CN119724530B

CN119724530B - 一种基于全息视图的医院设备预算管理方法、系统及介质

Info

Publication number: CN119724530B
Application number: CN202510228627.0A
Authority: CN
Inventors: 宣建桥; 鲍濳濳
Original assignee: Yuyao Fourth People's Hospital Yuyao Branch Of Li Huili Hospital Ningbo Medical Center
Current assignee: Yuyao Fourth People's Hospital Yuyao Branch Of Li Huili Hospital Ningbo Medical Center
Priority date: 2025-02-28
Filing date: 2025-02-28
Publication date: 2025-05-13
Anticipated expiration: 2045-02-28
Also published as: CN119724530A

Abstract

本发明涉及医院管理技术领域，尤其涉及一种基于全息视图的医院设备预算管理方法、系统及介质。所述方法包括以下步骤：获取医院设备位置信息数据；基于医院设备位置信息数据进行传感器数据连接，生成医院设备传感器网络；对医院设备传感器网络进行传感器数据无线采集，得到标准设备采集数据集；对标准设备采集数据集进行数字档案构建，生成设备数字信息档案；对医院设备进行设备全生命周期数据筛选，得到设备生命周期筛选数据；根据设备生命周期筛选数据进行多维空间数据映射，生成设备全息视图。本发明通过实时数据采集、全生命周期监控、故障风险预测和动态预算决策，提高了医院设备预算管理的全面性和有效性。

Description

一种基于全息视图的医院设备预算管理方法、系统及介质

技术领域

本发明涉及医院管理技术领域，尤其涉及一种基于全息视图的医院设备预算管理方法、系统及介质。

背景技术

最初，医院设备采购主要依赖手工记录和纸质文件，这种方式不仅效率低下，还容易出现信息不对称和数据遗漏。随着信息技术的进步，电子表格和数据库系统开始被应用于设备管理，改善了数据存储和查询的效率。进入21世纪，医院管理逐渐向智能化和数据化转型。云计算和大数据技术的应用，使得医院能够更好地分析设备使用情况和预算需求。然而，传统的预算管理仍然缺乏直观性，难以实现实时监控和动态调整。近年来，全息视图技术的兴起为医院设备预算管理提供了新的解决方案。全息视图能够将复杂数据以三维可视化的方式呈现，使得管理者可以直观地查看设备使用状况、维修历史和预算分配情况。然而，目前传统的现有技术常常只关注设备的单一使用阶段，忽略了设备的全生命周期管理，同时往往无法有效预测设备故障风险，导致预算分配不合理，近而导致医院设备预算管理的全面性和有效性较低。

发明内容

基于此，有必要提供一种基于全息视图的医院设备预算管理方法、系统及介质，以解决至少一个上述技术问题。

为实现上述目的，一种基于全息视图的医院设备预算管理方法，所述方法包括以下步骤：

步骤S1：获取医院设备位置信息数据；基于医院设备位置信息数据进行传感器数据连接，生成医院设备传感器网络；对医院设备传感器网络进行传感器数据无线采集，得到标准设备采集数据集；对标准设备采集数据集进行数字档案构建，生成设备数字信息档案；

步骤S2：对医院设备进行设备全生命周期数据筛选，得到设备生命周期筛选数据；根据设备生命周期筛选数据进行多维空间数据映射，生成设备全息视图；对设备全息视图进行全息资源分配模拟，生成设备预算分配优化数据；根据设备预算分配优化数据对设备全息视图进行全息视图周期性更新，从而生成设备全息预算视图；

步骤S3：对设备全息预算视图进行历史故障数据采集，得到设备历史故障数据；通过设备历史故障数据对设备全息预算视图进行设备故障风险预测，生成设备故障风险预测数据；基于设备故障风险预测数据对设备全息预算视图进行维护成本估算，得到设备风险维护成本数据；

步骤S4：根据设备风险维护成本数据对设备全息预算视图进行实时预算预警，生成设备预算预警数据；通过设别预算预警数据对设备全息预算视图进行综合预算决策，从而生成设备预算决策方案，以执行医院设备预算管理优化作业。

本发明通过准确的位置信息为后续的传感器布置和设备管理提供基础，能够提高设备的可追踪性和管理效率。建立传感器网络后，可以实现设备状态的实时监控和数据采集，从而提高设备管理的智能化水平。无线数据采集简化了设备监控的物理布局，降低了维护成本，并提高了数据的实时性和准确性。通过构建设备数字信息档案，可以实现设备信息的集中管理，方便随时查询和分析，提高了管理效率。通过对设备的全生命周期数据进行筛选，可以清晰了解设备的使用状况，促进设备的合理管理和维护。全息视图的生成能够直观展示设备的运行状态，便于管理者快速识别设备问题和优化管理策略。通过模拟资源分配，能够优化设备的使用效率和预算分配，帮助医院实现资源的最优配置。定期更新的全息预算视图能反映设备状态的变化，帮助管理者及时调整决策，提高管理的灵活性和响应速度。历史数据的收集为设备故障的趋势分析提供依据，帮助识别常见故障及其成因。准确的故障风险预测可以帮助医院提前识别潜在问题，减少设备故障造成的影响和维修成本。维护成本的准确估算为医院提供了合理的预算依据，确保资源的有效利用，提高预算管理的科学性。通过实时监控维护成本，可以及时发现预算超支的风险，确保设备管理在预算范围内进行。综合预算决策方案的生成使管理者可以根据设备的实际使用情况和预测数据，制定更合理的预算分配和使用策略。通过预算管理优化，医院能够更有效地分配资源，提升设备使用效率，降低整体运营成本，从而改善医院的经济效益。因此，本发明通过实时数据采集、全生命周期监控、故障风险预测和动态预算决策，提高了医院设备预算管理的全面性和有效性。

优选的，步骤S1包括以下步骤：

步骤S11：获取医院设备位置信息数据；

步骤S12：基于医院设备位置信息数据进行传感器部署，得到医院设备传感器部署数据；对医院设备传感器部署数据进行传感器数据连接，生成医院设备传感器网络；

步骤S13：基于预设的数据采集频率对医院设备传感器网络进行传感器数据无线采集，得到设备采集数据集；对设备采集数据集进行数据预处理，生成标准设备采集数据集，其中数据预处理包括数据清洗、数据去噪、缺失值填充和数据标准化；

步骤S14：对标准设备采集数据集进行数字档案构建，生成设备数字信息档案。

本发明通过准确获取设备位置信息为后续的传感器部署提供了基础，使得数据采集的空间布局更加合理。有助于实现设备位置的可视化和实时监控，优化医院的资源管理和调度效率。通过合理部署传感器，确保了数据采集的全面性和准确性，减少了盲区，提升了数据质量。形成的传感器网络能够实现设备间的数据互联，提高数据共享和协同工作的能力，为实时监测和分析提供支持。无线数据采集提高了数据采集的灵活性和便捷性，降低了人力成本，能够实时反映设备的工作状态。数据预处理的实施确保了数据的准确性和完整性，减少了后续分析中的误差，提高了数据分析的可靠性。数字档案的构建实现了设备信息的集中管理和存储，便于后续的数据查询和利用。设备数字信息档案的生成为设备的生命周期管理、维护和故障预测提供了重要依据，提升了医院设备管理的科学性和有效性。通过步骤S1的实施，医院在设备管理方面建立了系统化和标准化的流程。实时的无线数据采集结合精准的预处理，使得设备运行状态可视化，为决策提供了数据支持。同时，数字档案的构建也为医院的设备管理带来了便利，提升了设备的使用效率与安全性。这种数据驱动的管理模式将极大提高医院的运营效率，推动数字化转型的进程。

优选的，步骤S14包括以下步骤：

步骤S141：对标准设备采集数据集进行数据表构建，生成数字档案数据表，其中数字档案数据表包括设备基本信息表、运行状态表、故障记录表以及维护记录表；

步骤S142：对标准设备采集数据集进行设备编号索引建立，生成设备编号索引；根据设备编号索引按照设备基本信息表、运行状态表、故障记录表以及维护记录表对标准设备采集数据集进行数据归档存储，生成初始设备数字信息档案；

步骤S143：对初始设备数字信息档案进行动态数据变化监测，生成设备动态变化监测数据；根据设备动态变化监测数据对初始设备数字信息档案进行自动数据更新，从而生成设备数字信息档案。

本发明通过将设备信息系统化为多个表格，增强了数据的结构化，使得不同类型的信息（如设备状态、故障历史、维护记录等）能够清晰明了地分类和存储。各类数据表的存在使得后续的数据查询、分析和决策更加高效，便于对设备的综合评估和管理。设备编号索引的建立实现了数据的快速检索，提高了查找特定设备信息的效率。通过数据归档存储，确保了设备信息的安全性和持久性，避免数据丢失，同时为日后查询和维护提供了完整的历史记录。动态监测确保设备状态信息的实时性，使得设备管理能够及时响应变化，降低故障风险。自动数据更新机制提升了数据管理的智能化水平，减少了人工干预，提高了管理效率，同时保证了数据的准确性和时效性。通过步骤S14的实施，医院能够高效地管理设备信息，构建起全面、动态、且结构化的设备数字档案。这种档案不仅能及时反映设备的运行状态、故障情况及维护历史，还能够通过动态监测和自动更新机制确保信息的实时性和准确性。整体上，这种系统化的档案管理方式提升了设备的利用效率，降低了运维成本，为医院的设备管理提供了有力支持。

优选的，步骤S2包括以下步骤：

步骤S21：对医院设备进行设备全生命周期阶段定义，生成设备生命周期阶段数据，其中设备生命周期阶段数据包括购置阶段、使用阶段、维护阶段、老化阶段以及替换阶段；基于购置阶段、使用阶段、维护阶段、老化阶段以及替换阶段对设备数字信息档案进行生命周期数据筛选，得到设备生命周期筛选数据；

步骤S22：根据设备生命周期筛选数据对设备生命周期阶段数据进行多维空间数据映射，生成设备生命周期空间映射数据点；对设备生命周期空间映射数据点进行设备状态可视化，从而生成设备全息视图；

步骤S23：对设备全息视图进行设备预算消耗分析，生成设备状态预算消耗数据；根据设备状态预算消耗数据对设备全息视图进行全息资源分配模拟，生成设备预算分配优化数据；

步骤S24：根据设备预算分配优化数据对设备全息视图进行全息视图周期性更新，从而生成设备全息预算视图。

本发明通过明确的生命周期阶段定义使得设备管理能够更具针对性，便于在不同阶段制定相应的管理策略。通过生命周期数据筛选，可以深入分析设备在各个阶段的表现，识别潜在问题和风险，有助于实施更有效的维护和管理措施。多维空间数据映射提供了对设备状态的全面理解，有助于在不同维度上观察设备性能，识别趋势和异常。设备全息视图的生成使得管理人员能够实时掌握设备状况，为决策提供可视化支持，提高管理效率和准确性。预算消耗分析能够帮助医院合理评估设备使用的成本，优化资源配置，减少不必要的开支。通过资源分配模拟，医院能够更有效地分配预算，确保设备在使用过程中的需求得到满足，从而提高设备利用率和服务质量。周期性更新确保了设备管理信息的实时性，帮助管理人员迅速应对设备状态变化。设备全息预算视图为医院提供了动态的预算监控工具，有助于制定长远的设备投资和管理策略，提升资源利用效率。通过步骤S2的实施，医院能够实现对设备全生命周期的全面管理，系统化地分析设备状态和预算消耗，优化资源分配。此举不仅提升了设备管理的科学性和灵活性，还为医院的财务规划和资源配置提供了有力支持。整体来看，这种数据驱动的管理模式有助于提高设备的使用效率，降低运营成本。

优选的，步骤S22包括以下步骤：

步骤S221：根据设备生命周期筛选数据对设备生命周期阶段数据进行阶段关键数据指标确认，得到设备生命周期阶段关键数据指标；

步骤S222：基于笛卡尔三维空间坐标系对设备生命周期阶段关键数据指标进行多维坐标系建立，生成多维空间坐标轴；将设备数字信息档案映射至多维空间坐标轴中进行数据点离散化，生成设备生命周期空间映射数据点；

步骤S223：通过预设的指标阈值对多维空间坐标轴进行均值划分，生成均值划分坐标轴；对均值划分坐标轴进行相邻坐标轴空间区域分割，生成设备正常状态空间区域和设备异常状态空间区域；

步骤S224：根据设备正常状态空间区域和设备异常状态空间区域对设备生命周期空间映射数据点进行数据点可视化，生成设备全息视图。

本发明通过确定关键数据指标有助于管理人员关注设备生命周期的关键环节，便于进行针对性管理和决策。通过阶段关键数据指标的确认，可以量化设备的性能和状态，为后续分析提供数据基础。多维坐标系的建立使得设备数据可以在多个维度上进行综合分析，便于揭示设备状态的复杂性。数据点离散化后，可以更清晰地识别设备在不同状态下的表现，为后续的数据可视化和分析提供基础。均值划分能够帮助管理人员快速识别出设备运行的正常与异常状态，增强对设备运行状况的监控能力。通过空间区域的分割，能够清晰地划分设备的运行状态，为后续的异常检测和故障预警提供支持。可视化不仅增强了数据的直观性，还能够帮助管理人员迅速理解设备的运行状态和潜在问题，促进及时决策。设备全息视图提供了全方位的设备状态展示，有助于进行资源配置、维护规划和故障预防。通过步骤S22的实施，医院能够实现对设备生命周期阶段的精确分析和有效管理。通过关键数据指标的确认、多维空间的建立、状态划分和可视化，管理人员可以快速识别设备的正常与异常状态，并在此基础上制定相应的管理措施。整体来看，这一过程提升了设备管理的科学性和灵活性，有助于降低故障发生率，提高设备的使用效率，从而为医院提供更好的服务质量。

优选的，步骤S23包括以下步骤：

步骤S231：对设备全息视图进行设备状态筛选，得到异常设备筛选数据和正常设备筛选数据；对正常设备筛选数据进行设备使用年限分析，生成正常设备使用年限数据；根据正常设备使用年限数据对正常设备筛选数据进行折旧率计算，得到正常设备折旧率数据；

步骤S232：对异常设备筛选数据进行异常设备性能分析，生成异常设备性能分析数据；基于异常设备性能数据对异常设备筛选数据进行线路负荷计算，得到异常设备线路负荷数据；

步骤S233：对正常设备筛选数据和异常设备筛选数据进行线路通路连接分析，生成正常设备连接通路数据；根据异常设备线路负荷数据对正常设备筛选数据进行设备功率消耗计算，得到正常设备功率影响数据；

步骤S234：通过正常设备功率影响数据对正常设备折旧率数据进行正常设备预算消耗分析，生成正常设备状态预算消耗数据；利用异常设备线路负荷数据对异常设备性能分析数据进行异常设备预算消耗分析，生成异常设备状态预算消耗数据；

步骤S235：将正常设备状态预算消耗数据和异常设备状态预算消耗数据进行数据整合，从而生成设备状态预算消耗数据；根据设备状态预算消耗数据对设备全息视图进行全息资源分配模拟，生成设备预算分配优化数据。

本发明通过状态筛选能够快速识别出异常和正常设备，有助于重点监控和管理高风险设备，确保设备正常运转。使用年限分析为后续的设备维护与更换决策提供了依据，避免了因过度使用而引发的故障。折旧率计算可为医院财务管理提供参考，有助于评估设备的价值损耗并进行合理的财务安排。通过对异常设备的性能分析，能够深入了解设备故障的原因，采取有针对性的维修措施，降低故障率。线路负荷计算能够帮助判断设备是否超负荷工作，避免因负荷过重导致的设备损坏，保障设备的安全运行。线路通路连接分析提供了设备之间的关联性，促进了设备间的协同工作，提高了整体运行效率。功率消耗计算能够明确正常设备的能耗状况，便于能源管理，降低不必要的开支。预算消耗分析能够帮助管理层了解设备运行成本，便于制定合理的预算分配策略，控制医院运营成本。针对异常设备的预算消耗分析为后续的维修和更换决策提供了依据，确保资源的合理使用。数据整合提供了全面的预算消耗视角，便于医院进行资源优化配置，提升资源使用效率。资源分配模拟为管理层提供了科学的决策依据，确保设备维护与采购符合实际需求，提高医院整体运营效率。通过步骤S23的实施，医院能够实现对设备状态的全面监控和预算的精细管理。通过设备状态筛选、性能分析、功率消耗计算和预算优化，管理人员能够及时发现问题、合理配置资源，并制定有效的维护和采购策略。这不仅降低了设备故障风险，还提升了设备使用效率和医院整体运营效益。

优选的，根据设备状态预算消耗数据对设备全息视图进行全息资源分配模拟包括：

根据设备状态预算消耗数据对设备全息视图进行时序消耗分析，生成设备状态预算时序消耗数据；对设备状态预算时序消耗数据进行线性规划资源分配，生成设备状态预算资源分配模拟数据；

对设备状态预算资源分配模拟数据进行预算分配比例识别，得到预算分配比例识别数据；对预算分配比例识别数据进行极值分配比例获取，并基于获取的极值分配比例对设备全息视图进行高消耗设备标记，得到高消耗设备标记数据；

对高消耗设备标记数据进行成本最小化优化目标确认，得到高消耗设备优化目标数据；根据高消耗设备优化目标数据对预算分配比例识别数据进行分配迭代，从而生成设备预算分配优化数据。

本发明通过时序消耗分析可以揭示设备的能耗变化趋势，帮助管理层理解设备在不同时间段的运行效率。通过分析设备的时序消耗数据，能够发现消耗高峰期，为后续的资源调配提供依据，优化设备使用计划。线性规划方法能实现最优资源配置，使资源分配符合预算限制和实际需求，避免资源浪费。通过科学的资源分配，确保设备的有效运行，降低运营成本，提高设备的经济效益。预算分配比例识别有助于管理者清晰地了解不同设备的预算分配情况，为后续优化提供数据支持。通过分析分配比例，可以发现不合理的资源配置，及时进行调整。极值分配比例的识别有助于确定哪些设备存在过度消耗现象，进行针对性管理。高消耗设备的标记能够引起管理者的关注，便于优先处理存在的故障或效率问题。确认优化目标为高消耗设备的改进提供了明确方向，使管理层能够制定切实可行的优化措施，降低整体设备运营成本。通过设置成本最小化的目标，能有效提升资源的使用效率，改善设备的经济效益。通过迭代分配，优化预算分配数据，使得资源配置更加合理，提升设备使用效率。迭代过程中的不断调整和优化确保了资源的灵活运用，适应设备状态和需求的变化。全息资源分配模拟通过时序消耗分析、线性规划、预算比例识别和成本优化，确保了设备资源的高效利用和合理分配。此过程不仅能降低设备的运营成本，提升经济效益，还能帮助管理层实时监控设备状态，制定科学的管理决策，提高医院设备管理的整体效率与质量。

优选的，步骤S3包括以下步骤：

步骤S31：对设备全息预算视图进行历史故障数据采集，得到设备历史故障数据；

步骤S32：将设备历史故障数据进行数据集划分，生成模型训练集和模型测试集；利用长短期记忆神经网络算法对模型训练集进行模型训练，生成设备风险预测预模型；通过模型测试集对设备风险预测预模型进行模型优化迭代，从而生成设备风险预测模型；

步骤S33：将设备全息预算视图导入至设备风险预测模型中进行设备故障风险预测，生成设备故障风险预测数据；基于设备故障风险预测数据对设备全息预算视图进行维护成本估算，得到设备风险维护成本数据。

本发明通过收集历史故障数据为后续的分析和模型构建提供了重要的基础，能够更全面地了解设备的故障模式和规律。通过分析历史数据，可以发现潜在的故障隐患和规律，为设备的维护决策提供数据支持。数据集划分确保了模型训练和测试的有效性，避免过拟合，提升了模型的泛化能力。采用长短期记忆神经网络算法，能够有效捕捉时间序列数据中的长期依赖性，提高故障预测的准确性。模型优化迭代确保了预测模型的准确性和可靠性，通过不断调整模型参数，可以提升模型在不同情况下的预测能力。优化后的模型可以更好地适应设备的实际运行状态，提高设备故障风险预测的准确性和及时性。故障风险预测能够及时识别出潜在的设备故障，帮助管理者提前采取措施，降低突发故障造成的损失。通过对设备故障风险的实时监测，能够优化设备的运行维护策略，提高设备的整体可靠性和使用寿命。维护成本估算能够帮助管理层合理规划维护预算，优化资源分配，避免过度支出。准确的维护成本数据为制定更高效的设备管理政策提供了依据，有助于提高医院的运营效率和经济效益。

在本说明书中，提供了一种基于全息视图的医院设备预算管理系统，用于执行上述的基于全息视图的医院设备预算管理方法，该基于全息视图的医院设备预算管理系统包括：

数字档案构建模块，用于获取医院设备位置信息数据；基于医院设备位置信息数据进行传感器数据连接，生成医院设备传感器网络；对医院设备传感器网络进行传感器数据无线采集，得到标准设备采集数据集；对标准设备采集数据集进行数字档案构建，生成设备数字信息档案；

全息预算模拟模块，用于对医院设备进行设备全生命周期数据筛选，得到设备生命周期筛选数据；根据设备生命周期筛选数据进行多维空间数据映射，生成设备全息视图；对设备全息视图进行全息资源分配模拟，生成设备预算分配优化数据；根据设备预算分配优化数据对设备全息视图进行全息视图周期性更新，从而生成设备全息预算视图；

故障风险预测模块，用于对设备全息预算视图进行历史故障数据采集，得到设备历史故障数据；通过设备历史故障数据对设备全息预算视图进行设备故障风险预测，生成设备故障风险预测数据；基于设备故障风险预测数据对设备全息预算视图进行维护成本估算，得到设备风险维护成本数据；

预算管理决策模块，用于根据设备风险维护成本数据对设备全息预算视图进行实时预算预警，生成设备预算预警数据；通过设别预算预警数据对设备全息预算视图进行综合预算决策，从而生成设备预算决策方案，以执行医院设备预算管理优化作业。

本发明的有益效果在于通过传感器网络连接和无线数据采集，实现了设备位置信息的实时监控，提高了设备管理的精准性。数字档案的构建为后续的数据分析和决策提供了可靠的基础数据，促进了数据的系统化和标准化。对设备全生命周期数据的筛选有助于全面了解设备的使用状态和历史背景，确保在预算分配时考虑到所有重要因素，生成的全息视图提供了直观的设备资源分配模拟，使得管理者可以更科学地进行预算优化，提升了预算管理的效率和有效性。通过收集设备的历史故障数据，可以识别设备的常见故障模式，从而进行有效的故障风险预测。这种前瞻性的管理方法能够帮助医院预防潜在的问题，减少设备停机时间，降低维护成本，确保设备在最佳状态下运行。根据风险维护成本数据进行实时预算预警，可以及时识别和处理预算超支或潜在风险，从而保障医院的财务健康。综合预算决策方案的生成确保了预算分配的科学性和合理性，提高了设备管理的透明度和决策的依据，最终实现医院设备预算管理的优化。因此，本发明通过实时数据采集、全生命周期监控、故障风险预测和动态预算决策，提高了医院设备预算管理的全面性和有效性。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被执行时实现上述的基于全息视图的医院设备预算管理方法。

附图说明

图1为一种基于全息视图的医院设备预算管理方法的步骤流程示意图；

图2为图1中步骤S2的详细实施步骤流程示意图；

图3为图1中步骤S3的详细实施步骤流程示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面结合附图对本发明的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

为实现上述目的，请参阅图1至图3，一种基于全息视图的医院设备预算管理方法，所述方法包括以下步骤：

本发明实施例中，参考图1所述，为本发明一种基于全息视图的医院设备预算管理方法的步骤流程示意图，在本实例中，所述一种基于全息视图的医院设备预算管理方法包括以下步骤：

本发明实施例中，通过利用医院内部位置标识系统（如RFID、蓝牙信标、Wi-Fi定位等）采集各类设备的位置信息。记录设备的位置信息，包括楼层、科室、房间编号等具体位置参数。将采集的位置信息数据进行格式化处理，统一为结构化格式，便于后续处理。将标准化后的位置信息存储至设备位置信息数据库，确保其可供查询和实时更新。为每台医院设备配置唯一的标识码，并在传感器网络中进行注册，以建立设备的数字身份。基于位置信息数据，通过无线连接方式（如Wi-Fi、蓝牙或物联网协议）建立医院设备与传感器的连接，形成传感器网络。确保传感器网络覆盖所有设备，并且数据传输稳定、低延迟。进行网络连接的全面检测，排除信号干扰和连接不稳定因素，确保传感器数据传输的实时性和连续性。在需要时，调整传感器布置或信号增幅器的位置，以增强信号覆盖。启动传感器数据采集模块，定期采集各设备的状态、使用情况、位置变动等信息。实时监控采集的数据流，确保数据完整性和准确性。对采集的数据进行格式化处理，将所有数据转化为标准数据格式，便于统一管理。进行数据清洗，去除重复、异常或错误数据，确保数据集的标准化和有效性。将标准化后的数据存储至集中数据平台，生成标准设备采集数据集。该数据集应包含设备的状态记录、位置变动情况、传感器性能数据等。汇集每台设备的位置信息、状态数据、使用频率、维护记录等信息，生成每台设备的初始档案数据。为每台设备建立数字档案结构，包含设备基本信息、位置信息、传感器数据历史、维护记录等字段。将整理后的档案数据录入至数字档案系统，生成设备的数字信息档案。每台设备的档案应具备实时更新功能，以便根据传感器网络中采集的最新数据进行动态更新。

本发明实施例中，通过获取与设备相关的完整生命周期数据，包括设备的采购日期、使用频率、维护记录、故障历史、预计寿命、折旧情况等。利用数据采集模块或数据库查询系统，将所有相关数据归类存储，以便后续处理。对收集的数据进行筛选，剔除无关或冗余信息，确保筛选数据的准确性和一致性。根据设备的不同状态（如采购、运行、维护、停用等）对数据进行标注，得到标准化的设备生命周期筛选数据。从设备生命周期筛选数据中提取关键数据特征，如使用频率、故障率、维护成本、折旧值、剩余寿命等。为每个设备的特征数据分配权重，根据医院的实际需求和设备重要性对不同特征进行优先级排序。将提取的设备数据映射到多维数据空间（如时间、成本、状态、位置等），构建出每台设备的多维空间数据模型。通过特征投影和数据聚类分析，将相似设备分组，以便在全息视图中集中呈现设备状态和需求。将多维空间映射的数据生成设备全息视图，通过三维图表、热力图或状态图形象化展示设备的各类状态信息和使用特征。该视图应具备实时交互性，支持用户对设备信息进行查询、检索和动态查看。根据设备的使用频率、故障风险和维护需求，设定资源分配规则，例如对高频使用设备和关键设备分配更多资源。考虑医院年度预算及设备维修更换的优先级，为每台设备设定资源预算比例。在全息视图上模拟资源分配，计算各类设备在不同情况下的预算需求和消耗。使用仿真算法（如蒙特卡罗模拟或线性规划）进行资源分配优化，以减少设备资源浪费并平衡预算消耗。将资源分配模拟结果转化为设备预算分配优化数据，标注各台设备的预算优先级、资源需求和优化分配建议。优化数据应包括调整建议和潜在风险，以便为管理者提供科学的资源分配依据。基于设备预算分配优化数据，设立周期性数据更新机制，定期采集设备状态变化和新数据。更新内容包括设备的使用情况、维护记录、预算消耗和生命周期阶段变化。根据更新的数据自动刷新全息视图，使设备状态和预算分配优化实时同步。每次更新时重新计算设备的资源需求和预算分配，确保全息视图反映当前设备状态。将周期性更新的设备全息视图进一步整合，生成设备全息预算视图，包含实时的资源分配建议和预算消耗情况。该全息预算视图可以帮助医院管理人员及时了解设备资源分配的动态调整，以便合理分配年度预算和设备维护资源。

本发明实施例中，通过从医院设备管理系统中提取设备的历史故障记录，包括故障类型、故障原因、修复时间、维修成本和影响程度等数据。将故障数据标准化处理，确保数据字段一致性和准确性，得到设备的标准化历史故障数据。根据故障发生的时间顺序，将历史故障数据转化为时间序列数据，便于后续分析和预测。针对设备的不同故障类型（如硬件故障、软件故障、电力故障等），对数据进行分类标注，以便在不同故障类型下进行细化分析。计算设备在特定周期内的故障发生频率和故障间隔时间，生成设备的故障频率和间隔数据，为后续的风险预测提供参考。选择适用于设备故障预测的统计或机器学习模型，如时间序列分析模型（如ARIMA）、故障树分析（FTA）、或基于长短期记忆网络（LSTM）的深度学习模型。根据设备的故障数据特征，设定预测模型的参数，确保模型能够准确反映设备的故障趋势。利用故障数据时间序列输入选定的预测模型，进行故障趋势分析，预测未来的设备故障概率。输出设备故障风险预测数据，包括故障发生的可能性、预计发生时间，以及各类故障的相对风险。基于预测的故障概率和故障影响程度，将设备的故障风险分为不同等级（如低、中、高风险）。标注故障风险等级，并将预测数据导入设备全息预算视图中，以便实时展示设备的故障风险状态。根据设备的故障风险等级，确定需要进行的维护类型（如预防性维护、应急维修、定期检查等）。对不同风险等级的维护需求进行分类，以便在维护成本估算中针对性地分配资源。根据医院的设备维护资源（如人力、零件、工时等）和历史维护成本数据，为每种维护类型设定成本估算参数。针对不同的设备类型和故障风险等级，计算预计的维护频率和所需资源，以生成准确的维护成本估算模型。将设备的故障风险预测数据和维护成本参数输入到成本估算模型中，计算每台设备在不同风险等级下的维护成本，生成设备风险维护成本数据。该数据包括预计的维护成本总额、按维护类型的分项成本，以及设备的年度维护预算建议。将设备风险维护成本数据导入设备全息预算视图，根据风险预测的变化动态调整维护方案。对维护成本进行优化，以实现医院的资源合理分配，并在全息视图中提供实时的成本预测和风险分析。设备全息预算视图在每次更新后应展示当前设备的故障风险状态、维护成本估算数据以及设备的年度维护建议，便于管理人员及时制定维护决策。该动态维护方案有助于医院在不影响正常设备使用的前提下有效控制维护成本，并提前预防高风险设备的故障发生。

本发明实施例中，通过读取设备全息预算视图中的实时维护成本数据，包括当前预算消耗情况、预测的维护支出、以及每台设备的风险等级。对设备维护频率、维护成本的变化趋势进行持续监控，以便实时捕捉超出预期的预算消耗或风险增高的情况。根据医院的年度预算分配和设备的风险等级，设定不同风险等级的预算预警阈值。例如，高风险设备的维护费用可设定较低的预算预警阈值，低风险设备可设定较高的阈值。配置自动化监测机制，一旦实时维护成本接近或超出预警阈值，系统将触发预算预警。当设备的维护成本超过预警阈值时，生成相应的设备预算预警数据。预算预警数据包括设备编号、预警原因（如超出阈值、频繁故障等）、超出阈值的具体数据以及建议的应对措施。将预算预警数据整合至设备全息预算视图中，以便在预算管理界面中实时展示各设备的预算预警状态。当设备的维护成本超过预警阈值时，生成相应的设备预算预警数据。预算预警数据包括设备编号、预警原因（如超出阈值、频繁故障等）、超出阈值的具体数据以及建议的应对措施。将预算预警数据整合至设备全息预算视图中，以便在预算管理界面中实时展示各设备的预算预警状态。制定预算分配规则，例如对于高频故障设备优先分配维护预算，对于低风险设备适度延缓维护。根据设备的预警数据及优先级，将预算资金合理划分至不同的设备风险等级与预警级别，以实现高效的资金分配。根据优先级排序和预算决策规则，生成包含具体预算分配金额、维护时间表、优先处理设备等内容的预算决策方案。该预算决策方案可以进一步细化为月度、季度或年度的维护预算计划，确保设备维护的资金使用透明和高效。将预算决策方案提交至医院设备管理系统，并依据方案分配维护资金、调整设备的维护周期、或增加风险高的设备的检查频率。在执行过程中，实时监控设备的运行状态、预算消耗情况，动态调整方案，确保资金投入符合设备的实际需求。根据设备预算预警数据的实时变化，对设备的维护频率、维护内容、预算分配等进行调整。例如，当设备故障率下降时，可相应降低其维护频率和预算。定期分析预警数据与实际执行情况的偏差，通过数据反馈优化下一周期的预算分配决策，提高预算分配的科学性和合理性。

优选的，步骤S1包括以下步骤：

步骤S11：获取医院设备位置信息数据；

本发明实施例中，通过获取医院内所有设备的位置信息，包括房间号、楼层、设备所在科室及位置坐标（如手术室、ICU等），以便规划传感器布置。利用医院信息管理系统(HIS)或设备管理系统自动获取设备位置信息，确保位置数据的准确性和实时性。将收集的位置信息数据存储至设备数据库中，校验位置数据的准确性，排除位置信息重复、错误等情况，确保后续传感器部署的精准性。基于医院设备位置信息数据，制定传感器部署方案，包括传感器类型选择、数量分配和位置布置等。依据每台设备的类型、重要性和使用频率，确定传感器布置密度，优先为关键医疗设备（如生命监测设备、影像设备等）配备更多传感器，以提高数据监测的全面性。依照规划方案，将传感器部署在设备指定位置，并配置相应的参数（如数据采集频率、传感器连接协议等），生成医院设备传感器部署数据。确保传感器的稳定连接和正常运行，避免信号干扰或数据采集中断的情况。对医院设备传感器部署数据进行数据连接，建立传感器网络，实现设备与传感器的无缝连接，生成医院设备传感器网络。利用物联网(IoT)技术对设备传感器网络的各个节点进行管理，确保数据传输的稳定性。依据预设的数据采集频率，对医院设备传感器网络进行自动化采集设置，确保设备数据实时、周期性采集。数据采集频率可根据设备使用情况进行个性化配置，保证数据的时效性和准确性。利用传感器网络对各设备数据进行无线采集，确保数据采集过程中信号不受干扰，得到设备采集数据集。使用无线传输协议（如Wi-Fi、蓝牙或LoRa等）来完成数据采集传输，保证设备数据的实时性和完整性。对设备采集数据集进行预处理，生成标准设备采集数据集。数据预处理包含以下步骤：去除无效、异常或重复的数据，确保数据质量；应用滤波算法消除采集数据中的噪声，提升数据的准确性；使用均值插值、时间序列预测或多重插值方法填充缺失数据，避免数据不完整带来的误差；对数据进行归一化处理，确保数据格式一致性，以便后续的分析和应用。基于标准设备采集数据集，构建每台设备的数字档案，档案包括设备的基本信息（如设备编号、类型、位置）、实时运行数据、维护记录、故障历史等。将所有设备的数字档案存储至医院的设备管理数据库，确保档案数据的安全性和可查性。为设备档案分配唯一标识码，便于后续数据追踪和检索。设定自动更新机制，确保每台设备的实时数据和状态变化能够同步至数字档案中。定期对档案数据进行备份，防止数据丢失，并为设备档案提供长期的数据支持，以辅助设备管理和决策分析。

优选的，步骤S14包括以下步骤：

本发明实施例中，通过根据医院设备的管理需求，对标准设备采集数据集进行数据表结构设计，包含四个主要表：设备基本信息表：存储设备的基础信息，如设备编号、名称、类型、型号、安装位置、生产商等。运行状态表：记录设备的实时运行状态，包括运行时间、功耗数据、性能状态等，确保设备状态的可视化。故障记录表：记录设备的故障信息，如故障时间、故障类型、影响范围、修复状态等。维护记录表：记录设备的维护信息，包括维护时间、维护人员、维护内容、维护结果等。基于数据表设计，将标准设备采集数据集中的信息整理归类，生成以上四个数字档案数据表，确保档案数据的完整性和规范性。在医院的数据库系统中创建并初始化这四个数据表，为后续的数据归档和更新提供结构支持。为标准设备采集数据集中的每台设备创建唯一的设备编号索引，作为设备的唯一标识，确保数据的准确关联。设备编号索引可以是一个由设备类型、序列号和科室代码组合而成的唯一编码，方便快速检索和匹配。根据设备编号索引，将标准设备采集数据按照四个数字档案数据表（设备基本信息表、运行状态表、故障记录表、维护记录表）的结构进行归档存储。通过数据归档，将每台设备的历史数据和实时数据分类存入相应数据表中，生成初始设备数字信息档案，实现设备信息的结构化管理。在标准设备采集数据集中，对设备的实时状态、故障事件和维护操作进行持续监测，生成设备动态变化监测数据。对比实时数据和档案数据，自动检测并记录设备状态变化、故障发生及维护情况，确保数据的实时性。根据设备动态变化监测数据，对初始设备数字信息档案中的相关数据表进行自动更新，确保档案信息与实际设备状态保持一致。设置自动更新机制，当设备状态、故障记录或维护记录发生变化时，系统会自动将新数据写入相应的数据表，从而生成设备数字信息档案的最新版本。定期对设备数字信息档案进行数据一致性检查，确保档案中数据无重复、无错误，数据表结构和内容完整，生成档案数据的定期备份，确保在数据丢失或错误情况下可以进行恢复，保障档案的长期可用性。

作为本发明的一个实例，参考图2所示，在本实例中所述步骤S2包括：

本发明实施例中，通过根据医院设备的不同使用阶段，定义设备的全生命周期，包括以下阶段：购置阶段：设备采购、安装和调试阶段，包含设备采购成本和安装信息。使用阶段：设备日常使用与操作阶段，包含运行频率和状态信息。维护阶段：设备定期检查与维护阶段，记录设备的维护需求和维护记录。老化阶段：设备性能逐渐下降阶段，包括老化速度和性能衰退程度。替换阶段：设备到达使用寿命终点或因故障需要更换阶段，包含替换成本和替换决策支持数据。定义后，生成设备生命周期阶段数据，确保每台设备的生命周期状态数据清晰分类。基于设备数字信息档案，根据各阶段（购置、使用、维护、老化、替换）对设备数据进行筛选，提取相关信息，形成设备生命周期筛选数据。通过数据筛选，确保档案数据中各阶段的信息独立清晰，为后续分析提供结构化的阶段数据。根据设备生命周期筛选数据，采用多维空间数据映射技术，将设备的生命周期信息转化为空间数据点，生成设备生命周期空间映射数据点：每个数据点包含设备的使用状态、维护频率、老化速度、预算消耗等多维信息，以便在空间上直观展示设备状态。将设备生命周期空间映射数据点进行可视化处理，生成设备全息视图。全息视图可视化展示设备在生命周期中的位置及其当前状态，使设备的整体状况一目了然。通过图形化界面，能够直观观察设备使用状态、预算分配、老化趋势等信息，便于快速决策。通过设备全息视图，对设备在各阶段的预算消耗进行分析，生成设备状态预算消耗数据。该数据包括设备的使用消耗、维护费用、老化维修成本等，帮助识别高消耗设备和阶段。分析设备的预算消耗趋势，为后续的资源分配提供参考。基于设备状态预算消耗数据，利用全息资源分配模拟，对设备在不同生命周期阶段的资源进行合理分配，生成设备预算分配优化数据。在模拟过程中，通过优化资源分配，实现设备的合理维护和资源配置，降低设备在维护和更换上的预算压力。根据设备预算分配优化数据，设定设备全息视图的更新周期，对设备状态、预算消耗等信息进行定期刷新，确保设备信息的实时性和准确性。更新过程中，系统会动态更新设备的状态、预算消耗、维护频率等信息，以生成最新的设备全息预算视图。在周期性更新后，将更新后的全息视图存储为设备全息预算视图。该视图能够为医院的设备管理提供实时预算、状态和生命周期阶段的可视化支持，有助于资源优化和设备更替决策。

优选的，步骤S22包括以下步骤：

本发明实施例中，通过根据设备生命周期筛选数据，提取各阶段的关键数据指标，以便对设备在不同阶段的重要信息进行有效标记。每个阶段关键数据指标涵盖以下内容：购置阶段：设备采购成本、安装时间。使用阶段：设备使用频率、运行时间、负载情况。维护阶段：维护频率、维护成本、故障率。老化阶段：老化速度、性能衰退率。替换阶段：替换预估成本、推荐替换时间。确认阶段关键数据指标后，生成设备生命周期阶段关键数据指标，为后续的多维空间坐标系建立和数据映射提供基础。基于笛卡尔三维空间坐标系，对已确认的设备生命周期阶段关键数据指标进行多维度空间坐标轴的构建，生成多维空间坐标轴。每个维度对应一个关键数据指标，确保设备生命周期数据在空间坐标系中能够充分体现各阶段的信息。将设备数字信息档案中的关键数据映射至多维空间坐标轴，以离散数据点形式展现，生成设备生命周期空间映射数据点。离散化后的数据点以坐标形式定位在空间中，能够表示设备在各个生命周期阶段的重要状态和数值信息。根据预设的指标阈值对多维空间坐标轴进行均值划分，生成均值划分坐标轴，使各阶段关键指标按数值中间点划分，便于后续的区域分割。均值划分确保了各个数据点能够相对准确地被划分为正常或异常状态。依据均值划分坐标轴，对相邻坐标轴空间区域进行分割，生成设备正常状态空间区域和设备异常状态空间区域。正常状态空间区域包含运行状态和各指标处于安全范围内的数据点，而异常状态空间区域则标识潜在风险或性能下降的设备数据点。根据设备正常状态空间区域和设备异常状态空间区域，将设备生命周期空间映射数据点进行数据点可视化。可视化过程利用色彩和标记分别区分正常和异常状态的数据点，使设备的状态在空间图形中一目了然。完成可视化后，整合数据点生成设备全息视图，全面展示设备的生命周期阶段、状态和关键指标。该全息视图通过图形化的展示方式提供了直观的设备状态视图，为医院的设备管理和决策提供重要的参考。

优选的，步骤S23包括以下步骤：

本发明实施例中，通过从设备传感器和监控系统收集实时数据，形成全息视图。对采集的数据进行清洗，处理缺失值和异常值，以提高数据质量。运用决策树或支持向量机等分类算法对设备进行状态分类，识别正常设备和异常设备。基于财务模型计算正常设备的折旧率，使用公式如：折旧率=设备原值−残值÷使用年限；使用IoT传感器监测异常设备的运行状态，收集性能数据。利用Python或R等编程语言中的数据分析库，对性能数据进行处理。应用基于功率公式计算设备负载：线路负荷=电流×电压；将设备及其连接关系建模为图，使用深度优先搜索或广度优先搜索算法分析连接通路。根据设备功率参数和负载数据，计算功率消耗：功率消耗=线路负荷×时间；结合设备使用年限和功率消耗，建立预算消耗的预测模型。通过线性回归或多元回归分析，确定影响预算消耗的关键因素，生成消耗预测数据。利用ETL（提取、转换、加载）工具，将正常设备和异常设备的预算消耗数据进行整合。构建优化模型，应用优化算法对设备资源进行最优分配，生成优化建议。使用仿真软件对资源分配方案进行模拟，验证其有效性和可行性。

本发明实施例中，通过收集设备状态预算消耗数据，确保数据包含时间戳、设备ID、预算消耗值等信息。清洗数据，处理缺失值和异常值，以确保分析的准确性。使用时间序列分析方法（如ARIMA模型）对设备状态预算消耗数据进行时序消耗分析，生成设备状态预算时序消耗数据，反映各设备在不同时间段的预算消耗趋势。根据设备状态预算时序消耗数据，构建线性规划模型。定义目标函数（如最小化总成本）和约束条件（如设备资源限制）。使用线性规划求解器（如SciPy的linprog或Gurobi）对模型进行求解，生成设备状态预算资源分配模拟数据，表明在各设备间的最优资源分配方案。通过分析设备状态预算资源分配模拟数据，计算每个设备的预算分配比例，即每个设备的预算消耗占总预算的比例。将预算分配比例可视化（如使用条形图），便于识别和分析各设备的资源分配情况。使用统计方法（如分位数分析）识别预算分配比例中的极值（最高和最低比例），生成预算分配比例识别数据。基于获取的极值分配比例，标记出高消耗设备。这些设备的预算分配比例显著高于预设阈值。针对已标记的高消耗设备，确定成本最小化的优化目标。例如，设定一个目标是在不影响设备正常运行的前提下，尽量减少其预算消耗。使用优化算法（如遗传算法或模拟退火算法）进行目标确认，以寻求最佳的预算分配策略。根据高消耗设备的优化目标数据，对预算分配比例识别数据进行迭代调整。每次迭代时，参考设备的实际消耗情况和优化目标，以逐步优化资源分配。经过若干次迭代，生成最终的设备预算分配优化数据，确保资源得到合理有效的分配。

作为本发明的一个实例，参考图3所示，在本实例中所述步骤S3包括：

本发明实施例中，通过确定历史故障数据的来源，包括设备日志、维护记录、传感器数据和设备监控系统。使用自动化脚本或数据抓取工具（如Python中的BeautifulSoup或Scrapy）从指定来源提取历史故障数据。确保数据包括设备ID、故障类型、发生时间、持续时间、维修措施及相关环境条件等信息。将采集到的历史故障数据存储在数据库中（如MySQL、PostgreSQL）或数据文件中（如CSV、JSON格式），为后续分析做准备。使用数据划分方法（如70%训练集，30%测试集）将历史故障数据随机分为模型训练集和模型测试集。可以使用Python的train_test_split函数实现。对模型训练集进行特征提取，提取影响设备故障的关键特征（如设备使用年限、环境温度、负荷等），并进行归一化处理。使用深度学习框架（如TensorFlow或Keras）构建LSTM模型。使用模型测试集对训练好的LSTM模型进行验证和优化，通过调整超参数（如学习率、批次大小等）和模型结构（如增加LSTM层数）来提高模型性能。计算模型的预测精度（如均方误差MSE），进行模型调优，直到达到满意的性能。将设备全息预算视图的数据输入到已训练好的设备风险预测模型中。根据模型的输出生成设备故障风险预测数据，预测设备未来发生故障的概率。基于设备故障风险预测数据，估算维护成本。可以使用以下公式：维护成本=故障概率×每次故障的平均维护成本；对于高风险设备，优先进行维护和资源分配。将故障风险预测数据和维护成本估算结果进行可视化（如使用Matplotlib或Seaborn库），以便于决策者分析和理解，生成报告，提供给相关管理人员，以支持设备维护和资源分配决策。

在本说明书中，提供了一种基于全息视图的医院设备预算管理系统，用于执行上述基于全息视图的医院设备预算管理方法，该基于全息视图的医院设备预算管理系统包括：

本发明还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被执行时实现上述的基于全息视图的医院设备预算管理方法。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims

1.一种基于全息视图的医院设备预算管理方法，其特征在于，包括以下步骤：

步骤S2：对医院设备进行设备全生命周期数据筛选，得到设备生命周期筛选数据；根据设备生命周期筛选数据进行多维空间数据映射，生成设备全息视图；对设备全息视图进行全息资源分配模拟，生成设备预算分配优化数据；根据设备预算分配优化数据对设备全息视图进行全息视图周期性更新，从而生成设备全息预算视图；步骤S2包括以下步骤：

步骤S22：根据设备生命周期筛选数据对设备生命周期阶段数据进行多维空间数据映射，生成设备生命周期空间映射数据点；对设备生命周期空间映射数据点进行设备状态可视化，从而生成设备全息视图；步骤S22包括以下步骤：

步骤S224：根据设备正常状态空间区域和设备异常状态空间区域对设备生命周期空间映射数据点进行数据点可视化，生成设备全息视图；

步骤S24：根据设备预算分配优化数据对设备全息视图进行全息视图周期性更新，从而生成设备全息预算视图；

2.根据权利要求1所述的基于全息视图的医院设备预算管理方法，其特征在于，步骤S1包括以下步骤：

步骤S11：获取医院设备位置信息数据；

3.根据权利要求2所述的基于全息视图的医院设备预算管理方法，其特征在于，步骤S14包括以下步骤：

4.根据权利要求1所述的基于全息视图的医院设备预算管理方法，其特征在于，步骤S23包括以下步骤：

5.根据权利要求4所述的基于全息视图的医院设备预算管理方法，其特征在于，根据设备状态预算消耗数据对设备全息视图进行全息资源分配模拟包括：

6.根据权利要求1所述的基于全息视图的医院设备预算管理方法，其特征在于，步骤S3包括以下步骤：

7.一种基于全息视图的医院设备预算管理系统，其特征在于，用于执行如权利要求1所述的基于全息视图的医院设备预算管理方法，该基于全息视图的医院设备预算管理系统包括：

8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至6中任意一项所述的基于全息视图的医院设备预算管理方法。