CN112580827A - 工单的生成方法和装置 - Google Patents
工单的生成方法和装置 Download PDFInfo
- Publication number
- CN112580827A CN112580827A CN201910936002.4A CN201910936002A CN112580827A CN 112580827 A CN112580827 A CN 112580827A CN 201910936002 A CN201910936002 A CN 201910936002A CN 112580827 A CN112580827 A CN 112580827A
- Authority
- CN
- China
- Prior art keywords
- data
- work order
- maintenance
- industrial equipment
- generating
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012423 maintenance Methods 0.000 claims abstract description 200
- 230000008439 repair process Effects 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明公开了一种工单的生成方法和装置。其中,该方法包括:获取历史工单数据,其中,历史工单数据是工业设备发生故障时所生成的工单中的数据;对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据;根据维修数据生成工业设备的维修工单。本发明解决了现有技术中人工手动填写工单所导致的工作效率低的技术问题。
Description
技术领域
本发明涉及设备监控领域,具体而言,涉及一种工单的生成方法和装置。
背景技术
在工业设备的监控中,通常根据工业设备上报的各种类型的监控数据经过数据分析之后,判断该工业设备是否需要生成报警信息,然后再针对生成的报警信息选择创建工单记录提供给维修人员。
然而,现有技术中,在创建工单时,通常需要人工填写工单信息,例如,需要人工填写需要的维修类型、维修专业等信息。并且,工单所对应的数据源来源较为单一,通常工单的数据源来源为报警信息,对于生成的报警信息需要人为校验。
由上述内容可知,由于现有技术通常需要人工介入生成工单,因此提高了人工成本。另外,工单的数据源单一使得只能根据上游数据来决定下一步的行为,降低了数据处理的灵活性。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种工单的生成方法和装置,以至少解决现有技术中人工手动填写工单所导致的工作效率低的技术问题。
根据本发明实施例的一个方面,提供了一种工单的生成方法,包括:获取历史工单数据,其中,历史工单数据是工业设备发生故障时所生成的工单中的数据;对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据;根据维修数据生成工业设备的维修工单。
进一步地,工单的生成方法还包括:在获取历史工单数据之前,检测工业设备生成的报警数据,其中,报警数据为工业设备发生故障时生成的数据;在报警数据满足预设条件时,生成工业设备的维修工单;在报警数据不满足预设条件时,获取历史工单数据,并根据历史工单数据生成维修工单。
进一步地,工单的生成方法还包括:检测工业设备生成报警数据的报警时长以及报警级别;在报警时长大于预设时长和/或报警级别大于预设级别的情况下,确定报警数据满足预设条件。
进一步地,工单的生成方法还包括:检测历史工单数据的数据量;确定与数据量对应的分析算法;基于分析算法对历史工单数据进行分析,得到维修数据。
进一步地,工单的生成方法还包括:在数据量小于预设数据量的情况下,确定分析算法为历史工单数据分析算法,其中,历史工单数据分析算法为对历史工单数据进行分析得到维修数据的算法;在数据量大于等于预设数据量的情况下,确定分析算法为机器学习算法,其中,机器学习算法为使用多组数据通过神经网络学习训练得到的算法,多组数据中至少包括:历史工单数据以及对应的维修工单。
进一步地,维修工单至少包括计划工单和预测工单,工单的生成方法还包括:检测工业设备进行检修的间隔时长;在间隔时长达到预设时长的情况下,确定工业设备对应的历史工单数据为第一维修数据;根据第一维修数据生成计划工单;在间隔时长未达到预设时长的情况下,确定工业设备中的预设部件,其中,预设部件为工业设备中发生故障的等级大于预设等级的部件;确定预设部件对应的维修数据为第二维修数据;根据第二维修数据生成预测工单。
进一步地,工单的生成方法还包括:根据维修数据确定维修类型以及维修专业;从预设库中获取与维修数据对应的工单描述信息,其中,工单描述信息中至少包括:对工业设备进行维修的维修方案;根据维修类型、维修专业以及工单描述信息生成维修工单。
根据本发明实施例的另一方面,还提供了一种工单的生成装置,包括:获取模块,用于获取历史工单数据,其中,历史工单数据是工业设备发生故障时所生成的工单中的数据;确定模块,用于对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据;生成模块,用于根据维修数据生成工业设备的维修工单。
根据本发明实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述的工单的生成方法。
根据本发明实施例的另一方面,还提供了一种电子设备,该电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的工单的生成方法。
在本发明实施例中,采用根据历史工单数据生成维修工单的方式,在获取历史工单数据之后,对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据,并根据维修数据生成工业设备的维修工单。
在上述过程中,维修工单的生成无需人工干预,即可自动生成,从而降低了人工成本,提高了工作效率。另外,由上述内容可知,在本申请中,维修工单的数据源来源包括历史工单数据,从而避免了现有的工单数据源单一的问题。
由此可见,本申请所提供的方案达到了自动生成维修工单的目的,从而实现了降低人工成本,提供工作效率的技术效果,进而解决了现有技术中人工手动填写工单所导致的工作效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种工单的生成方法流程图;
图2是根据本发明实施例的一种可选的工单的生成方法流程图;
图3是根据本发明实施例的一种工单的生成装置示意图;以及
图4是根据本发明实施例的一种计算设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种工单的生成方法实施例,需要说明的是,在本实施例中,工单生成装置可以作为本实施例的执行主体,其中,工单生成装置为能够与各个工业设备进行数据传输的设备,例如,控制各个工业设备的上位机。另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的工单的生成方法流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取历史工单数据,其中,历史工单数据是工业设备发生故障时所生成的工单中的数据。
需要说明的是,工单生成装置在生成维修工单之后,对维修工单中的数据进行存储,例如,在生成维修工单之后,将生成维修工单的时间、维修工单对应的工业设备以及维修工单中的数据进行关联,并存储在预设存储区域中,其中,预设存储区域可以为工单生成装置中的存储区域,也可以为其他设备或者服务器中的存储区域。
在一种可选的实施例中,不同的工业设备对应的维修工单是不同的,因此,工单生成装置首先获取该工业设备对应的设备标识,然后基于设备标识从预设存储区域中获取与设备标识对应的历史工单数据。
需要说明的是,工单生成装置从预设存储区域中获取到的历史工单数据的数据量可能比较大,在这种场景下,工单生成装置可以按照历史工单数据的生成时间对历史工单数据进行排序,并获取生成时间大于预设时间的历史工单数据。容易注意到的是,获取生成时间大于预设时间的历史工单数据其实质是获取预设存储区域中较新的数据,避免使用老旧数据生成维修工单导致维修工单的数据错误的问题,提高了维修工单的准确性。
步骤S104,对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据。
在步骤S104中,维修数据可以包括如下至少之一:工业设备中发生故障的部件、该部件的故障类型、维修人员的维修专业、维修等级、维修类型、维修时间等。
在一种可选的实施例中,在得到历史工单数据之后,通过对历史工单数据进行分析,可以确定该工业设备中易发生故障的部件,然后判断该部件的维修等级以及维修类型,并确定对该部件进行维修所要的维修人员的维修专业以及维修时间等。
在另一种可选的实施例中,工单生成装置还可根据历史工单数据的生成时间来确定对该工业设备进行维修的维修周期,并检测当前时间与上一次维修时间之间的时间差是否为维修周期,如果是,则获取历史工单数据中的维修数据,将该维修数据作为需要对工业设备进行维修的维修数据。
步骤S106,根据维修数据生成工业设备的维修工单。
需要说明的是,不同的工业设备对应的维修工单的格式可能是不同的,因此,在得到维修数据之后,工单生成装置根据工业设备的设备标识获取对应格式的目标维修工单,并将维修数据填入目标维修工单的对应位置上。
基于上述步骤S102至步骤S106所限定的方案,可以获知,采用根据历史工单数据生成维修工单的方式,在获取历史工单数据之后,对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据,并根据维修数据生成工业设备的维修工单。
容易注意到的是,在上述过程中,维修工单的生成无需人工干预,即可自动生成,从而降低了人工成本,提高了工作效率。另外,由上述内容可知,在本申请中,维修工单的数据源来源包括历史工单数据,从而避免了现有的工单数据源单一的问题。
由此可见,本申请所提供的方案达到了自动生成维修工单的目的,从而实现了降低人工成本,提供工作效率的技术效果,进而解决了现有技术中人工手动填写工单所导致的工作效率低的技术问题。
在一种可选的实施例中,在获取历史工单数据之前,工单生成装置检测工业设备生成的报警数据,其中,报警数据为工业设备发生故障时生成的数据。其中,在报警数据满足预设条件时,生成工业设备的维修工单;在报警数据不满足预设条件时,获取历史工单数据,并根据历史工单数据生成维修工单。
可选的,工单生成装置检测工业设备生成报警数据的报警时长以及报警级别,并在报警时长大于预设时长和/或报警级别大于预设级别的情况下,确定报警数据满足预设条件。
需要说明的是,报警时长是指报警数据生成至故障处理之间的时长,如果报警长时间未得到处理,则需要优先对该报警数据进行处理。另外,报警级别越高,说明工业设备发生的故障对工业设备的运行造成的影响比较严重,所以应该对报警级别较高的故障优先进行维修,即优先生成维修工单。
此外,还需要说明的是,由上述内容可知,在本申请中,维修工单的数据源来源可以为历史工单数据,还可以为报警数据,使得数据源多样化,避免了现有技术仅根据报警数据生成维修工单所导致的数据源单一的问题。
进一步地,在得到历史工单数据之后,工单生成装置对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据。具体的,工单生成装置首先检测历史工单数据的数据量,并确定与数据量对应的分析算法,然后基于分析算法对历史工单数据进行分析,得到维修数据。
需要说明的是,针对不同的数据量对应不同的分析算法对历史工单数据进行分析,从而使得历史工单数据的分析更加具有针对性,进而保证了维修数据的准确性。
可选的,在数据量小于预设数据量的情况下,确定分析算法为历史工单数据分析算法,其中,历史工单数据分析算法为对历史工单数据进行分析得到维修数据的算法。例如,根据故障类型以及工业设备的使用年限、历史相同部位发生的故障以及该工业设备的维修策略对历史工单数据进行分析。在数据量大于等于预设数据量的情况下,确定分析算法为机器学习算法,其中,机器学习算法为使用多组数据通过神经网络学习训练得到的算法,多组数据中至少包括:历史工单数据以及对应的维修工单。
在一种可选的实施例中,维修工单至少包括计划工单和预测工单,其中,工单生成装置检测工业设备进行检修的间隔时长。在间隔时长达到预设时长的情况下,确定工业设备对应的历史工单数据为第一维修数据;根据第一维修数据生成计划工单;在间隔时长未达到预设时长的情况下,确定工业设备中的预设部件,其中,预设部件为工业设备中发生故障的等级大于预设等级的部件;确定预设部件对应的维修数据为第二维修数据;根据第二维修数据生成预测工单。
需要说明的是,计划工单是指每隔一段时长对工业设备进行检修时所生成的工单,由于每次对工业设备进行检修的检修项目是相同的,因此,计划工单中对应的第一维修数据与历史工单数据相同。预测工单是指对于工业设备中易损坏的部件,或者比较重要的部件进行检修时所生成的工单,其中,易损坏的部件,或者比较重要的部件的检修不一定在间隔时长达到预设时长之后进行检修,还可以在工业设备长时间运行或者,工业设备的运行环境发生变化时进行检修。
进一步地,在得到维修数据之后,工单生成装置根据维修数据生成工业设备的维修工单。具体的,工单生成装置根据维修数据确定维修类型以及维修专业,然后从预设库中获取与维修数据对应的工单描述信息,其中,工单描述信息中至少包括:对工业设备进行维修的维修方案,预设库中存储有维修数据以及对应的维修方案。最后再根据维修类型、维修专业以及工单描述信息生成维修工单。
在上述过程中,维修专业是指维修工单的类型,其中,维修工单的类型分为计划工单、预测工单以及故障维修工单,其中,故障维修工单可以是在报警时长大于预设时长和/或报警级别大于预设级别时所生成的维修工单。另外,维修专业是指维修工单中的故障所涉及到的专业类别,例如,机械、仪表、电器以及外委等。
可选的,根据维修数据可以确定故障类型,可根据故障类型确定维修类型以及维修专业,例如,故障类型为轴承故障或不对中,则维修类型为故障维修工单,对应的维修专业为机械。
需要说明的是,预设库中存储有维修数据与维修方案的映射关系,在确定了维修数据之后,可以从预设库中查询到对应的维修方案。
更进一步的,在得到了维修类型、维修专业以及工单描述信息之后,工单生成装置将维修类型、维修专业以及工单描述信息与对应的工单进行关联,将维修类型、维修专业以及工单描述信息填入到工单的对应位置上。
需要说明的是,在实际应用中,在生成维修工单之后,维修人员也可根据实际情况对维修工单进行修改,使维修工单更具有实用性。
可选的,图2示出了一种可选的工单的生成方法流程图,由图2可知,工单的数据源来源可以为历史工单数据还可以为报警数据。在工单的数据源为历史工单数据时,根据历史工单数据的数据量的不同采用的分析算法也不同,其中,在数据量小于预设数据量时,使用历史工单数据分析算法对历史工单数据进行分析,得到维修数据;在数据量不小于预设数据量时,使用机器学习算法对历史工单数据进行分析,得到维修数据。然后再将维修数据与工业设备对应的工单进行数据关联即可生成维修工单。在工单的数据源为报警数据时,可以直接将报警数据与工业设备对应的工单进行数据关联即可生成维修工单。在生成维修工单之后,可将维修工单发送至维修人员,由维修人员根据维修工单对工业设备进行维修。
由上述内容可知,本申请所提供的方案无需人工干预即可生成维修工单,极大地减轻人工成本,在创建工单的过程中减少了人工干预,提高了工作效率。
实施例2
根据本发明实施例,还提供了一种工单的生成装置实施例,其中,图3是根据本发明实施例的工单的生成装置示意图,如图3所示,该装置包括:获取模块301、确定模块303以及生成模块305。
其中,获取模块301,用于获取历史工单数据,其中,历史工单数据是工业设备发生故障时所生成的工单中的数据;确定模块303,用于对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据;生成模块305,用于根据维修数据生成工业设备的维修工单。
在一种可选的实施例中,工单的生成装置还包括:第一检测模块、第一生成模块以及第二生成模块。其中,第一检测模块,用于在获取历史工单数据之前,检测工业设备生成的报警数据,其中,报警数据为工业设备发生故障时生成的数据;第一生成模块,用于在报警数据满足预设条件时,生成工业设备的维修工单;第二生成模块,用于在报警数据不满足预设条件时,获取历史工单数据,并根据历史工单数据生成维修工单。
在一种可选的实施例中,工单的生成装置还包括:第二检测模块以及第一确定模块。其中,第二检测模块,用于检测工业设备生成报警数据的报警时长以及报警级别;第一确定模块,用于在报警时长大于预设时长和/或报警级别大于预设级别的情况下,确定报警数据满足预设条件。
在一种可选的实施例中,确定模块包括:第三检测模块、第二确定模块以及分析模块。其中,第三检测模块,用于检测历史工单数据的数据量;第二确定模块,用于确定与数据量对应的分析算法;分析模块,用于基于分析算法对历史工单数据进行分析,得到维修数据。
在一种可选的实施例中,第二确定模块包括:第三确定模块以及第四确定模块。其中,第三确定模块,用于在数据量小于预设数据量的情况下,确定分析算法为历史工单数据分析算法,其中,历史工单数据分析算法为对历史工单数据进行分析得到维修数据的算法;第四确定模块,用于在数据量大于等于预设数据量的情况下,确定分析算法为机器学习算法,其中,机器学习算法为使用多组数据通过神经网络学习训练得到的算法,多组数据中至少包括:历史工单数据以及对应的维修工单。
在一种可选的实施例中,维修工单至少包括计划工单和预测工单,工单的生成装置还包括:第四检测模块、第五确定模块以及第六确定模块。其中,第四检测模块,用于检测工业设备进行检修的间隔时长;第五确定模块,用于在间隔时长达到预设时长的情况下,确定工业设备对应的历史工单数据为第一维修数据;根据第一维修数据生成计划工单;第六确定模块,用于在间隔时长未达到预设时长的情况下,确定工业设备中的预设部件,其中,预设部件为工业设备中发生故障的等级大于预设等级的部件;确定预设部件对应的维修数据为第二维修数据;根据第二维修数据生成预测工单。
在一种可选的实施例中,生成模块包括:第七确定模块、第一获取模块以及第三生成模块。其中,第七确定模块,用于根据维修数据确定维修类型以及维修专业;第一获取模块,用于从预设库中获取与维修数据对应的工单描述信息,其中,工单描述信息中至少包括:对工业设备进行维修的维修方案;第三生成模块,用于根据维修类型、维修专业以及工单描述信息生成维修工单。
需要说明的是,上述工单的生成装置包括处理器和存储器,上述获取模块、确定模块以及生成模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来根据历史工单数据生成维修工单,无需人工干预,即可自动生成维修工单,从而降低了人工成本,提高了工作效率。。
实施例3
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述实施例中的工单的生成方法。
实施例4
本发明实施例提供了一种处理器,该处理器用于运行程序,其中,程序运行时执行上述实施例中的工单的生成方法。
实施例5
本发明实施例提供了一种计算设备,如图4所示的计算设备的示意图,由图4可知,该计算设备40包括总线401、至少一个处理器402以及与总线连接的至少一个存储器403;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的工单的生成方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取历史工单数据,其中,历史工单数据是工业设备发生故障时所生成的工单中的数据;对历史工单数据进行分析,确定需要对工业设备进行维修的维修数据;根据维修数据生成工业设备的维修工单。
当在数据处理设备上执行时,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:在获取历史工单数据之前,检测工业设备生成的报警数据,其中,报警数据为工业设备发生故障时生成的数据;在报警数据满足预设条件时,生成工业设备的维修工单;在报警数据不满足预设条件时,获取历史工单数据,并根据历史工单数据生成维修工单。
当在数据处理设备上执行时,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:检测工业设备生成报警数据的报警时长以及报警级别;在报警时长大于预设时长和/或报警级别大于预设级别的情况下,确定报警数据满足预设条件。
当在数据处理设备上执行时,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:检测历史工单数据的数据量;确定与数据量对应的分析算法;基于分析算法对历史工单数据进行分析,得到维修数据。
当在数据处理设备上执行时,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:在数据量小于预设数据量的情况下,确定分析算法为历史工单数据分析算法,其中,历史工单数据分析算法为对历史工单数据进行分析得到维修数据的算法;在数据量大于等于预设数据量的情况下,确定分析算法为机器学习算法,其中,机器学习算法为使用多组数据通过神经网络学习训练得到的算法,多组数据中至少包括:历史工单数据以及对应的维修工单。
当在数据处理设备上执行时,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:检测工业设备进行检修的间隔时长;在间隔时长达到预设时长的情况下,确定工业设备对应的历史工单数据为第一维修数据;根据第一维修数据生成计划工单;在间隔时长未达到预设时长的情况下,确定工业设备中的预设部件,其中,预设部件为工业设备中发生故障的等级大于预设等级的部件;确定预设部件对应的维修数据为第二维修数据;根据第二维修数据生成预测工单。
当在数据处理设备上执行时,上述计算机程序产品还适于执行初始化有如下方法步骤的程序:根据维修数据确定维修类型以及维修专业;从预设库中获取与维修数据对应的工单描述信息,其中,工单描述信息中至少包括:对工业设备进行维修的维修方案;根据维修类型、维修专业以及工单描述信息生成维修工单。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种工单的生成方法,其特征在于,包括:
获取历史工单数据,其中,所述历史工单数据是工业设备发生故障时所生成的工单中的数据;
对所述历史工单数据进行分析,确定需要对所述工业设备进行维修的维修数据;
根据所述维修数据生成所述工业设备的维修工单。
2.根据权利要求1所述的方法,其特征在于,在获取历史工单数据之前,所述方法还包括:
检测所述工业设备生成的报警数据,其中,所述报警数据为所述工业设备发生故障时生成的数据;
在所述报警数据满足预设条件时,生成所述工业设备的维修工单;
在所述报警数据不满足所述预设条件时,获取所述历史工单数据,并根据所述历史工单数据生成所述维修工单。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
检测所述工业设备生成所述报警数据的报警时长以及报警级别;
在所述报警时长大于预设时长和/或所述报警级别大于预设级别的情况下,确定所述报警数据满足所述预设条件。
4.根据权利要求1所述的方法,其特征在于,对所述历史工单数据进行分析,确定需要对所述工业设备进行维修的维修数据,包括:
检测所述历史工单数据的数据量;
确定与所述数据量对应的分析算法;
基于所述分析算法对所述历史工单数据进行分析,得到所述维修数据。
5.根据权利要求4所述的方法,其特征在于,确定与所述数据量对应的分析算法,包括:
在所述数据量小于预设数据量的情况下,确定所述分析算法为历史工单数据分析算法,其中,所述历史工单数据分析算法为对所述历史工单数据进行分析得到所述维修数据的算法;
在所述数据量大于等于所述预设数据量的情况下,确定所述分析算法为机器学习算法,其中,所述机器学习算法为使用多组数据通过神经网络学习训练得到的算法,多组数据中至少包括:所述历史工单数据以及对应的维修工单。
6.根据权利要求1所述的方法,其特征在于,所述维修工单至少包括计划工单和预测工单,其中,所述方法还包括:
检测所述工业设备进行检修的间隔时长;
在所述间隔时长达到预设时长的情况下,确定所述工业设备对应的历史工单数据为第一维修数据;根据所述第一维修数据生成所述计划工单;
在所述间隔时长未达到所述预设时长的情况下,确定所述工业设备中的预设部件,其中,所述预设部件为所述工业设备中发生故障的等级大于预设等级的部件;确定所述预设部件对应的维修数据为第二维修数据;根据所述第二维修数据生成所述预测工单。
7.根据权利要求1所述的方法,其特征在于,根据所述维修数据生成所述工业设备的维修工单,包括:
根据所述维修数据确定维修类型以及维修专业;
从预设库中获取与所述维修数据对应的工单描述信息,其中,所述工单描述信息中至少包括:对所述工业设备进行维修的维修方案;
根据所述维修类型、所述维修专业以及所述工单描述信息生成所述维修工单。
8.一种工单的生成装置,其特征在于,包括:
获取模块,用于获取历史工单数据,其中,所述历史工单数据是工业设备发生故障时所生成的工单中的数据;
确定模块,用于对所述历史工单数据进行分析,确定需要对所述工业设备进行维修的维修数据;
生成模块,用于根据所述维修数据生成所述工业设备的维修工单。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的工单的生成方法。
10.一种电子设备,其特征在于,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;
其中,所述处理器、所述存储器通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的程序指令,以执行权利要求1至7中任意一项所述的工单的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910936002.4A CN112580827A (zh) | 2019-09-29 | 2019-09-29 | 工单的生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910936002.4A CN112580827A (zh) | 2019-09-29 | 2019-09-29 | 工单的生成方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112580827A true CN112580827A (zh) | 2021-03-30 |
Family
ID=75111244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910936002.4A Pending CN112580827A (zh) | 2019-09-29 | 2019-09-29 | 工单的生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580827A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492861A (zh) * | 2021-12-31 | 2022-05-13 | 北京航天测控技术有限公司 | 一种测试数据的采集和解析方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373839A (zh) * | 2015-12-15 | 2016-03-02 | 国网北京市电力公司 | 智能派单方法和装置 |
CN109002896A (zh) * | 2018-07-04 | 2018-12-14 | 万翼科技有限公司 | 报修方法及其装置和计算机可读存储介质 |
CN109242276A (zh) * | 2018-08-21 | 2019-01-18 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理系统 |
CN109685221A (zh) * | 2018-12-07 | 2019-04-26 | 天津津航计算技术研究所 | 一种基于移动客户端技术的机车维护方法 |
CN109780680A (zh) * | 2019-01-31 | 2019-05-21 | 广东美的制冷设备有限公司 | 空调器的故障报修方法、装置、空调器及服务器 |
CN109862048A (zh) * | 2017-11-29 | 2019-06-07 | 内蒙古伊利实业集团股份有限公司 | 工厂设备处理系统、设备数据库服务器及方法 |
CN109993541A (zh) * | 2017-12-28 | 2019-07-09 | 青岛日日顺电器服务有限公司 | 一种智能设备自主报修的方法、装置、服务器及存储介质 |
CN110069051A (zh) * | 2019-04-29 | 2019-07-30 | 广东美的制冷设备有限公司 | 家电故障处理方法和装置 |
-
2019
- 2019-09-29 CN CN201910936002.4A patent/CN112580827A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373839A (zh) * | 2015-12-15 | 2016-03-02 | 国网北京市电力公司 | 智能派单方法和装置 |
CN109862048A (zh) * | 2017-11-29 | 2019-06-07 | 内蒙古伊利实业集团股份有限公司 | 工厂设备处理系统、设备数据库服务器及方法 |
CN109993541A (zh) * | 2017-12-28 | 2019-07-09 | 青岛日日顺电器服务有限公司 | 一种智能设备自主报修的方法、装置、服务器及存储介质 |
CN109002896A (zh) * | 2018-07-04 | 2018-12-14 | 万翼科技有限公司 | 报修方法及其装置和计算机可读存储介质 |
CN109242276A (zh) * | 2018-08-21 | 2019-01-18 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理系统 |
CN109685221A (zh) * | 2018-12-07 | 2019-04-26 | 天津津航计算技术研究所 | 一种基于移动客户端技术的机车维护方法 |
CN109780680A (zh) * | 2019-01-31 | 2019-05-21 | 广东美的制冷设备有限公司 | 空调器的故障报修方法、装置、空调器及服务器 |
CN110069051A (zh) * | 2019-04-29 | 2019-07-30 | 广东美的制冷设备有限公司 | 家电故障处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
徐慧;毛一轩;: "RCM在南京地铁设备维修管理中的应用创新和实践", 科技传播, no. 14, pages 180 - 181 * |
李东: "基于MAXIMO平台的设备故障管理系统设计和实现", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 10, pages 138 - 1709 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492861A (zh) * | 2021-12-31 | 2022-05-13 | 北京航天测控技术有限公司 | 一种测试数据的采集和解析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109639450B (zh) | 基于神经网络的故障告警方法、系统、计算机设备及介质 | |
CN105956734A (zh) | 动态设置it设备的性能的指标阈值的方法及系统 | |
CN108205424A (zh) | 基于磁盘的数据迁移方法、装置及电子设备 | |
KR102097953B1 (ko) | 고장 리스크 지표 추정 장치 및 고장 리스크 지표 추정 방법 | |
CN110633194B (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
CN114076873B (zh) | 电缆故障分析预测方法和装置 | |
CN110198347B (zh) | 一种基于区块链的预警方法及分控服务器 | |
CN110808864A (zh) | 通信预警方法、装置及系统 | |
CN114511292A (zh) | 一种基于智能三色灯的数据监测方法、设备及介质 | |
CN111897705A (zh) | 服务状态处理、模型训练方法、装置、设备和存储介质 | |
CN113502870A (zh) | 挖掘机工况判定方法及装置 | |
CN105183627A (zh) | 一种服务器性能预测的方法及系统 | |
CN109726068A (zh) | 一种数据检测方法及装置 | |
CN112580827A (zh) | 工单的生成方法和装置 | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN110579694B (zh) | 电弧故障的检测方法及装置、存储介质及处理器 | |
CN112527610A (zh) | 设备运作状态的监测方法及装置 | |
CN113919683A (zh) | 工艺工时的计算方法、装置、存储介质及处理器 | |
CN115147236A (zh) | 一种处理方法、处理装置和电子设备 | |
CN114491936A (zh) | 高压管汇寿命的确定方法及装置、高压管汇系统 | |
CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN113283076A (zh) | 用电异常的研究方法、装置与计算机可读存储介质 | |
CN112184487A (zh) | 预测供电指标的方法及装置 | |
CN110768847B (zh) | 电力数据的处理方法和装置 |
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 |