天文观测站的AI驱动预测性维护与实时监测
摘要
目标：ServiMon旨在为数据收集和审计提供可扩展且智能的管道，以监控分布式天文系统，如ASTRI Mini-Array。该系统提升了质量控制、预测性维护和实时异常检测，以适应望远镜运营。方法：ServiMon集成了云原生技术，包括Prometheus、Grafana、Cassandra、Kafka和InfluxDB，用于遥测数据的收集和处理。它采用机器学习算法，尤其是孤立森林（Isolation Forest），来检测Cassandra性能指标中的异常。关键指标包括读写延迟、吞吐量和内存使用情况，这些指标被持续监控、存储为时序数据，并进行特征工程预处理。通过模型检测到的异常被记录在InfluxDB v2中，可通过Flux进行实时监控和可视化。结果：基于AI的异常检测通过早期识别性能退化，最小化停机时间，优化望远镜运营，从而提高系统韧性。此外，ServiMon支持通过关联遥测与观测数据实现天文统计分析，从而提高科学数据质量。AI生成的警报还改进了实时监控，实现了主动系统管理。结论：ServiMon的可扩展框架对于天文基础设施的预测性维护和实时监测效果显著。通过利用云计算和边缘计算，该系统适用于未来大规模实验，优化性能和成本。机器学习与大数据分析的结合使ServiMon成为现代和下一代观测天文学的稳健且灵活的解决方案。
引用
@article{arxiv.2510.27146,
title = {SERVIMON: AI-Driven Predictive Maintenance and Real-Time Monitoring for Astronomical Observatories},
author = {Emilio Mastriani and Alessandro Costa and Federico Incardona and Kevin Munari and Sebastiano Spinello},
journal= {arXiv preprint arXiv:2510.27146},
year = {2025}
}
备注
Accepted for publication in IAU Symposium 397: Exploring the Universe with Artificial Intelligence (UniversAI 2025), Cambridge University Press. Editors: C. Sterken, J. Hearnshaw & D. Valls-Gabaud