CN112581155A - 一种数据处理方法及装置 - Google Patents
一种数据处理方法及装置 Download PDFInfo
- Publication number
- CN112581155A CN112581155A CN201910938593.9A CN201910938593A CN112581155A CN 112581155 A CN112581155 A CN 112581155A CN 201910938593 A CN201910938593 A CN 201910938593A CN 112581155 A CN112581155 A CN 112581155A
- Authority
- CN
- China
- Prior art keywords
- daily
- data
- equipment
- active
- mechanical equipment
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000002776 aggregation Effects 0.000 claims abstract description 25
- 238000004220 aggregation Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 14
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004454 trace mineral analysis Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种数据处理方法、装置、计算机可读存储介质和处理器，涉及数据处理技术领域。其中，该方法包括：获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息，其中包括的物联网IoT数据和位置数据可以实时采集，准确性高，因此提升了初始数据的时效性与可靠性，后续进行每日数据切片聚合并根据每日数据切片获取所述机械设备的设备开工率和活跃率时能够避免人为主观因素的影响，进一步提升预测结果的可靠性，并且可以进行每日数据分析，因此对于市场热度的预测实时性好，能够预测结果的偏差。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种数据处理方法及装置。
背景技术
工程机械设备属于高价值、重资产设备，企业通过钢材、劳动力、零部件的投入制造各类工程机械，行业范围广，门类多，技术含量高，与其他的产业关联度大，带动性强，同时受国内、国际宏观经济影响也非常大。
随着行业集中度的提升，预测市场对工程机械设备的需求热度趋势，对于企业掌握市场趋势、确定企业销售经营决策以及企业的高质量发展具有极为重要的意义。
目前，工程机械设备的制造企业往往通过访谈、销售统计、代理预估等方法预测市场热度并制定销售计划，但这种方法由于获取的数据片面并且容易受到较大的人为主观因素的影响，并且时效性差，导致预测的偏差很大，可靠性低。
发明内容
为了解决现有技术存在的上述技术问题，本申请提供了一种数据处理方法及装置，降低了人为主观因素的影响，提升了对于市场需求预测时的时效性与可靠性。
本申请实施例提供了一种数据处理方法，所述方法包括：
获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息；
根据预设每日数据切片聚合规则和所述初始数据获取每日数据切片，所述每日数据切片包括每日活跃机械设备数、活跃机械设备平均工作时长和活跃机械设备平均开机时间；
根据所述每日数据切片获取所述机械设备的设备开工率和活跃率；
根据所述设备开工率和活跃率确定市场热度。
可选的，所述预设每日数据切片聚合规则包括：
每日累计工作时长＝当日最后一笔记录的累计工作时长-上一日最后一笔记录的累计工作时长；
每日累计开机时长＝当日最后一笔记录的累计开机时长-上一日最后一笔记录的累计开机时长；
活跃机械设备为每日累计开机时长大于预设时间的机械设备；
活跃机械设备平均工作时长＝每日累计工作时长÷活跃机械设备数；
活跃机械设备平均开机时间＝每日累计开机时长÷活跃机械设备数。
可选的，所述物联网IoT数据包括：设备开机时间、设备工作时间和和设备的开关状态；
所述位置数据包括设备实时位置信息；
所述设备基本信息包括下列中的至少一项：设备编号、设备类别、设备名称、设备型号、设备销售日期和设备生产日期。
可选的，所述根据所述每日数据切片获取所述机械设备的设备开工率和活跃率包括：
根据所述每日数据切片获取所述机械设备的当日活跃设备开工率、广义日开工率、月均广义开工率和日活跃率。
可选的，所述当日活跃设备开工率＝当日活跃设备平均工作小时÷8×100％；
所述广义日开工率＝当日活跃设备总工作小时÷当月所有活跃设备总台数÷8×100％；
所述月均广义日开工率为所述每日广义日开工率的月平均值；
所述日活跃率＝日活跃机械设备数÷总机械设备数。
本申请实施例提供了一种数据处理装置，所述装置包括：第一获取单元、第二获取单元和预测单元；
所述第一获取单元，用于获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息；
所述第二获取单元，用于根据预设每日数据切片聚合规则和所述初始数据获取每日数据切片，所述每日数据切片包括每日活跃机械设备数、活跃机械设备平均工作时长和活跃机械设备平均开机时间；
所述第二获取单元，还用于根据所述每日数据切片获取所述机械设备的设备开工率和活跃率；
所述预测单元，用于根据所述设备开工率和活跃率确定市场热度。
可选的，预设每日数据切片聚合规则包括：
每日累计工作时长＝当日最后一笔记录的累计工作时长-上一日最后一笔记录的累计工作时长；
每日累计开机时长＝当日最后一笔记录的累计开机时长-上一日最后一笔记录的累计开机时长；
活跃机械设备为每日累计开机时长大于预设时间的机械设备；
活跃机械设备平均工作时长＝每日累计工作时长÷活跃机械设备数；
活跃机械设备平均开机时间＝每日累计开机时长÷活跃机械设备数。
可选的，所述物联网IoT数据包括：设备开机时间、设备工作时间和和设备的开关状态；
所述位置数据包括设备实时位置信息；
所述设备基本信息包括下列中的至少一项：设备编号、设备类别、设备名称、设备型号、设备销售日期和设备生产日期。
可选的，所述第二获取单元具体用于：
根据所述每日数据切片获取所述机械设备的当日活跃设备开工率、广义日开工率、月均广义开工率和日活跃率。
可选的，所述当日活跃设备开工率＝当日活跃设备平均工作小时÷8×100％；
所述广义日开工率＝当日活跃设备总工作小时÷当月所有活跃设备总台数÷8×100％；
所述月均广义日开工率为所述每日广义日开工率的月平均值；
所述日活跃率＝日活跃机械设备数÷总机械设备数。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的数据处理方法。
本申请实施例还提供了一种电子设备，所述电子设备包括至少一个处理器、与处理器连接的至少一个存储器、以及总线；其中，所述处理器与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，以执行所述的数据处理方法。
本申请所述方法具有以下优点：
本申请提供的数据处理方法首先获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息。其中包括的物联网IoT数据和位置数据可以实时采集，准确性高，因此提升了初始数据的时效性与可靠性，后续进行每日数据切片聚合并根据每日数据切片获取所述机械设备的设备开工率和活跃率时能够避免人为主观因素的影响，进一步提升预测结果的可靠性，并且可以进行每日数据分析，因此对于市场热度的预测实时性好，能够预测结果的偏差。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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它的附图。
图1为本申请实施例提供的数据处理方法的流程图；
图2为本申请实施例提供的IoT数据的原始数据表样的示意图；
图3为本申请实施例提供的设备每日IoT数据切片聚合存储表样的示意图；
图4为本申请实施例提供的每日IoT数据切片聚合后的表样示意图；
图5为本申请实施例提供的设备开工率的跟踪分析示意图；
图6为本申请实施例提供的月均广义日开工率的跟踪分析示意图；
图7为本申请实施例提供的日活跃车数跟踪分析示意图；
图8为本申请实施例提供的数据处理装置的示意图；
图9为本申请实施例提供的一种电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
实施例一：
本申请实施例提供了一种数据处理方法，下面结合附图具体说明。
参见图1，该图为本申请实施例提供的数据处理方法的流程图。
本申请实施例所述方法包括以下步骤：
S101：获取机械设备的初始数据，初始数据包括物联网IoT数据、位置数据和设备基本信息。
本申请提供的方法需要的机械设备的工况参数比较统一，对机械设备如挖掘机、装载机、起重机、泵车、桩机、平地机、压路机等均可实现复用，下面具体以挖掘机数据为例进行说明。
初始数据包括物联网IoT(Internet of Things，物联网)数据、位置数据和设备基本信息，下面分别说明。
IoT数据采集：通过挖掘机内置的智能物联盒采集分散在各地的挖掘机的工况数据，例如：开机时间、工作时间、开关状态等，为了提升数据预测时的时效性，IoT数据采集间隔可以设置较短，例如可以将数据采集间隔控制在10分钟内，应用时可以根据实际情况调整，本申请实施例对此不作具体限定。
位置数据采集：通过挖掘机的智能物联盒的卫星定位模块回传挖掘机的实时位置以及位置的采集时间，为了提升数据预测时的时效性，位置数据采集的间隔可以设置较短，例如可以控制在1小时内，应用时可以根据实际情况调整，本申请实施例对此不作具体限定。
设备基本信息采集:可以采集设备编号、设备类别(多级)、设备名称、设备型号、设备销售日期和设备生产日期等信息。
S102：根据预设每日数据切片聚合规则和初始数据获取每日数据切片，每日数据切片包括每日活跃机械设备数、活跃机械设备平均工作时长和活跃机械设备平均开机时间。
对获取的挖掘机的IoT数据、位置数据、设备基本信息等进行聚合处理：由于获取的挖掘机IoT数据量非常大，例如，每台挖掘机每分钟回传一条工况数据，则一年回传的IoT数据总量为525600条，20万台挖掘一年的记录数据可达105120000000条之多，如此巨量的数据需要经过有效的聚合才能实现高效利用，针对IoT数据的时序特性，可做每日的数据切片聚合，下面具体说明对原始的IoT数据的聚合过程。
一并参见图2和图3，其中图2为IoT数据的原始数据表样的示意图，图3为设备每日IoT数据切片聚合存储表样的示意图。
本申请实施例对每日数据切片聚合时采用以下方式：
每日累计工作时长＝当日最后一笔记录的累计工作时长-上一日最后一笔记录的累计工作时长；
每日累计开机时长＝当日最后一笔记录的累计开机时长-上一日最后一笔记录的累计开机时长；
设备是否活跃判断：每日累计开机时长大于预设时间，则认为设备活跃。预设时间可以根据实际情况设置，本申请实施例不作具体限定，例如可以设置为0，即设备开机即认为设备活跃；
每日活跃设备数＝每日活跃设备的总数量；
活跃机械设备平均工作时长＝每日累计工作时长÷活跃机械设备数；
活跃机械设备平均开机时间＝每日累计开机时长÷活跃机械设备数。
S103：根据每日数据切片获取机械设备的设备开工率和活跃率。
其中，开工率可以包括机械设备的当日活跃设备开工率、广义日开工率、月均广义开工率。
活跃率可以包括机械设备的日活跃率。
进一步的，当日活跃设备开工率＝当日活跃设备平均工作小时÷8×100％；
广义日开工率＝当日活跃设备总工作小时÷当月所有活跃设备总台数÷8×100％；
月均广义日开工率为所述每日广义日开工率的月平均值；
日活跃率＝日活跃机械设备数÷总机械设备数。
参见图4，该图为每日IoT数据切片聚合后的表样示意图。
表中可以记录根据以上方式确定的每日活跃设备的数量、设备的平均工作时长以及设备的平均开机时间。
另外，实际应用中可以获取指定区域中的设备信息，指定区域可以依据经纬度确定，也可以根据行政区划分，例如可以选择处理指定省或指定市的设备数据。
获取图4所示的表样后，进一步确定日活跃设备开工率，广义设备开工率，月均广义开工率、日活跃率、日活跃设备数等指标，多维聚合的维度还包括地域、设备类别、设备型号、销售日期、生产日期等。
实际应用中，可以按法定的八小时工作制的对比来统计日活跃设备开工率，开工率越高，表示设备工作时间越长，市场对设备使用需求越强。
参见图5，该图为本申请实施例提供的设备开工率的跟踪分析示意图。
其中，图中上方折线为当日活跃设备开工率，下方折线为广义日开工率。时间分布为1月1日至4月30日。
广义日开工率对每月单日工作时间长但每月工作天数少的设备做了优化，以准确的能表征市场对设备的需求关系。
通过对该日开工率跟踪图的分析可知，春节后，当日活跃设备开工率与广义日开工率逐步接近，广义日开工率有提升趋势，表征出勤的设备数量以及设备的工作时长在增加。
并且，自3月中旬起，当日活跃设备开工率与广义日开工率持续接近，表征近期市场开工热度较高。4月后，广义日开工率稳定上升并在4月30日到达新高。
S104：根据设备开工率和活跃率确定市场热度。
实际应用中，机械设备的开工率和活跃率越高，表征市场热度越高。
参见图6，该图为本申请实施例提供的月均广义日开工率的跟踪分析示意图。
由图6分析确定一年来月均广义日开工率由31.60％上升至61.90％，呈现稳定上升趋势。其中1-2月的下降受到节假日的影响，因此不作为市场形势的判断依据，因此总体上呈现上升趋势。
参见图7，该图为本申请实施例提供的日活跃车数跟踪分析示意图。
其中，图中上方折线为中型挖掘机活跃车数，下方折线为大型挖掘机活跃车数。时间分布为1月1日至4月30日。
可以发现虽然两种挖掘机活跃量都有上升趋势，但中型挖掘机活跃车增加趋势更加明显，需要重点关注。
进一步的，还可以分别确定全国各区域(例如各省)的开工跟踪率和日活跃车数等信息，以使对于趋势预测可以更具有指向性。
利用本申请实施例提供的数据处理方法，首先获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息。其中包括的物联网IoT数据和位置数据可以实时采集，准确性高，因此提升了初始数据的时效性与可靠性，后续进行每日数据切片聚合并根据每日数据切片获取所述机械设备的设备开工率和活跃率时能够避免人为主观因素的影响，进一步提升预测结果的可靠性，并且可以进行每日数据分析，因此对于市场热度的预测实时性好，能够预测结果的偏差。
实施例二：
基于上述实施例提供的数据处理方法，本申请实施例还提供了一种数据处理装置，下面结合附图具体说明。
参见图8，该图为本申请实施例提供的数据处理装置的示意图。
本申请实施例提供的装置包括：第一获取单元801、第二获取单元802和预测单元803。
第一获取单元801用于获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息。
进一步的，所述物联网IoT数据包括：设备开机时间、设备工作时间和和设备的开关状态；
所述位置数据包括设备实时位置信息；
所述设备基本信息包括下列中的至少一项：设备编号、设备类别、设备名称、设备型号、设备销售日期和设备生产日期。
第二获取单元802用于根据预设每日数据切片聚合规则和所述初始数据获取每日数据切片，所述每日数据切片包括每日活跃机械设备数、活跃机械设备平均工作时长和活跃机械设备平均开机时间。
进一步的，预设每日数据切片聚合规则包括：
每日累计工作时长＝当日最后一笔记录的累计工作时长-上一日最后一笔记录的累计工作时长；
每日累计开机时长＝当日最后一笔记录的累计开机时长-上一日最后一笔记录的累计开机时长；
活跃机械设备为每日累计开机时长大于预设时间的机械设备；
活跃机械设备平均工作时长＝每日累计工作时长÷活跃机械设备数；
活跃机械设备平均开机时间＝每日累计开机时长÷活跃机械设备数。
第二获取单元802还用于根据所述每日数据切片获取所述机械设备的设备开工率和活跃率。
进一步的，所述第二获取单元802具体用于：
根据所述每日数据切片获取所述机械设备的当日活跃设备开工率、广义日开工率、月均广义开工率和日活跃率。
其中，当日活跃设备开工率＝当日活跃设备平均工作小时÷8×100％；
广义日开工率＝当日活跃设备总工作小时÷当月所有活跃设备总台数÷8×100％；
月均广义日开工率为所述每日广义日开工率的月平均值；
日活跃率＝日活跃机械设备数÷总机械设备数。
预测单元803用于根据所述设备开工率和活跃率确定市场热度。
利用本申请提供的数据处理装置，降低了人为主观因素的影响，提升了对于市场需求预测时的时效性与可靠性。
所述市场热度的装置包括处理器和存储器，上述第一获取单元、第二获取单元和预测单元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对机械设备的市场热度的预测。
本申请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所述数据处理方法。
本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述数据处理方法。
本申请实施例还提供了一种电子设备，下面结合附图具体说明。
参见图9，该图为本申请实施例提供的一种电子设备的示意图。
该电子设备包括至少一个处理器901、以及与处理器901连接的至少一个存储器902、总线903；其中，处理器901、存储器902通过总线903完成相互间的通信；处理器901用于调用存储器902中的程序指令，以执行上述的数据处理方法。本申请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：
获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息；
根据预设每日数据切片聚合规则和所述初始数据获取每日数据切片，所述每日数据切片包括每日活跃机械设备数、活跃机械设备平均工作时长和活跃机械设备平均开机时间；
根据所述每日数据切片获取所述机械设备的设备开工率和活跃率；
根据所述设备开工率和活跃率确定市场热度。
可选的，所述预设每日数据切片聚合规则包括：
每日累计工作时长＝当日最后一笔记录的累计工作时长-上一日最后一笔记录的累计工作时长；
每日累计开机时长＝当日最后一笔记录的累计开机时长-上一日最后一笔记录的累计开机时长；
活跃机械设备为每日累计开机时长大于预设时间的机械设备；
活跃机械设备平均工作时长＝每日累计工作时长÷活跃机械设备数；
活跃机械设备平均开机时间＝每日累计开机时长÷活跃机械设备数。
可选的，所述物联网IoT数据包括：设备开机时间、设备工作时间和和设备的开关状态；
所述位置数据包括设备实时位置信息；
所述设备基本信息包括下列中的至少一项：设备编号、设备类别、设备名称、设备型号、设备销售日期和设备生产日期。
可选的，所述根据所述每日数据切片获取所述机械设备的设备开工率和活跃率包括：
根据所述每日数据切片获取所述机械设备的当日活跃设备开工率、广义日开工率、月均广义开工率和日活跃率。
可选的，所述当日活跃设备开工率＝当日活跃设备平均工作小时÷8×100％；
所述广义日开工率＝当日活跃设备总工作小时÷当月所有活跃设备总台数÷8×100％；
所述月均广义日开工率为所述每日广义日开工率的月平均值；
所述日活跃率＝日活跃机械设备数÷总机械设备数。
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)
1.一种数据处理方法，其特征在于，所述方法包括：
获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息；
根据预设每日数据切片聚合规则和所述初始数据获取每日数据切片，所述每日数据切片包括每日活跃机械设备数、活跃机械设备平均工作时长和活跃机械设备平均开机时间；
根据所述每日数据切片获取所述机械设备的设备开工率和活跃率；
根据所述设备开工率和活跃率确定市场热度。
2.根据权利要求1所述的方法，其特征在于，所述预设每日数据切片聚合规则包括：
每日累计工作时长＝当日最后一笔记录的累计工作时长-上一日最后一笔记录的累计工作时长；
每日累计开机时长＝当日最后一笔记录的累计开机时长-上一日最后一笔记录的累计开机时长；
活跃机械设备为每日累计开机时长大于预设时间的机械设备；
活跃机械设备平均工作时长＝每日累计工作时长÷活跃机械设备数；
活跃机械设备平均开机时间＝每日累计开机时长÷活跃机械设备数。
3.根据权利要求1所述的方法，其特征在于，所述物联网IoT数据包括：设备开机时间、设备工作时间和和设备的开关状态；
所述位置数据包括设备实时位置信息；
所述设备基本信息包括下列中的至少一项：设备编号、设备类别、设备名称、设备型号、设备销售日期和设备生产日期。
4.根据权利要求1所述的方法，其特征在于，所述根据所述每日数据切片获取所述机械设备的设备开工率和活跃率包括：
根据所述每日数据切片获取所述机械设备的当日活跃设备开工率、广义日开工率、月均广义开工率和日活跃率。
5.根据权利要求4所述的方法，其特征在于，所述当日活跃设备开工率＝当日活跃设备平均工作小时÷8×100％；
所述广义日开工率＝当日活跃设备总工作小时÷当月所有活跃设备总台数÷8×100％；
所述月均广义日开工率为所述每日广义日开工率的月平均值；
所述日活跃率＝日活跃机械设备数÷总机械设备数。
6.一种数据处理装置，其特征在于，所述装置包括：第一获取单元、第二获取单元和预测单元；
所述第一获取单元，用于获取机械设备的初始数据，所述初始数据包括物联网IoT数据、位置数据和设备基本信息；
所述第二获取单元，用于根据预设每日数据切片聚合规则和所述初始数据获取每日数据切片，所述每日数据切片包括每日活跃机械设备数、活跃机械设备平均工作时长和活跃机械设备平均开机时间；
所述第二获取单元，还用于根据所述每日数据切片获取所述机械设备的设备开工率和活跃率；
所述预测单元，用于根据所述设备开工率和活跃率确定市场热度。
7.根据权利要求6所述的装置，其特征在于，预设每日数据切片聚合规则包括：
每日累计工作时长＝当日最后一笔记录的累计工作时长-上一日最后一笔记录的累计工作时长；
每日累计开机时长＝当日最后一笔记录的累计开机时长-上一日最后一笔记录的累计开机时长；
活跃机械设备为每日累计开机时长大于预设时间的机械设备；
活跃机械设备平均工作时长＝每日累计工作时长÷活跃机械设备数；
活跃机械设备平均开机时间＝每日累计开机时长÷活跃机械设备数。
8.根据权利要求6所述的装置，其特征在于，所述物联网IoT数据包括：设备开机时间、设备工作时间和和设备的开关状态；
所述位置数据包括设备实时位置信息；
所述设备基本信息包括下列中的至少一项：设备编号、设备类别、设备名称、设备型号、设备销售日期和设备生产日期。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-5中任意一项所述的数据处理方法。
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、与处理器连接的至少一个存储器、以及总线；其中，所述处理器与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，以执行如权利要求1-5中任意一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910938593.9A CN112581155A (zh) | 2019-09-30 | 2019-09-30 | 一种数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910938593.9A CN112581155A (zh) | 2019-09-30 | 2019-09-30 | 一种数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112581155A true CN112581155A (zh) | 2021-03-30 |
Family
ID=75116176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910938593.9A Pending CN112581155A (zh) | 2019-09-30 | 2019-09-30 | 一种数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112581155A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361936A (zh) * | 2021-06-09 | 2021-09-07 | 中联重科股份有限公司 | 用于起重机的可靠性分析方法、装置及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002157302A (ja) * | 2000-11-22 | 2002-05-31 | Komatsu Ltd | 機械の調達方法及びその調達システム |
| CN1365481A (zh) * | 2000-03-31 | 2002-08-21 | 日立建机株式会社 | 建筑机械的管理方法及系统以及运算处理装置 |
| CN1366569A (zh) * | 2000-03-31 | 2002-08-28 | 日立建机株式会社 | 建筑机械的管理方法及系统以及运算处理装置 |
| JP2003034954A (ja) * | 2001-07-25 | 2003-02-07 | Komatsu Ltd | 作業機械の管理装置 |
| US20030046136A1 (en) * | 2001-03-23 | 2003-03-06 | Hoffman George Harry | System, method and computer program product for assessing market trends in a supply chain management framework |
| US20030054808A1 (en) * | 2000-03-31 | 2003-03-20 | Hiroshi Watanabe | Method of detection of actual operating time of machinery deployed at construction sites, data collection and management system, and base station |
| CN1422354A (zh) * | 2000-03-31 | 2003-06-04 | 日立建机株式会社 | 机械实际运转时间的检测方法、数据收集和管理系统及其基站 |
| CN1443262A (zh) * | 2000-07-21 | 2003-09-17 | 日立建机株式会社 | 建筑机械的信息发送装置 |
| US20040148083A1 (en) * | 2003-01-24 | 2004-07-29 | Shuji Arakawa | Work machine management device |
| US7650294B1 (en) * | 2001-07-30 | 2010-01-19 | Ods-Petrodata, Inc. | Knowledge base system for an equipment market |
| CN108595314A (zh) * | 2018-03-12 | 2018-09-28 | 中国平安人寿保险股份有限公司 | 用户设备月活跃数计算方法、装置、终端设备及存储介质 |
| US20180293808A1 (en) * | 2017-04-06 | 2018-10-11 | Caterpillar Inc. | Machine time usage determination system and method |
| WO2019081399A1 (en) * | 2017-10-25 | 2019-05-02 | Koninklijke Philips N.V. | EXTRACTING SALES AND UPGRADING OPPORTUNITIES FROM USAGE DATA |
-
2019
- 2019-09-30 CN CN201910938593.9A patent/CN112581155A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1365481A (zh) * | 2000-03-31 | 2002-08-21 | 日立建机株式会社 | 建筑机械的管理方法及系统以及运算处理装置 |
| CN1366569A (zh) * | 2000-03-31 | 2002-08-28 | 日立建机株式会社 | 建筑机械的管理方法及系统以及运算处理装置 |
| US20030054808A1 (en) * | 2000-03-31 | 2003-03-20 | Hiroshi Watanabe | Method of detection of actual operating time of machinery deployed at construction sites, data collection and management system, and base station |
| CN1422354A (zh) * | 2000-03-31 | 2003-06-04 | 日立建机株式会社 | 机械实际运转时间的检测方法、数据收集和管理系统及其基站 |
| CN1443262A (zh) * | 2000-07-21 | 2003-09-17 | 日立建机株式会社 | 建筑机械的信息发送装置 |
| JP2002157302A (ja) * | 2000-11-22 | 2002-05-31 | Komatsu Ltd | 機械の調達方法及びその調達システム |
| US20030046136A1 (en) * | 2001-03-23 | 2003-03-06 | Hoffman George Harry | System, method and computer program product for assessing market trends in a supply chain management framework |
| JP2003034954A (ja) * | 2001-07-25 | 2003-02-07 | Komatsu Ltd | 作業機械の管理装置 |
| US7650294B1 (en) * | 2001-07-30 | 2010-01-19 | Ods-Petrodata, Inc. | Knowledge base system for an equipment market |
| US20040148083A1 (en) * | 2003-01-24 | 2004-07-29 | Shuji Arakawa | Work machine management device |
| US20180293808A1 (en) * | 2017-04-06 | 2018-10-11 | Caterpillar Inc. | Machine time usage determination system and method |
| WO2019081399A1 (en) * | 2017-10-25 | 2019-05-02 | Koninklijke Philips N.V. | EXTRACTING SALES AND UPGRADING OPPORTUNITIES FROM USAGE DATA |
| CN108595314A (zh) * | 2018-03-12 | 2018-09-28 | 中国平安人寿保险股份有限公司 | 用户设备月活跃数计算方法、装置、终端设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361936A (zh) * | 2021-06-09 | 2021-09-07 | 中联重科股份有限公司 | 用于起重机的可靠性分析方法、装置及系统 |
| CN113361936B (zh) * | 2021-06-09 | 2023-06-30 | 中联重科股份有限公司 | 用于起重机的可靠性分析方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021164465A1 (zh) | 智能预警方法与系统 | |
| US20120166616A1 (en) | System and method for energy performance management | |
| DE112011100360T5 (de) | System und Verfahren zum Aufbauen eines Clouds berücksichtigenden Lösungshintergrundes zur Massendatenanalyse | |
| CN105205297A (zh) | 一种时间序列预测方法及系统 | |
| CN102253883B (zh) | 一种服务器性能评价的方法和系统 | |
| US20130254175A1 (en) | Returning estimated value of search keywords of entire account | |
| CN109828989B (zh) | 客户营销方法及装置 | |
| CN110929965A (zh) | 一种项目风险评估方法及装置 | |
| CN112749863A (zh) | 关键词的调价方法及装置、电子设备 | |
| CN113344282B (zh) | 容量数据处理、调配的方法、系统和计算机可读介质 | |
| CN116842055A (zh) | 用于物联网数据批流一体处理的系统及方法 | |
| CN112581155A (zh) | 一种数据处理方法及装置 | |
| Ma et al. | Decomposition of temporal changes in construction labour productivity | |
| CN111723004B (zh) | 敏捷软件开发的度量方法，度量数据输出方法以及装置 | |
| Noh | Model of knowledge-based process management system using big data in the wireless communication environment | |
| CN117196757A (zh) | 一种非现货采购方法、装置、设备及介质 | |
| CN107580305B (zh) | 一种客户成员纯度分析方法及系统 | |
| CN114968028A (zh) | 基于用户行为分析动态改变菜单布局的方法、设备及介质 | |
| CN111178906B (zh) | 车辆客户智能管理方法、装置、计算机设备和存储介质 | |
| CN107979478A (zh) | 一种客户体验指标的确定方法及装置 | |
| CN112348455A (zh) | 一种库区考勤方法、设备及介质 | |
| CN110968611A (zh) | 数据分析方法、装置及系统 | |
| CN110955196A (zh) | 一种生产工艺指标数据的处理方法及系统 | |
| CN104734898A (zh) | 一种基于社交网络分析的业务推荐方法和系统 | |
| CN111984681B (zh) | 贷后征信查询方法及装置 |
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 |