CN115470953A - 展厅管理方法、电子设备和计算机可读存储介质 - Google Patents

展厅管理方法、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN115470953A
CN115470953A CN202211328811.5A CN202211328811A CN115470953A CN 115470953 A CN115470953 A CN 115470953A CN 202211328811 A CN202211328811 A CN 202211328811A CN 115470953 A CN115470953 A CN 115470953A
Authority
CN
China
Prior art keywords
fault
equipment
inspection
information
exhibition hall
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
Application number
CN202211328811.5A
Other languages
English (en)
Inventor
冯国庆
许凌峰
潘志强
孙达人
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.)
Zhongtong Service Huizhan Technology Co ltd
Original Assignee
Zhongtong Service Huizhan Technology 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 Zhongtong Service Huizhan Technology Co ltd filed Critical Zhongtong Service Huizhan Technology Co ltd
Priority to CN202211328811.5A priority Critical patent/CN115470953A/zh
Publication of CN115470953A publication Critical patent/CN115470953A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/20Administration of product repair or maintenance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/246Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30204Marker
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30232Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种展厅管理方法、电子设备和计算机可读存储介质,方法包括获取展厅对应的巡检内容,并根据所述巡检内容,获取展厅的巡检信息,其中,展厅的巡检信息包括多个设备的设备基础信息和巡检图像;针对每一设备,根据所述巡检图像确定设备状态,并根据设备基础信息和设备状态,确定是否存在故障;若存在故障,则根据所述设备基础信息和设备运行信息,判断知识库中是否存在对应的故障解决方案,其中,设备运行信息表征设备的故障状态;若存在故障解决方案,则基于所述故障解决方案进行故障修复;若不存在故障解决方案,则发送所述设备基础信息和设备运行信息至对应运维人员设备以进行故障修复。本申请具有提高展厅的巡检效率的效果。

Description

展厅管理方法、电子设备和计算机可读存储介质
技术领域
本申请涉及展厅的技术领域,尤其是涉及一种展厅管理方法、电子设备和计算机可读存储介质。
背景技术
目前展厅以科技普及为目的,主要用于向大众展览新出现的技术。随着科技的迅速发展,展览项目的增加,对展厅进行高效管理以维持展厅的正常运营,而,伴随着展厅设备的增多,为保证展厅设备的正常运行,巡检成为展厅管理中必不可少的内容,其中,巡检可以是对展览中心的设备以运行和维护角度进行周期性检查。
相关的,巡检过程主要依靠运维人员线下检查设备是否存在故障。一般的,运维人员对于展厅中各设备的巡检,以纸质版巡检表为依据进行周期性巡检,在检查出设备存在故障后,根据运维人员的个人经验来判断对于此故障是进行维修还是上报至专业维修人员。对于各展厅的巡检,可能出现由于运维人员经验不足,导致无法识别某些故障,或部分出现过的故障无法自行修复,直接上报对应运维人员,导致故障排查和修复的效率较低,降低了巡检效率。
因而,如何提高展厅的巡检效率成了本领域亟待解决的技术问题。
发明内容
为了实现展厅高效巡检,本申请提供一种展厅管理方法、电子设备和计算机可读存储介质。
第一方面,本申请提供一种展厅管理方法,采用如下的技术方案:
一种展厅管理方法,包括:
获取展厅对应的巡检内容,并根据所述巡检内容,获取展厅的巡检信息,其中,展厅的巡检信息包括多个设备的设备基础信息和巡检图像;
针对每一设备,根据所述巡检图像确定设备状态,并根据设备基础信息和设备状态,确定是否存在故障;
若存在故障,则根据所述设备基础信息和设备运行信息,判断知识库中是否存在对应的故障解决方案,其中,设备运行信息表征设备的故障状态;
若存在故障解决方案,则基于所述故障解决方案进行故障修复;若不存在故障解决方案,则发送所述设备基础信息和设备运行信息至对应运维人员设备以进行故障修复。
通过采用上述技术方案,在获取展厅的巡检内容后,根据巡检内容获取展厅的多个设备的设备基础信息和巡检图像,针对每一设备,通过巡检图像确定的设备状态以及设备基础信息共同判断设备是否存在故障,能够利用展厅线上化巡检流程对展厅内的每一设备进行自动巡检,防止由于运维人员经验限制导致对故障的误判和/或漏判,;进而在确定设备故障后,并非完全依靠运维人员既有经验解决故障的方式,而是,先对知识库中是否存在对应解决故障方案进行判断,若存在对应故障解决方案,则利用知识库中预存的故障解决方案进行故障修复,若不存在对应故障解决方案,再通过对应运维人员修复故障,减少对应运维人员的依赖性,以提高巡检效率。
本申请在一较佳示例中可以进一步配置为:
根据所述巡检图像确定设备状态,包括:
提取所述巡检图像的每个局部特征向量,并获取与设备对应的若干预设故障图像;
针对每一预设故障图像,计算每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离;
针对每一局部特征向量,若存在欧式距离小于预设距离阈值的预设故障图像的目标局部特征向量,则确定局部特征向量与目标局部特征向量匹配成功;
针对每一预设故障图像,确定匹配成功的局部特征向量的数量,若所述数量大于预设数量阈值,则确定设备状态为故障状态,否则,则继续基于下一预设故障图像进行故障判断,直至得到设备状态;
或,根据基于所述巡检图像利用预设故障分类模型进行故障识别,以确定设备状态;
其中,预设故障分类模型是利用多张样本设备图像和各自对应的故障标签进行训练得到的。
通过采用上述技术方案,在提取巡检图像的每个局部特征向量后,针对每一预设故障图像,利用每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离和预设距离阈值的比较结果,确定向量匹配的结果,当向量匹配的结果的数量大于预设数量阈值时,表征巡检图像与预设故障图像相似度较高,进而能够确定设备状态,提高设备状态确定的精确度;通过利用预设故障分类模型,确定设备的设备状态提高设备状态确定的效率,进而,也可以同时获取多个设备的设备状态,提高巡检效率。
本申请在一较佳示例中可以进一步配置为:
基于所述故障解决方案进行故障修复,包括:
基于所述故障解决方案判断是否能够自动修复;
若是,则基于故障解决方案进行自动修复;
若否,则发送维修单至对应运维人员以进行故障修复。
通过采用上述技术方案,利用自动修复判断机制,先对当前拥有对应故障解决方案的故障能否自动修复进行判断,而后再根据判断结果决定修复方式,避免完全采用自动修复时可能存在复杂故障导致无法修复,同时避免完全采用人工修复部分简单故障时造成时间浪费,提升了故障解决效率,进一步提升了巡检效率。
本申请在一较佳示例中可以进一步配置为:
在发送所述设备基础信息和设备运行信息至对应运维人员设备以进行故障修复之后,还包括:
获取对应运维人员的故障解决方案,并根据所述对应运维人员的故障解决方案更新所述知识库中的故障解决方案。
通过采用上述技术方案,通过将巡检过程中出现新故障的故障解决方案存入知识库,以便于新故障再次出现时,当前运维人员可以直接通过知识库获取对应故障解决方案,缩短巡检时间,进一步可以提升巡检效率。
本申请在一较佳示例中可以进一步配置为:
展厅管理方法,还包括:
根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照预设级别进行整理,以得到各级别对应的学习资料,其中,学习资料包括:培训资料和/或考试资料;
将所述培训资料发送至对应级别的运维人员设备,以便运维人员设备对应的运维人员进行培训或考试;
和/或,
根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照查看权限进行整理,得到各权限对应的知识内容;
为各权限对应的账户推荐相应的知识内容。
通过采用上述技术方案,利用所有展厅的所有故障解决方案、产品信息,根据运维人员的人员级别与预设级别,为运维人员推送对应的学习资料与考试资料,以增强运维人员的人员素质,且,在知识库中的关于所有展厅的所有故障解决方案、产品信息,按照查看权限进行整理,得到各权限对应的知识内容后,能够为各权限对应的账户推荐相应的知识内容,使用户被动获知到知识内容。
本申请在一较佳示例中可以进一步配置为:
展厅管理方法,还包括:
获取知识库的查阅记录,其中,所述查阅记录为若干用户通过检索标签进行检索查阅的记录信息;
对所述查阅记录进行高频分析处理,得到高频资料清单;并将高频资料清单通过数据驾驶舱展示。
通过采用上述技术方案,不仅仅支持查询记录的调出,还可以获取高频资料清单,以实现工作人员的赋能,具体的,通过获取不同时间段的查询记录,以获取不同知识点在此时间段内的查询频率,将查询频率大于或等于预设高频阈值的若干知识点,生成高频资料清单,并将高频资料清单通过数据驾驶舱展示。
本申请在一较佳示例中可以进一步配置为:
获取展厅的多个设备的巡检图像,包括:
实时获取巡检机器人的巡检位置,并在数据驾驶舱的三维展厅地图上利用追踪标识进行标记;其中,三维展厅地图上加载有巡检路径,所述巡检路径是基于巡检机器人的当前位置和展厅的多个设备的设备位置生成的;
当检测到所述巡检机器人的巡检路径上存在障碍物,则基于障碍物的位置重新规划所述巡检机器人的巡检路径;
当跟踪标识达到任一个巡检位置时,控制巡检机器人采集巡检图像;
当所述巡检机器人完成所有图像的采集后,获取展厅的多个设备的巡检图像。
通过采用上述技术方案,三维展厅地图上能够加载能够基于巡检机器人当前位置和展厅的多个设备位置以及巡检路径上的障碍物得到的最新的巡检路径,进而,获取巡检机器人的巡检位置,并在三维展厅地图上利用追踪标识进行标记,以便用户能够及时知晓巡检机器人的巡检情况,在巡检机器人达到任意设备位置时,能控制巡检机器人进行巡检图像的采集,能够提高巡检的可视化。
本申请在一较佳示例中可以进一步配置为:
当跟踪标识达到任一个巡检位置时,控制巡检机器人采集巡检图像之后,还包括:
获取巡检机器人在跟踪标识的检查信息;
根据巡检机器人在跟踪标识的检查信息,进行巡检位置的漏检可能性提示;
其中,检查信息包括:停留信息和/或巡检图像的图像质量。
通过采用上述技术方案,本方案可以通过巡检机器人在跟踪标识的检查信息对跟踪标识对应的巡检位置进行漏检可能性提示,以避免存在展厅设备的漏检的情况。
第二方面,本申请提供一种展厅管理装置,采用如下的技术方案:
一种展厅管理装置,包括,
信息获取模块,用于获取展厅对应的巡检内容,并根据所述巡检内容,获取展厅的巡检信息;
故障确定模块,用于针对每一设备,根据所述巡检图像确定设备状态,并根据设备基础信息和设备状态,确定是否存在故障;当存在故障时,触发故障解决方案查找模块;
故障解决方案查找模块,用于根据所述设备基础信息和设备运行信息,判断知识库中是否存在对应的故障解决方案;当存在故障解决方案时,触发第一故障解决模块;当不存在故障解决方案时,触发第二故障解决模块;
第一故障解决模块,用于基于所述故障解决方案进行故障修复;
第二故障解决模块,用于发送所述设备基础信息和设备运行信息至对应运维人员设备以进行故障修复。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行上所述的方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.在获取展厅的巡检内容后,根据巡检内容获取展厅的多个设备的设备基础信息和巡检图像,针对每一设备,通过巡检图像确定的设备状态以及设备基础信息共同判断设备是否存在故障,能够利用展厅线上化巡检流程对展厅内的每一设备进行自动巡检,防止由于运维人员经验限制导致对故障的误判和/或漏判;进而在确定设备故障后,并非完全依靠运维人员既有经验解决故障的方式,而是,先对知识库中是否存在对应解决故障方案进行判断,若存在对应故障解决方案,则利用知识库中预存的故障解决方案进行故障修复,若不存在对应故障解决方案,再通过对应运维人员修复故障,减少对对应运维人员的依赖性,以提高巡检效率。
2.在提取巡检图像的每个局部特征向量后,针对每一预设故障图像,利用每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离和预设距离阈值的比较结果,确定向量匹配的结果,当向量匹配的结果的数量大于预设数量阈值时,表征巡检图像与预设故障图像相似度较高,进而能够确定设备状态,提高设备状态确定的精确度;通过利用预设故障分类模型,确定设备的设备状态提高设备状态确定的效率,进而,也可以同时获取多个设备的设备状态,提高巡检效率。
3.三维展厅地图上能够加载能够基于巡检机器人当前位置和展厅的多个设备位置以及巡检路径上的障碍物得到的最新的巡检路径,进而,获取巡检机器人的巡检位置,并在三维展厅地图上利用追踪标识进行标记,以便用户能够及时知晓巡检机器人的巡检情况,在巡检机器人达到任意设备位置时,能控制巡检机器人进行巡检图像的采集,能够提高巡检的可视化。
附图说明
图1为本申请实施例中一种展厅管理方法的流程示意图。
图2为本申请实施例中一种巡检方式的流程示意图。
图3为本申请实施例中一种展厅管理数字系统的功能架构图。
图4为本申请实施例中一种知识库功能的结构示意图。
图5为本申请实施例中一种展厅管理装置的结构示意图。
图6为本申请实施例中一种电子设备的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
现如今在展厅相关领域,展厅管理主要依靠依靠运维人员线下操作进行巡检,确定设备是否存在故障,以维持展厅正常运营。
其中,运维人员对于展厅中各设备的巡检,以纸质版巡检表为依据进行周期性巡检,在检查出设备存在故障后,根据运维人员的个人经验来判断对于此故障是进行维修还是上报至专业维修人员。但,由于运维人员经验不足,可能导致无法识别某些故障,或部分出现过的故障无法自行修复,而是直接上报对应运维人员进行故障修复,导致故障排查和修复的效率较低,降低了巡检效率。
因此,发明人发现,在对于当前展厅进行巡检时,可以先获取当前设备的巡检图像和设备基础信息,确定设备是否存在故障;当设备存在故障时,根据设备基础信息和设备运行信息,利用知识库中对应的预存故障解决方案,解决当前故障;若不存在对应故障解决方案或不能自行修复,再发送设备基础信息和设备运行信息至对应运维人员设备以进行故障修复;除此之外,对于所有故障的设备的故障修复结果,根据所有设备的设备基础信息、设备运行信息和故障设备的故障修复结果生成巡检记录,完成巡检。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种展厅管理方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103和步骤S104,其中:
步骤S101:获取展厅对应的巡检内容,并根据巡检内容,获取展厅的巡检信息,其中,展厅的巡检信息包括:多个设备的设备基础信息和巡检图像。
一般的,巡检是对展厅内的显示设备进行开启与周期性检查,但一个展览中心可以包括一个或多个展厅,每一展厅内的设备可能不同,每一设备对应的巡检项目也可能不同,故,在巡检开始前,可以在展览中心的巡检内容中对应匹配得到当前展厅的巡检内容,其中,周期性检查可以包括每日巡检与每月巡检,需要巡检设备的具体巡检内容均可以通过后端的配置界面进行配置操作,对于巡检过程可以设置定时提醒的功能,开启后将会通过短信的方式在一定的时间提醒运维人员进行巡检操作;当展厅数量为一个时,展览中心的巡检内容包括唯一的展厅的巡检内容;当展厅数量为多个时,展览中心的巡检内容包括所有展厅的巡检内容。
其中,获取展厅对应的巡检内容,可以包括:当检测到运维人员通过巡检开始界面输入的展厅信息后,或,在检测到运维人员通过巡检界面选择当前巡检展厅后,获取展厅标识,并将展厅标识与巡检内容库中的展厅标识进行匹配,获取展厅对应的巡检内容,其中,展厅标识包括展览中心的待巡检展厅的展厅编号或展厅名称。可以理解的是,巡检内容库中包括若干展厅标识和各自对应的巡检内容,巡检内容包括展厅的待巡检机器人的巡检要求,巡检要求可以包括但是不限定于:获取设备基础信息和设备的巡检图像。
在本申请实施例中,巡检时可以通过获取多个设备的设备基础信息和巡检图像,来综合分析设备是否存在故障,进而可以为排除并解决展厅内的设备故障,以保证展厅的正常运营,其中,设备基础信息可以包括设备编号使用年限和老化程度。其中,获取展厅的多个设备的设备基础信息的方式可以包括:通过扫描设备扫描展厅的多个设备上的二维码,以获取到多个设备的设备基础信息,其中,扫描设备可以是展厅的巡检机器人还可以是展厅的固定位置的监控摄像头,或,确定展厅的多个设备各自对应的设备编号,通过多个设备编号从数据驾驶舱中提取多个设备各自对应的设备基础信息。
具体的,可以在展厅中多个固定位置设置监控摄像头,监控摄像头拍摄多个设备的巡检图像,并将多个设备的巡检图像发送至电子设备,以便电子设备获得多个设备的巡检图像;还可以是在展厅设置巡检机器人,按照设定的运行轨迹运行并拍摄多个设备的巡检图像,并将多个设备的巡检图像发送至电子设备,以便电子设备获得多个设备的巡检图像;还可以是运维人员利用摄像装置拍摄多个设备的巡检图像,并通过终端设备将多个设备的巡检图像发送至电子设备,以便电子设备获得多个设备的巡检图像;当然还可能是其他方式,本申请实施例不再进行限定,用户可根据实际需求设置,只要是能实现本申请实施例的目的即可。其中,巡检图像可以包括全部预设元素,预设元素为每一设备对应的型号以及屏幕运行图像,进一步的,在获取多个设备的巡检图像后,还可以包括:检查每一巡检图像是否存在相应的全部预设元素,若不存在,则重新获取该设备的巡检图像。
在本申请实施例中,通过将巡检内容线上化,能够自动确定展厅的巡检内容,并进行巡检,以得到展厅设备的全部巡检信息,避免了人为确定巡检内容以及巡检信息造成的错检、漏检情况,提升巡检效率。
步骤S102:针对每一设备,根据巡检图像确定设备状态,并根据设备基础信息和设备状态,确定是否存在故障。
巡检过程中,对展厅内的设备可以逐一进行故障排查,也可以同时对所有的设备进行故障排查,本申请实施例不再进行限定,本申请实施例中对应设备的故障排查过程,通过针对每一设备描述。
具体的,巡检图像包括多帧连续的设备显示图像,相应的,根据巡检图像确定设备状态的方式,包括:判断在设备展现内容播放过程中是否存在显示障碍,其中显示障碍可以包括显示花屏、显示黑屏、显示出现杂点或图案;若不存在显示障碍,则确定设备状态为正常;否则确定设备状态为非正常工作状态。
其中,确定显示障碍的方式可以是基于巡检图像的每个局部特征向量、与若干预设故障图像的特征向量确定的,还可以是基于预设故障分类模型确定的。
进一步的,在判断在设备展现内容播放过程中是否存在显示障碍之前,还可以包括:根据多帧连续的设备显示图像,判断播放的设备展项内容是否为设备的标准内容;若是设备的标准内容,则执行判断在设备展现内容播放过程中是否存在显示障碍的步骤;相应的,否则确定设备状态为非正常工作状态,包括:若设备展项内容不是设备的标准内容,或设备存在显示障碍,则确定设备状态为非正常工作状态。
可以理解的是,在每一展厅中,每个设备显示的展项内容可能随着实际的展览需求不同而不同,因而,可以通过判断设备展项内容是否为设备的标准内容以确定播放内容是否符合预设的播放计划。进而,通过监测播放过程中的屏幕显示画面,以确定是否出现了显示花屏、黑屏、杂点等情况,以确定设备的设备状态。在本申请实施例中,显示花屏可能是由于显示器或者显卡不支持高分辨率而造成的,重启或者切换启动模式至安全模式,以解决显示花屏问题;显示杂点可能是由于显卡的显存出现问题或者显卡与主板接触不良造成的,需要清洁显卡或者更换显卡。
值得注意的是,仅仅基于设备显示的情况确定的设备状态,来确定设备是否故障,可能会造成故障确定不合理的情况发生,因而,本申请实施例能够结合设备状态和设备基础信息确定设备是否存在故障,能够综合考虑多种因素,以提高故障确定的准确性。
在本申请实施例中,根据设备基础信息和设备状态确定设备是否存在故障,具体可以包括:根据设备基础信息判断设备的使用年限是否大于预设使用年限阈值、老化程度是否大于预设老化程度阈值;若存在任一大于情况,则确定设备使用情况存在故障;若设使用情况存在故障,或,设备状态为非正常工作状态,则确定设备存在故障。其中,预设使用年限阈值和预设老化程度阈值,可根据设备的实际情况设置,本申请不再进行限定,只要是能够实现本申请实施例的目的即可。
具体的,针对每一设备,通过巡检图像确定设备状态;通过设备状态和巡检信息中的设备基础信息,综合判断当前设备是否出现故障。在本申请实施例中,不是根据运维人员的既往经验来判断故障,而是利用巡检图像判断设备是否故障,通过将判断故障的过程流程化、线上化,以避免巡检过程中对于设备内容的漏检、错检,提升巡检效率。
步骤S103:若存在故障,则根据设备基础信息和设备运行信息,判断知识库中是否存在对应的故障解决方案,其中,设备运行信息表征设备的故障状态。
知识库中至少包括展览中心内的展厅的所有设备的资料文档、运维知识和设备基础信息和设备运行信息与故障解决方案的对应关系。其中,设备运行信息包括但是不限定于:设备运行温度、设备运行时间、设备运行历史中的故障类型及相应的故障次数。
值得注意的是,随着人们对展厅的设备的运行的重视,人工检查图像以确定设备是否存在故障,进而当技术人员得知存在故障后基于经验去指定方案,这种方式可能会由于技术人员的经验的不同或者规范程度不同,导致确定的方案不够客观、可靠性差、确定方案的时间较长,且,均需要人工进行障碍的排除,效率低下。可以理解的是,任意一个问题都能够对展厅的设备造成不可挽回的损失。因而,本申请提供自动化流程以解决上述问题,能据设备基础信息和设备状态,确定是否存在故障,进而若存在故障,则根据设备基础信息和设备运行信息,判断知识库中是否存在对应的故障解决方案,不仅有经验的技术人员可以进行设备巡检,经验不足的技术人员也可以设备巡检,不依赖于个人经验,能够提升设备巡检的水平,让方案的确定更加客观,提高了方案确定的可靠性。
具体的,若存在故障,则根据知识库中的设备基础信息、设备运行信息与故障解决方案的对应关系,确定是否能够匹配到与设备的设备基础信息和设备运行信息对应的故障解决方案。
对于对应关系进行进一步阐述,如果仅仅是基于设备运行信息确定故障解决方案,而忽略了设备的设备基础信息可能依据设备运行信息得到的故障解决方案进行故障排除会对设备系统的操作性能损伤或者功能削弱等情况发生,因而,本申请实施例在考虑设备运行信息的同时,兼顾设备基础信息以确定故障解决方案,得到的故障解决方案更适合该设备。
其中,知识库中的对应关系的确定方式可以包括:获取多个设备故障排除信息;设备故障排除信息可以包括:设备的设备基础信息、设备运行信息和相应的故障解决方案;
按照设备基础信息对多个设备故障排除信息进行分类,以得到多种设备基础信息集合,每一设备基础信息集合中的所有设备故障排除信息均包括相同的设备基础信息;
针对每一设备基础信息集合,按照设备运行信息进行分类,以得到多种设备运行信息子集合,每一设备运行信息子集合中的所有设备故障排除信息均包括相同的设备基础信息和相同的设备运行信息;
对同一设备基础信息集合中的同一设备运行子集合中的所有故障解决方案进行最优故障解决方案确定,以得到同一设备基础信息、同一设备运行信息下的最终故障解决方案,进而,得到上述对应关系,其中,优选的,确定最终故障解决方案的方式可以是通过出现的每一故障解决方案的方案占比确定,最终故障解决方案为一个时,最终故障方案的方案占比最高,最终故障解决方案为多个时,最终故障方案的方案占比为最高的那个。
在本申请实施例中,先行判断知识库中是否存在对应解决方法,再进行后续处理,避免由于运维人员的经验限制而出现无法解决常见故障,而直接上报维修人员过程中造成的巡检效率降低和维修人员工作量过大的问题。
步骤S104:若存在故障解决方案,则基于故障解决方案进行故障修复;若不存在故障解决方案,则发送设备基础信息和设备运行信息至对应运维人员设备以进行故障修复。
具体的,若存在故障解决方案,则获取对应故障解决方案;根据对应故障解决方案进行故障修复;若不存在故障解决方案,表明知识库中未录入相应的故障及解决方案,可以发送至设备基础信息和设备运行信息至对应的运维人员设备以进行人工故障判定以及故障修复,以完成巡检过程中未解决的故障问题。
具体的,结合图2,图2为本申请实施例中一种巡检方式的流程示意图,其中:开始逐项巡检;在每一设备的巡检过程中,判断是否还存在待巡检设备,若存在待巡检的设备,则判断设备是否存在故障,若不存在故障,则开始下一设备的巡检,若存在故障,则根据知识库弹出内容进行对应故障的解决,若解决对应故障则开始下一设备的巡检,若未解决对应故障,则自动获取当前设备名称与运维人员对故障问题的具体记录,并在上传对应故障记录开始下一设备的巡检;待全部设备巡检完成后,获取运维人员是否为实习运维人员,若非实习运维人员则意见提交全部巡检记录,若未实习运维人员,则逐项设备勾选后提交全部巡检记录,生成巡检记录,以完成巡检。
在本申请实施例中,能够通过知识库获取的设备的故障解决方案解决故障,其中,在获取展厅的巡检内容后,根据巡检内容获取展厅的多个设备的设备基础信息和巡检图像,针对每一设备,通过巡检图像确定的设备状态以及设备基础信息共同判断设备是否存在故障,能够利用展厅线上化巡检流程对展厅内的每一设备进行自动巡检,防止由于运维人员经验限制导致对故障的误判和/或漏判;进而在确定设备故障后,并非完全依靠运维人员既有经验解决故障的方式,而是,先对知识库中是否存在对应解决故障方案进行判断,若存在对应故障解决方案,则利用知识库中预存的故障解决方案进行故障修复,若不存在对应故障解决方案,再通过对应运维人员修复故障,减少对应运维人员的依赖性,以提高巡检效率。
由此可见,本申请实施例并非完全依赖运维人员对故障进行排查与修复,而是通过将一部分内容通过流程线上化和在知识库中预存解决方案,提升故障排查、故障修复的效率,从而提升巡检效率。
进一步的,还可以包括:在完成故障修复后,获取所有故障的设备的故障修复结果,并根据所有设备的设备基础信息、设备运行信息和故障设备的故障修复结果生成巡检记录。
在完成对所有故障的设备的故障修复后,获取每一个故障的设备的故障修复结果,其中故障修复结果可以包括解决故障或未解决故障;进而,根据所有设备的设备基础信息、设备运行信息和故障设备的故障修复结果生成巡检记录,其中,巡检记录可以包括巡检展厅、巡检日期、对应运维人员信息和设备巡检过程,设备巡检过程包括每一设备的设备基础信息、设备运行信息和故障设备的故障修复结果。
本申请实施例通过将巡检记录线上化,以便及时知晓巡检结果,进一步的,还可以利用大数据留存巡检记录,提供检索窗口,以实现对应检索功能。
可见,本申请实施例在解决对应故障后,生成巡检记录,以实现巡检记录线上化,使得运维人员的每一操作过程在线上留痕,将巡检过程责任化,可以侧面提高运维人员的认真程度,进一步提升巡检效率。
本申请实施例的一种可能的实现方式,步骤S102根据巡检图像确定设备状态,具体可以包括步骤S1021(图中未示出)、步骤S1022(图中未示出)、步骤S1023(图中未示出)以及步骤S1024(图中未示出),其中:
步骤S1021:提取巡检图像的每个局部特征向量,并获取与设备对应的若干预设故障图像。
预设故障图像可以包括对应设备可能出现的若干故障状态的图像,局部特征向量的提取方式可以包括LBP(LocalBinaryPatterns,局部二值模式)算法或HOG(HistogramofOrientedGradient,方向梯度直方图)特征提取算法或SIFT(Scale-invariantfeaturetransform,尺度不变特征变换)算子。
可以通过判断巡检图像与预设故障图像的差别,判断对应设备是否存在故障,在本申请实施例中,可以通过判断二者局部特征向量之间的关系,以实现高效故障判断。
为了提高故障确定的准确性,本申请实施例中,可以通过电子设备提取巡检图像的每个局部特征向量;本申请不对局部特征向量的数量进行限定,可以是根据巡检图像进行区域划分以得到多个局部特征向量,还可以根据巡检图像的关键区域进行划分以记得到多个局部特征向量,只要是能够实现本申请实施例的目的即可;本申请能够提取多个局部特征向量进而可以与预设故障图像的相应的局部特征向量进行匹配以确定设备状态,能够提高设备状态确定的准确度。
具体的,根据巡检图像,利用LBP算法或HOG特征提取算法或SIFT算子,获取巡检图像的每个局部特征向量;根据巡检内容中的设备基础信息,获取若干预设故障图像。其中,获取巡检图像的每个局部特征向量和获取若干预设故障图像部分先后顺序,本申请实施例不再具体限定。
步骤S1022:针对每一预设故障图像,计算每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离。
巡检图像与预设故障图像局部特征向量之间的关系,可以通过欧氏距离判断得到。
具体的,根据巡检图像和预设故障图像中每一局部特征向量,利用欧几里得算法,计算获得每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离。
在本步骤后,能够得到所有预设故障图像,相较于巡检图像的各局部特征向量的欧式距离。
步骤S1023:针对每一局部特征向量,若存在欧式距离小于预设距离阈值的预设故障图像的目标局部特征向量,则确定局部特征向量与目标局部特征向量匹配成功。
预设距离阈值用户可根据实际需求设置,或者是系统自定义设置,本申请实施例不再进行限定,当局部特征向量相对于预设故障图像的相应局部特征向量的欧式距离,小于预设距离阈值时,表征两个特征向量匹配成功,否则两个特征向量匹配不成功。进而,能够确定每一预设故障图像的所有局部特征向量的匹配情况。
步骤S1024:针对每一预设故障图像,确定匹配成功的局部特征向量的数量,若数量大于预设数量阈值,则确定设备状态为故障状态,否则,则继续基于下一预设故障图像进行故障判断,得到设备状态。
其中,对于第一个预设故障图像,确定匹配的数量是否大于预设数量阈值,如果是,则确定为故障状态,否则,进行下一个预设故障图像的判断,直至得到设备状态。进一步的,在一种可能的情况中,若在利用所有的预设故障图像进行故障判断后,匹配的数量均未达到预设数量阈值,则确定不属于知识库中存储的故障情况,可以发送巡检图像至对应的运维人员设备以便人工进行故障情况的鉴定。
本申请实施例,利用局部特征向量之间的欧氏距离与预设距离阈值比较,判断当前设备的巡检图像与每一预设故障图像是否相同,将故障判断过程量化,不再完全依靠运维人员进行定性判断,提高故障判断的准确性;具体的,在判断过程中,利用超过预设距离阈值的局部特征向量的数量,作为判定当前设备的巡检图像与每一预设故障图像是否相同的标准,而不是将所有局部特征向量相同作为判断标准,避免由于对个别局部特征向量的错误识别导致对于故障的漏判或误判,进一步提升了故障判断的准确性;针对每一预设故障图像依次判断,即对当前设备故障依次排除,保证故障判断的准确性。
由此可见,本申请实施例中,在提取巡检图像的每个局部特征向量后,针对每一预设故障图像,利用每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离和预设距离阈值的比较结果,确定向量匹配的结果,当向量匹配的结果的数量大于预设数量阈值时,表征巡检图像与预设故障图像相似度较高,进而能够确定设备状态,提高设备状态确定的精确度。
本申请实施例的另一种可能的实现方式,在步骤S102中根据巡检图像确定设备状态,具体还可以包括:根据基于巡检图像利用预设故障分类模型进行故障识别,以确定设备状态;其中,预设故障分类模型是利用多张样本设备图像和各自对应的故障标签通过训练得到的。
预设故障分类模型的获取方式,具体可以包括,获取多个设备的每一样本设备图像,其中,样本设备图像可以包括有故障样本设备图像和无故障样本设备图像;构建初始故障分类模型;根据初始故障分类模型,利用多张有故障样本设备图像与各自对应的故障标签,通过训练,获得预设故障分类模型。在本申请实施例中,可根据实际需求在训练过程中模型的学习内容进行设置。进而,能够根据预设故障分类模型进行故障识别,以确定设备的设备状态。
在本申请实施例中,通过利用预设故障分类模型,确定设备的设备状态提高设备状态确定的效率,进而,也可以同时获取多个设备的设备状态,提高巡检效率。
本申请实施例的一种可能的实现方式,在步骤S104发送设备基础信息和设备运行信息至对应运维人员设备以进行故障修复之后,还可以包括:获取对应运维人员的故障解决方案,并根据对应运维人员的故障解决方案更新知识库中的故障解决方案。
为避免在之后的巡检过程中再次出现新故障时,知识库中并没有对应的故障解决方案,导致当前运维人员无法修复新故障,需要对应运维人员再次对新故障进行故障修复,从而导致巡检时间延长,进一步导致巡检效率的降低,进而,在本申请实施例中,可以在经由对应运维人员设备以进行故障修复之后获得对应故障解决方案的故障,并及时更新知识库。
可见,本申请实施例通过将巡检过程中出现新故障的故障解决方案存入知识库,以便于新故障再次出现时,当前运维人员可以直接通过知识库获取对应故障解决方案,缩短巡检时间,进一步可以提升巡检效率。
进一步的,展厅管理方法,还可以包括:
根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照预设级别进行整理,以得到各级别对应的学习资料,其中,学习资料包括:培训资料和/或考试资料;将培训资料发送至对应级别的运维人员设备,以便运维人员设备对应的运维人员进行培训或考试。同时系统会根据学习时间进行数据统计,集中的培训学习可以通过公告消息推送对应的学习内容来进行学习。培训考试可以通过单选或多选的方式答题,后端将会根据答案进行自动的批改,同时培训的分数也会在数据看板中通过大数据处理的方式进行展示。
在本申请实施例中,故障解决方案、产品信息可以存放在知识库中。预设级别可以包括运维人员的人员级别,人员级别至少可以包括实习、初级、中级和高级,其中,运维人员包括维护人员和/或讲解人员。
具体的,不同级别对应的故障解决方案可以根据实际需求设置,然后按照预设级别将所有展厅的所有故障解决方案以及产品信息进行分类汇总,得到各级别对应的学习资料,每一级别的学习资料的内容包括当前级别对应的故障解决方案以及对应的设备的产品信息,当然还可以包括:巡检工作注意事项。
可以理解的是,可以根据以进行当前岗级的培训或者考试。当学习资料为培训资料时,学习资料的内容的展现形式为展示文稿;当学习资料为考试资料时,学习资料的内容展示形式为习题集。进一步的,还可以通过定期对所有展厅的所有故障解决方案和相应的产品信息进行摸查汇总,以更新各级别对应的学习资料。
在本申请实施例中,为提升运维人员的巡检效率,在知识库中,除巡检工作之外,增设的运维人员的培训与学习功能,利用所有展厅的所有故障解决方案、产品信息,根据运维人员的人员级别与预设级别,为运维人员推送对应的学习资料与考试资料,以增强运维人员的人员素质。
除培训学习之外,在另一种可实现方式中,展厅管理方法还可以包括展厅运营团队人员的管理。
具体的,为了加强对展厅员工的工作内容考核,开发人员管理功能实现员工对工作内容上传,管理人员对员工的工作内容评审,工作内容考核的功能。
关于讲解员考核,讲解员需要定期上传讲解稿,系统实现分析讲解稿字数和上传讲解词次数,其中,管理员可以查看讲解稿内容,完成打分功能的实现。其中,实习期员工前两个月至少两次,正常员工每季度1次,全年至少4次。
关于技术员考核,技术员需要每日进行巡检,未巡检时需要实现提醒功能。
关于展厅主管考核,进行月报季报的提交考核,可以通过在PC端实现对月报季报的上传,生成数据统计进行管理。
进一步的,展厅管理方法还可以包括:
根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照查看权限进行整理,得到各权限对应的知识内容;为各权限对应的账户推荐相应的知识内容。
不同人员的角色对应不同查看内容的权限,将相应的知识内容资源分别指定给各个角色。其中,各角色对应的权限和知识内容的设置规则,本申请实施例不再进行限定,可根据实际需求设置。进而,能够为个权限对应的账户推荐相应的知识内容,以保证账户对应的角色能够获知权限下的内容。具体的推荐方式,可以是定时推荐、按照内容的优先级推荐或按照角色方案的热度推荐,用户可根据实际需求设置。
进一步的,还可以对各角色对应的权限进行撤销、重定向等操作。具体的,在对某一角色进行权限的撤销时,能够根据该角色对应的身份标识在当前权限对应的控制列表中删除,并更新当前权限对应的控制列表,以实现权限的撤销;在对某一角色进行权限的重定向时,能够根据该角色对应的身份标识在当前权限对应的控制列表中删除,并更新当前权限对应的控制列表,并确定重定向权限对应的控制列表,在重定向对应的控制列表中增加该角色对应的身份标识,以实现权限的重定向。
在本申请实施例中,知识库除主动为运维人员和/或讲解人员推送对应的学习资料与考试资料之外,还可以包括检索与查看功能,将运维人员和/或讲解人员的知识获取途径从被动,拓展可以包括主动与被动。
可见,本申请实施例在知识库中的关于所有展厅的所有故障解决方案、产品信息,按照查看权限进行整理,得到各权限对应的知识内容后,能够为各权限对应的账户推荐相应的知识内容,使用户被动获知到知识内容。
进一步的,展厅管理方法,还包括:获取知识库的查阅记录,其中,查阅记录为若干用户通过检索标签进行检索查阅的记录信息;对查阅记录进行高频分析处理,得到高频资料清单;并将高频资料清单通过数据驾驶舱展示。
电子设备具备查询功能,以便根据用户的查询请求进行知识库的知识查询,同时,电子设备进行知识库查阅的记录。在获取用户的查询请求中,该用户可以是运维人员或者展厅讲解人员,查询请求的请求形式可以包括图像和/或音频和/或文字,基于查询请求想要获知查询数据,该查询数据包括但是不限定于以下任意一项或者多项:工作数据、根据工作数据生成的工作记录、学习资料、知识库数据和预约记录。
具体的,获取查询时间节点,其中,查询时间节点可以包括开始时间和结束时间;根据查询时间节点,获取对应时间段查询数据;根据对应时间段查询数据,获取不同知识点的查询记录;根据不同知识点的查询记录,通过高频分析,获取不同知识点的查询频率;通过将每一知识点的查询频率与预设高频阈值比较,根据大于等于预设高频阈值的若干知识点,生成高频资料清单;并将高频资料清单通过数据驾驶舱展示。
在本申请实施例中,不仅仅支持查询记录的调出,还可以获取高频资料清单,以实现工作人员的赋能,具体的,通过获取不同时间段的查询记录,以获取不同知识点在此时间段内的查询频率,将查询频率大于或等于预设高频阈值的若干知识点,生成高频资料清单,并将高频资料清单通过数据驾驶舱展示。
关于赋能,可以通过知识库实现,可以包括对人员赋能和对展厅赋能,具体可以包括:
对人员赋能可以包括,对企业管理人员和员工赋能,即可以通过方便企业人员的随时查看,完成对企业管理人员的赋能;对于知识的沉淀可以通过知识库进行存储,同时对新进入员工可以进行培训和指导,完成对员工的赋能。
对展厅赋能可以包括,对于多个展厅的管理,通过对展厅展项的分解保存,可以清晰的记录全省多展厅的展项数据内容,同时可以达到多展厅的展项数据共享,完成对展厅的展项赋能。
本申请实施例的一种可能的实现方式,步骤S104中基于故障解决方案进行故障修复,具体可以包括步骤S1041(图中未示出)以及步骤S1042(图中未示出),其中:
步骤S1041:基于故障解决方案判断是否能够自动修复。
具体的,判断电子设备中是否存在故障解决方案对应的解决程序,若存在,则确定能够基于解决程序进行自动修复,不需要人工参与,若不存在,则确定不能够自动修复,需要人工参。在本申请实施例中,电子设备中预先存储若干第一故障解决方案对应的解决程序,该解决程序能够自动进行相应故障的故障修复,电子设备中预先存储有若干第二故障解决方案的文字说明,以便修复人员能够基于文字说明进行故障修复。
步骤S1042:若是,则基于故障解决方案进行自动修复;若否,则发送维修单至对应运维人员以进行故障修复,其中,维修单包括对应设备的设备基础信息和设备运行信息。
其中,维修单包括故障解决的文字说明、故障的设备基础信息和设备运行信息。
在本申请实施例中,利用自动修复判断机制,先对当前拥有对应故障解决方案的故障能否自动修复进行判断,而后再根据判断结果决定修复方式,避免完全采用自动修复时可能存在复杂故障导致无法修复,同时避免完全采用人工修复部分简单故障时造成时间浪费,提升了故障解决效率,进一步提升了巡检效率。
进一步的,知识库除在巡检过程中提供相关故障解决方案之外,如图3所示,还可以包括其他功能,其他具体功能可以包括:
关于数据的获取方式还可以包括:技术总监和/或展厅主管可以将数据,通过后端输入知识库。关于知识库中数据的输出方式至少可以包括:通过功能页展示、巡检时有问题时推送相关知识。企业云盘与知识库之间的数据,支持双向传输,即支持上传与下载,对于知识库中的信息,将会通过自定义的分类配置进行分类,大数据采集也会通过该自定义分类进行采集和分类。同时对于企业已有的产品文档、产品说明、讲解教案等知识数据进行汇总整合,以权限控制的方式对即有文件进行分配,既完成了对现有知识内容的存储、整理功能。
具体的,在一种可实现的实施方式中,获取展厅的多个设备的巡检图像,包括:步骤S1-步骤S3(附图未示出),其中:
步骤S1、实时获取巡检机器人的巡检位置,并在数据驾驶舱的三维展厅地图上利用追踪标识进行标记;其中,三维展厅地图上加载有巡检路径,巡检路径是基于巡检机器人的当前位置和展厅的多个设备的设备位置生成的,且当检测到巡检机器人的巡检路径上存在障碍物,则基于障碍物的位置重新规划巡检机器人的巡检路径;
在巡检机器人达到指定位置后,在三维展厅地图上标记一个针对该设备的跟踪标识,用于在三维展厅地图呈现出对巡检机器人的位置定位和追踪。方便工作人员进行最终。其中,跟踪标识可以为红色圆点,来表示巡检机器人到达该展厅设备,或者可以显示红色三角或者绿色三角,用户可自定义设置。
在本申请实施例中,确定展厅的多个设备的设备标识,并基于多个设备的设备标识,确定多个设备各自对应的设备位置;根据巡检机器人的当前位置和多个设备的设备位置,生成巡检路径;将巡检路径加载在数据驾驶舱的三维展厅地图上;实时获取巡检机器人的巡检位置,并在三维展厅地图上利用追踪标识进行标记。
具体的,可以预先根据展厅的巡检内容确定展厅的多个设备的设备标识,进而结合预存的设备标识和设备安装位置的对应关系,确定展厅的多个设备各自对应的设备位置,生成巡检路径,其中,可以是随机生成巡检路径,也可以是按照巡检路径长短生成巡检路径等等,用户可自定义选择。巡检路径是由多个设备的设备位置以连线的方式再三维展厅地图上显示,该连接可以是以虚线箭头的方式,还可以是实线箭头的方式,当然颜色可以选取黑色、红色、蓝色等任意颜色。
具体的,检测巡检机器人的巡检路径上是否存在障碍物的方式可以包括:获取巡检机器人按照巡检路径行驶的行驶方向的图像,根据行驶方向的图像确定形式方式是否存在障碍物;或,实时获取巡检机器人在行驶方向上相对于前方物体的距离,当距离小于预设距离阈值时,确定存在障碍物,其中,预设距离阈值用户可根据实际需求设置,或者根据经验设置。
进而,当巡检机器人的巡检路径上存在障碍物后,可以结合剩余的待巡检机器人的位置和障碍物的位置重新规划巡检路线,以便巡检机器人按照重新规划后的巡检路径进行设备巡检图像的采集。
步骤S2、当跟踪标识达到任一个巡检位置时,控制巡检机器人采集巡检图像;
巡检位置可以通过GPS定位获得,还可以是根据图像通过周围环境以确定位置;进而,当巡检机器人达到任一个设备的位置时,控制巡检机器人采集设备位置对应的展厅设备的巡检图像,采集的图像可以是一段时间内的多帧图像。
步骤S3、当巡检机器人完成所有图像的采集后,获取展厅的多个设备的巡检图像。
值得注意的是,在一种可能的情况中,巡检机器人可以每采集完成一个设备的巡检图像,将其发送至电子设备,进而电子设备可以即刻进行巡检图像的处理,还可以在获取所有设备的巡检图像后,集中进行图像处理;在另一种可能的情况中,巡检机器人采集完成所有的设备的巡检图像后,将其发送至电子设备,电子设备可以依次对巡检图像进行处理,还可以是同时对所有的巡检图像进行处理,本申请实施例不再进行限定。
可见,本申请实施例中,三维展厅地图上能够加载能够基于巡检机器人当前位置和展厅的多个设备位置以及巡检路径上的障碍物得到的最新的巡检路径,进而,获取巡检机器人的巡检位置,并在三维展厅地图上利用追踪标识进行标记,以便用户能够及时知晓巡检机器人的巡检情况,在巡检机器人达到任意设备位置时,能控制巡检机器人进行巡检图像的采集,能够提高巡检的可视化。
进一步的,展厅管理方法,当跟踪标识达到任一个巡检位置时,控制巡检机器人采集巡检图像之后,还包括:获取巡检机器人在跟踪标识的检查信息;根据巡检机器人在跟踪标识的检查信息,进行巡检位置的漏检可能性提示;其中,检查信息包括:停留信息和/或巡检图像的图像质量。
在本申请实施例中,巡检机器人在对展厅的某一设备进行检查时,得到设备的检查信息,进而将检查信息发送至电子设备。进而电子设备根据检查信息,确定漏检信息,进而基于漏检信息进行巡检位置的漏检可能性提示。其中,漏检信息可以包括展厅的巡检位置的漏检概率,漏检概率可以是百分值还可以是漏检程度,检查信息包括停留信息和/或巡检图像的图像质量,当然还可以包括:当前值班人、值班部门和检查时间,进而还可以根据检查信息进行溯源。
因而,在一种可能实现的实施例中,根据巡检机器人在跟踪标识的检查信息,进行巡检位置的漏检可能性提示,包括:根据巡检机器人在巡检位置的停留信息进行漏检可能性提示。
停留信息具体可以为停留时间,可以反应巡检机器人在巡检位置的图像采集的时长,当采集时长越短,则可能表明巡检机器人采集的巡检图像较少,或者并未采集到巡检图像;当采集的时间越长,则可能表明巡检机器人完成巡检图像的采集。
具体的,获取停留时间的方式可以包括:当检测到标跟踪标识没有移动时,开始计时,直至跟踪标识移动;或,根据采集的巡检图像的数量确定停留时间。
根据停留时间确定漏检概率时,可以是,基于停留时间和预设巡检时间确定漏检概率,当停留时间小于预设巡检时间,且停留时间与预设巡检时间的差值绝对值大于第一预设阈值时,漏检概率较大,进行第一漏检可能性提示;当停留时间与预设巡检时间的差值小于第二预设阈值时,表征有一定漏检风险,进行第二漏检可能性提示;当停留时间大于或等于预设巡检时间时,表征基本完成巡检,进行第三漏检可能性提示。可以理解的是,预设巡检时间用户可根据实际需求设置,且,第一漏检可能性提示、第二漏检可能性提示和第三漏检可能性提示均不相同,具体提示信息本申请实施例不再限定。
在另一种可能实现的实施例中,根据巡检机器人在跟踪标识的检查信息,进行巡检位置的漏检可能性提示,包括:根据巡检机器人在巡检位置的巡检图像的图像质量进行漏检可能性提示。
可以理解的是,巡检图像的图像质量可能会随着巡检机器人的运动而降低,且,图像质量低时也会影响设备状态确定的准确度。
具体的,本申请实施例确定图像质量的方式可以包括:对巡检图像进行图像质量评价,作为图像质量,进而,当图像质量达到预设图像质量阈值时,确定不存在漏检,否则确定存在漏检。
具体的,当巡检图像为一个时,图像质量达到预设图像质量阈值时,确定不存在漏检,否则确定存在漏检;当巡检图像为多个时,当图像质量达到预设图像质量阈值的图像的数量大于预设数量阈值,则确定不存在漏检,否则存在漏检。
可见,本申请实施例可以通过巡检机器人在跟踪标识的检查信息对跟踪标识对应的巡检位置进行漏检可能性提示,以避免存在展厅设备的漏检的情况。
进一步的,本申请实施例的展厅管理方法,结合图4,图4为本申请实施例提供的一种展厅管理数字系统的功能架构图,具体可以包括:
巡检功能模块、讲解功能模块、知识库功能模块、企业云盘功能模块、数据驾驶舱功能模块,以及培训学习功能模块和公告消息功能模块;其中,知识库与企业云盘中的数据具有同步性,企业云盘可以包括展厅日常运营和工作人员工作时产生的相关数据,具体可以有展厅预约、日常维修、商机信息、资产信息、资产出借、自定义表单数据;企业云盘是所有软件资料的核心,即知识库、日常维修表单、商机信息表单等所有软件前后端产生的文章、表单都会存入企业云盘中进行统一管理,方便企业资料的保存,同时支持对相关的文档资料的自定义上传存储和下载,通过权限统一管文件的上传和下载权限。
关于商机信息,可随时发起,通过表单录入的方式将参观人员的信息,联系方式、商机分类等输入产生记录数据,商机单也可以通过导入的方式进行导入,同时商机单的数据将会作为数据看板的内容数据进行大数据的处理。
关于资产信息的处理,可以包括资产信息使用与资产出借具体过程。资产信息为定期的资产清点时进行使用,可以在小程序端进行资产信息的录入和上报,同时可以在后端设置定期的资产检查,生成资产清点数据保存在企业云盘中。在需要外借物品时,可以通过资产出借的功能借出本展厅的固定资产,借出记录生成以后将会自动发起审批,待上级领导审批过后可进行资产的借出操作。资产还回后,将会把该条记录标记为以归还状态,同时对该条记录进行记录。
关于公告消息,可以理解的是公告消息是覆盖全软件功能的一个功能模块,涉及到知识库的知识推送、学习资料的推送将会通过公告消息功能进行推送,所有短信提醒方式均通过改功能进行提醒。
关于自定义表格,可以理解的是自定义表格可以处理一下需要多人填写的自定义表格。通过自定义表头以后可以使用分发的功能将该表格以工作流的方式分流到不同的员工进行填写,最后进行合并。该表格也同时支持导入和导出的方式方便员工日常的办公,可以在系统中留痕。
上述实施例从方法流程的角度介绍一种展厅管理方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种展厅管理装置,具体详见下述实施例。
本申请实施例提供一种展厅管理装置,如图5所示,该展厅管理装置具体可以包括:
信息获取模块201,用于获取展厅对应的巡检内容,并根据巡检内容,获取展厅的巡检信息;
故障确定模块202,用于针对每一设备,根据巡检图像确定设备状态,并根据设备基础信息和设备状态,确定是否存在故障;当存在故障时,触发故障解决方案查找模块;
故障解决方案查找模块203,用于根据设备基础信息和设备运行信息,判断知识库中是否存在对应的故障解决方案;当存在故障解决方案时,触发第一故障解决模块;当不存在故障解决方案时,触发第二故障解决模块;
第一故障解决模块204,用于基于故障解决方案进行故障修复;
第二故障解决模块205,用于发送设备基础信息和设备运行信息至对应运维人员设备以进行故障修复。对于本申请实施例,在获取展厅的巡检内容后,根据巡检内容获取展厅的多个设备的设备基础信息和巡检图像,针对每一设备,通过巡检图像确定的设备状态以及设备基础信息共同判断设备是否存在故障,能够利用展厅线上化巡检流程对展厅内的每一设备进行自动巡检,防止由于运维人员经验限制导致对故障的误判和/或漏判,而出现由于未及时解决较小故障,导致故障发展变大,从而影响设备的使用寿命的问题,在后续巡检过程也会使用更长时间解决对应故障,降低巡检效率;进一步的,在确定设备故障后,并非完全依靠运维人员既有经验解决故障的方式,而是,先对知识库中是否存在对应解决故障方案进行判断,若存在对应故障解决方案,则利用知识库中预存的故障解决方案进行故障修复,若不存在对应故障解决方案,再通过对应运维人员修复故障,减少对应运维人员的依赖性,以提高巡检效率。
本申请实施例的一种可能的实现方式,故障确定模块202,在执行根据巡检图像确定设备状态时,用于:
提取巡检图像的每个局部特征向量,并获取与设备对应的若干预设故障图像;
针对每一预设故障图像,计算每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离;
针对每一局部特征向量,若存在欧式距离小于预设距离阈值的预设故障图像的目标局部特征向量,则确定局部特征向量与目标局部特征向量匹配成功;
针对每一预设故障图像,确定匹配成功的局部特征向量的数量,若数量大于预设数量阈值,则确定设备状态为故障状态,否则,则继续基于下一预设故障图像进行故障判断,直至得到设备状态;
或,根据基于巡检图像利用预设故障分类模型进行故障识别,以确定设备状态。
本申请实施例的一种可能的实现方式,第一故障解决模块204,在执行基于故障解决方案进行故障修复时,用于:
基于故障解决方案判断是否能够自动修复;
若是,则基于故障解决方案进行自动修复;
若否,则发送维修单至对应运维人员以进行故障修复。
本申请实施例的一种可能的实现方式,第二故障解决模块205,在发送设备基础信息和设备运行信息至对应运维人员设备以进行故障修复之后,用于:
获取对应运维人员的故障解决方案,并根据对应运维人员的故障解决方案更新知识库中的故障解决方案。
学习资料获取模块,用于根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照预设级别进行整理,以得到各级别对应的学习资料;
培训考试支撑模块,用于将培训资料发送至对应级别的运维人员设备,以便运维人员设备对应的运维人员进行培训或考试;
本申请实施例的一种可能的实现方式,展厅管理装置,还可以包括:
知识获取模块,用于根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照查看权限进行整理,得到各权限对应的知识内容;
知识推荐模块,用于为各权限对应的账户推荐相应的知识内容。
本申请实施例的一种可能的实现方式,展厅管理装置,还可以包括:
查阅记录获取模块,用于获取知识库的查阅记录;
高频资料清单获取模块,用于对查阅记录进行高频分析处理,得到高频资料清单;并将高频资料清单通过数据驾驶舱展示。
本申请实施例的一种可能的实现方式,信息获取模块201,在执行获取展厅的多个设备的巡检图像时,用于:
实时获取巡检机器人的巡检位置,并在数据驾驶舱的三维展厅地图上利用追踪标识进行标记;其中,三维展厅地图上加载有巡检路径,巡检路径是基于巡检机器人的当前位置和展厅的多个设备的设备位置生成的;
当检测到巡检机器人的巡检路径上存在障碍物,则基于障碍物的位置重新规划巡检机器人的巡检路径;
当跟踪标识达到任一个巡检位置时,控制巡检机器人采集巡检图像;
当巡检机器人完成所有图像的采集后,获取展厅的多个设备的巡检图像。
本申请实施例的一种可能的实现方式,信息获取模块201,还用于:
获取巡检机器人在跟踪标识的检查信息;
根据巡检机器人在跟踪标识的检查信息,进行巡检位置的漏检可能性提示。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种展厅管理装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图6所示,图6所示的电子设备30包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备30还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(CentralProcessingUnit,中央处理器),通用处理器,DSP(DigitalSignalProcessor,数据信号处理器),ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路),FPGA(FieldProgrammableGateArray,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(PeripheralComponentInterconnect,外设部件互连标准)总线或EISA(ExtendedIndustryStandardArchitecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(ReadOnlyMemory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(RandomAccessMemory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(ElectricallyErasableProgrammableReadOnlyMemory,电可擦可编程只读存储器)、CD-ROM(CompactDiscReadOnlyMemory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例在无法通过知识库获得的故障解决方案时,能够通过知识库获取的设备的故障解决方案,或通过对应运维人员进行故障判定与修复,可以使故障解决过程更加清晰,从而提升故障解决效率,进一步可以提升巡检效率。可见,本申请实施例,在获取展厅的巡检内容后,根据巡检内容获取展厅的多个设备的设备基础信息和巡检图像,针对每一设备,通过巡检图像确定的设备状态以及设备基础信息共同判断设备是否存在故障,能够利用展厅线上化巡检流程对展厅内的每一设备进行自动巡检,防止由于运维人员经验限制导致对故障的误判和/或漏判;进而在确定设备故障后,并非完全依靠运维人员既有经验解决故障的方式,而是,先对知识库中是否存在对应解决故障方案进行判断,若存在对应故障解决方案,则利用知识库中预存的故障解决方案进行故障修复,若不存在对应故障解决方案,再通过对应运维人员修复故障,减少对应运维人员的依赖性,以提高巡检效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种展厅管理方法,其特征在于,包括:
获取展厅对应的巡检内容,并根据所述巡检内容,获取展厅的巡检信息,其中,展厅的巡检信息包括多个设备的设备基础信息和巡检图像;
针对每一设备,根据所述巡检图像确定设备状态,并根据设备基础信息和设备状态,确定是否存在故障;
若存在故障,则根据所述设备基础信息和设备运行信息,判断知识库中是否存在对应的故障解决方案,其中,设备运行信息表征设备的故障状态;
若存在故障解决方案,则基于所述故障解决方案进行故障修复;若不存在故障解决方案,则发送所述设备基础信息和设备运行信息至对应运维人员设备以进行故障修复。
2.根据权利要求1所述的展厅管理方法,其特征在于,所述根据所述巡检图像确定设备状态,包括:
提取所述巡检图像的每个局部特征向量,并获取与设备对应的若干预设故障图像;
针对每一预设故障图像,计算每个局部特征向量与预设故障图像的各局部特征向量的欧氏距离;
针对每一局部特征向量,若存在欧式距离小于预设距离阈值的预设故障图像的目标局部特征向量,则确定局部特征向量与目标局部特征向量匹配成功;
针对每一预设故障图像,确定匹配成功的局部特征向量的数量,若所述数量大于预设数量阈值,则确定设备状态为故障状态,否则,则继续基于下一预设故障图像进行故障判断,直至得到设备状态;
或,根据基于所述巡检图像利用预设故障分类模型进行故障识别,以确定设备状态;
其中,预设故障分类模型是利用多张样本设备图像和各自对应的故障标签进行训练得到的。
3.根据权利要求1所述的展厅管理方法,其特征在于,所述基于所述故障解决方案进行故障修复,包括:
基于所述故障解决方案判断是否能够自动修复;
若是,则基于故障解决方案进行自动修复;
若否,则发送维修单至对应运维人员以进行故障修复。
4.根据权利要求1所述的展厅管理方法,其特征在于,在发送所述设备基础信息和设备运行信息至对应运维人员设备以进行故障修复之后,还包括:
获取对应运维人员的故障解决方案,并根据所述对应运维人员的故障解决方案更新所述知识库中的故障解决方案。
5.根据权利要求4所述的展厅管理方法,其特征在于,展厅管理方法,还包括:
根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照预设级别进行整理,以得到各级别对应的学习资料,其中,学习资料包括:培训资料和/或考试资料;
将所述培训资料发送至对应级别的运维人员设备,以便运维人员设备对应的运维人员进行培训或考试;
和/或,
根据知识库中的关于所有展厅的所有故障解决方案、产品信息,按照查看权限进行整理,得到各权限对应的知识内容;
为各权限对应的账户推荐相应的知识内容。
6.根据权利要求4或5任意一项所述的展厅管理方法,其特征在于,展厅管理方法,还包括:
获取知识库的查阅记录,其中,所述查阅记录为若干用户通过检索标签进行检索查阅的记录信息;
对所述查阅记录进行高频分析处理,得到高频资料清单;并将高频资料清单通过数据驾驶舱展示。
7.根据权利要求1至5任意一项所述的展厅管理方法,其特征在于,获取展厅的多个设备的巡检图像,包括:
实时获取巡检机器人的巡检位置,并在数据驾驶舱的三维展厅地图上利用追踪标识进行标记;其中,三维展厅地图上加载有巡检路径,所述巡检路径是基于巡检机器人的当前位置和展厅的多个设备的设备位置生成的;
当检测到所述巡检机器人的巡检路径上存在障碍物,则基于障碍物的位置重新规划所述巡检机器人的巡检路径;
当跟踪标识达到任一个巡检位置时,控制巡检机器人采集巡检图像;
当所述巡检机器人完成所有图像的采集后,获取展厅的多个设备的巡检图像。
8.根据权利要求7所述的展厅管理方法,其特征在于,所述当跟踪标识达到任一个巡检位置时,控制巡检机器人采集巡检图像之后,还包括:
获取巡检机器人在跟踪标识的检查信息;
根据巡检机器人在跟踪标识的检查信息,进行巡检位置的漏检可能性提示;
其中,检查信息包括停留信息和/或巡检图像的图像质量。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~8任一项所述的方法。
CN202211328811.5A 2022-10-27 2022-10-27 展厅管理方法、电子设备和计算机可读存储介质 Pending CN115470953A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211328811.5A CN115470953A (zh) 2022-10-27 2022-10-27 展厅管理方法、电子设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211328811.5A CN115470953A (zh) 2022-10-27 2022-10-27 展厅管理方法、电子设备和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115470953A true CN115470953A (zh) 2022-12-13

Family

ID=84336406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211328811.5A Pending CN115470953A (zh) 2022-10-27 2022-10-27 展厅管理方法、电子设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115470953A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788006A (zh) * 2024-01-03 2024-03-29 北京盛迅科技有限公司 一种基于人工智能的企业信息化管理系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788006A (zh) * 2024-01-03 2024-03-29 北京盛迅科技有限公司 一种基于人工智能的企业信息化管理系统及方法

Similar Documents

Publication Publication Date Title
CN106327605B (zh) 一种巡检方法
US10740696B2 (en) Compliance management
CN111917707B (zh) 网络安全等级保护中的分级方法、客户端及系统
CN110569993A (zh) 一种基于大数据智能保修维护系统
CN115470953A (zh) 展厅管理方法、电子设备和计算机可读存储介质
CN111311546A (zh) 集装箱检测方法、装置及计算机可读存储介质
KR20150137704A (ko) 프로젝트 관리 시스템 및 방법
CN117911039A (zh) 售后服务系统的控制方法、设备及存储介质
EP3764291B1 (en) Method of examining a product inspection
CN105162931A (zh) 一种通信号码的分类方法及装置
CN112270313A (zh) 线上理赔方法、装置、设备及存储介质
CN115185792A (zh) 故障硬件处理方法、装置和系统
CN114529269A (zh) 无效经营范围的处理方法、装置、电子设备及存储介质
CN114064480A (zh) 一种软件质量管理方法和系统
CN107679792A (zh) 一种业务跟单方法、服务器及存储介质
CN113487053A (zh) 维修服务方法、装置、设备及计算机可读存储介质
CN113128357A (zh) 车辆故障处理方法及系统
US11461711B2 (en) Lanyap visual pro
CN113362031A (zh) 活动签到方法、装置、设备及存储介质
CN111291105B (zh) 一种pcb板检验数据处理方法、装置和存储介质
US10891453B1 (en) Method of examining the product inspection
US11816639B2 (en) Providing an interface for interview sessions
CN117275112A (zh) 基于巡检标识进行现场灵活巡检的巡检系统及巡检方法
CN117273583A (zh) 一种物流追踪方法、装置及电子设备
CN114358396A (zh) 巡检路线的评估方法、装置、存储介质及移动终端

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