面向大规模信创PC桌面运维的智能客服系统的制作方法

本发明涉及pc桌面运维，具体为面向大规模信创pc桌面运维的智能客服系统。

背景技术：

1、随着信息技术的飞速发展，信创产业在国家政策的大力推动下迅速崛起。信创pc桌面作为企业和组织信息化建设的重要组成部分，其数量和规模不断扩大。然而，大规模信创pc桌面的运维面临着诸多挑战。

2、一方面，随着信创pc桌面的广泛应用，其硬件状态、软件性能、网络连接和安全性能等方面的问题日益凸显。传统的运维方式往往依赖人工巡检和故障排查，效率低下且难以满足大规模pc桌面的运维需求。例如，硬件故障可能导致系统崩溃、数据丢失等严重后果；软件性能问题可能影响用户的工作效率和体验；网络连接不稳定可能影响业务的正常开展；安全性能方面的漏洞可能导致信息泄露和系统被攻击等风险。

3、另一方面，用户在使用信创pc桌面过程中，会遇到各种问题需要及时解决。传统的客服方式主要通过电话或邮件等渠道，响应速度慢，且难以准确判断问题类型和提供有效的解决方案。这不仅影响了用户的工作效率，也增加了运维成本和管理难度。

4、此外，在大规模信创pc桌面环境下，运维人员的调度和管理也面临着挑战。如何快速准确地找到最合适的运维人员，缩短维修时间，提高维修效率，成为亟待解决的问题。

5、为了解决上述缺陷，现提供一种技术方案。

技术实现思路

1、本发明的目的在于提供面向大规模信创pc桌面运维的智能客服系统，以解决上述背景提出的问题。

2、本发明的目的可以通过以下技术方案实现：面向大规模信创pc桌面运维的智能客服系统，包括：服务器，服务器通讯连接有数据采集模块、监督管理分析模块、运维异常诊断模块、智能客服运营模块、运维人员调度模块和预警终端。

3、数据采集模块，用于采集信创pc桌面管理平台中各目标pc终端对应当前监测时间点的硬件状态参数信息、软件性能参数信息、网络连接参数信息、安全性能参数信息，并将其发送至监督管理分析模块；

4、监督管理分析模块，包括硬件状态分析单元、软件性能分析单元、网络连接分析单元、安全性能分析单元，其中，硬件状态分析单元用于接收各目标pc终端对应当前监测时间点的硬件状态参数信息，并进行硬件状态分析处理，据此生成硬件运行正常信号和硬件运行异常信号，并将硬件运行异常信号发送至运维异常诊断模块；软件性能分析单元用于接收各目标pc终端对应当前监测时间点的软件性能参数信息，并进行软件性能分析处理，据此生成软件性能正常信号和软件性能异常信号，并将软件性能异常信号发送至运维异常诊断模块；网络连接分析单元用于接收各目标pc终端对应当前监测时间点的网络连接参数信息，并进行网络连接分析处理，据此生成得到网络连接正常信号和网络连接异常信号，并将网络连接异常信号发送至运维异常诊断模块；安全性能分析单元用于接收各目标pc终端对应当前监测时间点的安全性能参数信息，并进行安全性能分析处理，据此生成安全性能风险信号和安全性能正常信号，并将安全性能风险信号发送至运维异常诊断模块；

5、优选地，进行硬件状态分析处理，具体执行步骤为：

6、实时获取信创pc桌面管理平台中各目标pc终端对应当前监测时间点的cpu使用率、cpu核心数与线程数、cpu基础运行频率、cpu运行温度，分别记为syi、xci、hxi、pl'、wd'，i＝1，2，3……n，i表示为信创pc桌面管理平台中各目标pc终端的编号，n表示为目标pc终端编号的总数，依据公式计算出各目标pc终端对应当前监测时间点的cpu状态评估值sy'、pl'、wd'分别表示为设定的参考cpu使用率、参考cpu基础运行频率、参考cpu运行温度，δsy、δwd表示为设定的允许cpu使用率差，允许cpu运行温度差，a1、a2、a3、a4分别表示为设定的权值因子；

7、实时获取各目标pc终端对应当前监测时间点的已用内存量、剩余可用内存量和内存读写速度，分别记为依据公式计算出目标pc终端对应内存状态评估值v内'分别表示为设定的参考内存读写速度，a5、a6、a7分别表示为设定的权值因子；

8、获取各目标pc终端对应当前监测时间点的硬盘已用存储空间、剩余存储空间、读写速度、硬盘温度、待映扇区数，分别记为依据公式计算出目标pc终端对应当前监测时间点的硬盘状态评估值e表示为自然常数，

9、

10、v硬'、wd硬'、dy硬'分别表示为设定的参考读写速度、硬盘温度、待映扇区数，a8、a9、a10、a11、a12分别表示为设定的权值因子；

11、依据公式计算出目标pc终端对应硬件状态运行系数σ1'、σ2'、σ3'分别表示为设定的参考cpu状态评估值、参考内存状态评估值、参考硬盘状态评估值，b1、b2、b3分别表示为设定的权值因子，α表示为设定的修正因子；

12、将目标pc终端对应硬件状态运行系数与设定的硬件状态运行系数阈值进行对比分析，若目标pc终端对应硬件状态运行系数小于设定的硬件状态运行系数，则生成硬件运行异常信号，反之，则生成硬件运行正常信号。

13、优选地，进行软件性能分析处理，具体执行步骤为：

14、实时获取各目标pc终端对应当前监测时间点的应用软件平均响应时长、吞吐量、错误率、并发用户数，分别记为tli、cwi、bfi，依据公式计算出各目标pc终端对应当前监测时间点的软件性能系数c1、c2、c3、c4分别表示为设定的权值因子，β表示为设定的修正因子；

15、将目标pc终端对应软件性能系数与设定的软件性能系数阈值进行对比分析，若目标pc终端对应软件性能系数小于设定的软件性能系数，则生成软件性能异常信号，反之，则生成软件性能正常信号。

16、优选地，进行网络连接分析处理，具体执行步骤为：

17、实时获取各目标pc终端对应当前监测时间点的网络带宽上传速度、下载速度、网络重连次数和断线时长、往返时长和丢包率，分别记为rtti、dbi，依据公式计算出目标pc终端对应网络连接评估指数d1、d2、d3、d4、d5、d6分别表示为设定的影响因子，γ表示为设定的修正因子；

18、将各目标pc终端对应当前监测时间点的网络连接评估指数与设定的网络连接评估指数阈值进行对比，若某目标pc终端对应当前监测时间点的网络连接评估指数小于设定的网络连接评估指数阈值，则生成网络连接异常信号，反之，则生成网络连接正常信号。

19、优选地，进行安全性能分析处理，具体执行步骤为：

20、实时获取各目标pc终端对应当前监测时间点的已安装的安全补丁数量和总的可用补丁数量，并进行比值计算，得到各目标pc终端对应当前监测时间点的补丁安装率，记为bai；

21、实时获取各目标pc终端对应当前监测时间点的已清除的恶意软件数量和恶意软件总数量，并进行比值计算，得到各目标pc终端对应当前监测时间点的恶意软件清除率，记为eci；

22、实时获取各目标pc终端对应当前监测时间点的各系统用户账户密码的长度、复杂度、更换频率，分别记为j＝1，2，3……m，j表示为各系统用户账户的编号，m表示为系统用户账户编号的总数，依据公式计算出各目标pc终端对应当前监测时间点的各系统用户账户的密码策略强度e1、e2、e3分别表示为设定的影响因子；

23、将各系统用户账户的密码策略强度与设定的密码策略强度阈值进行对比，若某系统用户账户的密码策略强度小于设定的密码策略强度阈值，则判定该系统用户账户为弱密码账户，由此统计得到弱密码账户的数量，将弱密码账户的数量与总系统用户账户的数量进行比值计算，得到各目标pc终端对应当前监测时间点的弱密码账户比例值，记为rmi；

24、实时获取各目标pc终端对应当前监测时间点的安全事件日志中发生安全事件的总数，记为同时获取各安全事件被发现到处理完成所需的时长，并对其进行均值计算，得到安全事件处理平均时长，记为

25、依据公式计算出各目标pc终端对应当前监测时间点的安全风险指数f1、f2、f3、f4、f5分别表示为设定的权重因子，ε表示为设定的修正因子；

26、将各目标pc终端对应当前监测时间点的安全风险指数与设定的安全风险指数阈值进行对比，若某目标pc终端对应当前监测时间点的安全风险指数大于设定的安全风险指数阈值，则生成安全性能风险信号，反之，则生成安全性能正常信号。

27、运维异常诊断模块，用于接收硬件运行异常信号、软件性能异常信号、网络连接异常信号、安全性能风险信号，并由此对各目标pc终端对应当前监测时间点的运维异常严重程度进行判定分析处理，得到各目标pc终端对应当前监测时间点的运维异常严重程度，并将其发送至预警终端；

28、优选地，对各目标pc终端对应当前监测时间点的运维异常严重程度进行判定分析处理，具体执行步骤如下：

29、当某目标pc终端对应当前监测时间点生成硬件运行异常信号时，将该目标pc终端对应当前监测时间点的硬件状态运行系数与设定的硬件状态运行系数阈值进行作差，得到该目标pc终端对应当前监测时间点的硬件状态运行系数差；

30、将该目标pc终端对应当前监测时间点的硬件状态运行系数差与设定的各硬件运行异常严重程度对应的硬件状态运行系数差进行匹配，得到该目标pc终端对应当前监测时间点的硬件运行异常严重程度；

31、当某目标pc终端对应当前监测时间点生成软件性能异常信号时，将该目标pc终端对应当前监测时间点的软件性能系数与设定的软件性能系数阈值进行作差，得到该目标pc终端对应当前监测时间点的软件性能系数差；

32、将该目标pc终端对应当前监测时间点的软件性能系数差与设定的各软件性能异常严重程度对应的软件性能系数差进行匹配，得到该目标pc终端对应当前监测时间点的软件性能异常严重程度；

33、当某目标pc终端对应当前监测时间点生成网络连接异常信号时，将该目标pc终端对应当前监测时间点的网络连接评估指数与设定的网络连接评估指数阈值进行作差，得到该目标pc终端对应当前监测时间点的网络连接评估指数差；

34、将该目标pc终端对应当前监测时间点的网络连接评估指数差与设定的各网络连接异常严重程度对应的网络连接评估指数差进行匹配，得到该目标pc终端对应当前监测时间点的网络连接异常严重程度；

35、当某目标pc终端对应当前监测时间点生成安全风险信号时，将该目标pc终端对应当前监测时间点的安全风险指数与设定的安全风险指数阈值进行作差，得到该目标pc终端对应当前监测时间点的安全风险指数差；

36、将该目标pc终端对应当前监测时间点的安全风险指数差与设定的各安全风险严重程度对应的安全风险指数差进行匹配，得到该目标pc终端对应当前监测时间点的安全风险严重程度。

37、智能客服运营模块，用于获取各目标pc终端对应当前监测时间点咨询人员对应的咨询问题信息，并进行相应的咨询问题信息分析处理，得到各目标pc终端对应当前监测时间点咨询人员对应的咨询问题信息处理方案；

38、优选地，进行相应的咨询问题信息分析处理，具体执行步骤为：

39、将各目标pc终端对应当前监测时间点咨询人员对应的咨询问题信息进行关键词提取，得到目标pc终端对应当前监测时间点咨询人员对应的咨询问题关键词，将其与系统存储库中存储的各咨询问题类型对应的各咨询问题关键词进行匹配，得到目标pc终端对应当前监测时间点咨询人员对应的咨询问题类型；

