CN104361500A - 一种空调售后故障数据的处理方法及系统 - Google Patents
一种空调售后故障数据的处理方法及系统 Download PDFInfo
- Publication number
- CN104361500A CN104361500A CN201410695813.7A CN201410695813A CN104361500A CN 104361500 A CN104361500 A CN 104361500A CN 201410695813 A CN201410695813 A CN 201410695813A CN 104361500 A CN104361500 A CN 104361500A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- sale
- air
- conditioning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本申请公开了一种空调售后故障数据的处理方法及系统,通过对原始空调售后故障数据进行清除噪声数据和无效数据处理,得到空调售后故障数据,然后从空调售后故障数据中检索出待分析空调故障类型相关的故障数据,依据故障数据中包含的具体故障类型的种类将该故障数据划分成多个数据组,每个数据组中仅包含一种具体故障类型的故障数据。可以看出,本发明通过对空调售后故障数据进行逐层划分,实现对空调售后故障的详细分类,从而可以方便找出某类空调售后故障的共同特征,发现空调售后故障数据中存在的关联,进而为解决该类空调售后故障提供依据,满足了日益增多的故障类型的需求。
Description
技术领域
本发明涉及数据处理技术领域,更具体的说,涉及一种空调售后故障数据的处理方法及系统。
背景技术
多联机中央空调是用户用中央空调的一个类型,俗称“一拖多”,指的是一台室外机通过配管连接两台或两台以上室内机,室外侧采用风冷换热形式、室内侧采用直接蒸发换热形式的一次制冷剂空调系统。
随着经济的发展,多联机中央空调的应用越来越广泛。当多联机中央空调出现售后故障时,对于简单常见的故障,用户可以依据多联集中控制器中预存储的解决方案自行解决,但是,对于一些复杂、非常见的故障,就需要由售后人员进行解决。
目前,为提高空调售后故障的维修效率,通常由人工对空调售后故障数据进行统计,然后对空调售后故障依据表面直观现象进行分类得到故障分类表,其中,故障分类表中的每一种故障都对应有解决方案。这样,当有用户需要进行空调维修时,售后人员就可以从故障分类表中找出与空调售后故障相关的解决方案,提高维修效率。但是,随着多联机中央空调的普及,空调售后故障数据越来越多,导致人工统计的工作量越来越大,对空调售后故障依据表面直观现象进行分类得到的故障分类表已经不能满足日益增多的故障类型的需求。因此,如何提供一种空调售后故障数据的处理方法及系统实现对空调售后故障的详细分类,以满足日益增多的故障类型的需求是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明提供一种空调售后故障数据的处理方法及系统,以实现对空调售后故障的详细分类,满足日益增多的故障类型的需求。
一种空调售后故障数据的处理方法,包括:
获取原始空调售后故障数据;
清除所述原始空调售后故障数据中的噪声数据和无效数据,得到空调售后故障数据;
从所述空调售后故障数据中检索出与待分析空调故障类型相关的故障数据;
将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
优选的,还包括:
从每个所述数据组中选取一个表征该数据组中具体故障类型的关键词;
以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案。
优选的,还包括:
将所述具体故障类型和相对应的故障解决方案绘制成故障分类表。
优选的,所述将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据包括:
对所述故障数据按照预设条件进行汇总,得到汇总故障数据;
将所述汇总故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
一种空调售后故障数据的处理系统,包括:
第一获取单元,用于获取原始空调售后故障数据;
清除单元,用于清除所述原始空调售后故障数据中的噪声数据和无效数据,得到空调售后故障数据;
检索单元,用于从所述空调售后故障数据中检索出与待分析空调故障类型相关的故障数据;
划分单元,用于将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
优选的,还包括:
选取单元,用于从每个所述数据组中选取一个表征该数据组中具体故障类型的关键词;
第二获取单元,用于以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案。
优选的,还包括:
绘表单元,用于在所述第二获取单元以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案之后,将所述具体故障类型和相对应的故障解决方案绘制成故障分类表。
优选的,所述划分单元包括:
汇总子单元,用于对所述故障数据按照预设条件进行汇总,得到汇总故障数据;
划分子单元,用于将所述汇总故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
从上述的技术方案可以看出,本发明提供了一种空调售后故障数据的处理方法及系统,通过对原始空调售后故障数据进行清除噪声数据和无效数据处理,得到空调售后故障数据,然后从空调售后故障数据中检索出待分析空调故障类型相关的故障数据,依据故障数据中包含的具体故障类型的种类将该故障数据划分成多个数据组,每个数据组中仅包含一种具体故障类型的故障数据。可以看出,本发明通过对空调售后故障数据进行逐层划分,实现对空调售后故障的详细分类,从而可以方便找出某类空调售后故障的共同特征,发现空调售后故障数据中存在的关联,进而为解决该类空调售后故障提供依据,满足了日益增多的故障类型的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种空调售后故障数据的处理方法流程图;
图2为本发明实施例公开的另一种空调售后故障数据的处理方法流程图;
图3为本发明实施例公开的一种空调售后故障数据的处理系统的结构示意图;
图4为本发明实施例公开的另一种空调售后故障数据的处理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种空调售后故障数据的处理方法及系统,以实现对空调售后故障的详细分类,满足日益增多的故障类型的需求。
参见图1,本发明实施例公开的一种空调售后故障数据的处理方法流程图,包括步骤:
步骤S11、获取原始空调售后故障数据;
步骤S12、清除所述原始空调售后故障数据中的噪声数据和无效数据,得到空调售后故障数据;
其中,噪声数据指的是在一组数据中无法解释的数据变动,也就是说,和其它数据不一致的数据。
当对某一个相同概念有多种不同表述时,将其中的一种表述作为有效数据,将其它的表述作为无效数据。
步骤S13、从所述空调售后故障数据中检索出与待分析空调故障类型相关的故障数据;
步骤S14、将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
可以理解的是,空调售后故障数据中包含很多种空调故障类型,对每种空调故障类型的详细划分均通过执行步骤S13和步骤S14得到。
其中,由原始空调售后故障数据得到空调售后故障数据,然后由空调售后故障数据得到待分析空调故障类型相关的故障数据,最后由故障数据得到包含具体故障类型的数据组的过程,采用的是层次聚类方法,所谓层次聚类方法指的对通过对数据集按照某种方法进行层次分解,直到满足某种条件为止。
综上可以看出,本发明提供的空调售后故障数据的处理方法,通过对空调售后故障数据进行逐层划分,实现对空调售后故障的详细分类,从而可以方便找出某类空调售后故障的共同特征,发现空调售后故障数据中存在的关联,进而为解决该类空调售后故障提供依据,满足了日益增多的故障类型的需求。
为进一步优化上述实施例,参见图2,本发明另一实施例公开的一种空调售后故障数据的处理方法流程图,在图1所示实施例的基础上,还包括步骤:
步骤S15、从每个所述数据组中选取一个表征该数据组中具体故障类型的关键词;
步骤S16、以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案。
其中,聚类分析法指的是通过分析数据的相似性把大型数据集成分类,使得在同一个类里面的数据最为相似,而不同类中的数据又彼此相异,以得到很好的分类效果。
本实施例中,通过以具体故障类型的关键词为中心点,采用聚类分析法从数据库中获取解决关键词表征的具体故障类型的故障解决方案,可以使得当出现新的故障类型时,通过搜索该故障类型中包含的关键词,即可找到相关的故障解决方案。相比现有技术而言,本发明实现了对空调售后故障数据的深入分析,并挖掘出空调售后故障数据中存在的关联,因此,对于新增故障类型,通过搜索故障类型的关键词,即可找到相关的故障解决方案,从而满足了日益增多的故障类型的需求,进而提高了空调售后故障的维修效率。
为进一步优化上述实施例,在步骤S16之后,还可以包括:
步骤S17、将所述具体故障类型和相对应的故障解决方案绘制成故障分类表。
具体的,对于新增故障类型,售后人员通过采用该新增故障类型的关键词,查找故障分类表即可以找到相关的故障解决方案。
为进一步优化上述实施例,步骤S14具体可以包括步骤:
对故障数据按照预设条件进行汇总,得到汇总故障数据;
将所述汇总故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
其中,预设条件依据实际需要而定,本发明在此不做限定。
需要说明的是,对故障数据进行汇总的目的是将故障数据变换成适宜数据挖掘的形式。
由于用户可以利用多联集中控制器存储的故障解决方案对多联机中央空调出现的售后故障进行自行解决,因此,为减少售后人员的工作量,对于一些新增的用户可以自行解决的故障类型,售后人员可以通过远程更新的方法对用户处的多联集中控制器中的故障解决方案进行更新。
对于用户处的多联集中控制器,可以将多联集中控制器的显示界面设计成一个按键电路界面,当出现空调售后故障后,用于可以直接通过按键进入故障指导界面,多联集中控制器通过显示的故障代码给出相应的故障解决方案。
与此同时,也可以设计一个故障指导的APP(Application,应用程序),当出现空调售后故障后,多联集中控制器可以自动跳转到故障指导的APP,并依据故障类型给用户提供相应的故障解决方案。
与上述方法实施例相对应,本发明还提供了一种空调售后故障数据的处理系统。
参见图3,本发明实施例公开的一种空调售后故障数据的处理系统的结构示意图,包括:
第一获取单元31,用于获取原始空调售后故障数据;
清除单元32,用于清除所述原始空调售后故障数据中的噪声数据和无效数据,得到空调售后故障数据;
检索单元33,用于从所述空调售后故障数据中检索出与待分析空调故障类型相关的故障数据;
划分单元34,用于将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
可以理解的是,空调售后故障数据中包含很多种空调故障类型,对每种空调故障类型的详细划分均通过执行检索单元33和划分单元34得到。
其中,由原始空调售后故障数据得到空调售后故障数据,然后由空调售后故障数据得到待分析空调故障类型相关的故障数据,最后由故障数据得到包含具体故障类型的数据组的过程,采用的是层次聚类方法,所谓层次聚类方法指的对通过对数据集按照某种方法进行层次分解,直到满足某种条件为止。
综上可以看出,本发明提供的空调售后故障数据的处理系统,通过对空调售后故障数据进行逐层划分,实现对空调售后故障的详细分类,从而可以方便找出某类空调售后故障的共同特征,发现空调售后故障数据中存在的关联,进而为解决该类空调售后故障提供依据,满足了日益增多的故障类型的需求。
为进一步优化上述实施例,参见图4,本发明另一实施例公开的一种空调售后故障数据的处理系统的结构示意图,在图3所示实施例的基础上,还包括:
选取单元35,用于从每个所述数据组中选取一个表征该数据组中具体故障类型的关键词;
第二获取单元36,用于以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案。
其中,聚类分析法指的是通过分析数据的相似性把大型数据集成分类,使得在同一个类里面的数据最为相似,而不同类中的数据又彼此相异,以得到很好的分类效果。
本实施例中,通过以具体故障类型的关键词为中心点,采用聚类分析法从数据库中获取解决关键词表征的具体故障类型的故障解决方案,可以使得当出现新的故障类型时,通过搜索该故障类型中包含的关键词,即可找到相关的故障解决方案。相比现有技术而言,本发明实现了对空调售后故障数据的深入分析,并挖掘出空调售后故障数据中存在的关联,因此,对于新增故障类型,通过搜索故障类型的关键词,即可找到相关的故障解决方案,从而满足了日益增多的故障类型的需求,进而提高了空调售后故障的维修效率。
为进一步优化上述实施例,还可以包括:
绘表单元37,用于在第二获取单元36以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案之后,将所述具体故障类型和相对应的故障解决方案绘制成故障分类表。
具体的,对于新增故障类型,售后人员通过采用该新增故障类型的关键词,查找故障分类表即可以找到相关的故障解决方案。
其中,划分单元34具体可以包括:
汇总子单元,用于对所述故障数据按照预设条件进行汇总,得到汇总故障数据;
其中,预设条件依据实际需要而定,本发明在此不做限定。
划分子单元,用于将所述汇总故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
由于用户可以利用多联集中控制器存储的故障解决方案对多联机中央空调出现的售后故障进行自行解决,因此,为减少售后人员的工作量,对于一些新增的用户可以自行解决的故障类型,售后人员可以通过远程更新的方法对用户处的多联集中控制器中的故障解决方案进行更新。
对于用户处的多联集中控制器,可以将多联集中控制器的显示界面设计成一个按键电路界面,当出现空调售后故障后,用于可以直接通过按键进入故障指导界面,多联集中控制器通过显示的故障代码给出相应的故障解决方案。
与此同时,也可以设计一个故障指导的APP(Application,应用程序),当出现空调售后故障后,多联集中控制器可以自动跳转到故障指导的APP,并依据故障类型给用户提供相应的故障解决方案。
需要说明的是,系统实施例中各组成部分的具体工作原理参见方法实施例,此处不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种空调售后故障数据的处理方法,其特征在于,包括:
获取原始空调售后故障数据;
清除所述原始空调售后故障数据中的噪声数据和无效数据,得到空调售后故障数据;
从所述空调售后故障数据中检索出与待分析空调故障类型相关的故障数据;
将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
2.根据权利要求1所述的处理方法,其特征在于,还包括:
从每个所述数据组中选取一个表征该数据组中具体故障类型的关键词;
以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案。
3.根据权利要求2所述的处理方法,其特征在于,还包括:
将所述具体故障类型和相对应的故障解决方案绘制成故障分类表。
4.根据权利要求1所述的处理方法,其特征在于,所述将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据包括:
对所述故障数据按照预设条件进行汇总,得到汇总故障数据;
将所述汇总故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
5.一种空调售后故障数据的处理系统,其特征在于,包括:
第一获取单元,用于获取原始空调售后故障数据;
清除单元,用于清除所述原始空调售后故障数据中的噪声数据和无效数据,得到空调售后故障数据;
检索单元,用于从所述空调售后故障数据中检索出与待分析空调故障类型相关的故障数据;
划分单元,用于将所述故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
6.根据权利要求5所述的处理系统,其特征在于,还包括:
选取单元,用于从每个所述数据组中选取一个表征该数据组中具体故障类型的关键词;
第二获取单元,用于以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案。
7.根据权利要求6所述的处理系统,其特征在于,还包括:
绘表单元,用于在所述第二获取单元以所述关键词为中心点,采用聚类分析法从数据库中获取解决所述关键词表征的具体故障类型的故障解决方案之后,将所述具体故障类型和相对应的故障解决方案绘制成故障分类表。
8.根据权利要求5所述的处理系统,其特征在于,所述划分单元包括:
汇总子单元,用于对所述故障数据按照预设条件进行汇总,得到汇总故障数据;
划分子单元,用于将所述汇总故障数据依据自身包含的具体故障类型的种类划分成多个数据组,每个所述数据组中仅包含一种具体故障类型的故障数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410695813.7A CN104361500A (zh) | 2014-11-25 | 2014-11-25 | 一种空调售后故障数据的处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410695813.7A CN104361500A (zh) | 2014-11-25 | 2014-11-25 | 一种空调售后故障数据的处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104361500A true CN104361500A (zh) | 2015-02-18 |
Family
ID=52528758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410695813.7A Pending CN104361500A (zh) | 2014-11-25 | 2014-11-25 | 一种空调售后故障数据的处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361500A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105785884A (zh) * | 2016-05-18 | 2016-07-20 | 天津市中马骏腾精密机械制造有限公司 | 一种缝纫设备维护管理系统 |
CN106845518A (zh) * | 2016-12-19 | 2017-06-13 | 苏州蓝盛电子有限公司 | 一种基于K‑means聚类分析算法的汽车故障数据诊断方法 |
CN107742162A (zh) * | 2017-10-24 | 2018-02-27 | 国网江苏省电力公司南京供电公司 | 一种基于配调监控信息的多维特征关联分析方法 |
CN109579220A (zh) * | 2018-10-15 | 2019-04-05 | 平安科技(深圳)有限公司 | 空调系统故障检测方法、装置、电子设备 |
CN110634198A (zh) * | 2019-09-24 | 2019-12-31 | 江南大学 | 一种基于正多胞体滤波的工业系统分层故障诊断方法 |
CN110889515A (zh) * | 2019-11-18 | 2020-03-17 | 珠海格力电器股份有限公司 | 数据处理方法、装置及系统 |
CN110933663A (zh) * | 2019-12-17 | 2020-03-27 | 珠海格力电器股份有限公司 | 多联空调机组及其远程升级方法 |
CN114820225A (zh) * | 2022-06-28 | 2022-07-29 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102765643A (zh) * | 2012-05-31 | 2012-11-07 | 天津大学 | 基于数据驱动的电梯故障诊断与预警方法 |
CN102809965A (zh) * | 2012-07-30 | 2012-12-05 | 燕山大学 | 一种基于故障频繁模式的液压设备故障预警方法 |
CN103837770A (zh) * | 2014-02-26 | 2014-06-04 | 广东电网公司电力科学研究院 | 电力设备缺陷检测维护方法 |
CN103886092A (zh) * | 2014-04-02 | 2014-06-25 | 北京奇虎科技有限公司 | 一种提供终端故障问题解决方案的方法及装置 |
CN104033992A (zh) * | 2014-06-06 | 2014-09-10 | 广东美的暖通设备有限公司 | 多联机空调故障处理方法及空调器 |
-
2014
- 2014-11-25 CN CN201410695813.7A patent/CN104361500A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102765643A (zh) * | 2012-05-31 | 2012-11-07 | 天津大学 | 基于数据驱动的电梯故障诊断与预警方法 |
CN102809965A (zh) * | 2012-07-30 | 2012-12-05 | 燕山大学 | 一种基于故障频繁模式的液压设备故障预警方法 |
CN103837770A (zh) * | 2014-02-26 | 2014-06-04 | 广东电网公司电力科学研究院 | 电力设备缺陷检测维护方法 |
CN103886092A (zh) * | 2014-04-02 | 2014-06-25 | 北京奇虎科技有限公司 | 一种提供终端故障问题解决方案的方法及装置 |
CN104033992A (zh) * | 2014-06-06 | 2014-09-10 | 广东美的暖通设备有限公司 | 多联机空调故障处理方法及空调器 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105785884A (zh) * | 2016-05-18 | 2016-07-20 | 天津市中马骏腾精密机械制造有限公司 | 一种缝纫设备维护管理系统 |
CN106845518A (zh) * | 2016-12-19 | 2017-06-13 | 苏州蓝盛电子有限公司 | 一种基于K‑means聚类分析算法的汽车故障数据诊断方法 |
CN107742162B (zh) * | 2017-10-24 | 2023-06-09 | 国网江苏省电力公司南京供电公司 | 一种基于配调监控信息的多维特征关联分析方法 |
CN107742162A (zh) * | 2017-10-24 | 2018-02-27 | 国网江苏省电力公司南京供电公司 | 一种基于配调监控信息的多维特征关联分析方法 |
CN109579220A (zh) * | 2018-10-15 | 2019-04-05 | 平安科技(深圳)有限公司 | 空调系统故障检测方法、装置、电子设备 |
CN109579220B (zh) * | 2018-10-15 | 2022-04-12 | 平安科技(深圳)有限公司 | 空调系统故障检测方法、装置、电子设备 |
CN110634198A (zh) * | 2019-09-24 | 2019-12-31 | 江南大学 | 一种基于正多胞体滤波的工业系统分层故障诊断方法 |
CN110634198B (zh) * | 2019-09-24 | 2020-12-01 | 江南大学 | 一种基于正多胞体滤波的工业系统分层故障诊断方法 |
CN110889515A (zh) * | 2019-11-18 | 2020-03-17 | 珠海格力电器股份有限公司 | 数据处理方法、装置及系统 |
CN110933663A (zh) * | 2019-12-17 | 2020-03-27 | 珠海格力电器股份有限公司 | 多联空调机组及其远程升级方法 |
CN114820225B (zh) * | 2022-06-28 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
CN114820225A (zh) * | 2022-06-28 | 2022-07-29 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
US11754995B2 (en) | 2022-06-28 | 2023-09-12 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things for identifying and processing manufacturing problems, control methods, and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104361500A (zh) | 一种空调售后故障数据的处理方法及系统 | |
US11055307B2 (en) | Automatic modeling method and classifier for OLAP data model | |
CN107016018B (zh) | 数据库索引创建方法及装置 | |
US8364337B2 (en) | Failure countermeasure supporting system for mobile vehicle | |
CN103837770A (zh) | 电力设备缺陷检测维护方法 | |
CN105808413A (zh) | 基于业务流程可视化的sql性能监控方法 | |
CN105868521A (zh) | 数据信息处理方法及装置 | |
CN104468193B (zh) | 一种基于组件发现对业务系统进行监控的方法 | |
US20130332447A1 (en) | Systems and Methods for Matching Records Using Geographic Proximity | |
JP2002032773A (ja) | 地図データの処理装置及び方法 | |
CN106372108B (zh) | 一种应用于核电设计的经验反馈数据的智能推送方法及系统 | |
CN111241129A (zh) | 一种工业生产企业指标数据采集与计算的系统 | |
CN105745642B (zh) | 查询数据的处理方法和装置 | |
CN106682206A (zh) | 一种大数据处理方法及系统 | |
CN110555452A (zh) | 一种基于智能聚类的网络问题处理方法及装置 | |
US7844601B2 (en) | Quality of service feedback for technology-neutral data reporting | |
US8463799B2 (en) | System and method for consolidating search engine results | |
CN104834787B (zh) | 轴承磨床生产车间能耗的感知和分析方法 | |
CN111597322B (zh) | 基于频繁项集的模板自动挖掘系统及其方法 | |
CN106156000B (zh) | 基于求交算法的搜索方法及搜索系统 | |
CN105760402A (zh) | 一种端到端业务性能的查询方法及装置 | |
CN111552862B (zh) | 基于交叉支持度评价的模板自动挖掘系统及其方法 | |
CN110766555A (zh) | 信息采集系统 | |
WO2021025785A8 (en) | System and method for ethical collection of data | |
Shen et al. | Loyalty-based selection: Retrieving objects that persistently satisfy criteria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150218 |