CN110414768B

CN110414768B - 一种基于仪器电流数据的大数据分析方法

Info

Publication number: CN110414768B
Application number: CN201910456282.9A
Authority: CN
Inventors: 王珏; 王晓玲; 刘荣斌; 李恩宁
Original assignee: CETC Satellite Navigation Operation and Service Co Ltd
Current assignee: CETC Satellite Navigation Operation and Service Co Ltd
Priority date: 2019-05-29
Filing date: 2019-05-29
Publication date: 2021-12-07
Anticipated expiration: 2039-05-29
Also published as: CN110414768A

Abstract

一种基于仪器电流数据的大数据分析方法，涉及数据分析领域，具体涉及根据公用仪器的监测数据，对仪器的使用状况等进行分析的方法，借助仪器管理系统实现，通过采集仪器在各种状态下的电流值，确定电流对应的仪器状态之间的关系；实时采集仪器的工作电流，确定仪器的工作状态，并对历史数据进行分析，得出仪器的实际使用情况，并对仪器的预期借用提供建议。采用本发明，可以实时掌握仪器的真实使用情况，提醒租借方及时返还空闲仪器，提高仪器使用率，节省租借费用；根据仪器的协同使用情况，可以指导仪器的配置；根据仪器使用的预测，可以指导仪器的添置和更换，提高仪器出借方的服务水平。

Description

一种基于仪器电流数据的大数据分析方法

技术领域

本发明涉及数据分析领域，具体涉及根据公用仪器的监测数据，对仪器的使用状况等进行分析的方法。

背景技术

科研院所和大专院校通用仪器作为固定资产的组成部分，是重要物质技术基础，也是现代化建设事业的重要物质保障。

一直以来，仪器使用管理大多是通过人工登记发放，工作繁琐，效率极低。另外，仪器发放后，基本处于放任状态，得不到有效的管理。

中国专利申请《一种智能化实验室管理系统》(申请号：201310046577.1)、《一种设备管理系统》(申请号：201610129911.3)分别公开了仪器管理系统，但都是针对仪器信息的计算机存储，方便查询信息，但对仪器发放出去后的管理没有提出解决方案。

中国专利《基于物联网的智能实验室仪器管理监控装置》(申请号：201220198384.9) 披露了一种监控装置，可以监测仪器的使用状态，并能远程控制仪器的供电。其监控的基本范围是一个实验室，主要针对的是仪器的预约使用。

在实际工作中，仪器出借后，经常出现的情况是仪器得不到有效利用，长期处于闲置状态，对于出借方，仪器的使用率低，对于租借方，造成了大量的浪费。

中国专利申请CN 107274104 A公开了一种电子仪器管理大数据分析方法和系统，根据仪器的使用时间，来建议下次出借的顺序，保证各个仪器的使用时间大致相同。该申请并没有披露如何判定仪器的状态。

发明内容

本发明的目的是提供一种方法，根据仪器处于不同状态的时间，分析单个仪器的使用率，根据不同仪器协同工作的时间，分析仪器间的使用关联关系，并对仪器的购买、预期使用等给出建议。

为了实现上述目的，本发明采用以下技术方案：一种基于仪器电流数据的大数据分析方法，借助仪器管理系统实现，所述仪器管理系统包括管理平台和连接到仪器上的监控终端，监控终端获得位置信息、采集仪器的工作电流，并与管理平台建立通信连接；所述方法包括以下步骤：

A、准备步骤：

A-1、采集仪器电流数据样本，所述电流数据样本包括仪器处于待机、空闲、不同工作状态下的电流；

A-2、根据数据样本生成仪器状态对应关系，

B、实时数据采集步骤：

B-1、监控终端实时将所连接仪器的型号、工作电流数据上传，同时上传位置信息、时间信息；

B-2、管理平台将接收到的数据存储，

C、数据分析步骤：

C-1、根据仪器历史使用数据和步骤A-2中生成的对应关系，得到单个仪器的工作状态，分析单个仪器的实际使用率；

C-2、根据仪器出借情况和历史使用数据，分析仪器间的关联关系。

本发明中，首先采集各种仪器在不同状态下的电流。以此为依据，得出仪器的工作电流与各种状态的对应关系。

仪器使用过程中，监控终端将仪器的工作电流等信息上传，管理平台存储收到的数据。

根据存储的数据，管理平台可以分析单个仪器的使用情况，不同仪器之间的协同使用情况。

进一步地，给出仪器使用的预测。

采用本发明，可以实时掌握仪器的真实使用情况，提醒租借方及时返还空闲仪器，提高仪器使用率，节省租借费用；根据仪器的协同使用情况，可以指导仪器的配置；根据仪器使用的预测，可以指导仪器的添置和更换，提高仪器出借方的服务水平。

