CN113592116B - 设备状态分析方法、装置、设备和存储介质 - Google Patents
设备状态分析方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113592116B CN113592116B CN202111139237.4A CN202111139237A CN113592116B CN 113592116 B CN113592116 B CN 113592116B CN 202111139237 A CN202111139237 A CN 202111139237A CN 113592116 B CN113592116 B CN 113592116B
- Authority
- CN
- China
- Prior art keywords
- time
- target
- data
- time periods
- division step
- 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
- 238000004458 analytical method Methods 0.000 title claims description 25
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 18
- 238000012545 processing Methods 0.000 description 7
- 239000006185 dispersion Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011282 treatment 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
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明实施例提供一种设备状态分析方法、装置、设备和存储介质,该方法包括:获取目标统计时间内接收到的目标设备的多条状态数据;以目标时间分割步长对目标统计时间进行时间段的划分,以确定多个时间段以及分别落入多个时间段内的状态数据,目标时间分割步长使得多个时间段内各自包含的数据量呈现出均衡性。根据多个时间段内目标状态数据各自对应的数量占比,确定多个时间段内目标状态数据各自对应的持续时长;根据多个时间段内目标状态数据各自对应的持续时长,确定目标状态数据在目标统计时间内对应的总持续时长。通过将计算时间占比的问题就可以转化成计算数量占比问题,可以大大简化计算,还可以提高计算结果的准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种设备状态分析方法、装置、设备和存储介质。
背景技术
在工业企业的数字化建设过程中,需要了解各种设备的工作状态情况,以便及时地进行设备的维修、替换等处理。其中,对于设备处于某种状态下的持续时长的统计,是一项很重要的数据分析目标,可以反映设备的运行状况。
设备可以内置或外部耦合一些用于采集各种状态数据的传感器,设备和传感器可以以固定或非固定频率不断上报采集到的设备的状态数据,因此,设备的状态数据是时序数据,比如设备每隔2.5秒上报一次采集的运行状态数据,上报的运行状态数据比如包括1(正常),2(停机),3(故障)等表征不同运行状态的数值。
假设需要统计该设备发生故障的时长,传统方案中,需要遍历所有的时序数据,记录每一次状态取值为3的开始时间,并向后逐条扫描直到匹配到第一个状态取值不为3的记录,记为一个窗口。然后根据得到的各窗口的开始和结束时间来计算状态取值为3的持续时长。但是这种统计方法一方面准确性容易受到数据传输的可靠性的影响,另一方面在需要统计的数据量很大时会导致较低的处理效率。
发明内容
本发明实施例提供一种设备状态分析方法、装置、设备和存储介质,用以提高设备状态持续时长计算结果的准确性和处理效率。
第一方面,本发明实施例提供一种设备状态分析方法,所述方法包括:
获取目标统计时间内接收到的目标设备的多条状态数据;
以目标时间分割步长对所述目标统计时间进行时间段的划分,以确定多个时间段以及分别落入所述多个时间段内的状态数据,其中,所述目标时间分割步长使得所述多个时间段内各自包含的数据量呈现出均衡性;
根据所述多个时间段内目标状态数据各自对应的数量占比,确定所述多个时间段内目标状态数据各自对应的持续时长;
根据所述多个时间段内目标状态数据各自对应的持续时长,确定所述目标状态数据在所述目标统计时间内对应的总持续时长。
第二方面,本发明实施例提供一种设备状态分析装置,所述装置包括:
获取模块,用于获取目标统计时间内接收到的目标设备的多条状态数据;
分割模块,用于以目标时间分割步长对所述目标统计时间进行时间段的划分,以确定多个时间段以及分别落入所述多个时间段内的状态数据,其中,所述目标时间分割步长使得所述多个时间段内各自包含的数据量呈现出均衡性;
分析模块,用于根据所述多个时间段内目标状态数据各自对应的数量占比,确定所述多个时间段内目标状态数据各自对应的持续时长;根据所述多个时间段内目标状态数据各自对应的持续时长,确定所述目标状态数据在所述目标统计时间内对应的总持续时长。
第三方面,本发明实施例提供一种电子设备,包括:存储器、处理器、通信接口;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器至少可以实现如第一方面所述的设备状态分析方法。