40、将目标pc终端对应当前监测时间点咨询人员对应的咨询问题类型与知识库中的处理方案进行匹配；

41、若目标pc终端对应当前监测时间点咨询人员对应的咨询问题类型与知识库中的处理方案匹配成功，则得到目标pc终端对应当前监测时间点咨询人员对应的咨询问题处理方案，并通过智能客服向目标pc终端对应当前监测时间点咨询人员发送处理方案的文本内容；

42、若目标pc终端对应当前监测时间点咨询人员对应的咨询问题类型无法与知识库中的处理方案进行匹配，则将其发送至运维人员调度模块。

43、运维人员调度模块，用于当日值班的运维工程师人员根据得到的目标pc终端对应当前监测时间点咨询人员对应的咨询问题信息进行线上解答并指导处理，在问题无法得到解决时，并安排当日值班的运维工程师人员前往现场进行维修，在自身无法前往现场时，对出现问题的pc终端设定范围内的运维工程师人员信息进行分析，得到各运维工程师人员的运维效率值，并选取运维效率值最大的运维工程师人员并将对应pc终端位置以及维修指令发送至该运维工程师人员的手机上；

44、优选地，对出现问题的pc终端内的运维工程师人员信息进行分析，具体分析方式如下：

45、以出现问题的pc终端位置为圆心，在设定的半径画圆范围内筛选出圆范围内的各运维工程师人员位置，将圆范围内的各运维工程师人员与对应pc终端出现问题位置进行路线距离计算得到运维距离值jl；同时获取圆范围内的各运维工程师人员当月维修总次数和工龄值，分别记为zn、gn；同时获取圆范围内的各运维工程师人员当月各次维修的维修时长，并将其与设定的维修时长进行对比，当某次维修的维修时长小于设定的维修时长，则该次维修判定为提前完成维修，由此统计得到圆范围内的各运维工程师人员当月提前完成维修的总次数tn；同时将各次提前完成维修的维修时长与设定的维修时长进行作差计算得到各次提前完成时速值，将各次提前完成时速值进行均值计算得到提前时均值tj；

46、依据公式计算出圆范围内的各运维工程师人员当月的运维效率值ξ，w1、w2、w3、w4、w5分别表示为设定的影响因子；

47、选取运维效率值最大的运维工程师人员作为维修人员，并将对应pc终端位置以及维修指令发送至该运维工程师人员的手机上。

48、预警终端，用于基于各目标pc终端对应当前监测时间点的运维异常严重程度执行相应的预警操作。

49、本发明的有益效果：

50、本发明通过对各目标pc终端对应当前监测时间点的硬件状态参数信息、软件性能参数信息、网络连接参数信息、安全性能参数信息分别进行监测和分析，可以及时发现各种潜在问题，为维护pc终端的稳定运行提供了有力保障，同时也为后续运维异常严重程度的判定提供了强有力的数据支撑，实现了全方位pc终端的监督管理。

51、本发明通过对咨询问题关键词提取和与知识库的匹配，能够快速确定咨询问题类型，并提供相应的处理方案，这为用户提供了自助解决问题的途径，减少了对运维人员的依赖，提高了问题解决的效率，同时在智能客服无法得到解决时，能够根据出现问题的pc终端位置，筛选出附近的运维工程师人员，并通过计算运维效率值选取最合适的维修人员，这种智能调度方式能够缩短维修时间，提高维修效率，确保问题能够及时得到解决。

52、本发明通过根据硬件运行异常信号、软件性能异常信号、网络连接异常信号和安全性能风险信号，准确判定各目标pc终端的运维异常严重程度，分为轻度、中度和重度，这为后续的预警和处理提供了明确的依据，使运维人员能够根据不同的严重程度采取相应的措施；根据不同的运维异常严重程度执行相应的预警操作，包括向运维工程师人员发送不同次数的预警信息，并规定了不同的维护时间段，这种分级预警机制能够确保在问题出现时，运维人员能够及时响应，优先处理严重程度较高的问题，提高了运维效率和响应速度。