CN114333179A - 一种基于大数据技术的金融终端故障预判警示方法及系统 - Google Patents

Abstract

本发明公开一种基于大数据技术的金融终端故障预判警示方法及系统，包括以下步骤，A01：设备障碍因子类别I为第一银行的金融设备ATM障碍汇总的障碍类别，设备障碍因子类别I获得金融设备ATM机I的运行数据I；A02：采用运行数据I和金融设备ATM机I的习惯操作参数获得金融设备ATM I的运行数据无效参数I，根据运行数据无效参数I获得障碍信息链I；A03：通设备障碍因子类别I获得金融设备ATM机N的运行数据N，通过所述运行数据N和金融设备N的习惯操作参数获得运行数据无效参数N，根据所述运行数据无效参数N获得障碍信息链N，将障碍信息链I至到障碍信息链N集中分析，获得第一分析数据；A04：预判警示，便于及时对金融设备ATM机维修，以及定位故障点。

Description

一种基于大数据技术的金融终端故障预判警示方法及系统

技术领域

本发明涉及金融管理技术领域，具体涉及一种基于大数据技术的金融终端故障预判警示方法及系统。

背景技术

目前国内各金融终端厂商及维护商为银行的自助设备提供服务方式为被动式，也就是自主设备发生故障后，由银行管机员或银行监控人员打电话或短信通知厂商或维护商保修，厂商或维护商再派出工程师进行预约并维护或维修，最后将维护或维修结果反馈给银行。

目前金融终端发生故障时，由银行工作人员电话或短信保修，时间比较滞后；分析故障需要到现场，且到现场也不一定能定位准确问题，整个处理效率低。

针对上述提出的缺陷，现提供一种基于大数据技术的金融终端故障预判警示方法及系统。

发明内容

本发明提供一种基于大数据技术的金融终端故障预判警示方法及系统，通过对金融设备ATM机出现的障碍进行汇总，并根据汇总的障碍类型获得相应的运行数据，将ATM机的运行数据结合使用者的习惯操作参数结合，获得对应设备数据的障碍信息链，并将障碍信息链进行集中分析，根据分析结果进行预判警示，解决了对金融设备ATM机维修不及时或者到现场也不能准确定位问题点等技术问题。

本发明通过下述技术方案实现：

一种基于大数据技术的金融终端故障预判警示方法，所述方法应用于一种故障分析预判警示系统，其特征在于：所述方法包括以下步骤，

A01：获得设备障碍因子类别I，所述设备障碍因子类别I为第一银行的金融设备ATM障碍汇总的障碍类别，通过所述设备障碍因子类别I获得金融设备ATM机I的运行数据I；

A02：采用所述运行数据I和金融设备ATM机I的习惯操作参数获得金融设备ATM I的运行数据无效参数I，根据所述运行数据无效参数I获得障碍信息链I；

A03：通过所述设备障碍因子类别I获得金融设备ATM机N的运行数据N，通过所述运行数据N和金融设备N的习惯操作参数获得运行数据无效参数N，根据所述运行数据无效参数N获得障碍信息链N，将所述障碍信息链I至到所述障碍信息链N进行集中分析，获得第一分析数据；

A04：根据所述第一分析数据对所述设备障碍因子类别I进行预判警示。

可选地，所述预判警示方法还包括：

A05：获得设备障碍因子类别II的第二分析数据，所述设备障碍因子类别I和所述设备障碍因子类别II不同，所述第二分析数据和所述第一分析数据具有雷同参数I，对所述第一分析数据和所述第二分析数据结果中具有雷同参数I的数据信息进行分析，获得相近数据特征I；

A06：将所述第一分析数据和所述第二分析数据中不具有雷同参数I的数据信息进行分析，获得不同数据特征I，根据所述相近数据特征I和不同数据特征I对所述第一分析数据和所述第二分析数据进行标记，获得标记特征I，通过所述标记特征I对所述设备障碍因子类别I和所述设备障碍因子类别II进行分辨。

可选地，所述步骤A02中，还包括：

A021：采用所述运行数据I获得金融设备ATM机I的习惯操作参数汇总，对所述习惯操作参数汇总进行去中心化操作，获得操作数据I；

A022：获得运行使用者I，所述运行使用者I为所述金融设备ATM机I发生所述设备障碍因子类别I故障时的使用者，根据所述运行使用者I对所述操作数据I进行习惯操作的过滤，获得过滤数据I；

A023：根据所述过滤数据I获得所述金融设备ATM机I的习惯操作参数。

可选地，所述步骤A04中还包括以下步骤：

A041：根据所述第一分析数据，设置所述设备障碍因子类别I的关键障碍汇总，根据所述障碍信息链I至所述障碍信息链N，设置辅助特征汇总；

A042：根据所述障碍信息链I直至障碍信息链N中每个辅助障碍特征的频率对所述辅助特战汇总进行特征贡献度分派，获得分派数据I；

A043：根据所述关键障碍汇总、所述辅助特征汇总和所述分派数据I设置所述设备障碍因子类别I的障碍技术因子适合原型，根据所述障碍技术因子适合原型对所述设备障碍因子类别I进行分辨和预判警示。

可选地，所述预判警示方法还包括以下步骤：

A07：通过所述图像获取设备获得设备障碍因子类别I的图像汇总I，所述图像汇总I为所述金融设备ATM机I在出现所述设备障碍因子类别I前设备运行时图像汇总；

A08：对所述图像汇总I设置基于ATM设备运行时的时间点标注，将标注后的所述图像汇总I根据时间秩序进行关键技术点比对，获得比对分析I；

A09：将所述对比分析I作为所述设备障碍因子类别I分辨的预判警示信息点。

可选地，所述预判警示方法中步骤A08还包括以下步骤：

A081：根据所述对比分析I获得对比特征I变更规则；将标注后的所述图像汇总I根据时间秩序排列，获得图像汇总II，根据所述图像汇总II进行关键信息点比对，根据所述图像汇总II获得关键信息点变更参数I；

A082：将所述对比特征I变更规则和所述关键信息点变更参数I设置为设备障碍因子类别I的预判警示信息点。

可选地，所述预判警示方法还包括以下步骤：

A10：根据所述第一分析数据对获得的金融设备ATM机W信息进行筛选，获得适配数据I；

A11：根据所述第一分析数据对应的所述设备障碍因子类别I获得预判警示提示装置I；

A12：根据所述适配数据I获得预判警示提示装置II，根据所述预判警示提示装置I和所述预判警示提示装置II获得预判警示提示组合装置，所述预判警示提示组合装置对所述金融设备ATM机W的运行情况进行预判警示。

可选地，所述步骤A11中，所述预判警示提示装置I为提示灯、报警器、信息和图像提示中任意一种。

可选地，所述步骤A082中所述设备障碍因子类别I的预判警示信息点包括以下步骤：

A083：确认预判警示信息点的条数是否大于1，在所述预判警示信息点的条数大于1时，按照障碍重要程度或时间顺序显示所述预判警示信息点，所述预判警示信息点包括：ATM机终端号、银行、分行、网点、获取时间、运行状态和停机时长中的至少一种。

本申请还提供了一种基于大数据技术的金融终端故障预判警示系统，将基于大数据技术的金融终端预判警示方法应用到预判警示系统中。

本发明与现有技术相比，具有如下的优点和有益效果：

1)本技术方案中通过对金融设备ATM机出现的障碍进行汇总，并根据汇总的障碍类型获得相应的运行数据，将ATM机的运行数据结合使用者的习惯操作参数，获得对应设备数据的障碍信息链，并将障碍信息链进行集中分析，根据分析结果进行预判警示，便于及时对金融设备ATM机进行维护，同时也避免了在金融设备ATM机发生故障时，临时去维修，可根据预判警示信息，准确定位出现问题的地方，提高处理效率。

2)本技术方案中将设备障碍因子类别I中的运行数据与其他设备的运行数据进行适配，尤其是设备障碍因子类别I中的异常数据，然后依据设备障碍因子类别I设置的预判警示信息进行预判警示，提高预判警示的准确度，从而便于金融设备维护商进行定时维护。

附图说明

图1为本发明的流程结构示意框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施:1：

如图1所示，一种基于大数据技术的金融终端故障预判警示方法，其中，所述方法应用于一种故障预判警示系统，其特征在于：所述方法包括以下步骤，

A01：获得设备障碍因子类别I，所述设备障碍因子类别I为第一银行的金融设备ATM机障碍汇总的障碍类别，通过所述设备障碍因子类别I获得金融设备ATM机I的运行数据I；

其中，第一银行为应用所述故障预判警示系统的机构，第一银行还可为维护银行金融设备的厂商，因此，所表述的第一银行并非局限于银行种类；所述金融设备ATM机障碍汇总为第一银行中所在城市各个网点ATM机设备以前存在或可能存在的障碍类型集合；所述设备障碍因子类别I为所述金融设备ATM机障碍汇总中的某一类障碍，再进行障碍预判警示分析时，对所述金融设备ATM机障碍汇总的中的每一类障碍均采用与设备障碍因子类别I相同的障碍预判警示分析步骤。运用所述金融设备ATM机障碍汇总，利于找到障碍预判警示的方向，并进一步进行信息分析。

A02：采用所述运行数据I和所述金融设备ATM机I的习惯操作参数获得金融设备ATM I的运行数据无效参数I，根据所述运行数据无效参数I获得障碍信息链I；

具体地，所述金融设备ATM机I为出现设备障碍因子类别I的多个ATM机中的一个ATM机；所述运行数据I为通过以前存储信息或可能存在的风险确认当出现设备障碍因子类别I风险时，将金融设备ATM机I发生的变动数据进行集合，所述金融设备ATM I的运行数据无效参数I为金融设备ATM机I在正常运行过程中的运行设置流程以及使用者通常性的操作对金融设备ATM机I的影响程度。

其中，所述运行数据无效参数I为采用运行数据I和所述金融设备ATM机I的习惯操作参数确定无效参数，可确定的方式为：比对运行数据I和金融设备ATM机I正常运行的各项工作参数，从而分析出运行数据无效参数I，还包括运行过程中由于参数变化带来的无效数据。对比所述金融设备ATM机I的习惯操作参数下得到数据和规定数据下的偏差，确定操作习惯带来的无效数据，将两项无效信息或无效数据结合得到所述障碍信息链I。其中，无效数据或无效信息可反映出对金融设备ATM机I的影响程度。

A03：通过所述设备障碍因子类别I获得金融设备ATM机N的运行数据N，通过所述运行数据N和金融设备N的习惯操作参数获得运行数据无效参数N，根据所述运行数据无效参数N获得障碍信息链N，将所述障碍信息链I至到所述障碍信息链N进行集中分析，获得第一分析数据；

具体地，所述障碍信息链I为采用运行数据无效参数I确定在发生所述设备障碍因子类别I时出现不正常信息范围，以及不正常信息范围变化方向，具体可为：以线性数据为例，多个由之前信息组成的集合，依照时间顺序制作变化规律图谱，从而获得出现所述设备障碍因子类别I前的信息变化方向；而以非线性数据为具体例子，以依赖基于神经网络模拟练习的智能化模型输入多组非线性数据练习获得相近的线性数据汇总，进而制作数据变化趋势图，得到设备障碍因子类别I前的数据变化趋势。通过所述障碍信息链I，即可对金融设备ATM I的设备障碍因子类别I进行预判警示，尤其是出现超出正常范围数据或不正常的变化趋势时，就进行预判警示提示。

具体地，继续采用所述运行数据I相同的取得方式获取金融设备ATM机II的所述运行数据II，所述金融设备ATM机II的所述运行数据III，一直到所述金融设备ATM机N的运行数据N。再通过获得运行数据无效参数I相同的方式，以运行数据II、运行数据III一直到运行数据N和所述金融设备ATM机II习惯操作参数、金融设备ATM机III习惯操作参数直到所述金融设备ATM机N的操作习惯参数确定金融设备ATM机II的运行数据无效参数II，所述金融设备ATM机III的运行数据无效参数III直到所述金融设备ATM机N的运行数据无效参数N。

具体地，通过采用障碍信息链I相近或相同的获得方式获得金融设备ATM机II的障碍信息链II，所述金融设备ATM机III的金融设备ATM机III直到所述金融设备ATM机N的障碍信息链N，通过对所述设备障碍因子类别I涉及到的所有ATM机进行障碍信息链的数据搜集，便于总体分析ATM机运行数据变化。

A04：根据所述第一分析数据对所述设备障碍因子类别I进行预判警示。

具体地，第一分析数据为对所述障碍信息链I、所述障碍信息链II、所述障碍信息链III直到所述障碍信息链N进行集中分析，将原本处于分散状态的各种不正常数据信息按照数据相溶性聚集为多个类型的所有ATM设备的设备障碍因子类别I的数据汇总。

对第一分析数据中的各项数据中不正常变化信息进行监控扫描处理，当不正常变化信息满足规定条件时发出预判警示提示。采用集中处理，得以将所述障碍信息链I直至障碍信息链N中复杂的汇总数据整理成具有一定规律的集中处理信息，从而提升数据处理效率和准确度。

可选地，所述预判警示方法还包括：

A05：获得设备障碍因子类别II的第二分析数据，所述设备障碍因子类别I和所述设备障碍因子类别II不同，所述第二分析数据和所述第一分析数据具有雷同参数I，对所述第一分析数据和所述第二分析数据结果中具有雷同参数I的数据信息进行分析，获得相近数据特征I；

A06：将所述第一分析数据和所述第二分析数据中不具有雷同参数I的数据信息进行分析，获得不同数据特征I，根据所述相近数据特征I和不同数据特征I对所述第一分析数据和所述第二分析数据进行标记，获得标记特征I，通过所述标记特征I对所述设备障碍因子类别I和所述设备障碍因子类别II进行分辨。

其中，设备障碍因子类别II与设备障碍因子类别I的类型不同，所述第二分析数据为使用和所述第一分析数据相同的获取方式得到的结果。相近数据特征I为所述第一分析数据和所述第二分析数据重合或部分重合的各项数据不正常变化信息汇总，或者重合和部分重合的各项数据不正常信息汇总。具体地，所述不同数据特征I为采用所述相近数据特征I对应的第一分析数据中的各项数据不正常变化信息汇总和所述第二分析数据中所述各项数据不正常变化信息汇总中进行整理分析，得到在相近或相同之下的不同数据，为少量数据。其中，不同数据特征I为将第一分析数据和第二分析数据中没有所述雷同参数I的信息提取进行整理，得到不同数据，为多量数据。

进一步地，标记特征I为以相近数据特征I和不同区别特征I对所述第一分析数据和第二分析数据进行标记，利于通过标识特征I分辨设备障碍因子类别I和所述设备障碍因子类别II，即对障碍类型进行区分，避免发生预判警示错误。

进一步地，所述预判警示方法中步骤A02中，还包括：

A021：采用所述运行数据I获得金融设备ATM机I的习惯操作参数汇总，对所述习惯操作参数汇总进行去中心化操作，获得操作数据I；

A022：获得运行使用者I，所述运行使用者I为所述金融设备ATM机I发生所述设备障碍因子类别I故障时的使用者，根据所述运行使用者I对所述操作数据I进行习惯操作的过滤，获得过滤数据I；

A023：根据所述过滤数据I获得所述金融设备ATM机I的习惯操作参数。

具体地，金融设备ATM机I的习惯操作汇总为基于运行数据I获得的参数整体调控信息和所述调控值记录数据的汇总，所述参数整体调控信息和所述调控值记录数据的汇总为金融设备ATM机I产生的设备障碍因子类别I时，运行产生的数据。其中，所述去中心化操作是指在数据汇总中任意一个节点都有可能性存在阶段性的中心，但不具备强制性的中心控制作用，节点与节点之间的相互作用，会通过网络而形成非线性因果联系。所述操作数据I具体为将金融设备ATM机I的习惯操作数据汇总进行去中心化处理，将非线性关系的所述习惯操作处理得到相互作用的关系面；

所述运行使用者I为所述金融设备ATM机I出现所述设备障碍因子类别I时的操作者。所述过滤数据I为比对所述运行使用者I的习惯操作，将所述运行使用者I未产生的操作数据I中的习惯操作进行去除，得到所述的习惯操作参数。采用与金融设备ATM机I的习惯操作参数相同的方法来获得金融设备ATM机II的习惯操作参数一直到金融设备ATM机I的习惯操作参数。

以上对习惯操作参数相关数据的获取，并进行去中心化处理，处理后的习惯操作参数可以从来表征非线性因素对金融设备ATM机I中设备障碍因子类别I所产生的影响，对于可能的故障种类进行增加，便于应对更多的突发状况。

进一步地，所述预判警示方法中，步骤A04中还包括以下步骤：

A041：根据所述第一分析数据，设置所述设备障碍因子类别I的关键障碍汇总，根据所述障碍信息链I至所述障碍信息链N，设置辅助特征汇总；

A042：根据所述障碍信息链I直至障碍信息链N中每个辅助障碍特征的频率对所述辅助特征汇总进行特征贡献度分派，获得分派数据I；

A043：根据所述关键障碍汇总、所述辅助特征汇总和所述分派数据I设置所述设备障碍因子类别I的障碍技术因子适合原型，根据所述障碍技术因子适合原型对所述设备障碍因子类别I进行分辨和预判警示。

具体而言，所述设备障碍因子类别I的关键障碍汇总是按照具有代表性的分析结果获得的分析中主要特征的汇总。所述设备障碍因子类别I的辅助特征汇总为从障碍信息链I直到障碍信息链N得到的与关键障碍汇总不同的的其他障碍数据的集合。所述分配数据I为依照所述设备障碍因子类别I的辅助特征汇总在以前数据汇总出现的次数为所述辅助特征汇总进行标记并分配得到的数据，主要作用为用来表示辅助特征出现的次数以及出现的周期。

所述障碍技术因子适合原型为按照神经网络模型搭建的模型，没有监督，通过神经网络模型构建的原型具有非常强的学习力，按照多组所述关键障碍汇总、所述辅助特征汇总和所述分派数据I输入到障碍技术因子适合原型中，进行数据匹配，当输出结果显示监测到所述关键障碍汇总、所述辅助特征汇总和所述分派数据I时，则对对应设备的设备障碍因子类别I进行预判警示，从而提高预判警示的可能性，便于ATM机维护商进行维护和保养，也提高了预判警示的准确性。

进一步地，所述预判警示方法还包括以下步骤：

A07：通过所述图像获取设备获得设备障碍因子类别I的图像汇总I，所述图像汇总I为所述金融设备ATM机I在出现所述设备障碍因子类别I前的设备运行时图像汇总I；

A08：对所述图像汇总I设置基于ATM设备运行时的时间点标注，将标注后的所述图像汇总I根据时间秩序进行关键技术点比对，获得比对分析I；

A09：将所述对比分析I作为所述设备障碍因子类别I分辨的预判警示信息点。

具体地，所述图像获取设备为对金融设备ATM机I进行图像信息进行获取的装置，包括摄像头、扫描仪等智能装置。所述图像汇总I为所述金融设备ATM机I在发生所述设备障碍因子类别I前的ATM机运行时图像汇总；所述图像汇总II为对所述图像汇总I依据运行时的时间点进行标记，并将标注后的所述图像汇总I按照时间秩序排列得到的图像集合。所述比对分析I为对所述图像汇总II中提取的按照时间秩序的变化特征数据，具体使用卷积神经网络学习的特征获取原型进行提取信息点，卷积可以作为在机器学习中的特征提取装置，从而使得获取到的信息具有代表性和集中性，进而获得图像汇总II的卷积特征，卷积神经网络是神经网络中的一种，对于关键信息点的提取尤其图像信息点提取有着良好的识别作用。

图像获取装置采集到ATM机运行时的特征信息与比对分析I存在区别时，即对对应的所述设备障碍因子类别I进行报警。本实施例中采用对ATM机运行时图像信息的比对，可以快速的根据不正常的信息分析设备障碍因子类别I数据，实现及时预判警示的效果。

进一步地，所述预判警示方法中步骤A08还包括以下步骤：

A081：根据所述对比分析I获得对比特征I变更规则；将标注后的所述图像汇总I根据时间秩序排列，获得图像汇总II，根据所述图像汇总II进行关键信息点比对，根据所述图像汇总II获得关键信息点变更参数I；

A082：将所述对比特征I变更规则和所述关键信息点变更参数I设置为设备障碍因子类别I的预判警示信息点。

具体地，所述对比特征I变更规则为通过所述图像获取装置采集ATM机运行的图像与对比分析I进行分析得到特征数据差别变化数据，所述差别方式包括完全偏离，有规律偏离，无规律偏离等。关键信息点变更参数I为在确认ATM机图像中相关数据发生偏离后，根据图像汇总II和所述图像获取装置获取的图像进行比对时确定相对准确的偏离量，比如正向偏离、负向偏离，是否超过预定阈值。将对比特征I变更规则和对应所述的关键信息点变更参数I对应保存并输出作为设备障碍因子类别I识别的预判警示信息点。如无规律偏离，具体可为逐渐增大偏离及对应的偏离数据，按照组件增大偏离及对应的偏离数据对金融设备ATM机I进行调整，保证了设备的正常运行。

进一步地，所述预判警示方法还包括以下步骤：

A10：根据所述第一分析数据对获得的金融设备ATM机W信息进行筛选，获得适配数据I；

A11：根据所述第一分析数据对应的所述设备障碍因子类别I获得预判警示提示装置I；

A12：根据所述适配数据I获得预判警示提示装置II，根据所述预判警示提示装置I和所述预判警示提示装置II获得预判警示提示组合装置，所述预判警示提示组合装置对所述金融设备ATM机W的运行情况进行预判警示。

具体而言，根据所述金融设备ATM机W信息为表征出现设备障碍因子类别I时的不正常信息，所述适配数据I为将第一分析数据和融设备ATM机W信息进行比对，依据出现所述设备障碍因子类别I时各种不正常数据相近度确定数据，相近度越高，则适配度越高；所述预判警示提示装置I和所述设备障碍因子类别I相适配的预判警示设备，所述金融设备ATM机W获取出现所述设备障碍因子类别I中对应的各种不正常信息变化，则预判警示提示装置I进行提示，然后确认金融设备ATM机W中扫描到的所有不正常信息变化数据占第一分析数据中的相同程度，获得适配数据I，则预判警示提示装置II进行提示，预判警示提示装置I和预判警示提示装置II组合获得预判警示提示组合装置对所述金融设备ATM机W信息进行预判警示。采用对出现与设备障碍因子类别I不同于金融设备ATM机I的其他ATM机进行不正常数据适配，然后在所述设备障碍因子类别I设置提示预判警示的基础上，再进行适配设置信号提示装置进行预判警示，如此提高了预判警示的准确度。

进一步地，所述步骤A11中，所述预判警示提示装置I为提示灯、报警器、信息和图像提示中任意一种。

进一步地，所述步骤A082中所述设备障碍因子类别I的预判警示信息点包括以下步骤：

A083：确认预判警示信息点的条数是否大于1，在所述预判警示信息点的条数大于1时，按照障碍重要程度或时间顺序显示所述预判警示信息点，所述预判警示信息点包括：ATM机终端号、银行、分行、网点、获取时间、运行状态和停机时长中的至少一种。

具体地，预判警示信息点的条数按照时间顺序或重要程度比如与关键障碍汇总中关键障碍关联度，如果关联度大则相对于关联小的优先排列。其中所述预判警示信息点包括但不限于ATM机终端号、银行、分行、网点、获取时间、运行状态和停机时长。

实施例2：

本申请还提供了一种基于大数据技术的金融终端故障预判警示系统，将实施例1所述预判警示方法应用到预判警示系统中。

综上所述一种基于大数据技术的金融终端故障预判警示方法及系统，具有以下技术效果：

1)本申请通过对金融设备ATM机出现的障碍进行汇总，并根据汇总的障碍类型获得相应的运行数据，将ATM机的运行数据结合使用者的习惯操作参数，获得对应设备数据的障碍信息链，并将障碍信息链进行集中分析，根据分析结果进行预判警示，便于及时对金融设备ATM机进行维修，同时也避免了在金融设备ATM机发生故障时，临时去维修，可根据预判警示信息，准确定位出现的问题，提高处理效率。

2)本申请将设备障碍因子类别I中的运行数据与其他设备的运行数据进行适配，尤其是设备障碍因子类别I中的异常数据，然后依据设备障碍因子类别I设置的预判警示信息进行预判警示，提高预判警示的准确度，从而便于金融设备ATM机维护商进行定时维护。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据技术的金融终端故障预判警示方法，其中，所述方法应用于一种故障分析预判警示系统，其特征在于：所述方法包括以下步骤，

A01：获得设备障碍因子类别I，所述设备障碍因子类别I为第一银行的金融设备ATM障碍汇总的障碍类别，通过所述设备障碍因子类别I获得金融设备ATM机I的运行数据I；

A02：采用所述运行数据I和金融设备ATM机I的习惯操作参数获得金融设备ATM I的运行数据无效参数I，根据所述运行数据无效参数I获得障碍信息链I；

A03：通过所述设备障碍因子类别I获得金融设备ATM机N的运行数据N，通过所述运行数据N和金融设备N的习惯操作参数获得运行数据无效参数N，根据所述运行数据无效参数N获得障碍信息链N，将所述障碍信息链I至到所述障碍信息链N进行集中分析，获得第一分析数据；

A04：根据所述第一分析数据对所述设备障碍因子类别I进行预判警示。

2.根据权利要求1所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述预判警示方法还包括：

A05：获得设备障碍因子类别II的第二分析数据，所述设备障碍因子类别I和所述设备障碍因子类别II不同，所述第二分析数据和所述第一分析数据具有雷同参数I，对所述第一分析数据和所述第二分析数据结果中具有雷同参数I的数据信息进行分析，获得相近数据特征I；

A06：将所述第一分析数据和所述第二分析数据中不具有雷同参数I的数据信息进行分析，获得不同数据特征I，根据所述相近数据特征I和不同数据特征I对所述第一分析数据和所述第二分析数据进行标记，获得标记特征I，通过所述标记特征I对所述设备障碍因子类别I和所述设备障碍因子类别II进行分辨。

3.根据权利要求1所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述步骤A02中，还包括：

A021：采用所述运行数据I获得金融设备ATM机I的习惯操作参数汇总，对所述习惯操作参数汇总进行去中心化操作，获得操作数据I；

A022：获得运行使用者I，所述运行使用者I为所述金融设备ATM机I发生所述设备障碍因子类别I故障时的使用者，根据所述运行使用者I对所述操作数据I进行习惯操作的过滤，获得过滤数据I；

A023：根据所述过滤数据I获得所述金融设备ATM机I的习惯操作参数。

4.根据权利要求1所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述步骤A04中还包括以下步骤：

A041：根据所述第一分析数据，设置所述设备障碍因子类别I的关键障碍汇总，根据所述障碍信息链I至所述障碍信息链N，设置辅助特征汇总；

A042：根据所述障碍信息链I直至障碍信息链N中每个辅助障碍特征的频率对所述辅助特战汇总进行特征贡献度分派，获得分派数据I；

A043：根据所述关键障碍汇总、所述辅助特征汇总和所述分派数据I设置所述设备障碍因子类别I的障碍技术因子适合原型，根据所述障碍技术因子适合原型对所述设备障碍因子类别I进行分辨和预判警示。

5.根据权利要求4所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述预判警示方法还包括以下步骤：

A07：通过所述图像获取设备获得设备障碍因子类别I的图像汇总I，所述图像汇总I为所述金融设备ATM机I在出现所述设备障碍因子类别I前设备运行时图像汇总；

A08：对所述图像汇总I设置基于ATM设备运行时的时间点标注，将标注后的所述图像汇总I根据时间秩序进行关键技术点比对，获得比对分析I；

A09：将所述对比分析I作为所述设备障碍因子类别I分辨的预判警示信息点。

6.根据权利要求5所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述预判警示方法中步骤A08还包括以下步骤：

A081：根据所述对比分析I获得对比特征I变更规则；将标注后的所述图像汇总I根据时间秩序排列，获得图像汇总II，根据所述图像汇总II进行关键信息点比对，根据所述图像汇总II获得关键信息点变更参数I；

A082：将所述对比特征I变更规则和所述关键信息点变更参数I设置为设备障碍因子类别I的预判警示信息点。

7.根据权利要求6所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述预判警示方法还包括以下步骤：

A10：根据所述第一分析数据对获得的金融设备ATM机W信息进行筛选，获得适配数据I；

A11：根据所述第一分析数据对应的所述设备障碍因子类别I获得预判警示提示装置I；

A12：根据所述适配数据I获得预判警示提示装置II，根据所述预判警示提示装置I和所述预判警示提示装置II获得预判警示提示组合装置，所述预判警示提示组合装置对所述金融设备ATM机W的运行情况进行预判警示。

8.根据权利要求7所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于，所述步骤A11中，所述预判警示提示装置I为提示灯、报警器、信息和图像提示中任意一种。

9.根据权利要求6所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于，所述步骤A082中所述设备障碍因子类别I的预判警示信息点包括以下步骤：

A083：确认预判警示信息点的条数是否大于1，在所述预判警示信息点的条数大于1时，按照障碍重要程度或时间顺序显示所述预判警示信息点，所述预判警示信息点包括：ATM机终端号、银行、分行、网点、获取时间、运行状态和停机时长中的至少一种。

10.一种基于大数据技术的金融终端故障预判警示系统，其特征在于，将所述权利要求1-9中任一项所述的一种基于大数据技术的金融终端故障预判警示方法应用到预判警示系统中。

Images