CN116468427B - 一种基于大数据的设备运维智能监管系统及方法 - Google Patents
一种基于大数据的设备运维智能监管系统及方法 Download PDFInfo
- Publication number
- CN116468427B CN116468427B CN202310722590.8A CN202310722590A CN116468427B CN 116468427 B CN116468427 B CN 116468427B CN 202310722590 A CN202310722590 A CN 202310722590A CN 116468427 B CN116468427 B CN 116468427B
- Authority
- CN
- China
- Prior art keywords
- equipment
- maintenance
- fault
- air conditioning
- inspection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 136
- 238000004378 air conditioning Methods 0.000 claims abstract description 93
- 238000012512 characterization method Methods 0.000 claims abstract description 26
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 238000009960 carding Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000012886 linear function Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 201000004569 Blindness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及设备运维监管技术领域,具体为一种基于大数据的设备运维智能监管系统及方法,包括采集运维人员对不同品牌空调设备所执行的所有历史运维记录,获取不同品牌空调设备在出现任意一种故障表征时所对应的故障范围;分别对与各设备部位关联的历史运维记录进行汇集;基于在各设备部位的关联历史运维记录集合中的运维信息分布情况,对各设备部位在故障维修上呈现出的特征指数进行计算;基于各品牌空调设备在对应不同故障表征上呈现出的历史运维记录特征分布情况,分别生成对应各品牌空调设备的故障巡检任务清单;基于实时巡检发生的设备部位情况,对巡检任务清单进行自适应性调整。
Description
技术领域
本发明涉及设备运维监管技术领域,具体为一种基于大数据的设备运维智能监管系统及方法。
背景技术
定期的空调维修保养可排除故障隐患,咸少事故发生,减少因空调故障对工作带来的影响,降低运行费用,延长设备使用寿命,同时保障空调设备正常的工作时序;空调长期运行后,由于电线、元器件发热等原因会引起接头松动、脱落,造成接触不良、缺相,交流接触器、热继电器也会出现接触不良、断路等故障,严重时会引起电机烧毁的严重后果。
从空调对室内环境影响方面看,空调在使用一两年后,会滋生细菌,产生异味,危害健康。制冷效果下降,费电,出风量下降,费电,出风量下降等诸多问题;目前,常见对空调巡检的方式通常为定期、定向、定流程的对空调开展巡检工作,但是该种巡检方式,虽能避免一定的盲目性但是缺少机动性,浪费人力物力,且在所述情况下,对于设备故障的发现不够及时。
发明内容
本发明的目的在于提供一种基于大数据的设备运维智能监管系统及方法,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:一种基于大数据的设备运维智能监管方法,方法包括:
步骤S100:采集运维人员对不同品牌空调设备所执行的所有历史运维记录,获取不同品牌空调设备在出现任意一种故障表征时所对应的故障范围,故障范围由若干个能造成任意一种故障表征出现的故障部位区间组成;其中,任意一个故障部位区间至少包括一个出现故障的设备部位;
步骤S200:分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;分别对与各设备部位关联的历史运维记录进行汇集,得到对应各设备部位的关联历史运维记录集合;
步骤S300:基于在各设备部位的关联历史运维记录集合中的运维信息分布情况,对各设备部位在故障维修上呈现出的特征指数进行计算;
步骤S400:基于各品牌空调设备在对应不同故障表征上呈现出的历史运维记录特征分布情况,分别生成对应各品牌空调设备的故障巡检任务清单;
步骤S500:基于故障巡检任务清单对各品牌空调设备进行故障巡检,基于实时巡检发生的设备部位情况,对巡检任务清单进行自适应性调整。
进一步的,步骤S200包括:
步骤S201:分别将对应各品牌空调设备的所有历史运维记录基于对应设备编号的不同进行分类;分别将各编号空调设备对应的所有历史运维记录按照记录生成时间的先后顺序进行排序,得到各编号空调设备对应的历史运维记录集合;
步骤S202:分别在各编号空调设备的历史运维记录集合内,捕捉于每一历史运维记录中对应进行故障维修的设备部位;将包含维修某设备部位的历史运维记录,设为某设备部位的关联历史运维记录;分别在各编号空调设备的历史运维记录集合内,对各设备部位对应的所有关联历史运维记录进行分类汇集,并分别将对应各设备部位的关联历史运维记录按照记录生成时间的先后顺序进行排序,得到对应各设备部位的关联历史运维记录集合。
进一步的,步骤S300包括:
步骤S301:获取各编号空调设备的初始使用时间,分别在各设备部位对应的关联历史运维记录集合中,获取从初始使用时间至第一条关联历史运维记录生成时间之间所间隔的时间周期T;汇集于某品牌空调设备下,所有编号空调设备对应各设备部位的时间周期T,捕捉最小时间周期Tmin,将Tmin作为对应在某品牌空调设备中,各设备部位的第一特征指数;
上述将设备部件从初始使用开始到第一次因为故障进行维修所历经的周期作为一类特征指标,该周期的长短可以在一定程度上代表该设备部件在巡检顺序上的重要程度,Tmin越大越好,说明首次出现故障的周期越长;
步骤S302:分别在各编号空调设备的历史运维记录集合内,分别对各设备部位对应的关联历史运维记录集合进行提取;若对应第j个设备部位的关联历史运维记录集合为Yj={yj1,yj2,...yjn};其中,yj1,yj2,...yjn分别表示提取包含第j个设备部位的第1、2、...、n条关联历史运维记录;设在第i条关联历史运维记录yi与第i+1条关联历史运维记录yi+1之间构成第i次重复维修,第i次重复维修对应的频指数x=i;将第i条关联历史运维记录yi与第i+1条关联历史运维记录yi+1之间的时间差设为第i次重复维修对应的频度值g;
步骤S303:将n-1次重复维修对应的频指数和频度值进行线性拟合,构建对应第j个设备部位的频度值与频指数之间的线性函数关系式:g=kx+b;其中,b为常数,k为斜率;汇集在各品牌空调设备下,所有编号空调设备中各设备部位对应的所有线性函数关系式,对最小斜率值kmin进行捕捉,将kmin作为对应在各品牌空调设备下,各设备部位的第二特征指数。
kmin越大越好,说明重复进行故障维修的历经周期越长,一定程度上可以反应该设备部件的磨损率。
进一步的,步骤S400包括:
步骤S401:分别对各品牌空调设备中的各设备部位计算故障指数β=kmin×Tmin;将故障指数大于指数阈值的设备部件设为目标设备部件;若在某品牌空调设备的某一种故障表征所对应的故障范围中,包含出现故障的设备部位总数为N,属于目标设备部件的总数为M,对某一种故障表征计算得到对应的巡检指数为α=M/N;
步骤S402:为每一种故障表征的巡检设置一个对应的巡检任务;将对应各故障表征的巡检任务按照对应巡检指数从高到低进行排序,生成对应各品牌空调设备的故障巡检任务清单;其中,每一个巡检任务包含若干巡检项,每一巡检项对应一个能造成相应故障表征出现的故障部位区间;分别对各巡检项计算巡检指数Φ=e/Q,其中,e表示各巡检项中属于目标设备部件的个数;Q表示各巡检项中需巡检的设备部位总数;将对应各巡检任务的巡检项按照对应巡检指数从高到低进行排序。
进一步的,步骤S500包括:
步骤S501:对目标待巡检空调设备基于巡检任务清单逐一对各故障表征进行故障排查;若对某一巡检任务进行故障排查后显示无异常,(无异常是指,某一巡检任务对应的各巡检项均未出现有设备部位出现故障)设某一巡检任务为特征巡检任务;
