CN113612894B - 一种基于云平台的设备数据处理方法及系统 - Google Patents

Abstract

本发明公开了一种基于云平台的设备数据处理方法及系统，该方法包括：测试终端向被测试设备发送测试命令；被测试设备接收测试命令后执行测试动作，自检并发送反馈信号给测试终端；根据该反馈信号判断测试是否正常完成，若测试正常完成，则测试终端发送获取日志数据命令给被测试设备；被测试设备发送测试正常的日志数据；测试终端将测试正常的日志数据传输到测试终端的指定文件夹中；测试终端将指定文件夹中的日志数据文件传输到本地服务器上，本地服务器按照预设规则将日志大数据传输到指定的云服务器上。本发明能够实现准确的、严谨的、全面的、实时的大数据收集、分析和监控。

Description

一种基于云平台的设备数据处理方法及系统

技术领域

本发明涉及故障数据处理技术领域，尤其涉及一种基于云平台的设备数据处理方法及系统。

背景技术

现有技术中打印机、复印机或扫描仪产品迭代需要日志数据，目前的日志数据搜集方法需要工厂技术支持工程师用闪存设备或者PC设备去车间现场获取打印日志数据，然后日志数据再汇总后通过邮件的方式发送给全国各地的研发中心，研发工程师再进行下一步的分析。

这种日志数据的获取方法和分析方法存在以下三个弊端：

弊端一：数据样本太少，通常的样本数量在几十到几百台，不能真正的反应产品的过程指数现况；

弊端二：获取样本数据和分析样本数据都需要耗费大量的人力资源，分析出来的报告需通过邮件等方式进行传递，效率非常低下，也有传递过程中数据发生误传的风险；

弊端三：此样本数据有时效性，耗费大量人力资源分析的分析报告仅能反馈和说明当前样本的状况，不能实现实时监控的目的，随时间推移模具老化后注塑件参数会发生规格内的微小变化，如果需要分析其他时间段的状况，严谨的做法是还需要再次耗费人力资源获取和分析此时间段的日志数据。

此外，现有技术若进行过程监控，通常的做法是通过对重点组件的重点尺寸进行提前抽检测量来避免因模具老化、材料材质等问题而引发的批量故障，此种方法仅能涵盖重点组件，且仅对单一部品较有效，对于组件间的过盈配合，过渡配合，间隙配合检出力不足，而且需要投入大量的检测人力资源，效率低下，也同样存在以上所述的三个弊端。

此外，现有的企业研发工程师可能在全国各地的研发中心，工厂若遇到疑难故障或者批量生产事故，通常的做法是出差到工厂现场分析解决，无法形成有效的多地联动、准确、及时有效的技术支持。

因此，现有的技术对于产品更新迭代、生产监控、技术支持等作业，无论从数据的准确性、数据的全面性、还是从数据分析的严谨性、时效性都存在诸多的弊端，并且还要投入大量的人力资源。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本发明实施例提供了一种基于云平台的设备数据处理方法及系统，其能够实现准确的、严谨的、全面的、实时的大数据收集、分析和监控。

本发明的一个方面，提供了一种基于云平台的设备数据处理方法，包括：测试终端向被测试设备发送测试命令；所述被测试设备接收所述测试命令后执行测试动作，待完成测试动作后，自检并发送反馈信号给所述测试终端；所述测试终端根据该反馈信号判断测试是否正常完成，若测试正常完成，则所述测试终端发送获取日志数据命令给所述被测试设备；所述被测试设备接收所述获取日志数据命令后，发送测试正常的日志数据；所述测试终端接收所述测试正常的日志数据，并将测试正常的日志数据传输到所述测试终端的指定文件夹中；所述测试终端将指定文件夹中的日志数据文件传输到本地服务器上，所述本地服务器按照预设规则将日志大数据传输到指定的云服务器上。

进一步的，还包括如下步骤：登录所述本地服务器或云服务器，根据分析需求筛选被测试设备的型号、日期、序列号和测试状态编码中的一项或多项作为分析项目；本地服务器或云服务器对客户端筛选项目进行分析，当数据异常时发出预警信息，并自动给出筛选项目的分析报告。

进一步的，还包括如下步骤：本地服务器或云服务器根据所述分析报告和专家会诊数据库，给出所有可能的故障原因，并将故障原因数据反馈给维护终端；维护终端接收并显示所述故障原因数据。

进一步的，所述被测试设备为打印机；所述本地服务器或云服务器对客户端筛选 项目进行分析，当数据异常时发出预警信息，并自动给出筛选项目的分析报告的步骤具体 包括：将打印机的进纸传感器的开合数据作为客户端的筛选项目进行分析；本地服务器或 云服务器计算数据库中所有打印机的进纸传感器的打开周期的时间D1,D2,D3,D4,……, Dn，其中,n为传感器打开次数；本地服务器或云服务器计算打印机的进纸传感器的打开周 期的平均值

；本地服务器或云服务器计算进纸传感 器的全部打开周期的

值：

； 本地服务器或云服务器计算不考虑中心值偏移的制程能力值CP，其中，USL表示进纸传感器 打开时间的最大值，LSL表示进纸传感器打开时间的最小值：

；本 地服务器或云服务器计算K值：

；本地服务器或云服务器 计算出考虑中心值偏移的制程能力值CPK：；本地服务器或云服务器输出CP值和CPK值的分 析报告。

进一步的，所述测试终端根据该反馈信号判断测试是否正常完成，若测试异常，所述测试终端在测试未完成的状态下发送获取日志数据的命令给被测试设备，被测试设备收到命令后将测试异常的日志数据传输到测试终端指定文件夹中。

进一步的，所述测试正常的日志数据包括记录被测试的次数、生产线编号、被测试设备编号、被测试的日期和时间、测试状态，、被测试设备的整机序列号和/或测试设备的型号。

进一步的，所述测试终端接收所述测试正常的日志数据，并将测试正常的日志数据传输到所述测试终端的指定文件夹中的步骤包括：所述测试终端将收到的日志数据转换成可以用文本程序打开的文件，并按照预设规则编码文件名，将处理后的日志数据文件保存到所述测试终端指定文件夹中。

进一步的，所述反馈信号包括测试正常编号、测试异常编号和异常故障编号。

进一步的，所述测试动作包括打印、复印、扫描、复位或自检。

进一步的，所述本地服务器将所述日志数据文件转换为数据库格式文件存储。

本发明的另一方面，提供了一种基于云平台的设备数据处理系统，包括：测试终端，被配置为向被测试设备发送测试命令；接收被测试设备发出的反馈信号，根据反馈信号判断测试是否正常完成，若测试正常完成，则发送获取日志数据命令给所述被测试设备；接收所述被测试设备发送的测试正常的日志数据，并将测试正常的日志数据传输到指定文件夹中；将该指定文件夹中的文件信息传输到本地服务器上；被测试设备，被配置为接收所述测试终端发送的测试命令，执行测试动作，待完成测试动作后，自检并发送反馈信号给所述测试终端；接收所述测试终端发送的获取日志数据命令，向测试终端发送测试正常的日志数据；本地服务器，被配置为接收所述测试终端发送的指定文件夹中的文件信息，并按照预设规则将日志大数据传输到指定的云服务器上；云服务器，被配置为接收并存储所述本地服务器发送的日志大数据。

本发明提供的技术方案与现有技术相比至少具有如下优点：

（1）任何有管理权限的工程师在任何地点可以获得任何一台设备甚至所有设备的测试日志数据，并通过预设的算法规则形成需要的分析报告。

（2）可以通过测试终端自动收集样本日志数据，实现全型号、全样本的数据收集，省去了大量人力资源且效率低下的作业。

（3）可根据需求自定义计算方法，利用此算法来分析和计算大数据样本，形成分析报告。

（4）本地服务器和云服务器会针对日志数据进行定期的自动计算和分析，各地的工程师可以在任何地点、任何时间通过超级管理权限，访问服务器并获取想要的分析报告。

（5）分析报告可以根据生产时间、生产型号、测试设备号、测试产线、整机序列号、信号类别等进行定向筛选，形成有针对性的数据分析报告。

附图说明

结合附图并参考以下具体实施方式，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。

贯穿附图中，相同或相似的附图标记表示相同或相似的元素。

应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本申请提供的一种基于云平台的打印机数据处理方法的逻辑处理流程图；

图2为本申请提供的一种基于云平台的打印机数据处理方法中日志文件的命名规则和处理流程图；

图3为本申请提供的一种基于云平台的打印机数据处理方法中客户端远程访问本地服务器或者云服务器，针对打印日志进行大数据分析的流程图；

图4为本申请提供的一种基于云平台的打印机数据处理方法中服务器数据分析示意图；

图5为本申请提供的一种基于云平台的打印机数据处理方法中客户端远程访问本地服务器或者云服务器，针对打印故障日志进行故障会诊和排除的流程图；

图6为本申请提供的一种基于云平台的设备数据处理系统的结构图；

图7为本申请提供的一种基于云平台的设备数据处理系统的简化示意图；

图8为本申请提供的一种基于云平台的设备数据处理系统的功能示意图。

具体实施方式

下面将参照附图更详细地描述本发明的实施例。

虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。

应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。

此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。

本发明的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。

术语“基于”是“至少部分地基于”。

术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。

其他术语的相关定义将在下文描述中给出。

需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本发明实施方式中的多个设备之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

参见图1-4，本实施例提供了一种基于云平台的打印机数据处理方法，其提供一种准确的、严谨的、全面的、实时的大数据收集、分析、监控方法，该方法能够实任何有管理权限的工程师在任何地点获得任何一台设备甚至所有设备的测试日志数据，并通过预设的算法规则形成需要的分析报告。

具体的，参见图1，本实施例测试终端侧执行的方法包括如下步骤：

步骤S101，测试终端通过USB连接通道向被测试设备发送测试命令，以及筛选和打开需要分析的日志数据的MAA命令。

被测试设备包括复印机、打印机、扫描仪，或包含打印、复印、扫描功能的一体机。

测试终端包括但不限于手机、平板电脑、PC机中的一种或几种。

测试终端需满足可以安装数据处理系统，例如支持设备测试系统，日志格式转换系统，日志传输系统等，该系统用于和被测试设备进行交互，实现日志数据的收集、格式转换、传输作业。

MAA命令可以有选择性的打开和关闭信号，以达到信息最优化和测试效率最优化的目的。

测试命令使被测试终端进行打印、复印、扫描、复位、自检等一系列测试动作。

步骤S102, 判断测试命令是否执行完毕。

被测试终端在测试命令完成后，自检并反馈信号给测试终端，反馈信号包括但不局限于测试正常通过、测试异常和异常故障编号。

测试终端根据反馈信号判断测试命令是否执行完毕。

步骤S103，若测试正常完成，则测试终端会发送获取正常日志数据命令给被测试设备。

待被测试设备收到获取命令后，将测试正常的日志数据传输到测试终端指定文件夹中。

步骤S104，所述测试终端将收到的日志数据转换成可以用文本程序打开的文件，并按照预设规则编码文件名，将处理后的日志数据文件保存到所述测试终端指定文件夹中。

可选的，数据传输到测试终端后，测试终端调用日志格式转换系统，将日志数据转换成可以用文本程序打开的，文件名后缀为点log的文件，并按照预设规则编码文件名，如图2所示，进一步的保存文件到测试终端指定文件夹中。

参见图2，预设的命名规则示例如下：GA3330_0ABCDEF0007Q_ NG 003_202005091820_A003_003.log，其中GA3330为被测试设备机型名称，0ABCDEF0007Q为被测试设备序列号，NG003为被测试设备状态编码，202005091820为被测试设备测试的日期和测试开始的时间，A003为测试设备编号，003表示测试次数，图中为第三次测试。

其中，记录被测试的次数，是因为被测试终端的序列号是唯一的，所以测试终端通过打印机序列号来确认此机器是否是重复测试，是第几次重复测试，并记录重复测试的次数。

其中，记录生产线编号和测试设备编号，是因为每一台测试设备都要进行编号，编号内容包含生产线编号和设备编号信息，用于后期分析和确认设备差异以及作业者操作差异。

其中，记录被测试的日期和时间，第一是用于动态监控样本数据的周期变化，第二是用于精确查找所需要的样品数据信息。

其中，记录测试状态，测试状态包含正常“OK”，和异常“NG”，以及故障编码，每一模块的故障都会被编号，例如，001是激光发射单元故障，002是感应器故障，003是主马达BLDC故障，004是定着器故障，005是高压故障，006是扫描单元故障，007是继电器故障等。

其中，记录被测试设备的整机序列号，因为设备的整机序列号连续且唯一。

其中，记录被测试设备的型号，例如，GA3330，GA3340。

此型号数据用于分析过程中迅速锁定某一个固定型号的样本数据。

步骤S105，文件按预设规则在测试终端保存完成后，测试终端自动调用日志传输小程序，将处理后的文件传输到指定路径的服务器上。

本地服务器会调用日志数据管理系统把日志数据文件转换成数据库格式文件进行保存。

步骤S106，若测试异常，测试设备在测试未完成的状态下发送获取日志数据的MAA命令给被测试设备。

被测试设备则在收到命令后，将测试异常的日志数据传输到测试设备指定文件夹中。

步骤S107，数据传输到测试终端后，测试终端会调用日志格式转换系统，将异常日志数据转换成可以用文本程序打开的，文件名后缀为点log的文件，并按照预设规则如图B02所示编码文件名，进一步的保存文件到测试终端指定文件夹中。

步骤S108，文件在测试设备保存完成后，测试终端自动调用日志传输小程序，将处理后的文件传输到指定路径的本地服务器上。

本地服务器会调用日志数据管理系统把日志数据文件转换成数据库格式保存。

本地服务器中的日志大数据会按照预设的时间和数据处理方法传输到指定的云服务器上。

其中，数据处理方法包含但不限于文件重命名、信号摘选、数据格式转换成数据库格式保存、数据整理，以及数据存储。

更进一步的，参见图3，本实施例的设备数据分析方法包括如下步骤：

步骤S201，客户端用远程管理权限登录本地服务器或云服务器。

其中，本地服务器和云服务器满足可以安装数据处理系统，该系统包含：日志数据管理系统，异常日志分析系统。

其中，日志数据管理系统管理产品型号、产品序列号、产品测试状态、产品测试日期和时间、产品测试设备号、产品测试次数以及打印日志数据信号信息。

日志数据管理系统可以通过筛选序列号锁定某一个样本，分析包含但不限于电子成像数据分析报告，进纸时序数据分析报告，定着器时序分析报告。

步骤S202，客户端远程启动日志大数据管理系统程序，根据分析需求，筛选型号、日期、序列号、测试设备、测试状态编码等信息。

其中，本地服务器和云服务器中的日志数据可被任何有管理权限的人员、在任何可信任的网络、获取任何一台机器的所有测试信息。

步骤S203，根据预设的分析规则，系统会自动给出筛选项目的分析报告。

其中，预设的分析规则是系统提前设定的或者用户自定义的，如果用户选择输出某一种方案的报告，会对应的触发相应的算法和报告格式。

举例说明，如果用户需要分析GA3330dn型号的进纸感应器和进纸继电器过程控制能力，那么包括如下步骤：

步骤一，在数据管理系统用户界面选择GA3330dn的型号；

步骤二，在数据管理系统用户界面设定分析的样本日期区间为2008年5月13日到2009年5月13日；

步骤三，预设的规则包含选择需要分析的数据信号对象，如选择进纸继电器(Regiclutch)，进纸感应器(Regi Sensor),喂纸继电器（Feed Clutch），喂纸感应器（FeedSensor）作为分析对象。

步骤四，选择输出时序制成能力分析报告；

步骤五，分析报告输出。

该示例的报告可用于工厂对于设计余量不足组件的动态监控。

例如，实施案例为进纸感应器的动作时间监测，感应器动作时间标准数值为4000及以内，超过4000为余量不足易发生卡纸故障，数值达到上限值7500会发生卡纸。

横坐标为预设日期生产的设备为第几台，纵坐标为进纸感应器动作时间实际测量的数值。

更进一步的，系统根据预设的规则，发现数据异常时会预警，设计人员根据预警信息提前介入，避免发生批量生产事故。

其中，预设的规则举例如下：

进纸感应器的设计标准为4000及以内，若监测的样本数据超过4000且当天发生的台数占此型号生产的总台数的10000PPM以上，则需要发出预警信号。

另外，预设的规则还可以举例如下：

进纸感应器的设计标准为4000及以内，若监测的样本数据未超过4000，但是按照周数据监测结果显示，数据趋势为升势，且处于持续恶化状态，并且若连续3周数据为规格内连续升势，也需要发出预警信号。

另外，预设的规则还可以举例如下：

数据管理系统会每周计算一次进纸感应器的过程控制指数，当指数超过设定的参数时，也会发生预警信号。

为了更清楚的说明本发明的本地服务器/云服务器如何生成分析报告，下面举例说明服务器对于进纸传感器的数据分析过程。

通常的进纸传感器的动作状态是以模拟信号的变化被主控系统所知的，外界若想知道传感器的实际动作状态，需要用示波器测量电压值的变化来监测。

当反馈端电压值为0.8V以上时，代表传感器为闭合状态，标志着纸张未通过此传感器；当反馈端电压值为0.8V以下时，代表传感器为打开状态，标志着纸张正在通过。

本发明将此模拟信号的变化转换成数字信号的变化，并将信号的变化和对应的时间节点存储在打印日志中，存储的最小周期间隔为1ms。

传感器只有两种状态，打开和闭合。

传感器在打开状态，反馈端的电压值会在0.8V以下，此时设定为低电平状态。

传感器在闭合状态，反馈端的电压值会在0.8V以上，此时设定为高电平状态。

模拟信号转换成数字信号存储在打印日志中的规则是，高电平转成成数字1，低电平转换成数字0，并同步记录对应的时间节点，时间间隔周期为1ms。

例如，纸张在3ms时触碰进纸传感器，在8ms时离开进纸传感器。

若用示波器测量反馈端模拟信号，则0到3ms进纸传感器处于闭合状态，为高电平；3ms到8ms进纸传感器处于打开状态，为低电平，在8ms以后进纸传感器又处于闭合状态，为高电平。

本发明中将此模拟信号转换成打印日志临时存储时，存储的数据格式为8个8位数字00000001；00000011；00000021；00000030；00000040；00000050；00000060；00000070；其中前7位为时间节点，范围从0ms一直到9999999ms，最后1位代表传感器状态，“0”为打开状态，“1”为闭合状态。

将上述打印日志通过云端数据管理系统再次转换成数据库格式保存在数据库中。

由于本发明所有的数据都是以数字信号存储，通过上面的数据处理规则可以逆向转换成模拟信号的波形来直观的分析和判断，优点在于：其一是这种数字信号存储的时间周期取决于存储介质的容量，解决了示波器测量周期幅度小的问题；其二是此种数据处理可以同步数十个甚至数百个信号，而示波器仅仅能同步测试4路信号；其三是此种数据处理规则利于后期数据管理系统进行大数据自动分析。

正常A4纸张通过进纸传感器时按照30PPM的速度通过的话，其进纸传感器打开的时间设计值定位D；最大值定为USL；最小值定为LSL，当纸张在通过进纸传感器时，若进纸传感器打开的时间超过USL或者小于LSL都会引发故障提示。

以打印机GA3330为例，该机型打印速度为30PPM，理论上纸张连续经过进纸传感器，每张经过的时间周期理论最大值为60000ms/30为2000ms，实际考虑到取纸的动作无法做到无间断连续，一般设计值D定义为800ms ，USL定义为850ms，LSL定义为750ms。

当纸张经过时若进纸传感器打开的时间大于850ms和小于750ms都会因异常而引发故障提示。

通常的，进纸传感器的弹簧、进纸路径的注塑毛刺、引擎结构的变形、马达的扭矩等都会影响进纸传感器的开合周期，如果这三个参数定义不精确的话，打印机的卡纸故障率会非常高。

此外，理论计算的数值受限于实际部品的加工精度，进而造成理论设计值和实际设计值之间会存在误差。

此外，加工精度要综合考虑加工成本和材料成本，产品商品化过程中属于不可避免的误差，这就要求需要变更实际设计值，以满足产品的实际需求。

现有技术通常的做法是，设计工程师在设计D和USL以及LSL值设定时，是通过理论数据来定义，通过数台样机连续测试得出的实际值来修正设计值D，这种做法的弊端就是样品数量太少和计算方法不够科学，得出的实际设计值D也不够不精确，造成设计余量不足，导致市场卡纸故障率高发的问题。

本发明的创新点在于，利用大数据作为样本，用特定的算法来设计设计值D，用统计学算法来来验证设计余量，修正设计值D，最大值USL以及LSL，也就是用实际设计值来修正理论设计值的发明，并以此来增大设计余量。

本地服务器或云服务器对于GA3330型号的进纸传感器的数据分析过程如下：

客户端向服务器的数据管理系统提出分析需求时，系统会要求输入分析对象。

首先，数据管理系统会要求输入分析范围，若选择信号范围为信号上升到信号下降的区间，也就是传感器打开的周期，若选择信号范围为信号下降到信号上升的区间，则是传感器闭合的周期。

例如，分析的对象为传感器打开的周期,参见图4。

其中，D表示设计值，J为卡纸余量，m为测量的平均值，A为正常范围，A=(J-D)*P,其中，P：USL=J，LSL=0。

服务器的系统会自动计算数据库中所有GA3330型号的进纸传感器的打开周期的时间，D1；D2；D3；D4；……；Dn。

接着，服务器计算前会剔除一部分异常的最小值，剔除一部分异常的最大值，通常超出或者低于平均值20%的设定为异常数据。

进一步的，服务器求出进纸传感器打开周期的平均值m；m=

。

其中，

。

接着，服务器再求所有数据的样本标准差

，其中，

。

接着，服务器计算出不考虑中心值偏移的制程能力值CP，其中，

。

接着，服务器计算偏移指数K值，其中，

。

K代表着平均值

偏离设计值D的偏离过程，当平均值

偏离设计值越远时，K值越 大，反之越小。

实际K值越小越好，代表着样本数据无限接近设计值。

接着，服务器计算出考虑中心值偏移的制程能力值CPK，其中，

。

在开发阶段本发明的用途之一是修正设计值D，利用DVT和PVT以及SOP生产的机器的大数据分析得出m值，用m值来修正设计值D，同步修正设计余量USL和LSL的值。

在量产阶段本发明的用途之一是用来监测工厂的制程能力，用此算法来分析和计算大数据样本，形成CP和CPK的分析报告。

本发明的目的就是通过分析和监控过程，将可能的失误减少到最低限度，从而使企业可以做到质量与效率最高，成本最低。

更进一步的，参见图5，本实施例的故障诊断方法包括如下步骤：

步骤S401，内网客户端用管理权限远程登录本地服务器；

步骤S402：登录本地服务器后，调用异常日志分析系统；

步骤S403：系统中根据需求筛选型号、日期、序列号、测试状态编码等信息，选择其中一项或者多项作为分析对象；

步骤S404：选择对象后自动生成分析报告，根据分析报告迅速给出所有可能的故障原因，此故障原因反馈给工厂修理工程师；

步骤S405：修理工程师根据研发工程师给出的报告建议进行故障排除；

步骤S406：若故障依然无法排除，可联络各地研发专家会诊，各地研发专家同步登录云服务器，集体会诊此疑难故障案例，并给出所以可能的故障原因，此故障原因再次给工厂修理工程师；

步骤S407：修理工程师根据专家会诊给出的报告建议进行故障排除，并最终完成修理作业。

可选的，故障原因可以由修理工程师根据分析报告人工得到，也可以由服务器根据人工智能算法自动获得最有可能的故障原因，将故障原因信息直接反馈至修改工程师持有的维护终端，维护终端可以接收并显示该故障原因。

可选的，专家会诊意见可以形成专家会诊数据库，云服务器可以通过人工智能算法，借助分析报告和专家会诊数据库，获得可能的故障原因，并将其反馈至维护终端显示。

参见图6-8，本实施例还提供了一种基于云平台的设备数据处理系统，该系统包括测试终端101、被测试设备102、本地服务器103和云服务器104。

其中，测试终端101，被配置为向被测试设备102发送测试命令；接收被测试设备102发出的反馈信号，根据反馈信号判断测试是否正常完成，若测试正常完成，则发送获取日志数据命令给所述被测试设备102；接收所述被测试设备102发送的测试正常的日志数据，并将测试正常的日志数据传输到指定文件夹中；将该指定文件夹中的文件信息传输到本地服务器103上；

被测试设备102，被配置为接收所述测试终端101发送的测试命令，执行测试动作，待完成测试动作后，自检并发送反馈信号给所述测试终端101；接收所述测试终端101发送的获取日志数据命令，向测试终端101发送测试正常的日志数据；

本地服务器103，被配置为接收所述测试终端101发送的指定文件夹中的文件信息，并按照预设规则将日志大数据传输到指定的云服务器104上；

云服务器104，被配置为接收并存储所述本地服务器103发送的日志大数据。

本实施例提供的系统的原理、功能和执行过程与实施例中的方法完全对应，本实施例的硬件所实现的配置功能可以由终端、设备或服务器中的处理器执行相应的程序方法实现，此处不再赘述。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。

在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。

也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。

例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，依照所涉及的功能而定。

也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。

其中，单元的名称在某种情况下并不构成对该单元本身的限定。

以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。

本领域技术人员应当理解，本发明中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。

例如上述特征与本发明中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。

在一定环境下，多任务和并行处理可能是有利的。

同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。

在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。

相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。

相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (8)

1.一种基于云平台的设备数据处理方法，其特征在于，包括：

测试终端向打印机发送测试命令；

所述打印机接收所述测试命令后执行测试动作，待完成测试动作后，自检并发送反馈信号给所述测试终端；

所述测试终端根据该反馈信号判断测试是否正常完成，若测试正常完成，则所述测试终端发送获取日志数据命令给所述打印机；

所述打印机接收所述获取日志数据命令后，发送测试正常的日志数据；

所述测试终端接收所述测试正常的日志数据，并将测试正常的日志数据传输到所述测试终端的指定文件夹中；

所述测试终端将指定文件夹中的日志数据文件传输到本地服务器上，所述本地服务器按照预设规则将日志大数据传输到指定的云服务器上；

登录所述本地服务器或云服务器，将打印机的进纸传感器的开合数据作为客户端的筛选项目进行分析；

本地服务器或云服务器计算数据库中所有打印机的进纸传感器的打开周期的时间为D1,D2,D3,D4,……,Dn，其中,n为传感器打开次数；

本地服务器或云服务器计算打印机的进纸传感器的打开周期的平均值

；

本地服务器或云服务器计算进纸传感器的全部打开周期的样本标准差

值：

；

本地服务器或云服务器计算不考虑中心值偏移的制程能力值CP，其中，USL表示进纸传感器打开时间的最大值，LSL表示进纸传感器打开时间的最小值：

；

本地服务器或云服务器计算平均值

K值：

；

本地服务器或云服务器计算出考虑中心值偏移的制程能力值CPK：

；

本地服务器或云服务器输出CP值和CPK值的分析报告。

2.根据权利要求1所述的一种基于云平台的设备数据处理方法，其特征在于还包括如下步骤：

本地服务器或云服务器根据所述分析报告和专家会诊数据库，给出所有可能的故障原因，并将故障原因传送给维护终端；

维护终端接收并显示所述故障原因。

3.根据权利要求1所述的一种基于云平台的设备数据处理方法，其特征在于：

所述测试终端根据该反馈信号判断测试是否正常完成，若测试异常，所述测试终端在测试未完成的状态下发送获取日志数据的命令给打印机，打印机收到命令后将测试异常的日志数据传输到测试终端指定文件夹中。

4.根据权利要求1所述的一种基于云平台的设备数据处理方法，其特征在于，所述测试正常的日志数据包括记录被测试的次数、生产线编号、打印机编号、被测试的日期和时间、测试状态、打印机的整机序列号和/或测试设备的型号。

5.根据权利要求1所述的一种基于云平台的设备数据处理方法，其特征在于，所述测试终端接收所述测试正常的日志数据，并将测试正常的日志数据传输到所述测试终端的指定文件夹中的步骤包括：

所述测试终端将收到的日志数据转换成可以用文本程序打开的文件，并按照预设规则编码文件名，将处理后的日志数据文件保存到所述测试终端指定文件夹中。

6.根据权利要求1所述的一种基于云平台的设备数据处理方法，其特征在于，所述反馈信号包括测试正常编号、测试异常编号和异常故障编号。

7.根据权利要求1所述的一种基于云平台的设备数据处理方法，其特征在于，所述本地服务器将所述日志数据文件转换为数据库格式文件存储。

8.一种基于云平台的设备数据处理系统，其特征在于，包括：

测试终端，被配置为向打印机发送测试命令；接收打印机发出的反馈信号，根据反馈信号判断测试是否正常完成，若测试正常完成，则发送获取日志数据命令给所述打印机；接收所述打印机发送的测试正常的日志数据，并将测试正常的日志数据传输到指定文件夹中；将该指定文件夹中的文件信息传输到本地服务器上；

打印机，被配置为接收所述测试终端发送的测试命令，执行测试动作，待完成测试动作后，自检并发送反馈信号给所述测试终端；接收所述测试终端发送的获取日志数据命令，向测试终端发送测试正常的日志数据；

本地服务器，被配置为接收所述测试终端发送的指定文件夹中的文件信息，并按照预设规则将日志大数据传输到指定的云服务器上；

云服务器，被配置为接收并存储所述本地服务器发送的日志大数据；其中，

所述本地服务器或云服务器用于将打印机的进纸传感器的开合数据作为客户端的筛选项目进行分析；

所述本地服务器或云服务器计算数据库中所有打印机的进纸传感器的打开周期的时间为D1,D2,D3,D4,……,Dn，其中,n为传感器打开次数；

本地服务器或云服务器计算打印机的进纸传感器的打开周期的平均值

；

本地服务器或云服务器计算进纸传感器的全部打开周期的样本标准差

值：

；

本地服务器或云服务器计算不考虑中心值偏移的制程能力值CP，其中，USL表示进纸传感器打开时间的最大值，LSL表示进纸传感器打开时间的最小值：

；

本地服务器或云服务器计算平均值

K值：

；

本地服务器或云服务器计算出考虑中心值偏移的制程能力值CPK：

；

本地服务器或云服务器输出CP值和CPK值的分析报告。

Images