CN114757590B - 基于大数据分析的企业运营风险预警及管控系统 - Google Patents
基于大数据分析的企业运营风险预警及管控系统 Download PDFInfo
- Publication number
- CN114757590B CN114757590B CN202210668008.XA CN202210668008A CN114757590B CN 114757590 B CN114757590 B CN 114757590B CN 202210668008 A CN202210668008 A CN 202210668008A CN 114757590 B CN114757590 B CN 114757590B
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- network
- early warning
- module
- 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
- G06Q10/06—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
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F16/906—Clustering; Classification
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Telephonic Communication Services (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了基于大数据分析的企业运营风险预警及管控系统,属于企业运营技术领域,包括监测采集模块、云处理服务器、数据分析模块、云数据存储库、风险预警模块和管控指导模块,为了解决不能做出有效地风险预警及管控,导致出现故障的设备不能得到及时地维护,常导致安全事故的发生,其企业运营风险高,企业运营效率低的问题。本发明的基于大数据分析的企业运营风险预警及管控系统,通过风险预警发送单元向移动终端发送预警信息,通过风险预警警报单元发出警报,提醒管理人员,通过应急抢修单元进行应急抢修,通过人员响应单元进行后续的人员维护,使出现故障的设备能得到及时地维护,减少安全事故的发生,降低风险,提高企业运营效率。
Description
技术领域
本发明涉及企业运营技术领域,特别涉及基于大数据分析的企业运营风险预警及管控系统。
背景技术
企业运营模式是网络经济兴起后的一个新热门话题,作为企业生存赢利的关键要素和要素之间的逻辑关系,它决定着一个企业的市场经营成果;从长远来看,能否找到适合企业经营需要的企业运作模式并不断完善决定着一个企业能否有未来。不同的企业运营模式具有不同的赢利潜力和竞争优势,它为企业所带来的竞争优势最终可以归结为能为顾客创造更多的价值。成功的企业运营模式与现存的运营模式相比在本质上是一种创造价值的更好的方法。
公开号为CN113177728A的中国专利公开了一种企业运营及财务风险管控方法;包括有以下步骤:S1、搜集目标企业运行数据;S2、利用卷积神经网络建立企业运营及财务风险管控预警模型,并用样本数据进行训练;S3、将目标企业运行数据输入企业运营及财务风险管控预警模型进行分析,得到预警结果;S4、结合预警结果对企业运营及财务风险进行管控;还包括一种企业运营及财务风险管控系统;经营及财务数据获取模块,经营及财务数据分析模块,权限管理模块,经营及财务风险预警可视化模块;本发明通过可视化的分析工具展现,提升了运营和风险的管理效率,赋能运营和风险实际管理和管控,且包括多个核心和重点指标,但是上述专利存在以下缺陷:
企业内运行的设备出现故障时,不能对其做出有效地风险预警及管控,导致出现故障的设备不能得到及时地维护,常导致安全事故的发生,其企业运营风险高,降低了企业运营效率。
发明内容
本发明的目的在于提供基于大数据分析的企业运营风险预警及管控系统,使出现故障的设备能够得到及时地维护,可减少安全事故的发生,降低风险,提高企业运营效率,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于大数据分析的企业运营风险预警及管控系统,包括监测采集模块、云处理服务器、数据分析模块、云数据存储库、风险预警模块和管控指导模块,所述监测采集模块通过无线网络与云处理服务器按照全双工通信方式进行数据交互,所述云处理服务器的输出端与云数据存储库的输入端电性连接,所述云数据存储库的输出端与数据分析模块的输入端电性连接,所述数据分析模块与云处理服务器双向电性连接,所述云处理服务器的输出端与风险预警模块的输入端电性连接,所述云处理服务器的输出端还与管控指导模块的输入端电性连接。
进一步地,所述监测采集模块用于实时监测采集企业内运行设备状态,使设备状态能够被管理人员实时地了解;云处理服务器为整个企业运营风险预警及管控系统的核心,用于及时地处理监测采集的数据,且针对采集的数据进行管控服务;数据分析模块用于对监测采集的数据进行详细地分析,判断实时监测采集的数据是否超过设定的预警阈值,判断运行设备是否存在安全隐患;云数据存储库用于存储实时监测采集的运行设备的状态数据及设备处于正常运行状态下的预警阈值;风险预警模块用于对存在风险的运行设备进行预警,避免安全事故的发生;管控指导模块用于对存在风险的运行设备进行管控指导,其中企业运营风险预警及管控系统的风险预警及管控方法包括如下步骤:
S1:通过监测采集模块对企业内运行的设备状态进行实时地监测采集,且将监测采集的设备状态数据传送给云处理服务器,云处理服务器接收数据后向数据分析模块传送指令,通过数据分析模块对数据进行详细地分析;
S2:经过数据分析模块分析后,若实时监测采集的数据超过设定的预警阈值,则云处理服务器向风险预警模块和管控指导模块传送指令,通过风险预警模块对存在风险的运行设备进行预警且通过管控指导模块对存在风险的运行设备进行管控指导;
