CN120909538A - 一种印刷故障数据智能分析方法及系统 - Google Patents

Abstract

本发明公开了一种印刷故障数据智能分析方法及系统，属于故障监测技术领域，该方法先采集印刷生产中的原材料、环境和图像数据构建故障参数库，梳理故障构建风险故障库，分析两者相关性确定印前风评参数；接着计算风评值，匹配印中风评参数集采集频率；通过滑动时间窗口计算印中评测值更新采集频率，依据故评值进行风险故障预警；最后构建维修人员数据库，根据维修案例和预警故障分析选评值，筛选出最合适的维修人员处理故障；本发明便于定位故障因素，量化风险评估，实现数据采集动态调整与精准预警，高效调配维修资源，从而提升印刷生产的质量和效率，增强企业在市场中的综合竞争力。

Description

一种印刷故障数据智能分析方法及系统

技术领域

本发明属于故障监测技术领域，具体涉及一种印刷故障数据智能分析方法及系统。

背景技术

在印刷行业，随着技术的进步和市场需求的增长，印刷生产的规模不断扩大，产品种类日益繁多，对印刷质量和生产效率的要求也越来越高，然而，现有的印刷故障处理技术存在明显不足；

在梳理印刷生产中各类故障与原材料、环境、图像数据之间的关联方面存在不足，难以在印前阶段精准识别可能引发故障的关键因素，从而影响提前采取针对性预防措施的能力；

在根据故障风险动态调整数据采集频率方面存在局限性，难以实时监测印刷过程中的风险变化，从而影响及时捕捉故障早期迹象的能力，进而影响故障预警的及时性和准确性；

在对故障风险进行量化评估方面存在不足，难以直观反映故障发生的可能性，从而影响企业根据风险优先级合理安排生产资源和预防措施的能力，进而影响印刷生产的整体效率和质量，为此我们提出一种印刷故障数据智能分析方法及系统。

发明内容

本发明的目的在于提供一种印刷故障数据智能分析方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种印刷故障数据智能分析方法，包括以下步骤

步骤一：构建故障参数库与故障参数库，分析故障参数库中各风险故障与故障参数库中各故障参数之间的相关性，基于此分析各风险故障对应的印前风评参数；

步骤二：根据风险故障对应的印前风评参数分析风险故障的风评值；构建风险故障对应的印中风评参数集，根据风险故障的风评值匹配对应印中风评参数集的采集频率；

步骤三：设置滑动时间窗口，计算滑动时间窗口内印中风评参数的印中评测值，根据印中评测值更新印中风评参数的采集频率；对风险故障各印中风评参数的印中评测值进行分析，得到故评值，依据故评值判断是否进行风险故障预警；

步骤四，构建维修人员数据库，根据维修人员的维修案例以及当前风险故障预警对应的风险故障分析维修人员的选评值，筛选出最大选评值对应的维修人员作为任务派遣人员。

优选的，步骤一中，构建故障参数库与故障参数库的具体过程为：

采集当前印刷生产中的原材料数据、印刷环境数据以及印刷图像数据，并进行整理构建印前故障参数库；原材料数据包括：纸张厚度、油墨流动性、版材耐磨性；印刷环境数据包括：车间温湿度、洁净度、气压；印刷图像数据包括：色彩数量、网点分布密度、图文精细度；

梳理由于印前原材料数据、印刷环境数据以及印刷图像数据会导致的全部印刷故障，并进行整理构建风险故障库。

优选的，步骤一中，分析故障参数库中各风险故障与故障参数库中各故障参数之间的相关性，基于此分析各风险故障对应的印前风评参数的具体过程为：

针对风险故障库中的每一项风险故障，建立风险故障与故障参数的直角坐标系，其中风险故障程度为纵坐标，故障参数为横坐标；接着从印刷生产中流程日志所记录的大量数据中，提取出该故障参数与风险故障的一一对应数据点；将这些数据点逐一标注在已构建的直角坐标系内，得到分析散点图；

将风险故障程度划分为若m个区间，并表示为C1，C2，……，Cm；同时将故障参数划分为n个区间，并表示为A1，A2，……，An；统计落入每个风险故障程度区间与故障参数区间交叉区域的数据点个数，并标记为，其中i表示风险故障程度区间的标号，j表示故障参数区间的标号；利用公式：，得到所有交叉区域的数据点的总数；处于风险故障程度区间Ci且处于故障参数区间Aj的联合概率；处于风险故障程度区间Ci的边缘概率；以及处于故障参数区间Aj的边缘概率；

将上述、、以及利用互信息公式：，得到故参信息值MI；

将各个故障参数与风险故障对应的故参信息值与对应阈值进行比对，若故参信息值大于对应阈值，则将该故参信息值对应的故障参数标记为此风险故障的印前风评参数；

同时根据各故障参数与风险故障对应的散点图，标记故障参数与风险故障对应的正负相关性。

优选的，步骤二中，根据风险故障对应的印前风评参数分析风险故障的风评值的具体过程为：

针对每一项风险故障，获取风险故障对应的各个印前风评参数数值，将与风险故障呈正相关的印前风评参数标记为，r=1，2，……，P；其中P为与风险故障呈正相关的印前风评参数的总数；将与风险故障呈负相关的印前风评参数标记为，a=1，2，……，K；其中K为与风险故障呈负相关的印前风评参数的总数；将所有的印前风评参数数值归一化处理后，利用公式：，得到风评值FP，其中为与风险故障呈正相关的印前风评参数的预设权重系数；为与风险故障呈负相关的印前风评参数的预设权重系数。

优选的，步骤二中，构建风险故障对应的印中风评参数集，根据风险故障的风评值匹配对应印中风评参数集的采集频率，具体过程为：

将风险故障库中的所有风险故障根据其对应的风评值大小，从大到小依次进行排序，得到风险故障排序序列，并将风险故障排序序列发送至监控人员终端；

预设每种风险故障都对应有相应的印中风评参数集；依据当前印刷材料的风险故障排序序列，将其中各个风险故障依次与所有风险故障对应的印中风评参数集进行匹配，输出各个风险故障对应的印中风评参数集；

针对每一项风险故障，均预设若干个风评值区间，每个风评值区间对应有一个印中风评参数采集频率；将风险故障的风评值与所有预设风评值区间进行匹配，输出其对应的印中风评参数采集频率，并将此印中风评参数采集频率作为该风险故障的印中风评参数集中各风评参数在印刷工作中的采集频率。

优选的，步骤三中，设置滑动时间窗口，计算滑动时间窗口内印中风评参数的印中评测值，根据印中评测值更新印中风评参数的采集频率的具体过程为：

在印刷工作中，针对每项风险故障，根据风险故障的印中风评参数集对应的采集频率，对印中风评参数集中各印中风评参数的数值进行采集；得到各印中风评参数在各采集时刻对应的数值；

针对每个印中风评参数，设置滑动时间窗口，计算滑动窗口内印中风评参数的均值、标准差值以及极差值，随后将三者分配不同的权重系数，将印中风评参数的均值、标准差值以及极差值分别乘以对应的权重系数后进行累加，得到印中评测值；

预设多个印中评测值采频更新区间，持续对比当前滑动窗口与前一滑动窗口内印中评测值所处的采频更新区间；一旦发现当前滑动窗口内的印中评测值出现了采频更新区间的跳跃，则触发采频更新操作；

预设每个印中评测值采频更新区间均对应一个印中风评参数采集更新频率，采频更新操作触发时，将当前滑动窗口内印中评测值所处采频更新区间对应的采集更新频率，作为接下来一段时间内印中风评参数的采集频率；

后续持续按照上述判断采集频率更新流程，不断计算各滑动时间窗口内的印中评测值、判断区间跳跃情况，若再次出现区间跳跃，则再次更新采集频率。

优选的，步骤三中，对风险故障各印中风评参数的印中评测值进行分析，得到故评值，依据故评值判断是否进行风险故障预警的具体过程为：

针对每个印中风评参数，设置多个印中评测值风险区间，预设每个风险区间对应一个风险赋值，将印中风评参数当前时刻对应的印中评测值与所有印中评测值风险区间进行匹配，输出对应的风险赋值；g=1，2，……，H；g为印中风评参数的标号，H为印中风评参数的总数；

将风险故障对应的各印中风评参数对应的风险赋值代入到预设公式模型：，得到故评值GP，其中为各印中风评参数风险赋值对应的预设权重系数；

以故评值作为纵坐标，时间为横坐标，建立二维直角坐标系，实时计算风险故障故评值的数值，并代入到二维直角坐标系中，得到一系列故评数据点，将相邻故评数据点依次进行曲线平滑连接，得到故评变化曲线，预设故评阈值线，将故评变化曲线超过故评阈值线的部分并与故评阈值线围成的面积标记为风评面积；

将从开始时刻到当前时刻的所有风评面积进行累加，得到即时险积，预设即时险积阈值，若即时险积大于或等于对应阈值，则触发该风险故障预警。

优选的，步骤四中，构建维修人员数据库的具体过程为：

构建维修人员数据库，记录维修人员的个人信息、维修案例以及维修排班；个人信息包括：姓名、身份证、人员图像、联系方式；

维修案例内存储有维修人员能够维修的风险故障的名称与各风险故障处理的数量、平均维修用时以及维修绩效评分；

当出现风险故障预警时，获取所有预警对应的风险故障，从维修人员数据库中筛选处于当前维修排班的人员，提取其维修案例，筛选出处理过所有预警风险故障的维修人员作为初选人员。

优选的，步骤四中，分析维修人员的选评值，筛选出最大选评值对应的维修人员作为任务派遣人员的具体过程为：

对初选人员，综合其维修案例中各预警风险故障的处理数量SLz、平均维修用时WTz、维修绩效评分JXz，其中z为风险故障的标号，z=1，2，……，D；D为风险故障总数；将风险故障的处理数量SLz、平均维修用时WTz、维修绩效评分JXz归一化处理后，利用公式：，得到维评值WP，其中为所有风险故障平均维修用时中的最小值，b为用于对风险故障处理数量求和时的循环变量，b=1，2，……，D；、、，分别为风险故障的处理数量、平均维修用时以及维修绩效评分的权重系数；

获取初选人员当前未处理完成的风险故障数量，通过将各未处理完成的风险故障乘以对应风险故障的平均维修用时后进行相加，得到任务负荷RF；

针对每个初选人员，将初选人员对应的维评值WP与任务负荷RF归一化处理后，利用公式：，得到选评值XPZ，其中d1与d2为预设权重系数；

从所有初选人员中选取选评值最大的初选人员作为任务派遣人员处理本次预警所产生的风险故障；待任务派遣人员成功解决风险故障后，针对其处理的每一项风险故障，分别开展维修绩效打分工作，并将所得分数录入该人员维修案例中对应风险故障的维修绩效评分记录内。

与现有技术相比，本发明的有益效果是：

（1）、该一种印刷故障数据智能分析方法及系统，通过采集印刷生产中原材料、环境和图像方面数据构建故障参数库，梳理各类故障构建风险故障库，并深入分析两者相关性；这一过程便于找出与各风险故障紧密相关的印前风评参数，使得印刷企业在生产前期就能清晰认知可能引发故障的关键因素，为针对性预防故障提供了有力依据。

（2）、该一种印刷故障数据智能分析方法及系统，通过根据印前风评参数计算风险故障的风评值，将风险量化，直观反映故障发生概率；依据风评值构建印中风评参数集并匹配采集频率，避免盲目采集数据，实现资源合理分配；同时，风险故障按风评值排序发送给监控人员，便于其快速了解故障优先级，对高风险故障重点关注，为印刷生产提供明确风险参考，助力企业科学决策，合理安排生产资源和预防措施。

（3）、该一种印刷故障数据智能分析方法及系统，通过设置滑动时间窗口计算印中评测值，并依据评测值所处区间跳跃更新印中风评参数采集频率，实现数据采集频率动态调整，及时捕捉故障微小波动；综合印中风评参数的均值、标准差和极差值计算故评值，结合风险赋值分析，便于精准地反映风险故障发生概率；通过建立二维直角坐标系计算即时险积并与预设阈值比较，实现精准预警，让企业提前采取措施，减少生产中断和质量问题，保障生产连续性和产品质量。

（4）、该一种印刷故障数据智能分析方法及系统，构建维修人员数据库，结合风险故障预警筛选任务派遣人员；综合考虑维修人员维修案例中的处理数量、平均维修用时和绩效评分等多维度数据，以及当前任务负荷，计算选评值确定最合适的维修人员，提高维修资源利用效率；任务完成后的维修绩效打分及记录更新，为维修人员能力评估提供持续数据支持，有助于优化维修团队管理，确保故障得到及时、有效处理。

附图说明

图1为本发明的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

请参阅图1，本发明提供一种印刷故障数据智能分析方法，包括；

步骤一：构建故障参数库与故障参数库，分析故障参数库中各风险故障与故障参数库中各故障参数之间的相关性，基于此分析各风险故障对应的印前风评参数，具体过程为：

采集当前印刷生产中的原材料数据、印刷环境数据以及印刷图像数据等，并将上述收集的数据进行预处理后，整理构建印前故障参数库；原材料数据包括：纸张厚度、油墨流动性、版材耐磨性等；印刷环境数据包括：车间温湿度、洁净度、气压等；印刷图像数据包括：色彩数量、网点分布密度、图文精细度等；

梳理由于印前原材料数据、印刷环境数据以及印刷图像数据等数据会导致的全部印刷故障，并整理构建风险故障库；其中风险故障库内包含：套印不准、墨色不均、纸张起皱、网点模糊等风险故障；

针对风险故障库中的每一项风险故障，建立风险故障与故障参数的直角坐标系，其中风险故障程度为纵坐标，故障参数为横坐标；接着从印刷生产中流程日志所记录的大量数据中，提取出该故障参数与风险故障的一一对应数据点；将这些数据点逐一标注在已构建的直角坐标系内，得到分析散点图；

将风险故障程度划分为若m个区间，并表示为C₁，C₂，……，C_m；同时将故障参数划分为n个区间，并表示为A₁，A₂，……，A_n；统计落入每个风险故障程度区间与故障参数区间交叉区域的数据点个数，并标记为，其中i表示风险故障程度区间的标号，j表示故障参数区间的标号；利用公式：，得到所有交叉区域的数据点的总数；处于风险故障程度区间Ci且处于故障参数区间Aj的联合概率；于风险故障程度区间Ci的边缘概率；以及处于故障参数区间Aj的边缘概率；

将上述、、以及利用互信息公式：，得到故参信息值MI，其中故参信息值表示故障参数与风险故障的互信息值，故参信息值越大，表示故障参数与风险故障的依赖性越强；

预设故参信息阈值，将各个故障参数与风险故障对应的故参信息值与对应阈值进行比对，若故参信息值大于对应阈值，则将该故参信息值对应的故障参数标记为此风险故障的印前风评参数；

同时根据各故障参数与风险故障对应的散点图，标记故障参数与风险故障对应的正负相关性。

需要说明的是，通过采集印刷生产多方面的数据构建故障参数库，梳理各类故障构建风险故障库，并深入分析两者相关性，能够精准找出与各风险故障紧密相关的印前风评参数；使得在印刷生产前期，就能对可能引发故障的关键因素有清晰认知；同时印前风评参数确定，为后续印刷过程中的故障预测和智能分析搭建了重要基础。

步骤二：根据风险故障对应的印前风评参数分析风险故障的风评值；构建风险故障对应的印中风评参数集，根据风险故障的风评值匹配对应印中风评参数集的采集频率，具体过程为：

针对每一项风险故障，获取风险故障对应的各个印前风评参数数值，将与风险故障呈正相关的印前风评参数标记为，r=1，2，……，P；其中P为与风险故障呈正相关的印前风评参数的总数；将与风险故障呈负相关的印前风评参数标记为，a=1，2，……，K；其中K为与风险故障呈负相关的印前风评参数的总数；将所有的印前风评参数数值归一化处理后，利用公式：，得到风评值FP，其中为与风险故障呈正相关的印前风评参数的预设权重系数；为与风险故障呈负相关的印前风评参数的预设权重系数；风评值越大，表示风险故障发生的可能性越大；

将风险故障库中的所有风险故障根据其对应的风评值大小，从大到小依次进行排序，得到风险故障排序序列，并将风险故障排序序列发送至监控人员终端；

预设每种风险故障都对应有相应的印中风评参数集；依据当前印刷材料的风险故障排序序列，将其中各个风险故障依次与所有风险故障对应的印中风评参数集进行匹配，输出各个风险故障对应的印中风评参数集；其中对于风险故障分析对应的印中风评参数集的方法，可通过上述步骤一中分析各风险故障印前风评参数的相关性方式进行分析；

针对每一项风险故障，均预设若干个风评值区间，每个风评值区间对应有一个印中风评参数采集频率；将风险故障的风评值与所有预设风评值区间进行匹配，输出其对应的印中风评参数采集频率，并将此印中风评参数采集频率作为该风险故障的印中风评参数集中各风评参数在印刷工作中的采集频率。

需要说明的是，通过计算风评值，将风险故障发生的可能性进行量化，能直观反映该故障发生的概率大小，为印刷生产提供明确的风险参考；根据风评值匹配印中风评参数集的采集频率，避免了盲目采集数据，节省系统资源，实现资源的合理分配；

将风险故障按风评值排序并发送给监控人员，使监控人员能快速了解印刷生产中各类风险故障的优先级，对高风险故障重点关注；同时，确定印中风评参数集和采集频率，为后续实时监测和故障预警提供了关键的数据基础，有助于提前发现故障隐患并采取措施。

步骤三：设置滑动时间窗口，计算滑动时间窗口内印中风评参数的印中评测值，根据印中评测值更新印中风评参数的采集频率；对风险故障各印中风评参数的印中评测值进行分析，得到故评值，依据故评值进行分析，判断是否进行风险故障预警，具体过程为：

在印刷工作中，针对每项风险故障，根据风险故障的印中风评参数集对应的采集频率，对印中风评参数集中各印中风评参数的数值进行采集；得到各印中风评参数在各采集时刻对应的数值；

针对每个印中风评参数，设置滑动时间窗口，同时预设滑动时间窗口的大小与滑动步长，其中滑动时间窗口的大小与步长可根据风评参数的采集频率进行设置，采集频率越快，较小的窗口大小与步长，即可采集足够多的数据；

计算滑动窗口内印中风评参数的均值、标准差值以及极差值，随后将三者分配不同的权重系数，将印中风评参数的均值、标准差值以及极差值分别乘以对应的权重系数后进行累加，得到印中评测值；

预设多个印中评测值采频更新区间，持续对比当前滑动窗口与前一滑动窗口内印中评测值所处的采频更新区间；一旦发现当前滑动窗口内的印中评测值出现了采频更新区间的跳跃，即从一个区间进入到另一个区间，则触发采频更新操作；

预设每个印中评测值采频更新区间均对应一个印中风评参数采集更新频率，采频更新操作触发时，将当前滑动窗口内印中评测值所处采频更新区间对应的采集更新频率，作为接下来一段时间内印中风评参数的采集频率；后续持续按照上述判断采集频率更新流程，不断计算各滑动时间窗口内的印中评测值、判断区间跳跃情况，若再次出现区间跳跃，则再次更新采集频率；

针对每个印中风评参数，设置多个印中评测值风险区间，预设每个风险区间对应一个风险赋值，将印中风评参数当前时刻对应的印中评测值与所有印中评测值风险区间进行匹配，输出对应的风险赋值；g=1，2，……，H；g为印中风评参数的标号，H为印中风评参数的总数；

将风险故障对应的各印中风评参数对应的风险赋值代入到预设公式模型：，得到故评值GP，其中为各印中风评参数风险赋值对应的预设权重系数，故评值越大，表示该风险故障在印刷工作中发生的概率越大；

以故评值作为纵坐标，时间为横坐标，建立二维直角坐标系，实时计算风险故障故评值的数值，并代入到二维直角坐标系中，得到一系列故评数据点，将相邻故评数据点依次进行曲线平滑连接，得到故评变化曲线，预设故评阈值线，将故评变化曲线超过故评阈值线的部分并与故评阈值线围成的面积标记为风评面积；

将从开始时刻到当前时刻的所有风评面积进行累加，得到即时险积，预设即时险积阈值，若即时险积大于或等于对应阈值，则触发该风险故障预警。

需要说明的是，通过滑动时间窗口计算印中评测值，并依据评测值所处区间的跳跃来更新印中风评参数的采集频率，实现了数据采集频率的动态调整；便于能够更灵活地应对印刷过程中风险故障状态的变化，及时捕捉可能预示故障发生的微小波动；

综合印中风评参数的均值、标准差和极差值计算印中评测值，全面考量了数据的集中趋势、离散程度和变化范围，再结合风险赋值分析，得到故评值，通过故评值反映风险故障在印刷工作中发生的概率；有助于印刷企业提前采取措施，降低故障发生的可能性，减少因故障导致的生产中断和质量问题；

通过建立二维直角坐标系，计算即时险积并与预设阈值比较来触发风险故障预警，能够直观地展示风险故障随时间的变化趋势；一旦即时险积超过阈值，系统立即发出预警，让印刷企业有足够的时间采取应对措施。

步骤四，构建维修人员数据库，根据维修人员的维修案例以及当前风险故障预警对应的风险故障分析维修人员的选评值，筛选出最大选评值对应的维修人员作为任务派遣人员，具体过程为：

构建维修人员数据库，记录维修人员的个人信息、维修案例以及维修排班等；个人信息包括：姓名、身份证、人员图像、联系方式等；维修案例内存储有维修人员能够维修的风险故障的名称与各风险故障处理的数量、平均维修用时以及维修绩效评分等信息；

当出现风险故障预警时，获取所有预警对应的风险故障，从维修人员数据库中筛选处于当前维修排班的人员，提取其维修案例，筛选出处理过所有预警风险故障的维修人员作为初选人员；

对初选人员，综合其维修案例中各预警风险故障的处理数量SLz、平均维修用时WTz、维修绩效评分JXz，其中z为风险故障的标号，z=1，2，……，D；D为风险故障总数；将风险故障的处理数量SLz、平均维修用时WTz、维修绩效评分JXz归一化处理后，利用公式：，得到维评值WP，其中为所有风险故障平均维修用时中的最小值，b为用于对风险故障处理数量求和时的循环变量，b=1，2，……，D；、、，分别为风险故障的处理数量、平均维修用时以及维修绩效评分的权重系数；

获取初选人员当前未处理完成的风险故障数量，通过将各未处理完成的风险故障乘以对应风险故障的平均维修用时后进行相加，得到任务负荷RF；

针对每个初选人员，将初选人员对应的维评值WP与任务负荷RF归一化处理后，利用公式：，得到选评值XPZ，其中d1与d2为预设权重系数，初选人员的选评值越大表示该初选人员越适合被安排处理本次故障预警所对应风险故障；

从所有初选人员中选取选评值最大的初选人员作为任务派遣人员运维处理本次预警所产生的风险故障；待任务派遣人员成功解决风险故障后，针对其处理的每一项风险故障，分别开展维修绩效打分工作，并将所得分数录入该人员维修案例中对应风险故障的维修绩效评分记录内。

需要说明的是，构建维修人员数据库并结合风险故障预警筛选任务派遣人员，能从众多维修人员中精准找到最适合处理当前故障的人选；通过综合考虑维修案例中的处理数量、平均维修用时和绩效评分等多维度数据，以及当前任务负荷，计算选评值来确定派遣人员，提高了维修资源的利用效率，确保故障能得到及时、有效地处理；任务完成后的维修绩效打分及记录更新，为维修人员的能力评估提供了持续的数据支持。

一种印刷故障数据智能分析系统，包括：故障参数关联分析模块、风评评估与数据采集模块、评测预警模块以及维修人员调度模块，具体为：

故障参数关联分析模块：构建故障参数库与故障参数库，分析故障参数库中各风险故障与故障参数库中各故障参数之间的相关性，基于此分析各风险故障对应的印前风评参数；

风评评估与数据采集模块：根据风险故障对应的印前风评参数分析风险故障的风评值；构建风险故障对应的印中风评参数集，根据风险故障的风评值匹配对应印中风评参数集的采集频率；

评测预警模块：设置滑动时间窗口，计算滑动时间窗口内印中风评参数的印中评测值，根据印中评测值更新印中风评参数的采集频率；对风险故障各印中风评参数的印中评测值进行分析，得到故评值，依据故评值判断是否进行风险故障预警；

维修人员调度模块：构建维修人员数据库，根据维修人员的维修案例以及当前风险故障预警对应的风险故障分析维修人员的选评值，筛选出最大选评值对应的维修人员作为任务派遣人员。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种印刷故障数据智能分析方法，其特征在于：包括以下步骤：

步骤一：构建故障参数库与故障参数库，构建风险故障与故障参数的散点图，依据散点图分析故障参数库中各风险故障与故障参数库中各故障参数之间的相关性，得到故参信息值，基于故参信息值确定各风险故障对应的印前风评参数；

步骤二：根据风险故障对应的印前风评参数与印前风评参数与风险故障之间的相关性，分析风险故障的风评值；构建风险故障对应的印中风评参数集，根据风险故障的风评值匹配对应印中风评参数集的采集频率；

步骤三：印刷工作中，根据印中风评参数集的采集频率对印中风评参数的数值进行采集，设置滑动时间窗口，计算滑动时间窗口内印中风评参数的印中评测值，根据印中评测值更新印中风评参数的采集频率；对风险故障各印中风评参数的印中评测值进行分析，得到故评值，依据故评值判断是否进行风险故障预警。

2.根据权利要求1所述的一种印刷故障数据智能分析方法，其特征在于：步骤一中，构建故障参数库与故障参数库的具体过程为：

采集当前印刷生产中的原材料数据、印刷环境数据以及印刷图像数据，并进行整理构建印前故障参数库；原材料数据包括：纸张厚度、油墨流动性、版材耐磨性；印刷环境数据包括：车间温湿度、洁净度、气压；印刷图像数据包括：色彩数量、网点分布密度、图文精细度；

梳理由于印前原材料数据、印刷环境数据以及印刷图像数据会导致的全部印刷故障，并进行整理构建风险故障库。

3.根据权利要求2所述的一种印刷故障数据智能分析方法，其特征在于：步骤一中，分析故障参数库中各风险故障与故障参数库中各故障参数之间的相关性，基于此分析各风险故障对应的印前风评参数的具体过程为：

针对风险故障库中的每一项风险故障，建立风险故障与故障参数的直角坐标系，其中风险故障程度为纵坐标，故障参数为横坐标；接着从印刷生产中流程日志所记录的数据中，提取出该故障参数与风险故障的一一对应数据点；将这些数据点逐一标注在已构建的直角坐标系内，得到分析散点图；

将风险故障程度划分为若m个区间，并表示为C₁，C₂，……，C_m；同时将故障参数划分为n个区间，并表示为A₁，A₂，……，A_n；统计落入每个风险故障程度区间与故障参数区间交叉区域的数据点个数，并标记为，其中i表示风险故障程度区间的标号，j表示故障参数区间的标号；利用公式：得到所有交叉区域的数据点的总数；处于风险故障程度区间Ci且处于故障参数区间Aj的联合概率；处于风险故障程度区间Ci的边缘概率；以及处于故障参数区间Aj的边缘概率；

将上述、、以及利用互信息公式：，得到故参信息值MI；

将各个故障参数与风险故障对应的故参信息值与对应阈值进行比对，若故参信息值大于对应阈值，则将该故参信息值对应的故障参数标记为此风险故障的印前风评参数；

同时根据各故障参数与风险故障对应的散点图，标记故障参数与风险故障对应的正负相关性。

4.根据权利要求3所述的一种印刷故障数据智能分析方法，其特征在于：步骤二中，根据风险故障对应的印前风评参数分析风险故障的风评值的具体过程为：

针对每一项风险故障，获取风险故障对应的各个印前风评参数数值，将与风险故障呈正相关的印前风评参数标记为，r=1，2，……，P；其中P为与风险故障呈正相关的印前风评参数的总数；将与风险故障呈负相关的印前风评参数标记为，a=1，2，……，K；其中K为与风险故障呈负相关的印前风评参数的总数；将所有的印前风评参数数值归一化处理后，利用公式：，得到风评值FP，其中为与风险故障呈正相关的印前风评参数的预设权重系数；为与风险故障呈负相关的印前风评参数的预设权重系数。

5.根据权利要求4所述的一种印刷故障数据智能分析方法，其特征在于：步骤二中，构建风险故障对应的印中风评参数集，根据风险故障的风评值匹配对应印中风评参数集的采集频率，具体过程为：

将风险故障库中的所有风险故障根据其对应的风评值大小，从大到小依次进行排序，得到风险故障排序序列，并将风险故障排序序列发送至监控人员终端；

预设每种风险故障都对应有相应的印中风评参数集；依据当前印刷材料的风险故障排序序列，将其中各个风险故障依次与所有风险故障对应的印中风评参数集进行匹配，输出各个风险故障对应的印中风评参数集；

针对每一项风险故障，均预设若干个风评值区间，每个风评值区间对应有一个印中风评参数采集频率；将风险故障的风评值与所有预设风评值区间进行匹配，输出其对应的印中风评参数采集频率，并将此印中风评参数采集频率作为该风险故障的印中风评参数集中各风评参数在印刷工作中的采集频率。

6.根据权利要求5所述的一种印刷故障数据智能分析方法，其特征在于：步骤三中，设置滑动时间窗口，计算滑动时间窗口内印中风评参数的印中评测值，根据印中评测值更新印中风评参数的采集频率的具体过程为：

在印刷工作中，针对每项风险故障，根据风险故障的印中风评参数集对应的采集频率，对印中风评参数集中各印中风评参数的数值进行采集；得到各印中风评参数在各采集时刻对应的数值；

针对每个印中风评参数，设置滑动时间窗口，计算滑动窗口内印中风评参数的均值、标准差值以及极差值，随后将三者分配不同的权重系数，将印中风评参数的均值、标准差值以及极差值分别乘以对应的权重系数后进行累加，得到印中评测值；

预设多个印中评测值采频更新区间，持续对比当前滑动窗口与前一滑动窗口内印中评测值所处的采频更新区间；一旦发现当前滑动窗口内的印中评测值出现了采频更新区间的跳跃，则触发采频更新操作；

预设每个印中评测值采频更新区间均对应一个印中风评参数采集更新频率，采频更新操作触发时，将当前滑动窗口内印中评测值所处采频更新区间对应的采集更新频率，作为接下来一段时间内印中风评参数的采集频率；

后续持续按照上述判断采集频率更新流程，不断计算各滑动时间窗口内的印中评测值、判断区间跳跃情况，若再次出现区间跳跃，则再次更新采集频率。

7.根据权利要求6所述的一种印刷故障数据智能分析方法，其特征在于：步骤三中，对风险故障各印中风评参数的印中评测值进行分析，得到故评值，依据故评值判断是否进行风险故障预警的具体过程为：

针对每个印中风评参数，设置多个印中评测值风险区间，预设每个风险区间对应一个风险赋值，将印中风评参数当前时刻对应的印中评测值与所有印中评测值风险区间进行匹配，输出对应的风险赋值；g=1，2，……，H；g为印中风评参数的标号，H为印中风评参数的总数；

将风险故障对应的各印中风评参数对应的风险赋值代入到预设公式模型：，得到故评值GP，其中为各印中风评参数风险赋值对应的预设权重系数；

以故评值作为纵坐标，时间为横坐标，建立二维直角坐标系，实时计算风险故障故评值的数值，并代入到二维直角坐标系中，得到一系列故评数据点，将相邻故评数据点依次进行曲线平滑连接，得到故评变化曲线，预设故评阈值线，将故评变化曲线超过故评阈值线的部分并与故评阈值线围成的面积标记为风评面积；

将从开始时刻到当前时刻的所有风评面积进行累加，得到即时险积，预设即时险积阈值，若即时险积大于或等于对应阈值，则触发该风险故障预警；若触发风险故障预警，则进行维修人员派遣。

8.根据权利要求7所述的一种印刷故障数据智能分析方法，其特征在于：维修人员派遣的具体过程为：

构建维修人员数据库，记录维修人员的个人信息、维修案例以及维修排班；个人信息包括：姓名、身份证、人员图像、联系方式；

维修案例内存储有维修人员能够维修的风险故障的名称与各风险故障处理的数量、平均维修用时以及维修绩效评分；

当出现风险故障预警时，获取所有预警对应的风险故障，从维修人员数据库中筛选处于当前维修排班的人员，提取其维修案例，筛选出处理过所有预警风险故障的维修人员作为初选人员；

分析维修人员的选评值，筛选出最大选评值对应的维修人员作为任务派遣人员进行预警故障运维。

9.根据权利要求8所述的一种印刷故障数据智能分析方法，其特征在于：分析维修人员的选评值，筛选出最大选评值对应的维修人员作为任务派遣人员进行预警故障运维的具体过程为：

对初选人员，综合其维修案例中各预警风险故障的处理数量SLz、平均维修用时WTz、维修绩效评分JXz，其中z为风险故障的标号，z=1，2，……，D；D为风险故障总数；将风险故障的处理数量SLz、平均维修用时WTz、维修绩效评分JXz归一化处理后，利用公式：，得到维评值WP，其中为所有风险故障平均维修用时中的最小值，b为用于对风险故障处理数量求和时的循环变量，b=1，2，……，D；、、，分别为风险故障的处理数量、平均维修用时以及维修绩效评分的权重系数；

获取初选人员当前未处理完成的风险故障数量，通过将各未处理完成的风险故障乘以对应风险故障的平均维修用时后进行相加，得到任务负荷RF；

针对每个初选人员，将初选人员对应的维评值WP与任务负荷RF归一化处理后，利用公式：，得到选评值XPZ，其中d1与d2为预设权重系数；

从所有初选人员中选取选评值最大的初选人员作为任务派遣人员运维处理本次预警所产生的风险故障；待任务派遣人员成功解决风险故障后，针对其处理的每一项风险故障，分别开展维修绩效打分工作，并将所得分数录入该人员维修案例中对应风险故障的维修绩效评分记录内。

10.一种印刷故障数据智能分析系统，应用于上述权利要求1-9任一项所提出的一种印刷故障数据智能分析方法，其特征在于：包括：

故障参数关联分析模块：构建故障参数库与故障参数库，分析故障参数库中各风险故障与故障参数库中各故障参数之间的相关性，基于此分析各风险故障对应的印前风评参数；

风评评估与数据采集模块：根据风险故障对应的印前风评参数分析风险故障的风评值；构建风险故障对应的印中风评参数集，根据风险故障的风评值匹配对应印中风评参数集的采集频率；

评测预警模块：设置滑动时间窗口，计算滑动时间窗口内印中风评参数的印中评测值，根据印中评测值更新印中风评参数的采集频率；对风险故障各印中风评参数的印中评测值进行分析，得到故评值，依据故评值判断是否进行风险故障预警；

维修人员调度模块：构建维修人员数据库，根据维修人员的维修案例以及当前风险故障预警对应的风险故障分析维修人员的选评值，筛选出最大选评值对应的维修人员作为任务派遣人员。