JP7725457B2 - Elevator fault determination logic verification method, system, and storage medium - Google Patents
Elevator fault determination logic verification method, system, and storage mediumInfo
- Publication number
- JP7725457B2 JP7725457B2 JP2022517999A JP2022517999A JP7725457B2 JP 7725457 B2 JP7725457 B2 JP 7725457B2 JP 2022517999 A JP2022517999 A JP 2022517999A JP 2022517999 A JP2022517999 A JP 2022517999A JP 7725457 B2 JP7725457 B2 JP 7725457B2
- Authority
- JP
- Japan
- Prior art keywords
- fault
- elevator
- data
- maintenance
- determination logic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0037—Performance analysers
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Description
本発明は、エレベーター制御の技術分野に関し、特にエレベーター故障判定論理検証方法、システムおよび記憶媒体に関する。 The present invention relates to the technical field of elevator control, and in particular to an elevator fault determination logic verification method, system, and storage medium.
エレベーターのモノのインターネットの発展に伴い、エレベーター動作データの収集、記憶および分析などの機能を実現する必要がある。エレベーター端末には、ＤＴＵ（データ変換ユニット）が設けられており、収集したベースデータを論理処理する。そのうち、エレベーターの故障の生成もＤＴＵによって実現される。エレベーター故障の発生源には、以下のマスタコントロール故障報告および故障診断の２種類を含む。 With the development of elevator Internet of Things, it is necessary to realize functions such as collecting, storing, and analyzing elevator operation data. Elevator terminals are equipped with a DTU (Data Transformation Unit) to perform logical processing of the collected base data. Elevator fault generation is also realized by the DTU. Elevator fault sources include the following two types: master control fault reporting and fault diagnosis.
１）マスタコントロール故障報告とは、エレベーターマスタコントロールにより、各部材に故障が発生した時に報告された故障コードを収集して、ＤＴＵによってセンターへアップロードすることを指す。 1) Master control failure reporting refers to the elevator master control collecting the failure codes reported when a failure occurs in each component and uploading them to the center via the DTU.
２）故障診断とは、ＤＴＵによってエレベーターの各部材の動作パラメータを収集し、所定の論理または閾値に基づき、故障が発生することを判断して、センターへアップロードすることを指す。 2) Fault diagnosis refers to the process of collecting operating parameters of each elevator component using the DTU, determining that a fault has occurred based on a predetermined logic or threshold, and uploading the results to the center.
第２点の故障判定の論理については、研究・開発、工事経験、エレベーターの仕様、使用環境、エレベーターの利用率などを基に実現されるものであり、その論理および閾値の設定が適正であるかどうかは、長時間にわたって動作しなければ検証することができない。エレベーターの動作過程で大量の故障データが発生するが、大量の誤報告、重複データはメンテナンス人員の仕事量を著しく増やすと共に、エレベーターの耐用年数の向上に伴い、予め設定された論理がもはや適用されない可能性があるため、故障情報の誤報告、報告漏れを引き起こし、部材の動作に影響を及ぼす恐れがある。 Regarding the second point, the logic for fault detection is based on research and development, construction experience, elevator specifications, operating environment, elevator utilization rate, etc., and the appropriateness of the logic and threshold settings can only be verified after the elevator has been in operation for an extended period of time. A large amount of fault data is generated during elevator operation, and large amounts of erroneous and duplicated data significantly increase the workload of maintenance personnel. Furthermore, as elevators' service lives increase, the pre-set logic may no longer apply, leading to erroneous or missed reports of fault information and potentially affecting the operation of components.
上述した技術的問題を解決するために、本発明は、エレベーターの動作状態および工事のメンテナンス作業に基づき、エレベーター故障の正確度を逆検証することができるように、エレベーター故障判定論理検証方法、システムおよび記憶媒体を提供することを目的とする。 To solve the above-mentioned technical problems, the present invention aims to provide an elevator fault judgment logic verification method, system, and storage medium that can reverse-verify the accuracy of elevator faults based on the elevator's operating status and construction maintenance work.
本発明に採用した第１の技術案は、エレベーター動作データを取得するステップと、前記エレベーター動作データに基づき、メンテナンス時間、故障コードおよび処理説明を含む対応するメンテナンス記録を取得するステップと、前記メンテナンス記録に対してデータセット分類操作を行うステップと、データセット分類の結果および故障判定論理に基づいて比較するステップと、比較結果に基づき、前記故障判定論理を最適化するステップと、最適化された結果に基づき、エレベーター故障判断操作を行うステップと、を含むエレベーター故障判定論理検証方法である。 The first technical solution adopted in this invention is a method for verifying elevator fault judgment logic, including the steps of acquiring elevator operation data, acquiring corresponding maintenance records containing maintenance time, fault codes, and processing instructions based on the elevator operation data, performing a dataset classification operation on the maintenance records, comparing the results of the dataset classification with fault judgment logic, optimizing the fault judgment logic based on the comparison results, and performing an elevator fault judgment operation based on the optimized results.
さらに、前記エレベーター動作データは、状態パラメータ、故障データおよび動作停止メンテナンスデータを含み、前記状態パラメータは、電流、電圧、速度、荷重、走行距離および温度を含み、前記故障データは、故障タイプ、故障時間、エレベータータイプおよびエレベーター番号を含み、前記動作停止メンテナンスデータは、メンテナンス処理時間、エレベーター番号および故障コードを含む。 Further, the elevator operation data includes status parameters, fault data and out-of-service maintenance data, the status parameters include current, voltage, speed, load, mileage and temperature, the fault data includes fault type, fault time, elevator type and elevator number, and the out-of-service maintenance data includes maintenance processing time, elevator number and fault code.
さらに、前記メンテナンス記録に対してデータセット分類操作を行うステップは、具体的に、前記メンテナンス記録に基づき、前記故障データおよび動作停止メンテナンスデータをフィルタリングすることと、フィルタリングした結果を分類処理し、前記分類には、実際の故障、誤報告故障および人的故障を含むことと、を含む。 Furthermore, the step of performing a dataset classification operation on the maintenance records specifically includes filtering the failure data and operational shutdown maintenance data based on the maintenance records, and classifying the filtered results, wherein the classification includes actual failures, falsely reported failures, and human-caused failures.
