CN117198458B - 一种基于物联网的药物筛选装置故障预测系统 - Google Patents

Abstract

本发明涉及药物筛选技术领域，用于解决现有的难以对药物筛选装置的故障情况进行准确的分析和及时的反馈，影响药物筛选的效率，难以保证药物筛选的准确性的问题，尤其公开了一种基于物联网的药物筛选装置故障预测系统，包括服务器，服务器通信连接有数据监测模块、宏观故障预测模块、微观故障预测模块、故障综合考究模块、预警反馈模块和显示终端；本发明，通过公式计算以及数据比较和符号输出的方式，分别从宏观层面和微观层面对药物筛选装置的故障预测，确了药物筛选装置的故障等级，并采用警报通知的方式进行显示说明，从而保障药物筛选装置的稳定运行奠定了基础，增加了药物筛选的准确性，促进了药物筛选的效率。

Description

一种基于物联网的药物筛选装置故障预测系统

技术领域

本发明涉及药物筛选技术领域，具体为一种基于物联网的药物筛选装置故障预测系统。

背景技术

在制药行业中，利用药物筛选机进行筛选分类已成常态。药物筛选机是在药品生产过程中保持药品质量的重要保障，因此，制药行业在选择药物筛选机的时候，不仅需要结合实际生产情况，还要能做到对药物筛选机的故障分析。

传统的制药行业中对药物进行筛选的过程需要消耗大量的资源，使得研发周期大幅度增加同时研发费用巨大，造成资源的浪费，因此，将人工智能技术应用于药物筛选中，可以大幅度的减少相关工作所需的时间和费用。但基于物联网技术下的药物筛选装置，由于药物筛选装置结构复杂，若不能对药物筛选装置的故障情况进行准确的分析和及时的反馈，则不仅会影响药物筛选的效率，还难以保证药物筛选的准确性，极大制约了制药行业的发展。

为了解决上述缺陷，现提供一种技术方案。

发明内容

本发明的目的就在于解决现有的难以对药物筛选装置的故障情况进行准确的分析和及时的反馈，影响药物筛选的效率，难以保证药物筛选的准确性，极大制约了制药行业的发展的问题，通过公式计算以及数据比较和符号输出的方式，分别从宏观层面和微观层面对药物筛选装置的故障预测，并采用数据整合以及数据罗列的方式，明确了药物筛选装置的故障等级，并采用警报通知的方式进行显示说明，从而在实现对药物筛选装置的故障情况的准确预测的同时，也为保障药物筛选装置的稳定运行奠定了基础，增加了药物筛选的准确性，促进了药物筛选的效率，而提出一种基于物联网的药物筛选装置故障预测系统。

本发明的目的可以通过以下技术方案实现：

一种基于物联网的药物筛选装置故障预测系统，包括服务器，服务器通信连接有数据监测模块、宏观故障预测模块、微观故障预测模块、故障综合考究模块、预警反馈模块和显示终端；

所述数据监测模块用于采集单位时间内的药物筛选装置的宏观性能运行参数以及药物筛选装置所处的环境干扰信息和操作影响信息，并将其分别发送至宏观故障预测模块、微观故障预测模块；

所述宏观故障预测模块用于接收单位时间内药物筛选装置的宏观性能运行参数，并进行宏观故障预测分析处理，据此生成宏观轻度风险判定信号、宏观中度风险判定信号、宏观重度风险判定信号，并通过服务器将其均发送至故障综合考究模块；

所述微观故障预测模块的内部设置有外部环境干扰单元、人为操作影响单元和数据合并分析单元；

外部环境干扰单元，用于接收药物筛选装置所处的环境干扰信息，并进行外部环境干扰分析处理，据此生成一阶环境干扰信号、二阶环境干扰信号和三阶环境干扰信号，并将其发送至数据合并分析单元；

人为操作影响单元，用于接收药物筛选装置的操作影响信息，并进行人为操作影响程度判定分析处理，据此生成一阶操作影响信号、二阶操作影响信号、三阶操作影响信号，并将其发送至数据合并分析单元；

数据合并分析单元，用于接收环境干扰类型判定信号和操作影响类型判定信号，并将其进行数据整合分析处理，据此生成微观轻度风险判定信号、微观中度风险判定信号、微观重度风险判定信号，并将其通过服务器发送至故障综合考究模块；

所述故障综合考究模块用于将宏观风险类型判定信号和微观风险类型判定信号进行故障综合分析处理，据此生成一级故障预警信号、二级故障预警信号和三级故障预警信号，并将其均发送至预警反馈模块；

所述预警反馈模块用于接收各等级判定信号进行预警分析处理，并以警报通知的方式发送至显示终端进行显示说明。

进一步的，宏观故障预测分析处理的具体操作步骤如下：

实时监测单位时间内药物筛选装置的宏观性能运行参数中的未检定占比值、未核查占比值和未维修占比值，并将其分别标定为doc、cek和rep，并将其进行归一化分析，依据设定的公式hgx＝g1*doc+g2*cek+g3*rep，得到药物筛选装置的宏观性能运行系数hgx，其中，g1、g2和g3分别为未检定占比值、未核查占比值和未维修占比值的权重因子系数，且g1、g2和g3均为大于0的自然数；

药物筛选装置的宏观性能运行系数的第一对比阈值TT1和第二对比阈值TT2，并将药物筛选装置的宏观性能运行系数与预设的第一对比阈值TT1和第二对比阈值TT2进行比较分析，其中，第一对比阈值TT1小于第二对比阈值TT2；

当药物筛选装置的宏观性能运行系数小于预设的第一对比阈值TT1时，则输出宏观轻度风险判定信号，当药物筛选装置的宏观性能运行系数处于预设的第一对比阈值TT1和第二对比阈值TT2之间时，则输出宏观中度风险判定信号，当药物筛选装置的宏观性能运行系数大于预设的第二对比阈值TT2时，则输出宏观重度风险判定信号。

进一步的，外部环境干扰分析处理的具体操作步骤如下：

实时监测单位时间内药物筛选装置所处的环境干扰信息中的极端温度数、供电中断值、运行时长和激增任务量，并将其分别标定为tem、zdl、yst和sug，并将其进行归一化分析，依据设定的公式sts＝f1*tem+f2*zdl+f3*yst+f4*sug，得到药物筛选装置的环境干扰系数sts，其中，f1、f2、f3和f4分别为极端温度数、供电中断值、运行时长和激增任务量的修正因子系数，且f1、f2、f3和f4均为大于0的自然数；

设置药物筛选装置的环境干扰系数的梯度参照区间Q1、Q2、Q3，并将药物筛选装置的环境干扰系数代入预设的梯度参照区间Q1、Q2、Q3内进行比较分析；

当环境干扰系数处于预设的梯度参照区间Q1之内时，则输出一阶环境干扰信号，当环境干扰系数处于预设的梯度参照区间Q2之内时，则输出二阶环境干扰信号，当环境干扰系数处于预设的梯度参照区间Q3之内时，则输出三阶环境干扰信号。

进一步的，人为操作影响程度判定分析处理的具体操作步骤如下：

实时获取单位时间内药物筛选装置的操作影响信息中的操作失误次数、工作经验量值和在岗时长，并将其分别标定为ops、exp和wh，并将其进行公式化分析，依据设定的公式czx＝e1*ops+e2*exp+e3*wh，得到药物筛选装置的操作系数czx，其中，e1、e2和e3分别为操作失误次数、工作经验量值和在岗时长的权重因子系数，且e1、e2和e3均为大于0的自然数；

将求得的单位时间内的药物筛选装置的操作系数进行数模建立分析，并以操作系数的表现数值为纵坐标，并时间为横坐标，并据此建立二维坐标系，并将单位时间内的药物筛选装置的操作系数通过折线的方式绘制在二维坐标系上，并据此得到操作状态折线；

计算操作状态折线与水平线之间的总夹角，当总夹角小于α1°时，则生成一阶操作影响信号，当总夹角处于α1°与α2°之间时，则生成二阶操作影响信号，当总夹角大于α2°时，则生成三阶操作影响信号。

进一步的，数据整合分析处理的具体操作步骤如下：

依据环境干扰类型判定信号建立集合A，将一阶环境干扰信号标定为元素a1，将二阶环境干扰信号标定为元素a2，将三阶环境干扰信号标定为元素a3，且元素a1∈集合A，元素a2∈集合A，元素a3∈集合A；

依据操作影响类型判定信号建立集合B，将一阶操作影响信号标定为元素b1，将二阶操作影响信号标定为元素b2，将三阶操作影响信号标定为元素b3，且元素b1∈集合B，元素b2∈集合B，元素b3∈集合B；

将集合A与B进行并集处理，若A∪B＝{a1，b1}时，则生成微观轻度风险判定信号，若A∪B＝{a1，b2}或{a2，b1}或{a1，b3}或{a3，b1}或{a2，b2}时，则均生成微观中度风险判定信号，若A∪B＝{a2，b3}或{a3，b2}或{a3，b3}时，则均生成微观重度风险判定信号。

进一步的，故障综合分析处理的具体操作步骤如下：

同时从宏观风险类型判定信号与微观风险类型判定信号中分别任意捕捉一个判定信号并进行整合；

当同时捕捉到宏观轻度风险判定信号与微观轻度风险判定信号时，则生成一级故障预警信号；

当同时捕捉到宏观重度风险判定信号和微观重度风险判定信号或宏观重度风险判定信号和微观中度风险判定信号或宏观中度风险判定信号和微观重度风险判定信号时，则均生成三级故障预警信号；

而其他情况下，则均生成二级故障预警信号。

进一步的，预警分析处理的具体操作步骤如下：

当接收到一级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在轻微故障”；

当接收到二级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在一般故障”；

当接收到三级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在严重故障”。

与现有技术相比，本发明的有益效果是：

本发明，通过符号化的标定以及归一化的分析和阈值设定比较分析的方式，从而在实现了对药物筛选装置故障的宏观分析的同时，也为实现对药物筛选装置故障的准确预测奠定了基础；

通过公式计算以及坐标模型分析和数据代入比对的方式，分别从外部环境干扰层面以及人为操作影响层面分析了药物筛选装置的故障情况，并采用数据的标定以及并集运算处理和信号输出的方式，从微观层面实现了对药物筛选装置的故障预测，并为实现对药物筛选装置故障的全面预测奠定了基础；

通过数据整合以及数据罗列的方式，明确了药物筛选装置的故障等级，并采用警报通知的方式进行显示说明，从而在实现对药物筛选装置的故障情况的准确预测的同时，也为保障药物筛选装置的稳定运行奠定了基础，增加了药物筛选的准确性，促进了药物筛选的效率。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的系统总框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。

如图1所示，一种基于物联网的药物筛选装置故障预测系统，包括服务器，服务器通信连接有数据监测模块、宏观故障预测模块、微观故障预测模块、故障综合考究模块、预警反馈模块和显示终端；

数据监测模块用于采集单位时间内的药物筛选装置的宏观性能运行参数以及药物筛选装置所处的环境干扰信息和操作影响信息，并将其分别发送至宏观故障预测模块、微观故障预测模块；

当宏观故障预测模块接收到单位时间内药物筛选装置的宏观性能运行参数时，并据此进行宏观故障预测分析处理，具体的操作过程如下：

实时监测单位时间内药物筛选装置的宏观性能运行参数中的未检定占比值、未核查占比值和未维修占比值，并将其分别标定为doc、cek和rep，并将其进行归一化分析，依据设定的公式hgx＝g1*doc+g2*cek+g3*rep，得到药物筛选装置的宏观性能运行系数hgx，其中，g1、g2和g3分别为未检定占比值、未核查占比值和未维修占比值的权重因子系数，且g1、g2和g3均为大于0的自然数，其中，权重因子系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，g1、g2和g3的具体数值的设定由本领域技术人员在具体的药物筛选装置故障预测案例中进行具体设置；

需要说明的是，未检定占比值指的是药物筛选装置在单位时间内检定的次数与额定检定次数之间的比值，设备是否按照规定日期进行设备的额检定和校准，未核查占比值指的是药物筛选装置在单位时间内核查的次数与额定核查次数之间的比值，未维修占比值指的是药物筛选装置在单位时间内检修的次数与额定检修次数之间的比值；

药物筛选装置的宏观性能运行系数的第一对比阈值TT1和第二对比阈值TT2，并将药物筛选装置的宏观性能运行系数与预设的第一对比阈值TT1和第二对比阈值TT2进行比较分析，其中，第一对比阈值TT1小于第二对比阈值TT2，且第一对比阈值TT1和第二对比阈值TT2的具体数值的设定由本领域技术人员在具体的药物筛选装置故障预测案例中进行具体设置；

当药物筛选装置的宏观性能运行系数小于预设的第一对比阈值TT1时，则输出宏观轻度风险判定信号，当药物筛选装置的宏观性能运行系数处于预设的第一对比阈值TT1和第二对比阈值TT2之间时，则输出宏观中度风险判定信号，当药物筛选装置的宏观性能运行系数大于预设的第二对比阈值TT2时，则输出宏观重度风险判定信号；

并通过服务器将生成的宏观轻度风险判定信号、宏观中度风险判定信号、宏观重度风险判定信号均发送至故障综合考究模块。

微观故障预测模块的内部设置有外部环境干扰单元、人为操作影响单元和数据合并分析单元；

当外部环境干扰单元接收到药物筛选装置所处的环境干扰信息时，并据此进行外部环境干扰分析处理，具体的操作过程如下：

实时监测单位时间内药物筛选装置所处的环境干扰信息中的极端温度数、供电中断值、运行时长和激增任务量，并将其分别标定为tem、zdl、yst和sug，并将其进行归一化分析，依据设定的公式sts＝f1*tem+f2*zdl+f3*yst+f4*sug，得到药物筛选装置的环境干扰系数sts，其中，f1、f2、f3和f4分别为极端温度数、供电中断值、运行时长和激增任务量的修正因子系数，且f1、f2、f3和f4均为大于0的自然数，其中，修正因子系数用于修正各项参数在公式计算过程中出现的偏差，从而使得计算更加准确的参数数据，而f1、f2、f3和f4的具体数值的设定由本领域技术人员在具体的药物筛选装置故障预测案例中进行具体设置；

需要说明的是，极端温度数指的是单位时间内药物筛选装置的电机出现过热次数的数据量值，当极端温度数的表现数值越大时，则越说明对药物筛选装置的运行干扰程度越大，则越容易引起药物筛选装置故障的发生；供电中断值指的是单位时间内药物筛选装置连接的上级电源出现供电中断次数的数据量值，当供电中断值的表现数值越大时，则越说明在药物筛选装置所处的物联网供电环境状态越不稳定，进而也越容易增大药物筛选装置发生故障的风险；激增任务量指的是单位时间内药物筛选装置所处理的筛选任务增加的幅度大小的数据量值，当激增任务量的表现数值较大时，则越说明药物筛选装置发生的故障风险越大；

设置药物筛选装置的环境干扰系数的梯度参照区间Q1、Q2、Q3，并将药物筛选装置的环境干扰系数代入预设的梯度参照区间Q1、Q2、Q3内进行比较分析，其中，梯度参照区间Q1、Q2、Q3的区间数值是呈梯度增加的，如当梯度参照区间Q1的区间数值设定为[5，10)，则梯度参照区间Q1的区间数值设定为[10，15)，梯度参照区间Q3的区间数值设定为[15，20)；

当环境干扰系数处于预设的梯度参照区间Q1之内时，则输出一阶环境干扰信号，当环境干扰系数处于预设的梯度参照区间Q2之内时，则输出二阶环境干扰信号，当环境干扰系数处于预设的梯度参照区间Q3之内时，则输出三阶环境干扰信号；

并将生成的一阶环境干扰信号、二阶环境干扰信号和三阶环境干扰信号发送至数据合并分析单元。

当人为操作影响单元接收到药物筛选装置的操作影响信息时，并据此进行人为操作影响程度判定分析处理，具体的操作过程如下：

实时获取单位时间内药物筛选装置的操作影响信息中的操作失误次数、工作经验量值和在岗时长，并将其分别标定为ops、exp和wh，并将其进行公式化分析，依据设定的公式czx＝e1*ops+e2*exp+e3*wh，得到药物筛选装置的操作系数czx，其中，e1、e2和e3分别为操作失误次数、工作经验量值和在岗时长的权重因子系数，且e1、e2和e3均为大于0的自然数，且e1、e2和e3的具体数值的设定由本领域技术人员在具体的药物筛选装置故障预测案例中进行具体设置；

需要说明的是，操作失误次数指的是单位时间内由于人为不正确操作的次数，工作经验量值指的是执行药物筛选装置的操作人员的累积的工作经验大小的数据量值，且工作经验大小可以通过工作累积年限来判定，而在岗时长指的是执行药物筛选装置的操作人员连续在岗工作时长的数据量值，当在岗时长的表现数值越大时，则越容易加速给药物筛选装置由人为干扰而产生的故障；

将求得的单位时间内的药物筛选装置的操作系数进行数模建立分析，并以操作系数的表现数值为纵坐标，并时间为横坐标，并据此建立二维坐标系，并将单位时间内的药物筛选装置的操作系数通过折线的方式绘制在二维坐标系上，并据此得到操作状态折线；

计算操作状态折线与水平线之间的总夹角，当总夹角小于α1°时，则生成一阶操作影响信号，当总夹角处于α1°与α2°之间时，则生成二阶操作影响信号，当总夹角大于α2°时，则生成三阶操作影响信号；

其中，α1°小于α2°，且α1°与α2°的具体角度的设置由本领域技术人员在具体的药物筛选装置故障预测案例中进行具体设定；

并将生成的一阶操作影响信号、二阶操作影响信号、三阶操作影响信号发送至数据合并分析单元。

当数据合并分析单元接收到环境干扰类型判定信号和操作影响类型判定信号时，并将其进行数据整合分析处理，具体的操作过程如下：

需要指出的是，环境干扰类型判定信号包括一阶环境干扰信号、二阶环境干扰信号、三阶环境干扰信号；操作影响类型判定信号包括一阶操作影响信号、二阶操作影响信号、三阶操作影响信号；

依据环境干扰类型判定信号建立集合A，将一阶环境干扰信号标定为元素a1，将二阶环境干扰信号标定为元素a2，将三阶环境干扰信号标定为元素a3，且元素a1∈集合A，元素a2∈集合A，元素a3∈集合A；

依据操作影响类型判定信号建立集合B，将一阶操作影响信号标定为元素b1，将二阶操作影响信号标定为元素b2，将三阶操作影响信号标定为元素b3，且元素b1∈集合B，元素b2∈集合B，元素b3∈集合B；

将集合A与B进行并集处理，若A∪B＝{a1，b1}时，则生成微观轻度风险判定信号，若A∪B＝{a1，b2}或{a2，b1}或{a1，b3}或{a3，b1}或{a2，b2}时，则均生成微观中度风险判定信号，若A∪B＝{a2，b3}或{a3，b2}或{a3，b3}时，则均生成微观重度风险判定信号；

并将生成的微观轻度风险判定信号、微观中度风险判定信号、微观重度风险判定信号通过服务器发送至故障综合考究模块。

当故障综合考究模块接收到宏观风险类型判定信号和微观风险类型判定信号时，并据此进行故障综合分析处理，具体的操作过程如下：

同时从宏观风险类型判定信号与微观风险类型判定信号中分别任意捕捉一个判定信号并进行整合；

需要指出的是，宏观风险类型判定信号包括宏观轻度风险判定信号、宏观中度风险判定信号、宏观重度风险判定信号；微观风险类型判定信包括微观轻度风险判定信号、微观中度风险判定信号、微观重度风险判定信号；

当同时捕捉到宏观轻度风险判定信号与微观轻度风险判定信号时，则生成一级故障预警信号；

当同时捕捉到宏观重度风险判定信号和微观重度风险判定信号或宏观重度风险判定信号和微观中度风险判定信号或宏观中度风险判定信号和微观重度风险判定信号时，则均生成三级故障预警信号；

而其他情况下，则均生成二级故障预警信号；

需要指出的是，其他情况包括宏观轻度风险判定信号和微观中度风险判定信号、宏观轻度风险判定信号和微观重度风险判定信号、宏观中度风险判定信号和微观中度风险判定信号、宏观中度风险判定信号和微观轻度风险判定信号、宏观重度风险判定信号和微观轻度风险判定信号；

并将生成的一级故障预警信号、二级故障预警信号和三级故障预警信号均发送至预警反馈模块；

当预警反馈模块接收各等级判定信号时并进行预警分析处理，具体的操作过程如下：

当接收到一级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在轻微故障”；

当接收到二级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在一般故障”；

当接收到三级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在严重故障”。

本发明在使用时，通过采集单位时间内的药物筛选装置的宏观性能运行参数并进行宏观故障预测分析处理，利用符号化的标定以及归一化的分析和阈值设定比较分析的方式，从而在实现了对药物筛选装置故障的宏观分析的同时，也为实现对药物筛选装置故障的准确预测奠定了基础；

通过捕捉药物筛选装置所处的环境干扰信息并进行外部环境干扰分析处理，利用数据计算以及参照区间的梯度设置和数据代入比对的方式，从外部环境干扰层面分析了药物筛选装置的故障情况，并通过获取药物筛选装置的操作影响信息并进行人为操作影响程度判定分析处理，利用数模分析以及坐标分析的方式，又从人为操作影响层面分析了药物筛选装置的故障情况；

并采用数据的标定以及并集运算处理和信号输出的方式，将药物筛选装置的外部环境干扰层面和人为操作影响层面进行了数据合并分析，从而在从微观层面实现了对药物筛选装置的故障预测的同时，也为实现对药物筛选装置故障的全面预测奠定了基础；

通过将宏观风险类型判定信号和微观风险类型判定信号进行故障综合分析处理，利用数据整合以及数据罗列的方式，明确了药物筛选装置的故障等级，并采用警报通知的方式进行显示说明，从而在实现对药物筛选装置的故障情况的准确预测的同时，也为保障药物筛选装置的稳定运行奠定了基础，增加了药物筛选的准确性，促进了药物筛选的效率。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种基于物联网的药物筛选装置故障预测系统，其特征在于，包括服务器，服务器通信连接有数据监测模块、宏观故障预测模块、微观故障预测模块、故障综合考究模块、预警反馈模块和显示终端；

所述数据监测模块用于采集单位时间内的药物筛选装置的宏观性能运行参数以及药物筛选装置所处的环境干扰信息和操作影响信息，并将其分别发送至宏观故障预测模块、微观故障预测模块；

所述宏观故障预测模块用于接收单位时间内药物筛选装置的宏观性能运行参数，并进行宏观故障预测分析处理，据此生成宏观轻度风险判定信号、宏观中度风险判定信号、宏观重度风险判定信号，并通过服务器将其均发送至故障综合考究模块；

所述微观故障预测模块的内部设置有外部环境干扰单元、人为操作影响单元和数据合并分析单元；

外部环境干扰单元，用于接收药物筛选装置所处的环境干扰信息，并进行外部环境干扰分析处理，其具体操作步骤如下：

实时监测单位时间内药物筛选装置所处的环境干扰信息中的极端温度数、供电中断值、运行时长和激增任务量，并将其进行归一化分析，得到药物筛选装置的环境干扰系数；

设置药物筛选装置的环境干扰系数的梯度参照区间Q1、Q2、Q3，并将药物筛选装置的环境干扰系数代入预设的梯度参照区间Q1、Q2、Q3内进行比较分析；

当环境干扰系数处于预设的梯度参照区间Q1之内时，则输出一阶环境干扰信号，当环境干扰系数处于预设的梯度参照区间Q2之内时，则输出二阶环境干扰信号，当环境干扰系数处于预设的梯度参照区间Q3之内时，则输出三阶环境干扰信号；

并将生成的一阶环境干扰信号、二阶环境干扰信号和三阶环境干扰信号发送至数据合并分析单元；

人为操作影响单元，用于接收药物筛选装置的操作影响信息，并进行人为操作影响程度判定分析处理，其具体操作步骤如下:

实时获取单位时间内药物筛选装置的操作影响信息中的操作失误次数、工作经验量值和在岗时长，并将其进行公式化分析，得到药物筛选装置的操作系数；

将求得的单位时间内的药物筛选装置的操作系数进行数模建立分析，并以操作系数的表现数值为纵坐标，以时间为横坐标，并据此建立二维坐标系，并将单位时间内的药物筛选装置的操作系数通过折线的方式绘制在二维坐标系上，并据此得到操作状态折线；

计算操作状态折线与水平线之间的总夹角，当总夹角小于α1°时，则生成一阶操作影响信号，当总夹角处于α1°与α2°之间时，则生成二阶操作影响信号，当总夹角大于α2°时，则生成三阶操作影响信号，并将生成的一阶操作影响信号、二阶操作影响信号、三阶操作影响信号发送至数据合并分析单元；

数据合并分析单元，用于接收环境干扰类型判定信号和操作影响类型判定信号，并将其进行数据整合分析处理，其具体操作步骤如下：

依据环境干扰类型判定信号建立集合A，将一阶环境干扰信号标定为元素a1，将二阶环境干扰信号标定为元素a2，将三阶环境干扰信号标定为元素a3，且元素a1∈集合A，元素a2∈集合A，元素a3∈集合A；

依据操作影响类型判定信号建立集合B，将一阶操作影响信号标定为元素b1，将二阶操作影响信号标定为元素b2，将三阶操作影响信号标定为元素b3，且元素b1∈集合B，元素b2∈集合B，元素b3∈集合B；

将集合A与B进行并集处理，若A∪B＝{a1，b1}时，则生成微观轻度风险判定信号，若A∪B＝{a1，b2}或{a2，b1}或{a1，b3}或{a3，b1}或{a2，b2}时，则均生成微观中度风险判定信号，若A∪B＝{a2，b3}或{a3，b2}或{a3，b3}时，则均生成微观重度风险判定信号；

并将生成的微观轻度风险判定信号、微观中度风险判定信号、微观重度风险判定信号通过服务器发送至故障综合考究模块；

所述故障综合考究模块用于将宏观风险类型判定信号和微观风险类型判定信号进行故障综合分析处理，据此生成一级故障预警信号、二级故障预警信号和三级故障预警信号，并将其均发送至预警反馈模块；

所述预警反馈模块用于接收各等级判定信号进行预警分析处理，并以警报通知的方式发送至显示终端进行显示说明。

2.根据权利要求1所述的一种基于物联网的药物筛选装置故障预测系统，其特征在于，宏观故障预测分析处理的具体操作步骤如下：

实时监测单位时间内药物筛选装置的宏观性能运行参数中的未检定占比值、未核查占比值和未维修占比值，并将其进行归一化分析，得到药物筛选装置的宏观性能运行系数；

药物筛选装置的宏观性能运行系数的第一对比阈值TT1和第二对比阈值TT2，并将药物筛选装置的宏观性能运行系数与预设的第一对比阈值TT1和第二对比阈值TT2进行比较分析，其中，第一对比阈值TT1小于第二对比阈值TT2；

当药物筛选装置的宏观性能运行系数小于预设的第一对比阈值TT1时，则输出宏观轻度风险判定信号，当药物筛选装置的宏观性能运行系数处于预设的第一对比阈值TT1和第二对比阈值TT2之间时，则输出宏观中度风险判定信号，当药物筛选装置的宏观性能运行系数大于预设的第二对比阈值TT2时，则输出宏观重度风险判定信号。

3.根据权利要求1所述的一种基于物联网的药物筛选装置故障预测系统，其特征在于，故障综合分析处理的具体操作步骤如下：

同时从宏观风险类型判定信号与微观风险类型判定信号中分别任意捕捉一个判定信号并进行整合；

当同时捕捉到宏观轻度风险判定信号与微观轻度风险判定信号时，则生成一级故障预警信号；

当同时捕捉到宏观重度风险判定信号和微观重度风险判定信号或宏观重度风险判定信号和微观中度风险判定信号或宏观中度风险判定信号和微观重度风险判定信号时，则均生成三级故障预警信号；

而其他情况下，则均生成二级故障预警信号。

4.根据权利要求1所述的一种基于物联网的药物筛选装置故障预测系统，其特征在于，预警分析处理的具体操作步骤如下：

当接收到一级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在轻微故障”；

当接收到二级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在一般故障”；

当接收到三级故障预警信号时，并在显示终端显示“药物筛选装置工作异常”，并同时语音循环播报“药物筛选装置存在严重故障”。