S3:经过数据分析模块分析后,若实时监测采集的数据未超过设定的预警阈值,则说明运行设备处于正常的运行状态,且通过监测采集模块继续对企业内运行的设备状态进行实时地监测采集。
进一步地,所述监测采集模块包括温度传感器、湿度传感器、位置传感器、速度传感器和视频采集器,所述温度传感器、湿度传感器、位置传感器、速度传感器和视频采集器的输出端均与云处理服务器的输入端电性连接,所述温度传感器、湿度传感器、位置传感器、速度传感器和视频采集器实时采集设备状态数据后,通过数据分析模块对这些设备状态数据进行详细地分析,判断实时监测采集的数据是否超过设定的预警阈值,判断运行设备是否存在安全隐患。
进一步地,所述云处理服务器包括数据收发单元、数据处理单元、数据转化单元和执行发送单元,所述数据收发单元的输出端与数据处理单元的输入端电性连接,所述数据处理单元的输出端与数据转化单元的输入端电性连接,所述数据转化单元的输出端与执行发送单元的输入端电性连接,其中数据收发单元用于收发数据;数据处理单元用于处理数据;数据转化单元用于转化数据;执行发送单元用于执行发送指令;
数据收发单元接收来自于监测采集模块实时监测采集的设备状态数据后,将其接收的设备状态数据传送给数据处理单元,通过数据处理单元对设备状态数据进行加工处理,从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于管理人员来说是有价值、有意义的设备状态数据,且将有价值、有意义的设备状态数据传送给数据转化单元,通过数据转化单元对设备状态数据进行转化,使其成为数据分析模块能够快速识别的数据信息,数据转化后,通过执行发送单元执行发送指令,进行后续相应的企业运营风险预警及管控操作。
进一步地,所述数据分析模块包括数据提取单元、数据解析单元、数据索引单元和数据比对单元,所述数据提取单元的输出端与数据解析单元的输入端电性连接,所述数据解析单元的输出端与数据索引单元的输入端电性连接,所述数据索引单元的输出端与数据比对单元的输入端电性连接,其中数据提取单元用于提取数据;数据解析单元用于解析数据;数据索引单元用于索引数据;数据比对单元用于比对数据。
进一步地,所述数据分析方法包括如下步骤:
S11:通过数据提取单元从转化后的设备状态数据中快速提取出来所需要的信息,加快数据分析速度;
S12:将数据解析单元与数据提取单元建立网络连接,通过数据解析单元对快速提取的数据信息进行解析;
S13:将数据索引单元与数据解析单元建立网络连接,通过数据索引单元对解析后的数据信息进行索引;
S14:将数据比对单元与数据索引单元建立网络连接,通过数据比对单元对索引后的数据信息进行比对,且将比对结果反馈给云处理服务器。
进一步地,所述云数据存储库包括采集存储单元和预警存储单元,所述采集存储单元和预警存储单元的输出端均与数据分析模块的输入端电性连接,其中采集存储单元用于存储实时监测采集的运行设备的状态数据;预警存储单元用于存储设备处于正常运行状态下的预警阈值。
进一步地,所述风险预警模块包括风险预警发送单元和风险预警警报单元,所述风险预警发送单元的输出端与风险预警接收单元的输入端电性连接,所述风险预警接收单元内置在移动终端上,经过数据分析模块分析后,若实时监测采集的数据超过设定的预警阈值,通过风险预警发送单元向移动终端发送预警信息,且通过风险预警警报单元发出警报,提醒管理人员。
进一步地,所述风险预警模块向移动终端发送预警信息的方式包括信息或电话。
进一步地,所述管控指导模块包括故障指引单元、类别划分单元、应急抢修单元和人员响应单元,所述故障指引单元的输出端与类别划分单元的输入端电性连接,所述类别划分单元的输出端与应急抢修单元的输入端电性连接,所述应急抢修单元的输出端与人员响应单元的输入端电性连接,其中通过故障指引单元对设备出现的故障进行指引,确定故障原因,通过类别划分单元且参照故障原因划分故障类型,根据故障类型,通过应急抢修单元进行应急抢修,且通过人员响应单元进行后续的人员维护。
进一步的,S1中数据分析模块对数据进行详细地分析,包括:
获取所述设备状态数据以及每一设备状态数据对应的设备属性;
根据所述设备属性对所述设备状态数据进行分类,生成数据簇;
根据所述设备属性分别获取每一数据簇对应的数据属性;
根据所述数据簇的总数建立对应的分析序列,并将所述数据簇放置在所述分析序列上;
运行每一分析序列生成对应的数据分析结果,建立序列-结果列表;
根据每一数据簇对应的数据属性获取每一分析序列的结果属性;
利用所述结果属性生成属性标准链,同时基于所述序列-结果列表生成属性对照链;
利用所述属性标准链,提取所述属性对照链上的非正常链点;
将所述非正常链点对应的数据簇投射到映射域中进行数据映射,获取每一状态数据的单位数据元素;
获取同一状态数据下相邻两个单位数据元素的逻辑关系,分析该状态数据的逻辑连贯度;
提取逻辑分裂的缺陷状态数据,并获取所述缺陷状态数据的缺陷方式;
获取所述缺陷状态数据对应的缺陷设备属性,建立缺陷设备模型;
利用所述缺陷方式调节所述缺陷设备模型,分析所述缺陷设备的运行风险;
若所述缺陷设备的数量不为1,根据获取多个缺陷设备的连接关系,将对应的缺陷设备模型进行连接,生成缺陷模型群;
获取所述缺陷模型群中每一缺陷模型对应的运行风险,生成群运行风险
分析所述运行风险/群运行风险的风险等级,生成反馈信息传输到所述云处理服务器。
进一步地,所述云处理服务器还用于评估出监测采集模块与自身的网络态势并进行网络加固,其步骤包括:
获取所述监测采集模块的多个工作节点,检测每个工作节点在传输数据过程中的第一网络流量变动情况以及监测采集模块在传输数据过程中的第二网络流量变动情况;
根据所述第一网络流量变动情况和第二网络流量变动情况确定每个工作节点的网络输入和网络输出对应的权重值;
检测每个工作节点在传输数据过程中的平均网络输入值和网络输出值,根据所述网络输入值和网络输出值以及每个工作节点的网络输入和网络输出对应的权重值计算出监测采集模块数据传输稳定性指数:
