CN117930718A - 基于大数据的设备运行状态监测预警方法及系统 - Google Patents
基于大数据的设备运行状态监测预警方法及系统 Download PDFInfo
- Publication number
- CN117930718A CN117930718A CN202410100855.5A CN202410100855A CN117930718A CN 117930718 A CN117930718 A CN 117930718A CN 202410100855 A CN202410100855 A CN 202410100855A CN 117930718 A CN117930718 A CN 117930718A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- monitoring
- early warning
- model
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 claims abstract description 28
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 239000000428 dust Substances 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000005065 mining Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 8
- 238000007418 data mining Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 230000006978 adaptation Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于医疗设备运行监测领域，尤其是基于大数据的设备运行状态监测预警方法及系统，其中基于大数据的设备运行状态监测预警方法以下步骤：S1，数据收集，采用物联网以及远程监控对设备信息进行采集，完善监测范围，对于不同类型的医疗设备，采用共享和复用的方式，减少设备和系统的重复投入，从而降低监测成本，监测范围包括温度值、湿度值、灰尘值、压力值和振动值，制定不同详细的监测计划和标准。本发明的预警方法和系统利用大数据分析技术对数据进行处理和分析，提取出医疗设备的运行状态特征和规律，构建预警模型，实现对医疗设备的实时监测和预警，适配能力更高，能够提高医疗设备运行的稳定性和可靠性。
Description
技术领域
本发明涉及医疗设备运行监测技术领域，尤其涉及基于大数据的设备运行状态监测预警方法及系统。
背景技术
医疗设备的运行状态监测对于确保医疗设备的安全、稳定运行以及提高医疗质量具有重要意义，为了实现医疗设备的运行状态监测，需要采用先进的监测技术和设备。例如，可以采用传感器、数据采集器、分析软件等工具，对医疗设备进行实时监测和分析；
医疗设备的运行状态监测可确保设备安全：通过监测医疗设备的运行状态，可以及时发现潜在的故障或问题，防止设备在运行过程中出现故障或意外情况，确保设备的安全性和稳定性；
提高医疗质量：医疗设备的正常运行是保证医疗质量的重要因素之一。通过监测设备的运行状态，可以及时发现设备性能的变化或故障，及时进行维修和更换，确保设备的正常运行，从而提高医疗质量；
降低维修成本：通过监测设备的运行状态，可以及时发现潜在的故障或问题，避免设备在出现严重故障时才进行维修，从而减少维修成本和停机时间；增强设备可靠性：通过对医疗设备进行运行状态监测，可以积累大量的运行数据和经验，为设备的可靠性分析和改进提供数据支持，有助于提高设备的可靠性和稳定；
目前医院内的设备存在一些问题，不同设备上的运行状态无法得到持续性的监测和预警，无法提前更新相应的硬件，运维人员需要手动定期进行监测，不仅操作不方便，且容易出现监测遗漏，监测范围不全面，监测准确度不高且监测可靠性不足。
发明内容
本发明的目的是提供基于大数据的设备运行状态监测预警方法及系统，具有能够实现对医疗设备运行状态的实时监测和预警，及时发现并解决设备故障，提高医疗设备运行的稳定性和安全性的效果：
基于大数据的设备运行状态监测预警方法，包括以下步骤：
S1：数据收集，采用物联网以及远程监控对设备信息进行采集，完善监测范围，针对不同类型的医疗设备，制定不同详细的监测计划和标准，明确需要监测的性能指标和参数，加强对医疗设备使用环境和条件的监测，对医疗设备进行分类和分组，制定相应的监测策略和措施，确保能够全面覆盖各种类型的设备；
S2：特征提取，根据设备运行数据中提取出与设备状态相关的特征，利用提取出的特征，训练一个预测模型，使用训练好的模型对新的设备运行数据进行采集和预测；
S3：数据预处理，对收集到的数据进行清洗、整理和分类的预处理操作，以提高数据的质量和可用性，采用数据清洗技术去除异常值和噪声数据，采用数据分类技术对数据进行分类和标签化；
S4：数据分析，利用大数据分析技术，对预处理后的数据进行挖掘和分析，提取出设备的运行状态特征和规律，采用机器学习、深度学习等技术对数据进行挖掘和分析；
S5：预警模型构建，通过大数据平台收集和整理各类监测数据，提取设备运行的相关信息，利用数据挖掘技术发现隐含在大数据中的规律和关联，并建立预测模型，提高预警的准确度，同时构建设备运行状态的预警模型，包括故障预测模型和异常检测模型，根据历史数据和当前数据预测设备是否会故障；
S6：预警模型应用，将构建好的预警模型应用于设备的运行状态监测中，预测设备运行状态，实现对设备的实时监测和预警，定期对监测设备进行校准和维护，确保其准确性和稳定性。
通过收集设备的运行数据，利用大数据分析技术对数据进行处理和分析，提取出设备的运行状态特征和规律，构建预警模型，实现对设备的实时监测和预警，能够提高设备运行的稳定性和可靠性，降低设备故障率，提高生产效率。
进一步改进在于，所述S2中，特征包括时间序列数据、统计数据和频谱分析结果，预测模型包括回归模型、分类模型和基于深度学习模型。
通过大数据平台收集和整理各类监测数据，提取有用的信息，利用数据挖掘技术发现隐含在大数据中的规律和关联，并建立预测模型，提高预警的准确度。
进一步改进在于，所述S5中，根据分析结果和历史数据，构建故障预测模型和异常检测模型，实现对设备的故障预测和异常检测。
可以根据设备类型和实际需求，构建不同的预警模型，提高预警的适用性和灵活性。
进一步改进在于，所述S1中，对于不同类型的医疗设备，采用共享和复用的方式，减少设备和系统的重复投入，从而降低监测成本，监测范围包括温度值、湿度值、灰尘值、压力值和振动值。
进一步改进在于，所述S6中，通过对监测数据进行深入分析，减少误报和假阳性情况的发生，避免不必要的维护和检修费用，对于关键的监测设备和系统，可以采用备份和冗余设计，确保在设备或系统发生故障时，能够迅速切换到备用设备或系统，保证医疗设备的正常运行。
通过完善监测范围、提高监测准确度、加强监测可靠性和降低监测成本等措施，可以改进医疗设备的运行状态监测方法，提高其准确性和可靠性，为医疗设备的正常运行提供有力保障。
进一步改进在于，所述预测设备运行状态的表达式为：y＝ax+b；
其中a和b是常数，x是自变量，y是因变量，当a>0时，直线是上升的；
当a<0时，直线是下降的，b决定了直线在y轴上的截距，如果b>0，则直线在y轴上位于正方向；
如果b<0，则直线在y轴上位于负方向。
进一步改进在于，所述S5中，根据历史数据和当前数据预测设备是否会故障的表达式为：p＝1/(1+e^(-z))，其中z＝w0+w1*x1+w2*x2+...+wn*xn；
其中，w0,w1,w2,...,wn是模型的权重参数，x1,x2,...,xn是输入特征，当z的值非常大时，e^(-z)接近于0，所以p接近于1；当z的值非常小时，e^(-z)接近于无穷大，所以p接近于0。
一种用于实施上述任一项基于大数据的设备运行状态监测预警方法的系统，包括：
数据采集模块，用于负责从各种传感器、设备和其他数据源中采集实时数据，同时针对不同类型的医疗设备，制定不同详细的监测计划和标准，对医疗设备进行分类和分组，制定相应的监测策略和措施，数据包括设备的运行状态、环境参数、能耗等；
特征提取模块，用于提取出与设备状态相关的特征，利用提取出的特征，训练一个预测模型，使用训练好的模型对新的设备运行数据进行采集和预测；
数据处理模块，用于负责处理采集到的数据，包括数据清洗、整合、分析和挖掘，通过使用大数据处理技术，如分布式计算、数据挖掘等，可以实现对设备运行状态的全面分析和预测；
预警分析模块，用于针对数据处理层的结果，进行设备运行状态的预警分析，通过设定阈值、规则或模型，系统能够实时监测设备的运行状态，并在异常情况发生时及时发出预警；
预警展示模块，用于负责将预警信息以可视化方式展示给用户，包括图表、仪表盘、告警列表等，以便用户能够直观地了解设备的运行状态和潜在问题；
用户交互模块，用于用户与系统进行交互，包括查看历史数据、调整阈值、定制告警规则等，用户可以根据自己的需求和偏好对系统进行个性化配置；
数据分析模块，该层负责深入挖掘设备运行数据中的潜在价值，通过对历史数据的分析，可以发现设备的运行规律、故障模式和改进方向，为设备的维护和优化提供决策支持；
告警输出模块，用于负责将预警信息以多种方式输出，如短信、邮件、APP推送等，用户可以在任何时间、任何地点接收告警信息，确保及时了解设备运行状态。
通过对大量数据的综合分析，系统能够更全面地了解设备的运行状态和性能，系统能够实时采集并处理设备运行数据，确保及时发现潜在问题，系统能够根据预设的规则或模型，在异常情况发生时及时发出预警，减少故障发生的可能性，用户可以根据自己的需求和偏好对系统进行个性化配置，提高系统的适用性，通过对历史数据的挖掘和分析，系统能够为设备的维护和优化提供决策支持。
与现有技术相比，本发明的有益效果在于：
(1)通过大数据分析技术，能够提取出设备的运行状态特征和规律，提高预警的准确性和针对性，能够实现对设备运行状态的实时监测和预警，及时发现并解决设备故障。
(2)可以根据设备类型和实际需求，构建不同的预警模型，提高预警的适用性和灵活性，能够实现多设备同时监测和预警，提高工作效率和可靠性。
(3)系统能够实时采集并处理设备运行数据，确保及时发现潜在问题，通过对大量数据的综合分析，系统能够更全面地了解设备的运行状态和性能，根据预设的规则或模型，在异常情况发生时及时发出预警，减少故障发生的可能性，也可自动检查和更新相应的硬件。
(4)用户可以根据自己的需求和偏好对系统进行个性化配置，提高系统的适用性，通过对历史数据的挖掘和分析，系统能够为设备的维护和优化提供决策支持。
附图说明
图1为本发明提出的基于大数据的设备运行状态监测预警方法的流程图；
图2为本发明提出的基于大数据的设备运行状态监测预警系统的整体框图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。
参照图1，基于大数据的设备运行状态监测预警方法，包括以下步骤：
S1：数据收集，采用物联网以及远程监控对医疗设备信息进行采集，完善监测范围，对于不同类型的医疗设备，采用共享和复用的方式，减少设备和系统的重复投入，从而降低监测成本，监测范围包括温度值、湿度值、灰尘值、压力值和振动值，制定不同详细的监测计划和标准，明确需要监测的性能指标和参数，加强对医疗设备使用环境和条件的监测，对医疗设备进行分类和分组，制定相应的监测策略和措施，确保能够全面覆盖各种类型的设备；
S2：特征提取，根据医疗设备运行数据中提取出与设备状态相关的特征，利用提取出的特征，特征包括时间序列数据、统计数据和频谱分析结果，预测模型包括回归模型、分类模型和基于深度学习模型，训练一个预测模型，使用训练好的模型对新的医疗设备运行数据进行采集和预测；
S3：数据预处理，对收集到的数据进行清洗、整理和分类的预处理操作，以提高数据的质量和可用性，采用数据清洗技术去除异常值和噪声数据，采用数据分类技术对数据进行分类和标签化；
S4：数据分析，利用大数据分析技术，对预处理后的数据进行挖掘和分析，提取出医疗设备的运行状态特征和规律，采用机器学习、深度学习等技术对数据进行挖掘和分析；
S5：预警模型构建，通过大数据平台收集和整理各类监测数据，提取医疗设备运行的相关信息，利用数据挖掘技术发现隐含在大数据中的规律和关联，并建立预测模型，提高预警的准确度，根据分析结果和历史数据，构建故障预测模型和异常检测模型，实现对医疗设备的故障预测和异常检测；
S6：预警模型应用，将构建好的预警模型应用于设备的运行状态监测中，预测设备运行状态，实现对设备的实时监测和预警，定期对监测设备进行校准和维护，确保其准确性和稳定性。
本实施例中，S6中通过对监测数据进行深入分析，减少误报和假阳性情况的发生，避免不必要的维护和检修费用，对于关键的监测设备和系统，可以采用备份和冗余设计，确保在设备或系统发生故障时，能够迅速切换到备用设备或系统，保证医疗设备的正常运行。
本实施例中，预测设备运行状态的表达式为：y＝ax+b；
其中a和b是常数，x是自变量，y是因变量，当a>0时，直线是上升的；
当a<0时，直线是下降的，b决定了直线在y轴上的截距，如果b>0，则直线在y轴上位于正方向；
如果b<0，则直线在y轴上位于负方向。
本实施例中，S5中根据历史数据和当前数据预测设备是否会故障的表达式为：p＝1/(1+e^(-z))，其中z＝w0+w1*x1+w2*x2+...+wn*xn；
其中，w0,w1,w2,...,wn是模型的权重参数，x1,x2,...,xn是输入特征，当z的值非常大时，e^(-z)接近于0，所以p接近于1；当z的值非常小时，e^(-z)接近于无穷大，所以p接近于0。
参照图2，本发明还提供了用于实施上述基于大数据的设备运行状态监测预警方法的系统，包括：
数据采集模块，用于负责从各种传感器、设备和其他数据源中采集实时数据，同时针对不同类型的医疗设备，制定不同详细的监测计划和标准，对医疗设备进行分类和分组，制定相应的监测策略和措施，数据包括医疗设备的运行状态、环境参数、能耗等；
特征提取模块，用于提取出与医疗设备状态相关的特征，利用提取出的特征，训练一个预测模型，使用训练好的模型对新的设备运行数据进行采集和预测；
数据处理模块，用于负责处理采集到的数据，包括数据清洗、整合、分析和挖掘，通过使用大数据处理技术，如分布式计算、数据挖掘等，可以实现对医疗设备运行状态的全面分析和预测；
预警分析模块，用于针对数据处理层的结果，进行医疗设备运行状态的预警分析，通过设定阈值、规则或模型，系统能够实时监测医疗设备的运行状态，并在异常情况发生时及时发出预警；
预警展示模块，用于负责将预警信息以可视化方式展示给用户，包括图表、仪表盘、告警列表等，以便用户能够直观地了解设备的运行状态和潜在问题；
用户交互模块，用于用户与系统进行交互，包括查看医疗设备的历史数据、调整阈值、定制告警规则等，用户可以根据自己的需求和偏好对系统进行个性化配置；
数据分析模块，该层负责深入挖掘医疗设备运行数据中的潜在价值，通过对历史数据的分析，可以发现医疗设备的运行规律、故障模式和改进方向，为医疗设备的维护和优化提供决策支持；
告警输出模块，用于负责将预警信息以多种方式输出，如短信、邮件、APP推送等，用户可以在任何时间、任何地点接收告警信息，确保及时了解设备运行状态。
工作流程：采用物联网以及远程监控对医疗设备信息进行采集，完善监测范围，对于不同类型的医疗设备，采用共享和复用的方式，降低监测成本，制定不同详细的监测计划和标准，明确需要监测的性能指标和参数，加强对医疗设备使用环境和条件的监测，对医疗设备进行分类和分组，制定相应的监测策略和措施，确保能够全面覆盖各种类型的设备，根据医疗设备运行数据中提取出与设备状态相关的特征，利用提取出的特征，训练一个预测模型，使用训练好的模型对新的医疗设备运行数据进行采集和预测，对收集到的数据进行清洗、整理和分类的预处理操作，以提高数据的质量和可用性，采用数据清洗技术去除异常值和噪声数据，采用数据分类技术对数据进行分类和标签化，利用大数据分析技术，对预处理后的数据进行挖掘和分析，提取出医疗设备的运行状态特征和规律，采用机器学习、深度学习等技术对数据进行挖掘和分析，提取出医疗设备的运行状态特征和规律，通过大数据平台收集和整理各类监测数据，提取医疗设备运行的相关信息，利用数据挖掘技术发现隐含在大数据中的规律和关联，并建立预测模型，根据分析结果和历史数据，构建故障预测模型和异常检测模型，实现对医疗设备的故障预测和异常检测，将构建好的预警模型应用于医疗设备的运行状态监测中，实现对设备的实时监测和预警，一旦发现异常情况，及时触发预警，并采取相应的处理措施，同时，将预警信息反馈给相关人员，以便及时调整和优化医疗设备运行状态。
本发明相对现有技术获得的技术进步是：本发明的预警方法和系统通过收集医疗设备的运行数据，利用大数据分析技术对数据进行处理和分析，提取出设备的运行状态特征和规律，构建预警模型，实现对医疗设备的实时监测和预警，适配能力更高，能够提高医疗设备运行的稳定性和可靠性，降低医疗设备故障率，提高生产效率。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
在本申请各个实施例中的各功能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。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。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申请的范围。
Claims (9)
1.基于大数据的设备运行状态监测预警方法，其特征在于，包括以下步骤：
S1：数据收集，采用物联网以及远程监控对设备信息进行采集，完善监测范围，针对不同类型的医疗设备，制定不同详细的监测计划和标准，明确需要监测的性能指标和参数，加强对医疗设备使用环境和条件的监测，对医疗设备进行分类和分组，制定相应的监测策略和措施，确保能够全面覆盖各种类型的设备；
S2：特征提取，根据设备运行数据中提取出与设备状态相关的特征，利用提取出的特征，训练一个预测模型，使用训练好的模型对新的设备运行数据进行采集和预测；
S3：数据预处理，对收集到的数据进行清洗、整理和分类的预处理操作，以提高数据的质量和可用性，采用数据清洗技术去除异常值和噪声数据，采用数据分类技术对数据进行分类和标签化；
S4：数据分析，利用大数据分析技术，对预处理后的数据进行挖掘和分析，提取出设备的运行状态特征和规律，采用机器学习、深度学习等技术对数据进行挖掘和分析；
S5：预警模型构建，通过大数据平台收集和整理各类监测数据，提取设备运行的相关信息，利用数据挖掘技术发现隐含在大数据中的规律和关联，并建立预测模型，提高预警的准确度，同时构建设备运行状态的预警模型，包括故障预测模型和异常检测模型，根据历史数据和当前数据预测设备是否会故障；
S6：预警模型应用，将构建好的预警模型应用于设备的运行状态监测中，预测设备运行状态，实现对设备的实时监测和预警，定期对监测设备进行校准和维护，确保其准确性和稳定性。
2.根据权利要求1所述的基于大数据的设备运行状态监测预警方法，其特征在于，所述S2中，特征包括时间序列数据、统计数据和频谱分析结果，预测模型包括回归模型、分类模型和基于深度学习模型。
3.根据权利要求1所述的基于大数据的设备运行状态监测预警方法，其特征在于，所述S5中，根据分析结果和历史数据，构建故障预测模型和异常检测模型，实现对设备的故障预测和异常检测。
4.根据权利要求1所述的基于大数据的设备运行状态监测预警方法，其特征在于，所述S1中，对于不同类型的医疗设备，采用共享和复用的方式，减少设备和系统的重复投入，从而降低监测成本，监测范围包括温度值、湿度值、灰尘值、压力值和振动值。
5.根据权利要求1所述的基于大数据的设备运行状态监测预警方法，其特征在于，所述S6中，通过对监测数据进行深入分析，减少误报和假阳性情况的发生，避免不必要的维护和检修费用，对于关键的监测设备和系统，可以采用备份和冗余设计，确保在设备或系统发生故障时，能够迅速切换到备用设备或系统，保证医疗设备的正常运行。
6.根据权利要求1所述的基于大数据的设备运行状态监测预警方法，其特征在于，所述预测设备运行状态的表达式为：y＝ax+b；
其中a和b是常数，x是自变量，y是因变量，当a>0时，直线是上升的；
当a<0时，直线是下降的，b决定了直线在y轴上的截距，如果b>0，则直线在y轴上位于正方向；
如果b<0，则直线在y轴上位于负方向。
7.根据权利要求1所述的基于大数据的设备运行状态监测预警方法，其特征在于，所述S5中，根据历史数据和当前数据预测设备是否会故障的表达式为：p＝1/(1+e^(-z))，其中z＝w0+w1*x1+w2*x2+...+wn*xn；
其中，w0,w1,w2,...,wn是模型的权重参数，x1,x2,...,xn是输入特征，当z的值非常大时，e^(-z)接近于0，所以p接近于1；当z的值非常小时，e^(-z)接近于无穷大，所以p接近于0。
8.用于实施权利要求1-7任一项所述的基于大数据的设备运行状态监测预警方法的系统，其特征在于，包括：
数据采集模块，用于负责从各种传感器、设备和其他数据源中采集实时数据，同时针对不同类型的医疗设备，制定不同详细的监测计划和标准，对医疗设备进行分类和分组，制定相应的监测策略和措施，数据包括设备的运行状态、环境参数、能耗等；
特征提取模块，用于提取出与设备状态相关的特征，利用提取出的特征，训练一个预测模型，使用训练好的模型对新的设备运行数据进行采集和预测；
数据处理模块，用于负责处理采集到的数据，包括数据清洗、整合、分析和挖掘，通过使用大数据处理技术，如分布式计算、数据挖掘等，可以实现对设备运行状态的全面分析和预测；
预警分析模块，用于针对数据处理层的结果，进行设备运行状态的预警分析，通过设定阈值、规则或模型，系统能够实时监测设备的运行状态，并在异常情况发生时及时发出预警；
告警输出模块，用于负责将预警信息以多种方式输出，如短信、邮件、APP推送等，用户可以在任何时间、任何地点接收告警信息，确保及时了解设备运行状态。
9.根据权利要求8所述的基于大数据的设备运行状态监测预警系统，其特征在于，还包括：
预警展示模块，用于负责将预警信息以可视化方式展示给用户，包括图表、仪表盘、告警列表等，以便用户能够直观地了解设备的运行状态和潜在问题；
用户交互模块，用于用户与系统进行交互，包括查看历史数据、调整阈值、定制告警规则等，用户可以根据自己的需求和偏好对系统进行个性化配置；
数据分析模块，该层负责深入挖掘设备运行数据中的潜在价值，通过对历史数据的分析，可以发现设备的运行规律、故障模式和改进方向，为设备的维护和优化提供决策支持。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410100855.5A CN117930718A (zh) | 2024-01-25 | 2024-01-25 | 基于大数据的设备运行状态监测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410100855.5A CN117930718A (zh) | 2024-01-25 | 2024-01-25 | 基于大数据的设备运行状态监测预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117930718A true CN117930718A (zh) | 2024-04-26 |
Family
ID=90753501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410100855.5A Pending CN117930718A (zh) | 2024-01-25 | 2024-01-25 | 基于大数据的设备运行状态监测预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117930718A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118213058A (zh) * | 2024-05-22 | 2024-06-18 | 山东拓庄医疗科技有限公司 | 一种基于数据分析的医疗器械故障检测管理系统及方法 |
| CN118444620A (zh) * | 2024-07-08 | 2024-08-06 | 青岛科技大学 | 一种面向终端设备的智能场景生成方法及智慧家庭系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108172288A (zh) * | 2018-01-05 | 2018-06-15 | 深圳倍佳医疗科技服务有限公司 | 医疗设备智能监控方法、装置及计算机可读存储介质 |
| CN115394425A (zh) * | 2022-03-28 | 2022-11-25 | 中科院成都信息技术股份有限公司 | 一种基于物联网的医疗设备智能管理系统及方法 |
| CN116705271A (zh) * | 2023-08-09 | 2023-09-05 | 山东博达医疗用品股份有限公司 | 一种大数据的医疗冲洗设备运行监测系统 |
| CN116862442A (zh) * | 2023-07-21 | 2023-10-10 | 河南盘古科技发展有限公司 | 基于大数据分析的智能设备管理方法、系统 |
| CN117277271A (zh) * | 2023-08-09 | 2023-12-22 | 国网安徽省电力有限公司电力科学研究院 | 一种机理模型嵌入的深度学习光伏短期预测方法 |
| KR102618023B1 (ko) * | 2022-12-23 | 2023-12-27 | 앤츠이엔씨 주식회사 | 고장유형에 따른 패턴 분석을 통한 고장 예지 진단시스템 및 방법 |
-
2024
- 2024-01-25 CN CN202410100855.5A patent/CN117930718A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108172288A (zh) * | 2018-01-05 | 2018-06-15 | 深圳倍佳医疗科技服务有限公司 | 医疗设备智能监控方法、装置及计算机可读存储介质 |
| CN115394425A (zh) * | 2022-03-28 | 2022-11-25 | 中科院成都信息技术股份有限公司 | 一种基于物联网的医疗设备智能管理系统及方法 |
| KR102618023B1 (ko) * | 2022-12-23 | 2023-12-27 | 앤츠이엔씨 주식회사 | 고장유형에 따른 패턴 분석을 통한 고장 예지 진단시스템 및 방법 |
| CN116862442A (zh) * | 2023-07-21 | 2023-10-10 | 河南盘古科技发展有限公司 | 基于大数据分析的智能设备管理方法、系统 |
| CN116705271A (zh) * | 2023-08-09 | 2023-09-05 | 山东博达医疗用品股份有限公司 | 一种大数据的医疗冲洗设备运行监测系统 |
| CN117277271A (zh) * | 2023-08-09 | 2023-12-22 | 国网安徽省电力有限公司电力科学研究院 | 一种机理模型嵌入的深度学习光伏短期预测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118213058A (zh) * | 2024-05-22 | 2024-06-18 | 山东拓庄医疗科技有限公司 | 一种基于数据分析的医疗器械故障检测管理系统及方法 |
| CN118444620A (zh) * | 2024-07-08 | 2024-08-06 | 青岛科技大学 | 一种面向终端设备的智能场景生成方法及智慧家庭系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110929898B (zh) | 水电站启闭设备运维及故障监测在线评估系统及方法 | |
| CN110806743A (zh) | 基于人工智能的设备故障检测与预警系统及方法 | |
| CN117930718A (zh) | 基于大数据的设备运行状态监测预警方法及系统 | |
| CN111817880A (zh) | 一种油气田生产设备健康管理系统以及实现方法 | |
| CN113063611A (zh) | 一种设备的监控管理方法及其系统 | |
| CN116758719A (zh) | 一种生产车间设备环境在线监测系统 | |
| CN112462734B (zh) | 一种工业生产设备故障预测分析方法及模型 | |
| CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
| CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 | |
| CN116228186A (zh) | 基于人因工程的船舶机舱智能运维系统 | |
| CN116125958A (zh) | 一种基于数字孪生的智能化工厂故障诊断与决策系统 | |
| CN113761728A (zh) | 基于车联网平台的机场电动特种车辆故障预警方法 | |
| CN118353162A (zh) | 一种电厂变压器智能检测预警方法及系统 | |
| KR20190081691A (ko) | 머신러닝 알고리즘을 이용한 공정 이상 감지 시스템 및 그 방법 | |
| CN117391675A (zh) | 一种数据中心基础设施运维管理方法 | |
| CN117571354A (zh) | 一种有机废气容量实时监控系统 | |
| CN117220917A (zh) | 一种基于云计算的网络实时监控方法 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| KR102411915B1 (ko) | 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법 | |
| KR20240074074A (ko) | Ai 기반 위험예지 이상징후 탐지모델 플랫폼 서비스 방법 | |
| CN115171242A (zh) | 工业车辆远程故障检测系统 | |
| CN113947223A (zh) | 一种智能化设备健康管理系统及方法 | |
| CN110263949B (zh) | 融合机器机理与人工智能算法系统的数据处理方法及系统 | |
| CN117521084B (zh) | 一种复杂系统的主动安全预警方法 | |
| CN117521478A (zh) | 一种基于机器学习的云计算带外管理设备辅助告警方法 |
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 |