CN112328420A - 一种设备故障检测的方法、装置和*** - Google Patents
一种设备故障检测的方法、装置和*** Download PDFInfo
- Publication number
- CN112328420A CN112328420A CN202011152229.9A CN202011152229A CN112328420A CN 112328420 A CN112328420 A CN 112328420A CN 202011152229 A CN202011152229 A CN 202011152229A CN 112328420 A CN112328420 A CN 112328420A
- Authority
- CN
- China
- Prior art keywords
- equipment
- fault
- data
- module
- maintenance terminal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种设备故障检测的方法,装置和***。该***包括相连的服务器和运维终端。其中运维终端连接被检测的设备。在服务器中,为各设备配置各种设备状态和设备故障对应的模型算法,形成状态配置表。状态配置表下发至运维终端。运维终端采集各设备的各种运行数据,并根据状态配置表通过执行模型算法的方法计算出各个设备的各种状态数据,然后通过执行模型算法的方法根据设备各个状态数据判断当前设备是否存在故障并确定故障等级。当存在故障时,运维终端首先根据设备的各种运行数据和状态数据初步分析故障可能的原因,然后将故障数据向服务器和庄家终端推送。
Description
技术领域
本发明涉及设备的智能运维管理。
背景技术
智能运维平台涉及运维方、产商方和客户方。产商方生产并提供设备;客户方购买并使用设备;智能运维平台则运维方为客户方提供设备使用的维护服务。每个客户方可能购买了多个产商方的多个不同种类的设备。产商方可能生产不同种类的设备。智能运维平台为客户方提供设备的维护服务时,需要采集各个产商所生产的各个设备的各种运行数据,然后根据各种运行数据分析各个设备的各种状态。显而易见地,运维方本身无法确切了解各种设备,无法确切知道各种设备需要采集哪些运行数据,无法知道各种设备需要分析哪些状态数据,也不知道如何根据这些状态数据判断是否存在设备故障,更不知道如何进行故障诊断。在这种情形下,运维方难以为客户方提供设备的使用维护。
发明内容
本发明所要解决的问题:构建一平台***,在运维方无需了解设备的前提下,为客户提供设备的使用维护。
为解决上述问题,本发明采用的方案如下:
根据本发明的一种设备故障检测的方法,该方法涉及服务器、运维终端和设备;所述设备连接所述运维终端;所述运维终端连接所述服务器;该方法包括如下步骤:
SS1:所述服务器为所述运维终端所连接的各设备配置各种设备状态对应的模型算法,形成状态配置表,然后将所述状态配置表和相应的模型算法发送至所述运维终端;
所述状态配置表存储有各设备的各种设备状态和其对应的模型算法的对应关系;
SM1:所述运维终端接收所述状态配置表和相应的模型算法,并将所接收的状态配置表和相应的模型算法的存储于所述运维终端;
SM2:所述运维终端接收接收所述运维终端所连接的各个设备的各种设备运行数据,并将所接收的各设备运行数据存储于所述运维终端;
SM3:所述运维终端根据所存储的各设备运行数据和状态配置表执行相应的模型算法,得到各设备的各种设备状态数据,并根据各种设备状态数据判断各设备是否存在故障。
进一步,根据本发明的设备故障检测的方法,所述运维终端以定时方式执行所述步骤SM3。
进一步,根据本发明的设备故障检测的方法,该方法还包括如下步骤:
SM4:当检测到某设备存在故障时,所述运维终端依据该设备的运行数据和状态数据初步分析故障可能的原因。
进一步,根据本发明的设备故障检测的方法,该方法还包括如下步骤:
SM5:所述运维终端将故障数据向所述服务器和专家终端推送;所述故障数据包括故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因。
根据本发明的一种设备故障检测的装置,该装置包括配置存储模块、数据存储模块和故障检测模块;
所述配置存储模块用于:接收服务器所发送的状态配置表和相应的模型算法,并将所接收的状态配置表和相应的模型算法的存储;
所述状态配置表存储有各设备的各种设备状态和其对应的模型算法的对应关系;
所述数据存储模块用于:接收所连接的各个设备的各种设备运行数据,并将所接收的各设备运行数据存储;
所述故障检测模块用于:根据所存储的各设备运行数据和状态配置表执行相应的模型算法,得到各设备的各种设备状态数据,并根据各种设备状态数据判断各设备是否存在故障。
进一步,根据本发明的设备故障检测的装置,还包括定时驱动模块;所述定时驱动模块用于:以定时方式驱动所述故障检测模块,使得所述故障检测模块能够定时分析设备是否存在故障。
进一步,根据本发明的设备故障检测的装置,还包括故障诊断模块;所述故障诊断模块用于:当所述故障检测模块检测到某设备存在故障时,依据该设备的运行数据和状态数据初步分析故障可能的原因。
进一步,根据本发明的设备故障检测的装置,还包括故障推送模块;所述故障推送模块用于:将故障数据向所述服务器和专家终端推送;所述故障数据包括故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因。
根据本发明的一种设备故障检测的***,该***包括配置于服务器的服务器端模块和配置于运维终端的运维终端模块;所述服务器端模块包括状态配置模块和配置下发模块;所述运维终端模块包括配置存储模块、数据存储模块和故障检测模块;
所述状态配置模块用于:为所述运维终端所连接的各设备配置各种设备状态对应的模型算法,形成状态配置表;
所述状态配置表存储有各设备的各种设备状态和其对应的模型算法的对应关系;
所述配置下发模块用于:将所述状态配置表和相应的模型算法发送至所述运维终端;
所述配置存储模块用于:接收所述状态配置表和相应的模型算法,并将所接收的状态配置表和相应的模型算法的存储于所述运维终端;
所述数据存储模块用于:接收所述运维终端所连接的各个设备的各种设备运行数据,并将所接收的各设备运行数据存储于所述运维终端;
所述故障检测模块用于:根据所存储的各设备运行数据和状态配置表执行相应的模型算法,得到各设备的各种设备状态数据,并根据各种设备状态数据判断各设备是否存在故障。
进一步,根据本发明的设备故障检测的***,所述运维终端模块还包括定时驱动模块;所述定时驱动模块用于:以定时方式驱动所述故障检测模块,使得所述故障检测模块能够定时分析设备是否存在故障。
进一步,根据本发明的设备故障检测的***,所述运维终端模块还包括故障诊断模块;所述故障诊断模块用于:当所述故障检测模块检测到某设备存在故障时,依据该设备的运行数据和状态数据初步分析故障可能的原因。
进一步,根据本发明的设备故障检测的***,所述运维终端模块还包括故障推送模块;所述故障推送模块用于:将故障数据向所述服务器和专家终端推送;所述故障数据包括故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因。
本发明的技术效果如下:根据本发明的方法,运维方对设备无需过多的了解,只需要根据产商方提供的配置,执行由产商方提供的模型算法,根据模型算法执行的结果判断是否存在设备故障,并对设备故障进行诊断。从而使得运维方能够为客户提供必要的运维服务。而对于客户方而言,客户方可以将所有设备纳入统一的维护管理,并且能够委托第三方为设备进行运维管理,使得客户方能够更为专注于业务而不是设备本身。
附图说明
图1是本发明设备故障检测的***实施例的整体结构示意图。
图1中,1是服务器端模块,11是数据配置模块,111是终端配置模块,112是设备配置模块,113是模型算法模块,114是状态配置模块,12是配置下发模块,13是故障业务模块;2是运维终端模块,21是配置存储模块,22是数据存储模块,23是设备运维模块,231是故障检测模块,232是故障诊断模块,233是故障推送模块,239是定时驱动模块。
图2是本发明所涉及的智能运维平台结构示意图。
其中,100是服务器,200是运维终端,300是产商终端,400是设备,500是专家终端,900是网络。
具体实施方式
下面结合附图对本发明做进一步详细说明。
本实施例涉及一种智能运维平台。该平台如图2所示包括服务器100、若干运维终端200、若干产商终端300和若干专家终端500。各运维终端200和产商终端300通过网络900连接服务器100。运维终端200各自连接有被纳入运维管理的众多设备400。各运维终端200通常分别属于不同的客户。各运维终端200为各自对应的客户的设备400提供运维服务。运维终端200,接收所连接的各个设备400的各种运行数据并存储,然后通过对所存储的运行数据进行分析计算各个设备400的状态数据,然后根据状态数据判断是否存在故障并确定故障等级,再根据运行数据、状态数据初步分析故障可能的原因,再将故障数据推送至服务器100和专家终端500。服务器100根据故障数据生成设备故障维修业务。在故障原因较为确定的情形下,可以直接根据设备故障维修业务指派设备维护工作人员对故障设备进行维修。在故障原因不明的情况下,专家终端500对应的专家根据专家终端500所接收的故障信息对故障进行人工诊断,直到故障原因较为确定的情形下,根据设备故障维修业务指派设备维护工作人员对故障设备进行维修。运维终端200分析设备400的状态数据,以及根据状态数据判断是否存在故障并确定故障等级均通过执行由产商方提供的模型算法实现。
本发明的设备故障检测的***和方法主要涉及上述智能运维平台中服务器100和运维终端200之间的交互,通过服务器100和运维终端200执行程序指令集实现。具体来说,本实施例的批量设备故障检测的***,参照图1,包括由服务器100执行程序指令集而实现的服务器端模块1、由运维终端200执行程序指令集而实现的运维终端模块2。显而易见地,服务器端模块1配置于服务器100,运维终端模块2配置于运维终端200。
如图1所示,本实施例中,服务器端模块1包括数据配置模块11、配置下发模块12和故障业务模块13。数据配置模块11用于配置数据。数据配置模块11配置的数据包括:运维终端信息、设备运行信息、模型算法信息和状态接口信息。相应地,数据配置模块11分成:终端配置模块111、设备配置模块112、模型算法模块113和状态配置模块114。
终端配置模块111用于配置当前服务器所连接的运维终端,具体而言,也就是接收运维终端信息并持续化存储。运维终端信息至少包括终端地址信息、终端识别码、客户识别码。终端地址信息用于定义运维终端200的网络地址。在运维终端200处于内网的情形下,运维终端200的网络地址包括内网外网连接网关地址信息。终端识别码用于定义运维终端200的唯一识别码。客户识别码用于定义运维终端200对应的客户的信息。客户识别码可以是客户的索引号,也可以是客户名称。服务器100持续化运维终端信息时通常以数据库方式存储。
设备配置模块112用于配置运维终端所连接的设备,具体而言,也就是,接收设备运维信息并持续化存储。设备运维信息包含了运维终端200和设备运行信息的对应关系,至少包括终端识别码和设备运行信息。设备运行信息包括设备基本信息和设备运行数据信息。设备基本信息至少包括设备类型信息、设备识别码和设备地址信息。设备类型信息用于定义设备400的类型和/或型号和/或供应商信息。设备识别码信息用于定义设备400的唯一识别码。设备地址信息用于定义设备的物理位置和/或端口地址。设备运行数据信息用于定义运维终端200所需采集的运行数据。运维终端依据设备运行数据信息接收设备运行数据并依据设备运行数据信息进行持续化存储设备运行数据。服务器100持续化存储设备运维信息时,通常以数据库方式存储。
需要指出的是,服务器100所存储的运维终端信息和服务器100实际所连接的运维终端200是一致的;服务器100所存储的设备运维信息和运维终端200实际所连接的设备400是一致的。运维终端信息和设备运维信息通常由人工设定。也就是,前述“接收运维终端信息”中,接收的是由人工输入的运维终端信息;前述“接收设备运维信息”中,接收的是由人工输入的设备运维信息。此外需要指出的是,虽然设备运行信息由人工输入,但其中很多信息由设备的产商方提供,比如设备运行数据信息由设备产商方提供。
模型算法模块113用于配置模型算法,具体而言,也就是接收模型算法信息并持续化存储。模型算法信息,由设备产商方提供,包括模型算法程序指令集和模型算法描述信息。其中,模型算法程序指令集也就是模型算法的程序包,是可以被机器执行的程序指令集,可以采用脚本语言编写得到,也可以采用java、Python等语言编写得到。模型算法信息包含了某个型号或类型的设备400的相关的模型算法。这些模型算法所对应的设备400的型号或类型定义于模型算法设备信息。模型算法设备信息用于定义这些模型算法所针对设备类别和设备型号。也就是,模型算法针对某种特定的设备。由于每种设备存在不同的状态数据需要通过模型算法分析得到,而且故障的确定也需要通过模型算法得到,因此,该模型算法实质上包含了一系列该设备所对应的模型算法接口。根据模型算法编写所采用语言的不同,模型算法接口可以由函数实现或者类的方法实现。比如,本实施例中,模型算法程序指令集采用java语言,模型算法程序指令集定义在java的class文件包中,每个这样的class文件包对应某个型号或类型的设备400的对应的模型算法接口的集合。
模型算法接口分成三类:第一类是故障确定接口,第二类是状态数据接口,第三类是中间数据接口。故障确定接口对应于设备的某种设备故障的故障状态数据。故障状态数据对应于某种设备故障,是模型算法根据针对该设备故障的故障确定接口进行计算后得到的数据。运维终端200根据相应的设备状态数据执行故障确定接口可以判断设备是否存在故障并确定故障等级。通常,故障状态数据以故障等级表示。比如故障等级分为0至5级;其中,0级故障表示不存在设备故障;1~5级表示存在设备故障,但故障等级不同。状态数据接口对应于设备的某个方面设备状态相关的状态数据。状态数据对应于某个设备状态,是模型算法根据针对该设备状态的状态数据接口进行计算后得到的数据。运维终端200根据相应的设备运行数据和/或中间数据执行状态数据接口得到相应设备状态对应的状态数据。中间数据接口用于计算出某些中间数据,这些中间数据并不直接和设备状态相关,但当运维终端200通过执行状态数据接口得到状态数据时可能需要引用这些中间数据。此外,计算某些中间数据时也还可能需要引用另外一些中间数据。
模型算法接口有关设备故障和设备状态的对应关系定义于模型算法描述信息的接口描述表。模型算法描述信息包括模型算法名称、模型算法设备信息、模型算法版本信息以及接口描述表。接口描述表是模型算法接口的接口描述信息的集合。接口描述信息包括接口信息和接口说明。接口信息包括接口名称和输入参数。接口说明包括功能说明、接口状态信息、所需引用的运行数据、状态数据和中间数据。模型算法设备信息定义了可应用该模型算法的设备类型信息表。设备类型信息表是设备类型信息的集合。设备类型信息是设备的类型或型号信息。模型算法版本信息包括模型算法的版本号。接口状态信息用于定义该接口对应的设备状态或对应的设备故障或对应的中间数据。
模型算法模块113中,接收模型算法信息时,模型算法程序指令集和模型算法描述信息通常以文件定义;而在模型算法信息持续化存储时,模型算法程序指令集通常以文件方式存储,模型算法描述信息通常以数据库的方式存储。比如本实施例中,接收模型算法信息时,模型算法程序指令集定义在class文件包中,而模型算法描述信息定义在XML格式的文件中;而在模型算法信息持续化存储时,模型算法程序指令集以class文件包方式存储,模型算法描述信息以数据库方式存储。以数据库方式存储模型算法描述信息时,数据库中保存了该模型算法描述信息所对应的模型算法程序指令集的文件索引。
模型算法信息可以通过UI界面由用户输入的方式实现接收,也可以通过连接产商终端300然后接收由产商终端300发送的模型算法信息的方式实现。
状态配置模块114用于配置设备的状态接口信息,具体而言,也就是接收状态接口信息并持续化存储。如前所述,对于某一模型算法对应有模型算法设备信息。而模型算法设备信息是设备类型信息的集合。这意味着该模型算法可适用于多种设备。不同的模型算法所适用的设备可能存在交错,导致对于某个特定的设备可能适用的模型算法存在多个。比如,模型算法A适用的设备类型为C1,C2,C3;模型算法B适用的设备类型为C3,C4,C5。于是对于设备类型为C3的设备可能存在两种适用的模型算法A和B。也就是说,对于某一特定的设备其适用的模型算法并不唯一。此外,设备配置模块112所存储的设备运行信息中并不包含设备所需分析的设备状态和设备故障。设备所需分析的设备状态和设备故障相关的信息由模型算法本身所确定。也就是说,设备状态和设备故障源自于模型算法能够分析到的程度。特别地,模型算法本身还存在版本的问题。不同版本的模型算法所适用的设备类型显而易见地存在交错,所能够分析到的设备状态和设备故障的程度显而易见的不同。另一方面,运维终端200执行模型算法需要向产商方支付相应的版权使用费。由于不同版本的模型算法所能够分析的数据不同,因而所需支付的版权使用费存在不同。以上所有这些原因要求设备不能自动指定某一特定的模型算法,需要人工配置。前述的“接收设备的状态接口信息”也就是接收人工配置的状态接口信息。状态接口信息定义了设备状态设备故障与模型算法接口之间的对应关系。前述的状态配置表则是状态接口信息的集合。
配置下发模块12用于将运维终端所对应的配置数据发送至运维终端。运维终端所对应的配置数据包括设备运行信息、模型算法信息和状态接口信息。也就是,设备配置模块、模型算法模块和状态配置模块所存储的与该运维终端相关的配置数据。需要指出的是,模型算法信息中的模型算法程序指令集可能数据量较大,可以采用断点续传的方式传送至运维终端。
如图1所示,运维终端模块2包括配置存储模块21、数据存储模块23和设备运维模块23。其中,配置存储模块21用于接收服务器100通过配置下发模块12所发送的配置数据并存储,也就是,配置数据也就是前述的设备运行信息、模型算法信息和状态接口信息。数据存储模块23用于接收设备400所发送的设备运行数据并存储。数据存储模块23依照设备运行信息中设备运行数据信息接收设备运行数据,并依照设备运行信息中设备运行数据信息进行存储设备运行数据。设备运维模块23包括故障检测模块231、故障诊断模块232和故障推送模块233。故障检测模块231连接有定时驱动模块239,并由定时驱动模块239定时驱动,使得故障检测模块231能够定时检测各设备是否存在故障。需要指出的是,本发明中,定时是指按一定的时间间隔的意思。定时驱动模块239定时间隔可以是30分钟,或者1小时,或者6小时,或者24小时等等。定时驱动模块239定时间隔也可以取决于故障检测模块231执行模型算法的时间。
故障检测模块231通过执行模型算法实现设备是否存在故障的检测,具体步骤如下:
首先,根据状态配置表提取各个设备的设备状态和设备故障所需执行的模型算法接口,然后依据模型算法接口之间的调用关系对同一设备所需执行的各个模型算法接口进行排序,得到排序后的模型算法接口队列,使得被调用的模型算法接口排列在调用该被调用的模型算法接口之前。然后依据排序后的模型算法接口队列打包成程序指令集从而形成模型算法的汇总接口。故障检测模块231调用该模型算法的汇总接口,使得运维终端200按照排序后的模型算法接口队列执行各个模型算法接口。显而易见地,由于故障设备所需执行的模型算法接口依赖于设备状态所需执行的模型算法接口,因此,上述排序后,故障检测模块231首先将执行设备状态所对应的模型算法接口,然后再执行相应的设备故障所对应的模型算法接口。执行设备状态所对应的模型算法接口得到设备状态数据。执行设备故障所对应的模型算法接口时则将其中的某些设备状态数据作为输入参数。执行设备故障所对应的模型算法接口后得到设备故障对应的设备故障状态数据。设备故障状态数据也就是前述的故障等级。当计算得到的故障等级为0时表示对应的设备故障不存在;当计算得到的故障等级为非0时表示存在对应的设备故障。
故障诊断模块232用于:当所述故障检测模块检测到某设备存在故障时,依据该设备的运行数据和状态数据初步分析故障可能的原因。这里,“检测到某设备存在故障”也就是前述得到的故障等级不为0的情形。
故障诊断模块232初步分析得到故障可能的原因后,将故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因组成故障数据。故障数据通过故障推送模块233向服务器100和专家终端500推送。服务器100的故障业务模块接收到运维终端200所发送的故障数据后,根据故障数据生成设备故障维修业务。
故障诊断模块232所作出的故障诊断为初步诊断,通过一些专家经验数据的对比找出故障可能的原因。这些可能的原因范围比较大,通常需要专家进行进一步的人工诊断。专家人工诊断依据专家终端500所接收的到故障数据,其具体操作不是本发明所讨论的范畴,本说明书不再赘述。
本实施例的设备故障检测的方法包括如下步骤:
第一、初始配置步骤。初始配置步骤中,服务器100首先配置数据,配置的数据包括:运维终端信息、设备运行信息、模型算法信息和状态接口信息,然后将配置的数据下发至运维终端200。运维终端200接收到配置数据后存储。
第二、数据采集步骤。数据采集步骤中,运维终端200根据所存储的设备运行信息中的设备运行数据信息接收设备的运行数据。设备的运行数据根据其接收的时序存储成时序化的设备运行数据。
第三、故障检测初始化步骤。故障检测初始化步骤中,运维终端200根据状态接口信息所组成的状态配置表,提取各个设备的设备状态和设备故障所需执行的模型算法接口,然后依据模型算法接口之间的调用关系对同一设备所需执行的各个模型算法接口进行排序,得到排序后的模型算法接口队列,使得被调用的模型算法接口排列在调用该被调用的模型算法接口之前。然后依据排序后的模型算法接口队列打包成程序指令集从而形成模型算法的汇总接口。
第四、设备运维步骤。设备运维步骤中,运维终端200以定时的方式执行故障检测步骤。故障检测步骤中,运维终端200通过调用模型算法的汇总接口而执行设备状态的模型算法计算和设备故障的模型算法计算。执行设备装填的模型算法计算得到各设备的各种设备状态数据;执行设备故障的模型算法计算得到各设备是否存在故障。执行设备装填的模型算法时以各设备时序化的设备运行数据作为输入;执行设备故障的模型算法时以各个设备的各种设备状态数据作为输入。得到的各设备状态数据和故障状态数据在运维终端200中分设备时序化存储。
第五、故障诊断步骤。当检测到设备存在故障时,依据该故障设备的运行数据和状态数据初步分析故障可能的原因。
第六、故障推送步骤。将故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因组成故障数据。然后将故障数据向服务器100和专家终端500推送。
Claims (12)
1.一种设备故障检测的方法,其特征在于,该方法涉及服务器、运维终端和设备;所述设备连接所述运维终端;所述运维终端连接所述服务器;该方法包括如下步骤:
SS1:所述服务器为所述运维终端所连接的各设备配置各种设备状态和设备故障对应的模型算法,形成状态配置表,然后将所述状态配置表和相应的模型算法发送至所述运维终端;
所述状态配置表存储有各设备的各种设备状态、设备故障和其对应的模型算法的对应关系;
SM1:所述运维终端接收所述状态配置表和相应的模型算法,并将所接收的状态配置表和相应的模型算法的存储于所述运维终端;
SM2:所述运维终端接收接收所述运维终端所连接的各个设备的各种设备运行数据,并将所接收的各设备运行数据存储于所述运维终端;
SM3:所述运维终端根据所存储的各设备运行数据和状态配置表执行相应的模型算法,得到各设备的各种设备状态数据,并根据各种设备状态数据判断各设备是否存在故障。
2.如权利要求1所述的批量设备故障检测的方法,其特征在于,所述运维终端以定时方式执行所述步骤SM3。
3.如权利要求1或2所述的批量设备故障检测的方法,其特征在于,该方法还包括如下步骤:
SM4:当检测到某设备存在故障时,所述运维终端依据该设备的运行数据和状态数据初步分析故障可能的原因。
4.如权利要求3所述的批量设备故障检测的方法,其特征在于,该方法还包括如下步骤:
SM5:所述运维终端将故障数据向所述服务器和专家终端推送;所述故障数据包括故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因。
5.一种设备故障检测的装置,其特征在于,该装置包括配置存储模块、数据存储模块和故障检测模块;
所述配置存储模块用于:接收服务器所发送的状态配置表和相应的模型算法,并将所接收的状态配置表和相应的模型算法的存储;
所述状态配置表存储有各设备的各种设备状态、各种设备故障和其对应的模型算法的对应关系;
所述数据存储模块用于:接收所连接的各个设备的各种设备运行数据,并将所接收的各设备运行数据存储;
所述故障检测模块用于:根据所存储的各设备运行数据和状态配置表执行相应的模型算法,得到各设备的各种设备状态数据,并根据各种设备状态数据判断各设备是否存在故障。
6.如权利要求5所述的设备故障检测的装置,其特征在于,还包括定时驱动模块;所述定时驱动模块用于:以定时方式驱动所述故障检测模块,使得所述故障检测模块能够定时分析设备是否存在故障。
7.如权利要求5或6所述的设备故障检测的装置,其特征在于,还包括故障诊断模块;所述故障诊断模块用于:当所述故障检测模块检测到某设备存在故障时,依据该设备的运行数据和状态数据初步分析故障可能的原因。
8.如权利要求7所述的设备故障检测的装置,其特征在于,还包括故障推送模块;所述故障推送模块用于:将故障数据向所述服务器和专家终端推送;所述故障数据包括故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因。
9.一种设备故障检测的***,其特征在于,该***包括配置于服务器的服务器端模块和配置于运维终端的运维终端模块;所述服务器端模块包括状态配置模块和配置下发模块;所述运维终端模块包括配置存储模块、数据存储模块和故障检测模块;
所述状态配置模块用于:为所述运维终端所连接的各设备配置各种设备状态和设备故障对应的模型算法,形成状态配置表;
所述状态配置表存储有各设备的各种设备状态设备故障和其对应的模型算法的对应关系;
所述配置下发模块用于:将所述状态配置表和相应的模型算法发送至所述运维终端;
所述配置存储模块用于:接收所述状态配置表和相应的模型算法,并将所接收的状态配置表和相应的模型算法的存储于所述运维终端;
所述数据存储模块用于:接收所述运维终端所连接的各个设备的各种设备运行数据,并将所接收的各设备运行数据存储于所述运维终端;
所述故障检测模块用于:根据所存储的各设备运行数据和状态配置表执行相应的模型算法,得到各设备的各种设备状态数据,并根据各种设备状态数据判断各设备是否存在故障。
10.如权利要求9所述的设备故障检测的***,其特征在于,所述运维终端模块还包括定时驱动模块;所述定时驱动模块用于:以定时方式驱动所述故障检测模块,使得所述故障检测模块能够定时分析设备是否存在故障。
11.如权利要求9或10所述的设备故障检测的***,其特征在于,所述运维终端模块还包括故障诊断模块;所述故障诊断模块用于:当所述故障检测模块检测到某设备存在故障时,依据该设备的运行数据和状态数据初步分析故障可能的原因。
12.如权利要求11所述的设备故障检测的***,其特征在于,所述运维终端模块还包括故障推送模块;所述故障推送模块用于:将故障数据向所述服务器和专家终端推送;所述故障数据包括故障设备的设备信息、故障设备的运行数据和状态数据、故障状态数据以及初步分析得到的故障可能的原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011152229.9A CN112328420A (zh) | 2020-10-26 | 2020-10-26 | 一种设备故障检测的方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011152229.9A CN112328420A (zh) | 2020-10-26 | 2020-10-26 | 一种设备故障检测的方法、装置和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112328420A true CN112328420A (zh) | 2021-02-05 |
Family
ID=74312360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011152229.9A Pending CN112328420A (zh) | 2020-10-26 | 2020-10-26 | 一种设备故障检测的方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112328420A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191326A (zh) * | 2021-06-15 | 2021-07-30 | 上海势炎信息科技有限公司 | 跨平台远程协助方法、***、电子设备及存储介质 |
CN114647234A (zh) * | 2022-05-23 | 2022-06-21 | 医链数科医疗科技(江苏)有限公司 | 一种基于物联网的医疗设备监控方法、装置及存储介质 |
CN117115937A (zh) * | 2023-10-20 | 2023-11-24 | 湖南半岛医疗科技有限公司 | 设备运行状态监测方法、装置、云端设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140324386A1 (en) * | 2013-04-29 | 2014-10-30 | Enernoc, Inc. | Building management system false-positive fault indications reduction mechanism |
CN109538459A (zh) * | 2018-10-17 | 2019-03-29 | 重庆川仪自动化股份有限公司 | 基于联网的机泵设备故障监测运维***及方法 |
CN110769032A (zh) * | 2019-09-18 | 2020-02-07 | 国网江苏省电力有限公司 | 一种电网设备故障快速检测与维护的***及方法 |
CN111247552A (zh) * | 2017-10-18 | 2020-06-05 | 三星电子株式会社 | 数据学习服务器以及用于生成和使用其学习模型的方法 |
-
2020
- 2020-10-26 CN CN202011152229.9A patent/CN112328420A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140324386A1 (en) * | 2013-04-29 | 2014-10-30 | Enernoc, Inc. | Building management system false-positive fault indications reduction mechanism |
CN111247552A (zh) * | 2017-10-18 | 2020-06-05 | 三星电子株式会社 | 数据学习服务器以及用于生成和使用其学习模型的方法 |
CN109538459A (zh) * | 2018-10-17 | 2019-03-29 | 重庆川仪自动化股份有限公司 | 基于联网的机泵设备故障监测运维***及方法 |
CN110769032A (zh) * | 2019-09-18 | 2020-02-07 | 国网江苏省电力有限公司 | 一种电网设备故障快速检测与维护的***及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191326A (zh) * | 2021-06-15 | 2021-07-30 | 上海势炎信息科技有限公司 | 跨平台远程协助方法、***、电子设备及存储介质 |
CN113191326B (zh) * | 2021-06-15 | 2024-07-12 | 上海势炎信息科技有限公司 | 跨平台远程协助方法、***、电子设备及存储介质 |
CN114647234A (zh) * | 2022-05-23 | 2022-06-21 | 医链数科医疗科技(江苏)有限公司 | 一种基于物联网的医疗设备监控方法、装置及存储介质 |
CN117115937A (zh) * | 2023-10-20 | 2023-11-24 | 湖南半岛医疗科技有限公司 | 设备运行状态监测方法、装置、云端设备及存储介质 |
CN117115937B (zh) * | 2023-10-20 | 2024-01-19 | 湖南半岛医疗科技有限公司 | 设备运行状态监测方法、装置、云端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112328420A (zh) | 一种设备故障检测的方法、装置和*** | |
CN109361562B (zh) | 一种基于关联网络设备接入的自动化测试方法 | |
CN111756582B (zh) | 基于nfv日志告警的业务链监控方法 | |
JPH01243135A (ja) | コンピュータ・システムにおける問題解決方法 | |
CN108737182A (zh) | ***异常的处理方法及*** | |
CN110445688A (zh) | 基于数据收集的接口服务功能监测方法及*** | |
WO2012177672A1 (en) | Method and apparatus to manage information between a scan tool and networked devices | |
CN110232014A (zh) | 业务流程自动化测试方法、装置、控制器及介质 | |
CN108010305B (zh) | 一种综合能源管理平台数据采集故障的自诊断方法 | |
CN113704089B (zh) | 一种全场景的gsm-r接口服务器测试平台*** | |
CN113946499A (zh) | 一种微服务链路跟踪及性能分析方法、***、设备及应用 | |
CN115686540A (zh) | 基于鸿蒙***的rpa控制方法及*** | |
CN111984442A (zh) | 计算机集群***的异常检测方法及装置、存储介质 | |
CN110489317A (zh) | 基于工作流的云***任务运行故障诊断方法与*** | |
CN111913824A (zh) | 确定数据链路故障原因的方法及相关设备 | |
CN113392893A (zh) | 业务故障的定位方法、装置、存储介质及计算机程序产品 | |
CN110968479B (zh) | 一种针对应用程序的业务级全链路监控方法及服务器 | |
CN109409948B (zh) | 交易异常检测方法、装置、设备及计算机可读存储介质 | |
CN113778960A (zh) | 一种物联网***的故障确定方法、装置及存储介质 | |
CN114488997B (zh) | Ecu刷写的方法、装置、电子设备及存储介质 | |
CN112965793B (zh) | 一种面向标识解析数据的数据仓库任务调度方法和*** | |
CN113495750B (zh) | 一种设备的升级检测方法、装置及服务器 | |
CN111966394B (zh) | 基于etl的数据分析方法、装置、设备和存储介质 | |
CN110095144A (zh) | 一种终端设备本地故障识别方法及*** | |
CN113592108A (zh) | 一种充电桩的充电故障管理方法及相关设备 |
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 |