CN116823233B - 一种基于全周期运维的用户数据处理方法及系统 - Google Patents
一种基于全周期运维的用户数据处理方法及系统 Download PDFInfo
- Publication number
- CN116823233B CN116823233B CN202311102496.9A CN202311102496A CN116823233B CN 116823233 B CN116823233 B CN 116823233B CN 202311102496 A CN202311102496 A CN 202311102496A CN 116823233 B CN116823233 B CN 116823233B
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- value
- safety
- product
- 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 55
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims description 95
- 238000000034 method Methods 0.000 claims description 14
- 238000013075 data extraction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008676 import Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- 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
Abstract
本发明公开了一种基于全周期运维的用户数据处理方法及系统，属于专门适用于预测目的的数据处理系统领域，本发明提取采集的采集设备运行数据和设备生产的产品质量数据，且提取运行数据和质量数据对应的安全范围数据，设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算，产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算，设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值，判断设备故障值是否大于设定的设备故障阈值，以对故障进行监测报警，这样统合设备和生产产品的质量数据进行故障判断，进一步提高了设备故障识别的准确度。
Description
技术领域
本发明属于专门适用于预测目的的数据处理系统技术领域，具体的说是一种基于全周期运维的用户数据处理方法及系统。
背景技术
全周期运维是一个在信息技术和系统管理领域中常见的术语，指的是对一个系统、应用程序或服务从其创建和部署开始，到最终退役或替换为止，整个生命周期内的管理和维护工作，现有的设备运维数据处理系统在进行故障处理时，大多是通过监测设备某个或多个指标，当某个指标超出安全范围时就判断发生故障，这种方式极易导致发生故障的误判从而影响工作效率，无法将生产质量和设备运行数据进行统合判断，现有技术中均存在上述问题；
例如在申请公布号为CN108226548A的中国专利中公开了基于设备全生命周期监管的环境设备运维管理系统，包括环境监测设备，所述环境监测设备的下方设置有数据采集传输系统模块，且数据采集传输系统模块的下方设置有环境设备运维管理系统模块。本发明所述的基于设备全生命周期监管的环境设备运维管理系统，设有环境监测设备、老化迭代算法模块和环境设备运维管理系统模块，能够同时支持废水、烟气、噪声扬尘、地表水多种监测设备的数据接入，并将设备生命周期按阶段划分，提供了非常精准的数据支持，还可以预知计划和故障解决方案，同时与现场监测设备实时响应，部分故障可以通过下发指令的方式远程修复或快速生成解决方案，带来更好的使用前景；
同时例如在授权公布号为CN116303373B的中国专利中公开了本发明涉及数据监控技术领域，尤其涉及一种全自动监控诊断数据库的装置，包括：数据获取模块，用以对数据库运维会话信息和数据库运维会话特征参数进行获取；数据处理模块，用以对所述数据库运维会话特征参数进行计算处理以得到数据库运维会话平均延迟时长、若干周期的运维故障平均发生率以及非标准会话时长的会话数量占比；数据存储模块，用以分别对所述数据库运维会话信息和数据处理模块输出的数据库运维会话特征参数进行存储；中控模块，用以根据待重建会话数量将会话信息保存完整度调节至第一对应保存完整度；本发明实现了数据库运行稳定性的提高。
以上专利均存在本背景技术提出的问题：现有的设备运维数据处理系统在进行故障处理时，大多是通过监测设备某个或多个指标，当某个指标超出安全范围时就判断发生故障，这种方式极易导致发生故障的误判从而影响工作效率，无法将生产质量和设备运行数据进行统合判断，为了解决这些问题，本申请设计了一种基于全周期运维的用户数据处理方法及系统。
发明内容
针对现有技术的不足，本发明提出了一种基于全周期运维的用户数据处理方法及系统，本发明通过采集终端采集设备运行数据和设备生产的产品质量数据，将数据储存在设备数据库中，提取运行数据和质量数据对应的安全范围数据，将运行数据和质量数据与对应的安全范围数据进行对比，以触发对故障的判断，判断是否存在运行数据和/或质量数据不处于对应的安全范围，提取采集的采集设备运行数据和设备生产的产品质量数据，且提取运行数据和质量数据对应的安全范围数据，设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算，产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算，设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值，判断设备故障值是否大于设定的设备故障阈值，以对故障进行监测报警，这样统合设备和生产产品的质量数据，进一步提高了设备故障识别的准确度。
为实现上述目的，本发明提供如下技术方案：
一种基于全周期运维的用户数据处理方法，其包括以下具体步骤：
S1、通过采集终端采集设备运行数据和设备生产的产品质量数据，将数据储存在设备数据库中，其中设备运行数据包括电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据，设备生产的产品质量数据包括产品照片数据；
S2、提取运行数据和质量数据对应的安全范围数据，将运行数据和质量数据与对应的安全范围数据进行对比，以触发对故障的判断；
S3、判断是否存在运行数据和/或质量数据不处于对应的安全范围，若是，则运行S4，若否，则不进行故障检测；
S4、提取采集的采集设备运行数据和设备生产的产品质量数据，且提取运行数据和质量数据对应的安全范围数据；
S5、设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算；
S6、产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算；
S7、设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值；
S8、判断设备故障值是否大于设定的设备故障阈值；
S9、若设备故障值大于设定的设备故障阈值，则进行设备维护报警，设备故障值小于等于设定的设备故障阈值，则忽略故障信息。
具体的，所述S1中包括以下具体步骤：
S11、设备数据采集终端采集设备运行数据，其中设备运行数据包括电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据；
S12、图片采集终端采集输出产品的图像数据，并对输出图像进行像素点的划分，得到像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数，图片以同一相机以同一距离拍摄；
S13、将设备运行的电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据作为第一维数据，产品图像的像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数作为第二维数据，以二维数据的方式储存在设备数据库中。
具体的，所述S2的具体步骤如下：
S21、提取设备运行的电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据，同时提取设备运行数据中各数据对应的安全范围数据，将两组数据进行对比；
S22、提取产品图像的像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数，同时提取产品质量数据中各数据对应的安全范围数据，将两组数据进行对比。
具体的，所述S5中的设备运行安全值计算策略的具体步骤如下：
S51、获取设备运行的电流数据、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>，同时提取设备运行数据中各数据对应的安全范围数据；
S52、将设备运行数据中的各种类数据和各种类数据对应的安全范围数据导入设备安全值计算公式中进行设备安全值的计算；
S53、设备安全值计算公式为：，其中，n1为电流数据/>、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>中数据种类的数量，为电流数据/>、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>中的第i项，/>为/>对应的安全范围的最大值，/>为/>对应的安全范围的最小值，为/>对应的安全范围中最接近/>的值，/>为/>对应参数的占比系数，/>。
具体的，所述S6中的产品质量安全值计算策略的具体内容为：
S61、提取产品图像的像素点像素值序列，并提取正常成品的图像的对应像素点的像素值序列，将产品图像的像素点像素值序列和正常成品的图像的对应像素点的像素值序列导入像素值差距计算公式中进行像素值差距计算，像素值差距计算公式为：，其中n2为产品图像像素点个数，/>为各像素点的占比系数，其计算方式为：/>，/>为产品图像的第j个像素点像素值，/>为产品图像的第j个像素点对应的正常成品图像位置的像素值；
S62、提取产品图像长度方向上像素点个数和宽带方向上的像素点个数，同时提取正常成品图像长度方向上像素点个数和宽带方向上的像素点个数，代入尺寸差距值计算公式中计算产品与正常成品的尺寸差距，其中，尺寸差距值计算公式为：，其中/>为产品图像长度方向上像素点个数，/>为正常成品图像长度方向上像素点个数，/>为产品图像宽度方向上像素点个数，/>为正常成品图像宽度方向上像素点个数；
S63、将像素值差距和尺寸差距值代入产品质量安全值计算公式中计算产品质量安全值，产品质量安全值计算公式为：。
具体的，所述S7包括以下具体内容：提取计算得到的设备安全值和产品质量安全值，将同一检测周期内的设备安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值，设备故障值计算公式为：。
一种基于全周期运维的用户数据处理系统，其基于上述一种基于全周期运维的用户数据处理方法实现，其包括数据采集端口、数据处理端口和用户端，所述数据采集端口用于通过采集终端采集设备运行数据和设备生产的产品质量数据，所述数据处理端口用于对设备运行数据和设备生产的产品质量数据进行处理得到设备故障值，所述用户端用于根据数据处理端口的处理结果，对设备进行维护保养，所述数据处理端口包括数据提取模块、数据计算模块和数据对比模块，所述数据提取模块用于提取合适的数据传输至数据计算模块中，所述数据计算模块用于根据提取的数据计算设备故障值，所述数据对比模块用于将设备故障值与设定的设备故障阈值进行对比，所述用户端包括维护报警模块、数据显示模块和设备数据库，所述维护报警模块用于根据数据对比情况向维护人员发布维修命令，所述数据显示模块用于显示数据采集端口和数据处理端口的数据，所述设备数据库用于储存数据采集端口采集的数据。
具体的，所述数据采集端口包括设备数据采集模块和产品数据采集模块，所述设备数据采集模块用于采集设备运行数据，所述产品数据采集模块用于采集输出产品的图像数据。
具体的，所述数据计算模块包括设备运行安全值计算单元、产品质量安全值计算单元和设备故障值计算单元，所述设备运行安全值计算单元用于将设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算，所述产品质量安全值计算单元用于将产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算，所述设备故障值计算单元用于将设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值。
