CN110414768A - 一种基于仪器电流数据的大数据分析方法 - Google Patents
一种基于仪器电流数据的大数据分析方法 Download PDFInfo
- Publication number
- CN110414768A CN110414768A CN201910456282.9A CN201910456282A CN110414768A CN 110414768 A CN110414768 A CN 110414768A CN 201910456282 A CN201910456282 A CN 201910456282A CN 110414768 A CN110414768 A CN 110414768A
- Authority
- CN
- China
- Prior art keywords
- instrument
- data analysis
- data
- analysis method
- big data
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
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)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (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
一种基于仪器电流数据的大数据分析方法,涉及数据分析领域,具体涉及根据公用仪器的监测数据,对仪器的使用状况等进行分析的方法,借助仪器管理***实现,通过采集仪器在各种状态下的电流值,确定电流对应的仪器状态之间的关系;实时采集仪器的工作电流,确定仪器的工作状态,并对历史数据进行分析,得出仪器的实际使用情况,并对仪器的预期借用提供建议。采用本发明,可以实时掌握仪器的真实使用情况,提醒租借方及时返还空闲仪器,提高仪器使用率,节省租借费用;根据仪器的协同使用情况,可以指导仪器的配置;根据仪器使用的预测,可以指导仪器的添置和更换,提高仪器出借方的服务水平。
Description
技术领域
本发明涉及数据分析领域,具体涉及根据公用仪器的监测数据,对仪器的使用状况 等进行分析的方法。
背景技术
科研院所和大专院校通用仪器作为固定资产的组成部分,是重要物质技术基础,也 是现代化建设事业的重要物质保障。
一直以来,仪器使用管理大多是通过人工登记发放,工作繁琐,效率极低。另外,仪器发放后,基本处于放任状态,得不到有效的管理。
中国专利申请《一种智能化实验室管理***》(申请号:201310046577.1)、《一种设备管理***》(申请号:201610129911.3)分别公开了仪器管理***,但都是针对仪 器信息的计算机存储,方便查询信息,但对仪器发放出去后的管理没有提出解决方案。
中国专利《基于物联网的智能实验室仪器管理监控装置》(申请号:201220198384.9) 披露了一种监控装置,可以监测仪器的使用状态,并能远程控制仪器的供电。其监控的 基本范围是一个实验室,主要针对的是仪器的预约使用。
在实际工作中,仪器出借后,经常出现的情况是仪器得不到有效利用,长期处于闲置状态,对于出借方,仪器的使用率低,对于租借方,造成了大量的浪费。
中国专利申请CN 107274104 A公开了一种电子仪器管理大数据分析方法和***,根据仪器的使用时间,来建议下次出借的顺序,保证各个仪器的使用时间大致相同。该 申请并没有披露如何判定仪器的状态。
发明内容
本发明的目的是提供一种方法,根据仪器处于不同状态的时间,分析单个仪器的使 用率,根据不同仪器协同工作的时间,分析仪器间的使用关联关系,并对仪器的购买、预期使用等给出建议。
为了实现上述目的,本发明采用以下技术方案:一种基于仪器电流数据的大数据分 析方法,借助仪器管理***实现,所述仪器管理***包括管理平台和连接到仪器上的监控终端,监控终端获得位置信息、采集仪器的工作电流,并与管理平台建立通信连接; 所述方法包括以下步骤:
A、准备步骤:
A-1、采集仪器电流数据样本,所述电流数据样本包括仪器处于待机、空闲、不同工作状态下的电流;
A-2、根据数据样本生成仪器状态对应关系,
B、实时数据采集步骤:
B-1、监控终端实时将所连接仪器的型号、工作电流数据上传,同时上传位置信息、时间信息;
B-2、管理平台将接收到的数据存储,
C、数据分析步骤:
C-1、根据仪器历史使用数据和步骤A-2中生成的对应关系,得到单个仪器的工作状态,分析单个仪器的实际使用率;
C-2、根据仪器出借情况和历史使用数据,分析仪器间的关联关系。
本发明中,首先采集各种仪器在不同状态下的电流。以此为依据,得出仪器的工作电流与各种状态的对应关系。
仪器使用过程中,监控终端将仪器的工作电流等信息上传,管理平台存储收到的数 据。
根据存储的数据,管理平台可以分析单个仪器的使用情况,不同仪器之间的协同使 用情况。
进一步地,给出仪器使用的预测。
采用本发明,可以实时掌握仪器的真实使用情况,提醒租借方及时返还空闲仪器,提高仪器使用率,节省租借费用;根据仪器的协同使用情况,可以指导仪器的配置;根 据仪器使用的预测,可以指导仪器的添置和更换,提高仪器出借方的服务水平。
附图说明
图1为关联规则算法的一个实施例。
具体实施方式
下面结合附图对本发明做进一步说明。
本发明在仪器管理***中实现。实现的基础有两个:
1、所有仪器的电流和状态的对应关系。
2、仪器的历史使用数据。
上述基础由以下两个步骤分别完成。
A、准备步骤。
A-1、采集仪器电流数据样本,所述电流数据样本包括仪器处于待机、空闲、不同工作状态下的电流。
A-2、根据数据样本生成仪器状态对应关系。
步骤A-1中,电流数据样本可以根据仪器说明书中的指标输入,为了更接近实际使用情况,在采集过程中,使用监控终端采集仪器电流并上传。
步骤A-2中,所述对应关系为存储的仪器型号和仪器在不同状态下的电流值。在数据库中,仪器型号为主检索项,不同状态对应不同的电流值。
简单的仪器,状态很少,通过电流加上允许的误差就可以判断出状态,复杂的仪器, 有很多状态,且各种状态下,电流差别不大。为了精确进行分析,需要掌握准确的状态。
为此,本发明中,在步骤A-2中,将仪器型号、电流值以及仪器所处状态三个指标作为一个样本进行存储,生成训练样本集合和验证样本集合,其中仪器所处状态作为标签,运用支持向量机(SVM)方法训练和验证SVM分类模型。具体算法如下。
输入:数据矩阵D,高斯核函数K(x,xT)=exp(-γ||x-xT||2),其中参数γ=0.5。
输出:分类函数。
其中,数据矩阵D由l组(x,y)组成,x:采样数据,x=[仪器型号,电流采样值], 仪器型号根据仪器入库时间自动编号1、2、…,以数字表示;y为对应的状态标签:[{待 机}、{开机、工作状态1、工作状态2、…、工作状态n}],将{待机}置为-1,{开机、 工作状态1、工作状态2、…、工作状态n}置为1。
1)对于输入的数据x和y,计算如下的最优化问题:
0≤αi≤C,i=1,K,l,
其中αi是该最优化问题中唯一需要求解的一组变量,C=1,1≤i≤l。
xT是x的转置。
K(x,xT)=exp(-γ||x-xT||2)
2)根据步骤1)的结果,得到分类函数为
其中可由各已知的变量求解。
3)再以同样的方式,以y=[{开机}、{工作状态1、工作状态2、…、工作状态n}] 为标签,其中将{开机}置为-1,{工作状态1、工作状态2、…、工作状态n}置为1执行 步骤1)、2),再次划分得到分类函数f2(x)。
4)再以同样的方式,每次将工作状态中的第一个置为-1,其余置为1,重复上述步骤,得到更多的分类函数,最终分类函数为f(x)、f2(x)、...、fn+1(x)。
实施例:数据矩阵D=[示波器A 10mA待机;频谱仪R 200mA开机;信号发 生器B170mA工作状态2;……],是一个100行3列的矩阵,即数据采集了100条, x是这个矩阵的前两列,第一列仪器型号可用数字代替,便于数值计算,且要求同类仪 器数字相同;y是最后一列,假如所有仪器状态共有{待机、开机、工作状态1、工作状 态2}四种,因为SVM分类函数要求每次只能分成两类,值标签只有{-1,1},故先将y=[{待 机}、{开机、工作状态1、工作状态2}],将{待机}置为-1,{开机、工作状态1、工作 状态2}置为1,训练分类函数f(x),得到的结果可判定新数据处于待机还是其他三种状 态;再以同样的方式,以y=[{开机}、{工作状态1、工作状态2}]为标签,其中将{开机} 置为-1,{工作状态1、工作状态2}置为1,再次划分得到分类函数f2(x),得到的结果 可判定新数据处于开机还是其他两种工作状态;再以同样的方式即可得到f3(x),能区 分新数据处于工作状态1还是工作状态2。
所得的分类函数根据验证样本集合进行验证,如果验证效果理想,则使用上述函数, 否则,重新训练。
B、实时数据采集步骤。
B-1、监控终端实时将所连接仪器的型号、工作电流数据上传,同时上传位置信息、时间信息。
B-2、管理平台将接收到的数据存储。
本发明中,数据分析包括以下内容。
C-1、根据仪器历史使用数据和步骤A-2中生成的对应关系,得到单个仪器的工作状态,分析单个仪器的实际使用率。
根据仪器的使用数据,可以在数据库中直接查到仪器状态。
更精确地,通过分类函数得到仪器的状态。
根据仪器的实际数据,生成输入项x,依次经过f(x)、f2(x)、...、fn+1(x)的判断,如果在fn+1(x)之前的任一分类函数得到-1则停止,得到对应的仪器状态;否则fn+1(x)=1,即工作状态n为对应的仪器状态。
实施例:如前所述生成了对应示波器A的分类函数,现在输入一组新数据x,经f(x)判定,结果为-1,那么该仪器就是待机状态,结束;如果结果为1,那么就继续由f2(x) 判断,如果结果为-1,则表示开机,结束;结果为1,则继续由f3(x)判定,结果为-1, 则表示处于工作状态1,结果为1,则表示处于工作状态2,结束。
根据历史信息,可以得到一段时间内,单个仪器的空闲时间、加电时间、处于工作状态时间,根据各个数据的比值,可以得到仪器的实际使用率。
实际使用率可根据需求来定义,如一段时间内,仪器处于工作状态的时间/总的工作时间(每天8小时)。
如果仪器长期在非工作时间开机,可以发出警告。
根据仪器的使用情况,还可以得到仪器的耗电量。
C-2、根据仪器历史使用数据,分析仪器间的关联关系。
此项分析中,考虑静态和动态两种情况。
静态:C-2-1、根据仪器出借情况,分析仪器间的关联程度。
从共同出借的仪器找关联关系。从各部门大量的历史借用清单入手,用关联规则算 法(Apriori算法),挖掘哪些仪器总是一起被借用,这个不限于指定的部门,也许好几个部门都需要同时借某几种仪器。这个结果反映出了对各种仪器的需求关联。
动态:C-2-2、以同一部门使用的仪器、相同时间段处于工作状态以及地理位置相互靠近为条件,选取满足条件的仪器,分析仪器间的使用关联关系。
从使用数据中找到共同使用的仪器,反映具体的科研项目对仪器的需求。
上述分析,使用关联规则算法。具体算法如下:
输入:数据集合D,最小支持度阈值min_sup。
输出:最大的频繁k项集。
算法过程:
1)扫描整个数据集,得到所有出现过的数据,作为候选频繁1项集。k=1,频繁0 项集为空集。
2)挖掘频繁k项集。
a)扫描数据计算候选频繁k项集的支持度。
b)去除候选频繁k项集中支持度低于阈值min_sup的数据集,得到频繁k项集。 如果得到的频繁k项集为空,则直接返回频繁k-1项集的集合作为算法结果,算法结束。 如果得到的频繁k项集只有一项,则直接返回频繁k项集的集合作为算法结果,算法结 束。
c)基于频繁k项集,连接生成候选频繁k+1项集。
3)令k=k+1,转入步骤2)。
其中,
数据集合D:各部门的历史仪器借用清单,可按照年份或者月份在管理平台中检索得到,清单内容包括仪器型号、借用数量、借用时间。
支持度:所有仪器借用清单中,某几类仪器同时出现的次数与总的清单数的比例。
最小支持度阈值:设置支持度的最小值,大于或等于该阈值的可称为频繁项集;小于该阈值的项集则被过滤掉。
项:这里指单台仪器。
项集:几类仪器的组合。
频繁项集:指的是频繁在清单中出现的项集,所谓“频繁”的标准就是这个项集出现 的次数满足最小支持度阈值。
频繁k项集:k种仪器同时在清单中频繁出现。
实施例:有9份仪器借用清单,共涉及5类仪器,清单是:{I1,I2,I5}、{I2,I4}、{I2,I3}、{I1,I2,I4}、{I1,I3}、{I2,I3}、{I1,I3}、{I1,I2,I3,I5}、{I1,I2, I3},其中:I1代表示波器,I2代表频谱仪,I3代表信号发生器,I4代表电源,I5代表 噪声发生器,最小支持度阈值min_sup=2,算法过程如图1:
结论:5种仪器支持度都大于设定阈值,即都属于频繁被借用的,见L1;I1示波器分别与I2频谱仪、I3信号发生器、I5噪声发生器相关联,I2频谱仪分别与I3信号发生 器、I4电源、I5噪声发生器相关联,见L2;三种仪器相互关联的有I1示波器、I2频谱 仪、I3信号发生器,还有I1示波器、I2频谱仪、I5噪声发生器,见L3。
算法得出互相关联的若干类仪器后,可进一步搜寻这几种仪器的使用关联关系,具 体实施步骤为:在管理平台上将检索条件设置为同一部门、同一地理位置,并统计每类仪器的使用时间段,两两进行比较,如果某两种仪器的工作时间段T1和T2的重合度 大于50%,则说明这两种仪器间具有使用关联关系,依次类推。
本发明的另一个实施例是使用上面的关联规则算法,锁定同一部门或同一地理位置 后,可将选定的时间段,如某月划分为5等份,统计每个等份里(6天)被使用的仪器, 各生成一个清单,同样设置支持度阈值,在使用时间段上挖掘相互关联的仪器。
根据历史数据,预测仪器的出借与使用。
通过统计某类仪器的大量历史数据,包括仪器所处的位置、借用数量、同类仪器的使用时长、实际使用率等信息,可预测下个月或下一年度该类仪器的借用数量,从而预 测仪器未来对科研、生产以及测试项目的保障情况,并给出企业或者事业单位合理的建 议,提升仪器对科研生产的保障率。
算法的描述如下:
输入:某类仪器的历史数据(位置、借用数量)。
输出:预测该仪器下次的借用位置、数量。
1、通过终端采集的该类仪器的位置经纬度,分别检索出经度和纬度的最大和最小值,生成最小外接矩形,将此矩形划分成M个面积基本相同的小矩形,统计在 每个小区域的历史总时长t1、t2、…tM,求和得总时长t,将其归一化作为每个区域相应的权重,用ai表示。
2、根据步骤A—2的分类函数,可判断该类仪器在每个小区域内的历史状态,得 出在该区域的实际使用时间tt1、tt2、…ttM,将每一项三次方后归一化 作为每个区域相应的权重,用bi表示,其中tt是每一项三次方后 的累加和。
3、该类仪器在第i个区域的实际使用率用ci表示,
4、统计该类仪器在每个区域的借用数量ni,i=1~M,将该类仪器在该区域的实际使用率与借用数量求积,用li表示,其中,符号为向上取整; 将各个li求和得l,归一化作为每个区域相应的权重,用di表示。
5、该类仪器下次在每个区域被借用的可能性为Pi=ai×bi×di,i=1~M;将Pi归一化并排序,值最大的区域即为该类仪器最有可能的去向。
6、若该区域某部门提出借用该类仪器的数量,可按照步骤4将该数量与该区域的仪器实际使用率ci相乘并向上取整,得出理想的借用数量。
综合上述步骤,可预测该类仪器下次的借用去向,并给出借用数量的建议。
实施例:统计某类型示波器的所有历史位置,根据经纬度坐标的最大和最小值,确定一个能覆盖所有位置的矩形,假设矩形面积为200平米,可将其划分成四个50平米 的小矩形,统计仪器在四个区域里停留总时间,假设分别为1个月,3个月,6个月,2 个月,总共12个月,归一化后各区域权重ai为0.0833,0.25,0.5和0.04165;通过步骤A—2 判定该示波器在四个区域的实际使用时间分别为15天,30天,120天,45天,归一化 后各区域权重bi为0.0018,0.0146,0.9343,0.0493;每个区域的实际使用率ci为 0.5,0.33,0.666,0.75;假设每个区域借用的示波器分别为2,6,6,4台,则li分别为:1,2,4,3; di分别为0.1,0.2,0.4,0.3;那么,示波器下次被借往四个区域的可能性分别为:0.00001, 0.0007,0.1869,0.0062,归一化后为0.0001,0.0038,0.9644,0.0318,那么示波器最 有可能被借用到区域3。若该区域部门提出想借用9台,根据实际使用率0.666,则理 想的借用数量为台。
在实际工作中,有些部门为了工作方便,借用某些仪器作为储备,但并不经常使用。 为了提高仪器的使用率,可以根据仪器的使用情况以及使用预测,给出共享建议。
如果某仪器在一段时间内,如1周或一个月内,其实际使用率小于某设定值(如10%),或其近期的实际使用率较平均的实际使用率大大降低,且预测该仪器未来在借 用部门的使用该率很低,可以在管理平台上推荐该设备为共享状态,供其他需求方搜索、 预约及使用。
由于仪器的种类、数量很多,有可能在准备阶段采集的数据样本不全,或者新增一种类型的仪器还未采集数据样本。如果仪器出借,根据采集回来的电流数据,判断不出 仪器的工作状态。
针对这种情况,步骤C-1中,如果根据对应关系得不到仪器的状态,则记录该仪器的型号、电流值,自动生成对应关系。
如果采集到该型号仪器的数据始终为一个,则判断该型号的仪器只有关机和工作两 种状态。如果多于一个,则根据电流大小,电流最小的为待机状态,其它的为工作状态。
Claims (10)
1.一种基于仪器电流数据的大数据分析方法,借助仪器管理***实现,所述仪器管理***包括管理平台和连接到仪器上的监控终端,管理平台记录仪器的出借情况,监控终端获得位置信息、采集仪器的工作电流,并与管理平台建立通信连接;其特征在于,所述方法包括以下步骤:
A、准备步骤:
A-1、采集仪器电流数据样本,所述电流数据样本包括仪器处于待机、空闲、不同工作状态下的电流;
A-2、根据数据样本生成仪器状态对应关系;
B、实时数据采集步骤:
B-1、监控终端实时将所连接仪器的型号、工作电流数据上传,同时上传位置信息、时间信息;
B-2、管理平台将接收到的数据存储,
C、数据分析步骤:
C-1、根据仪器历史使用数据和步骤A-2中生成的对应关系,得到单个仪器的工作状态,分析单个仪器的实际使用率;
C-2、根据仪器出借情况和历史使用数据,分析仪器间的关联关系。
2.根据权利要求要求1所述的大数据分析方法,其特征在于:
步骤A-2中,所述对应关系为存储的仪器型号和仪器在不同状态下的电流值。
3.根据权利要求要求1所述的大数据分析方法,其特征在于:
步骤A-2中,将仪器型号、电流值以及仪器所处状态三个指标作为一个样本进行存储,生成训练样本集合,其中仪器所处状态作为标签,运用支持向量机(SVM)方法训练分类模型。
4.根据权利要求要求1所述的大数据分析方法,其特征在于:
步骤C-2中包括:
C-2-1、根据仪器出借情况,分析仪器间的关联程度。
5.根据权利要求要求1或4所述的大数据分析方法,其特征在于:
步骤C-2中包括:
C-2-2、以同一部门使用的仪器、相同时间段处于工作状态以及地理位置相互靠近为条件,选取满足条件的仪器,分析仪器间的使用关联关系。
6.根据权利要求要求4所述的大数据分析方法,其特征在于:
使用关联规则算法分析仪器间的关联关系。
7.根据权利要求要求1所述的大数据分析方法,其特征在于:
在C、数据分析步骤中,还包括:C-3、需求预测,
按选定的小区域划分该仪器所处的历史位置,统计该仪器在每个小区域的时长,归一化作为该区域的权重;
统计该仪器在每个小区域内的借用数量,计算权重;
将得出的权重相乘,得出下次在每个区域内被借用的可能性。
8.根据权利要求要求7所述的大数据分析方法,其特征在于:
在C、数据分析步骤中,还包括:
C-4、共享建议:如果某仪器在一段时间内的实际使用率小于某设定值,在管理平台上推荐该设备为共享状态。
9.根据权利要求要求1所述的大数据分析方法,其特征在于:根据仪器在各种状态下的时间,计算出仪器的耗电量。
10.根据权利要求要求1所述的大数据分析方法,其特征在于:
步骤C-1中,如果根据对应关系得不到仪器的状态,则记录该仪器的型号、电流值,自动生成对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910456282.9A CN110414768B (zh) | 2019-05-29 | 2019-05-29 | 一种基于仪器电流数据的大数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910456282.9A CN110414768B (zh) | 2019-05-29 | 2019-05-29 | 一种基于仪器电流数据的大数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110414768A true CN110414768A (zh) | 2019-11-05 |
CN110414768B CN110414768B (zh) | 2021-12-07 |
Family
ID=68357864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910456282.9A Active CN110414768B (zh) | 2019-05-29 | 2019-05-29 | 一种基于仪器电流数据的大数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414768B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780142A (zh) * | 2019-11-15 | 2020-02-11 | 广州仪速安电子科技有限公司 | 一种仪器操作过程中的开机预警方法 |
CN110930099A (zh) * | 2019-12-13 | 2020-03-27 | 重庆首厚智能科技研究院有限公司 | 一种科学仪器连接管理库 |
