CN117010638B - 酒店设备的智能管理方法及系统 - Google Patents

酒店设备的智能管理方法及系统 Download PDF

Info

Publication number
CN117010638B
CN117010638B CN202310936876.6A CN202310936876A CN117010638B CN 117010638 B CN117010638 B CN 117010638B CN 202310936876 A CN202310936876 A CN 202310936876A CN 117010638 B CN117010638 B CN 117010638B
Authority
CN
China
Prior art keywords
maintenance
sample
comprehensive
achievement
maintenance requirement
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
Application number
CN202310936876.6A
Other languages
English (en)
Other versions
CN117010638A (zh
Inventor
周可刚
周子健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiangshan Haiyue Hotel Management Co ltd
Original Assignee
Xiangshan Haiyue Hotel Management Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiangshan Haiyue Hotel Management Co ltd filed Critical Xiangshan Haiyue Hotel Management Co ltd
Priority to CN202310936876.6A priority Critical patent/CN117010638B/zh
Publication of CN117010638A publication Critical patent/CN117010638A/zh
Application granted granted Critical
Publication of CN117010638B publication Critical patent/CN117010638B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Automation & Control Theory (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了酒店设备的智能管理方法及系统，涉及数据处理技术领域，该方法包括：采集酒店内目标房间中空调和加湿器的设备参数，结合设备管理分析通道，获得第一维护需求参数；采集用户信息，通过收益维护需求分析分支，获得第二维护需求参数，结合第一维护需求参数，计算获得综合维护需求参数，判断综合维护需求参数是否达到维护需求参数阈值，若是，则输入维护方案决策分支，获得设备管理方案，对目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理。本发明解决了现有技术中酒店设备管理的智能化水平低，设备维护成本高的技术问题，达到了提高酒店设备管理的智能化水平，降低设备维护成本的技术效果。

Description

酒店设备的智能管理方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及酒店设备的智能管理方法及系统。
背景技术
随着人们对居住环境舒适度的要求，现如今多数酒店均安装了空调和加湿器等设备来进行客房内的空气质量和温度调节，更能人性化的照顾到客户的需求。但是在空调等设备的使用过程中需要定期对设备进行维护检修，来保证满足正常的使用需求，但目前酒店的设备管理方法多依赖于人工定期检修的方式，设备的管理不够智能化，也导致设备的维护成本较高，且影响客户入住体验和酒店收益。
发明内容
本申请提供了酒店设备的智能管理方法及系统，用于解决现有技术中酒店设备管理的智能化水平低，设备维护成本高的技术问题。
本申请的第一个方面，提供了酒店设备的智能管理方法，所述方法包括：采集酒店内目标房间中空调和加湿器在不同的多个控制信号下，达到多个需求控制参数的达成效率和达成准确性参数，获得达成效率集合和达成准确性参数集合，并计算获得综合达成效率和综合达成准确性参数；构建设备管理分析通道，将所述综合达成效率和综合达成准确性参数输入所述设备管理分析通道，进行维护需求分析，获得第一维护需求参数；采集所述目标房间在预设时间范围内的入住次数、入住价格，以及用户对所述目标房间内空调和加湿器的反馈信息；构建收益维护需求分析分支，嵌入于所述设备管理分析通道，将所述入住次数、入住价格和反馈信息输入所述收益维护需求分析分支，进行维护需求分析，获得第二维护需求参数，结合所述第一维护需求参数，计算获得综合维护需求参数；构建维护方案决策分支，嵌入于所述设备管理分析通道；判断所述综合维护需求参数是否达到维护需求参数阈值，若是，则输入所述维护方案决策分支，获得设备管理方案，对所述目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理。
本申请的第二个方面，提供了酒店设备的智能管理系统，所述系统包括：综合达成参数获取模块，所述综合达成参数获取模块用于采集酒店内目标房间中空调和加湿器在不同的多个控制信号下，达到多个需求控制参数的达成效率和达成准确性参数，获得达成效率集合和达成准确性参数集合，并计算获得综合达成效率和综合达成准确性参数；第一维护需求参数获得模块，所述第一维护需求参数获得模块用于构建设备管理分析通道，将所述综合达成效率和综合达成准确性参数输入所述设备管理分析通道，进行维护需求分析，获得第一维护需求参数；用户信息采集模块，所述用户信息采集模块用于采集所述目标房间在预设时间范围内的入住次数、入住价格，以及用户对所述目标房间内空调和加湿器的反馈信息；综合维护需求参数获得模块，所述综合维护需求参数获得模块用于构建收益维护需求分析分支，嵌入于所述设备管理分析通道，将所述入住次数、入住价格和反馈信息输入所述收益维护需求分析分支，进行维护需求分析，获得第二维护需求参数，结合所述第一维护需求参数，计算获得综合维护需求参数；维护方案决策分支构建模块，所述维护方案决策分支构建模块用于构建维护方案决策分支，嵌入于所述设备管理分析通道；管理维护模块，所述管理维护模块用于判断所述综合维护需求参数是否达到维护需求参数阈值，若是，则输入所述维护方案决策分支，获得设备管理方案，对所述目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的酒店设备的智能管理方法，涉及数据处理技术领域，通过采集酒店内目标房间中空调和加湿器的设备参数，结合设备管理分析通道，获得第一维护需求参数，采集用户信息，通过收益维护需求分析分支，获得第二维护需求参数，再结合第一维护需求参数，计算获得综合维护需求参数，然后判断综合维护需求参数是否达到维护需求参数阈值，若是，则将其输入维护方案决策分支，获得设备管理方案，对目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理，解决了现有技术中酒店设备管理的智能化水平低，设备维护成本高的技术问题，实现了根据设备运行情况及用户反馈信息进行酒店设备维护，从而提高酒店设备管理的智能化水平，在保证酒店收益的前提下，最大化降低设备维护成本的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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他的附图。
图1为本申请实施例提供的酒店设备的智能管理方法流程示意图；
图2为本申请实施例提供的酒店设备的智能管理方法中构建设备管理分析通道的流程示意图；
图3为本申请实施例提供的酒店设备的智能管理方法中构建收益维护需求分析分支的流程示意图；
图4为本申请实施例提供的酒店设备的智能管理系统结构示意图。
附图标记说明：综合达成参数获取模块11，第一维护需求参数获得模块12，用户信息采集模块13，综合维护需求参数获得模块14，维护方案决策分支构建模块15，管理维护模块16。
具体实施方式
本申请提供了酒店设备的智能管理方法，用于解决现有技术中酒店设备管理的智能化水平低，设备维护成本高的技术问题。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了酒店设备的智能管理方法，所述方法包括：
S100：采集酒店内目标房间中空调和加湿器在不同的多个控制信号下，达到多个需求控制参数的达成效率和达成准确性参数，获得达成效率集合和达成准确性参数集合，并计算获得综合达成效率和综合达成准确性参数；
具体的，通过在目标酒店的所有房间中安装温度和湿度监测设备，来监测目标酒店的目标房间中空调和加湿器在多个不同的控制信号下的温度和湿度调节数据，并根据所述温度和湿度调节数据，分别计算出多个需求控制参数的达成效率和达成准确性参数，并组成达成效率集合和达成准确性参数集合，所述多个需求控制参数就是所述多个控制信号对湿度和温度的控制需求参数。进一步的，通过将所述达成效率集合和达成准确性参数集合内的数据进行加权计算，获得综合达成效率和综合达成准确性参数，以此作为后续进行设备运行性能分析的基础数据。
进一步的，本申请实施例步骤S100还包括：
S110：获取所述目标房间内对空调和加湿器进行控制的多个控制信号，其中，每个控制信号包括控制温度和控制湿度；
S120：采用所述多个控制信号，对所述目标房间中空调和加湿器进行控制，获取温度和湿度稳定后的多个控制时间，以及多个稳定温度和多个稳定湿度；
S130：以所述多个控制时间，作为所述达成效率集合，根据所述多个稳定温度、多个稳定湿度和所述多个控制信号内的控制温度和控制湿度，计算获得所述达成准确性参数集合。
具体而言，随机生成多个所述目标房间内对空调和加湿器进行控制的控制信号，包括所述目标房间的控制温度信号和控制湿度信号，所述目标房间是指目标酒店内的任意一个房间。采用所述多个控制信号，结合远程控制装置，分别对所述目标房间中的空调和加湿器进行控制，并通过在所述目标房间安装温度和湿度监测设备，来监测所述目标房间内的温度和湿度，直至所述目标房间内的温度和湿度达到稳定状态，从所述目标房间在所述多个控制信号控制下的监测数据中，分别提取达到稳定状态不再变化的多个稳定温度和多个稳定湿度，以及温度和湿度稳定后的多个控制时间，所述多个控制时间是指从空调和加湿器开始工作到所述目标房间内的温度和湿度达到稳定所耗费的时长。
进一步的，以所述多个控制时间作为多个温度和湿度达到稳定状态的多个达成效率，得到所述达成效率集合。将所述多个稳定温度、多个稳定湿度和所述多个控制信号内的多个控制温度和多个控制湿度进行差值计算，得到多个温度差值和湿度差值，用多个温度差值和湿度差值分别除以所述多个控制信号内的控制温度和控制湿度，得到多个温度和湿度偏差比率，用1减去多个温度和湿度偏差比率，得到多个温度和湿度准确性比率，以此作为所述目标房间内空调和加湿器的所述达成准确性参数集合。
进一步的，本申请实施例步骤S100还包括：
S140：根据所述多个控制信号在所述预设时间范围内的执行次数的大小，进行权重分配，获得多个控制权值；
S150：采用所述多个控制权值，对所述达成效率集合和达成准确性参数集合内的多个达成效率和多个达成准确性参数进行加权计算，获得所述综合达成效率和综合达成准确性参数。
具体的，分别获取所述多个控制信号在所述预设时间范围内的执行次数的大小，并根据执行次数的大小，为每个控制信号分配相应的权重，示例性的，执行次数越多，权重系数越大，获得所述多个控制信号的多个控制权值，所述预设时间范围是提取设定的设备维护时长，可以是半年、一年等，采用所述多个控制权值，分别对所述达成效率集合和达成准确性参数集合内的多个达成效率和多个达成准确性参数进行加权计算，将加权平均值作为所述综合达成效率和综合达成准确性参数，作为后续进行设备运行性能分析的基础数据。
S200：构建设备管理分析通道，将所述综合达成效率和综合达成准确性参数输入所述设备管理分析通道，进行维护需求分析，获得第一维护需求参数；
具体而言，根据目标酒店内多个房间的空调和加湿器在过去一段时间的运行和维护数据，结合算法数学模型，构建设备管理分析通道，所述设备管理分析通道可以根据空调和加湿器的设备运行数据，来计算设备维护数据，示例性的，将所述目标房间的所述综合达成效率和综合达成准确性参数输入所述设备管理分析通道，进行维护需求分析，即可获得所述目标房间设备的维护数据，以此作为第一维护需求参数，所述第一维护需求参数是通过目标酒店内各个房间的设备的运行数据计算得到的维护需求数据，可以作为后续进行设备维护需求判断的基础数据之一。
进一步的，如图2所示，本申请实施例步骤S200还包括：
S210：对酒店内多个房间中空调和加湿器运行和维护的数据进行遍历抽取，获取样本综合达成效率集合、样本综合达成准确率参数集合；
S220：根据所述样本综合达成效率集合、样本综合达成准确率参数集合内不同样本综合达成效率和样本综合达成准确率参数下对空调和加湿器进行维护的比例，获得样本第一维护需求参数集合；
S230：基于所述样本综合达成效率集合、样本综合达成准确率参数集合和样本第一维护需求参数集合，采用BP神经网络构建所述设备管理分析通道的网络架构，并进行监督学习，获得满足收敛条件的所述设备管理分析通道。
具体的，随机抽取过去一段时间内(可以是三个月、半年等，具体时间可根据实际情况做适应性调整)目标酒店内多个房间的空调和加湿器的运行数据和维护数据，所述运行数据包括多个房间的综合达成效率和综合达成准确率参数，以此作为样本综合达成效率集合和样本综合达成准确率参数集合。
进一步的，基于所述样本综合达成效率集合和样本综合达成准确率参数集合，从所述维护数据中，分别提取不同样本综合达成效率和不同样本综合达成准确率参数下对应的空调和加湿器的维护比例，作为样本第一维护需求参数集合。进一步的，将所述样本综合达成效率集合、样本综合达成准确率参数集合和样本第一维护需求参数集合作为构建数据，BP神经网络构建所述设备管理分析通道的网络架构，并将所述构建数据随机划分为训练数据集、验证数据集和测试数据集，根据所述训练数据集、验证数据集和测试数据集的对所述设备管理分析通道进行训练、验证和测试，直至所述设备管理分析通道达到收敛并满足预设的准确率要求，获得满足收敛条件的所述设备管理分析通道。
S300：采集所述目标房间在预设时间范围内的入住次数、入住价格，以及用户对所述目标房间内空调和加湿器的反馈信息；
进一步的，本申请实施例步骤S300还包括：
S310：根据酒店的营业信息，获取所述目标房间在所述预设时间范围内的入住率信息，以及多次入住的多个价格信息；
S320：根据所述多个价格信息的入住次数的大小，对所述多个价格信息进行加权计算，获得所述入住价格；
S330：获取所述预设时间范围内，用户反映所述目标房间内空调和加湿器不合格的次数，获得所述反馈信息。
具体的，从目标酒店的营业信息中，获取所述目标房间在所述预设时间范围内的入住率信息，以及在所述预设时间范围内多次入住的多个价格信息，分别根据所述多个价格信息中，每个价格信息对应的的入住次数的大小，为每个价格信息分配相应的权重系数，并根据所述权重系数对所述多个价格信息进行加权计算，将算数平均值作为所述目标房间的所述入住价格。同理，从目标酒店的营业信息中，获取在所述预设时间范围内，用户反映所述目标房间内空调和加湿器使用功能不合格的次数，以此作为所述反馈信息，可以从用户层面反映目标酒店的空调和加湿器的运行情况。
S400：构建收益维护需求分析分支，嵌入于所述设备管理分析通道，将所述入住次数、入住价格和反馈信息输入所述收益维护需求分析分支，进行维护需求分析，获得第二维护需求参数，结合所述第一维护需求参数，计算获得综合维护需求参数；
具体而言，提取目标酒店在过去一段时间内的营业数据作为构建数据，结合任意算法数学模型，构建收益维护需求分析分支，并嵌入所述设备管理分析通道内，所述收益维护需求分析分支可以根据用户入住信息对目标房间进行空调和加湿器的设备维护需求分析，获得设备维护需求数据。示例性的，将所述入住次数、入住价格和反馈信息输入所述收益维护需求分析分支，即可由所述收益维护需求分析分支进行设备的维护需求计算，获得所述目标房间设备的第二维护需求参数。
进一步的，根据设备性能与用户使用需求对设备维修需求的重要性程度，为所述第一维护需求参数和第二维护需求参数分配相应的权重系数，例如，为所述第一维护需求参数分配的权重系数为0.6，为所述第二维护需求参数分配的权重系数为0.4，基于所述权重系数，将所述第一维护需求参数和第二维护需求参数进行加权计算，将加权平均值作为所述综合维护需求参数，所述综合维护需求参数为同时考虑设备本身的运行性能和用户的使用需求来计算出的设备维护需求参数，可以作为后续判断设备是否需要维修的参考数据。
进一步的，如图3所示，本申请实施例步骤S400还包括：
S410：对酒店的历史营业信息进行遍历抽取，获取样本入住次数集合、样本入住价格集合和样本反馈信息集合；
S420：根据所述历史营业信息进行遍历抽取，基于所述样本入住次数集合、样本入住价格集合和样本反馈信息集合，获取不同样本入住次数、样本入住价格和样本反馈信息下对空调和加湿器进行维护的比例，获得样本第二维护需求参数集合；
S430：基于所述样本入住次数集合、样本入住价格集合、样本反馈信息集合和样本第二维护需求参数集合，采用K近邻算法，构建所述收益维护需求分析分支，其中，所述收益维护需求分析分支内包括维护需求分析坐标系，所述维护需求分析坐标系内包括多个样本坐标点，每个样本坐标点被一对应的样本第二维护需求参数标记。
具体的，对目标酒店的历史营业信息进行遍历抽取，获得多个样本入住次数、多个样本入住价格和多个样本反馈信息，以此作为样本入住次数集合、样本入住价格集合和样本反馈信息集合，所述历史营业信息是指目标酒店在过去一段时间内(可以是半年、一年等，具体时间可以根据实际情况做适应性调整)的营业数据。进一步的，基于所述样本入住次数集合、样本入住价格集合和样本反馈信息集合，对所述历史营业信息进行遍历抽取，抽取不同样本入住次数、不同样本入住价格和不同样本反馈信息下，过去一段时间内目标酒店对空调和加湿器进行维护的比例，以此作为样本第二维护需求参数集合。
进一步的，基于所述样本入住次数集合、样本入住价格集合、样本反馈信息集合和样本第二维护需求参数集合，采用K近邻算法，构建所述收益维护需求分析分支，所述K近邻算法从给定的训练数据集中，为新的输入实例找到最邻近的K个实例，并将这K个实例的所属类别作为新的输入实例的类别的归类方法，K例如为3，可为大于3的奇数。示例性的，所述收益维护需求分析分支的构建过程可以是：首先，以所述入住次数、入住价格和反馈信息作为坐标轴参数，构建所述维护需求分析坐标系，然后将所述样本入住次数集合、样本入住价格集合和样本反馈信息集合中的数据一一对应输入所述维护需求分析坐标系中，形成多个样本入住次数－入住价格－反馈信息坐标点，也就是多个样本坐标点，然后将样本第二维护需求参数集合中的维护需求数据添加至对应的样本坐标点中，每个样本坐标点对应一个样本第二维护需求参数，由此得到所述收益维护需求分析分支，可以用来根据用户入住信息进行空调和加湿器的设备维护需求分析。
S500：构建维护方案决策分支，嵌入于所述设备管理分析通道；
进一步的，本申请实施例步骤S500还包括：
S510：获取样本综合维护需求参数集合和样本维护方案集合；
S520：对所述样本综合维护需求参数集合内的多个综合维护需求参数进行遍历抽取，构建多层决策节点，每层决策节点对输入的综合维护需求参数进行二分类划分决策；
S530：采用所述样本维护方案集合内的多个样本维护方案，对所述多层决策节点的多个最终划分结果进行标记，作为多个决策结果，获得所述维护方案决策分支。
具体的，提取目标酒店在所述预设时间范围内的设备维护数据，包括多个所述第一维护需求参数、多个所述第二维护需求参数和多个设备维护方案，将多个所述第一维护需求参数和多个所述第二维护需求参数进行加权平均计算，获得多个综合维护需求参数，将多个设备维护方案和多个综合维护需求参数作为样本综合维护需求参数集合和样本维护方案集合。
进一步的，对所述样本综合维护需求参数集合内的多个综合维护需求参数进行遍历抽取，由不同的综合维护需求参数构建多层决策节点，每层决策节点对应不同的分类标准，使用每层决策节点对输入的综合维护需求参数进行二分类划分决策，直至每个综合维护需求参数到达对应的叶节点，每个叶节点代表一个综合维护需求参数类别，也就是一个类别划分结果，所述二分类划分决策就是将数据按照每层决策节点的分类标准分为两个类别，示例性地，某层决策节点的分类标准是将数据分为大于2和小于等于2个类别，当某一综合维护需求参数为4的数据经过该决策节点，将被分类到大于2的类别中，以此类推，最终确定该综合维护需求参数的类别划分结果。
进一步的，采用所述样本维护方案集合内的多个样本维护方案，将所述多层决策节点的多个最终划分结果一一对应进行标记，使每一个综合维护需求参数对应一个样本维护方案，以此作为所述维护方案决策分支，可以用来通过目标房间当前的设备综合维护需求参数，选择最合适的设备维护方案。
S600：判断所述综合维护需求参数是否达到维护需求参数阈值，若是，则输入所述维护方案决策分支，获得设备管理方案，对所述目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理。
具体而言，根据所述目标房间内的空调和加湿器的设备参数浮动指数，结合天气变化的影响和维修成本的控制需求，预设一个维护需求参数阈值，也就是所述综合维护需求参数的最小值，将所述综合维护需求参数与所述维护需求参数阈值进行比较，判断所述综合维护需求参数是否大于维护需求参数阈值，若大于，说明当前所述目标房间内的空调和加湿器的设备异常情况超过合理范围，需要进行维护处理，则将所述综合维护需求参数输入所述维护方案决策分支，由所述维护方案决策分支进行方案决策，获得设备管理方案，依照所述设备管理方案，对所述目标房间内的空调和加湿器进行管理维护。若不大于，说明当前所述目标房间内的空调和加湿器的设备异常情况在合理范围内，则不进行设备维护管理。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过采集酒店内目标房间中空调和加湿器的设备参数，结合设备管理分析通道，获得第一维护需求参数，采集用户信息，通过收益维护需求分析分支，获得第二维护需求参数，再结合第一维护需求参数，计算获得综合维护需求参数，然后判断综合维护需求参数是否达到维护需求参数阈值，若是，则将其输入维护方案决策分支，获得设备管理方案，对目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理。
达到了根据设备运行情况及用户反馈信息进行酒店设备维护，从而提高酒店设备管理的智能化水平，降低设备维护成本的技术效果。
实施例二
基于与前述实施例中酒店设备的智能管理方法相同的发明构思，如图4所示，本申请提供了酒店设备的智能管理系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
综合达成参数获取模块11，所述综合达成参数获取模块11用于采集酒店内目标房间中空调和加湿器在不同的多个控制信号下，达到多个需求控制参数的达成效率和达成准确性参数，获得达成效率集合和达成准确性参数集合，并计算获得综合达成效率和综合达成准确性参数；
第一维护需求参数获得模块12，所述第一维护需求参数获得模块12用于构建设备管理分析通道，将所述综合达成效率和综合达成准确性参数输入所述设备管理分析通道，进行维护需求分析，获得第一维护需求参数；
用户信息采集模块13，所述用户信息采集模块13用于采集所述目标房间在预设时间范围内的入住次数、入住价格，以及用户对所述目标房间内空调和加湿器的反馈信息；
综合维护需求参数获得模块14，所述综合维护需求参数获得模块14用于构建收益维护需求分析分支，嵌入于所述设备管理分析通道，将所述入住次数、入住价格和反馈信息输入所述收益维护需求分析分支，进行维护需求分析，获得第二维护需求参数，结合所述第一维护需求参数，计算获得综合维护需求参数；
维护方案决策分支构建模块15，所述维护方案决策分支构建模块15用于构建维护方案决策分支，嵌入于所述设备管理分析通道；
管理维护模块16，所述管理维护模块16用于判断所述综合维护需求参数是否达到维护需求参数阈值，若是，则输入所述维护方案决策分支，获得设备管理方案，对所述目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理。
进一步的，所述综合达成参数获取模块11还用于执行以下步骤：
获取所述目标房间内对空调和加湿器进行控制的多个控制信号，其中，每个控制信号包括控制温度和控制湿度；
采用所述多个控制信号，对所述目标房间中空调和加湿器进行控制，获取温度和湿度稳定后的多个控制时间，以及多个稳定温度和多个稳定湿度；
以所述多个控制时间，作为所述达成效率集合，根据所述多个稳定温度、多个稳定湿度和所述多个控制信号内的控制温度和控制湿度，计算获得所述达成准确性参数集合。
进一步的，所述综合达成参数获取模块11还用于执行以下步骤：
根据所述多个控制信号在所述预设时间范围内的执行次数的大小，进行权重分配，获得多个控制权值；
采用所述多个控制权值，对所述达成效率集合和达成准确性参数集合内的多个达成效率和多个达成准确性参数进行加权计算，获得所述综合达成效率和综合达成准确性参数。
进一步的，所述第一维护需求参数获得模块12还用于执行以下步骤：
对酒店内多个房间中空调和加湿器运行和维护的数据进行遍历抽取，获取样本综合达成效率集合、样本综合达成准确率参数集合；
根据所述样本综合达成效率集合、样本综合达成准确率参数集合内不同样本综合达成效率和样本综合达成准确率参数下对空调和加湿器进行维护的比例，获得样本第一维护需求参数集合；
基于所述样本综合达成效率集合、样本综合达成准确率参数集合和样本第一维护需求参数集合，采用BP神经网络构建所述设备管理分析通道的网络架构，并进行监督学习，获得满足收敛条件的所述设备管理分析通道。
进一步的，所述用户信息采集模块13还用于执行以下步骤：
根据酒店的营业信息，获取所述目标房间在所述预设时间范围内的入住率信息，以及多次入住的多个价格信息；
根据所述多个价格信息的入住次数的大小，对所述多个价格信息进行加权计算，获得所述入住价格；
获取所述预设时间范围内，用户反映所述目标房间内空调和加湿器不合格的次数，获得所述反馈信息。
进一步的，所述综合维护需求参数获得模块14还用于执行以下步骤：
对酒店的历史营业信息进行遍历抽取，获取样本入住次数集合、样本入住价格集合和样本反馈信息集合；
根据所述历史营业信息进行遍历抽取，基于所述样本入住次数集合、样本入住价格集合和样本反馈信息集合，获取不同样本入住次数、样本入住价格和样本反馈信息下对空调和加湿器进行维护的比例，获得样本第二维护需求参数集合；
基于所述样本入住次数集合、样本入住价格集合、样本反馈信息集合和样本第二维护需求参数集合，采用K近邻算法，构建所述收益维护需求分析分支，其中，所述收益维护需求分析分支内包括维护需求分析坐标系，所述维护需求分析坐标系内包括多个样本坐标点，每个样本坐标点被一对应的样本第二维护需求参数标记。
进一步的，所述维护方案决策分支构建模块15还用于执行以下步骤：
获取样本综合维护需求参数集合和样本维护方案集合；
对所述样本综合维护需求参数集合内的多个综合维护需求参数进行遍历抽取，构建多层决策节点，每层决策节点对输入的综合维护需求参数进行二分类划分决策；
采用所述样本维护方案集合内的多个样本维护方案，对所述多层决策节点的多个最终划分结果进行标记，作为多个决策结果，获得所述维护方案决策分支。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，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。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (3)

1.一种酒店设备的智能管理方法，其特征在于，所述方法包括：
采集酒店内目标房间中空调和加湿器在不同的多个控制信号下，达到多个需求控制参数的达成效率和达成准确性参数，获得达成效率集合和达成准确性参数集合，并计算获得综合达成效率和综合达成准确性参数；
构建设备管理分析通道，将所述综合达成效率和综合达成准确性参数输入所述设备管理分析通道，进行维护需求分析，获得第一维护需求参数；
采集所述目标房间在预设时间范围内的入住次数、入住价格，以及用户对所述目标房间内空调和加湿器的反馈信息；
构建收益维护需求分析分支，嵌入于所述设备管理分析通道，将所述入住次数、入住价格和反馈信息输入所述收益维护需求分析分支，进行维护需求分析，获得第二维护需求参数，结合所述第一维护需求参数，计算获得综合维护需求参数；
构建维护方案决策分支，嵌入于所述设备管理分析通道；
判断所述综合维护需求参数是否达到维护需求参数阈值，若是，则输入所述维护方案决策分支，获得设备管理方案，对所述目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理；
采集酒店内目标房间中空调和加湿器在不同的多个控制信号下，达到多个需求控制参数的达成效率和达成准确性参数，获得达成效率集合和达成准确性参数集合，包括：
获取所述目标房间内对空调和加湿器进行控制的多个控制信号，其中，每个控制信号包括控制温度和控制湿度；
采用所述多个控制信号，对所述目标房间中空调和加湿器进行控制，获取温度和湿度稳定后的多个控制时间，以及多个稳定温度和多个稳定湿度；
以所述多个控制时间，作为所述达成效率集合，根据所述多个稳定温度、多个稳定湿度和所述多个控制信号内的控制温度和控制湿度，计算获得所述达成准确性参数集合；
计算获得综合达成效率和综合达成准确性参数，包括：
根据所述多个控制信号在所述预设时间范围内的执行次数的大小，进行权重分配，获得多个控制权值；
采用所述多个控制权值，对所述达成效率集合和达成准确性参数集合内的多个达成效率和多个达成准确性参数进行加权计算，获得所述综合达成效率和综合达成准确性参数；
构建设备管理分析通道，包括：
对酒店内多个房间中空调和加湿器运行和维护的数据进行遍历抽取，获取样本综合达成效率集合、样本综合达成准确率参数集合；
根据所述样本综合达成效率集合、样本综合达成准确率参数集合内不同样本综合达成效率和样本综合达成准确率参数下对空调和加湿器进行维护的比例，获得样本第一维护需求参数集合；
基于所述样本综合达成效率集合、样本综合达成准确率参数集合和样本第一维护需求参数集合，采用BP神经网络构建所述设备管理分析通道的网络架构，并进行监督学习，获得满足收敛条件的所述设备管理分析通道；
构建收益维护需求分析分支，包括：
对酒店的历史营业信息进行遍历抽取，获取样本入住次数集合、样本入住价格集合和样本反馈信息集合；
根据所述历史营业信息进行遍历抽取，获取样本入住次数集合、样本入住价格集合和样本反馈信息集合，获取不同样本入住次数、样本入住价格和样本反馈信息下对空调和加湿器进行维护的比例，获得样本第二维护需求参数集合；
基于所述样本入住次数集合、样本入住价格集合、样本反馈信息集合和样本第二维护需求参数集合，采用K近邻算法，构建所述收益维护需求分析分支，其中，所述收益维护需求分析分支内包括维护需求分析坐标系，所述维护需求分析坐标系内包括多个样本坐标点，每个样本坐标点被一对应的样本第二维护需求参数标记；
构建维护方案决策分支，包括：
获取样本综合维护需求参数集合和样本维护方案集合；
对所述样本综合维护需求参数集合内的多个综合维护需求参数进行遍历抽取，构建多层决策节点，每层决策节点对输入的综合维护需求参数进行二分类划分决策；
采用所述样本维护方案集合内的多个样本维护方案，对所述多层决策节点的多个最终划分结果进行标记，作为多个决策结果，获得所述维护方案决策分支。
2.根据权利要求1所述的方法，其特征在于，采集所述目标房间在预设时间范围内的入住次数、入住价格，以及用户对所述目标房间内空调和加湿器的反馈信息，包括：
根据酒店的营业信息，获取所述目标房间在所述预设时间范围内的入住率信息，以及多次入住的多个价格信息；
根据所述多个价格信息的入住次数的大小，对所述多个价格信息进行加权计算，获得所述入住价格；
获取所述预设时间范围内，用户反映所述目标房间内空调和加湿器不合格的次数，获得所述反馈信息。
3.一种酒店设备的智能管理系统，其特征在于，所述系统用于执行权利要求1-2任一项所述的方法，所述系统包括：
综合达成参数获取模块，所述综合达成参数获取模块用于采集酒店内目标房间中空调和加湿器在不同的多个控制信号下，达到多个需求控制参数的达成效率和达成准确性参数，获得达成效率集合和达成准确性参数集合，并计算获得综合达成效率和综合达成准确性参数；
第一维护需求参数获得模块，所述第一维护需求参数获得模块用于构建设备管理分析通道，将所述综合达成效率和综合达成准确性参数输入所述设备管理分析通道，进行维护需求分析，获得第一维护需求参数；
用户信息采集模块，所述用户信息采集模块用于采集所述目标房间在预设时间范围内的入住次数、入住价格，以及用户对所述目标房间内空调和加湿器的反馈信息；
综合维护需求参数获得模块，所述综合维护需求参数获得模块用于构建收益维护需求分析分支，嵌入于所述设备管理分析通道，将所述入住次数、入住价格和反馈信息输入所述收益维护需求分析分支，进行维护需求分析，获得第二维护需求参数，结合所述第一维护需求参数，计算获得综合维护需求参数；
维护方案决策分支构建模块，所述维护方案决策分支构建模块用于构建维护方案决策分支，嵌入于所述设备管理分析通道；
管理维护模块，所述管理维护模块用于判断所述综合维护需求参数是否达到维护需求参数阈值，若是，则输入所述维护方案决策分支，获得设备管理方案，对所述目标房间内的空调和加湿器进行管理维护，若否，则不进行设备维护管理。
CN202310936876.6A 2023-07-28 2023-07-28 酒店设备的智能管理方法及系统 Active CN117010638B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310936876.6A CN117010638B (zh) 2023-07-28 2023-07-28 酒店设备的智能管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310936876.6A CN117010638B (zh) 2023-07-28 2023-07-28 酒店设备的智能管理方法及系统

Publications (2)

Publication Number Publication Date
CN117010638A CN117010638A (zh) 2023-11-07
CN117010638B true CN117010638B (zh) 2024-04-19

Family

ID=88570394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310936876.6A Active CN117010638B (zh) 2023-07-28 2023-07-28 酒店设备的智能管理方法及系统

Country Status (1)

Country Link
CN (1) CN117010638B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557410A (zh) * 2023-12-07 2024-02-13 杭州西软信息技术有限公司 一种用于智能酒店的数字化管理方法与系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930485A (zh) * 2012-09-12 2013-02-13 上海研庆电子有限公司 五星级酒店管理系统
CN205644078U (zh) * 2016-03-30 2016-10-12 临沂大学 一种智能客房控制器
CN106570641A (zh) * 2016-11-07 2017-04-19 成都科曦科技有限公司 一种基于万物互联的智慧酒店管理系统
CN106651119A (zh) * 2016-11-07 2017-05-10 成都科曦科技有限公司 一种智慧酒店的工程安防决策系统
CN107463154A (zh) * 2017-08-15 2017-12-12 三星电子（中国）研发中心 一种智能酒店节能控制方法和系统
CN108958052A (zh) * 2018-07-13 2018-12-07 无锡南理工科技发展有限公司 一种基于物联网和互联网的酒店客房管理系统
CN110097480A (zh) * 2019-04-30 2019-08-06 四川创客知佳科技有限公司 一种基于区块链的智能无人酒店系统
CN114140273A (zh) * 2021-12-04 2022-03-04 杭州爱讯科技有限公司 一种旅居养老酒店入住管理系统及方法
CN114690658A (zh) * 2022-03-10 2022-07-01 深圳绿米联创科技有限公司 设备控制方法、装置、设备、系统和存储介质
KR20220151055A (ko) * 2021-05-04 2022-11-14 (주)키링크 사물인터넷에 기반하여 지능적으로 객실을 관리하는 지능형 객실관리 시스템
CN115496628A (zh) * 2022-10-21 2022-12-20 普杰软件(南京)有限公司 一种智慧酒店管理系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101768186B1 (ko) * 2009-07-20 2017-09-05 삼성전자주식회사 에너지 관리 시스템 및 방법
US10169743B2 (en) * 2012-08-29 2019-01-01 Fiix Inc. Computer system and method for maintenance management including collaboration across clients

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930485A (zh) * 2012-09-12 2013-02-13 上海研庆电子有限公司 五星级酒店管理系统
CN205644078U (zh) * 2016-03-30 2016-10-12 临沂大学 一种智能客房控制器
CN106570641A (zh) * 2016-11-07 2017-04-19 成都科曦科技有限公司 一种基于万物互联的智慧酒店管理系统
CN106651119A (zh) * 2016-11-07 2017-05-10 成都科曦科技有限公司 一种智慧酒店的工程安防决策系统
CN107463154A (zh) * 2017-08-15 2017-12-12 三星电子（中国）研发中心 一种智能酒店节能控制方法和系统
CN108958052A (zh) * 2018-07-13 2018-12-07 无锡南理工科技发展有限公司 一种基于物联网和互联网的酒店客房管理系统
CN110097480A (zh) * 2019-04-30 2019-08-06 四川创客知佳科技有限公司 一种基于区块链的智能无人酒店系统
KR20220151055A (ko) * 2021-05-04 2022-11-14 (주)키링크 사물인터넷에 기반하여 지능적으로 객실을 관리하는 지능형 객실관리 시스템
CN114140273A (zh) * 2021-12-04 2022-03-04 杭州爱讯科技有限公司 一种旅居养老酒店入住管理系统及方法
CN114690658A (zh) * 2022-03-10 2022-07-01 深圳绿米联创科技有限公司 设备控制方法、装置、设备、系统和存储介质
CN115496628A (zh) * 2022-10-21 2022-12-20 普杰软件(南京)有限公司 一种智慧酒店管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
某五星酒店综合节能改造分析;杨青;吴辉;;现代建筑电气;20161230(12);全文 *
酒店建筑设备监控系统的功能设计与调试;万军;;现代建筑电气;20110730(07);全文 *

Also Published As

Publication number Publication date
CN117010638A (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
Luo et al. Feature extraction and genetic algorithm enhanced adaptive deep neural network for energy consumption prediction in buildings
Capozzoli et al. Data analytics for occupancy pattern learning to reduce the energy consumption of HVAC systems in office buildings
Song et al. Predicting hourly energy consumption in buildings using occupancy-related characteristics of end-user groups
Pazhoohesh et al. A satisfaction-range approach for achieving thermal comfort level in a shared office
US10175709B2 (en) Consumer electric power control system and consumer electric power control method
Mitra et al. Cluster analysis of occupancy schedules in residential buildings in the United States
CN117010638B (zh) 酒店设备的智能管理方法及系统
Serrano-Guerrero et al. Statistical methodology to assess changes in the electrical consumption profile of buildings
Yalcintas An energy benchmarking model based on artificial neural network method with a case example for tropical climates
CN116167250B (zh) 一种基于温差加权和时间序列算法的机房环境评估方法
CN113240184B (zh) 一种基于联邦学习的楼宇空间单元冷负荷预测方法及系统
Wang et al. Fault detection and diagnosis for multiple faults of VAV terminals using self-adaptive model and layered random forest
CN116739562A (zh) 一种基于lstm的配电网稳定性运维方法
CN109977621A (zh) 一种基于深度学习的空调故障预测方法
JP2005226845A (ja) 空調負荷予測方法、空調負荷予測装置、空調負荷予測プログラムおよび記録媒体
CN117553404A (zh) 一种提高大型水冷中央空调系统能效的方法及系统
CN112686442A (zh) 基于运行多样性空调末端能耗预测方法和系统
CN110717603B (zh) 基于bim和用电数据的评价方法、装置、介质及终端
CN111242266A (zh) 一种运行数据管理系统
KR102413648B1 (ko) 대상 건물의 에너지 운용 정책을 결정하는 장치, 방법 및 컴퓨터 프로그램
Taheri et al. Real-world implementation of a cloud-based MPC for HVAC control in educational buildings
Verellen et al. Using data-driven models to estimate the energy use of buildings based on a building stock model
CN116224780A (zh) 一种轨道交通车站能耗控制方法、装置及电子设备
Arias-Requejo et al. Clustering and Deep-Learning for Energy Consumption Forecast in Smart Buildings
Campos et al. A decision support system for energy-efficiency investments on building renovations

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