CN117474435A - 一种基于ai复合rfid的消毒供应管理系统及方法 - Google Patents
一种基于ai复合rfid的消毒供应管理系统及方法 Download PDFInfo
- Publication number
- CN117474435A CN117474435A CN202311500023.4A CN202311500023A CN117474435A CN 117474435 A CN117474435 A CN 117474435A CN 202311500023 A CN202311500023 A CN 202311500023A CN 117474435 A CN117474435 A CN 117474435A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- module
- prediction
- product
- 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
- 238000004659 sterilization and disinfection Methods 0.000 title claims abstract description 94
- 238000005516 engineering process Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000002131 composite material Substances 0.000 title claims abstract description 29
- 238000007726 management method Methods 0.000 claims abstract description 94
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000001954 sterilising effect Effects 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000004140 cleaning Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 description 86
- 239000002699 waste material Substances 0.000 description 17
- 238000003860 storage Methods 0.000 description 7
- 238000002360 preparation method Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 239000000645 desinfectant Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 241001178520 Stomatepia mongo Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000249 desinfective effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000012706 support-vector machine 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
- G06Q10/08—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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
- G06K19/07—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips
- G06K19/077—Constructional details, e.g. mounting of circuits in the carrier
- G06K19/07749—Constructional details, e.g. mounting of circuits in the carrier the record carrier being capable of non-contact communication, e.g. constructional details of the antenna of a non-contact smart card
- G06K19/07758—Constructional details, e.g. mounting of circuits in the carrier the record carrier being capable of non-contact communication, e.g. constructional details of the antenna of a non-contact smart card arrangements for adhering the record carrier to further objects or living beings, functioning as an identification tag
