一种生产设备检修方法及系统与流程

1.本技术涉及数据检测技术领域，具体而言，涉及一种生产设备检修方法及系统。


背景技术：

2.设备维修是指为保持、恢复以及提升设备技术状态进行的技术活动。其中包括保持设备良好技术状态的维护、设备劣化或发生故障后恢复其功能而进行的修理以及提升设备技术状态进行的技术活动。
3.现目前，随着机械化设备取代了人工，这样一来，能够有效地提高生产效率，但是在实际操作过程中，由于生产设备能够不间断的进行工作，因此可能导致生产生工作量过大，从而导致生产设备发生损坏，这样，难以保障生产设备生产效率，所以需要实时的对生产设备进行检修，以保障生产设备检测的效率和生产设备的生产量。


技术实现要素：

4.鉴于此，本技术提供了一种生产设备检修方法及系统。
5.第一方面，提供一种生产设备检修方法，应用于设备检修系统，所述方法至少包括：对待进行处理的生产设备检测数据进行聚类处理，得到聚类处理后的生产设备检测数据；从所述聚类处理后的生产设备检测数据中筛选出不少于一个生产设备检测数据节点；从所述不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点，其中，在首轮和非首轮执行聚类处理的基础上依次确定出的待进行聚类的生产设备检测数据节点的数目和识别度不一致；在非首轮执行聚类处理的基础上，依据待进行处理的生产设备检测数据的关键描述的实时描述内容从所述不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点；通过人工智能线程获得待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果；依据所述待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果确定所述待进行处理的生产设备检测数据的检测结果。
6.在一种独立实施的实施例中，所述对待进行处理的生产设备检测数据进行聚类处理包括：依据压缩占比集合中没有被使用过的压缩设定值对待进行处理的生产设备检测数据进行聚类处理。
7.在一种独立实施的实施例中，所述依据所述待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果确定所述待进行处理的生产设备检测数据的检测结果包括：依据压缩占比集合中不存在没有被使用过的压缩设定值或者确定所述不少于一个生产设备检测数据节点中不存在待进行聚类的生产设备检测数据节点，依据所述待进行
聚类的生产设备检测数据节点中的关键描述的评价量化结果确定所述待进行处理的生产设备检测数据的检测结果。
8.在一种独立实施的实施例中，所述压缩占比集合包括：不少于两个不一致的压缩设定值，且较小的压缩设定值相对较大的压缩设定值先被使用。
9.在一种独立实施的实施例中，所述从所述不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点包括：在首轮执行聚类处理的基础上，将全局生产设备检测数据节点皆作为待进行聚类的生产设备检测数据节点。
10.在一种独立实施的实施例中，所述从所述不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点包括：在非首轮执行聚类处理的基础上，待进行聚类的生产设备检测数据节点的数目低于或等于实时筛选出的生产设备检测数据节点的数目，和/或，所述待进行处理的生产设备检测数据经实时执行聚类处理后的数据识别度超过经上一次执行聚类处理后的数据识别度。
11.在一种独立实施的实施例中，所述依据待进行处理的生产设备检测数据的关键描述的实时描述内容从所述不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点，包括：依据待进行处理的生产设备检测数据包括的若干个关键描述中各关键描述的实时评价量化结果确定所述各关键描述的实时描述内容；统计生产设备检测数据节点所绑定的待进行处理的生产设备检测数据集中关键描述的实时描述内容实现事先设定描述内容的关键描述数目；将所述实现事先设定描述内容的关键描述数目不满足事先设定条件的生产设备检测数据节点确定为待进行聚类的生产设备检测数据节点。
