CN116663875B - 一种基于大数据的智能化安装工程监测系统及方法 - Google Patents

Abstract

本发明涉及智能化安装工程技术领域，具体为一种基于大数据的智能化安装工程监测系统及方法，包括安装数据库建立模块、待分析安装环节确定模块、目标安装环节确定模块、待分析溯源集合生成模块、影响数据提取模块、影响环节确定模块和预警响应模块；安装数据库建立模块用于对安装过程进行数字化记录并存储；待分析安装环节确定模块分析提取安装数据库中记录的待分析安装环节；目标安装环节确定模块用于基于安装数据库分析提取安装数据库中记录的目标安装环节；待分析溯源集合生成模块用于确定待分析安装环节所属安装工序的待分析次序；本发明提供了工人对整体安装工程分析的效率，使得工人对异常的处理更具有针对性。

Description

一种基于大数据的智能化安装工程监测系统及方法

技术领域

本发明涉及智能化安装工程技术领域，具体为一种基于大数据的智能化安装工程监测系统及方法。

背景技术

如今存在的各种各样且复杂繁多的安装工程中，除了一些规定测量安装指标的安装环节外，还存在大量没有制定强制性要求进行安装成效检测的安装环节，这些安装环节在通过人工安装的过程中存在人工的判断或者进行自主检测，来确定安装是否达到指标或是该环节的安装是否有效，但是由于安装工人水平的层次不齐，对未进行标准检测的安装环节往往会存在判断误差，所以在进行到后续安装环节出现异常时，定位查找到实际造成异常产生的环节会产生大量工作量，造成了安装工程的进度滞后，完成周期增长，降低安装工程的工程效率。

发明内容

本发明的目的在于提供一种基于大数据的智能化安装工程监测系统及方法，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：一种基于大数据的智能化安装工程监测方法，方法包括以下分析步骤：

步骤S1：对智能化安装工程对应的安装过程进行数字化记录并存储于安装数据库，安装数据库包括安装环节、构成完整安装工程对应的安装工序以及安装环节完成后记录的表征数据；基于安装数据库分析提取安装数据库中记录的待分析安装环节以及目标安装环节；

步骤S2：基于步骤S1中的待分析安装环节，确定待分析安装环节所属安装工序的待分析次序，并分析待分析安装环节与当前待分析次序前列中安装环节的关联关系，生成关联关系对应的待分析溯源集合；

步骤S3：基于步骤S2中的待分析溯源集合，提取待分析安装环节自身以及待分析安装环节前的所有影响节点和影响链路；

步骤S4：基于安装数据库中相同安装环节的历史数据，分析影响节点与影响链路以确定待分析安装环节的影响环节并进行数字化预警响应。

进一步的，步骤S1包括以下分析步骤：

步骤S11：提取安装数据库中针对同一安装设备的安装数据构成安装数据集A，A＝{A₁,A₂,A₃......,A_n}，其中A₁,A₂,A₃......,A_n表示第1、2、3、......、n次安装数据组；提取每一安装数据组A₁,A₂,A₃......,A_n中包含的第m₁、m₂、......、m_n个表征数据集m_n表示第n个安装数据组中安装环节对应表征数据的个数，每次安装数据组中的每一安装环节最多包含一个表征数据，n表示同一安装设备的安装数据组记录的总次数；且当表征数据为异常表征时，安装数据库停止记录对应安装数据组的后续安装环节数据；

步骤S12：提取安装数据集A中存在表征数据的安装环节为目标安装环节，以及任意安装数据组中对应安装环节的第m_n个表征数据为第一表征数据，提取第一表征数据对应的安装环节为第一安装环节；

在同一安装的设备安装过程中由于不同工人操作习惯的不同，对于安装过程中每一安装环节的表征数据的检测获取具有不确定性，工人的经验不同会导致有的环节存在表征数据，有的环节不存在表征数据，所以在每一安装数据中记录的表征数据所属的安装环节也具有随机性；设定目标安装环节是为了对整体安装过程中进行表征检测的环节进行标记，便于更好的对后续异常发生时的定位分析；

步骤S13：提取剔除第一表征环节所属安装数据组后的安装数据集中与第一表征环节相同的安装环节为第二安装环节，若存在第二安装环节对应的第二表征数据与第一表征数据不同，则输出第一安装环节为待分析安装环节；反之输出第一安装环节为末位安装环节，且末位安装环节对应的表征数据为正常表征数据。

进一步的，步骤S2包括以下分析步骤：

步骤S21：当待分析安装环节的待分析次序为1时，则输出影响环节为待分析安装环节本身并传输对应的预警信号；

当待分析安装环节对应的待分析次序为大于1且小于等于m时，m∈{m₁，m₂，......，m_n}，m表示安装数据组中的表征数据的总个数；提取待分析安装环节前列安装环节对应安装工序的总数量N₀；前列安装环节是指根据安装工程要求在待分析安装环节前完成的安装环节；

步骤S22：基于总数量N₀，当N₀＝m时，输出待分析安装环节与前列安装环节的关联关系为强相关；并输出影响环节为待分析安装环节本身以及待分析安装环节与前一安装环节构成的链路，链路是指相邻两安装环节进行衔接时形成的数据信息；分析链路是因为在安装工程中异常的原因不仅包括安装环节自身的原因，还存在相邻关联环节衔接后造成的异常；当N₀>m时，输出待分析安装环节与前列安装环节的关联关系为弱相关；当N₀>m时说明在待分析安装环节出现异常前的所有环节并没有均进行表征数据检测，则待分析安装环节出现的异常并不能直接确定具体是哪一环节造成的影响；

步骤S23：基于关联关系为弱相关的待分析安装环节，生成对应的待分析溯源集合B，B＝{(U_i，P_i)}，其中U_i表示待分析溯源集合中第i个安装环节，且i≤N₀，表示待分析安装环节，P_i表示待分析溯源集合中第i个安装环节对应的表征数据，安装环节与表征数据一一对应，当安装环节不存在表征数据时，输出P_i＝0。

进一步的，步骤S3包括以下分析步骤：

提取待分析溯源集合中表征数据P_i＝0时对应的安装环节以及待分析安装环节为影响节点，定位P_i＝0时对应的安装环节所属安装工序的位置序号N_i，并提取安装工序的位置序号N_i相邻位置序号为N_i-1的安装环节和序号为N_i+1的安装环节；

则输出第N_i-1个安装环节与第N_i个安装环节构成的链路、第N_i个安装环节与第N_i+1个安装环节构成的链路以及待分析安装环节与前一安装环节构成的链路为影响链路。

在分析待分析安装环节异常对应的影响位置时，由于数据库的设定说明待分析安装环节异常前记录的目标安装环节均是属于表征数据正常的安装环节，且正常安装环节之间的链路在对应安装环节完成后也说明是正常的，问题的发生则可能存在未进行检测的影响节点且与之直接关联的链路。

进一步的，步骤S4包括以下分析步骤：

步骤S41：提取影响节点中待分析安装环节存在安装数据集中相同待分析安装环节对应的安装数据组；提取n-1个安装数据组中待分析安装环节相同，且对应不同安装环节的安装数据组为待分析数据组；

步骤S42：比较第k个待分析数据组中最后一安装环节的表征数据与待分析安装环节对应表征数据的相似度Y_k，并计算整体平均相似度Y₀，Y₀＝(1/v)∑(Y_k)，k≤v，v表示与待分析安装环节相同的安装数据集中安装数据组的总个数；设置相似度阈值，若平均相似度Y₀大于等于相似度阈值，则输出影响环节为待分析安装环节；反之，转步骤S43；分析相同环节对应存在不同安装数据组中体现出的表征数据相似，且待分析安装环节前数据不同时，此时说明异常环节产生前的检测环节不同得到的异常表征数据却相同，足够推断出造成异常的影响环节为最后一个安装环节，即待分析安装环节；

步骤S43：提取影响节点中除去待分析安装环节外的节点为待考察节点，提取待考察节点对应安装环节记录为安装环节数据组中最后一安装环节的表征数据为待考察表征数据，当待考察表征数据与待分析安装环节对应的表征数据存在相同时，输出影响环节为待考察表征数据对应的待考察节点；当待考察表征数据与待分析环节对应的表征数据均不相同时，则分析影响链路。先分析影响节点是因为影响节点在安装数据组中可以快速提取对应安装环节节点的表征数据，有助于对整体各部分数据的说明分析，提高系统的分析效率，便于快速定位异常产生的安装环节。

进一步的，分析影响链路包括以下分析步骤：

提取待分析溯源集合中存在的影响链路，获取影响链路构成的影响节点对应存在安装数据集合且为安装数据组中最后一安装环节的频率d₁，d₁＝r₁/n，r₁表示影响链路构成的影响节点对应存在安装数据集合为安装数据组中最后一安装环节并确定影响环节为最后一安装环节对应链路的次数；r₁越大说明对应影响链路存在异常的可能性较大；

则将频率d₁按照从大到小的顺序进行排列，得到频率d₁最大值对应的影响链路为最优链路，提取最优链路中存在的待考察节点为影响环节。在通过最优链路确定影响环节时，不仅仅要分析影响环节对应安装环节自身，还要考虑到安装环节相关联的链路；且本申请中在基于最优链路分析影响环节时，是将最可能存在异常的环节信息输送给信息以进行预警提醒，提高对复杂安装工程中分析可能存在异常环节时的有效的方向定位。

一种基于大数据的智能化安装工程监测系统，系统包括安装数据库建立模块、待分析安装环节确定模块、目标安装环节确定模块、待分析溯源集合生成模块、影响数据提取模块、影响环节确定模块和预警响应模块；

安装数据库建立模块用于对智能化安装工程对应的安装过程进行数字化记录并存储；

待分析安装环节确定模块用于基于安装数据库分析提取安装数据库中记录的待分析安装环节；

目标安装环节确定模块用于基于安装数据库分析提取安装数据库中记录的目标安装环节；

待分析溯源集合生成模块用于确定待分析安装环节所属安装工序的待分析次序，并分析待分析安装环节与当前待分析次序前列中安装环节的关联关系，生成关联关系对应的待分析溯源集合；

影响数据提取模块用于提取待分析安装环节自身以及待分析安装环节前的所有影响节点和影响链路；

影响环节确定模块用于分析影响节点与影响链路以确定待分析安装环节的影响环节；

预警响应模块用于基于影响环节进行预警响应传输。

进一步的，待分析溯源集合生成模块包括待分析次序分析单元、安装工序数量分析单元、关联关系辨析单元和待分析溯源集合输出单元；

待分析次序分析模块用于确定待分析安装环节对应的待分析次序；

安装工序数量分析单元用于确定分析安装环节前列安装环节对应安装工序的总数量；

关联关系辨析单元用于基于待分析次序分析模块与安装工序数量分析单元中数据的比较，判断待分析安装环节与前列安装环节的关联关系，关联关系包括强相关和弱相关；

待分析溯源集合输出单元用于基于弱相关对应的待分析安装环节生成对应的待分析溯源集合。

进一步的，影响环节确定模块包括影响节点分析单元和影响链路分析单元；

影响节点分析单元用于提取影响节点与安装数据组中的表征数据相似度进行分析确定影响节点，输出对应的影响环节；

影响链路分析单元用于获取影响链路构成的影响节点对应存在安装数据集合且为安装数据组中最后一安装环节的频率，进而分析最优影响链路并提取最优影响链路对应的影响节点为影响环节。

与现有技术相比，本发明所达到的有益效果是：本发明通过设定记录同类型安装工程数据的安装工程监测系统，对实时产生的工程数据进行录入，实现了对不同安装环节数据的合理分析，且在针对未记录数据库中的安装环节进行智能化、数字化分析，以使得当某一安装环节检测出异常时，可以有针对性有方向性的对记录的安装数据进行提取分析；同时本发明基于对表征数据的分析，以及对安装工程数据的划分提取，从点到线的进行智能化分析，即从每一安装环节以及相邻安装环节构成的安装链路，高效地给出安装工程中出现异常时对应最可能的影响环节，提供了工人对整体安装工程分析的效率，使得工人对异常的处理更具有针对性。

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智能化安装工程监测系统的结构示意图。

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，本发明提供技术方案：一种基于大数据的智能化安装工程监测方法，方法包括以下分析步骤：

步骤S1：对智能化安装工程对应的安装过程进行数字化记录并存储于安装数据库，安装数据库包括安装环节、构成完整安装工程对应的安装工序以及安装环节完成后记录的表征数据；基于安装数据库分析提取安装数据库中记录的待分析安装环节以及目标安装环节；

步骤S1包括以下分析步骤：

步骤S11：提取安装数据库中针对同一安装设备的安装数据构成安装数据集A，A＝{A₁,A₂,A₃......,A_n}，其中A₁,A₂,A₃......,A_n表示第1、2、3、......、n次安装数据组；提取每一安装数据组A₁,A₂,A₃......,A_n中包含的第m₁、m₂、......、m_n个表征数据集m_n表示第n个安装数据组中安装环节对应表征数据的个数，每次安装数据组中的每一安装环节最多包含一个表征数据，n表示同一安装设备的安装数据组记录的总次数；且当表征数据为异常表征时，安装数据库停止记录对应安装数据组的后续安装环节数据；同一安装设备的安装数据中对应的安装工序是相同的，即每一安装环节都是确定的，且相邻安装环节的顺序也是确定的；异常表征是指任意安装环节完成后进行检测的数据使得不能进入下一安装环节的数据表征，如在无线通信设备的电源环节安装完成后，需要对设备中指示灯光进行监测，若指示灯光正常亮起，则说明该环节安装完成可进入下一安装环节，反之则不能；

步骤S12：提取安装数据集A中存在表征数据的安装环节为目标安装环节，以及任意安装数据组中对应安装环节的第m_n个表征数据为第一表征数据，提取第一表征数据对应的安装环节为第一安装环节；

在同一安装的设备安装过程中由于不同工人操作习惯的不同，对于安装过程中每一安装环节的表征数据的检测获取具有不确定性，工人的经验不同会导致有的环节存在表征数据，有的环节不存在表征数据，所以在每一安装数据中记录的表征数据所属的安装环节也具有随机性；设定目标安装环节是为了对整体安装过程中进行表征检测的环节进行标记，便于更好的对后续异常发生时的定位分析；

步骤S13：提取剔除第一表征环节所属安装数据组后的安装数据集中与第一表征环节相同的安装环节为第二安装环节，若存在第二安装环节对应的第二表征数据与第一表征数据不同，则输出第一安装环节为待分析安装环节；反之输出第一安装环节为末位安装环节，且末位安装环节对应的表征数据为正常表征数据。

步骤S2：基于步骤S1中的待分析安装环节，确定待分析安装环节所属安装工序的待分析次序，并分析待分析安装环节与当前待分析次序前列中安装环节的关联关系，生成关联关系对应的待分析溯源集合；

步骤S2包括以下分析步骤：

步骤S21：当待分析安装环节的待分析次序为1时，则输出影响环节为待分析安装环节本身并传输对应的预警信号；

当待分析安装环节对应的待分析次序为大于1且小于等于m时，m∈{m₁，m₂，......，m_n}，m表示安装数据组中的表征数据的总个数；提取待分析安装环节前列安装环节对应安装工序的总数量N₀；前列安装环节是指根据安装工程要求在待分析安装环节前完成的安装环节；

步骤S22：基于总数量N₀，当N₀＝m时，输出待分析安装环节与前列安装环节的关联关系为强相关；并输出影响环节为待分析安装环节本身以及待分析安装环节与前一安装环节构成的链路，链路是指相邻两安装环节进行衔接时形成的数据信息；如在无线通信设备的安装好电源后进行线路的连接，连接过程中会存在新的信号、电流的产生；分析链路是因为在安装工程中异常的原因不仅包括安装环节自身的原因，还存在相邻关联环节衔接后造成的异常；当N_o>m时，输出待分析安装环节与前列安装环节的关联关系为弱相关；当N_o>m时说明在待分析安装环节出现异常前的所有环节并没有均进行表征数据检测，则待分析安装环节出现的异常并不能直接确定具体是哪一环节造成的影响；

步骤S23：基于关联关系为弱相关的待分析安装环节，生成对应的待分析溯源集合B，B＝{(U_i，P_i)}，其中U_i表示待分析溯源集合中第i个安装环节，且i≤N₀，表示待分析安装环节，P_i表示待分析溯源集合中第i个安装环节对应的表征数据，安装环节与表征数据一一对应，当安装环节不存在表征数据时，输出P_i＝0。

步骤S3：基于步骤S2中的待分析溯源集合，提取待分析安装环节自身以及待分析安装环节前的所有影响节点和影响链路；

步骤S3包括以下分析步骤：

提取待分析溯源集合中表征数据P_i＝0时对应的安装环节以及待分析安装环节为影响节点，定位P_i＝0时对应的安装环节所属安装工序的位置序号N_i，并提取安装工序的位置序号N_i相邻位置序号为N_i-1的安装环节和序号为N_i+1的安装环节；

则输出第N_i-1个安装环节与第N_i个安装环节构成的链路、第N_i个安装环节与第N_i+1个安装环节构成的链路以及待分析安装环节与前一安装环节构成的链路为影响链路。

在分析待分析安装环节异常对应的影响位置时，由于数据库的设定说明待分析安装环节异常前记录的目标安装环节均是属于表征数据正常的安装环节，且正常安装环节之间的链路在对应安装环节完成后也说明是正常的，问题的发生则可能存在未进行检测的影响节点且与之直接关联的链路。

步骤S4：基于安装数据库中相同安装环节的历史数据，分析影响节点与影响链路以确定待分析安装环节的影响环节并进行数字化预警响应。

步骤S4包括以下分析步骤：

步骤S41：提取影响节点中待分析安装环节存在安装数据集中相同待分析安装环节对应的安装数据组，即表示表征数据异常产生在同一安装环节；提取n-1个安装数据组中待分析安装环节相同，且/>对应不同安装环节的安装数据组为待分析数据组；

步骤S42：比较第k个待分析数据组中最后一安装环节的表征数据与待分析安装环节对应表征数据的相似度Y_k，并计算整体平均相似度Y_o，Y₀＝(1/v)∑(Y_k)，k≤v，v表示与待分析安装环节相同的安装数据集中安装数据组的总个数；设置相似度阈值，若平均相似度Y₀大于等于相似度阈值，则输出影响环节为待分析安装环节；反之，转步骤S43；分析相同环节对应存在不同安装数据组中体现出的表征数据相似，且待分析安装环节前数据不同时，此时说明异常环节产生前的检测环节不同得到的异常表征数据却相同，足够推断出造成异常的影响环节为最后一个安装环节，即待分析安装环节；

步骤S43：提取影响节点中除去待分析安装环节外的节点为待考察节点，提取待考察节点对应安装环节记录为安装环节数据组中最后一安装环节的表征数据为待考察表征数据，安装环节数据组中的最后一安装环节除了末位安装环节外其他都是存在异常表征数据的待分析环节；当待考察表征数据与待分析安装环节对应的表征数据存在相同时，输出影响环节为待考察表征数据对应的待考察节点；当待考察表征数据与待分析环节对应的表征数据均不相同时，则分析影响链路。先分析影响节点是因为影响节点在安装数据组中可以快速提取对应安装环节节点的表征数据，有助于对整体各部分数据的说明分析，提高系统的分析效率，便于快速定位异常产生的安装环节。

如实施例所示：存在安装工程的安装环节如下：配电箱安装A、灯具安装B、电气调试C、接地系统安装D、通电调试E，且对应安装工序为安装环节对应的排列顺序，1(A)→2(B)→3(C)→4(D)→5(E)；

安装数据库中存在安装数据组如下：

A₁：A→C→E，对应的表征数据集

A₂：B→D→E，对应的表征数据集

A₃：A→B→E，对应的表征数据集

A₄：A→B→C，对应的表征数据集

若实时获取的待分析安装环节为E，

且对应的待分析溯源集合为{(A,0),(B,P₂),(C,0),(D,P₄),(E,P₅)}；

则待分析数据组为A₁，得到P₅与的相似度为95％，则平均相似度Y₀＝95％，设置阈值为90％，则输出影响环节为E；

若得到P₅与的相似度为30％，则平均相似度Y₀＝30％，此时需要分析待考察节点A和C，且A₄为满足要求的安装环节数据组，且安装环节C对应的/>为待考察表征数据，若 则说明影响环节为安装环节C。

分析影响链路包括以下分析步骤：

提取待分析溯源集合中存在的影响链路，获取影响链路构成的影响节点对应存在安装数据集合且为安装数据组中最后一安装环节的频率d₁，d₁＝r₁/n，r₁表示影响链路构成的影响节点对应存在安装数据集合为安装数据组中最后一安装环节并确定影响环节为最后一安装环节对应链路的次数；r₁越大说明对应影响链路存在异常的可能性较大；

则将频率d₁按照从大到小的顺序进行排列，得到频率d₁最大值对应的影响链路为最优链路，提取最优链路中存在的待考察节点为影响环节。在通过最优链路确定影响环节时，不仅仅要分析影响环节对应安装环节自身，还要考虑到安装环节相关联的链路；且本申请中在基于最优链路分析影响环节时，是将最可能存在异常的环节信息输送给信息以进行预警提醒，提高对复杂安装工程中分析可能存在异常环节时的有效的方向定位。

一种基于大数据的智能化安装工程监测系统，系统包括安装数据库建立模块、待分析安装环节确定模块、目标安装环节确定模块、待分析溯源集合生成模块、影响数据提取模块、影响环节确定模块和预警响应模块；

安装数据库建立模块用于对智能化安装工程对应的安装过程进行数字化记录并存储；

待分析安装环节确定模块用于基于安装数据库分析提取安装数据库中记录的待分析安装环节；

目标安装环节确定模块用于基于安装数据库分析提取安装数据库中记录的目标安装环节；

待分析溯源集合生成模块用于确定待分析安装环节所属安装工序的待分析次序，并分析待分析安装环节与当前待分析次序前列中安装环节的关联关系，生成关联关系对应的待分析溯源集合；

影响数据提取模块用于提取待分析安装环节自身以及待分析安装环节前的所有影响节点和影响链路；

影响环节确定模块用于分析影响节点与影响链路以确定待分析安装环节的影响环节；

预警响应模块用于基于影响环节进行预警响应传输。

待分析溯源集合生成模块包括待分析次序分析单元、安装工序数量分析单元、关联关系辨析单元和待分析溯源集合输出单元；

待分析次序分析模块用于确定待分析安装环节对应的待分析次序；

安装工序数量分析单元用于确定分析安装环节前列安装环节对应安装工序的总数量；

关联关系辨析单元用于基于待分析次序分析模块与安装工序数量分析单元中数据的比较，判断待分析安装环节与前列安装环节的关联关系，关联关系包括强相关和弱相关；

待分析溯源集合输出单元用于基于弱相关对应的待分析安装环节生成对应的待分析溯源集合。

影响环节确定模块包括影响节点分析单元和影响链路分析单元；

影响节点分析单元用于提取影响节点与安装数据组中的表征数据相似度进行分析确定影响节点，输出对应的影响环节；

影响链路分析单元用于获取影响链路构成的影响节点对应存在安装数据集合且为安装数据组中最后一安装环节的频率，进而分析最优影响链路并提取最优影响链路对应的影响节点为影响环节。

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智能化安装工程监测方法，其特征在于，所述方法包括以下分析步骤：

