CN109815096A - 设备故障的分类统计方法和系统及基于关键词统计的设备实时质控方法和系统 - Google Patents

Abstract

本发明公开一种设备故障的分类统计方法和系统以及一种基于关键词统计的设备实时质控方法和系统，设备故障的分类统计方法包括对设备进行模块划分，并为划分好的每个模块设置关键词信息；获取实时数据信息，根据设置的关键词信息和实时数据信息生成模块故障信息；根据模块故障信息进行分类统计，生成统计结果存储。通过对设备进行模块划分和为各个模块设置关键词，实现了将故障信息定位到各个模块，且通过对故障进行分类统计，还可以对各个模块的故障情况有详细了解。由于故障信息的定位和获取是基于模块和关键词的，而模块和关键词的来源为经验数据或大数据分析，因此，可以快速汇集很多经验丰富的工程师的分析经验，分析结果准确可靠。

Description

设备故障的分类统计方法和系统及基于关键词统计的设备实 时质控方法和系统

技术领域

本发明涉及设备管理技术领域，尤其涉及一种用于医疗设备的故障的分类统计的方法和系统，同时还涉及一种基于关键词统计的设备实时质控方法和系统。

背景技术

大型医疗设备系统非常复杂，每台设备都包含众多模块，任何一个模块的故障都可能影响设备的整体性能，因此，每个模块的故障都值得关注。现有技术中，判断大型医疗设备各个模块故障的方式，一般都是采用人工阅读故障日志的方法来定位出问题的模块，进而判断设备的整体状态。这种人工阅读的方式，耗时耗力，而且容易出错，效率非常低，因此，业内亟需提出一种更快速有效、更及时准确且能解放人力的解决方案。

发明内容

本发明的一个目的在于，提供一种解决方案，以实现通过软件自动分析设备故障，并分模块对各个模块的故障状态进行分类统计，以解决现有技术中需要人工阅读日志和定位问题模块效率不高且容易出错的问题。

根据本发明的一个方面，本发明的目的通过一种设备故障的分类统计方法得以实现，该方法包括：对设备进行模块划分，并为划分好的每个模块设置关键词信息；获取实时数据信息，根据设置的关键词信息和实时数据信息生成模块故障信息；根据模块故障信息进行分类统计，生成统计结果存储。通过对设备进行模块划分和为各个模块设置关键词，就可以实现基于实时数据信息将故障信息定位到各个模块，并且，通过对故障进行分类统计，还可以对各个模块的故障情况有详细了解。由于故障信息的定位和获取是基于模块和关键词的，而模块和关键词的来源为经验数据或大数据分析，因此，可以快速汇集很多经验丰富的工程师的分析经验，分析结果准确可靠。

在一些实施方式中，其中，关键词信息包括风险关键词和异常关键词，所述根据设置的关键词信息和实时数据信息生成模块故障信息通过以下方式实现：分别获取设备的每个模块的风险关键词和异常关键词，与实时数据信息进行匹配，从实时数据信息中提取与风险关键词或异常关键词相匹配的风险或异常详情；获取与提取到的风险或异常详情匹配的关键词的类型以及其对应的模块标识，生成包括设备ID、模块标识、风险或异常详情、故障类型的故障信息数据记录存储。通过关键词将故障进行分类，分为风险和异常两种类型，可以对设备的各个模块的故障进行有目的的关注，及时解决异常问题，并能时刻关注风险问题，提高效率。并且，通过对故障进行分类，将各个模块的故障类型也能清楚进行显示，实现对各个模块的质量状态的精准把握。

在一些实施方式中，其中，关键词信息包括风险关键词、异常关键词和与各关键词对应的参数信息，根据设置的关键词信息和实时数据信息生成模块故障信息通过以下方式实现：分别获取设备的每个模块的风险关键词和异常关键词，与实时数据信息进行匹配，从实时数据信息中提取与风险关键词或异常关键词相匹配的风险或异常详情；获取与提取到的风险或异常详情匹配的关键词对应的参数信息，根据参数信息对风险或异常详情进行判断，当判断结果为所述风险或异常详情属于故障消息时，获取与提取到的风险或异常详情匹配的关键词的类型以及其对应的模块标识，生成包括设备ID、模块标识、风险或异常详情、故障类型的故障信息数据记录存储。通过设置参数定位故障和故障类型，能够实现对故障原因的较深层的分析，使得故障分析不只停留在实时数据信息的表层，还能根据表层信息进行参数匹配，加深了故障分析的深入度。而且，通过参数设定，可以扩展基于关键词能够分析出的故障的类型，提高分析结果的准确性和参考价值。

在一些实施方式中，该方法还包括为生成的故障信息设置优先级的步骤，该步骤包括：根据经验数据或利用大数据统计定义各关键词信息的优先级并存储；在生成故障信息数据记录时，还获取与提取到的风险或异常详情匹配的关键词对应的优先级，将获取到的关键词对应的优先级作为当前故障信息的优先级，生成包括设备ID、模块标识、风险或异常详情、故障类型和故障优先级的故障信息数据记录存储。其中，在存储故障信息数据记录时还对故障优先级进行判断，将高优先级的故障信息输出。通过为故障设置优先级，可以实现基于优先级对故障进行不同程度的关注，方便对高优先级的故障进行及时提醒和及时处理。而优先级是根据经验数据和大数据分析进行定义的，参考价值高。

在一些实施方式，其中，实时数据信息为设备故障日志文件、设备上设置的传感器输出的数据、设备周围环境中设置的传感器输出的数据中的其中一种，或两种以上的任意组合。由此，可以根据需求获取不同的设备数据进行分析，从而找到故障情况，对设备的故障分析更加全面。

根据本发明的另一个方面，本发明的发明目的还通过一种设备故障的分类统计系统实现，该系统包括：设备模块配置单元，用于对设备进行模块划分；关键词配置单元，用于为每个模块设置关键词信息存储；故障信息生成单元，用于获取实时数据信息，并根据关键词信息和实时数据信息生成模块故障信息；和统计分析单元，用于根据模块故障信息进行分类统计，生成统计结果存储。由此可以实现对设备故障的自动分析，提高分析效率。且通过划分模块和设置模块关键词实现自动分析，可以快速汇集很多经验数据，故障分析的准确率高。而通过基于模块的分类统计，可以得到各个模块的故障信息，有助于将故障状态定位到具体的模块，基于模块反应设备整体质量状态，对实现快速故障定位和及时维修非常有帮助。

在一些实施方式中，该系统还包括优先级配置单元和即时警报单元，优先级配置单元用于为各关键词信息定义优先级；生成的故障信息包括与关键词信息的优先级相对应的故障优先级，即时警报单元用于对故障消息的故障优先级进行判断，当故障优先级为高优先级时，输出故障消息。由此可以实现对高优先级的故障进行实时预警，方便及时维修，减少损失。

在一些实施方式中，关键词信息包括风险关键词和异常关键词，或包括风险关键词、异常关键词和与关键词对应的参数信息。通过关键词分类和关键词参数可以将故障状态进行分类，并能够基于参数对故障进行深入分析，分析结果更加准确。

在一些实施方式中，其中，实时数据信息为设备故障日志文件、设备上设置的传感器输出的数据、设备周围环境中设置的传感器输出的数据中的其中一种，或两种以上的组合。通过设备故障日志和传感器数据不但可以实现对设备自身故障原因的解析，还可以实现对周围环境影响因素的把控，有助于基于分析结果采取有效的预防措施，以达到避免设备故障的效果。

根据本发明的又一个方面，本发明的发明目的还通过一种基于关键词统计的设备的实时质控方法得以实现，该方法包括：对设备进行模块划分，并为划分好的每个模块设置关键词信息；获取设备实时数据信息，并根据关键词信息和设备实时数据信息生成模块故障信息；根据模块故障信息分别对各个模块进行故障分类统计，生成统计结果存储；根据统计结果生成显示设备各模块故障状态的三维视图输出。由此，不但可以实现对设备故障的自动分析，而且还能将分析结果进行分类统计和将统计结果进行模块化的三维显示，使得分析结果和设备故障状态可以简单直观的得以呈现，方便没有维修经验的人使用，可以不用分析日志文件，就可以直观的看到设备的整体状态，进而降低对相关人员的能力要求，减少设备维护的成本。

在一些实施方式中，根据统计结果生成显示设备各模块故障状态的三维视图输出包括：获取相应设备的机械模块组装三视图，按同种材料不同颜色进行渲染和打光，生成底图和覆盖图层；根据划分的设备模块对所述覆盖图层进行裁剪，生成与模块对应的背景透明的模块覆盖图层；根据生成的统计结果在web前端对各模块的模块覆盖图层进行针对性加载，生成显示有设备故障状态的三维标示图输出。通过该方式进行显示，可以根据设备模块进行一次初始化，之后在设备模块不发生变化的情况下，只需要根据生成的图层进行针对性加载即可，非常方便，且根据统计结果进行针对性加载，不需要按模块加载所有的模块图层，只需要加载符合需要的模块覆盖图层即可，减少流量。

在一些实施方式中，根据统计结果生成显示设备各模块故障状态的三维视图输出包括：获取相应设备的机械模块组装三视图，根据机械模块组装三视图生成SVG矢量图；在web前端加载生成的SVG矢量图，并根据生成的统计结果对加载的SVG矢量图进行实时着色，生成显示有设备故障状态的三维标示图输出。由此，根据统计结果实时着色真正实现了动态加载，三维标示图的显示效果更好、加载更快且可以实现无锯齿自由缩放。

在一些实施方式中，故障分类包括故障类型分类和故障优先级分类，显示各模块故障状态的三维视图为显示了各模块的故障类型状态的三维视图或显示了各模块的故障优先级状态的三维视图。由此，可以根据需求进行故障状态显示，提高对设备的质量状态的把握宽度，并且能够根据故障类型或故障优先级制定后续处理策略，非常方便。

根据本发明的再一个方面，本发明的发明目的还通过一种基于关键词统计的设备的实时质控系统实现，该系统包括：模块划分单元，用于对设备进行模块划分；关键词设置单元，用于为划分好的每个模块设置关键词信息存储；风险异常信息获取单元，用于根据关键词信息和设备实时数据信息生成模块故障信息；统计结果生成单元，用于根据模块故障信息对各模块的故障进行分类统计，生成统计结果存储；和三维视图生成单元，用于根据统计结果生成显示设备各模块故障状态的三维视图输出。通过该实时质控系统可以实现对设备故障的自动分析和直观显示，且显示结果是按模块进行故障状态显示的，不但能够了解设备的整体质量情况，还能对各个模块的质量状态一目了然，达到了快速将故障定位到具体的模块的效果。而且，由于是模块化的三维视图显示各模块的故障状态，即使没有经验的人也能够快速了解和定位到故障发生的模块，降低维修或质量监控的人力成本。

在一些实施方式中，关键词包括风险关键词和故障关键词，生成的统计结果包括设备标识、模块标识以及相应模块的风险次数和异常次数，三维标示图中的故障状态配置为根据相应模块的风险次数和异常次数通过颜色进行标识。通过对故障类型进行分类和通过颜色显示发生故障的模块的故障类型，能够准确显示各个模块的实际质量情况，对各个模块的质量的分析更加深入直观，不但能够方便及时维修，还能有助于提前预防，以避免严重损失。且颜色区分的方式，简单直观，一目了然，用户体验非常好。

附图说明

图1为本发明一种实施方式的设备故障的分类统计方法的方法流程示意图；

图2为本发明一种实施方式的设备的风险异常信息获取方法的方法流程示意图；

图3为本发明一实施方式的设备故障的分类统计系统的框架结构示意图；

图4为本发明一实施方式的基于关键词统计的设备实时质控方法的方法流程示意图；

图5为本发明一种实施方式的基于关键词统计的设备实时质控系统的框架结构示意图；

图6为本发明一实施方式中生成并输出的显示有设备故障状态的三维标示图；

图7为本发明一实施方式中的设备模块划分示意图。

具体实施方式

下面结合附图对本发明的实施方式作详细的说明。

为了能够实现对设备故障的自动化分析和高效分析，本发明根据厂商提供的数据或/和设计人员以及维修人员的经验数据，为设备配置故障的关键词，基于关键词和设备实时数据进行分析，获得设备的故障信息。其中，经验数据可以是任何能够获取到故障信息的数据，基于此配置的关键词可以是任何能够从设备实时数据中提取到故障信息的关键词信息。本发明实施例不对具体的关键词内容进行限制，只要是能够基于设置的关键词，从设备实时数据中匹配出设备的故障信息的可用的有效关键词，都可以作为本发明实施例中的关键词。

其中，本发明除了通过设置关键词对设备实时数据信息进行故障分析外，还实现了对故障的分类统计。在本发明实施例中，分类至少包括两层含义：一是对设备进行模块划分，实现准确定位；二是对故障进行分类，实现对故障状态的把控。

在优选实施例中，为了准确定位故障的位置，本发明还对设备进行模块划分，主要是基于设备类型或厂商数据将设备划分为不同的模块，并通过为每个模块分配故障关键词将设备故障定位到具体的模块，通过对设备实时数据的解析找到发生故障的具体模块，以方便工作人员对设备的质量状况进行监控、分析和方便进行维修维护等工作。

在优选实施例中，本发明还对故障进行分类，其中对故障的分类可以有多种形式，本发明实施例主要基于对故障的类型进行分类和对故障的优先级进行分类两种实现例进行详细阐述。对故障的类型进行分类例如可以是将故障分为风险和异常两种类型。其中，风险类型用于指示不会引起设备直接故障的警告性提醒，标识可以暂时不做维修处理、但需要关注出现频率的故障类型，通过对风险类型的故障进行关注和提醒，可以避免引起更严重的故障。而异常类型用于指示比较严重的错误，标识需要重启系统或维修来让系统恢复的故障类型，通过对异常类型的故障进行定位和提醒，可以及时对设备进行维修，避免带来严重的损失。而对故障的优先级进行分类例如可以是将故障按问题严重的程度分为高优先级、中优先级和低优先级。

其中，本发明可以进行监控和分析的设备可以是任何具有设备故障日志或可以通过设置传感器采集到影响设备故障数据的信息的设备，在优选实施例中，本发明的设备可以是各医院的医疗设备，例如核磁共振设备、 CT设备等。下文以设备为医疗设备为例，进行更详细的说明。

图1至图7将以故障类型分为风险和异常两类，通过设置风险关键词和异常关键词对设备故障日志进行解析以得到基于模块的风险异常信息数据库(即故障信息)为例，对本发明的方法和系统进行具体的阐述。以下的故障分类统计，均是以对各个模块的风险和异常进行分类统计为例。在其他实施例中，还可以根据需求为故障设定更多类型，只需要在对故障进行分类统计时，基于设定的故障类型进行相应调整即可，基于匹配规则的故障分析的核心构思不变。本发明实施例中还对基于故障优先级进行分类统计进行了简要描述，本领域技术人员应当理解的是，基于优先级的分类统计与基于风险异常类型的分类统计在基本构思上是统一的，只是分类方式不同而已，因此，可参照风险异常分类统计的相应实现细节进行适配。

图1示意性地显示了根据本发明一种实施方式的设备故障分类统计方法，以设备实时数据为设备故障日志、分类是基于模块的风险和异常的分类统计、设置的关键词是基于模块进行配置的、且关键词信息设置为包括风险关键词和异常关键词为例，如图1所示，该方法包括：

步骤S101：对设备进行模块划分。

按照大型医疗设备的系统原理对设备进行模块拆分，也可以根据设备设计人员和维修人员的经验，对设备进行模块拆分，以根据模块拆分实现设备的模块化，从而实现分模块对设备进行监控和管理，提高设备质量监控的针对性和精准性，方便及时准确地找到设备风险和故障原因。其中，对设备进行模块拆分包括基于经验或系统原理进行模块划分后，对划分的模块进行标识设定，并根据模块标识及模块名称生成模块配置信息存储。其中，生成模块配置信息存储例如可以是生成各设备的模块信息数据库，也可以是生成模块配置信息数据结构(数据结构例如是XML结构的模块配置信息或json文件形式的模块配置信息)。本实施例以生成的模块配置信息为json文件形式的数据结构为例进行详细阐述。以核磁共振设备为例，，如图7所示，例如可以根据设备的系统原理将核磁共振设备分为设备房环境模块701(用equi_room_env进行标识)、冷却器模块702(用chiller进行标识)、压缩机模块703(用compressor标识)、射频放大器模块704 (用rf_amp标识)、梯度模块705(用gradient标识)、软件模块706(用 software标识)、磁体模块707(用magnet标识)、冷头模块708(用cold_head 标识)、扫描室环境模块709(用scan_room_env标识)、扫描腔模块710 (用bore_env标识)、线圈模块711(用coil标识)、以及床模块712(用 table标识)。之后，根据模块的划分，在用户界面进行设定，设定的信息包括设备厂商、设备类型以及划分的模块信息。当用户提交设定的信息后，就会根据外部设定生成json文件形式的模块配置信息存储(在其他实施例中也可以直接提高json文件形式的模块配置信息)，其中，json文件中存储的模块配置信息的结构例如可以是如下所示：

步骤S102：为每个模块分配风险关键词和故障关键词。

本发明实施例通过风险关键词获取风险信息，通过异常关键词获取异常信息。在将设备模块化之后，就需要为每个模块设置风险关键词和异常关键词，该关键词信息可以由维修工程师根据历史经验提供，在进行模块化后，直接由管理员存储到数据库中(为了保证关键词正确地出现在设备日志中，在录入数据库前可以由软件开发人员对工程师提供的关键词进行核查，找到能够正确出现的关键词进行录入)，也可以由用户根据需求通过用户页面进行添加，并且，之后还可以根据需求通过用户页面进行修改。例如，可以针对梯度模块705设置异常关键词“Gradient Power Amplifier error”，这样就可以生成以设备ID-模块标识(如gradient)-关键词(如为 Gradient Power Amplifier error)-关键词类型(即故障类型，如为异常)为索引的关键词配置信息存储，因而每个关键词信息就可以通过设备ID和模块标识与设备的各个模块对应。

其中，本发明实施例中设置的风险关键词可以根据需求而定，例如，对于核磁共振设备中的风险可以是磁体监控器离线等，对磁体监控器离线这一风险情况，可以设置关键词信息为风险关键词MM3is offline，这样就可以得到“设备ID-模块标识(如磁体监控器)-关键词(如为MM3is offline) -关键词类型(如为风险)”结构的关键词配置信息，从而通过这个关键词统计磁体监控器离线的风险。同样地，基于各个模块常见的异常情况，还可以为各个模块设置异常关键词，以统计各个模块的异常，例如对核磁共振设备的梯度模块设置异常关键词Gradient Power Supply Over Voltage Fault，就可以将该异常关键词映射到梯度模块，从而获取梯度模块的梯度电源电压过高的故障消息；对核磁共振设备的射频模块设置异常关键词RF Amplifier Fan 2Fault，就可以将该异常关键词映射到射频模块，从而获取射频模块的射频放大器风扇2的故障消息。因此，根据需求通过该步骤对核磁共振设备的各个模块设置相应的关键词信息，即可通过关键词获取相关的故障详情。

步骤S103：实时获取设备日志，并根据设置的关键词信息进行设备日志解析生成模块故障信息。

本发明实施例通过获取设备上存储的设备日志，并根据设置的关键词对设备日志进行解析，从而得到各模块的风险异常信息(即故障信息，由于本发明实施例将故障分为风险和异常，因此故障消息即为包括风险和异常的消息，以下称为风险异常消息)并存储。具体实现方法如图2所示包括以下步骤：

步骤S1031：采集设备日志存储。

将设备与数据采集模块连接，以通过数据采集模块从设备中读取设备日志，并上传(例如通过网络发送)。其中，在优选实施例中获取设备日志是实时获取的，例如通过检测设备日志文件标志位的变化，在检测到变化时就获取设备日志文件上传，或根据用户设置定时获取设备日志上传。本发明实施例中的数据采集模块可以设置为一数据采集盒，在每个设备上都设置一个数据采集盒，通过数据采集盒读取设备中的设备日志，之后将读取的设备日志通过数据采集盒的网络通讯模块(如3G/4G模块)发送到云端服务器上进行存储。

步骤S1032：获取存储的设备日志进行解析，生成设备的风险异常信息数据库。

当接收到上传的设备日志后，就获取采集模块上传来的最新的设备日志并遍历日志文件进行解析，主要为通过特征匹配算法利用设置好的风险关键词和异常关键词(遍历关键词配置信息，从关键词配置信息中依次获取每个关键词分别与设备日志进行特征匹配)从设备日志中提取出各模块相关的风险和异常信息，例如用异常关键词“RF amplifieris not ready”过滤(即特征匹配算法进行过滤)GEMR这个类型的设备ID为 GEMR_000E0CD958EE的设备的日志(本发明实施例主要是对设备的故障日志进行获取和解析)，可以获取到2017-05-08 14:38:35发生过：“Auto Prescan failed,RF amplifier is notready.”的故障详情。之后，将提取到的故障详情按照设备和模块标识存储在数据库中，以生成各设备的每个模块的风险和异常信息数据库，例如通过在风险异常数据库中插入获取到的上述信息，生成如下表所示的风险异常数据库内容：

再如，用风险关键词“Gradient Amplifier*Fault”过滤(即进行特征匹配)GEMR类型的设备ID为GEMR_00409D4E6409的设备的故障日志，可以获取到2017-04-30 07:49:31发生过“The GP is reporting a Gradient Amplifier X Axis UnderVoltage Fault.”的故障详情，于是就获取该故障详情插入到风险异常信息数据库中，以生成新的风险异常数据库信息如下：

由此，通过基于风险关键词和异常关键词进行设备日志解析，就可以获得所有的与关键词匹配的风险和异常详情，并且可以提取出通过关键词匹配到的风险和异常详情，而且提取出的每一条风险和异常详情都会被标明是风险还是异常、属于哪一个模块(如上表所示)，这样就可以根据相应故障类型、基于模块分别进行风险异常的分类统计。

在一些实施例中，设置的关键词信息还包括与各个关键词对应的参数信息，例如对于核磁共振设备中的风险还可以是包括但不限于：某一风险关键词在设备日志里连续多天如三天出现和保养逾期，这样为核磁共振设备设置的关键词信息就可以是：对某一风险关键词在设备日志里连续多天如三天出现的风险情况，设置的关键词信息就可以为包括针对某一模块的风险关键词及其出现频率参数(即连续三天出现)，并根据设置生成“设备ID-模块标识-关键词-出现频率参数(如3，表示连续三天出现)-关键词类型(如为风险)”结构的关键词配置信息；对保养预期这一风险情况，设置的关键词信息就可以为包括风险关键词及其保养周期参数，且将其分别设置为Last&Next scheduled PM dates和3(从这个关键词可以获取上次保养日期，如核磁保养周期为三个月则设置规则参数为3，如果上次保养日期到现在已经超过保养周期三个月，就统计一次保养逾期)，从而得到“设备ID-模块标识(如核磁)-关键词(如为Last&Next scheduled PM dates) -保养周期参数(如3，表示保养周期为三个月)-关键词类型(如为风险)”结构的关键词配置信息。可见，在这些实施例中，由于都需要对提取出的故障信息进行判断才能确定是否为风险，因此就需要在设置关键词信息时也设置参数信息，这就导致了有些关键词信息是包含参数的。因而，对于包含参数的关键词信息的实现例，其参数信息可以与关键词同时存储为关键词配置信息，也可以将参数信息存储为设备模块信息，而在生成故障信息时，可以是先基于关键词(例如风险关键词和异常关键词)从设备日志提取故障详情存储，之后遍历故障详情基于参数进行匹配进而得到模块故障信息数据(即提取信息后先生成一个中间信息表，之后通过参数进行判断，进而根据判断结果生成故障信息数据)，也可以是在基于关键词提取到故障详情后，就立刻获取参数信息进行判断，当判断结果为风险或异常时(即判断为故障时)，才生成为风险异常信息数据中的一条新记录(即直接对提取内容进行判断，不需要生成中间表)。

在其他实施例中，获取风险异常信息还可以是通过传感器数据获得，此时需要在每个模块上或设备间或操作间或扫描间设置传感器，并将传感器与数据采集盒连接，以直接通过传感器读取风险和异常信息数据，生成风险异常信息数据库，在该实现例中设备的实时数据信息是传感器输出的数据。该实现方式例如可以是，在医疗设备的运行对环境有较高要求的场合，由于过高的湿度和温度都可能对设备造成损害，即都会成为风险信息，因此，可以在数据采集盒上连接温湿度传感器，实时获取设备间或扫描间的温度和湿度，并对相应的设备设定温度和湿度阈值存储，在实时获取到温湿度传感器上的温度和湿度数据后，就与设置的阈值进行比较，当超过阈值就作为风险信息存储到风险异常信息数据库中，以便在进行风险统计后给用户及时报警，提醒用户及时维修。该实现方式下，就不需要对设备日志进行解析，而是设置与传感器数据对应的关键词和参数(例如温湿度关键词和阈值)，在接收到数据采集盒发送的传感器数据时，直接基于关键词提取数据并与参数进行匹配，判断是否是故障数据，并根据判断结果生成风险异常信息即可，生成的风险异常信息的数据结构同前文叙述。需要说明的是，通过传感器获得实时数据信息的方式可以与设备日志的方式组合使用，也可以分开使用。

步骤S104：根据模块风险异常信息数据库进行风险和异常统计，生成统计结果存储。

从风险异常信息数据库中获取当前设备的各模块标识的风险信息和异常信息，根据模块标识，对同一模块的风险次数进行统计，并对同一模块的异常次数也进行统计，并生成设备ID-模块标识-风险次数-异常次数结构的统计结果存储。例如：上面的风险异常数据库中，对设备GEMR_000E0CD958EE的各个模块分别进行风险次数和异常次数的统计，得到该设备的rf_amp模块出现一次异常，对设备GEMR_00409D4E6409的各个模块分别进行风险次数和异常次数的统计，得到该设备的gradient模块出现一次风险，因而根据该统计结果就可以生成统计结果信息如下：

设备ID	模块标识	风险次数	异常次数
				GEMR_000E0CD958EE	rf_amp	0	1
GEMR_00409D4E6409	gradient	1	0

需要注意的是，该统计分析也是实时的，即是在获取到最新的设备日志文件时，就进行解析，并根据解析结果进行统计的，不需要根据用户请求，而是基于日志文件的更新实时进行，并在生成统计结果后将统计结果存储。在其他应用中，还可以是存储后就直接将统计结果输出给用户，也可以是根据用户的请求获取符合请求条件的统计结果输出给用户，即对统计结果的应用可以根据需求而进行相应设置。

在优选实施例中，还可以为故障设置优先级(高中低，可由维修工程师或用户修改)，其中为故障设置优选级可以是根据维修工程师或用户的判断，例如当维修工程师认为这种类型的问题是很严重的问题，就将该关键词或生成的风险异常数据库中对应的故障设置为高优先级，而如果这种类型的问题不是很严重，就将该关键词或生成的风险异常数据库中对应的故障设置为中或低优选级。这样，在解析出故障信息后，就可以根据优先级进行相应的后续处理，例如单独推送高优先级的故障消息给用户，以实现及时维修等。设置优先级的方式，以对生成的风险异常数据库信息中的故障设置优先级为例，例如可以是：在基于关键词对设备日志解析得到如下两条记录后，根据第一条记录中的消息内容“液氦压力当前值：4.449高于用户设置阈值：4.1”进行判断，如果该问题是比较严重的问题则将其优先级设置为高；根据第二条记录中的消息内容“RF Amplifier fault 80.”进行判断，如果该问题是不严重的问题，则将其优先级设置为低，从而得到如下的风险异常信息数据库记录。其中，进行判断的方式，可以是预先对各种消息内容设置初始化的优先级，也可以是在配置关键词信息时，就对每个关键词信息设定优选级。在具体应用中，如果维修工程师认为“液氦压力当前值：4.449高于用户设置阈值：4.1”不算很严重的问题，可以通过用户页面进行设置，以将这个消息对应的优先修改为中或者低。

另外，除了根据维修工程师的经验来定义故障的优先级外，在其他优选实施例中，还可以利用大数据统计的方法来定义故障的优先级，该方式可以是利用大数据统计的方法来定义设备模块的优先级，然后基于设备模块的优先级定义与之相关的关键词的优先级，从而在发生某一匹配规则对应的故障时，就可以根据关键词的优选级，得到故障的优先级。具体方法例如可以是：

步骤一：从维修公司获取一定时间内(如一年)某种型号设备的部件维修或更换清单；

步骤二：统计每种部件的维修或更换次数，然后根据维修或更换次数将设备部件进行分类，例如以维修或更换次数与故障率正相关为准则将设备部件分为三类：高故障率部件、中故障率部件、低故障率部件；

步骤三：将维修或更换清单里的部件与设备模块建立对应关系，即查看该部件是属于设备的那个模块的，从而将部件与其所属的设备模块一一对应；

步骤四：根据部件的分类对设备模块进行优先级分类，例如：将包含高故障率部件的设备模块定义为高优先级，进而将与该设备模块对应的关键词定义为高优先级；将包含中故障率部件的设备模块定义为中优先级，进而将与该设备模块对应的关键词定义为中优先级；同理，将包含低故障率部件的设备模块对应的关键词定义为低优先级。

这样，通过将关键词对应的优先级进行存储，在通过解析得到风险异常信息数据库后，就可以根据某一风险或异常记录对应的关键词获取到该故障对应的优先级，从而实现对故障的优先级的分类，以按优先级进行合理的后续处理。在其他优选实施例中还可以是基于大数据直接定义各个关键词本身的优先级，例如基于某一关键词对应的故障发生率与设备寿命的关系这一数据信息定义关键词的优先级等，本发明实施例不对此进行限制，只要是基于大数据分析得到故障或关键词的优先级的方法，都视为基于本发明构思的变形例。在设置了故障优先级的实施例中，对基于故障信息如风险异常信息数据库对设备各个模块进行故障分类统计时，除了可以按风险和异常进行分类统计，还可以按故障优先级进行分类统计，从而得到例如包括设备ID-模块标识-故障优先级-发生次数的统计结果，这样就可以实现按优先级输出显示统计结果，以避免设备会因为未及时关注严重故障而造成损失的故障。

图3示意性地显示了根据本发明一实施方式的设备故障的分类统计系统，以设备的实时数据信息为设备实时更新的故障日志文件为例，如图3 所示，该系统1包括设备模块配置单元11、关键词配置单元12、故障信息生成单元13、统计分析单元14和存储单元10。其中，设备模块配置单元 11用于对设备进行模块划分，并生成设备的模块配置信息存储，对模块的划分可以是通过用户输入模块配置信息实现，也可以是通过将划分好模块的配置文件提交到系统实现，其中生成的模块配置信息可以是存储到存储单元10中，其实现方式可以数据库存储、也可以是非关系数据存储方式如 json文件格式；关键词配置单元12用于为每个模块设置关键词信息，并根据关键词信息生成关键词配置信息存储到存储单元10，其中为每个模块配置关键词信息可以是通过用户输入实现，也可以是基于大数据分析得到，该设置可以是新增也可以是修改，关键词信息可以是包括风险关键词和异常关键词，还可以是包括与各个关键词相对应的参数信息；故障信息生成单元13与具体的设备2连接，以用于从设备实时获取设备日志，并根据设置的关键词对设备日志进行解析，根据解析结果生成相应设备的模块故障信息(存储在存储单元10)，生成的故障信息至少包括设备ID、模块标识、故障详情、故障类型；而统计分析单元14用于根据模块故障信息数据进行分类统计，生成统计结果存储到存储单元10，其中统计是基于模块进行的统计，分类统计可以是基于故障类型的分类统计，例如以故障类型分为风险和异常为例，此时统计结果至少包括设备ID、模块标识、风险次数和异常次数。本发明实施例的系统中，设备模块配置单元11和关键词配置单元 12可以在初始化时接收用户输入进行配置，也可以根据用户的需求随时进行更新或修改。在具体使用中，故障信息生成单元13会根据设备的日志文件的更新或设置的日志获取时间，实时获取设备故障日志，并在获取了新的日志文件时，遍历关键词配置单元12中的关键词信息，依次获取各个关键词信息与最新的日志文件进行特征匹配，从而解析出故障信息存储，而在解析后，统计分析单元14就根据解析结果进行统计分析，得到与故障信息匹配的统计结果存储。其中，故障信息生成单元13和统计分析单元14 的具体实现过程，可以参照前文方法部分的叙述，在此不再赘述。需要注意的是，在一些实施例中，当关键词信息中包括参数时，故障信息生成单元13在根据特征匹配算法从设备日志获取到故障信息后，会先将故障信息与参数进行匹配，以判断故障信息是否为风险或异常，当判断结果为风险或异常时，才将该信息生成为风险异常信息记录。

在优选实施例中，设备故障的分类统计系统还可以包括优先级配置单元和即时报警单元(图未示出)。其中，优先级配置单元配置为用于为各关键词信息定义优先级，此时生成的故障信息中可以包括故障优先级，其中，定义优先级和为故障设置优先级的具体实现方法可以参照前文叙述。在设置有故障优先级的实施例中，设备故障的分类统计系统还可以包括即时警报单元，配置为用于对故障消息的优先级进行判断，当判断结果为当前故障消息的优先级为高优先级时，实时输出故障消息，此时就不只是生成故障消息和统计结果存储，还会将高优先级的故障消息实时输出，以实现对严重故障的及时关注和维修。在设置了故障优先级的实施例中，统计分析单元14在对故障消息进行分类统计时，还可以是基于故障优先级进行分类统计，例如对某一模块的高优先级的故障次数进行统计或对设备的高优先级的故障次数进行统计，此时统计结果例如可以是包括设备ID、故障优先级、故障次数、故障详情、模块标识等。

在其他实施例中，实时数据信息可以是传感器数据，在这些实施例中故障信息生成单元13还可以是同时与传感器连接，获取传感器数据，与关键词配置信息进行匹配，生成相应设备的模块故障信息数据。

在通过上述各实施例的实现方法得到统计结果后，就可以根据统计结果信息进行其他操作，例如将统计结果信息发送给用户，以供用户进行后续维修或保养等处理，也可以基于统计结果进行图形显示，以直观地显示设备的质量状况，即基于统计结果对设备进行实时质控。

图4示意性地显示了根据本发明一实施方式的基于关键词统计的设备的实时质控方法，以实时数据信息为设备故障日志文件、统计是基于故障类型进行的分类统计、图形显示是根据各模块的故障类型分类统计结果进行的故障状态显示为例，如图4所示，该方法包括：

步骤S401：对设备进行模块划分。

步骤S402：为划分好的每个模块设置风险关键词和故障关键词。

步骤S403：实时获取设备日志，并根据关键词配置信息进行设备日志解析生成模块风险异常信息数据库。

步骤S404：根据模块风险异常信息数据库进行风险和异常统计，生成统计结果存储。

其中，步骤S401至步骤S404的具体实现过程，可以参照步骤S101至步骤S104的相关描述，在此不再赘述。

步骤S405：根据统计结果生成显示风险故障的模块化三维视图输出。

生成的统计结果包括设备标识、模块标识以及相应模块的风险发生次数和异常发生次数，其中，根据统计结果生成显示设备各模块的风险异常状态的三维视图输出，主要是对生成的模块化的三维视图，按各模块的风险发生次数和异常发生次数进行标识，其中，该标识方式可以是通过颜色进行标识，也可以是用灰度图、网格、斜线图和数字标定等方式进行标识。本发明的优先实施例中，是通过颜色进行标识的，具体可以是例如，根据模块标识及相应模块的风险发生次数和异常发生次数对相应模块进行不同的颜色标识，如将风险发生次数大于0且异常发生次数等于0的模块、风险发生次数大于等于0且异常发生次数大于0的模块以及风险发生次数和异常发生次数均为0的模块分别着色为三种不同的颜色。该展示过程是实时进行输出的，即当获取设备日志，就进行解析和统计，统计完成就进行输出显示，以提醒用户。在其他实施例中，该展示过程也可以是根据用户的查询请求进行输出显示的。以风险故障通过三种不同的颜色进行标识且将风险发生次数大于0且异常发生次数等于0的模块标识为黄色、风险发生次数大于等于0且异常发生次数大于0的模块标识为红色以及风险发生次数和异常发生次数均为0的模块标识为绿色为例，该步骤具体例如可以是通过以下方式实现：

步骤一：获取相应设备的简化版机械模块组装三视图，按同种材料不同颜色进行渲染和打光。

其中，设备的简化版机械模块组装三视图可以是根据设备模块外形绘制出的，也可以是由设计师或厂商提供的。获取组装三视图之后，通过机械设计制图软件将模块组装三视图转化为Photoshop平面图，并按不同的颜色分别渲染生成对应图层，即生成底图和按风险故障的标识颜色生成不同颜色的覆盖图层，例如当将风险发生次数大于0且异常发生次数等于0的模块、风险发生次数大于等于0且异常发生次数大于0的模块以及风险发生次数和异常发生次数均为0的模块分别着色为黄色、红色和绿色三种不同的颜色时，本步骤将在Photoshop中将转换成的平面图按照黄色、红色和绿色分别进行渲染，生成三种颜色的覆盖图层。

步骤二：对设备的每个模块进行裁剪，形成背景透明的三色模块图。

在生成三种颜色的覆盖图层之后，在Photoshop中对设备的每个模块进行裁剪，即将黄色的图层按模块进行裁剪、将红色的图片按模块进行裁剪以及将绿色的图层按模块进行裁剪，其中，这里的模块是设备划分出来的模块，与模块配置信息中的设备各模块相对应。这样就生成了各个模块的三色图层(即模块覆盖图层，每个模块对应了黄色图像、红色图像和绿色图像共三种模块覆盖图层)，之后按图层导出背景透明的三色模块覆盖图层与模块配置信息中的各模块对应存储。

步骤三：在接收到用户的三维显示请求后，根据生成的统计结果在web 前端进行针对性加载，生成显示有风险故障状态的三维设备风险异常标示图输出。

当接收到用户的请求后，从存储单元中获取相应设备的三色模块覆盖图，并根据统计结果，在前端根据统计结果加载相应颜色的模块覆盖图片，而底图则采用所有模块均正常的配色，也就是说，在加载时，底图采用统一的各模块为绿色而其他部分为灰度图的图层方式，根据获取的统计结果 (该结果可以在页面加载时作为参数直接输出给页面，也可以在后台进行分析后，输出待加载的图形标识传输给页面)，对风险发生次数大于0且异常发生次数等于0的模块，获取其黄色模块图层进行覆盖，而对风险发生次数大于等于0且异常发生次数大于0的模块，获取其红色模块图层进行覆盖。这样的实现方式下，只有存在风险或故障的模块才需加载该模块变色的覆盖层图像(即相应标识颜色的模块图)；这种设计减少了需加载的图像数量，从而降低加载时间和带宽消耗，提升用户体验。

在其他实施例中，还可以实现为在步骤一种生成各模块为绿色而其他部分为灰度图的底图图层以及黄色和红色进行渲染的覆盖图层，在步骤二中对黄色和红色图层进行剪裁生成各个模块的两色模块覆盖图层，并经由步骤一和步骤二得到底图和模块的两色覆盖图层存储，在步骤三时通过页面加载首先加载底图，之后根据统计结果加载黄色或红色模块覆盖图层进行覆盖，从而得到具有风险异常状态标识的设备三维视图进行显示。需要说明的是，步骤一和步骤二是初始化操作，对于设备模块没有发生变化的重复请求显示，只需要进行步骤三即可，不需要重复步骤一和步骤二的初始化操作，即例如对某一设备进行第一次显示请求时，需要进行步骤一和步骤二，而第二次请求查看时，由于相应的图层已经存储在存储单元了，因此当模块没有发生变化的情况下，只需要根据步骤三进行动态加载即可。

在优选实施例中，为了实现快速加载和任意缩放显示无锯齿，还可以通过以下方式实现显示有风险异常状态的模块化三维视图的生成和输出，具体为包括：

步骤一：获取相应设备的简化版机械模块组装三视图，根据机械模块组装三视图生成SVG矢量图。

其中，设备的简化版机械模块组装三视图可以是根据设备模块外形绘制出的，也可以是由设计师或厂商提供的。在该步骤通过模块组装三视图绘制出SVG矢量图存储。其中，绘制可以是平面设计师通过相应的软件绘制后提供给数据库存储，也可以通过具有相应功能(即能将三视图转化为SVG矢量图)的软件自动实现。

步骤二：在web前端加载生成的SVG矢量图，并根据生成的统计结果对加载的SVG矢量图进行实时着色，生成显示有风险故障状态的三维设备风险异常标示图输出。

在进行设备风险异常三维标示图展示时，首先从数据库获取SVG矢量图，同时还要获取相应设备的统计结果，根据统计结果生成颜色标识参数 (该颜色标识参数例如可以相应存储在设备的模块配置信息中，与各个模块相对应)返回给web前端页面，web前端页面在进行图片加载时根据颜色标识参数对加载的SVG矢量图进行动态实时着色，从而生成显示有风险故障状态的设备风险异常三维标示图输出。其中，web前端页面动态加载SVG 矢量图和根据设定的参数进行着色的方法，可以参照现有技术实现，故这里不进行赘述。

图6示出了一种着色后输出显示的设备风险异常三维标示图，如图6 所示，图中的A(即磁体模块707)为风险发生次数大于0且异常发生次数等于0的模块，其输出显示为黄色(在彩色效果图中可见)，图中的B(即线圈模块711)是风险发生次数大于等于0且异常发生次数大于0的模块，其输出显示为红色(在彩色效果图中可见)，而剩余模块C(即设备房环境模块701、冷却器模块702、压缩机模块703、射频放大器模块704、梯度模块705、软件模块706、冷头模块708、扫描室环境模块709、扫描腔模块710、以及床模块712)为风险发生次数和异常发生次数均为0的模块，其显示为绿色(在彩色效果图中可见)，由此就可以通过输出的三维视图，直观地看到设备的各个模块的风险和异常状态，让设备的整体质量状态以及各个模块自身的质量状态都一目了然。而且，该统计分析和三维显示过程可以根据用户请求基于对实时获取的设备日志的动态分析生成，能够实现实时显示，准确高效，方便用户对设备状态进行查看和管理。在优选实施例中，如图6所示，还在页面的顶部显示设备的类型，并在三维视图的底部显示发生异常的模块的名称和其标识颜色。这样，即使没有经验或不会阅读设备日志的人员，也能够通过查看三维标示图了解设备的质量状况。

在其他实施例中，还可以基于故障优先级的统计结果进行故障状态显示，此时例如可以是将高优先级的故障显示为红色、中优先级的故障显示为黄色、低优先级的故障显示为绿色，该显示可以仅仅是对某设备的整体故障等级和次数的显示，即只标识了故障等级和各个等级的故障次数(例如通过仪表盘的方式或圆盘的方式进行显示)，还可以是基于设备模块化的三维视图，将不同模块发生的故障按故障等级进行标识，例如：某一模块发生了高优先级的故障，就将该模块标识为红色；某模块发生了中优先级的故障就将该模块标识为黄色；某模块发生了低优先级的故障，就将该模块标识为绿色；而如果没有发生故障的模块，就用灰度图进行显示等。本发明实施例对具体实现方式不做限制。

图5示意性地显示了根据本发明一实施方式的基于关键词统计的设备的实时质控系统，如图5所示，该系统包括系统平台50和显示装置30，其中系统平台50部署在云端服务器上(本发明实施例提供的系统平台50还可以部署在用户自己的服务器上或用户设备上，以为特定的用户提供相应的功能)，其包括模块划分单元511、关键词设置单元512、风险异常信息获取单元513、统计结果生成单元514、三维视图生成单元515和系统存储单元510。其中，模块划分单元511用于对设备进行模块划分，可以是通过页面接收用户输入的设备的模块信息并存储实现，也可以是其他实现方式，只要能够实现设备的模块化即可；关键词设置单元512用于为划分好的每个模块配置关键词信息，如设置风险关键词和故障关键词，并生成关键词配置信息，其实现例如可以是通过页面接收针对每个模块的风险关键词和故障关键词添加或更改设置，并将接收到关键词信息与设备的模块关联存储，例如生成包括设备ID-模块标识-关键词-类型的关键词配置信息；风险异常信息获取单元513用于获取各模块的故障信息数据，可以是通过实时获取设备日志，并根据设置的关键词进行设备日志解析生成模块风险异常信息数据库实现，也可以通过在各模块上安装传感器，直接从传感器读取实时数据进行判断实现，只要能够获得各模块的故障信息即可，且该单元还对获取的故障信息进行分类，将其按照属于哪个模块以及属于哪种类型 (风险还是异常)进行分类后，生成模块风险异常信息数据库存储，即生成的风险异常信息数据库可以包括设备ID-模块标识-风险或异常详情-故障类型；统计结果生成单元514用于根据模块风险异常信息数据库进行风险和异常统计，生成统计结果存储，该统计是可以基于模块的风险次数和异常次数的统计，可以通过数据库检索式针对当前设备的所有模块分别进行统计，并将统计结果按照设备ID-模块标识-风险次数-异常次数的索引结构存储；而三维视图生成单元515用于根据统计结果生成显示风险故障的模块化三维视图输出。其中，三维视图生成单元515包括后端处理组件和前端渲染组件(图中未示出)，在本发明实施例中后端处理组件可以配置为通过获取相应设备的简化版机械模块组装三视图，根据机械模块组装三视图生成SVG矢量图实现，而前端渲染组件可以配置为通过在web前端加载生成的SVG矢量图，并根据生成的统计结果对加载的SVG矢量图进行实时着色，从而生成显示有风险故障状态的三维设备风险异常标示图输出。这样得到的三维标示图效果更好、加载更快且可以实现无锯齿自由缩放。其中，设置的关键词信息在一些实施例中可以包括有参数信息，基于包含有参数信息的关键词信息生成风险异常信息数据库时，需要根据获取的故障消息内容和参数信息进行判断是否为风险或异常，并根据判断结果生成风险异常信息。模块划分单元511、关键词设置单元512、风险异常信息获取单元513、统计结果生成单元514和三维视图生成单元515的具体实现过程可以参照前文方法部分的叙述。而显示装置30则用于加载和显示生成的三维标示图，其可以是带有浏览器的客户端设备或可以进行图片接收和显示的用户终端，例如带有浏览器或与本发明实施例的系统平台对应的客户端 APP的智能手机、智能手表、智能手环或平板电脑等，也可以是微信客户端等可以请求图片数据的现有应用终端。

