[发明专利]一种基于数据挖掘的设备全生命周期管理方法

权利要求书

1.一种基于数据挖掘的设备全生命周期管理方法，其特征在于，包括以下步骤：

采集设备台账数据、运行数据和检修数据；

对采集到的所述设备台账数据、运行数据和检修数据进行特征分析和统一化表征；

按照实际需求设定所述设备运行数据和检修数据的数据标签和标签权重；

依据所述设备运行数据和检修数据的标签权重，构建设备画像标签体系；

通过K-means数据聚类算法对统一化表征后的所述设备台账数据、运行数据和检修数据属性进行降维处理，生成相似簇；

利用Apriori算法挖掘设备异常或故障数据与造成故障因素数据之间的关联规则；

依据所述关联规则对数据属性进行故障分类，构建设备故障预测模型；

基于所述设备台账数据、运行数据和检修数据，训练所述设备故障预测模型，得到资产设备画像预测模型；

通过所述资产设备画像预测模型得到全生命周期运行的设备画像预测结果；

通过所述设备画像预测结果和所述设备画像标签体系，优化企业设备资产全生命周期过程中的需求、采购、使用、维护、报废环节。

2.根据权利要求1所述的一种基于数据挖掘的设备全生命周期管理方法，其特征在于，所述对采集到的所述设备台账数据、运行数据和检修数据进行特征分析和统一化表征之前，包括：

将采集到的所述设备台账数据、运行数据和检修数据处理空值数据、去除噪声数据和异常值；

将数据格式转换成挖掘所需的格式。

3.根据权利要求2所述的一种基于数据挖掘的设备全生命周期管理方法，其特征在于，所述对采集到的所述设备台账数据、运行数据和检修数据进行特征分析和统一化表征，包括：

对于同一故障断面下的数据集进行表征如下，

式中，D_j，t表示在t时刻下发生j类故障采集到的数据集，F表示故障类别数目，包含电气量数据环境监测数据设备运行状态数据安防监测数据

将上述数据进行统一化表示为：

D_j＝(x_j1，x_j2，...，x_jn)，n＝m^*N^*T

式中，m表示单一监测指标的个数，N表示在故障断面下采集数据的频率，T表示在故障断面下采集数据时长，x_j1，x_j2，…，x_jn分别表示发生j类故障时采集到的各个相关的造成故障因素数据，n表示故障数据类别。

4.根据权利要求3所述的一种基于数据挖掘的设备全生命周期管理方法，其特征在于，所述通过K-means数据聚类算法对统一化表征后的所述设备台账数据、运行数据和检修数据属性进行降维处理，生成相似簇，包括：

对于数据集D，

D＝{D₁，D₂，...，D_j，...，D_F}，D＝(x_j1，x_j2，...，x_jn)

则相关样本D_s、D_j的欧式距离为：

其平均误差准则函数I_c为：

式中，x_si表示样本D_s数据集中的第i个个体,x_ji表示样本D_j的数据集中的第i个个体,x_j表示数据集D中第j个个体，k表示聚类族数，n_i表示第j族数据均值，t_j表示第j族数据个数；

根据数据集中的各个样本到预选中心的距离将其归到距离最小的类中；

通过上式计算所有归到各个类中数据的平均值；

更新每个类的中心，直到平方误差准则函数稳定在最小值，生成相似簇，实现数据分类。