CN114416826A - 一种设备点检数据统计方法、分析方法及计算机存储介质 - Google Patents
一种设备点检数据统计方法、分析方法及计算机存储介质 Download PDFInfo
- Publication number
- CN114416826A CN114416826A CN202210099650.0A CN202210099650A CN114416826A CN 114416826 A CN114416826 A CN 114416826A CN 202210099650 A CN202210099650 A CN 202210099650A CN 114416826 A CN114416826 A CN 114416826A
- Authority
- CN
- China
- Prior art keywords
- data
- point inspection
- equipment
- abnormal
- inspection
- 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.)
- Pending
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种设备点检数据统计方法、分析方法及计算机存储介质,包括获取设备的设备点检状态并下发点检任务,基于点检任务获取点检上报数据,统计得到点检设备数据;对点检上报数据进行识别,得到点检完成数据、异常数据及异常处理数据;配置统计维度和统计指标,对点检设备数据、点检完成数据、异常数据和异常处理数据进行分类统计以及配置指标查看规则,对所述点检设备数据、点检完成数据、异常数据和异常处理数据进行展示,可实现实时查看设备的点检完成了,提高了点检工作效率,规范了点检流程,有利于点检工作的有序推进。
Description
技术领域
本发明涉及工业互联网平台技术领域,特别是涉及一种设备点检数据统计方法、分析方法及计算机存储介质。
背景技术
设备点检是为了提高、维持生产设备的原有性能,通过人的五感(视、听、嗅、味、触)或者借助工具、仪器,按照预先设定的周期和方法,对设备上的规定部位(点)进行有无异常的预防性周密检查的过程。目的是通过点检准确掌握设备技术状况,维持和改善设备工作性能,预防事故发生,减少设备停机时间,延长设备寿命,降低维修费用,保证正常生产。
但是实际上落实到操作工人执行点检任务的时候就很难落地,通常情况下,一般是通过纸质档的点检记录来体现点检工作的执行情况,不仅不能保证点检数据的实时性,还不能很好的监管点检任务的执行情况;并且,对于点检过程中的异常事项的处理情况也很难跟踪,导致难以进行过程追溯,管理上也很难监管点检执行情况,也不能实时知晓设备异常状况。另外,在点检数据进行统计分析时,需先将点检数据从纸质点检记录中录入电脑再进行汇总分析,工作量大、容易出错,导致数据难以沉淀下来,更无法根据这样的点检数据来做维保计划的数据支撑。
发明内容
有鉴于此,本发明的目的在于提供一种设备点检数据统计方法、分析方法及计算机存储介质,以解决现有技术中点检过程中的点检数据不及时、数据跟踪难的问题。
为达到上述目的,本发明提供如下技术方案:
本发明的第一方面提供一种设备点检数据统计方法,具体包括以下步骤:
S1:获取设备的设备点检状态,基于所述设备点检状态对点检设备下发点检任务,并基于所述点检任务获取携带有设备唯一标识的点检上报数据,统计得到点检设备数据;
S2:对每一设备的点检上报数据进行识别,得到每一点检设备对应的点检完成数据、异常数据及异常处理数据;
S3:配置统计维度和统计指标,并基于所述统计维度和统计指标对点检设备数据、点检完成数据、异常数据和异常处理数据进行分类统计;
S4:配置指标查看规则,基于所述指标查看规则对所述点检设备数据、点检完成数据、异常数据和异常处理数据进行展示。
进一步的,在步骤S1中,所述点检设备数据至少包括应点检设备数、已点检设备数、不点检设备数、未点检设备数、停检设备数以及异常设备数,所述步骤S1统计得到点检设备数据的具体步骤包括:
S101:响应于当前点检周期内设备的开机动作或生产动作,并于设备正常开机或正常生产时,获取携带有设备唯一标识和设备点检状态的开机信号或生产信号,其中,所述设备点检状态至少包括应点检、不点检和停检;
S102:基于所述开机信号或生产信号,逐一将各设备的设备点检状态依次与预设设备点检状态进行匹配,并在每次匹配成功后将对应设备点检状态的设备数累加一次,于当前点检周期结束后生成应点检设备数、不点检设备数和停检设备数;
S103:根据所述设备点检状态,分别生成一携带所述设备唯一标识的点检任务下发至对应的点检设备;
S104:响应于用户基于点检任务提交的携带有设备唯一标识的点检上报数据,在每响应一次提交的点检上报数据对该设备的点检提交数累加一次,并当所述点检提交数符合预设条件时,对已点检设备的数量累加一次,于当前点检周期结束后生成点检提交数以及已点检设备数;
S105:根据所述应点检设备数和已点检设备数得到当前点检周期内的未点检设备数。
进一步的,在步骤S101中,响应于设备的开机动作或生产动作以获取对应的开机信息或生产信号的具体方法为:
S1011:获取历史开机数据和历史生产数据形成对应的历史开机数据序列和历史生产数据序列,其中,所述历史开机数据对应于历史开机动作所产生的正常开机数据,所述历史生产数据对应于历史生产动作所产生的正常生产数据;
S1012:分别对所述历史开机数据序列和历史生产数据序列进行处理,得到对应的开机数据特征值和生产数据特征值;
S1013:响应于当前点检周期内开机动作或生产动作,获取当前开机数据或当前生产数据,将所述当前开机数据和当前生产数据分别与所述开机数据特征值和生产数据特征值进行匹配,若匹配成功则继续执行步骤S1014,否则跳转执行步骤S1015;
S1014:获取匹配成功设备的设备唯一标识,分别生成对应的开机信号或生产信号;
S1015:获取匹配不成功设备的设备唯一标识,基于异常设备的当前开机数据或当前生产数据对异常设备的数量累加一次,并于当前点检周期结束后生成所述异常设备数。
进一步的,所述步骤S2的具体步骤包括:
S201:获取已点检设备数以及每一设备在当前点检周期内对应点检任务的点检项数量,计算得到当前点检周期的点检完成数据;
S202:实时获取所述点检上报数据,并对所述点检上报数据的数据状态进行识别,当所述数据状态为异常时,根据异常点检上报数据以及当前周期内各设备对应点检任务的点检项数量,于当前点检周期结束后生成所述异常数据;
S203:基于所述异常点检上报数据,对设备的异常类型进行识别,并生成携带有对应设备的设备唯一标识的异常处理事项;
S204:响应于所述异常处理事项的处理状态,根据所述处理状态以及当前周期内对应点检任务的点检项数量,于预设处理周期或当前点检周期结束后生成对应的异常处理数据。
进一步的,在步骤S202中,所述异常数据至少包括提交异常次数、累计异常项数以及点检项异常次数,所述步骤S202具体包括以下步骤:
S2021:实时获取各设备的点检上报数据,逐项对各设备的点检项的点检上报数据进行识别,在每识别到一点检项的点检上报数据对应的数据状态为异常时,对异常项的数量累加一次,于当前点检周期结束后生成所述累计异常项数;
S2022:对每一设备的点检项的点检上报数据进行识别,当所述设备具有异常点检上报数据的点检项数量大于或等于一时,对提交的异常次数累加一次,于当前点检周期结束后,生成所述提交异常次数;
S2023:获取历史点检项异常次数,根据所述点检项的点检上报数据的数据状态,当所述点检项的点检上报数据的数据状态为异常时,在该点检项对应的历史点检项异常次数的基础上累加一次,于当前点检周期结束后生成所述点检项异常次数。
进一步的,在步骤S204中,所述异常处理数据至少包括未处理项数、自行处理项数、转流程处理项数、点检项未处理次数、点检项自行处理次数以及点检项转流程处理次数;所述步骤S204具体包括以下步骤:
S2041:响应于用户基于所述异常处理事项对各异常点检项的处理状态,并对所述处理状态进行识别,当所述处理状态为已处理时,获取所述异常处理事项的处理流程,当所述处理流程为自行处理时,在每识别到一处理流程为自行处理时,对自行处理的项数累加一次,当所述处理流程为自行处理时,在每识别到一处理流程为转流程处理时,对转流程处理的项数累加一次,于当前点检周期结束后分别生成所述自行处理项数和转流程处理项数;
S2042:根据所述异常处理事项的数量以及自行处理项数和转流程处理项数计算得到所述未处理项数;
S2043:获取历史点检项自行处理次数以及历史点检项转流程处理次数,并基于步骤S2041中对于各异常处理事项的处理状态的识别情况,当识别到一点检项的处理流程为自行处理时,在该点检项的历史点检项自行处理次数的基础上累加一次,当识别到一点检项的处理流程为转流程处理时,在该点检项的历史转流程处理次数的基础上累加一次,于当前点检周期结束后分别生成点检项自行处理次数和点检项转流程处理次数;
S2044:获取历史点检项未处理次数,于当前检点检周期结束后提取未处理的异常处理事项,并当一点检项对应的异常处理事项未处理时,在该点检项的历史点检项未处理次数的基础上累加一次,得到所述点检项未处理次数。
进一步的,在步骤S3中,所述统计维度至少包括对象维度、组织机构、人员维度、点检异常项;所述统计指标至少包括一级指标和二级指标,所述二级指标基于一级指标及预设计算规则计算得到。
本发明的第二方面提供一种设备点检数据分析方法,包括以下步骤:
P1:采用如上所述的设备点检数据统计方法,构建数据统计模型;
P2:基于用户的请求,利用所述数据统计模型对统计的点检设备数据、点检完成数据、异常数据和异常处理数据进行检索并对基于所述点检设备数据、点检完成数据、异常数据和异常处理数据对各设备的点检完成情况、异常情况和事项处理情况进行分析。
进一步的,所述步骤P2的具体方法为:
基于用户的请求,利用数据统计模型对统计的点检设备数据、点检完成数据和异常数据进行检索,统计各设备的点检完成率和异常率,结合对应设备的历史点检设备数据、点检完成数据和异常数据,对各设备的点检趋势、点检完成趋势以及异常趋势进行分析学习,预测各设备在下一点检周期的点检设备数据、点检完成数据和异常数据;
利用数据统计模型对统计的异常处理数据,统计各异常处理事项的处理率、平均响应时间,结合对应设备的历史异常处理数据,对各设备的异常处理事项的处理趋势以及人员对于异常处理事项的处理习惯进行学习,预测下一点检周期内的异常处理数据以及人员对于异常处理事项的平均响应时间,并基于预测的平均响应时间于一预设时间间隔内,若该异常处理事项未处理时,向对应人员发送异常处理事项待办通知。
本发明的第三方面提供一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令使处理器实现如上所述的设备点检数据统计方法以及实现如上所述的设备点检数据分析方法。
本发明通过对设备点检状态及点检上报数据的实时获取及分析,可对点检设备的点检设备数据、点检完成数据、异常数据和异常处理数据进行统计,可实时反映点检任务的执行情况,确保点检数据的实时性。并且,通过对异常数据和异常处理数据进行统计,可对点检过程中的异常情况进行及时处理,并且后续的异常处理情况也能精准跟踪,过程可控可追溯。另,通过对数值类数据单独提取进行展示,可对设备的点检情况和异常情况做趋势分析,进而对高频异常的点检项或有其他特殊情况的点检项有针对性的作出保养或点检决策。
附图说明
图1为本发明实施例1的一种设备点检数据统计方法的流程图。
图2为图1中步骤S1的流程图。
图3为图2中步骤S102的流程图。
图4为图1中步骤S2的流程图。
图5为图4中步骤S202的流程图。
图6为图4中步骤S204的流程图。
图7为本发明实施例2的一种设备点检数据分析方法的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
本发明通过对设备点检状态和点检上报数据的采集,可统计得到点检设备数据和点检完成数据,可实现实时查看各车间、部门的点检完成情况,实时监管点检工作的执行;通过实时获取点检上报数据的数据状态,并在点检上报数据的数据状态异常时,统计得到对应的异常数据,以及获取基于异常处理事项的处理状态,统计得到对应的异常处理数据,可作为设备点检数据统计的数据来源,确保数据的实时性;并且,通过配置统计维度和统计指标,并将设备点检数据按需进行展示,可以为设备管理员(用户)的决策提供数据支撑。
实施例1
如图1所示,为本实施例的一种设备点检数据统计方法,具体包括以下步骤:
S1:获取设备的设备点检状态和点检上报数据,统计得到点检设备数据。
根据设备的点检要求,响应于设备在当前点检周期内的开机动作或生产动作,获取设备的设备点检状态以及设备唯一标识,对设备的设备点检状态进行识别,再基于所述设备点检状态对点检设备下发对应的点检任务,并基于所述点检任务获取携带有设备唯一标识的点检上报数据,统计得到点检设备数据。
