买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉超网实业(成都)股份有限公司申请的专利基于云平台的智慧厂务管理系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120181516B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510637645.4，技术领域涉及：G06Q10/0631；该发明授权基于云平台的智慧厂务管理系统及方法是由邓勇;马文浩;汤海燕;熊代军;宁鹏;周铁;颜中科;黄文彬;李强;邓宇航设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本基于云平台的智慧厂务管理系统及方法在说明书摘要公布了：本发明公开了基于云平台的智慧厂务管理系统及方法，涉及工业物联网技术领域，包括，提取预处理后生产设备数据和环境数据的特征，形成特征数据集，基于特征数据集，构建设备故障预测模型，得到故障预测结果，基于故障预测结果，生成资源调度策略。构建的设备故障预测模型能够在早期发现潜在的设备故障风险，减少停机时间并提升了工厂的整体运营效率和安全性，而资源调度策略实现了对工厂内资源的动态优化调度，不仅提高了生产效率，还显著降低了能耗和故障风险，并可以灵活应对不同生产任务的需求变化，进而提高了整体经济效益。

本发明授权基于云平台的智慧厂务管理系统及方法在权利要求书中公布了：1.一种基于云平台的智慧厂务管理方法，其特征在于：包括， 采集生产设备数据和环境数据，并进行预处理； 提取预处理后生产设备数据和环境数据的特征，形成特征数据集； 基于特征数据集，构建设备故障预测模型，得到故障预测结果； 基于故障预测结果，生成资源调度策略； 所述基于特征数据集，构建设备故障预测模型，包括以下步骤， 将特征数据集划分为训练集、测试集以及验证集； 选择卷积神经网络作为构建设备故障预测模型的架构； 使用训练集并结合贝叶斯优化法对设备故障预测模型进行随机扰动，生成训练样本； 使用滑动窗口技术调整训练样本中的子序列标签，生成故障类别的标签并组合为训练样本特征向量； 使用提升集成学习框架给每个训练样本特征向量分配初始权重，计算出每个训练样本特征向量的初始权重值和误差率； 使用弱学习器对每个训练样本特征向量的初始权重值进行迭代，得到更新后的训练样本特征向量的权重值，表达式为： ； ； 其中，表示每个训练样本特征向量的初始权重值，表示第个训练样本特征向量的误差率，表示更新后第个训练样本特征向量在第轮迭代中的权重值，表示更新后第个训练样本特征向量在第轮迭代中的权重值，表示第个训练样本特征向量的故障类别标签数值，表示指数函数，表示第个训练样本特征向量的故障类别标签数值是否被第个弱学习器错误分类的指数函数值； 使用测试集对更新后的训练样本特征向量的权重值进行混淆矩阵分析，得到训练样本的特征矩阵，并计算出其异常分数； 基于训练样本的特征矩阵绘制损失曲线，使用局部离群因子识别出错误的训练样本类型，并进行改进； 基于改进后的训练样本类型重新训练设备故障预测模型，直至损失曲线趋于稳定，得到训练完成的设备故障预测模型； 所述得到故障预测结果，包括以下步骤， 将验证集输入至设备故障预测模型并部署到工厂的生产设备上，引入孤立森林算法定义训练样本特征矩阵的路径长度，计算出工厂生产设备的综合故障概率值，表达式为： ； ； ； 其中，表示工厂生产设备的标准化故障概率值，表示激活函数，表示训练样本特征矩阵的权重，表示训练样本特征矩阵，表示偏置项，表示训练样本特征矩阵的异常分数，表示训练样本特征矩阵的路径长度，表示训练样本特征矩阵数量的路径长度期望值，表示工厂生产设备的综合故障概率值，表示工厂生产设备的初步故障概率值的权重系数，表示训练样本特征矩阵的异常分数的权重系数； 设定报警机制阈值，根据工厂生产设备的综合故障概率值位于报警机制阈值内的区间来判定设备故障的风险程度； 判定结果为故障预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人超网实业(成都)股份有限公司，其通讯地址为：610000 四川省成都市武侯区少陵路88号14栋6楼612-613号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。