CN110069551A - 基于Spark的医疗设备运维信息挖掘分析***及其使用方法 - Google Patents
基于Spark的医疗设备运维信息挖掘分析***及其使用方法 Download PDFInfo
- Publication number
- CN110069551A CN110069551A CN201910336853.5A CN201910336853A CN110069551A CN 110069551 A CN110069551 A CN 110069551A CN 201910336853 A CN201910336853 A CN 201910336853A CN 110069551 A CN110069551 A CN 110069551A
- Authority
- CN
- China
- Prior art keywords
- data
- spark
- medical devices
- module
- cluster
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于Spark的医疗设备运维信息挖掘分析***及其使用方法,包括如下步骤:获取医院医疗设备的运行状态信息存于MySQL数据库中;通过Sqoop工具将DB型数据从MySQL数据库中抽取到HDFS中;对于文本日志类型的数据采集通过Kettle工具导入HDFS或MySQL数据库中;利用Standalone作为资源管理器,使用Spark MLlib库中的K‑means算法构造预测模型;根据预测模型和训练集里的设备运行信息,计算出三种状态聚类;对接收到的测试集进行预测,并且将预测数据归到这三个聚类之一,对聚类数据进行分析,将分析结果进行直观呈现。本发明实现了对于医疗设备的定位监控,并且能够将设备的运行状态进行直观呈现,大幅降低了医疗设备维护所需人员投入,减少了大量的人员成本。
Description
技术领域
本发明涉及医疗设备技术领域,具体涉及一种基于Spark的医疗设备运维信息挖掘分析***及其使用方法。
背景技术
现有的大多数的医疗设备维修管理中所使用的方法都是PDCA,即需要设备工程师参与到整个质量监管过程,这种方式受维修人员的知识和设备更新的限制,在设备保养维修阶段没有前瞻性的预测。例如《中国卫生产业》期刊中《医疗设备维修管理中PDCA方法的应用探讨》一文中所提到的PDCA方法;《中国医学设备》期刊上《基于运维***质量控制模块下医疗设备预防性维护计划的实施》一文中的医疗设备PM计划。这些都是需要投入大量质检员才能完成,人员的投入成本非常大。
发明内容
发明目的:为了克服现有技术中存在的不足,提供一种基于Spark的医疗设备运维信息挖掘分析***及其使用方法,能够对复杂的运行状态信息进行归类,达到预测性维护的目的,并且将设备运行的状态直观的进行显示,减少了大量的人员投入。
技术方案:为实现上述目的,本发明提供一种基于Spark的医疗设备运维信息挖掘分析***,包括数据源模块、数据采集模块、存储与处理模块、算法模型模块和***应用模块,所述数据源模块包括DB型数据和文本文件数据,所述数据采集模块包括用于采集DB型数据的DB数据采集工具和用于采集文本文件数据的文本文件采集工具,所述存储与处理模块包括数据仓库平台和数据处理平台,所述数据仓库平台包括MySQL数据库,所述数据处理平台包括HDFS分布式储存器和Standalone资源管理器,所述DB型数据存储于MySQL数据库中,所述DB数据采集工具用于将DB型数据从MySQL数据库抽取到HDFS中,所述文本文件采集工具用于将文本文件数据导入HDFS分布式储存器或者MySQL数据库中,所述算法模型模块用于构造预测模型,所述***应用模块包括可视化展示模块和预警***模块。
进一步的,所述算法模型模块包括数据分析模块、数据挖掘模块和算法模块。
一种基于Spark的医疗设备运维信息挖掘分析***的使用方法,包括如下步骤:
S1:获取医院医疗设备的运行状态信息存于MySQL数据库中,运行状态信息包括DB(DataBase)型数据;
S2:通过DB数据采集(Sqoop)工具将DB型数据从MySQL数据库中抽取到HDFS中;
S3:对于文本文件类型的数据采集通过文本文件采集(Kettle)工具导入HDFS或MySQL数据库中;
S4:利用Standalone作为资源管理器,使用Spark MLlib库中的K-means算法构造预测模型;
S5:根据预测模型和训练集里的设备运行信息,计算出三种状态聚类;
S6:对接收到的测试集进行预测,并且将预测数据归到这三个聚类之一,对聚类数据进行分析,将聚类分析结果存入MySQL数据库中,结合JavaScript技术,利用Json作为数据传输类型,将分析结果进行直观呈现。
进一步的,所述步骤S4中使用Spark MLlib库中的K-means算法构造预测模型具体包括如下步骤:
S4-1:从HDFS中读取医疗设备运维大数据,并且创建RDD;
S4-2:随机生成K个初始聚类中心;
S4-3:计算每个点到聚类中心的距离并且进行归约;
S4-4:将数据点分配到最近的簇质心;
S4-5:计算每个划分中样本点的平均值,将其作为新的聚类中心;
S4-6:重复步骤S4-4和S4-5,直至达到迭代次数或者聚类收敛,最后输出聚类结果。
进一步的,所述步骤S5中三种状态聚类分别为危险、亚健康和健康。
进一步的,所述步骤S4-4中将数据点分配到最近的簇质心具体为:对于一个给定的d维数据点,使用距离函数来确定最近的簇质心,采用欧式距离函数来计算这个簇质心生成该数据点的可能性,其中通过欧式距离公式得到两个d维数据点x=(x1,x2,...,xd)和y=(y1,y2,...,yd)之间的欧式距离,欧式距离公式表达式如下:
Dist(x,y)=√(x1-y1)2+(x2-y2)2+...+(xd+yd)2
进一步的,所述步骤S6中将聚类数据置于Spark平台上进行分析。
进一步的,所述步骤S6中通过选择Echart中多种图表于百度地图API结合的方式将分析结果进行呈现。
进一步的,使用Spark MLlib库中的K-means算法构造的预测模型进行异常数据预测。
进一步的,所述步骤S4-6中聚类收敛具体为:划分中心的变化小于预定义的阈值。
本发明中涉及的K-means是一个数据挖掘算法,属于无监督学***方和最小,这样就可完成这个分组。
其算法表达式为:
其中xn表示n个d维数据,μi表示簇中心的平均值,rnk表示数据被归类到簇的时候为1,否则为0。
本发明中通过可视化界面对最后的分析结果,也就是设备的运行状态进行呈现,可视化界面主要分为设备基本信息和数据运维信息两个部分。数据可视化方面,采用Java编写MySQL数据库连接模块,结合JavaScript技术,利用Json作为数据传输类型。可视化的结果以静态图像和动态图像结合的方式呈现,使得用户能够从不同的角度去观察数据视图。
设备基本信息部分主要针对设备的基础信息,健康状况,分布情况及整个***的错误日志进行展示,并实时更新。数据运维信息部分主要针对算法中分析出来的数据利用Echart图表动静结合地呈现出来。
有益效果:本发明与现有技术相比,具备如下优点:
1、将传统医疗设备运维寄托于Spark平台之上,实现更快速、准确的运维功能;通过设备的预警机制,降低医疗设备在使用过程中的故障可能,提高设备的有效利用率;
2、实现了对于医疗设备的定位监控,并且能够将设备的运行状态进行直观呈现,大幅降低了医疗设备维护所需人员投入,减少了大量的人员成本。
附图说明
图1为本发明***结构的框架图;
图2为使用SparkMLlib库中的K-means算法构造预测模型的流程图;
图3为医疗设备中液氦压力的时间状态图;
图4为医疗设备中扫描腔温度和液压压力的动态数据对比图;
图5为设备健康状况示意图;
图6为设备状态分布示意图;
图7为错误日志示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
如图1所示,本发明提供一种基于Spark的医疗设备运维信息挖掘分析***,包括数据源模块、数据采集模块、存储与处理模块、算法模型模块和***应用模块,数据源模块包括DB型数据和文本文件数据,数据采集模块包括用于采集DB型数据的DB数据采集工具和用于采集文本文件数据的文本文件采集工具,存储与处理模块包括数据仓库平台和数据处理平台,数据仓库平台包括MySQL数据库,数据处理平台包括HDFS分布式储存器、Standalone资源管理器和统一计算控制接口,统一计算控制接口包括内存计算框架和离线计算框架,DB型数据存储于MySQL数据库中,DB数据采集工具用于将DB型数据从MySQL数据库抽取到HDFS中,文本文件采集工具用于将文本文件数据导入HDFS分布式储存器或者MySQL数据库中,算法模型模块用于构造预测模型,***应用模块包括可视化展示模块和预警***模块,算法模型模块包括数据分析模块、数据挖掘模块和算法模块。
本发明基于上述分析***,提供一种基于Spark的医疗设备运维信息挖掘分析***的使用方法,包括如下步骤:
S1:获取医院医疗设备的运行状态信息存于MySQL数据库中,运行状态信息包括DB(DataBase)型数据;
S2:通过DB数据采集(Sqoop)工具将DB型数据从MySQL数据库中抽取到HDFS中;
S3:对于文本文件类型的数据采集通过文本文件采集(Kettle)工具导入HDFS或MySQL数据库中;
S4:利用Standalone作为资源管理器,使用Spark MLlib库中的K-means算法构造预测模型;
S5:根据预测模型和训练集里的设备运行信息,计算出三种状态聚类;
S6:对接收到的测试集进行预测,并且将预测数据归到这三个聚类之一,对聚类数据进行分析,将聚类分析结果存入MySQL数据库中,结合JavaScript技术,利用Json作为数据传输类型,将分析结果进行直观呈现。
如图2所示,步骤S4中使用Spark MLlib库中的K-means算法构造预测模型具体包括如下步骤:
S4-1:从HDFS中读取医疗设备运维大数据,并且创建RDD;
S4-2:随机生成K个初始聚类中心;
S4-3:计算每个点到聚类中心的距离并且进行归约;
S4-4:将数据点分配到最近的簇质心;
S4-5:计算每个划分中样本点的平均值,将其作为新的聚类中心;
S4-6:重复步骤S4-4和S4-5,直至达到迭代次数或者聚类收敛,最后输出聚类结果。
步骤S5中三种状态聚类分别为危险、亚健康和健康;步骤S6中将聚类数据置于Spark平台上进行分析;步骤S6中通过选择Echart中多种图表于百度地图API结合的方式将分析结果进行呈现;使用Spark MLlib库中的K-means算法构造的预测模型进行异常数据预测;步骤S4-6中聚类收敛具体为:划分中心的变化小于预定义的阈值。
实施例1:
本实施例中将上述***应用在安阳市人民医院3.0T HDXT型号设备上,在2018-06-27至2018-11-16这段时期运行产生的数据归结出的运行参数阈值进行预测的标准。型号3.0T HDXT设备运行参数阈值如表所示:
表1型号3.0T HDXT设备运行参数阈值
取液氦压力、扫描腔温度、液氦水平、水温、水流等9项参数,运用基于Spark的K-means算法进行聚类计算,产生的3个聚类中心,得到K-means聚类中心,具体如下表2所示:
根据表1和表2对比可知,位于第一、二类的数据点的液氦水平较高,磁体屏蔽层温度较低;第三类的数据点的液氦压力很低,扫描腔温度较高,水温较高,冷头温度较高,由此可以将这3万条数据简单分为3类做初步的预测。
实施例2:
本实施例中将上述***应用在“无锡市第二医院”,最终的分析结果通过选择Echart中多种图表于百度地图API结合的方式进行呈现,具体如下:
如图3所示为监测的医疗设备中液氦压力的时间状态图,利用echart折线图来显示具体状态,1和5的虚线之间为正常范围值,其他为非正常范围值。
如图4所示为监测的医疗设备中扫描腔温度和液压压力的动态数据对比图。
如图5所示为设备健康状况示意图,在设备数据中,利用echart饼状图形式显示设备健康状况,以表格形式展示设备具体的信息。
如图6所示为无锡市第二医院的设备状态分布示意图,在设备分布图中利用百度地图api对设备进行定位,并用1、2和3来分别表示危险、亚健康和健康三种状态。
如图7所示,在错误日志汇总中利用表格展示错误日志,并统计不同时期发生事故的设备数量。
Claims (9)
1.基于Spark的医疗设备运维信息挖掘分析***,其特征在于:包括数据源模块、数据采集模块、存储与处理模块、算法模型模块和***应用模块,所述数据源模块包括DB型数据和文本文件数据,所述数据采集模块包括用于采集DB型数据的DB数据采集工具和用于采集文本文件数据的文本文件采集工具,所述存储与处理模块包括数据仓库平台和数据处理平台,所述数据仓库平台包括MySQL数据库,所述数据处理平台包括HDFS分布式储存器和Standalone资源管理器,所述DB型数据存储于MySQL数据库中,所述DB数据采集工具用于将DB型数据从MySQL数据库抽取到HDFS中,所述文本文件采集工具用于将文本文件数据导入HDFS分布式储存器或者MySQL数据库中,所述算法模型模块用于构造预测模型,所述***应用模块包括可视化展示模块和预警***模块。
2.根据权利要求1所述的基于Spark的医疗设备运维信息挖掘分析***,其特征在于:包括如下步骤:所述算法模型模块包括数据分析模块、数据挖掘模块和算法模块。
3.根据权利要求1所述的基于Spark的医疗设备运维信息挖掘分析***的使用方法,其特征在于:包括如下步骤:
S1:获取医院医疗设备的运行状态信息存于MySQL数据库中,运行状态信息包括DB型数据;
S2:通过DB数据采集工具将DB型数据从MySQL数据库中抽取到HDFS中;
S3:对于文本文件类型的数据采集通过文本文件采集工具导入HDFS或MySQL数据库中;
S4:利用Standalone作为资源管理器,使用Spark MLlib库中的K-means算法构造预测模型;
S5:根据预测模型和训练集里的设备运行信息,计算出三种状态聚类;
S6:对接收到的测试集进行预测,并且将预测数据归到这三个聚类之一,对聚类数据进行分析,将聚类分析结果存入MySQL数据库中,结合JavaScript技术,利用Json作为数据传输类型,将分析结果进行直观呈现。
4.根据权利要求3所述的基于Spark的医疗设备运维信息挖掘分析***的使用方法,其特征在于:所述步骤S4中使用Spark MLlib库中的K-means算法构造预测模型具体包括如下步骤:
S4-1:从HDFS中读取医疗设备运维大数据,并且创建RDD;
S4-2:随机生成K个初始聚类中心;
S4-3:计算每个点到聚类中心的距离并且进行归约;
S4-4:将数据点分配到最近的簇质心;
S4-5:计算每个划分中样本点的平均值,将其作为新的聚类中心;
S4-6:重复步骤S4-4和S4-5,直至达到迭代次数或者聚类收敛,最后输出聚类结果。
5.根据权利要求3所述的基于Spark的医疗设备运维信息挖掘分析***的使用方法,其特征在于:所述步骤S5中三种状态聚类分别为危险、亚健康和健康。
6.根据权利要求4所述的基于Spark的医疗设备运维信息挖掘分析***的使用方法,其特征在于:所述步骤S4-4中将数据点分配到最近的簇质心具体为:对于一个给定的d维数据点,使用距离函数来确定最近的簇质心,采用欧式距离函数来计算这个簇质心生成该数据点的可能性,其中通过欧式距离公式得到两个d维数据点x=(x1,x2,...,xd)和y=(y1,y2,...,yd)之间的欧式距离,欧式距离公式表达式如下:
Dist(x,y)=√(x1-y1)2+(x2-y2)2+...+(xd+yd)2。
7.根据权利要求3所述的基于Spark的医疗设备运维信息挖掘分析***的使用方法,其特征在于:所述步骤S6中将聚类数据置于Spark平台上进行分析。
8.根据权利要求3所述的基于Spark的医疗设备运维信息挖掘分析***的使用方法,其特征在于:所述步骤S6中通过选择Echart中多种图表于百度地图API结合的方式将分析结果进行呈现。
9.根据权利要求4所述的基于Spark的医疗设备运维信息挖掘分析***的使用方法,其特征在于:所述步骤S4-6中聚类收敛具体为:划分中心的变化小于预定义的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336853.5A CN110069551A (zh) | 2019-04-25 | 2019-04-25 | 基于Spark的医疗设备运维信息挖掘分析***及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336853.5A CN110069551A (zh) | 2019-04-25 | 2019-04-25 | 基于Spark的医疗设备运维信息挖掘分析***及其使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110069551A true CN110069551A (zh) | 2019-07-30 |
Family
ID=67368745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910336853.5A Pending CN110069551A (zh) | 2019-04-25 | 2019-04-25 | 基于Spark的医疗设备运维信息挖掘分析***及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069551A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633271A (zh) * | 2019-11-20 | 2019-12-31 | 紫光云(南京)数字技术有限公司 | 一种基于json的Hbase到mysql的数据抽取方法 |
CN110633082A (zh) * | 2019-09-26 | 2019-12-31 | 山东浪潮商用***有限公司 | 一种结合echart和html的动态数据展示方法及*** |
CN110674143A (zh) * | 2019-10-18 | 2020-01-10 | 长春理工大学 | 一种免耕机作业信息监测***及方法 |
CN113254541A (zh) * | 2021-04-15 | 2021-08-13 | 浙江工业大学 | 一种基于聚类分析的剧场运维管理方法 |
CN113313272A (zh) * | 2021-06-15 | 2021-08-27 | 江苏杰瑞信息科技有限公司 | 一种基于人工智能的船舶辅机设备故障智能预警设计方法 |
CN113533875A (zh) * | 2020-04-22 | 2021-10-22 | 杭州释普科技有限公司 | 智能化判断实验室设备运行状态及计算设备利用率的方法 |
CN114358212A (zh) * | 2022-01-25 | 2022-04-15 | 电子科技大学 | 一种基于K-means的癌症预嘱指标数据分析*** |
CN115587140A (zh) * | 2022-12-09 | 2023-01-10 | 四川新迎顺信息技术股份有限公司 | 基于大数据的电子工程项目数据可视化管理方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095653A (zh) * | 2015-07-13 | 2015-11-25 | 湖南互动传媒有限公司 | 医疗大数据应用基础服务*** |
CN105138661A (zh) * | 2015-09-02 | 2015-12-09 | 西北大学 | 一种基于Hadoop的网络安全日志k-means聚类分析***及方法 |
US20170330132A1 (en) * | 2016-05-13 | 2017-11-16 | International Business Machines Corporation | Method and system to manage supervision activity in utility system to reduce damage |
CN107463620A (zh) * | 2017-07-05 | 2017-12-12 | 洛川闰土农牧科技有限责任公司 | 一种基于数据挖掘的电梯事故预警预报*** |
CN107563153A (zh) * | 2017-08-03 | 2018-01-09 | 华子昂 | 一种基于Hadoop构建的PacBio测序平台IT架构 |
CN108062555A (zh) * | 2016-11-08 | 2018-05-22 | 南京理工大学 | 基于Spark流式聚类的监测数据预警*** |
-
2019
- 2019-04-25 CN CN201910336853.5A patent/CN110069551A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095653A (zh) * | 2015-07-13 | 2015-11-25 | 湖南互动传媒有限公司 | 医疗大数据应用基础服务*** |
CN105138661A (zh) * | 2015-09-02 | 2015-12-09 | 西北大学 | 一种基于Hadoop的网络安全日志k-means聚类分析***及方法 |
US20170330132A1 (en) * | 2016-05-13 | 2017-11-16 | International Business Machines Corporation | Method and system to manage supervision activity in utility system to reduce damage |
CN108062555A (zh) * | 2016-11-08 | 2018-05-22 | 南京理工大学 | 基于Spark流式聚类的监测数据预警*** |
CN107463620A (zh) * | 2017-07-05 | 2017-12-12 | 洛川闰土农牧科技有限责任公司 | 一种基于数据挖掘的电梯事故预警预报*** |
CN107563153A (zh) * | 2017-08-03 | 2018-01-09 | 华子昂 | 一种基于Hadoop构建的PacBio测序平台IT架构 |
Non-Patent Citations (6)
Title |
---|
徐元熙等: "数据挖掘在医院信息***中的应用研究", 《微计算机信息》 * |
徐元熙等: "数据挖掘在医院信息***中的应用研究", 《微计算机信息》, no. 33, 25 November 2008 (2008-11-25) * |
陈润: "面向铁路运维的大数据流式处理技术的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈润: "面向铁路运维的大数据流式处理技术的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 1, 15 January 2018 (2018-01-15), pages 2 - 4 * |
高峰 等: "医疗设备全生命周期维修管理***的设计与实现", 《中国医疗设备》 * |
高峰 等: "医疗设备全生命周期维修管理***的设计与实现", 《中国医疗设备》, vol. 31, no. 2, 25 February 2016 (2016-02-25), pages 155 - 156 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633082A (zh) * | 2019-09-26 | 2019-12-31 | 山东浪潮商用***有限公司 | 一种结合echart和html的动态数据展示方法及*** |
CN110674143A (zh) * | 2019-10-18 | 2020-01-10 | 长春理工大学 | 一种免耕机作业信息监测***及方法 |
CN110633271A (zh) * | 2019-11-20 | 2019-12-31 | 紫光云(南京)数字技术有限公司 | 一种基于json的Hbase到mysql的数据抽取方法 |
CN113533875A (zh) * | 2020-04-22 | 2021-10-22 | 杭州释普科技有限公司 | 智能化判断实验室设备运行状态及计算设备利用率的方法 |
CN113533875B (zh) * | 2020-04-22 | 2024-02-23 | 释普信息科技(上海)有限公司 | 智能化判断实验室设备运行状态及计算设备利用率的方法 |
CN113254541A (zh) * | 2021-04-15 | 2021-08-13 | 浙江工业大学 | 一种基于聚类分析的剧场运维管理方法 |
CN113313272A (zh) * | 2021-06-15 | 2021-08-27 | 江苏杰瑞信息科技有限公司 | 一种基于人工智能的船舶辅机设备故障智能预警设计方法 |
CN114358212A (zh) * | 2022-01-25 | 2022-04-15 | 电子科技大学 | 一种基于K-means的癌症预嘱指标数据分析*** |
CN114358212B (zh) * | 2022-01-25 | 2024-01-30 | 电子科技大学 | 一种基于K-means的癌症预嘱指标数据分析*** |
CN115587140A (zh) * | 2022-12-09 | 2023-01-10 | 四川新迎顺信息技术股份有限公司 | 基于大数据的电子工程项目数据可视化管理方法及装置 |
CN115587140B (zh) * | 2022-12-09 | 2023-03-28 | 四川新迎顺信息技术股份有限公司 | 基于大数据的电子工程项目数据可视化管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069551A (zh) | 基于Spark的医疗设备运维信息挖掘分析***及其使用方法 | |
Cao et al. | Electrical load prediction of healthcare buildings through single and ensemble learning | |
CN108388503A (zh) | 数据库性能监控方法、***、设备及计算机可读存储介质 | |
CN104638764A (zh) | 配网设备状态智能诊断和检修*** | |
CN109800995A (zh) | 一种电网设备故障识别方法及*** | |
CN112529327A (zh) | 一种用于构建商业地区建筑火灾风险预测等级模型的方法 | |
CN109740872A (zh) | 一种台区运行状态的诊断方法及*** | |
CN110377623A (zh) | 一种基于事件驱动的监查*** | |
CN107391335A (zh) | 一种用于检查集群健康状态的方法和设备 | |
An et al. | Condition parameter degradation assessment and prediction for hydropower units using Shepard surface and ITD | |
CN117196159A (zh) | 基于互联网大数据分析的智慧水务分区计量*** | |
CN114662712A (zh) | 基于Wasserstein深度数字孪生模型的旋转机械状态监测方法 | |
CN117194919A (zh) | 一种生产数据分析*** | |
CN117787711A (zh) | 一种基于大数据的拱桥施工单端管理*** | |
CN105930255A (zh) | 一种***健康度预测方法及装置 | |
CN105938573A (zh) | 医疗保险基金精算预警***及方法 | |
CN108761263A (zh) | 一种基于证据理论的故障诊断*** | |
CN106649034A (zh) | 一种可视化智能运维方法及平台 | |
CN110837970A (zh) | 一种区域卫生平台质控方法和*** | |
CN108258802A (zh) | 一种配电网中配电设备的运行状况的监测方法和装置 | |
CN107087284A (zh) | 一种网络小区的质量监控方法及监控***、服务器 | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
CN111221704B (zh) | 一种确定办公管理应用***运行状态的方法及*** | |
CN207232961U (zh) | 一种可实时对水雨情数据进行检验的*** | |
CN112764985A (zh) | 一种数据中心***智能监控方法 |
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 |