技术领域
[0001] 本申请涉及物联网技术领域，特别是涉及一种故障处理方法、装置、设备、可读存储介质和程序产品。
相关背景技术
[0002] 自助柜员机，是指银行在不同地点设置的一种业务设备，客户可以通过自助柜员机便捷地进行银行柜台业务。然而，自助柜员机在运行过程中可能会出现各种故障，例如运行温度过高、读卡器可能即将达到使用次数极限、资源模块磨损严重、资源输出卡顿问题等，这些故障不仅会影响用户的业务办理过程，还可能会造成经济损失。因此，及时地对于自助柜员机的故障处理是非常重要的。
[0003] 相关技术中，通常是在自助柜员机已经发生故障后，工作人员在系统中创建故障工单，并通知维护工程师自助柜员机存在故障，以使维护工程师到现场后手动进行故障处理。但是，相关技术存在故障处理效率低的问题。
具体实施方式
[0060] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。需要说明的是，在本申请实施例中，可能提及某些软件、组性、模型等业界已有方案，应当将它们认为是示范性的，其目的仅仅是为了说明本申请技术方案实施中的可行性，但并不意味着申请人已经或者必然用到了该方案。
[0061] 需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0062] 自助柜员机，是指银行在不同地点设置的一种业务设备，客户可以通过自助柜员机便捷地进行银行柜台业务。然而，自助柜员机在运行过程中可能会出现各种故障，例如运行温度过高、读卡器可能即将达到使用次数极限、资源模块磨损严重、资源输出卡顿问题等，这些故障不仅会影响用户的业务办理过程，还可能会造成经济损失。因此，及时地对于自助柜员机的故障处理是非常重要的。
[0063] 相关技术中，通常是在自助柜员机已经发生故障后，工作人员在系统中创建故障工单，并通知维护工程师自助柜员机存在故障，以使维护工程师到现场后手动进行故障处理，这种故障处理方法，无法及时发现自助柜员机的故障，使得故障处理过程存在滞后性，因此，相关技术存在故障处理效率低的问题，进一步地，在故障处理期间还导致了自助柜员机的停用，影响了业务的办理。
[0064] 鉴于此，本申请提供了一种故障处理方法、装置、设备、可读存储介质和程序产品，通过获取目标业务办理设备对应的业务特征数据和物理特征数据，并将业务特征数据和物理特征数据输入故障预测模型中，可以得到目标业务办理设备的故障预测结果，在故障预测结果包括目标业务办理设备存在潜在故障信息的情况下，向故障维修设备发送故障通知消息，其中，故障预测模型是根据历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型训练得到的模型，故障通知消息用于指示故障维修设备对目标业务办理设备所存在的潜在故障信息进行故障处理。这样，利用根据历史业务特征数据、历史物理特征数据和历史参考检测结果训练好的故障预测模型对当前获取到的业务特征数据和物理特征数据进行处理，能够自动化地预测目标业务办理设备是否存在潜在故障信息，并且在目标业务办理设备存在潜在故障信息的情况下能够向故障维修设备发送故障通知消息，从而及时发现目标业务办理设备所存在的潜在故障问题，提高了故障处理的效率。
[0065] 本申请实施例提供的故障处理方法，可以应用于如图1所示的应用环境中。其中，目标业务办理设备101可以通过网络与服务器102进行通信，服务器102可以通过网络与故障维修设备103连接。数据存储系统可以存储服务器102需要处理的数据。数据存储系统可以集成在服务器102上，也可以放在云上或其他网络服务器上。其中，目标业务办理设备101可以是自助柜员机也可以是其他能够办理业务的设备，故障维修设备103可以是维修机器人或者故障工单统计设备等。服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式系统，还可以是提供云计算服务的云服务器。
[0066] 在一个示例性的实施例中，如图2所示，提供了一种故障处理方法，以该方法应用于图1中的服务器102为例进行说明。可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。该方法包括以下步骤201至步骤203。其中：
[0067] 步骤201，获取目标业务办理设备对应的业务特征数据和物理特征数据。
[0068] 目标业务办理设备可以是自助柜员机或者其他能够办理业务的设备，可选地，服务器可以周期性地获取目标业务办理设备地业务特征数据和物理特征数据；可选地，服务器可以实时的获取目标业务办理设备地业务特征数据和物理特征数据。
[0069] 其中，业务特征数据，可以是服务器从业务参数数据中提取的特征数据，业务参数数据包括设备读卡次数、存取款现金量等；物理特征数据，可以是服务器从物理参数数据中挑的特征数据，物理参数数据包括温度、湿度、电压、电流等。
[0070] 可选地，服务器可以通过部署在目标业务办理设备上的传感器获取物理参数数据；可选地，服务器可以通过目标业务办理设备的运行日志获取到业务参数数据；可选地，服务器还可以通过其他外部输入设备获取业务数据和物理数据。
