openUBMC AIOps Sentinel

赛题一交付工程：重塑 BMC：AI 时代智能运维创新平台。

本仓库提供一个可评审的 POC：在 openUBMC 侧采集传感器、日志和电源状态，使用 Kaggle GPU 训练/评估模型，在 BMC 侧部署轻量推理包，输出故障风险、根因假设和可执行运维动作。

方案概览

• 方法 A：联网模型路线
  使用 Amazon Chronos/Chronos-Bolt 等时序基础模型在 Kaggle GPU 上做遥测预测和异常阈值校准，适合快速获得强基线。
• 方法 B：自建模型路线
  在 Kaggle GPU 上训练本仓库的 Tiny MLP 风险分类器，导出 ONNX + 阈值配置，适合嵌入式侧低资源部署。
• BMC 侧 POC
  openubmc_aiops 只依赖 Python 标准库即可运行规则推理；如提供 Kaggle 导出的 ONNX 包，可启用 ONNX Runtime 推理。

仓库结构

src/openubmc_aiops/        BMC 侧采集、特征、风险评分、根因解释和 CLI
kaggle/                   Kaggle GPU 训练/评估/导出脚本
deployment/               openUBMC 集成与 systemd 示例
docs/                     设计文档、测试报告、提交清单
tests/                    标准库 unittest 轻量验证
examples/                 示例 CSV 和 demo 输出目录

本地只做轻量验证

python -m pip install -e .
python -m unittest discover -s tests
python -m openubmc_aiops simulate --mode cooling_degradation --print

训练和模型部署演示请在 Kaggle 执行：

cd /kaggle/working/openUBMC
python kaggle/make_openubmc_dataset.py --output /kaggle/working/dataset
python kaggle/train_self_built_tiny_mlp.py --dataset /kaggle/working/dataset/openubmc_windows.npz --output /kaggle/working/edge_bundle
python kaggle/deploy_inference_api.py --bundle /kaggle/working/edge_bundle

完整操作见 kaggle/README.md 和 docs/SUBMISSION.md。