12.在一种独立实施的实施例中，所述将所述实现事先设定描述内容的关键描述数目不满足事先设定条件的生产设备检测数据节点确定为待进行聚类的生产设备检测数据节点包括：针对生产设备检测数据节点的基础上，在实现事先设定描述内容的关键描述数目与该生产设备检测数据节点所绑定的待进行处理的生产设备检测数据集中全局关键描述的数目的占比结果低于事先设定占比结果的基础上，将该生产设备检测数据节点确定为待进行聚类的生产设备检测数据节点。
13.在一种独立实施的实施例中，所述待进行处理的生产设备检测数据的各关键描述的实时评价量化结果的获取步骤，包括：在首轮执行聚类处理的基础上，将人工智能线程输出的全局待进行聚类的生产设备检测数据节点中各关键描述的评价量化结果关联到待进行处理的生产设备检测数据中，获得待进行处理的生产设备检测数据的各关键描述的评价量化结果；其中，所述待进行处理的生产设备检测数据的各关键描述的评价量化结果被作为待进行处理的生产设备检测数据的各关键描述的实时评价量化结果。
14.在一种独立实施的实施例中，所述待进行处理的生产设备检测数据的各关键描述的实时评价量化结果的获取步骤，包括：在非首轮执行聚类处理的基础上，将人工智能线程输出的全局待进行聚类的生产设备检测数据节点中各关键描述的评价量化结果关联到待进行处理的生产设备检测数据中，获得待进行处理的生产设备检测数据的若干个关键描述
的评价量化结果；依据本轮获得的待进行处理的生产设备检测数据的若干个关键描述的评价量化结果优化所述待进行处理的生产设备检测数据的相应关键描述的实时评价量化结果。
15.在一种独立实施的实施例中，所述依据本轮获得的待进行处理的生产设备检测数据的若干个关键描述的评价量化结果优化所述待进行处理的生产设备检测数据的相应关键描述的实时评价量化结果包括：统计本轮获得的待进行处理的生产设备检测数据的若干个关键描述的评价量化结果与待进行处理的生产设备检测数据中相应关键描述的实时评价量化结果的判定值；利用统计出的判定值优化待进行处理的生产设备检测数据中相应关键描述的实时评价量化结果。
16.在一种独立实施的实施例中，所述依据所述待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果确定所述待进行处理的生产设备检测数据的检测结果包括：针对待进行处理的生产设备检测数据中的其中一个关键描述的前提下，确定该关键描述的实时评价量化结果中的属于各种类的百分比结果中的最佳百分比结果，将该最佳百分比结果以及该最佳百分比结果绑定的种类，作为该关键描述的检测结果。
17.在一种独立实施的实施例中，对所述人工智能线程进行配置的生产设备检测数据范例的识别度包括：依据压缩占比集合中的各压缩设定值依次对生产设备检测数据进行聚类处理，所获得的各生产设备检测数据的识别度。
18.第二方面，提供一种生产设备检修系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述的方法。
19.本技术实施例所提供的一种生产设备检修方法及系统，本公开通过从聚类处理后的生产设备检测数据中挑选生产设备检测数据节点，传输人工智能线程，尽可能的规避了在每一次聚类处理后，皆将筛选出的全局生产设备检测数据节点传输人工智能线程，从而能够改善人工智能线程的工作任务量过大的问题，这样一来，能够有效地提高生产设备检测的效率。因此，能够提高生产设备的生产量。
附图说明
20.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
21.图1为本技术实施例所提供的一种生产设备检修方法的流程图。
22.图2为本技术实施例所提供的一种生产设备检修装置的框图。
23.图3为本技术实施例所提供的一种生产设备检修系统的架构图。
具体实施方式
24.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详
细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
25.请参阅图1，示出了一种生产设备检修方法，该方法可以包括以下step100-step140所描述的技术方案。
26.step100、对待进行处理的生产设备检测数据进行聚类处理，得到聚类处理后的生产设备检测数据。
27.在一种可替换的实施例中，本公开可以使用多种方式对待进行处理的生产设备检测数据进行聚类处理，比如，本公开事先配置的压缩占比集合，该压缩占比集合包括不少于两个不一致的压缩设定值，本公开可以从压缩占比集合中挑选一个没有被使用过的压缩设定值，并依据挑选出的压缩设定值对待进行处理的生产设备检测数据进行聚类处理。另外，本公开在挑选没有被使用过的压缩设定值时，一般会先挑选没有被使用过的最小的压缩设定值。再有，本公开还可以使用卷积处理或者压缩处理等方式对待进行处理的生产设备检测数据进行聚类处理。
28.step110、从聚类处理后的生产设备检测数据中筛选出不少于一个生产设备检测数据节点。
29.在一种可替换的实施例中，本公开一般是依据人工智能线程对传输数据的预设条件将聚类处理后获得的生产设备检测数据划分为若干个生产设备检测数据节点，筛选出的全局生产设备检测数据节点的预设一般完全一致。筛选出的每一个生产设备检测数据节点依次对应待进行处理的生产设备检测数据中的一个集，不一致生产设备检测数据节点对应集不一致。生产设备检测数据节点绑定的集的预设一般压缩设定值以及人工智能线程对传输数据的预设条件相关。
30.step120、从不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点。
31.在一种可替换的实施例中，在首轮执行聚类处理的基础上，本公开可以将全局生产设备检测数据节点皆作为待进行聚类的生产设备检测数据节点，而在非首轮执行聚类处理的基础上，本公开确定出的待进行聚类的生产设备检测数据节点的数目一般会低于实时筛选出的全局生产设备检测数据节点的数目。
32.在一种可替换的实施例中，在非首轮执行聚类处理的基础上，本公开可以依据待进行处理的生产设备检测数据的关键描述的实时描述内容对筛选出的各生产设备检测数据节点进行挑选，挑选出的生产设备检测数据节点即为待进行聚类的生产设备检测数据节点。比如，本公开先依据待进行处理的生产设备检测数据中的各关键描述的实时评价量化结果确定各关键描述的实时描述内容，比如，针对待进行处理的生产设备检测数据中的一关键描述，统计该关键描述的第一百分比结果（最佳百分比结果）与第二百分比结果（第二大百分比结果）的占比结果，将统计出的该占比结果作为该关键描述的实时描述内容，根据该处理可以获得待进行处理的生产设备检测数据中的全局关键描述的实时描述内容。然后，统计生产设备检测数据节点所绑定的待进行处理的生产设备检测数据集中关键描述的实时描述内容实现事先设定描述内容的关键描述数目，并将实现事先设定描述内容的关键描述数目不满足事先设定条件的生产设备检测数据节点确定为待进行聚类的生产设备检测数据节点，比如，针对生产设备检测数据节点的基础上，在实现事先设定描述内容的关键
描述数目与该生产设备检测数据节点所绑定的待进行处理的生产设备检测数据集中全局关键描述的数目的占比结果低于事先设定占比结果的基础上，可以将该生产设备检测数据节点确定为待进行聚类的生产设备检测数据节点。
33.在一种可替换的实施例中，本公开可以通过以下两种方式获得待进行处理的生产设备检测数据的各关键描述的实时评价量化结果：（1），在首轮执行聚类处理的基础上，将人工智能线程输出的全局待进行聚类的生产设备检测数据节点中各关键描述的评价量化结果关联到待进行处理的生产设备检测数据中，获得待进行处理的生产设备检测数据的各关键描述的评价量化结果。本公开可以将实时获得的将待进行处理的生产设备检测数据的各关键描述的评价量化结果被作为待进行处理的生产设备检测数据的各关键描述的实时评价量化结果。
34.（2）、在非首轮执行聚类处理的基础上，将人工智能线程输出的全局待进行聚类的生产设备检测数据节点中各关键描述的评价量化结果关联到待进行处理的生产设备检测数据中，获得待进行处理的生产设备检测数据的若干个关键描述的评价量化结果，并依据本轮获得的待进行处理的生产设备检测数据的若干个关键描述的评价量化结果优化待进行处理的生产设备检测数据的相应关键描述的实时评价量化结果，比如，统计本轮获得的待进行处理的生产设备检测数据的若干个关键描述的评价量化结果与待进行处理的生产设备检测数据中相应关键描述的实时评价量化结果的判定值，并利用统计出的判定值优化待进行处理的生产设备检测数据中相应关键描述的实时评价量化结果。在优化处理后，本公开获得待进行处理的生产设备检测数据的各关键描述的实时评价量化结果。
35.step130、通过人工智能线程获得待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果。
36.在一种可替换的实施例中，本公开中的人工智能线程可以为人工智能线程。本公开通过对待进行处理的生产设备检测数据进行聚类处理，并将聚类处理后的生产设备检测数据中的待进行聚类的的数据集传输人工智能线程中，有利于提升人工智能线程的计算能力，从而有利于改善人工智能线程对生产设备检测数据的关键描述存在错误的问题。
37.在一种可替换的实施例中，本公开中的人工智能线程是利用具有多种不一致识别度的生产设备检测数据范例配置获得的。比如，全局生产设备检测数据范例各自的识别度，属于压缩占比集合中的各压缩设定值依次绑定的识别度。比如，缩小占比集合包括：第一压缩设定值、第二压缩设定值和第三压缩设定值，第一压缩设定值对应第一识别度，第二压缩设定值对应第二识别度，第三压缩设定值对应第三识别度，则本公开可以利用具有第一识别度的生产设备检测数据范例、具有第二识别度的生产设备检测数据范例以及具有第三识别度的生产设备检测数据范例来对待配置的人工智能线程进行配置，成功配置的人工智能线程可以用于本公开的生产设备检测数据匹配。
38.step140、依据待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果确定待进行处理的生产设备检测数据的检测结果。
39.在一种可替换的实施例中，本公开会依据压缩占比集合中不存在没有被使用过的压缩设定值或者从不少于一个生产设备检测数据节点中不能确定出待进行聚类的生产设备检测数据节点，从而执行依据待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果确定待进行处理的生产设备检测数据的检测结果的步骤，比如，针对待进行处理
的生产设备检测数据中的其中一个关键描述的前提下，确定该关键描述的实时评价量化结果中的属于各种类的百分比结果中的最佳百分比结果，将该最佳百分比结果以及该最佳百分比结果绑定的种类，作为该关键描述的检测结果。
40.本公开的生产设备检修方法，所述生产设备检修方具体可以包括以下步骤：step200、step210、step220以及step230。
41.step200、依据压缩占比集合中没有被使用过的最小压缩设定值对待进行处理的生产设备检测数据进行聚类处理。
42.在一种可替换的实施例中，压缩占比集合由若干个压缩设定值构成，每一个压缩设定值的取值皆超过1且不大于2。
43.在一种可替换的实施例中，本公开应按照压缩设定值进行排序，每一次从压缩占比集合中挑选一个压缩设定值，并依据挑选的压缩设定值对待进行处理的生产设备检测数据进行聚类处理。被挑选的压缩设定值即成为被使用过的压缩设定值。
44.step210、将聚类处理后的生产设备检测数据划分为不少于一个生产设备检测数据节点。
45.在一种可替换的实施例中，本公开一般是依据人工智能线程对传输数据的预设条件将聚类处理后获得的生产设备检测数据划分为若干个生产设备检测数据节点，筛选出的全局生产设备检测数据节点的预设一般完全一致。筛选出的每一个生产设备检测数据节点依次对应待进行处理的生产设备检测数据中的一个集，不一致生产设备检测数据节点对应集不一致。生产设备检测数据节点绑定的集的预设一般压缩设定值以及人工智能线程对传输数据的预设条件相关。
46.step220、依据待进行处理的生产设备检测数据的关键描述的实时描述内容从各生产设备检测数据节点中挑选生产设备检测数据节点，并通过人工智能线程获得挑选出的各生产设备检测数据节点中各关键描述的评价量化结果。其中，挑选出的生产设备检测数据节点即为上述待进行聚类的生产设备检测数据节点。
47.在一种可替换的实施例中，在首轮执行聚类处理的基础上，本公开一般会将筛选出的全局生产设备检测数据节点皆作为挑选出的生产设备检测数据节点。本公开可以认为在首轮执行聚类处理的基础上，待进行处理的生产设备检测数据的关键描述的实时描述内容被优化，因此，筛选出的全局生产设备检测数据节点皆被会挑选出来，并依次传输到人工智能线程中，从而通过人工智能线程可以获得本轮筛选出的全局生产设备检测数据节点的全局关键描述的评价量化结果，本轮获得的全局生产设备检测数据节点的全局关键描述的评价量化结果可以用于优化待进行处理的生产设备检测数据的关键描述的实时描述内容。比如，设定本公开的人工智能线程可以针对m个种类进行划分处理，在各生产设备检测数据节点依次通过人工智能线程之后，本公开可以获得全局生产设备检测数据节点中的全局关键描述依次针对m个种类的评价量化结果。
48.在一种可替换的实施例中，在非首轮执行聚类处理的基础上，本公开一般会依据待进行处理的生产设备检测数据的关键描述的实时描述内容，从本轮筛选出的全局生产设备检测数据节点中挑选生产设备检测数据节点。可以理解的是，本轮挑选出的生产设备检测数据节点有可能为本轮筛选出的全局生产设备检测数据节点，也有可能为本轮筛选出的全局生产设备检测数据节点中的部分生产设备检测数据节点；当然，还有可能不能从本轮
筛选出的全局生产设备检测数据节点中挑选出随机一个生产设备检测数据节点。
49.本公开通过对待进行处理的生产设备检测数据进行聚类处理，并将聚类处理后的生产设备检测数据中的数据集传输人工智能线程（如人工智能线程）中，有利于提升人工智能线程（如人工智能线程）的计算能力，从而有利于改善人工智能线程对生产设备检测数据的关键描述存在错误的问题。
50.本公开依据待进行处理的生产设备检测数据的关键描述的实时描述内容挑选生产设备检测数据节点（即待进行聚类的生产设备检测数据节点）的方法具体可以包括以下步骤。
51.步骤300、依据待进行处理的生产设备检测数据的各关键描述的实时评价量化结果确定各关键描述的实时描述内容。
52.在一种可替换的实施例中，本公开中的待进行处理的生产设备检测数据的各关键描述的实时评价量化结果，是基于人工智能线程针对多次传输的各生产设备检测数据节点输出的生产设备检测数据节点中的各关键描述的评价量化结果而构成的。本公开在每一次执行聚类处理的过程中，都需要对待进行处理的生产设备检测数据的各关键描述的实时评价量化结果进行优化（如优化待进行处理的生产设备检测数据的各关键描述的实时评价量化结果）。
53.在一种可替换的实施例中，针对待进行处理的生产设备检测数据中的随机一个关键描述（m，n），本公开依据待进行处理的生产设备检测数据的该关键描述（m，n）的实时评价量化结果确定该关键描述（m，n）的实时描述内容的方式可以为：设定人工智能线程能够从生产设备检测数据中筛选出m个种类，关键描述（m，n）的实时评价量化结果中会包括m个百分比结果，本公开可以从这m个百分比结果中，识别出最佳百分比结果和次大百分比结果（即第2大百分比结果），并统计识别出的第一百分比结果与第二百分比结果的占比结果，本公开可以将该占比结果作为该关键描述（m，n）的实时描述内容。本公开也可以依据待进行处理的生产设备检测数据的各关键描述的实时评价量化结果使用其他方式确定待进行处理的生产设备检测数据的各关键描述的实时描述内容，本公开不限制确定待进行处理的生产设备检测数据的各关键描述的实时描述内容的具体方式。
54.步骤310、统计生产设备检测数据节点所绑定的原始生产设备检测数据集中关键描述的实时描述内容实现事先设定描述内容的关键描述数目。
55.在一种可替换的实施例中，本公开中的事先设定描述内容的预设可以依据实时配置，比如，事先设定描述内容可以配置为8。
56.步骤320、将实现事先设定描述内容的关键描述数目不满足事先设定条件的生产设备检测数据节点作为挑选出的生产设备检测数据节点。
57.在一种可替换的实施例中，针对任一生产设备检测数据节点而言，若该生产设备检测数据节点所绑定的原始生产设备检测数据集中实现事先设定描述内容的关键描述数目与该集中的全局关键描述的数目的占比结果未实现事先设定占比结果，则可以将该生产设备检测数据节点作为挑选出的生产设备检测数据节点，传输至人工智能线程中，从而通过该人工智能线程获得该生产设备检测数据节点中各关键描述的评价量化结果；若上述占比结果实现事先设定占比结果，则不需要将该生产设备检测数据节点传输至人工智能线程中。本公开中的事先设定占比结果可以依据实时配置。
58.另外，本公开也可以使用其他方式来确定出不满足事先设定条件的生产设备检测数据节点，比如，在判断出该生产设备检测数据节点所绑定的原始生产设备检测数据集中实现事先设定描述内容的关键描述数目与该集中的未实现事先设定描述内容的关键描述数目的存在差异的结果实现事先设定存在差异的结果的基础上，则可以将该生产设备检测数据节点作为挑选出的生产设备检测数据节点，传输至人工智能线程中，否则，不需要将该生产设备检测数据节点传输至人工智能线程中；再比如，在判断出该生产设备检测数据节点所绑定的原始生产设备检测数据集中实现事先设定描述内容的关键描述数目与该集中的未实现事先设定描述内容的关键描述数目的占比结果未实现事先设定占比结果的基础上，则可以将该生产设备检测数据节点作为挑选出的生产设备检测数据节点，传输人工智能线程中，否则，不需要将该生产设备检测数据节点传输至人工智能线程中。
59.本公开对待进行处理的生产设备检测数据的各关键描述的实时评价量化结果进行优化的步骤，具体可以包括以下内容，step400、本公开的生产设备检修方法开始。可选的，本公开可以在生产设备检修方法开始时，更新待进行处理的生产设备检测数据的各关键描述的实时评价量化结果，如将待进行处理的生产设备检测数据的各关键描述的实时评价量化结果皆配置为0。当然，不针对待进行处理的生产设备检测数据的各关键描述的实时评价量化结果执行更新步骤，也是完全可行的。
60.在本公开首轮执行聚类处理的基础上，触发step410的执行。
61.在本公开第二次或者第三次等非首轮执行聚类处理的基础上，触发step440的执行。
62.step410、将本轮聚类处理后的生产设备检测数据所筛选出的全局生产设备检测数据节点皆传输至人工智能线程中，从而人工智能线程会针对筛选出的全局生产设备检测数据依次输出各生产设备检测数据节点中各关键描述的评价量化结果。到step420。
63.step420、将人工智能线程输出的各生产设备检测数据节点中的各关键描述的评价量化结果依次关联到待进行处理的生产设备检测数据中，从而获得待进行处理的生产设备检测数据的各关键描述的评价量化结果。到step430。
64.在一种可替换的实施例中，在本公开首轮执行聚类处理的基础上，基于人工智能线程输出的各生产设备检测数据节点中的各关键描述的评价量化结果，而获得待进行处理的生产设备检测数据中的随机一个关键描述（m，n）的评价量化结果。其中，首轮执行聚类处理，w表示人工智能线程进行划分的种类数目，表示在首轮执行将识别度处理的基础上，待进行处理的生产设备检测数据中的随机一个关键描述（m，n）属于第一种类的评价量化结果，表示在首轮执行将识别度处理的基础上，待进行处理的生产设备检测数据中的随机一个关键描述（m，n）属于第二种类的评价量化结果，表示在首轮执行将识别度处理的基础上，待进行处理的生产设备检测数据中的随机一个关键描述（m，n）属于第w种类的评价量化结果。
65.step430、将本轮获得的待进行处理的生产设备检测数据的各关键描述的评价量化结果作为待进行处理的生产设备检测数据的各关键描述的实时评价量化结果，比如，待进行处理的生产设备检测数据的随机一个关键描述（m，n）的实时评价量化结果。
66.step440、从本轮聚类处理后的生产设备检测数据所筛选出的全局生产设备检测
数据节点中挑选生产设备检测数据节点，将挑选出的生产设备检测数据节点传输至人工智能线程中。到step450。
67.step450、将人工智能线程输出的各生产设备检测数据节点中的各关键描述的评价量化结果依次关联到待进行处理的生产设备检测数据中，从而获得待进行处理的生产设备检测数据的至少部分关键描述的评价量化结果。到step460。
68.在一种可替换的实施例中，在本公开第o次（o超过2）执行聚类处理的基础上，基于人工智能线程输出的各生产设备检测数据节点中的各关键描述的评价量化结果，而获得待进行处理的生产设备检测数据中的随机一个关键描述（m，n）的评价量化结果。其中，o表示第o次执行聚类处理，w表示人工智能线程进行划分的种类数目，表示在第o次执行将识别度处理的基础上，待进行处理的生产设备检测数据中的随机一个关键描述（m，n）属于第一种类的评价量化结果，表示在第o次执行将识别度处理的基础上，待进行处理的生产设备检测数据中的随机一个关键描述（m，n）属于第二种类的评价量化结果，表示在第o次执行将识别度处理的基础上，待进行处理的生产设备检测数据中的随机一个关键描述（m，n）属于第w种类的评价量化结果。可以理解的是，若待进行处理的生产设备检测数据中的关键描述（m，n）属于本轮聚类处理过程挑选出的生产设备检测数据节点关联到待进行处理的生产设备检测数据中的集的关键描述，则为人工智能线程输出的相应关键描述的评价量化结果，而若关键描述（m，n）不属于本轮聚类处理过程挑选出的生产设备检测数据节点关联到待进行处理的生产设备检测数据中的集的关键描述，则本公开可以将配置为0。
69.step460、利用本轮获得的待进行处理的生产设备检测数据的至少部分关键描述的评价量化结果优化待进行处理的生产设备检测数据的各关键描述的实时评价量化结果。
70.在一种可替换的实施例中，在第二次或第三次等非首轮执行聚类处理的基础上，本公开是通过迭代各次依次获得的各生产设备检测数据节点中各关键描述的评价量化结果来获得待进行处理的生产设备检测数据的各关键描述的实时评价量化结果的。
71.设置在首轮执行聚类处理的基础上，本公开获得的待进行处理的生产设备检测数据中的随机一个关键描述（m，n）的评价量化结果为从而本公开将记录为待进行处理的生产设备检测数据中的随机一个关键描述（m，n）的实时评价量化结果。
72.在第二次执行聚类处理的基础上，本公开基于人工智能线程获得的待进行处理的生产设备检测数据中的随机一个关键描述（m，n）的评价量化结果可以表示为其中，若待进行处理的生产设备检测数据中的关键描述（m，n）属于第二次聚类处理过程挑选出的生产设备检测数据节点关联到待进行处理的生产设备检测数据中的集的关键描述，则为人工智能线程输出的相应关键描述的评价量化结果，而若待进行处理的生产设备检测数据中的关键描述（m，n）不属于第二次聚类处理过程挑选出的生产设备检测数据节点关联到待进行处理的生产设备检测数据中的集的关键描述，则为0；本公开可以针对非0的统计和的判定值，并利用统计出的判定值优化待进行处理的生产设备检测数据中的相应关键描述（m，n）的实时评价量化结果。
73.在第三次执行聚类处理的基础上，本公开基于人工智能线程获得的待进行处理的生产设备检测数据中的随机一个关键描述（m，n）的评价量化结果可以表示为其中，若待进行处理的生产设备检测数据中的关键描述（m，n）属于第三次聚类处理过程挑选出的生产设备检测数据节点关联到待进行处理的生产设备检测数据中的集的关键描述，则为人工智能
线程输出的相应关键描述的评价量化结果，而若待进行处理的生产设备检测数据中的关键描述（m，n）不属于第三次聚类处理过程挑选出的生产设备检测数据节点关联到待进行处理的生产设备检测数据中的集的关键描述，则为0；本公开可以针对非0的统计和的判定值，并利用统计出的判定值优化待进行处理的生产设备检测数据中的相应关键描述（m，n）的实时评价量化结果。
74.进一步地，依据上述针对在第二次以及第三次执行聚类处理的基础上，所执行的优化待进行处理的生产设备检测数据的各关键描述的实时评价量化结果的过程，可以得知在第四次或第五次等非首轮（第o次）执行聚类处理的基础上，所执行的优化待进行处理的生产设备检测数据的各关键描述的实时评价量化结果的过程其实是对各次的评价量化结果进行拼接，比如，对进行拼接，构成优化后的待进行处理的生产设备检测数据的各关键描述的实时评价量化结果。然而，本公开在挑选需要传输人工智能线程的生产设备检测数据节点时，所依据的待进行处理的生产设备检测数据的各关键描述的实时评价量化结果是针对之前各次的评价量化结果进行拼接的结果，比如，针对进行拼接的结果。
75.step230、在压缩占比集合中不存在没有被使用过的最小压缩设定值或者从各生产设备检测数据节点中挑选不出生产设备检测数据节点的基础上，依据基于各生产设备检测数据节点中各关键描述的评价量化结果构成的待进行处理的生产设备检测数据中各关键描述的评价量化结果确定待进行处理的生产设备检测数据的检测结果，否则，返回上述step200。
76.在一种可替换的实施例中，在压缩占比集合中不存在没有被使用过的最小压缩设定值的基础上，本公开可以依据待进行处理的生产设备检测数据中全局关键描述的实时评价量化结果确定待进行处理的生产设备检测数据的检测结果，即本公开针对检测结果以及进行拼接后，将最佳百分比结果作为待进行处理的生产设备检测数据中关键描述（m，n）的检测结果。
77.在一种可替换的实施例中，在从各生产设备检测数据节点中挑选不出生产设备检测数据节点的基础上，本公开可以依据待进行处理的生产设备检测数据中全局关键描述的实时评价量化结果确定待进行处理的生产设备检测数据的检测结果，即本公开针对检测结果以及进行拼接后，将最佳百分比结果作为待进行处理的生产设备检测数据中关键描述（m，n）的检测结果。
78.在一种可替换的实施例中，本公开在对人工智能线程进行配置时，所使用的生产设备检测数据范例一般包括多种识别度的生产设备检测数据范例，且不一致识别度的数目一般与压缩占比集合中的压缩设定值的数目相关，比如，在压缩占比集合包括三种压缩设定值的基础上，范例数据集中应至少包括这三种压缩设定值所绑定的识别度的生产设备检测数据范例，每一个生产设备检测数据范例皆具有显著性信息。一般基础上，在范例数据集中，不一致识别度的生产设备检测数据范例的数目基本一致。本公开通过利用范例数据集中的具有不一致识别度的生产设备检测数据范例对人工智能线程进行配置，有利于提升人工智能线程针对传输的各生产设备检测数据节点而输出评价量化结果的精确度和可靠性，从而有利于提升人工智能线程对生产设备检测数据匹配的可信度。
79.在上述基础上，请结合参阅图2，提供了一种生产设备检修装置200，应用于生产设备检修系统，所述装置包括：
数据聚类模块210，用于对待进行处理的生产设备检测数据进行聚类处理，得到聚类处理后的生产设备检测数据；数据检测模块220，用于从所述聚类处理后的生产设备检测数据中筛选出不少于一个生产设备检测数据节点；从所述不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点，其中，在首轮和非首轮执行聚类处理的基础上依次确定出的待进行聚类的生产设备检测数据节点的数目和识别度不一致；结果检测模块230，用于在非首轮执行聚类处理的基础上，依据待进行处理的生产设备检测数据的关键描述的实时描述内容从所述不少于一个生产设备检测数据节点中确定待进行聚类的生产设备检测数据节点；通过人工智能线程获得待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果；结果量化模块240，用于依据所述待进行聚类的生产设备检测数据节点中的关键描述的评价量化结果确定所述待进行处理的生产设备检测数据的检测结果。
80.在上述基础上，请结合参阅图3，示出了一种生产设备检修系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
81.在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
82.综上，基于上述方案，本公开通过从聚类处理后的生产设备检测数据中挑选生产设备检测数据节点，传输人工智能线程，尽可能的规避了在每一次聚类处理后，皆将筛选出的全局生产设备检测数据节点传输人工智能线程，从而能够改善人工智能线程的工作任务量过大的问题，这样一来，能够有效地提高生产设备检测的效率。因此，能够提高生产设备的生产量。
83.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
84.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
85.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
86.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
87.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
88.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
89.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（lan）或广域网（wan），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（saas）。
90.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
91.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
92.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例
描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
93.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
94.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。
95.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。