CN113065733B - 一种基于人工智能的电气资产管理方法 - Google Patents
一种基于人工智能的电气资产管理方法 Download PDFInfo
- Publication number
- CN113065733B CN113065733B CN202011476589.4A CN202011476589A CN113065733B CN 113065733 B CN113065733 B CN 113065733B CN 202011476589 A CN202011476589 A CN 202011476589A CN 113065733 B CN113065733 B CN 113065733B
- Authority
- CN
- China
- Prior art keywords
- information
- module
- data
- asset
- loss
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 37
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000012423 maintenance Methods 0.000 claims abstract description 62
- 238000012549 training Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 60
- 238000013528 artificial neural network Methods 0.000 claims description 39
- 238000009434 installation Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 2
- 230000008439 repair process Effects 0.000 abstract description 6
- 239000000126 substance Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 206010013954 Dysphoria Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及互联网技术领域,特别是涉及一种基于人工智能的电气资产管理方法,其特征在于:用于电气资产的管理,基于以下设备:功率表、管理终端、第一服务器和第二服务器。本发明可以通过人工智能预测电气设备的损坏情况,恰当的采购终端电气设备所用的备用器件或备用物质,自动调整维修人员的培训重点,缩短设备出现故障时的所需的抢修时间,提供更好的抢修服务。
Description
技术领域
本发明涉及互联网技术领域,特别是涉及一种基于人工智能的电气资产管理方法。
背景技术
电气设备是我们生活和生产中不可或缺的设备,日常生活以及工业生产中经常用到电气设备,由于电气设备的存在,给我们的日常生活带来便捷,比如生活中的电视机、电冰箱、空调和洗衣机等电气设备,由于他们的存在提高了人们的生活品质,但是电气设备一旦发生故障,将给人们的生产及生活带来严重的影响,设想一下,炎炎的夏日,若家中或者公司的空调出现故障,我们怎能在炎热的环境下进行工作,这样不仅降低了人们的工作效率,还影响了人们的心情。一旦电气设备发生故障,我们需要经过漫长的抢修过程,首先,我们需要将设备故障报修给维修人员,维修人员需上门检修,维修人员检修出故障原因后,需对电气设备中损坏的器件进行更换,若维修人员所携带的器件中包含损坏器件的备用件,则能及时更换备用件,让电气设备再次恢复正常工作,若电气设备中损坏的器件或设备刚好库存不足,或者维修人员未携带在身边,又需要等待漫长的采购终端及运输过程。在此等待的过程,会因工作环境的恶劣而降低人们的工作效率,同时,人们的生活品质也在下降,人们在工作中的心情会出现烦躁,烦躁的心情下经常导致工作出现失误的情况发生。这样一系类的负面效应会给企业或家庭产生不良的影响。最终经过长时间的抢修过程,电气设备可再次恢复正常工作,才能给我们的生产或生活送来一丝的清凉。
发明内容
1.要解决的技术问题
本发明的目的是:在于提供一种基于人工智能的电气资产管理方法,它可以通过人工智能预测电气设备的损坏情况,恰当的采购终端电气设备所用的备用器件或备用物质,缩短设备出现故障时的所需的抢修时间,提供更好的抢修服务。
2.技术方案
为解决上述问题,本发明采用如下的技术方案。
一种基于人工智能的电气资产管理方法,用于电气资产的管理,基于以下设备:功率表、管理终端、第一服务器和第二服务器;
电气资产上设有资产编号,功率表上设有唯一编号,功率表和电气资产之间具有电性连接,功率表用于测量电气资产的使用功率;
功率表与第一服务器之间具有信号连接,第二服务器与第一服务器之间具有信号连接,管理终端与第一服务器之间具有信号连接;
第一服务器具有维修信息录入模块、功率追踪模块、安装信息录入模块、损耗件数据表、库存核对模块、设备运行表、维修数据表、第一数据整理模块和第二数据整理模块;
损耗件数据表内的数据包括器件类型、器件型号、资产编号、数量和识别向量;
设备运行表内的数据包括功率表唯一编号、资产编号、设备类型、累计功耗和预测的损耗件的资产编号;
维修数据表内的数据包括维修时间、设备类型、累计功耗、损耗器件的资产编号;
第二服务器具有人工神经网络模块;
安装信息录入模块能够编辑和读取设备运行表;
功率追踪模块能够编辑设备运行表;
第一数据整理模块能够从维修数据表获取信息;
第二数据整理模块能够从设备运行表获取信息;
维修信息录入模块能够将信息录入损耗件数据表;
库存核对模块能够从损耗件数据表和设备运行表获取信息;
库存核对模块能够将信息传送给管理终端;
管理终端能够从维修信息录入模块获取信息;
第一数据整理模块能够将信息传送至人工神经网络模块;
第二数据整理模块能够将信息传送至人工神经网络模块;
人工神经网络模块能够将信息录入到给设备运行表。
进一步的,还包括为采购员提供的采购终端,管理终端将信息综合后反馈给采购终端,采购员利用采购终端将采购终端信息录入到损耗件数据表.
进一步的,维修信息录入模块中的具有维修信息录入流程,具体如下:
步骤a1:电气资产维护工程师利用智能手机,扫描需维修设备资产的编号二维码;
步骤a2:电气资产维护工程师查询损耗件数据表中是否存在所需的耗损器件,若损耗件数据表中存在所需的耗损器件,则执行步骤a4,若损耗件数据表中不存在所需的耗损器件,则执行步骤a3.1;
步骤a3.1:在损耗件数据表中填入一行新数据,写明器件所属类型、器件型号,并在该行写入计算机自动产生的资产编号;
步骤a3.2:向管理终端发出申请购买所需损耗件的购买信息;
步骤a4:查询设备运行表,获取该设备的设备类型和累计运行功耗;
步骤a5:在维修数据表中填入维修时间、设备类型和累计运行功耗以及损耗器件的资产编号。
进一步的,设备安装时,安装信息录入模块具有如下数据录入流程:
步骤b1:在设备运行表中添加一行数据;
步骤b2:电气资产安装工程师利用智能手机,扫描电气设备的资产编号和功率表的唯一编号,并将功率表的数据输出录入到设备运行表最后一行;
步骤b3:功率追踪模块持续记录并累计功率表所测得的功率数据到设备运行表的累计功率项目。
进一步的,所述库存核对模块具有如下库存核对流程:
步骤c0:从设备运行表中的第1行开始读取数据;
步骤c1:读取行编号为X的设备运行表中预测的损耗器件的资产编号;
步骤c2:查询损耗件数据表中预测的损耗器件的数量是否大于0,若损耗件数据表中预测的损耗器件的数量不大于0,则执行步骤c3,若损耗件数据表中预测的损耗器件的数量大于0,则执行步骤c4;
步骤c3:向管理终端发出申请购买所需损耗件的信息;
步骤c4:判断读取的行编号是否到设备运行表的末行,若读取的行编号已到设备运行表的末行,则执行步骤c5,若读取的行编号未到设备运行表的末行,则调用第一服务器的数学运算电路进行X=X+1运算,进入步骤c1;
步骤c5:结束。
进一步的,人工神经网络模块的训练步骤如下:
步骤d1:训练数据包括第一输入向量和期望输出向量,将维修数据表中的设备类型和累计功耗信息整理为第一输入向量,将维修数据表中的损耗器件的资产编号传送给期望输出向量;
步骤d2:期望输出向量将信息传递给损耗件数据表中的识别向量;
步骤d3:第一数据模块将训练数据传送至人工神经网络模块,开启训练。
进一步的,人工神经网络模块的推理功能实现如下:依赖设备运行表、第二数据整理模块、损耗件数据表和向量筛选器;
设备运行表与第二数据整理模块之间具有信息连接,第二数据整理模块与人工神经网络模块之间具有信息连接,人工神经网络模块与输出向量之间具有信息连接,输出向量与相连筛选器之间具有信息连接,损耗件数据表与向量筛选器之间具有信息连接,向量筛选器与设备运行表之间具有信息连接;
具体步骤如下:
步骤e1:第二数据整理模块从设备运行表中读取设备类型和累计功耗的信息,并整理成第二输入向量;
步骤e2:第二数据整理模块将第二输入向量输入到人工神经网络模块;
步骤e3:运行人工神经网络,获得人工神经网络模块输出的输出向量;
步骤e4:向量筛选器 依据输出向量 筛选 损耗件数据表 中数据,获取 识别向量等于 输出向量 的损耗件的资产编号;
步骤e5:将 向量筛选器 获取 的 数据 录入到 给设备运行表中的预测损耗器件的资产编号,录入的行的行号 与 读取设备类型和累计功耗的信息的行的行号相等。
进一步的,还包括电气资产安装工程师用于将电气资产安装信息录入到安装信息录入模块所用的智能手机。
进一步的,还包括电气资产维护工程师用于将电气资产维修信息录入到维修信息录入模块所用的智能手机。
电网,电网用于给功率表和电气资产提供电能。
其他说明:虽然用于训练的数据是损坏时的数据,但由于如果新设备在对应累计功耗时刻已经损坏则会被用户发现则无需使用预测数据.如果到达检修的累计功耗但尚未损耗,则预测数据可以预计新设备可能产生对应的器件损耗,因此此状况下预测数据是有积极意义的.
3.有益效果
相比于现有技术,本发明的优点在于:
一、本发明提供了一种基于人工智能的电气资产管理方法新的技术思路。
二、本发明可以通过人工智能预测电气设备的损坏情况,恰当的采购终端电气设备所用的备用器件或备用物质,当设备出现故障时缩短设备维修的时间,提供更好的维修服务,让设备使用的用户获得更好的用户体验。
三、本发明在缩短抢修时间的同时,减少了维修人员的上门次数,减少维修人员的工作量,提高了维修人员的工作效率。
四、提高了用户的生活品质,同时也降低了因用户所处的工作环境恶劣而导致的用户心情不舒畅的情况发生,减少了因用户心情不好导致的工作失误的情况发生。
五、本发明实用性强,智能化程度高,值得在电气资产管理领域推广与使用。
附图说明
图1本发明的原理框架示意图;
图2本发明的维修信息录入模块中的维修信息录入流程图;
图3本发明的设备安装时安装信息录入模块的数据录入流程图;
图4本发明的库存校对模块的库存校对流程图;
图5本发明的人工神经网络模块训练示意图;
图6本发明的人工神经网络模块推理示意图。
具体实施方式
实施例:本实施例以电气资产中的空调为例做进一步的解释。
如图1-6所示,一种基于人工智能的电气资产管理方法,用于电气资产的管理,基于以下设备:功率表、管理终端、第一服务器和第二服务器;
电气资产上设有资产编号,功率表上设有唯一编号,功率表和电气资产之间具有电性连接,功率表用于测量电气资产的使用功率;
功率表与第一服务器之间具有信号连接,第二服务器与第一服务器之间具有信号连接,管理终端与第一服务器之间具有信号连接;
第一服务器具有维修信息录入模块、功率追踪模块、安装信息录入模块、损耗件数据表、库存核对模块、设备运行表、维修数据表、第一数据整理模块和第二数据整理模块;
损耗件数据表内的数据包括器件类型、器件型号、资产编号、数量和识别向量;
设备运行表内的数据包括功率表唯一编号、资产编号、设备类型、累计功耗和预测的损耗件的资产编号;
维修数据表内的数据包括维修时间、设备类型、累计功耗、损耗器件的资产编号;
第二服务器具有人工神经网络模块;
安装信息录入模块能够编辑和读取设备运行表;
功率追踪模块能够编辑设备运行表;
第一数据整理模块能够从维修数据表获取信息;
第二数据整理模块能够从设备运行表获取信息;
维修信息录入模块能够将信息录入损耗件数据表;
库存核对模块能够从损耗件数据表和设备运行表获取信息;
库存核对模块能够将信息传送给管理终端;
管理终端能够从维修信息录入模块获取信息;
第一数据整理模块能够将信息传送至人工神经网络模块;
第二数据整理模块能够将信息传送至人工神经网络模块;
人工神经网络模块能够将信息录入到给设备运行表。
还包括为采购员提供的采购终端,管理终端将信息综合后反馈给采购终端,采购员利用采购终端将采购终端信息录入到损耗件数据表.
维修信息录入模块中的具有维修信息录入流程,具体如下:
步骤a1:电气资产维护工程师利用智能手机,扫描需维修设备资产的编号二维码;
步骤a2:电气资产维护工程师查询损耗件数据表中是否存在所需的耗损器件,若损耗件数据表中存在所需的耗损器件,则执行步骤a4,若损耗件数据表中不存在所需的耗损器件,则执行步骤a3.1;
步骤a3.1:在损耗件数据表中填入一行新数据,写明器件所属类型、器件型号,并在该行写入计算机自动产生的资产编号;
步骤a3.2:向管理终端发出申请购买所需损耗件的购买信息;
步骤a4:查询设备运行表,获取该设备的设备类型和累计运行功耗;
步骤a5:在维修数据表中填入维修时间、设备类型和累计运行功耗以及损耗器件的资产编号。
设备安装时,安装信息录入模块具有如下数据录入流程:
步骤b1:在设备运行表中添加一行数据;
步骤b2:电气资产安装工程师利用智能手机,扫描电气设备的资产编号和功率表的唯一编号,并将功率表的数据输出录入到设备运行表最后一行;
步骤b3:功率追踪模块持续记录并累计功率表所测得的功率数据到设备运行表的累计功率项目。
所述库存核对模块具有如下库存核对流程:
步骤c0:从设备运行表中的第1行开始读取数据;
步骤c1:读取行编号为X的设备运行表中预测的损耗器件的资产编号;
步骤c2:查询损耗件数据表中预测的损耗器件的数量是否大于0,若损耗件数据表中预测的损耗器件的数量不大于0,则执行步骤c3,若损耗件数据表中预测的损耗器件的数量大于0,则执行步骤c4;
步骤c3:向管理终端发出申请购买所需损耗件的信息;
步骤c4:判断读取的行编号是否到设备运行表的末行,若读取的行编号已到设备运行表的末行,则执行步骤c5,若读取的行编号未到设备运行表的末行,则调用第一服务器的数学运算电路进行X=X+1运算,进入步骤c1;
步骤c5:结束。
人工神经网络模块的训练步骤如下:
步骤d1:训练数据包括第一输入向量和期望输出向量,将维修数据表中的设备类型和累计功耗信息整理为第一输入向量,将维修数据表中的损耗器件的资产编号传送给期望输出向量;
步骤d2:期望输出向量将信息传递给损耗件数据表中的识别向量;
步骤d3:第一数据模块将训练数据传送至人工神经网络模块,开启训练。
人工神经网络模块的推理功能实现如下:依赖设备运行表、第二数据整理模块、损耗件数据表和向量筛选器;
设备运行表与第二数据整理模块之间具有信息连接,第二数据整理模块与人工神经网络模块之间具有信息连接,人工神经网络模块与输出向量之间具有信息连接,输出向量与相连筛选器之间具有信息连接,损耗件数据表与向量筛选器之间具有信息连接,向量筛选器与设备运行表之间具有信息连接;
具体步骤如下:
步骤e1:第二数据整理模块从设备运行表中读取设备类型和累计功耗的信息,并整理成第二输入向量;
步骤e2:第二数据整理模块将第二输入向量输入到人工神经网络模块;
步骤e3:运行人工神经网络,获得人工神经网络模块输出的输出向量;
步骤e4:向量筛选器 依据输出向量 筛选 损耗件数据表 中数据,获取 识别向量等于 输出向量 的损耗件的资产编号;
步骤e5:将 向量筛选器 获取 的 数据 录入到 给设备运行表中的预测损耗器件的资产编号,录入的行的行号 与 读取设备类型和累计功耗的信息的行的行号相等。
以上所述;仅为本发明较佳的具体实施方式;但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;根据本发明的技术方案及其改进构思加以等同替换或改变;都应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于人工智能的电气资产管理方法,其特征在于:用于电气资产的管理,基于以下设备:功率表、管理终端、第一服务器和第二服务器;
电气资产上设有资产编号,功率表上设有唯一编号,功率表和电气资产之间具有电性连接,功率表用于测量电气资产的使用功率;
功率表与第一服务器之间具有信号连接,第二服务器与第一服务器之间具有信号连接,管理终端与第一服务器之间具有信号连接;
第一服务器具有维修信息录入模块、功率追踪模块、安装信息录入模块、损耗件数据表、库存核对模块、设备运行表、维修数据表、第一数据整理模块和第二数据整理模块;
损耗件数据表内的数据包括器件类型、器件型号、资产编号、数量和识别向量;
设备运行表内的数据包括功率表唯一编号、资产编号、设备类型、累计功耗和预测的损耗件的资产编号;
维修数据表内的数据包括维修时间、设备类型、累计功耗、损耗器件的资产编号;
第二服务器具有人工神经网络模块;
安装信息录入模块能够编辑和读取设备运行表;
功率追踪模块能够编辑设备运行表;
第一数据整理模块能够从维修数据表获取信息;
第二数据整理模块能够从设备运行表获取信息;
维修信息录入模块能够将信息录入损耗件数据表;
库存核对模块能够从损耗件数据表和设备运行表获取信息;
库存核对模块能够将信息传送给管理终端;
管理终端能够从维修信息录入模块获取信息;
第一数据整理模块能够将信息传送至人工神经网络模块;
第二数据整理模块能够将信息传送至人工神经网络模块;
人工神经网络模块能够将信息录入到给设备运行表;
人工神经网络模块的训练步骤如下:
步骤d1:训练数据包括第一输入向量和期望输出向量,将维修数据表中的设备类型和累计功耗信息整理为第一输入向量,将维修数据表中的损耗器件的资产编号传送给期望输出向量;
步骤d2:期望输出向量将信息传递给损耗件数据表中的识别向量;
步骤d3:第一数据模块将训练数据传送至人工神经网络模块,开启训练;
人工神经网络模块的推理功能实现如下:依赖设备运行表、第二数据整理模块、损耗件数据表和向量筛选器;
设备运行表与第二数据整理模块之间具有信息连接,第二数据整理模块与人工神经网络模块之间具有信息连接,人工神经网络模块与输出向量之间具有信息连接,输出向量与相连筛选器之间具有信息连接,损耗件数据表与向量筛选器之间具有信息连接,向量筛选器与设备运行表之间具有信息连接;
人工神经网络模块的推理功能具体步骤如下:
步骤e1:第二数据整理模块从设备运行表中读取设备类型和累计功耗的信息,并整理成第二输入向量;
步骤e2:第二数据整理模块将第二输入向量输入到人工神经网络模块;
步骤e3:运行人工神经网络,获得人工神经网络模块输出的输出向量;
步骤e4:向量筛选器 依据输出向量 筛选 损耗件数据表 中数据,获取 识别向量 等于 输出向量 的损耗件的资产编号;
步骤e5:将 向量筛选器 获取 的 数据 录入到 给设备运行表中的预测损耗器件的资产编号,录入的行的行号 与 读取设备类型和累计功耗的信息的行的行号相等。
2.如权利要求1所述的一种基于人工智能的电气资产管理方法,其特征在于:如权利要求1所述的 ,还包括为采购员提供的采购终端,管理终端将信息综合后反馈给采购终端,采购员利用采购终端将采购终端信息录入到损耗件数据表。
3.如权利要求1所述的一种基于人工智能的电气资产管理方法,其特征在于:维修信息录入模块中的具有维修信息录入流程,具体如下:
步骤a1:电气资产维护工程师利用智能手机,扫描需维修设备资产的编号二维码;
步骤a2:电气资产维护工程师查询损耗件数据表中是否存在所需的耗损器件,若损耗件数据表中存在所需的耗损器件,则执行步骤a4,若损耗件数据表中不存在所需的耗损器件,则执行步骤a3.1;
步骤a3.1:在损耗件数据表中填入一行新数据,写明器件所属类型、器件型号,并在该行写入计算机自动产生的资产编号;
步骤a3.2:向管理终端发出申请购买所需损耗件的购买信息;
步骤a4:查询设备运行表,获取该设备的设备类型和累计运行功耗;
步骤a5:在维修数据表中填入维修时间、设备类型和累计运行功耗以及损耗器件的资产编号;
进一步的,设备安装时,安装信息录入模块具有如下数据录入流程:
步骤b1:在设备运行表中添加一行数据;
步骤b2:电气资产安装工程师利用智能手机,扫描电气设备的资产编号和功率表的唯一编号,并将功率表的数据输出录入到设备运行表最后一行;
步骤b3:功率追踪模块持续记录并累计功率表所测得的功率数据到设备运行表的累计功率项目。
4.如权利要求1所述的一种基于人工智能的电气资产管理方法,其特征在于:所述库存核对模块具有如下库存核对流程:
步骤c0:从设备运行表中的第1行开始读取数据;
步骤c1:读取行编号为X的设备运行表中预测的损耗器件的资产编号;
步骤c2:查询损耗件数据表中预测的损耗器件的数量是否大于0,若损耗件数据表中预测的损耗器件的数量不大于0,则执行步骤c3,若损耗件数据表中预测的损耗器件的数量大于0,则执行步骤c4;
步骤c3:向管理终端发出申请购买所需损耗件的信息;
步骤c4:判断读取的行编号是否到设备运行表的末行,若读取的行编号已到设备运行表的末行,则执行步骤c5,若读取的行编号未到设备运行表的末行,则调用第一服务器的数学运算电路进行X=X+1运算,进入步骤c1;
步骤c5:结束。
5.如权利要求1所述的一种基于人工智能的电气资产管理方法,其特征在于:还包括电气资产安装工程师用于将电气资产安装信息录入到安装信息录入模块所用的智能手机。
6.如权利要求1所述的一种基于人工智能的电气资产管理方法,其特征在于:还包括电气资产维护工程师用于将电气资产维修信息录入到维修信息录入模块所用的智能手机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476589.4A CN113065733B (zh) | 2020-12-15 | 2020-12-15 | 一种基于人工智能的电气资产管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476589.4A CN113065733B (zh) | 2020-12-15 | 2020-12-15 | 一种基于人工智能的电气资产管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113065733A CN113065733A (zh) | 2021-07-02 |
CN113065733B true CN113065733B (zh) | 2024-04-30 |
Family
ID=76558585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011476589.4A Active CN113065733B (zh) | 2020-12-15 | 2020-12-15 | 一种基于人工智能的电气资产管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065733B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262748A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 用于维护智能资产的系统和方法 |
CN103093320A (zh) * | 2013-02-07 | 2013-05-08 | 上海长合信息技术有限公司 | 地铁运营网络中设备的管理方法 |
CN104047879A (zh) * | 2013-03-13 | 2014-09-17 | 北京康吉森自动化设备技术有限责任公司 | 透平压缩机组诊断控制系统及方法 |
CN105302098A (zh) * | 2015-11-11 | 2016-02-03 | 同济大学 | 一种基于ietm的地铁车辆互操作维修保障平台及其搭建方法 |
CN105809400A (zh) * | 2016-03-10 | 2016-07-27 | 中国航天空气动力技术研究院 | 一种基于二维码的无人机设备管理系统 |
CN106203759A (zh) * | 2015-05-08 | 2016-12-07 | 何正方 | 一套用于制造企业领取零配件的管理软件 |
WO2017105181A1 (es) * | 2015-12-14 | 2017-06-22 | Diaz Quintanar José Antonio | Sistema y método de predicción de fallas en equipos remotamente distribuidos |
CN108205714A (zh) * | 2016-12-19 | 2018-06-26 | 北京天源科创风电技术有限责任公司 | 基于平均故障间隔时间的服务备件需求预测方法和装置 |
CN108694271A (zh) * | 2017-03-31 | 2018-10-23 | 通用电气公司 | 燃气涡轮机调配优化系统及方法及非暂态计算机可读介质 |
CN109472387A (zh) * | 2018-04-10 | 2019-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种保电备品需求量预估方法 |
KR20200008621A (ko) * | 2017-12-18 | 2020-01-28 | 한국 전기안전공사 | 인공지능기법을 이용한 전기설비 안전도 평가 시스템 |
CN111612341A (zh) * | 2020-05-22 | 2020-09-01 | 广州鹄志信息咨询有限公司 | 一种it设备调拨管控系统及其调拨方法 |
CN111695744A (zh) * | 2020-06-28 | 2020-09-22 | 曾晨 | 一种基于大数据的维修器材需求预测分析系统 |
-
2020
- 2020-12-15 CN CN202011476589.4A patent/CN113065733B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262748A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 用于维护智能资产的系统和方法 |
CN103093320A (zh) * | 2013-02-07 | 2013-05-08 | 上海长合信息技术有限公司 | 地铁运营网络中设备的管理方法 |
CN104047879A (zh) * | 2013-03-13 | 2014-09-17 | 北京康吉森自动化设备技术有限责任公司 | 透平压缩机组诊断控制系统及方法 |
CN106203759A (zh) * | 2015-05-08 | 2016-12-07 | 何正方 | 一套用于制造企业领取零配件的管理软件 |
CN105302098A (zh) * | 2015-11-11 | 2016-02-03 | 同济大学 | 一种基于ietm的地铁车辆互操作维修保障平台及其搭建方法 |
WO2017105181A1 (es) * | 2015-12-14 | 2017-06-22 | Diaz Quintanar José Antonio | Sistema y método de predicción de fallas en equipos remotamente distribuidos |
CN105809400A (zh) * | 2016-03-10 | 2016-07-27 | 中国航天空气动力技术研究院 | 一种基于二维码的无人机设备管理系统 |
CN108205714A (zh) * | 2016-12-19 | 2018-06-26 | 北京天源科创风电技术有限责任公司 | 基于平均故障间隔时间的服务备件需求预测方法和装置 |
CN108694271A (zh) * | 2017-03-31 | 2018-10-23 | 通用电气公司 | 燃气涡轮机调配优化系统及方法及非暂态计算机可读介质 |
KR20200008621A (ko) * | 2017-12-18 | 2020-01-28 | 한국 전기안전공사 | 인공지능기법을 이용한 전기설비 안전도 평가 시스템 |
CN109472387A (zh) * | 2018-04-10 | 2019-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种保电备品需求量预估方法 |
CN111612341A (zh) * | 2020-05-22 | 2020-09-01 | 广州鹄志信息咨询有限公司 | 一种it设备调拨管控系统及其调拨方法 |
CN111695744A (zh) * | 2020-06-28 | 2020-09-22 | 曾晨 | 一种基于大数据的维修器材需求预测分析系统 |
Non-Patent Citations (2)
Title |
---|
柔直换流站生产准备工作探究;刘吉昀;《科技创新与应用》;20200408(第10期);127-128 * |
浅谈设备维修的备件库存管理;涂珊;《老区建设》;20170625(第12期);42-44 * |
Also Published As
Publication number | Publication date |
---|---|
CN113065733A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107682412A (zh) | 一种智慧洗车系统及智慧洗车方法 | |
CN109120429B (zh) | 一种风险识别方法及系统 | |
CN109120428B (zh) | 一种用于风控分析的方法及系统 | |
KR101091754B1 (ko) | 장비 통합유지보수 관리 시스템 및 그 방법 | |
US20110251966A1 (en) | Source Aware Data Center Power Profiles | |
CN103093320A (zh) | 地铁运营网络中设备的管理方法 | |
CN106403188A (zh) | 一种空调维护方法及其维护装置 | |
CN207321306U (zh) | 一种智慧洗车系统 | |
CN103020679A (zh) | 一种预制混凝土构件生产质量检测系统 | |
US20150138354A1 (en) | Method and system for communicating equipment field data to service centers | |
CN103971294A (zh) | 一种基于输变电设备状态评估信息展现系统 | |
CN114816468A (zh) | 云边协同系统、数据处理方法、电子设备及存储介质 | |
CN112053079A (zh) | 一种电力监控系统供应链安全监测预警系统及方法 | |
CN111461283A (zh) | Ai模型的自动迭代运维方法、系统、设备及存储介质 | |
CN106022640B (zh) | 电量指数核对系统及方法 | |
CN113065733B (zh) | 一种基于人工智能的电气资产管理方法 | |
CN112015813B (zh) | 配电网的数据共享方法、系统、装置和计算机设备 | |
Krishnamurthy et al. | Automation of facility management processes using machine-to-machine technologies | |
CN118202309A (zh) | 用于在IoT系统中运行设备的方法 | |
CN111030853B (zh) | 基于设备全生命周期的信息监控系统 | |
KR100408966B1 (ko) | 인터넷을 이용한 가전기기의 에러 원격 관리방법 | |
CN104751281A (zh) | 一种氧化锌避雷器设备的自动工况评价方法 | |
CN102404362B (zh) | 数字电表通讯系统以及方法 | |
CN106658530A (zh) | 公安专网自适应多径向智能覆盖系统 | |
CN101718809B (zh) | 一种获得电能质量数据的系统及其方法 |
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 |