[发明专利]一种设备维修信息推送方法

权利要求书

1.一种设备维修信息推送方法，其特征包含以下步骤：

S1：利用设备信息收集模块，收集设备的历史信息和现有属性发送至云平台，利用知识图谱建立有关设备的数据集。利用人员信息收集模块，收集设人员的历史维修信息发送至云平台，利用知识图谱建立有关人员的数据集。

S2：云平台通过设备的数据集与人员的数据集，需要注意的是需要重点采集设备曾经出现过的历史问题与最终的解决情况。建立基于设备-人员的知识图谱。并使用Ripple Net模型的思想将设备-人员知识图谱的嵌入式进行更加丰富的表示。其基础嵌入式方法TransE如下

f(h，t，t)＝||h+r-t||

水波模型每一节点K的表示如下：

最终维修人员和设备节点的表示如下：

S3：定时的将实时的设备与人员信息通过各自的信息收集模块发送至云平台，云平台对各自的状态进行实时更新。并利用步骤S2中的Ripple Net相关公式对设备与人员的嵌入式表示进行更新。

S4：设备分析模块利用聚类算法对历史数据进行训练，云平台并根据返回的实时信息对当前设备是否处于故障状态进行判断。若判定设备处于或将要处于故障状态则发送检修信息至维修人员信息分析模块，此处发送的信息包括分析模块预测最有可能出现何种类型的故障信息，以方便后续安排最合适的人员。

S5：维修人员信息分析模块通过步骤S3更新后的设备与人员的嵌入式表示使用如下公式进行打分：

θ_uv＝σ(u^Tv)

挑选得分最高的N名维修人员进行通知。

S6:人员分配模块在收到消息后，会对当前维修人员的实时状态进行分析，对当前维修人员的权重进行判断，随机的将维修消息派发给当前权重最高的前M位维修人员。

S7:通过消息推送模块将维修消息发送给最终的权重最高的M名的维修人员，维修人员对对应问题进行检修后，更新设备状态与对应的维修人员状态。

2.根据权利1中所述的一种设备维修信息推送方法，特征包含步骤S2中在收集的对应设备信息和维修人员信息后对数据的建立知识图谱模型的具体特征。

3.根据权利1中所述的一种设备维修信息推送方法，特征包含步骤S2到步骤S6的在将信息嵌入式后，输入到聚类模型中训练。同时在模型训练稳定后，针对实时的信息得出预测并将故障设备信息按照S5步骤进行打分，选出前N位匹配的维修人员。再根据权重随机算法挑选具体的M名维修人员进行设备维修，同时在维修人员完成谁被维修后进行权重更新的过程。