CN105653424B - 航班查询系统可靠性评估方法及装置 - Google Patents
航班查询系统可靠性评估方法及装置 Download PDFInfo
- Publication number
- CN105653424B CN105653424B CN201510999473.1A CN201510999473A CN105653424B CN 105653424 B CN105653424 B CN 105653424B CN 201510999473 A CN201510999473 A CN 201510999473A CN 105653424 B CN105653424 B CN 105653424B
- Authority
- CN
- China
- Prior art keywords
- alarm
- data
- time
- failure
- fault
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
- G06F11/3082—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by aggregating or compressing the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3341—Query execution using boolean model
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种航班查询系统可靠性评估方法,所述方法包括:将非结构化的原始报警数据按照报警时间形成报警序列;在所述报警序列上取一个报警子序列,形成时间窗口;设定滑动步长,基于该滑动步长在所述时间窗口上遍历整个所述报警序列;清洗每个所述时间窗口的报警数据,保留报警关键信息,生成报警数据库;压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据;将所述故障数据适配为可靠性模型相适应的数据,将所述可靠性模型相适应的数据应用于相应可靠性模型的代表模型,以对航班查询系统进行可靠性评估。相应的,本发明还公开了一种航班查询系统可靠性评估装置,实现了旅客使用自助柜机在线支付,真正解决了机场网络连接外网的问题。
Description
技术领域
本发明涉及航空技术领域,尤其涉及一种航班查询系统可靠性评估方法及装置。
背景技术
民航航班查询系统(OpenAv,the Open Availability system)是面向旅客服务的航班信息管理系统,其承载着民航大量的重要业务,以方便普通用户查询航班信息、预定机票、管理个人订票,方便管理员快捷地发布航班信息、更改并管理机票的预定。航班查询系统需要保持7*24小时的持续运行,系统的瘫痪甚至某个应用的服务中断、进程的丢失等都可能会导致整个民航业务的瘫痪。因此,国家和民航局对民航航班查询系统的可靠性运行提出了很高的要求。目前,采用全流程系统监控机制,业务系统每天的运行故障信息都会被记录在日志文件中,为航班查询系统的可靠性评估提供了一定的数据支持。
但是,航班查询系统可靠性评估的数据并不是一般软件可靠性评估时的测试数据,而是系统成熟上线后由监控系统TAM从后台抓取到的航班查询系统运行时产生的故障信息,并实时写入以event命名的监控日志中形成监控数据,即报警数据库。TAM为了提醒维护人员及时修复故障,系统一旦出现故障,就以毫米级的时间不停地进行报错。这样就存在错误出现一次时,TAM可能会给出多次报错。所以报警数据库中连续报出的同类错误有两种可能:一是故障发生一次而TAM报了多次,一是故障发生了n次而TAM恰好报了n次。所以从监控日志出发评估航班查询系统的可靠性需要正确地处理实际故障数即故障数据库与TAM报警数据库之间的关系,但目前尚缺少准确性较高的民航航班查询系统可靠性评估方法。
发明内容
为解决现有存在的技术问题,本发明实施例提供一种航班查询系统可靠性评估方法及装置。
为达到上述目的,本发明实施例的技术方案是这样实现的:
一种航班查询系统可靠性评估方法,所述方法包括:
将非结构化的原始报警数据按照报警时间形成报警序列;
在所述报警序列上取一个报警子序列,形成时间窗口;
设定滑动步长,基于该滑动步长在所述时间窗口上遍历整个所述报警序列;
清洗每个所述时间窗口的报警数据,保留报警关键信息,生成报警数据库;
压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据;
将所述故障数据适配为可靠性模型相适应的数据,将所述可靠性模型相适应的数据应用于相应可靠性模型的代表模型,以对航班查询系统进行可靠性评估。
其中,所述形成报警序列,包括:
根据故障类型将非结构化的原始报警数据进行归类并用字母标识,再根据故障发生的时间形成报警序列。
其中,所述报警序列包括报警时间在序列起始时间与序列终止时间之间的多个有序的报警向量,所述报警向量包括报警类型和报警时间。
其中,所述形成时间窗口,包括:根据民航航班查询系统的报警序列特点,采用事务数量决定所述时间窗口的大小。
其中,所述滑动步长不大于所述时间窗口的二分之一。
其中,清洗每个所述时间窗口的数据,包括:删除缺少报警关键信息的记录,使每个所述时间窗口内的报警数据都是有效数据。
其中,所述报警数据包括报警类型、报警发生的时间。
其中,压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据,为:采用布尔模型压缩所述报警数据库中时间窗口内的报警数据以形成故障数据。
其中,一次故障的所述故障数据包括故障类型、故障发生的时间以及发生的次数。
其中,当同一故障在同一个所述时间窗口中产生两次或两次以上相同报警时只记录为一次故障,相应的故障数据中记录不同的报警时间。
其中,当同一报警在同一时间上报多次时只记录为一次故障,相应的故障数据中只记录一次报警时间。
其中,所述可靠性模型分为:故障时间间隔模型和故障计数模型;将所述故障数据适配为可靠性模型相适应的数据,包括:采用数字简化时间标记法表示所述故障数据中故障发生的时刻及规定时间区间;根据所述故障数据计算相邻两次故障间的运行时间得到故障时间间隔数据;根据所述故障数据统计规定时间区间内的故障数得到故障计数数据;所述故障时间间隔数据表示相邻两次故障间的运行时间,所述故障计数数据表示在规定时间内发生故障的个数。
其中,所述规定时间区间使用三班倒时间区间划分法确定。
一种航班查询系统可靠性评估装置,所述装置包括:
报警序列处理模块,用于将非结构化的原始报警数据按照报警时间形成报警序列;在所述报警序列上取一个报警子序列,形成时间窗口;设定滑动步长,基于该滑动步长在所述时间窗口上遍历整个所述报警序列;
数据处理模块,用于清洗每个所述时间窗口的报警数据,保留报警关键信息,生成报警数据库;压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据;
可靠性评估模块,用于将所述故障数据适配为可靠性模型相适应的数据,将所述可靠性模型相适应的数据应用于相应可靠性模型的代表模型,以对航班查询系统进行可靠性评估。
其中,所述报警序列处理模块,用于形成报警序列,包括:根据故障类型将非结构化的原始报警数据进行归类并用字母标识,再根据故障发生的时间形成报警序列。
其中,所述报警序列包括报警时间在序列起始时间与序列终止时间之间的多个有序的报警向量,所述报警向量包括报警类型和报警时间。
其中,所述报警序列处理模块,用于形成时间窗口,包括:根据民航航班查询系统的报警序列特点,采用事务数量决定所述时间窗口的大小。
其中,所述滑动步长不大于所述时间窗口的二分之一。
其中,所述数据处理模块,用于清洗每个所述时间窗口的数据,包括:删除缺少报警关键信息的记录,使每个所述时间窗口内的报警数据都是有效数据。
其中,所述报警数据包括报警类型、报警发生的时间。
其中,所述数据处理模块,用于压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据,为:采用布尔模型压缩所述报警数据库中时间窗口内的报警数据以形成故障数据。
其中,一次故障的所述故障数据包括故障类型、故障发生的时间以及发生的次数。
其中,所述数据处理模块,用于:同一故障在同一个所述时间窗口中产生两次或两次以上相同报警时只记录为一次故障,相应的故障数据中记录不同的报警时间。
其中,所述数据处理模块,用于:当同一报警在同一时间上报多次时只记录为一次故障,相应的故障数据中只记录一次报警时间。
其中,所述可靠性模型分为:故障时间间隔模型和故障计数模型;所述可靠性评估模块,用于将所述故障数据适配为可靠性模型相适应的数据,包括:采用数字简化时间标记法表示所述故障数据中故障发生的时刻及规定时间区间;根据所述故障数据计算相邻两次故障间的运行时间得到故障时间间隔数据;根据所述故障数据统计规定时间区间内的故障数得到故障计数数据;所述故障时间间隔数据表示相邻两次故障间的运行时间,所述故障计数数据表示在规定时间内发生故障的个数。
其中,所述可靠性评估模块,用于:所述规定时间区间使用三班倒时间区间划分法确定。
本发明实施例的自助柜机支付方法及系统,在机场提供一种更方便快捷的支付方式,实现了旅客使用自助柜机在线支付,真正解决了机场网络连接外网的问题,同时提供了统一、方便的支付页面,可兼容多种支付方式,使支付变的更加友好、方便、快捷,旅客可以在自助柜机自助完成支付,方便旅客购买航空公司的服务或者产品,大大提升机场网络的使用效率,方便了旅客的出行。
附图说明
在附图(其不一定是按比例绘制的)中,相似的附图标记可在不同的视图中描述相似的部件。具有不同字母后缀的相似附图标记可表示相似部件的不同示例。附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
图1为本发明实施例方法的流程示意图;
图2为本发明实施例报警序列实例示意图;
图3为本发明实施例故障时间间隔数据时间记法示意图;
图4为本发明实施例故障计数数据时间记法示意图;
图5为本发明实施例装置的组成结构示意图。
具体实施方式
下面结合附图和实施例对本发明提供的基于时间窗口滑动的民航航班查询系统可靠性评估方法进行详细说明。
如图1所示,本发明实施例提供的基于时间窗口滑动的民航航班查询系统可靠性评估方法包括按顺序进行的下列步骤:
步骤101:将非结构化的原始报警数据按照报警时间形成报警序列;
这里,根据故障类型将非结构化的原始报警数据进行归类并用字母标识,再根据故障发生的时间形成报警序列。
其中,所述报警序列包括报警时间在序列起始时间与序列终止时间之间的多个有序的报警向量,所述报警向量包括报警类型和报警时间。实际应用中,报警序列S是由报警类型集合E上的多个有序的报警向量组成,表示为S=(s,Ts,Te),Ts为序列起始时间,Te为序列终止时间,s表示报警序列发生的时间段,为Te与Ts的差值。例如,一个报警序列的实例如图2所示。如图2所示,Ts=0,Te=350,报警序列由多个有序的报警向量(A,t)组成(其中A为某网元的报警类型;t为报警发生的时间,A∈E),表示为<(A,13),(A,36),(B,36),(B,119),(C,142),(A,168),(A,168),(E,293),(F,312)>。
步骤102:在所述报警序列上取一个报警子序列,形成时间窗口;
这里,形成时间窗口时,根据民航航班查询系统的报警序列特点,采用事务数量决定所述时间窗口的大小。
实际应用中,报警序列S=(s,Ts,Te)上的一个报警子序列可以表示成W=(w,ts,te),ts<t<te,其中w=te-ts称为时间窗口。
步骤103:设定一个固定的滑动步长,在上述确定的时间窗口上遍历整个报警序列;
其中,所述滑动步长不大于所述时间窗口的二分之一。如OpenAv的报警序列是2013-07-17至2013-7-30共14天的数据,是以毫秒级记录了其故障信息。根据事务数量来决定时间窗口大小,取时间窗口为30分钟,滑动步长为15分钟,遍历整个报警序列。
步骤104:清洗每个所述时间窗口的报警数据,保留报警关键信息,生成报警数据库;
这里,删除缺少报警关键信息的记录,使每个所述时间窗口内的报警数据都是有效数据。具体地,清洗每个时间窗口的数据,删除一些缺少报警关键信息(报警网元、类型、报警时间、级别等)的记录,最终生成报警数据库,报警数据库中记录了每个时间窗口中故障的类型、故障发生时间以及故障发生次数。
这里,报警数据库中的报警数据可以包括报警类型、报警发生的时间等信息。
步骤105:压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据;
由于OpenAv中报警事件的发生有一定的时序关系,在一个时间窗口中同一报警不仅可以发生多次,而且同一报警有时会在同一时间上报多次。为了解决这些问题,必须压缩报警数据,生成故障数据,以提高可靠性评估的准确性。本发明实施例采用布尔模型,当同一故障在同一个时间窗口中产生多次相同报警时只记录为一次故障,但同时记录报警发生的不同时间,以解决报警时序问题。
这里,一次故障的所述故障数据包括故障类型、故障发生的时间以及发生的次数。当同一故障在同一个所述时间窗口中产生两次或两次以上相同报警时只记录为一次故障,相应的故障数据中记录不同的报警时间。当同一报警在同一时间上报多次时只记录为一次故障,相应的故障数据中只记录一次报警时间。
例如:图2中若报警A(13)和A(36)发生在同一个时间窗口中,则报警A记录为一次故障,故障发生的时间记为13s和36s,故障数据表示为A(13,36):1。
例如:图2中若报警A(168)和A(168)发生在同一时间,上报多次,则报警A记录为一次故障,故障发生的时间为168s,故障数据表示为A(168):1。
步骤106:将所述故障数据适配为可靠性模型相适应的数据;
为了方便系统的可靠性评估,需要将生成的故障数据适配为可靠性模型相适应的数据。基于软件故障历史,按软件故障过程的性质,可将软件可靠性模型分为两类:故障时间间隔模型和故障计数模型。这两类模型使用的故障数据分别是故障时间间隔数据和故障计数数据。其中故障时间间隔数据是指相邻两次故障间的运行时间。故障计数数据是指在规定时间内发生故障的个数。
具体地,步骤106的具体实现过程如下:
步骤6.1 将故障数据适配为故障时间间隔数据;
故障时间间隔数据是指相邻两次故障间的运行时间。为了给出相邻两次故障间的运行时间,需要确定每次故障发生的时刻。而在故障数据中故障每次发生的时刻表示为日历记时,如2013-07-17 22:12:56。为了方便计算,给出如图3所示的时间记法。将故障数据库中故障发生第一天的0时到1时记为时刻1,即将2013-7-17 00:00:00-00:59:59记为时刻1,则将2013-7-17 23:00:00-23:59:59记为时刻24,以此类推,将2013-7-30 23:00:00-23:59:59记为时刻24*14=336。如此就可以将故障数据适配为相邻两次故障间的运行时间,即故障时间间隔模型所需要故障时间间隔数据。
步骤6.2 将故障数据适配为故障计数数据;
故障计数数据表示在规定时间内发生故障的个数。首先要确定一个合适“规定时间”。由于OpenAv在每天的8:00:00-16:00:00访问量很大,达到高峰期。其运行特点与“三班倒”工作时间制度相匹配,则将“规定时间”取为“每8小时”。具体时间区间的划分是每天的0:00:00-8:00:00,8:00:00-16:00:00,16:00:00-24:00:00,且临界点算在上一个时间区间内。
其次,将故障数据库中的时间给出一个方便的记法。由于在故障数据库中故障每次发生的时刻表示为日历记时,如2013-07-17 22:12:56。为了方便计算,给出如图4所示的故障计数数据时间记法。记2013-7-17 0:00:00-8:00:00为1,2013-7-17 8:00:00-16:00:00为2,2013-7-17 16:00:00-24:00:00记为3,以此类推,记2013-7-30 0:00:00-8:00:00为40,2013-7-30 8:00:00-16:00:00为41,2013-7-30 16:00:00-24:00:00记为42。
最后,统计在规定时间内发生的故障个数,形成故障计数数据。如此就可以将故障数据适配为故障计数模型所需要的故障计数数据。
步骤107:将所述可靠性模型相适应的数据应用于相应可靠性模型的代表模型,以对航班查询系统进行可靠性评估。
其中,根据上述故障时间间隔数据与故障计数数据的格式选择可靠性评估模型,以进行可靠性评估;实际应用中,时间窗口滑动方法给出了故障时间间隔数据与故障计数数据两类可靠性数据,根据这些数据的格式,选择J-M模型和G-O模型为代表模型进行可靠性评估。
具体地,步骤107的具体实现过程如下:
步骤7.1 J-M模型
故障时间间隔模型假设故障间隔时间服从某一分布,分布的参数依赖于各个时间间隔中的软件残留错误数。Jelinski-Moranda(J-M)模型是故障时间间隔模型的经典代表模型,发展成熟、应用广泛、评估效果良好。J-M模型的基本思想是软件中的初始错误个数是一个未知的且固定的常数N,各个错误是相对独立的,错误一旦被查出立即被完全排除,每次只排除一个错误且在排错过程中不引入新的错误,即每次排错后N就减1,任何时候的软件故障率正比于软件中的剩余错误个数,正比例常数用Φ表示。
设j为故障次数,Φ(N)表示剩余N个错误时的软件故障率,则第一个错误被排除后故障率由Φ(N)变为Φ(N-1),t1,t2,…,tn表示相继出现的n个错误之间的时间区间的样本,n为到目前为止所排除的所有错误个数,在软件的第j-1次故障与第j次故障的时间区间内,故障率函数为:
λj=Φ[N-(j-1)]
上式中j=1,2,…,N。相应的可靠度函数为指数函数,即:
R(tj)=exp[-λ(tj)tj]=exp[-Φ(N-j+1)tj] (1)
用最大似然估计法,当前软件的错误个数N和正比例常数Φ可从下式求出:
步骤7.2 G-O模型
设在时间序列t0<t1<…<tn上对应的软件累积故障数为:y0<y1<…<yn,其中t0=0,y0=0,利用极大似然估计法由下式求出a,b:
如图5所示,本发明实施例提供的航班查询系统可靠性评估装置,包括:
报警序列处理模块51,用于将非结构化的原始报警数据按照报警时间形成报警序列;在所述报警序列上取一个报警子序列,形成时间窗口;设定滑动步长,基于该滑动步长在所述时间窗口上遍历整个所述报警序列;
数据处理模块52,用于清洗每个所述时间窗口的报警数据,保留报警关键信息,生成报警数据库;压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据;
可靠性评估模块53,用于将所述故障数据适配为可靠性模型相适应的数据,将所述可靠性模型相适应的数据应用于相应可靠性模型的代表模型,以对航班查询系统进行可靠性评估。
其中,所述报警序列处理模块51,用于形成报警序列,包括:根据故障类型将非结构化的原始报警数据进行归类并用字母标识,再根据故障发生的时间形成报警序列。所述报警序列包括报警时间在序列起始时间与序列终止时间之间的多个有序的报警向量,所述报警向量包括报警类型和报警时间。所述报警序列处理模块51,用于形成时间窗口,包括:根据民航航班查询系统的报警序列特点,采用事务数量决定所述时间窗口的大小。这里,所述滑动步长不大于所述时间窗口的二分之一。
其中,所述数据处理模块52,用于清洗每个所述时间窗口的数据,包括:删除缺少报警关键信息的记录,使每个所述时间窗口内的报警数据都是有效数据。其中,所述报警数据包括报警类型、报警发生的时间。所述数据处理模块52,用于压缩所述报警数据库中每个时间窗口内的报警数据以形成故障数据,为:采用布尔模型压缩所述报警数据库中时间窗口内的报警数据以形成故障数据。这里,一次故障的所述故障数据包括故障类型、故障发生的时间以及发生的次数。同一故障在同一个所述时间窗口中产生两次或两次以上相同报警时只记录为一次故障,相应的故障数据中记录不同的报警时间。当同一报警在同一时间上报多次时只记录为一次故障,相应的故障数据中只记录一次报警时间。
其中,所述可靠性模型分为:故障时间间隔模型和故障计数模型;所述可靠性评估模块53,用于将所述故障数据适配为可靠性模型相适应的数据,包括:采用数字简化时间标记法表示所述故障数据中故障发生的时刻及规定时间区间;根据所述故障数据计算相邻两次故障间的运行时间得到故障时间间隔数据;根据所述故障数据统计规定时间区间内的故障数得到故障计数数据;所述故障时间间隔数据表示相邻两次故障间的运行时间,所述故障计数数据表示在规定时间内发生故障的个数。这里,所述可靠性评估模块,用于:所述规定时间区间使用三班倒时间区间划分法确定。具体实现过程均已在上文方法部分中详述,不再赘述。
本发明实施例以软件可靠性模型研究中原始数据存在的重复性、虚警性等问题为出发点,提供了一种基于时间滑动窗口的航班查询系统可靠性评估方法及装置,将原始数据按报警时间转化为结构化的报警数据,设定合理的时间窗口和滑动步长将报警数据转化为故障数据。结合可靠性主流的两大类模型——故障时间间隔模型和故障计数模型所需的数据特征,将故障数据匹配为与之相适应的故障时间间隔可靠性数据和故障计数可靠性数据,并将这两类可靠性数据应用于相应的代表模型J-M、G-O模型,以对航班查询系统进行可靠性评估。时间滑动窗口数据处理方法的合理性和可行性,可提高航班查询系统可靠性评估故障数据的精确性,从而提高航班查询系统可靠性评估的准确性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (18)
1.一种航班查询系统可靠性评估方法,其特征在于,所述方法包括:
将非结构化的原始报警数据按照报警时间形成报警序列;
在所述报警序列上取一个报警子序列,形成时间窗口;
设定滑动步长,基于该滑动步长在所述时间窗口上遍历整个所述报警序列;
清洗每个所述时间窗口的报警数据,保留报警关键信息,生成报警数据库;
采用布尔模型压缩所述报警数据库中时间窗口内的报警数据以形成故障数据,一次故障的所述故障数据包括故障类型、故障发生的时间以及发生的次数;其中,当同一故障在同一个所述时间窗口中产生两次或两次以上相同报警时只记录为一次故障,相应的故障数据中记录不同的报警时间;当同一报警在同一时间上报多次时只记录为一次故障,相应的故障数据中只记录一次报警时间;
将所述故障数据适配为可靠性模型相适应的数据,将所述可靠性模型相适应的数据应用于相应可靠性模型的代表模型,以对航班查询系统进行可靠性评估。
2.根据权利要求1所述的方法,其特征在于,所述形成报警序列,包括:
根据故障类型将非结构化的原始报警数据进行归类并用字母标识,再根据故障发生的时间形成报警序列。
3.根据权利要求1或2所述的方法,其特征在于,所述报警序列包括报警时间在序列起始时间与序列终止时间之间的多个有序的报警向量,所述报警向量包括报警类型和报警时间。
4.根据权利要求1所述的方法,其特征在于,所述形成时间窗口,包括:
根据民航航班查询系统的报警序列特点,采用事务数量决定所述时间窗口的大小。
5.根据权利要求1或4所述的方法,其特征在于:所述滑动步长不大于所述时间窗口的二分之一。
6.根据权利要求1所述的方法,其特征在于,清洗每个所述时间窗口的数据,包括:删除缺少报警关键信息的记录,使每个所述时间窗口内的报警数据都是有效数据。
7.根据权利要求6所述的方法,其特征在于,所述报警数据包括报警类型、报警发生的时间。
8.根据权利要求1所述的方法,其特征在于,
所述可靠性模型分为:故障时间间隔模型和故障计数模型;
将所述故障数据适配为可靠性模型相适应的数据,包括:采用数字简化时间标记法表示所述故障数据中故障发生的时刻及规定时间区间;根据所述故障数据计算相邻两次故障间的运行时间得到故障时间间隔数据;根据所述故障数据统计规定时间区间内的故障数得到故障计数数据;所述故障时间间隔数据表示相邻两次故障间的运行时间,所述故障计数数据表示在规定时间内发生故障的个数。
9.根据权利要求8所述的方法,其特征在于,所述规定时间区间使用三班倒时间区间划分法确定。
10.一种航班查询系统可靠性评估装置,其特征在于,所述装置包括:
报警序列处理模块,用于将非结构化的原始报警数据按照报警时间形成报警序列;在所述报警序列上取一个报警子序列,形成时间窗口;设定滑动步长,基于该滑动步长在所述时间窗口上遍历整个所述报警序列;
数据处理模块,用于清洗每个所述时间窗口的报警数据,保留报警关键信息,生成报警数据库;采用布尔模型压缩所述报警数据库中时间窗口内的报警数据以形成故障数据,一次故障的所述故障数据包括故障类型、故障发生的时间以及发生的次数;其中,当同一故障在同一个所述时间窗口中产生两次或两次以上相同报警时只记录为一次故障,相应的故障数据中记录不同的报警时间;当同一报警在同一时间上报多次时只记录为一次故障,相应的故障数据中只记录一次报警时间;
可靠性评估模块,用于将所述故障数据适配为可靠性模型相适应的数据,将所述可靠性模型相适应的数据应用于相应可靠性模型的代表模型,以对航班查询系统进行可靠性评估。
11.根据权利要求10所述的装置,其特征在于,所述报警序列处理模块,用于形成报警序列,包括:根据故障类型将非结构化的原始报警数据进行归类并用字母标识,再根据故障发生的时间形成报警序列。
12.根据权利要求10或11所述的装置,其特征在于,所述报警序列包括报警时间在序列起始时间与序列终止时间之间的多个有序的报警向量,所述报警向量包括报警类型和报警时间。
13.根据权利要求10所述的装置,其特征在于,所述报警序列处理模块,用于形成时间窗口,包括:
根据民航航班查询系统的报警序列特点,采用事务数量决定所述时间窗口的大小。
14.根据权利要求10或13所述的装置,其特征在于:所述滑动步长不大于所述时间窗口的二分之一。
15.根据权利要求10所述的装置,其特征在于,所述数据处理模块,用于清洗每个所述时间窗口的数据,包括:删除缺少报警关键信息的记录,使每个所述时间窗口内的报警数据都是有效数据。
16.根据权利要求15所述的装置,其特征在于,所述报警数据包括报警类型、报警发生的时间。
17.根据权利要求10所述的装置,其特征在于,
所述可靠性模型分为:故障时间间隔模型和故障计数模型;
所述可靠性评估模块,用于将所述故障数据适配为可靠性模型相适应的数据,包括:采用数字简化时间标记法表示所述故障数据中故障发生的时刻及规定时间区间;根据所述故障数据计算相邻两次故障间的运行时间得到故障时间间隔数据;根据所述故障数据统计规定时间区间内的故障数得到故障计数数据;所述故障时间间隔数据表示相邻两次故障间的运行时间,所述故障计数数据表示在规定时间内发生故障的个数。
18.根据权利要求17所述的装置,其特征在于,所述可靠性评估模块,用于:所述规定时间区间使用三班倒时间区间划分法确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510999473.1A CN105653424B (zh) | 2015-12-28 | 2015-12-28 | 航班查询系统可靠性评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510999473.1A CN105653424B (zh) | 2015-12-28 | 2015-12-28 | 航班查询系统可靠性评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105653424A CN105653424A (zh) | 2016-06-08 |
CN105653424B true CN105653424B (zh) | 2018-08-17 |
Family
ID=56478033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510999473.1A Active CN105653424B (zh) | 2015-12-28 | 2015-12-28 | 航班查询系统可靠性评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105653424B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109739880A (zh) * | 2018-12-20 | 2019-05-10 | 中国联合网络通信集团有限公司 | 数据计算方法及装置 |
CN115865611A (zh) * | 2021-09-24 | 2023-03-28 | 中国移动通信集团湖南有限公司 | 一种网络设备的故障处理方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6738931B1 (en) * | 2000-11-03 | 2004-05-18 | General Electric Company | Reliability assessment method, apparatus and system for quality control |
CN102083116A (zh) * | 2011-01-10 | 2011-06-01 | 浪潮通信信息系统有限公司 | 基于元知识的智能化通信告警故障定位专家系统的构建方法 |
CN102419799A (zh) * | 2012-01-10 | 2012-04-18 | 杜玉龙 | 一种消防系统可靠性分析和计算方法 |
CN103776480A (zh) * | 2014-01-29 | 2014-05-07 | 清华大学 | 基于多次移动平均的微小故障检测方法和装置 |
CN105159827A (zh) * | 2015-08-21 | 2015-12-16 | 北京航空航天大学 | 一种面向gui软件的可靠性加速测试方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8200442B2 (en) * | 2009-03-16 | 2012-06-12 | Sikorsky Aircraft Corporation | Usage monitor reliability factor using an advanced fatigue reliability assessment model |
-
2015
- 2015-12-28 CN CN201510999473.1A patent/CN105653424B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6738931B1 (en) * | 2000-11-03 | 2004-05-18 | General Electric Company | Reliability assessment method, apparatus and system for quality control |
CN102083116A (zh) * | 2011-01-10 | 2011-06-01 | 浪潮通信信息系统有限公司 | 基于元知识的智能化通信告警故障定位专家系统的构建方法 |
CN102419799A (zh) * | 2012-01-10 | 2012-04-18 | 杜玉龙 | 一种消防系统可靠性分析和计算方法 |
CN103776480A (zh) * | 2014-01-29 | 2014-05-07 | 清华大学 | 基于多次移动平均的微小故障检测方法和装置 |
CN105159827A (zh) * | 2015-08-21 | 2015-12-16 | 北京航空航天大学 | 一种面向gui软件的可靠性加速测试方法 |
Non-Patent Citations (1)
Title |
---|
"一种结合Bayes估计的NHPP航班查询软件可靠性评估方法";曹卫东等;《计算机工程与科学》;20150331;第37卷(第3期);529-533 * |
Also Published As
Publication number | Publication date |
---|---|
CN105653424A (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6799154B1 (en) | System and method for predicting the timing of future service events of a product | |
US8880962B2 (en) | Maintenance planning and failure prediction from data observed within a time window | |
EP3413246A1 (en) | Reporting and prioritizing faults for aircraft downtime reduction | |
Yang et al. | Closed-loop supply chain inventory management with recovery information of reusable containers | |
CN112910089A (zh) | 一种变电站二次设备故障逻辑可视化方法及系统 | |
Scarf et al. | Hybrid block replacement and inspection policies for a multi-component system with heterogeneous component lives | |
EP3379359A1 (en) | Data-driven unsupervised algorithm for analyzing sensor data to detect abnormal valve operation | |
CN109948808A (zh) | 变电站设备故障案例库的建库方法、故障诊断方法及系统 | |
CN105653424B (zh) | 航班查询系统可靠性评估方法及装置 | |
CN105989140B (zh) | 一种数据块处理方法和设备 | |
JP6192545B2 (ja) | 保守作業計画作成システム | |
CN111130840A (zh) | 无人值守服务中心管理方法、系统、介质及电子设备 | |
CN109660407A (zh) | 分布式系统监控系统及方法 | |
CN109682436A (zh) | 物联网燃气表抄表数据补抄的方法 | |
Pili et al. | Evaluating alternative methods to estimate bus running times by archived automatic vehicle location data | |
Frank | Demonstrating autonomous mission operations onboard the international space station | |
Durugbo et al. | Information channel diagrams: an approach for modelling information flows | |
JP7316233B2 (ja) | データ処理システムおよびデータ処理方法 | |
Skok et al. | Enhanced open architecture of phasor data concentrator | |
Mousavi et al. | Simulation-based real-time performance monitoring (simmon): A platform for manufacturing and healthcare systems | |
Inoue et al. | Integrable difference equations for software reliability assessment and their applications | |
Suchkov et al. | Development of a real-time stringlines tool to visualize subway operations and manage service at New York City transit | |
CN105934767A (zh) | 工作现场材料跟踪和差异调解 | |
CN106571969B (zh) | 一种云服务可用性评估方法和系统 | |
JP2022170446A (ja) | 生産管理システムおよび生産管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: 100085 Yumin Street, Houshayu Town, Shunyi District, Beijing Patentee after: CHINA TRAVELSKY HOLDING Co. Address before: 100010, Beijing, Dongcheng District East Fourth Street, West 157 Patentee before: CHINA TRAVELSKY HOLDING Co. |
|
CP02 | Change in the address of a patent holder |