隨著網(wǎng)絡(luò)云計(jì)算時(shí)代的到來(lái),“無(wú)人售貨”越來(lái)越受到關(guān)注,智能售貨柜作為無(wú)人零售終端的代表,在實(shí)際運(yùn)維中,存在缺乏終端健康監(jiān)測(cè)、維護(hù)滯后性和低效性、商品更新上貨隨意性大、單臺(tái)智能售貨柜運(yùn)維成本高等問(wèn)題。本課題依托企業(yè)實(shí)際需求,針對(duì)上述問(wèn)題,研究了智能售貨終端運(yùn)行過(guò)程監(jiān)測(cè)維護(hù)和商品更新智能推薦維護(hù)的關(guān)鍵技術(shù),并在Hadoop分布式存儲(chǔ)計(jì)算生態(tài)上得到應(yīng)用。本文完成的研究工作主要有以下幾個(gè)方面:（1）針對(duì)智能售貨機(jī)柜體維護(hù),設(shè)計(jì)Nagios監(jiān)測(cè)系統(tǒng)實(shí)現(xiàn)終端運(yùn)行日志數(shù)據(jù)源的采集和存儲(chǔ);采用一種主元建模方法對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析,在殘差空間和主元空間提取SPE（Squared Prediction Error）、T²（Hotelling’s統(tǒng)計(jì)量）、混合指標(biāo)作為過(guò)程監(jiān)測(cè)健康評(píng)價(jià)指標(biāo),并采用控制限和變量貢獻(xiàn)量的方法完成智能售貨柜終端過(guò)程監(jiān)測(cè)和異常分離。（2）針對(duì)智能售貨柜商品更新推薦決策維護(hù),利用矩陣分解的交替最小二乘（Alternating Least Squares,ALS）隱式反饋算法進(jìn)行智能推薦,分析用戶(hù)評(píng)價(jià)矩陣存在的興趣偏差,通過(guò)價(jià)值隸屬模型對(duì)商品進(jìn)行價(jià)值度量,修正用戶(hù)評(píng)價(jià)... 

【文章來(lái)源】：西南科技大學(xué)四川省

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)自助售貨終端市場(chǎng)規(guī)模Fig.1-1Chinaself-servicevendingterminalmarketsize

西南科技大學(xué)碩士學(xué)位論文82柜體監(jiān)測(cè)維護(hù)關(guān)鍵技術(shù)研究2.1柜體監(jiān)測(cè)維護(hù)概述2.1.1柜體監(jiān)測(cè)維護(hù)智能售貨柜是一種實(shí)現(xiàn)無(wú)人照料的“新零售”方式，由消費(fèi)者自行進(jìn)行商品選購(gòu)、結(jié)算操作，具有很強(qiáng)的用戶(hù)交互性和較高的使用頻次。智能售貨柜柜體控制系統(tǒng)包括一系列柜內(nèi)環(huán)境維持設(shè)備、柜體控制器、傳感器、出貨執(zhí)行器、數(shù)據(jù)遠(yuǎn)程模塊、輔助支付終端、用戶(hù)交互界面，有的還具有環(huán)境監(jiān)控設(shè)備等，如圖2-1所示為本課題研究的設(shè)備主體外觀圖。(a)小型智能售貨柜(b)中型智能售貨柜圖2-1智能售貨柜外觀圖Fig.2-1Smartvendingmachineappearance圖2-1中(a)為小型智能化售貨終端，以其小體積、支付取貨方便的特點(diǎn)多布置于小型化空間中，(b)為大中型智能售貨終端，以其貨品多、選購(gòu)支付體驗(yàn)感好的特點(diǎn)多布置于大型公共化空間中。無(wú)論是小型還是大中型智能售貨終端，基本構(gòu)成包括：柜體控制器、出貨執(zhí)行器、用戶(hù)交互界面、數(shù)據(jù)遠(yuǎn)傳模塊。智能售貨柜的柜體硬件系統(tǒng)維護(hù)屬于設(shè)備終端的計(jì)劃維護(hù)，目前維護(hù)的一般流程為：ERP或其他系統(tǒng)管理人員在后臺(tái)通過(guò)一段時(shí)間的銷(xiāo)售數(shù)據(jù)異�；蛲ㄐ判奶惓＞C合判定柜體異常，提交設(shè)備運(yùn)維工單，設(shè)備運(yùn)維人員接單后前往設(shè)備現(xiàn)場(chǎng)排查問(wèn)題，負(fù)責(zé)恢復(fù)智能售貨終端，該方式具有不可監(jiān)控性，設(shè)備故障不可定位性，設(shè)備維護(hù)具有嚴(yán)重的滯后性，不利于終端設(shè)備的高效管理，同時(shí)也沒(méi)能做到售貨終端的遠(yuǎn)程維護(hù)管理，傳統(tǒng)的計(jì)劃維護(hù)方式如圖2-2所示。

2柜體監(jiān)測(cè)維護(hù)關(guān)鍵技術(shù)研究9圖2-2傳統(tǒng)智能售貨柜計(jì)劃維護(hù)方式示意圖Fig.2-2Schematicdiagramoftraditionalvendingmachineplannedmaintenancemethods傳統(tǒng)的智能售貨柜計(jì)劃維護(hù)方式的主要缺點(diǎn)是：設(shè)備在出現(xiàn)故障或停止工作時(shí)，往往終端異常的發(fā)現(xiàn)具有一定的滯后性，設(shè)備異常故障未知，導(dǎo)致維護(hù)人員的維護(hù)難度大，某些問(wèn)題無(wú)法現(xiàn)場(chǎng)及時(shí)恢復(fù)，致使智能售貨終端使用價(jià)值急劇下降。針對(duì)上述問(wèn)題，對(duì)智能售貨柜柜體維護(hù)進(jìn)行運(yùn)行狀態(tài)的在線(xiàn)監(jiān)測(cè)，分析監(jiān)測(cè)日志，實(shí)現(xiàn)設(shè)備終端的健康狀態(tài)評(píng)估、異常定位和分離，有效掌握設(shè)備運(yùn)行的實(shí)時(shí)狀態(tài)，對(duì)設(shè)備的故障性維護(hù)具有重要作用。2.1.2柜體終端監(jiān)測(cè)指標(biāo)智能售貨柜在日常維護(hù)中出現(xiàn)的硬件問(wèn)題往往無(wú)法預(yù)測(cè)和評(píng)估，造成維護(hù)人員現(xiàn)場(chǎng)維護(hù)的效率低、難度大，影響終端正常使用；本文通過(guò)研究智能售貨柜常見(jiàn)的故障類(lèi)型，選取幾組重要的主機(jī)監(jiān)測(cè)指標(biāo)，構(gòu)建終端主機(jī)健康監(jiān)測(cè)和故障檢測(cè)模型，作為計(jì)劃維護(hù)的一部分，在此基礎(chǔ)上可為維護(hù)人員提供較為準(zhǔn)確的維護(hù)方向和相應(yīng)手段。在實(shí)際的智能售貨柜日常維護(hù)中，終端故障類(lèi)型統(tǒng)計(jì)數(shù)據(jù)占比如圖2-3所示。圖2-3智能售貨柜故障類(lèi)型統(tǒng)計(jì)圖Fig.2-3Smartvendingmachinefaulttypestatisticschart數(shù)據(jù)來(lái)源：智能售貨柜運(yùn)營(yíng)商ERP系統(tǒng)維護(hù)記錄。根據(jù)圖2-3可知，出現(xiàn)最多的故障類(lèi)型包括：網(wǎng)絡(luò)故障問(wèn)題、應(yīng)用程序異常問(wèn)題、串口外設(shè)控制問(wèn)題、偶然性因素問(wèn)題，對(duì)這幾種終端故障進(jìn)行分析，如表2-1所示。

【參考文獻(xiàn)】：
期刊論文
[1]使用Zabbix監(jiān)控服務(wù)器[J]. 郭建偉.  網(wǎng)絡(luò)安全和信息化. 2019(07)
[2]融合用戶(hù)行為分析和興趣序列相似性的個(gè)性化推薦方法研究[J]. 王剛,郭雪梅.  情報(bào)理論與實(shí)踐. 2019(07)
[3]Spark平臺(tái)下KNN-ALS模型推薦算法[J]. 鄒小波,王佳斌,詹敏.  華僑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[4]從Hadoop到Spark技術(shù)的革新[J]. 權(quán)趙恒,李嘉迪.  電腦知識(shí)與技術(shù). 2019(08)
[5]基于Hadoop的Web日志分析系統(tǒng)的設(shè)計(jì)[J]. 何璇,馬佳琳.  軟件工程. 2019(02)
[6]基于Nagios的指控系統(tǒng)監(jiān)控平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J]. 王彤,朱超越,袁樂(lè)平.  科學(xué)技術(shù)創(chuàng)新. 2019(02)
[7]基于Nagios的網(wǎng)絡(luò)智能監(jiān)控系統(tǒng)研發(fā)[J]. 陳靜.  電腦編程技巧與維護(hù). 2018(12)
[8]基于Hadoop平臺(tái)的優(yōu)化協(xié)同過(guò)濾推薦算法研究[J]. 申晉祥,鮑美英.  軟件. 2018(12)
[9]基于協(xié)同過(guò)濾的景區(qū)旅游智能推薦系統(tǒng)設(shè)計(jì)[J]. 郭嘉,代耀宗,沈建京.  現(xiàn)代電子技術(shù). 2018(23)
[10]基于Nagios和Cacti的集中運(yùn)維監(jiān)控系統(tǒng)的研究[J]. 張鵬.  現(xiàn)代信息科技. 2018(06)

碩士論文
[1]基于Hadoop的電商數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用[D]. 黎燕.西安科技大學(xué) 2018
[2]基于用戶(hù)畫(huà)像特征數(shù)據(jù)集的個(gè)性化推薦算法研究[D]. 張穎.西安電子科技大學(xué) 2018
[3]基于數(shù)據(jù)挖掘的遠(yuǎn)程教育用戶(hù)畫(huà)像構(gòu)建研究[D]. 劉應(yīng)杰.西安電子科技大學(xué) 2018
[4]基于Hadoop的校園一卡通消費(fèi)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 鄭大龍.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2017
[5]地鐵日志數(shù)據(jù)描述及解析引擎的研究與實(shí)現(xiàn)[D]. 周卓茹.北京郵電大學(xué) 2017
[6]Linux服務(wù)器性能監(jiān)控與分析系統(tǒng)的研究與實(shí)現(xiàn)[D]. 趙佳杰.北京郵電大學(xué) 2014



本文編號(hào)：3569196