其中,F表示为监测采集模块数据传输稳定性指数,a表示为监测采集模块的预设网络偏置,N表示为工作节点的数量,i表示为第i个工作节点,表示为第i个工作节点的平均网络输入值,表示为第i个工作节点的平均网络输出值,e表示为自然常数,取值为2.72,表示为第i个工作节点的网络输入的权重值,表示为第i个工作节点的网络输出的权重值,表示为第i个工作节点的性能指数,表示为监测采集模块的网络惩罚系数,表示为监测采集模块的网络增益;
将监测采集模块数据传输稳定性指数与预设阈值进行比较,若所述数据传输稳定性指数大于等于预设阈值,确认云处理服务器与监测采集模块之间的网络态势安全,否则,确认云处理服务器与监测采集模块之间的网络态势不安全;
当确认云处理服务器与监测采集模块之间的网络态势不安全时,检测所述监测采集模块的网络漏洞信息,根据所述网络漏洞信息确定网络威胁因子;
获取所述监测采集模块的网络环境因子和网络状态因子;
根据所述网络威胁因子、网络环境因子和网络状态因子计算出监测采集模块的综合网络态势值:
其中,D表示监测采集模块的综合网络态势值,表示为网络威胁因子,表示为网络威胁因子在综合网络态势值计算结果中对应的第一加权系数,表示为网络威胁因子对于监测采集模块数据传输的第一影响系数,表示为网络环境因子,表示为网络环境因子在综合网络态势值计算结果中对应的第二加权系数,表示为网络环境因子对于监测采集模块数据传输的第二影响系数,表示为网络状态因子,表示为网络状态因子在综合网络态势值计算结果中对应的第三加权系数,表示为网络状态因子对于监测采集模块数据传输的第三影响系数,表示为监测采集模块的服务效率,log表示为对数,表示为监测采集模块的自身防漏洞安全系数,取值范围为(0.6,0.9);
确认所述监测采集模块的综合网络态势值的所处目标区间,根据所述所处目标区间确定对于监测采集模块与云处理服务器的目标网络加固方式;
通过所述目标网络加固方式对监测采集模块与云处理服务器的通信网络进行网络加固。
与现有技术相比,本发明的有益效果是:
本发明的基于大数据分析的企业运营风险预警及管控系统,通过监测采集模块对企业内运行的设备状态进行实时地监测采集,且将监测采集的设备状态数据传送给云处理服务器,云处理服务器接收数据后向数据分析模块传送指令,通过数据分析模块对数据进行详细地分析,经过数据分析模块分析后,若实时监测采集的数据超过设定的预警阈值,则云处理服务器向风险预警模块和管控指导模块传送指令,通过风险预警发送单元向移动终端发送预警信息,通过风险预警警报单元发出警报,提醒管理人员,同时通过故障指引单元对设备出现的故障进行指引,确定故障原因,通过类别划分单元且参照故障原因划分故障类型,根据故障类型,通过应急抢修单元进行应急抢修,且通过人员响应单元进行后续的人员维护,使出现故障的设备能够得到及时地维护,可减少安全事故的发生,降低风险,提高企业运营效率。
附图说明
图1为本发明的企业运营风险预警及管控系统的结构图;
图2为本发明的企业运营风险预警及管控方法的流程图;
图3为本发明的企业运营风险预警及管控方法的算法图;
图4为本发明的企业运营风险预警及管控系统的结构图;
图5为本发明的数据分析方法的流程图;
图6为本发明的企业运营风险预警及管控系统的模块图。
图中:1、监测采集模块;11、温度传感器;12、湿度传感器;13、位置传感器;14、速度传感器;15、视频采集器;2、云处理服务器;21、数据收发单元;22、数据处理单元;23、数据转化单元;24、执行发送单元;3、数据分析模块;31、数据提取单元;32、数据解析单元;33、数据索引单元;34、数据比对单元;4、云数据存储库;41、采集存储单元;42、预警存储单元;5、风险预警模块;51、风险预警发送单元;52、风险预警警报单元;6、管控指导模块;61、故障指引单元;62、类别划分单元;63、应急抢修单元;64、人员响应单元;7、移动终端;71、风险预警接收单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,基于大数据分析的企业运营风险预警及管控系统,包括监测采集模块1、云处理服务器2、数据分析模块3、云数据存储库4、风险预警模块5和管控指导模块6,监测采集模块1通过无线网络与云处理服务器2按照全双工通信方式进行数据交互,云处理服务器2的输出端与云数据存储库4的输入端电性连接,云数据存储库4的输出端与数据分析模块3的输入端电性连接,数据分析模块3与云处理服务器2双向电性连接,云处理服务器2的输出端与风险预警模块5的输入端电性连接,云处理服务器2的输出端还与管控指导模块6的输入端电性连接。
监测采集模块1用于实时监测采集企业内运行设备状态,使设备状态能够被管理人员实时地了解;云处理服务器2为整个企业运营风险预警及管控系统的核心,用于及时地处理监测采集的数据,且针对采集的数据进行管控服务;数据分析模块3用于对监测采集的数据进行详细地分析,判断实时监测采集的数据是否超过设定的预警阈值,判断运行设备是否存在安全隐患;云数据存储库4用于存储实时监测采集的运行设备的状态数据及设备处于正常运行状态下的预警阈值;风险预警模块5用于对存在风险的运行设备进行预警,避免安全事故的发生;管控指导模块6用于对存在风险的运行设备进行管控指导,其中企业运营风险预警及管控系统的风险预警及管控方法步骤如图2所示,包括如下步骤:
S1:通过监测采集模块1对企业内运行的设备状态进行实时地监测采集,且将监测采集的设备状态数据传送给云处理服务器2,云处理服务器2接收数据后向数据分析模块3传送指令,通过数据分析模块3对数据进行详细地分析;
S2:经过数据分析模块3分析后,若实时监测采集的数据超过设定的预警阈值,则云处理服务器2向风险预警模块5和管控指导模块6传送指令,通过风险预警模块5对存在风险的运行设备进行预警且通过管控指导模块6对存在风险的运行设备进行管控指导;
S3:经过数据分析模块3分析后,若实时监测采集的数据未超过设定的预警阈值,则说明运行设备处于正常的运行状态,且通过监测采集模块1继续对企业内运行的设备状态进行实时地监测采集。
参阅图3-图4,监测采集模块1包括温度传感器11、湿度传感器12、位置传感器13、速度传感器14和视频采集器15,温度传感器11、湿度传感器12、位置传感器13、速度传感器14和视频采集器15的输出端均与云处理服务器2的输入端电性连接,温度传感器11、湿度传感器12、位置传感器13、速度传感器14和视频采集器15实时采集设备状态数据后,通过数据分析模块3对这些设备状态数据进行详细地分析,判断实时监测采集的数据是否超过设定的预警阈值,判断运行设备是否存在安全隐患。
云处理服务器2包括数据收发单元21、数据处理单元22、数据转化单元23和执行发送单元24,数据收发单元21的输出端与数据处理单元22的输入端电性连接,数据处理单元22的输出端与数据转化单元23的输入端电性连接,数据转化单元23的输出端与执行发送单元24的输入端电性连接,其中数据收发单元21用于收发数据;数据处理单元22用于处理数据;数据转化单元23用于转化数据;执行发送单元24用于执行发送指令;
数据收发单元21接收来自于监测采集模块1实时监测采集的设备状态数据后,将其接收的设备状态数据传送给数据处理单元22,通过数据处理单元22对设备状态数据进行加工处理,从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于管理人员来说是有价值、有意义的设备状态数据,且将有价值、有意义的设备状态数据传送给数据转化单元23,通过数据转化单元23对设备状态数据进行转化,使其成为数据分析模块3能够快速识别的数据信息,数据转化后,通过执行发送单元24执行发送指令,进行后续相应的企业运营风险预警及管控操作。
数据分析模块3包括数据提取单元31、数据解析单元32、数据索引单元33和数据比对单元34,数据提取单元31的输出端与数据解析单元32的输入端电性连接,数据解析单元32的输出端与数据索引单元33的输入端电性连接,数据索引单元33的输出端与数据比对单元34的输入端电性连接,其中数据提取单元31用于提取数据;数据解析单元32用于解析数据;数据索引单元33用于索引数据;数据比对单元34用于比对数据。
参阅图5,数据分析方法包括如下步骤:
S11:通过数据提取单元31从转化后的设备状态数据中快速提取出来所需要的信息,加快数据分析速度;
S12:将数据解析单元32与数据提取单元31建立网络连接,通过数据解析单元32对快速提取的数据信息进行解析;
S13:将数据索引单元33与数据解析单元32建立网络连接,通过数据索引单元33对解析后的数据信息进行索引;
S14:将数据比对单元34与数据索引单元33建立网络连接,通过数据比对单元34对索引后的数据信息进行比对,且将比对结果反馈给云处理服务器2。
云数据存储库4包括采集存储单元41和预警存储单元42,采集存储单元41和预警存储单元42的输出端均与数据分析模块3的输入端电性连接,其中采集存储单元41用于存储实时监测采集的运行设备的状态数据;预警存储单元42用于存储设备处于正常运行状态下的预警阈值。
风险预警模块5包括风险预警发送单元51和风险预警警报单元52,风险预警发送单元51的输出端与风险预警接收单元71的输入端电性连接,风险预警接收单元71内置在移动终端7上,经过数据分析模块3分析后,若实时监测采集的数据超过设定的预警阈值,通过风险预警发送单元51向移动终端7发送预警信息,且通过风险预警警报单元52发出警报,提醒管理人员,风险预警模块5向移动终端7发送预警信息的方式包括信息或电话。
参阅图6,管控指导模块6包括故障指引单元61、类别划分单元62、应急抢修单元63和人员响应单元64,故障指引单元61的输出端与类别划分单元62的输入端电性连接,类别划分单元62的输出端与应急抢修单元63的输入端电性连接,应急抢修单元63的输出端与人员响应单元64的输入端电性连接,其中通过故障指引单元61对设备出现的故障进行指引,确定故障原因,通过类别划分单元62且参照故障原因划分故障类型,根据故障类型,通过应急抢修单元63进行应急抢修,且通过人员响应单元64进行后续的人员维护。
综上所述,本发明的基于大数据分析的企业运营风险预警及管控系统,通过监测采集模块1对企业内运行的设备状态进行实时地监测采集,且将监测采集的设备状态数据传送给云处理服务器2,云处理服务器2接收数据后向数据分析模块3传送指令,通过数据分析模块3对数据进行详细地分析,经过数据分析模块3分析后,若实时监测采集的数据超过设定的预警阈值,则云处理服务器2向风险预警模块5和管控指导模块6传送指令,通过风险预警发送单元51向移动终端7发送预警信息,通过风险预警警报单元52发出警报,提醒管理人员,同时通过故障指引单元61对设备出现的故障进行指引,确定故障原因,通过类别划分单元62且参照故障原因划分故障类型,根据故障类型,通过应急抢修单元63进行应急抢修,且通过人员响应单元64进行后续的人员维护,使出现故障的设备能够得到及时地维护,可减少安全事故的发生,降低风险,提高企业运营效率。
在一个实例中,S1中数据分析模块3对数据进行详细地分析,包括:
获取所述设备状态数据以及每一设备状态数据对应的设备属性;
根据所述设备属性对所述设备状态数据进行分类,生成数据簇;
根据所述设备属性分别获取每一数据簇对应的数据属性;
根据所述数据簇的总数建立对应的分析序列,并将所述数据簇放置在所述分析序列上;
运行每一分析序列生成对应的数据分析结果,建立序列-结果列表;
根据每一数据簇对应的数据属性获取每一分析序列的结果属性;
利用所述结果属性生成属性标准链,同时基于所述序列-结果列表生成属性对照链;
利用所述属性标准链,提取所述属性对照链上的非正常链点;
将所述非正常链点对应的数据簇投射到映射域中进行数据映射,获取每一状态数据的单位数据元素;
获取同一状态数据下相邻两个单位数据元素的逻辑关系,分析该状态数据的逻辑连贯度;
提取逻辑分裂的缺陷状态数据,并获取所述缺陷状态数据的缺陷方式;
获取所述缺陷状态数据对应的缺陷设备属性,建立缺陷设备模型;
利用所述缺陷方式调节所述缺陷设备模型,分析所述缺陷设备的运行风险;
若所述缺陷设备的数量不为1,根据获取多个缺陷设备的连接关系,将对应的缺陷设备模型进行连接,生成缺陷模型群;
获取所述缺陷模型群中每一缺陷模型对应的运行风险,生成群运行风险
分析所述运行风险/群运行风险的风险等级,生成反馈信息传输到所述云处理服务器2。
该实例中,设备属性表示不同设备的基本属性;
该实例中,数据簇表示多个设备状态数据的合集,且每一个数据簇中设备状态数据的数量不尽相同;
该实例中,分析序列表示运行数据簇的载体;
该实例中,序列-结果列表表示每一个分析序列与其分析结果的对应;
该实例中,非正常链点表示属性异常的点;
该实例中,单位数据元素表示状态数据中包含的最小数据段。
上述技术方案的工作原理:获取设备状态数据以及其对应的设备属性,然后根据设备属性对将设备状态数据分为若干个数据簇,并为每一数据簇建立对应的数据属性,然后根据数据簇的总数建立对应的分析序列,通过运行分析序列生成数据分析结果,建立序列-结果列表,根据每一数据簇对应的数据属性获取每一分析序列的结果属性生成属性标准链,同时利用序列-结果列表生成属性对照链,提取所述属性对照链上的非正常链点,将非正常链点对应的数据簇投射到映射域中进行数据映射,获取每一状态数据的单位数据元素,根据相邻两个单位数据元素的逻辑关系,分析该状态数据的逻辑连贯度,然后提取逻辑分裂的缺陷状态数据以及其缺陷方式,建立缺陷设备模型,分析所述缺陷设备的运行风险,若存在缺陷设备不为1的特殊情况生成缺陷模型群,生成群运行风险,分析运行风险/群运行风险的风险等级,生成反馈信息传输到云处理服务器等待下一步处理。
上述技术方案的有益效果:为了分析设备是否合法需要对设备状态数据进行分析,为了有条理的分析设备状态数据,先根据设备状态数据的数据属性生成多个数据簇,对数据簇进行逐一分析,分析每一条设备状态数据的是否含有缺陷,根据其缺陷类型建立缺陷模型,通过分析模型生成运行风险,然后反馈给云处理服务器,为后续处理提供了精确的数据信息以及风险信息,加快了后续工作的速度。
在一个实施例中,所述云处理服务器2还用于评估出监测采集模块1与自身的网络态势并进行网络加固,其步骤包括:
获取所述监测采集模块1的多个工作节点,检测每个工作节点在传输数据过程中的第一网络流量变动情况以及监测采集模块1在传输数据过程中的第二网络流量变动情况;
根据所述第一网络流量变动情况和第二网络流量变动情况确定每个工作节点的网络输入和网络输出对应的权重值;
检测每个工作节点在传输数据过程中的平均网络输入值和网络输出值,根据所述网络输入值和网络输出值以及每个工作节点的网络输入和网络输出对应的权重值计算出监测采集模块1数据传输稳定性指数:
其中,F表示为监测采集模块1数据传输稳定性指数,a表示为监测采集模块1的预设网络偏置,N表示为工作节点的数量,i表示为第i个工作节点,表示为第i个工作节点的平均网络输入值,表示为第i个工作节点的平均网络输出值,e表示为自然常数,取值为2.72,表示为第i个工作节点的网络输入的权重值,表示为第i个工作节点的网络输出的权重值,表示为第i个工作节点的性能指数,表示为监测采集模块1的网络惩罚系数,表示为监测采集模块1的网络增益;
将监测采集模块1数据传输稳定性指数与预设阈值进行比较,若所述数据传输稳定性指数大于等于预设阈值,确认云处理服务器2与监测采集模块1之间的网络态势安全,否则,确认云处理服务器2与监测采集模块1之间的网络态势不安全;
当确认云处理服务器2与监测采集模块1之间的网络态势不安全时,检测所述监测采集模块1的网络漏洞信息,根据所述网络漏洞信息确定网络威胁因子;
获取所述监测采集模块1的网络环境因子和网络状态因子;
根据所述网络威胁因子、网络环境因子和网络状态因子计算出监测采集模块1的综合网络态势值:
其中,D表示监测采集模块1的综合网络态势值,表示为网络威胁因子,表示为网络威胁因子在综合网络态势值计算结果中对应的第一加权系数,表示为网络威胁因子对于监测采集模块1数据传输的第一影响系数,表示为网络环境因子,表示为网络环境因子在综合网络态势值计算结果中对应的第二加权系数,表示为网络环境因子对于监测采集模块1数据传输的第二影响系数,表示为网络状态因子,表示为网络状态因子在综合网络态势值计算结果中对应的第三加权系数,表示为网络状态因子对于监测采集模块1数据传输的第三影响系数,表示为监测采集模块1的服务效率,log表示为对数,表示为监测采集模块1的自身防漏洞安全系数,取值范围为(0.6,0.9);
确认所述监测采集模块1的综合网络态势值的所处目标区间,根据所述所处目标区间确定对于监测采集模块1与云处理服务器2的目标网络加固方式;
通过所述目标网络加固方式对监测采集模块1与云处理服务器2的通信网络进行网络加固。
上述技术方案的有益效果为:通过计算监测采集模块数据传输稳定性指数既可以有效地确定其数据传输效率又可以间接地确定其网络安全态势是否安全,提高了实用性,进一步地,通过计算监测采集模块的综合网络态势值并选择适配的网络加固方式即可以保证对于监测采集模块与云处理服务器之间的网络加固效率同时还可以保证加固结果的稳定性,进一步地提高了实用性和稳定性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.基于大数据分析的企业运营风险预警及管控系统,包括监测采集模块(1)、云处理服务器(2)、数据分析模块(3)、云数据存储库(4)、风险预警模块(5)和管控指导模块(6),其特征在于,所述监测采集模块(1)通过无线网络与云处理服务器(2)按照全双工通信方式进行数据交互,所述云处理服务器(2)的输出端与云数据存储库(4)的输入端电性连接,所述云数据存储库(4)的输出端与数据分析模块(3)的输入端电性连接,所述数据分析模块(3)与云处理服务器(2)双向电性连接,所述云处理服务器(2)的输出端与风险预警模块(5)的输入端电性连接,所述云处理服务器(2)的输出端还与管控指导模块(6)的输入端电性连接;
所述监测采集模块(1)用于实时监测采集企业内运行设备状态,使设备状态能够被管理人员实时地了解;云处理服务器(2)为整个企业运营风险预警及管控系统的核心,用于及时地处理监测采集的数据,且针对采集的数据进行管控服务;数据分析模块(3)用于对监测采集的数据进行详细地分析,判断实时监测采集的数据是否超过设定的预警阈值,判断运行设备是否存在安全隐患;云数据存储库(4)用于存储实时监测采集的运行设备的状态数据及设备处于正常运行状态下的预警阈值;风险预警模块(5)用于对存在风险的运行设备进行预警,避免安全事故的发生;管控指导模块(6)用于对存在风险的运行设备进行管控指导,其中企业运营风险预警及管控系统的风险预警及管控方法包括如下步骤:
S1:通过监测采集模块(1)对企业内运行的设备状态进行实时地监测采集,且将监测采集的设备状态数据传送给云处理服务器(2),云处理服务器(2)接收数据后向数据分析模块(3)传送指令,通过数据分析模块(3)对数据进行详细地分析;
S2:经过数据分析模块(3)分析后,若实时监测采集的数据超过设定的预警阈值,则云处理服务器(2)向风险预警模块(5)和管控指导模块(6)传送指令,通过风险预警模块(5)对存在风险的运行设备进行预警且通过管控指导模块(6)对存在风险的运行设备进行管控指导;
S3:经过数据分析模块(3)分析后,若实时监测采集的数据未超过设定的预警阈值,则说明运行设备处于正常的运行状态,且通过监测采集模块(1)继续对企业内运行的设备状态进行实时地监测采集;
S1中数据分析模块(3)对数据进行详细地分析,包括:
获取所述设备状态数据以及每一设备状态数据对应的设备属性;
根据所述设备属性对所述设备状态数据进行分类,生成数据簇;
根据所述设备属性分别获取每一数据簇对应的数据属性;
根据所述数据簇的总数建立对应的分析序列,并将所述数据簇放置在所述分析序列上;
运行每一分析序列生成对应的数据分析结果,建立序列-结果列表;
根据每一数据簇对应的数据属性获取每一分析序列的结果属性;
利用所述结果属性生成属性标准链,同时基于所述序列-结果列表生成属性对照链;
利用所述属性标准链,提取所述属性对照链上的非正常链点;
将所述非正常链点对应的数据簇投射到映射域中进行数据映射,获取每一状态数据的单位数据元素;
获取同一状态数据下相邻两个单位数据元素的逻辑关系,分析该状态数据的逻辑连贯度;
提取逻辑分裂的缺陷状态数据,并获取所述缺陷状态数据的缺陷方式;
获取所述缺陷状态数据对应的缺陷设备属性,建立缺陷设备模型;
利用所述缺陷方式调节所述缺陷设备模型,分析所述缺陷设备的运行风险;
若所述缺陷设备的数量不为1,根据获取多个缺陷设备的连接关系,将对应的缺陷设备模型进行连接,生成缺陷模型群;
获取所述缺陷模型群中每一缺陷模型对应的运行风险,生成群运行风险
分析所述运行风险/群运行风险的风险等级,生成反馈信息传输到所述云处理服务器(2)。
2.如权利要求1所述的基于大数据分析的企业运营风险预警及管控系统,其特征在于,所述监测采集模块(1)包括温度传感器(11)、湿度传感器(12)、位置传感器(13)、速度传感器(14)和视频采集器(15),所述温度传感器(11)、湿度传感器(12)、位置传感器(13)、速度传感器(14)和视频采集器(15)的输出端均与云处理服务器(2)的输入端电性连接,所述温度传感器(11)、湿度传感器(12)、位置传感器(13)、速度传感器(14)和视频采集器(15)实时采集设备状态数据后,通过数据分析模块(3)对这些设备状态数据进行详细地分析,判断实时监测采集的数据是否超过设定的预警阈值,判断运行设备是否存在安全隐患。
3.如权利要求1所述的基于大数据分析的企业运营风险预警及管控系统,其特征在于,所述云处理服务器(2)包括数据收发单元(21)、数据处理单元(22)、数据转化单元(23)和执行发送单元(24),所述数据收发单元(21)的输出端与数据处理单元(22)的输入端电性连接,所述数据处理单元(22)的输出端与数据转化单元(23)的输入端电性连接,所述数据转化单元(23)的输出端与执行发送单元(24)的输入端电性连接,其中数据收发单元(21)用于收发数据;数据处理单元(22)用于处理数据;数据转化单元(23)用于转化数据;执行发送单元(24)用于执行发送指令;
数据收发单元(21)接收来自于监测采集模块(1)实时监测采集的设备状态数据后,将其接收的设备状态数据传送给数据处理单元(22),通过数据处理单元(22)对设备状态数据进行加工处理,从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于管理人员来说是有价值、有意义的设备状态数据,且将有价值、有意义的设备状态数据传送给数据转化单元(23),通过数据转化单元(23)对设备状态数据进行转化,使其成为数据分析模块(3)能够快速识别的数据信息,数据转化后,通过执行发送单元(24)执行发送指令,进行后续相应的企业运营风险预警及管控操作。
4.如权利要求1所述的基于大数据分析的企业运营风险预警及管控系统,其特征在于,所述数据分析模块(3)包括数据提取单元(31)、数据解析单元(32)、数据索引单元(33)和数据比对单元(34),所述数据提取单元(31)的输出端与数据解析单元(32)的输入端电性连接,所述数据解析单元(32)的输出端与数据索引单元(33)的输入端电性连接,所述数据索引单元(33)的输出端与数据比对单元(34)的输入端电性连接,其中数据提取单元(31)用于提取数据;数据解析单元(32)用于解析数据;数据索引单元(33)用于索引数据;数据比对单元(34)用于比对数据;
数据分析方法包括如下步骤:
S11:通过数据提取单元(31)从转化后的设备状态数据中快速提取出来所需要的信息,加快数据分析速度;
S12:将数据解析单元(32)与数据提取单元(31)建立网络连接,通过数据解析单元(32)对快速提取的数据信息进行解析;
S13:将数据索引单元(33)与数据解析单元(32)建立网络连接,通过数据索引单元(33)对解析后的数据信息进行索引;
S14:将数据比对单元(34)与数据索引单元(33)建立网络连接,通过数据比对单元(34)对索引后的数据信息进行比对,且将比对结果反馈给云处理服务器(2)。
5.如权利要求1所述的基于大数据分析的企业运营风险预警及管控系统,其特征在于,所述云数据存储库(4)包括采集存储单元(41)和预警存储单元(42),所述采集存储单元(41)和预警存储单元(42)的输出端均与数据分析模块(3)的输入端电性连接,其中采集存储单元(41)用于存储实时监测采集的运行设备的状态数据;预警存储单元(42)用于存储设备处于正常运行状态下的预警阈值。
6.如权利要求1所述的基于大数据分析的企业运营风险预警及管控系统,其特征在于,所述风险预警模块(5)包括风险预警发送单元(51)和风险预警警报单元(52),所述风险预警发送单元(51)的输出端与风险预警接收单元(71)的输入端电性连接,所述风险预警接收单元(71)内置在移动终端(7)上,经过数据分析模块(3)分析后,若实时监测采集的数据超过设定的预警阈值,通过风险预警发送单元(51)向移动终端(7)发送预警信息,且通过风险预警警报单元(52)发出警报,提醒管理人员,所述风险预警模块(5)向移动终端(7)发送预警信息的方式包括信息或电话。
7.如权利要求1所述的基于大数据分析的企业运营风险预警及管控系统,其特征在于,所述管控指导模块(6)包括故障指引单元(61)、类别划分单元(62)、应急抢修单元(63)和人员响应单元(64),所述故障指引单元(61)的输出端与类别划分单元(62)的输入端电性连接,所述类别划分单元(62)的输出端与应急抢修单元(63)的输入端电性连接,所述应急抢修单元(63)的输出端与人员响应单元(64)的输入端电性连接,其中通过故障指引单元(61)对设备出现的故障进行指引,确定故障原因,通过类别划分单元(62)且参照故障原因划分故障类型,根据故障类型,通过应急抢修单元(63)进行应急抢修,且通过人员响应单元(64)进行后续的人员维护。
8.如权利要求1所述的基于大数据分析的企业运营风险预警及管控系统,其特征在于,所述云处理服务器(2)还用于评估出监测采集模块(1)与自身的网络态势并进行网络加固,其步骤包括:
获取所述监测采集模块(1)的多个工作节点,检测每个工作节点在传输数据过程中的第一网络流量变动情况以及监测采集模块(1)在传输数据过程中的第二网络流量变动情况;
根据所述第一网络流量变动情况和第二网络流量变动情况确定每个工作节点的网络输入和网络输出对应的权重值;
检测每个工作节点在传输数据过程中的平均网络输入值和网络输出值,根据所述网络输入值和网络输出值以及每个工作节点的网络输入和网络输出对应的权重值计算出监测采集模块(1)数据传输稳定性指数:
其中,F表示为监测采集模块(1)数据传输稳定性指数,a表示为监测采集模块(1)的预设网络偏置,N表示为工作节点的数量,i表示为第i个工作节点,表示为第i个工作节点的平均网络输入值,表示为第i个工作节点的平均网络输出值,e表示为自然常数,取值为2.72,表示为第i个工作节点的网络输入的权重值,表示为第i个工作节点的网络输出的权重值,表示为第i个工作节点的性能指数,表示为监测采集模块(1)的网络惩罚系数,表示为监测采集模块(1)的网络增益;
将监测采集模块(1)数据传输稳定性指数与预设阈值进行比较,若所述数据传输稳定性指数大于等于预设阈值,确认云处理服务器(2)与监测采集模块(1)之间的网络态势安全,否则,确认云处理服务器(2)与监测采集模块(1)之间的网络态势不安全;
当确认云处理服务器(2)与监测采集模块(1)之间的网络态势不安全时,检测所述监测采集模块(1)的网络漏洞信息,根据所述网络漏洞信息确定网络威胁因子;
获取所述监测采集模块(1)的网络环境因子和网络状态因子;
根据所述网络威胁因子、网络环境因子和网络状态因子计算出监测采集模块(1)的综合网络态势值:
其中,D表示监测采集模块(1)的综合网络态势值,表示为网络威胁因子,表示为网络威胁因子在综合网络态势值计算结果中对应的第一加权系数,表示为网络威胁因子对于监测采集模块(1)数据传输的第一影响系数,表示为网络环境因子,表示为网络环境因子在综合网络态势值计算结果中对应的第二加权系数,表示为网络环境因子对于监测采集模块(1)数据传输的第二影响系数,表示为网络状态因子,表示为网络状态因子在综合网络态势值计算结果中对应的第三加权系数,表示为网络状态因子对于监测采集模块(1)数据传输的第三影响系数,表示为监测采集模块(1)的服务效率,log表示为对数,表示为监测采集模块(1)的自身防漏洞安全系数,取值范围为(0.6,0.9);
确认所述监测采集模块(1)的综合网络态势值的所处目标区间,根据所述所处目标区间确定对于监测采集模块(1)与云处理服务器(2)的目标网络加固方式;
通过所述目标网络加固方式对监测采集模块(1)与云处理服务器(2)的通信网络进行网络加固。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668008.XA CN114757590B (zh) | 2022-06-14 | 2022-06-14 | 基于大数据分析的企业运营风险预警及管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668008.XA CN114757590B (zh) | 2022-06-14 | 2022-06-14 | 基于大数据分析的企业运营风险预警及管控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114757590A CN114757590A (zh) | 2022-07-15 |
CN114757590B true CN114757590B (zh) | 2022-09-02 |
Family
ID=82336946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210668008.XA Active CN114757590B (zh) | 2022-06-14 | 2022-06-14 | 基于大数据分析的企业运营风险预警及管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757590B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115407711B (zh) * | 2022-10-28 | 2023-03-10 | 山东柏源技术有限公司 | 一种面向企业管理的企业运营监管系统 |
CN115953032A (zh) * | 2023-03-10 | 2023-04-11 | 山东柏源技术有限公司 | 一种基于数据分析的企业项目执行风险评估系统 |
CN116389304B (zh) * | 2023-04-12 | 2024-05-24 | 国网湖北省电力有限公司荆州供电公司 | 基于sg-tms的网络运行状态趋势分析系统 |
CN116170286B (zh) * | 2023-04-25 | 2023-09-15 | 陕西盛禾汇达网络科技有限公司 | 基于区块链的网络安全服务器及控制系统 |
CN116744305B (zh) * | 2023-05-05 | 2024-01-26 | 烟台欣飞智能系统有限公司 | 一种基于5g数据通信过程安全管控的通信系统 |
CN116708005B (zh) * | 2023-07-14 | 2024-03-22 | 深圳市志合创伟信息技术有限公司 | 一种基于大数据的网络安全管控方法及系统 |
CN117057720B (zh) * | 2023-10-12 | 2024-02-02 | 米烁网络科技(广州)有限公司 | 一种基于互联网的商品存储管理系统 |
CN117273467B (zh) * | 2023-11-17 | 2024-01-26 | 江苏麦维智能科技有限公司 | 一种基于多因素耦合的工业安全风险管控方法及系统 |
CN117541057A (zh) * | 2023-11-23 | 2024-02-09 | 徐州千鹤企业管理有限公司 | 一种基于数据分析的企业运营预警监控方法及系统 |
CN117395076A (zh) * | 2023-12-04 | 2024-01-12 | 长春市元尚欣信息科技有限公司 | 基于大数据的网络感知异常检测系统与方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340485B (zh) * | 2010-07-19 | 2015-01-21 | 中国科学院计算技术研究所 | 基于信息关联的网络安全态势感知系统及其方法 |
CN107657390A (zh) * | 2017-10-13 | 2018-02-02 | 滁州学院 | 一种特种设备安全隐患管控大数据监测系统及监测方法 |
CN108227667A (zh) * | 2018-02-12 | 2018-06-29 | 立宏安全设备工程(上海)有限公司 | 一种工厂设备管理系统及管理方法 |
CN109269556A (zh) * | 2018-09-06 | 2019-01-25 | 深圳市中电数通智慧安全科技股份有限公司 | 一种设备风险预警方法、装置、终端设备及存储介质 |
CN113177728A (zh) * | 2021-05-20 | 2021-07-27 | 珠海华发金融科技研究院有限公司 | 一种企业运营及财务风险管控方法及系统 |
CN113435652B (zh) * | 2021-07-01 | 2023-01-24 | 贵州电网有限责任公司 | 一种一次设备缺陷诊断与预测方法 |
-
2022
- 2022-06-14 CN CN202210668008.XA patent/CN114757590B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114757590A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114757590B (zh) | 基于大数据分析的企业运营风险预警及管控系统 | |
CN109766334B (zh) | 用于电力设备在线监测异常数据的处理方法及系统 | |
CN105069695B (zh) | 一种智能变电站实时风险分析系统及分析方法 | |
CN107463998A (zh) | 一种基于云服务平台的电力设备运维服务系统及方法 | |
CN109544399B (zh) | 基于多源异构数据的输电设备状态评价方法及装置 | |
CN109490713A (zh) | 一种用于电缆线路移动巡检及交互诊断的方法及系统 | |
CN105116870B (zh) | 空调机组的故障分析方法、装置和系统 | |
CN112365265B (zh) | 一种互联网金融智能风控系统 | |
CN109491339B (zh) | 一种基于大数据的变电站设备运行状态预警系统 | |
CN110728383B (zh) | 一种光缆运行态势智能评估系统 | |
CN105548744A (zh) | 一种基于运检大数据的变电设备故障识别方法及其系统 | |
CN109711664B (zh) | 一种基于大数据的输变电设备健康评估系统 | |
CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
CN115186883A (zh) | 基于边云协同计算的工业设备健康状态监测系统及方法 | |
CN115733762A (zh) | 具有大数据分析能力的监控系统 | |
CN116742799A (zh) | 一种基于物联网技术的配电辅助监测预警系统 | |
CN110543658A (zh) | 基于大数据的电厂设备诊断方法 | |
CN111273071A (zh) | 一种边缘计算的ai监控系统及方法 | |
CN117520096B (zh) | 一种智能服务器安全监控系统 | |
CN113626480A (zh) | 一种基于改进关联规则的直流换流站ser事件集诊断方法 | |
CN117154945A (zh) | 基于云计算技术的变配电站智能监测方法 | |
CN111509839A (zh) | 一种基于告警信号的跳闸事件化模型分析方法 | |
CN113097981B (zh) | 一种变电站监控告警信号漏发的判断方法 | |
CN114139747A (zh) | 基于人工智能技术的AIOps智能运维系统 | |
CN117657912B (zh) | 一种工地施工升降机监测系统、方法 |
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 |