CN117474514A - 机器人的运维方法及装置 - Google Patents
机器人的运维方法及装置 Download PDFInfo
- Publication number
- CN117474514A CN117474514A CN202210822384.XA CN202210822384A CN117474514A CN 117474514 A CN117474514 A CN 117474514A CN 202210822384 A CN202210822384 A CN 202210822384A CN 117474514 A CN117474514 A CN 117474514A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- target
- robot
- task
- objects
- 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 339
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003745 diagnosis Methods 0.000 claims description 49
- 238000000605 extraction Methods 0.000 claims description 25
- 230000007246 mechanism Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000001364 causal effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001303 quality assessment method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009411 base construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/20—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
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及机器人运维技术领域,提供了机器人的运维方法及装置。该方法包括:接收到目标机器人发送的运维请求;基于运维请求确定目标机器人对应的运维类型和运维工作量;获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。采用上述技术手段,解决现有技术中,对机器人进行运维,存在效率低的问题。
Description
技术领域
本公开涉及机器人运维技术领域,尤其涉及一种机器人的运维方法及装置。
背景技术
机器人的运维,包括对机器人运行系统的测试、机器人工作的测试、机器人日常维护和机器人故障的维修等。目前往往都是按照固定时间段对机器人统一进行运维,特殊情况下,需要对一些或者一个机器人单独进行运维,比如机器人出现故障,往往是系统指派运维人员,对机器人进行运维。上述无论是按照固定时间段对机器人统一进行运维,还是系统指派运维人员对部分机器人进行运维,都存在效率低的问题。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下技术问题:对机器人进行运维,存在效率低的问题。
发明内容
有鉴于此,本公开实施例提供了一种机器人的运维方法、装置、电子设备和计算机可读的存储介质,以解决现有技术中,对机器人进行运维,存在效率低的问题。
本公开实施例的第一方面,提供了一种机器人的运维方法,包括:接收到目标机器人发送的运维请求;基于运维请求确定目标机器人对应的运维类型和运维工作量;获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。
本公开实施例的第二方面,提供了一种机器人的运维装置,包括:接收模块,被配置为接收到目标机器人发送的运维请求;第一确定模块,被配置为基于运维请求确定目标机器人对应的运维类型和运维工作量;获取模块,被配置为获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;第二确定模块,被配置为基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;任务模块,被配置为基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。
本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是:接收到目标机器人发送的运维请求;基于运维请求确定目标机器人对应的运维类型和运维工作量;获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。采用上述技术手段,可以解决现有技术中,对机器人进行运维,存在效率低的问题,进而提高对机器人进行运维的效率。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术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公开的一些实施例,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,还可以根据这些附图获得其它的附图。
图1是本公开实施例的应用场景的场景示意图;
图2是本公开实施例提供的一种机器人的运维方法的流程示意图;
图3是本公开实施例提供的一种机器人的运维装置的结构示意图;
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种机器人的运维方法和装置。
图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。
终端设备101、102和103可以是硬件,也可以是软件。当终端设备101、102和103为硬件时,其可以是具有显示屏且支持与服务器104通信的各种电子设备,包括但不限于智能手机、机器人、膝上型便携计算机和台式计算机等(比如102可以为机器人);当终端设备101、102和103为软件时,其可以安装在如上的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本公开实施例对此不作限制。进一步地,终端设备101、102和103上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
服务器104可以是提供各种服务的服务器,例如,对与其建立通信连接的终端设备发送的请求进行接收的后台服务器,该后台服务器可以对终端设备发送的请求进行接收和分析等处理,并生成处理结果。服务器104可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者还可以是一个云计算服务中心,本公开实施例对此不作限制。
需要说明的是,服务器104可以是硬件,也可以是软件。当服务器104为硬件时,其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时,其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块,也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块,本公开实施例对此不作限制。
网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络,也可以是无需布线就能实现各种通信设备互联的无线网络,例如,蓝牙(Bluetooth)、近场通信(Near FieldCommunication,NFC)、红外(Infrared)等,本公开实施例对此不作限制。
目标用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接,以接收或发送信息等。需要说明的是,终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本公开实施例对此不作限制。
图2是本公开实施例提供的一种机器人的运维方法的流程示意图。图2的机器人的运维方法可以由图1的终端设备或服务器执行。如图2所示,该机器人的运维方法包括:
S201,接收到目标机器人发送的运维请求;
S202,基于运维请求确定目标机器人对应的运维类型和运维工作量;
S203,获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;
S204,基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;
S205,基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。
机器人的运维,包括对机器人运行系统的测试、机器人工作的测试、机器人日常维护和机器人故障的维修等。运维类型也包括对机器人运行系统的测试、机器人工作的测试、机器人日常维护和机器人故障的维修等。运维工作量是目标机器人的运维需要的计算机计算能力和运维时间等。运维对象可以是运维人员或者专门用于运维机器人的服务器或者电脑。运维对象数据库包括有每个运维对象现在正在执行或者还没有执行结束的运维任务,运维任务携带有该任务的工作量和对应的运维类型。第一目标运维对象是符合运维类型的,为了提高运维效率,可以让每个运维对象长期执行一种运维类型的运维任务。第一目标运维对象的目标工作量大于等于运维工作量,第一目标运维对象的目标工作量是第一目标运维对象在执行自身的运维任务的基础上,还可以承接的最大工作量。需要说明的是第一目标运维对象的目标工作量和第二目标运维对象的目标工作量表达相近的含义,都是对运维对象还可以承接任务的能力的评价。
根据本公开实施例提供的技术方案,接收到目标机器人发送的运维请求;基于运维请求确定目标机器人对应的运维类型和运维工作量;获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。采用上述技术手段,可以解决现有技术中,对机器人进行运维,存在效率低的问题,进而提高对机器人进行运维的效率。
在步骤S204中,基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象,包括:依据每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出符合运维类型的运维对象组,其中,运维对象组包括多个运维对象;依据运维工作量和运维对象组中的每个运维对象的运维任务,从运维对象组中的多个运维对象中确定出第一目标运维对象。
比如运维类型为机器人故障的维修,从运维对象数据库中的多个运维对象中确定出运维类型为机器人故障的维修的运维对象,得到运维对象组。运维工作量是半天的工作量,运维对象组中某个运维对象的运维任务也是半天,也就是说今天该运维对象还有半天可以承接新任务。将该运维对象作为第一目标运维对象。
依据运维工作量和运维对象组中的每个运维对象的运维任务,从运维对象组中的多个运维对象中确定出第一目标运维对象,包括:判断运维对象组中的每个运维对象是否完成自身的运维任务;依据运维工作量,从运维对象组中的已经完成自身的运维任务的运维对象中确定出第一目标运维对象。
比如,运维对象组中的已经完成自身的运维任务的运维对象有两个,分别是第一对象和第二对象。第一对象可以承接的工作量是1000点,第二对象可以承接的工作量是2000点,运维工作量为1500(工作量用点数表示,完全可以根据具体情况,自行提出评价标准,这种评价是基于任务所需计算机计算能力的),那么将第二对象作为第一目标运维对象。
依据运维工作量和运维对象组中的每个运维对象的运维任务,从运维对象组中的多个运维对象中确定出第一目标运维对象,包括:当运维对象组中存在多个第二目标运维对象,其中,第二目标运维对象的目标工作量大于等于运维工作量,第二目标运维对象的目标工作量是该第二目标运维对象在执行自身的运维任务的基础上,还可以承接的最大工作量;将多个第二目标运维对象中评价分数最高的第二目标运维对象确定为第一目标运维对象;或者将多个第二目标运维对象中平均运维耗时最短的第二目标运维对象确定为第一目标运维对象;或者将多个第二目标运维对象中完成任务数最多的第二目标运维对象确定为第一目标运维对象。
当运维对象组中存在多个第二目标运维对象,每个第二目标运维对象都可以作为第一目标运维对象,本公开实施例是从多个第二目标运维对象,选出最优的第一目标运维对象。平均运维耗时用于表示一个运维对象平均完成一个运维任务需要的时间。任务数表示一个运维对象总共完成的运维任务的数量。
在步骤S205中,基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作,包括:基于目标机器人的机器人信息,利用第一目标运维对象上设置的设备机理诊断模型建立目标运维任务,其中,运维请求包括机器人信息;基于目标机器人的机器人信息,利用第一目标运维对象上设置的知识图谱诊断模型建立目标运维任务。
设备机理诊断模型和知识图谱诊断模型侧重的是对出故障的机器人进行诊断,得到故障原因。如果是测试机器人运行的系统等类型的运维,那么只需要利用第一目标运维对象监控目标机器人运行系统,并得到运行结果,饭后根据运行结果进行适当的调整,或者反馈给系统开发者。
基于目标机器人的机器人信息,利用第一目标运维对象上设置的设备机理诊断模型建立目标运维任务之前,方法还包括:获取专家诊断知识库,并基于专家诊断知识库,确定多个故障事件和每个故障事件对应的一个或多个原因事件;基于多个故障事件和每个故障事件对应的一个或多个原因事件,通过设备机理分析方法生成故障树;根据故障树,构建机器人机理诊断模型。
专家诊断知识库包括大量机器人故障诊断领域的诊断知识,比如一种机器人的一种故障事件可能对应的故障原因。故障树是一种特殊的倒立树状逻辑因果关系图,它用事件符号、逻辑门符号和转移符号描述系统中各种事件之间的因果关系。故障事件包括对机器人发生故障的现象的描述,原因事件包括对机器人发生故障的原因的描述。因为专家诊断知识库中存在冗余信息、重复的信息、存在冲突的信息,设备机理分析方法可以辅助故障事件与原因事件的对应关系,使得故障事件与原因事件的对应关系更加明确。或者设备机理分析方法还可以理解为对专家诊断知识库的应用。故障树存在多个故障事件与原因事件的对应关系,那么机器人机理诊断模型就是基于专家诊断知识库借助数学公式实现多个故障事件与原因事件的对应关系,比如给机器人机理诊断模型输入一个故障事件,就可以输出一个对应的原因事件。机器人信息是目标机器人的工作和状态信息,包括:电机的工作和状态、主机的工作和状态和执行程序的运行结果等。比如利用设备机理诊断模型对机器人信息进行处理,发现目标机器人是电机故障,那么利用电机故障对应的维修程序对目标机器人进行维修。
目标运维任务是基于目标机器人对应的原因事件建立的,比如目标机器人是电机故障,那么目标运维任务就是电机维修任务。
基于目标机器人的机器人信息,利用第一目标运维对象上设置的知识图谱诊断模型建立目标运维任务之前,方法还包括:获取多个机器人对应的机器人故障诊断数据;对机器人故障诊断数据进行知识抽取处理,得到抽取结果;对抽取结果进行知识融合处理,得到融合结果;对融合结果进行知识加工处理,得到机器人知识图谱;基于机器人知识图谱,构建知识图谱诊断模型。
知识抽取处理,包括:实体抽取、关系抽取、属性抽取。实体抽取:也称为命名实体识别(Named Entity Recognition, NER),是指从文本预料中自动识别出命名实体。关系抽取:文本语料经过实体抽取之后,得到一系列离散的命名实体。为了得到语义信息,需要从相关语料中提取出实体之间的关联关系,通过关系将实体联系起来,形成网状的知识结构。属性抽取:从不同信息源中采集特定实体的属性信息。
通过知识抽取获得的信息具有以下两个问题:信息之间关系扁平化,缺乏层次性与逻辑性;存在大量冗余信息。采用知识融合解决上述问题,主要包含两个部分:实体链接、知识合并,其中,实体链接涉及共指消解、实体消歧两种技术。
知识加工主要包括三个方面的内容:本体构建、知识推理、质量评估。本体(Ontology)包含某个学科内的基本实体和实体之间的关系,是描述领域知识的通用概念模型。知识图谱在完成本体构建后已经初具雏形,但知识之间的关系存在残缺,采用知识推理进一步知识发现,从而对知识图谱的知识进行补全。知识推理主要分为三大类:基于规则的推理、基于图的推理、基于深度学习的推理。质量评估也是知识库构建技术的重要组成部分,用于对知识的可信度进行量化,通过舍弃置信度较低的知识来保障知识图谱的质量。
知识图谱诊断模型就是基于知识图谱借助数学公式实现多个故障事件与原因事件的对应关系,比如给知识图谱诊断模型输入一个故障事件(故障事件也就是机器人信息),就可以输出一个对应的原因事件(原因事件也就是故障信息)。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的一种机器人的运维装置的示意图。如图3所示,该机器人的运维装置包括:
接收模块301,被配置为接收到目标机器人发送的运维请求;
第一确定模块302,被配置为基于运维请求确定目标机器人对应的运维类型和运维工作量;
获取模块303,被配置为获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;
第二确定模块304,被配置为基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;
任务模块305,被配置为基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。
机器人的运维,包括对机器人运行系统的测试、机器人工作的测试、机器人日常维护和机器人故障的维修等。运维类型也包括对机器人运行系统的测试、机器人工作的测试、机器人日常维护和机器人故障的维修等。运维工作量是目标机器人的运维需要的计算机计算能力和运维时间等。运维对象可以是运维人员或者专门用于运维机器人的服务器或者电脑。运维对象数据库包括有每个运维对象现在正在执行或者还没有执行结束的运维任务,运维任务携带有该任务的工作量和对应的运维类型。第一目标运维对象是符合运维类型的,为了提高运维效率,可以让每个运维对象长期执行一种运维类型的运维任务。第一目标运维对象的目标工作量大于等于运维工作量,第一目标运维对象的目标工作量是第一目标运维对象在执行自身的运维任务的基础上,还可以承接的最大工作量。需要说明的是第一目标运维对象的目标工作量和第二目标运维对象的目标工作量表达相近的含义,都是对运维对象还可以承接任务的能力的评价。
根据本公开实施例提供的技术方案,接收到目标机器人发送的运维请求;基于运维请求确定目标机器人对应的运维类型和运维工作量;获取运维对象数据库中每个运维对象的运维任务,其中,运维对象数据库中存在多个运维对象;基于运维类型、运维工作量和每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出第一目标运维对象;基于运维请求,利用第一目标运维对象建立目标机器人对应的目标运维任务,并执行目标运维任务,以完成对目标机器人的运维操作。采用上述技术手段,可以解决现有技术中,对机器人进行运维,存在效率低的问题,进而提高对机器人进行运维的效率。
可选地,第二确定模块304还被配置为依据每个运维对象的运维任务,从运维对象数据库中的多个运维对象中确定出符合运维类型的运维对象组,其中,运维对象组包括多个运维对象;依据运维工作量和运维对象组中的每个运维对象的运维任务,从运维对象组中的多个运维对象中确定出第一目标运维对象。
比如运维类型为机器人故障的维修,从运维对象数据库中的多个运维对象中确定出运维类型为机器人故障的维修的运维对象,得到运维对象组。运维工作量是半天的工作量,运维对象组中某个运维对象的运维任务也是半天,也就是说今天该运维对象还有半天可以承接新任务。将该运维对象作为第一目标运维对象。
可选地,第二确定模块304还被配置为判断运维对象组中的每个运维对象是否完成自身的运维任务;依据运维工作量,从运维对象组中的已经完成自身的运维任务的运维对象中确定出第一目标运维对象。
比如,运维对象组中的已经完成自身的运维任务的运维对象有两个,分别是第一对象和第二对象。第一对象可以承接的工作量是1000点,第二对象可以承接的工作量是2000点,运维工作量为1500(工作量用点数表示,完全可以根据具体情况,自行提出评价标准,这种评价是基于任务所需计算机计算能力的),那么将第二对象作为第一目标运维对象。
可选地,第二确定模块304还被配置为当运维对象组中存在多个第二目标运维对象,其中,第二目标运维对象的目标工作量大于等于运维工作量,第二目标运维对象的目标工作量是该第二目标运维对象在执行自身的运维任务的基础上,还可以承接的最大工作量;将多个第二目标运维对象中评价分数最高的第二目标运维对象确定为第一目标运维对象;或者将多个第二目标运维对象中平均运维耗时最短的第二目标运维对象确定为第一目标运维对象;或者将多个第二目标运维对象中完成任务数最多的第二目标运维对象确定为第一目标运维对象。
当运维对象组中存在多个第二目标运维对象,每个第二目标运维对象都可以作为第一目标运维对象,本公开实施例是从多个第二目标运维对象,选出最优的第一目标运维对象。平均运维耗时用于表示一个运维对象平均完成一个运维任务需要的时间。任务数表示一个运维对象总共完成的运维任务的数量。
可选地,任务模块305还被配置为基于目标机器人的机器人信息,利用第一目标运维对象上设置的设备机理诊断模型建立目标运维任务,其中,运维请求包括机器人信息;基于目标机器人的机器人信息,利用第一目标运维对象上设置的知识图谱诊断模型建立目标运维任务。
设备机理诊断模型和知识图谱诊断模型侧重的是对出故障的机器人进行诊断,得到故障原因。如果是测试机器人运行的系统等类型的运维,那么只需要利用第一目标运维对象监控目标机器人运行系统,并得到运行结果,饭后根据运行结果进行适当的调整,或者反馈给系统开发者。
可选地,任务模块305还被配置为获取专家诊断知识库,并基于专家诊断知识库,确定多个故障事件和每个故障事件对应的一个或多个原因事件;基于多个故障事件和每个故障事件对应的一个或多个原因事件,通过设备机理分析方法生成故障树;根据故障树,构建机器人机理诊断模型。
专家诊断知识库包括大量机器人故障诊断领域的诊断知识,比如一种机器人的一种故障事件可能对应的故障原因。故障树是一种特殊的倒立树状逻辑因果关系图,它用事件符号、逻辑门符号和转移符号描述系统中各种事件之间的因果关系。故障事件包括对机器人发生故障的现象的描述,原因事件包括对机器人发生故障的原因的描述。因为专家诊断知识库中存在冗余信息、重复的信息、存在冲突的信息,设备机理分析方法可以辅助故障事件与原因事件的对应关系,使得故障事件与原因事件的对应关系更加明确。或者设备机理分析方法还可以理解为对专家诊断知识库的应用。故障树存在多个故障事件与原因事件的对应关系,那么机器人机理诊断模型就是基于专家诊断知识库借助数学公式实现多个故障事件与原因事件的对应关系,比如给机器人机理诊断模型输入一个故障事件,就可以输出一个对应的原因事件。机器人信息是目标机器人的工作和状态信息,包括:电机的工作和状态、主机的工作和状态和执行程序的运行结果等。比如利用设备机理诊断模型对机器人信息进行处理,发现目标机器人是电机故障,那么利用电机故障对应的维修程序对目标机器人进行维修。
目标运维任务是基于目标机器人对应的原因事件建立的,比如目标机器人是电机故障,那么目标运维任务就是电机维修任务。
可选地,任务模块305还被配置为获取多个机器人对应的机器人故障诊断数据;对机器人故障诊断数据进行知识抽取处理,得到抽取结果;对抽取结果进行知识融合处理,得到融合结果;对融合结果进行知识加工处理,得到机器人知识图谱;基于机器人知识图谱,构建知识图谱诊断模型。
知识抽取处理,包括:实体抽取、关系抽取、属性抽取。实体抽取:也称为命名实体识别(Named Entity Recognition, NER),是指从文本预料中自动识别出命名实体。关系抽取:文本语料经过实体抽取之后,得到一系列离散的命名实体。为了得到语义信息,需要从相关语料中提取出实体之间的关联关系,通过关系将实体联系起来,形成网状的知识结构。属性抽取:从不同信息源中采集特定实体的属性信息。
通过知识抽取获得的信息具有以下两个问题:信息之间关系扁平化,缺乏层次性与逻辑性;存在大量冗余信息。采用知识融合解决上述问题,主要包含两个部分:实体链接、知识合并,其中,实体链接涉及共指消解、实体消歧两种技术。
知识加工主要包括三个方面的内容:本体构建、知识推理、质量评估。本体(Ontology)包含某个学科内的基本实体和实体之间的关系,是描述领域知识的通用概念模型。知识图谱在完成本体构建后已经初具雏形,但知识之间的关系存在残缺,采用知识推理进一步知识发现,从而对知识图谱的知识进行补全。知识推理主要分为三大类:基于规则的推理、基于图的推理、基于深度学习的推理。质量评估也是知识库构建技术的重要组成部分,用于对知识的可信度进行量化,通过舍弃置信度较低的知识来保障知识图谱的质量。
知识图谱诊断模型就是基于知识图谱借助数学公式实现多个故障事件与原因事件的对应关系,比如给知识图谱诊断模型输入一个故障事件(故障事件也就是机器人信息),就可以输出一个对应的原因事件(原因事件也就是故障信息)。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的电子设备4的示意图。如图4所示,该实施例的电子设备4包括:处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序403可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器402中,并由处理器401执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序403在电子设备4中的执行过程。
电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以是电子设备4的内部存储单元,例如,电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备,例如,电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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,在本公开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。
集成的模块/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存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种机器人的运维方法,其特征在于,包括:
接收到目标机器人发送的运维请求;
基于所述运维请求确定所述目标机器人对应的运维类型和运维工作量;
获取运维对象数据库中每个运维对象的运维任务,其中,所述运维对象数据库中存在多个运维对象;
基于所述运维类型、所述运维工作量和每个运维对象的运维任务,从所述运维对象数据库中的多个运维对象中确定出第一目标运维对象;
基于所述运维请求,利用所述第一目标运维对象建立所述目标机器人对应的目标运维任务,并执行所述目标运维任务,以完成对所述目标机器人的运维操作。
2.根据权利要求1所述的方法,其特征在于,所述基于所述运维类型、所述运维工作量和每个运维对象的运维任务,从所述运维对象数据库中的多个运维对象中确定出第一目标运维对象,包括:
依据每个运维对象的运维任务,从所述运维对象数据库中的多个运维对象中确定出符合所述运维类型的运维对象组,其中,所述运维对象组包括多个运维对象;
依据所述运维工作量和所述运维对象组中的每个运维对象的运维任务,从所述运维对象组中的多个运维对象中确定出所述第一目标运维对象。
3.根据权利要求2所述的方法,其特征在于,所述依据所述运维工作量和所述运维对象组中的每个运维对象的运维任务,从所述运维对象组中的多个运维对象中确定出所述第一目标运维对象,包括:
判断所述运维对象组中的每个运维对象是否完成自身的运维任务;
依据所述运维工作量,从所述运维对象组中的已经完成自身的运维任务的运维对象中确定出所述第一目标运维对象。
4.根据权利要求2所述的方法,其特征在于,所述依据所述运维工作量和所述运维对象组中的每个运维对象的运维任务,从所述运维对象组中的多个运维对象中确定出所述第一目标运维对象,包括:
当所述运维对象组中存在多个第二目标运维对象,其中,所述第二目标运维对象的目标工作量大于等于所述运维工作量,所述第二目标运维对象的目标工作量是该第二目标运维对象在执行自身的运维任务的基础上,还可以承接的最大工作量;
将多个第二目标运维对象中评价分数最高的第二目标运维对象确定为所述第一目标运维对象;或者
将多个第二目标运维对象中平均运维耗时最短的第二目标运维对象确定为所述第一目标运维对象;或者
将多个第二目标运维对象中完成任务数最多的第二目标运维对象确定为所述第一目标运维对象。
5.根据权利要求1所述的方法,其特征在于,所述基于所述运维请求,利用所述第一目标运维对象建立所述目标机器人对应的目标运维任务,并执行所述目标运维任务,以完成对所述目标机器人的运维操作,包括:
基于所述目标机器人的机器人信息,利用所述第一目标运维对象上设置的设备机理诊断模型建立所述目标运维任务,其中,所述运维请求包括所述机器人信息;
基于所述目标机器人的机器人信息,利用所述第一目标运维对象上设置的知识图谱诊断模型建立所述目标运维任务。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标机器人的机器人信息,利用所述第一目标运维对象上设置的设备机理诊断模型建立所述目标运维任务之前,所述方法还包括:
获取专家诊断知识库,并基于所述专家诊断知识库,确定多个故障事件和每个故障事件对应的一个或多个原因事件;
基于多个故障事件和每个故障事件对应的一个或多个原因事件,通过设备机理分析方法生成故障树;
根据所述故障树,构建所述机器人机理诊断模型。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标机器人的机器人信息,利用所述第一目标运维对象上设置的知识图谱诊断模型建立所述目标运维任务之前,所述方法还包括:
获取多个机器人对应的机器人故障诊断数据
对所述机器人故障诊断数据进行知识抽取处理,得到抽取结果;
对所述抽取结果进行知识融合处理,得到融合结果;
对所述融合结果进行知识加工处理,得到机器人知识图谱;
基于所述机器人知识图谱,构建知识图谱诊断模型。
8.一种机器人的运维装置,其特征在于,包括:
接收模块,被配置为接收到目标机器人发送的运维请求;
第一确定模块,被配置为基于所述运维请求确定所述目标机器人对应的运维类型和运维工作量;
获取模块,被配置为获取运维对象数据库中每个运维对象的运维任务,其中,所述运维对象数据库中存在多个运维对象;
第二确定模块,被配置为基于所述运维类型、所述运维工作量和每个运维对象的运维任务,从所述运维对象数据库中的多个运维对象中确定出第一目标运维对象;
任务模块,被配置为基于所述运维请求,利用所述第一目标运维对象建立所述目标机器人对应的目标运维任务,并执行所述目标运维任务,以完成对所述目标机器人的运维操作。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822384.XA CN117474514A (zh) | 2022-07-13 | 2022-07-13 | 机器人的运维方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822384.XA CN117474514A (zh) | 2022-07-13 | 2022-07-13 | 机器人的运维方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117474514A true CN117474514A (zh) | 2024-01-30 |
Family
ID=89629764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210822384.XA Pending CN117474514A (zh) | 2022-07-13 | 2022-07-13 | 机器人的运维方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474514A (zh) |
-
2022
- 2022-07-13 CN CN202210822384.XA patent/CN117474514A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107819627B (zh) | 系统故障处理方法及服务器 | |
US10628747B2 (en) | Cognitive contextual diagnosis, knowledge creation and discovery | |
CN111652279B (zh) | 基于时序数据的行为评价方法、装置及可读存储介质 | |
CN108933695B (zh) | 用于处理信息的方法和装置 | |
CN112579621B (zh) | 数据展示方法、装置、电子设备及计算机存储介质 | |
CN112948275A (zh) | 测试数据生成方法、装置、设备及存储介质 | |
CN115392501A (zh) | 数据采集方法、装置、电子设备及存储介质 | |
CN111178701A (zh) | 一种基于特征衍生技术的风险控制方法方法、装置和电子设备 | |
CN112995288A (zh) | 基于知识管理的维保方法、装置和电子设备 | |
CN112598135A (zh) | 模型训练处理方法、装置、计算机设备及介质 | |
CN114693131A (zh) | 配件机器人的故障处理方法及装置 | |
CN117474514A (zh) | 机器人的运维方法及装置 | |
CN116485019A (zh) | 一种数据处理方法及装置 | |
CN115130911A (zh) | 机器人执行失败的配送任务的处理方法及装置 | |
CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
CN115186738A (zh) | 模型训练方法、装置和存储介质 | |
CN111859985B (zh) | Ai客服模型测试方法、装置、电子设备及存储介质 | |
CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
CN115221892A (zh) | 工单数据处理方法及装置、存储介质及电子设备 | |
CN114239538A (zh) | 断言处理方法、装置、计算机设备及存储介质 | |
CN110795424B (zh) | 特征工程变量数据请求处理方法、装置及电子设备 | |
US11704222B2 (en) | Event log processing | |
CN113888265A (zh) | 产品推荐方法、装置、设备及计算机可读存储介质 | |
CN114997435A (zh) | 工单处理方法及装置 | |
CN113094415A (zh) | 数据抽取方法、装置、计算机可读介质及电子设备 |
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 |