CN116992860B - 基于标识解析技术的设备运行报告生成方法和装置 - Google Patents
基于标识解析技术的设备运行报告生成方法和装置 Download PDFInfo
- Publication number
- CN116992860B CN116992860B CN202311213018.5A CN202311213018A CN116992860B CN 116992860 B CN116992860 B CN 116992860B CN 202311213018 A CN202311213018 A CN 202311213018A CN 116992860 B CN116992860 B CN 116992860B
- Authority
- CN
- China
- Prior art keywords
- equipment
- monitored
- data
- index
- value
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 56
- 230000005856 abnormality Effects 0.000 claims abstract description 42
- 238000012351 Integrated analysis Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种基于标识解析技术的设备运行报告生成方法和装置，由二级节点基于业务系统的系统唯一标识中业务系统所属企业的企业标识与待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对各类设备数据的数据包进行异常分析并确定数据无异常后进行存储，保障了设备数据的可靠性和准确性，其中在进行异常分析时，采用了多维度的异常分析方式，可以克服单一数据的特性不明显，数据类型较多时多数据之间的关联难捕捉的问题，提升了异常分析的准确性，随后在接收到设备查询请求后检索待监测设备的各类设备数据的当前取值以供进行集成分析并生成待监测设备的运行报告，实现了设备数据的完整分析并生成了准确的设备运行报告。
Description
技术领域
本发明涉及数据集成技术领域，尤其涉及一种基于标识解析技术的设备运行报告生成方法和装置。
背景技术
企业生产设备需要得到完整的设备运行报告，对设备进行完整的分析并进行焦点改善，然而企业无法通过单一的业务系统去获取设备的相关数据，通常需要从多个业务系统中获取设备的各种系统数据从而进行数据整合。然而，各个业务系统的数据由于格式、定义不一致等数据异构性导致不同系统的数据之间无法互通，因此难以获得完整且准确的设备参数，而只能通过Excel等传统工具进行整合最终形成一个准确性欠佳的设备运行报告，该设备运行报告中可能存在较大的误差，不能汇总多个生产设备相关的关键系统数据（如设备开机时间、关机时间、运行时间、计划停机时间、产量、良品数等），或获取的数据对设备不能进行完整的分析。
此外，目前的设备运行报告中通常仅能呈现对应设备的运行状态信息，但是同一设备的运行状态信息有几十种，单纯将这些运行状态信息整合在一起，造成设备运行报告无法直观反映该设备的运行情况的问题。更重要的是，当前的数据融合方式忽视了融合数据的可靠性和准确性，即使对数据进行异常分析，目前也只能停留在针对某一特定数据进行回归分析或利用深度学习模型进行异常检测等较为浅显的方式上。然而，设备的运行数据中，单一数据的特性可能不明显，而在数据类型较多的情况下多数据之间的关联也很难捕捉，在此情形下进行数据异常分析的难度较大，也容易导致设备运行报告的准确性欠佳。
发明内容
本发明提供一种基于标识解析技术的设备运行报告生成方法和装置，用以解决现有技术中设备运行报告的准确性欠佳的缺陷。
本发明提供一种基于标识解析技术的设备运行报告生成方法，包括：
接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识；
基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；
其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的。
根据本发明提供的一种基于标识解析技术的设备运行报告生成方法，所述对所述各类设备数据的数据包进行异常分析，具体包括：
基于所述各类设备数据的数据包，确定所述各类设备数据的当前取值；
针对所述待监测设备的任一类设备数据的当前取值，基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析；其中，所述待监测设备的同类设备的设备唯一标识与所述待监测设备的设备唯一标识的预设长度的前缀相同。
根据本发明提供的一种基于标识解析技术的设备运行报告生成方法，所述基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，具体包括：
基于所述待监测设备的同类数据的历史取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，得到所述待监测设备的所述任一类设备数据的当前取值的第一异常得分；
基于所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，得到所述待监测设备的所述任一类设备数据的当前取值的第二异常得分；
基于所述待监测设备的所述任一类设备数据的当前取值的所述第一异常得分及其权重，以及所述第二异常得分及其权重，确定所述待监测设备的所述任一类设备数据的当前取值的异常分析结果。
根据本发明提供的一种基于标识解析技术的设备运行报告生成方法，所述基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，具体包括：
基于所述待监测设备的各类设备数据的当前取值，确定所述待监测设备的一级指标的一级指标值，或者确定待监测设备的一级指标的一级指标值和二级指标的二级指标值；
基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果；
基于所述待监测设备的指标异常分析结果，确定所述指标异常分析结果对应指标所涵盖的设备数据的当前取值的异常分析结果。
根据本发明提供的一种基于标识解析技术的设备运行报告生成方法，所述基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果，具体包括：
基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，得到各个一级指标的一级指标异常值；
若任一一级指标的一级指标异常值与预设中间概率之间的差异小于预设阈值，则基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对基于所述任一一级指标计算的二级指标的二级指标值进行异常分析，得到相应二级指标的二级指标异常值，并基于相应二级指标的二级指标异常值确定相应二级指标的指标异常分析结果；
基于与所述预设中间概率之间的差异大于或等于所述预设阈值的一级指标的一级指标异常值，确定相应一级指标的指标异常分析结果。
根据本发明提供的一种基于标识解析技术的设备运行报告生成方法，所述基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，具体包括：
基于所述待监测设备的设备唯一标识，确定数据缓存中是否保存所述待监测设备的各类设备数据的当前取值；
若所述数据缓存中保存了所述待监测设备的各类设备数据的当前取值，则从所述数据缓存中获取所述待监测设备的各类设备数据的当前取值；
其中，所述数据缓存中保存的数据随着当前时间变化，对于当前时间段，所述数据缓存中保存有截止所述当前时间段为止未被检索、设备关闭时间早于所述当前时间段且历史检索频数高于预设频率的设备的各类设备数据的当前取值。
根据本发明提供的一种基于标识解析技术的设备运行报告生成方法，所述各类设备数据包含稼动时间、运行时间、计划停机时间、理论节拍、总产量及良品数；
所述基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告，具体包括：
基于所述稼动时间、所述运行时间和所述计划停机时间计算时间稼动率；
基于所述理论节拍、所述总产量和所述稼动时间计算性能稼动率；
基于所述良品数和所述总产量计算良品率；
基于所述时间稼动率、所述性能稼动率和所述良品率计算所述待监测设备的设备综合效率，并基于所述待监测设备的设备综合效率生成所述待监测设备的运行报告。
本发明还提供一种基于标识解析技术的设备运行报告生成装置，包括：
请求接收单元，用于接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识；
数据检索单元，用于基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；
其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于标识解析技术的设备运行报告生成方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于标识解析技术的设备运行报告生成方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于标识解析技术的设备运行报告生成方法。
本发明提供的基于标识解析技术的设备运行报告生成方法和装置，通过在相应业务系统将各类设备数据的数据包随着待监测设备的设备唯一标识一同上传至二级节点后，由二级节点基于业务系统的系统唯一标识中业务系统所属企业的企业标识与待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对各类设备数据的数据包进行异常分析并确定数据无异常后进行存储，保障了用于生成设备运行报告的设备数据的可靠性和准确性，其中在对设备数据进行异常分析时，采用了多维度的异常分析方式，包括基于同一设备的同类数据的历史取值以及同类设备的同类数据的当前取值进行异常分析，以及基于同一指标的历史指标值以及待监测设备的同类设备的同一指标的当前指标值，对一级指标的一级指标值和二级指标的二级指标值分别进行异常分析等方式，可以克服单一数据的特性可能不明显，而在数据类型较多的情况下多数据之间的关联也很难捕捉的问题，提升了异常分析的准确性，随后在接收到针对待监测设备的设备查询请求后根据待监测设备的设备唯一标识，检索待监测设备的各类设备数据的当前取值，并返回各类设备数据的当前取值，以供数据中台基于各类设备数据进行集成分析并生成待监测设备的运行报告，实现了设备数据的完整分析并生成了准确的设备运行报告。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于标识解析技术的设备运行报告生成方法的流程示意图；
图2是本发明提供的异常分析方法的流程示意图之一；
图3是本发明提供的异常分析方法的流程示意图之二；
图4是本发明提供的基于标识解析技术的设备运行报告生成装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
图1是本发明提供的基于标识解析技术的设备运行报告生成方法的流程示意图，如图1所示，该方法包括：
步骤110，接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识，所述设备唯一标识中包含所述待监测设备所属企业的全局唯一的企业标识，所述设备唯一标识在标识解析平台的二级节点中唯一标记所述待监测设备；
步骤120，基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；
其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的。
具体地，针对企业拥有的每个待监测设备，可以基于工业互联网标识解析体系为其进行标识编码，其中可以增加全局唯一的企业标识（在整个工业互联网标识解析平台中具备唯一性）作为前缀，定义该待监测设备的设备唯一标识。任一待监测设备的设备唯一标识可以在工业互联网标识解析平台的二级节点（托管二级节点或是自建二级节点）中唯一标记该待监测设备。每个待监测设备在运行过程中产生的各类设备数据将会随着相应待监测设备的设备唯一标识一同上传至该企业对应的二级节点中，具体可以将数据类型、数据值、日期等信息组成数据包，上传至工业互联网标识解析平台的二级节点：
数据类型：字段名：DataType类型：字符串索引为1
数据值：字段名：DataValue 类型：数字索引为2
日期：字段名：DateTime 类型：时间戳索引为3
其中，任一待监测设备的各类设备数据包含稼动时间、运行时间、计划停机时间、理论节拍、总产量及良品数由EAM（Enterprise Asset Management，企业资产管理系统）或MES（Manufacturing Execution System，制造执行系统）上传至托管二级节点或自建二级节点。此处，EAM可基于采集设备的开关机状态值将断断续续的开机时间段进行汇总，并扣减掉停机维修时间和换模时间等，自动计算出设备的稼动时间；计划停机时间可根据EAM中对该设备的计划保养、计划技改、计划停机维修时间进行汇总；理论节拍由MES中的工艺数据得出生产一个单位产品所需的理论时间，该数值随着工艺的改进与产线的优化可以结合实际进行调整；总产量及良品数也由MES提供。
需要说明的是，当EAM和MES将上述各类设备数据上传至二级节点之后，二级节点会基于发送设备数据的相应业务系统的系统唯一标识进行鉴权，以确保设备数据的可靠性。其中，可以获取发送设备数据的业务系统的系统唯一标识，并基于该系统唯一标识中该业务系统所属企业的企业标识与一同上传的待监测设备的设备唯一标识中的企业标识进行鉴权。若该系统唯一标识中该业务系统所属企业的企业标识与一同上传的待监测设备的设备唯一标识中的企业标识一致，则鉴权通过。因此，业务系统在上传设备数据之前需要预先向工业互联网标识解析平台申请系统唯一标识，且与设备唯一标识相类似，系统唯一标识中包含相应业务系统所属企业的全局唯一的企业标识，系统唯一标识在该二级节点中也可以唯一标记该业务系统。若鉴权通过，则对该业务系统上传的待监测设备的各类设备数据的数据包进行异常分析，并在确定数据包无异常之后予以保存在二级节点的存储空间中，从而确保设备数据的准确性。
在一些实施例中，如图2所示，所述对所述各类设备数据的数据包进行异常分析，具体包括：
步骤210，基于所述各类设备数据的数据包，确定所述各类设备数据的当前取值；
步骤220，针对所述待监测设备的任一类设备数据的当前取值，基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析；其中，所述待监测设备的同类设备的设备唯一标识与所述待监测设备的设备唯一标识的预设长度的前缀相同。
具体而言，对业务系统上传的各类设备数据的数据包进行解析，得到各类设备数据的当前取值。同时，可以从存储空间中获取该待监测设备的各类设备数据的历史取值，以及该待监测设备的同类设备的各类设备数据的当前取值。其中，可以根据各个设备的设备唯一标识，选取设备唯一标识中预设长度（该预设长度可以基于设备唯一标识的标识模板确定）的前缀与该待监测设备的设备唯一标识中相应长度的前缀相同的设备，作为该待监测设备的同类设备。
针对该待监测设备的任一类设备数据的当前取值，为了提升数据异常分析的准确性从而确保二级节点中保存的数据的准确性，考虑到在工业领域同一设备的运行状态可能存在一定的稳定性，因此可以基于该待监测设备的同类数据的历史取值实现对该待监测设备的该类设备数据的当前取值进行异常分析。然而，部分情形下同一设备的运行状态可能并不具备明显的稳定性，故而单一设备单一类型的数据分析可能难以挖掘出正常数据和异常数据之间的区别，但是同类设备的运行状态通常具备一定的相似性，因此，可以在该待监测设备的同类数据的历史取值基础上，结合该待监测设备的同类设备的同类数据的当前取值（该同类设备的同类数据的当前取值是与该待监测设备的该类设备数据的当前取值在同一工作时间采集的），一同对该待监测设备的该类设备数据的当前取值进行异常分析，以进一步提升数据异常分析的准确性。
其中，针对该待监测设备的任一类设备数据的当前取值，一方面，可以基于该待监测设备的同类数据的历史取值（历史取值有多个），对该待监测设备的该类设备数据的当前取值进行异常分析，得到该待监测设备的该类设备数据的当前取值的第一异常得分。其中，第一异常得分越高表明相应设备数据的当前取值是异常的可能性越高。此处，可以预先基于该待监测设备的同类数据的大量历史取值作为训练样本并对各个训练样本进行标签标注（标注是否异常），利用该训练样本及其标签训练异常分析模型，从而利用该异常分析模型对该待监测设备的该类设备数据的当前取值进行异常分析。另一方面，可以基于该待监测设备的同类设备（同类设备有多个）的同类数据的当前取值，对该待监测设备的该类设备数据的当前取值进行异常分析，得到该待监测设备的该类设备数据的当前取值的第二异常得分。其中，第二异常得分越高表明相应设备数据的当前取值是异常的可能性越高。此处，可以预先基于该待监测设备及其同类设备在相同工作时间采集的同类数据的大量历史取值作为训练样本并对各个训练样本进行标签标注，利用该训练样本及其标签训练另一个独立的异常分析模型，从而利用该异常分析模型对该待监测设备的该类设备数据的当前取值进行异常分析。
随后，根据该待监测设备的该类设备数据的当前取值的上述第一异常得分及其权重，以及上述第二异常得分及其权重，计算该待监测设备的该类设备数据的当前取值的总异常得分，从而确定该待监测设备的该类设备数据的当前取值的异常分析结果。其中，第一异常得分或第二异常得分对应的权重越大，在计算总异常得分时所占的比重越大。第一异常得分和第二异常得分各自对应的权重可以基于第一异常得分和第二异常得分分别与预设中位数之间的差异确定，第一异常得分或第二异常得分与预设中位数（例如，当第一异常得分和第二异常得分为百分制时预设中位数可以是50，预设中位数可以基于该待监测设备的该类设备数据异常的历史取值的第一异常得分和第二异常得分确定得到，具体可以分别求取上述异常的历史取值的第一异常得分和第二异常得分的中位数，并计算两个中位数的平均值得到该预设中位数）之间的差异越大，表明第一异常得分或第二异常得分的不确定性越低、其可靠性越高，因此其对应的权重越大。
在另一些实施例中，考虑到设备运行过程中产生的设备数据中，单一类型的数据的数据特性可能较难挖掘，为了提升设备数据异常分析的准确性，如图3所示，可以采用如下方式对该待监测设备的该类设备数据的当前取值进行异常分析：
步骤310，基于所述待监测设备的各类设备数据的当前取值，确定所述待监测设备的一级指标的一级指标值，或者确定待监测设备的一级指标的一级指标值和二级指标的二级指标值；
步骤320，基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标数据的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果；
步骤330，基于所述待监测设备的指标异常分析结果，确定所述指标异常分析结果对应指标所涵盖的设备数据的当前取值的异常分析结果。
具体而言，根据该待监测设备的各类设备数据的当前取值，可以计算该待监测设备的一级指标的一级指标值，或者计算该待监测设备的一级指标的一级指标值和二级指标的二级指标值。其中，一级指标是直接基于该待监测设备的各类设备数据中部分设备数据的当前取值计算得到的，而二级指标是基于多个一级指标的一级指标值计算得到的。以各类设备数据包含稼动时间、运行时间、计划停机时间、理论节拍、总产量及良品数为例，一级指标可以为时间稼动率、性能稼动率和良品率，二级指标可以为设备综合效率。
针对任一一级指标，可以基于该待监测设备的同一指标的历史指标值以及该待监测设备的同类设备的同一指标的当前指标值，对该待监测设备的一级指标的一级指标值进行异常分析。其中，同类设备的该一级指标的当前指标值是基于该同类设备数据中对应该一级指标的部分设备数据的当前取值计算得到的，而二级指标的当前指标值是基于对应一级指标的当前指标值计算得到的。此处，可以预先基于该待监测设备的同类指标的大量历史指标值作为训练样本并对各个训练样本进行标签标注，利用该训练样本及其标签训练异常分析模型，从而利用该异常分析模型对该待监测设备的该类设备数据的当前取值进行异常分析。考虑到基于一级指标进行异常分析的结果可能不足以确认数据是否异常，因此还可以对该待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到该待监测设备的指标异常分析结果，其中针对二级指标的二级指标值进行异常分析的方式与一级指标类似，在此不再赘述。
在一些实施例中，针对任一一级指标，可以基于该待监测设备的同一指标的历史指标值以及该待监测设备的同类设备的同一指标的当前指标值，对该待监测设备的该一级指标的一级指标值进行异常分析，得到一级指标异常值。其中，一级指标异常值指示了该一级指标的一级指标值异常的概率。若任一一级指标对应的一级指标异常值与预设中间概率之间的差异小于预设阈值，表明对该一级指标进行异常分析的结果的不确定性较高，因此可以针对基于该一级指标计算的二级指标，基于该待监测设备的同一指标的历史指标值以及该待监测设备的同类设备的同一指标的当前指标值，对该待监测设备的该二级指标的二级指标值进行异常分析，得到该二级指标的二级指标异常值，并基于该二级指标异常值确定该二级指标的指标异常分析结果（异常或正常）。其中，二级指标异常值指示了该二级指标的二级指标值异常的概率。针对一级指标异常值与预设中间概率之间的差异大于或等于预设阈值的一级指标，可以基于该一级指标的一级指标异常值，确定相应一级指标的指标异常分析结果。
随后，基于该待监测设备的指标异常分析结果，确定该指标异常分析结果对应指标所涵盖的设备数据的当前取值的异常分析结果。具体而言，针对任一一级指标的指标异常分析结果，可以将其指标异常分析结果作为用于计算该一级指标的设备数据的当前取值的异常分析结果；针对任一二级指标的指标异常分析结果，可以将其指标异常分析结果作为用于计算该二级指标对应的一级指标的设备数据当前取值的异常分析结果。此时，若同一设备数据，既可以根据对应的一级指标的指标异常分析结果确定异常分析结果，也可以根据对应的二级指标的指标异常分析结果确定异常分析结果，则选取对应的一级指标的指标异常分析结果作为其当前取值的异常分析结果。
需要说明的是，上述基于该待监测设备的同类数据的历史取值一级该待监测设备的同类设备的同类数据的当前取值分别对该待监测设备的该类设备数据的当前取值进行异常分析的实施例，以及上述基于该待监测设备的同一指标的历史指标值以及该待监测设备的同类设备的同一指标的当前指标值对该待监测设备的一级指标的一级指标值进行异常分析，或者对该待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析的实施例，可以择一采用，也可以同时采用，本发明实施例对此不作具体限定。
对于任一待监测设备，当需要获取该待监测设备的运行数据以生成该待监测设备的运行报告时，可以向工业互联网标识解析平台发送针对该待监测设备的设备查询请求，其中该设备查询请求中携带有该待监测设备的设备唯一标识。当接收到该设备查询请求后，工业互联网标识解析平台可以基于该待监测设备的设备唯一标识，定位到存储该待监测设备的设备数据的二级节点，并在该二级节点的存储空间中检索该待监测设备的各类设备数据的当前取值，随后返回各类设备数据的当前取值。
在一些实施例中，在基于该待监测设备的设备唯一标识检索该待监测设备的各类设备数据的当前取值时，可以基于该待监测设备的设备唯一标识，确定数据缓存中是否保存了该待监测设备的各类设备数据的当前取值。若数据缓存中保存了该待监测设备的各类设备数据的当前取值，则从数据缓存中获取该待监测设备的各类设备数据的当前取值。其中，考虑到目前为了提高数据访问效率，设置的数据缓冲区中通常直接存储访问量高的设备标识与设备数据存储地址之间的映射关系，然而在访问设备运行产生的设备数据这一场景下存在设备量大且设备数据访问频率较为均匀的前提，在此前提下通过现有的数据缓冲设置方式会导致缓冲区容量难以支撑、数据访问效率提升的效果有限的问题。
结合本场景，考虑到设备数据访问的目的在于对其进行集成分析，因此数据访问需求与待监测设备的工作时间段有关，比如需要等设备当日工作完成之后才访问。因此，可以收集历史访问量较高的多个设备（这个设备数量可以很大），然后获取其工作时间段，将每一天的时间分割为多个时间段，每个时间段数据缓存里存放不同的设备标识对应的各类设备数据的当前取值。其中，任一时间段时，数据缓存里存放的是访问量较高的设备中当天仍未访问且关闭时间早于该时间段的设备标识对应的设备数据的当前取值。即，数据缓存中保存的数据随着当前时间变化，对于当前时间段，数据缓存中保存有截止当前时间段为止未被检索、设备关闭时间早于当前时间段且历史检索频数高于预设频率的设备的各类设备数据的当前取值，从而有效提升设备数据的访问效率，满足高并发性的访问需求。
数据中台接收到待监测设备的各类设备数据的当前取值后，可以基于上述各类设备数据进行集成分析并生成该待监测设备的运行报告。在一些实施例中，在基于各类设备数据进行集成分析并生成待监测设备的运行报告时，可以基于待监测设备的稼动时间、运行时间和计划停机时间计算时间稼动率，其中，时间稼动率=稼动时间/（运行时间－计划停机时间）×100%。基于待监测设备的理论节拍、总产量和稼动时间计算性能稼动率，其中，性能稼动率=理论节拍×总产出/稼动时间×100%。基于待监测设备的良品数和总产量计算良品率，其中，良品率=良品数/总产出×100%。随后，基于上述时间稼动率、性能稼动率和良品率计算该待监测设备的设备综合效率，其中，设备综合效率=时间稼动率×性能稼动率×良品率×100%。基于该待监测设备的设备综合效率，可以自动计算出设备综合效率曲线，并利用Phantom.js技术后台自动生成图片格式文件，最终得到该待监测设备的运行报告。
本发明实施例提供的方法，通过在相应业务系统将各类设备数据的数据包随着待监测设备的设备唯一标识一同上传至二级节点后，由二级节点基于业务系统的系统唯一标识中业务系统所属企业的企业标识与待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对各类设备数据的数据包进行异常分析并确定数据无异常后进行存储，保障了用于生成设备运行报告的设备数据的可靠性和准确性，其中在对设备数据进行异常分析时，采用了多维度的异常分析方式，包括基于同一设备的同类数据的历史取值以及同类设备的同类数据的当前取值进行异常分析，以及基于同一指标的历史指标值以及待监测设备的同类设备的同一指标的当前指标值，对一级指标的一级指标值和二级指标的二级指标值分别进行异常分析等方式，可以克服单一数据的特性可能不明显，而在数据类型较多的情况下多数据之间的关联也很难捕捉的问题，提升了异常分析的准确性，随后在接收到针对待监测设备的设备查询请求后根据待监测设备的设备唯一标识，检索待监测设备的各类设备数据的当前取值，并返回各类设备数据的当前取值，以供数据中台基于各类设备数据进行集成分析并生成待监测设备的运行报告，实现了设备数据的完整分析并生成了准确的设备运行报告。
下面对本发明提供的基于标识解析技术的设备运行报告生成装置进行描述，下文描述的基于标识解析技术的设备运行报告生成装置与上文描述的基于标识解析技术的设备运行报告生成方法可相互对应参照。
基于上述任一实施例，图4是本发明提供的基于标识解析技术的设备运行报告生成装置的结构示意图，如图4所示，该装置包括：
请求接收单元410，用于接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识，所述设备唯一标识中包含所述待监测设备所属企业的全局唯一的企业标识，所述设备唯一标识在标识解析平台的二级节点中唯一标记所述待监测设备；
数据检索单元420，用于基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；
其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的。
本发明实施例提供的装置，通过在相应业务系统将各类设备数据的数据包随着待监测设备的设备唯一标识一同上传至二级节点后，由二级节点基于业务系统的系统唯一标识中业务系统所属企业的企业标识与待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对各类设备数据的数据包进行异常分析并确定数据无异常后进行存储，保障了用于生成设备运行报告的设备数据的可靠性和准确性，其中在对设备数据进行异常分析时，采用了多维度的异常分析方式，包括基于同一设备的同类数据的历史取值以及同类设备的同类数据的当前取值进行异常分析，以及基于同一指标的历史指标值以及待监测设备的同类设备的同一指标的当前指标值，对一级指标的一级指标值和二级指标的二级指标值分别进行异常分析等方式，可以克服单一数据的特性可能不明显，而在数据类型较多的情况下多数据之间的关联也很难捕捉的问题，提升了异常分析的准确性，随后在接收到针对待监测设备的设备查询请求后根据待监测设备的设备唯一标识，检索待监测设备的各类设备数据的当前取值，并返回各类设备数据的当前取值，以供数据中台基于各类设备数据进行集成分析并生成待监测设备的运行报告，实现了设备数据的完整分析并生成了准确的设备运行报告。
基于上述任一实施例，所述对所述各类设备数据的数据包进行异常分析，具体包括：
基于所述各类设备数据的数据包，确定所述各类设备数据的当前取值；
针对所述待监测设备的任一类设备数据的当前取值，基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析；其中，所述待监测设备的同类设备的设备唯一标识与所述待监测设备的设备唯一标识的预设长度的前缀相同。
基于上述任一实施例，所述基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，具体包括：
基于所述待监测设备的同类数据的历史取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，得到所述待监测设备的所述任一类设备数据的当前取值的第一异常得分；
基于所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，得到所述待监测设备的所述任一类设备数据的当前取值的第二异常得分；
基于所述待监测设备的所述任一类设备数据的当前取值的所述第一异常得分及其权重，以及所述第二异常得分及其权重，确定所述待监测设备的所述任一类设备数据的当前取值的异常分析结果。
基于上述任一实施例，所述基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，具体包括：
基于所述待监测设备的各类设备数据的当前取值，确定所述待监测设备的一级指标的一级指标值，或者确定待监测设备的一级指标的一级指标值和二级指标的二级指标值；
基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果；
基于所述待监测设备的指标异常分析结果，确定所述指标异常分析结果对应指标所涵盖的设备数据的当前取值的异常分析结果。
基于上述任一实施例，所述基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果，具体包括：
基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，得到各个一级指标的一级指标异常值；
若任一一级指标的一级指标异常值与预设中间概率之间的差异小于预设阈值，则基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对基于所述任一一级指标计算的二级指标的二级指标值进行异常分析，得到相应二级指标的二级指标异常值，并基于相应二级指标的二级指标异常值确定相应二级指标的指标异常分析结果；
基于与所述预设中间概率之间的差异大于或等于所述预设阈值的一级指标的一级指标异常值，确定相应一级指标的指标异常分析结果。
基于上述任一实施例，所述基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，具体包括：
基于所述待监测设备的设备唯一标识，确定数据缓存中是否保存所述待监测设备的各类设备数据的当前取值；
若所述数据缓存中保存了所述待监测设备的各类设备数据的当前取值，则从所述数据缓存中获取所述待监测设备的各类设备数据的当前取值；
其中，所述数据缓存中保存的数据随着当前时间变化，对于当前时间段，所述数据缓存中保存有截止所述当前时间段为止未被检索、设备关闭时间早于所述当前时间段且历史检索频数高于预设频率的设备的各类设备数据的当前取值。
基于上述任一实施例，所述各类设备数据包含稼动时间、运行时间、计划停机时间、理论节拍、总产量及良品数；
所述基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告，具体包括：
基于所述稼动时间、所述运行时间和所述计划停机时间计算时间稼动率；
基于所述理论节拍、所述总产量和所述稼动时间计算性能稼动率；
基于所述良品数和所述总产量计算良品率；
基于所述时间稼动率、所述性能稼动率和所述良品率计算所述待监测设备的设备综合效率，并基于所述待监测设备的设备综合效率生成所述待监测设备的运行报告。
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、存储器(memory)520、通信接口(Communications Interface)530和通信总线540，其中，处理器510，存储器520，通信接口530通过通信总线540完成相互间的通信。处理器510可以调用存储器520中的逻辑指令，以执行基于标识解析技术的设备运行报告生成方法，该方法包括：接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识，所述设备唯一标识中包含所述待监测设备所属企业的全局唯一的企业标识，所述设备唯一标识在标识解析平台的二级节点中唯一标记所述待监测设备；基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的。
此外，上述的存储器520中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于标识解析技术的设备运行报告生成方法，该方法包括：接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识，所述设备唯一标识中包含所述待监测设备所属企业的全局唯一的企业标识，所述设备唯一标识在标识解析平台的二级节点中唯一标记所述待监测设备；基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于标识解析技术的设备运行报告生成方法，该方法包括：接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识，所述设备唯一标识中包含所述待监测设备所属企业的全局唯一的企业标识，所述设备唯一标识在标识解析平台的二级节点中唯一标记所述待监测设备；基于所述待监测设备的设备唯一标识，在所述二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的。
以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于标识解析技术的设备运行报告生成方法，其特征在于，包括：
接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识；
基于所述待监测设备的设备唯一标识，在二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；
其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的；
所述对所述各类设备数据的数据包进行异常分析，具体包括：
基于所述各类设备数据的数据包，确定所述各类设备数据的当前取值；
针对所述待监测设备的任一类设备数据的当前取值，基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析；其中，所述待监测设备的同类设备的设备唯一标识与所述待监测设备的设备唯一标识的预设长度的前缀相同；
所述基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，具体包括：
基于所述待监测设备的各类设备数据的当前取值，确定所述待监测设备的一级指标的一级指标值，或者确定待监测设备的一级指标的一级指标值和二级指标的二级指标值；
基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果；
基于所述待监测设备的指标异常分析结果，确定所述指标异常分析结果对应指标所涵盖的设备数据的当前取值的异常分析结果。
2.根据权利要求1所述的基于标识解析技术的设备运行报告生成方法，其特征在于，所述基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，具体包括：
基于所述待监测设备的同类数据的历史取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，得到所述待监测设备的所述任一类设备数据的当前取值的第一异常得分；
基于所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，得到所述待监测设备的所述任一类设备数据的当前取值的第二异常得分；
基于所述待监测设备的所述任一类设备数据的当前取值的所述第一异常得分及其权重，以及所述第二异常得分及其权重，确定所述待监测设备的所述任一类设备数据的当前取值的异常分析结果。
3.根据权利要求1所述的基于标识解析技术的设备运行报告生成方法，其特征在于，所述基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果，具体包括：
基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，得到各个一级指标的一级指标异常值；
若任一一级指标的一级指标异常值与预设中间概率之间的差异小于预设阈值，则基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对基于所述任一一级指标计算的二级指标的二级指标值进行异常分析，得到相应二级指标的二级指标异常值，并基于相应二级指标的二级指标异常值确定相应二级指标的指标异常分析结果；
基于与所述预设中间概率之间的差异大于或等于所述预设阈值的一级指标的一级指标异常值，确定相应一级指标的指标异常分析结果。
4.根据权利要求1所述的基于标识解析技术的设备运行报告生成方法，其特征在于，所述基于所述待监测设备的设备唯一标识，在二级节点中检索所述待监测设备的各类设备数据的当前取值，具体包括：
基于所述待监测设备的设备唯一标识，确定数据缓存中是否保存所述待监测设备的各类设备数据的当前取值；
若所述数据缓存中保存了所述待监测设备的各类设备数据的当前取值，则从所述数据缓存中获取所述待监测设备的各类设备数据的当前取值；
其中，所述数据缓存中保存的数据随着当前时间变化，对于当前时间段，所述数据缓存中保存有截止所述当前时间段为止未被检索、设备关闭时间早于所述当前时间段且历史检索频数高于预设频率的设备的各类设备数据的当前取值。
5.根据权利要求1至4任一项所述的基于标识解析技术的设备运行报告生成方法，其特征在于，所述各类设备数据包含稼动时间、运行时间、计划停机时间、理论节拍、总产量及良品数；
所述基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告，具体包括：
基于所述稼动时间、所述运行时间和所述计划停机时间计算时间稼动率；
基于所述理论节拍、所述总产量和所述稼动时间计算性能稼动率；
基于所述良品数和所述总产量计算良品率；
基于所述时间稼动率、所述性能稼动率和所述良品率计算所述待监测设备的设备综合效率，并基于所述待监测设备的设备综合效率生成所述待监测设备的运行报告。
6.一种基于标识解析技术的设备运行报告生成装置，其特征在于，包括：
请求接收单元，用于接收针对待监测设备的设备查询请求；所述设备查询请求中包含所述待监测设备的设备唯一标识；
数据检索单元，用于基于所述待监测设备的设备唯一标识，在二级节点中检索所述待监测设备的各类设备数据的当前取值，并返回所述各类设备数据的当前取值，以供数据中台基于所述各类设备数据进行集成分析并生成所述待监测设备的运行报告；
其中，所述二级节点中所述待监测设备的各类设备数据的当前取值是相应业务系统将各类设备数据的数据包随着所述待监测设备的设备唯一标识一同上传至所述二级节点后，由二级节点基于所述业务系统的系统唯一标识中所述业务系统所属企业的企业标识与所述待监测设备的设备唯一标识中的企业标识进行鉴权，在鉴权通过后对所述各类设备数据的数据包进行异常分析并确定数据无异常后存储的；
所述对所述各类设备数据的数据包进行异常分析，具体包括：
基于所述各类设备数据的数据包，确定所述各类设备数据的当前取值；
针对所述待监测设备的任一类设备数据的当前取值，基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析；其中，所述待监测设备的同类设备的设备唯一标识与所述待监测设备的设备唯一标识的预设长度的前缀相同；
所述基于所述待监测设备的同类数据的历史取值以及所述待监测设备的同类设备的同类数据的当前取值，对所述待监测设备的所述任一类设备数据的当前取值进行异常分析，具体包括：
基于所述待监测设备的各类设备数据的当前取值，确定所述待监测设备的一级指标的一级指标值，或者确定待监测设备的一级指标的一级指标值和二级指标的二级指标值；
基于所述待监测设备的同一指标的历史指标值以及所述待监测设备的同类设备的同一指标的当前指标值，对所述待监测设备的一级指标的一级指标值进行异常分析，或者对所述待监测设备的一级指标的一级指标值和二级指标的二级指标值分别进行异常分析，得到所述待监测设备的指标异常分析结果；
基于所述待监测设备的指标异常分析结果，确定所述指标异常分析结果对应指标所涵盖的设备数据的当前取值的异常分析结果。
7.一种电子设备，包括存储器、处理器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，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于标识解析技术的设备运行报告生成方法。
8.一种非暂态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5任一项所述基于标识解析技术的设备运行报告生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311213018.5A CN116992860B (zh) | 2023-09-20 | 2023-09-20 | 基于标识解析技术的设备运行报告生成方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311213018.5A CN116992860B (zh) | 2023-09-20 | 2023-09-20 | 基于标识解析技术的设备运行报告生成方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116992860A CN116992860A (zh) | 2023-11-03 |
| CN116992860B true CN116992860B (zh) | 2023-12-08 |
Family
ID=88526899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311213018.5A Active CN116992860B (zh) | 2023-09-20 | 2023-09-20 | 基于标识解析技术的设备运行报告生成方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116992860B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110708399A (zh) * | 2019-12-16 | 2020-01-17 | 国网电子商务有限公司 | 一种分布式光伏数据共享系统及方法 |
| CN110830944A (zh) * | 2019-11-13 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 一种无线传感中继消息处理方法及电力设备监测系统 |
| CN114254879A (zh) * | 2021-11-30 | 2022-03-29 | 南方电网数字电网研究院有限公司 | 多传感器信息融合的电力设备安全诊断方法和装置 |
-
2023
- 2023-09-20 CN CN202311213018.5A patent/CN116992860B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110830944A (zh) * | 2019-11-13 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 一种无线传感中继消息处理方法及电力设备监测系统 |
| CN110708399A (zh) * | 2019-12-16 | 2020-01-17 | 国网电子商务有限公司 | 一种分布式光伏数据共享系统及方法 |
| CN114254879A (zh) * | 2021-11-30 | 2022-03-29 | 南方电网数字电网研究院有限公司 | 多传感器信息融合的电力设备安全诊断方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116992860A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2021141582A (ja) | 障害回復方法および障害回復装置、ならびに記憶媒体 | |
| CN109255440B (zh) | 基于递归神经网络（rnn）的对电力生产设备进行预测性维护的方法 | |
| CN113112086A (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
| CN110750377A (zh) | 一种故障定位方法及装置 | |
| CN111368172A (zh) | 传感器数据处理方法、装置、计算机设备和存储介质 | |
| CN112134719A (zh) | 一种分析基站安全日志的方法和系统 | |
| WO2017127260A1 (en) | System and method for allocating machine behavioral models | |
| CN112182233B (zh) | 用于存储设备故障记录的知识库、及利用其辅助定位设备故障的方法及系统 | |
| CN115878421A (zh) | 一种基于日志时序关联特征挖掘的数据中心设备级故障预测方法、系统及介质 | |
| CN116992860B (zh) | 基于标识解析技术的设备运行报告生成方法和装置 | |
| CN102109551A (zh) | 机台能耗与产能检测系统及方法 | |
| CN112561388A (zh) | 一种基于物联网的信息处理方法、装置及设备 | |
| CN114189348A (zh) | 一种适用于工控网络环境的资产识别方法 | |
| CN111143623A (zh) | 一种大数据环境下的数据质量监控方法 | |
| CN116595353A (zh) | 一种调相机远程故障诊断及智能决策系统 | |
| CN114143171B (zh) | 一种基于tr069协议的告警根源定位方法及系统 | |
| CN113419885B (zh) | 一种数据完整性处理方法、装置及电子设备 | |
| CN110896545B (zh) | 在线计费漫游故障定位方法及相关装置、存储介质 | |
| WO2022149149A1 (en) | Artificial intelligence with dynamic causal model for failure analysis in mobile communication network | |
| CN114422324B (zh) | 一种告警信息的处理方法、装置、电子设备及存储介质 | |
| Sandrić et al. | Survey of data cleaning algorithms in wireless sensor networks | |
| CN103944777A (zh) | 分布式监控系统信息处理方法和系统 | |
| WO2024066292A1 (zh) | 设备群障识别方法、装置和计算机可读存储介质 | |
| WO2023093527A1 (zh) | 告警关联规则生成方法、装置、电子设备和存储介质 | |
| CN114793200B (zh) | 一种基于电力物联网网络结构的重要物联节点识别方法 |
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 |