CN109034415A - 一种自学习的故障处理方法、装置及系统 - Google Patents
一种自学习的故障处理方法、装置及系统 Download PDFInfo
- Publication number
- CN109034415A CN109034415A CN201810803104.4A CN201810803104A CN109034415A CN 109034415 A CN109034415 A CN 109034415A CN 201810803104 A CN201810803104 A CN 201810803104A CN 109034415 A CN109034415 A CN 109034415A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- failure
- equipment
- relevant information
- 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.)
- Withdrawn
Links
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
- G06Q10/20—Administration of product repair or maintenance
Abstract
本发明公开了一种自学习的故障处理方法,包括:接收设备在出现故障时发送的故障数据;在预设数据池中查找是否存在与故障数据匹配的故障相关信息;预设数据池中存储有多组故障处理方案,每组故障处理方案包括故障相关信息以及对应的故障纠正方法;若存在,依据查找到的故障相关信息匹配的故障纠正方法控制设备进行纠正操作,纠正完成后,故障处理完成。本发明能够依据预存的故障处理方案对设备进行自动维修,设备故障处理的效率高;本发明还公开了一种基于上述方法的装置、系统及计算机可读存储介质。
Description
技术领域
本发明涉及设备故障处理技术领域,特别是涉及一种自学习的故障处理方法、装置、系统及计算机可读存储介质。
背景技术
随着社会的高速发展,人们进入大数据时代,各种应用设备越来越多,设备的维修需求也越来越大,因此,设备维修效率的提高是人们的普遍需求。
目前的设备维修方式,通常还是在设备发生故障后,由工作人员分析设备的各项数据,依据自身的工作经验进行设备的修正,故障维修速度慢,设备故障处理效率低。
因此,如何提供一种故障处理效率高的自学习的故障处理方法、装置、系统及计算机可读存储介质。是本领域技术人员目前需要解决的问题。
发明内容
本发明的目的是提供一种自学习的故障处理方法,能够依据预存的故障处理方案对设备进行自动维修,设备故障处理的效率高;本发明的另一目的是提供一种基于上述方法的装置、系统及计算机可读存储介质。
为解决上述技术问题,本发明提供了一种自学习的故障处理方法,包括:
步骤s1:接收设备在出现故障时发送的故障数据;
步骤s2:在预设数据池中查找是否存在与所述故障数据匹配的故障相关信息;所述预设数据池中存储有多组故障处理方案,每组故障处理方案包括故障相关信息以及对应的故障纠正方法;
步骤s3:若存在,依据查找到的故障相关信息匹配的故障纠正方法控制所述设备进行纠正操作,纠正完成后,所述故障处理完成。
优选地,所述故障处理方案还包括所述故障相关信息与其对应的故障纠正方法的映射关系f;
所述方法还包括:
步骤s4:若所述预设数据池中不存在与所述故障数据匹配的故障相关信息,则查找所述预设数据池中与所述故障数据最接近的故障相关信息;
步骤s5:依据所述查找到的故障相关信息和所述故障数据的数据差值、以及查找到的故障相关信息对应的映射关系,调整所述查找到的故障相关信息对应的故障纠正方法;
步骤s6:依据调整后的故障纠正方法控制所述设备进行纠正操作;
步骤s7:接收纠正完成后的设备发送的故障数据,依据该故障数据判断所述设备是否恢复正常,若恢复,则所述故障处理完成,若未恢复,返回步骤s2。
优选地,还包括:
每个故障处理完成后,保存所述故障的处理流程。
优选地,还包括:
对所执行的故障纠正方法进行显示。
优选地,所述故障相关信息具体为引起故障的特征参数值;
所述步骤s2的过程具体为:
依据所述故障数据确定所述设备所处的故障类别;
依据所述故障类别从所述故障数据中提取相应的特征参数值,得到故障特征值;
在所述预设数据池中查找是否存在与所述故障特征值相同的故障相关信息。
优选地,所述预设数据池的构建过程包括:
同时运行多个设备,统计各个设备出现故障时的故障数据;
筛选各个故障数据内引起故障的特征参数值;
将每个故障的特征参数值及输入的对应的故障纠正方法对应保存至数据池中,得到所述预设数据池。
优选地,所述故障数据包括设备特征数据、设备外部环境数据以及故障类别信息。
为解决上述技术问题,本发明还提供了一种自学习的故障处理装置,包括:
数据接收模块,用于接收设备在出现故障时发送的故障数据;
查找模块,用于在预设数据池中查找是否存在与所述故障数据匹配的故障相关信息;若存在,触发纠错模块;
所述纠错模块,用于依据查找到的故障相关信息匹配的故障纠正方法控制所述设备进行纠正操作,纠正完成后,所述故障处理完成;
所述预设数据池,用于存储多组故障处理方案,每组故障处理方案包括故障相关信息以及对应的故障纠正方法。
为解决上述技术问题,本发明还提供了一种自学习的故障处理系统,包括多个设备以及与所述设备连接的计算服务器,所述计算服务器包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如以上任一项所述的自学习的故障处理方法的步骤。
为解决上述技术问题,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质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以上任一项所述的自学习的故障处理方法的步骤。
本发明提供了一种自学习的故障处理方法,预先在预设数据池中存储多组故障处理方案,每组故障处理方案中包括故障的相关信息以及对应的故障纠正方法;之后当接收到设备发送的故障数据后,则依据故障数据在预设数据池中查找是否存在对应的故障纠正方法,若存在,则依据查找到的故障纠正方法对设备进行纠正处理,从而完成设备的故障维修。可见,本发明在设备发生故障时,多数情况下不再需要工作人员进行维修,而是能够直接依据预先存储的故障处理方案对设备进行调整,从而完成设备的自动维修,减小了工作人员的工作量,且提高了设备故障处理的效率。本发明还提供了一种基于上述方法的装置、系统及计算机可读存储介质。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种自学习的故障处理方法的过程的流程图;
图2为本发明提供的另一种自学习的故障处理方法的过程的流程图;
图3为本发明提供的一种自学习的故障处理装置的结构示意图。
具体实施方式
本发明的核心是提供一种自学习的故障处理方法,能够依据预存的故障处理方案对设备进行自动维修,设备故障处理的效率高;本发明的另一核心是提供一种基于上述方法的装置、系统及计算机可读存储介质。
为使本发明实施例的目的、技术方案和优点更加清楚,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。
本发明提供了一种自学习的故障处理方法,参见图1所示,图1为本发明提供的一种自学习的故障处理方法的过程的流程图;该方法包括:
步骤s1:接收设备在出现故障时发送的故障数据;
这里的故障数据是用于表征设备故障信息的数据。
步骤s2:在预设数据池中查找是否存在与故障数据匹配的故障相关信息;预设数据池中存储有多组故障处理方案,每组故障处理方案包括故障相关信息以及对应的故障纠正方法;
这里的故障相关信息与故障纠正方法一一对应,故障相关信息需要能够表征一种故障的特征。由于设备发送的故障数据可能包含很多内容,这些内容可能与故障有关,也可能与故障无关,而故障相关信息仅用于表征故障的特征,方便查找到对应的故障纠正方法,因此,故障相关信息通常与故障数据不完全相同,但两者存在对应关系。不过故障相关信息是否与故障数据相同本发明不作具体限定。
步骤s3:若存在,依据查找到的故障相关信息匹配的故障纠正方法控制设备进行纠正操作,纠正完成后,故障处理完成。
本发明预先在预设数据池中存储多组故障处理方案,每组故障处理方案中包括故障的相关信息以及对应的故障纠正方法;之后当接收到设备发送的故障数据后,则依据故障数据在预设数据池中查找是否存在对应的故障纠正方法,若存在,表明预设数据池中已经存储有对应与该故障的处理方案,因此,此时依据查找到的故障纠正方法对设备进行纠正处理,即能够完成设备的故障维修。可见,本发明在设备发生故障时,多数情况下不再需要工作人员进行维修,而是能够直接依据预先存储的故障处理方案对设备进行调整,从而完成设备的自动维修,减小了工作人员的工作量,且提高了设备故障处理的效率。
其中,这里的故障纠正方法可以包括解决过程上的内部控制程序,该内部控制程序用于控制设备的各项内部参数以及进程等进行调整,从而使设备恢复正常工作。
另外,故障纠正方法还可以包括设备的结构零部件改装以及外力干预等,不过当故障纠正方法包括需要对设备的硬件结构进行调整时,由于此部分无法由设备自发完成,需要工作人员辅助,故此时需要对所执行的故障纠正方法进行显示,方便工作人员查看。
当然,以上仅为两种优选方案,故障纠正方法与设备类型以及故障类型有关,本发明不限定故障纠正方法的具体内容。
为方便理解,以字母来表示的话,上述过程为:
假设设备正常时,设备的正常数据集是A,设备故障时的故障数据集是B,设备解决后的数据集是C,设备发生故障e之后,采用故障就纠正方法t解决的话,会有如下关系:
e(A)=B;
t(B)=C。
在一种优选实施例中,故障处理方案还包括故障相关信息与其对应的故障纠正方法的映射关系f;f(e)=t
参见图2所示,图2为本发明提供的另一种自学习的故障处理方法的过程的流程图;该方法还包括:
步骤s4:若预设数据池中不存在与故障数据匹配的故障相关信息,则查找预设数据池中与故障数据最接近的故障相关信息;
这是由于最接近的故障相关信息很可能与故障数据对应的是同一种或者类似的故障,仅是部分参数不同,因此,依据最接近的故障相关信息对应的故障纠正方法,再进行一些调整,即能够得到较为适用于当前故障的纠正方法。
步骤s5:依据查找到的故障相关信息和故障数据的数据差值、以及查找到的故障相关信息对应的映射关系,调整查找到的故障相关信息对应的故障纠正方法;
步骤s6:依据调整后的故障纠正方法控制设备进行纠正操作;
步骤s7:接收纠正完成后的设备发送的故障数据,依据该故障数据判断设备是否恢复正常,若恢复,则故障处理完成,若未恢复,返回步骤s2。
由于此时采用的故障纠正方法是依据近似故障调整得到的,因此可能不完全适用于当前的故障,故一次调整很可能无法实现故障纠正的目的,因此需要多次调整,逐渐逼近,来实现故障解决的目的。
其中,这里的判断操作可以是判断设备纠正后发送的故障数据是否为设备正常数据,例如,可以判断设备纠正后发送的故障数据与误差系数之和是否等于正常数据等,本发明不限定判断设备是否恢复正常的方式。
举例来说,故障数据首次找到它最接近的故障处理方案(e1,t1,f1),并依据该故障解决方案调整后得到自身对应的故障处理方案,此时对当前故障进行故障解决操作的过程为:
f1(e1)=t1;e1故障数据对应的故障相关信息;
t1(B)=B1;B为设备发送的故障数据;
得出一次故障纠正后的设备数据B1后,判断B1是否为设备正常数据,若不是,则依据B1继续寻找最接近的故障处理方案(e2,t2,f2),再次对设备进行故障解决操作:
f2(e2)=t2;e2为B1对应的故障相关信息;
t2(B1)=B2;
再次得出故障纠正后的设备数据B2,并判断B2是否为设备正常数据,,重复上述操作,直至得到的设备数据为正常数据为止。
其中,判断纠正后的设备数据是否为设备正常数据的方法可以为判断以下公式是否成立:
Bn+β!=A
Bn为纠正后的设备数据,A为设备正常数据,β为误差系数。其中,!表示阶乘符号。即Bn加上误差数据是否等于设备正常数据。
可以理解的是,尽管预设数据池中尽可能包含了许多故障机器纠正方法,但是仍有可能设备出现的故障数据无法找到对应的故障相关信息,为了解决此时的故障处理,本实施例保存了每个故障与其故障纠正方法的映射关系f。这是因为对于大部分预设数据池中未保存的故障来说,虽然无法从预设数据池中找到对应的故障处理方案,但是,这些故障很可能与预设数据池中所保存的故障是类似的,举例来说,预设数据池中存储了电压超出50V后的故障处理方案,此时有个设备发生了电压超出40V后的故障,但预设数据池中未保存该故障,由于这两个故障非常类似,因此其故障纠正方法也十分类似,故只需要对预设数据池中保存的电压超出50V后的故障纠正方法进行一点点参数调整后,即可得到电压超出40V后的故障纠正方案。而映射关系由于反映的是故障相关信息与故障纠正方法之间的对应关系,因此,在故障相关信息进行调整后,依据映射关系也可得知故障纠正方法的调整内容,从而能够得出上述类似故障的纠正方法。
不过,由于各种故障的纠正方法存在较大差异,因此,映射关系的具体得到方式以及表现形式本发明不作具体限定。
作为优选地,该方法还包括:
每个故障处理完成后,保存故障的处理流程。
可以理解的是,对故障处理流程进行保存,不仅能够完善预设数据池的内容,且能够方便工作人员的后续查看。
在优选实施例中,故障相关信息具体为引起故障的特征参数值;
步骤s2的过程具体为:
依据故障数据确定设备所处的故障类别;
依据故障类别从故障数据中提取相应的特征参数值,得到故障特征值;
在预设数据池中查找是否存在与故障特征值相同的故障相关信息。
可以理解的是,由于故障数据包括许多内容,这些内容可能并不是引起故障的主要原因,因此,若将故障数据全部作为故障相关信息保存的话,预设数据池会非常大,所以故障相关信息可以仅为引起该故障的主要因素及其数值,这样的话,在得到设备发送的故障数据后,需要进行特征提取,得到故障特征值来与故障相关信息比较,从而减小预设数据池的数据量。当然,故障相关信息还可以为其他内容,特征参数值的提取方式本发明也不做限定。
在一优选实施例中,预设数据池的构建过程包括:
同时运行多个设备,统计各个设备出现故障时的故障数据;
筛选各个故障数据内引起故障的特征参数值;
将每个故障的特征参数值及输入的对应的故障纠正方法对应保存至数据池中,得到预设数据池。
可以理解的是,为了尽可能保证预设数据池的完整性,需要增大试运行的设备的数量,从而增大故障随机出现的可能。
另外,每个故障相关信息对应的故障纠正方法可能不止一种,此时可能在保存故障处理方案时,设置故障纠正方法的优先级,按照优先级从高到低的顺序依次执行故障纠正方法,直至设备恢复正常为止。
其中,上述故障数据包括设备特征数据、设备外部环境数据以及故障类别信息。这里的设备特征数据信息包括但不限于设备类别数据、外形数据、结构数据、内在控制逻辑数据、自身温度、湿度、震动、磁场、电场、运行周期、操作记录等;设备外在环境数据信息包括但不限于设备所在的空间位置信息、外在温度、湿度、受力源、磁场源、电场源、光源照度、直接接触介质的相关数据等;故障数据还可以包括故障发生时间以及故障描述等。当然,本发明不限定故障数据包含的具体数据类型,只要能够表征故障情况的故障数据均在本发明的保护范围之内。
另外,若故障纠正方法全部执行完毕后,设备仍未恢复正常的话,则可对工作人员进行报警。
另外,本发明中得到的故障数据中的各类数据可保存于不同的数据池中,也可保存与同一数据池中,本发明对此不作限定。
本发明还提供了一种自学习的故障处理装置,参见图3所示,图3为本发明提供的一种自学习的故障处理装置的结构示意图。该装置还包括:
数据接收模块1,用于接收设备在出现故障时发送的故障数据;
查找模块2,用于在预设数据池中查找是否存在与故障数据匹配的故障相关信息;若存在,触发纠错模块3;
纠错模块3,用于依据查找到的故障相关信息匹配的故障纠正方法控制设备进行纠正操作,纠正完成后,故障处理完成;
预设数据池4,用于存储多组故障处理方案,每组故障处理方案包括故障相关信息以及对应的故障纠正方法。
本发明还提供了一种自学习的故障处理系统,包括多个设备以及与设备连接的计算服务器,计算服务器包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如以上任一项的自学习的故障处理方法的步骤。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如以上任一项的自学习的故障处理方法的步骤。
以上的几种具体实施方式仅是本发明的优选实施方式,以上几种具体实施例可以任意组合,组合后得到的实施例也在本发明的保护范围之内。应当指出,对于本技术领域的普通技术人员来说,相关专业技术人员在不脱离本发明精神和构思前提下推演出的其他改进和变化,均应包含在本发明的保护范围之内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种自学习的故障处理方法,其特征在于,包括:
步骤s1:接收设备在出现故障时发送的故障数据;
步骤s2:在预设数据池中查找是否存在与所述故障数据匹配的故障相关信息;所述预设数据池中存储有多组故障处理方案,每组故障处理方案包括故障相关信息以及对应的故障纠正方法;
步骤s3:若存在,依据查找到的故障相关信息匹配的故障纠正方法控制所述设备进行纠正操作,纠正完成后,所述故障处理完成。
2.根据权利要求1所述的故障处理方法,其特征在于,所述故障处理方案还包括所述故障相关信息与其对应的故障纠正方法的映射关系f;
所述方法还包括:
步骤s4:若所述预设数据池中不存在与所述故障数据匹配的故障相关信息,则查找所述预设数据池中与所述故障数据最接近的故障相关信息;
步骤s5:依据所述查找到的故障相关信息和所述故障数据的数据差值、以及查找到的故障相关信息对应的映射关系,调整所述查找到的故障相关信息对应的故障纠正方法;
步骤s6:依据调整后的故障纠正方法控制所述设备进行纠正操作;
步骤s7:接收纠正完成后的设备发送的故障数据,依据该故障数据判断所述设备是否恢复正常,若恢复,则所述故障处理完成,若未恢复,返回步骤s2。
3.根据权利要求2所述的故障处理方法,其特征在于,还包括:
每个故障处理完成后,保存所述故障的处理流程。
4.根据权利要求1或2所述的故障处理方法,其特征在于,还包括:
对所执行的故障纠正方法进行显示。
5.根据权利要求1-4任一项所述的故障处理方法,其特征在于,所述故障相关信息具体为引起故障的特征参数值;
所述步骤s2的过程具体为:
依据所述故障数据确定所述设备所处的故障类别;
依据所述故障类别从所述故障数据中提取相应的特征参数值,得到故障特征值;
在所述预设数据池中查找是否存在与所述故障特征值相同的故障相关信息。
6.根据权利要求5所述的故障处理方法,其特征在于,所述预设数据池的构建过程包括:
同时运行多个设备,统计各个设备出现故障时的故障数据;
筛选各个故障数据内引起故障的特征参数值;
将每个故障的特征参数值及输入的对应的故障纠正方法对应保存至数据池中,得到所述预设数据池。
7.根据权利要求5所述的故障处理方法,其特征在于,所述故障数据包括设备特征数据、设备外部环境数据以及故障类别信息。
8.一种自学习的故障处理装置,其特征在于,包括:
数据接收模块,用于接收设备在出现故障时发送的故障数据;
查找模块,用于在预设数据池中查找是否存在与所述故障数据匹配的故障相关信息;若存在,触发纠错模块;
所述纠错模块,用于依据查找到的故障相关信息匹配的故障纠正方法控制所述设备进行纠正操作,纠正完成后,所述故障处理完成;
所述预设数据池,用于存储多组故障处理方案,每组故障处理方案包括故障相关信息以及对应的故障纠正方法。
9.一种自学习的故障处理系统,其特征在于,包括多个设备以及与所述设备连接的计算服务器,所述计算服务器包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的自学习的故障处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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权利要求1至7任一项所述的自学习的故障处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810803104.4A CN109034415A (zh) | 2018-07-20 | 2018-07-20 | 一种自学习的故障处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810803104.4A CN109034415A (zh) | 2018-07-20 | 2018-07-20 | 一种自学习的故障处理方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109034415A true CN109034415A (zh) | 2018-12-18 |
Family
ID=64643830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810803104.4A Withdrawn CN109034415A (zh) | 2018-07-20 | 2018-07-20 | 一种自学习的故障处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034415A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853291A (zh) * | 2010-05-24 | 2010-10-06 | 合肥工业大学 | 基于数据流的车辆故障诊断方法 |
EP2395702A1 (en) * | 2009-03-02 | 2011-12-14 | Huawei Technologies Co., Ltd. | Method and device for processing fault |
CN102811137A (zh) * | 2011-06-03 | 2012-12-05 | 株式会社日立制作所 | 监控装置、监控方法以及计算机系统 |
CN103138960A (zh) * | 2011-11-24 | 2013-06-05 | 百度在线网络技术(北京)有限公司 | 网络故障处理方法及装置 |
CN103166778A (zh) * | 2011-12-13 | 2013-06-19 | 成都勤智数码科技有限公司 | 一种故障自动化智能处理方法及其装置 |
CN103220190A (zh) * | 2013-04-22 | 2013-07-24 | 华为技术有限公司 | 一种故障检测的方法及装置 |
CN104316844A (zh) * | 2014-11-14 | 2015-01-28 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法及装置 |
CN105262616A (zh) * | 2015-09-21 | 2016-01-20 | 浪潮集团有限公司 | 一种基于故障知识库的自动化故障处理系统及方法 |
CN105812177A (zh) * | 2016-03-08 | 2016-07-27 | 华为技术有限公司 | 一种网络故障处理方法和处理设备 |
CN108009037A (zh) * | 2017-11-24 | 2018-05-08 | 中国银行股份有限公司 | 批处理作业故障处理方法、装置、存储介质及设备 |
-
2018
- 2018-07-20 CN CN201810803104.4A patent/CN109034415A/zh not_active Withdrawn
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2395702A1 (en) * | 2009-03-02 | 2011-12-14 | Huawei Technologies Co., Ltd. | Method and device for processing fault |
CN101853291A (zh) * | 2010-05-24 | 2010-10-06 | 合肥工业大学 | 基于数据流的车辆故障诊断方法 |
CN102811137A (zh) * | 2011-06-03 | 2012-12-05 | 株式会社日立制作所 | 监控装置、监控方法以及计算机系统 |
CN103138960A (zh) * | 2011-11-24 | 2013-06-05 | 百度在线网络技术(北京)有限公司 | 网络故障处理方法及装置 |
CN103166778A (zh) * | 2011-12-13 | 2013-06-19 | 成都勤智数码科技有限公司 | 一种故障自动化智能处理方法及其装置 |
CN103220190A (zh) * | 2013-04-22 | 2013-07-24 | 华为技术有限公司 | 一种故障检测的方法及装置 |
CN104316844A (zh) * | 2014-11-14 | 2015-01-28 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法及装置 |
CN105262616A (zh) * | 2015-09-21 | 2016-01-20 | 浪潮集团有限公司 | 一种基于故障知识库的自动化故障处理系统及方法 |
CN105812177A (zh) * | 2016-03-08 | 2016-07-27 | 华为技术有限公司 | 一种网络故障处理方法和处理设备 |
CN108009037A (zh) * | 2017-11-24 | 2018-05-08 | 中国银行股份有限公司 | 批处理作业故障处理方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111193605B (zh) | 一种故障定位方法、装置及存储介质 | |
CN106407030A (zh) | 一种存储集群系统故障处理方法及系统 | |
US20110302291A1 (en) | Methods and systems for prioritizing network assets | |
WO2011056144A1 (en) | Fault signature-based case library system and method for power system trouble-shooting and recovery | |
CN106196448B (zh) | 空调器的故障检测方法和装置 | |
CN105659528A (zh) | 一种实现故障定位的方法及装置 | |
CN106339297B (zh) | 一种存储系统故障实时告警的方法及系统 | |
CN109298703A (zh) | 故障诊断系统及方法 | |
JP6280862B2 (ja) | イベント分析システムおよび方法 | |
WO2014169869A1 (zh) | 一种告警处理的方法及告警系统 | |
CN106130778A (zh) | 一种处理集群故障的方法及一种管理节点 | |
US20180321977A1 (en) | Fault representation of computing infrastructures | |
CN106385343B (zh) | 一种分布式系统下监控客户端的方法及装置、分布式系统 | |
CN104579717B (zh) | Dcn的故障定位方法及装置 | |
CN102045230A (zh) | 一种以太环网链路保护倒换的方法及装置 | |
CN109034415A (zh) | 一种自学习的故障处理方法、装置及系统 | |
CN109271270A (zh) | 存储系统中底层硬件的故障排除方法、系统及相关装置 | |
WO2014196982A1 (en) | Identifying log messages | |
CN109302320A (zh) | 基于梯度扩散机制的多机器人网络故障修复方法 | |
CN109583726A (zh) | 检测工艺状态的方法及系统 | |
JP3621010B2 (ja) | ネットワーク管理方法及びシステム装置 | |
CN113946465A (zh) | 一种大数据的故障处理方法及其相关设备 | |
CN112134764B (zh) | 测试环境连通性的确定方法及装置 | |
CN104111929A (zh) | 电子装置、服务器管理控制系统及方法 | |
CN107453949A (zh) | 一种监控管理的方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181218 |
|
WW01 | Invention patent application withdrawn after publication |