4. 告警系统基础
在工业AI边缘告警系统中，告警并不是“设备响了、屏幕红了”这么简单。它本质上是一条由监测对象、判断条件、时间窗口、严重等级和处置动作共同构成的状态通知。理解告警的定义、分类、生命周期以及工业告警管理标准，是后续设计边缘推理、告警抑制、根因分析和运维闭环的基础。
一、告警的定义与核心要素
工业场景中的告警，通常指系统检测到某个过程变量、设备状态或模型输出偏离正常范围，并需要操作员或自动逻辑介入的事件。一个可执行的告警至少应包含以下要素：
- 告警源：如PLC点位、振动传感器、温度变送器、AI推理模型。
- 触发条件：阈值越限、变化率异常、模型置信度超限、通信中断等。
- 时间信息：首次发生时间、最近更新时间、持续时长。
- 严重等级：紧急、高、中、低、提示。
- 状态：活动、确认、抑制、清除、关闭。
- 处置建议：关联SOP、推荐检查点、自动隔离动作。
告警不是日志。日志记录“发生了什么”，告警强调“需要谁、在多久内、做什么”。在边缘AI系统中，模型输出必须经过告警规则引擎，才能转化为可运维的告警事件。
二、告警分类：从来源到行为
工业告警可按不同维度分类，分类方式直接影响边缘侧的过滤策略和上云带宽。常见分类如下：
| 分类维度 | 类型 | 典型示例 | 边缘处理策略 |
|---|---|---|---|
| 来源 | 设备告警、过程告警、AI模型告警、通信告警 | 轴承温度高、模型检测到异常纹理、Modbus断线 | 按源打标签，分别限流 |
| 严重等级 | 紧急、高、中、低、提示 | 紧急停机、需24h处理、仅记录 | 高等级直传，低等级聚合 |
| 行为 | 瞬时告警、持续告警、抖动告警 | 单次越限、持续超温、反复通断 | 去抖、延时确认、抑制 |
| 关系 | 独立告警、派生告警、根因告警 | 泵停导致流量低、温度高导致压力异常 | 因果关联，压缩派生告警 |
三、告警生命周期
告警从产生到关闭，通常经历“检测—触发—通知—确认—处置—清除—归档”七个阶段。边缘AI系统需要在每个阶段保留状态机，避免重复上报和状态错乱。
在边缘侧，状态机通常以轻量级方式实现，例如使用JSON保存告警上下文：
{
"alarm_id": "AI-VIB-0017",
"source": "edge-node-03/motor-07",
"severity": "HIGH",
"state": "ACTIVE_UNACK",
"first_seen": "2025-04-12T08:31:22Z",
"last_seen": "2025-04-12T08:33:10Z",
"count": 3,
"suppressed": false,
"root_cause_hint": "bearing_wear"
}四、工业告警管理标准
工业界广泛参考ISA-18.2和IEC 62682告警管理标准。它们强调告警系统应具备可定义、可测量、可改进的闭环能力。核心指标包括：
- 告警速率：每10分钟操作员接收的告警数，建议不超过10条。
- 告警优先级分布：高优先级告警应控制在总量5%以内。
- 告警响应时间：从触发到确认的时间，用于评估可操作性。
- 抖动告警比例：反复通断的告警占比，反映阈值或去抖设计问题。
- 陈旧告警：长期处于活动但无人处置的告警，需定期清理。
在边缘AI告警中，ISA-18.2的“告警合理化”思想尤其重要：不是所有异常都值得告警。模型输出应经过可操作性评估，只有能指导动作的异常才进入告警通道。
五、常见告警泛滥问题与复盘
告警泛滥是工业现场最典型的痛点。常见原因包括阈值过紧、去抖缺失、因果未关联、模型误报和通知渠道无节制。以下是一个典型复盘场景：
- 现象：某产线边缘节点在10分钟内产生420条告警，操作员无法分辨。
- 根因：振动模型对同一轴承磨损连续输出高置信度异常，且未做告警合并；同时温度传感器抖动触发阈值告警。
- 处置：引入5分钟抑制窗口，将同源告警合并为一条；对温度告警增加3秒去抖；将轴承磨损设为根因告警，派生告警自动关联。
- 效果：告警量降至每小时12条，高优先级告警确认率提升至95%。
不要用“多告警”掩盖“弱判断”。边缘AI的价值在于把原始异常转化为可操作、可分级、可闭环的告警事件。缺少抑制、合并和根因关联的告警系统，只会把操作员推向告警疲劳。
综上，告警系统基础决定了工业AI边缘告警能否真正落地。定义清晰、分类合理、生命周期完整、标准可度量，并持续治理告警泛滥，才能让边缘智能从“能检测”走向“能运维”。