在本实施例中,所述点检设备数据至少包括应点检设备数、已点检设备数、不点检设备数、未点检设备数、停检设备数以及异常设备数;所述应点检设备数为一台设备在一个点检周期内的应点检数计为1;所述已点检设备数为一台设备在一个点检周期内的提交已点检的次数大于或等于1时,其已点检数计1;所述不点检设备数为一台设备在一个点检周内提交不点检次数大于或等于1时,其不点检数计1,但当提交的不点检次数大于等于1的同时又提交了已点检的次数大于或等于1,此时,在该点检周期内的不点检次数清零,该设备列为已点检设备数;所述未点检设备数为一台应点检设备在一个点检周期结束后都未进行点检时计1;所述停检设备数为一台设备在一个点检周期内被标记为停检则计1;所述异常设备数为一台应点检设备在一个点检周期内点检出现异常时计为1。
在本实施例中,所述点检周期视具体的点检设备或点检项而定,所述点检周期可以为一天、一周、一月等等。
如图2所示,所述步骤S1统计得到点检设备数据的具体步骤包括:
S101:响应于设备的开机动作或生产动作,获取开机信号或生产信号。
首先,根据点检设备的点检要求,对需要执行点检的设备设置对应的点检触发动作,由于日常的点检项目一般都是在开机前或运行过程中进行点检,此时,可通过在设备上设置联机硬件来采集设备的开机数据或生产数据来判断该设备是否触发对应的开机动作或生产动作;或者通过用户自行判断是否需要进行点检并触发对应的开机动作或生产动作,以确定该设备是否处于可点检的情况。
然后,响应于当前点检周期内设备的开机动作或生产动作,并判断设备是否正常开机或正常生产,当设备正常开机或正常生产时,获取携带有设备唯一标识和设备点检状态的开机信号或生产信号,以便获得应点检设备数,作为应点检设备的基数,以为后续其他数据的统计提供支撑。
在本实施例中,所述设备点检状态至少包括应点检、不点检和停检。所述应点检为该设备在当前点检周期内应当执行对应的点检任务的设备点检状态。所述不点检为该设备在当前点检周期内可不执行点检的设备点检状态;在本实施例中,对于某一不点检设备,需在当前点检周期结束前对其的设备点检状态予以确定,并在确定之后将该设备的设备点检状态进行实时更新,以增加统计数据的准确性,否则,在当前点检周期结束后,该设备将按照其原始的设备点检状态(即应点检或停检)进行统计,将会造成统计数据误差。所述停检为该设备因长期闲置、封存或没有生产安排时,用户自定义设置的在某一较长的时间段内不执行点检的设备点检状态,或者该设备处于故障停机、维修状态下时不执行点检的设备点检状态;在本实施例中,对于因长期闲置、封存或没有生产安排而停检的设备,同样需在当前点检周期结束前对其的设备点检状态予以确定并更新;而对于因故障停机、维修状态而停检的设备,可通过对其产生的故障数据或维修数据的自动识别,以判断该设备为停检状态而更新其对应的设备点检状态,进而减小数据的统计误差。
如图3所示,所述步骤S101具体包括以下步骤:
S1011:获取历史开机数据和历史生产数据。
首先,分别获取每一设备对应的历史开机数据和历史生产数据,在本实施例中,所述历史开机数据对应于该设备的历史开机动作所产生的正常开机数据,所述历史生产数据对应于该设备的历史生产动作所产生的正常生产数据。然后,分别将所述历史开机数据和历史生产数据按照时间的先后顺序整理成历史开机数据序列和历史生产数据序列。
S1012:对历史开机数据序列和历史生产数据序列提取开机数据特征值和生产数据特征值。
采用滑动采样算法分别对所述历史开机数据序列和历史生产数据序列进行处理。具体的,首先,设置采样基数和滑动采样间隔,即相邻两次滑动采样中,第二次滑动采样时以采样基数为基准向后滑动一定数量的数据的同时舍弃时间靠前的同等数量的数据;然后,以所述采样基数和滑动采样间隔分别在所述历史开机数据序列和历史生产数据序列上滑动计算得到历史开机数据均值序列和历史生产数据均值序列;接着,对所述历史开机数据均值序列和历史生产数据均值序列中的各均值按照时间的先后顺序赋予权重系数,其中时间越近期权重越重,且所有权重系数的和为1;最后基于对应的权重系数,分别对所述历史开机数据均值序列和历史生产数据均值序列计算得到对应的开机数据特征值和生产数据特征值。
在本实施例中,采用所述滑动采样算法计算得到所述历史开机数据均值序列和历史生产数据均值序列,可降低非周期性因素引起的时间间隔波动对特征值的影响;并且,将权重系数按照时间由近至远依次减小,对时间较近的历史开机数据均值和历史生产数据均值赋予较重的权重系数,而对时间较远的历史开机数据均值序列和历史生产数据均值序列赋予较轻的权重系数,可降低设备随着使用时长增加后性能下降对历史开机数据和历史生产数据的影响,使计算得到开机数据特征值和生产数据特征值更加准确。
S1013:基于开机动作或生产动作获取并判断当前开机数据或生产数据是否正常。
首先,响应于设置在设备上联机硬件因采集到的开机数据或生产数据而触发的开机动作或生产动作,或者响应于用户因自行判断而触发的开机动作或生产动作,获取设备在的当前开机数据或当前生产数据,所述当前开机数据或当前生产数据中携带有该设备的设备唯一标识,以用于对设备进行识别。在本实施例中,所述设备唯一标识可以设备的IP地址、位置信息或者设备编码等等。
然后,将所述当前开机数据和当前生产数据分别与所述开机数据特征值和生产数据特征值进行匹配。具体实现时,可根据匹配精度,对所述开机数据特征值和生产数据特征值设置一浮动范围,即当所述当前开机数据或当前生产数据在对应的开机数据特征值或生产数据特征值的浮动范围内时,则说明当前开机数据和当前生产数据匹配成功,进而说明该设备正常开机或正常生产,然后继续执行步骤S1014,否则,说明该设备的开机或生产存在异常,此时,跳转执行步骤S1015。
S1014:获取匹配成功设备的设备唯一标识和设备状态,生成对应的开机信号或生产信号。
当所述设备的当前开机数据或当前生产数据匹配成功后,获取匹配成功的设备对应的设备唯一标识,生成所述携带有该设备的设备唯一标识和设备状态的开机信号或生产信号,以确定该设备已正常开机或正常生产,可对需要执行点检的设备执行对应的点检任务。
S1015:获取匹配不成功设备的设备唯一标识,统计异常设备数。
当所述设备的当前开机数据或当前生产数据匹配不成功,获取匹配不成功的设备对应的设备唯一标识,基于异常设备的当前开机数据或当前生产数据对异常设备的数量累加一次,并于当前点检周期结束后生成所述异常设备数,以对异常设备的数量进行统计。
在本实施例中,在判断所述设备为异常设备时,可基于所述异常设备的设备唯一标识对该异常设备进行报警,以提示用户某一设备存在开机异常或生产异常,需及时采取处理措施;同时,将异常开机数据或异常生产数据上传至云端,以便对异常开机数据和异常生产数据进行处理分析,制定应对策略。
S102:获取设备的设备点检状态,确定应点检设备数、不点检设备数和停检设备数。
根据所述开机信号或生产信号,由于开机信号和生产信号由设备正常开机或正常生产时产生的开机信号或生产信号,因此,对于此类设备可执行点检任务。
具体的,基于所述开机信号或生产信号,获取设备的当前设备点检状态,并将获取到的设备点检状态逐一与该设备预设设备点检状态进行匹配,所述预设设备点检状态为预先设置的在该点检周期内每一设备的设备点检状态;当所述设备的当前设备点检状态在每匹配成功一次后将对应设备点检状态的设备数量累加一次,即某一设备的设备点检状态为应点检,则当其设备点检状态与预设设备点检状态匹配成功后,应点检设备数累加一次,不点检设备数和停检设备数亦如此累加得到,并于当前点检周期结束后分别生成对应的应点检设备数、不点检设备数和停检设备数。
S103:根据设备点检状态,生成应点检设备的点检任务并下发点检任务。
基于开机信号或生产信号,获取设备对应的设备点检状态,并获取设备点检状态为应点检的设备对应的点检任务,所述点检任务携带有对应设备的设备唯一标识,可对应将点检任务下发至需要执行点检任务的点检设备处。
本实施例在具体实现时,可在所述设备处对应设置一动态二维码,并于每次下发点检任务时对应更新所述动态二维码,以使得所述点检任务能够及时准确的下发至对应的设备,进而使得用户可通过一用户端对所述动态二维码进行扫描识别,从而将对应设备的点检任务明细展示于用户端上,便于用户提交点检上报数据。
S104:获取点检上报数据,整理统计点检提交数和已点检设备数。
首先,响应于用户基于点检任务提交的点检上报数据,所述点检上报数据携带有对应设备的设备唯一标识。然后,在每响应一次提交的点检上报数据时(即用户每提交一次点检上报数据),对该设备的点检提交数累加一次,并当所述点检提交数符合预设条件时(在本实施例中,所述点检提交次数的预设条件为大于或等于1次),对已点检设备的数量累加一次,在本实施例中,在同一点检周期内,任一设备应点检设备在点检提交次数符合预设条件时,对应的已点检设备数仅累加一次;最后,于当前点检周期结束后生成点检提交数以及已点检设备数。
S105:计算点检周期内的未点检设备数。
具体的,根据所述应点检设备数和已点检设备数,计算得到当前点检周期内的未点检设备数,即未点检设备数=应点检设备数-已点检设备数。
本实施例在具体实现时,可在当前点检周期内对应点检但未提交点检的设备,设置一超时提醒,具体为实时获取应点检设备的设备点检状态,当在当前点检周期内,超过设置的时间内仍未接收到提交的点检上报数据,则可按照对应的管理职责对该点检设备的点检任务进行提醒、通知,以便及时完成点检任务,提升点检完成率。
S2:识别点检上报数据,统计点检完成数据、异常数据和异常处理数据。
首先,基于已点检设备数统计得到点检设备对应的点检完成数据;然后,对每一设备的点检上报数据进行识别,基于识别到的数据状态为异常时的点检上报数据统计得到点检设备对应的异常数据;最后,对点检上报数据的数据状态为异常的设备,下发对应的异常处理事项,并响应于所述异常处理事项的处理状态统计得到点检设备对应的异常处理数据。所述点检完成数据、异常数据和异常处理数据可作为后续设备点检数据的统计的基础来源,且所述异常处理数据可形成异常处理的记录,以便于对点检情况进行溯源。
如图4所示,所述步骤S2的具体步骤包括:
S201:基于已点检设备数和点检任务的点检项数量,统计点检完成数据。
获取步骤S104中统计得到的已点检设备数,并基于该点检设备在当前点检周期内对应点检任务的点检项数量,计算得到当前点检周期的点检完成数据,以便对后续对点检设备的点检完成情况进行统计分析。在本实施例中,所述点检完成数据至少包括累计点检项数,即累计点检项数=已点检设备数*点检任务的点检项数量。
S202:实时获取点检上报数据,并对数据状态进行识别,生成异常点检上报数据对应的异常数据。
基于正在执行点检任务的设备,实时获取用户提交的点检上报数据,并对所述点检上报数据的数据状态进行识别,在本实施例中,所述数据状态包括正常和异常。当识别到所述点检上报数据的数据状态为异常时,根据异常的点检上报数据以及当前周期内各设备对应点检任务的点检项数量,于当前点检周期结束后生成所述异常数据,以便对后续对点检设备的异常情况进行统计分析,进而对点检设备的使用习惯进行学习,改善点检设备的使用习惯,有利于延长设备的使用寿命。
在本实施例中,可通过将提交的点检上报数据与预设的点检数据进行匹配,当匹配成功时,则说明该提交的点检上报数据为正常的,否则说明该提交的点检上报数据为异常的,以此来识别所述点检上报数据的数据状态。具体实现时,还可在提交点检上报数据时设置一前置识别步骤,即设置一点检异常提交接口,用户在点检过程中可基于异常的点检上报数据进行异常提交,使得这人工判定和数据匹配均判定该点检上报数据为异常时,方可确定该点检上报数据的数据状态,以增加异常点检上报数据的识别准确度,进而确保对点检设备数据统计的准确性。
在本实施例中,所述异常数据至少包括提交异常次数、累计异常项数以及点检项异常次数。所述提交异常次数为点检提交次数中提交了异常的次数;所述累计异常项数为累计点检项数中提交的异常项数;所述点检项异常次数为该点检项的异常次数。
如图5所示,所述步骤S202具体包括以下步骤:
S2021:基于点检上报数据,逐项对点检项进行识别,统计得到累计异常项数。
实时获取各设备的点检上报数据,按照点检任务对应的点检项,逐项对各设备的点检项的点检上报数据进行识别,在每识别到一点检项的点检上报数据对应的数据状态为异常时,对异常项的数量累加一次,即当识别到某一点检项的点检上报数据的数据状态为异常时,则将当前点检周期内的累计异常项的数量累加一次;最后,于当前点检周期结束后生成所述累计异常项数。
S2022:基于异常的点检上报数据,统计得到提交异常次数。
基于每一设备的点检项,对各点检项对应的点检上报数据进行识别;当所述设备具有异常点检上报数据的点检项数量大于或等于一时,对提交的异常次数累加一次,即基于步骤S2021识别到的数据状态为异常的点检上报数据,确定该点检上报数据来自于哪一设备的点检项,当该设备的所有点检项中,数据状态为异常的点检项数量大于或等于一时,将提交的异常次数累加一次;最后,于当前点检周期结束后生成所述提交异常次数。
S2023:获取历史点检异常次数,统计得到点检项异常次数。
基于历史点检数据,分别获取每一点检项对应的历史点检项异常次数;根据所述点检项对应的点检上报数据的数据状态,当所述点检项的点检上报数据的数据状态为异常时,在该点检项对应的历史点检项异常次数的基础上累加一次,即当识别到某一点检项在当前点检周期内对应的点检上报数据的数据状态为异常时,对应的,在该点检项的历史点检项异常次数的基础上累加上当前点检周期的异常次数;最后,于当前点检周期结束后生成所述点检项异常次数。
S203:基于异常的点检上报数据识别设备的异常类型并生成异常处理事项。
首先,基于所述异常点检上报数据,对设备的异常类型进行识别。在本实施例中,对于所述异常类型的识别可基于神经网络模型实现。具体的,获取设备的历史异常点检上报数据以及对应的异常类型,利用所述历史异常点检上报数据及其对应的异常类型对所述神经网络模型进行训练,然后将当前点检周期内获取到的异常点检上报数据输入训练好的神经网络模型中,进而识别出该设备的异常类型。
然后,基于识别到的异常类型生成对应的异常处理事项,所述异常处理事项携带有对应设备的设备唯一标识。所述携带有设备唯一标识的异常处理事项可对应发送至设置在设备处的动态二维码上,用户通过扫码可获取该异常处理事项,或者直接发送至提交异常点检上报数据的用户端,以便对应用户能够及时对异常处理事项进行处理。
S204:基于异常处理事项的处理状态,统计异常处理数据。
首先,用户可在接收或识别到下发的异常处理事项后,基于一用户端对该异常处理事项的处理状态进行提交,以便基于用户提交的对应异常处理事项的处理状态统计得到异常处理数据。
然后,响应于所述异常处理事项的处理状态,根据所述处理状态以及当前周期内对应点检任务的点检项数量,于预设处理周期或当前点检周期结束后生成对应的异常处理数据,以便对后续对点检设备的异常处理情况进行统计分析,进而根据用户对于异常处理事项的处理习惯执行相应的处理事项通知策略。
在本实施例中,所述异常处理数据至少包括未处理项数、自行处理项数、转流程处理项数、点检项未处理次数、点检项自行处理次数以及点检项转流程处理次数。所述未处理项数为一个点检周期内累计的异常项数中未处理的项数;所述自行处理项数为一个点检周期内累计的自行处理的项数;所述转流程处理项数为一个点检周期内累计的转流程处理的项数,其中累计异常项数=未处理项数+自行处理项数+转流程处理项数。所述点检项未处理次数为某一点检项异常次数中未处理的次数;所述点检项自行处理次数为某一点检项异常次数中自行处理的次数;所述点检项转流程处理次数为某一点检项异常次数中转流程处理的次数,其中,某一点检项的点检项异常次数=点检项未处理次数+点检项自行处理次数+点检项转流程处理次数。
如图6所示,所述步骤S204具体包括以下步骤:
S2041:基于异常处理事项的处理状态,统计自行处理项数和转流程处理项数。
具体的,响应于用户基于所述异常处理事项对各异常点检项的处理状态,并对所述处理状态进行识别,当所述处理状态为已处理时,获取所述异常处理事项的处理流程,当所述处理流程为自行处理时,在每识别到一处理流程为自行处理时,对自行处理的项数累加一次,当所述处理流程为自行处理时,在每识别到一处理流程为转流程处理时,对转流程处理的项数累加一次,于当前点检周期结束后分别生成所述自行处理项数和转流程处理项数。
S2042:基于自行处理项数和转流程处理项数计算未处理项数。
具体的,根据所述异常处理事项的数量(也即累计异常项数)以及自行处理项数和转流程处理项数计算得到所述未处理项数;即未处理项数=异常处理事项的数量-自行处理项数-转流程处理项数。
S2043:基于异常处理事项的处理状态以及历史点检项自行处理次数和历史点检项转流程处理次数,统计点检项自行处理次数和点检项转流程处理次数。
具体的,获取历史点检项自行处理次数以及历史点检项转流程处理次数,并基于步骤S2041中对于各异常处理事项的处理状态的识别情况,当识别到一点检项的处理流程为自行处理时,在该点检项的历史点检项自行处理次数的基础上累加一次,当识别到一点检项的处理流程为转流程处理时,在该点检项的历史转流程处理次数的基础上累加一次,于当前点检周期结束后分别生成点检项自行处理次数和点检项转流程处理次数。
S2044:基于历史点检项未处理次数,统计得到点检项未处理次数。
具体的,获取历史点检项未处理次数,于当前检点检周期结束后提取未处理的异常处理事项,并当一点检项对应的异常处理事项未处理时,在该点检项的历史点检项未处理次数的基础上累加一次,得到所述点检项未处理次数。在其他的一些实施例中,所述点检项未处理次数还可基于历史点检项异常次数、历史点检项自行处理次数以及历史点检项转流程处理次数得到,即点检项未处理次数=点检项异常次数-点检项自行处理次数-点检项转流程处理次数。
S3:配置统计位置和统计指标,对设备点检数据进行分类统计。
配置统计维度和统计指标,并基于所述统计维度和统计指标对点检设备数据、点检完成数据、异常数据和异常处理数据进行分类统计。
所述统计维度用于对统计指标进行分类,以便于在对设备点检数据进行统计时,各点检数据的类别更加清晰、明确,有利于后续对于点检数据的分析。在本实施例中,所述统计维度至少包括对象维度、组织机构、人员维度、点检异常项。
所述统计指标用于对各设备点检数据进行统计。在本实施例中,所述统计指标至少包括一级指标和二级指标,所述一级指标可直接基于上述步骤S1-S2获得,所述一级指标至少包括点检设备数据(应点检设备数、已点检设备数、不点检设备数、未点检设备数和停检设备数)、点检完成数据(点检提交次数和累计点检项数)、异常数据(提交异常次数、累计异常项数和点检项异常次数)以及异常处理数据(未处理项数、自行处理项数、转流程处理项数、点检项未处理次数、点检项自行处理次数以及点检项转流程处理次数);所述二级指标基于一级指标及预设计算规则计算得到,如点检完成率=SUM(已点检设备数)/[SUM(应点检设备数)-SUM(停检设备数)],其中点检完成率即为二级指标,而SUM()/[SUM()-SUM()]]即为计算规则,所述计算规则可根据统计需求任意配置,以丰富设备点检数据的统计指标,增加设备点检数据统计的灵活性。
S4:配置指标查看规则,对设备点检数据进行按需展示。
配置指标查看规则,所述查看规则可以是筛选或过滤等。具体的,基于用户的查看请求,选择统计维度和需要查看的统计指标,基于所述统计维度和统计指标调用对应的设备点检数据,并通过统计报表、柱状图、折线图或饼图等样式对所述点检设备数据、点检完成数据、异常数据和异常处理数据进行展示。
在其他的一些实施例中,还可配置对应的查看规则,筛选出所有的数值类型的设备点检数据(例如油温、气压、温度、湿度等),可基于设备的实时运作生成趋势图以展示给用户,便于实时掌握设备的运转情况。
本实施例的设备点检数据统计方法,通过对各设备的点检数据进行分类统计,可实现实时查看各车间或部门设备的点检完成情况、异常情况以及异常处理情况,有利于提高设备恩点检工作的效率,节省了人力,并规范了设备点检的管理流程,保证了点检工作的真实性;且在设备的点检管理过程可控可追溯,有利于生产的稳定可靠,进而提高生产力。
实施例2
如图7所示,为本实施例的一种设备点检数据分析方法的流程图。本实施例的设备点检数据分析方法基于实施例1的设备点检数据统计方法实现。本实施例包括以下步骤:
P1:构建数据统计模型,对设备点检数据进行统计。
构建一数据统计模型,所述数据统计模型用于采用实施例1的设备点检数据统计方法对各设备的点检设备数据、点检完成数据、异常数据以及异常处理数据进行统计,具体过程请查看实施例1的内容,在此不做赘述。
P2:基于设备点检数据,对设备的点检情况、异常情况和事项处理情况进行分析。
基于用户的请求,利用所述数据统计模型对统计的点检设备数据、点检完成数据、异常数据和异常处理数据进行检索并对基于所述点检设备数据、点检完成数据、异常数据和异常处理数据对各设备的点检完成情况、异常情况和事项处理情况进行分析。具体的,所述步骤P2的具体方法为:
首先,基于用户的请求,利用数据统计模型对统计的点检设备数据、点检完成数据和异常数据进行检索,即根据用户选择的统计维度和统计指标,检索并提取对应的设备点检数据,并统计各设备的点检完成率和异常率,结合对应设备的历史点检设备数据、点检完成数据和异常数据,对各设备的点检趋势、点检完成趋势以及异常趋势进行分析学习,预测各设备在下一点检周期的点检设备数据、点检完成数据和异常数据,有利于用于对点检设备数据、点检完成数据和异常数据作趋势分析,制定科学且有针对性的点检策略。
然后,利用数据统计模型对统计的异常处理数据,统计各异常处理事项的处理率、平均响应时间,结合对应设备的历史异常处理数据,对各设备的异常处理事项的处理趋势以及人员对于异常处理事项的处理习惯进行学习,预测下一点检周期内的异常处理数据以及人员对于异常处理事项的平均响应时间,有利于基于预测的平均响应时间对点检人员对于异常事项处理的处理习惯进行分析,并基于预测的平均响应时间于一预设时间间隔内,若该异常处理事项未处理时,向对应人员发送异常处理事项待办通知,便于异常处理事项待办通知按时下发至正确的处理人。
本实施例的设备点检数据统计方法,通过对点检设备数据的分析,可为设备管理员的决策提供数据支撑,并基于点检数据对设备的点检情况及异常情况等做趋势分析,有利于制定出有针对性的点检策略。
作为本发明的另一实施例,还提供一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令使处理器实现如实施例1所述的设备点检数据统计方法以及实现如实施例2所述的设备点检数据分析方法的部分或全部操作,从而实现上述实施例的功能。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和本发明的实用性。
Claims (10)
1.一种设备点检数据统计方法,其特征在于,具体包括以下步骤:
S1:获取设备的设备点检状态,基于所述设备点检状态对点检设备下发点检任务,并基于所述点检任务获取携带有设备唯一标识的点检上报数据,统计得到点检设备数据;
S2:对每一设备的点检上报数据进行识别,得到每一点检设备对应的点检完成数据、异常数据及异常处理数据;
S3:配置统计维度和统计指标,并基于所述统计维度和统计指标对点检设备数据、点检完成数据、异常数据和异常处理数据进行分类统计;
S4:配置指标查看规则,基于所述指标查看规则对所述点检设备数据、点检完成数据、异常数据和异常处理数据进行展示。
2.根据权利要求1所述的一种设备点检数据统计方法,其特征在于,在步骤S1中,所述点检设备数据至少包括应点检设备数、已点检设备数、不点检设备数、未点检设备数、停检设备数以及异常设备数,所述步骤S1统计得到点检设备数据的具体步骤包括:
S101:响应于当前点检周期内设备的开机动作或生产动作,并于设备正常开机或正常生产时,获取携带有设备唯一标识和设备点检状态的开机信号或生产信号,其中,所述设备点检状态至少包括应点检、不点检和停检;
S102:基于所述开机信号或生产信号,逐一将各设备的设备点检状态依次与预设设备点检状态进行匹配,并在每次匹配成功后将对应设备点检状态的设备数累加一次,于当前点检周期结束后生成应点检设备数、不点检设备数和停检设备数;
S103:根据所述设备点检状态,分别生成一携带所述设备唯一标识的点检任务下发至对应的点检设备;
S104:响应于用户基于点检任务提交的携带有设备唯一标识的点检上报数据,在每响应一次提交的点检上报数据对该设备的点检提交数累加一次,并当所述点检提交数符合预设条件时,对已点检设备的数量累加一次,于当前点检周期结束后生成点检提交数以及已点检设备数;
S105:根据所述应点检设备数和已点检设备数得到当前点检周期内的未点检设备数。
3.根据权利要求2所述的一种设备点检数据统计方法,其特征在于,在步骤S101中,响应于设备的开机动作或生产动作以获取对应的开机信息或生产信号的具体方法为:
S1011:获取历史开机数据和历史生产数据形成对应的历史开机数据序列和历史生产数据序列,其中,所述历史开机数据对应于历史开机动作所产生的正常开机数据,所述历史生产数据对应于历史生产动作所产生的正常生产数据;
S1012:分别对所述历史开机数据序列和历史生产数据序列进行处理,得到对应的开机数据特征值和生产数据特征值;
S1013:响应于当前点检周期内开机动作或生产动作,获取当前开机数据或当前生产数据,将所述当前开机数据和当前生产数据分别与所述开机数据特征值和生产数据特征值进行匹配,若匹配成功则继续执行步骤S1014,否则跳转执行步骤S1015;
S1014:获取匹配成功设备的设备唯一标识,分别生成对应的开机信号或生产信号;
S1015:获取匹配不成功设备的设备唯一标识,基于异常设备的当前开机数据或当前生产数据对异常设备的数量累加一次,并于当前点检周期结束后生成所述异常设备数。
4.根据权利要求2所述的一种设备点检数据统计方法,其特征在于,所述步骤S2的具体步骤包括:
S201:获取已点检设备数以及每一设备在当前点检周期内对应点检任务的点检项数量,计算得到当前点检周期的点检完成数据;
S202:实时获取所述点检上报数据,并对所述点检上报数据的数据状态进行识别,当所述数据状态为异常时,根据异常点检上报数据以及当前周期内各设备对应点检任务的点检项数量,于当前点检周期结束后生成所述异常数据;
S203:基于所述异常点检上报数据,对设备的异常类型进行识别,并生成携带有对应设备的设备唯一标识的异常处理事项;
S204:响应于所述异常处理事项的处理状态,根据所述处理状态以及当前周期内对应点检任务的点检项数量,于预设处理周期或当前点检周期结束后生成对应的异常处理数据。
5.根据权利要求4所述的一种设备点检数据统计方法,其特征在于,在步骤S202中,所述异常数据至少包括提交异常次数、累计异常项数以及点检项异常次数,所述步骤S202具体包括以下步骤:
S2021:实时获取各设备的点检上报数据,逐项对各设备的点检项的点检上报数据进行识别,在每识别到一点检项的点检上报数据对应的数据状态为异常时,对异常项的数量累加一次,于当前点检周期结束后生成所述累计异常项数;
S2022:对每一设备的点检项的点检上报数据进行识别,当所述设备具有异常点检上报数据的点检项数量大于或等于一时,对提交的异常次数累加一次,于当前点检周期结束后,生成所述提交异常次数;
S2023:获取历史点检项异常次数,根据所述点检项的点检上报数据的数据状态,当所述点检项的点检上报数据的数据状态为异常时,在该点检项对应的历史点检项异常次数的基础上累加一次,于当前点检周期结束后生成所述点检项异常次数。
6.根据权利要求4所述的一种设备点检数据统计方法,其特征在于,在步骤S204中,所述异常处理数据至少包括未处理项数、自行处理项数、转流程处理项数、点检项未处理次数、点检项自行处理次数以及点检项转流程处理次数;所述步骤S204具体包括以下步骤:
S2041:响应于用户基于所述异常处理事项对各异常点检项的处理状态,并对所述处理状态进行识别,当所述处理状态为已处理时,获取所述异常处理事项的处理流程,当所述处理流程为自行处理时,在每识别到一处理流程为自行处理时,对自行处理的项数累加一次,当所述处理流程为自行处理时,在每识别到一处理流程为转流程处理时,对转流程处理的项数累加一次,于当前点检周期结束后分别生成所述自行处理项数和转流程处理项数;
S2042:根据所述异常处理事项的数量以及自行处理项数和转流程处理项数计算得到所述未处理项数;
S2043:获取历史点检项自行处理次数以及历史点检项转流程处理次数,并基于步骤S2041中对于各异常处理事项的处理状态的识别情况,当识别到一点检项的处理流程为自行处理时,在该点检项的历史点检项自行处理次数的基础上累加一次,当识别到一点检项的处理流程为转流程处理时,在该点检项的历史转流程处理次数的基础上累加一次,于当前点检周期结束后分别生成点检项自行处理次数和点检项转流程处理次数;
S2044:获取历史点检项未处理次数,于当前检点检周期结束后提取未处理的异常处理事项,并当一点检项对应的异常处理事项未处理时,在该点检项的历史点检项未处理次数的基础上累加一次,得到所述点检项未处理次数。
7.根据权利要求1所述的一种设备点检数据统计方法,其特征在于,在步骤S3中,所述统计维度至少包括对象维度、组织机构、人员维度、点检异常项;所述统计指标至少包括一级指标和二级指标,所述二级指标基于一级指标及预设计算规则计算得到。
8.一种设备点检数据分析方法,其特征在于,包括以下步骤:
P1:采用如权利要求1-7任一项所述的设备点检数据统计方法,构建数据统计模型;
P2:基于用户的请求,利用所述数据统计模型对统计的点检设备数据、点检完成数据、异常数据和异常处理数据进行检索并对基于所述点检设备数据、点检完成数据、异常数据和异常处理数据对各设备的点检完成情况、异常情况和事项处理情况进行分析。
9.根据权利要求8所述的一种设备点检数据分析方法,其特征在于,所述步骤P2的具体方法为:
基于用户的请求,利用数据统计模型对统计的点检设备数据、点检完成数据和异常数据进行检索,统计各设备的点检完成率和异常率,结合对应设备的历史点检设备数据、点检完成数据和异常数据,对各设备的点检趋势、点检完成趋势以及异常趋势进行分析学习,预测各设备在下一点检周期的点检设备数据、点检完成数据和异常数据;
利用数据统计模型对统计的异常处理数据,统计各异常处理事项的处理率、平均响应时间,结合对应设备的历史异常处理数据,对各设备的异常处理事项的处理趋势以及人员对于异常处理事项的处理习惯进行学习,预测下一点检周期内的异常处理数据以及人员对于异常处理事项的平均响应时间,并基于预测的平均响应时间于一预设时间间隔内,若该异常处理事项未处理时,向对应人员发送异常处理事项待办通知。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令使处理器实现如权利要求1-7任一项所述的设备点检数据统计方法以及实现如权利要求8-9任一项所述的设备点检数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210099650.0A CN114416826A (zh) | 2022-01-27 | 2022-01-27 | 一种设备点检数据统计方法、分析方法及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210099650.0A CN114416826A (zh) | 2022-01-27 | 2022-01-27 | 一种设备点检数据统计方法、分析方法及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114416826A true CN114416826A (zh) | 2022-04-29 |
Family
ID=81279807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210099650.0A Pending CN114416826A (zh) | 2022-01-27 | 2022-01-27 | 一种设备点检数据统计方法、分析方法及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114416826A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114741582A (zh) * | 2022-06-13 | 2022-07-12 | 中国信息通信研究院 | 基于标识解析的产品说明书获取方法及计算机存储介质 |
CN115855165A (zh) * | 2023-02-20 | 2023-03-28 | 华能济南黄台发电有限公司 | 一种用于火电设备的多维度精密点检方法及系统 |
CN117974074A (zh) * | 2024-03-29 | 2024-05-03 | 立臻科技(昆山)有限公司 | 生产管理方法及装置 |
-
2022
- 2022-01-27 CN CN202210099650.0A patent/CN114416826A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114741582A (zh) * | 2022-06-13 | 2022-07-12 | 中国信息通信研究院 | 基于标识解析的产品说明书获取方法及计算机存储介质 |
CN115855165A (zh) * | 2023-02-20 | 2023-03-28 | 华能济南黄台发电有限公司 | 一种用于火电设备的多维度精密点检方法及系统 |
CN115855165B (zh) * | 2023-02-20 | 2023-07-07 | 华能济南黄台发电有限公司 | 一种用于火电设备的多维度精密点检方法及系统 |
CN117974074A (zh) * | 2024-03-29 | 2024-05-03 | 立臻科技(昆山)有限公司 | 生产管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7218974B2 (en) | Industrial process data acquisition and analysis | |
Wehaibi et al. | Examining the impact of self-admitted technical debt on software quality | |
US20190228296A1 (en) | Significant events identifier for outlier root cause investigation | |
Kim et al. | Which crashes should i fix first?: Predicting top crashes at an early stage to prioritize debugging efforts | |
Salfner et al. | A survey of online failure prediction methods | |
US20060224434A1 (en) | Human data acquisition and analysis for industrial processes | |
CN114416826A (zh) | 一种设备点检数据统计方法、分析方法及计算机存储介质 | |
CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
JP2009181536A (ja) | ソフトウェアの障害管理装置、テスト管理装置、ならびにそれらのプログラム | |
US20130121580A1 (en) | Analysis of service delivery processes based on interrogation of work assisted devices | |
CN117235649A (zh) | 一种基于大数据的工业设备状态智能监测系统及方法 | |
US20090089112A1 (en) | Service Resource Evaluation Method and System | |
CN113888480A (zh) | 一种基于mes的质量追溯方法和系统 | |
US11474509B2 (en) | System and method for casual inference in manufacturing process | |
JP2019032671A (ja) | 原因推定方法およびプログラム | |
JP3693177B2 (ja) | 改善支援システム | |
CN117010549A (zh) | 基于大数据管理体系的信息溯源方法及终端 | |
CN110765007A (zh) | 一种面向安卓应用的崩溃信息线上分析方法 | |
CN116205623A (zh) | 设备维护方法、装置、系统、电子设备及存储介质 | |
JP2011204098A (ja) | プロジェクト管理における遅延情報可視化装置 | |
US20230359191A1 (en) | System and method for determining a cause of an operating anomaly of a machine, computer program and electronically readable data storage device | |
Ware et al. | The application of product measures in directing software maintenance activity | |
CN114138537A (zh) | 一种面向安卓应用的崩溃信息线上分析方法 | |
JP7359608B2 (ja) | 情報提示装置、情報提示方法、および情報提示システム | |
Christa et al. | An analysis on the significance of ticket analytics and defect analysis from software quality perspective |
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 |