さらに、前記データセット分類の結果および故障判定論理に基づいて比較するステップは、具体的に、前記誤報告故障に基づき、前記状態パラメータを選別することと、選別した結果に基づき、特徴エンジニアリングを確立することと、前記特徴エンジニアリングに基づき、ウェイトの高い特徴値を取得することと、前記特徴値と故障判定論理を検証することと、を含む。 Furthermore, the step of comparing based on the result of the dataset classification and the fault determination logic specifically includes: selecting the state parameters based on the misreported faults; establishing feature engineering based on the selection result; obtaining high-weight feature values based on the feature engineering ; and verifying the feature values and the fault determination logic.
さらに、前記比較結果に基づき、前記エレベーター故障論理を最適化するステップは、具体的に、前記特徴値と前記故障判定論理を検証した結果に基づき、故障判定論理の特徴次元を改良することと、前記特徴値と前記故障判定論理を検証した結果に基づき、故障判定論理の閾値を修正することと、前記特徴値と前記故障判定論理を検証した結果に基づき、故障判定論理のオフセットを修正することと、を含む。 Furthermore, the step of optimizing the elevator fault logic based on the comparison result specifically includes: improving the feature dimension of the fault judgment logic based on the result of verifying the feature value and the fault judgment logic; correcting the threshold of the fault judgment logic based on the result of verifying the feature value and the fault judgment logic; and correcting the offset of the fault judgment logic based on the result of verifying the feature value and the fault judgment logic.
さらに、フィルタリングした結果を分類処理するステップは、具体的に、前記処理説明に基づき、前記状態パラメータを取得することと、前記エレベーター状態パラメータに基づき、前記故障データを判別することと、を含む。 Furthermore, the step of classifying the filtered result specifically includes: obtaining the status parameters based on the processing description; and determining the fault data based on the elevator status parameters.
さらに、前記エレベーター状態パラメータに基づき、前記故障データを判別するステップは、具体的に、ＮＬＰに基づき、処理説明を識別操作することと、前記識別結果に基づき、前記状態パラメータを分類することと、を含み、前記処理説明には、故障状況、故障表現、処理過程および処理結果を含む。 Furthermore, the step of identifying the fault data based on the elevator state parameters specifically includes: identifying a process description based on NLP; and classifying the state parameters based on the identification result, where the process description includes a fault situation, a fault expression, a process, and a process result.
本発明に採用した第２の技術案は、エレベーター動作データを取得するためのデータ取得ユニットと、前記エレベーター動作データに基づき、メンテナンス時間、故障コードおよび処理説明を含む対応するメンテナンス記録を取得するためのメンテナンス記録取得ユニットと、前記メンテナンス記録に対してデータセット分類操作を行うためのデータセット分類ユニットと、データセット分類の結果および故障判定論理に基づいて比較するための故障論理判定ユニットと、比較結果に基づき、前記故障判定論理を最適化するための故障論理最適化ユニットと、最適化された結果に基づき、エレベーター故障判断操作を実行するための実行ユニットと、を含むエレベーター故障判定論理検証システムである。 The second technical solution adopted in the present invention is an elevator fault judgment logic verification system including: a data acquisition unit for acquiring elevator operation data; a maintenance record acquisition unit for acquiring corresponding maintenance records including maintenance time, fault codes, and processing instructions based on the elevator operation data; a dataset classification unit for performing a dataset classification operation on the maintenance records; a fault logic judgment unit for comparing the dataset classification results with fault judgment logic; a fault logic optimization unit for optimizing the fault judgment logic based on the comparison results; and an execution unit for executing an elevator fault judgment operation based on the optimized results.
本発明に採用した第３の技術案は、少なくとも１つのプロセッサと、少なくとも１つのプログラムを記憶するための少なくとも１つのメモリーと、を含むエレベーター故障判定論理検証システムであって、
前記少なくとも１つのプログラムが少なくとも１つのプロセッサに実行されると、前記少なくとも１つのプロセッサに、前記エレベーター故障判定論理検証方法を実現させるエレベーター故障判定論理検証システムである。
The third technical solution adopted in the present invention is an elevator fault judgment logic verification system, including at least one processor and at least one memory for storing at least one program,
When the at least one program is executed by at least one processor, the elevator fault determination logic verification system causes the at least one processor to implement the elevator fault determination logic verification method.
本発明に採用した第４の技術案は、実行可能なコマンドが記憶されている記憶媒体であって、前記プロセッサ実行可能コマンドがプロセッサにより実行される際に、前記エレベーター故障判定論理検証方法を実行するために用いられる記憶媒体である。 The fourth technical solution adopted in the present invention is a storage medium on which executable commands are stored, and is used to execute the elevator fault determination logic verification method when the processor-executable commands are executed by a processor.
本発明の有益な効果は、以下の通りである。本発明は、大量の歴史故障データおよびエレベーターの状態データ、メンテナンスデータを用いて検証論理を形成し、故障の真実性に対してインテリジェント識別を実現し、故障判定論理の適正性を検証し、故障情報の誤報告、報告漏れを低減させることで、メンテナンス人員の仕事量を著しく低減させるとともに、広い適用性を有する。 The beneficial effects of the present invention are as follows: The present invention uses large amounts of historical fault data, elevator status data, and maintenance data to form verification logic, realize intelligent identification of the authenticity of faults, verify the appropriateness of fault judgment logic, and reduce erroneous and missed reports of fault information, thereby significantly reducing the workload of maintenance personnel and having wide applicability.
以下、図面および具体的な実施例を結び付けて、本発明をさらに詳しく説明する。 The present invention will be described in more detail below with reference to the drawings and specific examples.
図１に示すように、本発明の実施例において、以下のステップを含むエレベーター故障判定論理検証方法が提供される。 As shown in Figure 1, an embodiment of the present invention provides a method for verifying elevator fault determination logic, including the following steps:
Ｓ１０１：エレベーター動作データを取得する。 S101: Acquire elevator operation data.
Ｓ１０２：前記エレベーター動作データに基づき、メンテナンス時間、故障コードおよび処理説明を含む対応するメンテナンス記録を取得する。 S102: Based on the elevator operation data, obtain the corresponding maintenance record, including the maintenance time, fault code, and procedure description.
具体的には、本発明の具体的な実施例において、大量のエレベーター動作データを採集し、動作データにおける故障データ、および動作停止メンテナンスデータに基づき、動作データから、対応する故障のメンテナンス記録を取得することにより、メンテナンス人員がワークオーダを受け入れ、現場で故障を確認して処理し、処理が終了した後、ＰＤＡによって処理過程説明を記入し、エレベーター番号、メンテナンス時間、故障コードおよび処理説明を含むメンテナンス記録データをセンターから受信する。 Specifically, in a specific embodiment of the present invention, a large amount of elevator operation data is collected, and based on the fault data and downtime maintenance data in the operation data, the corresponding fault maintenance record is obtained from the operation data. Maintenance personnel then accept the work order, confirm and process the fault on-site, and after the processing is completed, fill out a processing procedure description on a PDA, and receive maintenance record data from the center, including the elevator number, maintenance time, fault code, and processing description.
Ｓ１０３：前記メンテナンス記録に対してデータセット分類操作を行う。 S103: Perform a dataset classification operation on the maintenance record.
具体的には、本発明の実施例において、故障歴史データ、および対応する処理データ、動作停止データをロードする。この３種類のデータは、エレベーター番号および故障コードで関連付けられている。メンテナンス記録における故障コードおよび処理説明に基づき、エレベーター故障を引き起こすか、または動作停止メンテナンスを行う具体的な原因を判断し、その原因に基づいてすべての故障データを、実際の故障Ｄａｔａｓｅｔ＿Ｔ、誤報告故障Ｄａｔａｓｅｔ＿Ｆおよび人的故障Ｄａｔａｓｅｔ＿Ｍに分類する。 Specifically, in this embodiment of the present invention, fault history data, corresponding processing data, and operational shutdown data are loaded. These three types of data are associated with the elevator number and fault code. Based on the fault code and processing description in the maintenance record, the specific cause that caused the elevator to fail or undergo operational shutdown maintenance is determined, and all fault data is classified based on the cause into Actual Fault Dataset_T, Misreported Fault Dataset_F, and Man-Made Fault Dataset_M.
Ｓ１０４：データセット分類の結果および故障判定論理に基づいて比較する。 S104: Compare the dataset classification results based on the fault determination logic.
具体的に、前のステップＳ１０３で分類処理した故障データは、実際の故障Ｄａｔａｓｅｔ＿Ｔ、誤報告故障Ｄａｔａｓｅｔ＿Ｆおよび人的故障Ｄａｔａｓｅｔ＿Ｍに分けられる。そのうちの誤報告故障Ｄａｔａｓｅｔ＿Ｆの各々の動作データを選択してロードし、対応する特徴エンジニアリングを確立して対応する特徴パラメータを取得する。取得した特徴パラメータと、故障判定論理に予め設定されたパラメータ閾値を比較する。そのうち、故障判定論理は、ハードウェア端末で実行される、センサーにより採集された一部のパラメータ（たとえば、電流、応力、計数、計時など）であり、これらのパラメータおよび論理に基づき、エレベーターに故障が発生しているか否かを判断する。 Specifically, the fault data classified in the previous step S103 is divided into actual fault Dataset_T, falsely reported fault Dataset_F, and man-made fault Dataset_M. The operation data of each of the falsely reported fault Dataset_F is selected and loaded, and corresponding feature engineering is established to obtain corresponding feature parameters. The obtained feature parameters are compared with parameter thresholds preset in the fault determination logic. The fault determination logic is implemented in the hardware terminal and includes some parameters (e.g., current, stress, count, timing, etc.) collected by sensors. Based on these parameters and logic, it is determined whether the elevator has a fault.
Ｓ１０５：比較結果に基づき、前記故障論理を最適化する。 S105: Optimize the fault logic based on the comparison results.
具体的に、特徴パラメータの値が明らかに予め設定された閾値に達していないか、または閾値を超える幾つかの特徴パラメータしかない情況があれば、判定論理を再検討する必要がある。各種のエレベーター故障タイプの判定論理および閾値は、全て同様ではない。同じ故障でも、異なる型番のエレベーターによって同様ではない可能性もある。例えば、ドア故障の次元は、通常、ドアモータ電流、戸開時間、戸閉時間などの採集である。たとえば、電流値が所定電流（閾値１）を超え、所定回数（閾値２）を超える場合、エレベーターは、ドアの開閉が順調ではないという故障を報告するが、メンテナンス人員が、現場で、ドアモータ電流の高すぎることを引き起こした原因が乗場外扉の過重であることを発見した場合、誤報告の発生を低減させるように、電流閾値を高く設定する必要がある。実際の故障に対して特徴分析を行うことにより、このような故障を引き起こす特徴と判定論理に用いられた特徴が一致しないことを発見した場合、判定論理に特徴を追加または低減するか否かを考慮する必要がある。各種のエレベーター型または各種の故障の特徴は、いずれも異なるが、ただ、ある故障が頻繁に誤報告されることを発見した場合、このタイプの故障の実際の報告データに対して、その実際の故障を引き起こす特徴を分析するとともに、機器学習による結果に基づき、故障判断プログラムの論理、次元または閾値が適正であるか否かを逆検証する。 Specifically, if the feature parameter values clearly do not reach the preset thresholds or if only a few feature parameters exceed the thresholds, the judgment logic must be reconsidered. The judgment logic and thresholds for various elevator fault types are not all the same. The same fault may not be the same for different elevator models. For example, the dimensions of a door fault typically include the door motor current, door opening time, and door closing time. For example, if the current value exceeds a predetermined current (threshold 1) and a predetermined number of times (threshold 2), the elevator reports a fault indicating that the doors are not opening and closing smoothly. However, if maintenance personnel discover on-site that the excessively high door motor current is caused by excessive weight on the outer door of the hall, the current threshold should be set higher to reduce the occurrence of false reports. If a feature analysis of an actual fault reveals that the features causing such a fault do not match the features used in the judgment logic, it is necessary to consider whether to add or remove features from the judgment logic. The characteristics of various elevator types and various types of faults are all different, but if it is discovered that a certain fault is frequently misreported, the actual reported data for this type of fault is analyzed to determine the characteristics that cause the actual fault, and based on the results of machine learning, the logic, dimensions, or thresholds of the fault judgment program are reverse-verified to determine whether they are appropriate.
