CN117933526B - 基于工业大数据平台的技术监督数据远程管理系统及方法 - Google Patents
基于工业大数据平台的技术监督数据远程管理系统及方法 Download PDFInfo
- Publication number
- CN117933526B CN117933526B CN202311705132.XA CN202311705132A CN117933526B CN 117933526 B CN117933526 B CN 117933526B CN 202311705132 A CN202311705132 A CN 202311705132A CN 117933526 B CN117933526 B CN 117933526B
- Authority
- CN
- China
- Prior art keywords
- following
- correction
- node
- data
- rectification
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007726 management method Methods 0.000 claims abstract description 85
- 238000004458 analytical method Methods 0.000 claims abstract description 60
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000012937 correction Methods 0.000 claims description 170
- 238000012986 modification Methods 0.000 claims description 126
- 230000004048 modification Effects 0.000 claims description 126
- 238000009826 distribution Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 15
- 230000000737 periodic effect Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 7
- 238000009529 body temperature measurement Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000011787 zinc oxide Substances 0.000 description 1
Abstract
本发明公开了基于工业大数据平台的技术监督数据远程管理系统及方法,属于大数据技术监督技术领域。本发明包括工业大数据技术监督模块、流程整改计划模块、整改分析远程管理模块以及反馈预警模块;所述工业大数据技术监督模块的输出端与所述流程整改计划模块的输入端相连接;所述流程整改计划模块的输出端与所述整改分析远程管理模块的输入端相连接;所述整改分析远程管理模块的输出端与所述反馈预警模块的输入端相连接。本发明能够实现在工业大数据技术监督体系下,对于整个流程整改计划的智能化完善,消除整改中带来的连锁效应,以远程管理的手段进一步降低操作难度,提升技术监督的能力。
Description
技术领域
本发明涉及大数据技术监督技术领域,具体为基于工业大数据平台的技术监督数据远程管理系统及方法。
背景技术
工业设备的安全运行与维护,离不开技术监督工作,技术监督工作指的是通过对工业系统内部的设备及其运行状况进行监测和管理,掌握其运行性能和变化规律,进而指导生产,根据工业化市场的逐步深入推进,设备管理的优劣极大地影响着企业的竞争力,而技术监督是否到位直接影响着工业设备的本质安全。
在目前的技术中,技术监督工作仅仅是提供相应的维修数据报表、基本的设备审查审计报告,有些系统也会上传一定的问题整改计划,但是从行业上来讲,尤其是随着大数据的不断发展变化,在技术监督以及具体的整改工作上,缺乏有效的智能化与数字化手段,整改依旧靠个人经验,整改过程中出现重复性工作,忽略整改带来的连锁型反应,往往在一次整改后,需要在加入多次整改以完善整改效果,常常有“拆东墙补西墙”的问题发生。
发明内容
本发明的目的在于提供基于工业大数据平台的技术监督数据远程管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于工业大数据平台的技术监督数据远程管理方法,该方法包括以下步骤:
S1、构建工业大数据技术监督体系,所述技术监督体系包括工业大数据体系文件、定期工作上传报告数据、问题管理数据、技术监督报表和流程整改计划;
S2、选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点,构建跟随分析模型,输出跟随性节点的整改跟随概率;
S3、设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;
S4、构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序,反馈至系统远程管理端口,若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口。
根据上述技术方案,所述工业大数据体系文件指技术监督的指标完成情况;所述定期工作上传报告数据指定期上传的工作计划与工作提醒数据;所述问题管理数据指在技术监督过程中出现的技术问题;所述技术监督报表指在技术监督完成后上传的技术监督报表;所述流程整改计划指在技术监督完成后指出的需要整改的流程计划报告,所述流程计划报告中包含整改的特征参数。
根据上述技术方案,所述构建跟随分析模型包括:
获取流程整改计划中的优先级整改节点,所述优先级整改节点以流程整改计划的上传时间为判断标准,最先提交的整改节点为优先级整改节点;
获取优先级整改节点的跟随性节点,所述跟随性节点指与优先级整改节点存在关联关系的节点,在优先级整改节点整改后,存在一定概率对跟随性节点造成影响;设置优先级整改节点为A,跟随性节点记为集合U1={x1、x2、…、xn},其中,x1、x2、…、xn分别代表A的n个跟随性节点;
获取优先级整改节点A的历史整改数据,所述历史整改数据中包括每一次整改的特征参数和整改后跟随性节点的整改数据,所述整改后跟随性节点的整改数据包括结果0和1,若优先级整改节点A整改后,跟随性节点也整改,记结果为1,否则记结果为0;形成每一次所述历史整改数据的数据组合:
[(y1、y2、…、ym)、(xi、…、xj)]t
其中,[(y1、y2、…、ym)、(xi、…、xj)]t代表第t次历史整改数据的数据组合;y1、y2、…、ym代表第t次历史整改数据的m个特征参数;xi、…、xj代表第t次历史整改数据的整改后跟随性节点结果为1的跟随性节点,满足xi、…、xj中任一个均属于集合U1;
选取N组历史整改数据的数据组合,在N组历史整改数据的数据组合中选取任一个跟随性节点xi,选取出xi结果为1时的所有历史整改数据的数据组合,确认xi结果为1时对应的每一次整改特征参数,对整改特征参数进行组合处理,所述组合处理方式为:
其中,Tk代表组合方式为k时的组合处理概率;sk代表组合方式为k在xi结果为1时的所有历史整改数据的数据组合中出现的次数;L0代表xi结果为1时的所有历史整改数据的数据组合数量,k大于等于1且小于等于xi结果为1时的历史整改数据的数据组合中单个组合的最大整改特征参数数量;
按照Tk的从大到小顺序形成xi结果为1时的整改参数列表组合处理清单,获取优先级整改节点A的整改特征参数,计算跟随性节点xi结果为1的整改跟随概率:
其中,代表跟随性节点xi结果为1的整改跟随概率;h代表组合方式的序号;H代表组合方式的数量;(Tk)h代表组合方式序号为h时的组合处理概率;所述组合方式的形成标准为:
在优先级整改节点A的整改特征参数优选出组合处理概率最大的组合方式记为序号h=1,随后在剩余的整改特征参数不断优选出组合处理概率最大的组合方式,进行序号顺序标注,若存在任一个优先级整改节点A的整改特征参数未出现在xi结果为1时的所有历史整改数据的数据组合中的整改特征参数中,则取
依次选取优先级整改节点A的所有跟随性节点,输出跟随性节点的整改跟随概率。
在上述的技术方案中,通过优先级整改节点不断分析,获取每一个跟随性节点的整改跟随概率,从而获知在优先级整改节点整改后,跟随性节点的整改概率有多大,做成排序列表,防止出现多重整改的问题,尽可能提高工作效率。
根据上述技术方案,在步骤S3中,还包括:
获取标记后的跟随性节点,按照跟随性节点的整改跟随概率从大到小的顺序,将跟随性节点在所有历史整改数据的数据组合中整改过的特征参数作为本次整改的预测特征参数,代入跟随分析模型,生成新的跟随性节点的整改跟随概率;
在新的跟随性节点中选取出标记后的跟随性节点,构建整改分析管理模型,计算两组整改跟随概率的乘积其中指生成新的跟随性节点中xi的整改跟随概率,若存在新的跟随性节点中不存在xi或生成新的跟随性节点中xi的整改跟随概率低于整改跟随概率阈值,则取1;计算每一个标记后的跟随性节点的两组整改跟随概率的乘积,按照从小到大的顺序,对优先级整改节点的跟随性节点实现整改分布排序。
根据上述技术方案,在步骤S4中,还包括:
获取整改分布排序的数据,形成整改分布排序列表反馈至系统远程管理端口,获取流程整改计划的上传时间,基于流程整改计划的上传时间形成流程整改计划中的节点整改排序;
若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口。
基于工业大数据平台的技术监督数据远程管理系统,该系统包括:工业大数据技术监督模块、流程整改计划模块、整改分析远程管理模块以及反馈预警模块;
所述工业大数据技术监督模块用于构建工业大数据技术监督体系,对工业大数据平台实现技术监督;所述流程整改计划模块用于选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点,构建跟随分析模型,输出跟随性节点的整改跟随概率;所述整改分析远程管理模块用于设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序;所述反馈预警模块用于将整改分布排序反馈至系统远程管理端口,若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口;
所述工业大数据技术监督模块的输出端与所述流程整改计划模块的输入端相连接;所述流程整改计划模块的输出端与所述整改分析远程管理模块的输入端相连接;所述整改分析远程管理模块的输出端与所述反馈预警模块的输入端相连接。
根据上述技术方案,所述技术监督体系包括工业大数据体系文件、定期工作上传报告数据、问题管理数据、技术监督报表和流程整改计划;所述工业大数据体系文件指技术监督的指标完成情况;所述定期工作上传报告数据指定期上传的工作计划与工作提醒数据;所述问题管理数据指在技术监督过程中出现的技术问题;所述技术监督报表指在技术监督完成后上传的技术监督报表;所述流程整改计划指在技术监督完成后指出的需要整改的流程计划报告,所述流程计划报告中包含整改的特征参数。
根据上述技术方案,所述流程整改计划模块包括优先级整改单元与整改跟随单元;
所述优先级整改单元用于选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点;所述整改跟随单元用于构建跟随分析模型,输出跟随性节点的整改跟随概率;
所述优先级整改单元的输出端与所述整改跟随单元的输入端相连接。
根据上述技术方案,所述整改分析远程管理模块包括标记单元和整改分析管理单元;
所述标记单元用于设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;所述整改分析管理单元用于构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序;
所述标记单元的输出端与所述整改分析管理单元的输入端相连接。
根据上述技术方案,所述反馈预警模块包括反馈单元与预警单元;
所述反馈单元用于将整改分布排序反馈至系统远程管理端口所述预警单元用于若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口;
所述反馈单元的输出端与所述预警单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:本发明能够实现在工业大数据技术监督体系下,对于整个流程整改计划的智能化完善,消除整改中带来的连锁效应,以远程管理的手段进一步降低操作难度,提升技术监督的能力,同时能够将多个信息系统上技术监管有关信息综合成一个规范的体系,形成规范、科学、高效的技术管理机制,实现多层级的技术监管信息规范化传递与共享。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于工业大数据平台的技术监督数据远程管理系统及方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅图1,在本实施例一中,以热电厂技术监督为例,统计展示包括绝缘、励磁、继电保护、电测、监控自动化、化学、电能质量、金属、水机、水工、环保、节能12个专业的监督指标数据,实现监督指标异常分析及处理措施跟踪;对关键质量指标进行统计,比如合格率、不合格率、整改率等。
构建工业大数据技术监督体系,所述技术监督体系包括工业大数据体系文件、定期工作上传报告数据、问题管理数据、技术监督报表和流程整改计划;所述工业大数据体系文件指技术监督的指标完成情况;所述定期工作上传报告数据指定期上传的工作计划与工作提醒数据;所述问题管理数据指在技术监督过程中出现的技术问题;所述技术监督报表指在技术监督完成后上传的技术监督报表;所述流程整改计划指在技术监督完成后指出的需要整改的流程计划报告,所述流程计划报告中包含整改的特征参数;
以绝缘专业为例,节点包括:绝缘监督网定期维护、蓄电池组监测、绝缘子表面等值盐密/灰密、氧化锌避雷器带电测试、升压站红外测温、变压器红外测温、变压器铁芯、夹件环流定期测量;
选择流程整改计划中的优先级整改节点,所述优先级整改节点以流程整改计划的上传时间为判断标准,最先提交的整改节点为优先级整改节点;例如最先提交的为变压器铁芯、夹件环流定期测量部分流程数据异常,需要整改;
获取优先级整改节点的跟随性节点,所述跟随性节点指与优先级整改节点存在关联关系的节点,在优先级整改节点整改后,存在一定概率对跟随性节点造成影响;在本实施例中以变压器红外测温、升压站红外测温作为跟随性节点;
设置优先级整改节点为A,跟随性节点记为集合U1={x1、x2、…、xn},其中,x1、x2、…、xn分别代表A的n个跟随性节点;获取优先级整改节点A的历史整改数据,所述历史整改数据中包括每一次整改的特征参数和整改后跟随性节点的整改数据,所述整改后跟随性节点的整改数据包括结果0和1,若优先级整改节点A整改后,跟随性节点也整改,记结果为1,否则记结果为0;形成每一次所述历史整改数据的数据组合:
[(y1、y2、…、ym)、(xi、…、xj)]t
其中,[(y1、y2、…、ym)、(xi、…、xj)]t代表第t次历史整改数据的数据组合;y1、y2、…、ym代表第t次历史整改数据的m个特征参数;xi、…、xj代表第t次历史整改数据的整改后跟随性节点结果为1的跟随性节点,满足xi、…、xj中任一个均属于集合U1;例如变压器铁芯、夹件环流定期测量的特征参数为铁芯异常、夹件损坏、环流受阻等;对参数进行组合,例如整改后跟随性节点的整改的所有数据中均存在铁芯异常、夹件损坏;则铁芯异常、夹件损坏的组合概率为1;
选取N组历史整改数据的数据组合,在N组历史整改数据的数据组合中选取任一个跟随性节点xi,选取出xi结果为1时的所有历史整改数据的数据组合,确认xi结果为1时对应的每一次整改特征参数,对整改特征参数进行组合处理,所述组合处理方式为:
其中,Tk代表组合方式为k时的组合处理概率;sk代表组合方式为k在xi结果为1时的所有历史整改数据的数据组合中出现的次数;L0代表xi结果为1时的所有历史整改数据的数据组合数量,k大于等于1且小于等于xi结果为1时的历史整改数据的数据组合中单个组合的最大整改特征参数数量;
设置部分数据示意如下:特征参数为铁芯异常、夹件损坏、环流受阻定义为y1、y2、y3;xi、xj定义为变压器红外测温、升压站红外测温;设置几组历史整改数据的数据组合:
[(y1、y3)、(xi、xj)]1
[(y1、y2)、(xi、xj)]2
[(y1)、(xi)]3
[(y2、y3)、(xj)]4
则xi的组合方式y1为3/4;组合方式y1、y2为1/4;组合方式y2为1/4;组合方式y3为1/4;组合方式y1、y3为1/4;组合方式y2、y3为0;组合方式y1、y2、y3为0;
按照Tk的从大到小顺序形成xi结果为1时的整改参数列表组合处理清单,即y1最靠前;获取优先级整改节点A的整改特征参数,计算跟随性节点xi结果为1的整改跟随概率:
其中,代表跟随性节点xi结果为1的整改跟随概率;h代表组合方式的序号;H代表组合方式的数量;(Tk)h代表组合方式序号为h时的组合处理概率;所述组合方式的形成标准为:
在优先级整改节点A的整改特征参数优选出组合处理概率最大的组合方式记为序号h=1,随后在剩余的整改特征参数不断优选出组合处理概率最大的组合方式,进行序号顺序标注,若存在任一个优先级整改节点A的整改特征参数未出现在xi结果为1时的所有历史整改数据的数据组合中的整改特征参数中,则取
若本次的特征参数为y1、y2、y3,则优先选取y1;其次y2;再次y3;则有
依次选取优先级整改节点A的所有跟随性节点,输出跟随性节点的整改跟随概率。设置概率阈值为千分之一;则对进行标记;
获取标记后的跟随性节点,按照跟随性节点的整改跟随概率从大到小的顺序,将跟随性节点在所有历史整改数据的数据组合中整改过的特征参数作为本次整改的预测特征参数,代入跟随分析模型,生成新的跟随性节点的整改跟随概率;则进一步获取的跟随性节点,若的跟随性节点中存在则计算的整改跟随概率
在新的跟随性节点中选取出标记后的跟随性节点,构建整改分析管理模型,计算两组整改跟随概率的乘积其中指生成新的跟随性节点中xi的整改跟随概率,若存在新的跟随性节点中不存在xi或生成新的跟随性节点中xi的整改跟随概率低于整改跟随概率阈值,则取1;计算每一个标记后的跟随性节点的两组整改跟随概率的乘积,按照从小到大的顺序,对优先级整改节点的跟随性节点实现整改分布排序。
获取整改分布排序的数据,形成整改分布排序列表反馈至系统远程管理端口,获取流程整改计划的上传时间,基于流程整改计划的上传时间形成流程整改计划中的节点整改排序;
若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口。
在本实施例二中,提供一种基于工业大数据平台的技术监督数据远程管理系统,该系统包括:工业大数据技术监督模块、流程整改计划模块、整改分析远程管理模块以及反馈预警模块;
所述工业大数据技术监督模块用于构建工业大数据技术监督体系,对工业大数据平台实现技术监督;所述流程整改计划模块用于选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点,构建跟随分析模型,输出跟随性节点的整改跟随概率;所述整改分析远程管理模块用于设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序;所述反馈预警模块用于将整改分布排序反馈至系统远程管理端口,若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口;
所述工业大数据技术监督模块的输出端与所述流程整改计划模块的输入端相连接;所述流程整改计划模块的输出端与所述整改分析远程管理模块的输入端相连接;所述整改分析远程管理模块的输出端与所述反馈预警模块的输入端相连接。
所述技术监督体系包括工业大数据体系文件、定期工作上传报告数据、问题管理数据、技术监督报表和流程整改计划;所述工业大数据体系文件指技术监督的指标完成情况;所述定期工作上传报告数据指定期上传的工作计划与工作提醒数据;所述问题管理数据指在技术监督过程中出现的技术问题;所述技术监督报表指在技术监督完成后上传的技术监督报表;所述流程整改计划指在技术监督完成后指出的需要整改的流程计划报告,所述流程计划报告中包含整改的特征参数。
所述流程整改计划模块包括优先级整改单元与整改跟随单元;
所述优先级整改单元用于选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点;所述整改跟随单元用于构建跟随分析模型,输出跟随性节点的整改跟随概率;
所述优先级整改单元的输出端与所述整改跟随单元的输入端相连接。
所述整改分析远程管理模块包括标记单元和整改分析管理单元;
所述标记单元用于设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;所述整改分析管理单元用于构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序;
所述标记单元的输出端与所述整改分析管理单元的输入端相连接。
所述反馈预警模块包括反馈单元与预警单元;
所述反馈单元用于将整改分布排序反馈至系统远程管理端口所述预警单元用于若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口;
所述反馈单元的输出端与所述预警单元的输入端相连接。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于工业大数据平台的技术监督数据远程管理方法,其特征在于:该方法包括以下步骤:
S1、构建工业大数据技术监督体系,所述技术监督体系包括工业大数据体系文件、定期工作上传报告数据、问题管理数据、技术监督报表和流程整改计划;
S2、选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点,构建跟随分析模型,输出跟随性节点的整改跟随概率;
S3、设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;
S4、构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序,反馈至系统远程管理端口,若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口;
所述构建跟随分析模型包括:
获取流程整改计划中的优先级整改节点,所述优先级整改节点以流程整改计划的上传时间为判断标准,最先提交的整改节点为优先级整改节点;
获取优先级整改节点的跟随性节点,所述跟随性节点指与优先级整改节点存在关联关系的节点,在优先级整改节点整改后,存在一定概率对跟随性节点造成影响;设置优先级整改节点为A,跟随性节点记为集合U1={x1、x2、…、xn},其中,x1、x2、…、xn分别代表A的n个跟随性节点;
获取优先级整改节点A的历史整改数据,所述历史整改数据中包括每一次整改的特征参数和整改后跟随性节点的整改数据,所述整改后跟随性节点的整改数据包括结果0和1,若优先级整改节点A整改后,跟随性节点也整改,记结果为1,否则记结果为0;形成每一次所述历史整改数据的数据组合:
[(y1、y2、…、ym)、(xi、…、xj)]t
其中,[(y1、y2、…、ym)、(xi、…、xj)]t代表第t次历史整改数据的数据组合;y1、y2、…、ym代表第t次历史整改数据的m个特征参数;xi、…、xj代表第t次历史整改数据的整改后跟随性节点结果为1的跟随性节点,满足xi、…、xj中任一个均属于集合U1;
选取N组历史整改数据的数据组合,在N组历史整改数据的数据组合中选取任一个跟随性节点xi,选取出xi结果为1时的所有历史整改数据的数据组合,确认xi结果为1时对应的每一次整改特征参数,对整改特征参数进行组合处理,所述组合处理方式为:
其中,Tk代表组合方式为k时的组合处理概率;sk代表组合方式为k在xi结果为1时的所有历史整改数据的数据组合中出现的次数;L0代表xi结果为1时的所有历史整改数据的数据组合数量,k大于等于1且小于等于xi结果为1时的历史整改数据的数据组合中单个组合的最大整改特征参数数量;
按照Tk的从大到小顺序形成xi结果为1时的整改参数列表组合处理清单,获取优先级整改节点A的整改特征参数,计算跟随性节点xi结果为1的整改跟随概率:
其中,代表跟随性节点xi结果为1的整改跟随概率;h代表组合方式的序号;H代表组合方式的数量;(Tk)h代表组合方式序号为h时的组合处理概率;所述组合方式的形成标准为:
在优先级整改节点A的整改特征参数优选出组合处理概率最大的组合方式记为序号h=1,随后在剩余的整改特征参数不断优选出组合处理概率最大的组合方式,进行序号顺序标注,若存在任一个优先级整改节点A的整改特征参数未出现在xi结果为1时的所有历史整改数据的数据组合中的整改特征参数中,则取
依次选取优先级整改节点A的所有跟随性节点,输出跟随性节点的整改跟随概率;
在步骤S3中,还包括:
获取标记后的跟随性节点,按照跟随性节点的整改跟随概率从大到小的顺序,将跟随性节点在所有历史整改数据的数据组合中整改过的特征参数作为本次整改的预测特征参数,代入跟随分析模型,生成新的跟随性节点的整改跟随概率;
在新的跟随性节点中选取出标记后的跟随性节点,构建整改分析管理模型,计算两组整改跟随概率的乘积其中指生成新的跟随性节点中xi的整改跟随概率,若存在新的跟随性节点中不存在xi或生成新的跟随性节点中xi的整改跟随概率低于整改跟随概率阈值,则取1;计算每一个标记后的跟随性节点的两组整改跟随概率的乘积,按照从小到大的顺序,对优先级整改节点的跟随性节点实现整改分布排序。
2.根据权利要求1所述的基于工业大数据平台的技术监督数据远程管理方法,其特征在于:所述工业大数据体系文件指技术监督的指标完成情况;所述定期工作上传报告数据指定期上传的工作计划与工作提醒数据;所述问题管理数据指在技术监督过程中出现的技术问题;所述技术监督报表指在技术监督完成后上传的技术监督报表;所述流程整改计划指在技术监督完成后指出的需要整改的流程计划报告,所述流程计划报告中包含整改的特征参数。
3.根据权利要求1所述的基于工业大数据平台的技术监督数据远程管理方法,其特征在于:在步骤S4中,还包括:
获取整改分布排序的数据,形成整改分布排序列表反馈至系统远程管理端口,获取流程整改计划的上传时间,基于流程整改计划的上传时间形成流程整改计划中的节点整改排序;
若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口。
4.基于工业大数据平台的技术监督数据远程管理系统,使用如权利要求1所述的基于工业大数据平台的技术监督数据远程管理方法,其特征在于:该系统包括:工业大数据技术监督模块、流程整改计划模块、整改分析远程管理模块以及反馈预警模块;
所述工业大数据技术监督模块用于构建工业大数据技术监督体系,对工业大数据平台实现技术监督;所述流程整改计划模块用于选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点,构建跟随分析模型,输出跟随性节点的整改跟随概率;所述整改分析远程管理模块用于设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序;所述反馈预警模块用于将整改分布排序反馈至系统远程管理端口,若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口;
所述工业大数据技术监督模块的输出端与所述流程整改计划模块的输入端相连接;所述流程整改计划模块的输出端与所述整改分析远程管理模块的输入端相连接;所述整改分析远程管理模块的输出端与所述反馈预警模块的输入端相连接。
5.根据权利要求4所述的基于工业大数据平台的技术监督数据远程管理系统,其特征在于:所述技术监督体系包括工业大数据体系文件、定期工作上传报告数据、问题管理数据、技术监督报表和流程整改计划;所述工业大数据体系文件指技术监督的指标完成情况;所述定期工作上传报告数据指定期上传的工作计划与工作提醒数据;所述问题管理数据指在技术监督过程中出现的技术问题;所述技术监督报表指在技术监督完成后上传的技术监督报表;所述流程整改计划指在技术监督完成后指出的需要整改的流程计划报告,所述流程计划报告中包含整改的特征参数。
6.根据权利要求4所述的基于工业大数据平台的技术监督数据远程管理系统,其特征在于:所述流程整改计划模块包括优先级整改单元与整改跟随单元;
所述优先级整改单元用于选择流程整改计划中的优先级整改节点,获取优先级整改节点的跟随性节点;所述整改跟随单元用于构建跟随分析模型,输出跟随性节点的整改跟随概率;
所述优先级整改单元的输出端与所述整改跟随单元的输入端相连接。
7.根据权利要求4所述的基于工业大数据平台的技术监督数据远程管理系统,其特征在于:所述整改分析远程管理模块包括标记单元和整改分析管理单元;
所述标记单元用于设置整改跟随概率阈值,对跟随性节点的整改跟随概率超出整改跟随概率阈值的跟随性节点进行标记,按照从大到小的顺序依次代入跟随分析模型,生成新的跟随性节点的整改跟随概率;所述整改分析管理单元用于构建整改分析管理模型,对优先级整改节点的跟随性节点实现整改分布排序;
所述标记单元的输出端与所述整改分析管理单元的输入端相连接。
8.根据权利要求4所述的基于工业大数据平台的技术监督数据远程管理系统,其特征在于:所述反馈预警模块包括反馈单元与预警单元;
所述反馈单元用于将整改分布排序反馈至系统远程管理端口所述预警单元用于若存在流程整改计划中的节点整改排序与整改分布排序不一致,生成预警提示反馈至管理员端口;
所述反馈单元的输出端与所述预警单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311705132.XA CN117933526B (zh) | 2023-12-13 | 基于工业大数据平台的技术监督数据远程管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311705132.XA CN117933526B (zh) | 2023-12-13 | 基于工业大数据平台的技术监督数据远程管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117933526A CN117933526A (zh) | 2024-04-26 |
CN117933526B true CN117933526B (zh) | 2024-06-28 |
Family
ID=
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104810926A (zh) * | 2015-05-06 | 2015-07-29 | 杨启蓓 | 电网高压断路器多维度大数据分析智能专家系统 |
CN108154291A (zh) * | 2017-12-19 | 2018-06-12 | 国网冀北电力有限公司张家口供电公司 | 一种基于策略库的供电厂性能指标评价方法及系统 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104810926A (zh) * | 2015-05-06 | 2015-07-29 | 杨启蓓 | 电网高压断路器多维度大数据分析智能专家系统 |
CN108154291A (zh) * | 2017-12-19 | 2018-06-12 | 国网冀北电力有限公司张家口供电公司 | 一种基于策略库的供电厂性能指标评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN110674189B (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
CN107220734A (zh) | 基于决策树的数控车床车削过程能耗预测系统 | |
CN105931029A (zh) | 一种基于bim的梁场生产管理系统 | |
CN114418177B (zh) | 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法 | |
CN115392534A (zh) | 一种基于ffm模型的车间设备综合效率预测方法及系统 | |
CN116560325A (zh) | 一种基于互联网智能网关的数据采集管理系统及管理方法 | |
CN116341885B (zh) | 一种基于大数据的自动化生产管控系统及方法 | |
CN111258984A (zh) | 工业大数据环境下的产品质量端-边-云协同预报方法 | |
CN115358281A (zh) | 一种基于机器学习的冷热一体机监测控制方法及系统 | |
CN114253242B (zh) | 一种基于vpn的物联网云端设备数据采集系统 | |
CN116882569A (zh) | 一种基于多元时间序列的企业碳排放量预测系统与方法 | |
CN115081597A (zh) | 一种基于机器学习的以电核碳方法、系统、设备和介质 | |
CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
CN117933526B (zh) | 基于工业大数据平台的技术监督数据远程管理系统及方法 | |
Bao et al. | Wind turbine condition monitoring based on improved active learning strategy and KNN algorithm | |
CN117933526A (zh) | 基于工业大数据平台的技术监督数据远程管理系统及方法 | |
CN112255969A (zh) | 一种数控机床的数据采集分析展示系统及方法 | |
CN116467592A (zh) | 一种基于深度学习的生产设备故障智能监测方法及系统 | |
CN115392663A (zh) | 一种基于大数据的数据采集处理方法 | |
CN115115139A (zh) | 一种风电功率的实时预测方法 | |
Tu et al. | Estimation of machine parameters in exponential serial lines using feedforward neural networks | |
CN114970348A (zh) | 一种基于虚拟运营的燃煤电厂经营智能决策方法及系统 | |
CN116993029B (zh) | 用于智慧厂务的设备能效评估方法及系统 | |
CN115422146B (zh) | 一种新疆地区企业标准化数据库构建及应用方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |