一种饮食设备维修性评估方法及装置

1.本发明涉及评估技术领域，尤其涉及一种饮食设备维修性评估方法及装置。


背景技术：

2.目前，饮食设备健康管理技术已经逐渐受到重视，尤其是在饮食设备的关键监测数据中，与设备维修性评估密切相关的数据，如维修时间。当前对于小样本条件下的饮食设备的维修性评估的数据处理准确性相对较差和评估效能也不太理想。因此，提供一种饮食设备维修性评估方法及装置，以提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力显得尤为重要。


技术实现要素：

3.本发明所要解决的技术问题在于，提供一种饮食设备维修性评估方法及装置，能够利用模型拟合规则对原始维修时间信息进行处理得到第一概率密度模型，再对第一概率密度模型进行校验并利用验前函数处理规则对原始维修时间信息进行处理得到融合验前函数模型，利用维修时间估计规则对融合验前函数模型试验维修时间信息进行处理得到区间时间信息，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
4.为了解决上述技术问题，本发明实施例第一方面公开了一种饮食设备维修性评估方法，所述方法包括：
5.获取原始维修时间信息和试验维修时间信息；
6.利用预设的模型拟合规则对所述原始维修时间信息进行处理，得到第一概率密度模型；
7.判断所述第一概率密度模型是否满足校验条件，得到校验结果；所述校验条件跟饮食设备设定的显著性水平相关；
8.当所述校验结果表示所述第一概率密度模型满足所述校验条件时，利用预设的验前函数处理规则对所述原始维修时间信息进行处理，得到融合验前函数模型；
9.利用预设的维修时间估计规则对所述融合验前函数模型和所述试验维修时间信息进行处理，得到区间时间信息；所述区间时间信息用于指示对所述饮食设备的智能维修性评估。
10.作为一种可选的实施方式，在本发明实施例第一方面中，所述利用预设的验前函数处理规则对所述原始维修时间信息进行处理，得到融合验前函数模型，包括：
11.获取型号维修时间信息；
12.利用预设的验前密度处理规则对所述原始维修时间信息进行处理，得到第一验前模型；
13.利用所述验前密度处理规则对所述型号维修时间信息进行处理，得到第二验前模型；
14.利用预设的验前修正规则对所述第一验前模型和所述第二验前模型进行修正处理，得到融合验前函数模型。
15.作为一种可选的实施方式，在本发明实施例第一方面中，所述利用预设的验前修正规则对所述第一验前模型和所述第二验前模型进行修正处理，得到融合验前函数模型，包括：
16.利用预设的权重计算规则对所述原始维修时间信息进行处理，得到第一权重系数；
17.利用所述权重计算规则对所述型号维修时间信息进行处理，得到第二权重系数；所述第一权重系数和所述第二权重系数之和为1；
18.利用预设的权重修正模型对所述第一权重系数、所述第二权重系数、所述第一验前模型和所述第二验前模型进行处理，得到融合验前函数模型。
19.作为一种可选的实施方式，在本发明实施例第一方面中，所述利用预设的维修时间估计规则对所述融合验前函数模型和所述试验维修时间信息进行处理，得到区间时间信息，包括：
20.利用预设的似然模型对所述试验维修时间信息进行处理，得到试验似然模型；
21.对所述融合验前函数模型和所述试验似然模型进行处理，得到验后模型；
22.对所述验后模型进行处理，得到区间时间信息。
23.作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述验后模型进行处理，得到区间时间信息，包括：
24.对所述试验维修时间信息进行处理，得到试验样本参数信息；
25.对所述试验样本参数信息和所述验后模型进行处理，得到区间时间信息；所述区间时间信息包括估计时间和置信区间。
26.作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述试验样本参数信息和所述验后模型进行处理，得到区间时间信息，包括：
27.对所述试验样本参数信息和所述验后模型进行处理，得到验后均值估计值和验后方差估计值；
28.利用预设的时间估计模型对所述验后均值估计值进行计算，得到估计时间；
29.对所述验后方差估计值进行处理，得到置信区间。
30.作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述验后方差估计值进行处理，得到置信区间，包括：
31.获取置信度值；
32.利用预设的置信度边界模型对所述置信度值和所述验后方差估计值进行计算，得到置信边界信息；
33.利用所述时间估计模型对所述置信边界信息进行计算处理，得到置信区间。
