CN116542503A - 一种基于人工智能的性能测试分配方法、系统及介质 - Google Patents
一种基于人工智能的性能测试分配方法、系统及介质 Download PDFInfo
- Publication number
- CN116542503A CN116542503A CN202310829587.6A CN202310829587A CN116542503A CN 116542503 A CN116542503 A CN 116542503A CN 202310829587 A CN202310829587 A CN 202310829587A CN 116542503 A CN116542503 A CN 116542503A
- Authority
- CN
- China
- Prior art keywords
- test
- information
- data information
- acquiring
- equipment
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000011056 performance test Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 505
- 239000002131 composite material Substances 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims description 58
- 238000012423 maintenance Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000004080 punching Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06Q10/06—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0003—Composite materials
-
- 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
- G06F16/248—Presentation of query results
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Food Science & Technology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于人工智能的性能测试分配方法、系统及介质,属于性能测试分配技术领域,本发明通过获取实际可分配的测试资源数据信息,进而获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息,最后根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将测试分配结果进行可视化显示。本发明充分考虑了当前企业的测试资源数据信息,对测试资源数据信息进行精细化的识别与评估,使得复合材料产品在测试过程中的分配更加合理,提高了复合材料产品在测试过程中的资源分配效率。
Description
技术领域
本发明涉及性能测试分配技术领域,尤其涉及一种基于人工智能的性能测试分配方法、系统及介质。
背景技术
复合材料,是由两种或两种以上不同性质的材料,通过物理或化学的方法,在宏观或者微观上组成具有新性能的材料。各种材料在性能上互相取长补短,产生协同效应,使复合材料的综合性能优于原组成材料而满足各种不同的要求。因此,复合材料所制成的产品的性能十分优越,如纤维增强塑料、纤维增强金属等。在批量生产前往往需要对复合材料产品进行各种性能测试,如耐热性测试、导电性能测试、可靠性测试等。复合材料产品各类测试的目的是检测产品工艺、材料与元器件的缺陷。产品分级检验应遵循前项覆盖后项的原则,后项测试项目主要针对由后续工序工步引入的新风险进行检查。这样既可减少重复,也可将产品生产风险控制在更前端。系统化思维的不足易造成产品测试冗余且测试针对性不足等问题。然而,现在的企业对于测试的分配效率低下,往往没有考虑企业本身的测试资源数据,而本身的测试资源数据往往是动态变化的,如测试人员的变化以及测试设备的运行状态的变化,从而导致测试资源的不能够进行合理化分配。
发明内容
本发明克服了现有技术的不足,提供了一种基于人工智能的性能测试分配方法、系统及介质。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于人工智能的性能测试分配方法,包括以下步骤:
获取当前企业的测试资源数据信息,并构建数据库,将当前企业的测试资源数据信息输入到数据库中进行存储,并按照预设时段进行更新;
根据数据库获取当前企业的候选可分配测试资源数据信息,并通过对可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息;
获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息;
根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将测试分配结果进行可视化显示。
进一步地,本发明的一个较佳实施例中,获取当前企业的测试资源数据信息,具体包括以下步骤:
获取当前企业工作人员的基本数据信息,并设置测试关键词信息,根据测试关键词信息设置检索标签,根据检索标签检索基本数据信息,获取与测试项目相关的测试人员数据信息;
通过打卡设备获取与测试项目相关的测试人员数据信息的通勤状态信息,当通勤状态信息为通勤时,将相关联的测试人员列入到测试资源数据中;
获取当前企业测试设备的运行状态信息,并根据当前企业测试设备的运行状态信息进行分类,以获取正常运行状态的测试设备以及维修状态的测试设备;
获取维修状态的测试设备的预估维修时间以及测试项目所在的时间信息,当预估维修时间在测试项目所在的时间信息之内时,将维修状态的测试设备以及正常运行状态的测试设备列入到测试资源数据中,否则,将正常运行状态的设备列入到测试资源数据中。
进一步地,本发明的一个较佳实施例中,根据数据库获取当前企业的候选可分配测试资源数据信息,具体包括:
根据数据库获取当前企业正常运行状态的测试设备,并通过大数据获取测试设备的历史运行信息之下相关联的测试精度数据变化信息,基于卷积神经网络构建测试精度数据变化预测模型;
将测试精度数据变化信息输入到测试精度数据变化预测模型中进行训练,当损失函数训练平稳时,保存模型参数,输出测试精度数据变化预测模型;
根据测试精度数据变化预测模型以及当前企业正常运行状态的测试设备进行预测,获取当前企业正常运行状态的测试设备测试精度变化数据,获取当前企业正常运行状态的测试设备测试精度变化数据低于预设测试精度所在时段;
获取测试项目所在的时间信息,当当前企业正常运行状态的测试设备测试精度变化数据低于预设测试精度所在时段在测试项目所在的时间信息之内时,则将该正常运行状态的测试设备从测试资源数据信息中剔除,生成当前企业的候选可分配测试资源数据信息。
进一步地,本发明的一个较佳实施例中,通过对可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息,具体包括以下步骤:
根据可分配测试资源数据信息获取与测试项目相关的测试人员数据信息以及测试设备的数据信息;
基于与测试项目相关的测试人员数据信息获取测试人员的数量信息,以及基于测试设备的数据信息获取测试设备的可使用数据信息;
通过对测试人员的数量信息以及测试设备的可使用数据信息进行比较,获取最大数量信息对应的测试资源数据信息;
将最大数量信息对应的测试资源数据信息作为实际可分配的测试资源数据信息进行输出。
进一步地,本发明的一个较佳实施例中,获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息,具体包括以下步骤:
获取当前复合材料产品的待性能测试项目信息,并构建哈希函数组,基于哈希函数组对当前复合材料产品的待性能测试项目信息进行哈希运算,获取与哈希函数组对应的哈希组;
从获取当前复合材料产品的待性能测试项目信息中随机抽取一个待性能测试项目样本作为聚类对象,以计算索引值;
基于索引值以及与哈希函数组对应的哈希组进行聚类,以获取多个候选数据集,并根据多个候选数据集生成各类别的待性能测试项目信息。
进一步地,本发明的一个较佳实施例中,根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,具体包括以下步骤:
获取每一类别测试设备的数量信息以及每一类别的测试人员的数量信息,当存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,获取实际可分配的测试资源数据信息中每一测试设备在测试过程中的测试精度变化数据信息;
根据每一测试设备在测试过程中的测试精度变化数据信息进行测试精度大小排序,获取测试精度变化数据信息排序结果;
根据测试精度变化数据信息排序结果对相应类别的待性能测试项目信息进行测试设备优先级分配,生成测试设备优先级分配结果,并根据测试设备优先级分配结果对测试人员进行测试分配,生成测试分配结果;
当不存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,则根据每一类别测试设备的数量信息对每一类别的测试人员进行均匀式分配,生成测试分配结果。
本发明第二方面提供了一种基于人工智能的性能测试分配系统,系统包括存储器以及处理器,存储器中包含基于人工智能的性能测试分配方法程序,基于人工智能的性能测试分配方法程序被处理器执行时,实现如下步骤:
获取当前企业的测试资源数据信息,并构建数据库,将当前企业的测试资源数据信息输入到数据库中进行存储,并按照预设时段进行更新;
根据数据库获取当前企业的候选可分配测试资源数据信息,并通过对可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息;
获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息;
根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将测试分配结果进行可视化显示。
在本实施例中,获取当前企业的测试资源数据信息,具体包括以下步骤:
获取当前企业工作人员的基本数据信息,并设置测试关键词信息,根据测试关键词信息设置检索标签,根据检索标签检索基本数据信息,获取与测试项目相关的测试人员数据信息;
通过打卡设备获取与测试项目相关的测试人员数据信息的通勤状态信息,当通勤状态信息为通勤时,将相关联的测试人员列入到测试资源数据中;
获取当前企业测试设备的运行状态信息,并根据当前企业测试设备的运行状态信息进行分类,以获取正常运行状态的测试设备以及维修状态的测试设备;
获取维修状态的测试设备的预估维修时间以及测试项目所在的时间信息,当预估维修时间在测试项目所在的时间信息之内时,将维修状态的测试设备以及正常运行状态的测试设备列入到测试资源数据中,否则,将正常运行状态的设备列入到测试资源数据中。
在本实施例中,根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,具体包括以下步骤:
获取每一类别测试设备的数量信息以及每一类别的测试人员的数量信息,当存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,获取实际可分配的测试资源数据信息中每一测试设备在测试过程中的测试精度变化数据信息;
根据每一测试设备在测试过程中的测试精度变化数据信息进行测试精度大小排序,获取测试精度变化数据信息排序结果;
根据测试精度变化数据信息排序结果对相应类别的待性能测试项目信息进行测试设备优先级分配,生成测试设备优先级分配结果,并根据测试设备优先级分配结果对测试人员进行测试分配,生成测试分配结果;
当不存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,则根据每一类别测试设备的数量信息对每一类别的测试人员进行均匀式分配,生成测试分配结果。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质中包含基于人工智能的性能测试分配方法程序,基于人工智能的性能测试分配方法程序被处理器执行时,实现任一项所述的一种基于人工智能的性能测试分配方法的步骤。
本发明解决了背景技术中存在的缺陷,具备以下有益效果:
本发明通过获取当前企业的测试资源数据信息,并构建数据库,将当前企业的测试资源数据信息输入到数据库中进行存储,并按照预设时段进行更新,进一步根据数据库获取当前企业的候选可分配测试资源数据信息,并通过对可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息,进而获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息,最后根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将测试分配结果进行可视化显示。本发明充分考虑了当前企业的测试资源数据信息,对测试资源数据信息进行精细化的识别与评估,使得复合材料产品在测试过程中的分配更加合理,提高了复合材料产品在测试过程中的资源分配效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种基于人工智能的性能测试分配方法的整体方法流程图;
图2示出了一种基于人工智能的性能测试分配方法的第一方法流程图;
图3示出了一种基于人工智能的性能测试分配方法的第二方法流程图;
图4示出了一种基于人工智能的性能测试分配系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面提供了一种基于人工智能的性能测试分配方法,包括以下步骤:
S102:获取当前企业的测试资源数据信息,并构建数据库,将当前企业的测试资源数据信息输入到数据库中进行存储,并按照预设时段进行更新;
S104:根据数据库获取当前企业的候选可分配测试资源数据信息,并通过对可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息;
S106:获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息;
S108:根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将测试分配结果进行可视化显示。
需要说明的是,本发明充分考虑了当前企业的测试资源数据信息,对测试资源数据信息进行精细化的识别与评估,使得复合材料产品在测试过程中的分配更加合理,提高了复合材料产品在测试过程中的资源分配效率。
如图2所示,进一步地,本发明的一个较佳实施例中,获取当前企业的测试资源数据信息,具体包括以下步骤:
S202:获取当前企业工作人员的基本数据信息,并设置测试关键词信息,根据测试关键词信息设置检索标签,根据检索标签检索基本数据信息,获取与测试项目相关的测试人员数据信息;
S204:通过打卡设备获取与测试项目相关的测试人员数据信息的通勤状态信息,当通勤状态信息为通勤时,将相关联的测试人员列入到测试资源数据中;
S206:获取当前企业测试设备的运行状态信息,并根据当前企业测试设备的运行状态信息进行分类,以获取正常运行状态的测试设备以及维修状态的测试设备;
S208:获取维修状态的测试设备的预估维修时间以及测试项目所在的时间信息,当预估维修时间在测试项目所在的时间信息之内时,将维修状态的测试设备以及正常运行状态的测试设备列入到测试资源数据中,否则,将正常运行状态的设备列入到测试资源数据中。
示例性的,当前企业工作人员的基本数据信息包括工作人员的姓名信息、出生日期信息、工作部门信息等,实际上,复合材料产品的测试资源数据包括测试人员以及测试设备,而在对于测试任务分配时,需要考虑设备的运行状态,通过本方法能够进一步筛选出测试资源数据,从而提高测试资源分配的合理性。
进一步地,本发明的一个较佳实施例中,根据数据库获取当前企业的候选可分配测试资源数据信息,具体包括:
根据数据库获取当前企业正常运行状态的测试设备,并通过大数据获取测试设备的历史运行信息之下相关联的测试精度数据变化信息,基于卷积神经网络构建测试精度数据变化预测模型;
将测试精度数据变化信息输入到测试精度数据变化预测模型中进行训练,当损失函数训练平稳时,保存模型参数,输出测试精度数据变化预测模型;
根据测试精度数据变化预测模型以及当前企业正常运行状态的测试设备进行预测,获取当前企业正常运行状态的测试设备测试精度变化数据,获取当前企业正常运行状态的测试设备测试精度变化数据低于预设测试精度所在时段;
获取测试项目所在的时间信息,当当前企业正常运行状态的测试设备测试精度变化数据低于预设测试精度所在时段在测试项目所在的时间信息之内时,则将该正常运行状态的测试设备从测试资源数据信息中剔除,生成当前企业的候选可分配测试资源数据信息。
需要说明的是,实际上,由于测试设备的大量测试之后,测试设备就会发生一定测试精度变化,通过卷积神经网络来对测试精度变化数据进行训练,从而预测到正常运行状态的设备测试精度变化情况,通过本方法充分考虑了测试精度的变化情况,从而提高复合材料产品的测试分配合理性。
进一步地,本发明的一个较佳实施例中,通过对可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息,具体包括以下步骤:
根据可分配测试资源数据信息获取与测试项目相关的测试人员数据信息以及测试设备的数据信息;
基于与测试项目相关的测试人员数据信息获取测试人员的数量信息,以及基于测试设备的数据信息获取测试设备的可使用数据信息;
通过对测试人员的数量信息以及测试设备的可使用数据信息进行比较,获取最大数量信息对应的测试资源数据信息;
将最大数量信息对应的测试资源数据信息作为实际可分配的测试资源数据信息进行输出。
需要说明的是,在本实施例中,主要考虑到单组人员单台测试设备来对复合材料产品进行测试,但是本发明并非仅限于单组人员单台测试设备的分配,还可以是多组人员来控制单台测试设备的情况,本领域的技术人员可以根据实际情况来进行自由调整。在本实施例中,对于单组人员单台测试设备的测试分配而言,选取最大数量信息对应的测试资源数据信息作为实际可分配的测试资源数据信息进行输出。
进一步地,本发明的一个较佳实施例中,获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息,具体包括以下步骤:
获取当前复合材料产品的待性能测试项目信息,并构建哈希函数组,基于哈希函数组对当前复合材料产品的待性能测试项目信息进行哈希运算,获取与哈希函数组对应的哈希组;
从获取当前复合材料产品的待性能测试项目信息中随机抽取一个待性能测试项目样本作为聚类对象,以计算索引值;
基于索引值以及与哈希函数组对应的哈希组进行聚类,以获取多个候选数据集,并根据多个候选数据集生成各类别的待性能测试项目信息。
需要说明的是,通过本方法能够根据当前复合材料产品的待性能测试项目信息进行性能测试分类。
其中,待性能测试项目信息可以为复合材料产品的性能取决于材料的特性,因此需要进行材料的力学性能测试、热学性能测试、化学性能测试、电学性能测试等。复合材料产品需要经过长时间的使用和环境作用,因此需要进行可靠性测试,包括耐久性测试、环境适应性测试、失效分析等。
如图3所示,进一步地,本发明的一个较佳实施例中,根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,具体包括以下步骤:
S302:获取每一类别测试设备的数量信息以及每一类别的测试人员的数量信息,当存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,获取实际可分配的测试资源数据信息中每一测试设备在测试过程中的测试精度变化数据信息;
S304:根据每一测试设备在测试过程中的测试精度变化数据信息进行测试精度大小排序,获取测试精度变化数据信息排序结果;
S306:根据测试精度变化数据信息排序结果对相应类别的待性能测试项目信息进行测试设备优先级分配,生成测试设备优先级分配结果,并根据测试设备优先级分配结果对测试人员进行测试分配,生成测试分配结果;
S308:当不存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,则根据每一类别测试设备的数量信息对每一类别的测试人员进行均匀式分配,生成测试分配结果。
需要说明的是,由于测试设备在不断的使用的过程中,由于相关零件或者设备的退化,测试精度就会产生一定的变化,通过本方法能够进一步提高测试分配结果的合理性。
此外,构建数据库,将当前企业的测试资源数据信息输入到数据库中进行存储,并按照预设时段进行更新,具体包括以下步骤:
引入局部线性嵌入算法,并随机选取所述当前企业的测试资源数据信息的一个数据样本,计算该数据样本与当前企业的测试资源数据信息中其他数据样本的欧式距离;
根据所述欧式距离获取该数据样本最近的若干个领居数据样本,基于所述领居数据样本计算重构权矩阵,并根据所述重构矩阵得到降维后的数据集;
引入局部哈希注意力机制,通过所述局部哈希注意力机制计算出降维后的数据集的注意力分数;
将所述降维后的数据集的注意力分数映射到所述数据库中的相同空间中进行存储,将所述降维后的数据集的注意力分数映射到不同的空间中进行存储,并按照预设时段进行更新所述数据库。
需要说明的是,通过引入局部线性嵌入算法对当前企业的测试资源数据信息进行降维处理,以及通过引入局部哈希注意力机制完成对不同注意力分数的降维后的数据集映射到数据库中,通过降维以及注意力机制的协同作用,进一步提高了查询当前企业的测试资源数据信息的速度,从而提高测试分配系统的运算速度。
此外,本方法还可以包括以下步骤:
获取当前复合材料产品的待性能测试项目信息,并根据所述当前复合材料产品的待性能测试项目信息获取待测试项目的测试指标数据信息;
通过大数据获取待测试项目的测试指标数据信息相关联的测试环境数据信息,并根据所述测试环境数据信息构建无线环境监测网络,并根据所述无线监测网络获取实时的测试环境数据信息;
获取当前测试项目的测试环境指标数据信息,当所述实时的测试环境数据信息不在当前测试项目的测试环境指标数据信息之内时,获取相关环境控制设备的通信协议信息,通过物联网平台根据通信协议信息控制相关环境控制设备;
同时获取相关环境控制设备的工作状态,当相关环境控制设备的工作状态为异常工作状态时,将当前测试设备所获取的测试数据报废,并控制当前测试设备停止工作。
需要说明的是,每个测试项目都有着对应的测试指标,如耐热性测试具有相应的耐热性温度指标数据,其中,通过本方法能够进一步提高测试设备在测试过程中的有效性,以及保持测试数据的真实性。相关环境控制设备可以是温度控制设备、湿度控制设备等。
如图4所示,本发明第二方面提供了一种基于人工智能的性能测试分配系统4,该系统4包括存储器41以及处理器62,存储器41中包含基于人工智能的性能测试分配方法程序,基于人工智能的性能测试分配方法程序被处理器62执行时,实现如下步骤:
获取当前企业的测试资源数据信息,并构建数据库,将当前企业的测试资源数据信息输入到数据库中进行存储,并按照预设时段进行更新;
根据数据库获取当前企业的候选可分配测试资源数据信息,并通过对可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息;
获取当前复合材料产品的待性能测试项目信息,并根据当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息;
根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将测试分配结果进行可视化显示。
在本实施例中,获取当前企业的测试资源数据信息,具体包括以下步骤:
获取当前企业工作人员的基本数据信息,并设置测试关键词信息,根据测试关键词信息设置检索标签,根据检索标签检索基本数据信息,获取与测试项目相关的测试人员数据信息;
通过打卡设备获取与测试项目相关的测试人员数据信息的通勤状态信息,当通勤状态信息为通勤时,将相关联的测试人员列入到测试资源数据中;
获取当前企业测试设备的运行状态信息,并根据当前企业测试设备的运行状态信息进行分类,以获取正常运行状态的测试设备以及维修状态的测试设备;
获取维修状态的测试设备的预估维修时间以及测试项目所在的时间信息,当预估维修时间在测试项目所在的时间信息之内时,将维修状态的测试设备以及正常运行状态的测试设备列入到测试资源数据中,否则,将正常运行状态的设备列入到测试资源数据中。
在本实施例中,根据各类别的待性能测试项目信息以及实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,具体包括以下步骤:
获取每一类别测试设备的数量信息以及每一类别的测试人员的数量信息,当存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,获取实际可分配的测试资源数据信息中每一测试设备在测试过程中的测试精度变化数据信息;
根据每一测试设备在测试过程中的测试精度变化数据信息进行测试精度大小排序,获取测试精度变化数据信息排序结果;
根据测试精度变化数据信息排序结果对相应类别的待性能测试项目信息进行测试设备优先级分配,生成测试设备优先级分配结果,并根据测试设备优先级分配结果对测试人员进行测试分配,生成测试分配结果;
当不存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,则根据每一类别测试设备的数量信息对每一类别的测试人员进行均匀式分配,生成测试分配结果。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质中包含基于人工智能的性能测试分配方法程序,基于人工智能的性能测试分配方法程序被处理器执行时,实现任一项所述的一种基于人工智能的性能测试分配方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于人工智能的性能测试分配方法,其特征在于,包括以下步骤:
获取当前企业的测试资源数据信息,并构建数据库,将所述当前企业的测试资源数据信息输入到所述数据库中进行存储,并按照预设时段进行更新;
根据所述数据库获取当前企业的候选可分配测试资源数据信息,并通过对所述可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息;
获取当前复合材料产品的待性能测试项目信息,并根据所述当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息;
根据所述各类别的待性能测试项目信息以及所述实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将所述测试分配结果进行可视化显示。
2.根据权利要求1所述的一种基于人工智能的性能测试分配方法,其特征在于,获取当前企业的测试资源数据信息,具体包括以下步骤:
获取当前企业工作人员的基本数据信息,并设置测试关键词信息,根据所述测试关键词信息设置检索标签,根据所述检索标签检索所述基本数据信息,获取与测试项目相关的测试人员数据信息;
通过打卡设备获取所述与测试项目相关的测试人员数据信息的通勤状态信息,当所述通勤状态信息为通勤时,将相关联的测试人员列入到测试资源数据中;
获取当前企业测试设备的运行状态信息,并根据所述当前企业测试设备的运行状态信息进行分类,以获取正常运行状态的测试设备以及维修状态的测试设备;
获取所述维修状态的测试设备的预估维修时间以及测试项目所在的时间信息,当所述预估维修时间在所述测试项目所在的时间信息之内时,将所述维修状态的测试设备以及正常运行状态的测试设备列入到测试资源数据中,否则,将正常运行状态的设备列入到测试资源数据中。
3.根据权利要求1所述的一种基于人工智能的性能测试分配方法,其特征在于,根据所述数据库获取当前企业的候选可分配测试资源数据信息,具体包括:
根据所述数据库获取当前企业正常运行状态的测试设备,并通过大数据获取测试设备的历史运行信息之下相关联的测试精度数据变化信息,基于卷积神经网络构建测试精度数据变化预测模型;
将所述测试精度数据变化信息输入到所述测试精度数据变化预测模型中进行训练,当损失函数训练平稳时,保存模型参数,输出所述测试精度数据变化预测模型;
根据所述测试精度数据变化预测模型以及当前企业正常运行状态的测试设备进行预测,获取当前企业正常运行状态的测试设备测试精度变化数据,获取当前企业正常运行状态的测试设备测试精度变化数据低于预设测试精度所在时段;
获取测试项目所在的时间信息,当所述当前企业正常运行状态的测试设备测试精度变化数据低于预设测试精度所在时段在所述测试项目所在的时间信息之内时,则将该正常运行状态的测试设备从测试资源数据信息中剔除,生成当前企业的候选可分配测试资源数据信息。
4.根据权利要求1所述的一种基于人工智能的性能测试分配方法,其特征在于,通过对所述可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息,具体包括以下步骤:
根据所述可分配测试资源数据信息获取与测试项目相关的测试人员数据信息以及测试设备的数据信息;
基于所述与测试项目相关的测试人员数据信息获取测试人员的数量信息,以及基于测试设备的数据信息获取测试设备的可使用数据信息;
通过对所述测试人员的数量信息以及测试设备的可使用数据信息进行比较,获取最大数量信息对应的测试资源数据信息;
将所述最大数量信息对应的测试资源数据信息作为实际可分配的测试资源数据信息进行输出。
5.根据权利要求1所述的一种基于人工智能的性能测试分配方法,其特征在于,获取当前复合材料产品的待性能测试项目信息,并根据所述当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息,具体包括以下步骤:
获取当前复合材料产品的待性能测试项目信息,并构建哈希函数组,基于所述哈希函数组对所述当前复合材料产品的待性能测试项目信息进行哈希运算,获取与所述哈希函数组对应的哈希组;
从所述获取当前复合材料产品的待性能测试项目信息中随机抽取一个待性能测试项目样本作为聚类对象,以计算索引值;
基于所述索引值以及与所述哈希函数组对应的哈希组进行聚类,以获取多个候选数据集,并根据所述多个候选数据集生成各类别的待性能测试项目信息。
6.根据权利要求1所述的一种基于人工智能的性能测试分配方法,其特征在于,根据所述各类别的待性能测试项目信息以及所述实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,具体包括以下步骤:
获取每一类别测试设备的数量信息以及每一类别的测试人员的数量信息,当存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,获取所述实际可分配的测试资源数据信息中每一测试设备在测试过程中的测试精度变化数据信息;
根据所述每一测试设备在测试过程中的测试精度变化数据信息进行测试精度大小排序,获取测试精度变化数据信息排序结果;
根据所述测试精度变化数据信息排序结果对相应类别的待性能测试项目信息进行测试设备优先级分配,生成测试设备优先级分配结果,并根据所述测试设备优先级分配结果对测试人员进行测试分配,生成测试分配结果;
当不存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,则根据所述每一类别测试设备的数量信息对每一类别的测试人员进行均匀式分配,生成测试分配结果。
7.一种基于人工智能的性能测试分配系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包含基于人工智能的性能测试分配方法程序,所述基于人工智能的性能测试分配方法程序被所述处理器执行时,实现如下步骤:
获取当前企业的测试资源数据信息,并构建数据库,将所述当前企业的测试资源数据信息输入到所述数据库中进行存储,并按照预设时段进行更新;
根据所述数据库获取当前企业的候选可分配测试资源数据信息,并通过对所述可分配测试资源数据信息进行研判,获取实际可分配的测试资源数据信息;
获取当前复合材料产品的待性能测试项目信息,并根据所述当前复合材料产品的待性能测试项目信息进行数据分类,获取各类别的待性能测试项目信息;
根据所述各类别的待性能测试项目信息以及所述实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,将所述测试分配结果进行可视化显示。
8.根据权利要求7所述的一种基于人工智能的性能测试分配系统,其特征在于,获取当前企业的测试资源数据信息,具体包括以下步骤:
获取当前企业工作人员的基本数据信息,并设置测试关键词信息,根据所述测试关键词信息设置检索标签,根据所述检索标签检索所述基本数据信息,获取与测试项目相关的测试人员数据信息;
通过打卡设备获取所述与测试项目相关的测试人员数据信息的通勤状态信息,当所述通勤状态信息为通勤时,将相关联的测试人员列入到测试资源数据中;
获取当前企业测试设备的运行状态信息,并根据所述当前企业测试设备的运行状态信息进行分类,以获取正常运行状态的测试设备以及维修状态的测试设备;
获取所述维修状态的测试设备的预估维修时间以及测试项目所在的时间信息,当所述预估维修时间在所述测试项目所在的时间信息之内时,将所述维修状态的测试设备以及正常运行状态的测试设备列入到测试资源数据中,否则,将正常运行状态的设备列入到测试资源数据中。
9.根据权利要求7所述的一种基于人工智能的性能测试分配系统,其特征在于,根据所述各类别的待性能测试项目信息以及所述实际可分配的测试资源数据信息进行测试分配,生成测试分配结果,具体包括以下步骤:
获取每一类别测试设备的数量信息以及每一类别的测试人员的数量信息,当存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,获取所述实际可分配的测试资源数据信息中每一测试设备在测试过程中的测试精度变化数据信息;
根据所述每一测试设备在测试过程中的测试精度变化数据信息进行测试精度大小排序,获取测试精度变化数据信息排序结果;
根据所述测试精度变化数据信息排序结果对相应类别的待性能测试项目信息进行测试设备优先级分配,生成测试设备优先级分配结果,并根据所述测试设备优先级分配结果对测试人员进行测试分配,生成测试分配结果;
当不存在相关类别的测试设备的数量信息大于对应类别测试人员的数量信息时,则根据所述每一类别测试设备的数量信息对每一类别的测试人员进行均匀式分配,生成测试分配结果。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含基于人工智能的性能测试分配方法程序,所述基于人工智能的性能测试分配方法程序被处理器执行时,实现如权利要求1-6任一项所述的一种基于人工智能的性能测试分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310829587.6A CN116542503B (zh) | 2023-07-07 | 2023-07-07 | 一种基于人工智能的性能测试分配方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310829587.6A CN116542503B (zh) | 2023-07-07 | 2023-07-07 | 一种基于人工智能的性能测试分配方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542503A true CN116542503A (zh) | 2023-08-04 |
CN116542503B CN116542503B (zh) | 2024-02-02 |
Family
ID=87452883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310829587.6A Active CN116542503B (zh) | 2023-07-07 | 2023-07-07 | 一种基于人工智能的性能测试分配方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542503B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447157A (zh) * | 2016-08-26 | 2017-02-22 | 隆鑫通用动力股份有限公司 | 产品测试监管方法及其监管系统 |
CN114185763A (zh) * | 2020-09-14 | 2022-03-15 | 航天信息股份有限公司 | 动态分配方法、装置、存储介质及电子设备 |
CN115455089A (zh) * | 2022-11-09 | 2022-12-09 | 西安弘捷电子技术有限公司 | 一种无源组件的性能评估方法、系统及存储介质 |
-
2023
- 2023-07-07 CN CN202310829587.6A patent/CN116542503B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447157A (zh) * | 2016-08-26 | 2017-02-22 | 隆鑫通用动力股份有限公司 | 产品测试监管方法及其监管系统 |
CN114185763A (zh) * | 2020-09-14 | 2022-03-15 | 航天信息股份有限公司 | 动态分配方法、装置、存储介质及电子设备 |
CN115455089A (zh) * | 2022-11-09 | 2022-12-09 | 西安弘捷电子技术有限公司 | 一种无源组件的性能评估方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116542503B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113254510B (zh) | 业务风险客群的识别方法、装置、设备及存储介质 | |
CN111460167A (zh) | 基于知识图谱定位排污对象的方法及相关设备 | |
CN111259947A (zh) | 一种基于多模态学习的电力系统故障预警方法和系统 | |
CN110232499A (zh) | 一种配电网信息物理侧风险预警方法及系统 | |
CN109800995A (zh) | 一种电网设备故障识别方法及系统 | |
CN116340586B (zh) | 基于云平台的汽车故障管理方法、系统及存储介质 | |
CN112700131B (zh) | 基于人工智能的ab测试方法、装置、计算机设备及介质 | |
CN110647995A (zh) | 规则训练方法、装置、设备及存储介质 | |
CN108241867A (zh) | 一种分类方法及装置 | |
CN113743453A (zh) | 一种基于随机森林的人口数量预测方法 | |
CN114202179A (zh) | 目标企业的识别方法以及装置 | |
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 | |
CN116542503B (zh) | 一种基于人工智能的性能测试分配方法、系统及介质 | |
CN113806492A (zh) | 基于语义识别的记录生成方法、装置、设备及存储介质 | |
CN115982646B (zh) | 一种基于云平台的多源测试数据的管理方法及系统 | |
CN115147020B (zh) | 装修数据处理方法、装置、设备及存储介质 | |
CN116955071A (zh) | 故障分类方法、装置、设备及存储介质 | |
CN108258802A (zh) | 一种配电网中配电设备的运行状况的监测方法和装置 | |
CN112506930B (zh) | 一种基于机器学习技术的数据洞察系统 | |
CN111221704B (zh) | 一种确定办公管理应用系统运行状态的方法及系统 | |
CN115239514A (zh) | 绝缘纤维套管的制备流转方法、装置、设备及存储介质 | |
CN115099339A (zh) | 欺诈行为识别方法、装置、电子设备及存储介质 | |
CN117150389B (zh) | 模型训练方法、运营商号卡激活预测方法及其设备 | |
CN116702059B (zh) | 一种基于物联网的智能生产车间管理系统 | |
CN117369954B (zh) | 一种面向大数据构建的风险处理框架的jvm优化方法和装置 |
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 |