巡檢在數據中心的作用
基礎設施是整個數據中心重要的組成部分，也是日常運行維護的關鍵。按照《數據中心基礎設施運行維護標準》（GB/T 51314-2018），運行工作主要包括日常巡檢、啟停控制、參數設置、狀態監控和優化調節，運行的主要目的是確保生產工作的安全穩定、保證質量以及性能調優；維護工作主要包括預防性維護、預測性維護和維修，維護的主要目的是提高系統可靠性、排除隱患以及延長設施的生命周期。其中，巡檢是發現生產安全隱患的重要途徑。
巡檢周期：巡檢屬于運行工作的一部分，通常情況下，數據中心各專業每天都要開展4次以上的現場巡檢，每周至少開展一次全專業聯合巡檢，每月至少開展一次園區級的深度隱患巡檢巡查工作。同時，在重要節假日前、重大會議前、可預測的自然災害發生前、上級電力系統檢修前等特殊時期，還需要開展有針對性、特定范圍的專項巡檢工作。
巡檢內容：數據中心常規巡檢范圍覆蓋園區、電纜隧道、樓內各機房等區域，除了需要觀察、記錄系統的運行環境和運行參數之外，通常還需要重點關注以下幾個方面：第一，蓄電池、儲油區、防疫酒精等數據中心重大危險源的狀況；第二，數據中心核心關鍵設施的運行狀況；第三，功率超限、環境升溫等運行數據的異常情況；第四，備品備件、應急工器具、應急物資等應急設施的齊全良好情況。
人與機器人在巡檢中的作用
現階段，數據中心巡檢工作基本是以運維人員的現場巡檢與平臺運行數據分析相結合的方式開展。通過人的視覺、聽覺、嗅覺、味覺、觸覺對現場環境信息進行采集，結合平臺各系統的運行數據，再根據經驗進行綜合判斷，確定系統是否處于正常運行狀態。如發現系統運行存在安全隱患或處于異常狀態等情況，將找到問題所在并及時處理。人體各感官在巡檢中的主要作用和感知方式如圖1所示。
圖1 人體各感官在巡檢中的主要作用和感知方式
視覺
視覺是指通過觀察，發現外界事物的明暗、顏色、數值、痕跡。
在數據中心巡檢中，主要通過視覺采集來判斷有無：打火、冒煙、跑氣、冒水、滴液、漏液等現象，告警指示、開關、連接等狀態數據變化，溫度、電流、負載等運行數據變化，著火、煙霧等環境數據變化，蓄電池排酸、漏水等痕跡數據變化。
其中，狀態數據和運行數據的數值已基本實現標準化和數字化，前端采集、處理和后臺分析均可通過圖像識別等技術由巡檢機器人替代人工實現；但環境數據和痕跡數據由于采集和判斷都相對復雜，即使有相應傳感器，也會因為數量、質量和精準度等原因無法做出準確的分析，有可能出現誤判或漏判，因此短時間內難以用巡檢機器人替代人工。
聽覺
聽覺是指在聲波作用下產生的對聲音特性的感覺，主要包括振幅和頻率。
在數據中心巡檢中，主要通過聽覺采集來判斷風扇等設備聲音大小是否異常、水泵和皮帶等聲音狀態是否正常、水泵內是否含氣或雜質而產生異響、泵體是否由于不平衡產生噪聲和共振等，往往需要通過經驗進行判斷并給出結論。
現階段，聲音振幅和頻率等數據已實現標準化和數字化，但對不同廠家、品牌、型號的冷機、水泵等設備在不同工況下的聲音指標缺少標準化的數據，設備的異常數據缺少個性化和專業性的分類分析，在嘈雜的環境中采集到聲音數據無法進行精準的分析處理，無法判斷其運行狀態是否正常。
嗅覺
嗅覺是指對外部氣味的感覺。
在數據中心巡檢中，主要通過嗅覺對運行環境的氣體味道、氣體濃度、刺激性等進行檢查，判斷是否存在由于蓄電池爬酸和漏液、制冷劑泄漏、下水道反味、煙火等引起的生產和環境異常情況。
數據中心雖然已通過動環和極早期火災報警等系統，實現了對有害氣體、氫氣、硫化物、PM2.5、潔凈度的檢測，但是每個模塊通常只能檢測單項內容，且需要保持一定的檢測時間，因此在集成度和精確度等問題解決之前，巡檢機器人尚無法大規模應用。
味覺
味覺是指對味道的感覺。
在數據中心巡檢中，通常將嗅覺和味覺結合在一起，利用兩者互相作用進行綜合判斷，以此作為嗅覺的輔助。
觸覺
觸覺是指皮膚接觸外部刺激產生的感覺。
在數據中心巡檢中，主要通過觸覺對環境的溫度和濕度、電氣設備的運行溫度、數據機房內氣流組織循環等運行狀態、變化進行檢查。
觸覺一般不會直接發現故障或問題，但是會發現異常和隱患，需要進一步綜合分析和判斷。巡檢機器人可以很好地完成對環境溫濕度以及設備表面溫度的掃描檢測，特別是對蓄電池溫度的檢測，比人工巡檢要準確很多。
第六感
人類的第六感，可以理解為對各感官采集的數據進行綜合分析，并結合經驗給出相應的判斷。由于模型不容易建立，因此不太容易實現標準化。
在數據中心巡檢中，主要利用綜合分析和經驗判斷，發現更深層次的隱患和潛在的問題，并做出早期處置，防患于未然。
機器人替代人工的可行性分析
巡檢機器人可以通過模擬人的幾種感官，分別從視覺識別、傳感器識別、熱成像識別、聲音識別等角度開展巡檢工作。從巡檢機器人的特點看，以下幾方面工作可以很好地替代人工：已數字化的采集核對等數據檢查、已模型化的數據分析與判斷、重復性強或耗時耗力的標準化檢查項目、人員不方便進入的高風險檢查區域、常規化的現場巡查工作。
巡檢方面
數據中心巡檢機器人通過視覺識別、聲音識別、傳感器識別、熱成像識別等技術，實現對視覺、聽覺、嗅覺、味覺和觸覺的模擬，并可以對開關、指示燈等運行數據以及聲音、潔凈度等環境數據進行采集。但是，這部分數據實際上都可以通過DCIM（Data Center Infrastructure Management，數據中心基礎設施管理）、動環、BA（Building Automation，暖通空調自動控制）等系統進行監測和采集，現場巡檢更多是對這些數據的復核和確認。
在數據中心巡檢中，人體各感官的重要性以及近階段機器人對人工的可替代情況總結如表1所示。
處置方面
巡檢最主要的目的是發現系統運行、環境等存在的問題或隱患，在其轉化為故障或事件前將其處理，現場第一時間的判斷和處置尤為重要。在生產過程中，很多經驗豐富的人對問題、隱患的判斷，實質上是多維度綜合分析的結果，思考過程和分析依據很難進行量化并形成標準模型，因此巡檢機器人在現場即使已經采集到了相關信息，依然無法通過綜合評判提出預警并立即解決，巡檢的效果也會大打折扣。
數據中心運行維護的各項指標雖然已基本實現標準化，但是依然有部分內容需要結合現場情況進行判定，機器人在數據處理等方面具有很大優勢，但由于缺少更靈活的機制和模型，依然無法體現其巡檢的價值。
在現場處置方面，平臺類的系統性操作、動環和BA系統的性能調優等，機器人都要比人處理得快速和準確；但大部分EOP（Emergency Operating Procedure，應急操作流程）類應急操作，以及分合閘、并機切換等硬件類操作，由于安全性等原因，必須人員到現場處理，因此針對此類操作問題，人工巡檢在處置方面要比機器人巡檢更具有及時性。
在數據中心巡檢中，人與機器人在數據中心處置方面的對比見表2。
巡檢機器人在數據中心的發展
在數據中心內，基礎設施巡檢機器人相比IT巡檢機器人發展得要緩慢一些，除去對外宣傳等因素，現階段真正大規模應用的并不多，更多是作為人工巡檢的輔助或者作為試點在測試，實現的功能也基本以數據采集和對比為主，離完全替代人工、減少維護人員和降低維護成本還有很大的差距。
雖然如此，數據中心巡檢的智能化和無人化是大勢所趨，不但可以將運維人員從常規、耗時耗力的人工巡檢中解放出來，降低巡檢頻次和強度；還可以促進運維基礎設施向智能化方向快速發展，提高運維的自動化和智能化管理水平。數據中心巡檢機器人需要向以下4個方面發展。
基礎數據完全數字化和關聯化
數據中心作為數字化建設的基石，是各行業數字化的重要前置條件，并為新型基礎設施建設起到支撐作用。但在數據中心內部，卻由于精細化程度等原因，并沒有實現所有基礎數據的數字化。同時，也由于生產系統種類繁多、接口復雜等原因，沒有實現各系統、設備之間全部數據的關聯和同步，對巡檢機器人的數據分析和處理精度產生一定影響，因此需要先完成全面數據的數字化和關聯。
運維工作全面標準化和模型化
不同數據中心雖然所處的地理位置、氣候條件不同，所采用的制冷模式、供配電方式不同，規劃建設等級不同，但在整體框架和運維結構上是一致的，因此可以用標準化的運維規則加上個性化的調整進行管理。同時，為實現更安全的生產、更低的成本，可以結合實際，建立和完善人員模型、成本模型、用戶模型等；也可以結合經驗，建立和完善各種隱患排查、故障處理等模型，實現巡檢機器人現場采集數據后的綜合分析和實時處理，實現巡檢的價值。
傳感器技術高速發展
數據中心巡檢機器人在視覺傳感器等技術和精確度等方面相對較高，應用較多，但在聽覺和嗅覺傳感器等方面還存在精確度不足、標準化缺失等問題導致無法放心應用。同時，關鍵零部件成本的高低也決定了巡檢機器人生產成本能否進一步下降、能否規模化普及。
人工智能技術快速應用
巡檢機器人除了在路線規劃、避障、控制等方面需要利用人工智能進行技術積累和優化外，在圖像數據處理、音頻數據處理、綜合分析與決策等方面也需要用到人工智能技術。一方面結合標準化的數據進行深度學習，另一方面結合模型化的場景進行廣度拓展，提高巡檢機器人現場安全預警的及時性，實現可替代人工的能力。換一個角度來說，人工智能在每一個領域的突破和發展，都會對智能巡檢機器人核心功能、數據管理、隱患與預警等起到推動作用。
數據中心基礎設施巡檢最重要的價值就是發現系統、環境的隱患和問題，并及時處理，數據采集的精度不夠、分析處理能力不足都將是致命的。因此，在現階段數據中心巡檢機器人還無法完全替代人工實現規模化應用，但“責任心強”、受外界影響小、可持續工作等特點，使其成為基礎設施人工巡檢的很好補充。隨著數據中心全面標準化、模型化，以及傳感器精度、人工智能技術的提升，有充分的理由相信，數據中心巡檢機器人最終將得到更多的應用，也將推動數據中心運維向著無人化、智能化的方向高速發展。
