基于场景画像演进的后厨称重设备预测接管方法及系统与流程

摘要: 本发明涉及设备状态管理,具体涉及基于场景画像演进的后厨称重设备预测接管方法及系统。背景技术:1、现有后厨称重设备通常依据心跳超时判定设备故障,并在设备离线后将待...
基于场景画像演进的后厨称重设备预测接管方法及系统与流程

本发明涉及设备状态管理,具体涉及基于场景画像演进的后厨称重设备预测接管方法及系统。

背景技术:

1、现有后厨称重设备通常依据心跳超时判定设备故障,并在设备离线后将待称重任务转移至其他设备。然而在午餐高峰期间,可能出现称重设备仍持续上报心跳,但由于称重模块响应变慢、mqtt回执延迟或本地任务积压,设备已连续较长时间不能有效提交称重结果的情况。此时采用固定离线阈值无法及时触发接管,容易造成待称重任务集中积压;若仅根据瞬时通信延迟提前接管,又可能将同一网关短时抖动误判为单设备故障。因此,现有技术难以根据设备在具体任务场景下相对于其历史运行状态的性能变化,在设备完全离线前准确确定接管时机及接管任务数量。

技术实现思路

1、本发明的目的是提供一种基于场景画像演进的后厨称重设备预测接管方法及系统,以解决背景技术中不足。

2、为了实现上述目的,本发明提供如下技术方案:基于场景画像演进的后厨称重设备预测接管方法,包括:

3、获取后厨目标称重设备的当前任务负载、心跳间隔、称重提交间隔、通信回执时长以及同网关设备的通信状态,根据所述当前任务负载、任务时段及网络状态生成当前场景标识;

4、根据所述当前场景标识获取后厨目标称重设备对应的近期场景画像和历史稳定场景画像,分别计算二者在称重提交间隔、通信回执时长及单位任务处理时长上的归一化偏差,并对所述归一化偏差进行组合,得到表征后厨目标称重设备相对于历史稳定状态退化程度的画像漂移值;

5、根据所述画像漂移值及当前心跳间隔计算设备异常可信度,并根据同网关设备中通信异常设备的数量占比计算故障域可信度,在所述设备异常可信度达到设备异常阈值且所述故障域可信度低于故障域异常阈值时,生成预测接管指令;

6、响应于所述预测接管指令获取后厨目标称重设备的未完成任务,根据候选称重设备在所述当前场景标识下的接管成功率、画像可信度及近期画像漂移值计算接管适配值,根据所述接管适配值确定目标接管设备及首批迁移任务数量,并将对应未完成任务迁移至所述目标接管设备;

7、获取首批迁移任务的任务拉取结果及实际单位任务处理时长,将其与所述目标接管设备对应场景画像中的预测处理时长进行比较,得到接管验证结果,根据所述接管验证结果控制扩大后续迁移任务数量或停止迁移;

8、将所述实际单位任务处理时长和接管验证结果与所述当前场景标识关联形成反馈样本,根据所述反馈样本更新所述目标接管设备的近期场景画像,以使更新后的近期场景画像用于后续预测接管。

9、优选的,生成当前场景标识,包括:根据服务端记录的未完成任务及对应任务索引确定后厨目标称重设备的当前任务负载,根据设备心跳记录确定心跳间隔,根据称重结果提交记录确定称重提交间隔,根据通信消息发送时间及对应回执时间确定通信回执时长;根据所述当前任务负载所属任务数量范围、任务时段及网络状态进行场景归类,并将归类结果组合形成所述当前场景标识。

10、优选的,近期场景画像用于表征后厨目标称重设备在所述当前场景标识对应场景下由近期有效样本形成的运行状态,所述历史稳定场景画像用于表征后厨目标称重设备在相同场景下由历史有效样本形成的长期运行能力;分别确定所述近期场景画像与历史稳定场景画像在称重提交间隔、通信回执时长及单位任务处理时长上的退化方向归一化偏差,并按照预设组合权重对各退化方向归一化偏差进行组合,得到所述画像漂移值,其中,在近期场景画像中的对应特征值不高于历史稳定场景画像中的对应特征值时,将相应退化方向归一化偏差确定为零。

11、优选的,根据后厨目标称重设备正常运行期间的历史心跳间隔确定心跳间隔中位数和心跳波动值,并根据所述心跳间隔中位数和心跳波动值确定动态疑似离线阈值;根据当前心跳间隔相对于所述心跳间隔中位数和动态疑似离线阈值的变化程度确定心跳异常度,将所述画像漂移值与心跳异常度组合得到设备异常可信度;根据同一网关内各设备的当前心跳间隔与各自动态疑似离线阈值确定通信异常设备,并根据通信异常设备数量占同网关设备总数量的比例得到故障域可信度。

12、优选的,在所述设备异常可信度达到设备异常阈值且所述故障域可信度低于故障域异常阈值而生成预测接管指令后,获取后厨目标称重设备的未完成任务形成待接管任务集合,并根据设备类型、业务单元、处理范围、在线状态、负载上限及通信可达性对能够参与接管的称重设备进行过滤,形成候选设备集合;针对所述候选设备集合中的各候选称重设备,获取其在所述当前场景标识下的接管成功率、画像可信度及近期画像漂移值,并根据所述接管成功率、画像可信度以及由近期画像漂移值确定的近期状态保持程度计算对应的接管适配值。

13、优选的,将所述候选设备集合中接管适配值最高的候选称重设备确定为目标接管设备,根据所述目标接管设备的接管适配值确定首批迁移比例,并将所述首批迁移比例限制在预设的最小迁移比例与最大迁移比例之间;根据所述首批迁移比例和待接管任务集合中的未完成任务数量确定首批迁移任务数量,并从所述待接管任务集合中确定对应数量的未完成任务形成首批迁移任务集合,将所述首批迁移任务集合迁移至目标接管设备。

14、优选的,在所述首批迁移任务集合迁移至目标接管设备后,根据目标接管设备的任务拉取记录与首批迁移任务集合中的任务标识确定任务拉取结果,并根据首批迁移任务中已完成任务的处理时长及对应完成任务数量确定实际单位任务处理时长;获取目标接管设备在所述当前场景标识对应场景画像中的单位任务预测处理时长,将所述实际单位任务处理时长与单位任务预测处理时长进行比较,并结合所述任务拉取结果形成接管验证结果,在接管验证结果为验证通过时扩大后续迁移任务数量,在接管验证结果为验证不通过时停止后续迁移。

15、优选的,将目标接管设备标识、当前场景标识、接管验证结果、首批迁移任务数量、任务拉取结果、样本生成时间以及能够获得时的实际单位任务处理时长进行关联形成反馈样本,并根据所述反馈样本的数据完整度、场景匹配度、任务规模有效度、非人工干预系数及网络环境有效度确定样本可信度。

16、优选的,当所述反馈样本包含有效的实际单位任务处理时长时,根据基础学习率、样本可信度以及反馈样本与当前场景的场景相似度确定有效学习率,并根据所述有效学习率、实际单位任务处理时长以及更新前近期场景画像中的单位任务处理时长更新所述近期场景画像中的单位任务处理时长;根据所述接管验证结果以及对应样本可信度更新目标接管设备在当前场景下的接管成功率,并将更新后的单位任务处理时长和接管成功率写入目标接管设备在所述当前场景标识下的近期场景画像,以使所述近期场景画像参与后续预测接管中的画像漂移值计算。

17、本发明还提供了基于场景画像演进的后厨称重设备预测接管系统,包括:

18、运行数据采集模块,获取后厨目标称重设备的当前任务负载、心跳间隔、称重提交间隔、通信回执时长以及同网关设备的通信状态,根据所述当前任务负载、任务时段及网络状态生成当前场景标识;

19、画像漂移计算模块,根据所述当前场景标识获取后厨目标称重设备对应的近期场景画像和历史稳定场景画像,分别计算二者在称重提交间隔、通信回执时长及单位任务处理时长上的归一化偏差,并对所述归一化偏差进行组合,得到表征后厨目标称重设备相对于历史稳定状态退化程度的画像漂移值;

20、设备异常及故障域判定模块,根据所述画像漂移值及当前心跳间隔计算设备异常可信度,并根据同网关设备中通信异常设备的数量占比计算故障域可信度,在所述设备异常可信度达到设备异常阈值且所述故障域可信度低于故障域异常阈值时,生成预测接管指令;

21、任务迁移模块,响应于所述预测接管指令获取后厨目标称重设备的未完成任务,根据候选称重设备在所述当前场景标识下的接管成功率、画像可信度及近期画像漂移值计算接管适配值,根据所述接管适配值确定目标接管设备及首批迁移任务数量,并将对应未完成任务迁移至所述目标接管设备;

22、迁移控制模块,获取首批迁移任务的任务拉取结果及实际单位任务处理时长,将其与所述目标接管设备对应场景画像中的预测处理时长进行比较,得到接管验证结果,根据所述接管验证结果控制扩大后续迁移任务数量或停止迁移;

23、场景画像演进模块,将所述实际单位任务处理时长和接管验证结果与所述当前场景标识关联形成反馈样本,根据所述反馈样本更新所述目标接管设备的近期场景画像,以使更新后的近期场景画像用于后续预测接管。

24、在上述技术方案中,本发明提供的技术效果和优点:

25、本发明区别于现有技术中依据固定心跳阈值或当前负载直接触发接管的方式,通过构建与当前任务负载、任务时段及网络状态对应的场景标识,在同一场景下比较目标称重设备的近期场景画像与历史稳定场景画像,得到画像漂移值,并结合当前心跳间隔形成设备异常可信度,同时根据同网关设备的共同异常程度形成故障域可信度。由此能够在设备尚未完全离线但称重提交、通信响应或任务处理能力已发生持续退化时提前识别单设备异常,并排除门店或网关范围的共同通信异常,降低因固定离线阈值造成的接管滞后和误接管。

26、在确认需要预测接管后,本发明进一步利用候选设备在当前场景下的接管成功率、画像可信度及近期画像漂移值确定接管适配值,并据此选择目标接管设备及首批迁移任务数量;首批任务迁移后,再根据任务拉取结果和实际单位任务处理时长对接管效果进行验证,以控制继续扩批或停止迁移,并将实际执行结果反馈更新对应场景的近期画像。该技术手段使任务迁移由一次性全量切换转变为受设备实际能力约束的渐进式接管,并通过执行结果持续修正后续决策,从而缩小错误接管的影响范围,提高后续同场景预测接管的适配性和稳定性。