CN113254541B - 一种基于聚类分析的剧场运维管理方法 - Google Patents

一种基于聚类分析的剧场运维管理方法 Download PDF

Info

Publication number
CN113254541B
CN113254541B CN202110405491.8A CN202110405491A CN113254541B CN 113254541 B CN113254541 B CN 113254541B CN 202110405491 A CN202110405491 A CN 202110405491A CN 113254541 B CN113254541 B CN 113254541B
Authority
CN
China
Prior art keywords
maintenance
attention
equipment
data
degree
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
Application number
CN202110405491.8A
Other languages
English (en)
Other versions
CN113254541A (zh
Inventor
张丹
陈永毅
刘安东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202110405491.8A priority Critical patent/CN113254541B/zh
Publication of CN113254541A publication Critical patent/CN113254541A/zh
Application granted granted Critical
Publication of CN113254541B publication Critical patent/CN113254541B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • 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)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于聚类分析的剧场运维管理方法，包括：以装备浏览量X和时间段T作为主成分设立关注度；根据不同天的同一时间段进行关注时间聚类，得到不同装备的N个数据簇；以装备维修量Y和时间段T作为主成分设立维修度；根据不同天的同一时间段进行维修时间聚类，得到不同装备的M个数据簇；对关注时间聚类N个数据簇和维修时间聚类的M个数据簇进行对照分析；按照分析结果实现对装备的针对性运维管理。上述技术方案以运维管理人员的浏览平台中相关装备的行为和维护记录数据为数据仓库，通过对聚类分组结果结合历史判断实现运维管理人员对剧场演艺设备的有效管理，优化运维管理数据，简化运维管理行为，实现高效准确的运维。

Description

一种基于聚类分析的剧场运维管理方法
技术领域
本发明涉及剧场运维管理技术领域，尤其涉及一种基于聚类分析的剧场运维管理方法。
背景技术
有资料显示，对于特定剧场运维管理来说，演艺装备种类繁多，数量也很庞大，无法每时每刻关注所有装备的运行状态。因此根据运维管理人员的浏览平台中相关装备的行为和维护记录，提取运维管理人员的个性化特征及其对某些特定装备的潜在关注度，借助基于混合数据关联机制挖掘与聚类推荐技术，为其推送感兴趣的装备的运行状态，以提供精准的运维管理服务功能。
中国专利文献CN107671414A公开了一种“运维管理方法”。采用了接收运维指令，所述运维指令包括：被选取的运维对象的名称；基于预设层级结构，确定所述被选取的运维对象的任务文件的调用路径，预设层级结构包括：运维对象对应的节点、运维对象的任务文件对应的节点；将确定出的被选取的运维对象的任务文件的调用路径加入到运维策略文件中，所述运维策略文件包括待批量运行的多个任务文件。上述技术方案缺少对运维数据本身的优化处理，使得运维管理过程繁琐且不够准确。
发明内容
本发明主要解决原有的技术方案缺少对运维数据本身的优化处理，运维管理过程繁琐且不够准确的技术问题，提供一种基于聚类分析的剧场运维管理方法，以运维管理人员的浏览平台中相关装备的行为和维护记录数据为数据仓库，根据最大化类内的相似度和最小化类间的相似度的原则对该数据进行聚类分组，通过对聚类分组结果结合历史判断实现运维管理人员对剧场演艺设备的有效管理，优化运维管理数据，简化运维管理行为，实现高效准确的运维。
本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：
S1以装备浏览量X和时间段T作为主成分设立关注度(X，T)；
S2根据不同天的同一时间段进行关注时间聚类，得到不同装备的N个数据簇；
S3以装备维修量Y和时间段T作为主成分设立维修度(Y，T)；
S4根据不同天的同一时间段进行维修时间聚类，得到不同装备的M个数据簇；
S5对关注时间聚类N个数据簇和维修时间聚类的M个数据簇进行对照分析；
S6按照分析结果实现对装备的针对性运维管理。
采用k-means聚类法实现针对不同天同一时间段的聚类分析，即对不同装备的关注量和维修量的侧重进行数据簇分类，通过对关注量和维修量数据簇进行对照分析，实现关注量和维修量相对应的目的，避免缺少关注导致异常。之后再更换时段分析，最终达到根据日期和时段进行相应推送确保足够关注量的目的。
作为优选，所述的步骤S2具体包括:
S2.1将任意N个装备的关注度作为数据中心；
S2.2将剩余装备根据关注度进行分类；
S2.3取同一分类中的关注度重新设立新的数据中心；
S2.4将所有装备根据关注度再次分类；
S2.5判断分类结果是否发生改变，若改变则重复步骤S2.3，若未改变则进行下一步；
S2.6输出不同分类装备构成的N个数据簇。
作为优选，所述的步骤S2.2根据关注度进行分类具体为根据装备关注度与数据中心的欧氏距离分类：
Figure BDA0003022150320000031
计算装备关注度与所有数据中心的欧氏距离，与欧氏距离最小的数据中心归为同一类。
作为优选，所述的步骤S2.3重新设立新的数据中心具体包括：将同一分类的装备的关注度汇总并取平均值，将平均值作为新的数据中心。
作为优选，所述的步骤S4具体包括:
S4.1将任意M个装备的关注度作为数据中心；
S4.2将剩余装备根据关注度进行分类；
S4.3取同一分类中的关注度重新设立新的数据中心；
S4.4将所有装备根据关注度再次分类；
S4.5判断分类结果是否发生改变，若改变则重复步骤S4.3，若未改变则进行下一步；
S4.6输出不同分类装备构成的M个数据簇。
作为优选，所述的步骤S4.2根据关注度进行分类具体为根据装备维修度与数据中心的欧氏距离分类：
Figure BDA0003022150320000032
计算装备维修度与所有数据中心的欧氏距离，与欧氏距离最小的数据中心归为同一类。
作为优选，所述的步骤S5具体包括：以维修时间聚类的M个数据簇为基础，对照其中维修度高的数据簇，若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度高对应的时间段一致，则判定该数据簇中装备具备充分关注，无需改变；
若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度高对应的时间段不一致，则判定该数据簇中装备缺少关注，增加推送量至大于等于关注度的加权平均值；
以维修时间聚类的M个数据簇为基础，对照其中维修度低的数据簇，若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度低对应的时间段一致，则判定该数据簇中装备具备充分关注，无需改变；
若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度低对应的时间段不一致，则判定该数据簇中装备过度关注，降低推送量至小于关注度的加权平均值。
作为优选，所述的维修度数据簇中最低维修度大于等于维修度的加权平均值，视为维修度高，若维修度数据簇中最高维修度小于维修度的加权平均值，视为维修度低；所述关注度数据簇中最低维修度大于等于维修度的加权平均值，视为关注度高，若关注度数据簇中最高维修度小于维修度的加权平均值，视为关注度低。
本发明的有益效果是：以运维管理人员的浏览平台中相关装备的行为和维护记录数据为数据仓库，根据最大化类内的相似度和最小化类间的相似度的原则对该数据进行聚类分组，通过对聚类分组结果结合历史判断实现运维管理人员对剧场演艺设备的有效管理，优化运维管理数据，简化运维管理行为，实现高效准确的运维。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：本实施例的一种基于聚类分析的剧场运维管理方法，如图1所示，包括以下步骤：
S1以装备浏览量X和时间段T作为主成分设立关注度(X，T)。
S2根据不同天的同一时间段进行关注时间聚类，得到不同装备的N个数据簇，具体包括:
S2.1将任意N个装备的关注度作为数据中心；
S2.2将剩余装备根据关注度进行分类，具体为根据装备关注度与数据中心的欧氏距离分类：
Figure BDA0003022150320000051
计算装备关注度与所有数据中心的欧氏距离，与欧氏距离最小的数据中心归为同一类。
S2.3取同一分类中的关注度重新设立新的数据中心，具体包括：将同一分类的装备的关注度汇总并取平均值，将平均值作为新的数据中心。
S2.4将所有装备根据关注度再次分类；
S2.5判断分类结果是否发生改变，若改变则重复步骤S2.3，若未改变则进行下一步；
S2.6输出不同分类装备构成的N个数据簇。
S3以装备维修量Y和时间段T作为主成分设立维修度(Y，T)；
S4根据不同天的同一时间段进行维修时间聚类，得到不同装备的M个数据簇，具体包括:
S4.1将任意M个装备的关注度作为数据中心；
S4.2将剩余装备根据关注度进行分类，具体为根据装备维修度与数据中心的欧氏距离分类：
Figure BDA0003022150320000061
计算装备维修度与所有数据中心的欧氏距离，与欧氏距离最小的数据中心归为同一类。
S4.3取同一分类中的关注度重新设立新的数据中心；
S4.4将所有装备根据关注度再次分类；
S4.5判断分类结果是否发生改变，若改变则重复步骤S4.3，若未改变则进行下一步；
S4.6输出不同分类装备构成的M个数据簇。
S5对关注时间聚类N个数据簇和维修时间聚类的M个数据簇进行对照分析，维修度数据簇中最低维修度大于等于维修度的加权平均值，视为维修度高，若维修度数据簇中最高维修度小于维修度的加权平均值，视为维修度低；所述关注度数据簇中最低维修度大于等于维修度的加权平均值，视为关注度高，若关注度数据簇中最高维修度小于维修度的加权平均值，视为关注度低。
处理结果具体包括：
1.以维修时间聚类的M个数据簇为基础，对照其中维修度高的数据簇，若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度高对应的时间段一致，则判定该数据簇中装备具备充分关注，无需改变；
2.若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度高对应的时间段不一致，则判定该数据簇中装备缺少关注，增加推送量至大于等于关注度的加权平均值；
3.以维修时间聚类的M个数据簇为基础，对照其中维修度低的数据簇，若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度低对应的时间段一致，则判定该数据簇中装备具备充分关注，无需改变；
4.若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度低对应的时间段不一致，则判定该数据簇中装备过度关注，降低推送量至小于关注度的加权平均值。
S6按照分析结果实现对装备的针对性运维管理。
采用k-means聚类法实现针对不同天同一时间段的聚类分析，即对不同装备的关注量和维修量的侧重进行数据簇分类，通过对关注量和维修量数据簇进行对照分析，实现关注量和维修量相对应的目的，避免缺少关注导致异常。之后再更换时段分析，最终达到根据日期和时段进行相应推送确保足够关注量的目的。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了关注时间聚类、维修时间聚类等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (4)

1.一种基于聚类分析的剧场运维管理方法，其特征在于，包括以下步骤：
S1以装备浏览量X和时间段T作为主成分设立关注度(X，T)；
S2根据不同天的同一时间段进行关注时间聚类，得到不同装备的N个数据簇，具体包括:
S2.1将任意N个装备的关注度作为数据中心；
S2.2将剩余装备根据关注度进行分类；
S2.3取同一分类中的关注度重新设立新的数据中心，具体包括：将同一分类的装备的关注度汇总并取平均值，将平均值作为新的数据中心；
S2.4将所有装备根据关注度再次分类；
S2.5判断分类结果是否发生改变，若改变则重复步骤S2.3，若未改变则进行下一步；
S2.6输出不同分类装备构成的N个数据簇；
S3以装备维修量Y和时间段T作为主成分设立维修度(Y，T)；
S4根据不同天的同一时间段进行维修时间聚类，得到不同装备的M个数据簇；
S5对关注时间聚类N个数据簇和维修时间聚类的M个数据簇进行对照分析；
S6按照分析结果实现对装备的针对性运维管理。
2.根据权利要求1所述的一种基于聚类分析的剧场运维管理方法，其特征在于，所述步骤S4具体包括:
S4.1将任意M个装备的关注度作为数据中心；
S4.2将剩余装备根据关注度进行分类；
S4.3取同一分类中的关注度重新设立新的数据中心；
S4.4将所有装备根据关注度再次分类；
S4.5判断分类结果是否发生改变，若改变则重复步骤S4.3，若未改变则进行下一步；
S4.6输出不同分类装备构成的M个数据簇。
3.根据权利要求1所述的一种基于聚类分析的剧场运维管理方法，其特征在于，所述步骤S5具体包括：以维修时间聚类的M个数据簇为基础，对照其中维修度高的数据簇，若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度高对应的时间段一致，则判定该数据簇中装备具备充分关注，无需改变；
若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度高对应的时间段不一致，则判定该数据簇中装备缺少关注，增加推送量至大于等于关注度的加权平均值；
以维修时间聚类的M个数据簇为基础，对照其中维修度低的数据簇，若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度低对应的时间段一致，则判定该数据簇中装备具备充分关注，无需改变；
若该数据簇的对应的时间与在关注时间聚类的N个数据簇中关注度低对应的时间段不一致，则判定该数据簇中装备过度关注，降低推送量至小于关注度的加权平均值。
4.根据权利要求3所述的一种基于聚类分析的剧场运维管理方法，其特征在于，所述维修度数据簇中最低维修度大于等于维修度的加权平均值，视为维修度高，若维修度数据簇中最高维修度小于维修度的加权平均值，视为维修度低；所述关注度数据簇中最低维修度大于等于维修度的加权平均值，视为关注度高，若关注度数据簇中最高维修度小于维修度的加权平均值，视为关注度低。
CN202110405491.8A 2021-04-15 2021-04-15 一种基于聚类分析的剧场运维管理方法 Active CN113254541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110405491.8A CN113254541B (zh) 2021-04-15 2021-04-15 一种基于聚类分析的剧场运维管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110405491.8A CN113254541B (zh) 2021-04-15 2021-04-15 一种基于聚类分析的剧场运维管理方法

Publications (2)

Publication Number Publication Date
CN113254541A CN113254541A (zh) 2021-08-13
CN113254541B true CN113254541B (zh) 2022-10-28

Family

ID=77220788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110405491.8A Active CN113254541B (zh) 2021-04-15 2021-04-15 一种基于聚类分析的剧场运维管理方法

Country Status (1)

Country Link
CN (1) CN113254541B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103742901A (zh) * 2013-12-24 2014-04-23 广州市恒力安全检测技术有限公司 一种循环流化床机组耗差分析优化目标值体系的确定方法
CN109993363A (zh) * 2019-04-01 2019-07-09 山东浪潮云信息技术有限公司 一种基于人工智能的自动化告警预测方法
CN111163075A (zh) * 2019-12-25 2020-05-15 北京科东电力控制系统有限责任公司 电力监控系统设备性能指标阈值动态调整方法
CN112446509A (zh) * 2020-11-10 2021-03-05 中国电子科技集团公司第三十八研究所 一种复杂电子装备预测维护方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005038098A (ja) * 2003-07-17 2005-02-10 Chugoku Electric Power Co Inc:The データマイニングを用いた機器、施設の運転状況又は取引の監視及び実行方法
US10410135B2 (en) * 2015-05-21 2019-09-10 Software Ag Usa, Inc. Systems and/or methods for dynamic anomaly detection in machine sensor data
CN106681300B (zh) * 2016-12-14 2019-03-29 云南电网有限责任公司电力科学研究院 一种电力设备的数据聚类分析方法和系统
CN110069551A (zh) * 2019-04-25 2019-07-30 江南大学 基于Spark的医疗设备运维信息挖掘分析系统及其使用方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103742901A (zh) * 2013-12-24 2014-04-23 广州市恒力安全检测技术有限公司 一种循环流化床机组耗差分析优化目标值体系的确定方法
CN109993363A (zh) * 2019-04-01 2019-07-09 山东浪潮云信息技术有限公司 一种基于人工智能的自动化告警预测方法
CN111163075A (zh) * 2019-12-25 2020-05-15 北京科东电力控制系统有限责任公司 电力监控系统设备性能指标阈值动态调整方法
CN112446509A (zh) * 2020-11-10 2021-03-05 中国电子科技集团公司第三十八研究所 一种复杂电子装备预测维护方法

Also Published As

Publication number Publication date
CN113254541A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
EP3709184A1 (en) Sample set processing method and apparatus, and sample querying method and apparatus
CN103117903B (zh) 上网流量异常检测方法及装置
EP3701480B1 (en) Systems and methods for intelligently grouping financial product users into cohesive cohorts
WO2017152734A1 (zh) 一种数据处理方法及相关设备、系统
CN104142999A (zh) 搜索结果展示方法及装置
CN109690581B (zh) 用户指导系统及方法
CN105512283A (zh) 数据质量管理控制方法及装置
US11710312B2 (en) Systems and methods for dynamic image category determination
CN112204543A (zh) 用于分布式系统的频繁模式分析
CN109978575B (zh) 一种挖掘用户流量经营场景的方法及装置
CN106294406B (zh) 一种用于处理应用访问数据的方法与设备
CN115828011A (zh) 基于大数据的数据分析方法和平台
CN111800292A (zh) 基于历史流量的预警方法、装置、计算机设备及存储介质
Picado et al. Survivability of cloud databases-factors and prediction
CN114268839A (zh) 视频发布账户筛选方法、装置、电子设备及存储介质
CN111626783B (zh) 用于实现事件转化概率预测的离线信息设置方法和装置
CN113254541B (zh) 一种基于聚类分析的剧场运维管理方法
CN113190696A (zh) 一种用户筛选模型的训练、用户推送方法和相关装置
CN112100177A (zh) 数据存储方法、装置、计算机设备及存储介质
CN115062676B (zh) 数据处理方法、装置及计算机可读存储介质
CN111026940A (zh) 一种面向电网电磁环境的网络舆情及风险信息监测系统、电子设备
CN114330720A (zh) 用于云计算的知识图谱构建方法、设备及存储介质
CN113177613A (zh) 系统资源数据分配方法及装置
CN113360313A (zh) 一种基于海量系统日志的行为分析方法
CN113986863A (zh) 一种云平台错误日志分类的方法、装置、设备及可读介质

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