34.本发明实施例第二方面公开了一种饮食设备维修性评估装置，装置包括：
35.获取模块，用于获取原始维修时间信息和试验维修时间信息；
36.第一处理模块，用于利用预设的模型拟合规则对所述原始维修时间信息进行处理，得到第一概率密度模型；
37.校验模块，用于判断所述第一概率密度模型是否满足校验条件，得到校验结果；所
述校验条件跟饮食设备设定的显著性水平相关；
38.第二处理模块，用于当所述校验结果表示所述第一概率密度模型满足所述校验条件时，利用预设的验前函数处理规则对所述原始维修时间信息进行处理，得到融合验前函数模型；
39.第三处理模块，用于利用预设的维修时间估计规则对所述融合验前函数模型和所述试验维修时间信息进行处理，得到区间时间信息；所述区间时间信息用于指示对所述饮食设备的智能维修性评估。
40.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第二处理模块利用预设的验前函数处理规则对所述原始维修时间信息进行处理，得到融合验前函数模型的具体方式为：
41.获取型号维修时间信息；
42.利用预设的验前密度处理规则对所述原始维修时间信息进行处理，得到第一验前模型；
43.利用所述验前密度处理规则对所述型号维修时间信息进行处理，得到第二验前模型；
44.利用预设的验前修正规则对所述第一验前模型和所述第二验前模型进行修正处理，得到融合验前函数模型。
45.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第二处理模块利用预设的验前修正规则对所述第一验前模型和所述第二验前模型进行修正处理，得到融合验前函数模型的具体方式为：
46.利用预设的权重计算规则对所述原始维修时间信息进行处理，得到第一权重系数；
47.利用所述权重计算规则对所述型号维修时间信息进行处理，得到第二权重系数；所述第一权重系数和所述第二权重系数之和为1；
48.利用预设的权重修正模型对所述第一权重系数、所述第二权重系数、所述第一验前模型和所述第二验前模型进行处理，得到融合验前函数模型。
49.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第三处理模块包括第一处理子模块、第二处理子模块和第三处理子模块，其中：
50.所述第一处理子模块，用于利用预设的似然模型对所述试验维修时间信息进行处理，得到试验似然模型；
51.所述第二处理子模块，用于对所述融合验前函数模型和所述试验似然模型进行处理，得到验后模型；
52.所述第三处理子模块，用于对所述验后模型进行处理，得到区间时间信息。
53.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第三处理子模块对所述验后模型进行处理，得到区间时间信息的具体方式为：
54.对所述试验维修时间信息进行处理，得到试验样本参数信息；
55.对所述试验样本参数信息和所述验后模型进行处理，得到区间时间信息；所述区间时间信息包括估计时间和置信区间。
56.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第三处理子模块
对所述试验样本参数信息和所述验后模型进行处理，得到区间时间信息的具体方式为：
57.对所述试验样本参数信息和所述验后模型进行处理，得到验后均值估计值和验后方差估计值；
58.利用预设的时间估计模型对所述验后均值估计值进行计算，得到估计时间；
59.对所述验后方差估计值进行处理，得到置信区间。
60.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第三处理子模块对所述验后方差估计值进行处理，得到置信区间的具体方式为：
61.获取置信度值；
62.利用预设的置信度边界模型对所述置信度值和所述验后方差估计值进行计算，得到置信边界信息；
63.利用所述时间估计模型对所述置信边界信息进行计算处理，得到置信区间。
64.本发明第三方面公开了另一种饮食设备维修性评估装置，所述装置包括：
65.存储有可执行程序代码的存储器；
66.与所述存储器耦合的处理器；
67.所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的饮食设备维修性评估方法中的部分或全部步骤。
68.本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的饮食设备维修性评估方法中的部分或全部步骤。
69.与现有技术相比，本发明实施例具有以下有益效果：
70.本发明实施例中，获取原始维修时间信息和试验维修时间信息；利用预设的模型拟合规则对原始维修时间信息进行处理，得到第一概率密度模型；判断第一概率密度模型是否满足校验条件，得到校验结果；校验条件跟饮食设备设定的显著性水平相关；当校验结果表示第一概率密度模型满足校验条件时，利用预设的验前函数处理规则对原始维修时间信息进行处理，得到融合验前函数模型；利用预设的维修时间估计规则对融合验前函数模型和试验维修时间信息进行处理，得到区间时间信息；区间时间信息用于指示对饮食设备的智能维修性评估。可见，本发明能够利用模型拟合规则对原始维修时间信息进行处理得到第一概率密度模型，再对第一概率密度模型进行校验并利用验前函数处理规则对原始维修时间信息进行处理得到融合验前函数模型，利用维修时间估计规则对融合验前函数模型试验维修时间信息进行处理得到区间时间信息，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
附图说明
71.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
72.图1是本发明实施例公开的一种饮食设备维修性评估方法的流程示意图；
73.图2是本发明实施例公开的另一种饮食设备维修性评估方法的流程示意图；
74.图3是本发明实施例公开的一种饮食设备维修性评估装置的结构示意图；
75.图4是本发明实施例公开的另一种饮食设备维修性评估装置的结构示意图；
76.图5本发明实施例公开的又一种饮食设备维修性评估装置的结构示意图。
具体实施方式
77.为了使本技术领域的人员更好地理解本发明方案，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作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。
78.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
79.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
80.本发明公开了一种饮食设备维修性评估方法及装置，能够利用模型拟合规则对原始维修时间信息进行处理得到第一概率密度模型，再对第一概率密度模型进行校验并利用验前函数处理规则对原始维修时间信息进行处理得到融合验前函数模型，利用维修时间估计规则对融合验前函数模型试验维修时间信息进行处理得到区间时间信息，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。以下分别进行详细说明。
81.实施例一
82.请参阅图1，图1是本发明实施例公开的一种饮食设备维修性评估方法的流程示意图。其中，图1所描述的饮食设备维修性评估方法应用于设备评估系统中，如用于饮食设备维修性评估管理的本地服务器或云端服务器等，本发明实施例不做限定。如图1所示，该饮食设备维修性评估方法可以包括以下操作：
83.101、获取原始维修时间信息和试验维修时间信息。
84.102、利用预设的模型拟合规则对原始维修时间信息进行处理，得到第一概率密度模型。
85.103、判断第一概率密度模型是否满足校验条件，得到校验结果。
86.本发明实施例中，上述校验条件跟饮食设备设定的显著性水平相关。
87.104、当校验结果表示第一概率密度模型满足校验条件时，利用预设的验前函数处理规则对原始维修时间信息进行处理，得到融合验前函数模型。
88.105、利用预设的维修时间估计规则对融合验前函数模型和试验维修时间信息进行处理，得到区间时间信息；区间时间信息用于指示对饮食设备的智能维修性评估。
89.可选的，上述原始维修时间信息包括若干个原始时间元素。
90.在该可选的实施例中，作为一种可选的实施方式，上述利用预设的模型拟合规则对原始维修时间信息进行处理，得到第一概率密度模型的具体方式为：
91.利用预设的分组模型对原始维修时间信息进行计算，得到样本分组数和区间边界值信息；上述区间边界值信息包括区间上边界值和区间下边界值；
92.对上述样本分组数和区间边界值信息进行计算处理，得到样本频数和样本频率；
93.对上述区间边界值信息、样本频数和样本频率进行处理，得到第一概率密度模型。
94.可选的，上述分组模型包括第一边界模型、第二边界模型和组数模型。
95.可选的，上述第一边界模型用于计算原始维修时间信息中所有原始时间元素中的最大值。
96.可选的，上述第二边界模型用于计算原始维修时间信息中所有原始时间元素中的最小值。
97.在该可选的实施例中，作为另一种可选的实施方式，上述判断第一概率密度模型是否满足校验条件，得到校验结果的具体方式为：
98.根据显著性水平，确定出临界值；
99.对原始维修时间信息中所有的原始时间元素取对数，得到原始对数信息；
100.按照从大到小的顺序对原始对数信息进行排序，得到目标对数样本；
101.对上述目标对数样本进行计算得到对数均值和对数标准差；
102.对上述数均值和对数标准差进行处理，得到理论分布函数；
103.利用预设的经验分布函数和预设的第一偏差模型计算出第一偏差值；
104.利用理论分布函数和预设的第二偏差模型计算出第二偏差值；
105.对第一偏差值和第二偏差值进行处理，得到最大偏差值；
106.判断上述最大偏差值是否小于临界值，得到比较结果；
107.当上述比较结果为是，校验结果为是。
108.可选的，上述目标对数样本x为：
109.x＝[x1,x2,
…
,xn]。
[0110]
其中：x1，x2，xn为目标对数样本中的目标对数元素，n为目标对数元素的数量。
[0111]
可选的，上述经验分布函数fn(x)为：
[0112][0113]
其中：i为第i个目标对数元素。
[0114]
可选的，上述第一偏差模型为
[0115][0116]
可选的，上述第二偏差模型为
[0117][0118]
其中：f
l
(xi)为理论分布函数。
[0119]
可见，实施本发明实施例所描述的饮食设备维修性评估方法能够利用模型拟合规则对原始维修时间信息进行处理得到第一概率密度模型，再对第一概率密度模型进行校验并利用验前函数处理规则对原始维修时间信息进行处理得到融合验前函数模型，利用维修时间估计规则对融合验前函数模型试验维修时间信息进行处理得到区间时间信息，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0120]
在一个可选的实施例中，上述步骤104中利用预设的验前函数处理规则对原始维修时间信息进行处理，得到融合验前函数模型，包括：
[0121]
获取型号维修时间信息；
[0122]
利用预设的验前密度处理规则对原始维修时间信息进行处理，得到第一验前模型；
[0123]
利用验前密度处理规则对型号维修时间信息进行处理，得到第二验前模型；
[0124]
利用预设的验前修正规则对第一验前模型和第二验前模型进行修正处理，得到融合验前函数模型。
[0125]
在该可选的实施例中，作为一种可选的实施方式，上述利用预设的验前密度处理规则对原始维修时间信息进行处理，得到第一验前模型的具体方式为：
[0126]
确定n组dirichlet分布的随机向量；
[0127]
对n组dirichlet分布的随机向量和目标对数样本进行计算处理，得到n个随机加权子样；
[0128]
对n个随机加权子样和目标对数样本进行计算处理，得到n个第一对数均值估计值；
[0129]
对n个第一对数均值估计值进行拟合处理，得到第一验前模型。
[0130]
可见，实施本发明实施例所描述的饮食设备维修性评估方法能够通过利用验前密度处理规则对原始维修时间信息和型号维修时间信息进行处理得到第一验前模型和第二验前模型，再通过进一步的处理得到融合验前函数模型，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0131]
在另一个可选的实施例中，上述利用预设的验前修正规则对第一验前模型和第二验前模型进行修正处理，得到融合验前函数模型，包括：
[0132]
利用预设的权重计算规则对原始维修时间信息进行处理，得到第一权重系数；
[0133]
利用权重计算规则对型号维修时间信息进行处理，得到第二权重系数；第一权重系数和第二权重系数之和为1；
[0134]
利用预设的权重修正模型对第一权重系数、第二权重系数、第一验前模型和第二验前模型进行处理，得到融合验前函数模型。
[0135]
在该可选的实施例中，作为一种可选的实施方式，上述利用预设的权重计算规则对原始维修时间信息进行处理，得到第一权重系数的具体方式为：
[0136]
对目标对数样本进行计算处理，得到第一波动程度因子；
[0137]
对型号维修时间信息进行处理，得到第二波动程度因子；
[0138]
对第一波动程度因子和第二波动程度因子进行归一化处理，得到第一权重系数。
[0139]
可选的，上述权重修正模型π
x
(θ)为
[0140][0141]
其中：wi为第i个权重系数，θi为第i个验前模型的参数，π(
·
)为验前模型。
[0142]
可见，实施本发明实施例所描述的饮食设备维修性评估方法能够利用权重计算规则对原始维修时间和型号维修时间信息进行处理得到第一权重系数和第二权重系数，再通过进一步的处理得到融合验前函数模型，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0143]