而在其他实施例中，后端处理组件还可以配置为获取相应设备的简化版机械模块组装三视图，按同种材料不同颜色进行渲染和打光，并对设备的每个模块进行裁剪，形成背景透明的三色模块图；而相应地，前端渲染组件还可以配置为根据生成的统计结果在web前端进行针对性加载，即在加载的底图上根据覆盖图层标识参数加载相应颜色的覆盖图层，从而生成显示有风险故障状态的设备风险异常三维标示图输出。

在其他实施例中，还可以为关键词信息和故障设置优先级，在这些实施例中，统计结果生成单元514还可以基于优先级进行分类统计，三维视图生成单元515还可以基于故障优先级进行故障状态显示，这些实现方式的具体实现可以参照前文叙述，在此不赘述。

另外，本发明实施例的方法和系统还可以应用程序实现，而该应用程序可以承载在服务器上或电子装置上，该电子装置只需要包括存储介质和控制单元，将实现了本发明实施例的方法或系统的应用程序存储在存储介质中，通过控制单元执行该应用程序即可实现本发明的目的。这种电子装置例如可以是能够承载和执行应用程序的智能终端设备(如智能手机、智能手表)，也可以是平板电脑等等。

需要说明的是，本发明实施例中的用户请求可以是在页面加载时进行自动请求，即用户只需要进行页面加载即可不需要进行其他操作，也可以是用户通过浏览器自动重复请求，而加载的三维标示图根据生成的统计结果进行实时显示。在其他实施例中，还可以是系统在更新了设备日志以后，根据更新的统计结果进行主动推送显示有风险故障状态的三维标示图。其中，为了减少消息噪声干扰，还可以通过设置策略，基于策略(例如上文中设置的优先级)进行三维标示图的推送，推送方式例如可以是发送到用户微信、手机短信、邮箱等。

以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.设备故障的分类统计方法，包括：

对设备进行模块划分，并为划分好的每个模块设置关键词信息；

获取实时数据信息，根据设置的关键词信息和实时数据信息生成模块故障信息；

根据模块故障信息进行分类统计，生成统计结果存储。

2.根据权利要求1所述的方法，其中，所述关键词信息包括风险关键词和异常关键词，所述根据设置的关键词信息和实时数据信息生成模块故障信息通过以下方式实现：

分别获取设备的每个模块的风险关键词和异常关键词，与实时数据信息进行匹配，从实时数据信息中提取与风险关键词或异常关键词相匹配的风险或异常详情；

获取与提取到的风险或异常详情匹配的关键词的类型以及其对应的模块标识，生成包括设备ID、模块标识、风险或异常详情、故障类型的故障信息数据记录存储。

3.根据权利要求1所述的方法，其中，所述关键词信息包括风险关键词、异常关键词和与各关键词对应的参数信息，所述根据设置的关键词信息和实时数据信息生成模块故障信息通过以下方式实现：

分别获取设备的每个模块的风险关键词和异常关键词，与实时数据信息进行匹配，从实时数据信息中提取与风险关键词或异常关键词相匹配的风险或异常详情；

获取与提取到的风险或异常详情匹配的关键词对应的参数信息，根据参数信息对风险或异常详情进行判断，当判断结果为所述风险或异常详情属于故障消息时，获取与提取到的风险或异常详情匹配的关键词的类型以及其对应的模块标识，生成包括设备ID、模块标识、风险或异常详情、故障类型的故障信息数据记录存储。

4.根据权利要求2或3所述的方法，其特征在于，还包括为生成的故障信息设置优先级的步骤，所述步骤包括：

根据经验数据或利用大数据统计定义各关键词信息的优先级并存储；

在生成故障信息数据记录时，还获取与提取到的风险或异常详情匹配的关键词对应的优先级，将获取到的关键词对应的优先级作为当前故障信息的优先级，生成包括设备ID、模块标识、风险或异常详情、故障类型和故障优先级的故障信息数据记录存储；

其中，在存储故障信息数据记录时还对故障优先级进行判断，将高优先级的故障信息输出。

5.根据权利要求1至3任一项所述的方法，其中，所述实时数据信息为设备故障日志文件、设备上设置的传感器输出的数据、设备周围环境中设置的传感器输出的数据中的其中一种，或两种以上的任意组合。

6.设备故障的分类统计系统，其特征在于，包括：

设备模块配置单元，用于对设备进行模块划分；

关键词配置单元，用于为每个模块设置关键词信息存储；

故障信息生成单元，用于获取实时数据信息，并根据关键词信息和实时数据信息生成模块故障信息；和

统计分析单元，用于根据模块故障信息进行分类统计，生成统计结果存储。

7.根据权利要求6所述的系统，其中，还包括优先级配置单元和即时警报单元，

所述优先级配置单元用于为各关键词信息定义优先级；

所述生成的故障信息包括与关键词信息的优先级相对应的故障优先级，所述即时警报单元用于对故障消息的故障优先级进行判断，当故障优先级为高优先级时，输出故障消息。

8.根据权利要求7所述的方法，其中，所述关键词信息包括风险关键词和异常关键词，或包括风险关键词、异常关键词和与关键词对应的参数信息。

9.根据权利要求6至8任一项所述的方法，其中，所述实时数据信息为设备故障日志文件、设备上设置的传感器输出的数据、设备周围环境中设置的传感器输出的数据中的其中一种，或两种以上的组合。

10.基于关键词统计的设备的实时质控方法，包括：

对设备进行模块划分，并为划分好的每个模块设置关键词信息；

获取设备实时数据信息，并根据关键词信息和设备实时数据信息生成模块故障信息；

根据模块故障信息分别对各个模块进行故障分类统计，生成统计结果存储；

根据统计结果生成显示设备各模块故障状态的三维视图输出。