[发明专利]一种设备维修信息推送方法

说明书

本发明提供了一种设备维修信息推送方法，本发明基于知识图谱，大数据云平台和机器学习等方面的技术，包含信息采集模块，网络通信模块，故障分析模块，信息推送模块和分配模块。本发明通过将设备信息与人员信息基于知识图谱进行建模，使用知识图谱的嵌入式方法来充分利用知识图谱的语义信息。再使用嵌入式后的来进行训练，从而预测设备状态。在分配具体人员时将人员的嵌入式信息与设备的嵌入式信息进行相似度计算，从而选出合适的维修人员。本发明对设备进行实时监控并利用云平台的硬件资源与强大的算力进行实时分析，不仅大大提高了设备日常维护的效率也能够在设备出现故障时缩短恢复时间。

技术领域

本发明涉及到云平台与人工智能领域，尤其是涉及到一种设备维修信息推送方法。

背景技术

随着云平台的不断发展，其强大的在线资源与算力为许多领域都提供了新的解决方案。当今许多服务器的机房或者具有大量集中设备工作的场地采用了人工巡检的方式进行维护。此种方式不仅非常低效并且容易出现事故，增加了许多维护与运营成本。而借助云平台与人工智能的方法能够很好的解决此类问题。

即可以通过一种一种设备维修信息推送方法，基于知识图谱与机器学习对设备进行实时监控并利用云平台的硬件资源与强大的算力进行实时分析，不仅大大提高了设备日常维护的效率也能够在设备出现故障时缩短恢复时间。

发明内容

因此，针对现有解决方案中存在的问题，本发明提出了一种设备维修信息推送方法，以解决传统方案存在的效率过低，恢复时长较长，风险较大等缺点，并且可以较好的提升设备的稳定性。同时由于云平台在线资源丰富的优点，使得实际使用的客户并不需要实地搭建一个服务器平台，大大提高了使用效率并且缩减了平台建设的成本。

为达到上述目的，本发明的技术方案是这样实现的。

一种设备维修信息推送方法,包括以下步骤：

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RippleNet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,r,t)＝||h+r-t|| 1)

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) 4)

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。