实施例二
[0144]
请参阅图2，图2是本发明实施例公开的另一种饮食设备维修性评估方法的流程示意图。其中，图2所描述的饮食设备维修性评估方法应用于设备评估系统中，如用于饮食设备维修性评估管理的本地服务器或云端服务器等，本发明实施例不做限定。如图2所示，该饮食设备维修性评估方法可以包括以下操作：
[0145]
201、获取原始维修时间信息和试验维修时间信息。
[0146]
202、利用预设的模型拟合规则对原始维修时间信息进行处理，得到第一概率密度模型。
[0147]
203、判断第一概率密度模型是否满足校验条件，得到校验结果。
[0148]
本发明实施例中，上述校验条件跟饮食设备设定的显著性水平相关。
[0149]
204、当校验结果表示第一概率密度模型满足校验条件时，利用预设的验前函数处理规则对原始维修时间信息进行处理，得到融合验前函数模型。
[0150]
205、利用预设的似然模型对试验维修时间信息进行处理，得到试验似然模型。
[0151]
206、对融合验前函数模型和试验似然模型进行处理，得到验后模型。
[0152]
207、对验后模型进行处理，得到区间时间信息。
[0153]
本发明实施例中，针对步骤201-步骤204的具体技术细节和技术名词解释，可以参照实施例一中针对步骤101-步骤104的详细描述，本发明实施例不再赘述。
[0154]
可选的，上述验后模型πh(t|θ)为
[0155][0156]
其中：π1(t)为融合验前函数模型，l(θ|t)为试验似然模型，θ为试验维修时间信息对应的试验样本，t为试验样本变量元素。
[0157]
可见，实施本发明实施例所描述的饮食设备维修性评估方法能够利用模型拟合规则对原始维修时间信息进行处理得到第一概率密度模型，再对第一概率密度模型进行校验并利用验前函数处理规则对原始维修时间信息进行处理得到融合验前函数模型，对试验维修时间信息和融合验前函数模型进行综合处理得到验后模型，再通过对验后模型的处理得到区间时间信息，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0158]
在一个可选的实施例中，上述对验后模型进行处理，得到区间时间信息，包括：
[0159]
对试验维修时间信息进行处理，得到试验样本参数信息；
[0160]
对试验样本参数信息和验后模型进行处理，得到区间时间信息；区间时间信息包括估计时间和置信区间。
[0161]
可选的，上述试验样本参数信息包括试验均值，和/或，试验方差，本发明实施例不做限定。
[0162]
可见，实施本发明实施例所描述的饮食设备维修性评估方法能够利用融合验前函数模型对模型参数信息进行处理，得到样本数量信息，再通过进一步的处理得到估计时间和置信区间，更有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0163]
在又一个可选的实施例中，上述对试验样本参数信息和验后模型进行处理，得到区间时间信息，包括：
[0164]
对试验样本参数信息和验后模型进行处理，得到验后均值估计值和验后方差估计值；
[0165]
利用预设的时间估计模型对验后均值估计值进行计算，得到估计时间；
[0166]
对验后方差估计值进行处理，得到置信区间。
[0167]
可选的，上述验后均值估计值为试验均值。
[0168]
可选的，上述验后方差估计值是对试验方差和试验样本方差的计算处理得到的。
[0169]
可选的，上述时间估计模型为
[0170][0171]
其中：t为估计时间值，x
x
为输入变量，为试验样本方差。
[0172]
可见，实施本发明实施例所描述的饮食设备维修性评估方法能够通过对数据信息的处理得到验后均值估计值和验后方差估计值，在利用时间估计模型得到估计时间和置信区间，更有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0173]
在又一个可选的实施例中，上述对验后方差估计值进行处理，得到置信区间，包括：
[0174]
获取置信度值；
[0175]
利用预设的置信度边界模型对置信度值和验后方差估计值进行计算，得到置信边界信息；
[0176]
利用时间估计模型对置信边界信息进行计算处理，得到置信区间。
[0177]
可选的，置信边界信息包括上置信边界，和/或，下置信边界，本发明实施例不做限定。
[0178]
可选的，上述置信度边界模型包括上置信度边界模型和下置信度边界模型。
[0179]
可选的，上述上置信度边界模型为
[0180][0181]
其中：a为上置信边界，μ1为试验均值，z为为标准正太分布的上分为点，为试验方差，α为置信度值。
[0182]
可选的，上述下置信度边界模型为
[0183][0184]
其中：b为下置信边界。
[0185]
在该可选的实施例中，上述利用时间估计模型对置信边界信息进行计算处理，得到置信区间的具体方式为：
[0186]
将上置信边界输入时间估计模型得到区间上边界值；
[0187]
将下置信边界输入时间估计模型得到区间下边界值
[0188]
根据上边界值和下边界值，确定置信区间。
[0189]
可选的，上述置信度包括0.95，和/或，0.9，和/或，0.8，本发明实施例不做限定。
[0190]
可见，实施本发明实施例所描述的饮食设备维修性评估方法能够利用置信度边界模型和时间估计模型对置信度值和验后方差估计值进行处理得到置信区间，更有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0191]
实施例三
[0192]
请参阅图3，图3是本发明实施例公开的一种饮食设备维修性评估装置的结构示意图。其中，图3所描述的装置能够应用于设备评估系统中，如用于饮食设备维修性评估管理的本地服务器或云端服务器等，本发明实施例不做限定。
[0193]
如图3所示，该装置可以包括：
[0194]
获取模块301，用于获取原始维修时间信息和试验维修时间信息；
[0195]
第一处理模块302，用于利用预设的模型拟合规则对原始维修时间信息进行处理，得到第一概率密度模型；
[0196]
校验模块303，用于判断第一概率密度模型是否满足校验条件，得到校验结果；校验条件跟饮食设备设定的显著性水平相关；
[0197]
第二处理模块304，用于当校验结果表示第一概率密度模型满足校验条件时，利用预设的验前函数处理规则对原始维修时间信息进行处理，得到融合验前函数模型；
[0198]
第三处理模块305，用于利用预设的维修时间估计规则对融合验前函数模型和试验维修时间信息进行处理，得到区间时间信息；区间时间信息用于指示对饮食设备的智能维修性评估。
[0199]
可见，实施图3所描述的饮食设备维修性评估装置，能够利用模型拟合规则对原始维修时间信息进行处理得到第一概率密度模型，再对第一概率密度模型进行校验并利用验前函数处理规则对原始维修时间信息进行处理得到融合验前函数模型，利用维修时间估计规则对融合验前函数模型试验维修时间信息进行处理得到区间时间信息，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0200]
在另一个可选的实施例中，如图4所示，第二处理模块304利用预设的验前函数处理规则对原始维修时间信息进行处理，得到融合验前函数模型的具体方式为：
[0201]
获取型号维修时间信息；
[0202]
利用预设的验前密度处理规则对原始维修时间信息进行处理，得到第一验前模型；
[0203]
利用验前密度处理规则对型号维修时间信息进行处理，得到第二验前模型；
[0204]
利用预设的验前修正规则对第一验前模型和第二验前模型进行修正处理，得到融合验前函数模型。
[0205]
可见，实施图4所描述的饮食设备维修性评估装置，可见，实施本发明实施例所描述的饮食设备维修性评估方法能够通过利用验前密度处理规则对原始维修时间信息和型号维修时间信息进行处理得到第一验前模型和第二验前模型，再通过进一步的处理得到融合验前函数模型，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0206]
在又一个可选的实施例中，如图4所示，第二处理模块304利用预设的验前修正规则对第一验前模型和第二验前模型进行修正处理，得到融合验前函数模型的具体方式为：
[0207]
利用预设的权重计算规则对原始维修时间信息进行处理，得到第一权重系数；
[0208]
利用权重计算规则对型号维修时间信息进行处理，得到第二权重系数；第一权重系数和第二权重系数之和为1；
[0209]
利用预设的权重修正模型对第一权重系数、第二权重系数、第一验前模型和第二验前模型进行处理，得到融合验前函数模型。
[0210]
可见，实施图4所描述的饮食设备维修性评估装置，能够利用权重计算规则对原始维修时间和型号维修时间信息进行处理得到第一权重系数和第二权重系数，再通过进一步的处理得到融合验前函数模型，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0211]
在又一个可选的实施例中，如图4所示，第三处理模块305包括第一处理子模块3051、第二处理子模块3052和第三处理子模块3053，其中：
[0212]
第一处理子模块3051，用于利用预设的似然模型对试验维修时间信息进行处理，得到试验似然模型；
[0213]
第二处理子模块3052，用于对融合验前函数模型和试验似然模型进行处理，得到验后模型；
[0214]
第三处理子模块3053，用于对验后模型进行处理，得到区间时间信息。
[0215]
可见，实施图4所描述的饮食设备维修性评估装置，能够利用模型拟合规则对原始维修时间信息进行处理得到第一概率密度模型，再对第一概率密度模型进行校验并利用验前函数处理规则对原始维修时间信息进行处理得到融合验前函数模型，对验维修时间信息和融合验前函数模型进行综合处理得到验后模型，再通过对验后模型的处理得到区间时间信息，有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0216]
在又一个可选的实施例中，如图4所示，第三处理子模块3053对验后模型进行处理，得到区间时间信息的具体方式为：
[0217]
对试验维修时间信息进行处理，得到试验样本参数信息；
[0218]
对试验样本参数信息和验后模型进行处理，得到区间时间信息；区间时间信息包括估计时间和置信区间。
[0219]
可见，实施图4所描述的饮食设备维修性评估装置，能够利用融合验前函数模型对模型参数信息进行处理，得到样本数量信息，再通过进一步的处理得到估计时间和置信区间，更有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的
智能运维能力。
[0220]
在又一个可选的实施例中，如图4所示，第三处理子模块3053对试验样本参数信息和验后模型进行处理，得到区间时间信息的具体方式为：
[0221]
对试验样本参数信息和验后模型进行处理，得到验后均值估计值和验后方差估计值；
[0222]
利用预设的时间估计模型对验后均值估计值进行计算，得到估计时间；
[0223]
对验后方差估计值进行处理，得到置信区间。
[0224]
可见，实施图4所描述的饮食设备维修性评估装置，能够通过对数据信息的处理得到验后均值估计值和验后方差估计值，在利用时间估计模型得到估计时间和置信区间，更有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0225]
在又一个可选的实施例中，如图4所示，第三处理子模块3053对验后方差估计值进行处理，得到置信区间的具体方式为：
[0226]
获取置信度值；
[0227]
利用预设的置信度边界模型对置信度值和验后方差估计值进行计算，得到置信边界信息；
[0228]
利用时间估计模型对置信边界信息进行计算处理，得到置信区间。
[0229]
可见，实施图4所描述的饮食设备维修性评估装置，能够利用置信度边界模型和时间估计模型对置信度值和验后方差估计值进行处理得到置信区间，更有利于提高饮食设备维修性评估的准确性和数据处理效能，进而提高对饮食设备的智能运维能力。
[0230]
实施例四
[0231]
请参阅图5，图5是本发明实施例公开的又一种饮食设备维修性评估装置的结构示意图。其中，图5所描述的装置能够应用于设备评估系统中，如用于饮食设备维修性评估管理的本地服务器或云端服务器等，本发明实施例不做限定。如图5所示，该装置可以包括：
[0232]
存储有可执行程序代码的存储器401；
[0233]
与存储器401耦合的处理器402；
[0234]
处理器402调用存储器401中存储的可执行程序代码，用于执行实施例一或实施例二所描述的饮食设备维修性评估方法中的步骤。
[0235]
实施例五
[0236]
本发明实施例公开了一种计算机读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一或实施例二所描述的饮食设备维修性评估方法中的步骤。
[0237]
实施例六
[0238]
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的饮食设备维修性评估方法中的步骤。
[0239]
以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部
分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0240]
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0241]
最后应说明的是：本发明实施例公开的一种饮食设备维修性评估方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。