CN115497610A - 一种基于数据分析的医疗设备故障预测系统和方法 - Google Patents
一种基于数据分析的医疗设备故障预测系统和方法 Download PDFInfo
- Publication number
- CN115497610A CN115497610A CN202211160285.6A CN202211160285A CN115497610A CN 115497610 A CN115497610 A CN 115497610A CN 202211160285 A CN202211160285 A CN 202211160285A CN 115497610 A CN115497610 A CN 115497610A
- Authority
- CN
- China
- Prior art keywords
- medical equipment
- fault
- faults
- analysis
- time period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于数据分析的医疗设备故障预测系统和方法,涉及故障预测技术领域,解决了现有技术中,无法准确判断医疗设备运行过程是否受到外界影响,以至于医疗设备故障分析的准确性低的技术问题,将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,提高医疗设备故障分析的准确性,有利于增强医疗设备的故障预测合理性,同时对医疗设备的运行进行实时检测,保证医疗设备的实时运行效率;将医疗设备出现的故障进行类型分析,根据判断医疗设备的故障类型提高了医疗设备的维护针对性,同时根据医疗设备的故障类型能够准确进行故障预测,有利于控制医疗设备的故障风险。
Description
技术领域
本发明涉及故障预测技术领域,具体为一种基于数据分析的医疗设备故障预测系统和方法。
背景技术
医疗设备是医疗、科研、教学、机构、临床学科工作最基本要素,既包括专业医疗设备,也包括家用医疗设备,在医疗设备的使用过程中,设备故障预测至关重要;但是在现有技术中,无法准确判断医疗设备运行过程是否受到外界影响,以至于医疗设备故障分析的准确性低,同时不能够将医疗设备的故障类型进行分析,造成医疗设备故障预测准确性降低;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出一种基于数据分析的医疗设备故障预测系统和方法,将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,从而提高医疗设备故障分析的准确性,有利于增强医疗设备的故障预测合理性,同时对医疗设备的运行进行实时检测,保证医疗设备的实时运行效率;将医疗设备出现的故障进行类型分析,根据判断医疗设备的故障类型提高了医疗设备的维护针对性,同时根据医疗设备的故障类型能够准确进行故障预测,有利于控制医疗设备的故障风险。
本发明的目的可以通过以下技术方案实现:
一种基于数据分析的医疗设备故障预测系统,包括服务器,服务器通讯连接有:
运行影响分析单元,用于将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,通过分析获取到运行时间段内医疗设备的运行影响分析系数,根据运行影响分析系数比较生成外影响信号和内影响信号,并将其发送至服务器;
故障类型分析单元,用于将医疗设备出现的故障进行类型分析,通过分析将医疗设备的运行故障划分为连续性故障和间歇性故障,并将连续性故障和间歇性故障类型发送至服务器;
故障分析预测单元,用于将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,通过分析生成预测高故障风险信号和预测低故障风险信号,并将其发送至服务器。
作为本发明的一种优选实施方式,运行影响分析单元的运行过程如下:
获取到医疗设备的运行时间段,且选取的运行时间段医疗设备存在故障时刻,采集到运行时间段内医疗设备周边环境参数的浮动值以及医疗设备的持续运行时长与额定运行时长的超出量,并将运行时间段内医疗设备周边环境参数的浮动值以及医疗设备的持续运行时长与额定运行时长的超出量分别标记为FDZ和CCL;采集到运行时间段内医疗设备运行时操作返工的频率,并将运行时间段内医疗设备运行时操作返工的频率标记为FPL;
通过公式获取到运行时间段内医疗设备的运行影响分析系数X,其中,a1、a2以及a3均为预设比例系数,且a1>a2>a3>0,β为误差修正因子,取值为0.986;将运行时间段内运行影响分析系数X与运行影响分析系数阈值进行比较:
若运行时间段内医疗设备的运行影响分析系数X超过运行影响分析系数阈值,则判定运行时间段内医疗设备受外界影响风险高,生成外影响信号并将外影响信号发送至服务器;若运行时间段内医疗设备的运行影响分析系数X未超过运行影响分析系数阈值,则判定运行时间段内医疗设备受外界影响风险低,生成内影响信号并将内影响信号发送至服务器。
作为本发明的一种优选实施方式,故障类型分析单元的运行过程如下:
采集到医疗设备历史运行过程中运行故障的连续发生概率以及运行故障维护后仍出现的最短间隔时长,并将医疗设备历史运行过程中运行故障的连续发生概率以及运行故障维护后仍出现的最短间隔时长分别与连续发生概率阈值以及最短间隔时长阈值进行比较:
若医疗设备历史运行过程中运行故障的连续发生概率超过连续发生概率阈值,或者运行故障维护后仍出现的最短间隔时长未超过最短间隔时长阈值,则将对应运行故障标记为连续性故障;若医疗设备历史运行过程中运行故障的连续发生概率未超过连续发生概率阈值,且运行故障维护后仍出现的最短间隔时长超过最短间隔时长阈值,则将对应运行故障标记为间歇性故障。
作为本发明的一种优选实施方式,故障分析预测单元的运行过程如下:
采集到医疗设备对应连续性故障出现间隔时长的缩短速度以及对应间歇性故障出现频率的增长幅度,并将医疗设备对应连续性故障出现间隔时长的缩短速度以及对应间歇性故障出现频率的增长幅度分别与间隔时长阈值和增长幅度阈值进行比较:
若医疗设备对应连续性故障出现间隔时长的缩短速度超过间隔时长阈值,或者对应间歇性故障出现频率的增长幅度超过增长幅度阈值,则判定当前时间段内医疗设备故障风险高,生成预测高故障风险信号并将预测高故障风险信号发送至服务器;若医疗设备对应连续性故障出现间隔时长的缩短速度未超过间隔时长阈值,且对应间歇性故障出现频率的增长幅度未超过增长幅度阈值,则判定当前时间段内医疗设备故障风险低,生成预测低故障风险信号并将预测低故障风险信号发送至服务器。
该基于数据分析的医疗设备故障预测方法,具体故障预测方法步骤如下:
步骤一、将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,通过分析获取到运行时间段内医疗设备的运行影响分析系数,根据运行影响分析系数判断医疗设备受到外界影响还是内部影响;
步骤二、将医疗设备出现的故障进行类型分析,通过分析将医疗设备的运行故障划分为连续性故障和间歇性故障,并将连续性故障和间歇性故障类型进行获取;
步骤三、将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,通过分析生成预测高故障风险信号和预测低故障风险信号,预测高故障风险信号则表示当前时间段内医疗设备故障风险高,预测低故障风险信号则表示当前时间段内医疗设备故障风险低。
与现有技术相比,本发明的有益效果是:
本发明中,将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,从而提高医疗设备故障分析的准确性,有利于增强医疗设备的故障预测合理性,同时对医疗设备的运行进行实时检测,保证医疗设备的实时运行效率;将医疗设备出现的故障进行类型分析,根据判断医疗设备的故障类型提高了医疗设备的维护针对性,同时根据医疗设备的故障类型能够准确进行故障预测,有利于控制医疗设备的故障风险,降低了医疗设备的故障影响;将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,从而提高了医疗设备运行管控的效率,有利于降低医疗设备故障风险,同时保证医疗设备运行的工作效率。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明一种基于数据分析的医疗设备故障预测系统的原理框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于数据分析的医疗设备故障预测系统,包括服务器,服务器通讯连接有运行影响分析单元、故障类型分析单元以及故障分析预测单元,其中,服务器与运行影响分析单元、故障类型分析单元以及故障分析预测单元均为双向通讯连接;
服务器生成运行影响分析信号并将运行影响分析信号发送至运行影响分析单元,运行影响分析单元接收到运行影响分析信号后,将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,从而提高医疗设备故障分析的准确性,有利于增强医疗设备的故障预测合理性,同时对医疗设备的运行进行实时检测,保证医疗设备的实时运行效率;
获取到医疗设备的运行时间段,且选取的运行时间段医疗设备存在故障时刻,采集到运行时间段内医疗设备周边环境参数的浮动值以及医疗设备的持续运行时长与额定运行时长的超出量,并将运行时间段内医疗设备周边环境参数的浮动值以及医疗设备的持续运行时长与额定运行时长的超出量分别标记为FDZ和CCL;周边环境参数表示为周边环境的温度、湿度等参数;
采集到运行时间段内医疗设备运行时操作返工的频率,并将运行时间段内医疗设备运行时操作返工的频率标记为FPL;
将运行时间段内运行影响分析系数X与运行影响分析系数阈值进行比较:
若运行时间段内医疗设备的运行影响分析系数X超过运行影响分析系数阈值,则判定运行时间段内医疗设备受外界影响风险高,生成外影响信号并将外影响信号发送至服务器,服务器接收到外影响信号后,将医疗设备的运行强度以及周边环境进行整顿;
若运行时间段内医疗设备的运行影响分析系数X未超过运行影响分析系数阈值,则判定运行时间段内医疗设备受外界影响风险低,生成内影响信号并将内影响信号发送至服务器,服务器接收到内影响信号后,将医疗设备的本身部件进行维护;
将医疗设备的历史运行进行监测,同时服务器生成故障类型分析信号并将故障类型分析信号发送至故障类型分析单元,故障类型分析单元接收到故障类型分析信号后,将医疗设备出现的故障进行类型分析,根据判断医疗设备的故障类型提高了医疗设备的维护针对性,同时根据医疗设备的故障类型能够准确进行故障预测,有利于控制医疗设备的故障风险,降低了医疗设备的故障影响;
采集到医疗设备历史运行过程中运行故障的连续发生概率以及运行故障维护后仍出现的最短间隔时长,并将医疗设备历史运行过程中运行故障的连续发生概率以及运行故障维护后仍出现的最短间隔时长分别与连续发生概率阈值以及最短间隔时长阈值进行比较:
若医疗设备历史运行过程中运行故障的连续发生概率超过连续发生概率阈值,或者运行故障维护后仍出现的最短间隔时长未超过最短间隔时长阈值,则将对应运行故障标记为连续性故障;若医疗设备历史运行过程中运行故障的连续发生概率未超过连续发生概率阈值,且运行故障维护后仍出现的最短间隔时长超过最短间隔时长阈值,则将对应运行故障标记为间歇性故障;
将连续性故障和间歇性故障类型一同发送至服务器;
服务器接收到连续性故障和间歇性故障类型后,生成故障分析预测信号并将故障分析预测信号发送至故障分析预测单元,故障分析预测单元接收到故障分析预测信号后,将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,从而提高了医疗设备运行管控的效率,有利于降低医疗设备故障风险,同时保证医疗设备运行的工作效率;
采集到医疗设备对应连续性故障出现间隔时长的缩短速度以及对应间歇性故障出现频率的增长幅度,并将医疗设备对应连续性故障出现间隔时长的缩短速度以及对应间歇性故障出现频率的增长幅度分别与间隔时长阈值和增长幅度阈值进行比较:
若医疗设备对应连续性故障出现间隔时长的缩短速度超过间隔时长阈值,或者对应间歇性故障出现频率的增长幅度超过增长幅度阈值,则判定当前时间段内医疗设备故障风险高,生成预测高故障风险信号并将预测高故障风险信号发送至服务器;服务器接收到预测高故障风险信号后,将当前运行时间段的任务量进行降低,同时对医疗设备运行过程进行监管;
若医疗设备对应连续性故障出现间隔时长的缩短速度未超过间隔时长阈值,且对应间歇性故障出现频率的增长幅度未超过增长幅度阈值,则判定当前时间段内医疗设备故障风险低,生成预测低故障风险信号并将预测低故障风险信号发送至服务器;
一种基于数据分析的医疗设备故障预测方法,具体故障预测方法步骤如下:
步骤一、将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,通过分析获取到运行时间段内医疗设备的运行影响分析系数,根据运行影响分析系数判断医疗设备受到外界影响还是内部影响;
步骤二、将医疗设备出现的故障进行类型分析,通过分析将医疗设备的运行故障划分为连续性故障和间歇性故障,并将连续性故障和间歇性故障类型进行获取;
步骤三、将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,通过分析生成预测高故障风险信号和预测低故障风险信号,预测高故障风险信号则表示当前时间段内医疗设备故障风险高,预测低故障风险信号则表示当前时间段内医疗设备故障风险低。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
本发明在使用时,通过运行影响分析单元将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,通过分析获取到运行时间段内医疗设备的运行影响分析系数,根据运行影响分析系数比较生成外影响信号和内影响信号,并将其发送至服务器;通过故障类型分析单元将医疗设备出现的故障进行类型分析,通过分析将医疗设备的运行故障划分为连续性故障和间歇性故障,并将连续性故障和间歇性故障类型发送至服务器;通过故障分析预测单元将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,通过分析生成预测高故障风险信号和预测低故障风险信号,并将其发送至服务器。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种基于数据分析的医疗设备故障预测系统,其特征在于,包括服务器,服务器通讯连接有:
运行影响分析单元,用于将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,通过分析获取到运行时间段内医疗设备的运行影响分析系数,根据运行影响分析系数比较生成外影响信号和内影响信号,并将其发送至服务器;
故障类型分析单元,用于将医疗设备出现的故障进行类型分析,通过分析将医疗设备的运行故障划分为连续性故障和间歇性故障,并将连续性故障和间歇性故障类型发送至服务器;
故障分析预测单元,用于将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,通过分析生成预测高故障风险信号和预测低故障风险信号,并将其发送至服务器。
2.根据权利要求1所述的一种基于数据分析的医疗设备故障预测系统,其特征在于,运行影响分析单元的运行过程如下:
获取到医疗设备的运行时间段,且选取的运行时间段医疗设备存在故障时刻,采集到运行时间段内医疗设备周边环境参数的浮动值以及医疗设备的持续运行时长与额定运行时长的超出量,并将运行时间段内医疗设备周边环境参数的浮动值以及医疗设备的持续运行时长与额定运行时长的超出量分别标记为FDZ和CCL;采集到运行时间段内医疗设备运行时操作返工的频率,并将运行时间段内医疗设备运行时操作返工的频率标记为FPL;
通过公式获取到运行时间段内医疗设备的运行影响分析系数X,其中,a1、a2以及a3均为预设比例系数,且a1>a2>a3>0,β为误差修正因子,取值为0.986;将运行时间段内运行影响分析系数X与运行影响分析系数阈值进行比较:
若运行时间段内医疗设备的运行影响分析系数X超过运行影响分析系数阈值,则判定运行时间段内医疗设备受外界影响风险高,生成外影响信号并将外影响信号发送至服务器;若运行时间段内医疗设备的运行影响分析系数X未超过运行影响分析系数阈值,则判定运行时间段内医疗设备受外界影响风险低,生成内影响信号并将内影响信号发送至服务器。
3.根据权利要求1所述的一种基于数据分析的医疗设备故障预测系统,其特征在于,故障类型分析单元的运行过程如下:
采集到医疗设备历史运行过程中运行故障的连续发生概率以及运行故障维护后仍出现的最短间隔时长,并将医疗设备历史运行过程中运行故障的连续发生概率以及运行故障维护后仍出现的最短间隔时长分别与连续发生概率阈值以及最短间隔时长阈值进行比较:
若医疗设备历史运行过程中运行故障的连续发生概率超过连续发生概率阈值,或者运行故障维护后仍出现的最短间隔时长未超过最短间隔时长阈值,则将对应运行故障标记为连续性故障;若医疗设备历史运行过程中运行故障的连续发生概率未超过连续发生概率阈值,且运行故障维护后仍出现的最短间隔时长超过最短间隔时长阈值,则将对应运行故障标记为间歇性故障。
4.根据权利要求1所述的一种基于数据分析的医疗设备故障预测系统,其特征在于,故障分析预测单元的运行过程如下:
采集到医疗设备对应连续性故障出现间隔时长的缩短速度以及对应间歇性故障出现频率的增长幅度,并将医疗设备对应连续性故障出现间隔时长的缩短速度以及对应间歇性故障出现频率的增长幅度分别与间隔时长阈值和增长幅度阈值进行比较:
若医疗设备对应连续性故障出现间隔时长的缩短速度超过间隔时长阈值,或者对应间歇性故障出现频率的增长幅度超过增长幅度阈值,则判定当前时间段内医疗设备故障风险高,生成预测高故障风险信号并将预测高故障风险信号发送至服务器;若医疗设备对应连续性故障出现间隔时长的缩短速度未超过间隔时长阈值,且对应间歇性故障出现频率的增长幅度未超过增长幅度阈值,则判定当前时间段内医疗设备故障风险低,生成预测低故障风险信号并将预测低故障风险信号发送至服务器。
5.一种基于数据分析的医疗设备故障预测方法,其特征在于,具体故障预测方法步骤如下:
步骤一、将医疗设备的运行过程进行分析,判断医疗设备运行过程是否受到外界影响,通过分析获取到运行时间段内医疗设备的运行影响分析系数,根据运行影响分析系数判断医疗设备受到外界影响还是内部影响;
步骤二、将医疗设备出现的故障进行类型分析,通过分析将医疗设备的运行故障划分为连续性故障和间歇性故障,并将连续性故障和间歇性故障类型进行获取;
步骤三、将医疗设备故障进行分析预测,判断医疗设备出现故障的风险,通过分析生成预测高故障风险信号和预测低故障风险信号,预测高故障风险信号则表示当前时间段内医疗设备故障风险高,预测低故障风险信号则表示当前时间段内医疗设备故障风险低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160285.6A CN115497610A (zh) | 2022-09-22 | 2022-09-22 | 一种基于数据分析的医疗设备故障预测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160285.6A CN115497610A (zh) | 2022-09-22 | 2022-09-22 | 一种基于数据分析的医疗设备故障预测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115497610A true CN115497610A (zh) | 2022-12-20 |
Family
ID=84470883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211160285.6A Pending CN115497610A (zh) | 2022-09-22 | 2022-09-22 | 一种基于数据分析的医疗设备故障预测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115497610A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116705271A (zh) * | 2023-08-09 | 2023-09-05 | 山东博达医疗用品股份有限公司 | 一种大数据的医疗冲洗设备运行监测系统 |
CN116913457A (zh) * | 2023-07-25 | 2023-10-20 | 徇齐科技(杭州)有限公司 | 一种基于数据分析的慢性病人康复管理系统 |
-
2022
- 2022-09-22 CN CN202211160285.6A patent/CN115497610A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116913457A (zh) * | 2023-07-25 | 2023-10-20 | 徇齐科技(杭州)有限公司 | 一种基于数据分析的慢性病人康复管理系统 |
CN116705271A (zh) * | 2023-08-09 | 2023-09-05 | 山东博达医疗用品股份有限公司 | 一种大数据的医疗冲洗设备运行监测系统 |
CN116705271B (zh) * | 2023-08-09 | 2023-11-14 | 山东博达医疗用品股份有限公司 | 一种基于大数据的医疗冲洗设备运行监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115497610A (zh) | 一种基于数据分析的医疗设备故障预测系统和方法 | |
CN114819415B (zh) | 一种基于数据分析的电力设备故障预测系统 | |
CN108446864B (zh) | 基于大数据分析的轨道交通设备的故障预警系统及方法 | |
CN116320832B (zh) | 一种监控设备故障监测方法及装置 | |
CN111597204A (zh) | 一种基于ai技术的智慧运维知识分析方法 | |
CN116739384A (zh) | 基于5g无线通讯的矿用设备运行管理系统 | |
CN115495315A (zh) | 一种大型医疗设备的故障预警系统 | |
CN114628016B (zh) | 一种基于大数据的腹腔镜手术器械运行故障预测系统 | |
CN114137916A (zh) | 基于数据分析的电路板生产用监督管控系统 | |
CN112417791B (zh) | 基于线性回归与ahp算法的电力设备监视预警方法及系统 | |
CN115473331B (zh) | 一种基于动态建模的数字孪生电网用电量监管系统 | |
CN116844708A (zh) | 一种基于人工智能的医疗设备故障预测方法及系统 | |
CN114061770B (zh) | 一种分布式预制光纤母线测温系统 | |
CN115296903A (zh) | 一种基于隐私计算的数据安全监管方法 | |
CN114742436A (zh) | 一种基于云计算和物联网的企业管理系统 | |
CN114626758A (zh) | 用于医疗设备维修的效果评价系统 | |
CN114265324B (zh) | 设备运行状态的监测方法、装置及终端设备 | |
CN116566839A (zh) | 一种电力企业通信资源质量评估系统 | |
CN116400165A (zh) | 一种智能电网故障监测方法及系统 | |
CN115437886A (zh) | 基于存算一体芯片的故障预警方法、装置、设备及存储 | |
CN114862251A (zh) | 具有产能管理功能的铸造生产线管理系统 | |
CN117391374B (zh) | 一种基于物联网技术的智慧水务监管方法及系统 | |
CN117493129B (zh) | 一种计算机控制设备的运行功率监测系统 | |
CN115270113A (zh) | 一种基于数据处理的计算机软硬件安全监测系统 | |
CN117134508B (zh) | 一种配电一键式集控装置的多数据融合监测系统 |
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 |