CN112307671A (zh) * | 2020-10-27 | 2021-02-02 | 杭州电子科技大学 | 一种自适应不同大型设备仪器状态阈值的方法 |
CN112924743A (zh) * | 2021-01-29 | 2021-06-08 | 杭州轨物科技有限公司 | 一种基于电流数据的仪器状态检测方法 |
CN113253026A (zh) * | 2021-05-13 | 2021-08-13 | 北京三维天地科技股份有限公司 | 一种用于仪器开关机状态的监控方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439952A (zh) * | 2013-08-30 | 2013-12-11 | 苏州庚商教育智能科技有限公司 | 实验设备状态监控*** |
CN103929835A (zh) * | 2014-03-28 | 2014-07-16 | 小米科技有限责任公司 | 闹钟振铃的控制方法、装置和*** |
CN106650971A (zh) * | 2016-11-16 | 2017-05-10 | 福州宏泰分析技术有限公司 | 一种基于lims的实验室管理*** |
CN107563451A (zh) * | 2017-09-18 | 2018-01-09 | 河海大学 | 一种泵站稳态工况下运行状态识别方法 |
CN108152620A (zh) * | 2017-12-18 | 2018-06-12 | 北京航天测控技术有限公司 | 一种用电设备的效能监控分析仪器、***和方法 |
CN109450942A (zh) * | 2018-12-25 | 2019-03-08 | 北京戴纳实验科技有限公司 | 一种实验室物联网管理***的安全检测方法及其检测设备 |
-
2019
- 2019-05-29 CN CN201910456282.9A patent/CN110414768B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439952A (zh) * | 2013-08-30 | 2013-12-11 | 苏州庚商教育智能科技有限公司 | 实验设备状态监控*** |
CN103929835A (zh) * | 2014-03-28 | 2014-07-16 | 小米科技有限责任公司 | 闹钟振铃的控制方法、装置和*** |
CN106650971A (zh) * | 2016-11-16 | 2017-05-10 | 福州宏泰分析技术有限公司 | 一种基于lims的实验室管理*** |
CN107563451A (zh) * | 2017-09-18 | 2018-01-09 | 河海大学 | 一种泵站稳态工况下运行状态识别方法 |
CN108152620A (zh) * | 2017-12-18 | 2018-06-12 | 北京航天测控技术有限公司 | 一种用电设备的效能监控分析仪器、***和方法 |
CN109450942A (zh) * | 2018-12-25 | 2019-03-08 | 北京戴纳实验科技有限公司 | 一种实验室物联网管理***的安全检测方法及其检测设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780142A (zh) * | 2019-11-15 | 2020-02-11 | 广州仪速安电子科技有限公司 | 一种仪器操作过程中的开机预警方法 |
CN110930099A (zh) * | 2019-12-13 | 2020-03-27 | 重庆首厚智能科技研究院有限公司 | 一种科学仪器连接管理库 |
CN112307671A (zh) * | 2020-10-27 | 2021-02-02 | 杭州电子科技大学 | 一种自适应不同大型设备仪器状态阈值的方法 |
CN112924743A (zh) * | 2021-01-29 | 2021-06-08 | 杭州轨物科技有限公司 | 一种基于电流数据的仪器状态检测方法 |
CN112924743B (zh) * | 2021-01-29 | 2022-05-31 | 杭州轨物科技有限公司 | 一种基于电流数据的仪器状态检测方法 |
CN113253026A (zh) * | 2021-05-13 | 2021-08-13 | 北京三维天地科技股份有限公司 | 一种用于仪器开关机状态的监控方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110414768B (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414768A (zh) | 一种基于仪器电流数据的大数据分析方法 | |
Manley et al. | Scales, levels and processes: Studying spatial patterns of British census variables | |
Dandl et al. | Evaluating the impact of spatio-temporal demand forecast aggregation on the operational performance of shared autonomous mobility fleets | |
Aghezzaf | Capacity planning and warehouse location in supply chains with uncertain demands | |
US8036925B2 (en) | System and method to manage assets of healthcare facility | |
Sleptchenko et al. | Trade-off between inventory and repair capacity in spare part networks | |
CN103733194A (zh) | 动态组织云计算资源以便于发现 | |
CN114496264B (zh) | 基于多维数据的健康指数分析方法、装置、设备及介质 | |
CN111612294A (zh) | 一种基于时空大数据的城市体检*** | |
CN116258484B (zh) | 设备的预测性运维方案生成方法、装置、终端设备和介质 | |
CN112116205B (zh) | 针对台区用电特征的画像方法、装置和存储介质 | |
CN113807553A (zh) | 预约服务的数量分析方法、装置、设备及存储介质 | |
CN113139743A (zh) | 污水排放指标分析方法、装置、电子设备及存储介质 | |
CN112580881A (zh) | 营业网点选址方法、装置、计算机设备及存储介质 | |
CN109635996A (zh) | 房价走势前瞻模型构建方法、装置及存储介质 | |
CN112818028B (zh) | 数据指标筛选方法、装置、计算机设备及存储介质 | |
CN113362199B (zh) | 基于用户采集电量与台区线损相关性的窃电用户核查方法 | |
Li et al. | Discrete event simulation analysis of a reservation-based, one-way car-sharing system | |
Nayak et al. | A critical review of activity participation decision: a key component of activity-based travel demand models | |
WO2002027616A1 (en) | Energy descriptors using artificial intelligence to maximize learning from data patterns | |
CN112052310A (zh) | 基于大数据的信息获取方法、装置、设备及存储介质 | |
CN116843150A (zh) | 基于智慧物联网的社区服务方法及*** | |
KR20120089888A (ko) | 최적 수질 관측망 구성 방법 및 이를 지원하는 관측망 선정 지원 장치 | |
Yang et al. | Short-term demand forecasting for bike sharing system based on machine learning | |
CN112328752A (zh) | 基于搜索内容的课程推荐方法、装置、计算机设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |