CN110598725B - 一种建筑施工用设备历史缺陷的检测方法 - Google Patents

一种建筑施工用设备历史缺陷的检测方法 Download PDF

Info

Publication number
CN110598725B
CN110598725B CN201910590585.XA CN201910590585A CN110598725B CN 110598725 B CN110598725 B CN 110598725B CN 201910590585 A CN201910590585 A CN 201910590585A CN 110598725 B CN110598725 B CN 110598725B
Authority
CN
China
Prior art keywords
equipment
defect
historical
defects
manufacturer
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
Application number
CN201910590585.XA
Other languages
English (en)
Other versions
CN110598725A (zh
Inventor
王志红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Aoke Science & Technology Development Co ltd
Original Assignee
Wuhan Aoke Science & Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Aoke Science & Technology Development Co ltd filed Critical Wuhan Aoke Science & Technology Development Co ltd
Priority to CN201910590585.XA priority Critical patent/CN110598725B/zh
Publication of CN110598725A publication Critical patent/CN110598725A/zh
Application granted granted Critical
Publication of CN110598725B publication Critical patent/CN110598725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种建筑施工用设备历史缺陷的检测方法，其包括以下步骤：S1、对建筑施工用设备历史缺陷的检测方法中的设备分别赋予ID码，在数据库中获取建筑施工用设备历史缺陷的检测方法中的设备的历史缺陷记录；S2、根据数据库中的设备的历史缺陷记录，计算设备的缺陷率阈值d0；S3、根据设备的序号、型号及生产厂家得到设备的分类矩阵；S4：比较d1，d2,....,dM的大小；S5：计算具有历史缺陷的设备生产厂家与设备的缺陷率之间的相关系数rS6：将相关性高于所述历史缺陷判断阈值的所述缺陷所对应的所述设备ID码作为具有历史缺陷的设备ID码，计算具有历史缺陷的设备生产厂家的缺陷率df。

Description

一种建筑施工用设备历史缺陷的检测方法
技术领域
本发明属于建筑施工领域，具体涉及一种建筑施工用设备历史缺陷的检测方法。
背景技术
建筑施工是人们利用各种建筑材料、机械设备按照特定的设计蓝图在一定的空间、时间内进行的为建造各式各样的建筑产品而进行的生产话动。它包括从施工准备、破土动工到工程竣工验收的全部生产过程。这个过程中将要进行施工准备、施工组织设计与管理、土方工程、爆破工程、基础工程、钢筋工程、模板工程、脚手架工程、混凝土工程、预应力混凝土工程、砌体工程、钢结构工程、木结构工程、结构安装工程等工作。
建筑施工是一个技术复杂的生产过程，需要建筑施工工作者发挥聪明才智，创造性地应用材料、力学、结构、工艺等理论解决施工中不断出现的技术难题，确保工程质量和施工安全。这一施工过程是在有限的时间和一定的空间上进行着多工种工人操作。成百上千种材料的供应、各种机械设备的运行，因此必须要有科学的、先进的组织管理措施和采用先进的施工工艺方能圆满完成这个生产过程，这一过程又是一个具有较大经济性的过程。在施工中将要消耗大量的人力、物力和财力。因此要求在施工过程中处处考虑其经济效益，采取措施降低成本。施工过程中人们关注的焦点始终是工程质量、安全(包括环境保护)进度和成本。
发明内容
为了克服现有技术的缺陷，本发明的目的在于提供一种建筑施工用设备历史缺陷的检测方法及预警方法，其能够对建筑施工设备的历史缺陷进行分类、检测并获得历史缺陷的风险度，基于该风险度查询该家族设备，寻找到设备缺陷大量频发的真正原因，避免建筑施工设备发生危险。
具体地，本发明提供一种建筑施工用设备历史缺陷的检测方法，其包括以下步骤：
S1、利用预先设计的ID码集对建筑施工用设备历史缺陷的检测方法中的设备分别赋予ID码，在数据库中获取所述建筑施工用设备历史缺陷的检测方法中的设备的历史缺陷记录，并使该历史缺陷记录与上述ID码分别建立对应关系；
S2、根据设备的序号、型号以及历史缺陷进行分类，得到设备的分类矩阵，具体分类矩阵如下：
A＝(X1,X2,…，Xm)；
Xi＝(Bi,Si,Di)
其中，A为分类矩阵，Bi为某一设备序号，Si为某一设备型号，Di为所对应的历史缺陷数量；
S3、根据数据库中的设备的历史缺陷记录，计算设备的缺陷率阈值d0，计算公式如下所示：
Figure GDA0002207911980000021
其中，N为有缺陷的设备的数量，M为设备总数量，D为设备总缺陷量；
S4、计算某一给定生产厂家的设备缺陷率，将数值大于给定值d0的设备生产厂家定义为具有历史缺陷；
S5、计算具有历史缺陷的设备生产厂家与设备的缺陷率之间的相关系数r，当r大于临界值r0时，确定该设备生产厂家确实具有历史缺陷，具有历史缺陷的设备生产厂家与设备的缺陷率之间的相关系数r的公式具体如下：
Figure GDA0002207911980000022
S6、将所述相关系数高于临界值的具有历史缺陷的设备生成厂家所对应的所述设备ID码作为具有历史缺陷的设备ID码；
计算具有历史缺陷的设备生产厂家的缺陷率df，计算公式如下：
Figure GDA0002207911980000023
其中，其中，df为具有历史缺陷的设备生产厂家的缺陷率，Nf为该生产厂家的有缺陷的设备的数量，Mf为该生产厂家的设备总数量，Df为该生产厂家的设备总缺陷量。
优选地，建筑施工用设备历史缺陷的检测方法，其特征在于：还包括S7：对具有历史缺陷的设备生产厂家进行建模，所述模型包括具有历史缺陷的设备生产厂家名称、设备名称、设备三维模型以及具有历史缺陷的设备生产厂家的缺陷率，
表达式如下：
Y＝{具有历史缺陷的设备生产厂家名称,具有历史缺陷的设备名称,具有历史缺陷的设备生产厂家的缺陷率}＝{y1,y2,y3},其中yi∈Y。
优选地，所述ID码至少包括设备ID编号、设备名称、规格型号、设备分类、所属专业以及所属班组这些字段；
具体表达式如下：
C＝{设备ID编号、设备名称、规格型号、设备分类、所属专业、所属班组…}＝{c1，c2，…，c6，…}，其中ci∈C。
优选地，还包括S8：
根据S6建立的模型绘制具有历史缺陷的设备生产厂家缺陷图层，即
S＝Y×C＝{s11,s12,…,s16,…,s21,…,s26,…,s31,…,s36,…}，其中sij＝(yi,ci)。
优选地，所述ID码还包括维修策略、质量等级、安全等级、安装单位、投运日期、出厂年月、出厂编号、制造商以及表示地理位置标识的安装码中的一个或者多个。
优选地，所述历史缺陷判断阈值根据所述ID码所对应的设备在过去发生故障的频率来设定。
与现有技术相比，本发明具有以下有益效果：本发明能够基于数据库中存储的建筑用设备的历史缺陷记录，并赋予设备ID码，使该历史缺陷记录与上述ID码分别建立对应关系，计算建筑用设备的历史缺陷，对具有历史缺陷的生产厂商的产品进行标记以及三维建模，并且绘制具有历史缺陷的生产厂商的产品的图层，使工作人员更直观的查看哪些设备具有历史缺陷，为以后的采购及维修提供依据，减少设备的维修事故发生率。
具体实施方式
下面，按照系统的各个功能模块，来详细地进行说明。
本发明提供一种建筑用设备设备历史缺陷(“历史缺陷”亦简称“历史缺陷”)的检测方法，其包括以下步骤：
S1、利用预先设计的ID码集对建筑施工用设备历史缺陷的检测方法中的设备分别赋予ID码，在数据库中获取所述建筑施工用设备历史缺陷的检测方法中的设备的历史缺陷记录，并使该历史缺陷记录与上述ID码分别建立对应关系；
S2、根据设备的序号、型号以及历史缺陷进行分类，得到设备的分类矩阵，具体分类矩阵如下：
A＝(X1,X2,…，Xm)；
Xi＝(Bi,Si,Di)
其中，A为分类矩阵，Bi为某一设备序号，Si为某一设备型号，Di为所对应的历史缺陷数量；
S3、根据数据库中的设备的历史缺陷记录，计算设备的缺陷率阈值d0，计算公式如下所示：
Figure GDA0002207911980000041
其中，N为有缺陷的设备的数量，M为设备总数量，D为设备总缺陷量；
S4、计算某一给定生产厂家的设备缺陷率，将数值大于给定值d0的设备生产厂家定义为具有历史缺陷；
S5、计算具有历史缺陷的设备生产厂家与设备的缺陷率之间的相关系数r，当r大于临界值r0时，确定该设备生产厂家确实具有历史缺陷，具有历史缺陷的设备生产厂家与设备的缺陷率之间的相关系数r的公式具体如下：
Figure GDA0002207911980000042
S6、将所述相关系数高于临界值的具有历史缺陷的设备生成厂家所对应的所述设备ID码作为具有历史缺陷的设备ID码；
计算具有历史缺陷的设备生产厂家的缺陷率df，计算公式如下：
Figure GDA0002207911980000043
其中，其中，df为具有历史缺陷的设备生产厂家的缺陷率，Nf为该生产厂家的有缺陷的设备的数量，Mf为该生产厂家的设备总数量，Df为该生产厂家的设备总缺陷量。
优选地，建筑施工用设备历史缺陷的检测方法，其特征在于：还包括S7：对具有历史缺陷的设备生产厂家进行建模，所述模型包括具有历史缺陷的设备生产厂家名称、设备名称、设备三维模型以及具有历史缺陷的设备生产厂家的缺陷率，
表达式如下：
Y＝{具有历史缺陷的设备生产厂家名称,具有历史缺陷的设备名称,具有历史缺陷的设备生产厂家的缺陷率}＝{y1,y2,y3},其中yi∈Y。
优选地，所述ID码至少包括设备ID编号、设备名称、规格型号、设备分类、所属专业以及所属班组这些字段；
具体表达式如下：
C＝{设备ID编号、设备名称、规格型号、设备分类、所属专业、所属班组…}＝{c1，c2，…，c6，…}，其中ci∈C。
优选地，还包括S8：
根据S6建立的模型绘制具有历史缺陷的设备生产厂家缺陷图层，即
S＝Y×C＝{s11,s12,…,s16,…,s21,…,s26,…,s31,…,s36,…}，其中sij＝(yi,ci)。
优选地，所述ID码还包括维修策略、质量等级、安全等级、安装单位、投运日期、出厂年月、出厂编号、制造商以及表示地理位置标识的安装码中的一个或者多个。
优选地，所述历史缺陷判断阈值根据所述ID码所对应的设备在过去发生故障的频率来设定。
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种建筑施工用设备历史缺陷的检测方法，其特征在于：其包括以下步骤：
S1、获取建筑施工的各种设备名称，根据建筑施工用到的各种设备对各种设备进行编码，赋予每一个不同类型的设备一个唯一的ID，并获取每一个不同类型的设备的历史缺陷记录，建立设备的ID的数据库，使该历史缺陷记录与上述ID分别建立对应关系；
S2、根据设备的序号、型号以及历史缺陷记录进行分类，得到设备的分类矩阵，具体分类矩阵如下：
S＝(X1，X2，…，Xm)；
Xi＝(Bi，Si，Di，Fi)
其中，S为分类矩阵，Bi为某一设备序号，Si为某一设备型号，Di为所对应的历史缺陷数量，Fi为某一设备的ID；
S3、根据数据库中的设备的历史缺陷记录，计算现有设备的缺陷率d，计算公式如下所示：
Figure FDA0002115895750000011
其中，N为有缺陷的设备的数量，M为设备总数量，D为设备总缺陷量；
S4、根据上述公式分别计算所有生产厂家的设备缺陷率d，将设备缺陷率数值大于现有设备缺陷率值的设备生产厂家定义为具有历史缺陷；
S5、将具有历史缺陷的设备生成厂家所对应的所述设备ID作为具有历史缺陷的设备ID码；
计算具有历史缺陷的设备生产厂家的缺陷率df，计算公式如下：
Figure FDA0002115895750000012
其中，其中，df为具有历史缺陷的设备生产厂家的缺陷率，Nf为该生产厂家的有缺陷的设备的数量，Mf为该生产厂家的设备总数量，Df为该生产厂家的设备总缺陷量。
2.根据权利要求1所述的建筑施工用设备历史缺陷的检测方法，其特征在于：建筑施工用设备历史缺陷的检测方法，其特征在于：还包括S7：对具有历史缺陷的设备生产厂家进行建模，所述模型包括具有历史缺陷的设备生产厂家名称、设备名称、设备三维模型以及具有历史缺陷的设备生产厂家的缺陷率，
表达式如下：
Y＝{具有历史缺陷的设备生产厂家名称,具有历史缺陷的设备名称,具有历史缺陷的设备生产厂家的缺陷率}＝{y1,y2,y3},其中yi∈Y。
3.根据权利要求2所述的建筑施工用设备历史缺陷的检测方法，其特征在于：所述ID码至少包括设备ID、设备名称、规格型号、设备分类、所属专业以及所属班组这些字段；
具体表达式如下：
C＝{设备ID编号、设备名称、规格型号、设备分类、所属专业、所属班组…}＝{c1，c2，…，c6，…}，其中ci∈C。
4.根据权利要求2所述的建筑施工用设备历史缺陷的检测方法，其特征在于：还包括S8：
根据S6建立的模型绘制具有历史缺陷的设备生产厂家缺陷图层，即
S＝Y×C＝{s11,s12,…,s16,…,s21,…,s26,…,s31,…,s36,…}，其中sij＝(yi,ci)。
5.根据权利要求3所述的建筑施工用设备历史缺陷的检测方法，其特征在于：所述ID码还包括维修策略、质量等级、安全等级、安装单位、投运日期、出厂年月、出厂编号、制造商以及表示地理位置标识的安装码中的一个或者多个。
6.根据权利要求5所述的建筑施工用设备历史缺陷的检测方法，其特征在于：所述历史缺陷判断阈值根据所述ID码所对应的设备在过去发生故障的频率来设定。
CN201910590585.XA 2019-07-02 2019-07-02 一种建筑施工用设备历史缺陷的检测方法 Active CN110598725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910590585.XA CN110598725B (zh) 2019-07-02 2019-07-02 一种建筑施工用设备历史缺陷的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910590585.XA CN110598725B (zh) 2019-07-02 2019-07-02 一种建筑施工用设备历史缺陷的检测方法

Publications (2)

Publication Number Publication Date
CN110598725A CN110598725A (zh) 2019-12-20
CN110598725B true CN110598725B (zh) 2022-11-04

Family

ID=68852705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910590585.XA Active CN110598725B (zh) 2019-07-02 2019-07-02 一种建筑施工用设备历史缺陷的检测方法

Country Status (1)

Country Link
CN (1) CN110598725B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114780621B (zh) * 2022-06-23 2022-10-04 中铁电气化勘测设计研究院有限公司 一种轨道交通接触网缺陷检索方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133316A (zh) * 2017-12-19 2018-06-08 国网冀北电力有限公司张家口供电公司 一种供电厂电力设备家族性缺陷的检测方法
CN108592895A (zh) * 2018-05-08 2018-09-28 安捷睿（厦门）机器人有限公司 基于三维激光扫描的建筑施工检测系统、方法及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133316A (zh) * 2017-12-19 2018-06-08 国网冀北电力有限公司张家口供电公司 一种供电厂电力设备家族性缺陷的检测方法
CN108592895A (zh) * 2018-05-08 2018-09-28 安捷睿（厦门）机器人有限公司 基于三维激光扫描的建筑施工检测系统、方法及设备

Also Published As

Publication number Publication date
CN110598725A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
Navon et al. Model for automated monitoring of fall hazards in building construction
CN107273688A (zh) 基于原始故障数据的设备寿命与健康度监控方法及系统
CN112906248B (zh) 一种基于bim技术的大型钢结构建筑施工安全管理方法
Ma et al. A Big Data and FMEA-based construction quality risk evaluation model considering project schedule for Shanghai apartment projects
CN104780223A (zh) 一种基于云计算技术的施工全过程监控系统及监控方法
CN108509486A (zh) 一种智能工厂多源安全大数据结构化管理方法
CN110598725B (zh) 一种建筑施工用设备历史缺陷的检测方法
Lin et al. Investigation of Factors Influencing the Construction Safety of High‐Speed Railway Stations Based on DEMATEL and ISM
Mao et al. Real-time carbon emissions monitoring tool for prefabricated construction: An iot-based system framework
CN112257149A (zh) 一种基于bim技术的建筑施工预拼装方法
CN116823191A (zh) 一种基于empc模式的智能建造工程管理平台
Shao et al. Cause analysis of construction collapse accidents using association rule mining
CN116681548A (zh) 基于bim+gis智慧工地管理云平台
CN117094559A (zh) 一种基于建筑工程项目的风险管理系统
Galic et al. BIM in planning deconstruction projects
Othman et al. Development of BIM-based safety management model focusing on safety rule violations
CN115439182A (zh) 一种爬架管理系统及其管理方法
CN114021929A (zh) 一种基于生命周期数学模型的新能源基建工程管理系统
TW201830299A (zh) 以施工流程爲基礎之建築施工流程管理系統及其方法
Rongrong et al. Application of intelligent safety supervision based on artificial intelligence technology
TWI549089B (zh) 營建協同作業方法
Doghri et al. Optimal Sensor Placement Strategy for Structural Health Monitoring with Application of the Aqueduct El Hnaya of Carthage
Khanh et al. Practitioners' Perception on Relationship between Production Planning and Waste Occurrence in Construction Projects
Xue et al. Safety Monitoring System of South-to-North Water Diversion Construction Project Based on Big-data
Shou et al. Case studies of BIM-based dynamic scaffolding design and safety prevention

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