CN117808336A - 一种运行状态确定方法、装置及存储介质 - Google Patents
一种运行状态确定方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117808336A CN117808336A CN202311616280.4A CN202311616280A CN117808336A CN 117808336 A CN117808336 A CN 117808336A CN 202311616280 A CN202311616280 A CN 202311616280A CN 117808336 A CN117808336 A CN 117808336A
- Authority
- CN
- China
- Prior art keywords
- target
- days
- attendance
- time period
- preset time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000007477 logistic regression Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 abstract description 20
- 238000007726 management method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program 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
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种运行状态确定方法、装置及存储介质，涉及通信技术领域，用于解决现有技术中，人工确定车间是否正常运行效率较低的技术问题。该运行状态确定方法包括：获取目标车间在第一预设时间段内的第一人员考勤数据、第一预设时间段内的第一设备离线天数和目标运行状态；目标运行状态为基于第一人员考勤数据、第一设备离线天数，以及目标车间在第一预设时间段内的第一监控数据确定的运行状态；基于第一人员考勤数据、第一设备离线天数和目标运行状态训练运行状态确定模型；运行状态确定模型用于确定目标车间在第二预设时间段内是否正常运行。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种运行状态确定方法、装置及存储介质。
背景技术
传统的车间管理方式存在着信息共享不充分、人工上报数据较慢、数据上报不及时、数据上报真实性无法考量等多种问题，从而导致难以确定车间是否为正常运行。
目前，通常通过人工查看监控视频的方式确定车间在一段时间内是否正常运行。但是，通过人工确定的方式不仅费事费力，而且效率较低。
发明内容
本申请提供一种运行状态确定方法、装置及存储介质，用于解决现有技术中，人工确定车间是否正常运行效率较低的技术问题。
为达到上述目的，本申请采用如下技术方案：
第一方面，提供一种运行状态确定方法，包括：获取目标车间在第一预设时间段内的第一人员考勤数据、第一预设时间段内的第一设备离线天数和目标运行状态；目标运行状态为基于第一人员考勤数据、第一设备离线天数，以及目标车间在第一预设时间段内的第一监控数据确定的运行状态；运行状态用于表示目标车间在第一预设时间段内是否正常运行；基于第一人员考勤数据、第一设备离线天数和目标运行状态训练运行状态确定模型；运行状态确定模型用于确定目标车间在第二预设时间段内是否正常运行。
可选的，第一人员考勤数据包括第一考勤天数和第一平均每天考勤人数；在第一设备离线天数小于第一预设阈值的情况下，方法还包括：在第一考勤天数小于第二预设阈值，和/或，第一平均每天考勤人数小于第三预设阈值的情况下，获取目标车间在第一预设时间段内的第一监控数据；第一监控数据用于确定目标运行状态。
可选的，在第一设备离线天数大于或等于第一预设阈值的情况下，方法还包括：确定目标运行状态为非正常运行。
可选的，该方法还包括：获取目标车间在第二预设时间段内的第二人员考勤数据和第二预设时间段内的第二设备离线天数；基于运行状态确定模型对第二人员考勤数据和第二设备离线天数进行处理，以得到目标车间在第二预设时间段内的运行状态。
可选的，基于运行状态确定模型对第二人员考勤数据和第二设备离线天数进行处理，以得到目标车间在第二预设时间段内的运行状态，包括：基于逻辑回归算法对第二考勤天数、第二平均每天考勤人数和第二设备离线天数进行处理，以得到目标概率值；目标概率值满足以下公式：
P＝sigmoid(β0+β1×attendance_days+β2×attendance_count+β3×offline_days)；
其中，sigmoid为激活函数；β0为基础概率；β1为第二考勤天数对应的模型参数；β2为第二平均每天考勤人数对应的模型参数；β3为第二设备离线天数对应的模型参数；attendance_days为第二考勤天数；attendance_count为第二平均每天考勤人数；offline_days为第二设备离线天数；当目标概率值大于第四预设阈值时，确定目标车间在第二预设时间段内的运行状态为非正常运行，或者，当目标概率值小于或等于第四预设阈值时，确定目标车间在第二预设时间段内的运行状态为正常运行。
第二方面，提供一种运行状态确定装置，包括：获取单元和处理单元；获取单元，用于获取目标车间在第一预设时间段内的第一人员考勤数据、第一预设时间段内的第一设备离线天数和目标运行状态；目标运行状态为基于第一人员考勤数据、第一设备离线天数，以及目标车间在第一预设时间段内的第一监控数据确定的运行状态；运行状态用于表示目标车间在第一预设时间段内是否正常运行；处理单元，用于基于第一人员考勤数据、第一设备离线天数和目标运行状态训练运行状态确定模型；运行状态确定模型用于确定目标车间在第二预设时间段内是否正常运行。
可选的，第一人员考勤数据包括第一考勤天数和第一平均每天考勤人数；获取单元，还用于在第一考勤天数小于第二预设阈值，和/或，第一平均每天考勤人数小于第三预设阈值的情况下，获取目标车间在第一预设时间段内的第一监控数据；第一监控数据用于确定目标运行状态。
可选的，处理单元，还用于确定目标运行状态为非正常运行。
可选的，获取单元，还用于获取目标车间在第二预设时间段内的第二人员考勤数据和第二预设时间段内的第二设备离线天数；处理单元，还用于基于运行状态确定模型对第二人员考勤数据和第二设备离线天数进行处理，以得到目标车间在第二预设时间段内的运行状态。
可选的，处理单元，具体用于：基于逻辑回归算法对第二考勤天数、第二平均每天考勤人数和第二设备离线天数进行处理，以得到目标概率值；目标概率值满足以下公式：
P＝sigmoid(β0+β1×attendance_days+β2×attendance_count+β3×offline_days)；
其中，sigmoid为激活函数；β0为基础概率；β1为第二考勤天数对应的模型参数；β2为第二平均每天考勤人数对应的模型参数；β3为第二设备离线天数对应的模型参数；attendance_days为第二考勤天数；attendance_count为第二平均每天考勤人数；offline_days为第二设备离线天数；当目标概率值大于第四预设阈值时，确定目标车间在第二预设时间段内的运行状态为非正常运行，或者，当目标概率值小于或等于第四预设阈值时，确定目标车间在第二预设时间段内的运行状态为正常运行。
第三方面，提供一种运行状态确定装置，包括存储器和处理器；存储器用于存储计算机执行指令，处理器与存储器通过总线连接；当运行状态确定装置运行时，处理器执行存储器存储的计算机执行指令，以使运行状态确定装置执行第一方面所述的运行状态确定方法。
该运行状态确定装置可以是网络设备，也可以是网络设备中的一部分装置，例如网络设备中的芯片系统。该芯片系统用于支持网络设备实现第一方面及其任意一种可能的实现方式中所涉及的功能，例如，获取、确定、发送上述运行状态确定方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
第四方面，提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得该计算机执行第一方面所述的运行状态确定方法。
第五方面，还提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在运行状态确定装置上运行时，使得运行状态确定装置执行如上述第一方面所述的运行状态确定方法。
需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与运行状态确定装置的处理器封装在一起的，也可以与运行状态确定装置的处理器单独封装，本申请实施例对此不作限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述。
在本申请实施例中，上述运行状态确定装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。例如，接收单元还可以称为接收模块、接收器等。只要各个设备或功能模块的功能和本申请类似，属于本申请权利要求及其等同技术的范围之内。
本申请提供的技术方案至少带来以下有益效果：
基于上述任一方面，本申请提供一种运行状态确定方法，包括：电子设备可以获取目标车间在第一预设时间段内的第一人员考勤数据、第一预设时间段内的第一设备离线天数和目标运行状态。其中，目标运行状态为基于第一人员考勤数据、第一设备离线天数，以及目标车间在第一预设时间段内的第一监控数据确定的运行状态。运行状态用于表示目标车间在第一预设时间段内是否正常运行。之后，电子设备可以基于第一人员考勤数据、第一设备离线天数和目标运行状态训练运行状态确定模型。运行状态确定模型用于确定目标车间在第二预设时间段内是否正常运行。
由上可知，电子设备可以基于第一人员考勤数据和第一设备离线天数、目标运行状态训练运行状态确定模型，从而通过运行状态确定模型确定目标车间在第二预设时间段内是否正常运行。这样，无需通过人工查看监控数据便可以确定目标车间的运行状态，不仅提高效率，还节省了人力。
本申请中的第一方面、第二方面、第三方面、第四方面以及第五方面的有益效果，均可以参考上述有益效果的分析，此处不再赘述。
附图说明
图1为本申请实施例提供的一种运行状态确定系统的结构示意图；
图2为本申请实施例提供的另一种运行状态确定系统的结构示意图；
图3为本申请实施例提供的一种运行状态确定装置的硬件结构示意图；
图4为本申请实施例提供的一种运行状态确定方法的流程示意图一；
图5为本申请实施例提供的一种获取第一考勤数据和第一设备离线天数的流程示意图；
图6为本申请实施例提供的一种运行状态确定方法的流程示意图二；
图7为本申请实施例提供的一种运行状态确定方法的流程示意图三；
图8为本申请实施例提供的一种运行状态确定方法的流程示意图四；
图9为本申请实施例提供的一种运行状态确定方法的流程示意图五；
图10为本申请实施例提供的一种运行状态确定装置的结构示意图。
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，所描述的实施例仅仅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做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。
需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于清楚描述本申请实施例的技术方案，在本申请实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
如背景技术所描述，传统的车间管理方式存在着信息共享不充分、人工上报数据较慢、数据上报不及时、数据上报真实性无法考量等多种问题，从而导致难以确定车间是否为正常运行。
目前，通常通过人工查看监控视频的方式确定车间在一段时间内是否正常运行。但是，通过人工确定的方式不仅费事费力，而且效率较低。
针对上述问题，本申请提供一种运行状态确定方法，包括：电子设备可以获取目标车间在第一预设时间段内的第一人员考勤数据、第一预设时间段内的第一设备离线天数和目标运行状态。其中，目标运行状态为基于第一人员考勤数据、第一设备离线天数，以及目标车间在第一预设时间段内的第一监控数据确定的运行状态。运行状态用于表示目标车间在第一预设时间段内是否正常运行。之后，电子设备可以基于第一人员考勤数据、第一设备离线天数和目标运行状态训练运行状态确定模型。运行状态确定模型用于确定目标车间在第二预设时间段内是否正常运行。
由上可知，电子设备可以基于第一人员考勤数据和第一设备离线天数、目标运行状态训练运行状态确定模型，从而通过运行状态确定模型确定目标车间在第二预设时间段内是否正常运行。这样，无需通过人工查看监控数据便可以确定目标车间的运行状态，不仅提高效率，还节省了人力。
该运行状态确定方法适用于运行状态确定系统。图1示出了该运行状态确定系统的一种结构。如图1所示，该运行状态确定系统包括：电子设备101和数据获取设备102。
其中，电子设备101和数据获取设备102通信连接。
可选的，数据获取设备102可以为监控设备，例如摄像头，还可以为其他类型的终端，本申请实施例对此不作限定。
可选的，数据获取设备102可以为具备人脸识别功能、人员考勤、视频监控、视频回放等多种功能集成的设备。
可选的，数据获取设备102获取考勤数据可以通过人脸识别功能获取工作人员的考勤信息。
在本申请中，电子设备101可以通过数据获取设备102获取目标车间在第一预设时间段内的第一人员考勤数据和第一设备离线天数、目标运行状态。之后，电子设备101可以基于第一人员考勤数据、第一设备离线天数、目标运行状态训练运行状态确定模型，从而可以使电子设备101可以通过运行状态确定模型确定目标车间在第二预设时间段内是否正常运行。
可选的，电子设备101获取第一离线天数可以是通过心跳监测方法获取的数据获取设备102的设备离线天数。
可选的，电子设备101可以为终端，也可以为服务器，还可以为其它类型的电子设备，本申请实施例对此不作限定。
可选的，上述终端可以是指向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。终端可以经无线接入网(radio access network，RAN)与一个或多个核心网进行通信。终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，也可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据，例如，手机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant，PDA)。
可选的，上述服务器可以是服务器集群(由多个服务器组成)中的一个服务器，也可以是该服务器中的芯片，还可以是该服务器中的片上系统，还可以通过部署在物理机上的虚拟机(virtual machine，VM)实现，本申请实施例对此不作限定。
图2示出了另一种运行状态确定系统的结构示意图。如图2所示，该运行状态确定系统可以包括：客户端、服务层、基础服务层、数据层、数据库。
其中，服务层包括内部系统、基础业务平台、websocket服务。内部系统包括组织架构、角色管理、权限管理、系统管理。基础业务平台包括(又可以称为包括多个模块)：车间信息、工资上报、人员信息、车间简介、考勤信息、设备管理、停工预警、监控管理、报表管理、可视化大屏。websocket服务用于采集考勤数据、获取视频文件、同步人员信息、监测设备状态。
基础服务包括用户管理、定时任务、权限系统。数据层包括Redis缓存服务、MySQL数据库、minio服务。数据库包括MySQL数据库。
具体的，基础业务平台与数据获取设备之间的交互通过websocket服务模块实现。数据获取设备通过websocket服务模块将考勤数据和监控数据推送到基础业务平台上，通过基础业务平台进行预处理后可以将考勤数据和监控数据存储在MySOL数据库中，并且还可以通过基础业务平台的定时任务确定数据获取设备是否离线。
人员信息模块用于录入车间的工作人员的信息(例如人脸信息)，并同步在数据获取设备中。车间信息模块用于获取车间的基本信息。考勤信息模块用于录入工作人员的考勤信息。工资上报模块用于录入车间的工作人员的工资。设备管理模块用于管理数据获取设备等多个设备。停工预警模块用于确定车间的运行状态，并当车间非正常运行时向车间管理人员进行提示。车间简介用于录入车间的基本简介。
报表管理模块可以实现车间考勤统计报表、月度监测报表、月度统计bao表、人员考勤报表等多项功能。
可视化大屏可以通过图表的方式显示车间运行状态、车间数量、车间分布情况、人员类型统计等多种情况，可以实时更新最新的数据，并通过不同的颜色、标记来进行提醒。并且，可视化大屏还可以显示车间的宣传视频、车间的简介、车间的产品信息等。
此外，该系统还可以对车间的特征进行聚类，例如产业类型、建设年份、地理位置等，还可以对就业人群的身份、地理位置等进行聚类分析。
该系统还可以对车间的产业特点和就业情况进行关联分析，从而获取产业特点和就业情况的关联规则，从而可以根据该关联规则促进产业发展和促进就业。
该系统还可以根据车间的建设年份和数量分布获取产业和时间的发展规则，从而对以后的产业发展有很大的帮助。
当车间运行异常时，可以通过工作人员对车间的运行情况进行了解，并对车间的运行情况进行修改，生成修改记录、异常原因等。
可选的，工作人员可以通过客户端登陆基础业务平台，即通过账号密码的方式登录基础业务平台，并当工作人员多次密码错误时，在一定时间内禁止登录。
在一种可能的实现方式中，该运行状态确定系统还可以包括：数据采集模块、数据处理模块。
数据采集模块用于获取目标车间的第一考勤数据、第一设备离线天数、目标运行状态、第一监控数据、历史监控数据等多种数据。
数据处理模块用于通过第一考勤数据、第一设备离线天数、目标运行状态训练运行状态确定模型，并通过训练好的模型对第二考勤数据、第二设备离线天数进行处理，从而确定目标车间在第二预设时间段内的运行状态。
电子设备101基本硬件结构包括图3所示通信装置所包括的元件。下面以图3所示的通信装置为例，介绍电子设备101的硬件结构。
如图3所示，为本申请实施例提供的通信装置的一种硬件结构示意图。该通信装置包括处理器21，存储器22、通信接口23、总线24。处理器21，存储器22以及通信接口23之间可以通过总线24连接。
处理器21是通信装置的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，处理器21可以是一个通用中央处理单元(central processing unit，CPU)，也可以是其他通用处理器等。其中，通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例，处理器21可以包括一个或多个CPU，例如图3中所示的CPU 0和CPU 1。
存储器22可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
一种可能的实现方式中，存储器22可以独立于处理器21存在，存储器22可以通过总线24与处理器21相连接，用于存储指令或者程序代码。处理器21调用并执行存储器22中存储的指令或程序代码时，能够实现本申请下述实施例提供的通信方法。
在本申请实施例中，对于电子设备101而言，存储器22中存储的软件程序不同，所以电子设备101实现的功能不同。关于各设备所执行的功能将结合下面的流程图进行描述。
另一种可能的实现方式中，存储器22也可以和处理器21集成在一起。
通信接口23，用于通信装置与其他设备通过通信网络连接，所述通信网络可以是以太网，无线接入网，无线局域网(wireless local area networks，WLAN)等。通信接口23可以包括用于接收数据的接收单元，以及用于发送数据的发送单元。
总线24，可以是工业标准体系结构(industry standard architecture，ISA)总线、外部设备互连(peripheral component interconnect，PCI)总线或扩展工业标准体系结构(extended industry standard architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
需要指出的是，图3中示出的结构并不构成对通信装置的限定，除图3所示部件之外，该通信装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合附图对本申请实施例提供的运行状态确定方法进行详细介绍。
本申请实施例提供的运行状态确定方法应用于图1所示的运行状态确定系统中的电子设备101，如图4所示，本申请实施例提供的运行状态确定方法包括：
S401、电子设备获取目标车间在第一预设时间段内的第一人员考勤数据、第一预设时间段内的第一设备离线天数和目标运行状态。
其中，目标运行状态为基于第一人员考勤数据、第一设备离线天数，以及目标车间在第一预设时间段内的第一监控数据确定的运行状态。运行状态用于表示目标车间在第一预设时间段内是否正常运行。
具体的，在现有技术中，通常是通过人工上报或者人工查看监控视频的方式确定车间是否在一段时间内是否正常运行。然而，人工上报的数据的真实性无法进行保证，而人工查看监控视频的方式不仅费时费力，而且效率较低。因此，电子设备可以获取目标车间在第一预设时间段内的第一人员考勤数据、第一设备离线天数、目标运行状态。
应理解，目标车间为多个车间中的任意一个，第一预设时间段可以是历史时间段。
可选的，由于第一预设时间段可以为历史时间段，因此，目标运行状态可以为在第一预设时间段内通过人工确定的运行状态。例如，目标运行状态可以为通过第一人员考勤数据、第一设备离线天数，以及人工查看监控视频(即本申请中的第一监控数据)的方式共同确定。
需要说明的是，由于不同种类的车间的性质不同，因此，对于不同的车间来说，确定每个车间是否正常运行的标准可能不同。例如对于一些车间来说，每个月的运行天数超过百分之五十则该车间在该月属于正常运行，而对于有些车间来说，每个月的运行天数超过百分之九十则该车间在该月属于正常运行。
可选的，电子设备可以先获取第一考勤数据、第一设备离线天数和第一监控数据，并根据第一考勤数据、第一设备离线天数和第一监控数据确定目标运行状态，或者，由于目标运行状态可以为提前确定好的，因此电子设备还可以同时获取第一考勤数据、第一设备离线天数和目标运行状态，本申请实施例对此不作限定。
可选的，数据获取设备中可以存储车间内工作人员的信息(例如生物信息等)，从而使数据获取设备可以通过该信息进行考勤，从而生成考勤数据。
可选的，电子设备在获取第一人员考勤数据时，可以先通过数据获取设备获取原始数据，之后，对原始数据进行去重、过滤、清晰等预处理操作，从而得到第一人员考勤数据。
可选的，电子设备可以获取多个第一预设时间段内的第一考勤数据、第一设备离线天数、目标运行状态，即第一考勤数据为多个，第一设备离线天数为多个，目标运行状态为多个。
可选的，电子设备还可以通过数据获取设备获取实时的监控数据、历史监控数据等。
图5示出了一种获取第一考勤数据和第一设备离线天数的流程示意图。示例性的，电子设备可以通过websocket服务(基础业务平台)从数据获取设备中获取第一考勤数据、第一离线天数、第一监控数据、历史监控数据等多种数据。之后，电子设备可以将数据存入数据库中。此外，电子设备还可以通过websocket服务将新增的人员信息传输到数据获取设备中，以使得数据获取设备可以通过新增的人员信息进行考勤数据的生成。
可选的，电子设备在获取第一考勤数据、第一离线天数、第一监控数据、历史监控数据等多种数据时可以对多种数据进行预处理。
S402、电子设备基于第一人员考勤数据、第一设备离线天数和目标运行状态训练运行状态确定模型。
其中，运行状态确定模型用于确定目标车间在第二预设时间段内是否正常运行。
具体的，电子设备可以将第一人员考勤数据、第一设备离线天数作为训练数据，从而通过逻辑回归算法训练运行状态确定模型，并将目标运行状态作为验证数据，从而根据目标运行状态确定正在训练的运行状态确定模型的精度。当运行状态确定模型确定运行状态的准确率大于准确率阈值时，确定运行状态确定模型训练完成。这样，电子设备可以通过运行状态确定模型直接确定目标车间的运行状态，从而无需再通过人工确定，不仅节省了人力物力，还提高了效率。
需要说明的是，由于每个车间的性质不同，因此，确定是否正常运行的标准也不同。在这种情况下，可以根据每个车间人员考勤数据、设备离线天数、运行状态训练各自车间对应的运行状态确定模型。
示例性的，假设目标运行状态中正常运行为0，非正常运行为1，则通过第一人员考勤数据、第一设备离线天数以及逻辑回归算法训练运行状态确定模型，从而获取训练得到的停工概率值，当该停工概率值大于停工阈值时，则可以确定目标车间非正常运行。之后，可以将该停工概率值和目标运行状态进行对比，从而确定是否正确，并进行多次迭代训练。在迭代训练的过程中，可以通过优化算法和梯度下降法优化模型参数，从而提高训练过程中模型的准确率。当停工概率值的准确率满足90％或者达到最大训练次数9000次之后，可以确定模型训练完成。准确率计算公式可以为：其中，precissiion为准确率，TP为根据停工概率值确定运行状态正确的次数，FP为根据停工概率值确定运行状态不正确的次数。
在一些实施例中，结合图4，如图6所示，可以在S401之前确定目标运行状态。在这种情况下，第一人员考勤数据包括第一考勤天数和第一平均每天考勤人数；在第一设备离线天数小于第一预设阈值的情况下，本申请实施例提供的方法还包括：
S601、在第一考勤天数小于第二预设阈值，和/或，第一平均每天考勤人数小于第三预设阈值的情况下，电子设备获取目标车间在第一预设时间段内的第一监控数据。
其中，第一监控数据用于确定目标运行状态。
具体的，由于目标运行状态是基于第一人员考勤数据、第一设备离线天数、以及目标车间在第一预设时间段内的第一监控数据确定的运行状态。因此，在第一设备离线天数小于第一预设阈值的情况下，可以确定设备离线是偶然性的离线。之后，由于第一考勤天数表示在第一预设时间段内目标车间进行工作的天数，因此，当第一考勤天数小于第二预设阈值时，可以确定目标车间的运行异常。接着，电子设备可以获取第一预设时间段内的第一监控数据，以使得可以通过第一监控数据确定目标车间是否正常运行。
第一平均每天考勤人数表示第一预设时间段内，平均每天的考勤人数，当第一平均每天考勤人数小于第三预设阈值时，可以确定目标车间运行异常，并获取第一监控数据，以使得通过第一监控数据确定目标车间是否正常运行。
应理解，由于车间的种类繁多，数量庞大，情况复杂，因此，可能是因为数据错误、环境因素或者其他因素导致的第一考勤天数小于第二预设阈值，和/或，第一平均每天考勤人数小于第三预设阈值，在这种情况下，可以通过人工查看第一监控数据的方式确定目标车间在第一预设时间段内是否正常运行。
相应的，在第一考勤天数大于或等于第二预设阈值，且第一平均每天考勤人数大于或等于第二预设阈值的情况下，电子设备可以确定目标车间在第一预设时间段内的运行状态为正常运行。
可选的，第一监控数据可以是第一预设时间段内的历史监控视频。
可选的，由于第一监控数据为历史监控数据，因此，工作人员可以查看历史监控数据确定目标车间是否正常运行，例如，目标车间在预计时间内完成生产任务，从而导致第一考勤天数小于第二预设阈值，和/或，第一平均每天考勤人数小于第三预设阈值。在这种情况下，工作人员可以通过查看第一监控数据确定该车间为正常运行。
在一些实施例中，结合图6，如图7所示，可以在S401之前确定目标运行状态。在这种情况下，在第一设备离线天数大于或等于第一预设阈值的情况下，本申请实施例提供的方法还包括：
S701、电子设备确定目标运行状态为非正常运行。
具体的，由于停电、数据传输故障、设备故障等多种突发情况均能导致数据获取设备离线，因此，可以通过目标车间在第一预设时间段内平均的停电次数、停电时长、故障次数、故障时长来确定第一预设阈值。在这种情况下，当第一设备离线天数大于或等于第一预设阈值时，电子设备可以确定数据获取设备的离线原因并非是由上述多种突发情况导致的，从而将目标运行状态定义为非正常运行。
可选的，第一设备离线天数还可以是第一设备离线时长。
在一些实施例中，如图8所示，本申请实施例提供的方法还包括：
S801、电子设备获取目标车间在第二预设时间段内的第二人员考勤数据和第二预设时间段内的第二设备离线天数。
具体的，电子设备可以获取第二人员考勤数据和第二设备离线天数，由于在确定第二预设时间段内的运行状态时，需要通过第二人员考勤数据、第二设备离线天数和目标车间在第二预设时间段内的第二监控数据共同确定，并且还需要人工进行确定，费事费力，因此，电子设备可以通过预先训练号的运行状态确定模型确定目标车间在第二时间段内的运行状态。
应理解，第二预设时间段可以为当前时刻之前的时间段，由于车间的运行状态为一个时间段内的平均运行状态，因此，需要通过一个时间段内的数据确定该时间段内的运行状态。
可选的，第二人员考勤数据可以包括第二考勤天数和第二平均每天考勤人数。
S802、电子设备基于运行状态确定模型对第二人员考勤数据和第二设备离线天数进行处理，以得到目标车间在第二预设时间段内的运行状态。
具体的，由于运行状态确定模型是提前训练好的，并且准确率较高，因此，电子设备可以通过训练好的运行状态确定模型对第二人员考勤数据和第二设备离线天数进行处理。这样，电子设备可以根据运行状态确定模型确定目标车间在第二预设时间段内的运行状态。
可选的，S601、S701、S801、S802可以在S401之前执行。
在一些实施例中，结合图8，如图9所示，在上述S802中，电子设备基于运行状态确定模型对第二人员考勤数据和第二设备离线天数进行处理，以得到目标车间在第二预设时间段内的运行状态具体包括：
S901、电子设备基于逻辑回归算法对第二考勤天数、第二平均每天考勤人数和第二设备离线天数进行处理，以得到目标概率值。
目标概率值满足以下公式：
P＝sigmoid(β0+β1×attendance_days+β2×attendance_count+β3×offline_days)；
其中，sigmoid为激活函数；β0为基础概率；β1为第二考勤天数对应的模型参数；β2为第二平均每天考勤人数对应的模型参数；β3为第二设备离线天数对应的模型参数；attendance_days为第二考勤天数；attendance_count为第二平均每天考勤人数；offline_days为第二设备离线天数。
具体的，由于运行状态确定模型是基于逻辑回归算法训练的，因此，在通过运行状态确定模型确定目标车间的运行状态时，可以通过逻辑回归算法对第二考勤天数、第二平均每天考勤人数、第二设备离线天数进行处理，以得到目标概率值。
需要说明的是，在进行模型训练时，电子设备可以通过上述公式和第一考勤天数、第一平均每天考勤人数、第一设备离线天数进行训练，从而优化β0、β1、β2、β3这几个模型参数，并通过多个第一考勤天数、多个第一平均每天考勤人数、多个第一设备离线天数进行迭代训练，并当得到的概率值大于第四预设阈值或者迭代次数大于迭代阈值时，确定训练完成。
可选的，β0可以为偏置项或者基础概率。
S902、当目标概率值大于第四预设阈值时，电子设备确定目标车间在第二预设时间段内的运行状态为非正常运行，或者，当目标概率值小于或等于第四预设阈值时，电子设备确定目标车间在第二预设时间段内的运行状态为正常运行。
具体的，当目标概率值大于第四预设阈值时，电子设备可以确定目标车技那在第二预设时间段内的运行状态为非正常运行。相应的，当目标概率值小于或等于第四预设阈值时，电子设备可以确定目标车间在第二预设时间段内的运行状态为正常运行。由于模型在训练完成后，准确率较高，因此，可以确定该模型确定的运行状态较为准确。这样，可以直接通过运行状态确定模型目标车间的运行状态，从而无需人工通过监控视频进行确定，节省了时间，并提高了效率。
可选的，第四预设阈值可以根据每个车间的具体情况确定的。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，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，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，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申请的范围。
本申请实施例可以根据上述方法示例对通信装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。可选的，本申请实施例中对模块的划分是示意性的，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。
如图10所示，为本申请实施例提供的一种运行状态确定装置的结构示意图。该运行状态确定装置可以用于执行图4、图6-图9任一项所示的运行状态确定的方法。图10所示运行状态确定装置包括：获取单元1001和处理单元1002；
获取单元1001，用于获取目标车间在第一预设时间段内的第一人员考勤数据、第一预设时间段内的第一设备离线天数和目标运行状态；目标运行状态为基于第一人员考勤数据、第一设备离线天数，以及目标车间在第一预设时间段内的第一监控数据确定的运行状态；运行状态用于表示目标车间在第一预设时间段内是否正常运行。例如，结合图4，获取单元1001用于执行S401。
处理单元1002，用于基于第一人员考勤数据、第一设备离线天数和目标运行状态训练运行状态确定模型；运行状态确定模型用于确定目标车间在第二预设时间段内是否正常运行。例如，结合图4，处理单元1002用于执行S402。
可选的，第一人员考勤数据包括第一考勤天数和第一平均每天考勤人数；
获取单元1001，还用于在第一考勤天数小于第二预设阈值，和/或，第一平均每天考勤人数小于第三预设阈值的情况下，获取目标车间在第一预设时间段内的第一监控数据；第一监控数据用于确定目标运行状态。例如，结合图6，获取单元1001用于执行S601。
可选的，处理单元1002，还用于确定目标运行状态为非正常运行。例如，结合图7，处理单元1002用于执行S701。
可选的，获取单元1001，还用于获取目标车间在第二预设时间段内的第二人员考勤数据和第二预设时间段内的第二设备离线天数；处理单元，还用于基于运行状态确定模型对第二人员考勤数据和第二设备离线天数进行处理，以得到目标车间在第二预设时间段内的运行状态。例如，结合图8，获取单元1001用于执行S801。
可选的，处理单元1002，具体用于：
基于逻辑回归算法对第二考勤天数、第二平均每天考勤人数和第二设备离线天数进行处理，以得到目标概率值；目标概率值满足以下公式：
P＝sigmoid(β0+β1×attendance_days+β2×attendance_count+β3×offline_days)；
其中，sigmoid为激活函数；β0为基础概率；β1为第二考勤天数对应的模型参数；β2为第二平均每天考勤人数对应的模型参数；β3为第二设备离线天数对应的模型参数；attendance_days为第二考勤天数；attendance_count为第二平均每天考勤人数；offline_days为第二设备离线天数例如，结合图9，处理单元1002用于执行S901。
当目标概率值大于第四预设阈值时，确定目标车间在第二预设时间段内的运行状态为非正常运行，或者，当目标概率值小于或等于第四预设阈值时，确定目标车间在第二预设时间段内的运行状态为正常运行。例如，结合图9，处理单元1002用于执行S902。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得计算机执行如上述实施例提供的运行状态确定方法。
本申请实施例还提供一种计算机程序，该计算机程序可直接加载到存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述实施例提供的运行状态确定方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机可读存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能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模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，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。例如多个单元或组件可以结合或者可以集成到另一个装置，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，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一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。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，在本申请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，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种运行状态确定方法，其特征在于，所述方法包括：
获取目标车间在第一预设时间段内的第一人员考勤数据、所述第一预设时间段内的第一设备离线天数和目标运行状态；所述目标运行状态为基于所述第一人员考勤数据、所述第一设备离线天数，以及所述目标车间在所述第一预设时间段内的第一监控数据确定的运行状态；所述运行状态用于表示所述目标车间在所述第一预设时间段内是否正常运行；
基于所述第一人员考勤数据、所述第一设备离线天数和所述目标运行状态训练运行状态确定模型；所述运行状态确定模型用于确定所述目标车间在第二预设时间段内是否正常运行。
2.根据权利要求1所述的方法，其特征在于，所述第一人员考勤数据包括第一考勤天数和第一平均每天考勤人数；在所述第一设备离线天数小于第一预设阈值的情况下，所述方法还包括：
在所述第一考勤天数小于第二预设阈值，和/或，所述第一平均每天考勤人数小于第三预设阈值的情况下，获取所述目标车间在所述第一预设时间段内的第一监控数据；所述第一监控数据用于确定所述目标运行状态。
3.根据权利要求2所述的方法，其特征在于，在所述第一设备离线天数大于或等于所述第一预设阈值的情况下，所述方法还包括：
确定所述目标运行状态为非正常运行。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
获取所述目标车间在所述第二预设时间段内的第二人员考勤数据和所述第二预设时间段内的第二设备离线天数；
基于所述运行状态确定模型对所述第二人员考勤数据和所述第二设备离线天数进行处理，以得到所述目标车间在所述第二预设时间段内的运行状态。
5.根据权利要求1所述的方法，其特征在于，所述基于所述运行状态确定模型对所述第二人员考勤数据和所述第二设备离线天数进行处理，以得到所述目标车间在所述第二预设时间段内的运行状态，包括：
基于逻辑回归算法对所述第二考勤天数、所述第二平均每天考勤人数和所述第二设备离线天数进行处理，以得到目标概率值；所述目标概率值满足以下公式：
P＝sigmoid(β0+β1×attendance_days+β2×attendance_count+β3×offline_days)；
其中，所述sigmoid为激活函数；所述β0为基础概率；所述β1为所述第二考勤天数对应的模型参数；所述β2为所述第二平均每天考勤人数对应的模型参数；所述β3为所述第二设备离线天数对应的模型参数；所述attendance_days为所述第二考勤天数；所述attendance_count为所述第二平均每天考勤人数；所述offline_days为所述第二设备离线天数；
当所述目标概率值大于第四预设阈值时，确定所述目标车间在所述第二预设时间段内的运行状态为非正常运行，或者，当所述目标概率值小于或等于所述第四预设阈值时，确定所述目标车间在所述第二预设时间段内的运行状态为正常运行。
6.一种运行状态确定装置，其特征在于，所述装置包括：获取单元和处理单元；
所述获取单元，用于获取目标车间在第一预设时间段内的第一人员考勤数据、所述第一预设时间段内的第一设备离线天数和目标运行状态；所述目标运行状态为基于所述第一人员考勤数据、所述第一设备离线天数，以及所述目标车间在所述第一预设时间段内的第一监控数据确定的运行状态；所述运行状态用于表示所述目标车间在所述第一预设时间段内是否正常运行；
所述处理单元，用于基于所述第一人员考勤数据、所述第一设备离线天数和所述目标运行状态训练运行状态确定模型；所述运行状态确定模型用于确定所述目标车间在第二预设时间段内是否正常运行。
7.根据权利要求6所述的装置，其特征在于，所述第一人员考勤数据包括第一考勤天数和第一平均每天考勤人数；
所述获取单元，还用于在所述第一考勤天数小于第二预设阈值，和/或，所述第一平均每天考勤人数小于第三预设阈值的情况下，获取所述目标车间在所述第一预设时间段内的第一监控数据；所述第一监控数据用于确定所述目标运行状态。
8.根据权利要求7所述的装置，其特征在于，
所述处理单元，还用于确定所述目标运行状态为非正常运行。
9.一种运行状态确定装置，其特征在于，包括存储器和处理器；所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过总线连接；当所述运行状态确定装置运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述运行状态确定装置执行如权利要求1-5任一项所述的运行状态确定方法。
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包括计算机执行指令，当所述计算机执行指令在计算机上运行时，使得所述计算机执行如权利要求1-5任一项所述的运行状态确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311616280.4A CN117808336A (zh) | 2023-11-29 | 2023-11-29 | 一种运行状态确定方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311616280.4A CN117808336A (zh) | 2023-11-29 | 2023-11-29 | 一种运行状态确定方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117808336A true CN117808336A (zh) | 2024-04-02 |
Family
ID=90419439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311616280.4A Pending CN117808336A (zh) | 2023-11-29 | 2023-11-29 | 一种运行状态确定方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117808336A (zh) |
-
2023
- 2023-11-29 CN CN202311616280.4A patent/CN117808336A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106504359B (zh) | 一种基于位置和运动状态的智能考勤系统及其实现方法 | |
| CN108495329B (zh) | 一种基站可靠性的评价方法和装置 | |
| EP2348448A1 (en) | Method and device for managing security events | |
| CN112347214A (zh) | 目标区域划分方法、装置、电子设备及存储介质 | |
| CN115509859A (zh) | 第三方应用程序性能改进工具包 | |
| CN105556554A (zh) | 多个设备相关性 | |
| US10652209B2 (en) | Router address type identification method and apparatus | |
| CN109255937B (zh) | 报警处理方法及终端设备 | |
| CN107040608A (zh) | 一种数据处理方法及系统 | |
| CN110738451A (zh) | 快递员跨区行为的监控方法、装置、存储介质及电子设备 | |
| CN112489236B (zh) | 一种考勤数据处理方法、装置、服务器及存储介质 | |
| CN112488877A (zh) | 一种用于能源服务平台的工业能耗可视化系统 | |
| CN108536356A (zh) | 坐席信息处理方法、装置及计算机可读存储介质 | |
| CN109033165A (zh) | 一种数据展示方法、计算机可读存储介质及终端设备 | |
| CN114757639A (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN111476375A (zh) | 一种确定识别模型的方法、装置、电子设备及存储介质 | |
| CN114157679A (zh) | 基于云原生分布式应用监控方法、装置、设备及介质 | |
| CN117291558A (zh) | 一种基于多考勤规则的人员匹配管理方法及系统 | |
| CN111314177B (zh) | 一种基于无线信号的作息时段识别方法以及相关装置 | |
| CN117371646A (zh) | 施工业务的处理方法、装置、电子设备及可读存储介质 | |
| CN117808336A (zh) | 一种运行状态确定方法、装置及存储介质 | |
| CN115471215B (zh) | 一种业务流程处理方法及装置 | |
| CN109377391A (zh) | 一种信息追踪方法、存储介质和服务器 | |
| CN112966838B (zh) | 灾害智能运维派单方法、装置及设备 | |
| CN113239085A (zh) | 实时数据处理方法、装置、计算机设备和介质 |
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 |