步骤S1：对智能化安装工程对应的安装过程进行数字化记录并存储于安装数据库，所述安装数据库包括安装环节、构成完整安装工程对应的安装工序以及安装环节完成后记录的表征数据；基于安装数据库分析提取安装数据库中记录的待分析安装环节以及目标安装环节；

所述步骤S1包括以下分析步骤：

步骤S11：提取安装数据库中针对同一安装设备的安装数据构成安装数据集A，A＝{A₁,A₂,A₃......,A_n}，其中A₁,A₂,A₃......,A_n表示第1、2、3、......、n次安装数据组；提取每一安装数据组A₁,A₂,A₃......,A_n中包含的第m₁、m₂、......、m_n个表征数据集 m_n表示第n个安装数据组中安装环节对应表征数据的个数，每次安装数据组中的每一安装环节最多包含一个表征数据，n表示同一安装设备的安装数据组记录的总次数；且当表征数据为异常表征时，安装数据库停止记录对应安装数据组的后续安装环节数据；

步骤S12：提取安装数据集A中存在表征数据的安装环节为目标安装环节，以及任意安装数据组中对应安装环节的第m_n个表征数据为第一表征数据，提取第一表征数据对应的安装环节为第一安装环节；

步骤S13：提取剔除第一表征环节所属安装数据组后的安装数据集中与第一表征环节相同的安装环节为第二安装环节，若存在第二安装环节对应的第二表征数据与第一表征数据不同，则输出第一安装环节为待分析安装环节；反之输出第一安装环节为末位安装环节，且末位安装环节对应的表征数据为正常表征数据；

步骤S2：基于步骤S1中的待分析安装环节，确定待分析安装环节所属安装工序的待分析次序，并分析待分析安装环节与当前待分析次序前列中安装环节的关联关系，生成关联关系对应的待分析溯源集合；

所述步骤S2包括以下分析步骤：

步骤S21：当待分析安装环节的待分析次序为1时，则输出影响环节为待分析安装环节本身并传输对应的预警信号；

当待分析安装环节对应的待分析次序为大于1且小于等于m时，m∈{m₁，m₂，......，m_n}，m表示安装数据组中的表征数据的总个数；提取待分析安装环节前列安装环节对应安装工序的总数量N₀；所述前列安装环节是指根据安装工程要求在待分析安装环节前完成的安装环节；

步骤S22：基于总数量N₀，当N₀＝m时，输出待分析安装环节与前列安装环节的关联关系为强相关；并输出影响环节为待分析安装环节本身以及待分析安装环节与前一安装环节构成的链路，所述链路是指相邻两安装环节进行衔接时形成的数据信息；当N₀>m时，输出待分析安装环节与前列安装环节的关联关系为弱相关；

步骤S23：基于关联关系为弱相关的待分析安装环节，生成对应的待分析溯源集合B，B＝{(U_i,P_i)}，其中U_i表示待分析溯源集合中第i个安装环节，且i≤N₀，表示待分析安装环节，P_i表示待分析溯源集合中第i个安装环节对应的表征数据，安装环节与表征数据一一对应，当安装环节不存在表征数据时，输出P_i＝0；

步骤S3：基于步骤S2中的待分析溯源集合，提取待分析安装环节自身以及待分析安装环节前的所有影响节点和影响链路；

所述步骤S3包括以下分析步骤：

提取待分析溯源集合中表征数据P_i＝0时对应的安装环节以及待分析安装环节为影响节点，定位P_i＝0时对应的安装环节所属安装工序的位置序号N_i，并提取安装工序的位置序号N_i相邻位置序号为N_i-1的安装环节和序号为N_i+1的安装环节；

则输出第N_i-1个安装环节与第N_i个安装环节构成的链路、第N_i个安装环节与第N_i+1个安装环节构成的链路以及待分析安装环节与前一安装环节构成的链路为影响链路；

步骤S4：基于安装数据库中相同安装环节的历史数据，分析影响节点与影响链路以确定待分析安装环节的影响环节并进行数字化预警响应。

2.根据权利要求1所述的一种基于大数据的智能化安装工程监测方法，其特征在于：所述步骤S4包括以下分析步骤：

步骤S41：提取影响节点中待分析安装环节存在安装数据集中相同待分析安装环节对应的安装数据组；提取n-1个安装数据组中待分析安装环节相同，且对应不同安装环节的安装数据组为待分析数据组；

步骤S42：比较第k个待分析数据组中最后一安装环节的表征数据与待分析安装环节对应表征数据的相似度Y_k，并计算整体平均相似度Y₀，Y₀＝(1/v)∑(Y_k)，k≤v，v表示与待分析安装环节相同的安装数据集中安装数据组的总个数；设置相似度阈值，若平均相似度Y₀大于等于相似度阈值，则输出影响环节为待分析安装环节；反之，转步骤S43；

步骤S43：提取影响节点中除去待分析安装环节外的节点为待考察节点，提取待考察节点对应安装环节记录为安装环节数据组中最后一安装环节的表征数据为待考察表征数据，当待考察表征数据与待分析安装环节对应的表征数据存在相同时，输出影响环节为待考察表征数据对应的待考察节点；当待考察表征数据与待分析环节对应的表征数据均不相同时，则分析影响链路。

3.根据权利要求2所述的一种基于大数据的智能化安装工程监测方法，其特征在于：所述分析影响链路包括以下分析步骤：

提取待分析溯源集合中存在的影响链路，获取影响链路构成的影响节点对应存在安装数据集合且为安装数据组中最后一安装环节的频率d₁，d₁＝r₁/n，r₁表示影响链路构成的影响节点对应存在安装数据集合为安装数据组中最后一安装环节并确定影响环节为最后一安装环节对应链路的次数；

则将频率d₁按照从大到小的顺序进行排列，得到频率d₁最大值对应的影响链路为最优链路，提取最优链路中存在的待考察节点为影响环节。

4.一种应用权利要求1-3中任一项所述的一种基于大数据的智能化安装工程监测方法的基于大数据的智能化安装工程监测系统，其特征在于，所述系统包括安装数据库建立模块、待分析安装环节确定模块、目标安装环节确定模块、待分析溯源集合生成模块、影响数据提取模块、影响环节确定模块和预警响应模块；

所述安装数据库建立模块用于对智能化安装工程对应的安装过程进行数字化记录并存储；

所述待分析安装环节确定模块用于基于安装数据库分析提取安装数据库中记录的待分析安装环节；

所述目标安装环节确定模块用于基于安装数据库分析提取安装数据库中记录的目标安装环节；

所述待分析溯源集合生成模块用于确定待分析安装环节所属安装工序的待分析次序，并分析待分析安装环节与当前待分析次序前列中安装环节的关联关系，生成关联关系对应的待分析溯源集合；

所述待分析溯源集合生成模块包括待分析次序分析单元、安装工序数量分析单元、关联关系辨析单元和待分析溯源集合输出单元；

所述待分析次序分析模块用于确定待分析安装环节对应的待分析次序；

所述安装工序数量分析单元用于确定分析安装环节前列安装环节对应安装工序的总数量；

所述关联关系辨析单元用于基于所述待分析次序分析模块与所述安装工序数量分析单元中数据的比较，判断待分析安装环节与前列安装环节的关联关系，所述关联关系包括强相关和弱相关；

所述待分析溯源集合输出单元用于基于弱相关对应的待分析安装环节生成对应的待分析溯源集合；

所述影响数据提取模块用于提取待分析安装环节自身以及待分析安装环节前的所有影响节点和影响链路；

所述影响环节确定模块用于分析影响节点与影响链路以确定待分析安装环节的影响环节；

所述影响环节确定模块包括影响节点分析单元和影响链路分析单元；

所述影响节点分析单元用于提取影响节点与安装数据组中的表征数据相似度进行分析确定影响节点，输出对应的影响环节；

所述影响链路分析单元用于获取影响链路构成的影响节点对应存在安装数据集合且为安装数据组中最后一安装环节的频率，进而分析最优影响链路并提取最优影响链路对应的影响节点为影响环节；

所述预警响应模块用于基于影响环节进行预警响应传输。