CN116109211B - 基于设备数字化的设备运行水平分析方法及装置 - Google Patents

基于设备数字化的设备运行水平分析方法及装置 Download PDF

Info

Publication number
CN116109211B
CN116109211B CN202310378466.4A CN202310378466A CN116109211B CN 116109211 B CN116109211 B CN 116109211B CN 202310378466 A CN202310378466 A CN 202310378466A CN 116109211 B CN116109211 B CN 116109211B
Authority
CN
China
Prior art keywords
index
equipment
evaluation
target
level
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
CN202310378466.4A
Other languages
English (en)
Other versions
CN116109211A (zh
Inventor
杜双育
姜磊
曲滨涛
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.)
Brilliant Data Analytics Inc
Original Assignee
Brilliant Data Analytics Inc
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 Brilliant Data Analytics Inc filed Critical Brilliant Data Analytics Inc
Priority to CN202310378466.4A priority Critical patent/CN116109211B/zh
Publication of CN116109211A publication Critical patent/CN116109211A/zh
Application granted granted Critical
Publication of CN116109211B publication Critical patent/CN116109211B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本发明涉及数字化技术，揭露了一种基于设备数字化的设备运行水平分析方法，包括：根据业务数据确定目标设备的评价因子；根据评价因子确定目标设备的标签指标，根据标签指标及评价因子生成设备数字化指标体系；计算设备数字化指标体系中指标层次的指标层次评分值，计算设备数字化指标体系中指标的指标综合权重；根据层次评分值及指标综合权重构建目标设备的设备灰色评估模型，利用设备灰色评估模型计算目标设备的综合评价值；根据综合评价值确定目标设备的设备云化指数，通过设备云化指数确定目标设备的设备数字化运行水平，利用设备数字化运行水平对生产车间的设备运行状况进行分析。本发明可以提高设备数字化运行水平分析的准确度。

Description

基于设备数字化的设备运行水平分析方法及装置
技术领域
本发明涉及数字化技术领域，尤其涉及一种基于设备数字化的设备运行水平分析方法及装置。
背景技术
随着制造业转型升级浪潮与5G网络落地应用浪潮的交汇，工业互联网的想象空间进一步加大，工业互联网建设正有序进行中，但为了对已有设备数字化运行水平进行评估，需要从多方面收集设备数字化数据，以进行设备数字化运行水平的分析。
现有的设备数字化水平评估技术为通过重点关注价值、战略、过程和绩效构建指标评价体系。实际应用中，设备数字化水平的影响因素具有多方面及多视角，仅考虑通过设备价值因素构建设备数字化评价体系，可能导致对设备数字化评价方式过于单一，从而对进行设备数字化运行水平评估时的准确度较低。
发明内容
本发明提供一种基于设备数字化的设备运行水平分析方法及装置，其主要目的在于解决进行设备数字化运行水平评估时的准确度较低的问题。
为实现上述目的，本发明提供的一种基于设备数字化的设备运行水平分析方法，包括：
S1、获取预设目标设备的设备业务，采集所述设备业务对应的业务数据，根据所述业务数据确定所述目标设备的评价因子；
S2、根据所述评价因子确定所述目标设备的标签指标，根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系；
S3、利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重，其中所述利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，包括：
S31、获取所述每个指标层次的主观评分值；
S32、利用如下的所述评分算法根据所述主观评分值及预设的差异分值计算所述每个指标层次的客观评分值：
Figure SMS_1
其中，
Figure SMS_3
为第/>
Figure SMS_7
个指标层次的客观评分值，/>
Figure SMS_9
为第/>
Figure SMS_4
个指标层次的主观评分值，/>
Figure SMS_6
为第/>
Figure SMS_8
个指标层次的差异分值，/>
Figure SMS_10
为指标层次的层级数量，/>
Figure SMS_2
为所有主观评分值的评分均值，
Figure SMS_5
为最大值函数；
S33、根据所述主观评分值及所述客观评分值确定所述设备数字化指标体系中每个指标层次的指标层次评分值；
S4、根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，利用所述设备灰色评估模型计算所述目标设备的综合评价值；
S5、根据所述综合评价值确定所述目标设备的设备云化指数，通过所述设备云化指数确定所述目标设备的设备数字化运行水平，利用所述设备数字化运行水平对目标生产车间的设备运行状况进行分析。
可选地，所述根据所述业务数据确定所述目标设备的评价因子，包括：
按照预设的评价标准将所述业务数据进行划分，得到划分业务数据；
将所述划分业务数据与预设的评价业务指标库中的评价业务数据进行对比，得到一致业务数据；
将所述一致业务数据对应的评价指数作为所述目标设备的评价因子。
可选地，所述根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系，包括：
获取所述标签指标与所述评价因子的层级对应关系；
根据所述标签指标确定所述目标设备的主因素层；
根据所述评价因子确定所述目标设备的子因素层；
通过所述层级对应关系根据所述主因素层及所述子因素层生成所述目标设备的设备数字化指标体系。
可选地，所述通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重，包括：
对所述每个指标进行数据标记，得到标记指标；
根据所述标记指标对所述每个指标进行等价划分，得到等价划分指标；
根据所述等价划分指标计算所述每个指标的指标依赖度；
利用如下的综合权重计算公式根据所述指标依赖度计算所述设备数字化指标体系中每个指标的指标综合权重：
Figure SMS_11
其中，
Figure SMS_14
为第/>
Figure SMS_15
个指标的指标综合权重，/>
Figure SMS_18
为第/>
Figure SMS_13
个指标的第一指标权重，/>
Figure SMS_17
为/>
Figure SMS_19
个指标的第二指标权重，/>
Figure SMS_21
为第/>
Figure SMS_12
个指标的主观权重，/>
Figure SMS_16
为第一权重经验因子，/>
Figure SMS_20
为第二权重经验因子。
可选地，所述根据所述等价划分指标计算所述每个指标的指标依赖度，包括：
确定所述等价划分指标与预设的等级决策标记指标中的交集指标数据；
统计所述交集指标数据中的相交子集个数；
根据所述相交子集个数计算所述每个指标的指标依赖度，其中所述指标依赖度的计算公式为：
Figure SMS_22
其中，
Figure SMS_23
第/>
Figure SMS_24
个指标的指标依赖度，/>
Figure SMS_25
为第/>
Figure SMS_26
个指标的指标数据，/>
Figure SMS_27
为并集符号，/>
Figure SMS_28
为所述相交子集个数。
可选地，所述根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，包括：
根据所述层次评分值及所述指标综合权重对所述主因素层进行评价，得到主因素层综合评价；
根据所述层次评分值及所述指标综合权重对所述子因素层进行评价，得到子因素层综合评价；
根据所述主因素层综合评价及所述子因素层综合评价生成所述目标设备的设备灰色评估模型。
可选地，所述利用所述设备灰色评估模型计算所述目标设备的综合评价值，包括：
对所述目标设备的评价因子进行指标白化定量，得到白化指标；
根据所述白化指标统计所述评价因子的指标灰色值；
利用所述设备灰色评估模型根据所述指标灰色值确定所述目标设备的灰色评价值；
根据所述灰色评价值及预设的灰色评价系数计算所述目标设备的综合评价值，其中所述综合评价值的计算公式为：
Figure SMS_29
其中，
Figure SMS_30
为所述综合评价值，/>
Figure SMS_31
为所述灰色评价值，/>
Figure SMS_32
为所述灰色评价系数。
可选地，所述根据所述综合评价值确定所述目标设备的设备云化指数，包括：
获取所述目标设备的设备总量，获取所述目标设备的设备数字化数量及所述目标设备的设备联网数量；
根据所述设备总量及所述设备数字化数量计算设备数字化率，其中所述设备数字化率为：
Figure SMS_33
其中，
Figure SMS_34
为所述设备数字化率，/>
Figure SMS_35
为所述设备数字化数量，/>
Figure SMS_36
为所述设备总量；
根据所述设备总量及所述设备联网数量计算设备联网率，其中所述设备联网率为：
Figure SMS_37
其中，
Figure SMS_38
为所述设备联网率，/>
Figure SMS_39
为所述设备联网数量，/>
Figure SMS_40
为所述设备总量；
根据所述综合评价值、所述设备数字化率及所述设备联网率计算所述设备云化指数，其中所述设备云化指数计算公式为：
Figure SMS_41
其中，
Figure SMS_42
为所述设备云化指数，/>
Figure SMS_43
为所述综合评价值，/>
Figure SMS_44
为所述设备数字化率，/>
Figure SMS_45
为所述设备联网率。
可选地，所述通过所述设备云化指数确定所述目标设备的设备数字化运行水平，包括：
根据所述设备云化指数确定所述目标设备的设备数字化等级；
根据所述设备数字化等级确定所述目标设备的设备数字化运行水平。
为了解决上述问题，本发明还提供一种基于设备数字化的设备运行水平分析装置，所述装置包括：
评价因子确定模块，用于获取预设目标设备的设备业务，采集所述设备业务对应的业务数据，根据所述业务数据确定所述目标设备的评价因子；
指标体系生成模块，用于根据所述评价因子确定所述目标设备的标签指标，根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系；
指标综合权重计算模块，用于利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重；
综合评价值计算模块，用于根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，利用所述设备灰色评估模型计算所述目标设备的综合评价值；
数字化运行水平评估模块，用于根据所述综合评价值确定所述目标设备的设备云化指数，通过所述设备云化指数确定所述目标设备的设备数字化运行水平，利用所述设备数字化运行水平对目标生产车间的设备运行状况进行分析。
本发明实施例通过对目标业务的业务梳理，得到目标业务的业务数据，进而根据业务数据确定目标设备的评价因子；根据评价因子及标签指标生成设备数字化指标体系，有利于从多维度对设备数字化运行水平进行评估，保证评估结果的精准性；通过计算指标层次的指标层次评分值以及计算每个指标的指标综合权重构建设备灰色评估模型，可实现设备最终的评估值，得到目标设备的综合评估值；根据综合评估值确定目标设备的设备云化指数，进而根据设备云化指数确定目标设备的设备数字化运行水平，以保证设备数字化运行水平评估的准确性。因此本发明提出的基于设备数字化的设备运行水平分析方法及装置，可以解决进行设备数字化运行水平评估时的准确度较低的问题。
附图说明
图1为本发明一实施例提供的基于设备数字化的设备运行水平分析方法的流程示意图；
图2为本发明一实施例提供的生成设备数字化指标体系的流程示意图；
图3为本发明一实施例提供的计算指标层次评分值的流程示意图；
图4为本发明一实施例提供的基于设备数字化的设备运行水平分析装置的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于设备数字化的设备运行水平分析方法。所述基于设备数字化的设备运行水平分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于设备数字化的设备运行水平分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于设备数字化的设备运行水平分析方法的流程示意图。在本实施例中，所述基于设备数字化的设备运行水平分析方法包括：
S1、获取预设目标设备的设备业务，采集所述设备业务对应的业务数据，根据所述业务数据确定所述目标设备的评价因子；
本发明实施例中，所述设备业务包括设备物资、基建、调度、财务、物资及设备等所有和设备有关的部分、互联网部及设备部等。
详细地，可通过互联网查阅相关业务资料或者通过问卷调查的方式获取预设目标设备的设备业务。
本发明实施例中，所述业务数据包括每种设备业务对应的业务数据，则物资对应的业务数据为智能终端采购情况；基建对应的业务数据为典型设计中传感器配置方案；调度对应的业务数据为监控信息数据；设备相关的业务数据为监测信息数据、作业信息数据及移动作业、电子化档案等业务管理的应用水平；财务、物资及设备等所有和设备有关的部分对应的业务数据是各系统接入数据的数据质量数据；互联网部级设备部对应的业务数据是三维建模、SG-CIM模型质量以及模型应用的效果。
详细地，可通过具有数据抓取功能的计算机语句（如Java语句、Python语句等）采集所述设备业务对应的业务数据。
进一步地，为了对设备数字化运行水平进行评估，需要从多个指标数据进行评估，因此，需要对设备数字化运行水平的评价因子进行分析。
本发明实施例中，所述评价因子是指对设备数字化水平进行评价的指标因子包括传感器配置水平、传感器的采购额度、采购次数、监控水平、设备监测水平、设备作业水平、设备系统接入数据的数据质量水平、设备运行模型的应用效果水平、移动作业、电子化档案业务管应用水平等。
本发明实施例中，所述根据所述业务数据确定所述目标设备的评价因子，包括：
按照预设的评价标准将所述业务数据进行划分，得到划分业务数据；
将所述划分业务数据与预设的评价业务指标库中的评价业务数据进行对比，得到一致业务数据；
将所述一致业务数据对应的评价指数作为所述目标设备的评价因子。
详细地，所述评价标准为根据业务数据所属于的评价类别，将业务数据按照评价标准进行划分，得到划分业务数据。如业务数据为关于传感器相关的数据，则按照评价标准需将其业务数据划分至传感器一类的评价标准。
具体地，将划分业务数据与预设的评价指标库中的评价业务数据逐一进行对比，将对比一致的业务数据筛选出来，并将筛选出来的一致业务数据对应的评价指数作为评价因子。如划分业务数据为传感器数据，将传感器数据与评价指标库中的评价传感器进行对比，得到传感器一致业务数据，并将评价指标库中对应的传感器指标作为其中一个评价因子。
进一步地，对目标设备数字化水平进行评估，需要根据评价因子对设备数字化指标体系进行分析。
S2、根据所述评价因子确定所述目标设备的标签指标，根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系；
本发明实施例中，所述标签指标包括传感器建设水平、数据采集水平、数据质量、模型应用水平及数字化管理水平。
详细地，根据所述评价因子所属的指标类别确定目标设备的标签指标，如传感器的配置水平、传感器的采购额度及采购次数可确定其标签指标为传感器建设水平；监控水平、设备监测水平及设备作业水平可确定其标签指标为数据采集水平，因此，可根据评价因子的数据范围确定其标签指标。
进一步地，根据所述标签指标及所述评价因子可确定设备数字化指标体系，进而根据设备数字化指标体系对设备数字化水平的做出评估。
本发明实施例中，参图2所示，所述根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系，包括：
S21、获取所述标签指标与所述评价因子的层级对应关系；
S22、根据所述标签指标确定所述目标设备的主因素层；
S23、根据所述评价因子确定所述目标设备的子因素层；
S24、通过所述层级对应关系根据所述主因素层及所述子因素层生成所述目标设备的设备数字化指标体系。
详细地，所述层级对应关系是根据标签指标下级层次下包括的评价因子，按照其包含关系确定标签指标与评价因子之间的层级对应关系，并将标签指标确定为主因素层，将评价因子确定为子因素层，按照所述层级对应关系将主因素层排列在第一层，将子因素层排列在第二层，因此，可根据层级关系将主因素层及子因素层进行层级排列，从而得到所述目标设备的设备数字化指标体系。
进一步地，根据设备数字化指标体系需要对其每个指标及每个指标层级进行分析，需要对每个指标层次及每个指标进行评分及权重的分析计算，以此保证构建的水平评估模型的准确性。
S3、利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重；
本发明实施例中，所述指标层次评分值是对设备数字化指标体系中每个指标层级的一个评分，进而根据指标层次评分值对设备数字化水平有初步的评估结果，以实现目标设备数字化的评估的完整性。
本发明实施例中，参图3所示，所述利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，包括：
S31、获取所述每个指标层次的主观评分值；
S32、利用如下的所述评分算法根据所述主观评分值及预设的差异分值计算所述每个指标层次的客观评分值：
Figure SMS_46
其中，
Figure SMS_48
为第/>
Figure SMS_50
个指标层次的客观评分值，/>
Figure SMS_53
为第/>
Figure SMS_49
个指标层次的主观评分值，/>
Figure SMS_52
为第/>
Figure SMS_54
个指标层次的差异分值，/>
Figure SMS_55
为指标层次的层级数量，/>
Figure SMS_47
为所有主观评分值的评分均值，
Figure SMS_51
为最大值函数；
S33、根据所述主观评分值及所述客观评分值确定所述设备数字化指标体系中每个指标层次的指标层次评分值。
详细地，所述主观评分值是根据专家的主观行为所作出的打分。其中，可通过问卷调查或者由生成的随机数获取所述每个指标层次的主观评分值。
具体地，所述评分算法中的
Figure SMS_56
为第/>
Figure SMS_57
个指标层次的差异分值，其中差异分值是根据主观评分值所确定的，主观评分值可能会具有个人主观情感的评分，可能会出现每个指标分数较高或较低的情况，为了避免这种异常分值的出现，需要设置一个差异分值消除主观情感带来的评分，可以保证最后获取的指标层次评分值更为准确。
进一步地，在确定每个指标层次的指标层次评分值后，需要对每个指标的综合权重进行分析，以便为了更准确的构建设备数字化评估模型。
本发明实施例中，所述粗糙集算法是指粗糙集理论，无需提供任何先验信息，可排除任何主观因素，可在不同前提条件下提出依据参数重要度和知识依赖度计算指标客观权重的算法，同时可提高该方法的普适性。
本发明实施例中，所述通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重，包括：
对所述每个指标进行数据标记，得到标记指标；
根据所述标记指标对所述每个指标进行等价划分，得到等价划分指标；
根据所述等价划分指标计算所述每个指标的指标依赖度；
利用如下的综合权重计算公式根据所述指标依赖度计算所述设备数字化指标体系中每个指标的指标综合权重：
Figure SMS_58
其中，
Figure SMS_61
为第/>
Figure SMS_62
个指标的指标综合权重，/>
Figure SMS_65
为第/>
Figure SMS_60
个指标的第一指标权重，/>
Figure SMS_63
为/>
Figure SMS_66
个指标的第二指标权重，/>
Figure SMS_68
为第/>
Figure SMS_59
个指标的主观权重，/>
Figure SMS_64
为第一权重经验因子，/>
Figure SMS_67
为第二权重经验因子。
详细地，对指标进行数据标记，即对每个指标按照序号进行标记，将每个指标用数值型进行标记，得到其标记指标。将标记指标进行等级划分，是通过标记指标中第一个数值不重复的数据，作为分组依据，把标记指标的数值与分组依据数值进行比较，数值相同的标记为一组，直至完成对所有标记等价关系的划分，得到等价划分指标。
具体地，所述指标依赖度是计算指标权重的前提，即依据粗糙集理论，对指标的依赖度理论进行研究，首先是计算各指标的指标依赖度，然后计算得到指标参数的权重大小。
本发明实施例中，所述根据所述等价划分指标计算所述每个指标的指标依赖度，包括：
确定所述等价划分指标与预设的等级决策标记指标中的交集指标数据；
统计所述交集指标数据中的相交子集个数；
根据所述相交子集个数计算所述每个指标的指标依赖度，其中所述指标依赖度的计算公式为：
Figure SMS_69
其中，
Figure SMS_70
第/>
Figure SMS_71
个指标的指标依赖度，/>
Figure SMS_72
为第/>
Figure SMS_73
个指标的指标数据，/>
Figure SMS_74
为并集符号，/>
Figure SMS_75
为所述相交子集个数。
详细地，所述等级决策标记指标是参数依赖于决策数据的正域集合，其中正域集合是将标记数据全集中数值相同的标记数据作为一组数据的集合。将等价划分指标中的指标数据与预设的等级决策标记指标中相同的指标数据筛选出来，以此构成交集指标数据，并统计交集指标数据中的相交的指标数据的子集个数，并将指标正域元素个数除以相交子集的个数，得到指标对应的指标依赖度，进而根据指标依赖度进行各指标的权重值。
具体地，所述综合权重计算公式中的
Figure SMS_76
为第一指标权重，即根据参数重要度计算指标的第一指标权重，其中参数重要度计算指标权重是根据粗糙集中上近似和下近似，计算得到系统参数的重要性，从而能够挖掘隐含在数据中的指标参数对于决策和判断结果的影响程度，然后根据这一参数的重要度，计算得到各指标的第一指标权重大小；所述综合权重计算公式中的/>
Figure SMS_77
为第二指标权重，即根据知识依赖度计算第二指标权重，根据粗糙集理论，对知识的依赖度理论进行研究，首先是计算各指标的知识依赖度，然后计算得到指标参数的权重大小；所述综合权重计算公式中的/>
Figure SMS_78
为主观权重，即根据专家对各指标权重进行主观的赋值。
进一步地，根据层次评分值及指标综合权重对设备数字化评估模型进行评价，以此确定设备数字化水平的准确评估。
S4、根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，利用所述设备灰色评估模型计算所述目标设备的综合评价值；
本发明实施例中，所述设备灰色评估模型是建立在专家打分法、层次分析法、灰色综合评价法、模糊综合评价法上的一种综合评价模型，保证评估方法的可行性及科学性。
本发明实施例中，所述根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，包括：
根据所述层次评分值及所述指标综合权重对所述主因素层进行评价，得到主因素层综合评价；
根据所述层次评分值及所述指标综合权重对所述子因素层进行评价，得到子因素层综合评价；
根据所述主因素层综合评价及所述子因素层综合评价生成所述目标设备的设备灰色评估模型。
详细地，将所述层次评分值中的第一层次评分值与第一层次中每个指标的指标综合权重进行相加后得到的指标综合总权与第一层次评分值再进行相乘，可得到主因素层综合评价；同样地，将所述层次评分值中的第二层次评分值与第二层次中每个指标的指标综合权重相加后得到的指标综合总权重与第二层次评分值进行相乘，可得到子因素层综合评价。
具体地，根据主因素层综合评价及子因素层综合评价可得到整体的综合评估值，根据综合评估值生成目标设备的设备灰色评估模型，用于对设备数字化运行水平进行评估。
进一步地，利用所述设备灰色评估模型中的主因素层综合评价及子因素层综合评价可确定目标设备的综合评价值，进而对设备数字化水平进行评估。
本发明实施例中，所述利用所述设备灰色评估模型计算所述目标设备的综合评价值，包括：
对所述目标设备的评价因子进行指标白化定量，得到白化指标；
根据所述白化指标统计所述评价因子的指标灰色值；
利用所述设备灰色评估模型根据所述指标灰色值确定所述目标设备的灰色评价值；
根据所述灰色评价值及预设的灰色评价系数计算所述目标设备的综合评价值，其中所述综合评价值的计算公式为：
Figure SMS_79
其中，
Figure SMS_80
为所述综合评价值，/>
Figure SMS_81
为所述灰色评价值，/>
Figure SMS_82
为所述灰色评价系数。
详细地，所述白化指标是指通过一种函数关系将其定性范围量化成具体数值，这一具体数值为灰数的白化值。其中，若设备数字化运行水平的评价结果为{优，良，中，差}，对应的分值为{9，7，5，3}，因此可设置所述指标灰色值为4；以及通过所述设备灰色评估模型根据所述指标灰色值占灰色值总数的占比值，将其占比值作为灰色评价值。
具体地，所述灰色评价系数为各评价指标属于各灰类的灰色评价系数之和，并将灰色评价值与灰色评价系数进行相乘得到的结果作为综合评价值。
进一步地，根据所述综合评价值确定所述目标设备的设备云化指数，进而根据设备云化指数确定其设备数字化运行水平。
S5、根据所述综合评价值确定所述目标设备的设备云化指数，通过所述设备云化指数确定所述目标设备的设备数字化运行水平，利用所述设备数字化运行水平对目标生产车间的设备运行状况进行分析。
本发明实施例中，所述设备云化指数包括生产设备数字化率及数字化生产设备联网率，用来评估生产设备数字化、网络化普及情况。
本发明实施例中，所述根据所述综合评价值确定所述目标设备的设备云化指数，包括：
获取所述目标设备的设备总量，获取所述目标设备的设备数字化数量及所述目标设备的设备联网数量；
根据所述设备总量及所述设备数字化数量计算设备数字化率，其中所述设备数字化率为：
Figure SMS_83
其中，
Figure SMS_84
为所述设备数字化率，/>
Figure SMS_85
为所述设备数字化数量，/>
Figure SMS_86
为所述设备总量；
根据所述设备总量及所述设备联网数量计算设备联网率，其中所述设备联网率为：
Figure SMS_87
其中，
Figure SMS_88
为所述设备联网率，/>
Figure SMS_89
为所述设备联网数量，/>
Figure SMS_90
为所述设备总量；
根据所述综合评价值、所述设备数字化率及所述设备联网率计算所述设备云化指数，其中所述设备云化指数计算公式为：
Figure SMS_91
其中，
Figure SMS_92
为所述设备云化指数，/>
Figure SMS_93
为所述综合评价值，/>
Figure SMS_94
为所述设备数字化率，/>
Figure SMS_95
为所述设备联网率。
详细地，可通过查阅相关资料及数据查询功能获取目标设备的设备总量、设备数字化数量及设备联网数量。以及所述设备数字化率是设备数字化数量与设备总量的比值，所述设备联网率是设备联网数量与设备总量的比值。
具体地，可根据综合评价值、设备数字化率及设备联网率确定设备云化指数，进而根据设备云化指数对设备数字化水平进行更准确的评估。
本发明实施例中，所述通过所述设备云化指数确定所述目标设备的设备数字化运行水平，包括：
根据所述设备云化指数确定所述目标设备的设备数字化等级；
根据所述设备数字化等级确定所述目标设备的设备数字化运行水平。
在本实施例中，设备数字化等级可以根据需要进行设置，例如，所述设备数字化等级分为低级、中级及高级。具体的，由于设备云化指数可以代表生产设备数字化率及数字化生产设备联网率，可以根据所述设备云化指数的范围大小确定目标设备的设备数字化等级。如设备云化指数的范围为{0,65}，则设备数字化等级为低级；设备云化指数的范围为{66,90}，则设备数字化等级为中级；设备云化指数的范围为{91,100}，则设备数字化等级为高级。
具体地，当所述设备数字化等级越高时，目标设备的设备数字化运行水平就越高，相反地，当所述设备数字化等级越低时，目标设备的设备数字化运行水平就越低，因此，可根据设备数字化等级对目标设备的设备数字化运行水平进行评估，进而根据设备数字化等级提高目标设备的设备数字化运行水平。其中，所述设备数字化运行水平是指在生产车间中生产设备进行数字化之后的设备运行水平，如在生产车间中将生产设备进行数字化后，可将未进行数字化的生产设备的运行水平与生产设备数字化的运行水平进行相比，可进一步根据设备云化指数确定设备数字化的运行水平。
本发明实施例中，所述设备数字化运行水平能够客观的反映目标生产车间设备数字化的运行状况，根据所述设备数字化运行水平的变化曲线与未进行设备数字化的设备运行水平的变化水平进行相比，可确定目标生产车间进行设备数字化所对应的设备运行状况更好，即设备数字化运行水平越高，目标生产车间的设备运行状况就越好；设备数字化运行水平越低，目标生产车间的设备运行状况就越差，则可以根据设备数字化运行水平对目标生产车间的设备运行状况进行分析评估。
本发明实施例通过对目标业务的业务梳理，得到目标业务的业务数据，进而根据业务数据确定目标设备的评价因子；根据评价因子及标签指标生成设备数字化指标体系，有利于从多维度对设备数字化运行水平进行评估，保证评估结果的精准性；通过计算指标层次的指标层次评分值以及计算每个指标的指标综合权重构建设备灰色评估模型，可实现设备最终的评估值，得到目标设备的综合评估值；根据综合评估值确定目标设备的设备云化指数，进而根据设备云化指数确定目标设备的设备数字化运行水平，以保证设备数字化运行水平评估的准确性。因此本发明提出的基于设备数字化的设备运行水平分析方法及装置，可以解决进行设备数字化运行水平评估时的准确度较低的问题。
如图4所示，是本发明一实施例提供的基于设备数字化的设备运行水平分析装置的功能模块图。
本发明所述基于设备数字化的设备运行水平分析装置100可以安装于电子设备中。根据实现的功能，所述基于设备数字化的设备运行水平分析装置100可以包括评价因子确定模块101、指标体系生成模块102、指标综合权重计算模块103、综合评价值计算模块104及数字化运行水平评估模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述评价因子确定模块101，用于获取预设目标设备的设备业务，采集所述设备业务对应的业务数据，根据所述业务数据确定所述目标设备的评价因子；
所述指标体系生成模块102，用于根据所述评价因子确定所述目标设备的标签指标，根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系；
所述指标综合权重计算模块103，用于利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重；
所述综合评价值计算模块104，用于根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，利用所述设备灰色评估模型计算所述目标设备的综合评价值；
所述数字化运行水平评估模块105，用于根据所述综合评价值确定所述目标设备的设备云化指数，通过所述设备云化指数确定所述目标设备的设备数字化运行水平，利用所述设备数字化运行水平对目标生产车间的设备运行状况进行分析。
详细地，本发明实施例中所述基于设备数字化的设备运行水平分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于设备数字化的设备运行水平分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于设备数字化的设备运行水平分析方法，其特征在于，所述方法包括：
S1、获取预设目标设备的设备业务，采集所述设备业务对应的业务数据，根据所述业务数据确定所述目标设备的评价因子；
S2、根据所述评价因子确定所述目标设备的标签指标，根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系；
S3、利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重，其中所述利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，包括：
S31、获取所述每个指标层次的主观评分值；
S32、利用如下的所述评分算法根据所述主观评分值及预设的差异分值计算所述每个指标层次的客观评分值：
Figure QLYQS_1
其中，
Figure QLYQS_2
为第/>
Figure QLYQS_5
个指标层次的客观评分值，/>
Figure QLYQS_8
为第/>
Figure QLYQS_3
个指标层次的主观评分值，/>
Figure QLYQS_7
为第/>
Figure QLYQS_9
个指标层次的差异分值，/>
Figure QLYQS_10
为指标层次的层级数量，/>
Figure QLYQS_4
为所有主观评分值的评分均值，/>
Figure QLYQS_6
为最大值函数；
S33、根据所述主观评分值及所述客观评分值确定所述设备数字化指标体系中每个指标层次的指标层次评分值；
S4、根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，利用所述设备灰色评估模型计算所述目标设备的综合评价值；
S5、根据所述综合评价值确定所述目标设备的设备云化指数，通过所述设备云化指数确定所述目标设备的设备数字化运行水平，利用所述设备数字化运行水平对目标生产车间的设备运行状况进行分析。
2.如权利要求1所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述根据所述业务数据确定所述目标设备的评价因子，包括：
按照预设的评价标准将所述业务数据进行划分，得到划分业务数据；
将所述划分业务数据与预设的评价业务指标库中的评价业务数据进行对比，得到一致业务数据；
将所述一致业务数据对应的评价指数作为所述目标设备的评价因子。
3.如权利要求1所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系，包括：
获取所述标签指标与所述评价因子的层级对应关系；
根据所述标签指标确定所述目标设备的主因素层；
根据所述评价因子确定所述目标设备的子因素层；
通过所述层级对应关系根据所述主因素层及所述子因素层生成所述目标设备的设备数字化指标体系。
4.如权利要求1所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重，包括：
对所述每个指标进行数据标记，得到标记指标；
根据所述标记指标对所述每个指标进行等价划分，得到等价划分指标；
根据所述等价划分指标计算所述每个指标的指标依赖度；
根据每个指标的指标依赖度计算每个指标的指标权重；
利用如下的综合权重计算公式计算所述设备数字化指标体系中每个指标的指标综合权重：
Figure QLYQS_11
其中，
Figure QLYQS_13
为第/>
Figure QLYQS_15
个指标的指标综合权重，/>
Figure QLYQS_18
为第/>
Figure QLYQS_14
个指标的第一指标权重，/>
Figure QLYQS_16
为/>
Figure QLYQS_20
个指标的第二指标权重，/>
Figure QLYQS_21
为第/>
Figure QLYQS_12
个指标的主观权重，/>
Figure QLYQS_17
为第一权重经验因子，/>
Figure QLYQS_19
为第二权重经验因子。
5.如权利要求4所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述根据所述等价划分指标计算所述每个指标的指标依赖度，包括：
确定所述等价划分指标与预设的等级决策标记指标中的交集指标数据；
统计所述交集指标数据中的相交子集个数；
根据所述相交子集个数计算所述每个指标的指标依赖度，其中所述指标依赖度的计算公式为：
Figure QLYQS_22
其中，
Figure QLYQS_23
第/>
Figure QLYQS_24
个指标的指标依赖度，/>
Figure QLYQS_25
为第/>
Figure QLYQS_26
个指标的指标数据，/>
Figure QLYQS_27
为并集符号，/>
Figure QLYQS_28
为所述相交子集个数。
6.如权利要求3所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，包括：
根据所述层次评分值及所述指标综合权重对所述主因素层进行评价，得到主因素层综合评价；
根据所述层次评分值及所述指标综合权重对所述子因素层进行评价，得到子因素层综合评价；
根据所述主因素层综合评价及所述子因素层综合评价生成所述目标设备的设备灰色评估模型。
7.如权利要求1所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述利用所述设备灰色评估模型计算所述目标设备的综合评价值，包括：
对所述目标设备的评价因子进行指标白化定量，得到白化指标；
根据所述白化指标统计所述评价因子的指标灰色值；
利用所述设备灰色评估模型根据所述指标灰色值确定所述目标设备的灰色评价值；
根据所述灰色评价值及预设的灰色评价系数计算所述目标设备的综合评价值，其中所述综合评价值的计算公式为：
Figure QLYQS_29
其中，
Figure QLYQS_30
为所述综合评价值，/>
Figure QLYQS_31
为所述灰色评价值，/>
Figure QLYQS_32
为所述灰色评价系数。
8.如权利要求1所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述根据所述综合评价值确定所述目标设备的设备云化指数，包括：
获取所述目标设备的设备总量，获取所述目标设备的设备数字化数量及所述目标设备的设备联网数量；
根据所述设备总量及所述设备数字化数量计算设备数字化率，其中所述设备数字化率为：
Figure QLYQS_33
其中，
Figure QLYQS_34
为所述设备数字化率，/>
Figure QLYQS_35
为所述设备数字化数量，/>
Figure QLYQS_36
为所述设备总量；
根据所述设备总量及所述设备联网数量计算设备联网率，其中所述设备联网率为：
Figure QLYQS_37
其中，
Figure QLYQS_38
为所述设备联网率，/>
Figure QLYQS_39
为所述设备联网数量，/>
Figure QLYQS_40
为所述设备总量；
根据所述综合评价值、所述设备数字化率及所述设备联网率计算所述设备云化指数，其中所述设备云化指数计算公式为：
Figure QLYQS_41
其中，
Figure QLYQS_42
为所述设备云化指数，/>
Figure QLYQS_43
为所述综合评价值，/>
Figure QLYQS_44
为所述设备数字化率，/>
Figure QLYQS_45
为所述设备联网率。
9.如权利要求1所述的基于设备数字化的设备运行水平分析方法，其特征在于，所述通过所述设备云化指数确定所述目标设备的设备数字化运行水平，包括：
根据所述设备云化指数确定所述目标设备的设备数字化等级；
根据所述设备数字化等级确定所述目标设备的设备数字化运行水平。
10.一种基于设备数字化的设备运行水平分析装置，其特征在于，所述装置包括：
评价因子确定模块，用于获取预设目标设备的设备业务，采集所述设备业务对应的业务数据，根据所述业务数据确定所述目标设备的评价因子；
指标体系生成模块，用于根据所述评价因子确定所述目标设备的标签指标，根据所述标签指标及所述评价因子生成所述目标设备的设备数字化指标体系；
指标综合权重计算模块，用于利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，通过预设的粗糙集算法计算所述设备数字化指标体系中每个指标的指标综合权重；
所述利用预设的评分算法计算所述设备数字化指标体系中每个指标层次的指标层次评分值，包括：
S31、获取所述每个指标层次的主观评分值；
S32、利用如下的所述评分算法根据所述主观评分值及预设的差异分值计算所述每个指标层次的客观评分值：
Figure QLYQS_46
其中，
Figure QLYQS_49
为第/>
Figure QLYQS_51
个指标层次的客观评分值，/>
Figure QLYQS_53
为第/>
Figure QLYQS_48
个指标层次的主观评分值，/>
Figure QLYQS_52
为第/>
Figure QLYQS_54
个指标层次的差异分值，/>
Figure QLYQS_55
为指标层次的层级数量，/>
Figure QLYQS_47
为所有主观评分值的评分均值，/>
Figure QLYQS_50
为最大值函数；
S33、根据所述主观评分值及所述客观评分值确定所述设备数字化指标体系中每个指标层次的指标层次评分值；
综合评价值计算模块，用于根据所述层次评分值及所述指标综合权重构建所述目标设备的设备灰色评估模型，利用所述设备灰色评估模型计算所述目标设备的综合评价值；
数字化运行水平评估模块，用于根据所述综合评价值确定所述目标设备的设备云化指数，通过所述设备云化指数确定所述目标设备的设备数字化运行水平，利用所述设备数字化运行水平对目标生产车间的设备运行状况进行分析。
CN202310378466.4A 2023-04-11 2023-04-11 基于设备数字化的设备运行水平分析方法及装置 Active CN116109211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310378466.4A CN116109211B (zh) 2023-04-11 2023-04-11 基于设备数字化的设备运行水平分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310378466.4A CN116109211B (zh) 2023-04-11 2023-04-11 基于设备数字化的设备运行水平分析方法及装置

Publications (2)

Publication Number Publication Date
CN116109211A CN116109211A (zh) 2023-05-12
CN116109211B true CN116109211B (zh) 2023-06-27

Family

ID=86258255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310378466.4A Active CN116109211B (zh) 2023-04-11 2023-04-11 基于设备数字化的设备运行水平分析方法及装置

Country Status (1)

Country Link
CN (1) CN116109211B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860569A (zh) * 2022-12-29 2023-03-28 郑州大学 一种基于云模型距离相似度的数字化视域下能源互联网综合价值评估方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020041955A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于改进型拉开档次法的数控机床综合性能评价方法
CN113792982A (zh) * 2021-08-19 2021-12-14 北京邮电大学 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置
CN114548637A (zh) * 2021-11-04 2022-05-27 国网浙江省电力有限公司湖州供电公司 一种基于ahp-rst的电力通信骨干数据网络安全综合评估方法
CN115860547A (zh) * 2022-12-07 2023-03-28 国网河南省电力公司经济技术研究院 基于组合赋权-topsis的乡村电气化数字化成效评价方法
CN115860572A (zh) * 2023-01-29 2023-03-28 北京长城电子商务有限公司 基于多维度运算灵活配置的供应商评价方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860569A (zh) * 2022-12-29 2023-03-28 郑州大学 一种基于云模型距离相似度的数字化视域下能源互联网综合价值评估方法

Also Published As

Publication number Publication date
CN116109211A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN107169628B (zh) 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN115578015B (zh) 基于物联网的污水处理全过程监管方法、系统及存储介质
CN114048436A (zh) 一种预测企业财务数据模型构建方法及构建装置
CN116485020B (zh) 一种基于大数据的供应链风险识别预警方法、系统及介质
CN111738843B (zh) 一种使用流水数据的量化风险评价系统和方法
CN113537807A (zh) 一种企业智慧风控方法及设备
CN114399212A (zh) 生态环境质量评估方法、装置、电子设备及存储介质
CN113516417A (zh) 基于智能建模的业务评估方法、装置、电子设备及介质
CN115859450A (zh) 一种基于bim技术的建筑建模数据处理方法及系统
CN114548494A (zh) 一种可视化造价数据预测智能分析系统
CN114638498A (zh) Esg评价方法、系统、电子设备及存储设备
CN117155771B (zh) 一种基于工业物联网的设备集群故障溯源方法及装置
CN116932523B (zh) 一种整合和监管第三方环境检测机构的平台
CN116109211B (zh) 基于设备数字化的设备运行水平分析方法及装置
CN115296933B (zh) 一种工业生产数据风险等级评估方法及系统
CN107424026A (zh) 商家信誉评价方法和装置
CN115829209A (zh) 基于碳路径的绿色智能仓库环保质量分析方法及装置
CN115204501A (zh) 企业评估方法、装置、计算机设备和存储介质
CN115687788A (zh) 一种智能化商机推荐方法和系统
CN111324795A (zh) 基于微博平台下食品安全网络舆情监测与评估模型的构建
CN112506930B (zh) 一种基于机器学习技术的数据洞察系统
CN114511250A (zh) 一种基于机器学习的企业外迁风险预警方法及系统
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质
CN113205274A (zh) 一种施工质量定量化排名方法
CN113704407A (zh) 基于类别分析的投诉量分析方法、装置、设备及存储介质

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