[发明专利]基于自贩机的检修时间预测方法、装置、设备及存储介质

说明书

本发明公开了一种基于自贩机的检修时间预测方法、装置、设备及存储介质，该方法包括：获取当前自贩机中各部件的预设检修时间间隔；获取当前自贩机中各部件的工作时长与历史故障时间；根据各部件的预设检修时间间隔与历史故障时间，计算各部件的故障频率；根据各部件的故障频率以及工作时长，通过预设部件检修时间模型，获取各部件的检修周期；根据预先获取的各部件的上一检修时间以及各部件对应的检修周期，计算各部件的下一检修时间。由于通过对自贩机各部件的预设检修时间间隔、工作时长与历史故障时间进行大数据挖掘与分析，通过每次数据分析迭代，建能够准确预测自贩机中各部件的下一检修时间，提高维修效率，降低运维成本。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于自贩机的检修时间预测方法、装置、设备及计算机可读存储介质。

背景技术

自贩机指的是一种由顾客自助取货、自助付款的机器，在各大商场及大型的公共场所均能见到自助售货机，自助售货机给人们的出行带来了很多方便。自贩机货道是指陈放寄售商品的物理轨道，一台自贩机有几十甚至上百个货道。自贩机工控系统通过硬件驱动程序，下发出货指令，驱动货道中的电机，推动商品从轨道中推出或掉落。

传统技术中，自助售货机的维修通常只能由运营人员结合设备配备维修标准以及自身直觉和经验去判断什么时候需要对设备维修，运维成本高，维修效率低下。

发明内容

基于此，本发明实施例提供了一种基于自贩机的检修时间预测方法、装置、设备及计算机可读存储介质，其能准确预测自贩机中各部件的下一检修时间，提高维修效率，降低运维成本。

第一方面，本发明实施例提供了一种基于自贩机的检修时间预测方法，包括以下步骤：

获取当前自贩机中各部件的预设检修时间间隔；

获取当前自贩机中各部件的工作时长与历史故障时间；

根据各部件的预设检修时间间隔与历史故障时间，计算各部件的故障频率；

根据各部件的故障频率以及工作时长，通过预设部件检修时间模型，获取各部件的检修周期；

根据预先获取的各部件的上一检修时间以及各部件对应的检修周期，计算各部件的下一检修时间。

优选地，所述根据各部件的故障频率以及工作时长，通过预设部件检修时间模型，获取各部件的检修周期，具体包括：

对各部件的故障频率以及工作时长进行数据抽取，获得故障特征集；

采用所述故障特征集对预设部件检修时间模型进行迭代训练，获取各部件的检修周期。

优选地，所述对各部件的故障频率以及工作时长进行数据抽取，获得故障特征集，具体包括：

通过Sqoop工具将获取的各部件的故障频率以及工作时长进行数据抽取与清洗，获得故障特征集；

根据预设的数据仓库模型，将所述故障特征集加载到数据仓库。

优选地，所述方法还包括以下部件检修时间模型建立步骤：

在Spark框架下采用逻辑回归算法对所述数据仓库中存储的故障特征集进行机器学习训练，建立部件检修时间模型。

优选地，所述方法还包括：

根据任意一部件的下一检修时间及当前自贩机的场所属性，生成部件检修通知信息，并在设定通知时间将部件检修通知信息发送至智能终端，以使得所述智能终端将所述部件检修通知信息推送给运维人员。

第二方面，本发明实施例提供了一种基于自贩机的检修时间预测装置，其包括：

第一时间获取模块，用于获取当前自贩机中各部件的预设检修时间间隔；