步骤S502:若某一特征巡检任务A对应的巡检指数为a,位于某一巡检任务A之后存在某一巡检任务D,某一巡检任务D对应的巡检指数为d;当在某一特征巡检任务A中包含的所有目标设备部件对应的集合为PA,与在某一巡检任务D中包含的所有目标设备部件对应的集合为PD之间满足PD∈PA,且d-a≧Ψ时,将某一巡检任务D从巡检任务清单中剔除;其中,Ψ表示巡检指数差阈值;
例如说,存在特征巡检任务A对应的巡检指数为13,在相应的巡检任务清单上,位于特征巡检任务A之后存在巡检任务D,巡检任务D对应的巡检指数为7;
其中,在特征巡检任务A中需要进行巡检的设备部位包括第1设备部位、第2设备部位、第3设备部位、第4设备部位;
其中,在巡检任务D中需要进行巡检的设备部位包括第3设备部位、第4设备部位、第5设备部位;
其中,目标设备部件包括第1设备部位、第3设备部位、第4设备部位,因此在特征巡检任务A中存在的目标设备部件集合为{第1设备部位、第3设备部位、第4设备部位},在巡检任务D中存在的目标设备部件集合为{第3设备部位、第4设备部位};
综上,满足{第3设备部位、第4设备部位}∈{第1设备部位、第3设备部位、第4设备部位},且13-7=6≧5,综上,判断将巡检任务D从巡检任务清单中剔除;
为更好的实现上述方法,还提出了一种设备运维智能监管系统,系统包括运维记录调取管理模块、运维记录信息梳理模块、特征指数计算模块、故障巡检任务清单生成模块、巡检自适应性调整模块;
运维记录调取管理模块,用于采集运维人员对不同品牌空调设备所执行的所有历史运维记录,获取不同品牌空调设备在出现任意一种故障表征时所对应的故障范围,故障范围由若干个能造成任意一种故障表征出现的故障部位区间组成;其中,任意一个故障部位区间至少包括一个出现故障的设备部位;
运维记录信息梳理模块,用于分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;分别对与各设备部位关联的历史运维记录进行汇集,得到对应各设备部位的关联历史运维记录集合;
特征指数计算模块,用于根据在各设备部位的关联历史运维记录集合中的运维信息分布情况,对各设备部位在故障维修上呈现出的特征指数进行计算;
故障巡检任务清单生成模块,用于根据各品牌空调设备在对应不同故障表征上呈现出的历史运维记录特征分布情况,分别生成对应各品牌空调设备的故障巡检任务清单;
巡检自适应性调整模块,用于根据故障巡检任务清单对各品牌空调设备进行故障巡检,基于实时巡检发生的设备部位情况,对巡检任务清单进行自适应性调整。
进一步的,运维记录信息梳理模块包括记录信息管理单元、关联记录识别单元;
记录信息管理单元,用于分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;
关联记录识别单元,用于分别对与各设备部位关联的历史运维记录进行识别,汇集得到对应各设备部位的关联历史运维记录集合。
进一步的,特征指数计算模块包括运维信息特征分布梳理单元、特征指数计算单元;
运维信息特征分布梳理单元,用于对各设备部位的关联历史运维记录集合梳理特征分布情况;
特征指数计算单元,用于接收运维信息特征分布梳理单元中的数据,对各设备部位在故障维修上呈现出的特征指数进行计算。
与现有技术相比,本发明所达到的有益效果是:本发明可基于对不同品牌的空调设备通过分析历史运维记录,提取得到基于不同品牌空调设备不同的性能问题,通常会出现的一些故障表征现象,但是在实际场景下,通常一种故障表征现象往往会对应多种故障原因,运维人员在故障现象出现的时候,通常需要逐一排查,本申请通过对历史运维记录对不同品牌的空调设备出现故障事件较高的故障表征以及设备部件进行识别,生成智能化运维任务清单,同时基于按照清单顺序得到的巡检结果,对后续待巡检的任务进行自适应调整,提高巡检效率,降低空调设备出现故障事件的概率。
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设备运维智能监管方法的流程示意图;
图2是本发明一种基于大数据的设备运维智能监管系统的结构示意图。
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-图2,本发明提供技术方案:一种基于大数据的设备运维智能监管方法,方法包括:
步骤S100:采集运维人员对不同品牌空调设备所执行的所有历史运维记录,获取不同品牌空调设备在出现任意一种故障表征时所对应的故障范围,故障范围由若干个能造成任意一种故障表征出现的故障部位区间组成;其中,任意一个故障部位区间至少包括一个出现故障的设备部位;
步骤S200:分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;分别对与各设备部位关联的历史运维记录进行汇集,得到对应各设备部位的关联历史运维记录集合;
其中,步骤S200包括:
步骤S201:分别将对应各品牌空调设备的所有历史运维记录基于对应设备编号的不同进行分类;分别将各编号空调设备对应的所有历史运维记录按照记录生成时间的先后顺序进行排序,得到各编号空调设备对应的历史运维记录集合;
步骤S202:分别在各编号空调设备的历史运维记录集合内,捕捉于每一历史运维记录中对应进行故障维修的设备部位;将包含维修某设备部位的历史运维记录,设为某设备部位的关联历史运维记录;分别在各编号空调设备的历史运维记录集合内,对各设备部位对应的所有关联历史运维记录进行分类汇集,并分别将对应各设备部位的关联历史运维记录按照记录生成时间的先后顺序进行排序,得到对应各设备部位的关联历史运维记录集合;
步骤S300:基于在各设备部位的关联历史运维记录集合中的运维信息分布情况,对各设备部位在故障维修上呈现出的特征指数进行计算;
其中,步骤S300包括:
步骤S301:获取各编号空调设备的初始使用时间,分别在各设备部位对应的关联历史运维记录集合中,获取从初始使用时间至第一条关联历史运维记录生成时间之间所间隔的时间周期T;汇集于某品牌空调设备下,所有编号空调设备对应各设备部位的时间周期T,捕捉最小时间周期Tmin,将Tmin作为对应在某品牌空调设备中,各设备部位的第一特征指数;
上述将设备部件从初始使用开始到第一次因为故障进行维修所历经的周期作为一类特征指标,该周期的长短可以在一定程度上代表该设备部件在巡检顺序上的重要程度,Tmin越大越好,说明首次出现故障的周期越长;
步骤S302:分别在各编号空调设备的历史运维记录集合内,分别对各设备部位对应的关联历史运维记录集合进行提取;若对应第j个设备部位的关联历史运维记录集合为Yj={yj1,yj2,...yjn};其中,yj1,yj2,...yjn分别表示提取包含第j个设备部位的第1、2、...、n条关联历史运维记录;设在第i条关联历史运维记录yi与第i+1条关联历史运维记录yi+1之间构成第i次重复维修,第i次重复维修对应的频指数x=i;将第i条关联历史运维记录yi与第i+1条关联历史运维记录yi+1之间的时间差设为第i次重复维修对应的频度值g;
步骤S303:将n-1次重复维修对应的频指数和频度值进行线性拟合,构建对应第j个设备部位的频度值与频指数之间的线性函数关系式:g=kx+b;其中,b为常数,k为斜率;汇集在各品牌空调设备下,所有编号空调设备中各设备部位对应的所有线性函数关系式,对最小斜率值kmin进行捕捉,将kmin作为对应在各品牌空调设备下,各设备部位的第二特征指数;
步骤S400:基于各品牌空调设备在对应不同故障表征上呈现出的历史运维记录特征分布情况,分别生成对应各品牌空调设备的故障巡检任务清单;
其中,步骤S400包括:
步骤S401:分别对各品牌空调设备中的各设备部位计算故障指数β=kmin×Tmin;将故障指数大于指数阈值的设备部件设为目标设备部件;若在某品牌空调设备的某一种故障表征所对应的故障范围中,包含出现故障的设备部位总数为N,属于目标设备部件的总数为M,对某一种故障表征计算得到对应的巡检指数为α=M/N;
步骤S402:为每一种故障表征的巡检设置一个对应的巡检任务;将对应各故障表征的巡检任务按照对应巡检指数从高到低进行排序,生成对应各品牌空调设备的故障巡检任务清单;其中,每一个巡检任务包含若干巡检项,每一巡检项对应一个能造成相应故障表征出现的故障部位区间;分别对各巡检项计算巡检指数Φ=e/Q,其中,e表示各巡检项中属于目标设备部件的个数;Q表示各巡检项中需巡检的设备部位总数;将对应各巡检任务的巡检项按照对应巡检指数从高到低进行排序;
步骤S500:基于故障巡检任务清单对各品牌空调设备进行故障巡检,基于实时巡检发生的设备部位情况,对巡检任务清单进行自适应性调整;
其中,步骤S500包括:
步骤S501:对目标待巡检空调设备基于巡检任务清单逐一对各故障表征进行故障排查;若对某一巡检任务进行故障排查后显示无异常,设某一巡检任务为特征巡检任务;
步骤S502:若某一特征巡检任务A对应的巡检指数为a,位于某一巡检任务A之后存在某一巡检任务D,某一巡检任务D对应的巡检指数为d;当在某一特征巡检任务A中包含的所有目标设备部件对应的集合为PA,与在某一巡检任务D中包含的所有目标设备部件对应的集合为PD之间满足PD∈PA,且d-a≧Ψ时,将某一巡检任务D从巡检任务清单中剔除;其中,Ψ表示巡检指数差阈值。
例如说,
为更好的实现上述方法,还提出了一种设备运维智能监管系统,系统包括运维记录调取管理模块、运维记录信息梳理模块、特征指数计算模块、故障巡检任务清单生成模块、巡检自适应性调整模块;
运维记录调取管理模块,用于采集运维人员对不同品牌空调设备所执行的所有历史运维记录,获取不同品牌空调设备在出现任意一种故障表征时所对应的故障范围,故障范围由若干个能造成任意一种故障表征出现的故障部位区间组成;其中,任意一个故障部位区间至少包括一个出现故障的设备部位;
运维记录信息梳理模块,用于分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;分别对与各设备部位关联的历史运维记录进行汇集,得到对应各设备部位的关联历史运维记录集合;
其中,运维记录信息梳理模块包括记录信息管理单元、关联记录识别单元;
记录信息管理单元,用于分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;
关联记录识别单元,用于分别对与各设备部位关联的历史运维记录进行识别,汇集得到对应各设备部位的关联历史运维记录集合;
特征指数计算模块,用于根据在各设备部位的关联历史运维记录集合中的运维信息分布情况,对各设备部位在故障维修上呈现出的特征指数进行计算;
其中,特征指数计算模块包括运维信息特征分布梳理单元、特征指数计算单元;
运维信息特征分布梳理单元,用于对各设备部位的关联历史运维记录集合梳理特征分布情况;
特征指数计算单元,用于接收运维信息特征分布梳理单元中的数据,对各设备部位在故障维修上呈现出的特征指数进行计算;
故障巡检任务清单生成模块,用于根据各品牌空调设备在对应不同故障表征上呈现出的历史运维记录特征分布情况,分别生成对应各品牌空调设备的故障巡检任务清单;
巡检自适应性调整模块,用于根据故障巡检任务清单对各品牌空调设备进行故障巡检,基于实时巡检发生的设备部位情况,对巡检任务清单进行自适应性调整。
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 (4)
1.一种基于大数据的设备运维智能监管方法,其特征在于,所述方法包括:
步骤S100:采集运维人员对不同品牌空调设备所执行的所有历史运维记录,获取不同品牌空调设备在出现任意一种故障表征时所对应的故障范围,所述故障范围由若干个能造成所述任意一种故障表征出现的故障部位区间组成;其中,任意一个所述故障部位区间至少包括一个出现故障的设备部位;
步骤S200:分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;分别对与各设备部位关联的历史运维记录进行汇集,得到对应各设备部位的关联历史运维记录集合;
所述步骤S200包括:
步骤S201:分别将对应各品牌空调设备的所有历史运维记录基于对应设备编号的不同进行分类;分别将各编号空调设备对应的所有历史运维记录按照记录生成时间的先后顺序进行排序,得到各编号空调设备对应的历史运维记录集合;
步骤S202:分别在各编号空调设备的历史运维记录集合内,捕捉于每一历史运维记录中对应进行故障维修的设备部位;将包含维修某设备部位的历史运维记录,设为所述某设备部位的关联历史运维记录;分别在各编号空调设备的历史运维记录集合内,对各设备部位对应的所有关联历史运维记录进行分类汇集,并分别将对应各设备部位的关联历史运维记录按照记录生成时间的先后顺序进行排序,得到对应各设备部位的关联历史运维记录集合;
步骤S300:基于在各设备部位的关联历史运维记录集合中的运维信息分布情况,对各设备部位在故障维修上呈现出的特征指数进行计算;
所述步骤S300包括:
步骤S301:获取所述各编号空调设备的初始使用时间,分别在各设备部位对应的关联历史运维记录集合中,获取从所述初始使用时间至第一条关联历史运维记录生成时间之间所间隔的时间周期T;汇集于某品牌空调设备下,所有编号空调设备对应各设备部位的时间周期T,捕捉最小时间周期Tmin,将Tmin作为对应在所述某品牌空调设备中,所述各设备部位的第一特征指数;
步骤S302:分别在各编号空调设备的历史运维记录集合内,分别对各设备部位对应的关联历史运维记录集合进行提取;若对应第j个设备部位的关联历史运维记录集合为Yj={yj1,yj2,...yjn};其中,yj1,yj2,...yjn分别表示提取包含第j个设备部位的第1、2、...、n条关联历史运维记录;设在第i条关联历史运维记录yi与第i+1条关联历史运维记录yi+1之间构成第i次重复维修,所述第i次重复维修对应的频指数x=i;将第i条关联历史运维记录yi与第i+1条关联历史运维记录yi+1之间的时间差设为所述第i次重复维修对应的频度值g;
步骤S303:将n-1次重复维修对应的频指数和频度值进行线性拟合,构建对应第j个设备部位的频度值与频指数之间的线性函数关系式:g=kx+b;其中,b为常数,k为斜率;汇集在各品牌空调设备下,所有编号空调设备中各设备部位对应的所有线性函数关系式,对最小斜率值kmin进行捕捉,将kmin作为对应在所述各品牌空调设备下,所述各设备部位的第二特征指数;
步骤S400:基于各品牌空调设备在对应不同故障表征上呈现出的历史运维记录特征分布情况,分别生成对应各品牌空调设备的故障巡检任务清单;
所述步骤S400包括:
步骤S401:分别对各品牌空调设备中的各设备部位计算故障指数β=kmin×Tmin;将故障指数大于指数阈值的设备部件设为目标设备部件;若在某品牌空调设备的某一种故障表征所对应的故障范围中,包含出现故障的设备部位总数为N,属于目标设备部件的总数为M,对所述某一种故障表征计算得到对应的巡检指数为α=M/N;
步骤S402:为每一种故障表征的巡检设置一个对应的巡检任务;将对应各故障表征的巡检任务按照对应巡检指数从高到低进行排序,生成对应各品牌空调设备的故障巡检任务清单;其中,每一个巡检任务包含若干巡检项,每一巡检项对应一个能造成相应故障表征出现的故障部位区间;分别对各巡检项计算巡检指数Φ=e/Q,其中,e表示各巡检项中属于目标设备部件的个数;Q表示各巡检项中需巡检的设备部位总数;将对应各巡检任务的巡检项按照对应巡检指数从高到低进行排序;
步骤S500:基于故障巡检任务清单对各品牌空调设备进行故障巡检,基于实时巡检发生的设备部位情况,对所述巡检任务清单进行自适应性调整;
所述步骤S500包括:
步骤S501:对目标待巡检空调设备基于巡检任务清单逐一对各故障表征进行故障排查;若对某一巡检任务进行故障排查后显示无异常,设所述某一巡检任务为特征巡检任务;
步骤S502:若某一特征巡检任务A对应的巡检指数为a,位于所述某一巡检任务A之后存在某一巡检任务D,某一巡检任务D对应的巡检指数为d;当在所述某一特征巡检任务A中包含的所有目标设备部件对应的集合为PA,与在所述某一巡检任务D中包含的所有目标设备部件对应的集合为PD之间满足PD∈PA,且d-a≧Ψ时,将所述某一巡检任务D从所述巡检任务清单中剔除;其中,Ψ表示巡检指数差阈值。
2.应用于权利要求1中所述的一种基于大数据的设备运维智能监管方法的设备运维智能监管系统,其特征在于,所述系统包括运维记录调取管理模块、运维记录信息梳理模块、特征指数计算模块、故障巡检任务清单生成模块、巡检自适应性调整模块;
所述运维记录调取管理模块,用于采集运维人员对不同品牌空调设备所执行的所有历史运维记录,获取不同品牌空调设备在出现任意一种故障表征时所对应的故障范围,所述故障范围由若干个能造成所述任意一种故障表征出现的故障部位区间组成;其中,任意一个所述故障部位区间至少包括一个出现故障的设备部位;
所述运维记录信息梳理模块,用于分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;分别对与各设备部位关联的历史运维记录进行汇集,得到对应各设备部位的关联历史运维记录集合;
所述特征指数计算模块,用于根据在各设备部位的关联历史运维记录集合中的运维信息分布情况,对各设备部位在故障维修上呈现出的特征指数进行计算;
所述故障巡检任务清单生成模块,用于根据各品牌空调设备在对应不同故障表征上呈现出的历史运维记录特征分布情况,分别生成对应各品牌空调设备的故障巡检任务清单;
所述巡检自适应性调整模块,用于根据故障巡检任务清单对各品牌空调设备进行故障巡检,基于实时巡检发生的设备部位情况,对所述巡检任务清单进行自适应性调整。
3.根据权利要求2所述的一种设备运维智能监管系统,其特征在于,所述运维记录信息梳理模块包括记录信息管理单元、关联记录识别单元;
所述记录信息管理单元,用于分别对在各品牌空调设备的历史运维记录中出现故障维修的各设备部位,进行对应历史运维记录信息的梳理;
所述关联记录识别单元,用于分别对与各设备部位关联的历史运维记录进行识别,汇集得到对应各设备部位的关联历史运维记录集合。
4.根据权利要求2所述的一种设备运维智能监管系统,其特征在于,所述特征指数计算模块包括运维信息特征分布梳理单元、特征指数计算单元;
所述运维信息特征分布梳理单元,用于对各设备部位的关联历史运维记录集合梳理特征分布情况;
所述特征指数计算单元,用于接收所述运维信息特征分布梳理单元中的数据,对各设备部位在故障维修上呈现出的特征指数进行计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722590.8A CN116468427B (zh) | 2023-06-19 | 2023-06-19 | 一种基于大数据的设备运维智能监管系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722590.8A CN116468427B (zh) | 2023-06-19 | 2023-06-19 | 一种基于大数据的设备运维智能监管系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116468427A CN116468427A (zh) | 2023-07-21 |
CN116468427B true CN116468427B (zh) | 2023-08-25 |
Family
ID=87179255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310722590.8A Active CN116468427B (zh) | 2023-06-19 | 2023-06-19 | 一种基于大数据的设备运维智能监管系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468427B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217740B (zh) * | 2023-11-09 | 2024-02-06 | 江苏德琛常工新能源科技创新有限公司 | 一种基于人工智能的氢能设备故障数据传输系统及方法 |
CN117670313B (zh) * | 2024-02-01 | 2024-04-30 | 西安咸林能源科技有限公司 | 一种电厂巡检方法、电厂巡检系统及可存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897779A (zh) * | 2017-03-02 | 2017-06-27 | 苏州紫方数据科技有限公司 | 一种数据中心运维系统事件的处理方法 |
CN109784504A (zh) * | 2018-12-24 | 2019-05-21 | 贵州宇豪科技发展有限公司 | 数据中心远程智能运维管理方法及系统 |
CN112460738A (zh) * | 2019-09-09 | 2021-03-09 | 上海杰之能软件科技有限公司 | 空调系统的状态识别方法及装置、存储介质、终端 |
JP2022032684A (ja) * | 2020-08-13 | 2022-02-25 | 日立Astemo株式会社 | 設備保全支援システム及び設備保全支援方法 |
CN115689524A (zh) * | 2022-10-21 | 2023-02-03 | 山东新一代信息产业技术研究院有限公司 | 一种数据中心机房电气设备预测性维护系统及方法 |
WO2023020081A1 (zh) * | 2021-08-18 | 2023-02-23 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN116123696A (zh) * | 2022-12-27 | 2023-05-16 | 南京祥泰系统科技有限公司 | 一种中央空调负荷预测系统 |
-
2023
- 2023-06-19 CN CN202310722590.8A patent/CN116468427B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897779A (zh) * | 2017-03-02 | 2017-06-27 | 苏州紫方数据科技有限公司 | 一种数据中心运维系统事件的处理方法 |
CN109784504A (zh) * | 2018-12-24 | 2019-05-21 | 贵州宇豪科技发展有限公司 | 数据中心远程智能运维管理方法及系统 |
CN112460738A (zh) * | 2019-09-09 | 2021-03-09 | 上海杰之能软件科技有限公司 | 空调系统的状态识别方法及装置、存储介质、终端 |
JP2022032684A (ja) * | 2020-08-13 | 2022-02-25 | 日立Astemo株式会社 | 設備保全支援システム及び設備保全支援方法 |
WO2023020081A1 (zh) * | 2021-08-18 | 2023-02-23 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN115689524A (zh) * | 2022-10-21 | 2023-02-03 | 山东新一代信息产业技术研究院有限公司 | 一种数据中心机房电气设备预测性维护系统及方法 |
CN116123696A (zh) * | 2022-12-27 | 2023-05-16 | 南京祥泰系统科技有限公司 | 一种中央空调负荷预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116468427A (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116468427B (zh) | 一种基于大数据的设备运维智能监管系统及方法 | |
CN110309981A (zh) | 一种基于工业大数据的水电站状态检修决策系统 | |
CN112713658A (zh) | 一种电网设备监控缺陷智能控制方法及系统 | |
CN111045364B (zh) | 一种基于大数据平台的动力环境监控系统辅助决策方法 | |
CN113063611A (zh) | 一种设备的监控管理方法及其系统 | |
CN112462734A (zh) | 一种工业生产设备故障预测分析方法及模型 | |
CN117114573A (zh) | 一种基于大数据的仓储时间监管系统及方法 | |
CN111339661B (zh) | 一种高压电缆巡检周期自动规划方法 | |
CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
CN115792423A (zh) | 一种基于物联网的模块化机柜及其运行状态监测系统 | |
CN114035466A (zh) | 一种双工位磁片排列机的控制系统 | |
CN114065957B (zh) | 一种基于wsn的设备监控方法、系统及可读介质 | |
CN117391675B (zh) | 一种数据中心基础设施运维管理方法 | |
CN114137302A (zh) | 一种电能计量器具检定全过程监控系统 | |
CN116485578B (zh) | 一种钢材冶炼车间的集成管理方法及系统 | |
CN116227754B (zh) | 一种橡胶手套的生产自适应优化控制方法及系统 | |
CN115246609A (zh) | 一种电梯安全防控云平台及运行状态评估和处理方法 | |
CN116362561A (zh) | 一种基于大数据的集控站运行辅助决策方法 | |
WO2017082473A1 (ko) | 해양플랜트 예지보전 시스템 및 이를 사용한 해양플랜트 예지보전방법 | |
CN112561230A (zh) | 基于电气特征的环保设备状态监测方法 | |
CN105629938A (zh) | 易损件的智能监测方法 | |
CN116777086B (zh) | 基于多模数据的钢结构智能生产线预测性维护方法及系统 | |
CN117875946B (zh) | 一种用于变电站设备运维的人机协同自主红外巡检方法 | |
CN116773238B (zh) | 一种基于工业数据的故障监测方法及系统 | |
CN117308505B (zh) | 一种适用于商用冷柜智能维护与决策支持方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |