CN111126815B - 一种信息筛选方法、装置、设备及存储介质 - Google Patents
一种信息筛选方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111126815B CN111126815B CN201911300005.5A CN201911300005A CN111126815B CN 111126815 B CN111126815 B CN 111126815B CN 201911300005 A CN201911300005 A CN 201911300005A CN 111126815 B CN111126815 B CN 111126815B
- Authority
- CN
- China
- Prior art keywords
- vector
- determining
- parameter
- expert
- fault
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000012423 maintenance Methods 0.000 claims abstract description 270
- 230000006870 function Effects 0.000 claims description 75
- 230000008439 repair process Effects 0.000 claims description 58
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 32
- 230000006399 behavior Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/732—Query formulation
- G06F16/7328—Query by example, e.g. a complete video frame or video sequence
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种信息筛选方法、装置、设备及存储介质。该方法包括:获取故障设备的故障信息和维修专家信息,维修专家信息包括至少一个维修专家标识;根据故障信息和维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数;根据第一参数和第二参数确定筛选向量;根据筛选向量确定故障设备对应的目标维修专家的维修专家标识。通过智能筛选出能够解决故障设备问题的维修专家,快速联系维修专家对故障设备进行维修,提高了维修故障设备的效率。
Description
技术领域
本发明属于信息处理领域,尤其涉及一种信息筛选方法、装置、设备 及存储介质。
背景技术
对于某个故障设备的故障点,有时是很难确诊故障设备的具体问题和 找到解决问题的有效解决手段的,此时就需要对这个设备有丰富经验的维 修专家的支持,但是通常很难快速联系到该设备的维修专家。
目前的设备检修流程中,难以自动智能筛选出维修专家,导致故障设 备的维修难度大、维修效率低。
发明内容
本发明实施例提供一种信息筛选方法、装置、设备及计算机存储介质, 通过智能筛选出能够解决故障设备问题的维修专家,以便于快速联系维修 专家对故障设备进行维修,提高了维修故障设备的效率。
第一方面,提供了一种信息筛选方法,方法包括:获取故障设备的故 障信息和维修专家信息,维修专家信息包括至少一个维修专家标识;根据 故障信息和维修专家信息中至少一个维修专家标识的数量确定第一参数和 第二参数;根据第一参数和第二参数确定筛选向量;根据筛选向量确定故 障设备对应的目标维修专家的维修专家标识。
在一种可能的实现中,根据故障信息和维修专家信息中至少一个维修 专家标识的数量确定第一参数和第二参数,包括:根据故障信息和至少一 个维修专家标识的数量确定第一初始参数和第二初始参数;根据第一初始 参数和第二初始参数确定筛选函数;根据筛选函数和调整第一初始参数和 第二初始参数的调整次数,确定第一参数;根据筛选函数、调整次数和预 设次数确定第二参数。
在一种可能的实现中,根据故障信息和维修专家信息中至少一个维修 专家标识的数量确定第一初始参数和第二初始参数,包括:根据故障信息 和至少一个维修专家标识的数量,确定初次概率向量;根据初次概率向量 确定初次失误函数;根据初次失误函数确定第一初始参数和第二初始参数。
在一种可能的实现中,累计调整次数;若调整次数大于预设次数,则 根据第一参数和第二参数,确定筛选向量。
在一种可能的实现中,根据筛选向量确定故障设备对应的目标维修专 家的维修专家标识,包括:获取筛选向量中的向量值最大的向量元素值, 将最大的向量元素值对应的维修专家标识确定为目标维修专家的维修专家 标识。
第二方面,提供了一种设备运维方法,包括:确定故障设备对应的目 标维修专家的维修专家标识;接收第一终端发送的第一视频,第一视频用 于向目标维修专家展示故障设备的故障情况;其中,第一视频包括成功标 识或失败标识;记录故障时长,若故障时长超出第一阈值,则获取第二终 端发送的第二视频,第二视频用于指示维修故障设备;将第二视频发送给第一终端;其中,确定故障设备对应的目标维修专家的维修专家标识,包 括:获取故障设备的故障信息和维修专家信息,维修专家信息包括至少一 个维修专家标识;根据故障信息和维修专家信息中至少一个维修专家标识 的数量确定第一参数和第二参数;根据第一参数和第二参数确定筛选向量; 根据筛选向量确定故障设备对应的目标维修专家的维修专家标识。
在一种可能的实现中,第一终端和/或第二终端为虚拟现实VR终端设 备。
在一种可能的实现中,获取第二视频之前,方法还包括:若接收到的 带有失败标识的第一视频的数量超过预设数量和/或带有失败标识的第一视 频的总时长超过预设时长,则向第一终端发送参考视频。
在一种可能的实现中,接收第一终端发送的第三视频;将第三视频与 目标维修专家的维修专家标识相关联的储存。
第三方面,提供了一种信息筛选装置,装置包括:获取模块,用于获 取故障设备的故障信息和维修专家信息,维修专家信息包括至少一个维修 专家标识;计算模块,用于根据故障信息和维修专家信息中至少一个维修 专家标识的数量确定第一参数和第二参数;处理模块,用于根据第一参数 和第二参数确定筛选向量;筛选模块,用于根据筛选向量确定故障设备对应的目标维修专家的维修专家标识。
第四方面,提供了一种设备运维装置,装置包括:筛选模块,用于确 定故障设备对应的目标维修专家的维修专家标识;接收模块,用于接收第 一终端发送的第一视频,第一视频用于向目标维修专家展示故障设备的故 障情况;其中,第一视频包括成功标识或失败标识;计时模块,用于记录 故障时长,若故障时长超出第一阈值,则获取第二终端发送的第二视频,第二视频用于指示维修故障设备;发送模块,用于将第二视频发送给第一 终端;其中,筛选模块还用于获取故障设备的故障信息和维修专家信息, 维修专家信息包括至少一个维修专家标识;根据故障信息和维修专家信息 中至少一个维修专家标识的数量确定第一参数和第二参数;根据第一参数 和第二参数确定筛选向量;根据筛选向量确定故障设备对应的目标维修专 家的维修专家标识。
将设备的初始故障资料和全过程检修行为准确的提供给维修专家,达 到全过程检修行为的可控化和可视化,维修专家会诊的难度降低,检修速 度加快。
在一种可能的实现中,第一终端和/或第二终端为虚拟现实VR终端设 备。
在一种可能的实现中,在获取第二视频之前,方法还包括:若接收到 的带有失败标识的第一视频的数量超过预设数量和/或带有失败标识的第一 视频的总时长超过预设时长,则向第一终端发送参考视频。
在一种可能的实现中,接收第一终端发送的第三视频;将第三视频与 目标维修专家的维修专家标识相关联的储存。
第五方面,提供了一种设备,设备包括:处理器以及存储有计算机程 序指令的存储器;处理器执行计算机程序指令时实现如本发明实施例提供 的方法。
第六方面,提供了一种计算机存储介质,计算机存储介质上存储有计 算机程序指令,计算机程序指令被处理器执行时实现如本发明实施例提供 的方法。
基于本发明实施例提供的信息筛选方法、装置、设备及计算机存储介 质,能够自动的筛选出能够解决故障设备问题的维修专家,以便于快速联 系维修专家对故障设备进行维修,提高了维修故障设备的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例 中所需要使用的附图作简单的介绍,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是本发明实施例提供的一种信息筛选方法的流程示意图;
图2是本发明实施例提供的一种设备运维方法的流程示意图;
图3是本发明实施例提供的一种信息筛选装置的结构示意图;
图4是本发明实施例提供的一种设备运维装置的结构示意图;
图5是本发明实施例提供的示例性硬件架构的示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本 发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例, 对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配 置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说, 本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,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……” 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。
通信机房设备的检修是运维部门检修作业的重点难点。对于某个设备 的故障点,有时是很难确诊故障设备的具体问题和找到解决问题的有效解 决手段的。此时就需要对这个设备有丰富经验的维修专家的支持,但是通 常很难快速联系到能解决该设备故障的维修专家。
或者在联系到维修专家,但是没有对这个设备在发生该故障时的初始 故障资料进行记录、以及没有对检修人员对这个设备的全过程检修行为进 行记录的情况下。即使请到维修专家,也无法将设备的初始故障资料和全 过程检修行为准确的提供给维修专家,由此,无法达到全过程检修行为的 可控化和可视化,导致维修专家会诊的难度加大,故障解决速度变慢。
为了提高解决故障设备问题的效率,本发明实施例提供了一种信息筛 选方法,下面首先对本发明实施例所提供的一种信息筛选方法进行描述。
图1所示为本发明一个实施例提供的一种信息筛选方法的流程示意图。 如图1所示,该方法的执行主体是服务器,该方法可以包括S101-S104,具体如下所示:
S101,获取故障设备的故障信息和维修专家信息,维修专家信息包括 至少一个维修专家标识。
其中,故障信息可以为故障设备对应的N个指标的数值化后的值。
故障设备对应的N个指标可以包括:故障设备的故障部位、故障设备 所处的地理位置、故障发生时长、故障的严重程度、故障设备所处地方的 温度和设备所处地方的湿度中的至少一项。
并且将N个指标中一些不方便用数值表达的指标值用数值来表达,例 如对于地理位置为北京、上海、天津等的情况,不能用数值直接表达,则 分别用1、2、3这些数值来代替。
在本发明实施例中,获取故障设备的对应的维修专家信息和故障设备 的历史故障信息。
其中,维修专家信息包括至少一个维修专家标识。统计所有的维修专 家信息,并形成专家向量Y,专家向量Y中存在的元素的个数为维修专家 的总个数,每个元素的值代表一个维修专家的维修专家标识。
历史故障信息中存在P条数据,每条数据对应一种故障设备的故障记 录,故障记录中记录了故障设备对应的N个指标的值,则P条数据的N个 指标的值组成一个故障矩阵X,矩阵X含有P行N列,以及每种设备故障 对应的最优选的维修专家的维修专家标识。
基于最优选的维修专家的维修专家标识形成优选向量Y1,向量Y1含 有P个值。也就是基于历史故障信息和优选向量Y1还形成了一个优选数 据库,优选数据库中包括故障设备的多条历史故障信息记录和与多条历史 故障信息记录对应的最优选维修专家标识。
至此,获取了故障设备的故障信息、历史故障信息故障矩阵X和专家 向量Y。
S102,根据故障信息和维修专家信息中至少一个维修专家标识的数量 确定第一参数和第二参数。
在一个实施例中,根据故障信息和维修专家信息中至少一个维修专家 标识的数量确定第一参数和第二参数,具体为:根据故障信息和至少一个 维修专家标识的数量确定第一初始参数和第二初始参数;根据第一初始参 数和第二初始参数确定筛选函数;根据筛选函数和调整第一初始参数和第 二初始参数的调整次数,确定第一参数;根据筛选函数、调整次数和预设次数确定第二参数。
在一个实施例中,根据故障信息和至少一个维修专家标识的数量确定 第一初始参数和第二初始参数,包括:根据故障信息和至少一个维修专家 标识的数量,确定初次概率向量;根据初次概率向量确定初次失误函数; 根据初次失误函数确定第一初始参数和第二初始参数。
在一个实施例中,根据故障信息和至少一个维修专家标识的数量,确 定初次概率向量。初次概率向量f(Xi)可以由下式确定:
W1=rand(N,D1) (1)
W2≤rand(N)
其中,W1=rand(N,D1)为生成一个N行D1列随机矩阵W1,且所述矩阵 W1所有元素的值均为0至1之间的值,W2=rand(N)为生成一个N个元素 的值为0到1的随机向量W2。
D1为专家向量Y的元素的个数,f(Xi)为用Xi求解得到的初次概率向 量,Xi为矩阵X的第i行的值,W2e为对向量W2中的每个元素都作e次方 求解,e为自然常数,(W2e)T为对W2e求转置,i=1、2、3……P。
在一个实施例中,根据初次概率向量确定初次失误函数。初次失误函 数SS可以根据下式确定:
其中,SS为初次失误函数,j≠Yi为j取除开第Yi个值剩下的所有值, Yi为向量Y1的第i个值对应的专家标识编号在向量Y中的位置,f(Xi)j为 向量f(Xi)的第j个值,其中,j不等于Yi。为向量f(Xi)的第Yi个值, W2t为向量W2的第t个元素的值,W1t,s为矩阵W1的第t行S列的值,i=1、 2、3……P,t=1、2、3……N,S=1、2、3……D1。
另外,对f(Xi)j和进行具体说明,例如在i=8时,历史故障信息 对应的优选数据库中第8条记录对应的维修专家的标识编号为GHQ00001, 且在专家向量Y中维修专家标识编号为GHQ00001的值是专家向量Y的第 3个值,则f(Xi)j为向量f(Xi)除开第3个值剩下的其他所有值,/>为 向量f(Xi)的第三个值。
在一个实施例中,根据初次失误函数确定第一初始参数和第二初始参 数。第一初始参数W1和第二初始参数W2可以根据下式确定:
其中,Q1为调整的次数,第一次调整时为1,Q2为预设的总的调整次 数,为SS对W1作偏导,/>为SS对W2作偏导。
在一个实施例中,根据第一初始参数和第二初始参数确定筛选函数。 筛选函数S2可以根据下式确定:
在一个实施例中,根据筛选函数和调整第一初始参数和第二初始参数 的调整次数,确定第一参数,以及根据筛选函数、调整次数和预设次数确 定第二参数。
判断调整次数Q1是否大于预设次数Q2,若不是,则利用公式(5)进 行再次调整:
其中,为S2对W1作偏导,/>为S2对W2作偏导,并重复根据公 式(5)确定筛选函数S2,以及根据确定的筛选函数S2和调整次数Q1, 确定第一参数的过程。并且重复根据公式(5)确定筛选函数S2,以及根 据确定的筛选函数S2、调整次数Q1和预设次数Q2确定第二参数的过程。
S103,根据第一参数和第二参数确定筛选向量。
在一个实施例中,累计调整次数;若调整次数大于预设次数,则根据 第一参数和第二参数,确定筛选向量。
在一个实施例中,累计调整次数并判断调整次数Q1是否大于预设次数 Q2,若大于,则根据第一参数W1和第二参数W2,确定筛选向量rt。筛 选向量rt可以由下式确定:
其中,向量A为根据待维修设备的故障设备对应的N个指标的值,形 成的向量。
S104,根据筛选向量确定故障设备对应的目标维修专家的维修专家标 识。
在一个实施例中,根据筛选向量确定故障设备对应的目标维修专家的 维修专家标识,包括:获取筛选向量中的向量值最大的向量元素值,将最 大的向量元素值对应的维修专家标识确定为目标维修专家的维修专家标识。
其中,rt表示得到的筛选向量,向量rt为rt=(rt1,rt2,rt3…rtv…rtD1),若其 中的最大值为rtv,则专家向量Y对应的第V个元素的维修专家的维修专家 标识对应的维修专家则为最终筛选出来的专家。并将向量A和最终筛选的 专家添加至历史故障信息对应的优选数据库中。
本发明实施例提供的信息筛选方法,通过一系列的调整计算,智能自 动的筛选出故障设备对应的最优选维修专家。在筛选过程中通过不断的调 整第一参数和第二参数可以使得筛选的准确度越来越高,并且随着调整次 数的增加,调整的步长越来越小,从而使得最终的结论更加准确。另外, 在得到筛选结果后,还可以将每次的筛选结果也添加至优选数据库,从而不断的扩充所述优选数据库,使得智能学习的时候学习的基础样本越来越多,得到的筛选结果也就越来越准确。
因此,本发明实施例提供的筛选方法,能够快速准确的为故障设备匹 配出能解决故障设备问题的维修专家,提高了解决故障设备问题的效率。
在联系到维修专家后,由于在之前维修人员维修的过程中没有对这个 该故障设备在发生故障时的初始故障资料进行记录、以及没有对维修人员 的全过程检修行为进行记录,无法达到全过程检修行为的可控化和可视化, 导致维修专家会诊的难度加大,故障解决速度变慢。
基于上述筛选方法确定出的目标维修专家,本发明实施例还提供了一 种设备运维方法。该设备运维方法至少可以应用于下述场景:每个地区区 域的维修人员和维修专家分别佩戴各自的VR设备;每个VR设备有自己的编码,服务器的数据库中存储有每个VR设备的设备编码、VR设备使用 者所擅长维修的设备标识、使用者姓名、使用者工作级别等。
其中,每个机房配置一个服务器,服务器为机房中每个设备记录其工 作日志,并在发现一个设备发生故障时,服务器将故障设备在故障发生时 的一段时间内的工作日志上传至服务器数据层的数据库中。
服务器从数据层的数据库中调取故障设备对应的擅长维修人员的VR 设备X的设备编码,服务器与VR设备X取得联系,通知VR设备X的使 用者(以下简称维修员)对这个设备进行维修,并在VR设备X上实时显 示故障设备的地理位置,并在VR设备X上实时更新显示故障发生时长。 服务器还从数据层的数据库中调取故障设备对应的擅长维修的维修专家的VR设备Y的设备编码,并控制VR设备X和VR设备Y取得通讯连接。 可以理解的是,第一终端可以为维修人员对应的设备X,第二终端可以为 维修专家对应的设备Y。
图2所示为本发明一个实施例提供的一种设备运维方法的流程示意图。 如图2所示,该方法的执行主体是服务器,服务器可以包括控制层、数据 层、基础层、硬件层。
其中,硬件层中包括供维修人员使用的VR设备;供维修专家使用的 VR设备。数据层中包括数据库,数据库中存储有每个设备对应的历史故 障发生时对应的一个时间段内的故障工作日志、每个历史故障的故障摘要、 每个历史故障发生时维修人员的成功维修过程视频。
基础层接受控制层的控制,将VR设备需求的VR数据(3D Max、 Unity3D)发送到控制层;基础层是对VR数据进行生成处理,例如在视频 中嵌入文字信息、图片、动画等,使得VR设备可以展示丰富的、直观的、 可视的信息。控制层完成多个VR设备的交互布控;与基础层交互,将VR 设备需求的VR数据发布到VR设备。
在通过图1所描述的方法联系到维修专家后,如何使维修员和维修专 家之间对于故障设备的全过程检修行为进行精准的沟通,实现检修过程的 可控化和可视化,成为一个有待解决的问题。基于此,图2示出了一种设备运维方法,可以通过维修员对应的第一终端和维修专家对应的第二终端 之间进行VR视频沟通,来提高维修故障设备的效率。
下面对本发明实施例所提供的一种设备运维方法进行描述。该方法可 以包括S201-S205,具体如下所示:
S201,接收第一终端发送的第一视频。
在一个实施例中,接收第一终端发送的第一视频,第一视频用于向目 标维修专家展示故障设备的故障情况。
在一个实施例中,维修员对设备进行维修时,利用摄像头记录整个维 修过程的视频,维修员对每个维修过程视频对应的维修结果是否成功进行 标记,并将每个维修过程视频及其标记上传给服务器,并上传至数据层的 数据库中。
S202,向第一终端发送参考视频。
在一个实施例中,若接收到的带有失败标识的第一视频的数量超过预 设数量和/或带有失败标识的第一视频的总时长超过预设时长,则向第一终 端发送参考视频。
在一个实施例中,当服务器记录故障设备发生当次故障时所接收到的 标记为失败的维修过程视频的视频数目超过一个数目(如2次),或者标 记为失败的维修过程视频的视频总时长超过一段短时长(如30分)时,故 障设备依然没有正常工作。
接下来服务器就会从数据层的数据库中调取该类故障设备的每个历史 故障的故障摘要、每个历史故障发生时维修人员的成功维修过程视频,将 调取出的每个故障摘要全部显示在VR设备X上,当维修员要求VR设备 X播放其中一个故障摘要对应的成功维修过程视频时,VR设备X播放这 个视频。
S203,接收第二终端发送的第二视频。
在一个实施例中,记录故障时长,若故障时长超出第一阈值,则获取 第二终端发送的第二视频,第二视频用于指示维修故障设备。
在一个实施例中,在服务器记录故障设备的故障发生时长超过一段长 时长(如2小时)的情况下,服务器请求控制层进行会诊布控,控制层接 收到服务器的布控请求后,从数据层的数据库中调取故障设备对应的擅长 维修这种故障的维修专家的VR设备Y的设备编码,控制层控制VR设备 X和VR设备Y取得通讯连接。控制层从数据层的数据库中调取故障设备 的故障工作日志和维修过程视频,并显示在VR设备Y上。
在一个实施例中,维修专家与维修员进行远程会诊。维修专家可以现 场录制维修指导视频,即第二视频。将第二视频通过VR设备Y发送给服 务器的基础层。
其中,在接收第二终端发送的第二视频之前,需要确定故障设备对应 的目标维修专家的维修专家标识,即目标维修专家对应的第二终端。确定 故障设备对应的目标维修专家的维修专家标识,包括:获取故障设备的故 障信息和维修专家信息,维修专家信息包括至少一个维修专家标识;根据 故障信息和维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数;根据第一参数和第二参数确定筛选向量;根据筛选向量确定故障设备对应的目标维修专家的维修专家标识。具体的确定故障设备对应的 目标维修专家的维修专家标识可以参见上文中的S101-S104所示的方法和 步骤。
S204,向第一终端发送第二视频。
在一个实施例中,将第二视频发送给第一终端,以用于指示第一终端 维修故障设备。
在一个实施例中,服务器的基础层将维修指导视频处理为3D数据发 送给VR设备X显示。
S205,向第一终端发送第三视频。
在一个实施例中,接收第一终端发送的第三视频,将第三视频与目标 维修专家的维修专家标识相关联的储存。
在一个实施例中,维修专家与维修员进行远程会诊时,维修员同样会 录制会诊维修过程视频,即第三视频。维修员将会诊维修过程视频发送给 服务器,服务器将这段会诊维修过程视频和维修专家的身份标识对应记录, 形成一条会诊记录上传至数据层的数据库中。
服务器的数据层会统计每个维修专家对应的会诊记录,会根据这些会 诊记录分析哪些维修专家的会诊效果好,并对维修专家的会诊工作进行评 定,生成维修专家的专家级别。
另外,数据层还会统计每个维修人员对应的独立进行维修时的维修过 程视频及维修是否成功的标记,形成维修人员的独立维修记录,根据这些 独立维修记录分析哪些维修人员的独立维修效果好,并对维修人员的独立 维修工作进行评定,当达到维修专家的水平时,将维修人员自动的升级为 维修专家,并在数据库中加以更新,实现对历史故障信息对应的优选数据库的更新,进而提高筛选效率。
本发明实施例提供的设备运维方法,通过第一终端和第二终端之间进 行VR视频沟通,实现全过程检修行为的可控化和可视化,并且将设备的 初始故障资料和全过程检修行为准确的提供给维修专家,达到全过程检修 行为的可控化和可视化,使维修专家会诊的难度降低,检修速度加快。
图3是本发明实施例提供的一种信息筛选装置300的结构示意图,如 图3所示,该装置可以包括:
获取模块310,用于获取故障设备的故障信息和维修专家集合。
计算模块320,用于根据故障信息和维修专家集合的元素总数确定第一参数和第二参数。
计算模块320具体用于根据故障信息和至少一个维修专家标识的数量, 确定初次概率向量;根据初次概率向量确定初次失误函数;根据初次失误 函数确定第一初始参数和第二初始参数。
计算模块320具体用于根据故障信息和至少一个维修专家标识的数量 确定第一初始参数和第二初始参数;根据第一初始参数和第二初始参数确 定筛选函数;根据筛选函数和调整第一初始参数和第二初始参数的调整次 数,确定第一参数;根据筛选函数、调整次数和预设次数确定第二参数。
处理模块330,用于根据第一参数和第二参数确定筛选向量。
处理模块330用于累计调整次数;若调整次数大于预设次数,则根据 第一参数和第二参数,确定筛选向量。
筛选模块340,用于根据所述筛选向量确定所述故障设备对应的目标 维修专家的维修专家标识。
筛选模块340具体用于获取筛选向量中的向量值最大的向量元素值, 将最大的向量元素值对应的维修专家标识确定为目标维修专家的维修专家 标识。
该实施例提供的定位装置的各个模块可以实现图1所示实例中的方法, 实现图1所示实例方法的技术效果,为简洁描述,在此不再赘述。
图4是本发明实施例提供的一种设备运维装置400的结构示意图;如 图4所示,该装置可以包括:
筛选模块410,用于确定故障设备对应的目标维修专家的维修专家标 识。
筛选模块具体用于获取故障设备的故障信息和维修专家信息,维修专 家信息包括至少一个维修专家标识;根据故障信息和维修专家信息中至少 一个维修专家标识的数量确定第一参数和第二参数;根据第一参数和第二 参数确定筛选向量;根据筛选向量确定故障设备对应的目标维修专家的维 修专家标识。
接收模块420,用于接收第一终端发送的第一视频,第一视频用于向 目标维修专家展示故障设备的故障情况;其中,第一视频包括成功标识或 失败标识。
计时模块430,用于记录故障时长,若故障时长超出第一阈值,则获 取第二终端发送的第二视频,第二视频用于指示维修故障设备。
发送模块440,用于将第二视频发送给第一终端。
其中,第一终端和/或第二终端为虚拟现实VR终端设备。
计时模块430还用于,在获取第二视频之前,若接收到的带有失败标 识的第一视频的数量超过预设数量和/或带有失败标识的第一视频的总时长 超过预设时长,则向第一终端发送参考视频。
接收模块420还用于接收第一终端发送的第三视频;将第三视频与目 标维修专家的维修专家标识相关联的储存。
该实施例提供的定位装置的各个模块可以实现图2所示实例中的方法, 实现图2所示实例方法的技术效果,为简洁描述,在此不再赘述。
图5示出了本发明实施例提供的方法的硬件结构示意图。
处理设备可以包括处理器501以及存储有计算机程序指令的存储器502。
上述处理器501可以包括中央处理器(Central Processing Unit,PU), 或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者 可以被配置成实施本发明实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非 限制,存储器502可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱 动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus, USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储 器502可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储 器502可在综合网关容灾设备的内部或外部。在特定实施例中,存储器502 是非易失性固态存储器。在特定实施例中,存储器502包括只读存储器 (ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上 这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令,以 实现上述图1所示实例中的信息筛选方法和图2所示实施例中的运维方法。
在一个示例中,处理设备还可包括通信接口503和总线510。其中, 如图5所示,处理器501、存储器502、通信接口503通过总线510连接并 完成相互间的通信。
通信接口503,主要用于实现本发明实施例中各模块、装置、单元和/ 或设备之间的通信。
总线510包括硬件、软件或两者,将设备的部件彼此耦接在一起。举 例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增 强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、 工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存 储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI- Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准 协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线510可包括一个或多个总线。尽管本发明实施 例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该处理设备可以执行本发明实施例中的方法,从而实现结合图1和图 2所示实例描述的方法。
另外,结合上述实施例中的方法,本发明实施例可提供一种计算机存 储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程 序指令被处理器执行时实现上述实施例中的任意一项方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配 置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实 施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过 程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发 明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为软件方式,本发明的 元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储 在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信 链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。 机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可 擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频 (RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤 或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例 中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清 楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具 体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应 理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修 改或替换都应涵盖在本发明的保护范围之内。
Claims (13)
1.一种信息筛选方法,其特征在于,所述方法包括:
获取故障设备的故障信息和维修专家信息,所述维修专家信息包括至少一个维修专家标识;
根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数;
根据所述第一参数和第二参数确定筛选向量;
根据所述筛选向量确定所述故障设备对应的目标维修专家的维修专家标识;
所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量确定第一初始参数和第二初始参数;根据所述第一初始参数和第二初始参数确定筛选函数;根据所述筛选函数和调整所述第一初始参数和所述第二初始参数的调整次数,确定所述第一参数;根据所述筛选函数、所述调整次数和预设次数确定所述第二参数;
所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一初始参数和第二初始参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量,确定初次概率向量;根据所述初次概率向量确定初次失误函数;根据所述初次失误函数确定所述第一初始参数和所述第二初始参数;
在一个实施例中,根据故障信息和至少一个维修专家标识的数量,确定初次概率向量,初次概率向量可以由下式确定:
W1=rand(N,D1)
W2=rand(N)
其中,为生成一个N行D1列随机矩阵,且所述矩阵所有元素的值均为0至1之间的值,为生成一个N个元素的值为0到1的随机向量;
D1为专家向量Y的元素的个数,为用求解得到的初次概率向量,为矩阵X的第i行的值,为对向量中的每个元素都作e次方求解,e为自然常数,为对求转置,i=1、2、3……P;
所述根据初次概率向量确定初次失误函数根据下式确定:
其中,SS为初次失误函数,j≠Yi为j取除开第个值剩下的所有值,Yi为向量Y1的第i个值对应的专家标识编号在向量Y中的位置,f(Xi)j为向量f(Xi)的第j个值,其中,j不等于Yi1为向量f(Xi)的第Yi个值,W2t为向量W2的第t个元素的值,W1t,s为矩阵W1的第t行S列的值,i=1、2、3……P,t=1、2、3……N,S=1、2、3……D1;
所述第一初始参数和第所述二初始参数可以根据下式确定:
其中,W1为所述第一初始参数,W2为所述第二初始参数,Q1为所述调整次数,第一次调整时为1,Q2为预设次数,为SS对W1作偏导,/>为SS对W2作偏导;
所述筛选函数根据下式确定:
其中,S2为所述筛选函数;
在所述调整次数不大于所述预设次数的情况下,则利用下述公式进行再次调整:
Q1=Q1+1
其中,为S2对W1作偏导,/>为S2对W2作偏导,等式左边的W1为所述第一参数,等式左边的W2为第二参数,并重复根据上述确定筛选函数S2,以及根据确定的筛选函数和调整次数,确定第一参数和第二参数;
在所述调整次数大于所述预设次数的情况下,所述筛选向量可以由下式确定:
其中,向量A为根据待维修设备的故障设备对应的N个指标的值,形成的向量;
所述根据筛选向量确定故障设备对应的目标维修专家的维修专家标识,包括:获取所述筛选向量中的向量值最大的向量元素值,将所述最大的向量元素值对应的维修专家标识确定为所述目标维修专家的维修专家标识。
2.根据权利要求1所述的方法,其特征在于,所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数,包括:
根据所述故障信息和所述至少一个维修专家标识的数量确定第一初始参数和第二初始参数;
根据所述第一初始参数和第二初始参数确定筛选函数;
根据所述筛选函数和调整所述第一初始参数和所述第二初始参数的调整次数,确定所述第一参数;
根据所述筛选函数、所述调整次数和预设次数确定所述第二参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一初始参数和第二初始参数,包括:
根据所述故障信息和所述至少一个维修专家标识的数量,确定初次概率向量;
根据所述初次概率向量确定初次失误函数;
根据所述初次失误函数确定所述第一初始参数和所述第二初始参数。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一参数和第二参数确定筛选向量,包括:
累计所述调整次数;
若所述调整次数大于所述预设次数,则根据所述第一参数和所述第二参数,确定所述筛选向量。
5.根据权利要求1所述的方法,其特征在于,所述根据所述筛选向量确定所述故障设备对应的目标维修专家的维修专家标识,包括:
获取所述筛选向量中的向量值最大的向量元素值,将所述最大的向量元素值对应的维修专家标识确定为所述目标维修专家的维修专家标识。
6.一种设备运维方法,其特征在于,所述方法包括:
确定故障设备对应的目标维修专家的维修专家标识;
接收第一终端发送的第一视频,所述第一视频用于向所述目标维修专家展示所述故障设备的故障情况;
其中,所述第一视频包括成功标识或失败标识;
记录故障时长,若所述故障时长超出第一阈值,则获取第二终端发送的第二视频,所述第二视频用于指示维修所述故障设备;
将所述第二视频发送给所述第一终端;
其中,所述确定故障设备对应的目标维修专家的维修专家标识,包括:
获取故障设备的故障信息和维修专家信息,所述维修专家信息包括至少一个维修专家标识;
根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数;
根据所述第一参数和第二参数确定筛选向量;
根据所述筛选向量确定所述故障设备对应的目标维修专家的维修专家标识;
所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量确定第一初始参数和第二初始参数;根据所述第一初始参数和第二初始参数确定筛选函数;根据所述筛选函数和调整所述第一初始参数和所述第二初始参数的调整次数,确定所述第一参数;根据所述筛选函数、所述调整次数和预设次数确定所述第二参数;
所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一初始参数和第二初始参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量,确定初次概率向量;根据所述初次概率向量确定初次失误函数;根据所述初次失误函数确定所述第一初始参数和所述第二初始参数;
在一个实施例中,根据故障信息和至少一个维修专家标识的数量,确定初次概率向量,初次概率向量可以由下式确定:
W1=rand(N,D1)
W2=rand(N)
其中,为生成一个N行D1列随机矩阵,且所述矩阵所有元素的值均为0至1之间的值,为生成一个N个元素的值为0到1的随机向量;
D1为专家向量Y的元素的个数,为用求解得到的初次概率向量,为矩阵X的第i行的值,为对向量中的每个元素都作e次方求解,e为自然常数,为对求转置,i=1、2、3……P;
所述根据初次概率向量确定初次失误函数根据下式确定:
其中,SS为初次失误函数,j≠Yi为j取除开第个值剩下的所有值,Yi为向量Y1的第i个值对应的专家标识编号在向量Y中的位置,f(Xi)j为向量f(Xi)的第j个值,其中,j不等于Yi,为向量f(Xi)的第Yi个值,W2t为向量W2的第t个元素的值,W1t,s为矩阵W1的第t行S列的值,i=1、2、3……P,t=1、2、3……N,S=1、2、3……D1;
所述第一初始参数和第所述二初始参数可以根据下式确定:
其中,W1为所述第一初始参数,W2为所述第二初始参数,Q1为所述调整次数,第一次调整时为1,Q2为预设次数,为SS对W1作偏导,/>为SS对W2作偏导;
所述筛选函数根据下式确定:
其中,S2为所述筛选函数;
在所述调整次数不大于所述预设次数的情况下,则利用下述公式进行再次调整:
Q1=Q1+1
其中,为S2对W1作偏导,/>为S2对W2作偏导,等式左边的W1为所述第一参数,等式左边的W2为第二参数,并重复根据上述确定筛选函数S2,以及根据确定的筛选函数和调整次数,确定第一参数和第二参数;
在所述调整次数大于所述预设次数的情况下,所述筛选向量可以由下式确定:
其中,向量A为根据待维修设备的故障设备对应的N个指标的值,形成的向量;
所述根据筛选向量确定故障设备对应的目标维修专家的维修专家标识,包括:获取所述筛选向量中的向量值最大的向量元素值,将所述最大的向量元素值对应的维修专家标识确定为所述目标维修专家的维修专家标识。
7.根据权利要求6所述的方法,其特征在于,所述第一终端和/或第二终端为虚拟现实VR终端设备。
8.根据权利要求6所述的方法,其特征在于,在所述获取第二视频之前,所述方法还包括:
若接收到的带有失败标识的第一视频的数量超过预设数量和/或所述带有失败标识的第一视频的总时长超过预设时长,则向所述第一终端发送参考视频。
9.根据权利要求6所述的方法,其特征在于,所述方法还包括:
接收所述第一终端发送的第三视频;
将所述第三视频与所述目标维修专家的维修专家标识相关联的储存。
10.一种信息筛选装置,所述装置包括:
获取模块,用于获取故障设备的故障信息和维修专家信息,所述维修专家信息包括至少一个维修专家标识;
计算模块,用于根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数;所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量确定第一初始参数和第二初始参数;根据所述第一初始参数和第二初始参数确定筛选函数;根据所述筛选函数和调整所述第一初始参数和所述第二初始参数的调整次数,确定所述第一参数;根据所述筛选函数、所述调整次数和预设次数确定所述第二参数,
所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一初始参数和第二初始参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量,确定初次概率向量;根据所述初次概率向量确定初次失误函数;根据所述初次失误函数确定所述第一初始参数和所述第二初始参数,
在一个实施例中,根据故障信息和至少一个维修专家标识的数量,确定初次概率向量,初次概率向量可以由下式确定:
W1=rand(N,D1)
W2=rand(N)
其中,为生成一个N行D1列随机矩阵,且所述矩阵所有元素的值均为0至1之间的值,为生成一个N个元素的值为0到1的随机向量,
D1为专家向量Y的元素的个数,为用求解得到的初次概率向量,为矩阵X的第i行的值,为对向量中的每个元素都作e次方求解,e为自然常数,为对求转置,i=1、2、3……P,
所述根据初次概率向量确定初次失误函数根据下式确定:
其中,SS为初次失误函数,j≠Yi为j取除开第个值剩下的所有值,Yi为向量Y1的第i个值对应的专家标识编号在向量Y中的位置,f(Xi)j为向量f(Xi)的第j个值,其中,j不等于Yi,为向量f(Xi)的第Yi个值,W2t为向量W2的第t个元素的值,W1t,s为矩阵W1的第t行S列的值,i=1、2、3……P,t=1、2、3……N,S=1、2、3……D1,
所述第一初始参数和第所述二初始参数可以根据下式确定:
其中,W1为所述第一初始参数,W2为所述第二初始参数,Q1为所述调整次数,第一次调整时为1,Q2为预设次数,为SS对W1作偏导,/>为SS对W2作偏导,
所述筛选函数根据下式确定:
其中,S2为所述筛选函数,
在所述调整次数不大于所述预设次数的情况下,则利用下述公式进行再次调整:
Q1=Q1+1
W1为所述第一参数,等式左边的W2为第二参数,并重复根据上述确定筛选函数S2,以及根据确定的筛选函数和调整次数,确定第一参数和第二参数;
处理模块,用于根据所述第一参数和第二参数确定筛选向量;在所述调整次数大于所述预设次数的情况下,所述筛选向量可以由下式确定:
其中,向量A为根据待维修设备的故障设备对应的N个指标的值,形成的向量;
筛选模块,用于根据所述筛选向量确定所述故障设备对应的目标维修专家的维修专家标识;所述根据筛选向量确定故障设备对应的目标维修专家的维修专家标识,包括:获取所述筛选向量中的向量值最大的向量元素值,将所述最大的向量元素值对应的维修专家标识确定为所述目标维修专家的维修专家标识。
11.一种设备运维装置,其特征在于,包括:
筛选模块,用于确定故障设备对应的目标维修专家的维修专家标识;
接收模块,用于接收第一终端发送的第一视频,所述第一视频用于向所述目标维修专家展示所述故障设备的故障情况;其中,所述第一视频包括成功标识或失败标识;
计时模块,用于记录故障时长,若所述故障时长超出第一阈值,则获取第二终端发送的第二视频,所述第二视频用于指示维修所述故障设备;
发送模块,用于将所述第二视频发送给所述第一终端;
其中,所述筛选模块还用于获取故障设备的故障信息和维修专家信息,所述维修专家信息包括至少一个维修专家标识;根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数;根据所述第一参数和第二参数确定筛选向量;根据所述筛选向量确定所述故障设备对应的目标维修专家的维修专家标识;
所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一参数和第二参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量确定第一初始参数和第二初始参数;根据所述第一初始参数和第二初始参数确定筛选函数;根据所述筛选函数和调整所述第一初始参数和所述第二初始参数的调整次数,确定所述第一参数;根据所述筛选函数、所述调整次数和预设次数确定所述第二参数,
所述根据所述故障信息和所述维修专家信息中至少一个维修专家标识的数量确定第一初始参数和第二初始参数,包括:根据所述故障信息和所述至少一个维修专家标识的数量,确定初次概率向量;根据所述初次概率向量确定初次失误函数;根据所述初次失误函数确定所述第一初始参数和所述第二初始参数;
在一个实施例中,根据故障信息和至少一个维修专家标识的数量,确定初次概率向量,初次概率向量可以由下式确定:
W1=rand(N,D1)
W2=rand(N)
其中,为生成一个N行D1列随机矩阵,且所述矩阵所有元素的值均为0至1之间的值,为生成一个N个元素的值为0到1的随机向量;
D1为专家向量Y的元素的个数,为用求解得到的初次概率向量,为矩阵X的第i行的值,为对向量中的每个元素都作e次方求解,e为自然常数,为对求转置,i=1、2、3……P;
所述根据初次概率向量确定初次失误函数根据下式确定:
其中,SS为初次失误函数,j≠Yi为j取除开第个值剩下的所有值,Yi为向量Y1的第i个值对应的专家标识编号在向量Y中的位置,f(Xi)j为向量f(Xi)的第j个值,其中,j不等于Yi,为向量f(Xi)的第Yi个值,W2t为向量W2的第t个元素的值,W1t,s为矩阵W1的第t行S列的值,i=1、2、3……P,t=1、2、3……N,S=1、2、3……D1;
所述第一初始参数和第所述二初始参数可以根据下式确定:
其中,W1为所述第一初始参数,W2为所述第二初始参数,Q1为所述调整次数,第一次调整时为1,Q2为预设次数,为SS对W1作偏导,/>为SS对W2作偏导;
所述筛选函数根据下式确定:
其中,S2为所述筛选函数,
在所述调整次数不大于所述预设次数的情况下,则利用下述公式进行再次调整:
Q1=Q1+1
其中,为S2对W1作偏导,/>为S2对W2作偏导,等式左边的W1为所述第一参数,等式左边的W2为第二参数,并重复根据上述确定筛选函数S2,以及根据确定的筛选函数和调整次数,确定第一参数和第二参数;
在所述调整次数大于所述预设次数的情况下,所述筛选向量可以由下式确定:
其中,向量A为根据待维修设备的故障设备对应的N个指标的值,形成的向量;
所述根据筛选向量确定故障设备对应的目标维修专家的维修专家标识,包括:获取所述筛选向量中的向量值最大的向量元素值,将所述最大的向量元素值对应的维修专家标识确定为所述目标维修专家的维修专家标识。
12.一种设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如权利要求1-9任意一项所述的方法。
13.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-9任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300005.5A CN111126815B (zh) | 2019-12-12 | 2019-12-12 | 一种信息筛选方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300005.5A CN111126815B (zh) | 2019-12-12 | 2019-12-12 | 一种信息筛选方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126815A CN111126815A (zh) | 2020-05-08 |
CN111126815B true CN111126815B (zh) | 2023-09-08 |
Family
ID=70499187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911300005.5A Active CN111126815B (zh) | 2019-12-12 | 2019-12-12 | 一种信息筛选方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126815B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102055604A (zh) * | 2009-11-05 | 2011-05-11 | 中国移动通信集团山东有限公司 | 一种故障定位方法及其系统 |
JP2013186571A (ja) * | 2012-03-06 | 2013-09-19 | Sharp Corp | 電気機器 |
CN106227190A (zh) * | 2016-08-03 | 2016-12-14 | 重庆市索美智能交通通讯服务有限公司 | 车辆故障处理方法、装置及系统 |
CN106407536A (zh) * | 2016-09-07 | 2017-02-15 | 南京航空航天大学 | 一种逆变器钳位二极管与支撑电容的复合故障诊断方法 |
CN108256654A (zh) * | 2018-01-02 | 2018-07-06 | 中电长城(长沙)信息技术有限公司 | 一种设备报障和故障诊断方法及系统 |
CN108335021A (zh) * | 2018-01-19 | 2018-07-27 | 华中科技大学 | 一种风力机状态可靠度评估的方法及维修决策优化 |
FR3079951A1 (fr) * | 2018-04-10 | 2019-10-11 | Dominique Marion | Procede d'expertise a distance |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130297256A1 (en) * | 2012-05-04 | 2013-11-07 | Jun Yang | Method and System for Predictive and Conditional Fault Detection |
US20160078413A1 (en) * | 2014-09-12 | 2016-03-17 | Emerson Electric Co. | Systems and methods for equipment performance monitoring and alerts |
-
2019
- 2019-12-12 CN CN201911300005.5A patent/CN111126815B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102055604A (zh) * | 2009-11-05 | 2011-05-11 | 中国移动通信集团山东有限公司 | 一种故障定位方法及其系统 |
JP2013186571A (ja) * | 2012-03-06 | 2013-09-19 | Sharp Corp | 電気機器 |
CN106227190A (zh) * | 2016-08-03 | 2016-12-14 | 重庆市索美智能交通通讯服务有限公司 | 车辆故障处理方法、装置及系统 |
CN106407536A (zh) * | 2016-09-07 | 2017-02-15 | 南京航空航天大学 | 一种逆变器钳位二极管与支撑电容的复合故障诊断方法 |
CN108256654A (zh) * | 2018-01-02 | 2018-07-06 | 中电长城(长沙)信息技术有限公司 | 一种设备报障和故障诊断方法及系统 |
CN108335021A (zh) * | 2018-01-19 | 2018-07-27 | 华中科技大学 | 一种风力机状态可靠度评估的方法及维修决策优化 |
FR3079951A1 (fr) * | 2018-04-10 | 2019-10-11 | Dominique Marion | Procede d'expertise a distance |
Non-Patent Citations (1)
Title |
---|
李海刚.系统论在故障定位中的应用.电信工程技术与标准化.2015,(第10期),85-87. * |
Also Published As
Publication number | Publication date |
---|---|
CN111126815A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5061374B2 (ja) | 機器保守システムおよび機器保守方法、障害推定装置 | |
CN115392812B (zh) | 一种异常根因定位方法、装置、设备及介质 | |
CN109428647B (zh) | 实现故障原因定位的方法、装置及存储介质 | |
US11270219B2 (en) | Data collection device, data collection system, and data collection method for calculating probability of event for collection of data | |
CN110972519A (zh) | 信息提供系统和信息提供方法 | |
CN106409119A (zh) | 机械学习装置及方法、电动机驱动装置及电动机驱动系统 | |
CN111126815B (zh) | 一种信息筛选方法、装置、设备及存储介质 | |
CN117076258A (zh) | 一种基于互联网云端的远程监控方法及系统 | |
CN105681088B (zh) | 一种面向物联网的可靠性和性能综合评估方法 | |
JP2017182414A (ja) | 故障予測装置、故障予測方法及び故障予測プログラム | |
CN109088793B (zh) | 用于检测网络故障的方法和装置 | |
CN105808408A (zh) | 用于在对象级别上监测磁盘利用的方法和系统 | |
CN116504039A (zh) | 一种室内设备的异常识别方法、装置及电子设备 | |
JP2019095930A (ja) | 決定装置、補正装置、表示装置、決定システム、決定方法及びコンピュータプログラム | |
CN114416420A (zh) | 设备问题反馈方法和系统 | |
CN114881540A (zh) | 确定水源治理方案的方法和装置、电子设备和存储介质 | |
CN112749998A (zh) | 收入信息输出方法、装置、电子设备及计算机存储介质 | |
CN111160066B (zh) | 人脸识别方法、装置、设备和介质 | |
US20220027516A1 (en) | Data processing device, data processing method, data processing program, terminal device, and data processing system | |
JP2010102462A (ja) | 障害推定装置、方法及びプログラム | |
CN113051525A (zh) | 关键质量指标kqi的分析方法、装置、设备及介质 | |
WO2016030410A1 (en) | Maintaining background knowledge in complex event processing | |
CN113127804B (zh) | 确定车辆故障次数的方法、装置、计算机设备和存储介质 | |
CN117707925A (zh) | 数据处理方法、装置、设备及计算机介质 | |
CN110688997B (zh) | 一种图像处理方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |