CN116878590A - 一种数智化服务协同运营管理系统 - Google Patents
一种数智化服务协同运营管理系统 Download PDFInfo
- Publication number
- CN116878590A CN116878590A CN202311140734.5A CN202311140734A CN116878590A CN 116878590 A CN116878590 A CN 116878590A CN 202311140734 A CN202311140734 A CN 202311140734A CN 116878590 A CN116878590 A CN 116878590A
- Authority
- CN
- China
- Prior art keywords
- moment
- degree
- humidity
- abnormality
- time
- 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
- 230000008859 change Effects 0.000 claims abstract description 209
- 230000005856 abnormality Effects 0.000 claims abstract description 192
- 230000005494 condensation Effects 0.000 claims abstract description 183
- 238000009833 condensation Methods 0.000 claims abstract description 183
- 230000002159 abnormal effect Effects 0.000 claims abstract description 108
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 11
- 230000000630 rising effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000008020 evaporation Effects 0.000 description 5
- 238000001704 evaporation Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/56—Investigating or analyzing materials by the use of thermal means by investigating moisture content
- G01N25/66—Investigating or analyzing materials by the use of thermal means by investigating moisture content by investigating dew-point
- G01N25/70—Investigating or analyzing materials by the use of thermal means by investigating moisture content by investigating dew-point by varying the temperature of the material, e.g. by compression, by expansion
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及数字数据处理技术领域,具体涉及一种数智化服务协同运营管理系统。该系统获取每个时刻的湿度与温度;根据每相邻两个时刻的湿度,获取第一异常程度;根据湿度和温度,获取第二异常程度;获取凝露影响时间段内每个时刻的凝露影响程度;根据每相邻两个时刻的温度,获取温度变化值;根据凝露影响程度、温度变化值和第二异常程度,获取第三异常程度;根据第三异常程度、第一异常程度与第二异常程度,获取第四异常程度;根据第四异常程度,确定异常数据,将异常数据进行清洗。本发明对不同温度和凝露现象对湿度导致的不同异常程度的表现进行准确的分析,准确获取出异常数据,使得对湿度的监测更准确,进而对车间环境的检测更准确。
Description
技术领域
本发明涉及数字数据处理技术领域,具体涉及一种数智化服务协同运营管理系统。
背景技术
数智化服务协同运营管理系统是基于新一代信息技术的企业管理系统,它将物联网、云计算、大数据分析等技术有机结合起来,为企业提供高效的服务协同运营管理。数智化服务协同运营管理系统对实际生产参数进行监测,以反映各项资源和业务的状态和变化,实现数字化转型和精细化管理。比如对影响车间设备与生产的车间湿度进行监测,以反映车间生产环境。由于车间内部湿度较为稳定,且其变化也较为稳定,现有方法中一般利用所监测的湿度来反映车间内的生产环境的情况。但是车间内部的湿度受温度的影响,导致不同温度对应的湿度变化具有不同的异常表现,同时在温度与湿度同时变化时,车间内部可能发生凝露现象,进一步影响车间内部的湿度变化,进而导致湿度的异常表现又发生改变。所监测的湿度数据中可能会存在异常数据,因此,直接根据湿度的变化来反映的异常程度准确度较低,无法对车间生产环境进行准确的分析。
发明内容
为了解决湿度的异常表现不确定,导致所监测的湿度数据中可能会存在异常数据,进而直接根据湿度的变化来反映的异常程度准确度较低的技术问题,本发明的目的在于提供一种数智化服务协同运营管理系统,所采用的技术方案具体如下:
本发明实施例中提供了一种数智化服务协同运营管理系统,该系统包括以下内容:
数据获取模块,用于获取每个时刻的湿度与温度;获取每个时刻的湿度变化趋势与温度变化趋势;获取每次发生凝露的第一个时刻作为目标时刻;
第一异常程度获取模块,用于根据每个时刻的湿度变化值,获取每个时刻的第一异常程度;
第二异常程度获取模块,用于根据每个时刻的湿度变化趋势与温度变化趋势,以及湿度变化值和温度,获取每个时刻的第二异常程度;
第三异常程度获取模块,用于将所述目标时刻的下一时刻作为起点,将预设时刻作为终点,构成的时间段作为与所述目标时刻对应的凝露影响时间段,根据每个凝露影响时间段内每个时刻与对应所述目标时刻之间的时间间隔,获取凝露影响时间段内每个时刻的凝露影响程度;根据凝露影响时间段内每个时刻的凝露影响程度、温度变化值和第二异常程度,获取凝露影响时间段内每个时刻的第三异常程度;
第四异常程度获取模块,用于在凝露影响时间段内,根据每个时刻的第三异常程度与第一异常程度,获取对应时刻的第四异常程度;不在凝露影响时间段内,根据每个时刻的第二异常程度与第一异常程度,获取对应时刻的第四异常程度;
数据处理模块,用于根据每个时刻的第四异常程度,确定每个时刻的湿度是否为异常数据,将异常数据进行清洗。
进一步地,所述第一异常程度的获取方法,包括:
选取最大的湿度变化值作为标准湿度变化值,获取每个时刻的湿度变化值与标准湿度变化值的比值,作为对应时刻的第一异常程度。
进一步地,所述第二异常程度的获取方法,包括:
任选一个时刻作为参考时刻,当参考时刻的湿度变化趋势与温度变化趋势相同时,将第一预设常数作为参考时刻的湿度变化异常程度,第一预设常数的范围为;
当参考时刻的湿度变化趋势与温度变化趋势不相同时,将参考时刻的湿度变化值代入到以自然常数为底数的指数函数中,获得结果作为参考时刻的湿度变化异常程度;
计算参考时刻的湿度变化异常程度与温度的倒数的乘积,作为参考时刻的第二异常程度。
进一步地,所述凝露影响程度的获取方法,包括:
将每个凝露影响时间段内每个时刻与对应凝露影响时间段上一相邻的目标时刻之间的时间间隔,作为每个凝露影响时间段内每个时刻的影响距离;
获取每个影响距离与第二预设常数的相加结果,作为对应时刻的第一结果,第二预设常数大于0且小于1;
将每个时刻的所述第一结果的倒数,作为对应时刻的凝露影响程度。
进一步地,所述第三异常程度的获取方法,包括:
当凝露影响时间段内的第h个时刻的温度变化趋势下降时,获取第h个时刻的第三异常程度的计算公式如下:
当凝露影响时间段内的第h个时刻的温度变化趋势上升时,获取第h个时刻的第三异常程度的计算公式如下:
式中,为第h个时刻的第三异常程度;/>为第h个时刻的凝露影响程度;/>为第h个时刻的温度变化值;/>为第h个时刻的第二异常程度;a为第三预设常数,a大于或者等于1;norm为归一化函数。
进一步地,所述第四异常程度的获取方法,包络:
在凝露影响时间段内,计算每个时刻的第三异常程度与第一异常程度的乘积,作为对应时刻的第四异常程度;
不在凝露影响时间段内,计算每个时刻的第二异常程度与第一异常程度的乘积,作为对应时刻的第四异常程度。
进一步地,所述根据每个时刻的第四异常程度,确定每个时刻的湿度是否为异常数据的方法,包括:
将每个时刻的第四异常程度进行归一化的结果,作为每个时刻的最终异常程度;
当最终异常程度大于预设异常程度阈值时,对应时刻下的湿度为异常数据。
进一步地,所述湿度变化值的获取方法,包括:
获取每个时刻与上一相邻时刻之间湿度的差值绝对值,作为每个时刻的湿度变化值。
进一步地,所述温度变化值的获取方法,包括:
获取每个时刻与上一相邻时刻之间温度的差值绝对值,作为每个时刻的温度变化值。
进一步地,所述获取每个时刻的湿度变化趋势与温度变化趋势的方法,包括:
获取每个时刻的湿度与上一相邻时刻湿度的差值,作为第一差值;
当第一差值为正数时,对应时刻的湿度变化趋势为上升的;
当第一差值为0时,对应时刻的湿度变化趋势为平稳的;
当第一差值为负数时,对应时刻的湿度变化趋势为下降的;
获取每个时刻的温度与上一相邻时刻温度的差值,作为第二差值;
当第二差值为正数时,对应时刻的温度变化趋势为上升的;
当第二差值为0时,对应时刻的温度变化趋势为平稳的;
当第二差值为负数时,对应时刻的温度变化趋势为下降的。
本发明具有如下有益效果:
根据车间内部每个时刻的温度对湿度的影响,确定不同温度变化对应的湿度变化,进而确定每个时刻的湿度异常表现的程度,避免将正常湿度误判为异常数据,提高湿度所反映异常程度的准确性;同时,根据车间内部凝露现象对湿度变化的影响,进一步分析每个时刻的湿度异常表现的程度,考虑到凝露现象发生后温度的上升与下降对湿度的不同影响,获得凝露现象对应的温度与湿度的变化关系,获得更准确的湿度变化的异常表现;进而获取每个时刻的湿度异常表现的程度,准确确定采集的湿度数据中的异常数据,将异常数据进行清洗,使得根据湿度反映的异常程度更加准确,进而对车间生产环境的检测更准确。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种数智化服务协同运营管理系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种空调用智能电控系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种数智化服务协同运营管理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种数智化服务协同运营管理系统的结构框图,该系统包括:数据获取模块10、第一异常程度获取模块20、第二异常程度获取模块30、第三异常程度获取模块40、第四异常程度获取模块50、数据处理模块60。
数据获取模块10,用于获取每个时刻的湿度与温度;获取每个时刻的湿度变化趋势与温度变化趋势;获取每次发生凝露的第一个时刻作为目标时刻。
具体的,对车间内湿度监测数据的异常分析,主要根据监测的湿度数据的变化情况,反映湿度的异常程度。在温度的影响下监测的湿度数据的变化具有不同的异常表现,其中凝露现象对湿度数据的异常表现尤为突出。本发明实施例根据温度变化以及与凝露现象的关系确定湿度数据变化的异常表现,从而确定最终异常程度。
对于车间湿度的监测,需要先对车间的湿度进行采集,本发明实施例直接利用湿度传感器,对车间的湿度数据进行采集,在对湿度数据分析的过程中需要温度数据,因此在每一个湿度监测点上安装一个温度传感器,对温度数据进行采集。需要说明的是,本发明实施例将传感器的每次采样时间间隔设置为5秒,即每个采样时刻之间的时间间隔为5秒,且温度传感器与湿度传感器的采样时刻保持相同,实施者可根据实际情况设置采样时间间隔的大小,在此不进行限定。进而,根据湿度传感器获取每个时刻的湿度,根据温度传感器获取每个时刻的温度。
为了对每个时刻的湿度进行准确的分析,获取每个时刻的湿度变化趋势与温度变化趋势,根据每个时刻的湿度变化趋势与温度变化趋势对每个时刻的湿度异常表现程度进行初步的判断。其中,获取每个时刻的湿度变化趋势与温度变化趋势的方法为:获取每个时刻的湿度与上一相邻时刻湿度的差值,作为第一差值;当第一差值为正数时,对应时刻的湿度变化趋势为上升的;当第一差值为0时,对应时刻的湿度变化趋势为平稳的;当第一差值为负数时,对应时刻的湿度变化趋势为下降的;获取每个时刻的温度与上一相邻时刻温度的差值,作为第二差值;当第二差值为正数时,对应时刻的温度变化趋势为上升的;当第二差值为0时,对应时刻的温度变化趋势为平稳的;当第二差值为负数时,对应时刻的温度变化趋势为下降的。需要说明的是,第一个时刻没有上一相邻时刻,因此,不获取第一个时刻的湿度变化趋势与温度变化趋势。
车间内发生凝露现象为自然现象,凝露现象为车间内的水蒸气发生凝结成露或者水滴。其中,不同的湿度对应的露点温度不同,如表1所示。
表1
由表1可知,车间空气中湿度占比越大,对应的露点温度越高,即发生凝露现象的温度越高。因为车间内的温度和湿度在不断的变化,因此,凝露现象可能会出现多次,本发明实施例将每次发生凝露时传感器检测到的第一个时刻作为目标时刻。
第一异常程度获取模块20,用于根据每个时刻的湿度变化值,获取每个时刻的第一异常程度。
具体的,车间环境中的湿度是由水分子蒸发造成的,车间中水分子蒸发是一个逐渐变化的过程,所以湿度传感器采集的湿度同样是渐变,即采集的相邻时刻之间的湿度变化越平稳,说明采集的湿度数据越正常,相邻时刻之间的湿度变化越大,说明采集的湿度数据越可能存在异常,因此,根据相邻时刻之间的湿度变化情况,获取每个时刻存在异常情况,即每个时刻的第一异常程度。
优选地,获取第一异常程度的方法为:获取每个时刻与上一相邻时刻之间湿度的差值绝对值,作为每个时刻的湿度变化值;选取最大的湿度变化值作为标准湿度变化值,获取每个时刻的湿度变化值与标准湿度变化值的比值,作为对应时刻的第一异常程度。
作为一个示例,以第q个时刻为例,获取第q个时刻的湿度,以及第q-1个时刻的湿度,将第q个时刻的湿度与第q-1个时刻的湿度的差值绝对值,作为第q个时刻的湿度变化值。根据获取第q个时刻的湿度变化值的方法,获取每个时刻的湿度变化值。其中,需要说明的是,第一个时刻不存在上一相邻时刻,因此,不获取第一个时刻的湿度变化值。选取出最大的湿度变化值作为标准湿度变化值,获取第q个时刻的湿度变化值与标准湿度变化值的比值,即第q个时刻的第一异常程度。因此,获取第q个时刻的第一异常程度的公式为:
式中,为第q个时刻的第一异常程度;/>为第q个时刻的湿度变化值;/>为标准湿度变化值。
需要说明的是,越大,说明第q个时刻采集的湿度越可能异常,/>越大;因此,/>越大,第q个时刻采集的湿度异常程度越大。
根据获取第q个时刻的第一异常程度的方法,获取每个时刻的第一异常程度。
第二异常程度获取模块30,用于根据每个时刻的湿度变化趋势与温度变化趋势,以及湿度变化值和温度,获取每个时刻的第二异常程度。
具体的,在实际情况中车间内部的湿度受温度的影响,主要表现为温度对水分子蒸发以及水分子运动的影响,导致不同温度下湿度的变化存在差异,因此,不同温度下,湿度变化值具有不同的异常表现。车间内部空气流通缓慢,当车间内的温度升高时,会使空气中的水分子蒸发,从而提高空气中的湿度,并且在温度升高时,水分子的运动速度加快,水分子在空气中的扩散速度也会加快,从而导致车间内水分的蒸发速率增加,进而湿度的变化增加。因此,湿度的变化趋势与温度的变化趋势具有一致关系,若湿度的变化趋势与温度的变化趋势相反,则说明对应的湿度异常的可能性越大。同时,温度上升的越高,对应湿度变化值越大,对于湿度相同的升高的变化趋势,湿度的异常表现程度越小,因为当温度上升时,湿度上升的变化源于自身变化的可能性越大,所以温度越高,湿度的异常可能性越小。因此,根据每个时刻的温度与湿度的变化趋势,以及温度的大小,获取每个时刻的第二异常程度。
优选地,获取第二异常程度的方法为:将第一预设常数作为参考时刻的湿度变化异常程度,第一预设常数的范围为;当参考时刻的湿度变化趋势与温度变化趋势不相同时,将参考时刻的湿度变化值代入到以自然常数为底数的指数函数中,获得结果作为参考时刻的湿度变化异常程度;计算参考时刻的湿度变化异常程度与温度的倒数的乘积,作为参考时刻的第二异常程度。
作为一个示例,以第一异常程度获取模块20中的第q个时刻为例,将第q个时刻作为参考时刻,当第q个时刻的温度变化趋势与湿度变化趋势相同时,第q个时刻的湿度变化异常程度的为第一预设常数,其中,第一预设常数的范围为,本发明实施例根据此时第q个时刻的湿度变化异常程度的公式为:/>,可以确定本发明实施例的第一预设常数为1;其中,/>为第q个时刻的湿度变化异常程度;e为自然常数。当第q个时刻的温度变化趋势与湿度变化趋势相同时,说明第q个时刻的湿度存在异常可能性越小,因此确定第一预设常数的范围为/>。当第q个时刻的温度变化趋势与湿度变化趋势不相同时,将第q个时刻的湿度变化值代入到以自然常数为底数的指数函数中,获得结果作为第q个时刻的湿度变化异常程度;此时,第q个时刻的湿度变化异常程度的公式为:/>,其中,/>为第q个时刻的湿度变化异常程度;e为自然常数;/>为第q个时刻的湿度变化值;因为温度变化趋势与湿度变化趋势不相同,因此,/>越大,/>越大,第q个时刻的湿度异常的表现程度越大,即第q个时刻的第二异常程度越大。同时,第q个时刻的第二异常程度与第q个时刻的温度也有关系,第q个时刻的温度越高,第q个时刻的湿度异常的可能性越小,因为此时第q个时刻的湿度变化源于自身受温度的影响越大,因此温度越高,第q个时刻的第二异常程度越小。获取第q个时刻的第二异常程度/>的公式为:
式中,为第q个时刻的第二异常程度;/>为第q个时刻的湿度变化异常程度;/>为第q个时刻的温度。
需要说明的是,越大,说明第q个时刻的温度变化趋势与湿度变化趋势越不一致,/>越大;/>越大,说明第q个时刻的湿度变化受自身变化的影响比较大,第q个时刻的湿度异常表现程度越小,/>越小;因此,/>越大,说明第q个时刻的湿度异常表现的程度越大。
根据获取第q个时刻的第二异常程度的方法,获取每个时刻的第二异常程度。
第三异常程度获取模块40,用于将目标时刻的下一时刻作为起点,将预设时刻作为终点,构成的时间段作为与目标时刻对应的凝露影响时间段,根据每个凝露影响时间段内每个时刻与对应目标时刻之间的时间间隔,获取凝露影响时间段内每个时刻的凝露影响程度;根据凝露影响时间段内每个时刻的凝露影响程度、温度变化值和第二异常程度,获取凝露影响时间段内每个时刻的第三异常程度。
具体的,在温度的影响下车间内的湿度会产生凝露现象,同样影响着车间湿度的变化。产生凝露现象的条件为:湿度上升到一定程度的同时,温度达到对应的露点温度,室内水蒸气发生凝结成露或者水滴,即发生了凝露现象。车间中不同湿度的占比对应的露点温度不同,当温度与湿度同时达到所需条件时,便发生凝露现象。在温度未到达露点温度之前,车间内的湿度变化不会受到凝露现象的影响,即不改变温度变化对湿度的异常表现。当发生凝露现象时,即温度到达露点温度时,车间内的湿度会迅速产生变化,湿度与温度的对应关系会发生改变,从而影响温度变化对湿度的异常表现。
发生凝露现象后,车间内的湿度变化受温度变化的具体影响关系为:当温度下降时,凝露现象持续存在,因为在较低温度下空气中无法容纳同样多的湿度,湿度会逐渐接近饱和状态,因此,会有更多的水蒸汽发生凝露现象,进而导致车间内的湿度下降。当温度上升时,超过湿度对应的露点温度,凝露现象结束,此时湿度受温度变化的影响,使得湿度再次上升。根据发生凝露现象后,车间内的湿度变化与温度变化的具体影响关系,确定在凝露现象的影响下,不同温度的变化对湿度异常表现的不同程度。在实际情况中,车间内部的凝露现象较少,所以多数情况下湿度不受凝露现象的影响,同时,当发生凝露现象时,凝露现象对每个时刻湿度的影响,也随着时间间隔越大,对每个时刻的影响越小,当时间间隔达到一定的范围时,凝露现象便不在对湿度的变化产生影响。本发明实施将每次发生凝露的第一个时刻作为目标时刻,以任一个目标时刻的下一时刻作为起点,将预设时刻作为终点,将构成的时间段作为与该目标时刻对应的凝露影响时间段,其中,凝露影响时间段内的每个时刻的湿度均受凝露现象的影响。本发明实施例将凝露影响时间段设定为5分钟,即任一个目标时刻的下一时刻与对应终点的预设时刻之间的时间间隔为5分钟。实施者可根据实际情况对凝露影响时间段进行设定,在此不进行限定。凝露现象对不在凝露影响时间段内的每个时刻的湿度不会产生影响。
作为一个示例,以第i次凝露现象为例,第i次凝露现象对应的目标时刻则为第i个目标时刻。第i个目标时刻便是检测到第i次凝露现象的第一个时刻,将第i个目标时刻的下一个时刻作为起点,随着时间顺序向后,直至在时间间隔为5分钟的时刻停止,停止对应的时刻即为第i次凝露现象的凝露影响时间段的终点时刻。根据第i次凝露现象的凝露影响时间段内的每个时刻与目标时刻的时间间隔,确定第i次凝露现象的凝露影响时间段内的每个时刻的湿度受到的凝露影响程度。
优选地,获取凝露影响程度的方法为:将每个凝露影响时间段内每个时刻与对应凝露影响时间段上一相邻的目标时刻之间的时间间隔,作为每个凝露影响时间段内每个时刻的影响距离;获取每个影响距离与第二预设常数的相加结果,作为对应时刻的第一结果,第二预设常数大于0且小于1;将每个时刻的第一结果的倒数,作为对应时刻的凝露影响程度。
作为一个示例,以第i次凝露现象的凝露影响时间段内的第h个时刻为例,获取第h个时刻与第i个目标时刻之间的差值即时间间隔,作为第h个时刻的影响距离。因为,第h个时刻在第i个目标时刻的后面,因此,第h个时刻与第i个目标时刻之间的时间间隔一定为正数,即第h个时刻的影响距离一定为正数。本发明实施例将第二预设常数设定为0.1,避免分母为0导致的无意义情况出现;其中,第二预设常数大于0且小于1,实施者可根据实际情况设定第二预设常数的大小,在此不进行限定。获取第h个时刻的影响距离与第二预设常数的相加结果,即第h个时刻的第一结果,根据第一结果,获取第h个时刻的凝露影响程度的公式为:
式中,为第h个时刻的凝露影响程度;/>为第h个时刻的影响距离。
需要说明的是,越小,说明第h个时刻与第i个目标时刻之间的时间间隔越小,第h个时刻的湿度受第i次凝露现象的影响越大,第一结果/>越小,/>越大;因此,/>越大,第h个时刻的湿度受第i次凝露现象的影响越大,第h个时刻的湿度异常表现的程度可能越大。
根据获取第i次凝露现象的凝露影响时间段内的第h个时刻的凝露影响程度的方法,获取第i次凝露现象的凝露影响时间段内的每个时刻的凝露影响程度。
第i次凝露现象发生后,在第i次凝露现象的凝露影响时间段内不同的温度变化对湿度变化的影响不同,从而影响着湿度变化对湿度的异常表现,即温度升高与降低对湿度变化的影响不同,进而对湿度异常表现的影响不同。同时,当第i次凝露现象的凝露影响时间段内的温度变化值越大时,第i次凝露现象的凝露影响时间段内的湿度变化值的响应时间越快,例如,当第i次凝露现象的凝露影响时间段内的温度下降时,下降的温度变化值越大,则湿度的下降速率大于正常温度下降时对应的湿度下降速率,此时,湿度下降的变化量对于湿度异常表现的程度越小,因为,湿度下降的变化量来源于本身受温度影响的可能性越大,因此湿度异常表现的程度就越小。当第i次凝露现象的凝露影响时间段内的温度上升时,上升的温度变化值越大,则对应的湿度变化值越大,因为,湿度上升的变化量来源于本身受温度影响的可能性越大,因此湿度异常表现的程度就越小。因此,第i次凝露现象的凝露影响时间段内的某个时刻的温度变化值越大,则该某个时刻的湿度异常表现的程度越小。
优选地,获取温度变化值的方法为:获取每个时刻与上一相邻时刻之间温度的差值绝对值,作为每个时刻的温度变化值。
作为一个示例,获取第i次凝露现象的凝露影响时间段内的每个时刻与上一相邻时刻之间温度的差值绝对值,作为每个时刻的温度变化值。其中,温度变化值越大,说明对应时刻的湿度异常的可能性越小。进而,根据第i次凝露现象的凝露影响时间段内的每个时刻的凝露影响程度、温度变化值和第二异常程度,获取第i次凝露现象的凝露影响时间段内的每个时刻的第三异常程度。
优选地,获取第三异常程度的方法为:将每个时刻的温度变化值的倒数,作为对应时刻的第二特征值;当凝露影响时间段内的温度变化趋势下降时,获取凝露影响时间段内每个时刻的凝露影响程度与温度变化值的乘积,作为对应时刻的整体影响程度;将每个整体影响程度进行归一化的结果,作为对应时刻的第二结果;将每个时刻的第二结果与第三预设常数的相加结果,作为对应时刻的第一特征值;将每个时刻的第二结果与第二异常程度的乘积,作为对应时刻的第三特征值;将每个时刻的第一特征值、第二特征值与第三特征值的乘积,作为对应时刻的第三异常程度;当凝露影响时间段内的温度变化趋势上升时,将每个时刻的凝露影响程度、第二特征值与第二异常程度的乘积,作为对应时刻的第三异常程度。
作为一个示例,以第i次凝露现象的凝露影响时间段内的第h个时刻为例,当第h个时刻的温度变化趋势为下降时,获取第h个时刻的凝露影响程度与温度变化值的乘积,即第h个时刻的整体影响程度,已知,第h个时刻的凝露影响程度的大小取决于第h个时刻与第i个目标时刻的时间间隔,而不同的温度变化值影响湿度下降的响应时间,进而影响第h个时刻的凝露影响程度的响应,即第h个时刻的凝露影响程度越大,则第h个时刻的湿度受凝露影响的程度越大,第h个时刻的温度变化值越大,则在温度的影响下,第h个时刻的湿度受凝露影响的响应越明显,因此,将第h个时刻的凝露影响程度与温度变化值的乘积,即第h个时刻的整体影响程度,来反映第h个时刻受第i次凝露现象的影响程度。避免整体影响程度过大,对后续数据的计算产生影响,本发生实施例对整体影响程度进行归一化处理,将归一化的整体影响程度作为第二结果。
同时,当第二结果越大时,第h个时刻的温度与湿度的变化趋势越一致,因为当第h个时刻受凝露现象的影响越大时,第h个时刻的温度下降时,第h个时刻的湿度一定下降,即第h个时刻的温度和湿度的变化趋势越一致,此时第h个时刻的温度与湿度的变化趋势的不一致性,导致第h个时刻的湿度异常表现的程度越大,即第h个时刻的第二异常程度所表现的当前温度影响下,湿度变化的异常表现对当前数据异常表现的影响越大,因此,当第h个时刻的湿度变化趋势与温度变化趋势均为下降时,第h个时刻的湿度异常程度越小,获取第h个时刻的第二结果与第二异常程度的乘积,即为第h个时刻的第三特征值。其中,第二结果越大,说明第h个时刻的温度和湿度的变化趋势越一致,但第h个时刻的第二异常程度确定第h个时刻的湿度异常表现的程度。获取第h个时刻的第三异常程度的公式为:
式中,为第h个时刻的第三异常程度;/>为第h个时刻的凝露影响程度;/>为第h个时刻的温度变化值;/>为第h个时刻的第二异常程度;a为第三预设常数,a大于或者等于1;norm为归一化函数。
因为第二结果的取值范围为0到1,为了使得凝露现象的影响越大,则第h个时刻的湿度异常表现的程度越大的逻辑关系表现出来,将第二结果与第三预设常数的相加结果,作为第h个时刻的第一特征值,其中,第三预设常数大于或者等于1,本发明实施例将第三预设常数设定为1,实施者可根据实际情况进行设定,在此不进行限定。因此,获取第h个时刻的第三异常程度的公式为:
需要说明的是,第二结果越大,说明第h个时刻的湿度受凝露现象的影响越大,第一特征值/>越大,/>越大;/>越大,第h个时刻的湿度异常的可能性越小,第二特征值/>越小,/>越小;/>越小,说明第h个时刻的湿度变化趋势与温度变化趋势越相同,均为下降趋势,/>越大,说明第h个时刻的湿度变化趋势与温度变化趋势越相同,/>越准确,第h个时刻的湿度异常的可能性越小,/>越小;因此,/>越大,在第i次凝露现象的凝露影响时间段内的第h个时刻的湿度异常表现的程度越大。
当第h个时刻的温度变化趋势为上升时,在发生凝露现象后,因为凝露现象所导致的湿度变化一般趋于平稳,所以越靠近凝露现象,湿度数据变化越小,此时湿度变化对湿度异常表现的影响程度越大;同时,温度变化越大,湿度变化越大,此时对应湿度变化的异常表现程度越小。因此,根据每个时刻的凝露影响程度、第二特征值与第二异常程度的乘积,获取第h个时刻的第三异常程度的公式为:
式中,为第h个时刻的第三异常程度;/>为第h个时刻的凝露影响程度;/>为第h个时刻的温度变化值;/>为第h个时刻的第二异常程度。
需要说明的是,越大,第h个时刻距离第i个目标时刻越近,第h个时刻的湿度受第i次凝露现象的影响越大,第h个时刻的湿度异常表现的程度越大,/>越大;/>越大,第h个时刻的湿度受自身的影响越大,第h个时刻湿度异常表现的程度越小,/>越小;/>越大,说明第h个时刻的湿度变化趋势与温度变化趋势越不相同,同时,第h个时刻的温度越小,则第h个时刻的湿度异常表现的程度越大,/>越大;因此,/>越大,在第i次凝露现象的凝露影响时间段内的第h个时刻的湿度异常表现的程度越大。
根据获取第i次凝露现象的凝露影响时间段内的第h个时刻的第三异常程度的方法,获取每个凝露影响时间段内的每个时刻的第三异常程度。
第四异常程度获取模块50,用于在凝露影响时间段内,根据每个时刻的第三异常程度与第一异常程度,获取对应时刻的第四异常程度;不在凝露影响时间段内,根据每个时刻的第二异常程度与第一异常程度,获取对应时刻的第四异常程度。
具体的,车间中的湿度受温度的影响,因为有凝露现象的存在,不同温度下,湿度的异常表现程度不同,因此,为了准确的获取每个时刻的湿度异常表现的程度,本发明实施例对采集的时间段分情况进行讨论,根据凝露现象,划分为凝露影响时间段和除去凝露影响时间段的其他时间段,对不同的时间段进行不同的分析,准确的获取每个时刻的第三异常程度。
优选地,获取第四异常程度的方法为:在凝露影响时间段内,计算每个时刻的第三异常程度与第一异常程度的乘积,作为对应时刻的第四异常程度;不在凝露影响时间段内,计算每个时刻的第二异常程度与第一异常程度的乘积,作为对应时刻的第四异常程度。
作为一个示例,以第一异常程度获取模块20中的第q个时刻为例,当第q个时刻在凝露影响时间段内时,计算第q个时刻的第三异常程度与第一异常程度的乘积,作为第q个时刻的第四异常程度;当第q个时刻不在凝露影响时间段内时,计算第q个时刻的第二异常程度与第一异常程度的乘积,作为第q个时刻的第四异常程度。因此,获取第q个时刻的第四异常程度的公式为:
式中,为第q个时刻的第四异常程度;/>为第q个时刻是否在凝露影响时间段内的指标;/>为第q个时刻的第三异常程度;/>为第q个时刻的第一异常程度;/>为第q个时刻的第二异常程度。
需要说明的是,当时,表示第q个时刻在凝露影响时间段内,此时,考虑到凝露现象的影响,将/>作为第q个时刻的第四异常程度/>,其中,/>越大,说明第q个时刻的湿度受凝露现象的影响越大,/>越大;/>越大,说明第q个时刻的湿度变化值越大,第q个时刻的湿度存在异常的可能性越大,/>越大。当/>时,表示第q个时刻不在凝露影响时间段内,此时,不考虑凝露现象的影响,将/>作为第q个时刻的第四异常程度/>,其中,/>越大,说明第q个时刻的湿度变化趋势与温度变化趋势越不相同,且第q个时刻的温度越低,则第q个时刻的湿度异常表现的程度越大,/>越大;/>越大,说明第q个时刻的湿度变化值越大,第q个时刻的湿度异常表现的程度越大,/>越大。因此,/>越大,说明第q个时刻的湿度异常表现的程度越大。
根据获取第q个时刻的第四异常程度的方法,获取每个时刻的第四异常程度。
数据处理模块60,用于根据每个时刻的第四异常程度,确定每个时刻的湿度是否为异常数据,将异常数据进行清洗。
具体的,每个时刻的第四异常程度实质表示每个时刻的最终异常程度,因此根据每个时刻的第四异常程度,确定每个时刻下的湿度是否为异常数据。为了便于统一对每个时刻的第四异常程度进行分析,首先将每个时刻的第四异常程度进行归一化处理,将每个归一化的第四异常程度,作为每个时刻的最终异常程度;当最终异常程度大于预设异常程度阈值时,对应时刻下的湿度为异常数据。将获取的异常数据进行清洗,即直接将异常数据进行剔除,然后对湿度进行准确的监测。
本发明实施例设定预设异常程度阈值为0.8,实施者可根据实际情况进行设定,在此不进行限定。当最终异常程度大于预设异常程度阈值时,该最终异常程度对应时刻下的湿度为异常数据;当最终异常程度小于或者等于预设异常程度阈值时,该最终异常程度对应时刻下的湿度为正常数据。至此,完成对每个时刻下湿度的异常情况的分析,准确确定异常数据与正常数据,避免存在异常的湿度对湿度的分析造成影响,进而对车间生产环境的分析更准确。
至此,本发明完成。
综上所述,本发明实施例获取每个时刻的湿度与温度;根据每相邻两个时刻的湿度,获取第一异常程度;根据湿度和温度,获取第二异常程度;获取凝露影响时间段内每个时刻的凝露影响程度;根据每相邻两个时刻的温度,获取温度变化值;根据凝露影响程度、温度变化值和第二异常程度,获取第三异常程度;根据第三异常程度、第一异常程度与第二异常程度,获取第四异常程度;根据第四异常程度,确定异常数据,将异常数据进行清洗。本发明对不同温度和凝露现象对湿度导致的不同异常程度的表现进行准确的分析,准确获取出异常数据,使得对湿度的监测更准确,进而对车间环境的检测更准确。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种数智化服务协同运营管理系统,其特征在于,所述系统包括以下模块:
数据获取模块,用于获取每个时刻的湿度与温度;获取每个时刻的湿度变化趋势与温度变化趋势;获取每次发生凝露的第一个时刻作为目标时刻;
第一异常程度获取模块,用于根据每个时刻的湿度变化值,获取每个时刻的第一异常程度;
第二异常程度获取模块,用于根据每个时刻的湿度变化趋势与温度变化趋势,以及湿度变化值和温度,获取每个时刻的第二异常程度;
第三异常程度获取模块,用于将所述目标时刻的下一时刻作为起点,将预设时刻作为终点,构成的时间段作为与所述目标时刻对应的凝露影响时间段,根据每个凝露影响时间段内每个时刻与对应所述目标时刻之间的时间间隔,获取凝露影响时间段内每个时刻的凝露影响程度;根据凝露影响时间段内每个时刻的凝露影响程度、温度变化值和第二异常程度,获取凝露影响时间段内每个时刻的第三异常程度;
第四异常程度获取模块,用于在凝露影响时间段内,根据每个时刻的第三异常程度与第一异常程度,获取对应时刻的第四异常程度;不在凝露影响时间段内,根据每个时刻的第二异常程度与第一异常程度,获取对应时刻的第四异常程度;
数据处理模块,用于根据每个时刻的第四异常程度,确定每个时刻的湿度是否为异常数据,将异常数据进行清洗。
2.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述第一异常程度的获取方法,包括:
选取最大的湿度变化值作为标准湿度变化值,获取每个时刻的湿度变化值与标准湿度变化值的比值,作为对应时刻的第一异常程度。
3.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述第二异常程度的获取方法,包括:
任选一个时刻作为参考时刻,当参考时刻的湿度变化趋势与温度变化趋势相同时,将第一预设常数作为参考时刻的湿度变化异常程度,第一预设常数的范围为;
当参考时刻的湿度变化趋势与温度变化趋势不相同时,将参考时刻的湿度变化值代入到以自然常数为底数的指数函数中,获得结果作为参考时刻的湿度变化异常程度;
计算参考时刻的湿度变化异常程度与温度的倒数的乘积,作为参考时刻的第二异常程度。
4.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述凝露影响程度的获取方法,包括:
将每个凝露影响时间段内每个时刻与对应凝露影响时间段上一相邻的目标时刻之间的时间间隔,作为每个凝露影响时间段内每个时刻的影响距离;
获取每个影响距离与第二预设常数的相加结果,作为对应时刻的第一结果,第二预设常数大于0且小于1;
将每个时刻的所述第一结果的倒数,作为对应时刻的凝露影响程度。
5.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述第三异常程度的获取方法,包括:
当凝露影响时间段内的第h个时刻的温度变化趋势下降时,获取第h个时刻的第三异常程度的计算公式如下:
当凝露影响时间段内的第h个时刻的温度变化趋势上升时,获取第h个时刻的第三异常程度的计算公式如下:
式中,为第h个时刻的第三异常程度;/>为第h个时刻的凝露影响程度;/>为第h个时刻的温度变化值;/>为第h个时刻的第二异常程度;a为第三预设常数,a大于或者等于1;norm为归一化函数。
6.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述第四异常程度的获取方法,包络:
在凝露影响时间段内,计算每个时刻的第三异常程度与第一异常程度的乘积,作为对应时刻的第四异常程度;
不在凝露影响时间段内,计算每个时刻的第二异常程度与第一异常程度的乘积,作为对应时刻的第四异常程度。
7.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述根据每个时刻的第四异常程度,确定每个时刻的湿度是否为异常数据的方法,包括:
将每个时刻的第四异常程度进行归一化的结果,作为每个时刻的最终异常程度;
当最终异常程度大于预设异常程度阈值时,对应时刻下的湿度为异常数据。
8.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述湿度变化值的获取方法,包括:
获取每个时刻与上一相邻时刻之间湿度的差值绝对值,作为每个时刻的湿度变化值。
9.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述温度变化值的获取方法,包括:
获取每个时刻与上一相邻时刻之间温度的差值绝对值,作为每个时刻的温度变化值。
10.如权利要求1所述的一种数智化服务协同运营管理系统,其特征在于,所述获取每个时刻的湿度变化趋势与温度变化趋势的方法,包括:
获取每个时刻的湿度与上一相邻时刻湿度的差值,作为第一差值;
当第一差值为正数时,对应时刻的湿度变化趋势为上升的;
当第一差值为0时,对应时刻的湿度变化趋势为平稳的;
当第一差值为负数时,对应时刻的湿度变化趋势为下降的;
获取每个时刻的温度与上一相邻时刻温度的差值,作为第二差值;
当第二差值为正数时,对应时刻的温度变化趋势为上升的;
当第二差值为0时,对应时刻的温度变化趋势为平稳的;
当第二差值为负数时,对应时刻的温度变化趋势为下降的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140734.5A CN116878590B (zh) | 2023-09-06 | 2023-09-06 | 一种数智化服务协同运营管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140734.5A CN116878590B (zh) | 2023-09-06 | 2023-09-06 | 一种数智化服务协同运营管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116878590A true CN116878590A (zh) | 2023-10-13 |
CN116878590B CN116878590B (zh) | 2023-11-21 |
Family
ID=88260847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311140734.5A Active CN116878590B (zh) | 2023-09-06 | 2023-09-06 | 一种数智化服务协同运营管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116878590B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117146384A (zh) * | 2023-10-30 | 2023-12-01 | 深圳市宇隆伟业科技有限公司 | 基于数据驱动的空调运行状态监测方法 |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101048517B1 (ko) * | 2011-02-21 | 2011-07-12 | (주)제이케이알에스티 | 결로방지 자동제어 장치 및 그 방법 |
JP2013005465A (ja) * | 2011-06-10 | 2013-01-07 | Azbil Corp | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
KR20140032933A (ko) * | 2010-09-07 | 2014-03-17 | 펜드레드, 아이엔씨. | 살균 또는 소독의 사용 시스템, 장치, 방법 및 아티클 |
CN107392507A (zh) * | 2017-08-30 | 2017-11-24 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
US20180206463A1 (en) * | 2014-07-31 | 2018-07-26 | Zhejiang Academy Of Agricultural Sciences | Large-scale and high-efficiency fly maggot culturing equipment and process |
CN109782372A (zh) * | 2019-01-28 | 2019-05-21 | 中国气象局气象探测中心 | 一种结霜现象自动识别方法及系统 |
CN110043321A (zh) * | 2019-06-11 | 2019-07-23 | 吉林建筑大学 | 一种煤矿瓦斯安全智能巡检系统及方法 |
CN110173947A (zh) * | 2019-05-09 | 2019-08-27 | 青岛海尔电冰箱有限公司 | 制冷装置及其防凝露控制方法 |
KR102205566B1 (ko) * | 2020-08-13 | 2021-01-21 | 주식회사 넥스트티엔 | 전산 장비 유지 보수를 위한 이상 감지 시스템 |
KR102229966B1 (ko) * | 2020-09-21 | 2021-03-18 | 문형조 | 인공지능 기반 전산 장비 관리 시스템 |
CN112577158A (zh) * | 2020-11-25 | 2021-03-30 | 深圳市兴元环境工程有限公司 | 无尘车间恒温恒湿控制方法、装置、系统及计算机设备 |
US20210194897A1 (en) * | 2019-12-19 | 2021-06-24 | Nanotronics Imaging, Inc. | Dynamic monitoring and securing of factory processes, equipment and automated systems |
US20210228081A1 (en) * | 2020-01-23 | 2021-07-29 | Sandhya Kumar | Method and apparatus for determining wetness perception |
WO2021189559A1 (zh) * | 2020-03-23 | 2021-09-30 | 黄维学 | 异常体温筛查方法、装置、计算机设备和存储介质 |
KR102309374B1 (ko) * | 2021-05-20 | 2021-10-05 | 한화에너지 주식회사 | 에너지저장장치 화재확산 방지를 위한 이상상태 감시방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 |
CN113608566A (zh) * | 2021-10-08 | 2021-11-05 | 南通吉利新纺织有限公司 | 一种纺织车间的环境监控调整方法及系统 |
CN114503134A (zh) * | 2019-10-08 | 2022-05-13 | 纳米电子成像有限公司 | 工厂工序、设备和自动化系统的动态监控和保护 |
CN115143608A (zh) * | 2022-08-29 | 2022-10-04 | 海门市芳华纺织有限公司 | 一种纺织生产车间的湿度控制方法及系统 |
CN115600932A (zh) * | 2022-12-12 | 2023-01-13 | 杭州原数科技有限公司(Cn) | 一种基于大数据的文物储藏环境异常评估方法 |
CN115670394A (zh) * | 2022-11-01 | 2023-02-03 | 浙江安防职业技术学院 | 一种消防服智能监测预警方法、系统及存储介质 |
US20230082012A1 (en) * | 2021-06-24 | 2023-03-16 | Tencent Technology (Shenzhen) Company Limited | Service data processing method and apparatus, computer device, and storage medium |
CN116108008A (zh) * | 2023-04-13 | 2023-05-12 | 山东明远生物科技有限公司 | 一种装饰材料甲醛检测数据处理方法 |
CN116308305A (zh) * | 2023-05-25 | 2023-06-23 | 安徽省云鹏工程项目管理有限公司 | 一种桥梁健康监测数据管理系统 |
CN116387993A (zh) * | 2023-02-22 | 2023-07-04 | 四川思极科技有限公司 | 开关柜的净化方法、系统、装置、存储介质及计算机设备 |
CN116522270A (zh) * | 2023-07-04 | 2023-08-01 | 西安启迪能源技术有限公司 | 用于智慧海绵城市的数据处理系统 |
CN116523508A (zh) * | 2023-06-30 | 2023-08-01 | 北京东联世纪科技股份有限公司 | 一种基于AIoT资产的智慧运维管理系统 |
CN116628529A (zh) * | 2023-07-21 | 2023-08-22 | 山东科华电力技术有限公司 | 一种用于用户侧智能负荷控制系统的数据异常检测方法 |
CN116659589A (zh) * | 2023-07-25 | 2023-08-29 | 澳润(山东)药业有限公司 | 基于数据分析的阿胶糕保存环境监测方法 |
-
2023
- 2023-09-06 CN CN202311140734.5A patent/CN116878590B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140032933A (ko) * | 2010-09-07 | 2014-03-17 | 펜드레드, 아이엔씨. | 살균 또는 소독의 사용 시스템, 장치, 방법 및 아티클 |
KR101048517B1 (ko) * | 2011-02-21 | 2011-07-12 | (주)제이케이알에스티 | 결로방지 자동제어 장치 및 그 방법 |
JP2013005465A (ja) * | 2011-06-10 | 2013-01-07 | Azbil Corp | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
US20180206463A1 (en) * | 2014-07-31 | 2018-07-26 | Zhejiang Academy Of Agricultural Sciences | Large-scale and high-efficiency fly maggot culturing equipment and process |
CN107392507A (zh) * | 2017-08-30 | 2017-11-24 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
CN109782372A (zh) * | 2019-01-28 | 2019-05-21 | 中国气象局气象探测中心 | 一种结霜现象自动识别方法及系统 |
CN110173947A (zh) * | 2019-05-09 | 2019-08-27 | 青岛海尔电冰箱有限公司 | 制冷装置及其防凝露控制方法 |
CN110043321A (zh) * | 2019-06-11 | 2019-07-23 | 吉林建筑大学 | 一种煤矿瓦斯安全智能巡检系统及方法 |
CN114503134A (zh) * | 2019-10-08 | 2022-05-13 | 纳米电子成像有限公司 | 工厂工序、设备和自动化系统的动态监控和保护 |
US20210194897A1 (en) * | 2019-12-19 | 2021-06-24 | Nanotronics Imaging, Inc. | Dynamic monitoring and securing of factory processes, equipment and automated systems |
US20210228081A1 (en) * | 2020-01-23 | 2021-07-29 | Sandhya Kumar | Method and apparatus for determining wetness perception |
WO2021189559A1 (zh) * | 2020-03-23 | 2021-09-30 | 黄维学 | 异常体温筛查方法、装置、计算机设备和存储介质 |
KR102205566B1 (ko) * | 2020-08-13 | 2021-01-21 | 주식회사 넥스트티엔 | 전산 장비 유지 보수를 위한 이상 감지 시스템 |
KR102229966B1 (ko) * | 2020-09-21 | 2021-03-18 | 문형조 | 인공지능 기반 전산 장비 관리 시스템 |
CN112577158A (zh) * | 2020-11-25 | 2021-03-30 | 深圳市兴元环境工程有限公司 | 无尘车间恒温恒湿控制方法、装置、系统及计算机设备 |
KR102309374B1 (ko) * | 2021-05-20 | 2021-10-05 | 한화에너지 주식회사 | 에너지저장장치 화재확산 방지를 위한 이상상태 감시방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 |
US20230082012A1 (en) * | 2021-06-24 | 2023-03-16 | Tencent Technology (Shenzhen) Company Limited | Service data processing method and apparatus, computer device, and storage medium |
CN113608566A (zh) * | 2021-10-08 | 2021-11-05 | 南通吉利新纺织有限公司 | 一种纺织车间的环境监控调整方法及系统 |
CN115143608A (zh) * | 2022-08-29 | 2022-10-04 | 海门市芳华纺织有限公司 | 一种纺织生产车间的湿度控制方法及系统 |
CN115670394A (zh) * | 2022-11-01 | 2023-02-03 | 浙江安防职业技术学院 | 一种消防服智能监测预警方法、系统及存储介质 |
CN115600932A (zh) * | 2022-12-12 | 2023-01-13 | 杭州原数科技有限公司(Cn) | 一种基于大数据的文物储藏环境异常评估方法 |
CN116387993A (zh) * | 2023-02-22 | 2023-07-04 | 四川思极科技有限公司 | 开关柜的净化方法、系统、装置、存储介质及计算机设备 |
CN116108008A (zh) * | 2023-04-13 | 2023-05-12 | 山东明远生物科技有限公司 | 一种装饰材料甲醛检测数据处理方法 |
CN116308305A (zh) * | 2023-05-25 | 2023-06-23 | 安徽省云鹏工程项目管理有限公司 | 一种桥梁健康监测数据管理系统 |
CN116523508A (zh) * | 2023-06-30 | 2023-08-01 | 北京东联世纪科技股份有限公司 | 一种基于AIoT资产的智慧运维管理系统 |
CN116522270A (zh) * | 2023-07-04 | 2023-08-01 | 西安启迪能源技术有限公司 | 用于智慧海绵城市的数据处理系统 |
CN116628529A (zh) * | 2023-07-21 | 2023-08-22 | 山东科华电力技术有限公司 | 一种用于用户侧智能负荷控制系统的数据异常检测方法 |
CN116659589A (zh) * | 2023-07-25 | 2023-08-29 | 澳润(山东)药业有限公司 | 基于数据分析的阿胶糕保存环境监测方法 |
Non-Patent Citations (6)
Title |
---|
冯勇;蒋高明;吴志明;: "基于大数据的针织MES生产计划与调度系统", 针织工业, no. 03 * |
周祥;: "基于LabVIEW的纺织车间温湿度预警服务系统", 棉纺织技术, no. 10 * |
姜丹;梁春燕;吴军英;常永娟;: "基于大数据分析的电力运行数据异常检测示警方法", 中国测试, no. 07 * |
杨晋;亢利军;胡程勇;邓传鲁;黄怿;: "基于室内环境多参量传感的监测系统设计与实现", 工业控制计算机, no. 09 * |
王丹;顾伟;褚建新;: "冷热冲击试验中防凝露控制的研究", 自动化与仪表, no. 03 * |
王流火;孙帅;王增彬;庞小峰;唐瑛;: "变电站设备箱体温、湿度场及凝露的数值模拟", 高压电器, no. 01 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117146384A (zh) * | 2023-10-30 | 2023-12-01 | 深圳市宇隆伟业科技有限公司 | 基于数据驱动的空调运行状态监测方法 |
CN117146384B (zh) * | 2023-10-30 | 2024-01-30 | 深圳市宇隆伟业科技有限公司 | 基于数据驱动的空调运行状态监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116878590B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A novel weighted sparse representation classification strategy based on dictionary learning for rotating machinery | |
CN116878590B (zh) | 一种数智化服务协同运营管理系统 | |
CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
KR20170122043A (ko) | 실시간 실내 공기질 이상치 제거 방법 및 장치 | |
CN107067100B (zh) | 风电功率异常数据辨识方法及辨识装置 | |
CN112288597A (zh) | 一种基于层次聚类和直方图算法的能耗在线异常检测方法 | |
CN110928262B (zh) | 时变系统下高效更新模型的质量相关故障在线监控方法 | |
CN111931834B (zh) | 基于孤立森林算法的铝型材挤压过程流数据异常检测方法、设备及存储介质 | |
CN112414694B (zh) | 基于多元状态估计技术的设备多级异常状态识别方法及装置 | |
CN116434372B (zh) | 用于变工况设备的智能化数据采集系统、工况识别系统 | |
CN110245460A (zh) | 一种基于多阶段oica的间歇过程故障监测方法 | |
CN117391481B (zh) | 一种基于大数据的电力数据监视方法及系统 | |
CN116861313B (zh) | 基于振动能量趋势的卡尔曼滤波工况识别方法、系统 | |
CN112308436A (zh) | 一种配电网评估诊断分析方法、装置、设备及存储介质 | |
CN117312997A (zh) | 一种电力管理系统智能诊断方法及系统 | |
CN117493921B (zh) | 基于大数据的人工智能节能管理方法及系统 | |
CN110212592B (zh) | 基于分段线性表达的火电机组负荷调节最大速率估计方法及系统 | |
CN116757553A (zh) | 一种农业有机废弃物资源利用数字化信息管理系统 | |
CN114580572A (zh) | 一种异常值的识别方法、装置、电子设备及存储介质 | |
CN114760341B (zh) | 一种工业互联网设备智能管控远程运维平台及方法 | |
CN114548843B (zh) | 风力发电机功率数据的处理方法、计算机设备及介质 | |
Cirera et al. | Data analytics for performance evaluation under uncertainties applied to an industrial refrigeration plant | |
CN110297140B (zh) | 一种配电系统的故障预测方法及装置 | |
CN112466322A (zh) | 一种机电设备噪声信号特征提取方法 | |
CN117688497B (zh) | 基于后向轨迹模型的海上风电尾流干扰的数据处理方法 |
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 |