CN117057773A - 一种设备维修策略的推荐方法及系统 - Google Patents
一种设备维修策略的推荐方法及系统 Download PDFInfo
- Publication number
- CN117057773A CN117057773A CN202310806586.XA CN202310806586A CN117057773A CN 117057773 A CN117057773 A CN 117057773A CN 202310806586 A CN202310806586 A CN 202310806586A CN 117057773 A CN117057773 A CN 117057773A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- equipment
- recommendation model
- repair
- strategy
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 329
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000008439 repair process Effects 0.000 claims abstract description 81
- 238000005457 optimization Methods 0.000 claims abstract description 79
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 47
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种设备维修策略的推荐方法及系统,该方法包括:获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
Description
技术领域
本发明属于设备维修策略推荐技术领域,更具体地,涉及一种设备维修策略的推荐方法及系统。
背景技术
设备维修行业目前仍然是一个非常重要的行业,随着科技的发展和各种设备的普及,设备出现故障或需要维护的情况依然频繁发生。以下是设备维修行业的一些现状:
1.数字化维修:随着物联网和大数据技术的发展,设备维修正变得更加数字化。通过传感器和连接设备,可以实时监测设备运行状态,收集数据并进行故障预测和远程诊断。这有助于提高维修效率和减少停机时间。
2.自动化维修:机器人技术在设备维修领域得到广泛应用。机器人可以执行简单的维修任务,例如紧固螺丝、更换零件等。这种自动化减少了人工操作的需求,提高了维修速度和准确性。
3.数据驱动的维修决策:通过分析大数据,设备维修公司可以识别常见故障模式、设备寿命预测和优化维修计划。这有助于降低成本、提高设备可靠性和延长设备使用寿命。
4.远程维修:远程技术支持和远程维修工具的发展使得可以通过网络进行远程故障诊断和修复。这样可以减少维修人员上门的频率,提高响应速度,节省时间和成本。
5.多领域维修:设备维修不再局限于特定领域,如电子设备或机械设备。现在的维修公司需要跨领域技能,可以处理各种类型的设备,包括工业设备、医疗设备、家用电器等。
6.环保维修:在维修过程中,越来越多的企业开始重视环境保护。维修公司采取可持续的实践,例如回收利用零件、合理处理废弃物等,以减少对环境的影响。
现有技术中,并没有一种技术方案,能够针对不同的故障进行有针对性的自动化的维修策略推荐。
发明内容
为解决以上技术问题,本发明提出一种设备维修策略的推荐方法,包括:
获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
进一步的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Reparir Cost为维修成本,RepairTime为维修时间,k1为维修成本权重,k2为维修时间权重。
进一步的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
进一步的,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
进一步的,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、b、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
本发明还提出一种设备维修策略的推荐系统,包括:
获取数据模块,用于获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
设置模型模块,用于设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
推荐模块,用于设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
进一步的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,k1为维修成本权重,k2为维修时间权重。
进一步的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
进一步的,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
进一步的,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、b、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
本发明通过获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。本发明通过以上技术方案,能够根据维修策略推荐模型针对设备故障推荐最合适的维修策略,提高了维修效率。
附图说明
图1是本发明实施例1的方法的流程图;
图2是本发明实施例2的系统的结构图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施,所述终端可以包括一个或多个如下部件:处理器、存储介质和显示屏。其中,存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分,通过运行或执行存储在存储介质内的指令、程序、代码集或指令集,以及调用存储在存储介质内的数据,执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory,RAM),也可以包括只读存储介质(Read-Only Memory,ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分个参数,并没有实际含义。
除此之外,本领域技术人员可以理解,上述终端的结构并不构成对终端的限定,终端可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件,在此不再赘述。
实施例1
如图1所示,本发明实施例提供一种设备维修策略的推荐方法,包括:
步骤101,获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
步骤102,设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
具体的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,k1为维修成本权重,k2为维修时间权重。
具体的,所述维修策略推荐模型还可以为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
步骤103,设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
具体的,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
具体的,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、b、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
实施例2
如图2所示,本发明实施例还提供一种设备维修策略的推荐方法,包括:
获取数据模块,用于获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
设置模型模块,用于设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
具体的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,k1为维修成本权重,k2为维修时间权重。
具体的,所述维修策略推荐模型还可以为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
推荐模块,用于设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
具体的,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
具体的,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、d、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
实施例3
本发明实施例还提出一种存储介质,存储有多条指令,所述指令用于实现所述的一种设备维修策略的推荐方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:步骤101,获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
步骤102,设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
具体的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,k1为维修成本权重,k2为维修时间权重。
具体的,所述维修策略推荐模型还可以为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
步骤103,设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
具体的,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
具体的,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、b、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
实施例4
本发明实施例还提出一种电子设备,包括处理器和与所述处理器连接的存储介质,所述存储介质存储有多条指令,所述指令可被所述处理器加载并执行,以使所述处理器能够执行所述的一种设备维修策略的推荐方法。
具体的,本实施例的电子设备可以是计算机终端,所述计算机终端可以包括:一个或多个处理器、以及存储介质。
其中,存储介质可用于存储软件程序以及模块,如本发明实施例中的一种设备维修策略的推荐方法,对应的程序指令/模块,处理器通过运行存储在存储介质内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的一种设备维修策略的推荐方法。存储介质可包括高速随机存储介质,还可以包括非易失性存储介质,如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储介质。在一些实例中,存储介质可进一步包括相对于处理器远程设置的存储介质,这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输系统调用存储介质存储的信息及应用程序,以执行下述步骤:步骤101,获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
步骤102,设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
具体的,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,k1为维修成本权重,k2为维修时间权重。
具体的,所述维修策略推荐模型还可以为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,RepairTime为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
步骤103,设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
具体的,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
具体的,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、b、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应所述理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的系统实施例仅仅是示意性的,例如所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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所述技术方案的全部或部分可以以软件产品的形式体现出来,所述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(可为个人计算机、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、只读存储介质(ROM,Read-Only Memory)、随机存取存储介质(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种设备维修策略的推荐方法,其特征在于,包括:
获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
2.如权利要求1所述的一种设备维修策略的推荐方法,其特征在于,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,Repair Time为维修时间,k1为维修成本权重,k2为维修时间权重。
3.如权利要求1所述的一种设备维修策略的推荐方法,其特征在于,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,Repair Time为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
4.如权利要求3所述的一种设备维修策略的推荐方法,其特征在于,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
5.如权利要求4所述的一种设备维修策略的推荐方法,其特征在于,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、b、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
6.一种设备维修策略的推荐系统,其特征在于,包括:
获取数据模块,用于获取设备维修样本数据和设备维修样本数据的数量,其中,所述设备维修样本数据包括:设备损坏的严重程度、维修成本和维修时间;
设置模型模块,用于设置维修策略推荐模型,按照所述设备维修样本数据的数量,将所述设备维修样本数据,计算维修策略的推荐指数;
推荐模块,用于设置维修策略推荐模型优化函数,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛,获取收敛后的所述维修策略推荐模型优化函数中的影响因子,并对所述维修策略推荐模型进行优化,计算最终的所述维修策略的推荐指数,并根据所述维修策略的推荐指数推荐设备维修策略。
7.如权利要求6所述的一种设备维修策略的推荐系统,其特征在于,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,Repair Time为维修时间,k1为维修成本权重,k2为维修时间权重。
8.如权利要求6所述的一种设备维修策略的推荐系统,其特征在于,所述维修策略推荐模型为:
其中,Repair Score为维修策略的推荐指数,Severity为设备损坏的严重程度,用一个0到1之间的值表示,0表示无损坏,1表示完全损坏,Repair Cost为维修成本,Repair Time为维修时间,a为设备损坏的严重程度影响因子,b为调整因子,c为维修成本影响因子,d为维修时间影响因子。
9.如权利要求8所述的一种设备维修策略的推荐系统,其特征在于,所述维修策略推荐模型优化函数为:
其中,N为设备维修样本数据的数量,Repair Scorei为第i个评估指标。
10.如权利要求9所述的一种设备维修策略的推荐系统,其特征在于,并对所述维修策略推荐模型优化函数进行优化迭代,直到所述维修策略推荐模型收敛包括:
步骤21,选择初始参数值a、b、c和d;
步骤22,计算所述维修策略推荐模型优化函数的梯度;
步骤23,根据所述梯度,更新a、b、c和d;
步骤24,重复步骤22和步骤23,直到所述维修策略推荐模型优化函数收敛。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806586.XA CN117057773A (zh) | 2023-06-30 | 2023-06-30 | 一种设备维修策略的推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806586.XA CN117057773A (zh) | 2023-06-30 | 2023-06-30 | 一种设备维修策略的推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117057773A true CN117057773A (zh) | 2023-11-14 |
Family
ID=88654225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310806586.XA Pending CN117057773A (zh) | 2023-06-30 | 2023-06-30 | 一种设备维修策略的推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057773A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413586A (zh) * | 2013-07-26 | 2013-11-27 | 国核电站运行服务技术有限公司 | 一种核电厂多部件系统维修方法 |
WO2019209137A1 (ru) * | 2018-04-28 | 2019-10-31 | Общество С Ограниченной Ответственностью "Кловер Групп" | Способ и система для диагностирования промышленного объекта |
CN111667078A (zh) * | 2020-06-04 | 2020-09-15 | 三一重机有限公司 | 挖掘机的维修策略确定方法和装置 |
CN111967636A (zh) * | 2020-06-08 | 2020-11-20 | 北京大学 | 用于辅助决策配电网维修策略的系统和方法 |
-
2023
- 2023-06-30 CN CN202310806586.XA patent/CN117057773A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413586A (zh) * | 2013-07-26 | 2013-11-27 | 国核电站运行服务技术有限公司 | 一种核电厂多部件系统维修方法 |
WO2019209137A1 (ru) * | 2018-04-28 | 2019-10-31 | Общество С Ограниченной Ответственностью "Кловер Групп" | Способ и система для диагностирования промышленного объекта |
CN111667078A (zh) * | 2020-06-04 | 2020-09-15 | 三一重机有限公司 | 挖掘机的维修策略确定方法和装置 |
CN111967636A (zh) * | 2020-06-08 | 2020-11-20 | 北京大学 | 用于辅助决策配电网维修策略的系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107819627B (zh) | 系统故障处理方法及服务器 | |
US11507881B2 (en) | Analysis apparatus, analysis method, and analysis program for calculating prediction error and extracting error factor | |
CN113935497A (zh) | 智能运维故障处理方法、装置、设备及其存储介质 | |
CN102902576B (zh) | 一种渲染网页的方法、服务器和系统 | |
CN107704331A (zh) | 电力设备故障分析处理辅助方法及装置 | |
CN111967655A (zh) | 一种短期负荷预测方法及系统 | |
CN110503507B (zh) | 基于大数据的保险产品数据推送方法、系统及计算机设备 | |
EP3796109A1 (en) | System, apparatus and method for predicting attributes of an asset | |
CN115099153A (zh) | 风功率预测模型训练方法、风功率预测方法、装置及介质 | |
CN113487086B (zh) | 设备剩余使用寿命预测方法、装置、计算机设备和介质 | |
Savsar | Effects of degraded operation modes on reliability and performance of manufacturing cells | |
CN117057773A (zh) | 一种设备维修策略的推荐方法及系统 | |
CN111832758A (zh) | 基于数字孪生的地铁站台门维保作业方法和装置以及设备 | |
CN117294617A (zh) | 通信网络异常检测方法及装置 | |
CN116167935A (zh) | 二维码的修复方法、装置、设备及介质 | |
CN106294058A (zh) | 处理运营问题单据的目标策略确定方法及装置 | |
CN115130911A (zh) | 机器人执行失败的配送任务的处理方法及装置 | |
CN113704750A (zh) | 分布式发电系统的网络攻击检测方法、装置及终端设备 | |
CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
CN117057527B (zh) | 一种汽车制造设备工业物联网智慧运维方法及系统 | |
CN114237915B (zh) | 分布式环境下基于机器学习的数据修复方法、装置及设备 | |
CN116842169B (zh) | 电力网格会话管理方法、系统、终端及存储介质 | |
CN113495831B (zh) | 基于关键字生成测试用例的方法、系统、设备及介质 | |
CN117057538B (zh) | 一种基于模型的门店维修人员调度方法及系统 | |
CN117428760B (zh) | 一种基于人工智能的关节模组控制系统及方法 |
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 |