第四方面,本发明实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现如第一方面所述的设备状态分析方法。
第五方面,本发明实施例提供了一种计算机程序产品,包括:计算机程序,当所述计算机程序被电子设备的处理器执行时,使所述处理器执行如第一方面所述的设备状态分析方法。
在本发明实施例提供的方案中,首先,获取到目标统计时间内目标设备的多条状态数据其中,这些状态数据中包含多种不同的状态数据。之后,针对这些状态数据进行分析,分析其中某种状态数据(称为目标状态数据)的持续时长。为此,先以目标时间分割步长对目标统计时间进行时间段的划分,以确定多个时间段以及分别落入多个时间段内的状态数据,其中,目标时间分割步长使得多个时间段内各自包含的数据量呈现出均衡性;之后,根据多个时间段内目标状态数据各自对应的数量占比,确定多个时间段内目标状态数据各自对应的持续时长,以根据多个时间段内目标状态数据各自对应的持续时长,最终确定目标状态数据在目标统计时间内对应的总持续时长。
在该方案中,将计算时间占比的问题就可以转化成计算数量占比问题,可以大大简化计算。具体地,通过将目标统计时间划分成更细的时间段,让落在每个时间段内的数据量尽可能的均匀分布,计算出目标状态数据在每个时间段内的数量占比,进而计算出整个目标统计时间内的目标状态数据的持续时长。基于该方案,不仅可以简化计算量,提高处理效率,还可以提高计算结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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他的附图。
图1为本发明实施例提供的一种设备状态分析原理的示意图;
图2为本发明实施例提供的一种设备状态分析方法的流程图;
图3为本发明实施例提供的一种时间分割步长确定方法的流程图;
图4为本发明实施例提供的一种设备状态分析装置的结构示意图;
图5为与图4所示实施例提供的设备状态分析装置对应的电子设备的结构示意图。
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作出创造性劳动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。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
在实际应用中,一个设备的状态数据可能涉及到很多类型或者说维度,比如可能包括用于描述运行状态的状态数据,可能包括用于描述设备所处环境温度的状态数据,可能包括用于描述设备所处环境湿度的状态数据,可能包括用于描述设备转速的状态数据,等等。
每种类型下所能够采集到的状态数据有所不同。比如,描述设备运行状态的状态数据可以是表示不同运行状态的状态值,如1(正常),2(停机),3(故障)等数值。比如,描述设备所处环境温度的状态数据可以是具体采集到的温度值。比如,描述设备转速的状态数据可以是采集到的设备转速值。
设备内部或外部可以设置有采集不同种类的状态数据的采集设备,比如温度传感器、湿度传感器、转速检测器,等等。设备以及外部设置的采集设备可以以固定频率或非固定频率将采集到的状态数据上报给用于进行状态数据分析处理的上位机。
本发明实施例提供的设备状态分析方法可以由该上位机来执行,该上位机可以是诸如PC机、笔记本电脑等终端设备,也可以是服务器。该服务器可以是物理服务器,或者也可以为虚拟服务器。该服务器可以是用户侧的物理或虚拟服务器,也可以为云端服务器。
实际应用中,每种类型的状态数据实际上都是时序数据,上报信息一般会包括如下字段:
1)设备编号,例如device_1;
2)设备状态类型(或者称为设备点位名字),例如设备运行状态:device_status;
3)设备状态值(或者称为设备点位值),例如3;
4)数据上报时间,例如2021-06-24 20:00:00。
在上面举例中,假设设备运行状态包括正常、停机、故障三种,分别以数值1(正常),2(停机),3(故障)来表示。
仍以上述设备运行状态数据为例,假设设备每隔3秒依次上报了如下表1中的多条数据。
表1:设备运行状态数据上报结果
设备编号 | 点位名字 | 点位值 | 上报时间 |
device_1 | device_status | 1 | 2021-06-24 20:00:00 |
device_1 | device_status | 1 | 2021-06-24 20:00:03 |
device_1 | device_status | 3 | 2021-06-24 20:00:06 |
device_1 | device_status | 1 | 2021-06-24 20:00:09 |
device_1 | device_status | 3 | 2021-06-24 20:00:12 |
device_1 | device_status | 3 | 2021-06-24 20:00:15 |
假设需要统计每天的设备故障时间比例,则需要知道每一次故障的持续时间。在以往的处理办法中,需要遍历上述所有的时序数据,记录每一次的状态值为3开始时间,并向后逐条扫描直到匹配到第一个状态值不为3的记录,记为一个窗口,然后根据该窗口的开始和结束时间来计算本次故障的持续时间,在上述表格中,第一次故障的持续时间为2021-06-24 20:00:06至2021-06-24 20:00:09。
但是因为实际过程中数据状况难以预料,例如:设备故障导致频繁出现状态值3和1的交替出现;或者数据上传不稳定,导致上报数据出现较长时间的中断,即上位机在较长时间内并未收到设备上报的数据,那么这段中断的时间应该在计算故障持续时间时被剔除。
但是以往的上述遍历计算方法在计算状态值为3的持续时间时仍旧会将上述中断时间算在内,导致计算结果不准确。而且,在数据量巨大的情形下,逐条遍历数据,计算时间差,会导致计算效率很低。
本发明实施例提供了一种基于微分思路的解决方案,不再试图精细计算出每一个时间窗口的开始、结束时间,而是用微分的思路,将采集的某种类型的所有状态数据按照某时间分割步长划分成若干个小的时间段,在每个小的时间段内分别计算某种状态值出现的次数,来计算这种状态值的时间占比,从而最终得到这种状态值的持续时长。
需要说明的是,本发明实施例中的目标设备的多条状态数据是指针对目标设备的某种状态,通过相应的采集装置采集到的若干条数据,比如上述举例中的设备运行状态对应的多条状态数据。
其核心思想是:
第一,当针对设备的某种类型的状态采集到的所有状态数据是完全均匀分布的时候,计算时间占比的问题就可以转化为计算数量占比的问题,这样可以简化计算量。比如,一天有24小时,假设一天内采集到的设备运行状态数据完全均匀分布,其中状态值仅包括正常和故障两种,状态值为正常的有5000条数据,状态值为故障的有1000条数据,则可以推算当天设备的故障时间为1/6,即4小时故障。
第二,当数据并非均匀分布时,就需要将整个统计时间划分成更细的时间段,让落在每个时间段内的数据的数量尽可能的均匀分布,即让不同时间段内包含的数据量呈现均衡性。这样,计算出某种状态值在每一个时间段内的时间占比,进而计算出整个统计时间内该状态的持续时间。
可以理解的是,上述均匀分布的情形实际上非均匀分布情形下的一种特例。
为便于理解上述思路,结合图1来示例性说明。
在图1中,以圆形表示设备处于正常的运行状态,以三角形表示设备处于故障状态。并假设采集了T1至T2时刻这段时间内的多条运行状态数据,每隔5秒上报一条数据。如图1中所示,由于上传通信链路不稳定等问题导致其中有两小段时间内未接收到数据。基于此假设,如果按照传统的遍历每个故障窗口的方式(即遍历到一个故障状态后,向后逐条扫描匹配,直到匹配到第一个正常运行状态,此时间段记为一个时间窗口)可得到图1中示意的三个时间窗口,通过分别计算每个时间窗口的开始和结束时间可以得到每个时间窗口对应的时长,累计三个时间窗口的时长便是设备在T1至T2时间内的故障的持续时长。根据图中的示意可知:第二个和第三个时间窗口都将中断时间(即没有收到数据的时间)算在内,而这个中断时间内设备是否是处于故障状态,是不可知的,因此会导致计算结果不准。且逐条遍历各条数据中记载的状态值、上报时间,并进行每个时间窗口的确定以及时间窗口持续时长的计算,计算过程复杂。
而如图1中所示,如果将T1至T2这段时间按照某种固定的时间分割步长划分成若干小的时间段,各时间段的时长相等,便可以通过统计每个时间段内三角形的数量(即故障数据的数量),结合每个时间段的时长,便可以知道在各时间段内三角形的时间占比,累计全部时间段内三角形的时间占比便可以得知设备在T1至T2时间内的故障持续时长。相比于上述传统方案,本方案计算误差更小,而且时间分割步长越小,划分出的时间段越细,误差将越小,例如以1分钟为步长划分,比以1小时为步长划分更加精准。
下面结合以下一些实施例对本文提供的设备状态分析方法的执行过程进行具体说明。
图2为本发明实施例提供的一种设备状态分析方法的流程图,如图2所示,可以包括如下步骤:
201、获取目标统计时间内接收到的目标设备的多条状态数据。
实际应用中,设备的各种类型的状态数据在被采集装置逐次采集到之后,便可以上报给上位机,因此,可以认为上位机中存储有设备的各种类型的状态数据,每种类型的状态数据都是时序数据。这里的类型是指不同种类的状态,而非是指同一种状态下的不同状态值。不同类型的状态比如是:温度、湿度、运行状态、转速、电流,等等。
本发明实施例中的上述目标设备的多条状态数据是指同一种状态类型下对应的若干条状态数据,比如一段时间内依次采集的设备的供电电流。在不同应用场景中,目标设备有所不同。比如在车载场景中,目标设备可以是车载终端;在通信网络场景中,目标设备可以是某种网络设备;在生产某产品的场景中,目标设备可以是生产该产品的机器。
负责进行设备状态分析任务的用户可以在上位机中输入想要分析的数据的起止时间,该起止时间界定出上述目标统计时间,比如为2021年8月1日00:00:00至2021年8月31日24:00:00。
另外,在上位机中,可以针对接收到的某设备的某种状态类型下对应的若干条状态数据进行独立存储,即不同状态类型各自对应的状态数据独立存储。用户还可以在上位机中输入想要分析的设备标识以及状态类型标识,从而,基于用户输入的设备标识、状态类型标识以及目标统计时间,获取对应的状态数据,即为上述多条状态数据。比如为某个月内采集到的设备的大量运行状态数据,或者比如为某个月内采集到的设备的大量转速数据。
202、以目标时间分割步长对目标统计时间进行时间段的划分,以确定多个时间段以及分别落入多个时间段内的状态数据,其中,目标时间分割步长使得多个时间段内各自包含的数据量呈现出均衡性。
本实施例中,预先确定出一个目标时间分割步长,之后采用该目标时间分割步长对上述目标统计时间进行时间段的分割,这样会得到多个小的时间段,并且根据每条状态数据的上报时间,可以确定每个时间段内落入的状态数据。
目标时间分割步长的确定过程将在下文进行详细说明,这里仅强调,目标时间分割步长会使得分割得到的多个时间段内各自包含的数据量呈现均衡性,即均匀分布。目标时间分割步长假设为1小时,则可以从目标统计时间的起始时间,每隔一个小时分割出一个时间段。
