一种基于云边协同的智能药房自诊断和自修复系统及方法

摘要

本发明提供了一种基于云边协同的智能药房自诊断和自修复系统及方法，包括：边缘节点模块，将智能药房中每一个发药机器作为一个边缘节点；若干数据库模块，数据库模块与发药机器一一对应，数据库模块存储发药机器的故障信息；若干增量学习模块，增量学习模块与数据库模块一一对应，用于对数据库模块进行更新；及云端控制模块，边缘节点模块与云端控制模块进行协同交互；其中，边缘节点模块能够进行故障数据采集，并对多数故障能够自诊断和自修复，协同交互方式包括：边缘节点模块将不能自诊断和自修复的故障信息传递至云端控制模块，云端控制模块对故障预警，将本次预警节点的位置标号和故障原因传递至工程师。

说明书

技术领域

本发明涉及智能设备领域，尤其涉及一种基于云边协同的智能药房自诊断和自修复系统及方法。

背景技术

随着当代医疗技术与生物技术的不断进步，药房内的药品数量和种类也不断增多，从而导致当代药房在取药过程中存在着取药流程复杂、取药工作量大等特点。由于缺乏高效的自动取药装置与方法，当今药房中的取药过程一般采用人工取药或人工与设备组合的半自动取药方式，严重制约了取药效率，容易带来取药过程易出错、取药周期长、病人等候时间长等问题，甚至最终会导致病人错过最佳治疗时间这一严重问题。

目前出现了一些能够自动取药的智能药房，然而，在智能药房发药系统出现故障时，仍旧需要进行系统重启或者需要将系统停机进行维修，每次重启或者停机维修都会造成大量时间的浪费，导致患者不能够及时取药等情况的出现。

发明内容

针对现有技术中存在不足，本发明提供了一种智能药房系统自诊断和自修复系统及方法，实现发药药房在生产过程中遇见故障能够实现自诊断和自修复的功能，解决因出现故障需要系统重启或者停机检测维修造成的发药不连续问题。

本发明是通过以下技术手段实现上述技术目的的。

一种基于云边协同的智能药房自诊断和自修复系统，包括：

边缘节点模块，将智能药房中每一个发药机器作为一个边缘节点；

若干数据库模块，所述数据库模块与所述发药机器一一对应，所述数据库模块存储所述发药机器的故障信息；

若干增量学习模块，所述增量学习模块与所述数据库模块一一对应，用于对所述数据库模块进行更新；及

云端控制模块，所述边缘节点模块与所述云端控制模块进行协同交互；

其中，所述边缘节点模块能够进行故障数据采集，并对多数故障能够自诊断和自修复，所述协同交互方式包括：所述边缘节点模块将不能自诊断和自修复的故障信息传递至所述云端控制模块，所述云端控制模块对故障预警，将本次预警节点的位置标号和故障原因传递至工程师。

进一步地，所述故障信息包括故障种类、故障原因以及对应的修复方法。

进一步地，所述协同交互方式还包括：所述边缘节点模块定期将对应数据库模块的所有故障信息发送到所述云端控制模块，所述故障信息为一定时间段内各个故障出现的位置以及出现次数，所述云端控制模块对每一个边缘节点模块中的各个故障位置及故障频率进行分析评估，以筛选出需要工程师进行零部件更换或者维护的机构，然后将分析评估结果上报工程师，工程师根据分析评估结果进行发药机器的零部件更换或者维护。

进一步地，所述增量学习模块对所述数据库模块进行更新的方式包括加一操作，具体为：当边缘节点模块对故障进行自诊断和自修复之后，将对应所述数据库模块中的相应故障的发生频率进行加一。

进一步地，所述增量学习模块对所述数据库模块进行更新的方式还包括写入操作，具体为：工程师将边缘节点模块将不能自诊断和自修复的故障修复后，通过所述增量学习模块将故障信息写入对应所述数据库模块中。

进一步地，所述边缘节点模块对故障进行自诊断和自修复的方法为：

发药机器对故障数据进行采集；

将获取的故障数据进行分类；

对故障进行自诊断，分析出可能导致本次故障的原因之后进行报警，然后对数据预处理，判断是否可以自修复，若能够自修复则进行自修复处理。

进一步地，所述边缘节点模块通过贝叶斯诊断模型进行自诊断。

一种基于云边协同的智能药房自诊断和自修复系统的方法，应用上述自诊断和自修复系统，所述方法包括：

步骤一：所述边缘节点模块对故障数据进行采集，并将获取的故障数据进行分类；

步骤二：所述边缘节点模块对故障进行自诊断，诊断分析出可能导致本次故障的原因之后进行报警，然后对数据预处理，判断是否可以自修复，若能够自修复则进行自修复处理，并且所述增量学习模块对所述数据库模块中的对应故障频率进行加一处理，否则进入步骤三；

步骤三：所述边缘节点模块将故障信息发送至所述云端控制模块，所述云端控制模块对故障预警，将本次预警节点的位置标号和故障原因传递至工程师；

步骤四：工程师对故障进行修复，修复成功之后将本次故障的种类、故障原因和修复方法写入对应的所述数据库模块中

本发明的有益效果：

1)本发明将智能药房中每一个发药机器作为一个边缘节点，在出现故障时，各个边缘节点模块能够先进行自诊断和修复，在不能进行自修复的情况下才需要进行停机诊断维修，而发药机器的日常取药发药过程中大部分的故障都是能够实现自修复的，因此，本发明能够避免发药系统每次出现故障都需要停机维修的情况，提高了医院智能药房的取药发药效率，避免了过多人力物力财力浪费，给患者和医院都带来极大方便。

2)本发明通过设置增量学习模块，在发药机器自修复完成后，能够对数据库模块中的相应故障频率进行加一，以便于云端控制模块进行分析评估，而对于发药机器不能够自修复的故障，在工程师修复后，工程师通过增量学习模块对相应故障进行写入处理，以便于后面发药机器自诊断和自修复。

附图说明

图1为本发明实施例的一种基于云边协同的智能药房自诊断和自修复系统的子模块构成与逻辑关系图；

图2为本发明实施例的一种基于云边协同的智能药房自诊断和自修复系统的方法的流程图；

图3为某发药机器常见的系统故障树；

图4为本发明实施例的贝叶斯网络诊断和数据预处理的流程图。

具体实施方式

为了使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受于下面公开的具体实施的限制。

如图1所示，根据本发明实施例的一种基于云边协同的智能药房自诊断和自修复系统包括边缘节点模块、若干数据库模块、若干增量学习模块和云端控制模块。

边缘节点模块将智能药房中每一个发药机器作为一个边缘节点，每一个发药机器作为智能药房的边缘侧节点都类似于智能手机一样具有较为简单地计算能力，具有一定的智能性，能够做到基于所发生的异常情况，通过机床本身安装的多种传感器对故障数据进行采集，将获取的故障数据进行分类，自主诊断异常情况并分析出最有可能导致该异常的原因，然后进行报警，并对故障数据进行预处理，具体表现为通过对本机器的数据库进行搜寻进而判断本机器是否具有针对该故障自修复能力。

如图2所示，为某发药机器常见的系统故障树，将此发药机器作为云端控制模块在药房的一个边缘节点，当该发药机器在发药过程中发生药品不发的时候，发药机器本身会诊断出两种可能导致这一问题的原因，分别是药盒卡住和系统缺药，而通过贝叶斯算法可得，在日常发药过程中药品卡住这一情况发生的概率较大，可得其先验概率较大，故第一判断为药品卡住，此时需要先对机器的发药机构进行适当调整，若是调整完之后并不能解决这一问题的话就需要上报云端控制模块是否是缺药问题，需要说明的是，上述故障树仅列举了一种故障情况，实际案例中故障种类较多，在此不再一一列举。

本实施例中，边缘节点模块通过贝叶斯诊断模型进行自诊断，如图3所示，为贝叶斯网络诊断和数据预处理的流程图，贝叶斯网络是一种有向无环图，描述了变量之间的概念关系，是目前抽象知识表达和推理领域广泛采用的模型之一，节点变量可以很好地表达抽象、不确定的问题，节点之间的因果关系强度用条件概率表示：

由式(1)可知，全概率公式是已知原因和因果关系的计算结果，只要给出父节点的先验概率以及父节点到子节点的条件概率，就可以计算出子节点的后验概率。贝叶斯公式是在某个结果发生的前提下，计算出该现象具体是由哪个原因所引起的，其表达式为：

式中p(Ai|B)为在现象B下故障Ai发生的概率；p(AiB)为故障Ai和故障B同时发生的概率；p(Ai)为故障Ai发生的概率；p(B)为故障B发生的概率；p(B|Ai)为故障Ai下故障B发生的概率；n为故障数量。根据贝叶斯网络的条件独立性，式(2)可简化为：

式中1≤j≤n,1≤k≤n；B

数据库模块与所述发药机器一一对应，每一个发药机器都具有与之对应的数据库，且每一个发药机器的数据库模块都存储在其本身的处理器中，所述数据库模块存储所述发药机器的故障信息，数据库的内容主要包括该发药机器常见的问题以及不常见但曾经出现过并且被工程师进行写入的故障种类、原因以及对应的修复方法，针对这些故障种类、原因、修复方法进行分类编号后统一存储在发药机器的处理器中，留待该机器发生故障后进行自诊断和自修复时进行故障搜寻匹配；

增量学习模块用于保证数据库模块的不断更新，数据库模块的更新发生在发药机器自诊断自修复之后，更新方式分为加一操作和写入操作两种，当机器发生故障后自诊断得出机器本身可以针对此故障进行自修复，当发药机器进行本身数据库的搜寻匹配得出某故障的修复方法且进行成功自修复后，发药机器处理器中的增量学习模块会在本机器数据库模块中对应的故障系列号后进行频率加一操作。当发药机器自诊断后发现自身并不能针对此故障进行自修复后，发药机器本身会针对这一故障进行卸载上报至云端控制模块，云端控制模块针对这一故障进行分析之后将分析报告发送至工程师处，工程师在针对这一故障对发药机器进行故障修复，且在修复完成之后工程师会将这一故障种类、故障原因以及修复方法通过增量学习模块写入该机器的数据库模块中，当机器下次遇到类似的问题时，就能够实现自修复的操作，这就是写入操作；

云端控制模块与各个边缘节点模块进行协同交互，对整体智能药房的整体参数进行优化以及边缘节点进行调控，能够针对边缘节点传递上来的故障信息，对智能药房的整体运作过程进行调整，以消除故障带来的不良影响，确保智能药房发药系统的顺利运转。

其中，协同交互的方式一为：所述边缘节点模块将不能自诊断和自修复的故障信息传递至所述云端控制模块，所述云端控制模块对故障预警，将本次预警节点的位置标号和故障原因传递至工程师。协同交互的方式二为：所述边缘节点模块定期将对应数据库模块的所有故障信息发送到所述云端控制模块，所述故障信息为一定时间段内各个故障出现的位置以及出现次数，所述云端控制模块对每一个边缘节点模块中的各个故障位置及故障频率进行分析评估，以筛选出需要工程师进行零部件更换或者维护的机构，然后将分析评估结果上报工程师，工程师根据分析评估结果进行发药机器的零部件更换或者维护。

如图4所示，一种基于云边协同的智能药房自诊断和自修复系统的方法，包括：

步骤一：所述边缘节点模块对故障数据进行采集，并将获取的故障数据进行分类；

步骤二：所述边缘节点模块对通过贝叶斯网络模型进行自诊断，诊断分析出可能导致本次故障的原因，并将所有原因按概率大小从大到小进行排序，之后进行报警，然后对数据预处理，具体表现为通过对本机器的数据库进行搜寻，判断是否可以自修复，若能够自修复则进行自修复处理，并且所述增量学习模块对所述数据库模块中的对应故障频率进行加一处理，以确保通过数据库模块能够显示本发药系统的各位置故障频率，若发药机器自身不能进行修复，则进入步骤三；

步骤三：所述边缘节点模块将故障信息发送至所述云端控制模块，所述云端控制模块对故障预警，将本次预警节点的位置标号和故障原因传递至工程师；

步骤四：工程师到达指定边缘发药端进行故障诊断和修复，修复成功之后将本次故障的种类、故障原因和修复方法写入对应的所述数据库模块中，留待其下一次遇见类似的故障能够实现自修复操作。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。