mba考试时间表
周一至周五 | 9:00—22:00

基于數據挖掘的滅菌設備運行狀態檢測的應用

作者:符錫成

  摘  要:經過對海南多家醫院在用的脈動真空滅菌器進行實際調研,基于數據挖掘技術,對滅菌設備運行狀態檢測進行了初步的研究。在了解脈動真空滅菌器設備運行的基礎上構建用于設備健康狀態評價的綜合數據系統,并利用數據挖掘技術在對積累的設備實時運行數據進行挖掘的基礎上,建立了設備不同健康情況下的分布數據集,建立模型,分析出故障發生前的預兆數據,達到監測設備運行、提高設備正常運行率的目的。

相關優秀題目論文范文閱讀:
試驗研究地鐵車運行狀態新風量
配電設備狀態檢修中帶電檢測技術應用
基于二值檢測器的交通異常事件傳感器設計
基于多視角缺失補全算法的數據挖掘研究

  關鍵詞:數據挖掘  狀態檢修  實時運行數據
  中圖分類號:TK268                                文獻標識碼:A                          文章編號:1672-3791(2019)03(c)-0245-04
  Abstract: Through Pulsating Vacuum Sterilizer investigation of several hospitals in Hainan, A preliminary study of sterilization equipment based on the data mining technology. We have built an integrated data system for sterilization equipment health status evaluation On the basis of understanding the running of pulsating vacuum sterilizer equipment , a comprehensive data system is established for evaluating the health status of the equipment . Besides, based on the real-time data mining technology, it constructs the distribution data and model under different health conditions , and analyzes occurrence of precursor data  in order to monitor the operation of equipment and improve the normal operation rate of equipment.
  Key Words: Data mining; Condition based maintenance; Real-time running data
  1  數據挖掘
  數據挖掘的概念是在美國1995年計算機年會上首先提出來的數據挖掘是從海量的數據中,應用各種算法查找出隱藏于數據中的信息。

相關論文欄目:
工程檢測的論文
數據挖掘的論文
有關數據挖掘論文
工程檢測論文

  1  數據挖掘
  數據挖掘的概念是在美國1995年計算機年會上首先提出來的數據挖掘是從海量的數據中,應用各種算法查找出隱藏于數據中的信息。
  該文通過對海南多家醫院在用的脈動真空滅茵器的實際使用情況進行調研,應用數據挖掘聚類分析、關聯分析等相關技術對調研數據進行綜合、分析、統計、推理與歸納,揭示脈動真空滅菌器設備運行事件間的相互關系,預測監測設備運行的未來發展趨勢,這會起到輔助實際工作問題和支持決策的作用。
  2  脈動真空高壓蒸汽滅菌器

基于數據挖掘的滅菌設備運行狀態檢測的應用相關參考屬性評定
有關論文范文主題研究:關于滅菌設備數據挖掘的論文范本大學生適用:5000字電大畢業論文
相關參考文獻下載數量:40寫作解決問題:參考文獻
畢業論文開題報告:論文模板、參考文獻職稱論文適用:核心期刊、中級職稱
所屬大學生專業類別:數據挖掘狀態的論文題目推薦度:高職狀態檢測題目

  醫院主要靠高壓蒸汽滅菌來完成醫療物品的滅菌工作。目前,是醫院消毒供應中心普遍使用的滅菌設備脈動真空高壓蒸汽滅菌器系統結構相對復雜,特別是滅菌器管路系統中的各種控制閥件故障率相對較高,維修后可靠性也不好。有時,設備前一次滅菌過程還是合格的,可下次進行滅菌物品滅菌時出現穩定性不好,導致整個滅菌過程的失敗,只好停機待冷卻后方可進行維修,這不但浪費了人力、物力、時間,也影響了整個醫院消毒物品的及時供應。輕則需要重新滅菌,重則使滅菌物品損壞,造成滅菌物品的供應不及時,嚴重影響臨床治療和手術的開展。
  脈動真空壓力蒸汽滅菌器采用的滅菌監測方法有:B-D試驗、物理監測、化學監測、生物監測等。這些數據每臺設備都有保存,另外醫院追溯系統也保存有監測的實時物理數據與滅菌監測結果數據,通過收集這些數據進行數據挖掘,從中分析找出故障發生前的預兆數據,達到檢測設備運行的目的。
  3  滅菌設備運行狀態檢測
  進行滅菌設備狀態檢修的整體思路是:除了檢修滅菌設備的系統結構與性能達到所設置的狀態外,還檢修可能長時間動態狀態。按照當前滅菌設備的實際工作狀態收集到的物理參數信息獲得可以識別與判別早期故障征兆,并能確定滅菌設備的可能故障位置、程度與趨勢。應用數據挖掘技術,科學地在滅菌設備故障出現前有目針對性地進行適當和必要的維護,為設備安全、穩定、長周期和全性能優質運行提供了可靠的技術和管理保障。
  該(檢修)系統建立在軟件總線平臺之上,提供了諸多模塊給前端用戶使用,這些模塊通過軟件總線提供的接口,調用總線系統中提供的方法,并與后端數據庫發生交互。ODBC數據庫中存放著滅菌設備采集來的設備實時運行數據(見圖1)。
  對設備進行健康狀態評價的基礎是設備的相關信息。這些滅菌設備信息主要有以下幾方面。
  (1)這些滅菌設備基本信息是設備“與生俱來”的信息,這些信息真實描述了設備的固有屬性,例如設備的銘牌上的信息及圖紙各滅菌設備技術參數等。
  (2)滅菌設備運行的物理歷史參數。這些物理歷史參數是進行數據挖掘的數據來源,它不只是反映設備滅菌歷史狀況,而且能通過對比歷史物理參數與實時物理參數的記錄,從中可以分析設備的狀況,預知可能出現的故障。   (3)技術監測信息。
  (4)設備缺陷數據。設備缺陷數據信息主要有出現缺陷時的設備基本信息、缺陷代碼、缺陷描述及應對的方法等。這些設備缺陷數據信息將為未來分析類似設備故障狀況、采取什么應對的方法等方面提供相應的參考根據。
  (5)國家有關行業標準規范,滅菌設備狀態維修數據,等等。
  4  數據挖掘在滅菌設備運行狀態檢測中的應用
  根據數據倉庫中大量的運行歷史物理參數,采用聚類分析的辦法判斷設備參數在不同運行狀態下的數據分布情況。該文利用改進了的K-Mean算法來進行聚類,對設備進行健康狀態評價,而后應用關聯規則來挖掘尋找給定數據集中項之間的關系。
  4.1 改進的K-Means算法介紹
  輸入:一個有N個對象的數據庫,聚類定義為K,—個參數B∈(0,1)。
  輸出:聚類結果,也就是K個簇。
  算法過程:
  (1)根據前面的初始聚類中心來確定與選取初始聚類種子K;
  (2)重復操作;
  (3)按照類內對象與簇中的聚類種子最近的原則,把每個類內對象(再次)賦于相似度最大的聚類;
  (4)通過簇中數據的計算,得到與該簇中的聚類種子Ot(k-1)相似度最小的值,MinSimt(k-1)并計算出閾值;
  (5)選擇簇Ct(k-1)中與聚類種子Ot(k-1)相似度大于1-βMinSimt(k-1)的數據,得到集合CNt(k-1);
  (6)計算CNt(k-1)中數據的平均值,即為簇的聚類種子;
  (7)一直重復到相鄰兩次聚類種子變化不再出現。
  該文在就K-Means算法研究時K值取為3。K取值為3的理由是滅菌設備的正常運行狀態只能是設備正常、設備能用但有小毛病與設備不能用3種中的一種,以之相應的技術數據范圍也會出現3種不同的分布。通過數據挖掘得到3個相關的聚類結果,并讓專家分析聚類相關性結果,得到表示不同滅菌設備的正常運行狀態數據分布情況的3個聚類結果。數據挖掘的結果依賴于選取的數據,假如挖掘的數據樣本不科學,則需要重新選取數據樣本,因為這樣的挖掘結果準確性得不到保證。
  4.2 關聯分析
  關聯規則是一種X→Y規則的蘊涵式,式里的X定義為關聯規則的先導,而Y定義為后繼。關聯規則分為兩個步驟:第一個步驟是從數據中找到所有頻繁項集,第二個步驟是通過這些頻繁項集產生關聯規則。用于關聯規則發現的主要對象是事務型數據庫。
  4.2.1 研究問題
  采用Apfiofi算法挖掘醫院滅菌器設備運行數據中所隱藏的各數據之問的關系,即發現形如“醫院滅菌器設備電源故障中,開關電源電路中的開關管損壞并在給定的可信度下,也有保險管損壞”的關聯規則,從而可以用于指導電源在發生斷電故障時“開關管”和“保險管”在滅菌器設備運行的維護檢修關聯規則。
  在數據挖掘中應用Apfiofi算法時,頻繁項集的長度與查詢數據的頻數相關,這將影響數據的傳輸效率,進而影響Apfiofi算法效率。而在文中,我們對Apfiofi算法進行改進,改進的思路是:建立一個用“1”來表示項目中出現事務,用“0”來表示項目中不出現事務的二進制數據的存儲結構,接下來就是確定最小支持度,同時在找到最大頻繁項集之前不斷地對待選項數據集進行刪選。這樣的改進可以減少查詢數據的頻數與產生待選項數據集的數量,比經典Apfiofi算法效率高。
  4.2.2 確定主題
  根據所研究的問題,確定的主題有:耗材、人員、滅菌設備和保養。
  (1)數據倉庫模型。
  (2)根據所確定的主題,準備和收集事務數據庫中的數據。從事務數據庫中準備和收集與主題相關的數據,并根據所研究的問題提取此次數據挖掘需要的屬性字段。將不符合檢驗條件的記錄在進入數據倉庫之前進行剔除,對所有數據屬性在進入數據倉庫之前進行統一。數據倉庫中各主題的數據則按照決策分析型應用的需求存放,其設計與優化時需考慮的是數據的完整性、一致性及分析結果的準確性。得到此次數據挖掘的數據倉庫邏輯模型(如圖2),數據倉庫模型主題的特點使得其更易以星形模型、雪花模型或者星座模型來實現。
  4.3 數據挖掘
  此次數據挖掘以海南多家醫院使用的由山東新華醫療器械股份有限公司生產的脈動真空滅菌器在2010年1月1日到20l7年1月1日運行期間的事務數據庫為數據源,采用Apfiofi算法挖掘的有效關聯規則(如表1),以滅菌設備保養為實例的Apriori算法尋找所有的頻繁項集以優化設備保養策略。實踐證明,對這些相互之間有著高度關聯的設備進行保養,至少使滅菌器運行效率提高40%以上。
  這里設D為事務數據庫,其事務A=4,確定最小支持度的M=0.5,滅菌設備的正常運行狀態只能是N:設備正常;C:設備能用但有小毛病;B:設備不能用。使用以“月”為時間單位,如表1所示。
  在表1:滅菌設備的保養事務數據表,對照項數I與最小支持數,查詢事務,創建二進制數據的存儲結構事務數據庫,出現的事務用“1”表示。反之用“0”來表示。由此可得到臨時二進制表示的事務數據庫(如表2)。
  根據Apriori算法(如圖3),通過Apriori算法不斷地進行刪選,得到事務數據庫的最大頻繁路徑集為{(織物、器械)(N,1)(C,2)},如表3所示。
  5  結語
  就醫療設備狀態維修檢測這個研究課題而言,該文應用數據挖掘的研究方法,針對滅菌設備健康狀態進行建模分析。在對滅菌設備實際維修維護調研的基礎上,對設備運行特性技術參數進行采集,并應用改進的K-Means算法進行來進行聚類,而后應用改進的Apriori算法關聯規則來挖掘尋找給定數據集中項之間的關系從中挖掘出滅菌設備系統運行與部件的狀態相關性,對設備進行健康狀態評價。
  在具體實施建模與數據挖掘過程中,采用計算機系統來統計分析設備運行狀態的物理參數。獲取相關參數,并實現了設備運行自動記數。并提供在達到相關性參數異常之前提前報警,實現自動化程度較高的設備維修修護告知的功能。當然對于采用參數相關性分析來判斷設備狀態的方法,診斷分析得到的結果正確率還有等待進一步完善,在對設備歷史運行數據進行數據挖掘時,如果挖掘的結果可用率不高,則應該重新進行挖掘,或者增加樣本數據,或者改進算法。
  參考文獻
  [1] 陳京民.數據倉庫與數據挖掘技術[M].北京:電子工業出版社,2003.
  [2] 徐宗龍.數據挖掘在齒輪箱故障診斷中的應用研究[D].中北大學,2006.
  [3] 張育林.動態系統故障診斷理論與應用[M].長沙:國防科技大學出版社,1997.
  [4] 史波.醫用脈動真空滅菌器維修一例[J].實用醫技雜志,2011,18(10):1097-1098.
  [5] 莫挺斐.新華XG1.DME型脈動真空滅菌器故障分析[J].中國醫療設備,2010,25(3):105-107.
  [6] 劉益平,朱力群,劉鐘.脈動真空滅菌器兩項改進措施[J].中國儀器儀表,1996(4):24-25.
  [7] 金濤,周秀華.意大利Extrema Plus脈動真空滅菌器使用中常見問題及解決方法[J].醫療衛生裝備,2010,31(12):146-147.
  [8] 曲睿,張天嬌.基于矩陣壓縮的Apriori改進算法[J].計算機工程與設計,2017,38(8):2127-2131.
  [9] 劉嘯,劉玉龍.基于改進型迭代算法的web數據關聯規則挖掘[J].科技導報,2015,33(3):90-94.

常見問題解答

我要提問  匿名提問

mba考试时间表 理财投资软件排行榜 中国十大安全理财平台 901足球即是比分网 北京快三 小仓奈奈番号 周口期货配资 炒股入门必读 吉林十一选五 北京快三 上证指数的点位 新疆十一选五 北京十一选五 SM捆绑影吧 股票配资平台代理佣金再多少 新疆18选7 30选5