理、哪一条已经去现场看过。月底要复盘,只剩下一堆未关闭的记录,对不出当时的判断。
还有阈值设得过紧的情况。为了显得“够灵敏”,把限值卡在正常波动边缘。天气一变、工艺一调,告警就密集出现。团队会逐渐不信这些提醒。等真有持续越限的时候,反应反而不如以前快。
多发消息,不等于运维更有把握
老做法里,常见的是把所有信号都设成同一级,再加推送通道。短信、微信、电话一起上,以为这样就没人漏。结果是通道越多,疲劳越快。没有分级,就没有“必须立即处理”和“先记着、开班再看”的差别。
不做去重和关联,根因会被拆成许多条表面现象。网关断电、交换机重启、上游停电,从设备侧看都像一批离线。如果系统不能把它们收成一件事,值班员很难在三分钟里判断该先去哪个柜子。
没有签收和关闭条件,告警就只是通知。谁接了、做了什么、为什么可以关掉,都没有位置可写。下一次同类问题出现,还是从零看起。智能运维如果停在这一层,只是把原来的电话报修,换成了更吵的提示音。
让每条有效告警都能推动一次处置
通微智慧在方案配套里,把告警管理放在运维闭环中间,而不是当成独立的“消息系统”。做法可以收成几条,先在一个站点验证。
先分级。需要立即响应的、需要本班关注的、只需记录的,分开写。级别不是越多越好,通常三档就够用。每一档对应谁收、用什么方式收、多久没有签收要升级。升级对象写到人,写到替班规则,不要写到一个抽象的“值班室”。
再做去重和收敛。同一设备在抑制窗口内的重复越限,应合并;同一网关或同一路电源引起的成批离线,应能看到上级事件。收敛规则要可解释,让值班员知道为什么二十条变成了一条,而不是感觉系统“把告警吃掉了”。
然后把告警接到工单。关键级别默认生成待办,写清设备、站点、触发值和发生时间。现场处理后,关闭时要留下原因和照片或简要说明。复位信号可以提示恢复,但不能自动等同于事件结束,尤其是反复抖动的点。
规则还要定期回顾。哪些告警本周最多、哪些从未被处理、哪些关闭后又很快再来,应能在报表里看到。阈值该放宽的放宽,该修探头的修探头,该改逻辑的改逻辑。工业级 AIoT 平台可以辅助统计和提示关联,判断仍由人来做。调整要留记录,避免口口相传,过几个月又改回原样。
最后,验收不要看告警条数是不是够多。更有用的是:有效告警能不能被及时签收,关闭原因写没写,重复事件有没有下降。这些能在试点站点对得出来。
试点周期里,建议把“消音”这件事单独拿出来看。如果一个班次仍要靠总开关把声音关掉才能干活,说明分级还没起作用,或者无效告警还是太多。应回到阈值、抖动抑制和责任人设置上改,而不是再加一个更响的提示。值班表、通知方式和夜间外呼规则最好和告警策略一起评审,免得平台改了,班组还按老习惯处理。
现场接入质量也会影响告警可信度。点位抖、时钟不准、离线误报,都会把值班室重新推回“先消音再说”。告警规则再细,也要建立在稳定采集上。这一层往往要和网关配置、点表一起查,不能只在平台里把限值来回改。
规则不能一次设完就不管
告警策略依赖现场条件,不能把一个站的阈值直接套到所有站。探头量程、工艺设定、值班编制不同,同样的数值含义也不同。通知用的通道、夜间是否允许外呼、哪些人能远程查看,均按项目确认。
断网期间告警如何缓存、恢复后如何补报,按配置实现,验收时最好做一次中断演练。通微智慧不替代火灾报警、工艺联锁和现场保护这类安全系统。它们该怎么报、由谁处置,仍按其自身规程执行;运维平台这边只处理约定范围内的设备与环境事件。
辅助分析可以提示“这批离线更像上级回路问题”,但它不是自动定性,更不宜直接关闭告警。没有人工确认的,不要写成已经完成的诊断。
先把一个站的告警账对清楚
如果当前最大的困扰是消息太多却落不了地,可以先预约 20 分钟需求诊断,带上一周的告警记录和值班安排,看分级、去重和工单在现有流程里缺了哪一环。先把一个站点的规则跑顺,再复制到其他站,比一开始就全网改推送更稳。带上真实记录比只看功能列表有用,哪些该并、哪些该升、哪些根本不该报,对着一周的数据更容易谈清楚。