需要说明的是,这里所说的均匀分布并非是指每个时间段内包含的数据量都是相等的,只是说不同时间段内包含的数据量的差异程度或者说离散程度不大。假设有三个时间段,分别包含的数据量为1万、9千、1万,则可以认为这三个时间段包含的数据量是均衡的;再比如,假设这三个时间段包含的数据量分别是1万、1千、9千,则可以认为这三个时间段包含的数据量是不均衡的。
经过多个时间段的划分,便可以将统计目标状态数据的持续时长的问题,通过统计目标状态数据在每个时间段内存在的数量的思路来实现。
其中,获取到的多条状态数据是对应于同一种状态类型的,如上文所述,每条状态数据中包括设备标识、状态类型标识、状态值、上报时间。本发明实施例中,将状态值为设定取值的状态数据称为目标状态数据。
实际上,根据上述多条状态数据所对应的状态类型的不同,这些状态数据中所包含的状态值的取值情况会有所不同。比如,如果对应的状态类型为设备运行状态这个类型,状态值可能仅包括正常、故障、停止等运行状态对应的有限数量的设定数值,此时,目标状态数据比如可以是状态值为故障的状态数据。再比如,如果对应的状态类型为设备的转速这个类型,状态值是实际采集的不同时刻的设备实际转速值,此时,目标状态数据比如可以是状态值为某个转速值或某个转速值范围的状态数据。
203、根据多个时间段内目标状态数据各自对应的数量占比,确定多个时间段内目标状态数据各自对应的持续时长。
在将目标统计时间按照目标时间分割步长分割成多个时间段,并根据每条状态数据的上报时间确定落入各个时间段内的状态数据后,便可以针对每个时间段,统计其中目标状态数据的数量,根据每个时间段内包含的状态数据总数,便可以得到目标状态数据在每个时间段内的数量占比。
比如,有三个时间段,第一个时间段内包含100个状态数据,其中有10个是目标状态数据,则目标状态数据在第一个时间段内的数量占比为1/10。第二个时间段内包含100个状态数据,其中有20个是目标状态数据,则目标状态数据在第二个时间段内的数量占比为1/5。第三个时间段内包含100个状态数据,其中有5个是目标状态数据,则目标状态数据在第三个时间段内的数量占比为1/20。
另外,假设每个时间段的时长为10分钟,那么目标状态数据在第一个时间段内所对应的持续时长为1分钟,在第二个时间段内所对应的持续时长为2分钟,在第三个时间段内所对应的持续时长为0.5分钟。
204、根据多个时间段内目标状态数据各自对应的持续时长,确定目标状态数据在目标统计时间内对应的总持续时长。
该总持续时长即为多个时间段内目标状态数据各自对应的持续时长的加和。在上述举例中,即为1+2+0.5=3.5分钟。假设目标状态数据是设备处于故障状态的数据,那么在上述举例中,可以得出在上述30分钟内,目标设备的故障时长为3.5分钟。基于此,针对这半小时统计时间来说,可以计算出目标设备的故障时长占比:3.5/30。
另外,假设目标状态数据为正常运行状态数据,那么根据该正常运行状态数据对应的总持续时长确定目标设备的有效利用率:正常运行状态数据对应的总持续时长/目标统计时间长度。
在一可选实施例中,每条状态数据的上报时间以设定的字符串格式来表示,比如表1中示意的上报时间的表示方式。基于此,在确定多个时间段以及分别落入多个时间段内的状态数据的过程中,可以根据目标时间分割步长确定字符串截取位置,根据该字符串截取位置对多条状态数据的上报时间进行截取,以根据截取后的上报时间和目标时间分割步长,确定多个时间段以及分别落入多个时间段内的状态数据。
举例来说,假设一条状态数据的上报时间为:2021-06-25 08:00:00的形式,假设目标时间分割步长为1小时,那么可以确定字符串截取位置为:截取出第1至13位的字符。按照这个截取位置对上报时间进行截取,便可以截取得到2021-06-25 08:这个时间粒度,这样,08这个小时的状态数据,都会有相同的切割结果,即被划入同一个时间段内。
综上,通过将目标统计时间划分成更细的时间段,让落在每个时间段内的数据量尽可能的均匀分布,计算出目标状态数据在每个时间段内的数量占比,进而计算出整个目标统计时间内的目标状态数据的持续时长。在上述方案中,将计算时间占比的问题就可以转化成计算数量占比问题,可以大大简化计算,提高处理效率,还可以提高计算结果的准确性,因为诸如上文中举例的中断时间不会被计算在内。
下面结合图3来说明上文中目标时间分割步长的确定过程。
如图3中所示,目标时间分割步长是通过一个迭代的过程逐步确定出的。即通过执行如下迭代过程,以确定目标时间分割步长:
以第一时间分割步长对目标统计时间进行时间段的划分,以得到多个备选时间段;
确定多个备选时间段内各自包含的数据量;
根据多个备选时间段内各自包含的数据量,确定离散系数,离散系数用于度量不同备选时间段内的数据量的差异程度;
若所述离散系数符合迭代截止条件,则确定第一时间分割步长作为目标时间分割步长;
若所述离散系数不符合迭代截止条件,则将第一时间分割步长更新为第二时间分割步长,第二时间分割步长小于第一时间分割步长。
实际上,可以预先设定多个时间分割步长,比如天、半天、小时、30分钟、10分钟、1分钟、10秒钟,等等。
在执行上述迭代过程中,可以从最粗粒度的分割步长(如天)开始执行,逐步缩小,直到得到符合迭代截止条件的目标时间分割步长。
上述实施例中的多个备选时间段,仅仅是为了将迭代过程中得到的多个时间段与最终基于目标时间分割步长划分出的多个时间段相区别。
举例来说,假设第一时间分割步长为天,目标统计时间为某30天,那么按照天这个步长,可以划分出30个备选时间段。并且根据每条状态数据的上报时间,可以确定每个备选时间段内包含的数据量(即包含的状态数据的条数),根据多个备选时间段内各自包含的数据量,可以确定出一个用于度量不同备选时间段内的数据量的差异程度的离散系数。
可选地,该离散系统也可以称为标准差系数,可以通过如下方式计算得到:
根据多个备选时间段内各自包含的数据量,确定数据量均值和标准差;
根据所述标准差与所述数据量均值的比值确定离散系数。
在上述举例中,在得到30个备选时间段内各自包含的数据量后,可以计算相应30个数值(即30个对应于数据量的取值)的均值和标准差,之后,可以以标准差与均值的比值作为离散系数。
如果使用第一时间分割步长(天)进行分割,所得到的离散系数满足迭代截止条件,则认为“天”即为目标时间分割步长。如果不满足该条件,则在下一轮迭代中尝试更小的一个时间分割步长,比如半天。实际应用中,可以根据不满足该条件的程度,确定下一轮尝试使用的时间分割步长,比如,不满足的程度比较小,则采用下一个相邻的时间分割步长,如果不满足的程度比较大,则可以采用更小一些的时间分割步长,比如小时。不满足的程度与采用的时间分割步长,可以预先设置相应的匹配规则,以基于该规则确定。
可选地,所述迭代截止条件包括:
所述离散系数小于或等于设定阈值;或者,
所述离散系数大于设定阈值,但已经迭代到的时间分割步长是设定的最后一个时间分割步长;或者,
所述离散系数大于设定阈值,但所述离散系数已经处于收敛状态。
其中,第二种情形是指:可以预先按照时间分割步长由大到小的顺序设置多个可用的时间分割步长,迭代过程由大到小逐个尝试,如果尝试到最后的一个时间分割步长时,计算出的相对应的离散系数仍旧大于设定阈值,则确定采用该最后一个时间分割步长。
第三种情形是指:迭代过程由大到小逐个尝试设定的多个时间分割步长时,比如发现采用30分钟这个时间分割步长时所计算出的离散系数,与后续采用10分钟、1分钟、10秒钟这些时间分割步长时所计算出的离散系数,相差不大(如差值小于另一设定阈值),则认为迭代达到收敛状态,即离散系数处于稳定状态,则可以确定目标时间分割步长可以选为30分钟。
通过上述目标时间分割步长的确定过程,可以最终得到一个合适的时间分割步长,该时间分割步长可以使得基于此划分出的多个时间段内各自包含的数据量呈现近似于均匀分布的特征,这就为将目标状态数据的持续时长的时间计算问题转换为统计每个时间段内目标状态数据的数量占比的问题提供了可靠的前提条件,有助于保证最终持续时长计算结果的准确性。
以下将详细描述本发明的一个或多个实施例的设备状态分析装置。本领域技术人员可以理解,这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图4为本发明实施例提供的一种设备状态分析装置的结构示意图,如图4所示,该装置包括:获取模块11、分割模块12、分析模块13。
获取模块11,用于获取目标统计时间内接收到的目标设备的多条状态数据。
分割模块12,用于以目标时间分割步长对所述目标统计时间进行时间段的划分,以确定多个时间段以及分别落入所述多个时间段内的状态数据,其中,所述目标时间分割步长使得所述多个时间段内各自包含的数据量呈现出均衡性。
分析模块13,用于根据所述多个时间段内目标状态数据各自对应的数量占比,确定所述多个时间段内目标状态数据各自对应的持续时长;根据所述多个时间段内目标状态数据各自对应的持续时长,确定所述目标状态数据在所述目标统计时间内对应的总持续时长。
可选地,每条状态数据的上报时间以设定的字符串格式表示;所述分割模块12具体用于:根据所述目标时间分割步长确定字符串截取位置;根据所述字符串截取位置对所述多条状态数据的上报时间进行截取;根据截取后的上报时间和所述目标时间分割步长,确定所述多个时间段以及分别落入所述多个时间段内的状态数据。
可选地,所述分割模块12还用于:通过执行如下迭代过程,以确定所述目标时间分割步长:
以第一时间分割步长对所述目标统计时间进行时间段的划分,以得到多个备选时间段;
确定所述多个备选时间段内各自包含的数据量;
根据所述多个备选时间段内各自包含的数据量,确定离散系数,所述离散系数用于度量不同备选时间段内的数据量的差异程度;
若所述离散系数符合迭代截止条件,则确定所述第一时间分割步长作为所述目标时间分割步长;
若所述离散系数不符合迭代截止条件,则将所述第一时间分割步长更新为第二时间分割步长,所述第二时间分割步长小于所述第一时间分割步长。
其中,可选地,在确定离散系数的过程中,分割模块12具体用于:根据所述多个备选时间段内各自包含的数据量,确定数据量均值和标准差;根据所述标准差与所述数据量均值的比值确定所述离散系数。
其中,可选地,所述迭代截止条件包括:
所述离散系数小于或等于设定阈值;或者,
所述离散系数大于设定阈值,但已经迭代到的时间分割步长是设定的最后一个时间分割步长;或者,
所述离散系数大于设定阈值,但所述离散系数已经处于收敛状态。
可选地,所述目标状态数据为正常运行状态数据;所述装置还包括:处理模块,用于根据所述正常运行状态数据对应的总持续时长确定所述目标设备的有效利用率。
图4所示装置可以执行前述实施例中介绍的步骤,详细的执行过程和技术效果参见前述实施例中的描述,在此不再赘述。
在一个可能的设计中,上述图4所示设备状态分析装置的结构可实现为一电子设备,如图5所示,该电子设备可以包括:处理器21、存储器22、通信接口23。其中,存储器22上存储有可执行代码,当所述可执行代码被处理器21执行时,使处理器21至少可以实现如前述实施例中提供的设备状态分析方法。
另外,本发明实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现如前述实施例中提供的设备状态分析方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明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。
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 (9)
1.一种设备状态分析方法,其特征在于,包括:
获取目标统计时间内接收到的目标设备的多条状态数据;
以目标时间分割步长对所述目标统计时间进行时间段的划分,以确定多个时间段以及分别落入所述多个时间段内的状态数据,其中,所述目标时间分割步长使得所述多个时间段内各自包含的数据量呈现出均衡性;
根据所述多个时间段内目标状态数据各自对应的数量占比,确定所述多个时间段内目标状态数据各自对应的持续时长;
根据所述多个时间段内目标状态数据各自对应的持续时长,确定所述目标状态数据在所述目标统计时间内对应的总持续时长;
其中,通过执行如下迭代过程,以确定所述目标时间分割步长:
以第一时间分割步长对所述目标统计时间进行时间段的划分,以得到多个备选时间段;
确定所述多个备选时间段内各自包含的数据量;
根据所述多个备选时间段内各自包含的数据量,确定离散系数,所述离散系数用于度量不同备选时间段内的数据量的差异程度;
若所述离散系数符合迭代截止条件,则确定所述第一时间分割步长作为所述目标时间分割步长;
若所述离散系数不符合迭代截止条件,则将所述第一时间分割步长更新为第二时间分割步长,所述第二时间分割步长小于所述第一时间分割步长。
2.根据权利要求1所述的方法,其特征在于,每条状态数据的上报时间以设定的字符串格式表示;所述确定多个时间段以及分别落入所述多个时间段内的状态数据,包括:
根据所述目标时间分割步长确定字符串截取位置;
根据所述字符串截取位置对所述多条状态数据的上报时间进行截取;
根据截取后的上报时间和所述目标时间分割步长,确定所述多个时间段以及分别落入所述多个时间段内的状态数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述多个备选时间段内各自包含的数据量,确定离散系数,包括:
根据所述多个备选时间段内各自包含的数据量,确定数据量均值和标准差;
根据所述标准差与所述数据量均值的比值确定所述离散系数。
4.根据权利要求1所述的方法,其特征在于,所述迭代截止条件包括:
所述离散系数小于或等于设定阈值;或者,
所述离散系数大于设定阈值,但已经迭代到的时间分割步长是设定的最后一个时间分割步长;或者,
所述离散系数大于设定阈值,但所述离散系数已经处于收敛状态。
5.根据权利要求1所述的方法,其特征在于,所述目标状态数据为正常运行状态数据;所述方法还包括:
根据所述正常运行状态数据对应的总持续时长确定所述目标设备的有效利用率。
6.一种设备状态分析装置,其特征在于,包括:
获取模块,用于获取目标统计时间内接收到的目标设备的多条状态数据;
分割模块,用于以目标时间分割步长对所述目标统计时间进行时间段的划分,以确定多个时间段以及分别落入所述多个时间段内的状态数据,其中,所述目标时间分割步长使得所述多个时间段内各自包含的数据量呈现出均衡性;
分析模块,用于根据所述多个时间段内目标状态数据各自对应的数量占比,确定所述多个时间段内目标状态数据各自对应的持续时长;根据所述多个时间段内目标状态数据各自对应的持续时长,确定所述目标状态数据在所述目标统计时间内对应的总持续时长;
其中,所述分割模块还用于通过执行如下迭代过程,以确定所述目标时间分割步长:
以第一时间分割步长对所述目标统计时间进行时间段的划分,以得到多个备选时间段;确定所述多个备选时间段内各自包含的数据量;根据所述多个备选时间段内各自包含的数据量,确定离散系数,所述离散系数用于度量不同备选时间段内的数据量的差异程度;若所述离散系数符合迭代截止条件,则确定所述第一时间分割步长作为所述目标时间分割步长;若所述离散系数不符合迭代截止条件,则将所述第一时间分割步长更新为第二时间分割步长,所述第二时间分割步长小于所述第一时间分割步长。
7.根据权利要求6所述的装置,其特征在于,还包括:
确定模块,用于通过执行如下迭代过程,以确定所述目标时间分割步长:
以第一时间分割步长对所述目标统计时间进行时间段的划分,以得到多个备选时间段;确定所述多个备选时间段内各自包含的数据量;根据所述多个备选时间段内各自包含的数据量,确定离散系数,所述离散系数用于度量不同备选时间段内的数据量的差异程度;若所述离散系数符合迭代截止条件,则确定所述第一时间分割步长作为所述目标时间分割步长;若所述离散系数不符合迭代截止条件,则将所述第一时间分割步长更新为第二时间分割步长,所述第二时间分割步长小于所述第一时间分割步长。
8.一种电子设备,其特征在于,包括:存储器、处理器、通信接口;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1至5中任一项所述的设备状态分析方法。
9.一种非暂时性机器可读存储介质,其特征在于,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至5中任一项所述的设备状态分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139237.4A CN113592116B (zh) | 2021-09-28 | 2021-09-28 | 设备状态分析方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139237.4A CN113592116B (zh) | 2021-09-28 | 2021-09-28 | 设备状态分析方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113592116A CN113592116A (zh) | 2021-11-02 |
CN113592116B true CN113592116B (zh) | 2022-03-01 |
Family
ID=78242129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111139237.4A Active CN113592116B (zh) | 2021-09-28 | 2021-09-28 | 设备状态分析方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592116B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116166710B (zh) * | 2022-11-17 | 2024-01-12 | 北京白龙马云行科技有限公司 | 时长处理方法、装置、电子设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106197424A (zh) * | 2016-06-28 | 2016-12-07 | 哈尔滨工业大学 | 遥测数据驱动的无人机飞行状态识别方法 |
CN108492555A (zh) * | 2018-03-20 | 2018-09-04 | 青岛海信网络科技股份有限公司 | 一种城市路网交通状态评价方法及装置 |
CN110689141A (zh) * | 2018-06-19 | 2020-01-14 | 北京金风科创风电设备有限公司 | 风力发电机组的故障诊断方法及设备 |
CN111178663A (zh) * | 2019-11-15 | 2020-05-19 | 国网甘肃省电力公司 | 一种配电网全域大数据的设备状态诊断方法 |
CN111583627A (zh) * | 2019-02-18 | 2020-08-25 | 阿里巴巴集团控股有限公司 | 一种确定城市交通运行状态的方法及装置 |
CN111870250A (zh) * | 2020-07-14 | 2020-11-03 | 深圳数联天下智能科技有限公司 | 用户状态监测方法、装置、计算设备及计算机存储介质 |
CN112115025A (zh) * | 2020-09-07 | 2020-12-22 | 青岛聚好联科技有限公司 | 一种分布式设备的能耗确定方法及装置 |
CN113236595A (zh) * | 2021-07-13 | 2021-08-10 | 湖南师范大学 | 风机故障分析方法、装置、设备及可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8352216B2 (en) * | 2008-05-29 | 2013-01-08 | General Electric Company | System and method for advanced condition monitoring of an asset system |
US9110452B2 (en) * | 2011-09-19 | 2015-08-18 | Fisher-Rosemount Systems, Inc. | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation |
US20160055044A1 (en) * | 2013-05-16 | 2016-02-25 | Hitachi, Ltd. | Fault analysis method, fault analysis system, and storage medium |
US10635563B2 (en) * | 2016-08-04 | 2020-04-28 | Oracle International Corporation | Unsupervised method for baselining and anomaly detection in time-series data for enterprise systems |
CN109213659A (zh) * | 2018-11-01 | 2019-01-15 | 郑州云海信息技术有限公司 | 一种设备内存状态的监测方法、装置及存储介质 |
CN110784845B (zh) * | 2019-09-12 | 2021-07-16 | 腾讯科技(深圳)有限公司 | 一种基于车联网的属性数据的平衡方法、装置、电子设备及存储介质 |
CN112653902B (zh) * | 2019-10-10 | 2023-04-11 | 阿里巴巴集团控股有限公司 | 说话人识别方法、装置及电子设备 |
CN112463254A (zh) * | 2020-12-09 | 2021-03-09 | 广州酷狗计算机科技有限公司 | 网页加载时长的获取方法、装置、设备及存储介质 |
-
2021
- 2021-09-28 CN CN202111139237.4A patent/CN113592116B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106197424A (zh) * | 2016-06-28 | 2016-12-07 | 哈尔滨工业大学 | 遥测数据驱动的无人机飞行状态识别方法 |
CN108492555A (zh) * | 2018-03-20 | 2018-09-04 | 青岛海信网络科技股份有限公司 | 一种城市路网交通状态评价方法及装置 |
CN110689141A (zh) * | 2018-06-19 | 2020-01-14 | 北京金风科创风电设备有限公司 | 风力发电机组的故障诊断方法及设备 |
CN111583627A (zh) * | 2019-02-18 | 2020-08-25 | 阿里巴巴集团控股有限公司 | 一种确定城市交通运行状态的方法及装置 |
CN111178663A (zh) * | 2019-11-15 | 2020-05-19 | 国网甘肃省电力公司 | 一种配电网全域大数据的设备状态诊断方法 |
CN111870250A (zh) * | 2020-07-14 | 2020-11-03 | 深圳数联天下智能科技有限公司 | 用户状态监测方法、装置、计算设备及计算机存储介质 |
CN112115025A (zh) * | 2020-09-07 | 2020-12-22 | 青岛聚好联科技有限公司 | 一种分布式设备的能耗确定方法及装置 |
CN113236595A (zh) * | 2021-07-13 | 2021-08-10 | 湖南师范大学 | 风机故障分析方法、装置、设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
Fault detection of large scale wind turbine systems;Xiukun Wei 等;《2010 5th International Conference on Computer Science & Education》;20100930;第1299-1304页 * |
基于大数据分析的油气生产设备故障多维分析与预测;赵长军;《中国市场》;20171231(第2017年第12期);第243-245页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113592116A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10733149B2 (en) | Template based data reduction for security related information flow data | |
US10248528B2 (en) | System monitoring method and apparatus | |
US8051162B2 (en) | Data assurance in server consolidation | |
US9690842B2 (en) | Analyzing frequently occurring data items | |
CN111062620B (zh) | 基于混合计费数据的电力计费公平性智能分析系统及方法 | |
CN113254255B (zh) | 一种云平台日志的分析方法、系统、设备及介质 | |
CN113592116B (zh) | 设备状态分析方法、装置、设备和存储介质 | |
US10346281B2 (en) | Obtaining and analyzing a reduced metric data set | |
US7739661B2 (en) | Methods and systems for planning and tracking software reliability and availability | |
CN112101765A (zh) | 一种配电网运行指标数据异常数据处理方法及系统 | |
CN117130851B (zh) | 一种高性能计算集群运行效率评价方法及系统 | |
CN113867966A (zh) | 一种混合云模式的云资源调度方法 | |
US7890473B1 (en) | Method and system for evaluating performance of a computer system | |
CN113360353B (zh) | 一种测试服务器和云平台 | |
CN116962221A (zh) | 计算机网络的测量指标 | |
CN113138906A (zh) | 一种调用链数据采集方法、装置、设备及存储介质 | |
CN115952426B (zh) | 基于随机采样的分布式噪音数据聚类方法及用户分类方法 | |
CN107423222B (zh) | 一种确定测试覆盖率的方法及设备 | |
CN114791914A (zh) | 基于Bitmap位图的用户行为统计方法、装置、设备及介质 | |
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 | |
CN112907055A (zh) | 数据处理时效测试方法和装置 | |
CN108984101B (zh) | 在分布式存储系统中确定事件之间关系的方法及装置 | |
CN108805778B (zh) | 电子装置、采集征信数据的方法及存储介质 | |
CN114492552A (zh) | 宽带用户真实性判断模型的训练方法、装置及设备 | |
KR20090062468A (ko) | 네트워크 품질 관리 시스템 및 그 성능 측정 데이터 집합처리 방법 |
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 |