CN117391579A - 一种设备信息分析方法、系统和存储介质 - Google Patents
一种设备信息分析方法、系统和存储介质 Download PDFInfo
- Publication number
- CN117391579A CN117391579A CN202311235452.3A CN202311235452A CN117391579A CN 117391579 A CN117391579 A CN 117391579A CN 202311235452 A CN202311235452 A CN 202311235452A CN 117391579 A CN117391579 A CN 117391579A
- Authority
- CN
- China
- Prior art keywords
- equipment
- analyzed
- user
- analysis result
- data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 77
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 208000025174 PANDAS Diseases 0.000 claims description 8
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 claims description 8
- 235000016496 Panda oleosa Nutrition 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012300 Sequence Analysis Methods 0.000 claims description 4
- 240000000220 Panda oleosa Species 0.000 claims 1
- 238000007726 management method Methods 0.000 description 42
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 240000004718 Panda Species 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种设备信息分析方法、系统和存储介质，属于数据处理的技术领域。所述方法包括响应于用户的分析操作，确定待分析设备；在数据库中存储的设备操作记录表中获取所述待分析设备的操作数据，所述设备操作记录表中包括实时更新的各个设备的操作记录以及设备的操作对应的用户信息；根据预处理后的所述待分析设备的操作数据进行分析，确定所述待分析设备的数据分析结果，所述数据分析结果包括数量统计结果、使用情况与使用预测结果以及操作频率分析结果；基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果。本申请旨在提高设备信息的管理效率。
Description
技术领域
本申请实施例涉及数据处理的技术领域，具体而言，涉及一种设备信息分析方法、系统和存储介质。
背景技术
随着数字化的快速发展，在各个领域均应用数字化管理来提高生产效率，示例地，在生产制造业中应用了大量的设备，对设备信息进行数字化管理，相比于人为对众多设备的信息进行管理与分析而言，可以大幅度提高工作效率。
但是，现有的设备信息化管理模式中，仅完成了传统库房中人工操作过程的数字化转型，无法对于设备信息进行自动化收集与分析，导致设备信息的管理效率较低。
发明内容
本申请实施例提供一种设备信息分析方法、系统和存储介质，旨在提高设备信息的管理效率。
第一方面，本申请实施例提供一种设备信息分析方法，所述方法包括：
响应于用户的分析操作，确定待分析设备；
在数据库中存储的设备操作记录表中获取所述待分析设备的操作数据，所述设备操作记录表中包括实时更新的各个设备的操作记录以及设备的操作对应的用户信息；
根据预处理后的所述待分析设备的操作数据进行分析，确定所述待分析设备的数据分析结果，所述数据分析结果包括数量统计结果、使用情况与使用预测结果以及操作频率分析结果；
基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果。
可选地，所述方法还包括：
响应于用户的录入操作，获取待录入设备的基础设备信息，将所述待录入设备的基础设备信息存储在数据库中的设备管理表中，其中所述基础设备信息包括设备名称、设备型号、设备数量以及设备位置；
响应于用户的注册操作，确定待录入的用户信息，将所述待录入的用户信息存储在数据库中的用户表中，所述待录入的用户包括管理员用户与普通用户；
根据更新后的所述所述设备管理表和更新后的所述用户表更新所述设备操作记录表。
可选地，确定所述待分析设备的数据分析结果之前，所述方法还包括：
对所述设备操作记录表中获取得到的所述待分析设备的操作数据进行预处理操作，所述预处理操作包括处理缺失值、异常值以及重复数据。
可选地，确定所述待分析设备的数据分析结果，包括：
根据所述待分析设备的操作数据中包含的所述待分析设备的类型、数量、入库以及出库情况，基于Pandas和NumPy进行分析，生成所述待分析设备的数量统计结果。
可选地，确定所述待分析设备的数据分析结果，包括：
根据所述待分析设备的操作数据中包含的入库以及出库情况，基于Python的statsmodels库进行时间序列分析，确定所述待分析设备的使用情况；
并基于预测模型预测对所述待分析设备的入库与出库进行预测，生成所述待分析设备的使用预测结果。
可选地，确定所述待分析设备的数据分析结果，包括：
根据所述待分析设备的操作数据中包含的每个操作对应的操作时间、操作类型以及操作用户，确定所述待分析设备的频繁操作用户以及频繁操作时间作为所述待分析设备的操作频率分析结果。
可选地，基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果，包括：
根据所述待分析设备的数据分析结果，基于Matplotlib和Seaborn生成所述数据分析结果对应的入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图；
根据所述待分析设备的数据分析结果、入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图，基于Python-docx库生成所述待分析设备的可视化分析结果。
可选地，所述方法还包括：
响应于用户针对设备的执行操作，更新数据库中存储的设备管理表中该设备的库存数量信息，所述执行操作包括入库、出库以及调配操作；
响应于用户的盘点操作，遍历所述设备管理表中每个设备对应的设备名称和库存数量信息，并获取每个设备的实际库存储量，当任一设备的所述实际库存数量与所述库存数量信息不一致时，生成库存差异报告。
第二方面，本申请实施例提供一种设备信息分析系统，所述系统用于执行实施例第一方面所述的设备信息分析方法，所述系统包括：
设备信息录入模块，用于响应于用户的录入操作，在数据库中的设备管理表中添加待录入设备的基础设备信息；
库存管理模块，用于更新每个设备的库存数量信息，并响应于用户的盘点操作，当任一设备的所述实际库存数量与所述库存数量信息不一致时，生成库存差异报告；
数据分析模块，用于响应于用户的分析操作，生成待分析设备的可视化分析结果。
第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如实施例第一方面所述的设备信息分析方法。
有益效果：
响应于用户的分析操作，确定待分析设备，然后在数据库中存储的设备操作记录表中获取所述待分析设备的操作数据，操作数据中包括实时更新的操作记录以及操作对应的用户信息；然后根据预处理后的所述待分析设备的操作数据进行分析，确定所述待分析设备的数据分析结果，所述数据分析结果包括数量统计结果、使用情况与使用预测结果以及操作频率分析结果；并基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果。
通过实时获取针对设备的用户针对设备的操作数据，减少了人工的操作的工作量，并提高了设备信息管理的准确性，然后可以对设备的操作数据做出分析，并生成可视化分析结果，便于用户准确和全面地了解设备的使用情况，进而做出合理的决策与计划，从而旨在提高设备信息的管理效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提出的设备信息分析方法的步骤流程图；
图2是本申请一实施例提出的数据分析的步骤流程图；
图3是本申请一实施例提供的设备信息分析系统的功能模块图；
图4是本申请一实施例提出的设备信息分析系统的管理流程图；
图5是本申请一实施例提出的设备信息分析装置的功能模块图。
具体实施方式
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、完整地描述，显然，所描述的实施例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。
参照图1，示出了本申请实施例中的一种设备信息分析方法的步骤流程图，所述方法具体可以包括以下步骤：
S101：响应于用户的分析操作，确定待分析设备。
当用户对需要了解任一个设备的使用情况时，选择待分析设备，在实际实施的过程中，还可以确定需要进行分析的时间段，分析的数据范围等，本申请实施例不做限制。
S102：在数据库中存储的设备操作记录表中获取所述待分析设备的操作数据，所述设备操作记录表中包括实时更新的各个设备的操作记录以及设备的操作对应的用户信息。
设备操作记录表中汇总有每个设备实时的操作数据，任一个设备的一个操作数据中操作对应的操作时间、操作类型以及操作用户；在实际实施的过程中，可以将设备连接互联网，从而对设备进行远程监控，提高对设备管理的效率和响应速度。
在一种可行的实施方式中，可以在数据库中构建用户表和设备管理表，并将用户表和设备管理表的数据同步至设备操作记录表中。
具体地，响应于用户的录入操作，获取待录入设备的基础设备信息，将所述待录入设备的基础设备信息存储在数据库中的设备管理表中，其中所述基础设备信息包括设备名称、设备型号、设备数量以及设备位置。
同时，实时检测用户针对任一个设备的操作数据，将用户对于设备的出库以及入库等操作数据存储在设备管理表中。
响应于用户的注册操作，确定待录入的用户信息，将所述待录入的用户信息存储在数据库中的用户表中，所述待录入的用户包括管理员用户与普通用户，为了区分管理员和普通用户，还可以在数据库中分别构建管理员表和普通用户表。
当设备管理表和用户表出现变化时，根据更新后的所述所述设备管理表和更新后的所述用户表更新所述设备操作记录表。
在实际实施的过程中，在数据库中存储的设备操作记录表中获取所述待分析设备的操作数据时，将数据库中提取出的操作数据加载到Python中，使用MySQL连接库执行SQL查询语句，并将结果存储在pandas的数据结构，如DataFrame中，分别获取待分析设备的库存、入库、出库、操作记录等数据。
S103：根据预处理后的所述待分析设备的操作数据进行分析，确定所述待分析设备的数据分析结果，所述数据分析结果包括数量统计结果、使用情况与使用预测结果以及操作频率分析结果。
获取到待分析设备的操作数据后，先对操作数据进行数据清洗的预处理操作，示例地，所述预处理操作包括处理缺失值、异常值以及重复数据，针对缺失值和异常值可以用预设的默认值进行代替，例如，当某条操作的操作时间缺失时，可以默认为执行分析过程时的当前日期，对于重复数据进行山间，只保留一条数据即可。
参照图2，示出了本申请实施例提供的数据分析的步骤流程图，确定所述待分析设备的数据分析结果时，可以包括以下步骤：
A1：根据所述待分析设备的操作数据中包含的所述待分析设备的类型、数量、入库以及出库情况，基于Pandas和NumPy进行分析，生成所述待分析设备的数量统计结果。
pandas是一个开源的Python库，用于数据处理和分析，易于使用的数据结构和数据分析工具，使得数据处理变得更加简单和高效；NumPy(Numerical Python)是一个开源的Python库，有高性能的多维数组对象和用于处理数组的各种函数；
具体地，使用Pandas和NumPy的程序，如count()，sum()等命令对待分析设备的类型、数量、入库、出库等情况进行分析，生成所述待分析设备的数量统计结果，示例地，统计出一个季度内待分析设备的入库情况，包括一个季度内入库的总数量、一个季度内入库的平均数或中位数，还可以确定一个季度的3个月中入库最大值和最小值。
A2：根据所述待分析设备的操作数据中包含的入库以及出库情况，基于Python的statsmodels库进行时间序列分析，确定所述待分析设备的使用情况，并基于预测模型预测对所述待分析设备的入库与出库进行预测，生成所述待分析设备的使用预测结果。
具体地，从数据库中获取出的待分析设备的入库和出库情况，包含入库和出库的时间，以及每次入库或出库的设备数量，然后将日期作为索引，使用Python的statsmodels库进行时间序列分析，确定所述待分析设备的使用情况。
还可以预测待分析设备未来的使用情况，示例地，可以利用ARIMA模型进行预测，对待分析设备的入库、出库变化进行趋势分析，生成所述待分析设备的使用预测结果。
A3：根据所述待分析设备的操作数据中包含的每个操作对应的操作时间、操作类型以及操作用户，确定所述待分析设备的频繁操作用户以及频繁操作时间作为所述待分析设备的操作频率分析结果。
具体地，获取到每个操作数据包含有每个操作对应的操作时间、操作类型以及操作用户，如包括操作用户的ID，然后对待分析设备的操作数据进行分析，确定待分析设备的频繁操作时间和待分析设备的频繁操作用户，示例地，确定频繁操作用户的代码如下：
user_counts＝df[user_id].value_counts()top_user＝user_counts.idxmax())。
通过多维度对待分析设备的操作数据进行分析，可以更加全面的展示待分析设备的应用情况，提高对设备管理的效率。
S104：基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果。
具体地，可以使用PyQt5构建用户界面，用户可以在用户界面上执行分析操作，示例地，可以允许用户在用户界面输入待分析设备的参数，如名称或类型，还可以允许用户选择的数据分析的方法，以及选择可视化表现的类型，示例地可以选择可视化图表的样式、颜色以及显示标签等；然后使用数据可视化库的Matplotlib和Seaborn按照用户的分析操作中的选择，将待分析设备的数据分析结果可视化。Matplotlib是一个用于绘制数据可视化图表的Python库，有丰富的绘图功能，可以创建各种类型的图表，包括折线图、散点图、柱状图、饼图等；statsmodels是一个Python库，提供了统计模型估计、假设检验和数据探索的功能。
在一种可行的实施方式中，根据所述待分析设备的数据分析结果，基于Matplotlib和Seaborn生成所述数据分析结果对应的入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图。
然后，根据所述待分析设备的数据分析结果、入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图，基于Python-docx库生成word格式的所述待分析设备的可视化分析结果；在实际实施时，还可以根据pandas.DataFrame.to_excel()程序，将可视化分析结果输出为Excel文档，用户可以根据个人的需求来生成报告，从而让用户可以更方便地对设备的数据进行统计和分析，并根据分析结果做出决策。
在另一种可行的实施方式中，所述方法还包括：
实时监控设备的入库、出库和库存情况，可以及时掌握设备的库存情况，避免库存过剩或缺货的情况发生，提高库存管理的效能，即除了自动监测设备的入库和出库情况外，还允许用户手动录入设备的入库和出库情况。
具体地，响应于用户针对设备的执行操作，更新数据库中存储的设备管理表中该设备的库存数量信息，所述执行操作包括入库、出库以及调配操作，在实际实施时，入库、出库以及调配的功能均是通过执行SQL插入语句将设备信息插入到设备管理表中，执行SQL更新语句可以更新设备的库存数量信息。
然后，响应于用户的盘点操作，遍历所述设备管理表中每个设备对应的设备名称和库存数量信息，并获取每个设备的实际库存储量，当任一设备的所述实际库存数量与所述库存数量信息不一致时，生成库存差异报告。
具体地，在进行盘点时，执行SQL查询语句在设备管理表中遍历每个设备名称和库存数量信息，对于每个设备，统计实际库存数量与设备管理表中存储的库存数量进行比较，示例地，通过调用实际数量的方法程序，如device_counter的设备计数器可以用来获取设备的实际库存数量，并与数据库中设备管理表中记录的库存数量进行比较，如果两者不一致，则计算差异，并打印出来生成word文件格式的库存差异报告。
在实际实施的过程中，还可以通过深度学习算法，对待分析设备的故障情况和维护情况进行预测和分析，从而提高设备的可靠性和使用效率。
本方法基于Python和Pyqt5的软件架构，即采用基于Python编写的程序框架，并结合Pyqt5进行界面编写，这种软件架构方式具有稳定性高、代码维护方便的优点，可以解决传统手动设备管理低效、难以实时获取和分析设备信息的技术问题，实现设备信息的自动化收集和智能化分析，通过数据分析生成更加直观和易懂形式的可视化分析结果，可以为管理者提供准确、全面的设备管理数据和趋势分析结果，不仅可以提高设备管理的效率与准确性，还可以通过数据分析预测设备的使用趋势，从而为用户提供决策支持，有助于优化资源配置和改善设备的使用效率。
参照图3，示出了本申请实施例提供的一种设备信息分析系统的功能模块图，所述系统用于执行实施例所述的设备信息分析方法，所述系统包括：
设备信息录入模块101，用于响应于用户的录入操作，在数据库中的设备管理表中添加待录入设备的基础设备信息；
库存管理模块102，用于更新每个设备的库存数量信息，并响应于用户的盘点操作，当任一设备的所述实际库存数量与所述库存数量信息不一致时，生成库存差异报告；
数据分析模块103，用于响应于用户的分析操作，生成待分析设备的可视化分析结果，在数据分析模块中，可以显示生成的可视化分析结果。
参照图4，示出了本申请实施例提供的设备信息分析系统的管理流程图，在本系统中，用户登录时分为管理员登录和普通用户登录的方式，当管理员登录时，将输入的账号和密码与数据库中的管理员表进行对比，如果对比正确，则显示管理员界面，管理员界面包括：个人中心、用户管理、设备管理、操作记录以及数据分析等功能选项；当普通用户登录时，将输入的账号和密码与数据库中的普通用户表进行对比，如果对比正确，则显示普通用户的界面，普通用户的界面包括：个人中心、设备管理以及数据分析等功能选项。
参照图5，示出了本申请实施例提供的一种设备信息分析装置的功能模块图，所述装置包括：
响应模块201，用于响应于用户的分析操作，确定待分析设备；
数据获取模块202，用于在数据库中存储的设备操作记录表中获取所述待分析设备的操作数据，所述设备操作记录表中包括实时更新的各个设备的操作记录以及设备的操作对应的用户信息；
分析模块203，用于根据预处理后的所述待分析设备的操作数据进行分析，确定所述待分析设备的数据分析结果，所述数据分析结果包括数量统计结果、使用情况与使用预测结果以及操作频率分析结果；
可视化显示模块204，用于基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果。
可选地，所述装置还包括：
设备录入模块，用于响应于用户的录入操作，获取待录入设备的基础设备信息，将所述待录入设备的基础设备信息存储在数据库中的设备管理表中，其中所述基础设备信息包括设备名称、设备型号、设备数量以及设备位置；
用户注册模块，用于响应于用户的注册操作，确定待录入的用户信息，将所述待录入的用户信息存储在数据库中的用户表中，所述待录入的用户包括管理员用户与普通用户；
更新模块，用于根据更新后的所述所述设备管理表和更新后的所述用户表更新所述设备操作记录表。
可选地，所述装置还包括：
预处理模块，用于对所述设备操作记录表中获取得到的所述待分析设备的操作数据进行预处理操作，所述预处理操作包括处理缺失值、异常值以及重复数据。
可选地，所述分析模块包括：
根据所述待分析设备的操作数据中包含的所述待分析设备的类型、数量、入库以及出库情况，基于Pandas和NumPy进行分析，生成所述待分析设备的数量统计结果。
可选地，所述分析模块包括：根据所述待分析设备的操作数据中包含的入库以及出库情况，基于Python的statsmodels库进行时间序列分析，确定所述待分析设备的使用情况；
并基于预测模型预测对所述待分析设备的入库与出库进行预测，生成所述待分析设备的使用预测结果。
可选地，所述分析模块包括：
根据所述待分析设备的操作数据中包含的每个操作对应的操作时间、操作类型以及操作用户，确定所述待分析设备的频繁操作用户以及频繁操作时间作为所述待分析设备的操作频率分析结果。
可选地，所述可视化显示模块包括：
图表生成单元，用于根据所述待分析设备的数据分析结果，基于Matplotlib和Seaborn生成所述数据分析结果对应的入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图；
分析结果生成单元，用于根据所述待分析设备的数据分析结果、入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图，基于Python-docx库生成所述待分析设备的可视化分析结果。
可选地，所述装置还包括：
库存更新模块，用于响应于用户针对设备的执行操作，更新数据库中存储的设备管理表中该设备的库存数量信息，所述执行操作包括入库、出库以及调配操作；
库存差异确定模块，用于响应于用户的盘点操作，遍历所述设备管理表中每个设备对应的设备名称和库存数量信息，并获取每个设备的实际库存储量，当任一设备的所述实际库存数量与所述库存数量信息不一致时，生成库存差异报告。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求实施例所述的设备信息分析方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种设备信息分析方法，其特征在于，所述方法包括：
响应于用户的分析操作，确定待分析设备；
在数据库中存储的设备操作记录表中获取所述待分析设备的操作数据，所述设备操作记录表中包括实时更新的各个设备的操作记录以及设备的操作对应的用户信息；
根据预处理后的所述待分析设备的操作数据进行分析，确定所述待分析设备的数据分析结果，所述数据分析结果包括数量统计结果、使用情况与使用预测结果以及操作频率分析结果；
基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于用户的录入操作，获取待录入设备的基础设备信息，将所述待录入设备的基础设备信息存储在数据库中的设备管理表中，其中所述基础设备信息包括设备名称、设备型号、设备数量以及设备位置；
响应于用户的注册操作，确定待录入的用户信息，将所述待录入的用户信息存储在数据库中的用户表中，所述待录入的用户包括管理员用户与普通用户；
根据更新后的所述所述设备管理表和更新后的所述用户表更新所述设备操作记录表。
3.根据权利要求1所述的方法，其特征在于，确定所述待分析设备的数据分析结果之前，所述方法还包括：
对所述设备操作记录表中获取得到的所述待分析设备的操作数据进行预处理操作，所述预处理操作包括处理缺失值、异常值以及重复数据。
4.根据权利要求1所述的方法，其特征在于，确定所述待分析设备的数据分析结果，包括：
根据所述待分析设备的操作数据中包含的所述待分析设备的类型、数量、入库以及出库情况，基于Pandas和NumPy进行分析，生成所述待分析设备的数量统计结果。
5.根据权利要求1所述的方法，其特征在于，确定所述待分析设备的数据分析结果，包括：
根据所述待分析设备的操作数据中包含的入库以及出库情况，基于Python的statsmodels库进行时间序列分析，确定所述待分析设备的使用情况；
并基于预测模型预测对所述待分析设备的入库与出库进行预测，生成所述待分析设备的使用预测结果。
6.根据权利要求1所述的方法，其特征在于，确定所述待分析设备的数据分析结果，包括：
根据所述待分析设备的操作数据中包含的每个操作对应的操作时间、操作类型以及操作用户，确定所述待分析设备的频繁操作用户以及频繁操作时间作为所述待分析设备的操作频率分析结果。
7.根据权利要求1-6任一所述的方法，其特征在于，基于PyQt5，根据所述待分析设备的数据分析结果，生成所述待分析设备的可视化分析结果，包括：
根据所述待分析设备的数据分析结果，基于Matplotlib和Seaborn生成所述数据分析结果对应的入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图；
根据所述待分析设备的数据分析结果、入库与出库数量折线图、设备数量的柱状图、设备操作频率的热力图，基于Python-docx库生成所述待分析设备的可视化分析结果。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
响应于用户针对设备的执行操作，更新数据库中存储的设备管理表中该设备的库存数量信息，所述执行操作包括入库、出库以及调配操作；
响应于用户的盘点操作，遍历所述设备管理表中每个设备对应的设备名称和库存数量信息，并获取每个设备的实际库存储量，当任一设备的所述实际库存数量与所述库存数量信息不一致时，生成库存差异报告。
9.一种设备信息分析系统，其特征在于，所述系统用于执行权利要求1-8任一所述的设备信息分析方法，所述系统包括：
设备信息录入模块，用于响应于用户的录入操作，在数据库中的设备管理表中添加待录入设备的基础设备信息；
库存管理模块，用于更新每个设备的库存数量信息，并响应于用户的盘点操作，当任一设备的所述实际库存数量与所述库存数量信息不一致时，生成库存差异报告；
数据分析模块，用于响应于用户的分析操作，生成待分析设备的可视化分析结果。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的设备信息分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311235452.3A CN117391579A (zh) | 2023-09-22 | 2023-09-22 | 一种设备信息分析方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311235452.3A CN117391579A (zh) | 2023-09-22 | 2023-09-22 | 一种设备信息分析方法、系统和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117391579A true CN117391579A (zh) | 2024-01-12 |
Family
ID=89439972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311235452.3A Pending CN117391579A (zh) | 2023-09-22 | 2023-09-22 | 一种设备信息分析方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117391579A (zh) |
-
2023
- 2023-09-22 CN CN202311235452.3A patent/CN117391579A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8983936B2 (en) | Incremental visualization for structured data in an enterprise-level data store | |
| CN105868373B (zh) | 电力业务信息系统关键数据处理方法及装置 | |
| US20110078106A1 (en) | Method and system for it resources performance analysis | |
| CN111127105A (zh) | 用户分层模型构建方法及系统、运营分析方法及系统 | |
| CN110837496A (zh) | 一种基于动态sql实现的数据质量管理方法及系统 | |
| CN111651444A (zh) | 一种自适应时间序列数据预测方法 | |
| CN114398669A (zh) | 基于隐私保护计算和跨组织的联合信用评分方法及装置 | |
| CN111222790B (zh) | 风险事件发生概率的预测方法、装置、设备及存储介质 | |
| US20060025981A1 (en) | Automatic configuration of transaction-based performance models | |
| CN117391579A (zh) | 一种设备信息分析方法、系统和存储介质 | |
| CN115617670A (zh) | 软件测试管理方法、存储介质及系统 | |
| CN112380237B (zh) | 数据库隐患sql的预测方法、装置、终端及存储介质 | |
| CN114757482A (zh) | 用户组电量使用趋势的分析方法、系统、设备和介质 | |
| CN113268525A (zh) | 一种自动优化常模的认知评估方法及系统 | |
| CN112559645A (zh) | 一种海量运维数据的处理方法及装置 | |
| CN112699014A (zh) | 一种存储性能预测功能的测试及展示方法及装置 | |
| CN111311086A (zh) | 一种容量监控方法、装置及计算机可读存储介质 | |
| CN114968744B (zh) | 一种基于金融行业容量管理预测分析ai算法的实现方法及系统 | |
| WO2023275971A1 (ja) | 情報処理装置、情報処理方法及び非一時的なコンピュータ可読媒体 | |
| CN117056042A (zh) | 数据库变更管控方法、装置、设备及存储介质 | |
| CN116842037A (zh) | 数据库的慢sql语句分析方法、装置、设备及介质 | |
| CN117743313A (zh) | 一种全链路的数据缓慢变化监测方法、装置、设备及介质 | |
| CN116860894A (zh) | 基于能源数据仓库的配置与处理方法、装置及其相关介质 | |
| CN117785860A (zh) | 家电制造数据管理方法、装置、设备和存储介质 | |
| CN117493285A (zh) | 交易日志的自动分析方法及装置 |
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 |