[0071] 在一种可能的实施方式中，服务器获取目标业务办理设备对应的业务特征数据和物理特征数据的方法，可以包括：服务器获取目标业务办理设备对应的业务参数数据和物理参数数据，其中，业务参数数据包括设备读卡次数、存取款现金量等，物理参数数据包括温度、湿度、电压、电流等；服务器分别对业务参数数据和物理参数数据进行数据预处理，得到处理后的业务参数数据和处理后的物理参数数据，预处理可以包括数据清洗、数据转换、数据标准化等，通过数据预处理可以提高业务参数数据和物理参数数据的数据质量；服务器分别对处理后的业务参数数据和处理后的物理参数数据进行特征提取处理，得到目标业务办理设备对应的业务特征数据和物理特征数据。
[0072] 业务特征数据可以包括连续读卡次数变化、出入钞现金量变化等，物理特征数据可以包括温度变化趋势、湿度变化趋势、电压波动、电流波动等。
[0073] 可选地，服务器可以通过预先训练好的特征提取模型对业务参数数据和处理后的物理参数数据进行特征提取处理。
[0074] 步骤202，将业务特征数据和物理特征数据输入故障预测模型中，得到目标业务办理设备的故障预测结果。
[0075] 在本申请实施例中，服务器将业务特征数据和物理特征数据输入故障预测模型中，可以通过故障预测模型对业务特征数据和物理特征数据进行故障预测，从而得到故障预测结果，在一种可能的实施方式中，故障预测结果用于表征目标业务办理设备是否存在潜在故障，可选地，当故障预测结果用于标准目标业务办理设备存在潜在故障，故障预测结果中还包括潜在故障所对应的潜在故障信息，潜在故障信息包括运行温度过高、读卡器可能即将达到使用次数极限、资源模块磨损严重、资源输出卡顿问题等。
[0076] 在本申请实施例中，故障预测模型是根据历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型训练得到的模型。
[0077] 步骤203，在故障预测结果包括目标业务办理设备存在潜在故障信息的情况下，向故障维修设备发送故障通知消息。
[0078] 其中，故障通知消息用于指示故障维修设备对目标业务办理设备所存在的潜在故障信息进行故障处理。
[0079] 在本申请实施例中，若故障预测结果包括潜在故障信息，则表示目标业务办理设备当前存在潜在故障，服务器可以根据故障预测结果生成故障通知消息，并将故障通知消息发送至故障维修设备，以使故障维修设备根据故障通知消息所报考的潜在故障信息对目标业务办理设备进行故障处理。
[0080] 可选地，故障维修设备可以是维修机器人等自动维修设备，服务器将故障通知消息发送至故障维修设备后，故障维修设备可以根据潜在故障信息对目标业务办理设备进行故障处理，如自动维修；可选地，故障维修设备可以是故障工单管理设备，服务器将故障通知消息发送至故障维修设备后，故障维修设备可以根据故障通知消息生成故障维修工单，以使维修人员根据故障维修工单对目标业务办理设备进行维修。
[0081] 在一种可能的实施方式中，服务器还可以根据潜在故障信息获取对应的维修措施信息。
[0082] 维修措施信息可以是包括解决潜在故障的措施方法，可选地，服务器可以根据潜在故障信息对应的映射关系获取与潜在故障信息对应的维修措施信息。
[0083] 服务器获取到维修措施信息后，可以将维修措施信息添加至故障通知消息中，对应地，故障通知消息中还可以包括维修措施信息，这样，故障维修设备可以根据维修措施信息对目标业务办理设备进行故障处理。
[0084] 上述实施例中，利用根据历史业务特征数据、历史物理特征数据和历史参考检测结果训练好的故障预测模型对当前获取到的业务特征数据和物理特征数据进行处理，能够自动化地预测目标业务办理设备是否存在潜在故障信息，并且在目标业务办理设备存在潜在故障信息的情况下能够向故障维修设备发送故障通知消息，从而及时发现目标业务办理设备所存在的潜在故障问题，提高了故障处理的效率。
[0085] 在一个实施例中，基于上述图2所示的实施例，参见图3，本实施例涉及的是获取故障预测模型的过程。如图3所示，该过程可以包括步骤301和步骤302。
[0086] 步骤301，获取至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果。
[0087] 在本申请实施例中，历史业务特征数据是服务器从预设历史时刻对应的历史业务参数数据中提取出的特征数据；历史物理特征数据是服务器从预设历史时刻对应的历史物理参数数据中提取出的特征数据；历史参考检测结果用于表征在预设历史时刻，业务办理设备是否存在故障。
[0088] 可选地，服务器可以从数据库中获取至少一个业务办理设备在预设历史时刻对应的历史业务参数数据、历史物理参数数据以及历史参考检测结果；可选地，服务器可以通过外部输入设备获取到至少一个业务办理设备的预设历史时刻对应的历史业务参数数据、历史物理参数数据以及历史参考检测结果。
[0089] 步骤302，根据至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型进行迭代训练，得到故障预测模型。
[0090] 服务器可以根据各历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型进行迭代训练，在一种可能的实施方式中，针对任意一次迭代训练过程，服务器可以将历史业务特征数据和历史物理特征数据输入至初始故障预测模型中，得到历史预测结果，其中，历史预测结果为初始故障预测模型在分析某一历史时刻的历史业务特征数据和历史物理特征数据后，所得到的结果，历史预测结果用于表征该历史业务特征数据和历史物理特征数据所对应的业务办理设备在历史时刻是否有潜在故障。
[0091] 当获得历史预测结果后，服务器可以根据历史预测结果以及历史业务特征数据和历史物理特征数据对应的历史参考检测结果，确定初始故障预测模型是否收敛。
[0092] 关于初始故障预测模型的基础模型，包括贝叶斯、随机森林、向量机、卷积神经网络、循环神经网络中的至少一种。
[0093] 在一种可能的实施方式中，服务器可以将历史预测结果与历史参考检测结果进行匹配处理，得到匹配度。
[0094] 可选地，若匹配度大于或等于匹配度阈值，则表示本轮迭代训练过程中的初始故障预测模型预测的准确性达到要求，服务器可以确定初始故障预测模型收敛，此时，服务器可以将本轮迭代训练过程中的初始故障预测模型作为最终用于进行故障预测的故障预测模型。
[0095] 可选地，若匹配度不大于匹配度阈值，则表示本轮迭代训练过程中的初始故障预测模型预测的准确性未达到要求，服务器可以确定初始故障预测模型未收敛。
[0096] 在初始故障预测模型未收敛的情况下，服务器可以根据历史预测结果与对应的历史参考检测结果之间的差异信息，对初始故障预测模型进行参数调整，得到调整后的初始故障预测模型，并将调整后的初始故障预测模型作为下一次迭代训练过程中的初始故障预测模型，示例性地，服务器可以根据预设损失函数、历史预测结果以及初始故障预测模型计算得到损失值，损失值即历史预测结果与对应的历史参考检测结果之间的差异信息，然后，服务器可以根据该损失值对初始故障预测模型进行参数调整，得到调整后的初始故障预测模型，并将调整后的初始故障预测模型作为下一次迭代训练过程中的初始故障预测模型。
[0097] 上述实施例中，服务器根据至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型进行训练，避免了训练样本的单一性，提高了故障预测模型的预测准确性。
[0098] 在一个实施例中，参照图4，提供了一种示例性的故障处理方法，该方法可以应用于图1所示实施环境中。
[0099] 步骤401，获取至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果。
[0100] 步骤402，针对任意一次迭代训练过程，将历史业务特征数据和历史物理特征数据输入至初始故障预测模型中，得到历史预测结果。
[0101] 步骤403，根据历史预测结果以及历史业务特征数据和历史物理特征数据对应的历史参考检测结果，确定初始故障预测模型是否收敛。
[0102] 步骤404，将历史预测结果与历史参考检测结果进行匹配处理，得到匹配度。
[0103] 步骤405，若匹配度不大于匹配度阈值，则确定初始故障预测模型未收敛。
[0104] 步骤406，若匹配度大于或等于匹配度阈值，则确定初始故障预测模型收敛，将初始故障预测模型作为故障预测模型。
[0105] 步骤407，在初始故障预测模型未收敛的情况下，根据历史预测结果与对应的历史参考检测结果之间的差异信息，对初始故障预测模型进行参数调整，得到调整后的初始故障预测模型，并将调整后的初始故障预测模型作为下一次迭代训练过程中的初始故障预测模型。
[0106] 步骤408，获取目标业务办理设备对应的业务参数数据和物理参数数据。
[0107] 步骤409，分别对业务参数数据和物理参数数据进行数据预处理，得到处理后的业务参数数据和处理后的物理参数数据。
[0108] 步骤410，分别对处理后的业务参数数据和处理后的物理参数数据进行特征提取处理，得到目标业务办理设备对应的业务特征数据和物理特征数据。
[0109] 步骤411，将业务特征数据和物理特征数据输入故障预测模型中，得到目标业务办理设备的故障预测结果。
[0110] 其中，故障预测模型是根据历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型训练得到的模型。
[0111] 步骤412，在故障预测结果包括目标业务办理设备存在潜在故障信息的情况下，根据潜在故障信息获取对应的维修措施信息。
[0112] 步骤413，向故障维修设备发送故障通知消息。
[0113] 其中，故障通知消息用于指示故障维修设备对目标业务办理设备所存在的潜在故障信息进行故障处理，对应地，故障通知消息中还可以包括维修措施信息。
[0114] 应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0115] 基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的故障处理方法的故障处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个故障处理装置实施例中的具体限定可以参见上文中对于故障处理方法的限定，在此不再赘述。
[0116] 在一个示例性的实施例中，如图5所示，提供了一种故障处理装置，包括：获取模块501、预测模块502和通知模块503，其中：
[0117] 获取模块501，用于获取目标业务办理设备对应的业务特征数据和物理特征数据；
[0118] 预测模块502，用于将业务特征数据和物理特征数据输入故障预测模型中，得到目标业务办理设备的故障预测结果；其中，故障预测模型是根据历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型训练得到的模型；
[0119] 通知模块503，用于在故障预测结果包括目标业务办理设备存在潜在故障信息的情况下，向故障维修设备发送故障通知消息，其中，故障通知消息用于指示故障维修设备对目标业务办理设备所存在的潜在故障信息进行故障处理。
[0120] 在一个实施例中，装置还包括：
[0121] 措施获取模块，用于根据潜在故障信息获取对应的维修措施信息；
[0122] 对应地，故障通知消息中还可以包括维修措施信息。
[0123] 在一个实施例中，获取模块501包括：
[0124] 参数获取单元，用于获取目标业务办理设备对应的业务参数数据和物理参数数据；
[0125] 预处理单元，用于分别对业务参数数据和物理参数数据进行数据预处理，得到处理后的业务参数数据和处理后的物理参数数据；
[0126] 特征提取单元，用于分别对处理后的业务参数数据和处理后的物理参数数据进行特征提取处理，得到目标业务办理设备对应的业务特征数据和物理特征数据。
[0127] 在一个实施例中，装置还包括：
[0128] 历史特征获取模块，用于获取至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果；
[0129] 模型训练模块，用于根据至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型进行迭代训练，得到故障预测模型。
[0130] 在一个实施例中，模型训练模块包括：
[0131] 历史预测单元，用于针对任意一次迭代训练过程，将历史业务特征数据和历史物理特征数据输入至初始故障预测模型中，得到历史预测结果；
[0132] 收敛判断单元，用于根据历史预测结果以及历史业务特征数据和历史物理特征数据对应的历史参考检测结果，确定初始故障预测模型是否收敛；
[0133] 调整单元，用于在初始故障预测模型未收敛的情况下，根据历史预测结果与对应的历史参考检测结果之间的差异信息，对初始故障预测模型进行参数调整，得到调整后的初始故障预测模型，并将调整后的初始故障预测模型作为下一次迭代训练过程中的初始故障预测模型。
[0134] 在一个实施例中，收敛判断单元，具体用于：
[0135] 将历史预测结果与历史参考检测结果进行匹配处理，得到匹配度；
[0136] 若匹配度大于或等于匹配度阈值，则确定初始故障预测模型收敛；
[0137] 若匹配度不大于匹配度阈值，则确定初始故障预测模型未收敛。
[0138] 上述故障处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0139] 在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储故障处理数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种故障处理方法。
[0140] 本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0141] 在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0142] 获取目标业务办理设备对应的业务特征数据和物理特征数据；
[0143] 将所述业务特征数据和物理特征数据输入故障预测模型中，得到所述目标业务办理设备的故障预测结果；其中，所述故障预测模型是根据历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型训练得到的模型；
[0144] 在所述故障预测结果包括所述目标业务办理设备存在潜在故障信息的情况下，向故障维修设备发送故障通知消息，其中，所述故障通知消息用于指示所述故障维修设备对所述目标业务办理设备所存在的所述潜在故障信息进行故障处理。
[0145] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0146] 根据所述潜在故障信息获取对应的维修措施信息；
[0147] 对应地，所述故障通知消息中还可以包括所述维修措施信息。
[0148] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0149] 获取所述目标业务办理设备对应的业务参数数据和物理参数数据；
[0150] 分别对所述业务参数数据和物理参数数据进行数据预处理，得到处理后的业务参数数据和处理后的物理参数数据；
[0151] 分别对所述处理后的业务参数数据和所述处理后的物理参数数据进行特征提取处理，得到所述目标业务办理设备对应的所述业务特征数据和所述物理特征数据。
[0152] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0153] 获取至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果；
[0154] 根据所述至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果对所述初始故障预测模型进行迭代训练，得到所述故障预测模型。
[0155] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0156] 针对任意一次迭代训练过程，将所述历史业务特征数据和历史物理特征数据输入至所述初始故障预测模型中，得到历史预测结果；
[0157] 根据所述历史预测结果以及所述历史业务特征数据和所述历史物理特征数据对应的历史参考检测结果，确定所述初始故障预测模型是否收敛；
[0158] 在所述初始故障预测模型未收敛的情况下，根据所述历史预测结果与对应的所述历史参考检测结果之间的差异信息，对所述初始故障预测模型进行参数调整，得到调整后的初始故障预测模型，并将所述调整后的初始故障预测模型作为下一次迭代训练过程中的初始故障预测模型。
[0159] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0160] 将所述历史预测结果与所述历史参考检测结果进行匹配处理，得到匹配度；
[0161] 若所述匹配度大于或等于匹配度阈值，则确定所述初始故障预测模型收敛；
[0162] 若所述匹配度不大于所述匹配度阈值，则确定所述初始故障预测模型未收敛。
[0163] 在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0164] 获取目标业务办理设备对应的业务特征数据和物理特征数据；
[0165] 将所述业务特征数据和物理特征数据输入故障预测模型中，得到所述目标业务办理设备的故障预测结果；其中，所述故障预测模型是根据历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型训练得到的模型；
[0166] 在所述故障预测结果包括所述目标业务办理设备存在潜在故障信息的情况下，向故障维修设备发送故障通知消息，其中，所述故障通知消息用于指示所述故障维修设备对所述目标业务办理设备所存在的所述潜在故障信息进行故障处理。
[0167] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0168] 根据所述潜在故障信息获取对应的维修措施信息；
[0169] 对应地，所述故障通知消息中还可以包括所述维修措施信息。
[0170] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0171] 获取所述目标业务办理设备对应的业务参数数据和物理参数数据；
[0172] 分别对所述业务参数数据和物理参数数据进行数据预处理，得到处理后的业务参数数据和处理后的物理参数数据；
[0173] 分别对所述处理后的业务参数数据和所述处理后的物理参数数据进行特征提取处理，得到所述目标业务办理设备对应的所述业务特征数据和所述物理特征数据。
[0174] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0175] 获取至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果；
[0176] 根据所述至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果对所述初始故障预测模型进行迭代训练，得到所述故障预测模型。
[0177] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0178] 针对任意一次迭代训练过程，将所述历史业务特征数据和历史物理特征数据输入至所述初始故障预测模型中，得到历史预测结果；
[0179] 根据所述历史预测结果以及所述历史业务特征数据和所述历史物理特征数据对应的历史参考检测结果，确定所述初始故障预测模型是否收敛；
[0180] 在所述初始故障预测模型未收敛的情况下，根据所述历史预测结果与对应的所述历史参考检测结果之间的差异信息，对所述初始故障预测模型进行参数调整，得到调整后的初始故障预测模型，并将所述调整后的初始故障预测模型作为下一次迭代训练过程中的初始故障预测模型。
[0181] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0182] 将所述历史预测结果与所述历史参考检测结果进行匹配处理，得到匹配度；
[0183] 若所述匹配度大于或等于匹配度阈值，则确定所述初始故障预测模型收敛；
[0184] 若所述匹配度不大于所述匹配度阈值，则确定所述初始故障预测模型未收敛。
[0185] 在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0186] 获取目标业务办理设备对应的业务特征数据和物理特征数据；
[0187] 将所述业务特征数据和物理特征数据输入故障预测模型中，得到所述目标业务办理设备的故障预测结果；其中，所述故障预测模型是根据历史业务特征数据、历史物理特征数据和历史参考检测结果对初始故障预测模型训练得到的模型；
[0188] 在所述故障预测结果包括所述目标业务办理设备存在潜在故障信息的情况下，向故障维修设备发送故障通知消息，其中，所述故障通知消息用于指示所述故障维修设备对所述目标业务办理设备所存在的所述潜在故障信息进行故障处理。
[0189] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0190] 根据所述潜在故障信息获取对应的维修措施信息；
[0191] 对应地，所述故障通知消息中还可以包括所述维修措施信息。
[0192] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0193] 获取所述目标业务办理设备对应的业务参数数据和物理参数数据；
[0194] 分别对所述业务参数数据和物理参数数据进行数据预处理，得到处理后的业务参数数据和处理后的物理参数数据；
[0195] 分别对所述处理后的业务参数数据和所述处理后的物理参数数据进行特征提取处理，得到所述目标业务办理设备对应的所述业务特征数据和所述物理特征数据。
[0196] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0197] 获取至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果；
[0198] 根据所述至少一个业务办理设备对应的历史业务特征数据、历史物理特征数据和历史参考检测结果对所述初始故障预测模型进行迭代训练，得到所述故障预测模型。
[0199] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0200] 针对任意一次迭代训练过程，将所述历史业务特征数据和历史物理特征数据输入至所述初始故障预测模型中，得到历史预测结果；
[0201] 根据所述历史预测结果以及所述历史业务特征数据和所述历史物理特征数据对应的历史参考检测结果，确定所述初始故障预测模型是否收敛；
[0202] 在所述初始故障预测模型未收敛的情况下，根据所述历史预测结果与对应的所述历史参考检测结果之间的差异信息，对所述初始故障预测模型进行参数调整，得到调整后的初始故障预测模型，并将所述调整后的初始故障预测模型作为下一次迭代训练过程中的初始故障预测模型。
[0203] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0204] 将所述历史预测结果与所述历史参考检测结果进行匹配处理，得到匹配度；
[0205] 若所述匹配度大于或等于匹配度阈值，则确定所述初始故障预测模型收敛；
[0206] 若所述匹配度不大于所述匹配度阈值，则确定所述初始故障预测模型未收敛。
[0207] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性存储器和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read‑Only Memory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（Resistive Random Access Memory，ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。本申请提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器、人工智能（Artificial Intelligence，AI）处理器等，不限于此。
[0208] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本申请记载的范围。
[0209] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