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于生物医学工程技术领域,尤其涉及一种基于AI复合RFID的消毒供应管理系统及方法,包括:标识符分配模块:为每一项消毒供应产品分配一个唯一的UDI唯一标识;数据采集模块:利用传感器收集UDI唯一标识信息;数据预处理模块:将收集到的UDI唯一标识信息进行预处理;数据分析模块:利用AI技术,对收集的RFID数据进行深度分析和预测;数据预测模块:利用AI模型识别并学习数据中的模式,预测未来的需求和潜在问题;反馈和决策支持模块:根据AI模型的预测结果提供实时反馈和决策支持;自动化管理模块:根据获取实时反馈结果和决策进行自动化管理。
Description
技术领域
本发明属于生物医学工程技术领域,尤其涉及一种基于AI复合RFID的消毒供应管理系统及方法。
背景技术
医院中的医疗器械使用后需要进行消毒,医院的消毒供应室用于进行消毒,若医疗器械消毒不达标,则容易引发手术中的感染风险,使病人受到二次伤害,严重时甚至危及患者生命健康。
现有的医院对医疗器械进行消毒时,消毒信息大多通过纸张记录或电脑文档记录,导致查看医疗器械的消毒信息费时费力,故需要一种能够方便对医院的医疗器械消毒信息进行管理的技术。
基于AI和RFID的消毒供应管理系统是一项复杂且先进的解决方案,它结合了人工智能、物联网和数据分析多项前沿技术。然而,尽管这些技术在各个领域都有广泛的应用,但在消毒供应管理这个特定领域,它们仍然存在一些挑战和限制。以下是两项最接近的现有技术,以及它们存在的技术问题:
1)RFID技术:尽管RFID技术在物品追踪和管理方面有着广泛的应用,但在消毒供应管理中,它会遇到一些挑战。首先,某些消毒过程会损坏RFID标签,导致标签无法读取或写入。此外,RFID标签的成本也是一个问题,特别是在需要大规模部署的情况下。最后,RFID系统的准确性和可靠性会受到环境中其他无线设备的干扰。
2)机器学习算法:机器学习算法在数据分析和预测方面有着强大的能力,但在消毒供应管理中,它也会遇到一些问题。首先,由于消毒供应产品的特殊性质,获取足够多且质量好的数据是一个挑战。此外,某些机器学习算法需要大量的计算资源,这在实时应用中成为一个问题。最后,机器学习模型的解释性也是一个问题,特别是在需要做出重要决策的情况下。
这些问题并不意味着这些技术不能在消毒供应管理中发挥作用,而是需要针对这些问题进行专门的研究和改进。例如,开发更耐用、成本更低的RFID标签,或者研究如何在数据有限的情况下训练更准确的机器学习模型。总的来说,基于AI和RFID的消毒供应管理系统是一项具有巨大潜力的解决方案,但仍需要解决一些技术挑战。
发明内容
针对现有技术存在的问题,本发明提供了一种基于AI复合RFID的消毒供应管理系统及方法。
本发明是这样实现的,一种基于AI复合RFID的消毒供应管理系统,包括:
1.标识符分配模块:负责为每一项消毒供应产品分配一个唯一的UDI唯一标识。这确保了每一个产品都被唯一地识别和追踪。
2.数据采集模块:传感器用于收集UDI(unique device identification)唯一标识
唯一标识信息,这些信息包括产品的ID,位置,状态,为后续的数据预处理和分析提供原始输入。
3.数据预处理模块:对收集的数据进行清洗和预处理,例如去除噪声,填补缺失值,转换数据格式等,使数据适合进行后续的AI分析。
4.数据分析模块:通过AI技术,对预处理后的数据进行深度分析和挖掘,从中提取出有用的信息和知识。
5.数据预测模块:利用AI模型,识别和学习数据中的模式,预测未来的需求和潜在问题。例如,AI模型预测未来的消毒供应需求,以便提前采购和准备;AI模型还检测和警告潜在的供应链问题,包括过期产品或库存短缺。
6.反馈和决策支持模块:根据AI模型的预测结果提供实时反馈和决策支持。例如,AI模型优化库存水平,避免过度库存和库存短缺;AI模型预测每个产品的寿命,减少过期产品的浪费。
7.自动化管理模块:根据获取实时反馈结果和决策进行自动化管理。例如,当预测到需求增加时,自动化管理模块自动下单采购更多的产品;当预测到某个产品快要过期时,自动把这个产品移到库存的前面,优先使用。
整个系统利用RFID技术和AI技术的结合,实现了对消毒供应产品全生命周期的追踪和管理,能够有效地预测需求,优化库存,减少浪费,提高运营效率,具有很高的实用价值。
进一步包括:
标识符分配模块:为每一项消毒供应产品分配一个唯一的UDI唯一标识;
数据采集模块:利用传感器收集UDI唯一标识信息,
数据预处理模块:将收集到的UDI唯一标识信息进行预处理;
数据分析模块:利用AI技术,对收集的RFID数据进行深度分析和预测;
数据预测模块:利用AI模型识别并学习数据中的模式,预测未来的需求和潜在问题;
反馈和决策支持模块:根据AI模型的预测结果提供实时反馈和决策支持;
自动化管理模块:根据获取实时反馈结果和决策进行自动化管理。
进一步,UDI唯一标识允许系统跟踪每一个产品的移动,从收货、存储、分配到最终使用的全过程。
进一步,数据预测模块中,AI模型识别和学习数据中的模式,预测未来的需求和潜在问题;AI预测预测未来的消毒供应需求,以便提前采购和准备;AI模型还检测和警告潜在的供应链问题,包括过期产品或库存短缺。
进一步,反馈与支持模块中,利用AI技术优化库存管理,减少浪费,提升运营效率;AI模型优化库存水平,避免过度库存和库存短缺;AI模型预测每个产品的寿命,减少过期产品的浪费。
进一步,反馈与支持模块还包括:当AI模型预测某种消毒供应物品的需求将增加,系统会给出警告,建议提前采购;预测需求将减少,系统会建议减少采购,避免库存积压和浪费。
进一步,自动化管理模块对消毒供应流程信息进行追溯,具体步骤包括:
步骤一:获取消毒供应的流程信息;
步骤二:根据预设的消毒供应流程信息类别对流程信息进行数据分类,生成分类流程信息;
步骤三:对分类流程信息进行流程信息数据清洗处理,生成清洗流程信息;
步骤四:利用朴素贝叶斯算法对清洗流程信息进行数据分词处理,生成分词流程信息;
步骤五:利用流程信息降噪公式对分词流程信息进行数据降噪处理,生成标准流程信息。
本发明的另一目的在于提供一种基于AI复合RFID的消毒供应管理方法,包括:
S1,标识符分配:为每一项消毒供应产品分配一个唯一的UDI唯一标识;
S2,数据采集:利用传感器收集UDI唯一标识信息,
S3,数据预处理:将收集到的UDI唯一标识信息进行预处理;
S4,数据分析:利用AI技术,对收集的RFID数据进行深度分析和预测;
S5,数据预测:利用AI模型识别并学习数据中的模式,预测未来的需求和潜在问题;
S6,反馈和决策支持:根据AI模型的预测结果提供实时反馈和决策支持;
S7,自动化管理:根据获取实时反馈结果和决策进行自动化管理。
本发明的另一目的在于提供一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行所述的基于AI复合RFID的消毒供应管理方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行所述的基于AI复合RFID的消毒供应管理方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端,信息数据处理终端用于实现所述的基于AI复合RFID的消毒供应管理系统。
结合上述的技术方案和解决的技术问题,本发明所要保护的技术方案所具备的优点及积极效果为:
第一,本发明集成了射频识别(RFID)和人工智能(AI)技术,以优化和提升消毒供应的日常管理流程。使用了RFID技术为每个消毒供应产品分配唯一的标识符,然后通过AI技术,对收集到的数据进行深度分析和预测,以优化库存管理,减少浪费,提升运营效率。结合了射频识别(RFID)和人工智能(AI)的技术,以提高消毒供应的日常管理效率和精确度。
本发明中,RFID技术被用于为每一项消毒供应产品分配一个唯一的标识符。这个标识符允许系统跟踪每一个产品的移动,从收货、存储、分配到最终使用,从而确保了供应链的透明度和可追踪性。
AI技术被用于对收集的RFID数据进行深度分析和预测。AI模型识别和学习数据中的模式,预测未来的需求和潜在问题。例如,AI预测帮助预测未来的消毒供应需求,以便提前采购和准备。此外,AI模型还检测和警告潜在的供应链问题,如过期产品或库存短缺。
本发明通过AI技术优化库存管理,减少浪费,提升运营效率。AI模型帮助优化库存水平,避免过度库存和库存短缺。此外,AI模型还预测每个产品的寿命,从而减少过期产品的浪费。
第二,这个基于AI复合RFID的消毒供应管理系统带来了显著的技术进步,具体体现在以下几个方面:
1.实时追踪和管理:通过RFID技术,系统能够实时追踪每一项消毒供应产品的状态和位置,从而实现对产品全生命周期的实时管理。
2.精准预测:利用AI技术,系统准确识别和学习数据中的模式,预测未来的需求和潜在问题,这对于消毒供应管理来说是非常重要的。
3.自动化决策支持:系统不仅能提供精准的预测,还能根据预测结果自动提供决策支持,例如预测到需求增加时,自动向供应商发出采购订单;预测到某个产品快要过期时,自动把这个产品移到库存的前面,优先使用。
4.优化库存管理:系统能够根据实时数据和预测结果,优化库存管理,避免过度库存和库存短缺,减少过期产品的浪费,提高运营效率。
5.提高运营效率:整个系统的自动化管理,减少了人工干预,大大提高了运营效率,同时也减少了人为错误。
这些技术进步不仅有利于提高消毒供应管理的效率和准确性,还有助于降低运营成本,提高运营效率,从而提高了整个供应链的竞争力。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述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根据这些附图获得其他的附图。
图1是本发明实施例提供的基于AI复合RFID的消毒供应管理系统结构图;
图2是本发明实施例提供的消毒供应流程信息追溯流程图;
图3是本发明实施例提供的基于AI复合RFID的消毒供应管理方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于AI复合RFID的消毒供应管理系统及方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的基于AI复合RFID的消毒供应管理系统,包括:
标识符分配模块:为每一项消毒供应产品分配一个唯一的UDI唯一标识;标识符分配模块的具体工作原理分为以下步骤:当一个新的消毒供应产品需要被加入系统时,标识符分配模块会生成一个全局唯一的标识符,也就是UDI(Unique Device Identifier)。这个UDI通过某种算法(如UUID、GUID等)生成,保证在全球范围内的唯一性。生成的UDI会被存储在一个数据库或云服务中。这个数据库是关系型数据库(如MySQL、Oracle等),也是非关系型数据库(如MongoDB)。数据库的主要作用是存储每个产品的UDI及其相关信息,以供将来查询和管理。生成并存储UDI后,接下来会将UDI编码到RFID(Radio FrequencyIdentification)标签中。RFID标签是一种远距离读取和写入数据的无线电标签,这意味着我们通过无线电信号获取或更改RFID标签中的UDI。最后,编码好的RFID标签会被附加到消毒供应产品上。这样,只要有RFID读取设备,就方便地获取到产品的UDI,进而查询到该产品的所有相关信息。标识符分配模块的主要工作就是生成、存储和管理UDI,以及将UDI编码到RFID标签并附加到产品上。这个过程实现了对消毒供应产品的唯一标识,为后续的数据采集、数据分析等工作提供了基础。
数据采集模块:利用传感器收集UDI唯一标识信息,
数据预处理模块:将收集到的UDI唯一标识信息进行预处理;数据预处理模块的工作原理包括以下步骤:首先,模块会对收集到的数据进行清洗。这一步的目标是去除或修正噪声数据和错误数据。一些数据清洗技术包括:噪声因为数据采集过程中的误差、设备故障、传输错误等原因产生。去除噪声需要使用到统计方法,如中位数滤波、均值滤波等。数据中存在一些明显的错误或异常值,如年龄为负数、日期格式错误等。修正这些错误需要根据实际情况来确定具体的修正策略。数据中存在一些缺失值,需要进行适当的处理。处理缺失值方法包括:如果缺失值的数量不多,直接删除包含缺失值的记录。如果缺失值的数量较多,直接删除会造成信息损失。这时通过一些方法填补缺失值,如使用平均值、中位数或众数填补,或者使用插值、回归等方法预测缺失值。清洗完数据后,需要对数据进行适当的转换,使其更适合后续的数据分析或机器学习模型。
数据转换方法包括将数据按比例缩放,使之落入一个小的特定区间,如[-1,1]或[0,1]。这有助于处理那些在数量级或单位上有很大差异的特征。将数据的分布调整成标准正态分布,使得其均值为0,标准差为1。这有助于提高模型的收敛速度和模型的表现。在数据预处理的最后一步,需要从原始的数据中提取出对后续分析和模型有用的特征。例如,使用主成分分析(PCA)、线性判别分析(LDA)等方法进行特征提取或者降维。数据预处理模块的主要工作是对原始数据进行清洗、处理缺失值、数据转换和特征提取等操作,以提高数据的质量和适用性,为后续的数据分析和模型训练做好准备。
数据分析模块:利用AI技术,对收集的RFID数据进行深度分析和预测;数据分析模块的工作原理按照以下步骤进行:
1)选择适当的分析方法:根据数据的性质和问题的需求,选择合适的AI技术和算法。例如,如果需要发现产品的分组,会选择聚类算法;如果需要预测产品的状态,会选择分类算法;如果需要预测产品的需求,会选择回归算法。
2)训练模型:使用预处理后的数据训练所选的AI模型。训练过程中会通过交叉验证或者其他方法来调整模型参数,以得到最好的模型表现。
3)模型评估:完成模型训练后,需要对模型的性能进行评估。这个步骤会使用一部分预处理后的数据作为测试集,来评估模型在未见过的数据上的表现。评估指标有精度、召回率、F1分数等。
4)应用模型:模型评估完成后,就将模型应用到新的数据上,进行预测或者分析。例如,将聚类模型应用到产品数据上,发现产品的分组;将分类模型应用到产品数据上,预测产品的状态;也将回归模型应用到产品数据上,预测产品的需求。
5)解析结果:最后,需要对模型的输出结果进行解析和理解。然后将这些结果反馈到决策过程中,帮助改进产品或者优化业务。
数据分析模块主要使用各种AI技术对预处理后的数据进行深度学习和分析,目的是从数据中提取有价值的信息,帮助决策和优化业务。
数据预测模块:利用AI模型识别并学习数据中的模式,预测未来的需求和潜在问题;数据预测模块的工作原理主要涵盖以下步骤:
1.选择预测模型:依据预测任务的特性和数据的性质,选择合适的预测模型。模型的选择范围非常广泛,例如线性回归、逻辑回归、决策树、随机森林、梯度提升、神经网络等。
2.模型训练:在此阶段,模型会利用历史数据来学习和识别其中的模式。这个过程包括特征选择、模型训练、以及模型参数的优化等步骤。
3.模型验证和评估:模型训练完成后,需要使用测试数据集对模型的预测能力进行验证和评估。评估指标包括:准确率、召回率、精确率、F1分数、ROC曲线、AUC值等。这些指标帮助我们了解模型在未见过的数据上的表现。
4.预测未来数据:一旦模型通过了验证和评估,就使用模型来预测未来的数据。例如,根据历史销售数据预测未来的产品需求,或者根据历史故障数据预测未来出现的潜在问题。
5.结果分析和优化:最后,需要解读预测结果,将其转化为可操作的业务洞见。同时,根据模型的实际表现和业务反馈,进行模型的持续优化。优化涉及到模型的参数调整、特征的重新选择,或者甚至更换新的预测模型。
总的来说,数据预测模块的工作原理主要围绕着模型选择、模型训练、模型验证和评估、预测未来数据,以及结果分析和优化这几个步骤进行。
反馈和决策支持模块:根据AI模型的预测结果提供实时反馈和决策支持;反馈和决策支持模块的工作原理归结为以下几个步骤:该模块首先接收来自数据预测模块或数据分析模块的预测结果。这些结果包括未来的需求预测,潜在问题预测,产品分组等。模块解析这些预测结果,理解其含义和影响。例如,如果预测了未来一段时间内某个产品的需求量,那么需要理解这对库存管理、生产计划等有何影响。根据解析的结果,生成决策支持信息。这包括推荐的行动方案,例如,增加某个产品的生产量,或者对潜在问题进行早期干预。模块将决策支持信息以实时反馈的形式提供给决策者。这通过各种方式实现,例如,通过数据仪表板显示,通过报告发送,或者通过警报系统提醒等。决策者根据提供的信息进行决策和行动。例如,根据预测的需求量调整生产计划,或者根据预测的潜在问题进行早期干预。最后,决策者的行动结果会反馈到系统中,作为优化模型和改进决策支持的输入。反馈和决策支持模块的工作原理主要是接收和解析AI模型的预测结果,生成决策支持信息,提供实时反馈,支持决策者进行行动,然后将行动结果反馈到系统中。
自动化管理模块:根据获取实时反馈结果和决策进行自动化管理。
UDI唯一标识允许系统跟踪每一个产品的移动,从收货、存储、分配到最终使用的全过程。
数据预测模块中,AI模型识别和学习数据中的模式,预测未来的需求和潜在问题;AI预测预测未来的消毒供应需求,以便提前采购和准备;AI模型还检测和警告潜在的供应链问题,包括过期产品或库存短缺。
反馈与支持模块中,利用AI技术优化库存管理,减少浪费,提升运营效率;AI模型优化库存水平,避免过度库存和库存短缺;AI模型预测每个产品的寿命,减少过期产品的浪费。
反馈与支持模块还包括:当AI模型预测某种消毒供应物品的需求将增加,系统会给出警告,建议提前采购;预测需求将减少,系统会建议减少采购,避免库存积压和浪费。
如图2所示,自动化管理模块对消毒供应流程信息进行追溯,具体步骤包括:
步骤一:获取消毒供应的流程信息;
步骤二:根据预设的消毒供应流程信息类别对流程信息进行数据分类,生成分类流程信息;
步骤三:对分类流程信息进行流程信息数据清洗处理,生成清洗流程信息;
步骤四:利用朴素贝叶斯算法对清洗流程信息进行数据分词处理,生成分词流程信息;
步骤五:利用流程信息降噪公式对分词流程信息进行数据降噪处理,生成标准流程信息。
如图3所示,本发明实施例提供的基于AI复合RFID的消毒供应管理方法,包括:
S1,标识符分配:为每一项消毒供应产品分配一个唯一的UDI唯一标识;
S2,数据采集:利用传感器收集UDI唯一标识信息,
S3,数据预处理:将收集到的UDI唯一标识信息进行预处理;
S4,数据分析:利用AI技术,对收集的RFID数据进行深度分析和预测;
S5,数据预测:利用AI模型识别并学习数据中的模式,预测未来的需求和潜在问题;
S6,反馈和决策支持:根据AI模型的预测结果提供实时反馈和决策支持;
S7,自动化管理:根据获取实时反馈结果和决策进行自动化管理。
本发明是一个创新的管理系统,结合了射频识别(RFID)和人工智能(AI)的技术,以提高消毒供应的日常管理效率和精确度。
在本发明中,RFID技术首先被用于为每一项消毒供应产品分配一个唯一的标识符。这个标识符允许系统跟踪每一个产品的移动,从收货、存储、分配到最终使用,从而确保了供应链的透明度和可追踪性。
然后,AI技术被用于对收集的RFID数据进行深度分析和预测。AI模型识别和学习数据中的模式,预测未来的需求和潜在问题。例如,AI预测帮助预测未来的消毒供应需求,以便提前采购和准备。此外,AI模型还检测和警告潜在的供应链问题,如过期产品或库存短缺。
此外,本发明还通过AI技术优化库存管理,减少浪费,提升运营效率。AI模型帮助优化库存水平,避免过度库存和库存短缺。此外,AI模型还预测每个产品的寿命,从而减少过期产品的浪费。
基于AI复合RFID的消毒供应日常管理系统"通过结合RFID和AI技术,实现了消毒供应管理的自动化和智能化,从而提升了管理效率和精确度,减少了浪费,并提高了运营效率。
基于AI复合RFID的消毒供应日常管理系统结合射频识别(RFID)和人工智能(AI)技术,旨在提高消毒供应的日常管理效率和精确度。
在系统中,RFID技术负责为消毒供应产品分配唯一标识符,跟踪产品从收货、存储、分配到最终使用的全过程,确保供应链的透明度和可追踪性。
接下来,AI技术对收集的RFID数据进行深度分析和预测。AI模型识别并学习数据中的模式,预测未来的需求和潜在问题。例如,AI预测有助于预测未来的消毒供应需求,准备提前采购。同时,AI模型检测并警告潜在的供应链问题,如过期产品或库存短缺。
此外,系统还利用AI技术优化库存管理,降低浪费,提升运营效率。AI模型帮助优化库存水平,避免过度库存和库存短缺。AI模型预测每个产品的寿命,减少过期产品的浪费。
本发明结合RFID和AI技术,实现消毒供应管理的自动化和智能化,提升管理效率和精确度,降低浪费,提高运营效率。
详细的信号和数据的处理过程包括:
1)数据采集:RFID技术标记和追踪每个消毒供应物品,生成大量的数据,如每个物品的ID、类型、生产日期、使用状态等。这些数据收集并存储在数据库中。
2)数据清洗和预处理:收集的数据进行数据清洗和预处理,确保数据的质量和完整性。
3)数据分析和预测:清洗和预处理后的数据输入到AI模型中。模型使用机器学习算法,如决策树、支持向量机、随机森林或深度学习等,学习数据中的模式,预测未来的需求或潜在问题。
4)反馈和决策支持:AI模型的预测结果提供实时反馈和决策支持。如AI模型预测某种消毒供应物品的需求将增加,系统会给出警告,建议提前采购。预测需求将减少,系统会建议减少采购,避免库存积压和浪费。
本发明的应用实施例提供了一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行基于AI复合RFID的消毒供应管理方法的步骤。
本发明的应用实施例提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行基于AI复合RFID的消毒供应管理方法的步骤。
本发明的应用实施例提供了一种信息数据处理终端,信息数据处理终端用于实现基于AI复合RFID的消毒供应管理系统。
以下是两个针对基于AI复合RFID的消毒供应管理系统的具体实施例和实现方案:
实施例1:医院消毒材料管理
在医院环境中,消毒材料的有效管理至关重要。适当的库存管理确保在需要时能够迅速获取所需的消毒材料,同时避免过期和浪费。
标识符分配模块:为每瓶消毒液或每个消毒设备分配一个RFID标签。
数据采集模块:在消毒材料的存储和使用地点安装RFID读取器,定期收集RFID标签的信息。
数据预处理模块:清洗收集的数据,例如修正读取错误,填充缺失的读取信息。
数据分析模块:使用AI算法(例如聚类分析或异常检测)分析消毒材料的使用模式和趋势。
数据预测模块:基于历史数据和当前趋势,预测未来消毒材料的需求。
反馈和决策支持模块:根据预测结果,提供库存管理建议,例如何时购买新的消毒材料,或调整存储位置等。
自动化管理模块:根据反馈结果,自动执行相应的操作,例如自动向供应商发出采购订单。
实施例2:公共交通消毒管理
在公共交通工具如公交车、地铁中,消毒的频繁和准确性是确保乘客安全的关键。AI复合RFID的消毒供应管理系统帮助优化这一流程。
标识符分配模块:为每个消毒设备(例如自动喷雾设备)分配一个RFID标签。
数据采集模块:在公交车或地铁车厢内以及保养站点安装RFID读取器,实时收集消毒设备的状态和位置信息。
数据预处理模块:对收集的数据进行清洗和预处理,确保数据的准确性。
数据分析模块:使用AI技术分析设备的使用情况,例如设备何时启动,运行多久,消耗的消毒液量等。
数据预测模块:根据设备的使用模式和消耗量,预测未来的消毒液需求和设备的保养时间。
反馈和决策支持模块:提供预测结果,并建议何时需要更换消毒液或进行设备保养。
自动化管理模块:根据决策支持模块的建议,自动执行相应的操作,例如自动通知维护人员进行设备保养,或自动向供应商发出采购消毒液的订单。
应当注意,本发明的实施方式通过硬件、软件或者软件和硬件的结合来实现。硬件部分利用专用逻辑来实现;软件部分存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员理解上述的设备和方法使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也用由各种类型的处理器执行的软件实现,也由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于AI复合RFID的消毒供应管理系统,其特征在于,包括:
标识符分配模块:使用一个内置的数据库或云服务来生成和分配UDI唯一标识符每个标识符都是全局唯一的,用来准确地识别一个特定的消毒供应产品这些标识符被编码到RFID标签中,并附加到产品上
数据采集模块:此模块包含多个传感器或读取器,收集到产品的唯一标识符,位置,状态信息,然后将这些信息发送到数据预处理模块进行进一步处理
数据预处理模块:首先会对收集到的数据进行初步清洗;然后,它会对数据进行预处理,便于AI模型更好地理解和处理这些数据
数据分析模块:数据分析模块使用各种AI技术,对预处理后的数据进行深度分析它会使用聚类算法来发现产品的分组,使用分类算法来预测产品的状态,或者使用回归算法来预测产品的需求
数据预测模块:使用预测模型来预测未来的需求和潜在问题;预测未来一段时间内某个产品的需求量,或者预测某个产品的失效日期;
反馈和决策支持模块:反馈和决策支持模块根据预测结果提供具体的操作建议;建议采购更多的某个产品,或者将某个即将过期的产品放到库存的前面这些建议帮助管理人员做出更好的决策
自动化管理模块:自动化管理模块根据反馈和决策支持模块的建议进行自动化管理;自动下单采购更多的产品,或者自动调整库存的排序。
2.根据权利要求1所述的系统,其特征在于,标识符分配模块的具体工作原理分为以下步骤:
生成UDI:当一个新的消毒供应产品需要被加入系统时,标识符分配模块会生成一个全局唯一的标识符;UDI通过某种算法(如UUID、GUID)生成,保证在全球范围内的唯一性
存储UDI:生成的UDI会被存储在一个数据库或云服务中;这个数据库是关系型数据库,也是非关系型数据库;数据库的主要作用是存储每个产品的UDI及其相关信息,以供将来查询和管理
编码UDI到RFID:生成并存储UDI后,接下来会将UDI编码到RFID标签中;
附加RFID标签到产品:最后,编码好的RFID标签会被附加到消毒供应产品上。
3.根据权利要求1所述的系统,其特征在于,数据采集模块包括一个或多个RFID读取器,用于读取和记录RFID标签的信息;数据预处理模块包括一个数据清洗子模块,用于修正读取错误和填充缺失的读取信息数据分析模块使用的AI算法包括但不限于聚类分析或异常检测;数据预测模块基于历史数据和当前趋势,预测未来消毒材料的需求;自动化管理模块根据反馈结果,自动执行相应的操作,自动向供应商发出采购订单。
4.如权利要求1所述的基于AI复合RFID的消毒供应管理系统,其特征在于,数据预处理模块的工作原理包括以下步骤:
1)数据清洗:首先,模块会对收集到的数据进行清洗,包括:
去除噪声:使用统计方法去除噪声;
修正错误:数据中存在错误或异常值;修正这些错误需要根据实际情况来确定具体的修正策略;
2)处理缺失值:数据中存在一些缺失值,需要进行适当的处理;处理缺失值方法包括:
删除含缺失值的记录:如果缺失值的数量不多,直接删除包含缺失值的记录;
填补缺失值:如果缺失值的数量较多,直接删除会造成信息损失,填补缺失值;
3)数据转换:清洗完数据后,需要对数据进行适当的转换,使其更适合后续的数据分析或机器学习模型;数据转换方法包括:
标准化:将数据按比例缩放,使之落入一个小的特定区间;
归一化:将数据的分布调整成标准正态分布,使得其均值为0,标准差为1;这有助于提高模型的收敛速度和模型的表现;
4)特征提取:在数据预处理的最后一步,需要从原始的数据中提取出对后续分析和模型有用的特征。
5.如权利要求1所述的基于AI复合RFID的消毒供应管理系统,其特征在于,数据分析模块的工作原理按照以下步骤进行:
1)选择适当的分析方法:根据数据的性质和问题的需求,选择合适的AI技术和算法;如果需要发现产品的分组,会选择聚类算法;如果需要预测产品的状态,会选择分类算法;如果需要预测产品的需求,会选择回归算法;
2)训练模型:使用预处理后的数据训练所选的AI模型;训练过程中会通过交叉验证或者其他方法来调整模型参数,以得到最好的模型表现;
3)模型评估:完成模型训练后,需要对模型的性能进行评估;使用一部分预处理后的数据作为测试集,来评估模型在未见过的数据上的表现;评估指标有精度、召回率、F1分数;
4)应用模型:模型评估完成后,就将模型应用到新的数据上,进行预测或者分析;将聚类模型应用到产品数据上,发现产品的分组;将分类模型应用到产品数据上,预测产品的状态;也将回归模型应用到产品数据上,预测产品的需求;
5)解析结果:对模型的输出结果进行解析和理解。
6.如权利要求1所述的基于AI复合RFID的消毒供应管理系统,其特征在于,数据预测模块的工作原理主要涵盖以下步骤:
选择预测模型:依据预测任务的特性和数据的性质,选择合适的预测模型;
模型训练:在此阶段,模型会利用历史数据来学习和识别其中的模式;这个过程包括特征选择、模型训练、以及模型参数的优化步骤;
模型验证和评估:模型训练完成后,需要使用测试数据集对模型的预测能力进行验证和评估;评估指标包括:准确率、召回率、精确率、F1分数、ROC曲线、AUC值;
预测未来数据:一旦模型通过了验证和评估,就使用模型来预测未来的数据;例如,根据历史销售数据预测未来的产品需求,或者根据历史故障数据预测未来出现的潜在问题;
结果分析和优化:最后,需要解读预测结果,将其转化为可操作的业务洞见;同时,根据模型的实际表现和业务反馈,进行模型的持续优化;优化涉及到模型的参数调整、特征的重新选择,或者甚至更换新的预测模型。
7.如权利要求1所述的基于AI复合RFID的消毒供应管理系统,其特征在于,反馈和决策支持模块的工作原理归结为以下几个步骤:
接收预测结果:该模块首先接收来自数据预测模块或数据分析模块的预测结果,包括未来的需求预测,潜在问题预测,产品分组;
结果解析:模块解析这些预测结果,理解其含义和影响;如果预测了未来一段时间内某个产品的需求量,那么需要理解这对库存管理、生产计划有何影响;
生成决策支持信息:根据解析的结果,生成决策支持信息,包括推荐的行动方案,增加某个产品的生产量,或者对潜在问题进行早期干预;
提供实时反馈:模块将决策支持信息以实时反馈的形式提供给决策者;这通过各种方式实现,通过数据仪表板显示,通过报告发送,或者通过警报系统提醒;
决策者行动:决策者根据提供的信息进行决策和行动,根据预测的需求量调整生产计划,或者根据预测的潜在问题进行早期干预;
反馈决策结果:最后,决策者的行动结果会反馈到系统中,作为优化模型和改进决策支持的输入。
8.如权利要求1所述的基于AI复合RFID的消毒供应管理系统,其特征在于,自动化管理模块对消毒供应流程信息进行追溯,具体步骤包括:
步骤一:获取消毒供应的流程信息;
步骤二:根据预设的消毒供应流程信息类别对流程信息进行数据分类,生成分类流程信息;
步骤三:对分类流程信息进行流程信息数据清洗处理,生成清洗流程信息;
步骤四:利用朴素贝叶斯算法对清洗流程信息进行数据分词处理,生成分词流程信息;
步骤五:利用流程信息降噪公式对分词流程信息进行数据降噪处理,生成标准流程信息。
9.一种基于AI复合RFID的消毒供应管理方法,其特征在于,包括:
S1,标识符分配:为每一项消毒供应产品分配一个唯一的UDI唯一标识;
S2,数据采集:利用传感器收集UDI唯一标识信息;
S3,数据预处理:将收集到的UDI唯一标识信息进行预处理;
S4,数据分析:利用AI技术,对收集的RFID数据进行深度分析和预测;
S5,数据预测:利用AI模型识别并学习数据中的模式,预测未来的需求和潜在问题;
S6,反馈和决策支持:根据AI模型的预测结果提供实时反馈和决策支持;
S7,自动化管理:根据获取实时反馈结果和决策进行自动化管理。
10.一种信息数据处理终端,信息数据处理终端用于实现如权利要求1~6任意一项所述的基于AI复合RFID的消毒供应管理系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500023.4A CN117474435A (zh) | 2023-11-09 | 2023-11-09 | 一种基于ai复合rfid的消毒供应管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500023.4A CN117474435A (zh) | 2023-11-09 | 2023-11-09 | 一种基于ai复合rfid的消毒供应管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117474435A true CN117474435A (zh) | 2024-01-30 |
Family
ID=89639428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311500023.4A Pending CN117474435A (zh) | 2023-11-09 | 2023-11-09 | 一种基于ai复合rfid的消毒供应管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474435A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707098A (zh) * | 2024-02-06 | 2024-03-15 | 水发科技信息(山东)有限公司 | 一种智能化工业互联网服务系统 |
-
2023
- 2023-11-09 CN CN202311500023.4A patent/CN117474435A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707098A (zh) * | 2024-02-06 | 2024-03-15 | 水发科技信息(山东)有限公司 | 一种智能化工业互联网服务系统 |
CN117707098B (zh) * | 2024-02-06 | 2024-05-07 | 水发科技信息(山东)有限公司 | 一种智能化工业互联网服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A framework for Big Data driven product lifecycle management | |
Omri et al. | Industrial data management strategy towards an SME-oriented PHM | |
US11093519B2 (en) | Artificial intelligence (AI) based automatic data remediation | |
Vrignat et al. | Sustainable manufacturing, maintenance policies, prognostics and health management: A literature review | |
Soylu et al. | Multi-criteria inventory classification with reference items | |
CN117474435A (zh) | 一种基于ai复合rfid的消毒供应管理系统及方法 | |
Zhang et al. | An energy-aware cyber physical system for energy Big data analysis and recessive production anomalies detection in discrete manufacturing workshops | |
Karimi-Mamaghan et al. | A learning-based metaheuristic for a multi-objective agile inspection planning model under uncertainty | |
CN114707675A (zh) | 一种基于车辆健康诊断的车辆维修计划管理方法及系统 | |
Lao et al. | Real‐time inbound decision support system for enhancing the performance of a food warehouse | |
CN117612683A (zh) | 一种融合ai技术的手术器械识别管理方法及系统 | |
Badakhshan et al. | Deploying hybrid modelling to support the development of a digital twin for supply chain master planning under disruptions | |
Silva et al. | Availability forecast of mining equipment | |
Chilukuri et al. | Effective predictive maintenance to overcome system failures—A machine learning approach | |
CN111679814A (zh) | 一种数据驱动的数据中台系统 | |
US20230068453A1 (en) | Methods and systems for determining and displaying dynamic patient readmission risk and intervention recommendation | |
CN115169658A (zh) | 基于npl和知识图谱的库存消耗预测方法、系统和存储介质 | |
Cai et al. | A location prediction method for work-in-process based on frequent trajectory patterns | |
Oroy et al. | Predictive Maintenance in Industrial Systems Using Machine Learning | |
Le et al. | An energy data-driven decision support system for high-performance manufacturing industries | |
Kumar et al. | Role of machine learning in cyber-physical systems to improve manufacturing processes | |
Ejlali et al. | Developing hybrid machine learning models to assign health score to railcar fleets for optimal decision making | |
Kanamala | Progressing toward the application of artificial intelligence for medical equipment replacement in Canadian hospitals—An idea from the Biomedical Engineering Department at Northern Health | |
Zhang et al. | [Retracted] Bayesian Network Structure Learning and Application | |
CN117807377B (zh) | 多维度物流数据挖掘与预测方法及系统 |
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 |