CN117332993A - 基于物联网的金融机具控制管理方法及系统 - Google Patents
基于物联网的金融机具控制管理方法及系统 Download PDFInfo
- Publication number
- CN117332993A CN117332993A CN202311613382.0A CN202311613382A CN117332993A CN 117332993 A CN117332993 A CN 117332993A CN 202311613382 A CN202311613382 A CN 202311613382A CN 117332993 A CN117332993 A CN 117332993A
- Authority
- CN
- China
- Prior art keywords
- financial
- fault
- centralized
- accessory
- iteration
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims abstract description 170
- 238000004519 manufacturing process Methods 0.000 claims abstract description 39
- 238000012423 maintenance Methods 0.000 claims abstract description 17
- 238000009826 distribution Methods 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 10
- 238000011144 upstream manufacturing Methods 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012035 limiting reagent Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012216 screening Methods 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
- G06Q10/06—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Probability & Statistics with Applications (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于物联网的金融机具控制管理方法及系统,涉及金融机具供应管理领域,包括:当第一金融机具故障时,加载金融机具溯源码和金融机具服役计时;根据金融机具溯源码,获得故障配件溯源厂家;获得第一集中评价值;获得第二集中评价值;采集多个第三故障配件服役计时集获得多个第三集中评价值;采集多个故障配件生产速度和多个故障配件物流距离;获得金融机具迭代质量指数,满足预设条件时,根据第三集中评价值、多个故障配件生产速度和多个故障配件物流距离,获得金融机具迭代方案进行维保管理。解决了现有技术中由于上下游数据的孤岛效应,导致存在金融机具的供应管理的效率较低,自动化程度较差的技术问题。
Description
技术领域
本发明涉及金融机具供应管理技术领域,具体涉及基于物联网的金融机具控制管理方法及系统。
背景技术
金融机具指的是金融机构工作使用的硬件和软件服务仪器,例如点钞机、验钞机、复点机、pos机、智能终端机、捆钞机、扎把机、碎纸机和身份证鉴别仪等产品。通过金融机具可以有效提升金融机构工作效率,增强工作质量。
金融机具的质量是保证金融机构日常稳定工作的重要前提,因此对金融机具进行高质量的供应管理,是金融机具组装企业,金融机具应用企业的重点管理内容。但是目前由于上下游数据的孤岛效应,导致金融机具的供应管理的效率较低,自动化程度较差。
发明内容
本申请提供了基于物联网的金融机具控制管理方法及系统,用于针对解决现有技术中由于上下游数据的孤岛效应,导致存在金融机具的供应管理的效率较低,自动化程度较差的技术问题。
鉴于上述问题,本申请提供了基于物联网的金融机具控制管理方法及系统。
本申请的第一个方面,提供了基于物联网的金融机具控制管理方法,包括:当第一金融机具故障时,加载第一金融机具基础信息,其中,所述第一金融机具基础信息包括金融机具溯源码和金融机具服役计时,所述金融机具服役计时为第一金融机具投产至故障的有效工作时长;接收第一金融机具故障配件,根据所述金融机具溯源码,获得故障配件溯源厂家;基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值;基于故障配件类型,基于物联网,采集第二故障配件服役计时集,进行集中值评价,获得第二集中评价值;基于所述故障配件类型和配件生产厂家集,基于物联网,采集多个第三故障配件服役计时集,进行集中值评价,获得多个第三集中评价值;遍历所述配件生产厂家集,基于物联网,采集多个故障配件生产速度和多个故障配件物流距离;根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数;当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
本申请的第二个方面,提供了基于物联网的金融机具控制管理系统,包括:当第一金融机具故障时,加载第一金融机具基础信息,其中,所述第一金融机具基础信息包括金融机具溯源码和金融机具服役计时,所述金融机具服役计时为第一金融机具投产至故障的有效工作时长;接收第一金融机具故障配件,根据所述金融机具溯源码,获得故障配件溯源厂家;基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值;基于故障配件类型,基于物联网,采集第二故障配件服役计时集,进行集中值评价,获得第二集中评价值;基于所述故障配件类型和配件生产厂家集,基于物联网,采集多个第三故障配件服役计时集,进行集中值评价,获得多个第三集中评价值;遍历所述配件生产厂家集,基于物联网,采集多个故障配件生产速度和多个故障配件物流距离;根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数;当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
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:
本申请通过提供如下技术方案:当金融机具故障时,确定金融机具溯源码和金融机具服役计时;利用溯源码可以通过物联网快速检索到金融机具的故障配件的生产厂家;确定匹配的生产厂家的该配件的集中故障服役时长,即为第一集中评价值;再统计故障配件整体的故障服役时长,即为第二集中评价值;再统计其它生产故障配件的集中故障服役时长,即为多个第三集中评价值;利用述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,可以得到表征当前选用厂家的供应质量数据,即为金融机具迭代质量指数;若是金融机具迭代质量指数满足预先设定的条件,即根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。利用物联网,结合溯源码和大数据打破数据孤岛,再利用本申请的迭代分析算法,得到和应用方较为契合的金融机具供应方案,达到了提升金融机具的供应管理效率,实现金融机具自动化供应管理的技术效果。
附图说明
图1为本申请提供的基于物联网的金融机具控制管理方法流程示意图;
图2为本申请提供的基于物联网的金融机具控制管理方法中获得金融机具迭代质量指数的流程示意图;
图3为本申请提供的基于物联网的金融机具控制管理方法中获得金融机具迭代方案的流程示意图;
图4为本申请提供的基于物联网的金融机具控制管理系统的结构示意图。
附图标记说明:基础信息采集模块100,故障配件溯源模块200,第一集中值评价模块300,第二集中值评价模块400,第三集中值评价模块500,厂家信息采集模块600,迭代质量分析模块700,机具迭代优化模块800。
具体实施方式
本申请通过提供了基于物联网的金融机具控制管理方法及系统,用于针对解决现有技术中由于上下游数据的孤岛效应,导致存在金融机具的供应管理的效率较低,自动化程度较差的技术问题。利用物联网,结合溯源码和大数据打破数据孤岛效应,再利用本申请的迭代分析算法,得到和应用方较为契合的金融机具供应方案,达到了提升金融机具的供应管理效率,实现金融机具自动化供应管理的技术效果。
实施例一
如图1所示,本申请提供了基于物联网的金融机具控制管理方法,包括:
当第一金融机具故障时,加载第一金融机具基础信息,其中,所述第一金融机具基础信息包括金融机具溯源码和金融机具服役计时,所述金融机具服役计时为第一金融机具投产至故障的有效工作时长;
具体而言,本申请实施例提供的基于物联网的金融机具控制管理方法,应用于基于物联网的金融机具控制管理系统,基于物联网的金融机具控制管理系统优选的以小程序、APP、网页或硬件的形式进行功能实现。应用本申请实施例的用于可为各金融机构,也可为处于金融机具供应链下游的各类企业,例如金融机具的组装企业。
第一金融机具可以指任意一个故障的金融机具类型,包括但不限于点钞机、验钞机、复点机、pos机、智能终端机、捆钞机、扎把机、碎纸机和身份证鉴别仪等产品。优选地,第一金融机具具有物联网无线或有线通信接口,可以通过通信接口实现第一金融机具的实时监测数的上传。故障类型为预先设定的故障数据:例如点钞机数量核对错误频率满足错误频率阈值;验钞机核对错误频率满足错误频率阈值;pos机无法刷新金额;捆钞机的捆绑位置出现偏差等各类型的故障。当第一金融机具触发故障类型时,则提取第一金融机具的基础数据,第一金融机具的基础数据至少包括第一金融机具的金融机具溯源码和金融机具服役计时。
进一步的,金融机具溯源码为第一金融机具制造时为了便于责任划分赋予的标识码,从金融机具溯源码可以了解其上下游的全生命周期数据,示例性地如:原料供应厂家、配件生产厂家、组装生产厂家等。金融机具服役计时指的是第一金融机具投产至出现无法修复故障的有效工作时长,优选的,当第一金融机具开始执行任务,方能算作有效工作时长,其它空闲状态下,即使开机也不算做有效工作时长,示例性地如:点钞机只有点钞时间属于有效工作时长,捆钞机只有捆钞时间属于有效工作时长。通过金融机具溯源码可以实现金融机具全生命周期流转状态监测,通过金融机具服役计时可以确定金融机具有效工作时长,去除了冗余数据的干扰。便于后步进行金融机具的故障管理。
接收第一金融机具故障配件,根据所述金融机具溯源码,获得故障配件溯源厂家;
具体而言,第一金融机具故障配件指的是第一金融机具故障的配件类型,优选的使用故障配件型号表征;预先构建一云端数据库,云端数据库需要授予权限方能访问,云端可以在接收到金融机具溯源码时,快速的匹配到第一金融机具,以及第一金融机具各个配件型号的全生命周期流转数据,因此可以得到第一金融机具故障配件的生产厂家的故障配件溯源厂家。
基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值;
具体而言,在物联网中,统计有多家使用了故障配件溯源厂家故障配件的用户,可采集从多家用户采集表征第一金融机具故障配件,以下称为第一故障配件的服役计时,存储为第一故障配件服役计时集。为了得到故障配件溯源厂家在第一故障配件较具代表性的服役生命时长。本申请实施例通过对第一故障配件服役计时集进行集中值评价,得到表征故障配件溯源厂家在第一故障配件较具代表性的服役生命时长,存储为第一集中评价值,置为待响应状态,等待后步调用。
优选的,集中值评价算法流程示例性地如下:
进一步的,基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值,包括:
提取所述第一故障配件服役计时集的上四分位服役计时和下四分位服役计时;
根据所述上四分位服役计时和所述下四分位服役计时,计算服役计时四分位差;
当所述服役计时四分位差大于或等于四分位差阈值,对所述第一故障配件服役计时集进行离散数据删除,生成集中服役计时集,进行均值评价,获得所述第一集中评价值。
具体而言,将第一故障配件服役计时集按照自小到大的顺序进行排序,得到第一故障配件服役计时集排序结果。使用上四分位序号=round(第一故障配件服役计时集数量*0.75上四分位服役计时)计算式,得到上四分位序号,按照第一故障配件服役计时集排序结果选择上四分位服役计时;使用下四分位序号=floor(第一故障配件服役计时集数量*0.25上四分位服役计时)计算式,得到下四分位序号,按照第一故障配件服役计时集排序结果选择下四分位服役计时。floor()为向下取整函数,round()为向上取整函数。对上四分位服役计时使用向上取整函数,对下四分位服役计时使用向下取整函数,可以使得更多数据分布于上四分位服役计时和下四分位服役计时之间。提升后步分析的准确性。
通过上四分位服役计时和下四分位服役计时的差值,即服役计时四分位差=上四分位服役计时-下四分位服役计时,由于上四分位服役计时和下四分位服役计时之间至少聚集了百分之50的数据,若是服役计时四分位差的值较小,说明至少百分之50的服役计时较为集中,则说明采集的第一故障配件服役计时集较为集中,则可以直接求取均值,得到代表性较强的第一集中评价值。但是若是服役计时四分位差的值较大,则说明第一故障配件服役计时集集中程度不足,需要进行离散数据删除。
基于如上原理,由用户设定四分位差阈值,用于评估服役计时四分位差较大或较小。具体包括两个实施场景:
场景一:当服役计时四分位差小于四分位差阈值,则直接对第一故障配件服役计时集求取均值,存储为第一集中评价值;
场景二:当服役计时四分位差大于或等于四分位差阈值,对第一故障配件服役计时集进行离散数据删除,生成集中服役计时集,进行均值评价,存储为第一集中评价值。
更进一步地,离散数据删除算法如下:
进一步的,当所述服役计时四分位差大于或等于四分位差阈值,对所述第一故障配件服役计时集进行离散数据删除,生成集中服役计时集,进行均值评价,获得所述第一集中评价值,包括:
对所述第一故障配件服役计时集进行两两距离分析,获得多个距离参数;
根据距离阈值,对所述多个距离参数进行聚类分析,获得多组距离参数,进行加权均值分析,获得距离均值;
基于k邻域,调度所述多个距离参数,遍历所述第一故障配件服役计时集,统计分布特征距离集,其中,所述k邻域指的是评价分布特征距离的邻近距离参数数量,所述分布特征距离为k邻域的邻近距离参数均值;
遍历所述分布特征距离集,与所述距离均值求比,获得分布离群系数集;
删除所述分布离群系数集中大于或等于分布离群系数阈值的第一故障配件服役计时,生成所述集中服役计时集,进行均值评价,获得所述第一集中评价值。
具体而言,本申请实施例,选择使用故障配件服役计时邻近的计时距离评价局部的离散程度。需要一个标准参数,即全局的平均距离,存储为距离均值。还需要每个故障配件服役计时的局部距离,局部距离以预设的邻近评价数量,构建k邻域,邻近评价数量即用于评价某个故障配件服役计时的邻近的故障配件服役计时数量,等于k值,≥5,为整数。
根据如上原理,分析流程如下:
任意两个故障配件服役计时的偏差绝对值,存储为多个距离参数;
进一步,由用户预设一距离阈值,对多个距离参数进行聚类分析,得到多组距离参数,任意两组的距离均值的偏差大于距离阈值。更进一步,利用权重=组内距离参数数量/距离参数数量总数,计算各组距离参数的权重,然后以各组距离参数的权重和各组距离参数均值求取加权平均数,设为距离均值。
更进一步,针对任意一个第一故障配件服役计时,自近到远筛选k个邻近的故障配件服役计时对应的距离参数,并求均值,获得任意一个第一故障配件服役计时的分布特征距离,存储进分布特征距离集;
更进一步,使用分布离群系数=分布特征距离/距离均值,遍历所述分布特征距离集,与所述距离均值求比,获得分布离群系数集,若是分布离群系数越大,则对应的故障配件服役计时离群程度越大。若是分布离群系数越小,则对应的故障配件服役计时离群程度越小。
更进一步,用户根据自己可以接受的离群程度,设定分布离群系数阈值,当分布离群系数大于或等于分布离群系数阈值时,将对应的第一故障配件服役计时从第一故障配件服役计时集中删除,将删除剩余的数据存储为集中服役计时集,进行均值评价,获得所述第一集中评价值。
基于故障配件类型,基于物联网,采集第二故障配件服役计时集,进行集中值评价,获得第二集中评价值;
基于所述故障配件类型和配件生产厂家集,基于物联网,采集多个第三故障配件服役计时集,进行集中值评价,获得多个第三集中评价值;
具体而言,使用相同的集中值评价算法,对第二故障配件服役计时集进行集中值评价,获得第二集中评价值,以及多个第三故障配件服役计时集分别进行集中值评价,获得多个第三集中评价值。
故障配件类型值得是故障配件的类型参数,类型优选的以功能种类进行划分。从多家应用故障配件类型的用户,不限定生产厂家类型的采集第二故障配件服役计时集,进行集中值评价,获得第二集中评价值,表征故障配件类型于市场上的平均寿命。进一步,确定故障配件的的配件生产厂家集,分别以配件生产厂家为限定,采集多个第三故障配件服役计时集,进行集中值评价,获得多个第三集中评价值,表征每个厂家的配件平均寿命。通过市场整体寿命、以及各个厂家的平均寿命,可以分析当前供应商的质量数据。
遍历所述配件生产厂家集,基于物联网,采集多个故障配件生产速度和多个故障配件物流距离;
具体而言,多个故障配件生产速度值得是和配件生产厂家集一一对应的,针对故障配件类型统计的生产速度数据,优选地,生产速度数据具体使用预设数量的产品生产时长表征。多个故障配件物流距离指的是和配件生产厂家集一一对应的,运输至当前系统用户的距离参数。
根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数;
具体而言,金融机具迭代质量指数用于表征金融机具当前供应商的质量参数,用于指导是否需要进行金融机具上游供应商的更换。
优选地,金融机具迭代质量分析流程如下:
进一步的,如图2所示,根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数,包括:
以所述第一集中评价值减去所述金融机具服役计时,获得第一迭代质量指数;
以所述第二集中评价值减去所述金融机具服役计时,获得第二迭代质量指数;
以所述第二集中评价值减去所述第一集中评价值,获得第三迭代质量指数;
将所述第一迭代质量指数、所述第二迭代质量指数和所述第三迭代质量指数,添加进所述金融机具迭代质量指数。
具体而言,以所述第一集中评价值减去所述金融机具服役计时,获得第一迭代质量指数;以所述第二集中评价值减去所述金融机具服役计时,获得第二迭代质量指数;以所述第二集中评价值减去所述第一集中评价值,获得第三迭代质量指数;将所述第一迭代质量指数、所述第二迭代质量指数和所述第三迭代质量指数,添加进所述金融机具迭代质量指数。
当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
进一步的,当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理,包括:
所述预设条件包括第一触发条件、第二触发条件和第三触发条件;
其中,所述第一触发条件为:当所述第一迭代质量指数大于0;
其中,所述第二触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数大于0;
其中,所述第三触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数小于或等于0,且所述第三迭代质量指数大于0;
当所述金融机具迭代质量指数满足所述第一触发条件或所述第二触发条件或所述第三触发条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
具体而言,预设条件指的是用于判断金融机具迭代质量指数是否需要进行金融机具上游供应商的更换的触发条件,若是金融机具迭代质量指数满足预设条件,则需要对金融机具上游供应商更换,否则不需要更换。
优选地,预设条件包括:第一触发条件、第二触发条件和第三触发条件;其中,所述第一触发条件为:当所述第一迭代质量指数大于0;其中,所述第二触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数大于0;其中,所述第三触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数小于或等于0,且所述第三迭代质量指数大于0。当所述金融机具迭代质量指数满足所述第一触发条件或所述第二触发条件或所述第三触发条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
进一步的,当所述金融机具迭代质量指数满足所述第一触发条件或所述第二触发条件或所述第三触发条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理,包括:
构建生产厂家适应度函数:
,
其中,表征适应度函数输出值,表征第三集中评价值,表征故障配件生产
速度,表征故障配件物流距离,a和b表征缩小因子,和为V和S的缩小函
数;
根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离,调用所述生产厂家适应度函数进行处理,获得多个适应度评价值;
提取所述多个适应度评价值的最大值,设为推荐配件供应厂家,添加进所述金融机具迭代方案。
具体而言,金融机具迭代方案指的是用于存储金融机具推荐供应商,作为后步金
融机具供应管理的指导数据。详细的金融机具迭代优化过程如下:构建生产厂家适应度函
数:,其中,表征适应度函数输出值,表征第三集中
评价值,表征故障配件生产速度,表征故障配件物流距离,a和b表征缩小因子,
和为V和S的缩小函数;根据多个第三集中评价值、所述多个故障配件生产速度和所
述多个故障配件物流距离,调用所述生产厂家适应度函数进行处理,获得多个适应度评价
值;提取所述多个适应度评价值的最大值,设为推荐配件供应厂家,添加进所述金融机具迭
代方案。通过金融机具迭代优化得到和用户适配程度最高的推荐配件供应厂家,为金融机
具迭代方提供指导方案。
进一步的,如图3所示,提取所述多个适应度评价值的最大值,设为推荐配件供应厂家,添加进所述金融机具迭代方案,包括:
提取所述推荐配件供应厂家的厂家基础信息,其中,所述厂家基础信息包括公示合作方列表;
基于所述公示合作方列表进行所述故障配件关联,获得故障配件关联总值;
根据所述公示合作方数量和所述故障配件关联总值,获得供应厂家推荐系数;
当所述供应厂家推荐系数大于或等于推荐系数阈值,将所述推荐配件供应厂家设为所述金融机具迭代方案;
当所述供应厂家推荐系数小于或等于所述推荐系数阈值,基于所述多个适应度评价值更新所述推荐配件供应厂家。
具体而言,在确定推荐配件供应厂家后,由于推荐配件供应厂家只是分析了生产速度、运输距离和配件寿命要素确定最优解,还需要对推荐配件供应厂家进行综合性评价,优选地,以推荐配件供应厂家的历史合作状态作为评估数据基准。具体流程如下:
提取推荐配件供应厂家的厂家基础信息,厂家基础信息包括公示合作方列表,厂家基础信息表征推荐配件供应厂家的地址、名称、合作机构等数据,公示合作方列表指的是推荐配件供应厂家的公布的合作方集合;统计公示合作方列表每个合作方与推荐配件供应厂家的合作时长,加和得到合作总时长,合作时长即为公示时长;统计公示合作方列表中进行故障配件合作的多个合作方的多个合作时长,加和得到合作关联时长;计算合作关联时长与合作总时长的比值,设为故障配件关联总值。进一步的,对公示合作方数量和故障配件关联总值进行归一化调整,并加和,得到供应厂家推荐系数。当所述供应厂家推荐系数大于或等于推荐系数阈值,将所述推荐配件供应厂家设为所述金融机具迭代方案;当所述供应厂家推荐系数小于或等于所述推荐系数阈值,按照所述多个适应度评价值自大到小依次更新所述推荐配件供应厂家进行评估。上述数据均为从厂家的公开信息中获得,若是未获得,则将推荐配件供应厂家发送至用户自行审核,确定是否需要进行推荐配件供应厂家的更新。通过对推荐配件供应厂家进行综合性分析,确定推荐配件供应厂家的综合状态,保证了金融机具供应管理的稳定性。
综上所述,本申请实施例至少具有如下技术效果:
本申请实施例通过提供如下技术方案:当金融机具故障时,确定金融机具溯源码和金融机具服役计时;利用溯源码可以通过物联网快速检索到金融机具的故障配件的生产厂家;确定匹配的生产厂家的该配件的集中故障服役时长,即为第一集中评价值;再统计故障配件整体的故障服役时长,即为第二集中评价值;再统计其它生产故障配件的集中故障服役时长,即为多个第三集中评价值;利用述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,可以得到表征当前选用厂家的供应质量数据,即为金融机具迭代质量指数;若是金融机具迭代质量指数满足预先设定的条件,即根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。利用物联网,结合溯源码和大数据打破数据孤岛,再利用本申请的迭代分析算法,得到和应用方较为契合的金融机具供应方案,达到了提升金融机具的供应管理效率,实现金融机具自动化供应管理的技术效果。
实施例二
基于与前述实施例中基于物联网的金融机具控制管理方法相同的发明构思,如图4所示,本申请提供了基于物联网的金融机具控制管理系统,包括:
基础信息采集模块100,用于当第一金融机具故障时,加载第一金融机具基础信息,其中,所述第一金融机具基础信息包括金融机具溯源码和金融机具服役计时,所述金融机具服役计时为第一金融机具投产至故障的有效工作时长;
故障配件溯源模块200,用于接收第一金融机具故障配件,根据所述金融机具溯源码,获得故障配件溯源厂家;
第一集中值评价模块300,用于基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值;
第二集中值评价模块400,用于基于故障配件类型,基于物联网,采集第二故障配件服役计时集,进行集中值评价,获得第二集中评价值;
第三集中值评价模块500,用于基于所述故障配件类型和配件生产厂家集,基于物联网,采集多个第三故障配件服役计时集,进行集中值评价,获得多个第三集中评价值;
厂家信息采集模块600,用于遍历所述配件生产厂家集,基于物联网,采集多个故障配件生产速度和多个故障配件物流距离;
迭代质量分析模块700,用于根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数;
机具迭代优化模块800,用于当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
进一步的,所述第一集中值评价模块300执行步骤包括:
提取所述第一故障配件服役计时集的上四分位服役计时和下四分位服役计时;
根据所述上四分位服役计时和所述下四分位服役计时,计算服役计时四分位差;
当所述服役计时四分位差大于或等于四分位差阈值,对所述第一故障配件服役计时集进行离散数据删除,生成集中服役计时集,进行均值评价,获得所述第一集中评价值。
进一步的,所述第一集中值评价模块300执行步骤包括:
对所述第一故障配件服役计时集进行两两距离分析,获得多个距离参数;
根据距离阈值,对所述多个距离参数进行聚类分析,获得多组距离参数,进行加权均值分析,获得距离均值;
基于k邻域,调度所述多个距离参数,遍历所述第一故障配件服役计时集,统计分布特征距离集,其中,所述k邻域指的是评价分布特征距离的邻近距离参数数量,所述分布特征距离为k邻域的邻近距离参数均值;
遍历所述分布特征距离集,与所述距离均值求比,获得分布离群系数集;
删除所述分布离群系数集中大于或等于分布离群系数阈值的第一故障配件服役计时,生成所述集中服役计时集,进行均值评价,获得所述第一集中评价值。
进一步的,所述迭代质量分析模块700执行步骤包括:
以所述第一集中评价值减去所述金融机具服役计时,获得第一迭代质量指数;
以所述第二集中评价值减去所述金融机具服役计时,获得第二迭代质量指数;
以所述第二集中评价值减去所述第一集中评价值,获得第三迭代质量指数;
将所述第一迭代质量指数、所述第二迭代质量指数和所述第三迭代质量指数,添加进所述金融机具迭代质量指数。
进一步的,所述机具迭代优化模块800执行步骤包括:
所述预设条件包括第一触发条件、第二触发条件和第三触发条件;
其中,所述第一触发条件为:当所述第一迭代质量指数大于0;
其中,所述第二触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数大于0;
其中,所述第三触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数小于或等于0,且所述第三迭代质量指数大于0;
当所述金融机具迭代质量指数满足所述第一触发条件或所述第二触发条件或所述第三触发条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
进一步的,所述机具迭代优化模块800执行步骤包括:
构建生产厂家适应度函数:
,
其中,表征适应度函数输出值,表征第三集中评价值,表征故障配件生产
速度,表征故障配件物流距离,a和b表征缩小因子,和为V和S的缩小函
数;
根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离,调用所述生产厂家适应度函数进行处理,获得多个适应度评价值;
提取所述多个适应度评价值的最大值,设为推荐配件供应厂家,添加进所述金融机具迭代方案。
进一步的,所述机具迭代优化模块800执行步骤包括:
提取所述推荐配件供应厂家的厂家基础信息,其中,所述厂家基础信息包括公示合作方列表;
基于所述公示合作方列表进行所述故障配件关联,获得故障配件关联总值;
根据所述公示合作方数量和所述故障配件关联总值,获得供应厂家推荐系数;
当所述供应厂家推荐系数大于或等于推荐系数阈值,将所述推荐配件供应厂家设为所述金融机具迭代方案;
当所述供应厂家推荐系数小于或等于所述推荐系数阈值,基于所述多个适应度评价值更新所述推荐配件供应厂家。
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 (8)
1.基于物联网的金融机具控制管理方法,其特征在于,包括:
当第一金融机具故障时,加载第一金融机具基础信息,其中,所述第一金融机具基础信息包括金融机具溯源码和金融机具服役计时,所述金融机具服役计时为第一金融机具投产至故障的有效工作时长;
接收第一金融机具故障配件,根据所述金融机具溯源码,获得故障配件溯源厂家;
基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值;
基于故障配件类型,基于物联网,采集第二故障配件服役计时集,进行集中值评价,获得第二集中评价值;
基于所述故障配件类型和配件生产厂家集,基于物联网,采集多个第三故障配件服役计时集,进行集中值评价,获得多个第三集中评价值;
遍历所述配件生产厂家集,基于物联网,采集多个故障配件生产速度和多个故障配件物流距离;
根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数;
当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
2.如权利要求1所述的方法,其特征在于,基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值,包括:
提取所述第一故障配件服役计时集的上四分位服役计时和下四分位服役计时;
根据所述上四分位服役计时和所述下四分位服役计时,计算服役计时四分位差;
当所述服役计时四分位差大于或等于四分位差阈值,对所述第一故障配件服役计时集进行离散数据删除,生成集中服役计时集,进行均值评价,获得所述第一集中评价值。
3.如权利要求2所述的方法,其特征在于,当所述服役计时四分位差大于或等于四分位差阈值,对所述第一故障配件服役计时集进行离散数据删除,生成集中服役计时集,进行均值评价,获得所述第一集中评价值,包括:
对所述第一故障配件服役计时集进行两两距离分析,获得多个距离参数;
根据距离阈值,对所述多个距离参数进行聚类分析,获得多组距离参数,进行加权均值分析,获得距离均值;
基于k邻域,调度所述多个距离参数,遍历所述第一故障配件服役计时集,统计分布特征距离集,其中,所述k邻域指的是评价分布特征距离的邻近距离参数数量,所述分布特征距离为k邻域的邻近距离参数均值;
遍历所述分布特征距离集,与所述距离均值求比,获得分布离群系数集;
删除所述分布离群系数集中大于或等于分布离群系数阈值的第一故障配件服役计时,生成所述集中服役计时集,进行均值评价,获得所述第一集中评价值。
4.如权利要求1所述的方法,其特征在于,根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数,包括:
以所述第一集中评价值减去所述金融机具服役计时,获得第一迭代质量指数;
以所述第二集中评价值减去所述金融机具服役计时,获得第二迭代质量指数;
以所述第二集中评价值减去所述第一集中评价值,获得第三迭代质量指数;
将所述第一迭代质量指数、所述第二迭代质量指数和所述第三迭代质量指数,添加进所述金融机具迭代质量指数。
5.如权利要求4所述的方法,其特征在于,当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理,包括:
所述预设条件包括第一触发条件、第二触发条件和第三触发条件;
其中,所述第一触发条件为:当所述第一迭代质量指数大于0;
其中,所述第二触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数大于0;
其中,所述第三触发条件为:当所述第一迭代质量指数小于或等于0,且所述第二迭代质量指数小于或等于0,且所述第三迭代质量指数大于0;
当所述金融机具迭代质量指数满足所述第一触发条件或所述第二触发条件或所述第三触发条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
6.如权利要求5所述的方法,其特征在于,当所述金融机具迭代质量指数满足所述第一触发条件或所述第二触发条件或所述第三触发条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理,包括:
构建生产厂家适应度函数:
,
其中,表征适应度函数输出值,/>表征第三集中评价值,/>表征故障配件生产速度,表征故障配件物流距离,a和b表征缩小因子,/>和/>为V和S的缩小函数;
根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离,调用所述生产厂家适应度函数进行处理,获得多个适应度评价值;
提取所述多个适应度评价值的最大值,设为推荐配件供应厂家,添加进所述金融机具迭代方案。
7.如权利要求6所述的方法,其特征在于,提取所述多个适应度评价值的最大值,设为推荐配件供应厂家,添加进所述金融机具迭代方案,包括:
提取所述推荐配件供应厂家的厂家基础信息,其中,所述厂家基础信息包括公示合作方列表;
基于所述公示合作方列表进行所述故障配件关联,获得故障配件关联总值;
根据所述公示合作方数量和所述故障配件关联总值,获得供应厂家推荐系数;
当所述供应厂家推荐系数大于或等于推荐系数阈值,将所述推荐配件供应厂家设为所述金融机具迭代方案;
当所述供应厂家推荐系数小于或等于所述推荐系数阈值,基于所述多个适应度评价值更新所述推荐配件供应厂家。
8.基于物联网的金融机具控制管理系统,其特征在于,包括:
当第一金融机具故障时,加载第一金融机具基础信息,其中,所述第一金融机具基础信息包括金融机具溯源码和金融机具服役计时,所述金融机具服役计时为第一金融机具投产至故障的有效工作时长;
接收第一金融机具故障配件,根据所述金融机具溯源码,获得故障配件溯源厂家;
基于所述故障配件溯源厂家,基于物联网,采集第一故障配件服役计时集,进行集中值评价,获得第一集中评价值;
基于故障配件类型,基于物联网,采集第二故障配件服役计时集,进行集中值评价,获得第二集中评价值;
基于所述故障配件类型和配件生产厂家集,基于物联网,采集多个第三故障配件服役计时集,进行集中值评价,获得多个第三集中评价值;
遍历所述配件生产厂家集,基于物联网,采集多个故障配件生产速度和多个故障配件物流距离;
根据所述金融机具服役计时、所述第一集中评价值和所述第二集中评价值进行金融机具迭代质量分析,获得金融机具迭代质量指数;
当所述金融机具迭代质量指数满足预设条件时,根据所述多个第三集中评价值、所述多个故障配件生产速度和所述多个故障配件物流距离进行金融机具迭代优化,获得金融机具迭代方案,对所述第一金融机具进行维保管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311613382.0A CN117332993B (zh) | 2023-11-29 | 2023-11-29 | 基于物联网的金融机具控制管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311613382.0A CN117332993B (zh) | 2023-11-29 | 2023-11-29 | 基于物联网的金融机具控制管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117332993A true CN117332993A (zh) | 2024-01-02 |
CN117332993B CN117332993B (zh) | 2024-03-22 |
Family
ID=89279612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311613382.0A Active CN117332993B (zh) | 2023-11-29 | 2023-11-29 | 基于物联网的金融机具控制管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117332993B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201616140U (zh) * | 2009-12-17 | 2010-10-27 | 魏伟 | 一种银行用金融机具设备 |
CN108256656A (zh) * | 2018-01-31 | 2018-07-06 | 许昌兴安金融设备有限公司 | 金融机具智能服务方法及金融机具智能服务平台系统 |
CN111178554A (zh) * | 2019-12-19 | 2020-05-19 | 北京无线电测量研究所 | 一种设备健康管理方法、系统及雷达 |
CN112035884A (zh) * | 2020-08-03 | 2020-12-04 | 南京数科安金信息技术有限公司 | 基于区块链技术的金融机具管理云平台 |
CN113805107A (zh) * | 2021-09-15 | 2021-12-17 | 国网新疆电力有限公司电力科学研究院 | 一种用于变压器的检修与退役评估方法 |
CN114862333A (zh) * | 2022-03-08 | 2022-08-05 | 北京航空航天大学 | 智能产品服务系统与供应商协同配置方法 |
WO2022246758A1 (zh) * | 2021-05-27 | 2022-12-01 | 西门子股份公司 | 产品状态量化和剩余寿命预测方法、装置和系统 |
-
2023
- 2023-11-29 CN CN202311613382.0A patent/CN117332993B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201616140U (zh) * | 2009-12-17 | 2010-10-27 | 魏伟 | 一种银行用金融机具设备 |
CN108256656A (zh) * | 2018-01-31 | 2018-07-06 | 许昌兴安金融设备有限公司 | 金融机具智能服务方法及金融机具智能服务平台系统 |
CN111178554A (zh) * | 2019-12-19 | 2020-05-19 | 北京无线电测量研究所 | 一种设备健康管理方法、系统及雷达 |
CN112035884A (zh) * | 2020-08-03 | 2020-12-04 | 南京数科安金信息技术有限公司 | 基于区块链技术的金融机具管理云平台 |
WO2022246758A1 (zh) * | 2021-05-27 | 2022-12-01 | 西门子股份公司 | 产品状态量化和剩余寿命预测方法、装置和系统 |
CN113805107A (zh) * | 2021-09-15 | 2021-12-17 | 国网新疆电力有限公司电力科学研究院 | 一种用于变压器的检修与退役评估方法 |
CN114862333A (zh) * | 2022-03-08 | 2022-08-05 | 北京航空航天大学 | 智能产品服务系统与供应商协同配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117332993B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766550B (zh) | 基于随机森林的停电敏感用户预测方法、系统、存储介质及计算机设备 | |
CN109740838B (zh) | 基于大数据的供应商服务评价方法及相关设备 | |
CN108448625B (zh) | 一种基于数据驱动的风机切入风速计算方法 | |
CN101639687A (zh) | 一种集成化工艺质量控制系统及其实现方法 | |
CN110188984A (zh) | 一种烟草卷包车间异常质量数据模型的建立方法 | |
CN115423289A (zh) | 智能板材加工车间数据处理方法及终端 | |
CN113076353A (zh) | 一种电力核算异常分析方法及系统 | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
CN110287114B (zh) | 一种数据库脚本性能测试的方法及装置 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN117332993B (zh) | 基于物联网的金融机具控制管理方法及系统 | |
CN113516192A (zh) | 一种用户用电异动识别方法、系统、装置及存储介质 | |
CN113608952A (zh) | 一种基于日志构建支持环境的系统故障处理方法及系统 | |
CN113537758A (zh) | 基于大数据技术的制造业高质量发展综合评价方法和系统 | |
CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
CN115879680A (zh) | 钢铁表面缺陷判定规则管理系统 | |
CN115841267A (zh) | 一种基多层bp神经网络的企业定额修正方法 | |
CN111849545B (zh) | 加氢裂化的产品质量预测方法、装置和存储器 | |
CN110596540A (zh) | 基于实时数据驱动的电量异常在线分析检测方法和装置 | |
CN114333180B (zh) | 一种基于区块链技术的金融自助设备检修方法 | |
CN111581200B (zh) | 一种基于mes的生产管理系统 | |
CN116451882B (zh) | 碳排放量的预测方法及相关设备 | |
CN113570333B (zh) | 一种适用于集成的流程设计方法 | |
CN116303380B (zh) | 一种监测业务中的数据质量校验方法、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |