[發明專利]建立報修動作預測模型、報修動作預測方法及相關裝置

有效

• 申請號: 201810097318.4
• 申請日: 2018-01-31
• 公開（公告）號: CN108364076B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 舒慶湘;蒿李陽;楊俊濤
• 申請（專利權）人: 東軟醫療系統股份有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 柳欣;王寶筠

1.一種建立報修動作預測模型的方法，其特征在于，所述方法包括：

獲取醫療設備的工作源數據，所述工作源數據包括報修記錄，所述工作源數據還包括操作者操作記錄、系統故障記錄和/或系統關鍵動作記錄；

將所述工作源數據量化為無報修樣本數據以及有報修樣本數據，量化得到的所述無報修樣本數據以及所述有報修樣本數據用于體現有無報修的規律，通過不同方式量化得到的所述無報修樣本數據以及所述有報修樣本數據用于訓練得到不同的報修動作預測模型；

將所述無報修樣本數據以及所述有報修樣本數據作為神經網絡模型的輸入，選取二分類函數作為所述神經網絡模型的輸出函數，訓練所述神經網絡模型生成報修動作預測模型。

2.根據權利要求1所述的方法，其特征在于，所述將所述工作源數據量化為無報修樣本數據以及有報修樣本數據，包括：

當第一采樣區間中沒有產生所述報修記錄時，獲取所述第一采樣區間內，所述報修記錄的發生次數以及各個所述操作者操作記錄的發生次數、各個所述系統故障記錄的發生次數和/或各個所述系統關鍵動作記錄的發生次數作為無報修樣本數據；所述第一采樣區間為以所述系統關鍵動作記錄中的第一關鍵記錄的發生時刻為開始時刻，以所述系統關鍵動作記錄中的第二關鍵記錄的發生時刻為結束時刻的時間區間；

當第一采樣區間中產生所述報修記錄時，獲取第二采樣區間內，所述報修記錄的發生次數以及各個所述操作者操作記錄的發生次數、各個所述系統故障記錄的發生次數和/或各個所述系統關鍵動作記錄的發生次數作為有報修樣本數據；所述第二采樣區間為以所述第一關鍵記錄的發生時刻為開始時刻，以所述報修記錄的發生時刻為結束時刻的時間區間。

3.根據權利要求2所述的方法，其特征在于，所述將所述工作源數據量化為無報修樣本數據以及有報修樣本數據，包括：

當所述第一采樣區間中沒有產生所述報修記錄時，獲取所述第一采樣區間內，所述報修記錄的發生次數以及各個所述操作者操作記錄在單位時間的發生次數、各個所述系統故障記錄在單位時間的發生次數和/或各個所述系統關鍵動作記錄在單位時間的發生次數作為無報修樣本數據；

當所述第一采樣區間中產生所述報修記錄時，獲取所述第二采樣區間內，所述報修記錄的發生次數以及各個所述操作者操作記錄在單位時間的發生次數、各個所述系統故障記錄在單位時間的發生次數和/或各個所述系統關鍵動作記錄在單位時間的發生次數作為有報修樣本數據。

4.根據權利要求1所述的方法，其特征在于，所述將所述工作源數據量化為無報修樣本數據以及有報修樣本數據，包括：

獲取第三采樣區間內，所述報修記錄的發生次數以及各個所述操作者操作記錄的發生次數、各個所述系統故障記錄的發生次數和/或各個所述系統關鍵動作記錄的發生次數作為無報修樣本數據；所述第三采樣區間為具有第一預設時長的時間區間；

獲取第四采樣區間內，所述報修記錄的發生次數以及各個所述操作者操作記錄的發生次數、各個所述系統故障記錄的發生次數和/或各個所述系統關鍵動作記錄的發生次數作為有報修樣本數據；所述第四采樣區間為以所述報修記錄的發生時刻為結束時刻，在所述報修記錄的發生時刻之前第二預設時長的時刻為開始時刻的時間區間。

5.一種報修動作預測方法，其特征在于，所述方法包括：

獲取醫療設備在工作時間區間內的動作采樣數據，所述工作時間區間為以第一關鍵動作發生時刻為開始時刻的時間區間或者預設時長的時間區間；所述動作采樣數據是根據操作者操作記錄、系統故障記錄和/或系統關鍵動作記錄確定的；

將所述動作采樣數據輸入報修動作預測模型，輸出報修動作的預測結果，所述報修動作預測模型是根據所述權利要求1-4任一項所述的建立報修動作預測模型的方法建立的。

6.根據權利要求5所述的方法，其特征在于，當所述報修動作預測模型是根據所述權利要求2所述的建立報修動作預測模型的方法建立時，所述獲取醫療設備在工作時間區間內的動作采樣數據，包括：

獲取醫療設備在以第一關鍵動作發生時刻為開始時刻，以當前時刻為結束時刻的工作時間區間內，各個所述操作者操作記錄的發生次數、各個所述系統故障記錄的發生次數和/或各個所述系統關鍵動作記錄的發生次數作為動作采樣數據。