附图说明

图1为关联规则算法的一个实施例。

具体实施方式

下面结合附图对本发明做进一步说明。

本发明在仪器管理系统中实现。实现的基础有两个：

1、所有仪器的电流和状态的对应关系。

2、仪器的历史使用数据。

上述基础由以下两个步骤分别完成。

A、准备步骤。

A-1、采集仪器电流数据样本，所述电流数据样本包括仪器处于待机、空闲、不同工作状态下的电流。

A-2、根据数据样本生成仪器状态对应关系。

步骤A-1中，电流数据样本可以根据仪器说明书中的指标输入，为了更接近实际使用情况，在采集过程中，使用监控终端采集仪器电流并上传。

步骤A-2中，所述对应关系为存储的仪器型号和仪器在不同状态下的电流值。在数据库中，仪器型号为主检索项，不同状态对应不同的电流值。

简单的仪器，状态很少，通过电流加上允许的误差就可以判断出状态，复杂的仪器，有很多状态，且各种状态下，电流差别不大。为了精确进行分析，需要掌握准确的状态。

为此，本发明中，在步骤A-2中，将仪器型号、电流值以及仪器所处状态三个指标作为一个样本进行存储，生成训练样本集合和验证样本集合，其中仪器所处状态作为标签，运用支持向量机(SVM)方法训练和验证SVM分类模型。具体算法如下。

输入：数据矩阵D，高斯核函数K(x,x^T)＝exp(-γ||x-x^T||²)，其中参数γ＝0.5。

输出：分类函数。

其中，数据矩阵D由l组(x,y)组成，x：采样数据，x＝[仪器型号，电流采样值]，仪器型号根据仪器入库时间自动编号1、2、…，以数字表示；y为对应的状态标签：[{待机}、{开机、工作状态1、工作状态2、…、工作状态n}]，将{待机}置为-1，{开机、工作状态1、工作状态2、…、工作状态n}置为1。

1)对于输入的数据x和y，计算如下的最优化问题：

0≤α_i≤C,i＝1,K,l,

其中α_i是该最优化问题中唯一需要求解的一组变量，C＝1，1≤i≤l。

x^T是x的转置。

K(x,x^T)＝exp(-γ||x-x^T||²)

2)根据步骤1)的结果，得到分类函数为

其中

可由各已知的变量求解。

3)再以同样的方式，以y＝[{开机}、{工作状态1、工作状态2、…、工作状态n}] 为标签,其中将{开机}置为-1，{工作状态1、工作状态2、…、工作状态n}置为1执行步骤1)、2)，再次划分得到分类函数f₂(x)。

4)再以同样的方式，每次将工作状态中的第一个置为-1，其余置为1，重复上述步骤，得到更多的分类函数，最终分类函数为f(x)、f₂(x)、...、f_n+1(x)。

实施例：数据矩阵D＝[示波器A 10mA待机；频谱仪R 200mA开机；信号发生器B170mA工作状态2；……]，是一个100行3列的矩阵，即数据采集了100条， x是这个矩阵的前两列，第一列仪器型号可用数字代替，便于数值计算，且要求同类仪器数字相同；y是最后一列，假如所有仪器状态共有{待机、开机、工作状态1、工作状态2}四种，因为SVM分类函数要求每次只能分成两类，值标签只有{-1,1}，故先将y＝[{待机}、{开机、工作状态1、工作状态2}]，将{待机}置为-1，{开机、工作状态1、工作状态2}置为1，训练分类函数f(x)，得到的结果可判定新数据处于待机还是其他三种状态；再以同样的方式，以y＝[{开机}、{工作状态1、工作状态2}]为标签,其中将{开机} 置为-1，{工作状态1、工作状态2}置为1，再次划分得到分类函数f₂(x)，得到的结果可判定新数据处于开机还是其他两种工作状态；再以同样的方式即可得到f₃(x)，能区分新数据处于工作状态1还是工作状态2。

所得的分类函数根据验证样本集合进行验证，如果验证效果理想，则使用上述函数，否则，重新训练。

B、实时数据采集步骤。

B-1、监控终端实时将所连接仪器的型号、工作电流数据上传，同时上传位置信息、时间信息。

B-2、管理平台将接收到的数据存储。

本发明中，数据分析包括以下内容。

C-1、根据仪器历史使用数据和步骤A-2中生成的对应关系，得到单个仪器的工作状态，分析单个仪器的实际使用率。

根据仪器的使用数据，可以在数据库中直接查到仪器状态。

更精确地，通过分类函数得到仪器的状态。

根据仪器的实际数据，生成输入项x，依次经过f(x)、f₂(x)、...、f_n+1(x)的判断，如果在f_n+1(x)之前的任一分类函数得到-1则停止，得到对应的仪器状态；否则f_n+1(x)＝1，即工作状态n为对应的仪器状态。

实施例：如前所述生成了对应示波器A的分类函数，现在输入一组新数据x，经f(x)判定，结果为-1，那么该仪器就是待机状态，结束；如果结果为1，那么就继续由f₂(x) 判断，如果结果为-1，则表示开机，结束；结果为1，则继续由f₃(x)判定，结果为-1，则表示处于工作状态1，结果为1，则表示处于工作状态2，结束。

根据历史信息，可以得到一段时间内，单个仪器的空闲时间、加电时间、处于工作状态时间，根据各个数据的比值，可以得到仪器的实际使用率。

实际使用率可根据需求来定义，如一段时间内，仪器处于工作状态的时间/总的工作时间(每天8小时)。

如果仪器长期在非工作时间开机，可以发出警告。

根据仪器的使用情况，还可以得到仪器的耗电量。

C-2、根据仪器历史使用数据，分析仪器间的关联关系。

此项分析中，考虑静态和动态两种情况。

静态：C-2-1、根据仪器出借情况，分析仪器间的关联程度。

从共同出借的仪器找关联关系。从各部门大量的历史借用清单入手，用关联规则算法(Apriori算法)，挖掘哪些仪器总是一起被借用，这个不限于指定的部门，也许好几个部门都需要同时借某几种仪器。这个结果反映出了对各种仪器的需求关联。

动态：C-2-2、以同一部门使用的仪器、相同时间段处于工作状态以及地理位置相互靠近为条件，选取满足条件的仪器，分析仪器间的使用关联关系。

从使用数据中找到共同使用的仪器，反映具体的科研项目对仪器的需求。

上述分析，使用关联规则算法。具体算法如下：

输入：数据集合D，最小支持度阈值min_sup。

输出：最大的频繁k项集。

算法过程：

1)扫描整个数据集，得到所有出现过的数据，作为候选频繁1项集。k＝1，频繁0 项集为空集。

2)挖掘频繁k项集。

a)扫描数据计算候选频繁k项集的支持度。

b)去除候选频繁k项集中支持度低于阈值min_sup的数据集,得到频繁k项集。如果得到的频繁k项集为空，则直接返回频繁k-1项集的集合作为算法结果，算法结束。如果得到的频繁k项集只有一项，则直接返回频繁k项集的集合作为算法结果，算法结束。

c)基于频繁k项集，连接生成候选频繁k+1项集。

3)令k＝k+1，转入步骤2)。

其中，

数据集合D：各部门的历史仪器借用清单，可按照年份或者月份在管理平台中检索得到，清单内容包括仪器型号、借用数量、借用时间。

支持度：所有仪器借用清单中，某几类仪器同时出现的次数与总的清单数的比例。

最小支持度阈值：设置支持度的最小值，大于或等于该阈值的可称为频繁项集；小于该阈值的项集则被过滤掉。

项：这里指单台仪器。

项集：几类仪器的组合。

频繁项集：指的是频繁在清单中出现的项集，所谓“频繁”的标准就是这个项集出现的次数满足最小支持度阈值。

频繁k项集：k种仪器同时在清单中频繁出现。

实施例：有9份仪器借用清单，共涉及5类仪器，清单是：{I1，I2，I5}、{I2，I4}、{I2，I3}、{I1，I2，I4}、{I1，I3}、{I2，I3}、{I1，I3}、{I1，I2，I3，I5}、{I1，I2， I3}，其中：I1代表示波器，I2代表频谱仪，I3代表信号发生器，I4代表电源，I5代表噪声发生器，最小支持度阈值min_sup＝2，算法过程如图1：

结论：5种仪器支持度都大于设定阈值，即都属于频繁被借用的，见L₁；I1示波器分别与I2频谱仪、I3信号发生器、I5噪声发生器相关联，I2频谱仪分别与I3信号发生器、I4电源、I5噪声发生器相关联，见L₂；三种仪器相互关联的有I1示波器、I2频谱仪、I3信号发生器，还有I1示波器、I2频谱仪、I5噪声发生器，见L₃。

算法得出互相关联的若干类仪器后，可进一步搜寻这几种仪器的使用关联关系，具体实施步骤为：在管理平台上将检索条件设置为同一部门、同一地理位置，并统计每类仪器的使用时间段，两两进行比较，如果某两种仪器的工作时间段T1和T2的重合度大于50％，则说明这两种仪器间具有使用关联关系，依次类推。

本发明的另一个实施例是使用上面的关联规则算法，锁定同一部门或同一地理位置后，可将选定的时间段，如某月划分为5等份，统计每个等份里(6天)被使用的仪器，各生成一个清单，同样设置支持度阈值，在使用时间段上挖掘相互关联的仪器。

根据历史数据，预测仪器的出借与使用。

通过统计某类仪器的大量历史数据，包括仪器所处的位置、借用数量、同类仪器的使用时长、实际使用率等信息，可预测下个月或下一年度该类仪器的借用数量，从而预测仪器未来对科研、生产以及测试项目的保障情况，并给出企业或者事业单位合理的建议，提升仪器对科研生产的保障率。

算法的描述如下：

输入：某类仪器的历史数据(位置、借用数量)。

输出：预测该仪器下次的借用位置、数量。

1、通过终端采集的该类仪器的位置经纬度，分别检索出经度和纬度的最大和最小值，生成最小外接矩形，将此矩形划分成M个面积基本相同的小矩形，统计在每个小区域的历史总时长t₁、t₂、…t_M，求和得总时长t，将其归一化

作为每个区域相应的权重，用a_i表示。

2、根据步骤A—2的分类函数，可判断该类仪器在每个小区域内的历史状态，得出在该区域的实际使用时间tt₁、tt₂、…tt_M，将每一项三次方后归一化

作为每个区域相应的权重，用b_i表示，其中tt是每一项三次方后的累加和。

3、该类仪器在第i个区域的实际使用率用c_i表示，

4、统计该类仪器在每个区域的借用数量n_i，i＝1～M，将该类仪器在该区域的实际使用率与借用数量求积，用l_i表示，

其中，符号

为向上取整；将各个l_i求和得l，归一化

作为每个区域相应的权重，用d_i表示。

5、该类仪器下次在每个区域被借用的可能性为P_i＝a_i×b_i×d_i，i＝1～M；将P_i归一化并排序，值最大的区域即为该类仪器最有可能的去向。

6、若该区域某部门提出借用该类仪器的数量，可按照步骤4将该数量与该区域的仪器实际使用率c_i相乘并向上取整，得出理想的借用数量。

综合上述步骤，可预测该类仪器下次的借用去向，并给出借用数量的建议。

实施例：统计某类型示波器的所有历史位置，根据经纬度坐标的最大和最小值，确定一个能覆盖所有位置的矩形，假设矩形面积为200平米，可将其划分成四个50平米的小矩形，统计仪器在四个区域里停留总时间，假设分别为1个月，3个月，6个月，2 个月，总共12个月，归一化后各区域权重a_i为0.0833,0.25,0.5和0.04165；通过步骤A—2 判定该示波器在四个区域的实际使用时间分别为15天，30天，120天，45天，归一化后各区域权重b_i为0.0018，0.0146，0.9343，0.0493；每个区域的实际使用率c_i为 0.5,0.33,0.666,0.75；假设每个区域借用的示波器分别为2,6,6,4台，则l_i分别为：1,2,4,3； d_i分别为0.1,0.2,0.4,0.3；那么，示波器下次被借往四个区域的可能性分别为：0.00001， 0.0007，0.1869，0.0062，归一化后为0.0001，0.0038，0.9644，0.0318，那么示波器最有可能被借用到区域3。若该区域部门提出想借用9台，根据实际使用率0.666，则理想的借用数量为

台。

在实际工作中，有些部门为了工作方便，借用某些仪器作为储备，但并不经常使用。为了提高仪器的使用率，可以根据仪器的使用情况以及使用预测，给出共享建议。

如果某仪器在一段时间内，如1周或一个月内，其实际使用率小于某设定值(如10％)，或其近期的实际使用率较平均的实际使用率大大降低，且预测该仪器未来在借用部门的使用该率很低，可以在管理平台上推荐该设备为共享状态，供其他需求方搜索、预约及使用。

由于仪器的种类、数量很多，有可能在准备阶段采集的数据样本不全，或者新增一种类型的仪器还未采集数据样本。如果仪器出借，根据采集回来的电流数据，判断不出仪器的工作状态。

针对这种情况，步骤C-1中，如果根据对应关系得不到仪器的状态，则记录该仪器的型号、电流值，自动生成对应关系。

如果采集到该型号仪器的数据始终为一个，则判断该型号的仪器只有关机和工作两种状态。如果多于一个，则根据电流大小，电流最小的为待机状态，其它的为工作状态。

Claims

1.一种基于仪器电流数据的大数据分析方法，借助仪器管理系统实现，所述仪器管理系统包括管理平台和连接到仪器上的监控终端，管理平台记录仪器的出借情况，监控终端获得位置信息、采集仪器的工作电流，并与管理平台建立通信连接；其特征在于，所述方法包括以下步骤：

A、准备步骤：

A-2、根据数据样本生成仪器状态对应关系；

B、实时数据采集步骤：

B-2、管理平台将接收到的数据存储，

C、数据分析步骤：

C-2、根据仪器出借情况和历史使用数据，分析仪器间的关联关系，包括：

C-2-1、根据仪器出借情况，分析仪器间的关联程度；

C-2-2、以同一部门使用的仪器、相同时间段处于工作状态以及地理位置相互靠近为条件，选取满足条件的仪器，分析仪器间的使用关联关系；

C-2-1使用关联规则算法实现，具体实现方法为：

1）扫描数据集合D，得到所有出现过的数据，作为候选频繁1项集，k=1，频繁0项集为空集；

2）挖掘频繁k项集；

a) 扫描数据计算候选频繁k项集的支持度；

b) 去除候选频繁k项集中支持度低于阈值min_sup的数据集,得到频繁k项集；

如果得到的频繁k项集为空，则直接返回频繁k-1项集的集合作为算法结果，算法结束；如果得到的频繁k项集只有一项，则直接返回频繁k项集的集合作为算法结果，算法结束；

c) 基于频繁k项集，连接生成候选频繁k+1项集；

3）令k=k+1，转入步骤2）；

其中，数据集合D：各部门的历史仪器借用清单，清单内容包括仪器型号、借用数量、借用时间；

支持度：所有仪器借用清单中，某几类仪器同时出现的次数与总的清单数的比例；

最小支持度阈值min_sup：设置支持度的最小值，大于或等于该阈值的称为频繁项集；小于该阈值的项集则被过滤掉；

项：这里指单台仪器；

项集：几类仪器的组合；

频繁项集：频繁在清单中出现的项集，“频繁”的标准是该项集出现的次数满足最小支持度阈值；

频繁k项集：k种仪器同时在清单中频繁出现；

C-2-2具体实现如下：

通过步骤C-2-1得出互相关联的若干类仪器后，进一步搜寻这几种仪器的使用关联关系：统计同一部门、同一地理位置每类仪器的使用时间段，两两进行比较，如果某两种仪器的工作时间段T1和T2的重合度大于50%，则说明这两种仪器间具有使用关联关系。

2.根据权利要求要求1所述的大数据分析方法，其特征在于：

步骤A-2中，所述对应关系为存储的仪器型号和仪器在不同状态下的电流值。

3.根据权利要求要求1所述的大数据分析方法，其特征在于：

步骤A-2中，将仪器型号、电流值以及仪器所处状态三个指标作为一个样本进行存储，生成训练样本集合，其中仪器所处状态作为标签，运用支持向量机(SVM)方法训练分类模型。

4.根据权利要求要求1所述的大数据分析方法，其特征在于：

在C、数据分析步骤中，还包括：C-3、需求预测，

按选定的小区域划分该仪器所处的历史位置，统计该仪器在每个小区域的时长，归一化作为该区域的权重；

统计该仪器在每个小区域内的借用数量，计算权重；

将得出的权重相乘，得出下次在每个区域内被借用的可能性。

5.根据权利要求要求4所述的大数据分析方法，其特征在于：

在C、数据分析步骤中，还包括：

C-4、共享建议：如果某仪器在一段时间内的实际使用率小于某设定值，在管理平台上推荐该设备为共享状态。

6.根据权利要求要求1所述的大数据分析方法，其特征在于：根据仪器在各种状态下的时间，计算出仪器的耗电量。

7.根据权利要求要求1所述的大数据分析方法，其特征在于：

步骤C-1中，如果根据对应关系得不到仪器的状态，则记录该仪器的型号、电流值，自动生成对应关系。