CN112306024A - 结合智慧园区的设备运行状态确定方法及大数据中心 - Google Patents
结合智慧园区的设备运行状态确定方法及大数据中心 Download PDFInfo
- Publication number
- CN112306024A CN112306024A CN202011199005.3A CN202011199005A CN112306024A CN 112306024 A CN112306024 A CN 112306024A CN 202011199005 A CN202011199005 A CN 202011199005A CN 112306024 A CN112306024 A CN 112306024A
- Authority
- CN
- China
- Prior art keywords
- state
- equipment
- information
- production
- list
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 261
- 239000013598 vector Substances 0.000 claims abstract description 223
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 20
- 238000013500 data storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31282—Data acquisition, BDE MDE
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请是关于结合智慧园区的设备运行状态确定方法及大数据中心。应用本申请方案，第一步确定i台生产设备分别对应的j组设备运行参数，第二步依据i台生产设备的设备类型信息以及j组设备运行参数的运行时段参数生成参数列表，第三步对参数列表进行特征提取得到特征列表，第四步基于每台生产设备的j组设备运行参数对每个目标列表单元中状态权重最大的状态特征向量进行修正从而得到每台生产设备对应的运行状态向量。通过对状态权重最大的状态特征向量进行修正以消除生产设备之间的影响，在确定运行状态向量时实现噪声去除，准确地确定每个生产设备的工作状态以减小生产设备调度的难度。
Description
技术领域
本申请涉及基于大数据的工业互联网技术领域，尤其涉及结合智慧园区的设备运行状态确定方法及大数据中心。
背景技术
智慧园区是指配套设施齐全、布局合理且能够满足从事某种特定行业生产和科学实验需要的标准性建筑物或建筑物群体。例如工业园区、产业园区、物流园区和科技园区等。以工业园区为例，通过将物联网通信应用于工业园区，能够实现工业园区内的生产设备的协同运作，从而提高工业园区的生产效率。然而，工业园区中的大量生产设备在运行时，难以准确地确定每个生产设备的工作状态，从而增加了对生产设备进行调度的难度。
发明内容
本公开用于揭示结合智慧园区的设备运行状态确定方法及大数据中心，以改善现有技术难以确定每个生产设备的工作状态的技术问题。
本公开的第一个技术方案，为一种结合智慧园区的设备运行状态确定方法，应用于与多个生产设备通信的大数据中心，所述方法包括：
从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数；其中，所述i台生产设备中至少包括m种运行状态标识；
依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表；其中，所述参数列表为i行j列；
按照预设的特征提取逻辑对所述参数列表进行特征提取，得到由所述i台生产设备的设备型号信息以及与所述i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表；其中，所述特征列表为i行m列；
查找所述特征列表中与每台生产设备对应的目标列表单元，并基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量；其中，所述运行状态向量用于表征生产设备的工作状态。
可选地，所述方法，进一步还包括：
根据预设的生产线信息集确定第一状态类别和第二状态类别；其中，所述第一状态类别用于表征处于连续运行状态的生产设备的运行状态向量所在的类别，所述第二状态类别用于表征处于间断运行状态的生产设备的运行状态向量所在的类别；
从所述生产线信息集中确定当前生产线信息，根据当前生产线信息将每台生产设备对应的运行状态向量划分到所述第一状态类别或所述第二状态类别下，根据所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
可选地，所述方法，进一步包括：
获取生产线调整指令；
根据所述生产线调整指令中的产线标识从所述生产线信息集中确定出目标生产线信息；
根据所述当前生产线信息将每台生产设备对应的运行状态向量在所述第一状态类别或所述第二状态类别下重新进行调整，并基于调整过后的所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
可选地，所述从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数，进一步包括：
获取所述存储空间中每组设备运行参数对应的图数据结构序列以及获取所述存储空间对应的数据存储格式序列；其中，所述图数据结构序列和所述数据存储格式序列中分别包含具有不同结构兼容度的数据单元，所述图数据结构序列用于表征设备运行参数在所述存储空间中的存储形式，所述数据存储格式序列用于表征所述存储空间在进行设备运行参数的存储时的数据格式转换逻辑；
提取所述每组设备运行参数在所述图数据结构序列的任一数据单元的第一结构参数段，将所述每组设备运行参数在所述数据存储格式序列中具有最小结构兼容度的数据单元确定为第一数据单元；
根据每台生产设备及其对应的设备运行参数将所述第一结构参数段投影到所述第一数据单元，在所述第一数据单元中得到第二结构参数段；基于所述第一结构参数段和所述第二结构参数段，生成所述存储空间对应于所述每组设备运行参数的第一结构转换列表；
以所述第二结构参数段为基准参数段在所述第一数据单元中获取第二结构参数段，根据与所述第一结构转换列表存在相反转换逻辑的第二结构转换列表，将所述第二结构参数段投影到所述第一结构参数段所在的第二数据单元，并在所述第一结构参数段所在的第二数据单元中得到与所述第二结构参数段对应的图数据关系序列；其中，每组图数据关系序列对应一组设备运行参数；
基于所述图数据关系序列将所述存储空间中的每组设备运行参数进行格式转换得到以字符编码形式表示的目标设备运行参数，并确定出与i台生产设备分别对应的j组目标设备运行参数。
可选地，所述依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表，进一步包括：
提取每组设备类型信息的目标字段信息，并基于所述目标字段信息进行字段特征提取以得到每组设备类型信息的类型字段特征；其中，所述目标字段信息为每组设备类型信息中与所述大数据中心的参数列表线程相对应的信息；
将每组设备类型信息的类型字段特征与预设字段特征集中各样本类型信息的目标类型字段特征进行比较，得到比较结果；其中，所述预设字段特征集中保存有多个样本类型信息对应的目标类型字段特征以及所述目标类型字段特征所对应的异构系数；
在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征相似时，根据所述目标类型字段特征所对应的异构系数对所述设备类型信息的目标字段信息进行修正并设置第一标识；在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征不相似时，为所述设备类型信息对应的目标字段信息设置第二标识；
按照所述第一标识和所述第二标识的先后顺序将所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数进行一一对应，并基于所述一一对应结果生成所述参数列表。
可选地，所述查找所述特征列表中与每台生产设备对应的目标列表单元，进一步包括：
确定每台生产设备的设备类型信息在所述特征列表中的第一映射值以及设备运行参数在所述特征列表中的第二映射值；
根据所述第一映射值和所述第二映射值确定每台生产设备在所述特征列表中的相对位置；
按照所述相对位置确定每台生产设备对应的目标列表单元。
可选地，所述基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量，进一步包括：
将每台生产设备对应的j组设备运行参数进行聚类，得到每台生产设备对应的运行参数集；
提取所述运行参数集对应的聚类特征向量，将所述聚类特征向量与所述目标列表单元中状态权重最大的状态特征向量进行加权，得到每台生产设备对应的运行状态向量。
本公开的第二个技术方案，为一种大数据中心，所述大数据中与多个生产设备通信，所述大数据中心具体用于：
从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数；其中，所述i台生产设备中至少包括m种运行状态标识；
依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表；其中，所述参数列表为i行j列；
按照预设的特征提取逻辑对所述参数列表进行特征提取，得到由所述i台生产设备的设备型号信息以及与所述i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表；其中，所述特征列表为i行m列；
查找所述特征列表中与每台生产设备对应的目标列表单元，并基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量；其中，所述运行状态向量用于表征生产设备的工作状态。
本公开的第三个技术方案，为一种大数据中心，包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与大数据中心中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述方法。
本公开的第四个技术方案，为一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在大数据中心的内存中运行时实现上述方法。
在执行本公开揭示的以上技术方案时，第一步确定i台生产设备分别对应的j组设备运行参数，第二步依据i台生产设备的设备类型信息以及j组设备运行参数的运行时段参数生成参数列表，第三步对参数列表进行特征提取，得到由i台生产设备的设备型号信息以及与i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表，第四步基于每台生产设备的j组设备运行参数对每个目标列表单元中状态权重最大的状态特征向量进行修正从而得到每台生产设备对应的运行状态向量。
这样以来，在确定运行状态向量时，能够将互相之间通信的生产设备的影响考虑在内，通过对状态权重最大的状态特征向量进行修正以消除生产设备之间的影响，从而在确定运行状态向量时实现噪声去除，从而准确地确定每个生产设备的工作状态，以减小生产设备调度的难度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种结合智慧园区的设备运行状态确定***的通信架构示意图。
图2是本申请根据一示例性实施例示出的一种结合智慧园区的设备运行状态确定方法的流程图。
图3是本申请根据一示例性实施例示出的一种结合智慧园区的设备运行状态确定方法装置的一个实施例框图。
图4为本申请结合智慧园区的设备运行状态确定方法装置所在大数据中心的一种硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。
为了准确地确定每个生产设备的工作状态，以减小生产设备的调度难度，本公开揭示了结合智慧园区的设备运行状态确定方法及大数据中心，通过对生产设备的运行状态参数进行特征提取、分析和降维，能够对生产设备的运行状态参数进行噪声去除，从而准确地确定每个生产设备的工作状态，以减小生产设备调度的难度。
为便于对上述方案进行说明，请先参阅图1，为本公开提供的结合智慧园区的设备运行状态确定***100的通信架构示意图。所述设备运行状态确定***100包括分布于工业园区内的不同位置的生产设备200以及大数据中心300。其中，大数据中心300和每个生产设备200通信以形成该工业园区的智能物联网生产线。
大数据中心300可以用于对每个生产设备200进行控制和调度，以确保整个工业园区的生产效率。生产设备300可以根据产品线的差异进行不同类型的设置和配置，在此不作限定。
在上述基础上，请结合参阅图2，为本公开揭示的结合智慧园区的设备运行状态确定方法的流程图，所述方法可以应用于图1中的大数据中心300，具体可以包括以下步骤所描述的内容。
步骤S21，从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数；其中，所述i台生产设备中至少包括m种运行状态标识。
在本公开中，存储空间可以理解为数据库，其中，对数据库的类型不作限定。例如，数据库可以是mysql数据库或者JanusGraph图数据库等不同类型的数据库。可以理解，不同生产设备的设备类型信息不同。i台生产设备分布于工业园区中，每组设备运行参数对应的运行时段参数不同，m种运行状态标识所对应的生产设备的影响权重不同，影响权重用于表征每台生产设备对工业园区的整个生产线的影响，影响权重可以是0~1之间的数值。进一步地，i、j和m均为正整数。
步骤S22，依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表；其中，所述参数列表为i行j列。
步骤S23，按照预设的特征提取逻辑对所述参数列表进行特征提取，得到由所述i台生产设备的设备型号信息以及与所述i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表；其中，所述特征列表为i行m列。
步骤S24，查找所述特征列表中与每台生产设备对应的目标列表单元，并基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量；其中，所述运行状态向量用于表征生产设备的工作状态。
在本公开中，状态权重用于表征目标列表单元对应的生产设备与其他生产设备的关联程度，状态权重越大，目标列表单元对应的生产设备与其他生产设备的关联程度越高，越容易受到其他生产设备的运行状态的影响。
在执行本公开揭示的以上步骤S21-步骤S24所描述的方法内容时，第一步确定i台生产设备分别对应的j组设备运行参数，第二步依据i台生产设备的设备类型信息以及j组设备运行参数的运行时段参数生成参数列表，第三步对参数列表进行特征提取，得到由i台生产设备的设备型号信息以及与i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表，第四步基于每台生产设备的j组设备运行参数对每个目标列表单元中状态权重最大的状态特征向量进行修正从而得到每台生产设备对应的运行状态向量。
应用上述公开的方案，在确定运行状态向量时，能够将互相之间通信的生产设备的影响考虑在内，通过对状态权重最大的状态特征向量进行修正以消除生产设备之间的影响，从而在确定运行状态向量时实现噪声去除，从而准确地确定每个生产设备的工作状态，以减小生产设备调度的难度。
发明人在实施上述技术方案时发现，在存储空间中存储的设备运行参数是按照图数据形式存储的情况下，如果直接提取图数据并进行后续分析和处理，会由于数据结构不同而难以生成相关列表以及相关的特征列表。
为改善上述问题，在步骤S21中，从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数，进一步可以通过以下步骤实现。
步骤S211，获取所述存储空间中每组设备运行参数对应的图数据结构序列以及获取所述存储空间对应的数据存储格式序列；其中，所述图数据结构序列和所述数据存储格式序列中分别包含具有不同结构兼容度的数据单元，所述图数据结构序列用于表征设备运行参数在所述存储空间中的存储形式，所述数据存储格式序列用于表征所述存储空间在进行设备运行参数的存储时的数据格式转换逻辑。
步骤S212，提取所述每组设备运行参数在所述图数据结构序列的任一数据单元的第一结构参数段，将所述每组设备运行参数在所述数据存储格式序列中具有最小结构兼容度的数据单元确定为第一数据单元。
步骤S213，根据每台生产设备及其对应的设备运行参数将所述第一结构参数段投影到所述第一数据单元，在所述第一数据单元中得到第二结构参数段；基于所述第一结构参数段和所述第二结构参数段，生成所述存储空间对应于所述每组设备运行参数的第一结构转换列表。
步骤S214，以所述第二结构参数段为基准参数段在所述第一数据单元中获取第二结构参数段，根据与所述第一结构转换列表存在相反转换逻辑的第二结构转换列表，将所述第二结构参数段投影到所述第一结构参数段所在的第二数据单元，并在所述第一结构参数段所在的第二数据单元中得到与所述第二结构参数段对应的图数据关系序列；其中，每组图数据关系序列对应一组设备运行参数。
步骤S215，基于所述图数据关系序列将所述存储空间中的每组设备运行参数进行格式转换得到以字符编码形式表示的目标设备运行参数，并确定出与i台生产设备分别对应的j组目标设备运行参数。
通过执行上述步骤S211-步骤S215所描述的内容，能够将存储空间中的每组设备运行参数进行格式转换，从而将图数据格式的设备运行参数转换为字符编码格式的目标设备运行参数，这样，能够确保数据结构的统一性，确保后续能够直接对目标设备运行参数进行处理和使用。
在具体实施过程中，在准确确定每台生产设备的运行状态向量之后，为了快速且可靠地对生产设备进行调度以灵活调整工业园区的生产线，在上述步骤S21-步骤S24的基础上，所述方法还可以包括以下步骤。
步骤S25，根据预设的生产线信息集确定第一状态类别和第二状态类别；其中，所述第一状态类别用于表征处于连续运行状态的生产设备的运行状态向量所在的类别，所述第二状态类别用于表征处于间断运行状态的生产设备的运行状态向量所在的类别。
步骤26，从所述生产线信息集中确定当前生产线信息，根据当前生产线信息将每台生产设备对应的运行状态向量划分到所述第一状态类别或所述第二状态类别下，根据所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
在具体实施过程中，通过上述步骤S25-步骤S26所描述的内容，能够基于预设的生产线信息集确定第一状态类别和第二状态类别，然后根据当前生产线信息将每台生产设备对应的运行状态向量划分到第一状态类别或第二状态类别下，从而根据划分结果快速且可靠地对生产设备进行调度以灵活调整工业园区的生产线。
在上述步骤S25-S26的基础上，为了进一步快速且可靠地对生产设备进行调度，所述方法还可以包括以下步骤所描述的内容。
步骤S27，获取生产线调整指令。
步骤S28，根据所述生产线调整指令中的产线标识从所述生产线信息集中确定出目标生产线信息。
步骤S29，根据所述当前生产线信息将每台生产设备对应的运行状态向量在所述第一状态类别或所述第二状态类别下重新进行调整，并基于调整过后的所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
可以理解，通过上述内容，能够基于目标生产线信息将每台生产设备对应的运行状态向量在第一状态类别或第二状态类别下重新进行调整，从而提高运行状态向量调整的速度。这样，可以快速且可靠地对生产设备进行调度。
在实际应用时，发明人发现，在生成参数列表时，需要考虑不同生产设备的类型以避免这些生产设备间的异构性对参数列表的完整性产生影响。为实现上述目的，在步骤S22中，依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表的步骤，具体可以包括以下步骤所描述的内容。
步骤S221，提取每组设备类型信息的目标字段信息，并基于所述目标字段信息进行字段特征提取以得到每组设备类型信息的类型字段特征；其中，所述目标字段信息为每组设备类型信息中与所述大数据中心的参数列表线程相对应的信息。
步骤S222，将每组设备类型信息的类型字段特征与预设字段特征集中各样本类型信息的目标类型字段特征进行比较，得到比较结果；其中，所述预设字段特征集中保存有多个样本类型信息对应的目标类型字段特征以及所述目标类型字段特征所对应的异构系数。
步骤S223，在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征相似时，根据所述目标类型字段特征所对应的异构系数对所述设备类型信息的目标字段信息进行修正并设置第一标识；在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征不相似时，为所述设备类型信息对应的目标字段信息设置第二标识。
步骤S224，按照所述第一标识和所述第二标识的先后顺序将所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数进行一一对应，并基于所述一一对应结果生成所述参数列表。
可以理解，通过上述步骤S221-步骤S224所描述的内容，能够将不同生产设备的设备类型考虑在内，从而基于生产设备之间的异构系数对每组设备类型信息的目标字段信息进行修正和标识设置。这样，能够确保设备类型信息与运行时段参数的一一对应关系，避免对参数列表的完整性产生影响。如此，能够完整且准确地确定出参数列表。
在具体实施时，为了避免在查找目标列表单元的时出现重复查找的问题，在步骤S24中，查找所述特征列表中与每台生产设备对应的目标列表单元，具体可以包括：确定每台生产设备的设备类型信息在所述特征列表中的第一映射值以及设备运行参数在所述特征列表中的第二映射值；根据所述第一映射值和所述第二映射值确定每台生产设备在所述特征列表中的相对位置，按照所述相对位置确定每台生产设备对应的目标列表单元。
在上述内容中，第一映射值可以是列表的行数，第二映射值可以是列表的列数。通过上述内容，能够基于第一映射值和第二映射值准确查找每台生产设备对应的目标列表单元，避免在查找目标列表单元的时出现重复查找的问题。
在实际应用中，为了提高运行状态向量的确定速度，在步骤S24中，所述基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量，具体可以包括以下步骤所描述的内容。
步骤S241，将每台生产设备对应的j组设备运行参数进行聚类，得到每台生产设备对应的运行参数集。
步骤S242，提取所述运行参数集对应的聚类特征向量，将所述聚类特征向量与所述目标列表单元中状态权重最大的状态特征向量进行加权，得到每台生产设备对应的运行状态向量。
在应用上述步骤S241-步骤S242所描述的内容时，能够对每台生产设备对应的j组设备运行参数进行聚类，从而基于提取出的聚类特征向量对目标列表单元中状态权重最大的状态特征向量进行加权。这样，无需采用每组设备运行参数依次对状态特征向量进行修正，从而提高运行状态向量的确定速度。
在一种可替换的实施方式中，为了准确确定出每台生产设备对应的运行状态向量，需要避免向量加权过程中出现的误差，为此，在步骤S242中，所述将所述聚类特征向量与所述目标列表单元中状态权重最大的状态特征向量进行加权，得到每台生产设备对应的运行状态向量，进一步可以包括以下步骤所描述的内容。
步骤S2421，确定所述聚类特征向量的第一特征维度以及所述目标列表单元中状态权重最大的状态特征向量的第二特征维度。
步骤S2422，判断所述第一特征维度和所述第二特征维度是否相同；若相同，则进入步骤S2423；若不相同，则进入步骤S2424。
步骤S2423，在所述第一特征维度与所述第二特征维度相同时，按照所述第一特征维度和所述第二特征维度的对应关系将所述聚类特征向量与所述状态特征向量进行加权，得到所述运行状态向量。
步骤S2424，在所述第一特征维度和所述第二特征维度不相同时，获取所述聚类特征向量的聚类标识以及各特征向量值；若基于所述聚类标识判定出所述聚类特征向量中包含有动态维度分类时，根据所述聚类特征向量在所述动态维度分类中的特征向量值及其特征向量权重计算所述聚类特征向量在静态维度分类中的各特征向量值与所述聚类特征向量在所述动态维度分类中的各特征向量值之间的向量差值。
步骤S2425，依据所述向量差值将所述聚类特征向量在所述静态维度分类中目标特征向量值导入所述动态维度分类中；其中，若所述聚类特征向量在所述静态维度分类中包含有多个特征向量值时，根据所述聚类特征向量在所述动态维度分类中的特征向量值及其特征向量权重确定所述聚类特征向量在静态维度分类中的各特征向量值之间的向量差值，并根据所述各特征向量值之间的向量差值对所述静态维度分类中的各特征向量值进行分类，得到第一分类集合和第二分类集合。
步骤S2426，将所述第一分类集合中的各特征向量值导入所述动态维度分类中，根据所述聚类特征向量在所述静态维度分类中的特征向量值确定所述聚类特征向量的第一特征维度；在所述第一特征维度与所述第二特征维度相同时，按照所述第一特征维度和所述第二特征维度的对应关系将所述聚类特征向量与所述状态特征向量进行加权，得到所述运行状态向量。
在应用上述步骤S2421-步骤S2426所描述的内容时，能够在进行向量加权之前确保聚类特征向量与状态特征向量的维度的一致性，这样，能够避免向量加权过程中出现误差，进而准确确定出每台生产设备对应的运行状态向量。
在一个可替换的实施方式中，发明人发现，通过运行状态向量虽然能够对每台设备的设备运行状态进行确定，但是难以通过运行状态向量确定出每台生产设备的设备运行状态的详细内容和完整内容，这样难以满足后续对生产设备的运行日志的建立。因此，为了能够方便地建立每台生产设备的运行日志，在步骤S21-步骤S24的基础上，所述方法还可以包括以下步骤所描述的内容。
步骤S31，确定所述运行状态向量的每个状态向量值对应的状态标识信息及所述每个状态向量值的状态系数，所述状态系数表示所述运行状态向量的每个状态向量值的状态信息的大小；所述状态系数至少包括：表示所述运行状态向量的每个状态向量值的第一状态信息容量和第二状态信息容量。
步骤S32，获取与所述状态标识信息对应的预设标识清单，所述预设标识清单中包含有预先提取的状态标识信息的路径信息，所述状态标识信息的路径信息表示位于所述预设标识清单中且与所述状态标识信息对应的每个状态向量值的状态信息的还原路径；所述状态标识信息的路径信息至少包括：表示所述预设标识清单中与所述预设标识清单所包含的清单结构信息对应的每个状态向量值的第一状态信息容量和第二状态信息容量。
步骤S33，依据所述状态标识信息和状态系数，在所述预设标识清单中查找与所述运行状态向量中的每个向量值相匹配的目标路径信息，并按照每个目标路径信息对每个状态向量值进行还原，得到所述运行状态向量对应的设备运行状态信息。
可以理解，通过上述步骤S31-步骤S33，能够通过运行状态向量确定出每台生产设备的设备运行状态的详细和完整的设备运行状态信息，这样可以便于后续直接根据设备运行状态信息对生产设备的运行日志进行建立。
在上述基础上，本公开还揭示了与上述方法实施例对应的装置实施例，请集合参阅图3，关于结合智慧园区的设备运行状态确定装置310的具体描述如下。
A1.一种结合智慧园区的设备运行状态确定装置，应用于与多个生产设备通信的大数据中心，所述装置，包括：
参数确定模块311，用于从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数；其中，所述i台生产设备中至少包括m种运行状态标识；
列表生成模块312，用于依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表；其中，所述参数列表为i行j列；
特征提取模块313，用于按照预设的特征提取逻辑对所述参数列表进行特征提取，得到由所述i台生产设备的设备型号信息以及与所述i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表；其中，所述特征列表为i行m列；
向量修正模块314，用于查找所述特征列表中与每台生产设备对应的目标列表单元，并基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量；其中，所述运行状态向量用于表征生产设备的工作状态。
A2.根据A1所述的装置，所述装置，进一步还包括状态调度模块315，用于：
根据预设的生产线信息集确定第一状态类别和第二状态类别；其中，所述第一状态类别用于表征处于连续运行状态的生产设备的运行状态向量所在的类别，所述第二状态类别用于表征处于间断运行状态的生产设备的运行状态向量所在的类别；
从所述生产线信息集中确定当前生产线信息，根据当前生产线信息将每台生产设备对应的运行状态向量划分到所述第一状态类别或所述第二状态类别下，根据所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
A3.根据A2所述的装置，所述状态调度模块315，进一步用于：
获取生产线调整指令；
根据所述生产线调整指令中的产线标识从所述生产线信息集中确定出目标生产线信息；
根据所述当前生产线信息将每台生产设备对应的运行状态向量在所述第一状态类别或所述第二状态类别下重新进行调整，并基于调整过后的所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
A4.根据A1-A3任一项所述的装置，所述参数确定模块311，进一步用于：
获取所述存储空间中每组设备运行参数对应的图数据结构序列以及获取所述存储空间对应的数据存储格式序列；其中，所述图数据结构序列和所述数据存储格式序列中分别包含具有不同结构兼容度的数据单元，所述图数据结构序列用于表征设备运行参数在所述存储空间中的存储形式，所述数据存储格式序列用于表征所述存储空间在进行设备运行参数的存储时的数据格式转换逻辑；
提取所述每组设备运行参数在所述图数据结构序列的任一数据单元的第一结构参数段，将所述每组设备运行参数在所述数据存储格式序列中具有最小结构兼容度的数据单元确定为第一数据单元；
根据每台生产设备及其对应的设备运行参数将所述第一结构参数段投影到所述第一数据单元，在所述第一数据单元中得到第二结构参数段；基于所述第一结构参数段和所述第二结构参数段，生成所述存储空间对应于所述每组设备运行参数的第一结构转换列表；
以所述第二结构参数段为基准参数段在所述第一数据单元中获取第二结构参数段，根据与所述第一结构转换列表存在相反转换逻辑的第二结构转换列表，将所述第二结构参数段投影到所述第一结构参数段所在的第二数据单元，并在所述第一结构参数段所在的第二数据单元中得到与所述第二结构参数段对应的图数据关系序列；其中，每组图数据关系序列对应一组设备运行参数；
基于所述图数据关系序列将所述存储空间中的每组设备运行参数进行格式转换得到以字符编码形式表示的目标设备运行参数，并确定出与i台生产设备分别对应的j组目标设备运行参数。
A5.根据A1所述的装置，所述列表生成模块312，进一步用于：
提取每组设备类型信息的目标字段信息，并基于所述目标字段信息进行字段特征提取以得到每组设备类型信息的类型字段特征；其中，所述目标字段信息为每组设备类型信息中与所述大数据中心的参数列表线程相对应的信息；
将每组设备类型信息的类型字段特征与预设字段特征集中各样本类型信息的目标类型字段特征进行比较，得到比较结果；其中，所述预设字段特征集中保存有多个样本类型信息对应的目标类型字段特征以及所述目标类型字段特征所对应的异构系数；
在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征相似时，根据所述目标类型字段特征所对应的异构系数对所述设备类型信息的目标字段信息进行修正并设置第一标识；在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征不相似时，为所述设备类型信息对应的目标字段信息设置第二标识；
按照所述第一标识和所述第二标识的先后顺序将所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数进行一一对应，并基于所述一一对应结果生成所述参数列表。
A6.根据A1所述的装置，所述向量修正模块314，进一步用于：
确定每台生产设备的设备类型信息在所述特征列表中的第一映射值以及设备运行参数在所述特征列表中的第二映射值；
根据所述第一映射值和所述第二映射值确定每台生产设备在所述特征列表中的相对位置；
按照所述相对位置确定每台生产设备对应的目标列表单元。
A7.根据A1所述的装置，所述向量修正模块314，进一步用于：
将每台生产设备对应的j组设备运行参数进行聚类，得到每台生产设备对应的运行参数集；
提取所述运行参数集对应的聚类特征向量，将所述聚类特征向量与所述目标列表单元中状态权重最大的状态特征向量进行加权，得到每台生产设备对应的运行状态向量。
A8.根据A7所述的装置，所述向量修正模块314，进一步用于：
确定所述聚类特征向量的第一特征维度以及所述目标列表单元中状态权重最大的状态特征向量的第二特征维度；
判断所述第一特征维度和所述第二特征维度是否相同；
在所述第一特征维度与所述第二特征维度相同时，按照所述第一特征维度和所述第二特征维度的对应关系将所述聚类特征向量与所述状态特征向量进行加权，得到所述运行状态向量；
在所述第一特征维度和所述第二特征维度不相同时，获取所述聚类特征向量的聚类标识以及各特征向量值；若基于所述聚类标识判定出所述聚类特征向量中包含有动态维度分类时，根据所述聚类特征向量在所述动态维度分类中的特征向量值及其特征向量权重计算所述聚类特征向量在静态维度分类中的各特征向量值与所述聚类特征向量在所述动态维度分类中的各特征向量值之间的向量差值；
依据所述向量差值将所述聚类特征向量在所述静态维度分类中目标特征向量值导入所述动态维度分类中；其中，若所述聚类特征向量在所述静态维度分类中包含有多个特征向量值时，根据所述聚类特征向量在所述动态维度分类中的特征向量值及其特征向量权重确定所述聚类特征向量在静态维度分类中的各特征向量值之间的向量差值，并根据所述各特征向量值之间的向量差值对所述静态维度分类中的各特征向量值进行分类，得到第一分类集合和第二分类集合；
将所述第一分类集合中的各特征向量值导入所述动态维度分类中，根据所述聚类特征向量在所述静态维度分类中的特征向量值确定所述聚类特征向量的第一特征维度；在所述第一特征维度与所述第二特征维度相同时，按照所述第一特征维度和所述第二特征维度的对应关系将所述聚类特征向量与所述状态特征向量进行加权，得到所述运行状态向量。
A9根据A1所述的装置，所述装置，还包括信息还原模块316，用于：
确定所述运行状态向量的每个状态向量值对应的状态标识信息及所述每个状态向量值的状态系数，所述状态系数表示所述运行状态向量的每个状态向量值的状态信息的大小；所述状态系数至少包括：表示所述运行状态向量的每个状态向量值的第一状态信息容量和第二状态信息容量；
获取与所述状态标识信息对应的预设标识清单，所述预设标识清单中包含有预先提取的状态标识信息的路径信息，所述状态标识信息的路径信息表示位于所述预设标识清单中且与所述状态标识信息对应的每个状态向量值的状态信息的还原路径；所述状态标识信息的路径信息至少包括：表示所述预设标识清单中与所述预设标识清单所包含的清单结构信息对应的每个状态向量值的第一状态信息容量和第二状态信息容量；
依据所述状态标识信息和状态系数，在所述预设标识清单中查找与所述运行状态向量中的每个向量值相匹配的目标路径信息，并按照每个目标路径信息对每个状态向量值进行还原，得到所述运行状态向量对应的设备运行状态信息。
在上述实施例的基础上，本公开还提供一种上述装置所依附的大数据中心的硬件结构示意图，请结合参阅图4，所述大数据中心300包括处理器321以及与处理器321连接的内存322和网络接口323。其中，所述网络接口323与大数据中心300中的非易失性存储器连接324。进一步地，所述处理器321在运行时通过所述网络接口323从所述非易失性存储器324中调取计算机程序，并通过所述内存322运行所述计算机程序，以执行上述方法。
此外，本公开还揭示了一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在大数据中心300的内存322中运行时实现上述方法。
在执行本公开揭示的以上技术方案时，第一步确定i台生产设备分别对应的j组设备运行参数，第二步依据i台生产设备的设备类型信息以及j组设备运行参数的运行时段参数生成参数列表，第三步对参数列表进行特征提取，得到由i台生产设备的设备型号信息以及与i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表，第四步基于每台生产设备的j组设备运行参数对每个目标列表单元中状态权重最大的状态特征向量进行修正从而得到每台生产设备对应的运行状态向量。
这样以来，在确定运行状态向量时，能够将互相之间通信的生产设备的影响考虑在内，通过对状态权重最大的状态特征向量进行修正以消除生产设备之间的影响，从而在确定运行状态向量时实现噪声去除，从而准确地确定每个生产设备的工作状态，以减小生产设备调度的难度。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种结合智慧园区的设备运行状态确定方法，其特征在于，应用于与多个生产设备通信的大数据中心，所述方法包括：
从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数；其中，所述i台生产设备中至少包括m种运行状态标识；
依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表；其中，所述参数列表为i行j列；
按照预设的特征提取逻辑对所述参数列表进行特征提取，得到由所述i台生产设备的设备型号信息以及与所述i台生产设备分别对应的m种运行状态标识的影响权重形成的特征列表；其中，所述特征列表为i行m列；
查找所述特征列表中与每台生产设备对应的目标列表单元，并基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量；其中，所述运行状态向量用于表征生产设备的工作状态；
其中，所述方法还包括：
确定所述运行状态向量的每个状态向量值对应的状态标识信息及所述每个状态向量值的状态系数，所述状态系数表示所述运行状态向量的每个状态向量值的状态信息的大小；所述状态系数至少包括：表示所述运行状态向量的每个状态向量值的第一状态信息容量和第二状态信息容量；
获取与所述状态标识信息对应的预设标识清单，所述预设标识清单中包含有预先提取的状态标识信息的路径信息，所述状态标识信息的路径信息表示位于所述预设标识清单中且与所述状态标识信息对应的每个状态向量值的状态信息的还原路径；所述状态标识信息的路径信息至少包括：表示所述预设标识清单中与所述预设标识清单所包含的清单结构信息对应的每个状态向量值的第一状态信息容量和第二状态信息容量；
依据所述状态标识信息和状态系数，在所述预设标识清单中查找与所述运行状态向量中的每个向量值相匹配的目标路径信息，并按照每个目标路径信息对每个状态向量值进行还原，得到所述运行状态向量对应的设备运行状态信息。
2.根据权利要求1所述的方法，其特征在于，所述方法，进一步还包括：
根据预设的生产线信息集确定第一状态类别和第二状态类别；其中，所述第一状态类别用于表征处于连续运行状态的生产设备的运行状态向量所在的类别，所述第二状态类别用于表征处于间断运行状态的生产设备的运行状态向量所在的类别；
从所述生产线信息集中确定当前生产线信息，根据当前生产线信息将每台生产设备对应的运行状态向量划分到所述第一状态类别或所述第二状态类别下，根据所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
3.根据权利要求2所述的方法，其特征在于，所述方法，进一步包括：
获取生产线调整指令；
根据所述生产线调整指令中的产线标识从所述生产线信息集中确定出目标生产线信息；
根据所述当前生产线信息将每台生产设备对应的运行状态向量在所述第一状态类别或所述第二状态类别下重新进行调整，并基于调整过后的所述第一状态类别下的运行状态向量以及所述第二状态类别下的运行状态向量对每台生产设备的运行状态进行调度。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述从预设的用于存储设备运行参数的存储空间中确定出与i台生产设备分别对应的j组设备运行参数，进一步包括：
获取所述存储空间中每组设备运行参数对应的图数据结构序列以及获取所述存储空间对应的数据存储格式序列；其中，所述图数据结构序列和所述数据存储格式序列中分别包含具有不同结构兼容度的数据单元，所述图数据结构序列用于表征设备运行参数在所述存储空间中的存储形式，所述数据存储格式序列用于表征所述存储空间在进行设备运行参数的存储时的数据格式转换逻辑；
提取所述每组设备运行参数在所述图数据结构序列的任一数据单元的第一结构参数段，将所述每组设备运行参数在所述数据存储格式序列中具有最小结构兼容度的数据单元确定为第一数据单元；
根据每台生产设备及其对应的设备运行参数将所述第一结构参数段投影到所述第一数据单元，在所述第一数据单元中得到第二结构参数段；基于所述第一结构参数段和所述第二结构参数段，生成所述存储空间对应于所述每组设备运行参数的第一结构转换列表；
以所述第二结构参数段为基准参数段在所述第一数据单元中获取第二结构参数段，根据与所述第一结构转换列表存在相反转换逻辑的第二结构转换列表，将所述第二结构参数段投影到所述第一结构参数段所在的第二数据单元，并在所述第一结构参数段所在的第二数据单元中得到与所述第二结构参数段对应的图数据关系序列；其中，每组图数据关系序列对应一组设备运行参数；
基于所述图数据关系序列将所述存储空间中的每组设备运行参数进行格式转换得到以字符编码形式表示的目标设备运行参数，并确定出与i台生产设备分别对应的j组目标设备运行参数。
5.根据权利要求1所述的方法，其特征在于，所述依据所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数生成参数列表，进一步包括：
提取每组设备类型信息的目标字段信息，并基于所述目标字段信息进行字段特征提取以得到每组设备类型信息的类型字段特征；其中，所述目标字段信息为每组设备类型信息中与所述大数据中心的参数列表线程相对应的信息；
将每组设备类型信息的类型字段特征与预设字段特征集中各样本类型信息的目标类型字段特征进行比较，得到比较结果；其中，所述预设字段特征集中保存有多个样本类型信息对应的目标类型字段特征以及所述目标类型字段特征所对应的异构系数；
在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征相似时，根据所述目标类型字段特征所对应的异构系数对所述设备类型信息的目标字段信息进行修正并设置第一标识；在所述比较结果表征所述设备类型信息的类型字段特征与其对应的目标类型字段特征不相似时，为所述设备类型信息对应的目标字段信息设置第二标识；
按照所述第一标识和所述第二标识的先后顺序将所述i台生产设备的设备类型信息以及所述j组设备运行参数的运行时段参数进行一一对应，并基于所述一一对应结果生成所述参数列表。
6.根据权利要求1所述的方法，其特征在于，所述查找所述特征列表中与每台生产设备对应的目标列表单元，进一步包括：
确定每台生产设备的设备类型信息在所述特征列表中的第一映射值以及设备运行参数在所述特征列表中的第二映射值；
根据所述第一映射值和所述第二映射值确定每台生产设备在所述特征列表中的相对位置；
按照所述相对位置确定每台生产设备对应的目标列表单元。
7.根据权利要求1所述的方法，其特征在于，所述基于每台生产设备的j组设备运行参数，对所述目标列表单元中状态权重最大的状态特征向量进行修正，得到每台生产设备对应的运行状态向量，进一步包括：
将每台生产设备对应的j组设备运行参数进行聚类，得到每台生产设备对应的运行参数集；
提取所述运行参数集对应的聚类特征向量，将所述聚类特征向量与所述目标列表单元中状态权重最大的状态特征向量进行加权，得到每台生产设备对应的运行状态向量。
8.一种大数据中心，其特征在于，包括：
处理器，以及
与处理器连接的内存和网络接口；
所述网络接口与大数据中心中的非易失性存储器连接；
所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述权利要求1-7任一项所述的方法。
9.一种应用于计算机的可读存储介质，其特征在于，所述可读存储介质烧录有计算机程序，所述计算机程序在大数据中心的内存中运行时实现上述权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011199005.3A CN112306024A (zh) | 2020-05-08 | 2020-05-08 | 结合智慧园区的设备运行状态确定方法及大数据中心 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011199005.3A CN112306024A (zh) | 2020-05-08 | 2020-05-08 | 结合智慧园区的设备运行状态确定方法及大数据中心 |
| CN202010384725.0A CN111552247B (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备运行状态确定方法及大数据中心 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010384725.0A Division CN111552247B (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备运行状态确定方法及大数据中心 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112306024A true CN112306024A (zh) | 2021-02-02 |
Family
ID=72004480
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011199005.3A Withdrawn CN112306024A (zh) | 2020-05-08 | 2020-05-08 | 结合智慧园区的设备运行状态确定方法及大数据中心 |
| CN202011197902.0A Withdrawn CN112306023A (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备运行状态确定方法及大数据中心 |
| CN202010384725.0A Active CN111552247B (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备运行状态确定方法及大数据中心 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011197902.0A Withdrawn CN112306023A (zh) | 2020-05-08 | 2020-05-08 | 应用于智慧园区的设备运行状态确定方法及大数据中心 |
| CN202010384725.0A Active CN111552247B (zh) | 2020-05-08 | 2020-05-08 | 基于智慧园区的设备运行状态确定方法及大数据中心 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN112306024A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592043A (zh) * | 2021-10-02 | 2021-11-02 | 武汉聚财荣和科技有限公司 | 一种纸盒分类方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000321176A (ja) * | 1999-05-17 | 2000-11-24 | Mitsui Eng & Shipbuild Co Ltd | 異常検知方法および装置 |
| US8260900B2 (en) * | 2009-03-09 | 2012-09-04 | At&T Mobility Ii Llc | Network operation management |
| CA3072045A1 (en) * | 2017-08-02 | 2019-02-07 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for detection in an industrial internet of things data collection environment with large data sets |
| CN110647894B (zh) * | 2018-06-07 | 2022-05-10 | 佛山市顺德区美的电热电器制造有限公司 | 电器设备的故障诊断方法、***、云端服务器及存储介质 |
| CN109375609B (zh) * | 2018-10-18 | 2021-02-02 | 北京鼎力信安技术有限公司 | 异常攻击的检测方法及装置 |
| CN110009889A (zh) * | 2019-04-09 | 2019-07-12 | 湘潭大学 | 面向智能楼宇全直流微网的全息感知用电信息非冗余高效传输技术 |
-
2020
- 2020-05-08 CN CN202011199005.3A patent/CN112306024A/zh not_active Withdrawn
- 2020-05-08 CN CN202011197902.0A patent/CN112306023A/zh not_active Withdrawn
- 2020-05-08 CN CN202010384725.0A patent/CN111552247B/zh active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592043A (zh) * | 2021-10-02 | 2021-11-02 | 武汉聚财荣和科技有限公司 | 一种纸盒分类方法 |
| CN113592043B (zh) * | 2021-10-02 | 2021-12-07 | 武汉聚财荣和科技有限公司 | 一种纸盒分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112306023A (zh) | 2021-02-02 |
| CN111552247A (zh) | 2020-08-18 |
| CN111552247B (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113435509B (zh) | 基于元学习的小样本场景分类识别方法及*** | |
| US11188731B2 (en) | Feature data processing method and device | |
| CN111260220B (zh) | 群控设备识别方法、装置、电子设备和存储介质 | |
| CN111552247B (zh) | 基于智慧园区的设备运行状态确定方法及大数据中心 | |
| CN111432003B (zh) | 应用于云计算的数据推送方法、装置、电子设备及*** | |
| CN114255187A (zh) | 基于大数据平台的多层次多级图像优化方法及*** | |
| CN113743650B (zh) | 电力负荷预测方法、装置、设备与存储介质 | |
| US20080147576A1 (en) | Data processing apparatus, data processing method data processing program and computer readable medium | |
| CN117291259A (zh) | 算子优化方法、装置、电子设备及存储介质 | |
| CN115422486B (zh) | 基于人工智能的云服务在线页面优化方法及大数据*** | |
| CN115098482A (zh) | 一种不完整数据的修正补录方法 | |
| CN110348509B (zh) | 数据增广参数的调整方法、装置、设备及存储介质 | |
| CN113918696A (zh) | 基于k均值聚类算法的问答匹配方法、装置、设备及介质 | |
| CN113255927A (zh) | 逻辑回归模型训练方法、装置、计算机设备和存储介质 | |
| CN110716101A (zh) | 电力线路故障定位方法、装置、计算机和存储介质 | |
| CN117194991B (zh) | 基于gpu集群的高维数据推荐***及方法 | |
| CN111860635A (zh) | 一种使用Boosting训练集成SVM的方法、装置、终端及存储介质 | |
| CN114187593B (zh) | 一种图像处理方法及装置 | |
| CN115658990B (zh) | 一种用于目标空间分群的数据处理方法及装置 | |
| CN113657445B (zh) | 基于Resnet的单行文本图片比对方法及*** | |
| CN114240242A (zh) | 基于海鸥优化算法的工单排序方法、装置、终端及介质 | |
| CN113988185A (zh) | 数据处理方法及相关装置 | |
| CN118277952A (zh) | 一种极端环境下的电力感知数据自适应融合方法及*** | |
| CN116843465A (zh) | 风控模型的训练方法和装置、风险识别方法及装置 | |
| CN117150356A (zh) | 一种业务策略的调整方法、装置、存储介质及电子设备 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210202 |