CN112101665A - 故障检测预警方法、装置、存储介质及电子设备 - Google Patents
故障检测预警方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112101665A CN112101665A CN202010976242.XA CN202010976242A CN112101665A CN 112101665 A CN112101665 A CN 112101665A CN 202010976242 A CN202010976242 A CN 202010976242A CN 112101665 A CN112101665 A CN 112101665A
- Authority
- CN
- China
- Prior art keywords
- fault
- target
- data
- fault data
- early warning
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 239000003507 refrigerant Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种故障检测预警方法、装置、存储介质及电子设备,方法包括:获取智能设备的运行数据;检测所述运行数据中是否包括目标故障数据;在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据;根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。通过采用上述方法以便维修人员根据故障检测预警信息对所述目标故障数据和目标关联故障数据分别对应的故障位置进行检测,从而有效避免智能设备因在发生故障后可能会发生关联故障从而需要多次维修以及存在反复被投诉的问题,极大的提高用户的产品体验和售后满意度。
Description
技术领域
本发明属于计算机领域,具体涉及一种故障检测预警方法、装置、存储介质及电子设备。
背景技术
随着互联网技术的发展,及大数据技术的广泛应用,各行各业开始认真思考大数据带来的商业价值,以便更好的服务自己的用户,提高产品竞争力,目前随着智能设备的逐步普及,用户对产品体验的要求也逐步提高。
发明人经研究发现,在一种智能设备发生目标故障之后一段时间内,可能会发生其他与目标故障相关的多种关联故障,从而使得维修人员多次维修,进而极大的影响用户对上述智能设备的体验和售后满意度。
发明内容
本发明提供了一种故障检测预警方法、装置、存储介质及电子设备,在发生目标故障后获得关联故障,以便用户根据目标故障和关联故障进行同步维修,避免发生多次故障从而需要多次维修和被反复投诉的问题,极大的提高用户的产品体验和售后满意度。
第一方面,本发明提供一种故障检测预警方法,所述方法包括:
获取智能设备的运行数据;
检测所述运行数据中是否包括目标故障数据;
在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据;
根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。
可选的,在上述故障检测预警方法中,获得与所述目标故障数据关联的目标关联故障数据,包括:
获取与所述智能设备对应的历史故障数据,对所述历史故障数据进行统计分析,得到在发生所述目标故障数据之后发生的多种关联故障,及每种关联故障的故障频率;
根据所述多种关联故障和每种关联故障的故障频率得到目标关联故障数据。
可选的,在上述故障检测预警方法中,根据所述多种关联故障和每种关联故障的故障频率得到目标关联故障数据,包括:
将所述多种关联故障中故障频率大于预设阈值的关联故障作为目标关联故障数据。
可选的,在上述故障检测预警方法中,根据所述多种关联故障和每种关联故障的故障频率得到目标关联故障数据包括:
根据所述多种关联故障中每个关联故障的发生频率按照由大到小的顺序进行排序,并将前预设数量的故障发生频率分别对应的关联故障作为目标关联故障数据。
可选的,在上述故障检测预警方法中,所述方法还包括:
从预设故障严重等级对应关系中查找与每种目标关联故障数据对应的严重等级;
根据每种目标关联故障数据对应的严重等级和每种目标关联故障数据的故障频率得到每种目标关联故障数据的故障优先级系数;
根据所述目标关联故障数据和目标故障数据生成故障检测预警信息,包括:
根据每种目标关联故障数据的故障优先级系数将各目标关联故障数据进行排序,并生成包括排序后的各目标关联故障数据和所述目标故障数据的故障检测预警信息。
可选的,在上述故障检测预警方法中,根据每种目标关联故障数据对应的严重等级和每种目标关联故障数据的故障频率得到每种目标关联故障数据的故障优先级系数,包括:
获取与每个严重等级对应的严重程度占比系数;
对每种目标关联故障数据对应的严重等级、与每个严重等级对应的严重程度占比系数以及每种目标关联故障数据的故障频率采用预设计算式进行计算,以得到目标关联故障数据的故障优先级系数,其中,所述预设计算式包括:pi为第i个目标关联故障数据的故障优先级系数,xi为第i个目标关联故障数据的发生频率,Ai为第i个目标关联故障数据的严重程度占比系数。
可选的,在上述故障检测预警方法中,所述故障数据包括预设故障代码,检测所述运行数据中是否包括故障数据,包括:
检测所述运行数据中是否包括多种预设故障代码中的至少一种。
第三方面,本发明提供一种故障检测预警装置,所述装置包括:
第一获取模块,用于获取智能设备的运行数据;
检测模块,用于检测所述运行数据中是否包括目标故障数据;
第二获取模块,用于在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据;
预警模块,用于根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。
第三方面,本发明提供一种存储介质,该存储介质存储有计算机程序,所述计算机程序被一个或多个处理器执行时实现如上述的故障检测预警方法
第四方面,本发明提供一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如上述的故障检测预警方法
本发明提供的一种故障检测预警方法、装置、存储介质及电子设备,方法包括:获取智能设备的运行数据;检测所述运行数据中是否包括目标故障数据;在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据;根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。通过采用上述方法以实现在智能设备的运行数据中存在目标故障数据时,通过获取该目标故障数据的目标关联故障数据,并根据目标故障数据集目标关联故障数据生成故障检测预警信息,以便维修人员根据故障检测预警信息对所述目标故障数据和目标关联故障数据分别对应的故障位置进行检测,从而有效避免智能设备因在发生故障后可能会发生关联故障从而需要多次维修以及存在反复被投诉的问题,极大的提高用户的产品体验和售后满意度。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1为本申请实施例提供的一种故障检测预警方法的流程示意图。
图2为图1中步骤S120的流程示意图。
图3为本申请实施例提供的一种故障检测预警方法的另一流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
第一实施例
请参阅图1,本实施例提供了一种故障检测预警方法,该方法可以被一个或多个处理器执行,并在一个或多个处理器执行时,实现以下步骤:
步骤S110:获取智能设备的运行数据。
步骤S120:检测所述运行数据中是否包括目标故障数据。
步骤S130:在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据。
步骤S140:根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。
本申请通过采用上述步骤,以实现在智能设备的运行数据中存在目标故障数据时,通过获取该目标故障数据的目标关联故障数据,并根据目标故障数据集目标关联故障数据生成故障检测预警信息,以便维修人员根据故障检测预警信息对所述目标故障数据和目标关联故障数据分别对应的故障位置进行检测,从而有效避免智能设备因在发生故障后可能会发生关联故障从而需要多次维修以及存在反复被投诉的问题,极大的提高用户的产品体验和售后满意度。
具体的,在步骤S110中,获取智能设备的运行数据的方式可以是,实时采集智能设备运行时的运行数据,也可以是获取与所述智能设备连接的信号采集设备采集到的运行数据,在此不做具体限定,根据实际需求进行设置即可。
其中,所述智能设备的运行数据可以包括但不限于机器运行的电压、电流、室内温度、湿度、电机运转速度等。可以理解,不同类型的智能设备的运行数据不同,例如,当智能设备为冰箱或空调时,还可以包括制冷参数。
需要说明的是,当所述智能设备在运行过程中出现故障时,所述运行数据中可以包括故障数据,该故障数据可以是故障代码和/或故障描述,其中,故障代码和故障描述是公司的基础数据,如,冷媒泄露的故障代号是E1,***显示E1证明冷媒泄露。
在步骤S120中,检测所述运行数据中是否包括目标故障数据的方式可以是,判断所述运行数据中是否存在属于多种故障数据中的至少一种目标故障数据。在本实施例中,当故障数据为故障代码时,上述步骤S120具体可以是:检测所述运行数据中是否包括多种预设故障代码中的至少一种。
在步骤S130中,获得与所述目标故障数据关联的目标关联故障数据的方式可以是,从预设对应表中查找与所述目标故障数据关联的关联故障数据,可以理解,所述预设对应表中可以存储有多种故障数据,以及与每种故障数据相关的关联故障数据。也可以是在所述运行数据中包括目标故障数据时,从预设的故障数据库中查找与所述智能设备相对应的历史故障数据,并对该历史数据进行统计分析以得到与所述目标故障数据相关的关联故障数据。
请结合参阅图2,在本实施例中,所述步骤S120包括:
步骤S122:获取与所述智能设备对应的历史故障数据,对所述历史故障数据进行统计分析,得到在发生所述目标故障数据之后发生的多种关联故障,及每种关联故障的故障频率。
其中,获得与所述智能设备对应的历史故障数据的方式可以是从历史维修数据库中或历史故障数据库中获取智能设备的历史故障数据,在此不作具体限定,根据实际需求进行设置即可。
步骤S124:根据所述多种关联故障和每种关联故障的故障频率得到目标关联故障数据。
其中,上述步骤S124可以是,将所述多种关联故障中故障频率大于预设阈值的关联故障作为目标关联故障数据,也可以是根据所述多种关联故障中每个关联故障的发生频率按照由大到小的顺序进行排序,并将前预设数量的故障发生频率分别对应的关联故障作为目标关联故障数据,根据实际需求进行设置即可。
需要说明的是,当上述步骤S124为将所述多种关联故障中故障频率大于预设阈值的关联故障作为目标关联故障数据时,可以认为,在发生目标故障数据对应的目标故障后,紧随其后发生故障为关联故障,对关联故障进行统计以得到关联故障的发生频率,在关联故障的发生频率大于预设值,如1%时,则可认为对应的关联故障为目标关联故障。
当上述步骤S124为根据所述多种关联故障中每个关联故障的发生频率按照由大到小的顺序进行排序,并将前预设数量的故障发生频率分别对应的关联故障作为目标关联故障数据时,可以将故障发生频率排序顺序为前5或前3的关联故障作为目标关联故障。
在步骤S140中,根据所述目标关联故障数据和目标故障数据生成故障检测预警信息可以是,生成包括目标关联故障数据和目标故障数据分别对应的故障位置的预警信息,也可以是生成按照预设的排列规则对所述目标故障数据和目标关联故障数据进行排列的预警信息。
请结合图图3,在本实施中,为便于用户进行故障检测,在本实施例中,所述方法还包括:
步骤S160:从预设故障严重等级对应关系中查找与每种目标关联故障数据对应的严重等级。
步骤S170:根据每种目标关联故障数据对应的严重等级和每种目标关联故障数据的故障频率得到每种目标关联故障数据的故障优先级系数。
具体的,不同的严重等级对应有不同的严重程度占比系数,通过获取与每个严重等级对应的严重程度占比系数;对每种目标关联故障数据对应的严重等级、与每个严重等级对应的严重程度占比系数以及每种目标关联故障数据的故障频率采用预设计算式进行计算,以得到目标关联故障数据的故障优先级系数,其中,所述预设计算式包括:pi为第i个目标关联故障数据的故障优先级系数,xi为第i个目标关联故障数据的发生频率,Ai为第i个目标关联故障数据的严重程度占比系数。
所述步骤S150具体可以是:根据每种目标关联故障数据的故障优先级系数将各目标关联故障数据进行排序,并生成包括排序后的各目标关联故障数据和所述目标故障数据的故障检测预警信息。
通过上述设置,以便于用户在对目标故障数据对应的故障进行维护后,按照各目标关联故障数据的优先级排序顺序进行进一步的检查和维护,从而可以提高故障检修效率。
实施例二
本实施例提供了一种故障检测预警方法,应用于关联有智能设备的电子设备,且所述智能设备中安装有各类的运行状态检测传感器用于检测智能设备的运行数据并按照特定的频率上传到所述电子设备。所述电子设备用于将所述运行数据与预设的故障数据进行比对,以检测运行数据中是否存在与预设的故障数据相匹配的目标故障数据,在存在时,从目前电器设备的维修数据中查找所述智能设备的历史故障数据,以利用智能设备的历史故障数据进行统计分析确定是否存在与目标故障数据相关的目标关连数据。(其中,利用智能设备的历史故障数据进行统计分析确定是否存在与目标故障数据相关的目标关连数据的方式可以是,根据预设的经验阀值确认是否强关联,例如,可以是根据某X故障类型紧随其后发生某X1故障类型的频率是1%,发生某X2故障类型的频率是2%,发生某X3故障类型的频率是3%,其他各种故障类型都不到1%,如后台设定的阀值是1%,大于等于1%都认为是强关联关系,则认定X1、X2、X3故障类型与X故障类型强相关,从而将X1、X2、X3作为目标关连故障数据;也可以是根据按照规则一的计算逻辑自动计算各关联故障发生的频率,然后从高到底排序,根据排序的大小取前N个,N值可以自己设定,从而确定目标关连故障数据),根据基础数据故障类型与故障等级的对应关系,确定的强关联关系故障类型的故障等级A1、A2、A3,严重程度A1>A2>A3,确定关联故障的优先级,根据强关联故障发生的频率的占比乘以故障等级的占比得出最终的优先级Pi,从大到小排序,如:X1的故障等级是A1,X2的故障等级是A2,X3的故障等级是A3,此外,A1等级的严重程度占比为70%、A2等级的严重程度占比为20%、A3等级的严重程度占比为10%,具体公式如下:
从而得出:P1>P3>P2,并将上述的排序结果及目标故障信息生成故障检测预警信息推送给维修人员,故障检测预警信息包括:“目前的故障X可能会同步引起故障X1、X2和X3,且对应的优先级是X1>X3>X2”,从而使得维修人员上门服务时同步检查相关故障。从而有效避免智能设备因在发生故障后可能会发生关联故障从而需要多次维修以及存在反复被投诉的问题,极大的提高用户的产品体验和售后满意度。
实施例三
本实施例提供了一种故障检测预警装置,包括第一获取模块、检测模块、第二获取模块以及预警模块。
所述第一获取模块,用于获取智能设备的运行数据。
关于第一获取模块的描述具体可参考前述方法实施例中步骤S110的详细描述,也即,步骤S110可以由第一获取模块执行。
所述检测模块,用于检测所述运行数据中是否包括目标故障数据。
关于检测模块的描述具体可参考前述方法实施例中步骤S120的详细描述,也即,步骤S120可以由检测模块执行。
所述第二获取模块,用于在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据。
关于第二获取模块的描述具体可参考前述方法实施例中步骤S130的详细描述,也即,步骤S130可以由第二获取模块执行。
所述预警模块,用于根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。
关于预警模块的描述具体可参考前述方法实施例中步骤S140的详细描述,也即,步骤S140可以由预警模块执行。
实施例四
本实施例提供一种存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,所述计算机程序被一个或多个处理器执行时可以实现实施例一故障检测预警方法。
上述方法步骤的具体实施例过程可参见实施例一,本实施例在此不再重复赘述。
实施例五
本申请实施例提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,实施例一中所述的故障检测预警方法。
可以理解,所述电子设备还可以包括,多媒体组件,输入/输出(I/O)接口,以及通信组件。
其中,处理器用于执行如实施例一中故障检测预警方法中的全部或部分步骤。存储器用于存储各种类型的数据,这些数据例如可以包括电子设备中的任何应用程序或方法的指令,以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable LogicDevice,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例一中的故障检测预警方法。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法,也可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
还需要说明的是,以上所述,仅为本申请的具体实施方式,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,以及可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种故障检测预警方法,其特征在于,所述方法包括:
获取智能设备的运行数据;
检测所述运行数据中是否包括目标故障数据;
在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据;
根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。
2.根据权利要求1所述的故障检测预警方法,其特征在于,获得与所述目标故障数据关联的目标关联故障数据,包括:
获取与所述智能设备对应的历史故障数据,对所述历史故障数据进行统计分析,得到在发生所述目标故障数据之后发生的多种关联故障,及每种关联故障的故障频率;
根据所述多种关联故障和每种关联故障的故障频率得到目标关联故障数据。
3.根据权利要求2所述的故障检测预警方法,其特征在于,根据所述多种关联故障和每种关联故障的故障频率得到目标关联故障数据,包括:
将所述多种关联故障中故障频率大于预设阈值的关联故障作为目标关联故障数据。
4.根据权利要求2所述的故障检测预警方法,其特征在于,根据所述多种关联故障和每种关联故障的故障频率得到目标关联故障数据包括:
根据所述多种关联故障中每个关联故障的发生频率按照由大到小的顺序进行排序,并将前预设数量的故障发生频率分别对应的关联故障作为目标关联故障数据。
5.根据权利要求2所述的故障检测预警方法,其特征在于,所述方法还包括:
从预设故障严重等级对应关系中查找与每种目标关联故障数据对应的严重等级;
根据每种目标关联故障数据对应的严重等级和每种目标关联故障数据的故障频率得到每种目标关联故障数据的故障优先级系数;
根据所述目标关联故障数据和目标故障数据生成故障检测预警信息,包括:
根据每种目标关联故障数据的故障优先级系数将各目标关联故障数据进行排序,并生成包括排序后的各目标关联故障数据和所述目标故障数据的故障检测预警信息。
7.根据权利要求1所述的故障检测预警方法,其特征在于,所述故障数据包括预设故障代码,检测所述运行数据中是否包括故障数据,包括:
检测所述运行数据中是否包括多种预设故障代码中的至少一种。
8.一种故障检测预警装置,其特征在于,所述装置包括:
第一获取模块,用于获取智能设备的运行数据;
检测模块,用于检测所述运行数据中是否包括目标故障数据;
第二获取模块,用于在所述运行数据中包括目标故障数据时,获得与所述目标故障数据关联的目标关联故障数据;
预警模块,用于根据所述目标关联故障数据和目标故障数据生成故障检测预警信息。
9.一种存储介质,该存储介质存储有计算机程序,其特征在于,所述计算机程序被一个或多个处理器执行时实现如权利要求1-7中任意一项所述的故障检测预警方法。
10.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1-7中任意一项所述的故障检测预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976242.XA CN112101665B (zh) | 2020-09-16 | 2020-09-16 | 故障检测预警方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976242.XA CN112101665B (zh) | 2020-09-16 | 2020-09-16 | 故障检测预警方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112101665A true CN112101665A (zh) | 2020-12-18 |
CN112101665B CN112101665B (zh) | 2024-05-31 |
Family
ID=73760286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010976242.XA Active CN112101665B (zh) | 2020-09-16 | 2020-09-16 | 故障检测预警方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101665B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113254056A (zh) * | 2021-04-16 | 2021-08-13 | 荣耀终端有限公司 | 一种更新预警及故障修复的方法及设备 |
CN114034493A (zh) * | 2021-11-04 | 2022-02-11 | 杭州海康汽车软件有限公司 | 自动泊车调试方法、装置和*** |
CN115388610A (zh) * | 2021-05-24 | 2022-11-25 | 合肥华凌股份有限公司 | 冰箱故障预测方法、装置、***及电子设备 |
CN115934005A (zh) * | 2023-03-13 | 2023-04-07 | 北京阿玛西换热设备制造有限公司 | 一种数据存储方法和*** |
CN117235051A (zh) * | 2023-11-09 | 2023-12-15 | 宁波银行股份有限公司 | 一种数据库的管理方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632211A (zh) * | 2013-12-06 | 2014-03-12 | 清华大学 | 一种机动车故障预警和召回预测*** |
CN106021062A (zh) * | 2016-05-06 | 2016-10-12 | 广东电网有限责任公司珠海供电局 | 关联故障的预测方法和*** |
CN106226621A (zh) * | 2016-07-18 | 2016-12-14 | 南京国电南自电网自动化有限公司 | 一种基于灰色关联分析的二次设备故障诊断和预警方法 |
CN108919776A (zh) * | 2018-06-19 | 2018-11-30 | 深圳市元征科技股份有限公司 | 一种故障评估方法及终端 |
CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
CN111190412A (zh) * | 2020-01-06 | 2020-05-22 | 珠海格力电器股份有限公司 | 一种故障分析方法、装置、存储介质及终端 |
-
2020
- 2020-09-16 CN CN202010976242.XA patent/CN112101665B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632211A (zh) * | 2013-12-06 | 2014-03-12 | 清华大学 | 一种机动车故障预警和召回预测*** |
CN106021062A (zh) * | 2016-05-06 | 2016-10-12 | 广东电网有限责任公司珠海供电局 | 关联故障的预测方法和*** |
CN106226621A (zh) * | 2016-07-18 | 2016-12-14 | 南京国电南自电网自动化有限公司 | 一种基于灰色关联分析的二次设备故障诊断和预警方法 |
CN108919776A (zh) * | 2018-06-19 | 2018-11-30 | 深圳市元征科技股份有限公司 | 一种故障评估方法及终端 |
CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
CN111190412A (zh) * | 2020-01-06 | 2020-05-22 | 珠海格力电器股份有限公司 | 一种故障分析方法、装置、存储介质及终端 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113254056A (zh) * | 2021-04-16 | 2021-08-13 | 荣耀终端有限公司 | 一种更新预警及故障修复的方法及设备 |
CN113254056B (zh) * | 2021-04-16 | 2022-04-19 | 荣耀终端有限公司 | 一种更新预警及故障修复的方法及设备 |
CN115388610A (zh) * | 2021-05-24 | 2022-11-25 | 合肥华凌股份有限公司 | 冰箱故障预测方法、装置、***及电子设备 |
CN114034493A (zh) * | 2021-11-04 | 2022-02-11 | 杭州海康汽车软件有限公司 | 自动泊车调试方法、装置和*** |
CN115934005A (zh) * | 2023-03-13 | 2023-04-07 | 北京阿玛西换热设备制造有限公司 | 一种数据存储方法和*** |
CN115934005B (zh) * | 2023-03-13 | 2023-09-22 | 深圳中科超算技术有限公司 | 一种数据存储方法和*** |
CN117235051A (zh) * | 2023-11-09 | 2023-12-15 | 宁波银行股份有限公司 | 一种数据库的管理方法、装置、电子设备和存储介质 |
CN117235051B (zh) * | 2023-11-09 | 2024-02-02 | 宁波银行股份有限公司 | 一种数据库的管理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112101665B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101665A (zh) | 故障检测预警方法、装置、存储介质及电子设备 | |
CN108833184B (zh) | 服务故障定位方法、装置、计算机设备及存储介质 | |
CN108683530B (zh) | 多维度数据的数据分析方法、装置及存储介质 | |
US20160217378A1 (en) | Identifying anomalous behavior of a monitored entity | |
CN110995482B (zh) | 告警分析方法、装置、计算机设备及计算机可读存储介质 | |
US10802057B2 (en) | Systems and methods for monitoring a power system | |
EP3373089B1 (en) | Operating state classification device | |
CN111103851B (zh) | 基于联合历史和时间序列分析的异常表征的***和方法 | |
CN110008247B (zh) | 异常来源确定方法、装置、设备及计算机可读存储介质 | |
CN110333995A (zh) | 对工业设备运行状态进行监测的方法及装置 | |
US20200125970A1 (en) | Defect factor estimation device and defect factor estimation method | |
CN112579327B (zh) | 一种故障检测方法、装置及设备 | |
CN112101666A (zh) | 一种故障预测方法、装置、可读存储介质和计算机设备 | |
CN110858072B (zh) | 设备运行状态的确定方法及装置 | |
WO2014199177A1 (en) | Early warning and prevention system | |
CN115660262B (zh) | 一种基于数据库应用的工程智慧质检方法、***及介质 | |
CN110749027B (zh) | 电器设备的监控方法、装置、空调器和存储介质 | |
CN112330063A (zh) | 设备故障预测方法、装置以及计算机可读存储介质 | |
CN110173872A (zh) | 空调机的异常运行检测方法及装置 | |
CN113497721B (zh) | 网络故障定位方法与装置 | |
CN117207778A (zh) | 一种车辆部件无损检测方法及*** | |
CN112612679A (zh) | ***运行状态监控方法、装置、计算机设备和存储介质 | |
CN114511409B (zh) | 用户样本处理方法、装置及电子设备 | |
CN115509853A (zh) | 一种集群数据异常检测方法及电子设备 | |
CN107403224B (zh) | 劣化推定方法以及劣化推定装置 |
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 |