CN116990462A - 基于大数据的气体检测仪自检测试方法及相关设备 - Google Patents
基于大数据的气体检测仪自检测试方法及相关设备 Download PDFInfo
- Publication number
- CN116990462A CN116990462A CN202311018040.4A CN202311018040A CN116990462A CN 116990462 A CN116990462 A CN 116990462A CN 202311018040 A CN202311018040 A CN 202311018040A CN 116990462 A CN116990462 A CN 116990462A
- Authority
- CN
- China
- Prior art keywords
- test
- gas detector
- data
- self
- determining
- 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.)
- Pending
Links
- 238000010998 test method Methods 0.000 title claims description 24
- 238000012360 testing method Methods 0.000 claims abstract description 491
- 238000013515 script Methods 0.000 claims abstract description 108
- 238000012797 qualification Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000013112 stability test Methods 0.000 claims description 26
- 230000006872 improvement Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 14
- 238000004088 simulation Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000013100 final test Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本申请涉及气体检测仪自动测试技术领域,提供了一种基于大数据的气体检测仪自检测试方法及相关设备。所述方法通过服务器向气体检测仪下发自动化测试任务脚本,并在接收到气体检测仪发送的多次运行自动化测试任务脚本后得到的多个测试数据之后,根据多个测试数据确定气体检测仪的合格性测试结果。通过服务器下发自动化测试任务脚本,即可控制气体检测仪进行自动化的自检测试,测试效率更高,操作更简单。此外,通过控制气体检测仪多次运行自动化测试任务脚本,能够获得大量的测试数据,模拟了长时间对气体检测仪的追踪测试,基于大数据能够有效的保证气体检测仪的自检测试的充分性。
Description
技术领域
本申请涉及气体检测仪自动测试技术领域,尤其是涉及一种基于大数据的气体检测仪自检测试方法、系统、服务器及存储介质。
背景技术
气体检测仪是一种气体泄露浓度检测的仪器仪表工具,主要利用气体传感器来检测环境中存在的气体种类。
现有技术中,对于气体检测仪的自检测试一般采用现场人工自检,或者通过一套自动测试系统对气体检测仪进行测试。采用现场人工自检的方式,测试效率较低,且无法长时间跟踪测试数据。自动测试系统的方式,虽能提高测试效率,但也只是简单的收集测试结果,气体检测仪的长时间变化仍然得不到跟踪,导致对气体检测仪的测试不充分。
发明内容
有鉴于此,本申请实施例提供了一种基于大数据的气体检测仪自检测试方法、系统、服务器及存储介质,以解决不能长时间对气体检测仪进行测试跟踪,导致气体检测仪的自检测试不充分的技术问题。
本申请的第一方面提供一种基于大数据的气体检测仪自检测试方法,应用于服务器,所述方法包括:
向气体检测仪下发自动化测试任务脚本;
接收所述气体检测仪发送的多次运行所述自动化测试任务脚本后得到的多个测试数据;
根据多个所述测试数据确定所述气体检测仪的合格性测试结果。
在一种可能的实施方式中,所述根据多个所述测试数据确定所述气体检测仪的合格性测试结果包括:
判断每个所述测试数据与对应的脚本数据是否一致;
当所述测试数据与对应的所述脚本数据一致或与对应的所述脚本数据不一致但在误差范围内时,确定所述测试数据对应的测试结果为测试通过;
当所述测试数据与对应的所述脚本数据不一致且不在误差范围内时,确定所述测试数据对应的测试结果为测试不通过;
根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果。
在一种可能的实施方式中,所述根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果包括:
计算多个所述测试数据对应的测试结果中所述测试通过的比例;
判断所述比例是否大于预设比例阈值;
当所述比例大于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试合格;
当所述比例小于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试不合格。
在一种可能的实施方式中,所述方法还包括:
根据多个所述测试数据确定所述气体检测仪的稳定性测试结果。
在一种可能的实施方式中,所述根据多个所述测试数据确定所述气体检测仪的稳定性测试结果包括:
将多个所述测试数据按照所述气体检测仪运行所述自动化测试任务脚本的运行时间进行排序;
对排序后的多个测试结果数据进行模糊处理,得到所述气体检测仪的稳定性测试结果。
在一种可能的实施方式中,所述方法还包括:
根据所述合格性测试结果及所述稳定性测试结果生成测试报告;
发送所述测试报告至客户。
在一种可能的实施方式中,在所述发送所述测试报告至客户之前,所述方法还包括:
确定所述气体分析仪的仪器型号;
从预设分析策略数据库中获取与所述仪器型号对应的改进策略;
将所述改进策略写入所述测试报告中。
第二方面,本申请实施例提供一种基于大数据的气体检测仪自检测试系统,所述系统包括:
下发模块,用于向气体检测仪下发自动化测试任务脚本;
接收模块,用于接收所述气体检测仪发送的多次运行所述自动化测试任务脚本后得到的多个测试数据;
确定模块,用于根据多个所述测试数据确定所述气体检测仪的合格性测试结果。
第三方面,本申请实施例提供一种服务器,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现执行上述基于大数据的气体检测仪自检测试方法的步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现执行上述基于大数据的气体检测仪自检测试方法的步骤。
本申请实施例提供的基于大数据的气体检测仪自检测试方法、系统、服务器及存储介质,通过服务器向气体检测仪下发自动化测试任务脚本,来控制所述气体检测仪运行所述自动化测试任务脚本,从而得到气体检测仪的多个测试数据,进而根据多个所述测试数据确定所述气体检测仪的合格性测试结果。只需要通过服务器下发自动化测试任务脚本,即可控制气体检测仪进行自动化的自检测试,测试效率更高,操作更简单。此外,本申请实施例通过控制气体检测仪多次运行自动化测试任务脚本,能够获得大量的测试数据,由于这些大量的测试数据带有时间性质,从而模拟了长时间对气体检测仪的追踪测试,减小环境等因素对气体检测仪自检测试的误差,基于大数据,能够有效的保证气体检测仪的自检测试的充分性。
附图说明
图1是本申请实施例示出的基于大数据的气体检测仪自检测试方法的流程图;
图2是本申请实施例示出的基于大数据的气体检测仪自检测试方法的应用环境图;
图3是本申请实施例示出的基于大数据的气体检测仪自检测试系统的功能模块图;
图4是本申请实施例示出的服务器的结构图。
具体实施方式
本文所使用的术语仅是出于描述特定实施例的目的,并不旨在限制本发明。如本文所使用的,单数形式“一”,“一个”和“该”也意图包括复数形式,除非上下文另外明确指出。将进一步理解的是,当在本公开中使用术语“包括(进行时)”,“包括(单数第三人称)”,“包含(进行时)”和/或“包含(单数第三人称)”时,其指定存在所述特征、整数、步骤、操作、元素和/或组件,但不排除存在或增加一个或多个其他特征、整数、步骤、操作、元素、组件和/或其组。
在整个本公开中,对“一个实施例”、“一实施例”、“一个布置”、“一布置”、“一个方面”、“一方面”或类似语言的引用意思是结合实施例描述的特定特征、结构或特性包括在本公开内容中描述的至少一个实施例中。因此,在整个本公开中,短语“一个实施例”、“一实施例”、“一个布置”、“一布置”、“一个方面”、“一方面”和类似语言的出现可以但不一定是全部指相同的实施例。
如本文所用,术语“多个”被定义为两个或两个以上。如本文所使用的,术语“另一个”被定义为至少第二或更多。如本文中所使用的,术语“和/或”是指并且涵盖一个或多个相关联的所列项目的任何和所有可能的组合。还应当理解,尽管本文中可以使用术语第一、第二等来描述各种元件,但是这些元件不应受到这些术语的限制,因为除非另有说明,或上下文另有说明,否则这些术语仅用于将一个元件与另一个元件区分开。
取决于上下文,术语“如果”可被解释为表示“在…时候”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所陈述的条件或事件]”可以被解释为表示“一旦确定”或“响应于确定”或“一旦检测到[所陈述的条件或事件]时”,或“响应于检测到[陈述的条件或事件]”,具体取决于上下文。
本发明实施例提供的基于大数据的气体检测仪自检测试方法由服务器执行,相应地,基于大数据的气体检测仪自检测试系统运行于服务器中。
图1是本申请实施例示出的基于大数据的气体检测仪自检测试方法的流程示意图。所述基于大数据的气体检测仪自检测试方法包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。所述方法包括:
S11,向气体检测仪下发自动化测试任务脚本。
气体检测仪可以包括:便携式气体检测仪、手持式气体检测仪、固定式气体检测仪、在线式气体检测仪等。
当需要对气体检测仪进行自检测试时,可以事先在服务器中编写自动化测试任务脚本来创建自动化测试任务,并将自动化测试任务脚本下发给需要进行自检测试的气体检测仪,从而使得气体检测仪运行自动化测试任务脚本,进行自检测试。
服务器可以定时或者不定时向需要进行自检测试的气体检测仪下发自动化测试任务脚本。
在一些实施方式中,所述服务器中设置有气体模型库,所述气体模型库中存储有多个气体检测仪类型及每类型对应的传感器模型和测试参数。当需要对某个气体检测仪进行自检测试时,首选需要获知该气体检测仪的类型,然后从气体模型库中获取与该气体检测仪的类型对应的传感器模型和测试参数,再根据获取的传感器模型和测试参数编写自动化测试任务脚本,以模拟气体检测仪的正常工作环境。
示例的,当需要对CO气体检测仪进行自检测试时,则自动化测试任务为自动化控制CO气体检测仪模拟检测测试环境中CO气体的浓度。服务器从气体模型库中获取与CO气体检测仪对应的传感器模型及测试参数,根据与CO气体检测仪对应的传感器模型及测试参数,编写自动化测试任务脚本,以形成模拟环境,来模拟检测测试环境中CO气体的浓度。服务器将自动化测试任务脚本发送至CO气体检测仪。
S12,接收所述气体检测仪发送的多次运行所述自动化测试任务脚本后得到的多个测试数据。
每当气体检测仪运行一次自动化测试任务脚本,即完成一次自动化测试任务。每完成一次自动化测试任务后,会得到一个测试数据,完成多次自动化测试任务后,会得到多个测试数据。
气体检测仪将每次运行所述自动化测试任务脚本后得到的测试数据传输至服务器。
在一个可选的实施方式中,如图2所示,所述服务器还可以同时向多个同一类型的气体检测仪下发同一个自动化测试任务脚本,或者向多个不同类型的气体检测仪下发不同的自动化测试任务脚本,从而控制多个气体检测仪进行自检测试,提高了多个气体检测仪进行自检测试的测试效率。
在一个可选的实施方式中,气体检测仪将每次运行所述自动化测试任务脚本后得到的测试数据传输至服务器的同时,还将所述气体检测仪的仪器参数数据传输至服务器。
示例的,当气体检测仪完成自动化模拟测试环境中CO气体的浓度任务后,气体检测仪将检测到的CO气体的浓度数据与自身的仪器参数数据,例如,仪器编号和仪器型号,发送至服务器。
上述可选的实施方式,通过气体检测仪将每次运行所述自动化测试任务脚本后得到的测试数据与仪器参数数据发送至服务器,能够使得服务器根据仪器参数数据,对不同的气体检测仪得到的测试数据进行分类存储,同一个气体检测仪得到的测试数据存储在同一个存储空间,便于对不同的气体检测仪进行分析。
S13,根据多个所述测试数据确定所述气体检测仪的合格性测试结果。
当服务器接收到多个测试数据时,根据这多个测试数据确定气体检测仪是否合格。
在一个可选的实施方式中,所述根据多个所述测试数据确定所述气体检测仪的合格性测试结果包括:
判断每个所述测试数据与对应的脚本数据是否一致;
当所述测试数据与对应的所述脚本数据一致或与对应的所述脚本数据不一致但在误差范围内时,确定所述测试数据对应的测试结果为测试通过;
当所述测试数据与对应的所述脚本数据不一致且不在误差范围内时,确定所述测试数据对应的测试结果为测试不通过;
根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果。
其中,脚本数据是指运行自动化测试任务脚本应该得到的标准数据,用以评价气体检测仪模拟检测测试环境中的气体的浓度数据是否合适。
当服务器接收到气体检测仪的测试数据时,判断每个所述测试数据与对应的脚本数据是否一致。
当所述测试数据与对应的所述脚本数据一致时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据合适。当所述测试数据与对应的所述脚本数据不一致,但所述测试数据与对应的所述脚本数据在误差范围内时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据虽有误差但误差较小。
当所述测试数据与对应的所述脚本数据不一致时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据不合适。当所述测试数据与对应的所述脚本数据不一致,且所述测试数据与对应的所述脚本数据不在误差范围内时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据不仅有误差且误差较大。
示例的,当气体检测仪测量范围为0~1000PPM,检测精度误差值范围为±3%,模拟环境中的CO气体浓度为500PPM时,若气体检测仪运行自动化测试任务脚本后显示的CO气体浓度数据为491PPM,则该气体检测仪的测试结果为通过本次自动化测试;当模拟环境预设CO气体浓度为500PPM时,若气体检测仪运行自动化测试任务脚本后显示的CO气体浓度数据为544PPM,则该气体检测仪的测试结果为未通过本次自动化测试。
每个所述测试数据对应一个测试结果,多个测试数据对应多个测试结果。
服务器根据多个所述测试数据对应的测试结果最终确定所述气体检测仪的合格性测试结果。
在一个可选的实施方式中,所述根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果包括:
计算多个所述测试数据对应的测试结果中所述测试通过的比例;
判断所述比例是否大于预设比例阈值;
当所述比例大于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试合格;
当所述比例小于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试不合格。
服务器计算测试结果的第一数量,再计算测试结果为测试通过的第二数量,最后计算第二数量与第一数量的比值即可得到所述比例测试结果中所述测试通过的比例。
其中,所述比例阈值为预先设置的用以判定气体检测仪自检测试是否合格的临界值。
示例的,假设预设比例阈值为98%,若气体检测仪的测试结果中所述测试通过的比例为97%,则该气体检测仪的合格性测试结果为测试不合格;若气体检测仪的测试结果中所述测试通过的比例为99%,则该气体检测仪的合格性测试结果为测试合格。
应当理解的是,当所述比例等于所述预设比例阈值时,既可以适用于所述比例大于所述预设比例阈值的情形,也可适用于所述比例小于所述预设比例阈值的情形,本发明在此不做任何限制。
上述可选的实施方式,通过计算多个测试结果中所述测试通过的比例,并与预设比例阈值进行比较,根据比较得到的结构确定所述气体检测仪的合格性测试结果为测试合格还是测试不合格,所述比例是采用了统计学的方法,基于大数据,得到的一个统计数据,能够较大概率的反映气体检测仪在每次进行模拟自检测试时的测试结果。
在一个可选的实施方式中,所述方法还包括:
根据多个所述测试数据确定所述气体检测仪的稳定性测试结果。
服务器不仅能够根据多个测试数据确定气体检测仪自检测试是否合格,还能够根据多个测试数据确定气体检测仪自检测试是否稳定。
在一个可选的实施方式中,所述根据多个所述测试数据确定所述气体检测仪的稳定性测试结果包括:
将多个所述测试数据按照所述气体检测仪运行所述自动化测试任务脚本的运行时间进行排序;
对排序后的多个测试结果数据进行模糊处理,得到所述气体检测仪的稳定性测试结果。
示例的,若测试任务为24小时内每3秒进行一次自动化测试任务,则服务器每3秒向气体检测仪下发一次自动化测试任务脚本,并控制气体检测仪执行一次自动化测试任务,或者服务器向气体检测仪下发一次自动化测试任务脚本,并控制气体检测仪每3秒执行一次自动化测试任务。
服务器将多个所述测试数据按照所述气体检测仪运行所述自动化测试任务脚本的运行时间进行排序;以气体检测仪运行所述自动化测试任务脚本的运行时间为横轴,以多个所述测试数据为纵轴,建立坐标系,从而得到所述气体检测仪运行自动化测试任务脚本后得到的测试数据的散点图。对散点图中的多个测试结果数据进行曲线拟合,并使用例如聚类算法等对数据模型进行预处理,根据已设定的模糊算法规则进行模糊计算,从而判定气体检测仪是否稳定,得到最终的稳定性测试结果。
上述可选的实施方式中,通过运行所述自动化测试任务脚本的运行时间,及多个所述测试数据,能够在保证气体检测仪合格的基础上进一步保证气体检测仪稳定,确定哪一些气体检测仪自检测试合格,但运行不稳定,哪一些气体检测仪自检测试合格,且运行稳定。
在一个可选的实施方式中,所述方法还包括:
根据所述合格性测试结果及所述稳定性测试结果生成测试报告;
发送所述测试报告至客户。
服务器通过合格性测试结果及稳定性测试结果两个维度,来确定最终的测试报告。只有当合格性测试结果为测试通过,且稳定性测试结果为测试稳定的气体检测仪,才能出厂。当合格性测试结果为测试通过,但稳定性测试结果为测试不稳定的气体检测仪,不能出厂。
当所有测试任务运行完成后,服务器将包括气体检测仪的合格性测试结果以及稳定性测试结果的测试报告发送至客户端,能够便于测试人员通过客户端查看了解气体检测仪的质量。所述客户端可以为测试人员的用户设备。
在一个可选的实施方式中,在所述发送所述测试报告至客户之前,所述方法还包括:
确定所述气体检测仪的仪器型号;
从预设分析策略数据库中获取与所述仪器型号对应的改进策略;
将所述改进策略写入所述测试报告中。
其中,所述预设分析策略数据库中存储了多个气体检测仪的仪器型号及每个仪器型号对应的多个改进策略。所述改进策略为基于测试人员实际经验总结所得,具有一定的参考性。
示例的,假设服务器获取气体检测仪型号为YYT-CO-A1,从预设分析策略数据库中获取与该气体检测仪型号YYT-CO-A1对应的改进策略,并将所获取的改进策略写入测试报告内。
对于自检测试为测试合格但测试不稳定的气体检测仪,可以通过获取该气体检测仪的仪器型号,再通过预设分析策略数据库中匹配出对应的改进策略,写入测试报告中,一起发给客户端,不仅方便测试人员查看气体检测仪的质量,还能通过测试报告,快速定位故障点,并找到解决故障点的改进策略,从而快速的对自检测试为测试合格但测试不稳定的气体检测仪进行改进。
本申请实施例提供的基于大数据的气体检测仪自检测试方法,通过服务器向气体检测仪下发自动化测试任务脚本,来控制所述气体检测仪运行所述自动化测试任务脚本,从而得到气体检测仪的多个测试数据,进而根据多个所述测试数据确定所述气体检测仪的合格性测试结果。只需要通过服务器下发自动化测试任务脚本,即可控制气体检测仪进行自动化的自检测试,测试效率更高,操作更简单。此外,本申请实施例通过控制气体检测仪多次运行自动化测试任务脚本,能够获得大量的测试数据,由于这些大量的测试数据带有时间性质,从而模拟了长时间对气体检测仪的追踪测试,减小环境等因素对气体检测仪自检测试的误差,基于大数据,能够有效的保证气体检测仪的自检测试的充分性。再者,通过大量的测试数据,还能对气体检测仪的稳定性进行分析,从合格性和稳定性两方面对气体检测仪进行评估分析,有效的保证了气体检测仪的质量。
图3是本申请实施例示出的基于大数据的气体检测仪自检测试系统的功能模块图。
在一些实施例中,所述基于大数据的气体检测仪自检测试系统可以包括多个由计算机程序段所组成的功能模块。所述基于大数据的气体检测仪自检测试系统30中的各个程序段的计算机程序可以存储于服务器的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)基于大数据的气体检测仪自检测试的功能。
本实施例中,所述基于大数据的气体检测仪自检测试系统30根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:下发模块301、接收模块302、确定模块303、生成模块304以及写入模块305。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述下发模块301,用于向气体检测仪下发自动化测试任务脚本。
气体检测仪可以包括:便携式气体检测仪、手持式气体检测仪、固定式气体检测仪、在线式气体检测仪等。
当需要对气体检测仪进行自检测试时,可以事先在服务器中编写自动化测试任务脚本来创建自动化测试任务,并将自动化测试任务脚本下发给需要进行自检测试的气体检测仪,从而使得气体检测仪运行自动化测试任务脚本,进行自检测试。
服务器可以定时或者不定时向需要进行自检测试的气体检测仪下发自动化测试任务脚本。
在一些实施方式中,所述服务器中设置有气体模型库,所述气体模型库中存储有多个气体检测仪类型及每类型对应的传感器模型和测试参数。当需要对某个气体检测仪进行自检测试时,首选需要获知该气体检测仪的类型,然后从气体模型库中获取与该气体检测仪的类型对应的传感器模型和测试参数,再根据获取的传感器模型和测试参数编写自动化测试任务脚本,以模拟气体检测仪的正常工作环境。
示例的,当需要对CO气体检测仪进行自检测试时,则自动化测试任务为自动化控制CO气体检测仪模拟检测测试环境中CO气体的浓度。服务器从气体模型库中获取与CO气体检测仪对应的传感器模型及测试参数,根据与CO气体检测仪对应的传感器模型及测试参数,编写自动化测试任务脚本,以形成模拟环境,来模拟检测测试环境中CO气体的浓度。服务器将自动化测试任务脚本发送至CO气体检测仪。
所述接收模块302,用于接收所述气体检测仪发送的多次运行所述自动化测试任务脚本后得到的多个测试数据。
每当气体检测仪运行一次自动化测试任务脚本,即完成一次自动化测试任务。每完成一次自动化测试任务后,会得到一个测试数据,完成多次自动化测试任务后,会得到多个测试数据。
气体检测仪将每次运行所述自动化测试任务脚本后得到的测试数据传输至服务器。
在一个可选的实施方式中,所述服务器还可以同时向多个同一类型的气体检测仪下发同一个自动化测试任务脚本,或者向多个不同类型的气体检测仪下发不同的自动化测试任务脚本,从而控制多个气体检测仪进行自检测试,提高了多个气体检测仪进行自检测试的测试效率。
在一个可选的实施方式中,气体检测仪将每次运行所述自动化测试任务脚本后得到的测试数据传输至服务器的同时,还将所述气体检测仪的仪器参数数据传输至服务器。
示例的,当气体检测仪完成自动化模拟测试环境中CO气体的浓度任务后,气体检测仪将检测到的CO气体的浓度数据与自身的仪器参数数据,例如,仪器编号和仪器型号,发送至服务器。
上述可选的实施方式,通过气体检测仪将每次运行所述自动化测试任务脚本后得到的测试数据与仪器参数数据发送至服务器,能够使得服务器根据仪器参数数据,对不同的气体检测仪得到的测试数据进行分类存储,同一个气体检测仪得到的测试数据存储在同一个存储空间,便于对不同的气体检测仪进行分析。
所述确定模块303,用于根据多个所述测试数据确定所述气体检测仪的合格性测试结果。
当服务器接收到多个测试数据时,根据这多个测试数据确定气体检测仪是否合格。
在一个可选的实施方式中,所述根据多个所述测试数据确定所述气体检测仪的合格性测试结果包括:
判断每个所述测试数据与对应的脚本数据是否一致;
当所述测试数据与对应的所述脚本数据一致或与对应的所述脚本数据不一致但在误差范围内时,确定所述测试数据对应的测试结果为测试通过;
当所述测试数据与对应的所述脚本数据不一致且不在误差范围内时,确定所述测试数据对应的测试结果为测试不通过;
根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果。
其中,脚本数据是指运行自动化测试任务脚本应该得到的标准数据,用以评价气体检测仪模拟检测测试环境中的气体的浓度数据是否合适。
当服务器接收到气体检测仪的测试数据时,判断每个所述测试数据与对应的脚本数据是否一致。
当所述测试数据与对应的所述脚本数据一致时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据合适。当所述测试数据与对应的所述脚本数据不一致,但所述测试数据与对应的所述脚本数据在误差范围内时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据虽有误差但误差较小。
当所述测试数据与对应的所述脚本数据不一致时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据不合适。当所述测试数据与对应的所述脚本数据不一致,且所述测试数据与对应的所述脚本数据不在误差范围内时,表明所述气体检测仪模拟检测测试环境中的气体的浓度数据不仅有误差且误差较大。
示例的,当气体检测仪测量范围为0~1000PPM,检测精度误差值范围为±3%,模拟环境中的CO气体浓度为500PPM时,若气体检测仪运行自动化测试任务脚本后显示的CO气体浓度数据为491PPM,则该气体检测仪的测试结果为通过本次自动化测试;当模拟环境预设CO气体浓度为500PPM时,若气体检测仪运行自动化测试任务脚本后显示的CO气体浓度数据为544PPM,则该气体检测仪的测试结果为未通过本次自动化测试。
每个所述测试数据对应一个测试结果,多个测试数据对应多个测试结果。
服务器根据多个所述测试数据对应的测试结果最终确定所述气体检测仪的合格性测试结果。
在一个可选的实施方式中,所述根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果包括:
计算多个所述测试数据对应的测试结果中所述测试通过的比例;
判断所述比例是否大于预设比例阈值;
当所述比例大于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试合格;
当所述比例小于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试不合格。
服务器计算测试结果的第一数量,再计算测试结果为测试通过的第二数量,最后计算第二数量与第一数量的比值即可得到所述比例测试结果中所述测试通过的比例。
其中,所述比例阈值为预先设置的用以判定气体检测仪自检测试是否合格的临界值。
示例的,假设预设比例阈值为98%,若气体检测仪的测试结果中所述测试通过的比例为97%,则该气体检测仪的合格性测试结果为测试不合格;若气体检测仪的测试结果中所述测试通过的比例为99%,则该气体检测仪的合格性测试结果为测试合格。
应当理解的是,当所述比例等于所述预设比例阈值时,既可以适用于所述比例大于所述预设比例阈值的情形,也可适用于所述比例小于所述预设比例阈值的情形,本发明在此不做任何限制。
上述可选的实施方式,通过计算多个测试结果中所述测试通过的比例,并与预设比例阈值进行比较,根据比较得到的结构确定所述气体检测仪的合格性测试结果为测试合格还是测试不合格,所述比例是采用了统计学的方法,基于大数据,得到的一个统计数据,能够较大概率的反映气体检测仪在每次进行模拟自检测试时的测试结果。
在一个可选的实施方式中,所述确定模块303还用于:
根据多个所述测试数据确定所述气体检测仪的稳定性测试结果。
服务器不仅能够根据多个测试数据确定气体检测仪自检测试是否合格,还能够根据多个测试数据确定气体检测仪自检测试是否稳定。
在一个可选的实施方式中,所述根据多个所述测试数据确定所述气体检测仪的稳定性测试结果包括:
将多个所述测试数据按照所述气体检测仪运行所述自动化测试任务脚本的运行时间进行排序;
对排序后的多个测试结果数据进行模糊处理,得到所述气体检测仪的稳定性测试结果。
示例的,若测试任务为24小时内每3秒进行一次自动化测试任务,则服务器每3秒向气体检测仪下发一次自动化测试任务脚本,并控制气体检测仪执行一次自动化测试任务,或者服务器向气体检测仪下发一次自动化测试任务脚本,并控制气体检测仪每3秒执行一次自动化测试任务。
服务器将多个所述测试数据按照所述气体检测仪运行所述自动化测试任务脚本的运行时间进行排序;以气体检测仪运行所述自动化测试任务脚本的运行时间为横轴,以多个所述测试数据为纵轴,建立坐标系,从而得到所述气体检测仪运行自动化测试任务脚本后得到的测试数据的散点图。对散点图中的多个测试结果数据进行曲线拟合,并使用例如聚类算法等对数据模型进行预处理,根据已设定的模糊算法规则进行模糊计算,从而判定气体检测仪是否稳定,得到最终的稳定性测试结果。
上述可选的实施方式中,通过运行所述自动化测试任务脚本的运行时间,及多个所述测试数据,能够在保证气体检测仪合格的基础上进一步保证气体检测仪稳定,确定哪一些气体检测仪自检测试合格,但运行不稳定,哪一些气体检测仪自检测试合格,且运行稳定。
在一个可选的实施方式中,所述生成模块304用于:
根据所述合格性测试结果及所述稳定性测试结果生成测试报告;
发送所述测试报告至客户。
服务器通过合格性测试结果及稳定性测试结果两个维度,来确定最终的测试报告。只有当合格性测试结果为测试通过,且稳定性测试结果为测试稳定的气体检测仪,才能出厂。当合格性测试结果为测试通过,但稳定性测试结果为测试不稳定的气体检测仪,不能出厂。
当所有测试任务运行完成后,服务器将包括气体检测仪的合格性测试结果以及稳定性测试结果的测试报告发送至客户端,能够便于测试人员通过客户端查看了解气体检测仪的质量。所述客户端可以为测试人员的用户设备。
在一个可选的实施方式中,所述写入模块305,在所述发送所述测试报告至客户之前,用于:
确定所述气体检测仪的仪器型号;
从预设分析策略数据库中获取与所述仪器型号对应的改进策略;
将所述改进策略写入所述测试报告中。
其中,所述预设分析策略数据库中存储了多个气体检测仪的仪器型号及每个仪器型号对应的多个改进策略。所述改进策略为基于测试人员实际经验总结所得,具有一定的参考性。
示例的,假设服务器获取气体检测仪型号为YYT-CO-A1,从预设分析策略数据库中获取与该气体检测仪型号YYT-CO-A1对应的改进策略,并将所获取的改进策略写入测试报告内。
对于自检测试为测试合格但测试不稳定的气体检测仪,可以通过获取该气体检测仪的仪器型号,再通过预设分析策略数据库中匹配出对应的改进策略,写入测试报告中,一起发给客户端,不仅方便测试人员查看气体检测仪的质量,还能通过测试报告,快速定位故障点,并找到解决故障点的改进策略,从而快速的对自检测试为测试合格但测试不稳定的气体检测仪进行改进。
本申请实施例提供的基于大数据的气体检测仪自检测试系统,通过服务器向气体检测仪下发自动化测试任务脚本,来控制所述气体检测仪运行所述自动化测试任务脚本,从而得到气体检测仪的多个测试数据,进而根据多个所述测试数据确定所述气体检测仪的合格性测试结果。只需要通过服务器下发自动化测试任务脚本,即可控制气体检测仪进行自动化的自检测试,测试效率更高,操作更简单。此外,本申请实施例通过控制气体检测仪多次运行自动化测试任务脚本,能够获得大量的测试数据,由于这些大量的测试数据带有时间性质,从而模拟了长时间对气体检测仪的追踪测试,减小环境等因素对气体检测仪自检测试的误差,基于大数据,能够有效的保证气体检测仪的自检测试的充分性。再者,通过大量的测试数据,还能对气体检测仪的稳定性进行分析,从合格性和稳定性两方面对气体检测仪进行评估分析,有效的保证了气体检测仪的质量。
参阅图4所示,为本发明实施例提供的服务器的结构示意图。在本发明较佳实施例中,所述服务器4包括存储器41、至少一个处理器42、至少一条通信总线43。
本领域技术人员应该了解,图4示出的服务器的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述服务器4还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述服务器4是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述服务器4还可包括其他服务器,所述其他服务器包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述服务器4仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器41中存储有计算机程序,所述计算机程序被所述至少一个处理器42执行时实现如所述的基于大数据的气体检测仪自检测试方法中的全部或者部分步骤。所述存储器41包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中,所述至少一个处理器42是所述计算机设备3的控制核心(Control Unit),利用各种接口和线路连接整个服务器4的各个部件,通过运行或执行存储在所述存储器41内的程序或者模块,以及调用存储在所述存储器41内的数据,以执行服务器4的各种功能和处理数据。例如,所述至少一个处理器42执行所述存储器中存储的计算机程序时实现本发明实施例中所述的基于大数据的气体检测仪自检测试方法的全部或者部分步骤;或者实现智能访客管理装置的全部或者部分功能。所述至少一个处理器42可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中,所述至少一条通信总线43被设置为实现所述存储器41以及所述至少一个处理器42等之间的连接通信。尽管未示出,所述服务器4还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器42逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述服务器4还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台服务器(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,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模块来实现本实施例方案的目的。
本发明可以是系统、方法和/或计算机程序产品。该计算机程序产品可以包括其上具有用于使处理器执行本发明的方面的计算机可读程序指令的计算机可读存储介质。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、系统和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个框以及流程图和/或框图中各框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供应通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个框、以及框图和/或流程图中的框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
已经出于说明和描述的目的呈现了本文阐述的描述,但是其并不旨在是详尽的或限于所公开的形式。在不脱离本公开的范围的情况下,许多修改和变化对于本领域普通技术人员将是显而易见的。选择和描述实施例是为了最好地解释本文阐述的一个或多个方面的原理和实际应用,并使本领域的其他普通技术人员能够理解本文所述的各个实施例的一个或多个方面,该多种实施例具有适合于预期的特定用途的各种修改。
Claims (10)
1.一种基于大数据的气体检测仪自检测试方法,应用于服务器,其特征在于,所述方法包括:
向气体检测仪下发自动化测试任务脚本;
接收所述气体检测仪发送的多次运行所述自动化测试任务脚本后得到的多个测试数据;
根据多个所述测试数据确定所述气体检测仪的合格性测试结果。
2.根据权利要求1所述的基于大数据的气体检测仪自检测试方法,其特征在于,所述根据多个所述测试数据确定所述气体检测仪的合格性测试结果包括:
判断每个所述测试数据与对应的脚本数据是否一致;
当所述测试数据与对应的所述脚本数据一致或与对应的所述脚本数据不一致但在误差范围内时,确定所述测试数据对应的测试结果为测试通过;
当所述测试数据与对应的所述脚本数据不一致且不在误差范围内时,确定所述测试数据对应的测试结果为测试不通过;
根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果。
3.根据权利要求2所述的基于大数据的气体检测仪自检测试方法,其特征在于,所述根据多个所述测试数据对应的测试结果确定所述气体检测仪的合格性测试结果包括:
计算多个所述测试数据对应的测试结果中所述测试通过的比例;
判断所述比例是否大于预设比例阈值;
当所述比例大于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试合格;
当所述比例小于所述预设比例阈值时,确定所述气体检测仪的合格性测试结果为测试不合格。
4.根据权利要求1至3中任意一项所述的基于大数据的气体检测仪自检测试方法,其特征在于,所述方法还包括:
根据多个所述测试数据确定所述气体检测仪的稳定性测试结果。
5.根据权利要求4所述的基于大数据的气体检测仪自检测试方法,其特征在于,所述根据多个所述测试数据确定所述气体检测仪的稳定性测试结果包括:
将多个所述测试数据按照所述气体检测仪运行所述自动化测试任务脚本的运行时间进行排序;
对排序后的多个测试结果数据进行模糊处理,得到所述气体检测仪的稳定性测试结果。
6.根据权利要求5所述的基于大数据的气体检测仪自检测试方法,其特征在于,所述方法还包括:
根据所述合格性测试结果及所述稳定性测试结果生成测试报告;
发送所述测试报告至客户。
7.根据权利要求6所述的基于大数据的气体检测仪自检测试方法,其特征在于,在所述发送所述测试报告至客户之前,所述方法还包括:
确定所述气体分析仪的仪器型号;
从预设分析策略数据库中获取与所述仪器型号对应的改进策略;
将所述改进策略写入所述测试报告中。
8.一种基于大数据的气体检测仪自检测试系统,其特征在于,所述系统包括:
下发模块,用于向气体检测仪下发自动化测试任务脚本;
接收模块,用于接收所述气体检测仪发送的多次运行所述自动化测试任务脚本后得到的多个测试数据;
确定模块,用于根据多个所述测试数据确定所述气体检测仪的合格性测试结果。
9.一种服务器,其特征在于,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于大数据的气体检测仪自检测试方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于大数据的气体检测仪自检测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311018040.4A CN116990462A (zh) | 2023-08-14 | 2023-08-14 | 基于大数据的气体检测仪自检测试方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311018040.4A CN116990462A (zh) | 2023-08-14 | 2023-08-14 | 基于大数据的气体检测仪自检测试方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116990462A true CN116990462A (zh) | 2023-11-03 |
Family
ID=88526518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311018040.4A Pending CN116990462A (zh) | 2023-08-14 | 2023-08-14 | 基于大数据的气体检测仪自检测试方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116990462A (zh) |
-
2023
- 2023-08-14 CN CN202311018040.4A patent/CN116990462A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110968985B (zh) | 集成电路修补算法确定方法及装置、存储介质、电子设备 | |
WO2021027213A1 (zh) | 检测方法、装置、电子设备和计算机可读介质 | |
RU2010148528A (ru) | Диспетчер состояния предоставляемых услуг со связывающими обязательствами соглашениями об уровне обслуживания и схемами устранения последствий и самозащиты | |
CN113931258B (zh) | 自我诊断方法和无负压叠压供水设备 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN108664372A (zh) | 测试过程的监控装置、方法及计算机可读存储介质 | |
CN111693089A (zh) | 装配线的产品质量控制方法、装置、设备及存储介质 | |
CN115952081A (zh) | 一种软件测试方法、装置、存储介质及设备 | |
CN110188793B (zh) | 数据异常分析方法及装置 | |
CN111736951A (zh) | 自动驾驶的仿真方法、计算机设备、及存储介质 | |
CN111522725A (zh) | Ssd性能自动评估方法、装置、设备及介质 | |
CN108093118A (zh) | 主板上器件的测试方法、测试装置和计算机可读存储介质 | |
CN103218277A (zh) | 服务器环境的自动检测方法与装置 | |
CN111400850A (zh) | 设备故障分析方法、装置、设备和存储介质 | |
CN116990462A (zh) | 基于大数据的气体检测仪自检测试方法及相关设备 | |
CN114638096A (zh) | 一种程序变量间的逻辑展示方法、装置、设备及存储介质 | |
CN114372003A (zh) | 测试环境监控方法、装置与电子设备 | |
CN111679298B (zh) | 导航系统的完好性监测方法、完好性监测装置及电子设备 | |
KR101594439B1 (ko) | 원자력발전소 내의 디지털 계측제어시스템을 위한 검사 장치 및 그 방법 | |
CN117571742B (zh) | 基于人工智能实现芯片质检的方法及装置 | |
CN117029899B (zh) | 一种冷冻设备仪表调试系统及方法 | |
CN117453567A (zh) | 混沌测试方法、装置及设备 | |
CN117648252A (zh) | 软件应用的功能测试方法、装置、电子设备及存储介质 | |
RU2640629C1 (ru) | Способ оценки эффективности функционирования автоматизированных систем управления в условиях воздействия вредоносных программ | |
CN113986729A (zh) | 控件识别方法、系统、设备和存储介质 |
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 |