【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于人工智能算法云打印订单资源动态分配系统。
技术介绍
1、在当前云打印订单处理中，仍存在以下问题：订单处理效率低下，订单从接收、分配到完成打印的全过程耗时长，导致用户等待时间长，人工参与程度高，自动化水平低，影响整体效率；云打印机故障预测不准确，导致误报或漏报，影响设备维护计划，故障处理不及时，延长了设备停机时间，影响打印服务连续性；订单分配不合理，导致部分打印机过载，而其他打印机闲置，资源利用不均衡；打印过程中异常处理不及时，打印过程中出现纸张卡纸、墨水不足等异常时，无法迅速响应；能源浪费，打印机在非工作时间或低负载时仍保持运行状态，造成能源浪费。因此，迫切需要一系列针对性的方法来应对这些问题，以提高云打印订单处理的效率和水平。
技术实现思路
1、本专利技术的目的是为了解决
技术介绍
中的问题，而提出的一种基于人工智能算法云打印订单资源动态分配系统。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种基于人工智能算法云打印订单资源动态分配系统，包括：订单分析与聚类模块、云打印机性能状态感知模块、订单匹配与分配策略制定模块以及实时监控与动态调整模块；
4、订单分析与聚类模块：运用复合技术提取订单特征，基于提取的特征运用聚类算法将订单归类，综合订单的多维度处理因素确定订单的紧急程度，计算紧急系数并标记于聚类后的订单群上；其中，复合技术包括图像识别技术和自然语言处理技术；
5、云打印机性能状态
6、订单匹配与分配策略制定模块：针对高紧急系数的订单，优先匹配性能最佳且故障概率低的云打印机，并考虑批量处理能力以避免延迟；对于低紧急系数的订单，则预测云打印机空闲时间与能源消耗，优化分配以最大化能源效率；
7、实时监控与动态调整模块：实时监测云打印机的工作效率，并进行对比分析，若发现异常则重新分配订单至其他云打印机。
8、进一步的，订单分析与聚类模块运用复合技术提取订单特征，基于提取的特征运用聚类算法将订单归类，综合订单的多维度处理因素确定订单的紧急程度，计算紧急系数并标记于聚类后的订单群上的过程包括：
9、采用图像识别和自然语言处理技术相结合的方式，对每份订单的内容进行特征提取：对于包含图像或图形的订单部分，使用卷积神经网络进行图像分解，识别图形的复杂度、图像的色彩模式以及图像的分辨率的特征；对于订单中的文字部分，利用词向量模型将文字转化为向量表示，分析文字排版格式、文字内容的语义特征以及文字数量的文字关键信息；通过图像识别和自然语言处理得到的各类特征信息，整合成一个完整的订单特征向量；
10、基于提取到的订单特征，运用聚类算法，以订单特征向量之间的距离作为相似度衡量标准，对所有订单的特征向量进行聚类操作，将距离相近的订单归为一类；其中，距离相近的订单即为特征相似的订单：当订单特征向量在图形复杂度、色彩模式以及文字关键信息的多维度差异均小于设定的聚类阈值时，则将这些订单划分为同一聚类；在聚类过程中，根据历史订单数据不断调整聚类的中心和阈值，以适应不同类型订单的分布变化；
11、根据聚类算法对订单特征向量的分类结果，进一步综合订单的多维度处理因素，通过加权计算得到紧急系数，并将该系数标记在聚类后的订单群上，以反映订单的紧急程度，具体包括：提取订单提交的时间戳，计算从提交到当前时间的间隔；识别订单中客户设定的优先级标识，其中，客户设定的优先级标识分为高、中、低三个等级；
12、结合多维度处理因素，采用加权计算的方法，得到一个紧急系数，并对紧急系数的取值范围进行设定；其中，订单的多维度处理因素包括订单提交时间、客户设定优先级、订单属性以及订单规模；
13、获取紧急系数，并将获取到的紧急系数标记在每个聚类后的订单群上。
14、进一步的，云打印机性能状态感知模块通过物联网技术和传感器网络收集云打印机状态信息，并嵌入智能诊断单元实时监测组件运行参数的过程包括：
15、通过物联网技术，与每台连接到云打印服务的云打印机建立连接，进行全面检测；
16、利用传感器网络收集云打印机的常规状态信息；
17、在云打印机内部嵌入智能诊断单元，评估组件健康状况，其中，智能诊断单元用于实时监测云打印机内部组件的运行参数；
18、将从传感器网络和智能诊断单元获取到的所有信息进行整合，构建成云打印机的性能向量。
19、进一步的，云打印机性能状态感知模块利用历史故障记录和机器学习算法预测云打印机未来故障概率的过程包括：
20、从每台云打印机的维护日志或数据库中收集历史故障记录；
21、检查并处理数据中的缺失值、异常值或重复记录；
22、从历史故障记录中提取与故障预测相关的特征；
23、利用机器学习算法构建故障预测模型，并完成模型训练；
24、获取当前云打印机的性能向量；记录云打印机的使用时长和最近一次维修后的运行时间；
25、将当前云打印机的性能向量以及云打印机的使用时长、最近一次维修后的运行时间输入到训练好的故障预测模型中，计算出每台云打印机在未来一段时间内出现故障的概率；
26、将故障预测模型输出的概率值作为云打印机可用性评估的重要依据，其中，输出的概率值的取值范围为0-1，0表示无故障风险，1表示极高的故障风险。
27、进一步的，订单匹配与分配策略制定模块针对高紧急系数的订单，优先匹配性能最佳且故障概率低的云打印机，并考虑批量处理能力的过程包括：
28、设定正常运行概率范围，满足；同时，设定紧急程度范围，满足，用于量化订单的紧急程度；
29、对于紧急系数高于紧急程度范围上限的订单聚类，筛选出性能向量最佳且故障预测模型输出的概率值低于正常运行概率范围下限的云打印机列表；
30、针对筛选出的云打印机列表，进一步分析每台云打印机对于当前订单聚类的批量处理能力；其中，批量处理能力指的是云打印机在单位时间内处理多个订单或打印任务的能力。
31、进一步的，订单匹配与分配策略制定模块针对低紧急系数的订单，预测云打印机空闲时间与能源消耗，优化分配的过程包括：
32、对于紧急系数低于紧急程度范围下限的订单聚类，获取所有云打印机的空闲时间预测信息；同时，考虑每台云打印机的能源消耗情况；
33、根据空闲时间预测和能源消耗情况，找出即将进入长时间空闲状态且当前能源消耗较高的云打印机，随后将低紧急系数的订单分配给该云打印机，并相应地调整云打印机的工作模式。
34、进一步的，实时监控与动态调整模块实时监测云打印机的工作效率，并进行对比分析，若发现异常则重新分配订单至其他本文档来自技高网...
【技术保护点】
1.一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：包括订单分析与聚类模块、云打印机性能状态感知模块、订单匹配与分配策略制定模块以及实时监控与动态调整模块；
2.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：订单分析与聚类模块运用复合技术提取订单特征，基于提取的特征运用聚类算法将订单归类，综合订单的多维度处理因素确定订单的紧急程度，计算紧急系数并标记于聚类后的订单群上的过程包括：
3.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：云打印机性能状态感知模块通过物联网技术和传感器网络收集云打印机状态信息，并嵌入智能诊断单元实时监测组件运行参数的过程包括：
4.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：云打印机性能状态感知模块利用历史故障记录和机器学习算法预测云打印机未来故障概率的过程包括：
5.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：订单匹配与分配策略制定模块针对高紧急系数的订单，
6.根据权利要求5所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：订单匹配与分配策略制定模块针对低紧急系数的订单，预测云打印机空闲时间与能源消耗，优化分配的过程包括：
7.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：实时监控与动态调整模块实时监测云打印机的工作效率，并进行对比分析，若发现异常则重新分配订单至其他云打印机的过程包括：
...【技术特征摘要】
1.一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：包括订单分析与聚类模块、云打印机性能状态感知模块、订单匹配与分配策略制定模块以及实时监控与动态调整模块；
2.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：订单分析与聚类模块运用复合技术提取订单特征，基于提取的特征运用聚类算法将订单归类，综合订单的多维度处理因素确定订单的紧急程度，计算紧急系数并标记于聚类后的订单群上的过程包括：
3.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分配系统，其特征在于：云打印机性能状态感知模块通过物联网技术和传感器网络收集云打印机状态信息，并嵌入智能诊断单元实时监测组件运行参数的过程包括：
4.根据权利要求1所述的一种基于人工智能算法云打印订单资源动态分...
【专利技术属性】
技术研发人员：董晓荣，
申请(专利权)人：福建省顺印信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。