CN115050460B - 一种基于大数据的医疗设备全生命周期监管系统及方法 - Google Patents

一种基于大数据的医疗设备全生命周期监管系统及方法 Download PDF

Info

Publication number
CN115050460B
CN115050460B CN202210983842.8A CN202210983842A CN115050460B CN 115050460 B CN115050460 B CN 115050460B CN 202210983842 A CN202210983842 A CN 202210983842A CN 115050460 B CN115050460 B CN 115050460B
Authority
CN
China
Prior art keywords
medical equipment
department
data
supervision
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
Application number
CN202210983842.8A
Other languages
English (en)
Other versions
CN115050460A (zh
Inventor
苟林平
杨天龙
杨海锋
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.)
Shenzhen Sunway Medical Equipment Co ltd
Original Assignee
Shenzhen Sunway Medical Equipment 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 Shenzhen Sunway Medical Equipment Co ltd filed Critical Shenzhen Sunway Medical Equipment Co ltd
Priority to CN202210983842.8A priority Critical patent/CN115050460B/zh
Publication of CN115050460A publication Critical patent/CN115050460A/zh
Application granted granted Critical
Publication of CN115050460B publication Critical patent/CN115050460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Biomedical Technology (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的医疗设备全生命周期监管系统及方法，属于设备全生命周期监管技术领域。本发明包括以下步骤：S10：对医疗设备在全生命周期的工作参数进行获取，将获取的工作参数按照各科室负责内容进行数据划分，并根据数据划分结果对医疗设备各部位的工作状态进行判断；S20：根据使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况，对医疗设备的使用时间进行预测；S30：根据S10的数据划分结果、S20的医疗设备使用时间预测结果和医疗设备在各阶段的标准数据，对各科室的责任监管力度进行预测，各科室根据预测结果对医疗设备进行监管。

Description

一种基于大数据的医疗设备全生命周期监管系统及方法
技术领域
本发明涉及设备全生命周期追监管术领域，具体为一种基于大数据的医疗设备全生命周期监管系统及方法。
背景技术
医疗设备全生命周期主要包括采购、招标、安装、验收、使用、质控、维修、资产报废等一系列过程，重视医疗设备的全生命周期管理才能满足现代医院发展的需求。
现有的基于大数据的医疗设备全生命周期监管系统在对医疗设备进行全生命监管时，主要对医疗设备的状态进行监管，此过程忽略了外力对医疗设备的作用，仅对医疗设备本身进行监管，降低了系统的监管效果，以及在对医疗设备的使用寿命进行预测时，无法根据预测结果对医疗设备使用寿命降低原因进行分析，进而无法在预测结束后作出相应措施，以增加医疗设备的使用寿命。
发明内容
本发明的目的在于提供一种基于大数据的医疗设备全生命周期监管系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的医疗设备全生命周期监管方法，所述方法包括以下步骤：
S10：对医疗设备在全生命周期的工作参数进行获取，将获取的工作参数按照各科室负责内容进行数据划分，并根据数据划分结果对医疗设备各部位的工作状态进行判断；
S20：根据使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况，对医疗设备的使用时间进行预测；
S30：根据S10的数据划分结果、S20的医疗设备使用时间预测结果和医疗设备在各阶段的标准数据，对各科室的责任监管力度进行预测，各科室根据预测结果对医疗设备进行监管。
进一步的，所述S10包括：
S101：对医疗设备在采购期、运行期和处置期三个阶段的工作参数进行获取；
S102：基于各科室使用医疗设备时对应的功能，对各科室的使用重合度进行计算，具体的计算公式
Figure 497158DEST_PATH_IMAGE002
为：
Figure 679878DEST_PATH_IMAGE004
；
其中，
Figure 787511DEST_PATH_IMAGE006
，表示各科室对应的编号，
Figure 713879DEST_PATH_IMAGE008
表示各科室使用医疗设备时对应的功能，
Figure 793830DEST_PATH_IMAGE010
表示第
Figure 947119DEST_PATH_IMAGE012
个科室使用医疗设备时对应的功能，
Figure 479731DEST_PATH_IMAGE014
表示第
Figure 6527DEST_PATH_IMAGE012
个科室与第
Figure DEST_PATH_IMAGE016
个科室在使用医疗设备时功能重合的部分，
Figure DEST_PATH_IMAGE018
表示第
Figure 800040DEST_PATH_IMAGE012
个科室与第
Figure 58983DEST_PATH_IMAGE016
个科室在使用医疗设备时对应的功能总量，
Figure DEST_PATH_IMAGE020
表示两科室之间的使用重合度；
根据各科室的使用重合度计算结果，结合各科室对医疗设备的使用频率，对各科室负责内容进行划分，具体方法为：
1）若两科室之间的使用重合度高于或等于
Figure DEST_PATH_IMAGE022
，则根据两科室的使用频率值对两科室的负责内容进行划分，使用频率高的科室负责医疗设备对应功能的保养，使用频率低的科室负责医疗设备对应功能的维修；
2）若两科室之间的使用重合度低于
Figure 937946DEST_PATH_IMAGE022
，则两科室分别负责医疗设备对应功能的保养和维修，其中，
Figure DEST_PATH_IMAGE024
；
S103：基于S102，对获取的工作参数按照各科室负责内容进行数据划分，将划分的数据与标准数据进行对比，判断医疗设备对应的工作状态。
进一步的，所述S20包括：
S201：根据各科室使用医疗设备时的使用步骤、使用力度和使用医疗设备后的保养操作，对各科室对医疗设备的使用习惯进行判断，具体的判断方法为：
构建模型
Figure DEST_PATH_IMAGE026
对获取的使用步骤、使用力度和使用医疗设备后的保养操作与标准之间的匹配度进行计算，具体的计算公式为：
Figure DEST_PATH_IMAGE028
；
其中，
Figure DEST_PATH_IMAGE030
表示医疗设备按键对应的编号，
Figure DEST_PATH_IMAGE032
表示医疗设备按键对应的最大数量，
Figure DEST_PATH_IMAGE034
表示获取的使用步骤中与标准步骤重合的步骤数，
Figure DEST_PATH_IMAGE036
表示标准步骤总数，
Figure DEST_PATH_IMAGE038
表示获取的使用者对医疗设备各按键的使用力度，
Figure DEST_PATH_IMAGE040
表示使用者对医疗设备各按键的标准使用力度，当医疗设备对应按键故障时，
Figure DEST_PATH_IMAGE042
，
Figure DEST_PATH_IMAGE044
表示获取的使用医疗设备后的保养操作中与标准保养操作重合的数量，
Figure DEST_PATH_IMAGE046
表示标准保养操作总数，以
Figure DEST_PATH_IMAGE048
作为比例系数，可减少由于医疗设备按键故障导致判断结果与实际结果相差较大的情况，当
Figure DEST_PATH_IMAGE050
时，表示对应科室对医疗设备的使用习惯良好，当
Figure DEST_PATH_IMAGE052
时，表示对应科室对医疗设备的使用习惯差，通过对各科室对医疗设备的使用习惯进行判断，便于对各科室的监管方向进行确定，有利于提高医疗设备的使用寿命；
S202：对使用者在医疗设备运行期的使用精度变化情况进行获取；
S203：根据S201的判断结果和S202的获取内容，对医疗设备的使用时间进行预测。
进一步的，所述S203中对医疗设备的使用时间进行预测，具体方法为：
以医疗设备使用时间为横坐标，医疗设备使用习惯和医疗设备在对应使用习惯下的使用精度为纵坐标，构建两个线性方程，则
Figure DEST_PATH_IMAGE054
，
Figure DEST_PATH_IMAGE056
，其中，
Figure DEST_PATH_IMAGE058
表示医疗设备在对应使用习惯下的使用精度，
Figure DEST_PATH_IMAGE060
表示关系系数，
Figure DEST_PATH_IMAGE062
表示误差值；
根据构建的两个线性方程走向趋势，判断医疗设备使用精度是否伴随医疗设备使用习惯进行变化，若两者变化趋势保持一致，则基于两个线性方程的走向趋势对医疗设备的使用寿命进行预测，若两者变化趋势不一致，则基于医疗设备在对应使用习惯下的使用精度对医疗设备的使用寿命进行预测；
Figure DEST_PATH_IMAGE064
两者变化趋势保持一致时，具体的预测公式
Figure DEST_PATH_IMAGE066
为：
Figure DEST_PATH_IMAGE068
；
其中，
Figure DEST_PATH_IMAGE070
，表示线性方程走向改变数，
Figure DEST_PATH_IMAGE072
表示
Figure DEST_PATH_IMAGE074
的最大值，
Figure DEST_PATH_IMAGE076
表示线性方程在第
Figure DEST_PATH_IMAGE078
次改变走向至第
Figure DEST_PATH_IMAGE080
次改变走向所经历的时间，
Figure DEST_PATH_IMAGE082
表示
Figure DEST_PATH_IMAGE084
在第
Figure 777421DEST_PATH_IMAGE078
次改变走向时对应的斜率值，
Figure DEST_PATH_IMAGE086
表示医疗设备在正确使用习惯下对应的斜率值，利用斜率值变化情况对医疗设备的使用寿命进行预测，有利于提高预测精度；
Figure DEST_PATH_IMAGE088
当两者变化趋势不一致时，具体的预测公式
Figure DEST_PATH_IMAGE090
为：
Figure DEST_PATH_IMAGE092
；
其中，
Figure DEST_PATH_IMAGE094
表示医疗设备的标准使用寿命。
进一步的，所述S30包括：
S301：对S10的数据划分结果、S20的医疗设备使用时间预测结果和医疗设备在各阶段的标准数据进行获取；
S302：对各科室的责任监管力度进行预测，具体的预测公式
Figure DEST_PATH_IMAGE096
为：
Figure DEST_PATH_IMAGE098
；
其中，
Figure DEST_PATH_IMAGE100
表示预测的第
Figure 412058DEST_PATH_IMAGE102
个科室的使用习惯情况，
Figure 169798DEST_PATH_IMAGE104
表示根据实际情况选取的
Figure DEST_PATH_IMAGE106
值或
Figure 208161DEST_PATH_IMAGE108
值，
Figure 811181DEST_PATH_IMAGE110
表示医疗设备对应的标准使用寿命值；
S303：根据S302的计算结果，对各科室人员进行监管，进而实现对医疗设备的监管。
一种基于大数据的医疗设备全生命周期监管系统，所述系统包括数据划分模块、工作状态判断模块、使用寿命预测模块、监管力度预测模块和监管模块；
所述数据划分模块用于对医疗设备在全生命周期的工作参数进行获取，将获取的工作参数按照各科室负责内容进行数据划分，并将数据划分结果传输至工作状态判断模块；
所述工作状态判断模块用于对数据划分模块传输的数据划分结果进行接收，将划分的数据与标准数据进行对比，若划分数据与标准数据相符，则判断医疗设备对应部位工作状态正常，若划分数据与标准数据不符，则判断医疗设备对应部位工作状态异常，并将判断结果传输至监管模块；
所述使用寿命预测模块用于对使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况进行获取，基于获取内容对医疗设备的使用寿命进行预测，并将预测结果和各科室对医疗设备的使用习惯判断结果传输至监管力度预测模块；
所述监管力度预测模块用于对使用寿命预测模块传输的预测结果和各科室对医疗设备的使用习惯判断结果进行接收，基于接收内容对各科室的责任监管力度进行预测，并将预测结果传输至监管模块；
所述监管模块用于对监管力度预测模块传输的预测结果和工作状态判断模块传输的判断结果进行接收，根据接收内容对医疗设备和各科室人员进行监管。
进一步的，所述数据划分模块包括工作参数获取单元、使用重合度计算单元和数据划分单元；
所述工作参数获取单元对医疗设备在采购期、运行期和处置期三个阶段的工作参数进行获取，并将获取数据传输至使用重合度计算单元和数据划分单元；
所述使用重合度计算单元对工作参数获取单元传输的获取数据进行接收，基于各科室使用医疗设备时对应的功能，利用公式
Figure 720231DEST_PATH_IMAGE112
对各科室的使用重合度进行计算，并将计算结果传输至数据划分单元；
所述数据划分单元对使用重合度计算单元传输的计算结果和工作参数获取单元传输的获取数据进行接收，根据接收内容，结合各科室对医疗设备的使用频率，对各科室负责内容进行划分，若两科室之间的使用重合度高于或等于
Figure 383294DEST_PATH_IMAGE114
，则根据两科室的使用频率值对两科室的负责内容进行划分，使用频率高的科室负责医疗设备对应功能的保养，使用频率低的科室负责医疗设备对应功能的维修，若两科室之间的使用重合度低于
Figure 643374DEST_PATH_IMAGE114
，则两科室分别负责医疗设备对应功能的保养和维修，对获取的工作参数按照各科室负责内容进行数据划分，并将数据划分结果传输至工作状态判断模块，其中，
Figure 987767DEST_PATH_IMAGE116
。
进一步的，所述使用寿命预测模块包括使用习惯判断单元、使用精度变化情况获取单元和使用寿命预测单元；
所述使用习惯判断单元利用模型
Figure DEST_PATH_IMAGE118
，对获取的使用步骤、使用力度和使用医疗设备后的保养操作与标准之间的匹配度进行计算，基于计算结果对各科室对医疗设备的使用习惯进行判断，并将判断结果传输至使用寿命预测单元；
所述使用精度变化情况获取单元对使用者在医疗设备运行期的使用精度变化情况进行获取，并将获取结果传输至使用寿命预测单元；
所述使用寿命预测单元对使用习惯判断单元传输的判断结果和使用精度变化情况获取单元传输的获取结果进行接收，以医疗设备使用时间为横坐标，医疗设备使用习惯和医疗设备在对应使用习惯下的使用精度为纵坐标，构建两个线性方程，根据构建的两个线性方程走向趋势，判断医疗设备使用精度是否伴随医疗设备使用习惯进行变化，若两者变化趋势保持一致，则利用公式
Figure DEST_PATH_IMAGE120
对医疗设备的使用寿命进行预测，若两者变化趋势不一致，则利用公式
Figure DEST_PATH_IMAGE122
对医疗设备的使用寿命进行预测，并将预测结果传输至监管力度预测模块。
进一步的，所述监管力度预测模块对使用寿命预测单元传输的预测结果进行接收，利用公式
Figure DEST_PATH_IMAGE124
对各科室的责任监管力度进行预测，并将计算结果传输至监管模块。
进一步的，所述监管模块包括医疗设备监管单元和科室监管单元；
所述医疗设备监管单元对工作状态判断模块传输的判断结果进行接收，若判断医疗设备对应部位工作状态正常，则无需对医疗设备进行监管，若判断医疗设备对应部位工作状态异常，则对医疗设备对应部位进行监管；
所述科室监管单元对监管力度预测单元传输的预测结果进行接收，根据接收内容对各科室人员进行等级监管。
与现有技术相比，本发明所达到的有益效果是：
1.本发明通过根据使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况，对医疗设备的使用时间进行预测，此过程将医疗设备受到的外力因素考虑到时间预测过程中，通过对外力因素进行监管，可有效增加医疗设备的使用寿命，增加了系统的监管效果。
2.本发明在对各科室对医疗设备的使用习惯进行判断时，以使用者对医疗设备各按键的使用力度作为比例系数，可减少由于医疗设备按键故障导致判断结果与实际结果相差较大的情况，有利于降低使用寿命预测误差。
3.本发明通过以医疗设备使用时间为横坐标，医疗设备使用习惯和医疗设备在对应使用习惯下的使用精度为纵坐标，构建两个线性方程，基于两个线性方程的走向趋势，对医疗设备的使用寿命进行预测，保证预测的使用寿命与实际使用情况相符，且预测过程中涉及到的计算简单方便，有利于提高预测精度。
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是本发明一种基于大数据的医疗设备全生命周期监管系统及方法的工作流程图；
图2是本发明一种基于大数据的医疗设备全生命周期监管系统及方法的工作原理结构示意图。
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。
请参阅图1和图2，本发明提供技术方案：一种基于大数据的医疗设备全生命周期监管方法，方法包括以下步骤：
S10：对医疗设备在全生命周期的工作参数进行获取，将获取的工作参数按照各科室负责内容进行数据划分，并根据数据划分结果对医疗设备各部位的工作状态进行判断；S10包括：
S101：对医疗设备在采购期、运行期和处置期三个阶段的工作参数进行获取；
S102：基于各科室使用医疗设备时对应的功能，对各科室的使用重合度进行计算，具体的计算公式
Figure DEST_PATH_IMAGE126
为：
Figure DEST_PATH_IMAGE128
；
其中，
Figure DEST_PATH_IMAGE130
，表示各科室对应的编号，
Figure DEST_PATH_IMAGE132
表示各科室使用医疗设备时对应的功能，
Figure DEST_PATH_IMAGE134
表示第
Figure DEST_PATH_IMAGE136
个科室使用医疗设备时对应的功能，
Figure DEST_PATH_IMAGE138
表示第
Figure 252789DEST_PATH_IMAGE136
个科室与第
Figure DEST_PATH_IMAGE140
个科室在使用医疗设备时功能重合的部分，
Figure DEST_PATH_IMAGE142
表示第
Figure 151999DEST_PATH_IMAGE136
个科室与第
Figure 633796DEST_PATH_IMAGE140
个科室在使用医疗设备时对应的功能总量，
Figure DEST_PATH_IMAGE144
表示两科室之间的使用重合度；
根据各科室的使用重合度计算结果，结合各科室对医疗设备的使用频率，对各科室负责内容进行划分，具体方法为：
1）若两科室之间的使用重合度高于或等于
Figure DEST_PATH_IMAGE146
，则根据两科室的使用频率值对两科室的负责内容进行划分，使用频率高的科室负责医疗设备对应功能的保养，使用频率低的科室负责医疗设备对应功能的维修；
2）若两科室之间的使用重合度低于
Figure 640935DEST_PATH_IMAGE146
，则两科室分别负责医疗设备对应功能的保养和维修，其中，
Figure DEST_PATH_IMAGE148
；
S103：基于S102，对获取的工作参数按照各科室负责内容进行数据划分，将划分的数据与标准数据进行对比，判断医疗设备对应的工作状态；
S20：根据使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况，对医疗设备的使用时间进行预测；S20包括：
S201：根据各科室使用医疗设备时的使用步骤、使用力度和使用医疗设备后的保养操作，对各科室对医疗设备的使用习惯进行判断，具体的判断方法为：
构建模型
Figure DEST_PATH_IMAGE150
对获取的使用步骤、使用力度和使用医疗设备后的保养操作与标准之间的匹配度进行计算，具体的计算公式为：
Figure DEST_PATH_IMAGE152
；
其中，
Figure DEST_PATH_IMAGE154
表示医疗设备按键对应的编号，
Figure DEST_PATH_IMAGE156
表示医疗设备按键对应的最大数量，
Figure DEST_PATH_IMAGE158
表示获取的使用步骤中与标准步骤重合的步骤数，
Figure DEST_PATH_IMAGE160
表示标准步骤总数，
Figure DEST_PATH_IMAGE162
表示获取的使用者对医疗设备各按键的使用力度，
Figure DEST_PATH_IMAGE164
表示使用者对医疗设备各按键的标准使用力度，当医疗设备对应按键故障时，
Figure DEST_PATH_IMAGE166
，
Figure DEST_PATH_IMAGE168
表示获取的使用医疗设备后的保养操作中与标准保养操作重合的数量，
Figure DEST_PATH_IMAGE170
表示标准保养操作总数，以
Figure DEST_PATH_IMAGE172
作为比例系数，可减少由于医疗设备按键故障导致判断结果与实际结果相差较大的情况，当
Figure DEST_PATH_IMAGE174
时，表示对应科室对医疗设备的使用习惯良好，当
Figure DEST_PATH_IMAGE176
时，表示对应科室对医疗设备的使用习惯差，通过对各科室对医疗设备的使用习惯进行判断，便于对各科室的监管方向进行确定，有利于提高医疗设备的使用寿命；
S202：对使用者在医疗设备运行期的使用精度变化情况进行获取；
S203：根据S201的判断结果和S202的获取内容，对医疗设备的使用时间进行预测，具体方法为：
以医疗设备使用时间为横坐标，医疗设备使用习惯和医疗设备在对应使用习惯下的使用精度为纵坐标，构建两个线性方程，则
Figure DEST_PATH_IMAGE178
，
Figure DEST_PATH_IMAGE180
，其中，
Figure DEST_PATH_IMAGE182
表示医疗设备在对应使用习惯下的使用精度，
Figure DEST_PATH_IMAGE184
表示关系系数，
Figure DEST_PATH_IMAGE186
表示误差值；
根据构建的两个线性方程走向趋势，判断医疗设备使用精度是否伴随医疗设备使用习惯进行变化，若两者变化趋势保持一致，则基于两个线性方程的走向趋势对医疗设备的使用寿命进行预测，若两者变化趋势不一致，则基于医疗设备在对应使用习惯下的使用精度对医疗设备的使用寿命进行预测；
Figure DEST_PATH_IMAGE188
两者变化趋势保持一致时，具体的预测公式
Figure DEST_PATH_IMAGE190
为：
Figure DEST_PATH_IMAGE192
；
其中，
Figure DEST_PATH_IMAGE194
，表示线性方程走向改变数，
Figure DEST_PATH_IMAGE196
表示
Figure DEST_PATH_IMAGE198
的最大值，
Figure DEST_PATH_IMAGE200
表示线性方程在第
Figure 867122DEST_PATH_IMAGE198
次改变走向至第
Figure DEST_PATH_IMAGE202
次改变走向所经历的时间，
Figure DEST_PATH_IMAGE204
表示
Figure DEST_PATH_IMAGE206
在第
Figure 265130DEST_PATH_IMAGE198
次改变走向时对应的斜率值，
Figure DEST_PATH_IMAGE208
表示医疗设备在正确使用习惯下对应的斜率值，利用斜率值变化情况对医疗设备的使用寿命进行预测，有利于提高预测精度；
Figure DEST_PATH_IMAGE210
当两者变化趋势不一致时，具体的预测公式
Figure DEST_PATH_IMAGE212
为：
Figure DEST_PATH_IMAGE214
；
其中，
Figure DEST_PATH_IMAGE216
表示医疗设备的标准使用寿命；
S30：根据S10的数据划分结果、S20的医疗设备使用时间预测结果和医疗设备在各阶段的标准数据，对各科室的责任监管力度进行预测，各科室根据预测结果对医疗设备进行监管；S30包括：
S301：对S10的数据划分结果、S20的医疗设备使用时间预测结果和医疗设备在各阶段的标准数据进行获取；
S302：对各科室的责任监管力度进行预测，具体的预测公式
Figure DEST_PATH_IMAGE218
为：
Figure DEST_PATH_IMAGE220
；
其中，
Figure DEST_PATH_IMAGE222
表示预测的第
Figure DEST_PATH_IMAGE224
个科室的使用习惯情况，
Figure DEST_PATH_IMAGE226
表示根据实际情况选取的
Figure DEST_PATH_IMAGE228
值或
Figure DEST_PATH_IMAGE230
值，
Figure DEST_PATH_IMAGE232
表示医疗设备对应的标准使用寿命值；
S303：根据S302的计算结果，对各科室人员进行监管，进而实现对医疗设备的监管。
一种基于大数据的医疗设备全生命周期监管系统，系统包括数据划分模块、工作状态判断模块、使用寿命预测模块、监管力度预测模块和监管模块；
数据划分模块用于对医疗设备在全生命周期的工作参数进行获取，将获取的工作参数按照各科室负责内容进行数据划分，并将数据划分结果传输至工作状态判断模块；
数据划分模块包括工作参数获取单元、使用重合度计算单元和数据划分单元；
工作参数获取单元对医疗设备在采购期、运行期和处置期三个阶段的工作参数进行获取，并将获取数据传输至使用重合度计算单元和数据划分单元；
使用重合度计算单元对工作参数获取单元传输的获取数据进行接收，基于各科室使用医疗设备时对应的功能，利用公式
Figure DEST_PATH_IMAGE234
对各科室的使用重合度进行计算，并将计算结果传输至数据划分单元；
数据划分单元对使用重合度计算单元传输的计算结果和工作参数获取单元传输的获取数据进行接收，根据接收内容，结合各科室对医疗设备的使用频率，对各科室负责内容进行划分，若两科室之间的使用重合度高于或等于
Figure DEST_PATH_IMAGE236
，则根据两科室的使用频率值对两科室的负责内容进行划分，使用频率高的科室负责医疗设备对应功能的保养，使用频率低的科室负责医疗设备对应功能的维修，若两科室之间的使用重合度低于
Figure 860322DEST_PATH_IMAGE236
，则两科室分别负责医疗设备对应功能的保养和维修，对获取的工作参数按照各科室负责内容进行数据划分，并将数据划分结果传输至工作状态判断模块，其中，
Figure DEST_PATH_IMAGE238
；
工作状态判断模块用于对数据划分模块传输的数据划分结果进行接收，将划分的数据与标准数据进行对比，若划分数据与标准数据相符，则判断医疗设备对应部位工作状态正常，若划分数据与标准数据不符，则判断医疗设备对应部位工作状态异常，并将判断结果传输至监管模块；
使用寿命预测模块用于对使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况进行获取，基于获取内容对医疗设备的使用寿命进行预测，并将预测结果和各科室对医疗设备的使用习惯判断结果传输至监管力度预测模块；
使用寿命预测模块包括使用习惯判断单元、使用精度变化情况获取单元和使用寿命预测单元；
使用习惯判断单元利用模型
Figure DEST_PATH_IMAGE240
，对获取的使用步骤、使用力度和使用医疗设备后的保养操作与标准之间的匹配度进行计算，基于计算结果对各科室对医疗设备的使用习惯进行判断，并将判断结果传输至使用寿命预测单元；
使用精度变化情况获取单元对使用者在医疗设备运行期的使用精度变化情况进行获取，并将获取结果传输至使用寿命预测单元；
使用寿命预测单元对使用习惯判断单元传输的判断结果和使用精度变化情况获取单元传输的获取结果进行接收，以医疗设备使用时间为横坐标，医疗设备使用习惯和医疗设备在对应使用习惯下的使用精度为纵坐标，构建两个线性方程，根据构建的两个线性方程走向趋势，判断医疗设备使用精度是否伴随医疗设备使用习惯进行变化，若两者变化趋势保持一致，则利用公式
Figure DEST_PATH_IMAGE242
对医疗设备的使用寿命进行预测，若两者变化趋势不一致，则利用公式
Figure DEST_PATH_IMAGE244
对医疗设备的使用寿命进行预测，并将预测结果传输至监管力度预测模块；
监管力度预测模块用于对使用寿命预测模块传输的预测结果和各科室对医疗设备的使用习惯判断结果进行接收，利用公式
Figure DEST_PATH_IMAGE246
对各科室的责任监管力度进行预测，并将预测结果传输至监管模块；
监管模块用于对监管力度预测模块传输的预测结果和工作状态判断模块传输的判断结果进行接收，根据接收内容对医疗设备和各科室人员进行监管；
监管模块包括医疗设备监管单元和科室监管单元；
医疗设备监管单元对工作状态判断模块传输的判断结果进行接收，若判断医疗设备对应部位工作状态正常，则无需对医疗设备进行监管，若判断医疗设备对应部位工作状态异常，则对医疗设备对应部位进行监管；
科室监管单元对监管力度预测单元传输的预测结果进行接收，根据接收内容对各科室人员进行等级监管。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据的医疗设备全生命周期监管方法，其特征在于：所述方法包括以下步骤：
S10：对医疗设备在全生命周期的工作参数进行获取，将获取的工作参数按照各科室负责内容进行数据划分，并根据数据划分结果对医疗设备各部位的工作状态进行判断；
S20：根据使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况，对医疗设备的使用时间进行预测；
所述S20包括：
S201：根据各科室使用医疗设备时的使用步骤、使用力度和使用医疗设备后的保养操作，对各科室对医疗设备的使用习惯进行判断，具体的判断方法为：
构建模型
Figure DEST_PATH_IMAGE001
对获取的使用步骤、使用力度和使用医疗设备后的保养操作与标准之间的匹配度进行计算，具体的计算公式为：
Figure 863601DEST_PATH_IMAGE002
；
其中，
Figure DEST_PATH_IMAGE003
表示医疗设备按键对应的编号，
Figure 963407DEST_PATH_IMAGE004
表示医疗设备按键对应的最大数量，
Figure DEST_PATH_IMAGE005
表示获取的使用步骤中与标准步骤重合的步骤数，
Figure 57133DEST_PATH_IMAGE006
表示标准步骤总数，
Figure DEST_PATH_IMAGE007
表示获取的使用者对医疗设备各按键的使用力度，
Figure 106779DEST_PATH_IMAGE008
表示使用者对医疗设备各按键的标准使用力度，当医疗设备对应按键故障时，
Figure DEST_PATH_IMAGE009
，
Figure 969562DEST_PATH_IMAGE010
表示获取的使用医疗设备后的保养操作中与标准保养操作重合的数量，
Figure DEST_PATH_IMAGE011
表示标准保养操作总数，以
Figure 912372DEST_PATH_IMAGE012
作为比例系数，可减少由于医疗设备按键故障导致判断结果与实际结果相差较大的情况，当
Figure DEST_PATH_IMAGE013
时，表示对应科室对医疗设备的使用习惯良好，当
Figure 431078DEST_PATH_IMAGE014
时，表示对应科室对医疗设备的使用习惯差，通过对各科室对医疗设备的使用习惯进行判断，便于对各科室的监管方向进行确定，有利于提高医疗设备的使用寿命；
S202：对使用者在医疗设备运行期的使用精度变化情况进行获取；
S203：根据S201的判断结果和S202的获取内容，对医疗设备的使用时间进行预测，具体方法为：
以医疗设备使用时间为横坐标，医疗设备使用习惯和医疗设备在对应使用习惯下的使用精度为纵坐标，构建两个线性方程，则
Figure DEST_PATH_IMAGE015
，
Figure 248861DEST_PATH_IMAGE016
，其中，
Figure DEST_PATH_IMAGE017
表示医疗设备在对应使用习惯下的使用精度，
Figure 667948DEST_PATH_IMAGE018
表示关系系数，
Figure DEST_PATH_IMAGE019
表示误差值；
根据构建的两个线性方程走向趋势，判断医疗设备使用精度是否伴随医疗设备使用习惯进行变化，若两者变化趋势保持一致，则基于两个线性方程的走向趋势对医疗设备的使用寿命进行预测，若两者变化趋势不一致，则基于医疗设备在对应使用习惯下的使用精度对医疗设备的使用寿命进行预测；
Figure 280195DEST_PATH_IMAGE020
两者变化趋势保持一致时，具体的预测公式
Figure DEST_PATH_IMAGE021
为：
Figure 787662DEST_PATH_IMAGE022
；
其中，
Figure DEST_PATH_IMAGE023
，表示线性方程走向改变数，
Figure 409136DEST_PATH_IMAGE024
表示
Figure DEST_PATH_IMAGE025
的最大值，
Figure 184194DEST_PATH_IMAGE026
表示线性方程在第
Figure DEST_PATH_IMAGE027
次改变走向至第
Figure 280193DEST_PATH_IMAGE028
次改变走向所经历的时间，
Figure DEST_PATH_IMAGE029
表示
Figure 773491DEST_PATH_IMAGE030
在第
Figure 605181DEST_PATH_IMAGE027
次改变走向时对应的斜率值，
Figure DEST_PATH_IMAGE031
表示医疗设备在正确使用习惯下对应的斜率值，利用斜率值变化情况对医疗设备的使用寿命进行预测，有利于提高预测精度；
Figure 736211DEST_PATH_IMAGE032
当两者变化趋势不一致时，具体的预测公式
Figure DEST_PATH_IMAGE033
为：
Figure 955839DEST_PATH_IMAGE034
；
其中，
Figure DEST_PATH_IMAGE035
表示医疗设备的标准使用寿命；
S30：根据S10的数据划分结果、S20的医疗设备使用时间预测结果和医疗设备在各阶段的标准数据，对各科室的责任监管力度进行预测，各科室根据预测结果对医疗设备进行监管。
2.根据权利要求1所述的一种基于大数据的医疗设备全生命周期监管方法，其特征在于：所述S10包括：
S101：对医疗设备在采购期、运行期和处置期三个阶段的工作参数进行获取；
S102：基于各科室使用医疗设备时对应的功能，对各科室的使用重合度进行计算，具体的计算公式
Figure DEST_PATH_IMAGE037
为：
Figure DEST_PATH_IMAGE039
；
其中，
Figure DEST_PATH_IMAGE041
，表示各科室对应的编号，
Figure DEST_PATH_IMAGE043
表示各科室使用医疗设备时对应的功能，
Figure DEST_PATH_IMAGE045
表示第
Figure DEST_PATH_IMAGE047
个科室使用医疗设备时对应的功能，
Figure DEST_PATH_IMAGE049
表示第
Figure 513597DEST_PATH_IMAGE047
个科室与第
Figure DEST_PATH_IMAGE051
个科室在使用医疗设备时功能重合的部分，
Figure DEST_PATH_IMAGE053
表示第
Figure 742453DEST_PATH_IMAGE047
个科室与第
Figure 164207DEST_PATH_IMAGE051
个科室在使用医疗设备时对应的功能总量，
Figure DEST_PATH_IMAGE055
表示两科室之间的使用重合度；
根据各科室的使用重合度计算结果，结合各科室对医疗设备的使用频率，对各科室负责内容进行划分，具体方法为：
1）若两科室之间的使用重合度高于或等于
Figure DEST_PATH_IMAGE057
，则根据两科室的使用频率值对两科室的负责内容进行划分，使用频率高的科室负责医疗设备对应功能的保养，使用频率低的科室负责医疗设备对应功能的维修；
2）若两科室之间的使用重合度低于
Figure 590290DEST_PATH_IMAGE057
，则两科室分别负责医疗设备对应功能的保养和维修，其中，
Figure DEST_PATH_IMAGE059
；
S103：基于S102，对获取的工作参数按照各科室负责内容进行数据划分，将划分的数据与标准数据进行对比，判断医疗设备对应的工作状态。
3.根据权利要求2所述的一种基于大数据的医疗设备全生命周期监管方法，其特征在于：所述S30包括：
S301：对S10的数据划分结果、S20的医疗设备使用时间预测结果和医疗设备在各阶段的标准数据进行获取；
S302：对各科室的责任监管力度进行预测，具体的预测公式
Figure DEST_PATH_IMAGE061
为：
Figure DEST_PATH_IMAGE063
；
其中，
Figure DEST_PATH_IMAGE065
表示预测的第
Figure DEST_PATH_IMAGE067
个科室的使用习惯情况，
Figure DEST_PATH_IMAGE069
表示根据实际情况选取的
Figure 481017DEST_PATH_IMAGE071
值或
Figure 185668DEST_PATH_IMAGE073
值，
Figure 524245DEST_PATH_IMAGE075
表示医疗设备对应的标准使用寿命值；
S303：根据S302的计算结果，对各科室人员进行监管，进而实现对医疗设备的监管。
4.一种执行如权利要求1-3任一项所述的基于大数据的医疗设备全生命周期监管方法的基于大数据的医疗设备全生命周期监管系统，其特征在于：所述系统包括数据划分模块、工作状态判断模块、使用寿命预测模块、监管力度预测模块和监管模块；
所述数据划分模块用于对医疗设备在全生命周期的工作参数进行获取，将获取的工作参数按照各科室负责内容进行数据划分，并将数据划分结果传输至工作状态判断模块；
所述工作状态判断模块用于对数据划分模块传输的数据划分结果进行接收，将划分的数据与标准数据进行对比，若划分数据与标准数据相符，则判断医疗设备对应部位工作状态正常，若划分数据与标准数据不符，则判断医疗设备对应部位工作状态异常，并将判断结果传输至监管模块；
所述使用寿命预测模块用于对使用者在医疗设备运行期对医疗设备的使用习惯和医疗设备在运行期的使用精度变化情况进行获取，基于获取内容对医疗设备的使用寿命进行预测，并将预测结果和各科室对医疗设备的使用习惯判断结果传输至监管力度预测模块；
所述使用寿命预测模块包括使用习惯判断单元、使用精度变化情况获取单元和使用寿命预测单元；
所述使用习惯判断单元利用模型
Figure 23360DEST_PATH_IMAGE077
，对获取的使用步骤、使用力度和使用医疗设备后的保养操作与标准之间的匹配度进行计算，基于计算结果对各科室对医疗设备的使用习惯进行判断，并将判断结果传输至使用寿命预测单元；
所述使用精度变化情况获取单元对使用者在医疗设备运行期的使用精度变化情况进行获取，并将获取结果传输至使用寿命预测单元；
所述使用寿命预测单元对使用习惯判断单元传输的判断结果和使用精度变化情况获取单元传输的获取结果进行接收，以医疗设备使用时间为横坐标，医疗设备使用习惯和医疗设备在对应使用习惯下的使用精度为纵坐标，构建两个线性方程，根据构建的两个线性方程走向趋势，判断医疗设备使用精度是否伴随医疗设备使用习惯进行变化，若两者变化趋势保持一致，则利用公式
Figure 680344DEST_PATH_IMAGE079
对医疗设备的使用寿命进行预测，若两者变化趋势不一致，则利用公式
Figure 391948DEST_PATH_IMAGE081
对医疗设备的使用寿命进行预测，并将预测结果传输至监管力度预测模块；
所述监管力度预测模块用于对使用寿命预测模块传输的预测结果和各科室对医疗设备的使用习惯判断结果进行接收，基于接收内容对各科室的责任监管力度进行预测，并将预测结果传输至监管模块；
所述监管模块用于对监管力度预测模块传输的预测结果和工作状态判断模块传输的判断结果进行接收，根据接收内容对医疗设备和各科室人员进行监管。
5.根据权利要求4所述的一种基于大数据的医疗设备全生命周期监管系统，其特征在于：所述数据划分模块包括工作参数获取单元、使用重合度计算单元和数据划分单元；
所述工作参数获取单元对医疗设备在采购期、运行期和处置期三个阶段的工作参数进行获取，并将获取数据传输至使用重合度计算单元和数据划分单元；
所述使用重合度计算单元对工作参数获取单元传输的获取数据进行接收，基于各科室使用医疗设备时对应的功能，利用公式
Figure 53873DEST_PATH_IMAGE083
对各科室的使用重合度进行计算，并将计算结果传输至数据划分单元；
所述数据划分单元对使用重合度计算单元传输的计算结果和工作参数获取单元传输的获取数据进行接收，根据接收内容，结合各科室对医疗设备的使用频率，对各科室负责内容进行划分，若两科室之间的使用重合度高于或等于
Figure 723889DEST_PATH_IMAGE085
，则根据两科室的使用频率值对两科室的负责内容进行划分，使用频率高的科室负责医疗设备对应功能的保养，使用频率低的科室负责医疗设备对应功能的维修，若两科室之间的使用重合度低于
Figure 635213DEST_PATH_IMAGE085
，则两科室分别负责医疗设备对应功能的保养和维修，对获取的工作参数按照各科室负责内容进行数据划分，并将数据划分结果传输至工作状态判断模块，其中，
Figure 150508DEST_PATH_IMAGE087
。
6.根据权利要求5所述的一种基于大数据的医疗设备全生命周期监管系统，其特征在于：所述监管力度预测模块对使用寿命预测单元传输的预测结果进行接收，利用公式
Figure 168405DEST_PATH_IMAGE089
对各科室的责任监管力度进行预测，并将计算结果传输至监管模块。
7.根据权利要求6所述的一种基于大数据的医疗设备全生命周期监管系统，其特征在于：所述监管模块包括医疗设备监管单元和科室监管单元；
所述医疗设备监管单元对工作状态判断模块传输的判断结果进行接收，若判断医疗设备对应部位工作状态正常，则无需对医疗设备进行监管，若判断医疗设备对应部位工作状态异常，则对医疗设备对应部位进行监管；
所述科室监管单元对监管力度预测单元传输的预测结果进行接收，根据接收内容对各科室人员进行等级监管。
CN202210983842.8A 2022-08-17 2022-08-17 一种基于大数据的医疗设备全生命周期监管系统及方法 Active CN115050460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210983842.8A CN115050460B (zh) 2022-08-17 2022-08-17 一种基于大数据的医疗设备全生命周期监管系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210983842.8A CN115050460B (zh) 2022-08-17 2022-08-17 一种基于大数据的医疗设备全生命周期监管系统及方法

Publications (2)

Publication Number Publication Date
CN115050460A CN115050460A (zh) 2022-09-13
CN115050460B true CN115050460B (zh) 2022-11-15

Family

ID=83166829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210983842.8A Active CN115050460B (zh) 2022-08-17 2022-08-17 一种基于大数据的医疗设备全生命周期监管系统及方法

Country Status (1)

Country Link
CN (1) CN115050460B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116756521B (zh) * 2023-08-11 2023-10-31 博耳(无锡)电力成套有限公司 基于大数据分析的输配电设备全生命周期管理系统及方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2491985A1 (en) * 2002-05-31 2003-12-24 The Chugoku Electric Power Co., Inc. Method of simulating roller bearing degradation and predicting residual service life and apparatus for performing such simulation and prediction
GB201500759D0 (en) * 2015-01-16 2015-03-04 Caterpillar Inc Determining an expected lifetime of a valve device
CN205228975U (zh) * 2015-11-23 2016-05-11 浙江史密斯医学仪器有限公司 一种注射泵压板寿命测试系统
CN105916545A (zh) * 2014-01-16 2016-08-31 波士顿科学神经调制公司 确定和预测具有可再充电电池的植入式医疗设备的寿命终止
CN106794612A (zh) * 2014-10-17 2017-05-31 株式会社日本制钢所 预测肘节式模具夹紧装置的模具夹紧滚珠丝杠机构的寿命的方法和肘节式模具夹紧装置
WO2017207891A1 (fr) * 2016-05-31 2017-12-07 Renault S.A.S Procede d'estimation de l'etat de sante d'une batterie
CN110208706A (zh) * 2019-06-13 2019-09-06 重庆长安新能源汽车科技有限公司 一种基于车联网的动力电池健康状态在线评估系统及方法
CN110549901A (zh) * 2018-03-30 2019-12-10 比亚迪股份有限公司 电动汽车及根据其的用户使用习惯进行提示的系统、方法
CN110993075A (zh) * 2019-11-07 2020-04-10 福建亿能达信息技术股份有限公司 一种医院职能科室岗位设计与优化方法
CN112084648A (zh) * 2020-09-03 2020-12-15 上海明略人工智能(集团)有限公司 设备剩余使用寿命的预测方法、装置及电子设备
CN112348699A (zh) * 2020-11-02 2021-02-09 国网山东省电力公司博兴县供电公司 一种供电系统电力设备生命周期管理方法及系统
CN113032999A (zh) * 2021-03-26 2021-06-25 北京中关村水木医疗科技有限公司 医疗设备使用寿命的预测方法及装置
CN114913968A (zh) * 2022-07-15 2022-08-16 深圳市三维医疗设备有限公司 一种基于人工智能的医疗设备状态监控系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105258927A (zh) * 2015-10-21 2016-01-20 昆山鸿志犀自动化机电设备有限公司 一种键盘按键的寿命测试装置
CN110658462B (zh) * 2019-10-25 2020-12-15 北京航空航天大学 一种基于数据融合与arima模型的锂电池在线寿命预测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2491985A1 (en) * 2002-05-31 2003-12-24 The Chugoku Electric Power Co., Inc. Method of simulating roller bearing degradation and predicting residual service life and apparatus for performing such simulation and prediction
CN105916545A (zh) * 2014-01-16 2016-08-31 波士顿科学神经调制公司 确定和预测具有可再充电电池的植入式医疗设备的寿命终止
CN106794612A (zh) * 2014-10-17 2017-05-31 株式会社日本制钢所 预测肘节式模具夹紧装置的模具夹紧滚珠丝杠机构的寿命的方法和肘节式模具夹紧装置
GB201500759D0 (en) * 2015-01-16 2015-03-04 Caterpillar Inc Determining an expected lifetime of a valve device
CN205228975U (zh) * 2015-11-23 2016-05-11 浙江史密斯医学仪器有限公司 一种注射泵压板寿命测试系统
WO2017207891A1 (fr) * 2016-05-31 2017-12-07 Renault S.A.S Procede d'estimation de l'etat de sante d'une batterie
CN110549901A (zh) * 2018-03-30 2019-12-10 比亚迪股份有限公司 电动汽车及根据其的用户使用习惯进行提示的系统、方法
CN110208706A (zh) * 2019-06-13 2019-09-06 重庆长安新能源汽车科技有限公司 一种基于车联网的动力电池健康状态在线评估系统及方法
CN110993075A (zh) * 2019-11-07 2020-04-10 福建亿能达信息技术股份有限公司 一种医院职能科室岗位设计与优化方法
CN112084648A (zh) * 2020-09-03 2020-12-15 上海明略人工智能(集团)有限公司 设备剩余使用寿命的预测方法、装置及电子设备
CN112348699A (zh) * 2020-11-02 2021-02-09 国网山东省电力公司博兴县供电公司 一种供电系统电力设备生命周期管理方法及系统
CN113032999A (zh) * 2021-03-26 2021-06-25 北京中关村水木医疗科技有限公司 医疗设备使用寿命的预测方法及装置
CN114913968A (zh) * 2022-07-15 2022-08-16 深圳市三维医疗设备有限公司 一种基于人工智能的医疗设备状态监控系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Analysis on the effect of external press force on the performance of LiNi0.8Co0.1Mn0.1O2/Graphite large pouch cells;ShaojunNiu etal;《Journal of Energy Storage》;20211215;第44卷;第1-11页 *
DV的保养技巧;伍班双;《电脑爱好者》;20040501(第05期);第90-91页 *
医疗器械全生命周期信息化管理的研究与实践;余雄武等;《医疗装备》;20200515(第09期);第84-85页 *

Also Published As

Publication number Publication date
CN115050460A (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN104809051B (zh) 用于预测计算机应用中的异常和故障的方法和装置
Sheu Dynamic relief-demand management for emergency logistics operations under large-scale disasters
JP2010526352A (ja) 統計的な分析を利用した性能障害管理システム及びその方法
CN106161138A (zh) 一种智能自动计量方法及装置
CN115050460B (zh) 一种基于大数据的医疗设备全生命周期监管系统及方法
CN115293667A (zh) 一种工程进度及造价管理系统的管理方法
CN113099476B (zh) 网络质量检测方法、装置、设备及存储介质
CN102931625A (zh) 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用
JP2023518771A (ja) 機械学習に基づくデータ・モニタリング
CN107121943B (zh) 一种用于获得智能仪表的健康预测信息的方法和装置
CN113850475A (zh) 一种基于大数据的生产设备性能评估系统
CN115455735A (zh) 设备的健康指数计算方法、装置、设备及存储介质
CN107145995A (zh) 生产环境安全性预测方法、装置和系统
CN106846174A (zh) 一种基于数据融合的配电网态势感知的方法及设备
CN116993052A (zh) 一种基于数字孪生的智慧工厂生产在线监测分析系统
CN115471215B (zh) 一种业务流程处理方法及装置
JP2005182558A (ja) コスト予測・評価方式
CN115856470A (zh) 基于多传感器信息融合的配电电缆状态监测方法及装置
CN102608303B (zh) 一种橡胶硬度的在线测量方法
CN110133395A (zh) 一种充电桩健康状态诊断方法及装置
CN104731778A (zh) 一种基于在线时间序列的主动防危的方法
CN114295814A (zh) 一种油液检测的阈值生成方法及系统
CN114066322A (zh) 一种输油气管道无人站运行管理及风险防控能力评价方法
CN114331688A (zh) 一种银行柜面系统业务批量运行状态检测方法及装置
CN114155072A (zh) 基于大数据分析的财务预测模型构建方法及系统

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