本申请涉及设备维护技术领域，具体公开了一种基于维护时间的维护方案生成方法、装置、设备及介质。其中方法包括：获取设备的运行数据；基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态；在所述运行状态为运行异常时，基于所述设备的设备类型，在预设的维护时长预测表中查找所述设备的预测维护时长；基于所述运行状态以及所述预测维护时长，生成所述设备的推荐维护方案。本申请通过异常检测模型检测设备的运行状态，在设备运行异常时，根据设备类型查找该设备的预测维护时长，结合设备的预测维护时长生成设备的推荐维护方案，有利于维护人员明确维护时间，合理安排维护工作，提升了时间利用效率，进而提高了设备维护效率。
【技术实现步骤摘要】
本申请涉及设备维护，尤其涉及一种基于维护时间的维护方案生成方法、装置、设备及介质。
技术介绍
1、数字化运维平台需充分利用大数据和人工智能等前沿技术，建设一站式智能大数据平台，提供全面的、前瞻的、主动的智能管理和服务。现有运维工作缺乏大数据技术支持，维护人员只是开展低效率设备维护工作，无法合理安排维护时间，导致设备维护效率降低，因此如何提高设备的维护效率成为了亟需解决的问题。
技术实现思路
1、本申请提供了一种基于维护时间的维护方案生成方法、装置、设备及介质，以提高设备的维护效率。
2、第一方面，本申请提供了一种基于维护时间的维护方案生成方法，所述方法包括：
3、获取设备的运行数据；
4、基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态；
5、在所述运行状态为运行异常时，基于所述设备的设备类型，在预设的维护时长预测表中查找所述设备的预测维护时长；
6、基于所述运行状态以及所述预测维护时长，生成所述设备的推荐维护方案。
7、进一步地，所述在所述运行状态为运行异常时，基于所述设备的设备类型，在预设的维护时长预测表中查找所述设备的预测维护时长之前，还包括：
8、基于所述设备的历史巡检信息，获得所述设备的预测巡检时长；
9、基于所述设备的历史维修信息，获得所述设备的预测维修时长；
10、基于所述预测巡检时长以及所述预测维修时长，获得所述设备的预测维护时长；
>11、基于所述设备的设备类型以及所述预测维护时长，生成所述维护时长预测表。12、进一步地，所述基于所述设备的历史维修信息，获得所述设备的预测维修时长，包括：
13、基于所述历史维修信息中的维修时长、维修结果以及故障类型的加权因子，计算获得所述设备的平均维修时长；
14、基于所述设备的标识，确定所述设备的类型，基于所述类型的至少一个设备的平均维修时长，计算获得所述类型的设备的预测维修时长。
15、进一步地，所述基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态之前，还包括：
16、获取至少一个设备的历史运行数据以及历史运行状态；
17、对所述历史运行数据进行处理，生成训练数据集；
18、基于所述历史运行状态以及所述训练数据集，对预训练模型进行训练，获得所述异常检测模型。
19、进一步地，所述基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态之后，还包括：
20、在所述运行状态为运行异常时，获取所述设备的异常信息，并将预设的故障规则与所述异常信息进行对比，确定所述设备的故障类型。
21、进一步地，所述基于所述运行状态以及所述预测维护时长，生成所述设备的推荐维护方案，包括：
22、基于所述故障类型，在历史维护方案表中查找所述故障类型对应的初始维护方案；
23、基于所述预测维护时长，确定维护起止时间；
24、基于所述初始维护方案以及所述维护起止时间，生成所述推荐维护方案。
25、进一步地，所述基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态，包括：
26、基于所述异常检测模型，对所述运行数据进行处理，获得预设时间段内所述设备的异常次数；
27、将所述异常次数与预设的异常次数阈值进行比较，获得所述运行状态。
28、第二方面，本申请还提供了一种基于维护时间的维护方案生成装置，所述装置包括：
29、运行数据获取模块，用于获取设备的运行数据；
30、运行状态获得模块，用于基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态；
31、预测维护时长获得模块，用于在所述运行状态为运行异常时，基于所述设备的设备类型，在预设的维护时长预测表中查找所述设备的预测维护时长；
32、维护方案生成模块，用于基于所述运行状态以及所述预测维护时长，生成所述设备的推荐维护方案。
33、第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于维护时间的维护方案生成方法。
34、第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的基于维护时间的维护方案生成方法。
35、本申请公开了一种基于维护时间的维护方案生成方法、装置、设备及介质，获取设备的运行数据；基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态；在所述运行状态为运行异常时，基于所述设备的设备类型，在预设的维护时长预测表中查找所述设备的预测维护时长；基于所述运行状态以及所述预测维护时长，生成所述设备的推荐维护方案。本申请通过异常检测模型检测设备的运行状态，在设备运行异常时，根据设备类型查找该设备的预测维护时长，结合设备的预测维护时长生成设备的推荐维护方案，有利于维护人员明确维护时间，合理安排维护工作，提升了时间利用效率，进而提高了设备维护效率。
本文档来自技高网...
【技术保护点】
1.一种基于维护时间的维护方案生成方法，其特征在于，包括：
2.根据权利要求1所述的基于维护时间的维护方案生成方法，其特征在于，所述在所述运行状态为运行异常时，基于所述设备的设备类型，在预设的维护时长预测表中查找所述设备的预测维护时长之前，还包括：
3.根据权利要求2所述的基于维护时间的维护方案生成方法，其特征在于，所述基于所述设备的历史维修信息，获得所述设备的预测维修时长，包括：
4.根据权利要求1所述的基于维护时间的维护方案生成方法，其特征在于，所述基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态之前，还包括：
5.根据权利要求1所述的基于维护时间的维护方案生成方法，其特征在于，所述基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态之后，还包括：
6.根据权利要求5所述的基于维护时间的维护方案生成方法，其特征在于，所述基于所述运行状态以及所述预测维护时长，生成所述设备的推荐维护方案，包括：
7.根据权利要求1至6任一项所述的基于维护时间的维护方案生成方法，其特征在于，所述基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态，包括：
8.一种基于维护时间的维护方案生成装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的基于维护时间的维护方案生成方法。
...
【技术特征摘要】
1.一种基于维护时间的维护方案生成方法，其特征在于，包括：
2.根据权利要求1所述的基于维护时间的维护方案生成方法，其特征在于，所述在所述运行状态为运行异常时，基于所述设备的设备类型，在预设的维护时长预测表中查找所述设备的预测维护时长之前，还包括：
3.根据权利要求2所述的基于维护时间的维护方案生成方法，其特征在于，所述基于所述设备的历史维修信息，获得所述设备的预测维修时长，包括：
4.根据权利要求1所述的基于维护时间的维护方案生成方法，其特征在于，所述基于异常检测模型，对所述运行数据进行处理，获得所述设备的运行状态之前，还包括：
5.根据权利要求1所述的基于维护时间的维护方案生成方法，其特征在于，所述基于异常检测模型，对所述运行数据进行处理，获得所述...
【专利技术属性】
技术研发人员：程万里，符合鹏，杨代彦，郭义，靳立开，
申请(专利权)人：北京中交紫光科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。