一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种基于全周期运维的用户数据处理方法。
一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种基于全周期运维的用户数据处理方法。
与现有技术相比，本发明的有益效果是：
本发明通过采集终端采集设备运行数据和设备生产的产品质量数据，将数据储存在设备数据库中，提取运行数据和质量数据对应的安全范围数据，将运行数据和质量数据与对应的安全范围数据进行对比，以触发对故障的判断，判断是否存在运行数据和/或质量数据不处于对应的安全范围，提取采集的采集设备运行数据和设备生产的产品质量数据，且提取运行数据和质量数据对应的安全范围数据，设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算，产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算，设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值，判断设备故障值是否大于设定的设备故障阈值，以对故障进行监测报警，这样统合设备和生产产品的质量数据，进一步提高了设备故障识别的准确度。
附图说明
图1为本发明基于全周期运维的用户数据处理方法流程示意图；
图2为本发明基于全周期运维的用户数据处理系统整体框架示意图；
图3为本发明基于全周期运维的用户数据处理系统的数据采集端口框架示意图；
图4为本发明基于全周期运维的用户数据处理系统的数据计算模块框架示意图。
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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
实施例1
请参阅图1，本发明提供的一种实施例：一种基于全周期运维的用户数据处理方法，其包括以下具体步骤：
一种基于全周期运维的用户数据处理方法，其包括以下具体步骤：
S1、通过采集终端采集设备运行数据和设备生产的产品质量数据，将数据储存在设备数据库中，其中设备运行数据包括电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据，设备生产的产品质量数据包括产品照片数据；
在这里提出一个实现上述过程的代码：
import sqlite3
from datetime import datetime
# 创建连接到设备数据库的连接对象
conn = sqlite3.connect('device.db')
c = conn.cursor()
# 创建设备运行数据表
c.execute('''CREATE TABLE IF NOT EXISTS run_data
(timestamp TEXT, current REAL, voltage REAL, temperatureREAL, vibration REAL, production_speed REAL)''')
# 创建设备产品质量数据表
c.execute('''CREATE TABLE IF NOT EXISTS product_quality_data
(timestamp TEXT, photo BLOB)''')
# 采集设备运行数据
def collect_run_data(current, voltage, temperature, vibration,production_speed):
# 获取当前时间戳
timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
# 插入数据到设备运行数据表
c.execute('''INSERT INTO run_data VALUES (?, ?, ?, ?, ?, ?)''',
(timestamp, current, voltage, temperature, vibration,production_speed))
conn.commit()
# 采集设备生产的产品质量数据
def collect_product_quality_data(photo):
# 获取当前时间戳
timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
# 插入数据到设备产品质量数据表
c.execute('''INSERT INTO product_quality_data VALUES (?, ?)''',(timestamp, photo))
conn.commit()
# 示例用法
current = 10.2
voltage = 220.5
temperature = 35.2
vibration = 0.1
production_speed = 1000
# 采集设备运行数据
collect_run_data(current, voltage, temperature, vibration,production_speed)
# 假设获取了产品照片的二进制数据
photo_data = b'\x89PNG\r
\x1a
\x00\x00\x00\rIHDR\x00\x00\x00\x01\x00\x00\x00\x01'
# 采集设备产品质量数据
collect_product_quality_data(photo_data)
# 关闭数据库连接
conn.close()
上述代码假设已经在本地创建了一个名为 "device.db" 的SQLite数据库文件，用于存储数据。代码先创建了两个表，一个用于存储设备运行数据，另一个用于存储设备生产的产品质量数据。然后，通过两个函数 `collect_run_data()` 和 `collect_product_quality_data()` 分别进行设备运行数据和产品质量数据的采集。最后，在示例用法中展示了如何使用这两个函数来采集数据并存储到数据库中。
需要注意的是，代码中的数据类型和表结构仅供参考，可以根据实际情况进行调整和扩展
在这里，S1中包括以下具体步骤：
S11、设备数据采集终端采集设备运行数据，其中设备运行数据包括电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据；
S12、图片采集终端采集输出产品的图像数据，并对输出图像进行像素点的划分，得到像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数，图片以同一相机以同一距离拍摄，在这里需要说明的是，这里使用产品的像素点像素值、长度和宽度作为产品质量的参数，因为这些参数能够反应产品质量，同时便于通过相机获取；
S13、将设备运行的电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据作为第一维数据，产品图像的像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数作为第二维数据，以二维数据的方式储存在设备数据库中；
S2、提取运行数据和质量数据对应的安全范围数据，将运行数据和质量数据与对应的安全范围数据进行对比，以触发对故障的判断；
在这里，S2的具体步骤如下：
S21、提取设备运行的电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据，同时提取设备运行数据中各数据对应的安全范围数据，将两组数据进行对比；
S22、提取产品图像的像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数，同时提取产品质量数据中各数据对应的安全范围数据，将两组数据进行对比；
S3、判断是否存在运行数据和/或质量数据不处于对应的安全范围，若是，则运行S4，若否，则不进行故障检测；
S4、提取采集的采集设备运行数据和设备生产的产品质量数据，且提取运行数据和质量数据对应的安全范围数据；
S5、设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算；
在这里，S5中的设备运行安全值计算策略的具体步骤如下：
S51、获取设备运行的电流数据、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>，同时提取设备运行数据中各数据对应的安全范围数据；
S52、将设备运行数据中的各种类数据和各种类数据对应的安全范围数据导入设备安全值计算公式中进行设备安全值的计算；
S53、设备安全值计算公式为：，其中，n1为电流数据/>、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>中数据种类的数量，为电流数据/>、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>中的第i项，/>为/>对应的安全范围的最大值，/>为/>对应的安全范围的最小值，为/>对应的安全范围中最接近/>的值，/>为/>对应参数的占比系数，/>；在这里/>的取值，我们邀请本领域500名技术人员对每个参数对于此设备的重要度进行打分，然后求平均得到最优占比系数，最优占比系数为：/> ；
S6、产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算；
在这里，S6中的产品质量安全值计算策略的具体内容为：
S61、提取产品图像的像素点像素值序列，并提取正常成品的图像的对应像素点的像素值序列，将产品图像的像素点像素值序列和正常成品的图像的对应像素点的像素值序列导入像素值差距计算公式中进行像素值差距计算，像素值差距计算公式为：，其中n2为产品图像像素点个数，/>为各像素点的占比系数，其计算方式为：/>，/>为产品图像的第j个像素点像素值，/>为产品图像的第j个像素点对应的正常成品图像位置的像素值；
S62、提取产品图像长度方向上像素点个数和宽带方向上的像素点个数，同时提取正常成品图像长度方向上像素点个数和宽带方向上的像素点个数，代入尺寸差距值计算公式中计算产品与正常成品的尺寸差距，其中，尺寸差距值计算公式为：，其中/>为产品图像长度方向上像素点个数，/>为正常成品图像长度方向上像素点个数，/>为产品图像宽度方向上像素点个数，/>为正常成品图像宽度方向上像素点个数；
S63、将像素值差距和尺寸差距值代入产品质量安全值计算公式中计算产品质量安全值，产品质量安全值计算公式为：；
S7、设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值；
在这里，S7包括以下具体内容：
提取计算得到的设备安全值和产品质量安全值，将同一检测周期内的设备安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值，设备故障值计算公式为：；
S8、判断设备故障值是否大于设定的设备故障阈值，这里的设备故障阈值根据不同的生产设备灵活设置，设计值区间为(0.3,1.6)；
S9、若设备故障值大于设定的设备故障阈值，则进行设备维护报警，设备故障值小于等于设定的设备故障阈值，则忽略故障信息。
本发明通过采集终端采集设备运行数据和设备生产的产品质量数据，将数据储存在设备数据库中，提取运行数据和质量数据对应的安全范围数据，将运行数据和质量数据与对应的安全范围数据进行对比，以触发对故障的判断，判断是否存在运行数据和/或质量数据不处于对应的安全范围，提取采集的采集设备运行数据和设备生产的产品质量数据，且提取运行数据和质量数据对应的安全范围数据，设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算，产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算，设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值，判断设备故障值是否大于设定的设备故障阈值，以对故障进行监测报警，这样统合设备和生产产品的质量数据，进一步提高了设备故障识别的准确度。
实施例2
如图2-图4所示，一种基于全周期运维的用户数据处理系统，其基于上述一种基于全周期运维的用户数据处理方法实现，其包括数据采集端口、数据处理端口和用户端，数据采集端口用于通过采集终端采集设备运行数据和设备生产的产品质量数据，数据处理端口用于对设备运行数据和设备生产的产品质量数据进行处理得到设备故障值，用户端用于根据数据处理端口的处理结果，对设备进行维护保养，数据处理端口包括数据提取模块、数据计算模块和数据对比模块，数据提取模块用于提取合适的数据传输至数据计算模块中，数据计算模块用于根据提取的数据计算设备故障值，数据对比模块用于将设备故障值与设定的设备故障阈值进行对比，用户端包括维护报警模块、数据显示模块和设备数据库，维护报警模块用于根据数据对比情况向维护人员发布维修命令，数据显示模块用于显示数据采集端口和数据处理端口的数据，设备数据库用于储存数据采集端口采集的数据。
在本实施例中，数据采集端口包括设备数据采集模块和产品数据采集模块，设备数据采集模块用于采集设备运行数据，产品数据采集模块用于采集输出产品的图像数据。
在本实施例中，数据计算模块包括设备运行安全值计算单元、产品质量安全值计算单元和设备故障值计算单元，设备运行安全值计算单元用于将设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算，产品质量安全值计算单元用于将产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算，设备故障值计算单元用于将设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值。
实施例3
本实施例提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有可供处理器调用的计算机程序；
处理器通过调用存储器中存储的计算机程序，执行上述的一种基于全周期运维的用户数据处理方法。
该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上的处理器（Central Processing Units，CPU）和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种基于全周期运维的用户数据处理方法。该电子设备还能够包括其他用于实现设备功能的部件，例如，该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件，以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当计算机程序在计算机设备上运行时，使得计算机设备执行上述的一种基于全周期运维的用户数据处理方法。
例如，计算机可读存储介质能够是只读存储器（Read-Only Memory，简称：ROM）、随机存取存储器（Random Access Memory，简称：RAM）、只读光盘（Compact Disc Read-OnlyMemory，简称：CD-ROM）、磁带、软盘和光数据存储设备等。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
应理解，根据A确定B并不意味着仅仅根据A确定B，还能够根据A和/或其它信息确定B。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、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，单元的划分，仅仅为一种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元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单元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。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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，可做很多的修改和变化。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 (4)
1.一种基于全周期运维的用户数据处理方法，其特征在于，其包括以下具体步骤：
S1、通过采集终端采集设备运行数据和设备生产的产品质量数据，将数据储存在设备数据库中；
S2、提取运行数据和质量数据对应的安全范围数据，将运行数据和质量数据与对应的安全范围数据进行对比，以触发对故障的判断；
S3、判断是否存在运行数据和/或质量数据不处于对应的安全范围，若是，则运行S4，若否，则不进行故障检测；
S4、提取采集的采集设备运行数据和设备生产的产品质量数据，且提取运行数据和质量数据对应的安全范围数据；
S5、设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算；
S6、产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算；
S7、设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值；
S8、判断设备故障值是否大于设定的设备故障阈值；
S9、若设备故障值大于设定的设备故障阈值，则进行设备维护报警，设备故障值小于等于设定的设备故障阈值，则忽略故障信息；所述S1中包括以下具体步骤：
S11、设备数据采集终端采集设备运行数据，其中设备运行数据包括电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据；
S12、图片采集终端采集输出产品的图像数据，并对输出图像进行像素点的划分，得到像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数，图片以同一相机以同一距离拍摄；
S13、将设备运行的电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据作为第一维数据，产品图像的像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数作为第二维数据，以二维数据的方式储存在设备数据库中；所述S2的具体步骤如下：
S21、提取设备运行的电流数据、电压数据、温度数据、振动幅度数据和设备产出速度数据，同时提取设备运行数据中各数据对应的安全范围数据，将两组数据进行对比；
S22、提取产品图像的像素点像素值序列、长度方向上像素点个数和宽带方向上的像素点个数，同时提取产品质量数据中各数据对应的安全范围数据，将两组数据进行对比；所述S5中的设备运行安全值计算策略的具体步骤如下：
S51、获取设备运行的电流数据、电压数据/>、温度数据/>振动幅度数据/>和设备产出速度数据/>，同时提取设备运行数据中各数据对应的安全范围数据；
S52、将设备运行数据中的各种类数据和各种类数据对应的安全范围数据导入设备安全值计算公式中进行设备安全值的计算；
S53、设备安全值计算公式为：，其中，n1为电流数据/>、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>中数据种类的数量，/>为电流数据/>、电压数据/>、温度数据/>、振动幅度数据/>和设备产出速度数据/>中的第i项，/>为/>对应的安全范围的最大值，/>为/>对应的安全范围的最小值，/>为/>对应的安全范围中最接近/>的值，/>为/>对应参数的占比系数，/>；所述S6中的产品质量安全值计算策略的具体内容为：
S61、提取产品图像的像素点像素值序列，并提取正常成品的图像的对应像素点的像素值序列，将产品图像的像素点像素值序列和正常成品的图像的对应像素点的像素值序列导入像素值差距计算公式中进行像素值差距计算，像素值差距计算公式为：，其中n2为产品图像像素点个数，/>为各像素点的占比系数，其计算方式为：/>，/>为产品图像的第j个像素点像素值，/>为产品图像的第j个像素点对应的正常成品图像位置的像素值；
S62、提取产品图像长度方向上像素点个数和宽带方向上的像素点个数，同时提取正常成品图像长度方向上像素点个数和宽带方向上的像素点个数，代入尺寸差距值计算公式中计算产品与正常成品的尺寸差距，其中，尺寸差距值计算公式为：，其中/>为产品图像长度方向上像素点个数，/>为正常成品图像长度方向上像素点个数，/>为产品图像宽度方向上像素点个数，/>正常成品图像宽度方向上像素点个数；
S63、将像素值差距和尺寸差距值代入产品质量安全值计算公式中计算产品质量安全值，产品质量安全值计算公式为：；所述S7包括以下具体内容：
提取计算得到的设备安全值和产品质量安全值，将同一检测周期内的设备安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值，设备故障值计算公式为：。
2.一种基于全周期运维的用户数据处理系统，其基于如权利要求1的所述一种基于全周期运维的用户数据处理方法实现，其特征在于，其包括数据采集端口、数据处理端口和用户端，所述数据采集端口用于通过采集终端采集设备运行数据和设备生产的产品质量数据，所述数据处理端口用于对设备运行数据和设备生产的产品质量数据进行处理得到设备故障值，所述用户端用于根据数据处理端口的处理结果，对设备进行维护保养，所述数据处理端口包括数据提取模块、数据计算模块和数据对比模块，所述数据提取模块用于提取合适的数据传输至数据计算模块中，所述数据计算模块用于根据提取的数据计算设备故障值，所述数据对比模块用于将设备故障值与设定的设备故障阈值进行对比，所述用户端包括维护报警模块、数据显示模块和设备数据库，所述维护报警模块用于根据数据对比情况向维护人员发布维修命令，所述数据显示模块用于显示数据采集端口和数据处理端口的数据，所述设备数据库用于储存数据采集端口采集的数据。
3.如权利要求2所述的一种基于全周期运维的用户数据处理系统，其特征在于，所述数据采集端口包括设备数据采集模块和产品数据采集模块，所述设备数据采集模块用于采集设备运行数据，所述产品数据采集模块用于采集输出产品的图像数据。
4.如权利要求3所述的一种基于全周期运维的用户数据处理系统，其特征在于，所述数据计算模块包括设备运行安全值计算单元、产品质量安全值计算单元和设备故障值计算单元，所述设备运行安全值计算单元用于将设备运行数据和对应的安全范围数据导入设备运行安全值计算策略中进行设备运行安全值的计算，所述产品质量安全值计算单元用于将产品质量数据导入产品质量安全值计算策略中进行产品质量安全值的计算，所述设备故障值计算单元用于将设备运行安全值和产品质量安全值导入设备故障值计算公式中计算设备故障值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311102496.9A CN116823233B (zh) | 2023-08-30 | 2023-08-30 | 一种基于全周期运维的用户数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311102496.9A CN116823233B (zh) | 2023-08-30 | 2023-08-30 | 一种基于全周期运维的用户数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116823233A CN116823233A (zh) | 2023-09-29 |
| CN116823233B true CN116823233B (zh) | 2023-11-07 |
Family
ID=88116996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311102496.9A Active CN116823233B (zh) | 2023-08-30 | 2023-08-30 | 一种基于全周期运维的用户数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116823233B (zh) |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101052116A (zh) * | 2007-05-10 | 2007-10-10 | 中兴通讯股份有限公司 | 一种在录制对方图像时给出提示信息的方法及系统 |
| WO2008005062A2 (en) * | 2006-06-29 | 2008-01-10 | Augusta Systems, Inc. | Rapidly developing sensor device-enabling software applications |
| JP2011017677A (ja) * | 2009-07-10 | 2011-01-27 | Olympus Corp | 画像解析方法および画像解析装置 |
| CN102520898A (zh) * | 2011-11-18 | 2012-06-27 | 惠州华阳通用电子有限公司 | 一种用于嵌入式操作系统序列图的处理方法 |
| JP2014016691A (ja) * | 2012-07-06 | 2014-01-30 | Hitachi Ltd | 設備維持管理業務支援システム、およびその方法 |
| CN106525875A (zh) * | 2016-12-07 | 2017-03-22 | 江苏大学 | 一种腊肉腌制过程中色泽和质构变化的高光谱检测方法 |
| CN108020550A (zh) * | 2016-11-04 | 2018-05-11 | 山东天和绿色包装科技有限公司 | 电子取像技术在工业产品质量检验中的应用方法 |
| CN108038626A (zh) * | 2017-12-27 | 2018-05-15 | 山东中烟工业有限责任公司 | 一种卷烟设备全生命周期监控系统及监控方法 |
| WO2020207209A1 (zh) * | 2019-04-10 | 2020-10-15 | 广东工业大学 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
| WO2021012481A1 (zh) * | 2019-07-23 | 2021-01-28 | 平安科技（深圳）有限公司 | 系统性能监控方法、装置、设备及存储介质 |
| CN114170227A (zh) * | 2022-02-11 | 2022-03-11 | 北京阿丘科技有限公司 | 产品表面缺陷检测方法、装置、设备及存储介质 |
| CN114998352A (zh) * | 2022-08-05 | 2022-09-02 | 武汉飞恩微电子有限公司 | 一种基于图像处理的生产设备故障检测方法 |
| CN115600978A (zh) * | 2022-10-14 | 2023-01-13 | 武汉理工大学（Cn） | 生产过程综合管理方法、装置、电子设备及存储介质 |
| CN115620066A (zh) * | 2022-10-26 | 2023-01-17 | 北京声迅电子股份有限公司 | 一种基于x光图像的物品检测方法、装置及电子设备 |
| CN115783685A (zh) * | 2022-10-26 | 2023-03-14 | 陕西智引科技有限公司 | 基于图像处理的煤矿运输机皮带故障预警方法 |
| CN115880204A (zh) * | 2021-09-26 | 2023-03-31 | Tcl科技集团股份有限公司 | 图像检测方法、装置、终端设备及可读存储介质 |
| CN115879907A (zh) * | 2022-10-21 | 2023-03-31 | 国网江苏省电力有限公司营销服务中心 | 一种具备故障检测的运维监控装置及工作方法 |
| CN116068944A (zh) * | 2023-03-06 | 2023-05-05 | 江苏美特林科特殊合金股份有限公司 | 一种真空感应熔炼过程检测及控制系统 |
| CN116107280A (zh) * | 2023-04-12 | 2023-05-12 | 南京强思数字科技有限公司 | 一种用于多维可视化管理的数字孪生工厂控制系统 |
| CN116109010A (zh) * | 2023-04-10 | 2023-05-12 | 南京强思数字科技有限公司 | 一种基于数字孪生技术的化工厂区智能运维系统 |
| CN116308285A (zh) * | 2023-03-22 | 2023-06-23 | 齐犇科技集团有限公司 | 一种基于数据处理的智慧终端安全监管系统 |
| CN116382217A (zh) * | 2023-05-10 | 2023-07-04 | 广西科学院 | 一种生产线智能运维监管系统 |
| CN116485212A (zh) * | 2023-06-25 | 2023-07-25 | 天津津轨汇海科技发展有限公司 | 一种轨道交通供电设备用安全操作管理方法及系统 |
-
2023
- 2023-08-30 CN CN202311102496.9A patent/CN116823233B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008005062A2 (en) * | 2006-06-29 | 2008-01-10 | Augusta Systems, Inc. | Rapidly developing sensor device-enabling software applications |
| CN101052116A (zh) * | 2007-05-10 | 2007-10-10 | 中兴通讯股份有限公司 | 一种在录制对方图像时给出提示信息的方法及系统 |
| JP2011017677A (ja) * | 2009-07-10 | 2011-01-27 | Olympus Corp | 画像解析方法および画像解析装置 |
| CN102520898A (zh) * | 2011-11-18 | 2012-06-27 | 惠州华阳通用电子有限公司 | 一种用于嵌入式操作系统序列图的处理方法 |
| JP2014016691A (ja) * | 2012-07-06 | 2014-01-30 | Hitachi Ltd | 設備維持管理業務支援システム、およびその方法 |
| CN108020550A (zh) * | 2016-11-04 | 2018-05-11 | 山东天和绿色包装科技有限公司 | 电子取像技术在工业产品质量检验中的应用方法 |
| CN106525875A (zh) * | 2016-12-07 | 2017-03-22 | 江苏大学 | 一种腊肉腌制过程中色泽和质构变化的高光谱检测方法 |
| CN108038626A (zh) * | 2017-12-27 | 2018-05-15 | 山东中烟工业有限责任公司 | 一种卷烟设备全生命周期监控系统及监控方法 |
| WO2020207209A1 (zh) * | 2019-04-10 | 2020-10-15 | 广东工业大学 | 基于多周期差分采样和数字孪生技术的平行控制方法 |
| WO2021012481A1 (zh) * | 2019-07-23 | 2021-01-28 | 平安科技（深圳）有限公司 | 系统性能监控方法、装置、设备及存储介质 |
| CN115880204A (zh) * | 2021-09-26 | 2023-03-31 | Tcl科技集团股份有限公司 | 图像检测方法、装置、终端设备及可读存储介质 |
| CN114170227A (zh) * | 2022-02-11 | 2022-03-11 | 北京阿丘科技有限公司 | 产品表面缺陷检测方法、装置、设备及存储介质 |
| CN114998352A (zh) * | 2022-08-05 | 2022-09-02 | 武汉飞恩微电子有限公司 | 一种基于图像处理的生产设备故障检测方法 |
| CN115600978A (zh) * | 2022-10-14 | 2023-01-13 | 武汉理工大学（Cn） | 生产过程综合管理方法、装置、电子设备及存储介质 |
| CN115879907A (zh) * | 2022-10-21 | 2023-03-31 | 国网江苏省电力有限公司营销服务中心 | 一种具备故障检测的运维监控装置及工作方法 |
| CN115620066A (zh) * | 2022-10-26 | 2023-01-17 | 北京声迅电子股份有限公司 | 一种基于x光图像的物品检测方法、装置及电子设备 |
| CN115783685A (zh) * | 2022-10-26 | 2023-03-14 | 陕西智引科技有限公司 | 基于图像处理的煤矿运输机皮带故障预警方法 |
| CN116068944A (zh) * | 2023-03-06 | 2023-05-05 | 江苏美特林科特殊合金股份有限公司 | 一种真空感应熔炼过程检测及控制系统 |
| CN116308285A (zh) * | 2023-03-22 | 2023-06-23 | 齐犇科技集团有限公司 | 一种基于数据处理的智慧终端安全监管系统 |
| CN116109010A (zh) * | 2023-04-10 | 2023-05-12 | 南京强思数字科技有限公司 | 一种基于数字孪生技术的化工厂区智能运维系统 |
| CN116107280A (zh) * | 2023-04-12 | 2023-05-12 | 南京强思数字科技有限公司 | 一种用于多维可视化管理的数字孪生工厂控制系统 |
| CN116382217A (zh) * | 2023-05-10 | 2023-07-04 | 广西科学院 | 一种生产线智能运维监管系统 |
| CN116485212A (zh) * | 2023-06-25 | 2023-07-25 | 天津津轨汇海科技发展有限公司 | 一种轨道交通供电设备用安全操作管理方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Architecture and FPGA-Implementation of Scalable Picture Segmentation by 2D Scanning with Flexible Pixel-Block Size;T. Koide, R. Kimura等;《2010 First International Conference on Networking and Computing》;第1-5页 * |
| 基于大数据分析的可视化预测性运维系统实现;杨恒等;《冶金自动化》;第44卷(第1期);第44-47，73页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116823233A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112769796B (zh) | 一种基于端侧边缘计算的云网端协同防御方法及系统 | |
| CN111309565B (zh) | 告警处理方法、装置、电子设备以及计算机可读存储介质 | |
| CN103746829A (zh) | 一种基于集群的故障感知系统及其方法 | |
| US11074652B2 (en) | System and method for model-based prediction using a distributed computational graph workflow | |
| CN111650922A (zh) | 一种智能家居异常检测方法和装置 | |
| CN105959316A (zh) | 网络安全性验证系统 | |
| CN110188015B (zh) | 一种主机访问关系异常行为自适应检测装置及其监测方法 | |
| WO2023071761A1 (zh) | 一种异常定位方法及装置 | |
| CN115660262B (zh) | 一种基于数据库应用的工程智慧质检方法、系统及介质 | |
| KR20210115991A (ko) | 시계열 데이터 분석을 이용한 네트워크 이상징후 탐지 방법 및 장치 | |
| CN115001934A (zh) | 一种工控安全风险分析系统及方法 | |
| CN111045889A (zh) | 封闭网络设备状态监测系统、方法、装置及可读存储介质 | |
| CN114363212B (zh) | 一种设备检测方法、装置、设备和存储介质 | |
| CN117495205B (zh) | 一种工业互联网实验系统及方法 | |
| CN116823233B (zh) | 一种基于全周期运维的用户数据处理方法及系统 | |
| CN111709021B (zh) | 一种基于海量告警的攻击事件识别方法及电子装置 | |
| CN117391675A (zh) | 一种数据中心基础设施运维管理方法 | |
| CN116595353A (zh) | 一种调相机远程故障诊断及智能决策系统 | |
| CN113162904B (zh) | 一种基于概率图模型的电力监控系统网络安全告警评估方法 | |
| CN115567241A (zh) | 一种多站点网络感知检测系统 | |
| CN113420739A (zh) | 基于神经网络的智能应急监控方法、系统和可读存储介质 | |
| WO2021055964A1 (en) | System and method for crowd-sourced refinement of natural phenomenon for risk management and contract validation | |
| KR102604380B1 (ko) | 다중 학습 모델을 이용한 5g 엣지 네트워크 침입 탐지 장치 및 이를 이용한 방법 | |
| CN117596160B (zh) | 一种用于制造行业数据链路融通的方法和系统 | |
| US20240036963A1 (en) | Multi-contextual anomaly detection |
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 |