CN117371982A - 一种基于大数据的设备运行数据管理***及方法 - Google Patents

一种基于大数据的设备运行数据管理***及方法 Download PDF

Info

Publication number
CN117371982A
CN117371982A CN202311334583.7A CN202311334583A CN117371982A CN 117371982 A CN117371982 A CN 117371982A CN 202311334583 A CN202311334583 A CN 202311334583A CN 117371982 A CN117371982 A CN 117371982A
Authority
CN
China
Prior art keywords
maintenance
fault
equipment
personnel
matching
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
Application number
CN202311334583.7A
Other languages
English (en)
Inventor
王金裕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Diyuante Technology Co ltd
Original Assignee
Wuxi Diyuante Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Diyuante Technology Co ltd filed Critical Wuxi Diyuante Technology Co ltd
Priority to CN202311334583.7A priority Critical patent/CN117371982A/zh
Publication of CN117371982A publication Critical patent/CN117371982A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/0633—Workflow analysis
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的设备运行数据管理***及方法，属于任务调度技术领域。***包括数据采集模块、数据处理模块、运行管理模块和数据存储模块；数据采集模块用于采集故障设备信息、维修人员信息和维修日志信息；数据处理模块对数据采集模块采集的信息进行分析，筛选出满足执行任务条件的人员，计算出这些人员与故障设备之间的匹配程度；运行管理模块根据匹配程度为每台故障设备匹配最合适的维修人员，生成维修订单后加入到对应维修人员的维修计划中；数据存储模块收集每个维修人员维修过程中的信息存储为维修日志。本发明通过对维修日志进行分析处理，为每台故障设备动态匹配最合适的维修人员，提高维修效率，减少维修时间和成本。

Description

一种基于大数据的设备运行数据管理***及方法
技术领域
本发明涉及任务调度技术领域，具体为一种基于大数据的设备运行数据管理***及方法。
背景技术
设备运行数据是指设备在运行过程中所产生的各种数据，包括实时监测数据、故障报警数据、运行参数数据、维修日志数据、能耗数据等。在设备运行数据管理中，维修数据管理是其中一个重要的方面。维修数据管理主要涉及对设备维修过程中产生的各类数据进行有效管理和分析，以提高维修工作的效率和质量。
现阶段，针对故障设备的维修工作通常分为两个部分：机器报警和人工指派。当故障监测***发现设备出现故障时会自动报警，并将故障信息发送给维修主管或运维人员，维修主管或运维人员根据主观判断和经验，将任务指派给维修人员或自己前往解决。然而，这种方式存在一些问题。首先，维修人员的选择通常是基于经验或主观判断甚至随机选择，可能会导致维修人员的选择不准确，无法充分发挥其能力和潜力。其次，维修人员的技能水平和维修效率可能存在差异，导致维修时间和维修质量的不稳定性。此外，在空间范围较大时，往往不能第一时间选择合适距离的维修人员，导致造成维修人员工作时间的浪费。最后，由于维修任务的分配通常是固定的，可能出现维修人员之间任务负载不均衡的情况。所以，如何科学合理的进行维修任务的动态派发，对于这类问题的研究与解决也变得越来越重要。
发明内容
本发明的目的在于提供一种基于大数据的设备运行数据管理***及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的设备运行数据管理***，该管理***包括数据采集模块、数据处理模块、运行管理模块和数据存储模块。
所述数据采集模块用于采集故障设备信息、维修人员信息和维修日志信息；所述数据处理模块对数据采集模块采集的信息进行分析，筛选出满足执行任务条件的人员，计算出这些人员与故障设备之间的匹配程度；所述运行管理模块根据匹配程度为每台故障设备匹配最合适的维修人员，生成维修订单后加入到对应维修人员的维修计划中；所述数据存储模块收集每个维修人员维修过程中的信息存储为维修日志。
所述数据采集单元包括设备信息采集单元、维修信息采集单元和人员信息采集单元。
所述设备信息采集单元用于采集设备区域内发生故障的设备信息，包括设备标识符、设备位置和故障类型。
所述维修信息采集单元用于采集***中保存的维修日志，维修日志是指所有维修人员的维修记录，包括人员标识符、设备标识符、故障类型、维修时间和维修时长。
所述人员信息采集单元用于采集设备区域内所有维修人员的信息，包括人员标识符、人员位置和维修计划。
设备区域是指所有设备所处的区域，设备管理与日常维护工作都是在设备区域内进行，维修人员在设备区域内执行维修任务。
所述数据处理模块包括人员筛选单元和匹配度分析单元。
所述人员筛选单元用于筛选出满足执行任务条件的人员。首先，获取设备区域内所有故障设备的位置和所有维修人员的位置，以故障设备位置为圆心，设置一段维修距离作为半径，在设备区域内划分出圆形区域作为对应故障设备的维修区域，将维修区域内的维修人员作为对应故障设备的筛选对象；其次，设置一个最低对象数，依次判断每台故障设备的筛选对象数量是否大于最低对象数，结果为否，则增加故障设备对应维修区域的维修距离，直到故障设备的筛选对象数量大于最低对象数；最后，获取所有筛选对象的维修计划，将当前时间没有维修任务需要执行的筛选对象作为对应故障设备的匹配对象。
设备区域内的设备之间的距离不一致，不同故障设备的维修区域存在重叠的可能，当维修人员所处位置位于多个维修区域重叠范围时，同时作为多个维修区域对应故障设备的筛选对象或匹配对象。
故障设备位置决定维修区域的中心位置，维修距离决定维修区域的覆盖范围，维修距离由管理员进行设定，取值需要考虑维修范围内维修人员到达故障设备所需时间，以及维修人员分布情况。当维修范围内分布的维修人员数量小于或等于最低对象数时，匀速增加维修距离，直到维修范围内分布的维修人员数量大于最低对象数。
最低对象数由管理员设定，需要保障该数量足够用于后期的调度，确保不会发生由于调度导致没有匹配对象可用。具体取值与维修人员数量成正比，与设备数量成反比。
所述匹配度分析单元用于计算不同匹配对象与故障设备之间的匹配程度；在维修日志中检索每个匹配对象的维修记录，根据维修记录中设备标识符、故障类型和维修时长，计算维修次数之和以及维修时长之和，代入公式计算得到每个匹配对象与故障设备之间的匹配程度。
维修次数之和包括总维修次数、同设备同故障类型的维修次数、不同设备同故障类型的维修次数、同设备不同故障类型的维修次数和不同设备不同故障类型的维修次数。维修时长包括总维修时长、同设备同故障类型的维修时长、不同设备同故障类型的维修时长、同设备不同故障类型的维修时长和不同设备不同故障类型的维修时长。
所述运行管理模块包括维修人员匹配单元和维修订单生成单元。
所述维修人员匹配单元用于给故障设备匹配维修人员。首先，获取每台故障设备对应的匹配对象，将匹配对象的人员标识符和匹配程度按照匹配程度从大到小的顺序依次放入预选对象集合中，每台故障设备对应一个预选对象集合，将每个预选对象集合中第一个人员标识符作为对应故障设备的预选对象；其次，获取预选对象相同的故障设备对应的预选对象集合，分别计算这些预选对象集合中第一个元素和第二个元素对应的匹配程度之间的差值，选择匹配程度差值最大的预选对象集合中第一个人员标识符作为对应故障设备的定选对象，其他预选对象集合中删除已经作为定选对象的人员标识符以及对应的匹配程度，重复以上步骤直到所有故障设备的预选对象与其他故障设备的预选对象都不同；最后，为没有定选对象的故障设备选择对应预选对象集合中第一个人员标识符作为其定选对象，故障设备匹配定选对象对应的维修人员。
所述维修订单生成单元用于为每台故障设备生成维修订单，作为维修任务加入到定选对象对应的维修人员的维修计划中。
所述数据存储模块用于收集每个维修人员执行维修任务过程中的维修时间、维修时长、故障类型、维修人员和故障设备的标识符，将这些数据存储为维修日志。
一种基于大数据的设备运行数据管理方法，该管理方法包括以下步骤：
S1、采集设备区域内所有发生故障的设备信息，以及维修人员信息和维修日志；
S2、为每台故障设备筛选出满足条件的维修人员，计算维修人员与故障设备之间的匹配程度；
S3、根据匹配程度为故障设备匹配合适的维修人员，生成维修订单并加入到维修人员的维修计划中；
S4、维修人员按照维修计划执行任务，记录维修过程中的信息存储为维修日志。
在S1中，设备信息包括设备标识符、设备位置和故障类型，设备位置是指故障设备所在位置，设备位置固定不变。维修人员信息包括人员标识符、人员位置和维修计划，人员位置是指维修人员所在位置，通过随身携带的电子设备实时采集，人员位置跟随人员走动时刻变化，维修计划是指对应维修人员执行任务的清单，维修人员按照任务清单上的信息执行维修任务。维修日志是指所有维修人员的维修记录，每条维修记录对应一个维修人员和一台故障设备，包括人员标识符、设备标识符、故障类型、维修时间和维修时长。
在S2中，具体步骤如下：
S201、获取故障设备的位置，以故障设备位置为圆心，设置一段维修距离R作为半径，在设备区域内划分出圆形区域作为故障设备的维修区域，每台故障设备划分一个维修区域。
S202、每台故障设备建立一个匹配对象集合，当维修人员所在位置处于故障设备的维修区域时，获取对应维修人员的人员标识符放入故障设备对应的匹配对象集合中。
S203、设置一个最低对象数，依次判断每台故障设备的匹配对象集合中所有元素数量是否大于最低对象数，结果为否，则将故障设备对应维修区域的维修距离R进行增加，直到故障设备的匹配对象集合中所有元素数量大于最低对象数。
S203、获取每台故障设备的匹配对象集合中所有人员标识符，在维修日志中进行检索，判断是否正在执行维修任务，结果为是则将对应人员标识符从匹配对象集合中删除。
S204、所有人员标识符都判断完成后，获取每台故障设备对应匹配对象集合中保存的所有人员标识符，在维修记录中检索每个人员标识符对应的维修记录。
S205、分析每个人员标识符对应的维修记录，将总维修次数和总维修时长、同设备同故障类型的维修次数和维修时长、不同设备同故障类型的维修次数和维修时长、同设备不同故障类型的维修次数和维修时长、不同设备不同故障类型的维修次数和维修时长分别求和后，代入公式计算每个人员标识符对应的匹配程度，公式如下：
PPCD＝(d×C1×T1+e×C2×T2+f×C3×T3+g×C4×T4)÷(Cz×Tz)
式中，PPCD为人员标识符的匹配程度，d为同设备同故障类型对匹配程度的影响系数，e为不同设备同故障类型对匹配程度的影响系数，f为同设备不同故障类型对匹配程度的影响系数，g为不同设备不同故障类型对匹配程度的影响系数，C1为同设备同故障类型的维修次数总和，C2为不同设备同故障类型的维修次数总和，C3为同设备不同故障类型的维修次数总和，C4为不同设备不同故障类型的维修次数总和，T1为同设备同故障类型的维修时长总和，单位为小时；T2为不同设备同故障类型的维修时长总和，单位为小时；T3为同设备不同故障类型的维修时长总和，单位为小时；T4为不同设备不同故障类型的维修时长总和，单位为小时；Cz为总维修次数，Tz为总维修时长，单位为小时。
在S3中，具体步骤如下：
S301、获取故障设备匹配对象集合中所有人员标识符以及对应的匹配程度，按照匹配程度从大到小的顺序依次放入预选对象集合中，每台故障设备对应一个预选对象集合，集合包括{(j1,s1),(j2,s2),(j3,s3),...,(jn,sn)},其中，n表示预选对象集合元素个数，jn表示第n个人员标识符，sn表示第n个人员标识符对应的匹配程度。
S302、将每个预选对象集合中第一个人员标识符作为对应故障设备的预选对象，判断每台故障设备的预选对象是否与其他故障设备的预选对象相同，相同则进入S303步骤，不相同则进入S304步骤。
S303、获取预选对象相同的故障设备对应的预选对象集合，分别计算这些预选对象集合中第一个元素和第二个元素对应的匹配程度之间的差值，选择匹配程度差值最大的预选对象集合中第一个人员标识符作为对应故障设备的定选对象，其他预选对象集合中删除已经作为定选对象的人员标识符以及对应的匹配程度，进入S302步骤。
S304、为没有定选对象的故障设备选择对应预选对象集合中第一个人员标识符作为其定选对象。
若故障设备没有定选对象，且对应预选对象集合为空集，则自动预警给管理员进行处理。
S305、收集作为定选对象的人员标识符、故障设备的故障类型和设备标识符，生成维修订单，发送给作为定选对象的人员标识符对应的维修人员，同时加入到该维修人员的维修计划中。
在S4中，维修人员按照维修计划来执行维修任务，到达设备所在位置后输入人员标识符，故障设备自动将当前时间作为维修时间上传至维修日志，在维修完成后，再次计算结束时间与维修时间差值作为维修时长与维修时间、故障类型、维修人员和故障设备的标识符共同存储为维修日志。
与现有技术相比，本发明所达到的有益效果是：
1、均衡分配维修任务：本发明通过对人员位置和维修日志的分析，筛选出符合执行任务条件的维修人员，能够实现维修任务的均衡分配，避免了有些维修人员分配任务过多，有些维修人员分配任务过少的问题，以及确保维修人员被分配的维修任务都在合适范围内。
2、科学性和客观性：本发明通过对维修日志的分析，将各种类型的维修次数和维修时长代入匹配程度计算公式中，评估维修人员与故障设备之间的匹配程度，选择最合适的维修人员对故障设备进行维修，在维修人员选择方面更加科学和客观。
3、可扩展性和适应性：本发明在预选维修人员阶段，面临多个故障设备都预选同一个维修人员的情况下，可以根据故障设备各自的实际情况实现动态调节分配，尽可能降低由于替换预选维修人员所带来的维修风险，使得协调分配机制更加灵活和智能。
综上所述，相对于现有技术，本发明的维修人员动态匹配方法在科学性、效率性、任务均衡性和适应性等方面具有显著的优势。该方法的应用将有助于提高维修工作的效率和质量，降低维修成本。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的设备运行数据管理***的结构示意图；
图2是本发明一种基于大数据的设备运行数据管理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种基于大数据的设备运行数据管理***，该管理***包括数据采集模块、数据处理模块、运行管理模块和数据存储模块。
数据采集模块用于采集故障设备信息、维修人员信息和维修日志信息；数据处理模块对数据采集模块采集的信息进行分析，筛选出满足执行任务条件的人员，计算出这些人员与故障设备之间的匹配程度；运行管理模块根据匹配程度为每台故障设备匹配最合适的维修人员，生成维修订单后加入到对应维修人员的维修计划中；数据存储模块收集每个维修人员维修过程中的信息存储为维修日志。
数据采集单元包括设备信息采集单元、维修信息采集单元和人员信息采集单元。
设备信息采集单元用于采集设备区域内发生故障的设备信息，包括设备标识符、设备位置和故障类型。
维修信息采集单元用于采集***中保存的维修日志，维修日志是指所有维修人员的维修记录，包括人员标识符、设备标识符、故障类型、维修时间和维修时长。
人员信息采集单元用于采集设备区域内所有维修人员的信息，包括人员标识符、人员位置和维修计划。
设备区域是指所有设备所处的区域，设备管理与日常维护工作都是在设备区域内进行，维修人员在设备区域内执行维修任务。
数据处理模块包括人员筛选单元和匹配度分析单元。
人员筛选单元用于筛选出满足执行任务条件的人员。首先，获取设备区域内所有故障设备的位置和所有维修人员的位置，以故障设备位置为圆心，设置一段维修距离作为半径，在设备区域内划分出圆形区域作为对应故障设备的维修区域，将维修区域内的维修人员作为对应故障设备的筛选对象；其次，设置一个最低对象数，依次判断每台故障设备的筛选对象数量是否大于最低对象数，结果为否，则增加故障设备对应维修区域的维修距离，直到故障设备的筛选对象数量大于最低对象数；最后，获取所有筛选对象的维修计划，将当前时间没有维修任务需要执行的筛选对象作为对应故障设备的匹配对象。
设备区域内的设备之间的距离不一致，不同故障设备的维修区域存在重叠的可能，当维修人员所处位置位于多个维修区域重叠范围时，同时作为多个维修区域对应故障设备的筛选对象或匹配对象。
故障设备位置决定维修区域的中心位置，维修距离决定维修区域的覆盖范围，维修距离由管理员进行设定，取值需要考虑维修范围内维修人员到达故障设备所需时间，以及维修人员分布情况。当维修范围内分布的维修人员数量小于或等于最低对象数时，匀速增加维修距离，直到维修范围内分布的维修人员数量大于最低对象数。
最低对象数由管理员设定，需要保障该数量足够用于后期的调度，确保不会发生由于调度导致没有匹配对象可用。具体取值与维修人员数量成正比，与设备数量成反比。
匹配度分析单元用于计算不同匹配对象与故障设备之间的匹配程度；在维修日志中检索每个匹配对象的维修记录，根据维修记录中设备标识符、故障类型和维修时长，计算维修次数之和以及维修时长之和，代入公式计算得到每个匹配对象与故障设备之间的匹配程度。
维修次数之和包括总维修次数、同设备同故障类型的维修次数、不同设备同故障类型的维修次数、同设备不同故障类型的维修次数和不同设备不同故障类型的维修次数。维修时长包括总维修时长、同设备同故障类型的维修时长、不同设备同故障类型的维修时长、同设备不同故障类型的维修时长和不同设备不同故障类型的维修时长。
运行管理模块包括维修人员匹配单元和维修订单生成单元。
维修人员匹配单元用于给故障设备匹配维修人员。首先，获取每台故障设备对应的匹配对象，将匹配对象的人员标识符和匹配程度按照匹配程度从大到小的顺序依次放入预选对象集合中，每台故障设备对应一个预选对象集合，将每个预选对象集合中第一个人员标识符作为对应故障设备的预选对象；其次，获取预选对象相同的故障设备对应的预选对象集合，分别计算这些预选对象集合中第一个元素和第二个元素对应的匹配程度之间的差值，选择匹配程度差值最大的预选对象集合中第一个人员标识符作为对应故障设备的定选对象，其他预选对象集合中删除已经作为定选对象的人员标识符以及对应的匹配程度，重复以上步骤直到所有故障设备的预选对象与其他故障设备的预选对象都不同；最后，为没有定选对象的故障设备选择对应预选对象集合中第一个人员标识符作为其定选对象，故障设备匹配定选对象对应的维修人员。
维修订单生成单元用于为每台故障设备生成维修订单，作为维修任务加入到定选对象对应的维修人员的维修计划中。
数据存储模块用于收集每个维修人员执行维修任务过程中的维修时间、维修时长、故障类型、维修人员和故障设备的标识符，将这些数据存储为维修日志。
请参阅图2，本发明提供一种基于大数据的设备运行数据管理方法，该管理方法包括以下步骤：
S1、采集设备区域内所有发生故障的设备信息，以及维修人员信息和维修日志；
S2、为每台故障设备筛选出满足条件的维修人员，计算维修人员与故障设备之间的匹配程度；
S3、根据匹配程度为故障设备匹配合适的维修人员，生成维修订单并加入到维修人员的维修计划中；
S4、维修人员按照维修计划执行任务，记录维修过程中的信息存储为维修日志。
在S1中，设备信息包括设备标识符、设备位置和故障类型，设备位置是指故障设备所在位置，设备位置固定不变。维修人员信息包括人员标识符、人员位置和维修计划，人员位置是指维修人员所在位置，通过随身携带的电子设备实时采集，人员位置跟随人员走动时刻变化，维修计划是指对应维修人员执行任务的清单，维修人员按照任务清单上的信息执行维修任务。维修日志是指所有维修人员的维修记录，每条维修记录对应一个维修人员和一台故障设备，包括人员标识符、设备标识符、故障类型、维修时间和维修时长。
在S2中，具体步骤如下：
S201、获取故障设备的位置，以故障设备位置为圆心，设置一段维修距离R作为半径，在设备区域内划分出圆形区域作为故障设备的维修区域，每台故障设备划分一个维修区域。
S202、每台故障设备建立一个匹配对象集合，当维修人员所在位置处于故障设备的维修区域时，获取对应维修人员的人员标识符放入故障设备对应的匹配对象集合中。
S203、设置一个最低对象数，依次判断每台故障设备的匹配对象集合中所有元素数量是否大于最低对象数，结果为否，则将故障设备对应维修区域的维修距离R进行增加，直到故障设备的匹配对象集合中所有元素数量大于最低对象数。
S203、获取每台故障设备的匹配对象集合中所有人员标识符，在维修日志中进行检索，判断是否正在执行维修任务，结果为是则将对应人员标识符从匹配对象集合中删除。
S204、所有人员标识符都判断完成后，获取每台故障设备对应匹配对象集合中保存的所有人员标识符，在维修记录中检索每个人员标识符对应的维修记录。
S205、分析每个人员标识符对应的维修记录，将总维修次数和总维修时长、同设备同故障类型的维修次数和维修时长、不同设备同故障类型的维修次数和维修时长、同设备不同故障类型的维修次数和维修时长、不同设备不同故障类型的维修次数和维修时长分别求和后，代入公式计算每个人员标识符对应的匹配程度，公式如下：
PPCD＝(d×C1×T1+e×C2×T2+f×C3×T3+g×C4×T4)÷(Cz×Tz)
式中，PPCD为人员标识符的匹配程度，d为同设备同故障类型对匹配程度的影响系数，e为不同设备同故障类型对匹配程度的影响系数，f为同设备不同故障类型对匹配程度的影响系数，g为不同设备不同故障类型对匹配程度的影响系数，C1为同设备同故障类型的维修次数总和，C2为不同设备同故障类型的维修次数总和，C3为同设备不同故障类型的维修次数总和，C4为不同设备不同故障类型的维修次数总和，T1为同设备同故障类型的维修时长总和，单位为小时；T2为不同设备同故障类型的维修时长总和，单位为小时；T3为同设备不同故障类型的维修时长总和，单位为小时；T4为不同设备不同故障类型的维修时长总和，单位为小时；Cz为总维修次数，Tz为总维修时长，单位为小时。
在S3中，具体步骤如下：
S301、获取故障设备匹配对象集合中所有人员标识符以及对应的匹配程度，按照匹配程度从大到小的顺序依次放入预选对象集合中，每台故障设备对应一个预选对象集合，集合包括{(j1,s1),(j2,s2),(j3,s3),...,(jn,sn)},其中，n表示预选对象集合元素个数，jn表示第n个人员标识符，sn表示第n个人员标识符对应的匹配程度。
S302、将每个预选对象集合中第一个人员标识符作为对应故障设备的预选对象，判断每台故障设备的预选对象是否与其他故障设备的预选对象相同，相同则进入S303步骤，不相同则进入S304步骤。
S303、获取预选对象相同的故障设备对应的预选对象集合，分别计算这些预选对象集合中第一个元素和第二个元素对应的匹配程度之间的差值，选择匹配程度差值最大的预选对象集合中第一个人员标识符作为对应故障设备的定选对象，其他预选对象集合中删除已经作为定选对象的人员标识符以及对应的匹配程度，进入S302步骤。
S304、为没有定选对象的故障设备选择对应预选对象集合中第一个人员标识符作为其定选对象。
若故障设备没有定选对象，且对应预选对象集合为空集，则自动预警给管理员进行处理。
S305、收集作为定选对象的人员标识符、故障设备的故障类型和设备标识符，生成维修订单，发送给作为定选对象的人员标识符对应的维修人员，同时加入到该维修人员的维修计划中。
在S4中，维修人员按照维修计划来执行维修任务，到达设备所在位置后输入人员标识符，故障设备自动将当前时间作为维修时间上传至维修日志，在维修完成后，再次计算结束时间与维修时间差值作为维修时长与维修时间、故障类型、维修人员和故障设备的标识符共同存储为维修日志。
实施例1：假设设备区域内有W1-W6一共6个维修人员，G1-G3一共3个故障设备，它们的维修范围内存在的维修人员分别为：
G1故障设备:W1、W2、W3；
G2故障设备:W2、W5、W6；
G3故障设备:W5、W6；
假设最低对象数为2，则增加G3故障设备对应维修区域的维修距离，直到G3维修范围内存在的维修人员变为：
G3故障设备:W4、W5、W6；
假设W3和W6维修人员正在执行维修任务，则将对应维修人员从匹配对象中删除，变成：
G1故障设备:W1、W2；
G2故障设备:W2、W5；
G3故障设备:W4、W5；
假设G1、G2和G3故障类型分别为GZ01、GZ02和GZ03，W1、W2、W4和W5维修记录如下：
W1：【G1、GZ02、4次、8小时】、【G2、GZ01、3次、6小时】
W2：【G3、GZ02、4次、6小时】、【G2、GZ03、2次、4小时】
W4：【G1、GZ01、2次、3小时】、【G3、GZ03、3次、5小时】
W5：【G1、GZ03、4次、5小时】、【G1、GZ01、2次、4小时】
假设同设备同故障类型影响系数为2，不同设备同故障类型影响系数为1.2，同设备不同故障类型影响系数为0.6，不同设备不同故障类型影响系数为0.2，代入公式分别计算每个匹配对象与故障设备之间的匹配程度：
G1—W1：PPCD＝(2×0×0+1.2×3×6+0.6×4×8+0.2×0×0)÷(7×14)≈0.42
G1—W2：PPCD＝(2×0×0+1.2×0×0+0.6×0×0+0.2×6×10)÷(6×10)＝0.2
G2—W2：PPCD＝(2×0×0+1.2×4×6+0.6×2×4+0.2×0×0)÷(6×10)＝0.56
G2—W5：PPCD＝(2×0×0+1.2×0×0+0.6×0×0+0.2×6×9)÷(6×9)＝0.2
G3—W4：PPCD＝(2×3×5+1.2×0×0+0.6×0×0+0.2×2×3)÷(5×8)＝0.78
G3—W5：PPCD＝(2×0×0+1.2×4×5+0.6×0×0+0.2×2×4)÷(6×9)≈0.47
得到每个故障设备对应匹配对象的匹配程度：
G1故障设备:W1匹配程度0.42、W2匹配程度0.2；
G2故障设备:W2匹配程度0.56、W5匹配程度0.2；
G3故障设备:W4匹配程度0.78、W5匹配程度0.47；
则W1的人员标识符作为G1的定选对象，W2的人员标识符作为G2的定选对象，W4的人员标识符作为G3的定选对象。收集作为定选对象的人员标识符、故障设备的故障类型和设备标识符，生成维修订单，发送给作为定选对象的人员标识符对应的维修人员，同时加入到该维修人员的维修计划中。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的设备运行数据管理***，其特征在于：该管理***包括数据采集模块、数据处理模块、运行管理模块和数据存储模块；
所述数据采集模块用于采集故障设备信息、维修人员信息和维修日志信息；所述数据处理模块对数据采集模块采集的信息进行分析，筛选出满足执行任务条件的人员，计算出这些人员与故障设备之间的匹配程度；所述运行管理模块根据匹配程度为每台故障设备匹配最合适的维修人员，生成维修订单后加入到对应维修人员的维修计划中；所述数据存储模块收集每个维修人员维修过程中的信息存储为维修日志。
2.根据权利要求1所述的一种基于大数据的设备运行数据管理***，其特征在于：所述数据采集单元包括设备信息采集单元、维修信息采集单元和人员信息采集单元；
所述设备信息采集单元用于采集设备区域内发生故障的设备信息，包括设备标识符、设备位置和故障类型；
所述维修信息采集单元用于采集***中保存的维修日志，维修日志是指所有维修人员的维修记录，包括人员标识符、设备标识符、故障类型、维修时间和维修时长；
所述人员信息采集单元用于采集设备区域内所有维修人员的信息，包括人员标识符、人员位置和维修计划。
3.根据权利要求1所述的一种基于大数据的设备运行数据管理***，其特征在于：所述数据处理模块包括人员筛选单元和匹配度分析单元；
所述人员筛选单元用于筛选出满足执行任务条件的人员；首先，获取设备区域内所有故障设备的位置和所有维修人员的位置，以故障设备位置为圆心，设置一段维修距离作为半径，在设备区域内划分出圆形区域作为对应故障设备的维修区域，将维修区域内的维修人员作为对应故障设备的筛选对象；其次，设置一个最低对象数，依次判断每台故障设备的筛选对象数量是否大于最低对象数，结果为否，则增加故障设备对应维修区域的维修距离，直到故障设备的筛选对象数量大于最低对象数；最后，获取所有筛选对象的维修计划，将当前时间没有维修任务需要执行的筛选对象作为对应故障设备的匹配对象；
所述匹配度分析单元用于计算不同匹配对象与故障设备之间的匹配程度；在维修日志中检索每个匹配对象的维修记录，根据维修记录中设备标识符、故障类型和维修时长，计算维修次数之和以及维修时长之和，代入公式计算得到每个匹配对象与故障设备之间的匹配程度。
4.根据权利要求1所述的一种基于大数据的设备运行数据管理***，其特征在于：所述运行管理模块包括维修人员匹配单元和维修订单生成单元；
所述维修人员匹配单元用于给故障设备匹配维修人员；首先，获取每台故障设备对应的匹配对象，将匹配对象的人员标识符和匹配程度按照匹配程度从大到小的顺序依次放入预选对象集合中，每台故障设备对应一个预选对象集合，将每个预选对象集合中第一个人员标识符作为对应故障设备的预选对象；其次，获取预选对象相同的故障设备对应的预选对象集合，分别计算这些预选对象集合中第一个元素和第二个元素对应的匹配程度之间的差值，选择匹配程度差值最大的预选对象集合中第一个人员标识符作为对应故障设备的定选对象，其他预选对象集合中删除已经作为定选对象的人员标识符以及对应的匹配程度，重复以上步骤直到所有故障设备的预选对象与其他故障设备的预选对象都不同；最后，为没有定选对象的故障设备选择对应预选对象集合中第一个人员标识符作为其定选对象，故障设备匹配定选对象对应的维修人员；
所述维修订单生成单元用于为每台故障设备生成维修订单，作为维修任务加入到定选对象对应的维修人员的维修计划中。
5.根据权利要求1所述的一种基于大数据的设备运行数据管理***，其特征在于：所述数据存储模块用于收集每个维修人员执行维修任务过程中的维修时间、维修时长、故障类型、维修人员和故障设备的标识符，将这些数据存储为维修日志。
6.一种基于大数据的设备运行数据管理方法，其特征在于：该管理方法包括以下步骤：
S1、采集设备区域内所有发生故障的设备信息，以及维修人员信息和维修日志；
S2、为每台故障设备筛选出满足条件的维修人员，计算维修人员与故障设备之间的匹配程度；
S3、根据匹配程度为故障设备匹配合适的维修人员，生成维修订单并加入到维修人员的维修计划中；
S4、维修人员按照维修计划执行任务，记录维修过程中的信息存储为维修日志。
7.根据权利要求6所述的一种基于大数据的设备运行数据管理方法，其特征在于：在S1中，设备信息包括设备标识符、设备位置和故障类型，设备位置是指故障设备所在位置，设备位置固定不变；维修人员信息包括人员标识符、人员位置和维修计划，人员位置是指维修人员所在位置，通过随身携带的电子设备实时采集，人员位置跟随人员走动时刻变化，维修计划是指对应维修人员执行任务的清单，维修人员按照任务清单上的信息执行维修任务；维修日志是指所有维修人员的维修记录，每条维修记录对应一个维修人员和一台故障设备，包括人员标识符、设备标识符、故障类型、维修时间和维修时长。
8.根据权利要求6所述的一种基于大数据的设备运行数据管理方法，其特征在于：在S2中，具体步骤如下：
S201、获取故障设备的位置，以故障设备位置为圆心，设置一段维修距离R作为半径，在设备区域内划分出圆形区域作为故障设备的维修区域，每台故障设备划分一个维修区域；
S202、每台故障设备建立一个匹配对象集合，当维修人员所在位置处于故障设备的维修区域时，获取对应维修人员的人员标识符放入故障设备对应的匹配对象集合中；
S203、设置一个最低对象数，依次判断每台故障设备的匹配对象集合中所有元素数量是否大于最低对象数，结果为否，则将故障设备对应维修区域的维修距离R进行增加，直到故障设备的匹配对象集合中所有元素数量大于最低对象数；
S203、获取每台故障设备的匹配对象集合中所有人员标识符，在维修日志中进行检索，判断是否正在执行维修任务，结果为是则将对应人员标识符从匹配对象集合中删除；
S204、所有人员标识符都判断完成后，获取每台故障设备对应匹配对象集合中保存的所有人员标识符，在维修记录中检索每个人员标识符对应的维修记录；
S205、分析每个人员标识符对应的维修记录，将总维修次数和总维修时长、同设备同故障类型的维修次数和维修时长、不同设备同故障类型的维修次数和维修时长、同设备不同故障类型的维修次数和维修时长、不同设备不同故障类型的维修次数和维修时长分别求和后，代入公式计算每个人员标识符对应的匹配程度，公式如下：
PPCD＝(d×C1×T1+e×C2×T2+f×C3×T3+g×C4×T4)÷(Cz×Tz)
式中，PPCD为人员标识符的匹配程度，d为同设备同故障类型对匹配程度的影响系数，e为不同设备同故障类型对匹配程度的影响系数，f为同设备不同故障类型对匹配程度的影响系数，g为不同设备不同故障类型对匹配程度的影响系数，C1为同设备同故障类型的维修次数总和，C2为不同设备同故障类型的维修次数总和，C3为同设备不同故障类型的维修次数总和，C4为不同设备不同故障类型的维修次数总和，T1为同设备同故障类型的维修时长总和，T2为不同设备同故障类型的维修时长总和，T3为同设备不同故障类型的维修时长总和，T4为不同设备不同故障类型的维修时长总和，Cz为总维修次数，Tz为总维修时长。
9.根据权利要求6所述的一种基于大数据的设备运行数据管理方法，其特征在于：在S3中，具体步骤如下：
S301、获取故障设备匹配对象集合中所有人员标识符以及对应的匹配程度，按照匹配程度从大到小的顺序依次放入预选对象集合中，每台故障设备对应一个预选对象集合，集合包括{(j1,s1),(j2,s2),(j3,s3),...,(jn,sn)},其中，n表示预选对象集合元素个数，jn表示第n个人员标识符，sn表示第n个人员标识符对应的匹配程度；
S302、将每个预选对象集合中第一个人员标识符作为对应故障设备的预选对象，判断每台故障设备的预选对象是否与其他故障设备的预选对象相同，相同则进入S303步骤，不相同则进入S304步骤；
S303、获取预选对象相同的故障设备对应的预选对象集合，分别计算这些预选对象集合中第一个元素和第二个元素对应的匹配程度之间的差值，选择匹配程度差值最大的预选对象集合中第一个人员标识符作为对应故障设备的定选对象，其他预选对象集合中删除已经作为定选对象的人员标识符以及对应的匹配程度，进入S302步骤；
S304、为没有定选对象的故障设备选择对应预选对象集合中第一个人员标识符作为其定选对象；
S305、收集作为定选对象的人员标识符、故障设备的故障类型和设备标识符，生成维修订单，发送给作为定选对象的人员标识符对应的维修人员，同时加入到该维修人员的维修计划中。
10.根据权利要求6所述的一种基于大数据的设备运行数据管理方法，其特征在于：在S4中，维修人员按照维修计划来执行维修任务，到达设备所在位置后输入人员标识符，故障设备自动将当前时间作为维修时间上传至维修日志，在维修完成后，再次计算结束时间与维修时间差值作为维修时长与维修时间、故障类型、维修人员和故障设备的标识符共同存储为维修日志。
CN202311334583.7A 2023-10-16 2023-10-16 一种基于大数据的设备运行数据管理***及方法 Pending CN117371982A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311334583.7A CN117371982A (zh) 2023-10-16 2023-10-16 一种基于大数据的设备运行数据管理***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311334583.7A CN117371982A (zh) 2023-10-16 2023-10-16 一种基于大数据的设备运行数据管理***及方法

Publications (1)

Publication Number Publication Date
CN117371982A true CN117371982A (zh) 2024-01-09

Family

ID=89397703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311334583.7A Pending CN117371982A (zh) 2023-10-16 2023-10-16 一种基于大数据的设备运行数据管理***及方法

Country Status (1)

Country Link
CN (1) CN117371982A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875673A (zh) * 2024-03-11 2024-04-12 江苏龙虎网信息科技股份有限公司 一种基于大数据的团队项目智能筛选***及方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108540218A (zh) * 2018-04-24 2018-09-14 国家电网公司 电力光缆安全故障处理方法及装置
CN109118097A (zh) * 2018-08-21 2019-01-01 陈志诚 一种可靠性维修性保障性评估方法和装置
CN109858746A (zh) * 2018-12-26 2019-06-07 阳光电源股份有限公司 一种故障工单派发方法和故障工单管理***
CN111985940A (zh) * 2020-08-28 2020-11-24 上海控软网络科技有限公司 售后服务的数据处理方法、装置、电子设备与存储介质
CN112235170A (zh) * 2020-10-19 2021-01-15 广州臻悦信息科技有限责任公司 一种实时检测设备故障的智能家庭网关
CN112984386A (zh) * 2021-02-04 2021-06-18 许昌学院 一种基于大数据的智能管网监测***
CN113570215A (zh) * 2021-07-13 2021-10-29 苏州琼派瑞特科技股份有限公司 一种维修人员管理***
CN113844977A (zh) * 2021-09-29 2021-12-28 湖南快杰电梯有限公司 一种电梯控制提醒及故障自诊断方法、***以及存储介质
CN114037232A (zh) * 2021-10-28 2022-02-11 重庆川南环保科技有限公司 一种家庭维修订单在线分配方法、装置及终端设备
CN114399148A (zh) * 2021-12-01 2022-04-26 航天云网数据研究院(江苏)有限公司 一种基于大数据计算分析的设备维修调度***
CN116485159A (zh) * 2023-06-21 2023-07-25 国网信通亿力科技有限责任公司 一种供电***的工单中心化管理方法
CN116487016A (zh) * 2023-04-23 2023-07-25 深圳作为科技有限公司 联网护理机的报修匹配方法、装置、设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108540218A (zh) * 2018-04-24 2018-09-14 国家电网公司 电力光缆安全故障处理方法及装置
CN109118097A (zh) * 2018-08-21 2019-01-01 陈志诚 一种可靠性维修性保障性评估方法和装置
CN109858746A (zh) * 2018-12-26 2019-06-07 阳光电源股份有限公司 一种故障工单派发方法和故障工单管理***
CN111985940A (zh) * 2020-08-28 2020-11-24 上海控软网络科技有限公司 售后服务的数据处理方法、装置、电子设备与存储介质
CN112235170A (zh) * 2020-10-19 2021-01-15 广州臻悦信息科技有限责任公司 一种实时检测设备故障的智能家庭网关
CN112984386A (zh) * 2021-02-04 2021-06-18 许昌学院 一种基于大数据的智能管网监测***
CN113570215A (zh) * 2021-07-13 2021-10-29 苏州琼派瑞特科技股份有限公司 一种维修人员管理***
CN113844977A (zh) * 2021-09-29 2021-12-28 湖南快杰电梯有限公司 一种电梯控制提醒及故障自诊断方法、***以及存储介质
CN114037232A (zh) * 2021-10-28 2022-02-11 重庆川南环保科技有限公司 一种家庭维修订单在线分配方法、装置及终端设备
CN114399148A (zh) * 2021-12-01 2022-04-26 航天云网数据研究院(江苏)有限公司 一种基于大数据计算分析的设备维修调度***
CN116487016A (zh) * 2023-04-23 2023-07-25 深圳作为科技有限公司 联网护理机的报修匹配方法、装置、设备及存储介质
CN116485159A (zh) * 2023-06-21 2023-07-25 国网信通亿力科技有限责任公司 一种供电***的工单中心化管理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875673A (zh) * 2024-03-11 2024-04-12 江苏龙虎网信息科技股份有限公司 一种基于大数据的团队项目智能筛选***及方法
CN117875673B (zh) * 2024-03-11 2024-05-07 江苏龙虎网信息科技股份有限公司 一种基于大数据的团队项目智能筛选***及方法

Similar Documents

Publication Publication Date Title
Stecke A hierarchical approach to solving machine grouping and loading problems of flexible manufacturing systems
US7210119B2 (en) Handling unscheduled tasks in a scheduling process
CN117371982A (zh) 一种基于大数据的设备运行数据管理***及方法
US7984441B2 (en) Method and system for tuning a taskscheduling process
CN106095639A (zh) 一种集群亚健康预警方法及***
CN1252628C (zh) 改善医疗技术装置利用负荷的方法和***及医疗技术装置
CN107968802A (zh) 一种资源调度的方法、装置和过滤式调度器
EP3207432B1 (en) A method for managing subsystems of a process plant using a distributed control system
CN109409780B (zh) 变更处理方法、装置、计算机设备和存储介质
CN105868222A (zh) 一种任务调度方法及装置
CN108108296A (zh) 一种云测试方法、服务器及客户端
CN114401523A (zh) 故障处理方法、装置及电子设备
CN115441456A (zh) 一种电网调度支持***故障诊断方法及装置
CN117436851B (zh) 基于物联网的垃圾回收监管方法及***
CN110609761B (zh) 确定故障源的方法、装置、存储介质和电子设备
CN117375231A (zh) 一种基于电网数据节点的统计方法及数据处理***
JP2001339335A (ja) ネットワーク運用管理システム及び装置故障確率管理方法
US20070094194A1 (en) Method for managing an expert behavior-emulation system assisting an operator-controlled-decision system
EP3460732B1 (en) Dispatching method and system based on multiple levels of steady state production rate in working benches
CN113169888B (zh) 用于分配现场技术人员的方法和技术人员分配***
CN107801150B (zh) 一种基于gps定位轮询基站告警的采集方法及***
CN114706667B (zh) 一种基于异构计算的流媒体转发方法
CN111177640A (zh) 一种数据中心运维工作绩效评价***
CN117273354A (zh) 一种针对数据中心设备的维护方法和***
CN117557034A (zh) 测试任务工单的分配方法、装置、设备及存储介质

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