CN107742160B - 一种机电设备维保周期自适应预测方法及装置 - Google Patents
一种机电设备维保周期自适应预测方法及装置 Download PDFInfo
- Publication number
- CN107742160B CN107742160B CN201710949244.8A CN201710949244A CN107742160B CN 107742160 B CN107742160 B CN 107742160B CN 201710949244 A CN201710949244 A CN 201710949244A CN 107742160 B CN107742160 B CN 107742160B
- Authority
- CN
- China
- Prior art keywords
- repair
- electromechanical equipment
- maintenance
- electromechanical
- signal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种机电设备维保周期自适应预测方法及装置,其中,预测方法包括:获取机电设备的报修信号,并基于报修信号统计报修次数;基于报修次数进行运算处理,获得机电设备的报修间隔平均值;根据机电设备的报修间隔平均值,结合自适应函数预测机电设备的保养周期。本发明利用所获得的机电设备的报修数据,结合自适应函数动态地预测机电设备的保养周期,避免了因异常数据而导致的维保周期过短或过长的现象,有效解决了根据人为经验设定的维保周期导致不能合理分配维保人员,致使人力成本浪费的问题。
Description
技术领域
本发明涉及机电设备维修保养领域,更具体地说,涉及一种机电设备维保周期自适应预测方法及装置。
背景技术
随着经济的飞速发展和社会的不断进步,人们对生活质量的要求不断提高,尤其是在医疗这一关乎民生的重要行业,新技术的不断应用,使得传统的建筑在向智慧型建筑转型。智慧建筑楼控系统方便了建筑后勤运维人员对建筑主体进行管理。视频门禁系统为智慧建筑的安全运行提供了保障,资产管理系统可以为建筑的高额资产进行有效管理。
然而,在建筑物业管理领域,尤其是建筑机电设备维保方面,经常出现机电设备过多,维保人员工作超出符合或由于维保人员过剩导致的人力成本的浪费。究其原因,在于在机电设备维保过程中维保周期没有根据不同机电设备的情况做以调整,大部分机电设备维保周期的选择都是根据人为经验而定,并且在设定一定维保周期之后,该周期并没有跟随机电设备的运行情况而改变所导致。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述根据人为经验设定的维保周期导致不能合理分配维保人员,而致使人力成本浪费的缺陷,提供一种机电设备维保周期自适应预测方法及装置。
本发明解决其技术问题所采用的技术方案是:构造一种机电设备维保周期自适应预测方法,包括以下步骤:
获取机电设备的报修信号,并基于所述报修信号统计报修次数;
基于所述报修次数进行运算处理,获得所述机电设备的报修间隔平均值;
根据所述机电设备的报修间隔平均值,结合自适应函数预测所述机电设备的保养周期。
优选地,所述根据所述机电设备的报修间隔平均值,结合自适应函数预测所述机电设备的保养周期包括:
根据所述机电设备的报修间隔平均值,结合自适应函数获得所述保养周期与报修间隔平均值和初始报修间隔的关系式;
基于所述关系式获得所述机电设备的保养周期。
优选地,所述自适应函数为Sigmoid函数;
所述关系式为:
其中,T表示保养周期,t0表示初始报修间隔,t表示报修间隔平均值,K1为维保周期的上限值,K2为维保周期的下限值,e为常量。
优选地,所述报修信号包括报警信号、故障信号、阈值信号中的至少一种。
本发明还提供一种机电设备维保周期自适应预测装置,包括:
获取统计单元,用于获取机电设备的报修信号,并基于所述报修信号统计报修次数;所述报修信号包括报警信号、故障信号、阈值信号中的至少一种;
计算单元,用于基于所述报修次数进行运算处理,获得所述机电设备的报修间隔平均值;
预测单元,用于根据所述机电设备的报修间隔平均值,结合自适应函数预测所述机电设备的保养周期。
优选地,所述预测单元包括:
获取模块,用于根据所述机电设备的报修间隔平均值,结合自适应函数获得所述保养周期与报修间隔平均值和初始报修间隔的关系式;
计算模块,用于基于所述关系式获得所述机电设备的保养周期。
优选地,所述自适应函数为Sigmoid函数;
所述关系式为:
其中,T表示保养周期,t0表示初始报修间隔,t表示报修间隔平均值,K1为维保周期的上限值,K2为维保周期的下限值,e为常量。
优选地,还包括:
显示模块,用于显示所述机电设备的保养周期。
本发明还提供一种计算机装置,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上所述方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
实施本发明的机电设备维保周期自适应预测方法,具有以下有益效果:本发明利用所获得的机电设备的报修数据,结合自适应函数动态地预测机电设备的保养周期,避免了因异常数据而导致的维保周期过短或过长的现象,有效解决了根据人为经验设定的维保周期导致不能合理分配维保人员,而致使人力成本浪费的问题。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明一种机电维保周期预测方法的流程示意图;
图2是本发明一种机电维保周期预测的逻辑框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
参阅图1,图1是本发明一种机电设备维保周期自适应预测方法一优选实施例的流程示意图。
该机电设备维保周期自适应预测方法可应用于物业管理系统,或者集成了物业管理系统的智慧建筑管理系统。如图1所示,本实施例的机电设备维保周期自适应预测方法包括步骤S1、步骤S2和步骤S3。
其中,步骤S1为:获取机电设备的报修信号,并基于报修信号统计报修次数。优选地,本实施例中,报修信号包括报警信号、故障信号、阈值信号中的至少一种。
可以理解地,本实施例的机电设备可以为一个设备,也可以为多个设备,例如,可针对楼宇中的同一类设备,也可以是楼宇中同一区域的设备。
在机电设备运行过程中,物业管理系统或智慧建筑管理系统中的总控制器可实时监控机电设备的报修情况,具体地,在机电设备运行过程中,当机电设备的运行参数达到预设报修条件时,机电设备即发出报修信号并传输至总控制器,总控制器实时接收机电设备发出的报修信号。
例如:机电设备在开机前每个运行参数已预先设定相应的合理区间,假设某一运行参数的合理区间为[A,B],当该运行参数的实际运行情况小于A或大于B时,则判定有故障,需要保修,此时,机电设备即自动发出报修信号至物业管理系统或智慧管理系统中的总控制器。
进一步地,总控制器在接收到机电设备发出的报修信号后还对报修信号进行存储,并记录相应的报修信息。例如,某机电设备在某一天发出报修信号,就记录该机电设备在这一天发出报修信号的相关信息(包括时间信息),如XX年X月X日,Y机电设备报修。
总控制器在记录机电设备发出的报修信号的报修信息时,还进一步地统计报修次数,即根据所接收到的报修信号的次数统计对应的机电设备的报修次数。例如,Y机电设备在一个月内发出的报修信号为3次,则在记录Y机电设备每一次发出报修信号的报修信息后,还统计Y机电设备在这一个月内的报修次数,共3次,即报修次数与所接收到的报修信号的次数相同。
可以理解地,在本实施例中,每一报修信号与发出该报修信号的机电设备相关联,即每一报修信号携带有机电设备的关联信息,基于该关联信息,总控制器可分别监控对应的机电设备。
步骤S2为:基于报修次数进行运算处理,获得机电设备的报修间隔平均值。
具体的,根据所接收的机电设备的报修信号,统计出机电设备的报修次数,进而计算出机电设备的报修间隔平均值。即根据所接收的机电设备的报修信号及之前记录的报修信息(如时间信息),计算在一段时间内机电设备发出的报修信号次数,进而计算出该机电设备的报修间隔平均值。例如,设置一个水泵3个月保养一次,3个月内,允许有2次报修,但是,该水泵在实际运行过程中3个月内发出了6次报修记录,因此,即可计算出该水泵的报修间隔平均值为15天。
步骤S3为:根据机电设备的报修间隔平均值,结合自适应函数预测机电设备的保养周期。
优选地,步骤S3包括:
步骤S311:根据机电设备的报修间隔平均值,结合自适应函数获得保养周期与报修间隔平均值和初始报修间隔的关系式;
步骤S312:基于关系式获得机电设备的保养周期。
进一步地,在本实施例中,自适应函数为Sigmoid函数;
关系式为:
其中,T表示保养周期,t0表示初始报修间隔,t表示报修间隔平均值,K1为维保周期的上限值,K2为维保周期的下限值,e为常量。
可以理解地,通过采用Sigmoid函数获得机电设备的保养周期与初始报修间隔、报修间隔平均值的关系式,可实现对机电设备的保养周期进行动态预测。
由上述关系式可知,报修间隔越长,保养的频次越低,则保养周期越长。
另外,本实施例的机电设备维保周期自适应预测方法实际上是利用机电设备的实际运行维保数据(即报修信号及报修信号中所携带的信息),结合Sigmoid函数对机电设备的保养周期的预测。总控制器对机电设备的实际运行维保数据的获取是一个持续的积累过程,机电设备运行时间越长,总控制器对机电设备的实际运行维保数据的积累越多,则对机电设备的保养周期的预测越精确。
Sigmoid函数主要以S曲线表示,其中,S曲线是一种有上下两条渐近线的平滑连续曲线,也就是S曲线设有上限和下限,因此,通过采用Sigmoid函数符合实际派人进行设备保养的需要。其次,S曲线可有效避免极端情况对整体数据的影响。例如,假设使用取最大值最小值作为上下限的方法,将其余数值放在[最小值,最大值]区间内。某天,实际运行维保数据异常,最大值非常大,则会导致[最小值,最大值]区间非常大,而正常的数据就会集中在最小值附近,这种方式非常不利于数据的均衡分析及处理,也不能获得精确的预测。而本实施例采用S曲线即使某一时刻实际运行维保数据异常,实际运行维保数据跳到非常大,将该异常数据整合到S曲线中也只能无限接近于S曲线的上限,而基本不会影响整体实际运行维保数据的统计。
综上,本发明的机电设备维保周期自适应预测方法,利用Sigmoid函数曲线可以将某些异常数据合理的分配到相应维保周期内,避免了由于某些导演数据而导致维保周期过短或过长的现象。通过采用该方法可以有效的利用机电设备的实际运行维保数据,精确地预测机电设备的保养周期,以利于管理人员可以根据所预测的保养周期动态地修正机电设备的维保周期设定值,如延长报警、报修较少设备的维保周期,缩短报警、报修较多设备的维保周期。
参阅图2,图2是本发明一种机电设备维保周期自适应预测装置一优选实施例的逻辑框图。该机电设备维保周期自适应预测装置可应用于物业管理系统,或者集成了物业管理系统的智慧建筑管理系统。
如图2所示,本实施例的机电设备维保周期自适应预测装置包括获取统计单元10、计算单元20和预测单元30。
具体的,获取统计单元10,用于获取机电设备的报修信号,并基于报修信号统计报修次数;优选地,报修信号包括报警信号、故障信号、阈值信号中的至少一种。
可以理解地,本实施例的机电设备可以为一个设备,也可以为多个设备,例如,可针对楼宇中的同一类设备,也可以是楼宇中同一区域的设备。
在机电设备运行过程中,物业管理系统或智慧建筑管理系统中的总控制器可实时监控机电设备的报修情况,具体地,在机电设备运行过程中,当机电设备的运行参数达到预设报修条件时,机电设备即发出报修信号并传输至总控制器,总控制器实时接收机电设备发出的报修信号。例如:机电设备在开机前每个运行参数已预先设定相应的合理区间,假设某一运行参数的合理区间为[A,B],当该运行参数的实际运行情况小于A或大于B时,则判定有故障,需要保修,此时,机电设备即自动发出报修信号至物业管理系统或智慧管理系统中的总控制器。
进一步地,总控制器在接收到机电设备发出的报修信号后还对报修信号进行存储,并记录相应的报修信息。例如,某机电设备在某一天发出报修信号,就记录该机电设备在这一天发出报修信号的相关信息(包括时间信息),如XX年X月X日,Y机电设备报修。
总控制器在记录机电设备发出的报修信号的报修信息时,还进一步地统计报修次数,即根据所接收到的报修信号的次数统计对应的机电设备的报修次数。例如,Y机电设备在一个月内发出的报修信号为3次,则在记录Y机电设备每一次发出报修信号的报修信息后,还统计Y机电设备在这一个月内的报修次数,共3次,即报修次数与所接收到的报修信号的次数相同。
可以理解地,在本实施例中,每一报修信号与发出该报修信号的机电设备相关联,即每一报修信号携带有机电设备的关联信息,基于该关联信息,总控制器可分别监控对应的机电设备。
计算单元20,用于基于报修次数进行运算处理,获得机电设备的报修间隔平均值。
具体的,根据所接收的机电设备的报修信号,统计出机电设备的报修次数,进而计算出机电设备的报修间隔平均值。即根据所接收的机电设备的报修信号及之前记录的报修信息(如时间信息),计算在一段时间内机电设备发出的报修信号次数,进而计算出该机电设备的报修间隔平均值。例如,设置一个水泵3个月保养一次,3个月内,允许有2次报修,但是,该水泵在实际运行过程中3个月内发出了6次报修记录,因此,即可计算出该水泵的报修间隔平均值为15天。
预测单元30,用于根据机电设备的报修间隔平均值,结合自适应函数预测机电设备的保养周期。
优选地,预测单元30包括:
获取模块,用于根据机电设备的报修间隔平均值,结合自适应函数获得保养周期与报修间隔平均值和初始报修间隔的关系式。
计算模块,用于基于关系式获得机电设备的保养周期。
进一步地,在本实施例中,自适应函数为Sigmoid函数;
关系式为:
其中,T表示保养周期,t0表示初始报修间隔,t表示报修间隔平均值,K1为维保周期的上限值,K2为维保周期的下限值,e为常量。
可以理解地,通过采用Sigmoid函数获得机电设备的保养周期与初始报修间隔、报修间隔平均值的关系式,可实现对机电设备的保养周期进行动态预测。
由上述关系式可知,报修间隔越长,保养的频次越低,则保养周期越长。
另外,本实施例的机电设备维保周期自适应预测装置实际上是利用机电设备的实际运行维保数据(即报修信号及报修信号中所携带的信息),结合Sigmoid函数对机电设备的保养周期的预测。总控制器对机电设备的实际运行维保数据的获取是一个持续的积累过程,机电设备运行时间越长,总控制器对机电设备的实际运行维保数据的积累越多,则对机电设备的保养周期的预测越精确。
Sigmoid函数主要以S曲线表示,其中,S曲线是一种有上下两条渐近线的平滑连续曲线,也就是S曲线设有上限和下限,因此,通过采用Sigmoid函数符合实际派人进行设备保养的需要。其次,S曲线可有效避免极端情况对整体数据的影响。例如,假设使用取最大值最小值作为上下限的方法,将其余数值放在[最小值,最大值]区间内。某天,实际运行维保数据异常,最大值非常大,则会导致[最小值,最大值]区间非常大,而正常的数据就会集中在最小值附近,这种方式非常不利于数据的均衡分析及处理,也不能获得精确的预测。而本实施例采用S曲线即使某一时刻实际运行维保数据异常,实际运行维保数据跳到非常大,将该异常数据整合到S曲线中也只能无限接近于S曲线的上限,而基本不会影响整体实际运行维保数据的统计。
本发明还提供了一种计算机装置,计算机装置包括处理器,处理器用于执行存储器中存储的计算机程序时实现如上方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现如上方法的步骤。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利要求的涵盖范围。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种机电设备维保周期自适应预测方法,其特征在于,包括以下步骤:
获取机电设备的报修信号,并基于所述报修信号统计报修次数,所述报修信号包括报警信号、故障信号、阈值信号中的至少一种;
基于所述报修次数进行运算处理,获得所述机电设备的报修间隔平均值;
根据所述机电设备的报修间隔平均值,结合自适应函数预测所述机电设备的保养周期,包括:
根据所述机电设备的报修间隔平均值,结合自适应函数获得所述保养周期与报修间隔平均值和初始报修间隔的关系式;
基于所述关系式获得所述机电设备的保养周期;所述自适应函数为Sigmoid函数;
所述关系式为:
其中,T表示保养周期,t0表示初始报修间隔,t表示报修间隔平均值,K1为维保周期的上限值,K2为维保周期的下限值,e为常量。
2.一种机电设备维保周期自适应预测装置,其特征在于,包括:
获取统计单元,用于获取机电设备的报修信号,并基于所述报修信号统计报修次数;所述报修信号包括报警信号、故障信号、阈值信号中的至少一种;
计算单元,用于基于所述报修次数进行运算处理,获得所述机电设备的报修间隔平均值;
预测单元,用于根据所述机电设备的报修间隔平均值,结合自适应函数预测所述机电设备的保养周期,包括:
获取模块,用于根据所述机电设备的报修间隔平均值,结合自适应函数获得所述保养周期与报修间隔平均值和初始报修间隔的关系式;
计算模块,用于基于所述关系式获得所述机电设备的保养周期;所述自适应函数为Sigmoid函数;
所述关系式为:
其中,T表示保养周期,t0表示初始报修间隔,t表示报修间隔平均值,K1为维保周期的上限值,K2为维保周期的下限值,e为常量。
3.根据权利要求2所述的机电设备维保周期自适应预测装置,其特征在于,还包括:
显示模块,用于显示所述机电设备的保养周期。
4.一种计算机装置,其特征在于,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1所述方法的步骤。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710949244.8A CN107742160B (zh) | 2017-10-12 | 2017-10-12 | 一种机电设备维保周期自适应预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710949244.8A CN107742160B (zh) | 2017-10-12 | 2017-10-12 | 一种机电设备维保周期自适应预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107742160A CN107742160A (zh) | 2018-02-27 |
CN107742160B true CN107742160B (zh) | 2021-03-30 |
Family
ID=61237480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710949244.8A Active CN107742160B (zh) | 2017-10-12 | 2017-10-12 | 一种机电设备维保周期自适应预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742160B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633617A (zh) * | 2019-09-24 | 2021-04-09 | 北京国双科技有限公司 | 维保策略生成方法、装置、计算机设备和可读存储介质 |
CN114444738B (zh) * | 2022-04-08 | 2022-09-09 | 国网浙江省电力有限公司物资分公司 | 一种电气设备保养周期生成方法 |
CN116070787A (zh) * | 2023-03-08 | 2023-05-05 | 中环洁集团股份有限公司 | 一种设备保养周期预测方法、系统、设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871000A (zh) * | 2014-03-13 | 2014-06-18 | 石家庄铁道大学 | 基于概率全寿命周期成本的电力变压器效能综合评估方法 |
CN104392143A (zh) * | 2014-12-09 | 2015-03-04 | 北京四方继保自动化股份有限公司 | 一种自适应量子神经网络汽轮机故障趋势预测方法 |
CN104537437A (zh) * | 2014-12-19 | 2015-04-22 | 广东电网有限责任公司珠海供电局 | 基于遗传算法的电力设备状态维修预测方法 |
CN107194478A (zh) * | 2017-06-21 | 2017-09-22 | 中国人民解放军国防科学技术大学 | 融合寿命数据和性能退化数据的单机剩余寿命预测方法 |
-
2017
- 2017-10-12 CN CN201710949244.8A patent/CN107742160B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871000A (zh) * | 2014-03-13 | 2014-06-18 | 石家庄铁道大学 | 基于概率全寿命周期成本的电力变压器效能综合评估方法 |
CN104392143A (zh) * | 2014-12-09 | 2015-03-04 | 北京四方继保自动化股份有限公司 | 一种自适应量子神经网络汽轮机故障趋势预测方法 |
CN104537437A (zh) * | 2014-12-19 | 2015-04-22 | 广东电网有限责任公司珠海供电局 | 基于遗传算法的电力设备状态维修预测方法 |
CN107194478A (zh) * | 2017-06-21 | 2017-09-22 | 中国人民解放军国防科学技术大学 | 融合寿命数据和性能退化数据的单机剩余寿命预测方法 |
Non-Patent Citations (1)
Title |
---|
Sigmoidal curve-fitting redefines quantitative real-time PCR with the prospective of developing;R.G.Rutledge;《Nucleic Acids Rearch》;20041215;第2页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107742160A (zh) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742160B (zh) | 一种机电设备维保周期自适应预测方法及装置 | |
CN109615213B (zh) | 一种运维服务任务的智能分配方法及系统 | |
CN110991875A (zh) | 一种平台用户质量评估系统 | |
CN107705038B (zh) | 一种运维管理系统保养任务自适应派单方法及系统 | |
US20140189399A1 (en) | Methods, systems and apparatus to manage power consumption of a graphics engine | |
CN107886272B (zh) | 一种食材管理方法 | |
CN116187729A (zh) | 基于数字孪生的资源调度方法、装置、设备及存储介质 | |
CN113239750A (zh) | 一种电力营业厅人员行为检测系统、方法、设备及应用 | |
CN114254982A (zh) | 智慧工厂云管理系统 | |
CN114360222B (zh) | 一种租赁设备的状态预警方法、装置、设备和介质 | |
CN103973902A (zh) | 一种用户感知业务质量的量化装置、监测系统和方法 | |
CN116881085A (zh) | 一种服务器能耗优化的方法 | |
CN116720720A (zh) | 一种岩土工程设备互联调度管理方法和系统 | |
CN113052417A (zh) | 一种资源配置方法以及装置 | |
CN117350640A (zh) | 一种项目进度管理方法与系统 | |
CN115701890B (zh) | 调整告警规则的方法及相关设备 | |
CN110262955A (zh) | 基于pinpoint的应用性能监控工具 | |
CN110659898B (zh) | 一种数据控制方法、装置及存储介质 | |
CN107087284A (zh) | 一种网络小区的质量监控方法及监控系统、服务器 | |
CN110532153A (zh) | 一种业务层级用户操作体验可视化系统 | |
CN115345587A (zh) | 一种基于bim和大数据的工程成本管控系统 | |
CN114529149A (zh) | 工作节奏量化的智能管控方法及装置 | |
TW201814633A (zh) | 需量反應服務系統控制方法 | |
CN112529441A (zh) | 一种工程项目管理系统 | |
CN111949503B (zh) | 数据库的管理方法、装置、计算设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |