CN111627189A - 一种设备异常处理方法、系统及存储介质 - Google Patents
一种设备异常处理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111627189A CN111627189A CN201910111813.0A CN201910111813A CN111627189A CN 111627189 A CN111627189 A CN 111627189A CN 201910111813 A CN201910111813 A CN 201910111813A CN 111627189 A CN111627189 A CN 111627189A
- Authority
- CN
- China
- Prior art keywords
- utilization rate
- equipment
- time
- alarm threshold
- calculating
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种设备异常处理方法、系统及存储介质。处理方法包括:获取设备的多个历史时间稼动率;根据所有历史时间稼动率计算设备的稼动率报警阈值;获取设备的运行数据,根据运行数据计算设备的设备稼动率;将设备稼动率与稼动率报警阈值进行比较,判断设备稼动率是否小于稼动率报警阈值;若是,发出警报。本发明实施例通过获取设备的历史时间稼动率计算相应稼动率报警阈值,并根据设备的运行数据计算设备稼动率,根据设备稼动率和稼动率报警阈值的大小,判断设备是否异常,实现了根据设备运行效率来确认设备是否异常,提高了异常诊断的效率和精度,避免了设备处于极端工作环境中,而没有及时进行报警的情况。
Description
技术领域
本发明涉及设备控制技术领域,尤其涉及一种设备异常处理方法、系统及存储介质。
背景技术
当前已进入到大数据时代,数据的价值被日益重视起来,各行各业也开始关注相关数据的收集。
在工业生产过程中,可以根据设备的运行数据判断设备是否异常,比如,可以实时监测设备内部的温度、湿度等数据;但是,通过温度和湿度对设备是否异常进行预警,容易因为设备的局部区域的温度过高或湿度过高的情况而产生误报,而根据设备内的全局温度和湿度进行检测所耗费的时间较长,而计算后进行报警的延时较高,无法及时确认设备的异常状态,同时,通过监测设备内部的温度或湿度进行报警,由于温度和湿度是逐步提高的,对设备而言,在这种环境下进行工作,对其损伤十分巨大,而温度或湿度未达到报警阈值时,不会对工作人员发出警报,所以,十分容易造成设备损坏。
发明内容
为了解决现有技术存在的问题,本发明的至少一个实施例提供了一种设备异常处理方法、系统及存储介质。
第一方面,本发明实施例提供了一种设备异常处理方法,所述处理方法包括:
获取所述设备的多个历史时间稼动率;
根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值;
获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率;
将所述设备稼动率与所述稼动率报警阈值进行比较,判断所述设备稼动率是否小于所述稼动率报警阈值;
若是,发出警报。
基于上述技术方案,本发明实施例还可以做出如下改进。
结合第一方面,在第一方面的第一种实施例中,所述根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值,包括:
计算所有所述历史时间稼动率的平均值,得到平均稼动率;
根据所述平均稼动率和所述设备的使用年限进行加权计算得到所述稼动率报警阈值。
结合第一方面的第一种实施例,在第一方面的第二种实施例中,所述根据所述平均稼动率和所述设备的使用年限进行加权计算得到所述稼动率报警阈值,包括:
根据如下计算公式计算所述稼动率报警阈值:
thre=average×100×α+Y×β;
其中,thre为所述稼动率报警阈值,average为所述平均稼动率,Y为所述设备的使用年限,α和β为预设权重值。
结合第一方面,在第一方面的第三种实施例中,所述根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值,包括:
将所有所述历史时间稼动率分为至少两组历史时间稼动率组;
分别计算每组所述历史时间稼动率组中所有所述历史时间稼动率的平均值,得到组平均稼动率;
分别对每个所述组平均稼动率和所述设备的使用年限进行加权计算,得到多个组稼动率报警阈值;
对所有所述组稼动率报警阈值进行线性回归分析,得到所述稼动率报警阈值。
结合第一方面,在第一方面的第四种实施例中,所述根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值,包括:
将所有所述历史时间稼动率分为一组标定组和一组验证组;
计算所述标定组中所有历史时间稼动率的平均值,得到标定平均稼动率;
将所述标定平均稼动率和所述设备的使用年限按预设权重值进行加权计算,得到标定稼动率报警阈值;
将所述验证组中的所有所述历史时间稼动率分为至少两组子验证组;
分别计算每组所述子验证组中所有所述历史时间稼动率的平均值,得到验证平均稼动率;
分别对每个所述验证平均稼动率和所述设备的使用年限按所述预设权重值进行加权计算,得到多个验证稼动率报警阈值;
将所述标定稼动率报警阈值作为平均值,计算所有所述验证稼动率报警阈值与标定稼动率报警阈值之间的方差值;
判断所述方差值是否大于预设阈值;
若是,则对所述预设权重值进行调整,重新计算所述标定稼动率报警阈值和所述平均稼动率报警阈值,直至所述方差值小于预设阈值;若否,将所述标定稼动率报警阈值作为所述稼动率报警阈值。
结合第一方面或第一方面的第一、第二、第三或第四种实施例,在第一方面的第五种实施例中,所述根据所述运行数据计算所述设备的设备稼动率,包括:
根据所述运行数据计算所述设备当前的时间稼动率;
根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率。
结合第一方面的第五种实施例中,在第一方面的第六种实施例中,所述根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率,包括:
根据如下计算公式计算所述设备稼动率:
real=unit×100×α+y×β;
其中,real为设备稼动率,unit为当前的所述时间稼动率,y为所述设备的使用年数,α和β为预设权重值。
结合第一方面的第六种实施例,在第一方面的第七种实施例中,所述获取所述设备的多个历史时间稼动率,包括:
获取所述设备的运行数据中多个预设时长内的运行时长和开机时长;
通过如下计算公式计算所述历史时间稼动率:
其中,P为所述历史时间稼动率,t运为所述设备在所述预设时长内的运行时长,t开为所述设备在所述预设时长内的开机时长。
第二方面,本发明实施例提供了一种设备异常处理系统,所述设备异常处理系统包括处理器、存储器;所述处理器用于执行所述存储器中存储的设备异常处理程序,以实现第一方面中任一实施例所述的设备异常处理方法。
第三方面,本发明实施例提供了一种计算机可存储介质,所述计算机可存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现第一方面中任一实施例所述的设备异常处理方法。
本发明的上述技术方案与现有技术相比具有如下优点:本发明实施例通过获取设备的历史时间稼动率计算相应稼动率报警阈值,并根据设备的运行数据计算设备稼动率,根据设备稼动率和稼动率报警阈值的大小,判断设备是否异常,实现了根据设备运行效率来确认设备是否异常,提高了异常诊断的效率和精度,避免了设备处于极端工作环境中,而没有及时进行报警的情况。
附图说明
图1是本发明实施例提供的一种设备异常处理方法流程示意图;
图2是本发明另一实施例提供的一种设备异常处理方法流程示意图;
图3是本发明又一实施例提供的一种设备异常处理方法流程示意图其一;
图4是本发明又一实施例提供的一种设备异常处理方法流程示意图其二;
图5是本发明又一实施例提供的一种设备异常处理系统结构示意图。
具体实施方式
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的一部分实施例,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的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。
如图1所示,本发明实施例提供的一种设备异常处理方法,所述处理方法包括:
S11、获取所述设备的多个历史时间稼动率。
在本实施例中,稼动率的英文称作activation或utilization,是指设备在所能提供的时间内为了创造价值而占用的时间所占的比重,可以是指一台机器设备实际的生产数量与可能的生产数量的比值,稼动率根据计算方式的不同,包括时间稼动率、性能稼动率、速度稼动率,其中时间稼动率=(负荷时间-停止时间)/负荷时间*100%,通过获取设备的多个历史时间稼动率,由于时间稼动率的计算方式,获取一定时长内的负荷时间和停止时间即可计算得到这段时间内设备的时间稼动率,并由此获取不同时间区间内的时间稼动率,作为所述历史时间稼动率。
在本实施例中,可以在每经过预设时长后,计算该时间区间内的时间稼动率进行存储,在后续过程中,可以直接从计算存储的时间稼动率中进行获取,作为该设备的历史时间稼动率。
在本实施例中,可以获取设备的历史运行数据,根据历史运行数据中的负荷时间和停止时间,按时间区间分别计算得到多个历史时间稼动率。
在本实施例中,所述获取所述设备的多个历史时间稼动率,包括:
获取所述设备的运行数据中多个预设时长内的运行时长和开机时长。
通过如下计算公式计算所述历史时间稼动率:
其中,P为所述历史时间稼动率,t运为所述设备在所述预设时长内的运行时长,t开为所述设备在所述预设时长内的开机时长。
S12、根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值。
在本实施例中,可以根据所有历史时间稼动率的平均值计算设备的稼动率报警阈值,由于历史稼动率的平均值可以作为确认该设备的稼动率的平均水平,所以以历史时间稼动率的平均值作为稼动率报警阈值,可以保证设备以高于平均值的水平进行运行,但是随着设备的运行时间增加,设备不可能持续保持高效率运转,所以,还可以将历史时间稼动率的平均值减去一定值后作为稼动率报警阈值,只要设备以大于该稼动率报警阈值的稼动率进行运转,就不发出警报,保证设备的良好运行。
S13、获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率。
在本实施例中,获取设备的实时运行数据,根据运行计算设备的设备稼动率,该设备稼动率可以是时间稼动率,也可以是性能稼动率,具体的,可以根据用户的选择进行确定,其中若计算得到的是性能稼动率,且性能稼动率大于根据时间稼动率计算出的阈值时,即可以确认该设备的单位时间的性能良好,并未出现异常的情况,同理可以延伸到其他种类的稼动率。
S14、将所述设备稼动率与所述稼动率报警阈值进行比较,判断所述设备稼动率是否小于所述稼动率报警阈值。
若是,发出警报。
在本实施例中,将设备稼动率与稼动率报警阈值进行比较,在设备稼动率小于稼动率报警阈值时,及时向用户发出警报,提醒用户设备发生异常,由于设备的运转效率下降可能是由多种情况产生的,而且设备不会因为某些变化导致运转效率骤降,只会逐步下降,所以可以及时提醒用户,让用户及时进行处理,保证设备的安全性,比如,设备的局部区域温度逐步升高,导致设备的工作效率逐步下降,而本方案所发出的警报可以使用户在设备温度未上升到不可逆转的地步前对设备进行维修,保障设备安全,同理,也可以有效预防其他的导致设备工作效率逐步下降的情况。
在本实施例中,获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率,具体包括:
根据所述运行数据计算所述设备当前的时间稼动率;根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率。
具体的,根据如下计算公式计算所述设备稼动率:
real=unit×100×α+y×β;
其中,real为设备稼动率,unit为当前的所述时间稼动率,y为所述设备的使用年数,α和β为预设权重值。
在本实施例中,结合稼动率报警阈值参考使用年限计算得到,在计算设备稼动率时,参考设备的使用年数,随着设备的使用年数增长,稼动率报警阈值的值越小,符合设备的工作效率随着设备的工作年数增长而下降的趋势,更精准的进行警报,减少误报降低工作效率的情况。
如图2所示,本发明实施例提供的一种设备异常处理方法,所述处理方法包括:
S21、获取所述设备的多个历史时间稼动率。
在本实施例中,稼动率的英文称作activation或utilization,是指设备在所能提供的时间内为了创造价值而占用的时间所占的比重,可以是指一台机器设备实际的生产数量与可能的生产数量的比值,稼动率根据计算方式的不同,包括时间稼动率、性能稼动率、速度稼动率,其中时间稼动率=(负荷时间-停止时间)/负荷时间*100%,通过获取设备的多个历史时间稼动率,由于时间稼动率的计算方式,获取一定时长内的负荷时间和停止时间即可计算得到这段时间内设备的时间稼动率,并由此获取不同时间区间内的时间稼动率,作为所述历史时间稼动率。
在本实施例中,可以在每经过预设时长后,计算该时间区间内的时间稼动率进行存储,在后续过程中,可以直接从计算存储的时间稼动率中进行获取,作为该设备的历史时间稼动率。
在本实施例中,可以获取设备的历史运行数据,根据历史运行数据中的负荷时间和停止时间,按时间区间分别计算得到多个历史时间稼动率。
S22、计算所有所述历史时间稼动率的平均值,得到平均稼动率。
计算不同时间段的历史时间稼动率的平均值,可以作为该设备的历史稼动率的参考,通过该设备的历史稼动率用以确认该设备在稼动率多少的工作效率下进行工作是正常的,保证设备的工作效率。
S23、根据所述平均稼动率和所述设备的使用年限进行加权计算得到所述稼动率报警阈值。
在本实施例中,可以根据如下计算公式计算所述稼动率报警阈值:
thre=average×100×α+Y×β;
其中,thre为所述稼动率报警阈值,average为所述平均稼动率,Y为所述设备的使用年限,α和β为预设权重值。
在本实施例中,α和β的和值可以为1,比如,α为85%,β为15%,考虑到随着设备的使用,其稼动率可能会随之下降,通过将设备的使用年限按权重比加入稼动率报警阈值,避免频繁的出现误报,提高设备的使用体验。
S24、获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率。
在本实施例中,获取设备的实时运行数据,根据运行计算设备的设备稼动率,该设备稼动率可以是时间稼动率,也可以是性能稼动率,具体的,可以根据用户的选择进行确定,其中若计算得到的是性能稼动率,且性能稼动率大于根据时间稼动率计算出的阈值时,即可以确认该设备的单位时间的性能良好,并未出现异常的情况,同理可以延伸到其他种类的稼动率。
S25、将所述设备稼动率与所述稼动率报警阈值进行比较,判断所述设备稼动率是否小于所述稼动率报警阈值。
若是,发出警报。
在本实施例中,将设备稼动率与稼动率报警阈值进行比较,在设备稼动率小于稼动率报警阈值时,及时向用户发出警报,提醒用户设备发生异常,由于设备的运转效率下降可能是由多种情况产生的,而且设备不会因为某些变化导致运转效率骤降,只会逐步下降,所以可以及时提醒用户,让用户及时进行处理,保证设备的安全性,比如,设备的局部区域温度逐步升高,导致设备的工作效率逐步下降,而本方案所发出的警报可以使用户在设备温度未上升到不可逆转的地步前对设备进行维修,保障设备安全,同理,也可以有效预防其他的导致设备工作效率逐步下降的情况。
在本实施例中,获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率,具体包括:
根据所述运行数据计算所述设备当前的时间稼动率;根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率。
具体的,根据如下计算公式计算所述设备稼动率:
real=unit×100×α+y×β;
其中,real为设备稼动率,unit为当前的所述时间稼动率,y为所述设备的使用年数,α和β为预设权重值。
在本实施例中,结合稼动率报警阈值参考使用年限计算得到,在计算设备稼动率时,参考设备的使用年数,随着设备的使用年数增长,稼动率报警阈值的值越小,符合设备的工作效率随着设备的工作年数增长而下降的趋势,更精准的进行警报,减少误报降低工作效率的情况。
如图3所示,本发明实施例提供的一种设备异常处理方法,所述处理方法包括:
S31、获取所述设备的多个历史时间稼动率。
在本实施例中,稼动率的英文称作activation或utilization,是指设备在所能提供的时间内为了创造价值而占用的时间所占的比重,可以是指一台机器设备实际的生产数量与可能的生产数量的比值,稼动率根据计算方式的不同,包括时间稼动率、性能稼动率、速度稼动率,其中时间稼动率=(负荷时间-停止时间)/负荷时间*100%,通过获取设备的多个历史时间稼动率,由于时间稼动率的计算方式,获取一定时长内的负荷时间和停止时间即可计算得到这段时间内设备的时间稼动率,并由此获取不同时间区间内的时间稼动率,作为所述历史时间稼动率。
在本实施例中,可以在每经过预设时长后,计算该时间区间内的时间稼动率进行存储,在后续过程中,可以直接从计算存储的时间稼动率中进行获取,作为该设备的历史时间稼动率。
在本实施例中,可以获取设备的历史运行数据,根据历史运行数据中的负荷时间和停止时间,按时间区间分别计算得到多个历史时间稼动率。
S32、将所有所述历史时间稼动率分为至少两组历史时间稼动率组。
在本实施例中,将历史时间稼动率分为至少两组,可以采用平均分配,或者其他比例进行分配,具体可根据历史时间稼动率的数量进行划分。
S33、分别计算每组所述历史时间稼动率组中所有所述历史时间稼动率的平均值,得到组平均稼动率。
将每组历史时间稼动率组中的历史时间稼动率进行平均,得到组平均稼动率。
S34、分别对每个所述组平均稼动率和所述设备的使用年限进行加权计算,得到多个组稼动率报警阈值。
在本实施例中,可以根据如下计算公式分别计算每组所述历史时间稼动率组的组稼动率报警阈值:
thre*=average*×100×α+Y×β;
其中,thre*为所述组稼动率报警阈值,average*为所述组平均稼动率,Y为所述设备的使用年限,α和β为预设权重值。
在本实施例中,分别计算每组历史时间稼动率组的组稼动率报警阈值,α和β的和值可以为1,比如,α为85%,β为15%,考虑到随着设备的使用,其稼动率可能会随之下降,通过将设备的使用年限按权重比加入稼动率报警阈值,避免频繁的出现误报,提高设备的使用体验。
S35、对所有所述组稼动率报警阈值进行线性回归分析,得到所述稼动率报警阈值。
在本实施例中,由于组稼动率报警阈值的理想值是一个定值,而由于数据的缺失或者异常会导致计算过程中出现许多误差,在本实施例中,随机得到的历史时间稼动率分组计算得到的组稼动率报警阈值会在理想值周围分布,所以通过线性回归分析,可以减少误差对最终结果的干扰,提高阈值的精度。
S36、获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率。
在本实施例中,获取设备的实时运行数据,根据运行计算设备的设备稼动率,该设备稼动率可以是时间稼动率,也可以是性能稼动率,具体的,可以根据用户的选择进行确定,其中若计算得到的是性能稼动率,且性能稼动率大于根据时间稼动率计算出的阈值时,即可以确认该设备的单位时间的性能良好,并未出现异常的情况,同理可以延伸到其他种类的稼动率。
S37、将所述设备稼动率与所述稼动率报警阈值进行比较,判断所述设备稼动率是否小于所述稼动率报警阈值。
若是,发出警报。
在本实施例中,将设备稼动率与稼动率报警阈值进行比较,在设备稼动率小于稼动率报警阈值时,及时向用户发出警报,提醒用户设备发生异常,由于设备的运转效率下降可能是由多种情况产生的,而且设备不会因为某些变化导致运转效率骤降,只会逐步下降,所以可以及时提醒用户,让用户及时进行处理,保证设备的安全性,比如,设备的局部区域温度逐步升高,导致设备的工作效率逐步下降,而本方案所发出的警报可以使用户在设备温度未上升到不可逆转的地步前对设备进行维修,保障设备安全,同理,也可以有效预防其他的导致设备工作效率逐步下降的情况。
在本实施例中,获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率,具体包括:
根据所述运行数据计算所述设备当前的时间稼动率;根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率。
具体的,根据如下计算公式计算所述设备稼动率:
real=unit×100×α+y×β;
其中,real为设备稼动率,unit为当前的所述时间稼动率,y为所述设备的使用年数,α和β为预设权重值。
在本实施例中,结合稼动率报警阈值参考使用年限计算得到,在计算设备稼动率时,参考设备的使用年数,随着设备的使用年数增长,稼动率报警阈值的值越小,符合设备的工作效率随着设备的工作年数增长而下降的趋势,更精准的进行警报,减少误报降低工作效率的情况。
如图4所示,本发明实施例提供的一种设备异常处理方法,所述处理方法包括:
获取所述设备的多个历史时间稼动率。
在本实施例中,稼动率的英文称作activation或utilization,是指设备在所能提供的时间内为了创造价值而占用的时间所占的比重,可以是指一台机器设备实际的生产数量与可能的生产数量的比值,稼动率根据计算方式的不同,包括时间稼动率、性能稼动率、速度稼动率,其中时间稼动率=(负荷时间-停止时间)/负荷时间*100%,通过获取设备的多个历史时间稼动率,由于时间稼动率的计算方式,获取一定时长内的负荷时间和停止时间即可计算得到这段时间内设备的时间稼动率,并由此获取不同时间区间内的时间稼动率,作为所述历史时间稼动率。
在本实施例中,可以在每经过预设时长后,计算该时间区间内的时间稼动率进行存储,在后续过程中,可以直接从计算存储的时间稼动率中进行获取,作为该设备的历史时间稼动率。
在本实施例中,可以获取设备的历史运行数据,根据历史运行数据中的负荷时间和停止时间,按时间区间分别计算得到多个历史时间稼动率。
S41、将所有所述历史时间稼动率分为一组标定组和一组验证组。
在本实施例中,将历史时间稼动率分为两组,可以采用平均分配,或者其他比例进行分配,具体可根据历史时间稼动率的数量进行划分。
S42、计算所述标定组中所有历史时间稼动率的平均值,得到标定平均稼动率。
计算不同时间段的历史时间稼动率的平均值,可以作为该设备的历史稼动率的参考,通过该设备的历史稼动率用以确认该设备在稼动率多少的工作效率下进行工作是正常的,保证设备的工作效率。
S43、将所述标定平均稼动率和所述设备的使用年限按预设权重值进行加权计算,得到标定稼动率报警阈值。
在本实施例中,可以根据如下计算公式计算所述标定组的标定稼动率报警阈值:
thre1=average1×100×α+Y×β;
其中,thre1为所述标定稼动率报警阈值,average1为所述标定平均稼动率,Y为所述设备的使用年限,α和β为预设权重值。
在本实施例中,α和β的和值可以为1,比如,α为85%,β为15%,考虑到随着设备的使用,其稼动率可能会随之下降,通过将设备的使用年限按权重比加入稼动率报警阈值,避免频繁的出现误报,提高设备的使用体验。
S44、将所述验证组中的所有所述历史时间稼动率分为至少两组子验证组。
在本实施例中,再将验证组中的历史时间稼动率分为至少两组,可以采用平均分配,或者其他比例进行分配,具体可根据历史时间稼动率的数量进行划分。
S45、分别计算每组所述子验证组中所有所述历史时间稼动率的平均值,得到验证平均稼动率。
将每组子验证组中的历史时间稼动率进行平均,得到验证平均稼动率。
S46、分别对每个所述验证平均稼动率和所述设备的使用年限按所述预设权重值进行加权计算,得到多个验证稼动率报警阈值。
在本实施例中,可以根据如下计算公式分别计算每组所述子验证组的验证稼动率报警阈值:
thre2=average2×100×α+Y×β;
其中,thre2为所述验证稼动率报警阈值,average2为所述验证平均稼动率,Y为所述设备的使用年限,α和β为预设权重值。
在本实施例中,分别计算每组子验证组的组稼动率报警阈值,α和β的和值可以为1,比如,α为85%,β为15%,考虑到随着设备的使用,其稼动率可能会随之下降,通过将设备的使用年限按权重比加入稼动率报警阈值,避免频繁的出现误报,提高设备的使用体验。
S47、将标定稼动率报警阈值作为平均值,计算所有验证稼动率报警阈值与标定稼动率报警阈值之间的方差值。
在本实施例中,在一般的多样本方差计算中,是先计算各个样本的平均值,然后计算各个样本与平均值之间的差值的平方的和,并将该和值作为体现多个样本之间的波动性的具体值,在本实施例中,将标定稼动率报警阈值作为平均值,计算各个验证稼动率报警阈值与标定稼动率报警阈值之间差值的平方的和,得到验证稼动率报警阈值与标定稼动率报警阈值的方差值,以体现验证稼动率报警阈值与标定稼动率报警阈值的波动性。
S48、判断方差值是否大于预设阈值。
若是,则对预设权重值进行调整,重新计算标定稼动率报警阈值和平均稼动率报警阈值,直至方差值小于预设阈值;若否,将标定稼动率报警阈值作为稼动率报警阈值。
在本实施例中,当验证稼动率报警阈值与标定稼动率报警阈值的分布情况较离散时,说明标定组的稼动率报警阈值与验证组的稼动率报警阈值的波动性过大,进而说明计算过程中的权重值导致其差异过大,此时通过对预设权重值进行调整,使得最终两个组所计算得到的稼动率报警阈值接近,提高稼动率报警阈值的精准度。
获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率。
在本实施例中,获取设备的实时运行数据,根据运行计算设备的设备稼动率,该设备稼动率可以是时间稼动率,也可以是性能稼动率,具体的,可以根据用户的选择进行确定,其中若计算得到的是性能稼动率,且性能稼动率大于根据时间稼动率计算出的阈值时,即可以确认该设备的单位时间的性能良好,并未出现异常的情况,同理可以延伸到其他种类的稼动率。
将所述设备稼动率与所述稼动率报警阈值进行比较,判断所述设备稼动率是否小于所述稼动率报警阈值。
若是,发出警报。
在本实施例中,将设备稼动率与稼动率报警阈值进行比较,在设备稼动率小于稼动率报警阈值时,及时向用户发出警报,提醒用户设备发生异常,由于设备的运转效率下降可能是由多种情况产生的,而且设备不会因为某些变化导致运转效率骤降,只会逐步下降,所以可以及时提醒用户,让用户及时进行处理,保证设备的安全性,比如,设备的局部区域温度逐步升高,导致设备的工作效率逐步下降,而本方案所发出的警报可以使用户在设备温度未上升到不可逆转的地步前对设备进行维修,保障设备安全,同理,也可以有效预防其他的导致设备工作效率逐步下降的情况。
在本实施例中,获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率,具体包括:
根据所述运行数据计算所述设备当前的时间稼动率;根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率。
具体的,根据如下计算公式计算所述设备稼动率:
real=unit×100×α+y×β;
其中,real为设备稼动率,unit为当前的所述时间稼动率,y为所述设备的使用年数,α和β为预设权重值。
在本实施例中,结合稼动率报警阈值参考使用年限计算得到,在计算设备稼动率时,参考设备的使用年数,随着设备的使用年数增长,稼动率报警阈值的值越小,符合设备的工作效率随着设备的工作年数增长而下降的趋势,更精准的进行警报,减少误报降低工作效率的情况。
如图5所示,本发明实施例提供了一种设备异常处理系统,所述设备异常处理系统包括处理器、存储器;所述处理器用于执行所述存储器中存储的设备异常处理程序,以实现上述实施例中任一实施例所述的设备异常处理方法。
上述实施例中的系统或装置提供用于记录可以实现上述实施例的功能的软件程序的程序代码的存储介质,并通过系统或装置的计算机(或CPU或MPU)读取并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读出的程序代码本身执行上述实施例的功能,而存储程序代码的存储介质构成本发明实施例。
作为用于提供程序代码的存储介质,例如软盘、硬盘、光盘、磁光盘、CD-ROM、CD-R、磁带、非易失存储卡、ROM、以及类似物都可以使用。
上述实施例的功能不仅可以通过由计算机执行读出的程序代码来实现,而且也可以通过在计算机上运行的OS(操作系统)根据程序代码的指令执行的一些或全部的实际处理操作来实现。
此外,本发明实施例还包括这样一种情况,即在从存储介质读出的程序代码被写入被插入计算机的功能扩展卡之后,或者被写入和计算机相连的功能扩展单元内提供的存储器之后,在功能扩展卡或功能扩展单元中包括的CPU或类似物按照程序代码的命令执行部分处理或全部处理,从而实现上述实施例的功能。
本发明实施例提供了一种计算机可存储介质,所述计算机可存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例中任一实施例所述的设备异常处理方法。
最后应说明的是:以上实施例仅用以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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,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精神和范围。
Claims (10)
1.一种设备异常处理方法,其特征在于,所述处理方法包括:
获取所述设备的多个历史时间稼动率;
根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值;
获取所述设备的运行数据,根据所述运行数据计算所述设备的设备稼动率;
将所述设备稼动率与所述稼动率报警阈值进行比较,判断所述设备稼动率是否小于所述稼动率报警阈值;
若是,发出警报。
2.根据权利要求1所述的设备异常处理方法,其特征在于,所述根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值,包括:
计算所有所述历史时间稼动率的平均值,得到平均稼动率;
根据所述平均稼动率和所述设备的使用年限进行加权计算得到所述稼动率报警阈值。
3.根据权利要求2所述的设备异常处理方法,其特征在于,所述根据所述平均稼动率和所述设备的使用年限进行加权计算得到所述稼动率报警阈值,包括:
根据如下计算公式计算所述稼动率报警阈值:
thre=average×100×α+Y×β;
其中,thre为所述稼动率报警阈值,average为所述平均稼动率,Y为所述设备的使用年限,α和β为预设权重值。
4.根据权利要求1所述的设备异常处理方法,其特征在于,所述根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值,包括:
将所有所述历史时间稼动率分为至少两组历史时间稼动率组;
分别计算每组所述历史时间稼动率组中所有所述历史时间稼动率的平均值,得到组平均稼动率;
分别对每个所述组平均稼动率和所述设备的使用年限进行加权计算,得到多个组稼动率报警阈值;
对所有所述组稼动率报警阈值进行线性回归分析,得到所述稼动率报警阈值。
5.根据权利要求1所述的设备异常处理方法,其特征在于,所述根据所有所述历史时间稼动率计算所述设备的稼动率报警阈值,包括:
将所有所述历史时间稼动率分为一组标定组和一组验证组;
计算所述标定组中所有历史时间稼动率的平均值,得到标定平均稼动率;
将所述标定平均稼动率和所述设备的使用年限按预设权重值进行加权计算,得到标定稼动率报警阈值;
将所述验证组中的所有所述历史时间稼动率分为至少两组子验证组;
分别计算每组所述子验证组中所有所述历史时间稼动率的平均值,得到验证平均稼动率;
分别对每个所述验证平均稼动率和所述设备的使用年限按所述预设权重值进行加权计算,得到多个验证稼动率报警阈值;
将所述标定稼动率报警阈值作为平均值,计算所有所述验证稼动率报警阈值与标定稼动率报警阈值之间的方差值;
判断所述方差值是否大于预设阈值;
若是,则对所述预设权重值进行调整,重新计算所述标定稼动率报警阈值和所述平均稼动率报警阈值,直至所述方差值小于预设阈值;若否,将所述标定稼动率报警阈值作为所述稼动率报警阈值。
6.根据权利要求1~5中任一所述的设备异常处理方法,其特征在于,所述根据所述运行数据计算所述设备的设备稼动率,包括:
根据所述运行数据计算所述设备当前的时间稼动率;
根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率。
7.根据权利要求6所述的设备异常处理方法,其特征在于,所述根据所述时间稼动率和所述设备的使用年数进行加权计算得到所述设备稼动率,包括:
根据如下计算公式计算所述设备稼动率:
real=unit×100×α+y×β;
其中,real为设备稼动率,unit为当前的所述时间稼动率,y为所述设备的使用年数,α和β为预设权重值。
9.一种设备异常处理系统,其特征在于,所述设备异常处理系统包括处理器、存储器;所述处理器用于执行所述存储器中存储的设备异常处理程序,以实现权利要求1~8中任一项所述的设备异常处理方法。
10.一种计算机可存储介质,其特征在于,所述计算机可存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1~8中任一项所述的设备异常处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910111813.0A CN111627189B (zh) | 2019-02-12 | 2019-02-12 | 一种设备异常处理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910111813.0A CN111627189B (zh) | 2019-02-12 | 2019-02-12 | 一种设备异常处理方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111627189A true CN111627189A (zh) | 2020-09-04 |
CN111627189B CN111627189B (zh) | 2022-04-22 |
Family
ID=72258736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910111813.0A Active CN111627189B (zh) | 2019-02-12 | 2019-02-12 | 一种设备异常处理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111627189B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1982002266A1 (en) * | 1980-12-24 | 1982-07-08 | Ncr Co | Method and apparatus for detecting and correcting errors in a memory |
CN104076770A (zh) * | 2014-06-12 | 2014-10-01 | 珠海格力电器股份有限公司 | 生产线监控方法及系统 |
CN104268370A (zh) * | 2014-09-01 | 2015-01-07 | 国家电网公司 | 一种电网设备全寿命周期的能耗计算方法 |
CN104483949A (zh) * | 2014-12-16 | 2015-04-01 | 大连久鹏电子系统工程有限公司 | 一种分散式小型环保设备的远程监管系统 |
CN104808587A (zh) * | 2015-04-27 | 2015-07-29 | 重庆大学 | 一种基于机加工设备运行状态的稼动率统计方法 |
CN106408192A (zh) * | 2016-09-23 | 2017-02-15 | 东北大学 | 一种选矿设备运行状态监控系统及方法 |
CN106503813A (zh) * | 2016-10-27 | 2017-03-15 | 清华大学 | 基于起重装备工作状态的预测性维修决策方法及系统 |
CN106600154A (zh) * | 2016-12-21 | 2017-04-26 | 郑州云海信息技术有限公司 | 一种服务器产品精益定编的方法及系统 |
TW201737215A (zh) * | 2016-03-29 | 2017-10-16 | Alibaba Group Services Ltd | 異常監控報警方法及裝置 |
US20170308540A1 (en) * | 2012-05-25 | 2017-10-26 | Erin C. DeSpain | Asymmetrical multilateral decision support system |
US20180042507A1 (en) * | 2014-02-04 | 2018-02-15 | Cardioinsight Technologies, Inc. | Integrated analysis of electrophysiological data |
EP2313831B1 (en) * | 2008-06-26 | 2018-02-21 | Google LLC | Data center thermal monitoring |
CN108139735A (zh) * | 2015-10-13 | 2018-06-08 | 山特维克知识产权股份有限公司 | 机床的过程监测与自适应控制 |
CN109102171A (zh) * | 2018-07-24 | 2018-12-28 | 上海欣影电力科技股份有限公司 | 一种基于大数据的变电站设备状态智能化评价系统及方法 |
CN109146286A (zh) * | 2018-08-17 | 2019-01-04 | 江苏南高智能装备创新中心有限公司 | 一种基于toc理论的oee改善方法 |
KR101939218B1 (ko) * | 2017-12-15 | 2019-01-16 | 전자부품연구원 | 안전 펜스 모니터링 시스템 |
-
2019
- 2019-02-12 CN CN201910111813.0A patent/CN111627189B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1982002266A1 (en) * | 1980-12-24 | 1982-07-08 | Ncr Co | Method and apparatus for detecting and correcting errors in a memory |
EP2313831B1 (en) * | 2008-06-26 | 2018-02-21 | Google LLC | Data center thermal monitoring |
US20170308540A1 (en) * | 2012-05-25 | 2017-10-26 | Erin C. DeSpain | Asymmetrical multilateral decision support system |
US20180042507A1 (en) * | 2014-02-04 | 2018-02-15 | Cardioinsight Technologies, Inc. | Integrated analysis of electrophysiological data |
CN104076770A (zh) * | 2014-06-12 | 2014-10-01 | 珠海格力电器股份有限公司 | 生产线监控方法及系统 |
CN104268370A (zh) * | 2014-09-01 | 2015-01-07 | 国家电网公司 | 一种电网设备全寿命周期的能耗计算方法 |
CN104483949A (zh) * | 2014-12-16 | 2015-04-01 | 大连久鹏电子系统工程有限公司 | 一种分散式小型环保设备的远程监管系统 |
CN104808587A (zh) * | 2015-04-27 | 2015-07-29 | 重庆大学 | 一种基于机加工设备运行状态的稼动率统计方法 |
CN108139735A (zh) * | 2015-10-13 | 2018-06-08 | 山特维克知识产权股份有限公司 | 机床的过程监测与自适应控制 |
TW201737215A (zh) * | 2016-03-29 | 2017-10-16 | Alibaba Group Services Ltd | 異常監控報警方法及裝置 |
CN106408192A (zh) * | 2016-09-23 | 2017-02-15 | 东北大学 | 一种选矿设备运行状态监控系统及方法 |
CN106503813A (zh) * | 2016-10-27 | 2017-03-15 | 清华大学 | 基于起重装备工作状态的预测性维修决策方法及系统 |
CN106600154A (zh) * | 2016-12-21 | 2017-04-26 | 郑州云海信息技术有限公司 | 一种服务器产品精益定编的方法及系统 |
KR101939218B1 (ko) * | 2017-12-15 | 2019-01-16 | 전자부품연구원 | 안전 펜스 모니터링 시스템 |
CN109102171A (zh) * | 2018-07-24 | 2018-12-28 | 上海欣影电力科技股份有限公司 | 一种基于大数据的变电站设备状态智能化评价系统及方法 |
CN109146286A (zh) * | 2018-08-17 | 2019-01-04 | 江苏南高智能装备创新中心有限公司 | 一种基于toc理论的oee改善方法 |
Non-Patent Citations (4)
Title |
---|
刘嘉平: "电扶梯设备故障原因分析及故障预防性维护策略研究", 《建筑工程技术与设计》 * |
吴鑫森: "基于OEE的设备管理系统的研究与开发", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
崔黎明: "面向设备健康管理的机电设备健康状态评价研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
张伟: "基于TOC理论的瓶颈识别及优化策略", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111627189B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8930736B2 (en) | Inferred electrical power consumption of computing devices | |
US20060010101A1 (en) | System, method and program product for forecasting the demand on computer resources | |
JP4990988B2 (ja) | 機器劣化評価支援方法及び機器劣化評価支援装置 | |
US9858106B2 (en) | Virtual machine capacity planning | |
CN117193164B (zh) | 一种数控机床的故障监测方法及系统 | |
CN112882796A (zh) | 异常根因分析方法和装置,及存储介质 | |
US11480948B2 (en) | Monitoring target selecting device, monitoring target selecting method, and program | |
JP6777142B2 (ja) | システム分析装置、システム分析方法、及び、プログラム | |
CN114491383B (zh) | 桥梁监测的异常数据处理方法及系统 | |
CN108268361A (zh) | 一种bmc监控gpu的方法、系统、装置及存储介质 | |
JP5267748B2 (ja) | 運用管理システム、運用管理方法、及びプログラム | |
JP2020068025A (ja) | 履歴及び時系列の共同分析に基づく異常の特性評価のためのシステム及び方法 | |
CN111309502A (zh) | 固态硬盘寿命预测方法 | |
CN113992602B (zh) | 一种电缆监测数据上传方法、装置、设备以及存储介质 | |
CN111752481A (zh) | 一种基于spd的内存监控及寿命预测方法和系统 | |
CN111627189B (zh) | 一种设备异常处理方法、系统及存储介质 | |
US10862812B2 (en) | Information processing apparatus, data management system, data management method, and non-transitory computer readable medium storing program | |
CN109783210B (zh) | 多任务处理方法、装置、计算机设备及存储介质 | |
CN114490091A (zh) | 工业数据采集管理系统中监控规则引擎性能的方法及装置 | |
CN116431454B (zh) | 一种大数据的计算机性能控制系统及方法 | |
US11531320B2 (en) | Numerical controller including reduced memory service life calculation unit, numerical control system, and non-transitory computer readable recording medium | |
US20210293585A1 (en) | Information processing system, information processing method, recording medium, node device, gateway device, manufacturing system, method of manufacturing product | |
CN112596676A (zh) | 一种状态评估方法、装置及设备 | |
JP2024028148A (ja) | 異常監視方法及び異常監視装置 | |
CN117312094A (zh) | 一种基于时间序列分析算法的服务器硬件监控采集方法 |
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 |