基于數(shù)據(jù)挖掘的滅菌設備運行狀態(tài)檢測的應用

符錫成

摘? 要：經(jīng)過對海南多家醫(yī)院在用的脈動真空滅菌器進行實際調(diào)研，基于數(shù)據(jù)挖掘技術(shù)，對滅菌設備運行狀態(tài)檢測進行了初步的研究。在了解脈動真空滅菌器設備運行的基礎上構(gòu)建用于設備健康狀態(tài)評價的綜合數(shù)據(jù)系統(tǒng)，并利用數(shù)據(jù)挖掘技術(shù)在對積累的設備實時運行數(shù)據(jù)進行挖掘的基礎上，建立了設備不同健康情況下的分布數(shù)據(jù)集，建立模型，分析出故障發(fā)生前的預兆數(shù)據(jù)，達到監(jiān)測設備運行、提高設備正常運行率的目的。

關(guān)鍵詞：數(shù)據(jù)挖掘? 狀態(tài)檢修? 實時運行數(shù)據(jù)

中圖分類號：TK268? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1672-3791（2019）03（c）-0245-04

Abstract： Through Pulsating Vacuum Sterilizer investigation of several hospitals in Hainan， A preliminary study of sterilization equipment based on the data mining technology. We have built an integrated data system for sterilization equipment health status evaluation On the basis of understanding the running of pulsating vacuum sterilizer equipment ， a comprehensive data system is established for evaluating the health status of the equipment . Besides， based on the real-time data mining technology， it constructs the distribution data and model under different health conditions ， and analyzes occurrence of precursor data? in order to monitor the operation of equipment and improve the normal operation rate of equipment.

Key Words： Data mining; Condition based maintenance; Real-time running data

1? 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘的概念是在美國1995年計算機年會上首先提出來的數(shù)據(jù)挖掘是從海量的數(shù)據(jù)中，應用各種算法查找出隱藏于數(shù)據(jù)中的信息。

該文通過對海南多家醫(yī)院在用的脈動真空滅茵器的實際使用情況進行調(diào)研，應用數(shù)據(jù)挖掘聚類分析、關(guān)聯(lián)分析等相關(guān)技術(shù)對調(diào)研數(shù)據(jù)進行綜合、分析、統(tǒng)計、推理與歸納，揭示脈動真空滅菌器設備運行事件間的相互關(guān)系，預測監(jiān)測設備運行的未來發(fā)展趨勢，這會起到輔助實際工作問題和支持決策的作用。

2? 脈動真空高壓蒸汽滅菌器

醫(yī)院主要靠高壓蒸汽滅菌來完成醫(yī)療物品的滅菌工作。目前，是醫(yī)院消毒供應中心普遍使用的滅菌設備脈動真空高壓蒸汽滅菌器系統(tǒng)結(jié)構(gòu)相對復雜，特別是滅菌器管路系統(tǒng)中的各種控制閥件故障率相對較高，維修后可靠性也不好。有時，設備前一次滅菌過程還是合格的，可下次進行滅菌物品滅菌時出現(xiàn)穩(wěn)定性不好，導致整個滅菌過程的失敗，只好停機待冷卻后方可進行維修，這不但浪費了人力、物力、時間，也影響了整個醫(yī)院消毒物品的及時供應。輕則需要重新滅菌，重則使滅菌物品損壞，造成滅菌物品的供應不及時，嚴重影響臨床治療和手術(shù)的開展。

脈動真空壓力蒸汽滅菌器采用的滅菌監(jiān)測方法有：B-D試驗、物理監(jiān)測、化學監(jiān)測、生物監(jiān)測等。這些數(shù)據(jù)每臺設備都有保存，另外醫(yī)院追溯系統(tǒng)也保存有監(jiān)測的實時物理數(shù)據(jù)與滅菌監(jiān)測結(jié)果數(shù)據(jù)，通過收集這些數(shù)據(jù)進行數(shù)據(jù)挖掘，從中分析找出故障發(fā)生前的預兆數(shù)據(jù)，達到檢測設備運行的目的。

3? 滅菌設備運行狀態(tài)檢測

進行滅菌設備狀態(tài)檢修的整體思路是：除了檢修滅菌設備的系統(tǒng)結(jié)構(gòu)與性能達到所設置的狀態(tài)外，還檢修可能長時間動態(tài)狀態(tài)。按照當前滅菌設備的實際工作狀態(tài)收集到的物理參數(shù)信息獲得可以識別與判別早期故障征兆，并能確定滅菌設備的可能故障位置、程度與趨勢。應用數(shù)據(jù)挖掘技術(shù)，科學地在滅菌設備故障出現(xiàn)前有目針對性地進行適當和必要的維護，為設備安全、穩(wěn)定、長周期和全性能優(yōu)質(zhì)運行提供了可靠的技術(shù)和管理保障。

該（檢修）系統(tǒng)建立在軟件總線平臺之上，提供了諸多模塊給前端用戶使用，這些模塊通過軟件總線提供的接口，調(diào)用總線系統(tǒng)中提供的方法，并與后端數(shù)據(jù)庫發(fā)生交互。ODBC數(shù)據(jù)庫中存放著滅菌設備采集來的設備實時運行數(shù)據(jù)（見圖1）。

對設備進行健康狀態(tài)評價的基礎是設備的相關(guān)信息。這些滅菌設備信息主要有以下幾方面。

（1）這些滅菌設備基本信息是設備“與生俱來”的信息，這些信息真實描述了設備的固有屬性，例如設備的銘牌上的信息及圖紙各滅菌設備技術(shù)參數(shù)等。

（2）滅菌設備運行的物理歷史參數(shù)。這些物理歷史參數(shù)是進行數(shù)據(jù)挖掘的數(shù)據(jù)來源，它不只是反映設備滅菌歷史狀況，而且能通過對比歷史物理參數(shù)與實時物理參數(shù)的記錄，從中可以分析設備的狀況，預知可能出現(xiàn)的故障。

（3）技術(shù)監(jiān)測信息。

（4）設備缺陷數(shù)據(jù)。設備缺陷數(shù)據(jù)信息主要有出現(xiàn)缺陷時的設備基本信息、缺陷代碼、缺陷描述及應對的方法等。這些設備缺陷數(shù)據(jù)信息將為未來分析類似設備故障狀況、采取什么應對的方法等方面提供相應的參考根據(jù)。

（5）國家有關(guān)行業(yè)標準規(guī)范，滅菌設備狀態(tài)維修數(shù)據(jù)，等等。

4? 數(shù)據(jù)挖掘在滅菌設備運行狀態(tài)檢測中的應用

根據(jù)數(shù)據(jù)倉庫中大量的運行歷史物理參數(shù)，采用聚類分析的辦法判斷設備參數(shù)在不同運行狀態(tài)下的數(shù)據(jù)分布情況。該文利用改進了的K-Mean算法來進行聚類，對設備進行健康狀態(tài)評價，而后應用關(guān)聯(lián)規(guī)則來挖掘?qū)ふ医o定數(shù)據(jù)集中項之間的關(guān)系。

4.1 改進的K-Means算法介紹

輸入：一個有N個對象的數(shù)據(jù)庫，聚類定義為K，—個參數(shù)B∈（0，1）。

輸出：聚類結(jié)果，也就是K個簇。

算法過程：

（1）根據(jù)前面的初始聚類中心來確定與選取初始聚類種子K;

（2）重復操作;

（3）按照類內(nèi)對象與簇中的聚類種子最近的原則，把每個類內(nèi)對象（再次）賦于相似度最大的聚類;

（4）通過簇中數(shù)據(jù)的計算，得到與該簇中的聚類種子Ot（k-1）相似度最小的值，MinSimt（k-1）并計算出閾值;

（5）選擇簇Ct（k-1）中與聚類種子Ot（k-1）相似度大于1-βMinSimt（k-1）的數(shù)據(jù)，得到集合CNt（k-1）;

（6）計算CNt（k-1）中數(shù)據(jù)的平均值，即為簇的聚類種子;

（7）一直重復到相鄰兩次聚類種子變化不再出現(xiàn)。

該文在就K-Means算法研究時K值取為3。K取值為3的理由是滅菌設備的正常運行狀態(tài)只能是設備正常、設備能用但有小毛病與設備不能用3種中的一種，以之相應的技術(shù)數(shù)據(jù)范圍也會出現(xiàn)3種不同的分布。通過數(shù)據(jù)挖掘得到3個相關(guān)的聚類結(jié)果，并讓專家分析聚類相關(guān)性結(jié)果，得到表示不同滅菌設備的正常運行狀態(tài)數(shù)據(jù)分布情況的3個聚類結(jié)果。數(shù)據(jù)挖掘的結(jié)果依賴于選取的數(shù)據(jù)，假如挖掘的數(shù)據(jù)樣本不科學，則需要重新選取數(shù)據(jù)樣本，因為這樣的挖掘結(jié)果準確性得不到保證。

4.2 關(guān)聯(lián)分析

關(guān)聯(lián)規(guī)則是一種X→Y規(guī)則的蘊涵式，式里的X定義為關(guān)聯(lián)規(guī)則的先導，而Y定義為后繼。關(guān)聯(lián)規(guī)則分為兩個步驟：第一個步驟是從數(shù)據(jù)中找到所有頻繁項集，第二個步驟是通過這些頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則。用于關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的主要對象是事務型數(shù)據(jù)庫。

4.2.1 研究問題

采用Apfiofi算法挖掘醫(yī)院滅菌器設備運行數(shù)據(jù)中所隱藏的各數(shù)據(jù)之問的關(guān)系，即發(fā)現(xiàn)形如“醫(yī)院滅菌器設備電源故障中，開關(guān)電源電路中的開關(guān)管損壞并在給定的可信度下，也有保險管損壞”的關(guān)聯(lián)規(guī)則，從而可以用于指導電源在發(fā)生斷電故障時“開關(guān)管”和“保險管”在滅菌器設備運行的維護檢修關(guān)聯(lián)規(guī)則。

在數(shù)據(jù)挖掘中應用Apfiofi算法時，頻繁項集的長度與查詢數(shù)據(jù)的頻數(shù)相關(guān)，這將影響數(shù)據(jù)的傳輸效率，進而影響Apfiofi算法效率。而在文中，我們對Apfiofi算法進行改進，改進的思路是：建立一個用“1”來表示項目中出現(xiàn)事務，用“0”來表示項目中不出現(xiàn)事務的二進制數(shù)據(jù)的存儲結(jié)構(gòu)，接下來就是確定最小支持度，同時在找到最大頻繁項集之前不斷地對待選項數(shù)據(jù)集進行刪選。這樣的改進可以減少查詢數(shù)據(jù)的頻數(shù)與產(chǎn)生待選項數(shù)據(jù)集的數(shù)量，比經(jīng)典Apfiofi算法效率高。

4.2.2 確定主題

根據(jù)所研究的問題，確定的主題有：耗材、人員、滅菌設備和保養(yǎng)。

（1）數(shù)據(jù)倉庫模型。

（2）根據(jù)所確定的主題，準備和收集事務數(shù)據(jù)庫中的數(shù)據(jù)。從事務數(shù)據(jù)庫中準備和收集與主題相關(guān)的數(shù)據(jù)，并根據(jù)所研究的問題提取此次數(shù)據(jù)挖掘需要的屬性字段。將不符合檢驗條件的記錄在進入數(shù)據(jù)倉庫之前進行剔除，對所有數(shù)據(jù)屬性在進入數(shù)據(jù)倉庫之前進行統(tǒng)一。數(shù)據(jù)倉庫中各主題的數(shù)據(jù)則按照決策分析型應用的需求存放，其設計與優(yōu)化時需考慮的是數(shù)據(jù)的完整性、一致性及分析結(jié)果的準確性。得到此次數(shù)據(jù)挖掘的數(shù)據(jù)倉庫邏輯模型（如圖2），數(shù)據(jù)倉庫模型主題的特點使得其更易以星形模型、雪花模型或者星座模型來實現(xiàn)。

4.3 數(shù)據(jù)挖掘

此次數(shù)據(jù)挖掘以海南多家醫(yī)院使用的由山東新華醫(yī)療器械股份有限公司生產(chǎn)的脈動真空滅菌器在2010年1月1日到20l7年1月1日運行期間的事務數(shù)據(jù)庫為數(shù)據(jù)源，采用Apfiofi算法挖掘的有效關(guān)聯(lián)規(guī)則（如表1），以滅菌設備保養(yǎng)為實例的Apriori算法尋找所有的頻繁項集以優(yōu)化設備保養(yǎng)策略。實踐證明，對這些相互之間有著高度關(guān)聯(lián)的設備進行保養(yǎng)，至少使滅菌器運行效率提高40%以上。

這里設D為事務數(shù)據(jù)庫，其事務A=4，確定最小支持度的M=0.5，滅菌設備的正常運行狀態(tài)只能是N：設備正常;C：設備能用但有小毛病;B：設備不能用。使用以“月”為時間單位，如表1所示。

在表1：滅菌設備的保養(yǎng)事務數(shù)據(jù)表，對照項數(shù)I與最小支持數(shù)，查詢事務，創(chuàng)建二進制數(shù)據(jù)的存儲結(jié)構(gòu)事務數(shù)據(jù)庫，出現(xiàn)的事務用“1”表示。反之用“0”來表示。由此可得到臨時二進制表示的事務數(shù)據(jù)庫（如表2）。

根據(jù)Apriori算法（如圖3），通過Apriori算法不斷地進行刪選，得到事務數(shù)據(jù)庫的最大頻繁路徑集為{（織物、器械）（N，1）（C，2）}，如表3所示。

5? 結(jié)語

就醫(yī)療設備狀態(tài)維修檢測這個研究課題而言，該文應用數(shù)據(jù)挖掘的研究方法，針對滅菌設備健康狀態(tài)進行建模分析。在對滅菌設備實際維修維護調(diào)研的基礎上，對設備運行特性技術(shù)參數(shù)進行采集，并應用改進的K-Means算法進行來進行聚類，而后應用改進的Apriori算法關(guān)聯(lián)規(guī)則來挖掘?qū)ふ医o定數(shù)據(jù)集中項之間的關(guān)系從中挖掘出滅菌設備系統(tǒng)運行與部件的狀態(tài)相關(guān)性，對設備進行健康狀態(tài)評價。

在具體實施建模與數(shù)據(jù)挖掘過程中，采用計算機系統(tǒng)來統(tǒng)計分析設備運行狀態(tài)的物理參數(shù)。獲取相關(guān)參數(shù)，并實現(xiàn)了設備運行自動記數(shù)。并提供在達到相關(guān)性參數(shù)異常之前提前報警，實現(xiàn)自動化程度較高的設備維修修護告知的功能。當然對于采用參數(shù)相關(guān)性分析來判斷設備狀態(tài)的方法，診斷分析得到的結(jié)果正確率還有等待進一步完善，在對設備歷史運行數(shù)據(jù)進行數(shù)據(jù)挖掘時，如果挖掘的結(jié)果可用率不高，則應該重新進行挖掘，或者增加樣本數(shù)據(jù)，或者改進算法。

參考文獻

[1] 陳京民.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M].北京：電子工業(yè)出版社，2003.

[2] 徐宗龍.數(shù)據(jù)挖掘在齒輪箱故障診斷中的應用研究[D].中北大學，2006.

[3] 張育林.動態(tài)系統(tǒng)故障診斷理論與應用[M].長沙：國防科技大學出版社，1997.

[4] 史波.醫(yī)用脈動真空滅菌器維修一例[J].實用醫(yī)技雜志，2011，18（10）：1097-1098.

[5] 莫挺斐.新華XG1.DME型脈動真空滅菌器故障分析[J].中國醫(yī)療設備，2010，25（3）：105-107.

[6] 劉益平，朱力群，劉鐘.脈動真空滅菌器兩項改進措施[J].中國儀器儀表，1996（4）：24-25.

[7] 金濤，周秀華.意大利Extrema Plus脈動真空滅菌器使用中常見問題及解決方法[J].醫(yī)療衛(wèi)生裝備，2010，31（12）：146-147.

[8] 曲睿，張?zhí)鞁?基于矩陣壓縮的Apriori改進算法[J].計算機工程與設計，2017，38（8）：2127-2131.

[9] 劉嘯，劉玉龍.基于改進型迭代算法的web數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘[J].科技導報，2015，33（3）：90-94.