CN114519437B - 一种基于云的故障诊断分析及报修的微服务方法及系统 - Google Patents
一种基于云的故障诊断分析及报修的微服务方法及系统 Download PDFInfo
- Publication number
- CN114519437B CN114519437B CN202210152045.5A CN202210152045A CN114519437B CN 114519437 B CN114519437 B CN 114519437B CN 202210152045 A CN202210152045 A CN 202210152045A CN 114519437 B CN114519437 B CN 114519437B
- Authority
- CN
- China
- Prior art keywords
- value
- fault
- item
- acquiring
- maintenance
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于云的故障诊断分析及报修的微服务方法及系统,其中,方法包括:步骤1:获取云数据,基于云数据,确定适宜的故障诊断分析策略;步骤2:采集大学校园中各个教学设备的运行信息;步骤3:基于故障诊断分析策略,对运行信息进行故障诊断分析,获得故障诊断分析结果;步骤4:基于故障诊断分析结果,确定适宜的报修信息,并发送至对应维修人员终端。本发明的基于云的故障诊断分析及报修的微服务方法及系统,基于云数据,制定适宜的故障诊断分析策略,对大学校园中的教学设备进行故障诊断分析,无需人工进行故障诊断分析,降低了人力成本,更提升了故障诊断分析的全面性和效率。
Description
技术领域
本发明涉及云数据技术领域,特别涉及一种基于云的故障诊断分析及报修的微服务方法及系统。
背景技术
目前,大学校园内的教学设备(例如:投影仪、实验仪器等)均需要人工进行定期进行故障检查,人力成本较大,同时,人工进行故障检查还存在故障检查不全面,故障检查效率较低等问题;
因此,亟需一种解决办法。
发明内容
本发明提供一种基于云的故障诊断分析及报修的微服务方法及系统,基于云数据,制定适宜的故障诊断分析策略,对大学校园中的教学设备进行故障诊断分析,无需人工进行故障诊断分析,降低了人力成本,更提升了故障诊断分析的全面性和效率。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,应用于微服务平台,包括:
步骤1:获取云数据,基于所述云数据,确定适宜的故障诊断分析策略;
步骤2:采集大学校园中各个教学设备的运行信息;
步骤3:基于所述故障诊断分析策略,对所述运行信息进行故障诊断分析,获得故障诊断分析结果;
步骤4:基于所述故障诊断分析结果,确定适宜的报修信息,并发送至对应维修人员终端。
优选的,所述步骤1中,获取云数据,包括:
获取预设的获取规则集,所述获取规则集包括:多个第一获取规则;
获取所述第一获取规则对应的至少一个执行场景和多个第一历史执行记录;
基于预设的执行场景-风险值库,确定所述执行场景对应的第一风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第一风险值,获得第一风险值和;
对所述第一历史执行记录进行预筛选,获得多个第二历史执行记录;
提取所述第二历史执行记录的多个第一特征;
获取预设的执行风险特征库,将所述第一特征与所述执行风险特征库中的第二特征进行匹配,若匹配符合,将匹配符合的所述第二特征作为第三特征;
基于预设的特征-风险值库,确定所述第三特征对应的第二风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第二风险值,获得第二风险值和;
若所述第一风险值和大于等于预设的第一风险值和阈值且所述第二风险值和大于等于预设的第二风险值和阈值,剔除对应所述第一获取规则;
当需要剔除的所述第一获取规则均剔除后,将剔除剩余的所述第一获取规则作为第二获取规则;
基于所述第二获取规则,获取目标数据;
整合获取的各目标数据,获得云数据,完成获取。
优选的,对所述第一历史执行记录进行预筛选,包括:
获取所述第一历史执行记录对应的记录类型,所述记录类型包括:主动记录和被动记录;
当所述第一历史执行记录对应的记录类型为主动记录时,获取所述第一历史执行记录对应的第一记录方的第一经验值;
当所述第一经验值唯一时,若所述第一经验值小于等于预设的第一经验阈值时,剔除对应所述第一历史执行记录;
当所述第一经验值不唯一时,若所述第一经验值中存在小于等于预设的第二经验阈值的第二经验值时,确定所述第二经验值对应的所述第一记录方,并作为第二记录方,同时,获取所述第二经验值对应的记录权重阈值;
获取所述第二记录方对应于所述第一历史执行记录的记录权重,若所述记录权重大于等于对应所述记录权重阈值,剔除对应所述第一历史执行记录;
当所述第一历史执行记录对应的记录类型为被动记录时,获取所述第一历史执行记录对应的第三记录方的担保信息,所述担保信息包括:至少一个担保方和所述担保方对所述第三记录方进行担保的第一担保值;
获取所述担保方的担保权重,赋予所述担保方对应的所述第一担保值所述担保权重,获得第二担保值;
若所述第二担保值中存在小于等于预设的担保阈值的第三担保值,剔除对应所述第一历史执行记录;
当需要剔除的所述第一历史执行记录均剔除后,完成对所述第一历史执行记录的预筛选,同时,将剔除剩余的所述第一历史执行记录作为第二历史执行记录。
优选的,所述步骤1中,基于所述云数据,确定适宜的故障诊断分析策略,包括:
从所述云数据中随机选取第一数据项;
对所述第一数据项进行特征提取,获得多个第一特征;
构建特征-价值度库,确定所述第一特征对应的第一价值度,并与对应所述第一数据项进行关联;
累加计算所述第一数据项关联的所述第一价值度,获得价值度和;
若所述价值度和大于等于预设的价值度和阈值,将对应所述第一数据项作为第二数据项;
