[发明专利]基于大数据统计的分布式零售终端模块化预警方法

说明书

本发明涉及零售终端领域，公开了基于大数据统计的分布式零售终端模块化预警方法，该方法包括以下步骤：大数据采集建模和故障预测。大数据采集建模是将终端单位的关键参数进行实时采集并记录在大数据云平台中的存储器中，按照故障类型进行特征提取并数字建模。多类特征融合求解，获得终端单位的预测正常工作状态的实时效率。将预测值与终端单位工作实时效率相比较，如果超出可容忍误差范围，多级预警机制启动，否则则认为系统正常。该监测方法结合大数据建模与实际需求，并利用特征融合方法和多级预警方法，既确保了预测数据的准确性，又保证了监测方法的实时性与有效性。

技术领域

本发明涉及零售终端领域，公开了基于大数据统计的分布式零售终端模块化预警方法。

背景技术

随着生活节奏的加快，快餐成为了人们日常生活中必不可少的部分。快餐业的发展是由社会进步和经济发展决定的，是人民生活水平提高与生活方式改善的迫切需要，是人们其为适应社会经济建设，工作与生活节奏加快，家庭服务和单位后勤服务走向社会化的必然产物。快餐业是一个重要的生活环境和投资环境的产业；是国民经济发展和餐饮业发展新的增长点；是传统餐饮走向现代餐饮的突破口和先行军；是人们休闲消费、旅游消费、购物消费等消费的重要组成部分；是国家扩大内需、吸纳社会就业和扩大再就业的重要渠道；是中国发展外向型经济和与国际餐饮市场对接的生力军。

然而，快餐业的爆发式发展带来的食品卫生问题，一直困扰着经营者和管理者。无人零售终端的出现，可以有效解决认为元素带来的食品卫生安全问题。同时，可以大大的节约运营成本和提升运营效率。但是由于大多数的零售终端设备都安放的比较分散，这就导致了日常维护和检测比较困难。运营者很难第一时间知道故障设备的位置和故障原因。另外很多故障本身是可以避免的，比如设备老化等因素，如果可以提前预测并更换响应的工作部件和及时维护，可以大大提升整体运营效率和节约运营成本。

发明内容

发明目的：为了解决上述问题，该发明提出了基于大数据统计的分布式零售终端模块化预警方法。

技术方案：

公开了基于大数据统计的分布式零售终端模块化预警方法，该方法包括以下步骤：大数据采集建模和故障预测。大数据采集建模是将终端单位的关键参数进行实时采集并记录在大数据云平台中的存储器中，按照故障类型进行特征提取并数字建模。多类特征融合求解，获得终端单位的预测正常工作状态的实时效率。将预测值与终端单位工作实时效率相比较，如果超出可容忍误差范围，多级预警机制启动，否则则认为系统正常。

所述的关键参数是基于区域传感器提供的数据；包括工作环境数据，终端单位物理数据和终端单位电力数据。所述的环境数据包括环境湿度，温度和特定挥发性气体浓度等环境数据。所述的终端物理数据包括结构应力，工作噪声和器件形态完整性。所述的终端单位电力数据包括工作电压，电流和平局功率；

所述的多级预警包括基于大数据模型特征匹配的故障类型及恶化程度而分的初级预警，中级预警和高级预警。

所述的大数据采集，其特征在于，采集方式可以包括传感器采集和图像采集。其中传感器采集可以包括音频传感器，温度传感器，湿度传感器，压力传感器，气体传感器等。图像采集包括基于红外摄像头和深度相机等采集的图像数据。

所述的基于大数据统计的分布式零售终端模块化预警方法，其特征在于，所述的多类特征融合求解是基于历史大数据中故障类型进行建模。建立故障类型W与终端单位的关键参数X的权重矩阵Q。根据NMF识别标准：

其中F为范数求解。存在唯一权重矩阵Q^*为上式的最优解。即可以确定一组关键参数与之对应的权重矩阵，就可以得出对应的故障类型。