CN113656658A - 一种故障原因确定方法、装置、设备及存储介质 - Google Patents

一种故障原因确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113656658A
CN113656658A CN202110930979.2A CN202110930979A CN113656658A CN 113656658 A CN113656658 A CN 113656658A CN 202110930979 A CN202110930979 A CN 202110930979A CN 113656658 A CN113656658 A CN 113656658A
Authority
CN
China
Prior art keywords
fault
determining
node
degree
cause
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.)
Granted
Application number
CN202110930979.2A
Other languages
English (en)
Other versions
CN113656658B (zh
Inventor
廉以佳
谢晨
薛丹
杨帆
黄奕
刘丰维
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.)
Shangfei Intelligent Technology Co ltd
Original Assignee
Shanghai Aircraft Manufacturing Co Ltd
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 Shanghai Aircraft Manufacturing Co Ltd filed Critical Shanghai Aircraft Manufacturing Co Ltd
Priority to CN202110930979.2A priority Critical patent/CN113656658B/zh
Publication of CN113656658A publication Critical patent/CN113656658A/zh
Application granted granted Critical
Publication of CN113656658B publication Critical patent/CN113656658B/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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Manufacturing & Machinery (AREA)
  • Debugging And Monitoring (AREA)
  • General Factory Administration (AREA)

Abstract

本发明实施例公开了一种故障原因确定方法，包括：确定至少一个故障及对应的故障可能原因，建立质量根因分析图；质量根因分析图中的因节点与故障可能原因一一对应；针对每个故障，根据质量根因分析图确定与故障对应的每个因节点的点贡献率，并按从大到小的顺序排序；获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。本发明实施例提供的故障原因确定方法，通过建立质量根因分析图，并结合图数据库算法，计算因节点的点贡献率并排序，从而确定对故障产生影响最大的故障原因，实现了对车间生产制造过程的数字化，能够清晰描述工业过程与复杂关系，形成工业神经网络，对故障产生原因进行精确可靠的分析。

Description

一种故障原因确定方法、装置、设备及存储介质
技术领域
本发明涉及故障诊断技术领域，尤其涉及一种故障原因确定方法、装置、设备及存储介质。
背景技术
传统的工业制造领域中，车间的管理包含正常的情况维持，还有产生故障的处理，而这种故障情况的发生以及故障的延迟解决不仅会造成经营成本的上升，而且会严重影响员工的工作效率与企业的长远发展。所以故障事件的处理，及其产生的原因分析十分重要。在实际生产过程中，由于生产任务的繁重、质量要求又很高，致使生产过程环境的复杂性大大提高，更容易引起故障的产生。
故障事件产生的原因，传统上都是由工作人员根据人为经验进行判断的，但对于传统制造企业来说，车间生产过程具有复杂性和不可预测性，故障产生的原因可能是设备、工装、人员、材料、工艺、环境各个方面，简单的根据工作人员的经验来判断故障产生原因，显然是低效率的，也无法有效避免类似故障的发生。此外，在当前故障分析中，产生的故障与设备、工装、人员、材料、工艺、环境等之间没有建立明确联系，零散存储于设备或者人脑中，导致现有工业知识呈现碎片化独立分布的特点，且许多依靠技术人员经验，为工业的智能化决策带来不便。
发明内容
本发明实施例提供了一种故障原因确定方法、装置、设备及存储介质，实现了对生产过程中的故障进行精确分析与确定的技术效果。
第一方面，本发明实施例提供了一种故障原因确定方法，包括：
确定至少一个故障及对应的故障可能原因，建立质量根因分析图；所述质量根因分析图中的因节点与所述故障可能原因一一对应；
针对每个故障，根据所述质量根因分析图确定与所述故障对应的每个因节点的点贡献率，并按从大到小的顺序排序；
获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。
进一步地，确定至少一个故障及对应的故障可能原因，包括：
获取包含故障信息的故障文件，解析所述故障文件，获取所述至少一个故障；
根据所述至少一个故障并结合生产过程信息确定所述故障可能原因。
进一步地，所述建立质量根因分析图，包括：
根据所述至少一个故障及对应的故障可能原因，确定各故障分别对应的因节点，所述因节点包括：与故障关联的一度节点、一度节点关联的二度节点以及二度节点关联的三度节点；
将各所述故障与相应的一度节点连接，将各所述一度节点与相应的二度节点连接，将各所述二度节点与相应的三度节点连接，形成质量根因分析图。
进一步地，根据所述质量根因分析图确定与所述故障对应的每个因节点的点贡献率，包括：
根据所述质量根因分析图，确定与所述故障对应的每个因节点的点贡献；
确定各因节点的点贡献之和；
确定每个因节点的点贡献与点贡献之和的比值，将所述比值确定为对应因节点的点贡献率。
进一步地，根据所述质量根因分析图，确定与所述故障对应的每个因节点的点贡献，包括：
提取所述质量根因分析图中与所述故障对应的所述一度节点、二度节点以及三度节点；
针对每个一度节点，确定所述一度节点对相连的各故障的边贡献，以及所述一度节点连接的故障个数，将所述边贡献之和与所述故障个数的比值确定为所述一度节点的点贡献；
针对每个二度节点，确定与所述二度节点相连的一度节点的第一点贡献平均值，将所述第一点贡献平均值确定为所述二度节点的点贡献；
针对每个三度节点，确定与所述三度节点相连的二度节点的第二点贡献平均值，将所述第二点贡献平均值确定为所述三度节点的点贡献。
进一步地，确定所述一度节点对相连的各故障的边贡献，包括：
获取所述一度节点连接的故障对应的故障可能原因个数与权重系数；
将所述权重系数与故障可能原因个数的比值确定为所述边贡献。
第二方面，本发明实施例还提供了一种故障原因确定装置，包括：
质量根因分析图建立模块，用于确定至少一个故障及对应的故障可能原因，建立质量根因分析图；所述质量根因分析图中的因节点与所述故障可能原因一一对应；
点贡献率排序模块，用于针对每个故障，根据所述质量根因分析图确定与所述故障对应的每个因节点的点贡献率，并按从大到小的顺序排序；
产生原因确定模块，用于获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。
可选的，质量根因分析图建立模块还用于：
获取包含故障信息的故障文件，解析所述故障文件，获取所述至少一个故障；
根据所述至少一个故障并结合生产过程信息确定所述故障可能原因。
可选的，质量根因分析图建立模块还用于：
根据所述至少一个故障及对应的故障可能原因，确定各故障分别对应的因节点，所述因节点包括：与故障关联的一度节点、一度节点关联的二度节点以及二度节点关联的三度节点；
将各所述故障与相应的一度节点连接，将各所述一度节点与相应的二度节点连接，将各所述二度节点与相应的三度节点连接，形成质量根因分析图。
可选的，点贡献率排序模块还用于：
根据所述质量根因分析图，确定与所述故障对应的每个因节点的点贡献；
确定各因节点的点贡献之和；
确定每个因节点的点贡献与点贡献之和的比值，将所述比值确定为对应因节点的点贡献率。
可选的，点贡献率排序模块还用于：
提取所述质量根因分析图中与所述故障对应的所述一度节点、二度节点以及三度节点；
针对每个一度节点，确定所述一度节点对相连的各故障的边贡献，以及所述一度节点连接的故障个数，将所述边贡献之和与所述故障个数的比值确定为所述一度节点的点贡献；
针对每个二度节点，确定与所述二度节点相连的一度节点的第一点贡献平均值，将所述第一点贡献平均值确定为所述二度节点的点贡献；
针对每个三度节点，确定与所述三度节点相连的二度节点的第二点贡献平均值，将所述第二点贡献平均值确定为所述三度节点的点贡献。
可选的，点贡献率排序模块还用于：
获取所述一度节点连接的故障对应的故障可能原因个数与权重系数；
将所述权重系数与故障可能原因个数的比值确定为所述边贡献。
第三方面，本发明实施例还提供了一种故障原因确定的计算机设备，包括：
包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例任一所述的故障原因确定方法。
第四方面，本发明实施例还提供了一种故障原因确定的存储介质，其上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例任一所述的故障原因确定方法。
本发明实施例公开了一种故障原因确定方法，首先确定至少一个故障及对应的故障可能原因，建立质量根因分析图；质量根因分析图中的因节点与故障可能原因一一对应；然后针对每个故障，根据质量根因分析图确定与故障对应的每个因节点的点贡献率，并按从大到小的顺序排序；最后获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。本发明实施例提供的故障原因确定方法，通过建立质量根因分析图，并结合图数据库算法，计算因节点的点贡献率并排序，从而确定对故障产生影响最大的故障原因，实现了对车间生产制造过程的数字化，能够清晰描述工业过程与复杂关系，形成工业神经网络，对故障产生原因进行精确可靠的分析。
附图说明
图1是本发明实施例一中的一种故障原因确定方法流程图；
图2是本发明实施例一中的一种质量根因分析示意图；
图3是本发明实施例二中的一种点贡献率确定方法流程图；
图4是本发明实施例三中的一种故障原因确定装置结构示意图；
图5是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种故障原因确定方法流程图，本实施例可适用于对工业过程中产生的故障的原因进行分析确定的情况，该方法可以由故障原因确定装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有故障原因确定功能的设备中，该设备可以是服务器或服务器集群等电子设备。
如图1所示，具体包括如下步骤：
步骤110、确定至少一个故障及对应的故障可能原因，建立质量根因分析图。
其中，故障可以是工业生产过程中产生的影响生产质量或生产效率的异常事件，对于传统制造企业来说，车间生产过程具有复杂性和不可预测性，故障产生原因可以是多方面的，例如可以是设备、工装、人员、材料、工艺、环境等。质量根因分析图是结合图数据库的质量根因分析方法的一种分析手段，在本实施例中，质量根因分析图中的因节点与故障可能原因一一对应，可以利用质量根因分析图对故障原因进行分析和确定。
进一步地，图数据库算法(Pagerank)可以对每个目标进行附权值，使权值大的因素靠前显示，权值小的因素靠后显示。在本实施例中，可以将图数据库算法融入工业制造领域，并结合工业神经网络来分析车间产生的故障及其产生的原因。
在本实施例中，可以结合图数据库、神经网络算法、工业原理和工作经验建立工业神经网络，利用工业神经网络可以对故障原因进行分析。故障对应的故障可能原因可能有多个，其中可以有直接原因和间接原因，每个故障可能原因可能对多个故障产生影响，且各故障可能原因直接可能存在联系。可以根据生产经验确定故障原因的几个方面，如设备、工装、人员、材料、工艺、环境等，并利用工业神经网络进行分析，确定每个故障对应的故障可能原因。
可选的，确定至少一个故障及对应的故障可能原因的方式可以是：获取包含故障信息的故障文件，解析故障文件，获取至少一个故障；根据至少一个故障并结合生产过程信息确定故障可能原因。
具体的，工业生产中产生故障时可以生成相应的故障文件，其中包含故障信息，通过对故障文件进行解析，可以获取其中的至少一个故障。利用工业神经网络结合生产过程信息的计算与分析，可以确定每个故障对应的故障可能原因。
进一步地，确定了故障及对应的故障可能原因后，可以建立质量根因分析图，在质量根因分析图中将每个故障可能原因用因节点表示，并根据故障与因节点以及因节点与因节点之间的关系进行连接。
可选的，建立质量根因分析图的方式可以是：根据至少一个故障及对应的故障可能原因，确定各故障分别对应的因节点，因节点包括：与故障关联的一度节点、一度节点关联的二度节点以及二度节点关联的三度节点；将各故障与相应的一度节点连接，将各一度节点与相应的二度节点连接，将各二度节点与相应的三度节点连接，形成质量根因分析图。
具体的，因节点可以分为一度节点、二度节点和三度节点，其中，一度节点是与故障存在直接关系的因节点，在质量根因分析图中可以与故障直接相连；二度节点与故障没有直接关系，但与一度节点有直接关系，故二度节点与一度节点相连；同理，三度节点与二度节点相连。进一步地，每个故障可以与多个一度节点相连，每个一度节点也可以连接多个故障。
图2是本发明实施例提供的一种质量根因分析示意图，如图所示，故障1、故障2和故障3连接的一度节点个数分别为3、3和4，以故障1为例，其对应的一度节点为“工装1”、“环境1”和“设备1”，其中“环境1”和“设备1”两个节点均与二度节点“工艺1”连接，“工艺1”又连接一个三度节点“人员1”。
步骤120、针对每个故障，根据质量根因分析图确定与故障对应的每个因节点的点贡献率，并按从大到小的顺序排序。
在质量根因分析图中，每个因节点对故障的影响大小可以用点贡献来表示，对一个故障来说，该故障可以对应多个因节点，可以分别计算各个因节点对该故障的点贡献，然后计算相应的点贡献率并进行排序，从而可以确定在故障对应的多个因节点中，哪个因节点对该故障的影响较大。可以理解的是，一个因节点可能对多个故障产生影响，当对应不同的故障时，同一个因节点的点贡献率可能不同。
可选的，根据质量根因分析图确定与故障对应的每个因节点的点贡献率的方式可以是：根据质量根因分析图，确定与故障对应的每个因节点的点贡献；确定各因节点的点贡献之和；确定每个因节点的点贡献与点贡献之和的比值，将比值确定为对应因节点的点贡献率。
具体的，对于每个故障，可以根据质量根因分析图提取出该故障对应的各个因节点，计算各因节点的点贡献与点贡献之和，然后分别计算每个点的点贡献与点贡献之和的比值，将其确定为点贡献率，即点贡献率＝点贡献/点贡献之和。
步骤130、获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。
在本实施例中，计算出故障对应的各因节点的点贡献率后，可以将各因节点按照点贡献率的大小进行排序，然后取前设定位数的贡献率最大的因节点作为该故障的主要贡献节点。这几个节点对应的故障可能原因可以认为是故障产生的主要原因，故可以将对应的故障可能原因作为该故障的产生原因。
本发明实施例首先确定至少一个故障及对应的故障可能原因，建立质量根因分析图，然后针对每个故障，根据质量根因分析图确定与故障对应的每个因节点的点贡献率，并按从大到小的顺序排序，最后获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。本发明实施例提供的故障原因确定方法，通过建立质量根因分析图，并结合图数据库算法，计算因节点的点贡献率并排序，从而确定对故障产生影响最大的故障原因，实现了对车间生产制造过程的数字化，能够清晰描述工业过程与复杂关系，形成工业神经网络，对故障产生原因进行精确可靠的分析。
实施例二
图3为本发明实施例二提供的一种点贡献率确定方法流程图，本实施例可适用于对质量根因分析图中每个故障对应的因节点的贡献率进行确定的情况。
如图3所示，具体包括如下步骤：
步骤121、根据质量根因分析图，确定与故障对应的每个因节点的点贡献。
在本实施例中，每个故障可以对应多个因节点，针对每个故障，可以计算各因节点的点贡献。
可选的，根据质量根因分析图，确定与故障对应的每个因节点的点贡献的方式可以是：提取质量根因分析图中与故障对应的一度节点、二度节点以及三度节点；针对每个一度节点，确定一度节点对相连的各故障的边贡献，以及一度节点连接的故障个数，将边贡献之和与故障个数的比值确定为一度节点的点贡献；针对每个二度节点，确定与二度节点相连的一度节点的第一点贡献平均值，将第一点贡献平均值确定为二度节点的点贡献；针对每个三度节点，确定与三度节点相连的二度节点的第二点贡献平均值，将第二点贡献平均值确定为三度节点的点贡献。
具体的，因节点分为一度节点、二度节点和三度节点，对于每个一度节点，点贡献的计算方式是：确定该一度节点与各故障之间的连线条数，每条连线对应一个边贡献，连线条数即为连接的故障个数，该一度节点的点贡献为边贡献之和与故障个数的比值。对于每个二度节点，点贡献为与该节点相连的一度节点的点贡献平均值；对于每个三度节点，点贡献为与该节点相连的二度节点的点贡献平均值。
进一步的，确定一度节点对相连的各故障的边贡献的方式可以是：获取一度节点连接的故障对应的故障可能原因个数与权重系数；将权重系数与故障可能原因个数的比值确定为边贡献。
具体的，对于每个一度节点，与该一度节点相连的各故障可以对应不同的故障可能原因个数与权重系数。例如，若某个一度节点与三个故障相连，其中故障1对应的故障可能原因个数为N，权重系数为x，则该一度节点与故障1的连线对应的边贡献为
Figure BDA0003210735560000111
步骤122、确定各因节点的点贡献之和。
在本实施例中，计算出各因节点的点贡献之后，可以计算故障对应的各因节点的点贡献之和，根据每个故障对应的因节点的点贡献与点贡献之和可以进行下一步计算。
步骤123、确定每个因节点的点贡献与点贡献之和的比值，将比值确定为对应因节点的点贡献率。
在本实施例中，因节点的点贡献率的计算方式可以是，针对每个故障，计算对应的各因节点的点贡献与点贡献之和的比值，将比值确定为对应因节点的点贡献率。
本发明实施例首先根据质量根因分析图，确定与故障对应的每个因节点的点贡献，然后确定各因节点的点贡献之和，最后确定每个因节点的点贡献与点贡献之和的比值，将比值确定为对应因节点的点贡献率。本发明实施例提供的点贡献率的确定方法，通过计算与故障对应的节点的点贡献与点贡献率，可以确定对于每个故障的最大影响因素，从而确定故障的产生原因，实现了对故障产生原因进行精确可靠的分析。
实施例三
图4为本发明实施例三提供的一种故障原因确定装置结构示意图。如图4所示，该装置包括：质量根因分析图建立模块210，点贡献率排序模块220，产生原因确定模块230。
质量根因分析图建立模块210，用于确定至少一个故障及对应的故障可能原因，建立质量根因分析图。
可选的，质量根因分析图建立模块210还用于：
获取包含故障信息的故障文件，解析故障文件，获取至少一个故障；根据至少一个故障并结合生产过程信息确定故障可能原因。
可选的，质量根因分析图建立模块210还用于：
根据至少一个故障及对应的故障可能原因，确定各故障分别对应的因节点，因节点包括：与故障关联的一度节点、一度节点关联的二度节点以及二度节点关联的三度节点；将各故障与相应的一度节点连接，将各一度节点与相应的二度节点连接，将各二度节点与相应的三度节点连接，形成质量根因分析图。
点贡献率排序模块220，用于针对每个故障，根据质量根因分析图确定与故障对应的每个因节点的点贡献率，并按从大到小的顺序排序。
可选的，点贡献率排序模块220还用于：
根据质量根因分析图，确定与故障对应的每个因节点的点贡献；确定各因节点的点贡献之和；确定每个因节点的点贡献与点贡献之和的比值，将比值确定为对应因节点的点贡献率。
可选的，点贡献率排序模块220还用于：
提取质量根因分析图中与故障对应的一度节点、二度节点以及三度节点；针对每个一度节点，确定一度节点对相连的各故障的边贡献，以及一度节点连接的故障个数，将边贡献之和与故障个数的比值确定为一度节点的点贡献；针对每个二度节点，确定与二度节点相连的一度节点的第一点贡献平均值，将第一点贡献平均值确定为二度节点的点贡献；针对每个三度节点，确定与三度节点相连的二度节点的第二点贡献平均值，将第二点贡献平均值确定为三度节点的点贡献。
可选的，点贡献率排序模块220还用于：
获取一度节点连接的故障对应的故障可能原因个数与权重系数；将权重系数与故障可能原因个数的比值确定为边贡献。
产生原因确定模块230，用于获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。
上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。
实施例四
图5为本发明实施例四提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的计算机设备312的框图。图5显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的故障原因确定计算设备。
如图5所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的故障原因确定方法。
实施例五
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例中的故障原因确定方法。本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定至少一个故障及对应的故障可能原因，建立质量根因分析图；质量根因分析图中的因节点与故障可能原因一一对应；针对每个故障，根据质量根因分析图确定与故障对应的每个因节点的点贡献率，并按从大到小的顺序排序；获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络连接到用户计算机，包括局域网(LAN)或广域网(WAN)，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，这依所涉及的功能而定。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。
描述于本公开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。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种故障原因确定方法，其特征在于，包括：
确定至少一个故障及对应的故障可能原因，建立质量根因分析图；所述质量根因分析图中的因节点与所述故障可能原因一一对应；
针对每个故障，根据所述质量根因分析图确定与所述故障对应的每个因节点的点贡献率，并按从大到小的顺序排序；
获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。
2.根据权利要求1所述的方法，其特征在于，确定至少一个故障及对应的故障可能原因，包括：
获取包含故障信息的故障文件，解析所述故障文件，获取所述至少一个故障；
根据所述至少一个故障并结合生产过程信息确定所述故障可能原因。
3.根据权利要求1所述的方法，其特征在于，所述建立质量根因分析图，包括：
根据所述至少一个故障及对应的故障可能原因，确定各故障分别对应的因节点，所述因节点包括：与故障关联的一度节点、一度节点关联的二度节点以及二度节点关联的三度节点；
将各所述故障与相应的一度节点连接，将各所述一度节点与相应的二度节点连接，将各所述二度节点与相应的三度节点连接，形成质量根因分析图。
4.根据权利要求1所述的方法，其特征在于，根据所述质量根因分析图确定与所述故障对应的每个因节点的点贡献率，包括：
根据所述质量根因分析图，确定与所述故障对应的每个因节点的点贡献；
确定各因节点的点贡献之和；
确定每个因节点的点贡献与点贡献之和的比值，将所述比值确定为对应因节点的点贡献率。
5.根据权利要求4所述的方法，其特征在于，根据所述质量根因分析图，确定与所述故障对应的每个因节点的点贡献，包括：
提取所述质量根因分析图中与所述故障对应的所述一度节点、二度节点以及三度节点；
针对每个一度节点，确定所述一度节点对相连的各故障的边贡献，以及所述一度节点连接的故障个数，将所述边贡献之和与所述故障个数的比值确定为所述一度节点的点贡献；
针对每个二度节点，确定与所述二度节点相连的一度节点的第一点贡献平均值，将所述第一点贡献平均值确定为所述二度节点的点贡献；
针对每个三度节点，确定与所述三度节点相连的二度节点的第二点贡献平均值，将所述第二点贡献平均值确定为所述三度节点的点贡献。
6.根据权利要求5所述的方法，其特征在于，确定所述一度节点对相连的各故障的边贡献，包括：
获取所述一度节点连接的故障对应的故障可能原因个数与权重系数；
将所述权重系数与故障可能原因个数的比值确定为所述边贡献。
7.一种故障原因确定装置，其特征在于，包括：
质量根因分析图建立模块，用于确定至少一个故障及对应的故障可能原因，建立质量根因分析图；所述质量根因分析图中的因节点与所述故障可能原因一一对应；
点贡献率排序模块，用于针对每个故障，根据所述质量根因分析图确定与所述故障对应的每个因节点的点贡献率，并按从大到小的顺序排序；
产生原因确定模块，用于获取排名前设定位数的因节点对应的故障可能原因，作为对应故障的产生原因。
8.一种计算机设备，其特征在于，包括：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-6任一所述的故障原因确定方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-6中任一所述的故障原因确定方法。
CN202110930979.2A 2021-08-13 2021-08-13 一种故障原因确定方法、装置、设备及存储介质 Active CN113656658B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110930979.2A CN113656658B (zh) 2021-08-13 2021-08-13 一种故障原因确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110930979.2A CN113656658B (zh) 2021-08-13 2021-08-13 一种故障原因确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113656658A true CN113656658A (zh) 2021-11-16
CN113656658B CN113656658B (zh) 2023-07-21

Family

ID=78479878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110930979.2A Active CN113656658B (zh) 2021-08-13 2021-08-13 一种故障原因确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113656658B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0772206A (ja) * 1992-06-26 1995-03-17 Nec Corp Ｌｓｉ検査装置及び方法
US6567946B1 (en) * 1999-03-23 2003-05-20 Kabushiki Kaisha Toshiba Evaluation device of weighted fault coverage and evaluation method of the same
CN109298703A (zh) * 2017-07-25 2019-02-01 富泰华工业（深圳）有限公司 故障诊断系统及方法
US20190207805A1 (en) * 2017-12-29 2019-07-04 Ca, Inc. Node fault isolation
US20200104200A1 (en) * 2018-09-27 2020-04-02 Oracle International Corporation Disk drive failure prediction with neural networks
CN111858123A (zh) * 2020-07-29 2020-10-30 中国工商银行股份有限公司 基于有向图网络的故障根因分析方法和装置
CN112416645A (zh) * 2020-12-03 2021-02-26 广州云岫信息科技有限公司 一种基于人工智能的故障根因推断定位方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0772206A (ja) * 1992-06-26 1995-03-17 Nec Corp Ｌｓｉ検査装置及び方法
US6567946B1 (en) * 1999-03-23 2003-05-20 Kabushiki Kaisha Toshiba Evaluation device of weighted fault coverage and evaluation method of the same
CN109298703A (zh) * 2017-07-25 2019-02-01 富泰华工业（深圳）有限公司 故障诊断系统及方法
US20190207805A1 (en) * 2017-12-29 2019-07-04 Ca, Inc. Node fault isolation
US20200104200A1 (en) * 2018-09-27 2020-04-02 Oracle International Corporation Disk drive failure prediction with neural networks
CN111858123A (zh) * 2020-07-29 2020-10-30 中国工商银行股份有限公司 基于有向图网络的故障根因分析方法和装置
CN112416645A (zh) * 2020-12-03 2021-02-26 广州云岫信息科技有限公司 一种基于人工智能的故障根因推断定位方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WANGANG WANG ET AL.: "A Fault Backward Reasoning Method of Complex Equipment Based on Petri Nets", 《2011 INTERNATIONAL CONFERENCE ON ELECTRICAL AND CONTROL ENGINEERING》, pages 12 - 15 *
彦逸;周开东;林细君;麦晓辉;肖建毅;曾朝霖;: "基于因果规则的电力营销系统故障定位算法", 计算机与现代化, no. 03, pages 13 - 18 *
闫祎颖等: "基于 CMDB 的信息系统故障根因定位技术的研究", 《通信电源技术》, pages 33 - 35 *

Also Published As

Publication number Publication date
CN113656658B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
US10210189B2 (en) Root cause analysis of performance problems
CN109587008B (zh) 检测异常流量数据的方法、装置及存储介质
CN110647447B (zh) 用于分布式系统的异常实例检测方法、装置、设备和介质
US20170109221A1 (en) Identifying intervals of unusual activity in information technology systems
CN114090601B (zh) 一种数据筛选方法、装置、设备以及存储介质
US12056622B2 (en) Identifying influential effects to be adjusted in goal seek analysis
CN115277261B (zh) 基于工控网络病毒的异常机器智能识别方法、装置、设备
CN115034596A (zh) 一种风险传导预测方法、装置、设备和介质
CN111400126A (zh) 网络服务异常数据检测方法、装置、设备和介质
CN114116811B (zh) 日志处理方法、装置、设备及存储介质
CN115509784A (zh) 数据库实例的故障检测方法和装置
CN114443437A (zh) 告警根因输出方法、装置、设备、介质和程序产品
CN113138906A (zh) 一种调用链数据采集方法、装置、设备及存储介质
CN112015995B (zh) 数据分析的方法、装置、设备以及存储介质
CN116975081A (zh) 一种日志诊断集更新方法、装置、设备及存储介质
CN113656658B (zh) 一种故障原因确定方法、装置、设备及存储介质
CN115774648A (zh) 一种异常定位方法、装置、设备以及存储介质
CN113449062B (zh) 轨迹处理方法、装置、电子设备和存储介质
CN115576731A (zh) 系统故障根因定位方法及装置、设备、存储介质
CN114625763A (zh) 用于数据库的信息分析方法、装置、电子设备和可读介质
CN113887101A (zh) 网络模型的可视化方法、装置、电子设备及存储介质
US6853957B2 (en) Date and time processing in computers
CN110704848A (zh) 脆弱点量化评估方法及装置
US20180150546A1 (en) Real-time clustering using multiple representatives from a cluster
CN116051287B (zh) 一种数据的分析方法、装置、电子设备及存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20231206

Address after: Room 712, South, No. 69 Zhangjiang Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 2012

Patentee after: Shangfei Intelligent Technology Co.,Ltd.

Address before: 919 Shangfei Road, Pudong New Area, Shanghai, 201324

Patentee before: SHANGHAI AIRCRAFT MANUFACTURING Co.,Ltd.

TR01 Transfer of patent right