整合全部所述第二数据项,获得待分析数据;
基于预设的故障诊断分析策略制定模型,对所述待分析数据进行分析,并制定适宜的故障诊断分析策略。
优选的,构建特征-价值度库,包括:
获取预设的数据特征集,所述数据特征集包括:多个第二特征;
获取预设的评价节点集,所述评价节点集包括:多个评价节点;
获取所述评价节点对所述第二特征进行价值评价获得的第一评价值;
获取所述评价节点对应的节点权重,赋予所述评价节点对应所述第一评价值所述节点权重,获得第二评价值,并与对应所述第二特征进行关联;
累加计算所述第二特征关联的所述第二评价值,获得第二价值度;
将所述第二价值度与对应所述第二特征进行组合配对,获得一个第一配对项;
获取预设的第一空白库,将所述第一配对项存入所述第一空白库中;
当需要存入所述第一空白库的所述第一配对项均存入后,将所述第一空白库作为特征-价值度库,完成构建。
优选的,所述步骤2:采集大学校园中各个教学设备的运行信息,包括:
获取预设的采集节点集,所述采集节点集包括:多个采集节点;
通过各个所述采集节点获取教学设备的运行信息。
优选的,所述步骤4:基于所述故障诊断分析结果,确定适宜的报修信息,包括:
解析所述故障诊断分析结果,获得至少一个第一故障项;
基于所述第一故障项,生成对应故障通知信息,同时,获取所述第一故障项对应的维修策略;
整合所述故障通知信息和所述维修策略,获得适宜的报修信息。
优选的,获取所述第一故障项对应的维修策略,包括:
获取所述第一故障项对应的故障类型,所述故障类型包括:单一故障和组合故障;
当所述第一故障项对应的故障类型为单一故障时,查询预设的故障类型-必要值库,确定所述故障类型对应的第一必要值,若所述第一必要值大于等于预设的第一必要阈值,将对应所述第一故障项作为第二故障项;
当所述第一故障项对应的故障类型为组合故障时,解析所述第一故障项包含的多个子故障类型和所述子故障类型对应的故障权重;
查询所述故障类型-必要值库,确定所述子故障类型对应的第二必要值,同时,赋予所述第二必要值对应所述子故障类型对应的故障权重,获得第三必要值,并与对应所述第一故障项进行关联;
累加计算所述第一故障项关联的所述第三必要值,获得必要值和;
若所述必要值和大于等于预设的第二必要阈值,将对应所述第一故障项作为第二故障项;
获取所述第二故障项对应的多个第一备选维修策略;
随机建立维修模拟组合,所述建立维修模拟组合包括:第二故障项和任一所述第一备选维修策略;
基于预设的维修模拟模型,根据所述维修模拟组合进行维修模拟;
在维修模拟过程中,基于预设的维修效果评价模型,对所述维修模拟过程进行效果评价,获得效果值,并与对应所述维修模拟组合中的所述第一备选维修策略进行关联;
将最大所述效果值关联的所述第一备选维修策略作为所述第二故障项适宜的对应的维修策略;
获取所述第一故障项中除所述第二故障项之外的第三故障项的多个第二备选维修策略;
将任一所述第二备选维修策略作为所述第三故障项适宜的对应的维修策略。
优选的,基于云的故障诊断分析及报修的微服务方法,还包括:
构建外包维修方库,基于所述外包维修方库,确定所述第一故障项适宜的第一外包维修方,调度所述外包维修方对所述第一故障项进行解决。
本发明提供一种基于云的故障诊断分析及报修的微服务系统,包括:
确定模块,用于获取云数据,基于所述云数据,确定适宜的故障诊断分析策略;
采集模块,用于采集大学校园中各个教学设备的运行信息;
诊断分析模块,用于基于所述故障诊断分析策略,对所述运行信息进行故障诊断分析,获得故障诊断分析结果;
报修模块,用于基于所述故障诊断分析结果,确定适宜的报修信息,并发送至对应维修人员终端。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于云的故障诊断分析及报修的微服务方法的流程图;
图2为本发明实施例中又一基于云的故障诊断分析及报修的微服务方法的流程图;
图3为本发明实施例中又一基于云的故障诊断分析及报修的微服务系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,应用于微服务平台,如图1所示,包括:
步骤1:获取云数据,基于所述云数据,确定适宜的故障诊断分析策略;
步骤2:采集大学校园中各个教学设备的运行信息;
步骤3:基于所述故障诊断分析策略,对所述运行信息进行故障诊断分析,获得故障诊断分析结果;
步骤4:基于所述故障诊断分析结果,确定适宜的报修信息,并发送至对应维修人员终端。
上述技术方案的工作原理及有益效果为:
云数据为大量教学设备历史上产生的故障记录等;基于云数据,确定适宜的故障诊断分析策略(例如:基于云数据,分析各个教学设备会产生的故障类型对应的故障概率,按照故障概率从大到小进行对应故障类型诊断分析);微服务平台与大学校园中的各个教学设备进行对接(通信连接),采集各个教学设备的运行信息(例如:实验设备的运行状态信息),基于故障诊断分析策略,对运行信息,进行故障诊断分析,获得故障诊断分析结果(例如:PLC实验设备电压异常);基于故障诊断分析结果,确定适宜的报修信息,发送至对应维修人员终端;
本发明实施例基于云数据,制定适宜的故障诊断分析策略,对大学校园中的教学设备进行故障诊断分析,无需人工进行故障诊断分析,降低了人力成本,更提升了故障诊断分析的全面性和效率。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,所述步骤1中,获取云数据,包括:
获取预设的获取规则集,所述获取规则集包括:多个第一获取规则;
获取所述第一获取规则对应的至少一个执行场景和多个第一历史执行记录;
基于预设的执行场景-风险值库,确定所述执行场景对应的第一风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第一风险值,获得第一风险值和;
对所述第一历史执行记录进行预筛选,获得多个第二历史执行记录;
提取所述第二历史执行记录的多个第一特征;
获取预设的执行风险特征库,将所述第一特征与所述执行风险特征库中的第二特征进行匹配,若匹配符合,将匹配符合的所述第二特征作为第三特征;
基于预设的特征-风险值库,确定所述第三特征对应的第二风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第二风险值,获得第二风险值和;
若所述第一风险值和大于等于预设的第一风险值和阈值且所述第二风险值和大于等于预设的第二风险值和阈值,剔除对应所述第一获取规则;
当需要剔除的所述第一获取规则均剔除后,将剔除剩余的所述第一获取规则作为第二获取规则;
基于所述第二获取规则,获取目标数据;
整合获取的各目标数据,获得云数据,完成获取。
上述技术方案的工作原理及有益效果为:
获取云数据时,预准备利用不同的第一获取规则(例如:通过教学设备论坛网页中爬取故障数据)进行获取,但是,在利用第一获取规则获取云数据之前,需要考虑其执行的风险性,因此,获取第一获取规则对应的至少一个执行场景(例如:要爬取数据的网页)和多个第一历史执行记录(历史上执行该第一获取规则的记录);查库确定执行场景对应的第一风险值,第一风险值越大,风险越高(例如:要爬取数据的网页非认证网页);累加计算(求和)第一风险值,获得第一风险值和;第一历史执行记录可能是别的微服务平台进行规则执行的记录,来源不一定可靠,因此,对第一历史执行进行预筛选,筛选出第二历史执行记录;基于预设的执行风险特征库(存储有规则在执行时产生风险的特征,例如:爬取数据)等,确定第二风险值,同样,累加计算获得第二风险值和;若第一获取规则对应的第一风险值和阈值过大和/或第二风险值和阈值过大,应予剔除;基于剔除剩余的第二获取规则,获取目标数据;整合各目标数据则获得云数据;
本发明实施例在获取云数据时,对预准备执行的第一获取规则进行风险判定并筛选,保证了云数据获取的精准性和获取质量;另外,在进行风险判定时,从执行场景和历史执行记录两个维度进行风险判定,提升了风险判定的全面性和合理性。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,对所述第一历史执行记录进行预筛选,包括:
获取所述第一历史执行记录对应的记录类型,所述记录类型包括:主动记录和被动记录;
当所述第一历史执行记录对应的记录类型为主动记录时,获取所述第一历史执行记录对应的第一记录方的第一经验值;
当所述第一经验值唯一时,若所述第一经验值小于等于预设的第一经验阈值时,剔除对应所述第一历史执行记录;
当所述第一经验值不唯一时,若所述第一经验值中存在小于等于预设的第二经验阈值的第二经验值时,确定所述第二经验值对应的所述第一记录方,并作为第二记录方,同时,获取所述第二经验值对应的记录权重阈值;
获取所述第二记录方对应于所述第一历史执行记录的记录权重,若所述记录权重大于等于对应所述记录权重阈值,剔除对应所述第一历史执行记录;
当所述第一历史执行记录对应的记录类型为被动记录时,获取所述第一历史执行记录对应的第三记录方的担保信息,所述担保信息包括:至少一个担保方和所述担保方对所述第三记录方进行担保的第一担保值;
获取所述担保方的担保权重,赋予所述担保方对应的所述第一担保值所述担保权重,获得第二担保值;
若所述第二担保值中存在小于等于预设的担保阈值的第三担保值,剔除对应所述第一历史执行记录;
当需要剔除的所述第一历史执行记录均剔除后,完成对所述第一历史执行记录的预筛选,同时,将剔除剩余的所述第一历史执行记录作为第二历史执行记录。
上述技术方案的工作原理及有益效果为:
第一历史执行记录的记录类型分为主动记录(本地进行记录)和被动记录(其他微服务平台共享的记录);当记录类型为主动记录时,需要验证本地记录的第一记录方的经验水平,当第一经验值唯一时,说明第一记录方只有1个,若其第一经验值较小,剔除对应第一历史执行记录,当第一经验值不唯一时,若存在较小的第二经验值,确定其对应第二记录方,同时,获取第二经验值对应的记录权重阈值(第二经验值越小,对记录权重的要求越严格,记录权重阈值应越小),若存在记录权重(进行记录时,该记录方对应的贡献占比,例如:记录了多少占总记录的比值)大于等于记录权重阈值,剔除对应第一历史执行记录;当记录类型为被动记录时,需要担保方(例如:担保机构)对第三记录方进行担保,第一担保值越大,担保力度越大;获取担保方的担保权重,担保权重越大,该担保方的担保能力越大,赋予第一担保值该担保权重(两者相乘),获得第二担保值;若存在第二担保值较小(第三担保值),担保不足,剔除对第一历史执行记录;
本发明实施例基于第一历史执行记录的记录类型的不同,分别进行细致化验证,保证剔除剩余的即预筛选后的第二历史执行记录的可靠性。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,所述步骤1中,基于所述云数据,确定适宜的故障诊断分析策略,包括:
从所述云数据中随机选取第一数据项;
对所述第一数据项进行特征提取,获得多个第一特征;
构建特征-价值度库,确定所述第一特征对应的第一价值度,并与对应所述第一数据项进行关联;
累加计算所述第一数据项关联的所述第一价值度,获得价值度和;
若所述价值度和大于等于预设的价值度和阈值,将对应所述第一数据项作为第二数据项;
整合全部所述第二数据项,获得待分析数据;
基于预设的故障诊断分析策略制定模型,对所述待分析数据进行分析,并制定适宜的故障诊断分析策略。
上述技术方案的工作原理及有益效果为:
为了保证故障诊断分析策略制定的精准性,需要从云数据中提取价值信息(利于确定适宜的故障诊断分析策略,例如:与大学校园内的教学设备同型号的设备的历史故障信息);随机选取第一数据项,提取出第一特征,查库确定第一价值度,第一价值度越大,可利用价值越大;累加计算第一价值度,获得价值度和;若价值度和大于等于预设的价值度和阈值,作为第二数据项;整合第二数据项,作为待分析数据,基于预设的故障诊断分析策略制定模型(预先训练的基于待分析数据进行故障诊断分析策略制定的模型,在制定时,例如可以分析各个教学设备会产生的故障类型对应的故障概率,按照故障概率从大到小进行对应故障类型诊断分析),对待分析数据进行分析,制定适宜的故障诊断分析策略;
本发明实施例从云数据中提取价值信息,保证故障诊断分析策略制定的精准性,提升了故障诊断分析策略的适用性。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,构建特征-价值度库,包括:
获取预设的数据特征集,所述数据特征集包括:多个第二特征;
获取预设的评价节点集,所述评价节点集包括:多个评价节点;
获取所述评价节点对所述第二特征进行价值评价获得的第一评价值;
获取所述评价节点对应的节点权重,赋予所述评价节点对应所述第一评价值所述节点权重,获得第二评价值,并与对应所述第二特征进行关联;
累加计算所述第二特征关联的所述第二评价值,获得第二价值度;
将所述第二价值度与对应所述第二特征进行组合配对,获得一个第一配对项;
获取预设的第一空白库,将所述第一配对项存入所述第一空白库中;
当需要存入所述第一空白库的所述第一配对项均存入后,将所述第一空白库作为特征-价值度库,完成构建。
上述技术方案的工作原理及有益效果为:
第二特征为不同的数据特征,评价节点对应一个人工评价数据价值程度的人工方;获取评价节点对所述第二特征进行价值评价获得的评价值,评价值越大,若该特征匹配,对应数据项越有利于适宜的故障诊断分析策略的制定;同时,获取评价节点对应的节点权重,节点权重越大,该评价节点的可信程度越大,评价的可靠性也越大,赋予第一评价值该节点权重(两者相乘),获得第二评价值,并与对应所述第二特征进行关联;累加计算第二评价值,获得第二评价度;将第二价值度与第二特征进行组合配对,获得第一配对项;将所有第一配对项存入预设的第一空白库中,完成特征-价值度库的构建。
本发明实施例设置评价节点,对不同的第二特征进行评价,获取第一配对项,从而完成征-价值度库的构建。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,所述步骤2:采集大学校园中各个教学设备的运行信息,包括:
获取预设的采集节点集,所述采集节点集包括:多个采集节点;
通过各个所述采集节点获取教学设备的运行信息。
上述技术方案的工作原理及有益效果为:
采集节点对应于一个教学设备的对接节点,通过采集节点可以获取教学设备的运行信息。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,所述步骤4:基于所述故障诊断分析结果,确定适宜的报修信息,包括:
解析所述故障诊断分析结果,获得至少一个第一故障项;
基于所述第一故障项,生成对应故障通知信息,同时,获取所述第一故障项对应的维修策略;
整合所述故障通知信息和所述维修策略,获得适宜的报修信息。
上述技术方案的工作原理及有益效果为:
解析故障诊断分析结果中的一故障项,根据故障项,生成对应故障通知信息,同时,获取所述第一故障项对应的维修策略;整合所述故障通知信息和所述维修策略,获得适宜的报修信息;
本发明实施例根据故障项对应的维修策略和故障通知信息,能够保证获得适宜的报修信息,方便维修工作人员进行有针对性地维修。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,获取所述第一故障项对应的维修策略,包括:
获取所述第一故障项对应的故障类型,所述故障类型包括:单一故障和组合故障;
当所述第一故障项对应的故障类型为单一故障时,查询预设的故障类型-必要值库,确定所述故障类型对应的第一必要值,若所述第一必要值大于等于预设的第一必要阈值,将对应所述第一故障项作为第二故障项;
当所述第一故障项对应的故障类型为组合故障时,解析所述第一故障项包含的多个子故障类型和所述子故障类型对应的故障权重;
查询所述故障类型-必要值库,确定所述子故障类型对应的第二必要值,同时,赋予所述第二必要值对应所述子故障类型对应的故障权重,获得第三必要值,并与对应所述第一故障项进行关联;
累加计算所述第一故障项关联的所述第三必要值,获得必要值和;
若所述必要值和大于等于预设的第二必要阈值,将对应所述第一故障项作为第二故障项;
获取所述第二故障项对应的多个第一备选维修策略;
随机建立维修模拟组合,所述建立维修模拟组合包括:第二故障项和任一所述第一备选维修策略;
基于预设的维修模拟模型,根据所述维修模拟组合进行维修模拟;
在维修模拟过程中,基于预设的维修效果评价模型,对所述维修模拟过程进行效果评价,获得效果值,并与对应所述维修模拟组合中的所述第一备选维修策略进行关联;
将最大所述效果值关联的所述第一备选维修策略作为所述第二故障项适宜的对应的维修策略;
获取所述第一故障项中除所述第二故障项之外的第三故障项的多个第二备选维修策略;
将任一所述第二备选维修策略作为所述第三故障项适宜的对应的维修策略。
上述技术方案的工作原理及有益效果为:
为了保证第一故障项对应的维修策略的科学性、合理性和适宜性,需要获取第一故障项对应的故障类型,故障类型分为:单一故障(单个故障)和组合故障(多个故障组合发生);当第一故障类型是单一故障时,查询预设的故障类型-必要值库,确定第一故障类型对应的第一必要值,第一必要值越大,说明该第一故障类型越复杂,需要进行模拟维修,若所述第一必要值大于等于预设的第一必要阈值,将对应所述第一故障项作为第二故障项;当第一故障类型为组合故障时,获取第一故障类型包含的子故障类型和子故障类型对应的故障权重;查询所述故障类型-必要值库,确定子故障类型对应的第二必要值,同理,第二必要值越大,该子故障类型越复杂,越需要进行模拟维修,同时,赋予第二必要值对应子故障类型对应的故障权重(两者相乘),获得第三必要值,并与对应的第一故障项进行关联;累加计算第一故障项关联的第三必要值,获得必要值和;若必要值和大于等于预设的第二必要阈值,说明需要进行维修模拟,将对应的第一故障项作为第二故障项;获取第二故障项对应的多个第一备选维修策略,并随机建立维修模拟组合,该维修模拟组合包括第二故障项和任一第一备选维修策略;基于预设的维修模拟模型(预设的用于进行维修模拟的模型),根据所述维修模拟组合进行维修模拟;在维修模拟过程中,基于预设的维修效果评价模型(预设的用于对维修效果进行效果评价的模型),对维修模拟过程进行效果评价,获得效果值,并与对应维修模拟组合中的第一备选维修策略进行关联;将最大效果值关联的第一备选维修策略作为第二故障项适宜的对应的维修策略;获取第一故障项中除第二故障项之外的第三故障项的多个第二备选维修策略;将任一第二备选维修策略作为第三故障项适宜的对应的维修策略;
本发明实施例基于第一故障项对应的故障类型的不同,分别进行了必要值的判定,将需要进行维修模拟并评价的故障筛选出来,减少了维修模拟并评价的资源,并基于预设的维修模拟模型,根据随机建立的维修模拟组合进行维修模拟,实现对维修策略的检验,保证了第一故障项的维修策略的科学性、合理性和适宜性。
本发明提供一种基于云的故障诊断分析及报修的微服务方法,如图2所示,还包括:
步骤5:构建外包维修方库,基于所述外包维修方库,确定所述第一故障项适宜的第一外包维修方,调度所述外包维修方对所述第一故障项进行解决;
其中,构建外包维修方库,包括:
获取预设的外包维修方集,所述外包维修方集包括:多个第二外包维修方;
获取所述第二外包维修方对应的多个维修记录,所述维修记录包括:第一维修类型、第一维修过程和评价信息;
解析所述评价信息,获取第一评价值;
若所述第一评价值大于等于预设的评价阈值,将对应所述第一评价值作为第二评价值,否则,作为第三评价值;
确定所述第三评价值对应的所述维修记录中的第一维修类型和第一维修过程,分别作为第二维修类型和第二维修过程;
对所述第二维修过程进行过程拆分,获得多个第一过程项;
对所述第一过程项进行特征提取,获得多个过程特征;
获取所述第二维修类型对应的过程特征-规范值库,基于所述过程特征-规范值库,确定所述过程特征对应的规范值,并与对应所述第一过程项进行关联;
累加计算所述第一过程项关联的所述规范值,获得第一规范值和;
获取所述第一过程项对应于所述第二维修过程的过程权重,并与对应所述第一规范值和进行关联;
基于所述第一评价值、第一规范值和与所述过程权重,计算所述第二外包维修方的第一筛选指数,计算公式如下:
其中,为所述第一筛选指数,σ1和σ2为预设的权重值,γt为第t个所述第一评价值,J为所述第一评价值的总数目,Li为第i个所述第一规范值和,Qi为第i个所述第一规范值和关联的所述过程权重,K为所述第一规范值和的总数目;
若所述第一筛选指数大于等于预设的第一筛选指数阈值,将对应所述第二外包维修方作为第三外包维修方;
获取所述第三外包维修方对应的第一能力信息;
对所述第一能力信息进行信息拆分,获得多个能力信息项;
获取所述能力信息项对应的来源权重,同时,对所述能力信息项进行解析,获得能力值;
基于所述来源权重和所述能力值,计算所述第三外包维修方对应的第二筛选指数,计算公式如下:
若所述第二筛选指数大于等于预设的第二筛选指数阈值,将对应所述第三外包维修方作为第四外包维修方;
确定所述第四外包维修方对应的所述第一能力信息,并作为第二能力信息;
将所述第二能力信息与对应所述第四外包维修方进行配对,获得一个第二配对项;
获取预设的第二空白库,将所述第二配对项存入所述第二空白库中;
当需要存入所述第二空白库中的所述第二配对项均存入后,将所述第二空白库作为外包维修方库。
上述技术方案的工作原理及有益效果为:
一般地,由于人工成本较高,大学校园内不会为教学设备配备专业的维修人员,均有相关专业教师接受简单维修培训等,以处理一些简单的故障问题,当遇到难以解决的故障问题时,均需联系厂家前来维修,比较繁琐,若厂家在本地没有售后部门,还有很长的等待时间,会严重影响教学进度;因此,本发明实施例构建外包维修方库,基于外包维修方库,确定第一故障项对应的第一外包维修方(例如:本地的相同类型教学设备厂商的售后人员),调度其进行相应维修;在构建外包维修方库时,获取全部可以进行调度的第二外包维修方,基于其维修记录,对第二外包维修方进行筛选;维修记录包含评价信息,即为对应大学在接收维修后给予的评价,第一评价值越大,评价越好,当评价不好时,对其对应维修过程进行过程规范判定,获得规范值,规范值越大,规范程度越高;同时,获取过程权重,过程权重越大,说明该第一过程项的重要性越大;基于第一评价值、第一规范值和与过程权重,计算第一筛选指数,公式中,第一评价值、第一规范值和与过程权重与第一筛选指数呈正相关,设置合理;接着,基于筛选出的第三外包维修方对应的能力信息(例如:可维修类型等)对第三外包维修方进行进一步筛选,获取拆分获得的能力信息项的来源权重(由于能力信息项的来源不同,来源的可靠性也不同,例如:来源于公司官方,属于宣传信息,可靠性不大,来源权重较低),同时,解析能力信息项,获得能力值,能力值越大,能力越大;基于能力值和来源权重计算第二筛选指数,公式中,能力值和来源权重与第二筛选指数呈正相关,设置合理;将筛选出第四外包维修方与对应第二能力信息进行配对,进行建库;
本发明实施例从维修记录和能力信息两个维度对第二外包维修方进行评价,筛选出最可靠的第四外包维修方进行外包维修方库的构建,提升了构建质量,更提升了外包维修方库的适用性;在基于维修记录进行筛选时,若评价过低,对维修过程进行评价,避免恶意差评造成的误差影响,也减少了过程验证的资源。
本发明提供一种基于云的故障诊断分析及报修的微服务系统,如图3所示,包括:
确定模块1,用于获取云数据,基于所述云数据,确定适宜的故障诊断分析策略;
采集模块2,用于采集大学校园中各个教学设备的运行信息;
诊断分析模块3,用于基于所述故障诊断分析策略,对所述运行信息进行故障诊断分析,获得故障诊断分析结果;
报修模块4,用于基于所述故障诊断分析结果,确定适宜的报修信息,并发送至对应维修人员终端。
上述技术方案的工作原理及有益效果已在方法权要中说明,不再赘述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于云的故障诊断分析及报修的微服务方法,应用于微服务平台,其特征在于,包括:
步骤1:获取云数据,基于所述云数据,确定适宜的故障诊断分析策略;
步骤2:采集大学校园中各个教学设备的运行信息;
步骤3:基于所述故障诊断分析策略,对所述运行信息进行故障诊断分析,获得故障诊断分析结果;
步骤4:基于所述故障诊断分析结果,确定适宜的报修信息,并发送至对应维修人员终端;
所述步骤1中,获取云数据,包括:
获取预设的获取规则集,所述获取规则集包括:多个第一获取规则;
获取所述第一获取规则对应的至少一个执行场景和多个第一历史执行记录;
基于预设的执行场景-风险值库,确定所述执行场景对应的第一风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第一风险值,获得第一风险值和;
对所述第一历史执行记录进行预筛选,获得多个第二历史执行记录;
提取所述第二历史执行记录的多个第一特征;
获取预设的执行风险特征库,将所述第一特征与所述执行风险特征库中的第二特征进行匹配,若匹配符合,将匹配符合的所述第二特征作为第三特征;
基于预设的特征-风险值库,确定所述第三特征对应的第二风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第二风险值,获得第二风险值和;
若所述第一风险值和大于等于预设的第一风险值和阈值且所述第二风险值和大于等于预设的第二风险值和阈值,剔除对应所述第一获取规则;
当需要剔除的所述第一获取规则均剔除后,将剔除剩余的所述第一获取规则作为第二获取规则;
基于所述第二获取规则,获取目标数据;整合获取的各目标数据,获得云数据,完成获取。
2.如权利要求1所述的一种基于云的故障诊断分析及报修的微服务方法,其特征在于,对所述第一历史执行记录进行预筛选,包括:
获取所述第一历史执行记录对应的记录类型,所述记录类型包括:主动记录和被动记录;
当所述第一历史执行记录对应的记录类型为主动记录时,获取所述第一历史执行记录对应的第一记录方的第一经验值;
当所述第一经验值唯一时,若所述第一经验值小于等于预设的第一经验阈值时,剔除对应所述第一历史执行记录;
当所述第一经验值不唯一时,若所述第一经验值中存在小于等于预设的第二经验阈值的第二经验值时,确定所述第二经验值对应的所述第一记录方,并作为第二记录方,同时,获取所述第二经验值对应的记录权重阈值;
获取所述第二记录方对应于所述第一历史执行记录的记录权重,若所述记录权重大于等于对应所述记录权重阈值,剔除对应所述第一历史执行记录;
当所述第一历史执行记录对应的记录类型为被动记录时,获取所述第一历史执行记录对应的第三记录方的担保信息,所述担保信息包括:至少一个担保方和所述担保方对所述第三记录方进行担保的第一担保值;
获取所述担保方的担保权重,赋予所述担保方对应的所述第一担保值所述担保权重,获得第二担保值;
若所述第二担保值中存在小于等于预设的担保阈值的第三担保值,剔除对应所述第一历史执行记录;
当需要剔除的所述第一历史执行记录均剔除后,完成对所述第一历史执行记录的预筛选,同时,将剔除剩余的所述第一历史执行记录作为第二历史执行记录。
3.如权利要求1所述的一种基于云的故障诊断分析及报修的微服务方法,其特征在于,所述步骤1中,基于所述云数据,确定适宜的故障诊断分析策略,包括:
从所述云数据中随机选取第一数据项;
对所述第一数据项进行特征提取,获得多个第一特征;
构建特征-价值度库,确定所述第一特征对应的第一价值度,并与对应所述第一数据项进行关联;
累加计算所述第一数据项关联的所述第一价值度,获得价值度和;
若所述价值度和大于等于预设的价值度和阈值,将对应所述第一数据项作为第二数据项;
整合全部所述第二数据项,获得待分析数据;
基于预设的故障诊断分析策略制定模型,对所述待分析数据进行分析,并制定适宜的故障诊断分析策略。
4.如权利要求3所述的一种基于云的故障诊断分析及报修的微服务方法,其特征在于,构建特征-价值度库,包括:
获取预设的数据特征集,所述数据特征集包括:多个第二特征;
获取预设的评价节点集,所述评价节点集包括:多个评价节点;
获取所述评价节点对所述第二特征进行价值评价获得的第一评价值;
获取所述评价节点对应的节点权重,赋予所述评价节点对应所述第一评价值所述节点权重,获得第二评价值,并与对应所述第二特征进行关联;
累加计算所述第二特征关联的所述第二评价值,获得第二价值度;
将所述第二价值度与对应所述第二特征进行组合配对,获得一个第一配对项;
获取预设的第一空白库,将所述第一配对项存入所述第一空白库中;
当需要存入所述第一空白库的所述第一配对项均存入后,将所述第一空白库作为特征-价值度库,完成构建。
5.如权利要求1所述的一种基于云的故障诊断分析及报修的微服务方法,其特征在于,所述步骤2:采集大学校园中各个教学设备的运行信息,包括:
获取预设的采集节点集,所述采集节点集包括:多个采集节点;
通过各个所述采集节点获取教学设备的运行信息。
6.如权利要求1所述的一种基于云的故障诊断分析及报修的微服务方法,其特征在于,所述步骤4:基于所述故障诊断分析结果,确定适宜的报修信息,包括:
解析所述故障诊断分析结果,获得至少一个第一故障项;
基于所述第一故障项,生成对应故障通知信息,同时,获取所述第一故障项对应的维修策略;
整合所述故障通知信息和所述维修策略,获得适宜的报修信息。
7.如权利要求6所述的一种基于云的故障诊断分析及报修的微服务方法,其特征在于,获取所述第一故障项对应的维修策略,包括:
获取所述第一故障项对应的故障类型,所述故障类型包括:单一故障和组合故障;
当所述第一故障项对应的故障类型为单一故障时,查询预设的故障类型-必要值库,确定所述故障类型对应的第一必要值,若所述第一必要值大于等于预设的第一必要阈值,将对应所述第一故障项作为第二故障项;
当所述第一故障项对应的故障类型为组合故障时,解析所述第一故障项包含的多个子故障类型和所述子故障类型对应的故障权重;
查询所述故障类型-必要值库,确定所述子故障类型对应的第二必要值,同时,赋予所述第二必要值对应所述子故障类型对应的故障权重,获得第三必要值,并与对应所述第一故障项进行关联;
累加计算所述第一故障项关联的所述第三必要值,获得必要值和;
若所述必要值和大于等于预设的第二必要阈值,将对应所述第一故障项作为第二故障项;
获取所述第二故障项对应的多个第一备选维修策略;
随机建立维修模拟组合,所述建立维修模拟组合包括:第二故障项和任一所述第一备选维修策略;
基于预设的维修模拟模型,根据所述维修模拟组合进行维修模拟;
在维修模拟过程中,基于预设的维修效果评价模型,对所述维修模拟过程进行效果评价,获得效果值,并与对应所述维修模拟组合中的所述第一备选维修策略进行关联;
将最大所述效果值关联的所述第一备选维修策略作为所述第二故障项适宜的对应的维修策略;
获取所述第一故障项中除所述第二故障项之外的第三故障项的多个第二备选维修策略;
将任一所述第二备选维修策略作为所述第三故障项适宜的对应的维修策略。
8.如权利要求6所述的一种基于云的故障诊断分析及报修的微服务方法,其特征在于,还包括:
构建外包维修方库,基于所述外包维修方库,确定所述第一故障项适宜的第一外包维修方,调度所述外包维修方对所述第一故障项进行解决。
9.一种基于云的故障诊断分析及报修的微服务系统,其特征在于,包括:
确定模块,用于获取云数据,基于所述云数据,确定适宜的故障诊断分析策略;
采集模块,用于采集大学校园中各个教学设备的运行信息;
诊断分析模块,用于基于所述故障诊断分析策略,对所述运行信息进行故障诊断分析,获得故障诊断分析结果;
报修模块,用于基于所述故障诊断分析结果,确定适宜的报修信息,并发送至对应维修人员终端;
确定模块包括云数据获取单元,云数据获取单元用于:
获取预设的获取规则集,所述获取规则集包括:多个第一获取规则;
获取所述第一获取规则对应的至少一个执行场景和多个第一历史执行记录;
基于预设的执行场景-风险值库,确定所述执行场景对应的第一风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第一风险值,获得第一风险值和;
对所述第一历史执行记录进行预筛选,获得多个第二历史执行记录;
提取所述第二历史执行记录的多个第一特征;
获取预设的执行风险特征库,将所述第一特征与所述执行风险特征库中的第二特征进行匹配,若匹配符合,将匹配符合的所述第二特征作为第三特征;
基于预设的特征-风险值库,确定所述第三特征对应的第二风险值,并与所述第一获取规则进行关联;
累加计算所述第一获取规则关联的所述第二风险值,获得第二风险值和;
若所述第一风险值和大于等于预设的第一风险值和阈值且所述第二风险值和大于等于预设的第二风险值和阈值,剔除对应所述第一获取规则;
当需要剔除的所述第一获取规则均剔除后,将剔除剩余的所述第一获取规则作为第二获取规则;
基于所述第二获取规则,获取目标数据;整合获取的各目标数据,获得云数据,完成获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152045.5A CN114519437B (zh) | 2022-02-18 | 2022-02-18 | 一种基于云的故障诊断分析及报修的微服务方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152045.5A CN114519437B (zh) | 2022-02-18 | 2022-02-18 | 一种基于云的故障诊断分析及报修的微服务方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114519437A CN114519437A (zh) | 2022-05-20 |
CN114519437B true CN114519437B (zh) | 2022-12-27 |
Family
ID=81598139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210152045.5A Active CN114519437B (zh) | 2022-02-18 | 2022-02-18 | 一种基于云的故障诊断分析及报修的微服务方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114519437B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115580635B (zh) * | 2022-09-26 | 2023-06-13 | 广州健新科技有限责任公司 | 一种物联网终端的智能化故障诊断方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256654A (zh) * | 2018-01-02 | 2018-07-06 | 中电长城(长沙)信息技术有限公司 | 一种设备报障和故障诊断方法及系统 |
CN108667927A (zh) * | 2018-05-07 | 2018-10-16 | 山推工程机械股份有限公司 | 工程机械故障的远程管理方法、装置、系统及存储介质 |
CN109635992A (zh) * | 2018-10-22 | 2019-04-16 | 成都万江港利科技股份有限公司 | 一种基于大数据的物联网设备运行分析诊断算法 |
CN111401584A (zh) * | 2020-03-17 | 2020-07-10 | 北京必可测科技股份有限公司 | 一种设备故障自动诊断方法及系统 |
CN112199898A (zh) * | 2020-11-11 | 2021-01-08 | 北京三维天地科技股份有限公司 | 一种基于大数据的仪器设备故障预测与健康管理算法 |
CN114254879A (zh) * | 2021-11-30 | 2022-03-29 | 南方电网数字电网研究院有限公司 | 多传感器信息融合的电力设备安全诊断方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7960934B2 (en) * | 2008-09-23 | 2011-06-14 | Honeywell International Inc. | Fault-tolerant control system |
EP2988181B1 (de) * | 2014-08-19 | 2019-07-03 | Siemens Aktiengesellschaft | Regeleinrichtung mit lernfähiger Fehlerkompensation |
US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
CN107908175B (zh) * | 2017-11-08 | 2020-06-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电力系统现场智能化运维系统 |
CN112346941A (zh) * | 2019-08-08 | 2021-02-09 | 北京国双科技有限公司 | 一种故障诊断方法及装置 |
-
2022
- 2022-02-18 CN CN202210152045.5A patent/CN114519437B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256654A (zh) * | 2018-01-02 | 2018-07-06 | 中电长城(长沙)信息技术有限公司 | 一种设备报障和故障诊断方法及系统 |
CN108667927A (zh) * | 2018-05-07 | 2018-10-16 | 山推工程机械股份有限公司 | 工程机械故障的远程管理方法、装置、系统及存储介质 |
CN109635992A (zh) * | 2018-10-22 | 2019-04-16 | 成都万江港利科技股份有限公司 | 一种基于大数据的物联网设备运行分析诊断算法 |
CN111401584A (zh) * | 2020-03-17 | 2020-07-10 | 北京必可测科技股份有限公司 | 一种设备故障自动诊断方法及系统 |
CN112199898A (zh) * | 2020-11-11 | 2021-01-08 | 北京三维天地科技股份有限公司 | 一种基于大数据的仪器设备故障预测与健康管理算法 |
CN114254879A (zh) * | 2021-11-30 | 2022-03-29 | 南方电网数字电网研究院有限公司 | 多传感器信息融合的电力设备安全诊断方法和装置 |
Non-Patent Citations (2)
Title |
---|
地铁信号系统智能运维方案设计;李聪;《铁道通信信号 》;20190217;第86-90页 * |
基于大数据的智能监测电务故障应急管理研究;范东明;《铁路通信信号工程技术》;20200425;第17卷(第04期);第1-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114519437A (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114519437B (zh) | 一种基于云的故障诊断分析及报修的微服务方法及系统 | |
CN110619466A (zh) | 信息处理方法、装置及存储介质 | |
CN111815169A (zh) | 业务审批参数配置方法及装置 | |
CN111444075B (zh) | 一种自动发现关键影响力指标的方法 | |
CN110738744A (zh) | 一种数据监管方法及装置 | |
CN114742529B (zh) | 一种实验室设备维修管理系统 | |
CN115719283A (zh) | 一种智能化会计管理系统 | |
CN115906337A (zh) | 一种工程结构分段式主余震韧性分析方法及系统 | |
CN116452154B (zh) | 一种适用于通信运营商的项目管理系统 | |
CN114666774B (zh) | 一种蓝牙设备的标识匹配系统及方法 | |
CN108335236A (zh) | 一种房源泄漏经纪人检测方法及装置 | |
CN112419074A (zh) | 一种车险欺诈团伙识别方法及装置 | |
CN113825162B (zh) | 电信网络故障原因定位方法及装置 | |
CN115473740A (zh) | 一种基于异构流程的异常检测方法与系统 | |
CN114564405A (zh) | 一种基于日志监控的测试案例检查方法及系统 | |
CN115599621A (zh) | 微服务异常诊断方法、装置、设备及存储介质 | |
CN113159537A (zh) | 电网新技术项目的评估方法、装置和计算机设备 | |
CN114640604B (zh) | 一种蓝牙设备的无线数据测量系统及方法 | |
CN113112160B (zh) | 一种诊断数据处理方法、诊断数据处理装置及电子设备 | |
CN112163740B (zh) | 基于区块链的维保人员评估结果获取方法和装置 | |
CN113822591A (zh) | 一种智慧消防大数据监督平台 | |
CN116150737B (zh) | 一种软件开发过程中一站式安全测试和管理的方法及系统 | |
CN115410718B (zh) | 一种评估大型面对面调查中调查员误差的方法 | |
KR102209430B1 (ko) | 모바일단말을 이용한 항만시설의 성능기반 리스크 평가 방법 | |
KR102037277B1 (ko) | 모바일단말을 이용한 성능기반 항만시설 리스크 평가 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 |