大数据运维平台、服务器及存储介质
阅读说明：本技术 大数据运维平台、服务器及存储介质 (Big data operation and maintenance platform, server and storage medium ) 是由 杨露霞 姚杰 张皓栋 钱依祎 于 2019-10-22 设计创作，主要内容包括：本发明提供一种大数据运维平台、服务器及存储介质,该平台包括：设备监测模块,用于在线监测大型制造工厂设备的状态参数；故障诊断模块,基于分布式人工智能模式分析各个类型的状态参数,用于当监测到待测设备的报警信息时,筛选状态参数中报警值最严重的两种状态监测参数,将两种状态监测参数各自对应的设备信息与报警值输入到专家系统生成相应的初始分析结果,将初始分析结果输入到主因子模型得到最终的完整分析结果。通过在线监测大型制造工厂的设备状态参数,当监测到故障时从多维度、多层次及时对故障进行诊断、分析和定位,提高了设备故障诊断的效率和准确度,能更高效地、精准地开展下一步的设备运维工作。(The invention provides a big data operation platform, a server and a storage medium, wherein the platform comprises: the equipment monitoring module is used for monitoring the state parameters of the large-scale manufacturing plant equipment on line; and the fault diagnosis module is used for analyzing each type of state parameter based on the distributed artificial intelligence mode, screening two state monitoring parameters with the most serious alarm values in the state parameters when the alarm information of the equipment to be tested is monitored, inputting the equipment information and the alarm values corresponding to the two state monitoring parameters into an expert system to generate a corresponding initial analysis result, and inputting the initial analysis result into the main factor model to obtain a final complete analysis result. By monitoring the equipment state parameters of the large-scale manufacturing factory on line, when the faults are monitored, the faults are diagnosed, analyzed and positioned in time from multiple dimensions and multiple levels, the efficiency and the accuracy of equipment fault diagnosis are improved, and the next step of equipment operation and maintenance work can be carried out more efficiently and accurately.)
技术领域
本发明涉及装备监控技术领域，特别是涉及一种大数据运维平台、服务器及存储介质。
背景技术
针对传统大型制造工厂设备进行有效管理和运维是保护公司资产的一重要手段，目前在大型制造工厂采用振动、温度、压力等多种参数采集的方式对设备进行进行实时监测，要求运维工作人员对涉及监控的众多参数能够熟悉掌握才能够准确判断出待测设备是否故障，以及给出相应的解决方案，从而及时有效的解决设备故障的问题。
然而，现有大型制造工厂的设备通常采用单一的设备可靠性监测手段，根据分析结果启动不同的运维流程，但上述分析方式单一，故障诊断准确性低，各系统未集成并打通，造成设备发生故障后，多种原因使得启动运维流程缓慢，同时运维流程效率低下。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种大数据运维平台、服务器及存储介质，用于解决现有技术中运维平台在判定故障的流程中效率低、准确性不高的问题。
为实现上述目的及其他相关目的，本申请的第一方面，提供一种大数据运维平台，包括：
设备监测模块，用于在线监测大型制造工厂的设备的状态参数，所述状态参数包括待测设备的振动参数、应力波参数、压力参数、温度参数以及流量参数；
故障诊断模块，基于分布式人工智能模式分析各个类型的状态参数，用于当监测到待测设备的报警信息时，筛选所述状态参数中报警值最严重两种状态监测参数，将所述两种状态监测参数各自对应的设备信息与报警值输入到专家系统生成相应的初始分析结果，将所述初始分析结果输入到主因子模型得到最终的完整分析结果。
本申请的第二方面，提供一种服务器，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得所述电子设备执行上述大数据运维平台中模块/单元的功能。
本申请的第三方面，提供一种存储介质，存储至少一种程序，其中，所述至少一种程序在被调用时执行上述大数据运维平台中模块/单元的功能。
如上所述，本发明的大数据运维平台、服务器及存储介质，具有以下有益效果：
本发明提供大数据运维平台，通过在线监测大型制造工厂的设备状态参数，当监测到故障时从多维度、多层次及时对故障进行诊断、分析和定位，提高了设备故障诊断的效率和准确度，能更高效地、精准地开展下一步的设备运维工作。
附图说明
图1显示为本发明实施例提供的大数据运维平台结构框图；
图2显示为本发明实施例提供的大数据运维平台完整结构框图；
图3显示为本发明实施例提供的大数据运维平台完整示意图；
图4显示为本发明实施例提供的大数据运维平台故障处理流程图；
图5显示为本发明实施例提供的大数据运维平台故障判断流程图；
图6显示为本发明实施例提供的大数据维护服务器设备结构框图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一预设阈值可以被称作第二预设阈值，并且类似地，第二预设阈值可以被称作第一预设阈值，而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值，但是除非上下文以其他方式明确指出，否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
请参阅图1，为本发明实施例提供的综合能源系统结构框图，包括：
设备监测模块1，用于在线监测大型制造工厂的设备的状态参数，所述状态参数包括待测设备的振动参数、应力波参数、压力参数、温度参数以及流量参数；
故障诊断模块2，基于分布式人工智能模式分析各个类型的状态参数，用于当监测到待测设备的报警信息时，筛选所述状态参数中报警值最严重两种状态监测参数，将所述两种状态监测参数各自对应的设备信息与报警值输入到专家系统生成相应的初始分析结果，将所述初始分析结果输入到主因子模型得到最终的完整分析结果。
在本实施例中，详见图5中故障判断流程图，获取到大型制造工厂的设备参数，选择报警设备的报警值(超出预设阈值)与其对应的阈值之间差值最大的两种参数(最严重参数类别、次严重参数类别)，将对应设备信息(唯一的MAC地址、转速、使用年限、最近发生故障及维修的记录等)、报警值、参数类型发送到专家系统生成各自的初始分析结果(即，第一初始分析结果和第二初始分析结果)，将第一初始分析结果和第二初始分析结果输入到主因子模型，得到完整分析结果(设备故障的具***置、故障原因)。
具体地，该故障诊断模块在监测设备厂家的支持下可以融入远程设备诊断结果，便于更专业，更精确地对设备故障进行诊断、定位以及提供消除故障的建议及措施；甚而根据不同的监测技术分析结果，多层次多维度地对设备故障进行分析和定位。
在本实施例中，相比传统的离线方式对故障进行监测定位，或，单一通过振动技术对设备监测，本发明结合多种参数进行分析，同时，采用分布式人工智能模式分析状态参数，结合专家系统能够智能诊断故障，一方面，简化了故障诊断流程；另一方面，提高了故障诊断的效率和准确性。
请参阅图2、图3分别为本发明实施例提供的大数据运维平台完整结构框图、完整示意图，在上述实施例的基础上，大数据运维平台还包括：
运维管理模块3，用于查看和统计维修信息，还用于当监测到某设备故障时，启动运维计划利用备品备件进行维护，并反馈维修效果。
具体地，详见图4故障处理流程图，当监测到某设备故障时，利用所述主因子模型得到完整分析结果，根据所述完整分析结果生成解决故障的运维计划，按照所述运维计划使用备品备件对故障的设备进行维修，并在维修后生成维修记录以及维修效果，该方案能够在设备故障后迅速采取措施对设备进行维修，提高了设备故障后维修的响应效率，同时，对维修的设备进行效果评估，方便后台记录维修恢复的程度如何，是否需要深层次维修或专家协助，产生的维修记录进行统计，能够便于管理人员在线了解状况，存储到大数据平台进行需求挖掘。
在本实施例中，通过登录至界面进入到运维管理模块，可查看运维计划、运维任务、运维反馈、追溯历史运维任务和结果，便于发现故障、定位故障后能够及时产生维修计划供维修人员执行，同时，监控运维反馈结果，便于随时跟进和掌握维修进度，实现数字化的维修。
在上述实施例的基础上，大数据运维平台还包括：
数据中心4(运维监管大数据中心)，用于存储维修数据，其中，所述维修数据包括维修历史记录、维修设备数量、维修所使用的备品备件、维修人员、维修效果以及剩余维修物资。
其中，通过维修数据能够轻松掌握各个设备的维修记录与维修效果，同时，还对维修物资进行监控统计，便于管理人员能够查看、管理备品备件，有利于管理员了解仓库物资状况，在发生故障时，能够有相应物资进行维护。
具体地，设备实时监测数据产生频率快(每一个监测点十秒内可产生多条数据)、严重依赖于采集时间(每一条数据均要求对应唯一的时间)、测点多信息量大(常规的实时监测系统均有成千的监测点，监测点每秒钟都产生数据，每天产生几十GB的数据量)。为支持上层应用和做好海量数据管理，本平台的数据存储采用HBase数据库，HBase是一种构建在HDFS之上的分布式、面向列的存储系统。在需要实时读写、随机访问超大规模数据集时，适用于***比查询操作更频繁的情况(HBase的写操作更加高效)，比如，对于历史记录表和日志文件。业务场景简单：不需要太多的关系型数据库特性，列入交叉列，交叉表，事务，连接等，方便用户查询和维护。
在上述实施例的基础上，大数据运维平台还包括：
登录模块5，利用生物信息(虹膜、指纹、人脸信息)和密码进行验证便于用户登录，相比密码验证方式，该登录模块提高了平台的安全性能；其中，根据用户等级不同设置不同权限，例如，用户分三个角色：公司管理员，运维管理人员和运维人员。不同的角色登录平台后，所看和操作各自不同。公司管理员登录后直接进入“运维监管大数据中心”；运维管理人员登录后直接进入“设备监测”；运维人员登录后进入“运维管理”查看各自的运维任务。
在某一实施例中，所述平台满足多个用户同时访问数据库，显示多个用户共同操作该界面实时动态图，即，不同角色不同用户共同操作数据库内数据中心、设备监测和运维管理，实现运维信息信息化、无纸质化，同时，由于属于在线监测，通过登录大数据平台能够不限时间不限地域对运维内容进行跟踪、追溯、借鉴甚至考核相关运维人员的KPI绩效。
请参阅图6，为本发明提供一种大数据运维服务器，包括：
一个或多个处理器6；
存储器7；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中7并被配置为由所述一个或多个处理器6执行指令，所述一个或多个处理器执行上述大数据运维平台中模块/单元的功能。
所述处理器6可操作地与存储器和/或非易失性存储设备耦接。更具体地，处理器6可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作，诸如生成图像数据和/或将图像数据传输到电子显示器。如此，处理器可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
适用于电子设备中，于实际的实施方式中，所述电子设备例如为包括但不限于笔记本电脑、平板电脑、移动电话、智能手机、媒体播放器、个人数字助理(PDA)、导航仪、智能电视、智能手表、数码相机等等，还包括其中两项或多项的组合。应当理解，本申请于实施方式中描述的电子设备只是一个应用实例，该设备的组件可以比图示具有更多或更少的组件，或具有不同的组件配置。所绘制图示的各种组件可以用硬件、软件或软硬件的组合来实现，包括一个或多个信号处理和/或专用集成电路。在本申请的具体实施方式中，将以所述电子设备为智能手机为例进行说明。
本申请另一实施例中，还公开一种计算机可读的存储介质，所述计算机可读的存储介质存储至少一种程序，所述至少一种程序在被调用时执行上述大数据运维平台中模块/单元的功能。
其中，所述程序详见上述实施例，在此不加赘述。
另外需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请的部分或全部可借助软件并结合必需的通用硬件平台来实现。
基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质，这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本申请的实施例来执行操作。例如执行机器人的控制方法中的各步骤等。机器可读介质可包括，但不限于，软盘、光盘、CD-ROM(只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。其中，所述存储介质可位于机器人也可位于第三方服务器中，如位于提供某应用商城的服务器中。在此对具体应用商城不做限制，如小米应用商城、华为应用商城、苹果应用商城等。
本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
综上所述，本发明提供大数据运维平台，通过在线监测大型制造工厂的设备状态参数，当监测到故障时从多维度、多层次及时对故障进行诊断、分析和定位，提高了设备故障诊断的效率和准确度，能更高效地、精准地开展下一步的设备运维工作。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。