数据处理方法、装置、计算机设备及计算机可读存储介质

技术领域

本申请涉及数据管理技术领域，具体涉及一种数据处理方法、装置、计算机设备及计算机可读存储介质。

背景技术

目前，随着社会的快速发展，激光器也得到了广泛的应用，激光器(Laser)是一种能够产生高度聚焦、单色、相干光束的装置。激光器的工作原理是通过受激辐射的过程将能量从激活介质中放大，并通过光学共振腔来产生激光输出。

现有生产过程、用户使用过程可能会造成的设备损坏，从而需要将设备进行返修，然而，设备返修过程中，会出现返修异常和管理混乱的问题。

因此，如何避免返修异常，提高返修效率，是当前数据管理技术领域亟需解决的技术问题。

发明内容

本申请提供一种数据处理方法、装置、计算机设备及计算机可读存储介质，旨在解决如何避免返修异常，提高返修效率的技术问题。

一方面，本申请提供一种数据处理方法，所述方法包括：

获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；

基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；

基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；

基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

另一方面，本申请提供一种数据处理装置，所述装置包括：

第一获取单元，用于获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；

第一确定单元，用于基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；

第二获取单元，用于基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；

第二确定单元，用于基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

另一方面，本申请还提供一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的数据处理方法。

另一方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的数据处理方法中的步骤。

本申请实施例提供的数据处理方法，包括获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。本申请实施例通过在返修出场时的整机设备标识的基础上，新增一个与第一标识数据相对应的第二标识数据，并将第二标识数据应用于返修设备的返修过程中，避免了生产数据和返修数据之间的混淆，进一步地，通过利用第二标识数据，确定返修设备在每个维修工序的进出次数，以此作为判断维修工序是否出现异常的判断依据，便于后续探查返修设备维修异常的原因，提高返修效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的数据处理系统的场景示意图；

图2是本申请实施例中提供的数据处理方法的一个实施例流程示意图；

图3是本申请实施例中提供的数据处理装置的一个实施例结构示意图；

图4是本申请实施例中提供的计算机设备的一个实施例结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本申请的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。

本申请实施例提供一种数据处理方法、装置、计算机设备及计算机可读存储介质，以下分别进行详细说明。

如图1所示，图1是本申请实施例提供的数据处理系统的场景示意图，该数据处理系统可以包括计算机设备100，计算机设备100中集成有数据处理装置，如图1中的计算机设备100。

本申请实施例中计算机设备100主要用于获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

本申请实施例中，该计算机设备100可以为终端或者服务器，当计算机设备100为服务器时，可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本申请实施例中所描述的计算机设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器以构建的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器以构建。

可以理解的是，本申请实施例中计算机设备100为终端时，所使用的终端可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的计算机设备100具体可以是台式终端或移动终端，计算机设备100具体还可以是手机、平板电脑、笔记本电脑、医疗辅助仪器等中的一种。

本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案一种应用场景，并不以构建对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个计算机设备，可以理解的，该数据处理系统还可以包括一个或多个其他计算机设备，具体此处不作限定。

另外，如图1所示，该数据处理系统还可以包括存储器200，用于存储数据，如存储返修设备的第一标识数据和数据处理数据，例如数据处理系统运行时的数据处理数据。

需要说明的是，图1所示的数据处理系统的场景示意图仅仅是一个示例，本申请实施例描述的数据处理系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着数据处理系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

接下来，介绍本申请实施例提供的数据处理方法。

本申实施例数据处理方法的实施例中以数据处理装置作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该数据处理装置应用于计算机设备，该方法包括：获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

下面结合附图对本申请所述的数据处理方法进行详细的说明。虽然本申请提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际中的对象处理过程中或者装置执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

请参阅图2至图4，图2为本申请实施例中提供的数据处理方法的一个实施例流程示意图，该数据处理方法包括步骤201至步骤204：

201、获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识。

本申请实施例中的返修设备包括激光器，激光器是一种能发射激光的装置，按工作介质分，激光器可分为气体激光器、固体激光器、半导体激光器和染料激光器4大类。除此以外，还包括自由电子激光器，其中，大功率激光器主要是采用脉冲式输出。

上述提及的整机设备即对应成品的激光器整机，下文会涉及到激光器的零配件信息，通常情况下，一台激光器整机可以包括以下几个主要的零配件：

1、激光介质：激光介质是激光器的核心部件，用于产生激发原子或分子的激光放射。不同类型的激光器使用不同种类的激光介质，如气体、晶体、液体或半导体等。

2、泵浦源：泵浦源用于提供能量，激发激光介质产生激光放射。常见的泵浦源包括激光二极管、闪光灯或其他激光器。

3、光学元件：光学元件用于控制和操纵激光束的传播方向、形状和特性。光学元件包括激光衍射光栅、反射镜、透镜、偏振器等。

4、激光腔：激光腔是激光器中包含激光介质的腔体结构。它通常由反射镜、输出耦合镜和其他光学元件组成，用于实现激光放射和激光束的稳定传播。

5、冷却系统：激光器在工作过程中会产生大量热量，需要通过冷却系统来控制激光介质的温度。冷却系统可以采用空气冷却、水冷却或其他冷却方式。

除了上述主要的零配件，激光器还可能包括功率调节器、控制电路、光束质量调节器、功率计等其他附属设备和配件，用于实现激光器的控制、监测和调节。具体配件的种类和配置会根据不同类型的激光器而有所差异。

进一步的，上文中的标识数据是指用于唯一识别、表示或定位某个实体或对象的数据，该步骤中的第一标识数据和步骤202中的第二标识数据都是对返修设备起到标识作用，不同的是，第一标识数据表征为所述返修设备出厂时的整机设备标识，为了便于理解，第一标识数据可以理解是所述返修设备的身份证，而第二标识数据可以理解是所述返修设备的工作证、学生证等身份证明数据。

具体的，第一标识数据可以是一个序列号、条形码或者二维码，本申请优选第一标识数据为二维码。

基于此，当第一标识数据为序列号时，可以通过文字识别设备识别到该序列号，以获取到第一标识数据。

当第一标识数据为条形码时，可以通过条形码识别设备扫描该条形码，以获取到第一标识数据。

当第一标识数据为二维码时，可以通过二维码识别设备扫描该二维码，以获取到第一标识数据。

202、基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识。

需要说明的是，并非所有返修设备在返修时都具有第二标识数据，而是，在首次进行返修时才会生成的整机设备标识。

因此，基于所述第一标识数据，确定所述返修设备的第二标识数据，会存在两种情况，具体如下：

一、当基于所述第一标识数据，在预置的数据库中查询所述返修设备的第二标识数据；若查无结果，则需要创建第二标识数据，并建立所述第一标识数据与所述第二标识数据的关联关系。

二、当基于所述第一标识数据，在预置的数据库中查询所述返修设备的第二标识数据；若可以查到与所述第一标识数据相匹配的第二标识数据，则可直接得到返修设备的第二标识数据，无需再创建第二标识数据，以及建立所述第一标识数据与所述第二标识数据的关联关系。

203、基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数。

在本申请的一些实施例中，在返修设备进行维修之前，所述方法还包括：获取返修设备整机的多角度拍摄图像集以及返修设备被拆解后的各零配件的多角度拍摄图像集；通过预先训练地第一图像异常检测模型对上述返修设备整机的多角度拍摄图像集进行异常检测，得到第一异常检测结果；通过预先训练地第二图像异常检测模型对上述返修设备被拆解后的各零配件的多角度拍摄图像集进行异常检测，得到第二异常检测结果；获取预置的维修检测设备传输地第三异常检测结果；基于第一异常检测结果、第二异常检测结果以及第三异常检测结果，确定返修设备的异常原因及对应的目标异常零配件。

本申请实施例中的图像异常检测模型旨在检测图像中的异常或异常行为，而不是特定的目标物体。具体可以包括基于深度学习的异常检测：深度学习方法可以用于图像异常检测。一些常见的深度学习架构包括变分自编码器(Variational Autoencoder，VAE)、生成对抗网络(Generative Adversarial Networks，GAN)和生成式对抗网络(GenerativeAdversarial Anomaly Detection，GA^2N)等。或者基于时序的异常检测：对于图像序列或视频数据，可以使用基于时序的异常检测方法，通过比较当前帧与历史帧之间的差异来检测异常。一些常见的基于时序的异常检测方法包括基于光流的方法和基于循环一致性的方法。

具体的，本申请实施例中第一图像异常检测模型和第二图像异常检测模型优选生成式对抗网络模型。

在确定返修设备的异常原因及对应的目标异常零配件之后，预置的维修设备或工作人员会将返修设备传输到对应的目标维修工序，并会在相应的设备上记载和存储返修设备在该目标维修工序的出入数据。

如此，基于所述第二标识数据，在相应的设备上查询或调用所述返修设备在每个维修工序的进出次数即可。

204、基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

在本申请的一个具体实施方式，所述基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常，可以包括：基于每个所述维修工序和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序对应的进出次数要求阈值；将每个所述维修工序的进出次数与每个所述维修工序对应的进出次数要求阈值分别进行比较；若每个所述维修工序中存在目标维修工序的进出次数大于与所述目标维修工序对应的进出次数要求阈值的情况，则确定所述目标维修工序出现异常；若每个所述维修工序中不存在目标维修工序的进出次数大于与所述目标维修工序对应的进出次数要求阈值的情况，则确定所述目标维修工序未出现异常。

其中，维修工序与进出次数要求阈值的映射关系体现了不同工序之间的重要性差异，维修工序对应返修设备中待维修的对象，该对象可以是指对目标零配件进行目标维修操作，该目标零配件可以是返修设备整机上的任一零配件，该目标维修操作可以是更换、维修，而每个零配件的成本价值是存在差异的，其维修操作所需要的成本也是存在差异的，因此，本申请实施例可以根据上述不同情况，预先设置维修工序与进出次数要求阈值的映射关系。

本申请实施例通过在返修出场时的整机设备标识的基础上，新增一个与第一标识数据相对应的第二标识数据，并将第二标识数据应用于返修设备的返修过程中，避免了生产数据和返修数据之间的混淆，进一步地，通过利用第二标识数据，确定返修设备在每个维修工序的进出次数，以此作为判断维修工序是否出现异常的判断依据，便于后续探查返修设备维修异常的原因，提高返修效率。

在本申请的其他实施例中，在基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常之后，所述方法还包括：若每个所述维修工序中存在目标维修工序出现异常的情况，则获取所述目标维修工序中各设备的图像数据、设备检测数据；获取所述目标维修工序对应员工的静电检测数据和历史操作图像数据；基于所述图像数据、所述设备检测数据、所述静电检测数据和所述历史操作图像数据，确定所述目标维修工序出现异常的原因。

其中，上文提及到的员工，会在工作过程中需要穿戴防静电设备，该防静电设备可以包括防静电无尘服、防静电鞋。这些员工的工作职责主要是对返修设备进行维修，具体的，员工在进入维修工序前，可以在相应设备上登录其用户身份数据。

具体的，本申请实施例中，可以基于用户身份数据确定用户对应目标维修工序对应的目标工位信息和静电检测数据，具体可以包括：根据用户身份数据，可以从静电检测记录数据库中获取员工的静电检测数据。

需要说明的是，以上并不设计用户的个人隐私，其相关数据的获取都是经过用户本人允许的。

本申请实施例，通过对所述图像数据、所述设备检测数据、所述静电检测数据和所述历史操作图像数据进行综合分析，可以更加准确地确定所述目标维修工序出现异常的原因，提高了找寻目标维修工序出现异常原因的准确性和效率。

在本申请的具体实施例中，所述基于所述图像数据、所述设备检测数据、所述静电检测数据和所述历史操作图像数据，确定所述目标维修工序出现异常的原因，包括：将所述图像数据输入预先训练的第一图像异常检测模型，生成第一模型检测结果；将所述历史操作图像数据输入预先训练的第二图像异常检测模型，生成第二模型检测结果；获取对所述设备检测数据进行异常分析的第一数据分析结果；获取对所述静电检测数据进行异常分析的第二数据分析结果；基于所述第一模型检测结果、第二模型检测结果、第一数据分析结果以及第二数据分析结果，确定所述目标维修工序出现异常的原因。

其中，获取对所述静电检测数据进行异常分析的第二数据分析结果，具体可以包括：基于静电管理要求数据(所述静电管理要求数据包括静电合格要求数据和静电合格有效时长数据)，确定所述静电检测数据是否异常，具体可以包括：获取所述静电检测数据中的目标静电检测参数和目标持续时长数据；若所述目标静电检测参数的数值大于所述静电合格要求数据的数值，和/或所述目标持续时长数据的数值大于所述静电合格有效时长数据的数值，则确定所述静电检测数据异常；若所述目标静电检测数据的数值小于或等于所述静电合格要求数据的数值，且所述目标持续时长数据的数值小于或等于所述静电合格有效时长数据的数值，则确定所述所述静电检测数据正常。

在本申请的一些其他实施例中，在获取返修设备的第一标识数据之前，所述方法包括：获取所述返修设备的初始标识数据，所述初始标识数据表征为所述返修设备的生产序列号；将所述初始标识数据转换为第一标识数据。

在本申请的一些实施例中，将所述初始标识数据转换为第一标识数据，可以包括将初始标识数据对应的生产序列号和与所述返修设备的物料序列号进行合并、转换为第一标识数据。

其中，该第一标识数据可以是条形码或二维码，本申请优选所述第一标识数据为二维码。

需要说明的是，返修设备的物料序列号表征返修设备中所有零配件信息组合的识别码，如:物料A＝识别码①,物料B＝识别码②,物料A+物料B＝识别码③

在本申请的一些实施例中，所述获取所述返修设备的初始标识数据，包括：获取返修设备的设备信息，所述设备信息包括设备生产信息，设备属性参数；获取所述返修设备的零配件的标识信息；基于所述设备信息和所述零配件的标识信息，确定所述返修设备的初始标识数据。

其中，零配件的标识信息可以是零配件的序列号。

具体的，基于所述设备信息和所述零配件的标识信息，确定所述返修设备的初始标识数据，可以是通过将所述设备信息和所述零配件的标识信息进行组合、转换成二维码，以得到所述返修设备的初始标识数据。

本申请实施例通过将所述设备信息和所述零配件的标识信息进行组合、转换，得到所述返修设备的初始标识数据，提高了数据管理效率。

为了更好实施本申请实施例中数据处理方法，在数据处理方法基础之上，本申请实施例中还提供一种数据处理装置，如图3所示，所述数据处理装置300包括：

第一获取单元301，用于获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；

第一确定单元302，用于基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；

第二获取单元303，用于基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；

第二确定单元304，用于基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

在本申请的一些实施例中，在基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常之后，所述装置还包括：

第三获取单元，用于若每个所述维修工序中存在目标维修工序出现异常的情况，则获取所述目标维修工序中各设备的图像数据、设备检测数据；

第四获取单元，用于获取所述目标维修工序对应员工的静电检测数据和历史操作图像数据；

第三确定单元，用于基于所述图像数据、所述设备检测数据、所述静电检测数据和所述历史操作图像数据，确定所述目标维修工序出现异常的原因。

在本申请的一些实施例中，所述第三确定单元，具体用于：

将所述图像数据输入预先训练的第一图像异常检测模型，生成第一模型检测结果；

将所述历史操作图像数据输入预先训练的第二图像异常检测模型，生成第二模型检测结果；

获取对所述设备检测数据进行异常分析的第一数据分析结果；

获取对所述静电检测数据进行异常分析的第二数据分析结果；

基于所述第一模型检测结果、第二模型检测结果、第一数据分析结果以及第二数据分析结果，确定所述目标维修工序出现异常的原因。

在本申请的一些实施例中，在获取返修设备的第一标识数据之前，所述装置还包括：

第五获取单元，用于获取所述返修设备的初始标识数据，所述初始标识数据表征为所述返修设备的生产序列号；

第一转换单元，用于将所述初始标识数据转换为第一标识数据。

在本申请的一些实施例中，所述第五获取单元，具体用于：

获取返修设备的设备信息，所述设备信息包括设备生产信息，设备属性参数；

获取所述返修设备的零配件的标识信息；

基于所述设备信息和所述零配件的标识信息，确定所述返修设备的初始标识数据。

在本申请的一些实施例中，所述第一确定单元302，具体用于：

基于所述第一标识数据，查询所述返修设备的第二标识数据；

若查无结果，则创建所述第二标识数据，并建立所述第一标识数据与所述第二标识数据的关联关系。

在本申请的一些实施例中，所述第二确定单元304，具体用于：

基于每个所述维修工序和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序对应的进出次数要求阈值；

将每个所述维修工序的进出次数与每个所述维修工序对应的进出次数要求阈值分别进行比较；

若每个所述维修工序中存在目标维修工序的进出次数大于与所述目标维修工序对应的进出次数要求阈值的情况，则确定所述目标维修工序出现异常；

若每个所述维修工序中不存在目标维修工序的进出次数大于与所述目标维修工序对应的进出次数要求阈值的情况，则确定所述目标维修工序未出现异常。

本申请实施例提供的数据处理装置，包括第一获取单元301，用于获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；第一确定单元302，用于基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；第二获取单元303，用于基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；第二确定单元304，用于基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。本申请实施例通过在返修出场时的整机设备标识的基础上，新增一个与第一标识数据相对应的第二标识数据，并将第二标识数据应用于返修设备的返修过程中，避免了生产数据和返修数据之间的混淆，进一步地，通过利用第二标识数据，确定返修设备在每个维修工序的进出次数，以此作为判断维修工序是否出现异常的判断依据，便于后续探查返修设备维修异常的原因，提高返修效率。

除了上述介绍用于数据处理方法与装置之外，本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种数据处理装置，所述计算机设备包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述数据处理方法实施例中任一实施例中所述的任一方法的操作。

本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种数据处理装置。如图4所示，其示出了本申请实施例所涉及的计算机设备的结构示意图，具体来讲：

该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储单元402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储单元402内的软件程序和/或模块，以及调用存储在存储单元402的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储单元402可用于存储软件程序以及模块，处理器401通过运行存储在存储单元402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储单元402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储单元402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储单元402还可以包括存储器控制器，以提供处理器401对存储单元402的访问。

计算机设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该计算机设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本申请实施例中，计算机设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元402中，并由处理器401来运行存储在存储单元402中的应用程序，从而实现各种功能，如下：

获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

本申请提供一种数据处理方法，本申请实施例通过在返修出场时的整机设备标识的基础上，新增一个与第一标识数据相对应的第二标识数据，并将第二标识数据应用于返修设备的返修过程中，避免了生产数据和返修数据之间的混淆，进一步地，通过利用第二标识数据，确定返修设备在每个维修工序的进出次数，以此作为判断维修工序是否出现异常的判断依据，便于后续探查返修设备维修异常的原因，提高返修效率。

为此，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种数据处理方法中的步骤。例如，该指令可以执行如下步骤：

获取返修设备的第一标识数据，所述第一标识数据表征为所述返修设备出厂时的整机设备标识；基于所述第一标识数据，确定所述返修设备的第二标识数据，所述第二标识数据表征为所述返修设备在首次进行返修时生成的整机设备标识；基于所述第二标识数据，获取所述返修设备在每个维修工序的进出次数；基于每个所述维修工序的进出次数和预置的维修工序与进出次数要求阈值的映射关系，确定每个所述维修工序是否出现异常。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

以上对本申请实施例所提供的一种数据处理方法、装置、计算机设备及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。