Ｓ１０６：最適化された結果に基づき、エレベーター故障論理判定を実行する。 S106: Based on the optimized results, perform elevator fault logic determination.
更なる好適な実施形態として、前記エレベーター動作データは、状態パラメータ、故障データおよび動作停止メンテナンスデータを含み、前記状態パラメータは、電流、電圧、速度、荷重、走行距離および温度を含み、前記故障データには、故障タイプ、故障時間、エレベータータイプおよびエレベーター番号を含み、前記動作停止メンテナンスデータは、メンテナンス処理時間、エレベーター番号、および故障コードを含む。 In a further preferred embodiment, the elevator operation data includes status parameters, fault data , and out-of-service maintenance data, the status parameters including current, voltage, speed, load, mileage, and temperature, the fault data including fault type, fault time, elevator type, and elevator number, and the out-of-service maintenance data including maintenance processing time, elevator number, and fault code.
具体的には、本発明の実施例において、エレベーター動作期間における状態パラメータ、故障データおよび動作停止メンテナンスデータを取得し、エレベーター番号および故障コードに基づき３つのデータセットを関連付けて、後述するステップにおける分析作業に便利である。 Specifically, in an embodiment of the present invention, the status parameters, fault data , and downtime maintenance data during the elevator operation period are obtained, and the three data sets are associated based on the elevator number and fault code, which is convenient for the analysis work in the steps described below.
図２に示すように、更なる好適な実施形態として、前記メンテナンス記録に対してデータセット分類操作を行うステップＳ１０３は、具体的に、前記メンテナンス記録に基づき、前記故障データおよび動作停止メンテナンスデータをフィルタリングするＳ１０３１と、フィルタリングした結果を分類処理するＳ１０３２と、を含む。前記分類は、実際の故障、誤報告故障および人的故障を含む。 As shown in FIG. 2, in a further preferred embodiment, step S103 of performing a dataset classification operation on the maintenance records specifically includes steps S1031 of filtering the failure data and operational shutdown maintenance data based on the maintenance records, and S1032 of classifying the filtered results. The classification includes actual failures, falsely reported failures, and human failures.
具体的には、本発明の実施例において、エレベーター番号および故障コードで関連付けられたデータセットをロードする。動作停止時間、および動作停止時間が２分間を超えた記録（２分間でメンテナンス人員が現場に到達して処理を完成することができない）をフィルタリングすることにより、これらの故障を実際の故障として見なすことができる。これらの実際の故障をデータセットＤａｔａｓｅｔ＿Ｔに記憶し、故障処理説明を分析し、ｎｌｐによって説明内容を分析することにより、故障の真実性（実際の故障、誤報告故障）を確認し、故障（機器故障であるか、人的故障であるか、たとえば、故障説明は、飾り付けで砂がレールに入って戸開・戸閉を妨害し、砂を清掃した後、故障を排除する。故障説明に基づき、このような故障が人的故障として判定されてもよい）に対して判別し、すべての実際の故障および人的故障の記録をフィルタリングして区別し、この段階における実際の故障をデータセットＤａｔａｓｅｔ＿Ｔに記憶する。 Specifically, in this embodiment of the present invention, a dataset associated with elevator numbers and fault codes is loaded. Records with downtimes and downtimes exceeding two minutes (i.e., maintenance personnel are unable to reach the site and complete the process within two minutes) are filtered out, allowing these faults to be considered actual faults. These actual faults are stored in the dataset Dataset_T, and the fault handling descriptions are analyzed. The contents of the descriptions are analyzed using NLP to confirm the authenticity of the fault (actual fault, falsely reported fault), and the fault (whether it is an equipment fault or a human fault; for example, a fault description might be that sand from decorations got into the rails, preventing the doors from opening and closing. After the sand is removed, the fault is eliminated. Based on the fault description, such a fault can be determined to be a human fault) is identified. All actual fault and human fault records are filtered out and distinguished, and the actual faults at this stage are stored in the dataset Dataset_T.
図２に示すように、更なる好適な実施形態として、前記データセット分類の結果および故障判定論理に基づいて比較するステップＳ１０４は、具体的に、前記誤報告故障に基づき、前記状態パラメータを選別するＳ１０４１と、選別した結果に基づき、特徴エンジニアリングを確立するＳ１０４２と、前記特徴エンジニアリングに基づき、ウェイトの高い特徴値を取得するＳ１０４３と、前記特徴値および前記故障判定論理を検証するＳ１０４４と、を含む。 As shown in FIG. 2 , in a further preferred embodiment, step S104 of comparing based on the result of the dataset classification and the fault determination logic specifically includes: S1041 selecting the state parameters based on the falsely reported faults; S1042 establishing feature engineering based on the selection result; S1043 obtaining high-weight feature values based on the feature engineering ; and S1044 verifying the feature values and the fault determination logic.
具体的に、本発明の実施例において、データセットＤａｔａｓｅｔ＿Ｔをロードし、関連関係に基づいてすべての実際の故障の関連状態パラメータを選別し、すべての実際の故障の状態パラメータに基づき、特徴エンジニアリングを確立し、特徴エンジニアリングのうちウェイトの高い（関連関係が最も強い）特徴値を抽出し、生成した特徴値と予め設定された故障判定論理における特徴パラメータとを比較し、結果をフィードバックする。前記特徴エンジニアリングの確立過程は、汎用な技術的方向であり、特徴エンジニアリングにおいて、大量のサンプリングデータによってターゲットラベルを設定し、機器学習アルゴリズムにより、データのうちターゲットラベルを引き起こした特徴を分析し抽出し、各特徴のウェイトを取得する。 Specifically, in an embodiment of the present invention, the data set Dataset_T is loaded, the associated state parameters of all actual faults are selected based on the association relationships, feature engineering is established based on all actual fault state parameters, feature values with high weights (the strongest association relationships) are extracted from the feature engineering , the generated feature values are compared with feature parameters in a preset fault judgment logic, and the results are fed back. The feature engineering establishment process is a general-purpose technical direction, in which target labels are set using a large amount of sampling data in the feature engineering , and features that cause the target labels in the data are analyzed and extracted using a machine learning algorithm, and the weights of each feature are obtained.
更なる好適な実施形態として、前記比較結果に基づき、前記エレベーター故障論理を最適化するステップＳ１０５は、具体的に、前記特徴値と前記故障判定論理を検証した結果に基づき、故障判定論理の特徴次元を改良するＳ１０５１と、前記特徴値と前記故障判定論理を検証した結果に基づき、故障判定論理の閾値を修正するＳ１０５２と、前記特徴値と前記故障判定論理を検証した結果に基づき、故障判定論理のオフセットを修正するＳ１０５３と、を含む。 In a further preferred embodiment, step S105 of optimizing the elevator fault logic based on the comparison result specifically includes S1051: improving the feature dimension of the fault judgment logic based on the result of verifying the feature value and the fault judgment logic; S1052: correcting the threshold of the fault judgment logic based on the result of verifying the feature value and the fault judgment logic; and S1053: correcting the offset of the fault judgment logic based on the result of verifying the feature value and the fault judgment logic.
具体的には、Ｓ１０３２で故障分類処理した誤報告故障および前のステップＳ１０４４における検証結果に基づき、誤報告故障Ｄａｔａｓｅｔ＿Ｆおよび実際の故障Ｄａｔａｓｅｔ＿Ｔの２種類の故障タイプに対してそれぞれ改良および最適化を行う。出現頻度の高い誤報告故障に対して、対応する故障判定論理を修正し、ひいては再構築する必要がある。実際の故障に対して、ステップＳ１０４４における検証結果に基づき、慎重に改良し最適化する。即ち、故障判定論理は、特徴分析および関連分析における結果へ近づく必要がある。故障判定論理にある特徴値が出現しないか、またはある特徴値が１つ多ければ、特徴次元を修正する必要がある。誤報告故障における特徴パラメータの具体的な値が故障判定論理における特徴パラメータの値よりも高いか、またはそれよりも低い場合、特徴パラメータの閾値を再設定する必要がある。 Specifically, based on the misreported faults classified in S1032 and the verification results from the previous step S1044, refinement and optimization are performed for two types of faults: the misreported fault Dataset_F and the actual fault Dataset_T. For misreported faults that occur frequently, the corresponding fault determination logic must be modified and even reconstructed. For actual faults, careful refinement and optimization is performed based on the verification results from step S1044. That is, the fault determination logic must approach the results of the feature analysis and related analysis. If a certain feature value does not appear in the fault determination logic or if there is one more feature value, the feature dimension must be revised. If the specific value of the feature parameter for the misreported fault is higher or lower than the value of the feature parameter in the fault determination logic, the threshold value for the feature parameter must be reset.
更なる好適な実施形態として、前記フィルタリングした結果を分類処理するステップは、具体的に、前記処理説明に基づき、前記状態パラメータを取得することと、前記エレベーター状態パラメータに基づき、前記故障データを判別することを含む。 In another preferred embodiment, the step of classifying the filtered result specifically includes: obtaining the status parameters according to the processing description; and determining the fault data according to the elevator status parameters.
具体的には、すべての故障データに基づいてメンテナンス記録に関連付けられた後、エレベーター故障判別を行い、実際に発生した故障、人的故障および誤報告故障を区別する。 Specifically, after all fault data is linked to maintenance records, elevator fault discrimination is performed to distinguish between actual faults, human faults, and falsely reported faults.
更なる好適な実施形態として、前記エレベーター状態パラメータに基づき、前記故障データを判別するステップは、具体的に、ＮＬＰに基づき、処理説明に対して識別操作を行うことと、前記識別結果に基づき、前記状態パラメータを分類することと、を含む。前記処理説明には、故障状況、故障表現、処理過程および処理結果を含む。
In another preferred embodiment, the step of identifying the fault data based on the elevator state parameters specifically includes: performing a classification operation on a process description based on NLP; and classifying the state parameters based on the classification result, wherein the process description includes a fault situation, a fault expression, a process, and a process result.
具体的には、メンテナンス人員は、エレベーター故障を処理した後、故障処理過程情報を記入する必要がある。これらの情報は、手動で入力され、故障状況、表現、処理過程、処理結果などを説明するためのものである。メンテナンス記録における説明情報に基づき、ＮＬＰ（自然言語分析）分類器をトレーニングし、メンテナンス記録における原因説明に基づき、該メンテナンス記録に対応する故障が機器自身責任であるか、人的責任であるかを判定し、ＮＬＰ（自然言語分析）を用いてメンテナンス記録に対して識別、分析分類、故障タイプの判断を行うことにより、各々の記録が正確で有効であるか否か（人的故障であるか否か）を判定する。 Specifically, after handling an elevator malfunction, maintenance personnel must enter malfunction handling process information. This information is manually entered and describes the malfunction situation, description, handling process, and handling results. Based on the explanatory information in the maintenance record, an NLP (natural language analysis) classifier is trained. Based on the cause explanation in the maintenance record, it is determined whether the malfunction corresponding to the maintenance record is the fault of the equipment itself or a human being. NLP (natural language analysis) is used to identify, analyze, classify, and determine the type of malfunction for the maintenance record, thereby determining whether each record is accurate and valid (whether it is a human-caused malfunction).
本発明の実施例において、エレベーター動作データを取得するためのデータ取得ユニットと、
前記エレベーター動作データに基づき、メンテナンス時間、故障コードおよび処理説明を含む対応するメンテナンス記録を取得するためのメンテナンス記録取得ユニットと、
前記メンテナンス記録に対してデータセット分類操作を行うためのデータセット分類ユニットと、
データセット分類の結果および故障判定論理に基づいて比較するための故障論理判定ユニットと、
比較結果に基づき、前記故障判定論理を最適化するための故障論理最適化ユニットと、
最適化された結果に基づき、エレベーター故障判断操作を実行するための実行ユニットと、を含む、エレベーター故障判定論理検証システムがさらに提供される。
In an embodiment of the present invention, a data acquisition unit for acquiring elevator operation data;
a maintenance record obtaining unit for obtaining corresponding maintenance records according to the elevator operation data, the maintenance records including maintenance time, fault code and processing description;
a dataset classification unit for performing a dataset classification operation on the maintenance records;
a fault logic judgment unit for comparing the result of the data set classification and the fault judgment logic;
a fault logic optimization unit for optimizing the fault determination logic based on the comparison result;
An elevator fault judgment logic verification system is further provided, which includes: an execution unit for executing an elevator fault judgment operation based on the optimized result.
本発明は、少なくとも１つのプロセッサと、少なくとも１つのプログラムを記憶するための少なくとも１つのメモリーと、を含むエレベーター故障判定論理検証方法であって、
前記少なくとも１つのプログラムが少なくとも１つのプロセッサに実行されると、前記少なくとも１つのプロセッサに、前記エレベーター故障判定論理検証方法を実現させる、エレベーター故障判定論理検証システムをさらに提供する。
The present invention provides an elevator fault determination logic verification method, including at least one processor and at least one memory for storing at least one program, comprising:
The present invention further provides an elevator fault determination logic verification system, which, when the at least one program is executed by at least one processor, causes the at least one processor to realize the elevator fault determination logic verification method.
上記方法実施例における内容は、いずれも本システム実施例に適用されてもよい。本システム実施例が具体的に実現した機能は、上記方法実施例と同様であるとともに、達した有益な効果も、上記方法実施例が達した有益な効果と同様である。 All of the content of the above method embodiments may be applied to this system embodiment. The specific functions realized by this system embodiment are similar to those of the above method embodiments, and the beneficial effects achieved are similar to those achieved by the above method embodiments.
また、本発明の実施例において、プロセッサ実行可能コマンドが記憶されている記憶媒体であって、前記プロセッサ実行可能コマンドがプロセッサにより実行される際に、前記エレベーター故障判定論理検証方法を実行するために用いられる、記憶媒体がさらに提供される。 An embodiment of the present invention also provides a storage medium on which processor-executable commands are stored, the storage medium being used to execute the elevator fault determination logic verification method when the processor-executable commands are executed by a processor.
従来技術に対して、本発明に係るエレベーター故障判定論理検証方法、システムおよび記憶媒体は、以下の利点を有する。 Compared to conventional technology, the elevator fault determination logic verification method, system, and storage medium of the present invention have the following advantages:
１）、本発明は、エレベーターの動作状態および工事メンテナンス作業を利用して、エレベーター故障の正確度を逆検証することにより、故障判定論理が適正で有効であるか否かを推定し、エレベーター故障情報の誤報告および報告漏れを低減させる。 1) The present invention uses the elevator's operating status and construction maintenance work to reverse-verify the accuracy of elevator faults, thereby estimating whether the fault determination logic is appropriate and valid, thereby reducing erroneous and missed reports of elevator fault information.
２）、本発明に係る方法によれば、故障判定論理のリアルタイム更新を実現し、メンテナンス人員および研究・開発人員の仕事量を低減させることができる。 2) The method of the present invention enables real-time updating of fault determination logic, reducing the workload of maintenance personnel and research and development personnel.
上記方法実施例におけるステップの番号は、説明を容易にするために付与されたものであり、ステップ間の順番は、特に限定されず、実施例における各ステップの実行順番は、当業者の理解に基づき、適応的に調整されてもよい。 The step numbers in the above method examples have been assigned for ease of explanation, and the order of the steps is not particularly limited. The order in which each step is performed in the examples may be adaptively adjusted based on the understanding of those skilled in the art.
以上、本発明の好適な実施例について具体的に説明したが、本発明は、前記実施例に限定されない。当業者にとっては、本発明の思想に反しない前提で、様々な均等な変形または置換を行うことができる。これらの均等な変形または置換は、いずれも特許請求の範囲に含まれるべきである。 The above provides a detailed description of preferred embodiments of the present invention, but the present invention is not limited to these embodiments. Those skilled in the art will be able to make various equivalent modifications or substitutions without departing from the spirit of the present invention. All of these equivalent modifications or substitutions are intended to be included within the scope of the claims.
Claims (3)
前記エレベーター動作データに基づき、メンテナンス時間、故障コードおよび処理説明を含むエレベーターのメンテナンス記録を取得するステップと、
前記メンテナンス記録に対してデータセット分類操作を行うステップであって、前記メンテナンス記録に対してデータセット分類操作を行うステップは、前記メンテナンス記録に基づき、前記エレベーター動作データにおける故障データおよび動作停止メンテナンスデータをフィルタリングし、フィルタリングした結果を分類処理し、前記分類処理後の故障は、実際の故障、誤報告故障および人的故障を含むことを含むステップと、
データセット分類の結果および故障判定論理に基づいて比較するステップと、
比較結果に基づき、前記故障判定論理を最適化するステップと、
最適化された結果に基づき、エレベーター故障判断操作を行うステップと、を含み、
前記メンテナンス記録に基づき、前記エレベーター動作データにおける故障データおよび動作停止メンテナンスデータをフィルタリングし、フィルタリングした結果を分類処理し、前記分類処理後の故障は、実際の故障、誤報告故障および人的故障を含むことは、
前記故障データおよび対応する前記動作停止メンテナンスデータ、前記メンテナンス記録をロードし、前記故障データ、前記メンテナンス記録および前記動作停止メンテナンスデータは、前記エレベーター番号および前記故障コードで関連付けられ、前記メンテナンス記録における前記故障コードおよび前記処理説明に基づき、エレベーター故障を引き起こすか、または動作停止メンテナンスを行う原因を判断し、前記原因に基づいて前記故障データを、実際の故障、誤報告故障および人的故障に分類することを含み、
前記故障判定論理は、ハードウェア端末で実行される、センサーにより採集されたパラメータに基づき、エレベーターに故障が発生しているか否かを判断し、前記故障判定論理は、研究・開発、工事経験、エレベーターの仕様、使用環境、エレベーターの利用率を基に実現された論理および閾値であり、
前記データセット分類の結果および故障判定論理に基づいて比較するステップは、前記誤報告故障の動作データをロードし、対応する特徴エンジニアリングを確立して対応する特徴値を取得し、取得した特徴値と、故障判定論理に予め設定されたパラメータ閾値を比較することを含み、
前記比較結果に基づき、前記エレベーターの故障判定論理を最適化するステップは、故障判定論理の閾値を修正することであって、誤報告故障における特徴値の特定の値が前記故障判定論理における予め設定された前記パラメータ閾値よりも高いか、またはそれよりも低い場合、予め設定された前記パラメータ閾値を再設定する必要があることを含む、ことを特徴とするエレベーター故障判定論理検証方法。 Obtaining elevator operation data including status parameters, fault data, and out-of-service maintenance data, wherein the fault data includes a fault type, a fault time, an elevator type, and an elevator number, and the out-of-service maintenance data includes a maintenance processing time, an elevator number, and a fault code;
obtaining an elevator maintenance record, including maintenance time, fault code, and treatment description, based on the elevator operation data;
a step of performing a data set classification operation on the maintenance records, the step of performing a data set classification operation on the maintenance records including: filtering fault data and operational stop maintenance data in the elevator operation data based on the maintenance records; and classifying the filtered result, wherein the faults after the classification process include actual faults, falsely reported faults, and human-caused faults;
comparing the results of the data set classification based on the fault determination logic;
optimizing the fault determination logic based on the comparison result;
and performing an elevator fault determination operation based on the optimized result;
According to the maintenance records, the fault data and the operation stop maintenance data in the elevator operation data are filtered, and the filtered results are classified, and the faults after the classification process include actual faults, falsely reported faults, and human faults.
loading the fault data and the corresponding out-of-operation maintenance data and the maintenance records , the fault data, the maintenance records and the out-of-operation maintenance data being associated with the elevator number and the fault code, determining the cause of causing the elevator fault or performing out-of-operation maintenance based on the fault code and the processing description in the maintenance records, and classifying the fault data into actual faults, falsely reported faults and human faults based on the cause;
The fault determination logic is executed on a hardware terminal and determines whether a fault has occurred in the elevator based on parameters collected by sensors, and the fault determination logic is a logic and threshold realized based on research and development, construction experience, elevator specifications, usage environment, and elevator utilization rate;
The step of comparing based on the result of the dataset classification and the fault determination logic includes: loading the operation data of the false-reported fault , establishing corresponding feature engineering to obtain corresponding feature values, and comparing the obtained feature values with parameter thresholds preset in the fault determination logic;
and optimizing the elevator fault determination logic based on the comparison result includes modifying a threshold value of the fault determination logic , and if a specific value of a feature value in a false- reported fault is higher or lower than the preset parameter threshold value in the fault determination logic, the preset parameter threshold value needs to be reset.
少なくとも１つのプログラムを記憶するための少なくとも１つのメモリーと、を含むエレベーター故障判定論理検証方法であって、
前記少なくとも１つのプログラムが少なくとも１つのプロセッサに実行されると、前記少なくとも１つのプロセッサに、請求項１に記載のエレベーター故障判定論理検証方法を実現させる、ことを特徴とするエレベーター故障判定論理検証システム。 at least one processor;
at least one memory for storing at least one program,
2. An elevator fault determination logic verification system, wherein, when the at least one program is executed by the at least one processor, the at least one processor implements the elevator fault determination logic verification method according to claim 1.
プロセッサ実行可能なコマンドがプロセッサにより実行される際に、請求項１に記載のエレベーター故障判定論理検証方法を実行するために用いられる、ことを特徴とする記憶媒体。
A storage medium having processor-executable instructions stored thereon,
10. A storage medium used to perform the elevator fault determination logic verification method of claim 1 when processor-executable commands are executed by a processor.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911010901.8 | 2019-10-23 | ||
| CN201911010901.8A CN110861987B (en) | 2019-10-23 | 2019-10-23 | A kind of elevator fault judgment logic verification method, system and storage medium |
| PCT/CN2020/117611 WO2021077983A1 (en) | 2019-10-23 | 2020-09-25 | Elevator fault determination logic verification method and system and storage medium |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022549615A JP2022549615A (en) | 2022-11-28 |
| JP7725457B2 true JP7725457B2 (en) | 2025-08-19 |
Family
ID=69653102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022517999A Active JP7725457B2 (en) | 2019-10-23 | 2020-09-25 | Elevator fault determination logic verification method, system, and storage medium |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7725457B2 (en) |
| CN (1) | CN110861987B (en) |
| WO (1) | WO2021077983A1 (en) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110861987B (en) * | 2019-10-23 | 2021-06-08 | 日立楼宇技术（广州）有限公司 | A kind of elevator fault judgment logic verification method, system and storage medium |
| CN112723069B (en) * | 2020-12-16 | 2023-06-09 | 长沙慧联智能科技有限公司 | TOF visual detection-based elevator door running state monitoring method and system |
| CN113343176B (en) * | 2021-08-05 | 2022-06-10 | 北京磁浮有限公司 | Fault early warning method for elevator equipment based on fuzzy comprehensive evaluation |
| CN113469580A (en) * | 2021-08-06 | 2021-10-01 | 广东省林业科学研究院 | Energy consumption management method of ecological restoration equipment system |
| CN113743782A (en) * | 2021-09-03 | 2021-12-03 | 重庆市特种设备检测研究院 | Elevator inspection process optimization method and optimization system based on overall planning method |
| CN113682912A (en) * | 2021-09-09 | 2021-11-23 | 重庆伊士顿电梯有限责任公司 | Intelligent elevator safety monitoring system with fault early warning function |
| CN113837407A (en) * | 2021-10-27 | 2021-12-24 | 北京恒远国创科技有限公司 | A kind of elevator maintenance management method, computer equipment and storage medium |
| CN114283502B (en) * | 2021-12-08 | 2023-06-23 | 福建省特种设备检验研究院泉州分院 | A data analysis method for special equipment sensor nodes |
| CN115028036B (en) * | 2022-05-06 | 2024-08-09 | 北京中铁电梯工程有限公司 | Elevator management method based on big data |
| CN115101187B (en) * | 2022-07-14 | 2022-11-15 | 西南医科大学附属医院 | Anesthesia machine operation fault prediction system based on big data |
| CN115196456B (en) * | 2022-07-14 | 2023-08-18 | 慧川电梯科技有限公司 | Fault judging method and device suitable for elevators of different brands |
| CN115973125B (en) * | 2023-02-15 | 2023-06-06 | 慧铁科技有限公司 | A method for dealing with the failure of automatic braking device for derailment of railway freight cars |
| CN117270664A (en) * | 2023-11-23 | 2023-12-22 | 深圳市蓝鲸智联科技股份有限公司 | Reset system based on intelligent storage chip of automobile |
| CN117902417B (en) * | 2024-02-29 | 2025-05-09 | 尼得科康迪克电梯技术(无锡)有限公司 | Elevator safety control method, device, equipment and medium |
| CN118859853A (en) * | 2024-04-02 | 2024-10-29 | 上海宝信软件股份有限公司 | Method and system for generating process diagram based on main and auxiliary steps of accident handling manual |
| CN119475136B (en) * | 2025-01-14 | 2025-03-25 | 湖南电气职业技术学院 | Elevator fault classification method and system |
| CN120246797B (en) * | 2025-06-06 | 2025-08-15 | 宁波市特种设备检验研究院 | Fault prediction method and system for elevator uplink overspeed protection device based on big data |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018123037A1 (en) | 2016-12-28 | 2018-07-05 | 三菱電機ビルテクノサービス株式会社 | Elevator remote monitoring device |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3573559B2 (en) * | 1996-03-04 | 2004-10-06 | 株式会社日立製作所 | Maintenance support system |
| JP2009053938A (en) * | 2007-08-27 | 2009-03-12 | Toshiba Corp | Equipment diagnosis system and equipment diagnosis method based on multiple models |
| CN104714175A (en) * | 2013-12-12 | 2015-06-17 | 北京有色金属研究总院 | Battery system fault diagnosis method and system |
| CN104408656A (en) * | 2014-10-29 | 2015-03-11 | 中国建设银行股份有限公司 | Method and system for dynamic adjusting flow control threshold |
| CN105775943A (en) * | 2016-04-12 | 2016-07-20 | 广州深度数据科技有限公司 | Data driven elevator part early warning system and method |
| JP6321075B2 (en) * | 2016-05-27 | 2018-05-09 | 東芝エレベータ株式会社 | Elevator control device |
| CN106199251B (en) * | 2016-06-24 | 2018-10-16 | 广东电网有限责任公司佛山供电局 | A kind of distribution network failure early warning system and method based on adaptive modeling analysis |
| CN108320040B (en) * | 2017-01-17 | 2021-01-26 | 国网重庆市电力公司 | Acquisition terminal fault prediction method and system based on Bayesian network optimization algorithm |
| CN108217364B (en) * | 2018-01-05 | 2019-06-04 | 日立楼宇技术（广州）有限公司 | Terminal allocation model establishment, target elevator debugging terminal determination method and device |
| EP3650388B1 (en) * | 2018-11-06 | 2025-08-06 | KONE Corporation | A method and a system for detecting a malfunction of an elevator system |
| CN109885951A (en) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | Equipment fault diagnosis method and device |
| CN110058133B (en) * | 2019-04-15 | 2021-03-02 | 杭州拓深科技有限公司 | Feedback mechanism-based electric circuit fault arc false alarm optimization method |
| CN109987473B (en) * | 2019-04-16 | 2021-06-15 | 日立楼宇技术（广州）有限公司 | A method, device, device and storage medium for controlling elevator error reporting |
| CN110334728B (en) * | 2019-05-06 | 2022-04-01 | 中国联合网络通信集团有限公司 | Fault early warning method and device for industrial internet |
| CN110861987B (en) * | 2019-10-23 | 2021-06-08 | 日立楼宇技术（广州）有限公司 | A kind of elevator fault judgment logic verification method, system and storage medium |
-
2019
- 2019-10-23 CN CN201911010901.8A patent/CN110861987B/en active Active
-
2020
- 2020-09-25 WO PCT/CN2020/117611 patent/WO2021077983A1/en not_active Ceased
- 2020-09-25 JP JP2022517999A patent/JP7725457B2/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018123037A1 (en) | 2016-12-28 | 2018-07-05 | 三菱電機ビルテクノサービス株式会社 | Elevator remote monitoring device |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110861987A (en) | 2020-03-06 |
| JP2022549615A (en) | 2022-11-28 |
| CN110861987B (en) | 2021-06-08 |
| WO2021077983A1 (en) | 2021-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7725457B2 (en) | Elevator fault determination logic verification method, system, and storage medium | |
| CN117474357B (en) | Power distribution room operation and maintenance management method and system based on deep learning | |
| CN103699489A (en) | Software remote fault diagnosis and repair method based on knowledge base | |
| EP3105644A1 (en) | Method of identifying anomalies | |
| CN101136781B (en) | Performance data acquisition occasion control method and device in network management system | |
| CN113722134A (en) | Cluster fault processing method, device and equipment and readable storage medium | |
| CN117910148B (en) | BMS optimization method, system, medium and equipment based on shadow mode | |
| CN108052974A (en) | A kind of method for diagnosing faults, system, equipment and storage medium | |
| CN111625428A (en) | Method, system, device and storage medium for monitoring running state of Java application program | |
| CN113723827A (en) | Subway electromechanical equipment operation risk diagnosis and operation and maintenance control method and system | |
| CN115952081A (en) | Software testing method, device, storage medium and equipment | |
| CN117786578A (en) | Method, device, equipment and storage medium for detecting electric power running state | |
| CN113220585A (en) | Automatic fault diagnosis method and related device | |
| CN107180267A (en) | A kind of familial defect diagnostic method of secondary operation management system | |
| CN119759656A (en) | A communication data backup method and system based on Internet of Things security service | |
| CN110000705A (en) | A kind of detection method, system and the associated component of the operation of grinding machine abnormal processing | |
| CN116068983A (en) | A system abnormality monitoring method and device | |
| LU507133B1 (en) | Risk directive blocking system for maintenance processes | |
| CN119168585A (en) | Power distribution data audit method, device, electronic equipment and storage medium | |
| CN114020598A (en) | Anomaly detection method, device and equipment for time series data | |
| CN114386745A (en) | A method and system for data verification and identification of PMS substation equipment | |
| CN118586722A (en) | A method for fault diagnosis of electromechanical equipment in smart power plants | |
| CN105814546B (en) | Method and system for assisting the inspection to algorithm chain and verification | |
| CN117591949A (en) | Equipment abnormality identification method, equipment and medium | |
| CN116028251A (en) | Method, device and equipment for reporting error log and readable storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220318 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230222 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230322 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230622 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230801 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231201 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20231201 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231225 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240301 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240904 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20250407 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20250806 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7725457 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |