CN108171421A - 一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法 - Google Patents
一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法 Download PDFInfo
- Publication number
- CN108171421A CN108171421A CN201711454733.2A CN201711454733A CN108171421A CN 108171421 A CN108171421 A CN 108171421A CN 201711454733 A CN201711454733 A CN 201711454733A CN 108171421 A CN108171421 A CN 108171421A
- Authority
- CN
- China
- Prior art keywords
- data
- rate
- efficiency
- score
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012423 maintenance Methods 0.000 claims abstract description 69
- 238000006243 chemical reaction Methods 0.000 claims description 43
- 238000013507 mapping Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000013480 data collection Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000000205 computational method Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000010276 construction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000000470 constituent Substances 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108090000951 RNA polymerase sigma 70 Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明及一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,本发明以运维宝所记录的路面运维工作数据为依据,通过数据预处理、统计分析、数学建模等步骤建立合理量化的路面运维处置效率和质量评估方法,为路面运维处置工作提供具有参考价值的数据依据,从而服务于城市交通运维管理工作;本发明方法所提供的智能交通设备***路面运维处置效率和质量评估方法是以历史数据统计分析为依据所建立的,与传统的以绩效考核规则制定的评估方法有本质的区别。
Description
技术领域
本发明涉及城市交通智能设备***运维领域,尤其涉及一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法。
背景技术
随着社会经济的发展,人们对出行的要求和品质越来越高,城市交通畅通和安全的管理问题也日益增多。近年来,各城市相继投资建设智慧交通,建设了大批交通配套的软硬件设施,采用信息化手段辅助解决城市交通问题。随着智能交通产业的不断发展,智能交通产业的投入越来越多,随着城市智能交通设备***的建设,建设后运维服务将逐渐步入市场并将承担越来越重的角色。
为了使投入建设的智能交通设备真正的更好的服务于社会,紧跟智慧城市建设发展,传统的设备设施运维信息化管理已经无法满足当前的智能交通设备***运维管理和服务需要,增加移动互联网、物联网思维,建设新型“互联网+运维”智能交通***设备设施运维***,实现设备运维的全过程管理。
基于目前城市交通压力的增加,使投入建设的智能交通设备真正的更好的服务于社会,建立合理有效的智能设备***路面运维处置效率和质量评估方法不仅可以使交管部门直观量化地了解目前的设备运维状况,而且可为如何提高路面设备***运维的处置效率和质量提供数据参考和依据。
目前,对于设备运维工作的效率和质量评估主要是从目标管理学角度出发建立绩效考核方法,然而对于智能设备***路面运维处置效率和质量评估并没有针对性的文章和专利。
由于智能设备***具备运维生命周期的特殊性,相较于警情发生的数量和地点具有随机性、处置通常是单次的;设备是有设备固定数量、固定点位、需要重复维修,不同设备类型评估的标准也不同;因此评估设备运维不能仅仅从单次的运维处置效率角度,更要从运维处置后的质量角度,还要从运维的设备类型角度进行评价。本发明是围绕维护单位的各类路面运维处置时的效率和运维处置后的质量所开展的,把单次处置快、运维质量好(设备完好率高、重复故障率低、故障密度低)、维护点位量大、维护点位范围广、操作规范等作为维护单位交通设备运维处置效率和质量高的依据。
发明内容
本发明为克服上述的不足之处,目的在于提供一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,本发明以运维宝所记录的路面运维工作数据为依据,通过数据预处理、统计分析、数学建模等步骤建立合理量化的路面运维处置效率和质量评估方法,为路面运维处置工作提供具有参考价值的数据依据,从而服务于城市交通运维管理工作。
本发明是通过以下技术方案达到上述目的:一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,包括如下步骤:
(1)从运维宝数据库中读取运维宝数据,并对运维宝数据进行预处理与统计,得到效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据;
(2)基于效率类指标数据、质量类指标数据、工作量类指标数据、规范类指标数据分别选取代表性指标,并对选取的指标进行折算修正,得到代表性指标数据集;
(3)对代表性指标数据集进行分布检验,根据指标数据集的概率分布函数建立数据与百分制的映射关系,建立评分准则后计算各个设备类型的代表性指标得分。
作为优选,还包括以下步骤:
(4)基于步骤(3)得到的代表性指标得分,采用目标优化矩阵设置权重,并通过加权分别计算各个设备类型的效率得分和质量得分;
(5)根据效率得分、质量得分和规范性得分,基于目标优化矩阵通过加权计算路面运维处置效率和质量的得分;
(6)根据路面运维处置效率和质量得分,按照平均加权的思路,通过加权计算得到维护单位的路面运维处置效率和质量综合得分。
作为优选,所述的运维宝数据包含设备点位数据和工单数据;其中设备点位数据包括设备类型、点位位置、建设年限、所属维护单位信息;工单数据包括下发时间、期限完成时间、指派时间、到达时间、完成时间、催办记录、图片及工单状态。
作为优选,所述效率类指标数据为响应时长、到达时长、处置时长、完成时长、超时率、催办率中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;
其中,到达时长表示运维人员接到工单后到达现场的速度;处置时长表示运维人员到达现场后解决故障的效率;完成时长表示维护单位从接到工单到解决故障的效率;超时率表示从工单处置超时的角度,反映维护单位运维处置的效率;催办率表示从工单被催办的角度,反映维护单位运维处置的效率;所述质量类指标数据为设备完好率、重复故障率、故障密度中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,设备完好率表示在一段时间范围内设备处于正常工作状态的概率;重复故障率表示设备发生故障经维修处置后,一段时间内再次发生故障的频率;故障密度表示在一段时间范围内设备发生故障的频率;所述工作量类指标数据为工单量、维护的设备点位量、维护点位范围中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,工单量表示一段时间范围内维护单位接收的工单数量;维护的设备点位量表示维护单位需要维护的设备点位数量;维护点位范围表示维数单位需要维护的设备点位分布的区域范围;所述规范类指标数据表示维护人员信息反馈操作不规范的指标数据,为上传图片不规范的数量或占比、非运维宝反馈的工单数量或占比中的至少一个指标数据。
作为优选,所述步骤(2)中选取代表性指标的步骤具体如下: (i)对效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据,分别建立目标优化矩阵表;
(ii)将纵轴上的项目依次与横轴上的项目对比,由专家进行投票表决,如果纵轴上的项目比横轴上的项目重要,那么在两个项目交叉的格子中真“1”,否则填“0”,最后将每行数字相加,根据合计的数值进行排序;
(iii)分别选取效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据排序前固定数量位的指标。
作为优选,所述步骤(2)中对选取的指标进行折算修正的步骤具体如下:
(I)选取设备完好率、重复故障率、故障密度作为质量类指标:基于历史数据拟合设备完好率和设备使用年限的数据关系:设备完好率=h(使用年限);根据数据拟合关系,建立设备完好率折算模型=当前设备完好率*f1(设备使用年限),同理获得故障密度和使用年限的数据拟合关系:故障密度=g(使用年限),建立故障密度折算模型=当前故障密度*f2(设备使用年限),获得重复故障密度和使用年限的数据拟合关系:故障密度=z(使用年限),建立重复故障率折算模型=当前重复故障折算率*f3(设备使用年限),并对设备完好率和故障密度进行修正;
(II)根据上述选取的效率类指标和历史数据建立完成时长的折算模型=当前完成时长*f4(维护点位范围半径,设备点位量)、超时率的折算模型=当前超时率*f5(维护点位范围半径,设备点位量)、催办率的折算模型=当前催办率*f6(维护点位范围半径,设备点位量),并对选取的效率类指标进行折算修正;
(III)最后选取完成时长(修正)、超时率(修正)、催办率(修正) 三个效率类指标和设备完好率(修正)、重复故障率、故障密度(修正)三个质量类指标作为代表性指标数据集。
作为优选,所述步骤(3)具体包括如下步骤:
(3.1)通过数据统计方法为代表性指标数据集进行分布检验,根据指标数据集的概率密度函数建立数据与百分制的映射关系;
(3.2)建立评分准则,具体如下:
完成时长:代表完成工作所耗费的时间,遵循“时长越短越好”;超时率:代表完成工作是否超时的比率,遵循“超时率越低越好”;催办率:代表完成工作过程中是否被催办的比率,遵循“催办率越低越好”;
设备完好率:代表设备正常工作时间的概率,遵循“设备完好率越高越好”;
重复故障率:代表设备维修后48小时内又出现故障的比率,遵循“重复故障率越低越好”;
故障密度:代表设备发生故障的频率,遵循“故障密度越小越好”;分别基于完成时长指标、超时率指标、催办率指标、设备完好率指标、重复故障率指标、故障密度指标建立单一指标与百分制的映射关系;
(3.3)根据单一指标与百分制的映射关系分别计算各个设备类型的代表性指标得分。
作为优选,所述步骤(4)效率得分的计算和质量得分的计算分别如下:
(a)效率得分的计算方法为根据合计结果计算权重,为每项指标的“合计”基础上加1;其中,超时率:催办率:完成时长=3:2:1;根据权重计算各个设备类型的效率得分;
(b)质量得分的计算方法为根据合计结果计算权重,为每项指标的“合计”基础上加1;其中,设备完好率:故障密度:重复故障率=3: 2:1;根据权重计算各个设备类型的质量得分。
作为优选,所述通过加权计算路面运维处置效率和质量的得分的方法为根据合计结果计算权重,为每项指标的“合计”基础上加1;其中,质量得分:效率得分:规范性得分=3:2:1;最后根据权重计算得到各个设备类型的路面运维处置效率和质量得分。
作为优选,所述在步骤(6)计算维护单位的路面运维处置效率和质量综合得分时,若某一维护单位没有某一设备类型的运维,则该设备类型的得分取min{各个设备类型平均得分,60},再按照平均加权计算维护单位的路面运维处置效率和质量综合得分。
本发明的有益效果在于:(1)本方法所提供的智能交通设备***路面运维处置效率和质量评估方法是以历史数据统计分析为依据所建立的,与传统的以绩效考核规则制定的评估方法有本质的区别;(2) 本方法在评价的过程中结合质量指标、效率指标、量类指标、规范性指标四类指标进行评价,并通过历史数据建立折算模型对代表性指标进行修正,使得评估模型更加完善、计算结果准确性高;(3)本方法在评价过程中根据设备类型进行评价后,再进行综合评价,使得评估模型更加实用;(4)本方法采用目标优化矩阵进行权重设置,使得权重设置更加合理。
附图说明
图1是本发明方法的流程示意图;
图2是本发明实施例的运维宝原始数据-设备点位数据示意图;
图3是本发明实施例的运维宝原始数据-设备类型示意图;
图4是本发明实施例的运维宝原始数据-工单数据示意图;
图5是本发明实施例的运维宝原始数据-工单图片示意图;
图6是本发明实施例的运维宝原始数据-催办记录示意图;
图7是本发明实施例的故障密度和使用年限的数据拟合关系示意图;
图8是本发明实施例的正态分布概率密度曲线图;
图9是本发明实施例的完成时长指标与得分区间映射示意图;
图10是本发明实施例的设备完好率指标与得分区间映射示意图。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此:
实施例1:本实施例采用运维宝某市区2016年9月1日~2017年 8月31日期间各个维护的路面运维处置数据。
如图1所示,一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法包括如下步骤:
步骤1:从数据库读取运维宝数据
运维宝数据包含:
(1)设备点位数据,如图2所示:包括设备类型、点位位置、建设年限、所属维护单位;其中设备类型示意图如图3所示。
(2)工单数据,如图4所示:包括下发时间、期限完成时间、指派时间、到达时间、完成时间、催办记录、图片(包括处置前故障图片、处置中过程图片、处置后设备恢复正常的图片)、工单状态;其中,工单图片如图5所示;
下发时间:维管中心接到设备故障报修将工单下发至维护单位的下发时间;
期限完成时间:维管中心下发工单时要求维护单位必须在规定时间内完成的期限完成时间,一般是24小时内,异常情况下维护单位可以向维管中心申请延期,修改期限完成时间。超过期限完成时间才完成属于超时。
指派时间:维护单位接到工单后,将工单指派给运维人员的指派时间;
到达时间:运维人员接收到工单指派,到达现场,使用运维宝记录的到达时间;
完成时间:运维人员处理完故障,使用运维宝反馈的完成时间;
催办记录:因工单超时未完成,维管中心催促维护单位抓紧维修处置的记录;如图6所示;
注:存在某条工单到达时间为空的情况,可能是由于网络等原因,运维人员无法对运维宝进行操作,从而在工单处理完成时告诉调度室,调度室人员对运维工作进行完成时间的登记。
步骤2:原始数据预处理与统计:
本发明所设计的交通设备设施路面运维处置效率和质量评估基于历史的运维工单数据,因此过滤正在处置中并且尚未超时的工单数据,然后根据以上原始数据,分别获得以下各设备类型指标数据。
根据交通设备运维的特点,将指标分为四大类:即效率类指标、质量类指标、工作量(范围)类指标、规范类指标。
(1)效率类指标:
响应时长:反映维管中心下发工单至维护单位,维护单位响应的速度,以维护单位将工单指派给运维人员为节点;响应时长=指派时间-下发时间;
到达时长:反映运维人员接到工单后,到达现场的速度;到达时长=到达时间-指派时间;
处置时长:反映运维人员到达现场后,解决故障的效率;处置时长=完成时间-到达时间;
完成时长:反映维护单位从接到工单到解决故障的效率;完成时长=完成时间-下发时间;
超时率:从工单处置超时的角度,反映维护单位运维处置的效率;超时率=超时工单/工单总量;
催办率:从工单被催办的角度,反映维护单位运维处置的效率;催办率=催办工单/工单总量;
下表1所示的是各单位某月电子警察运维效率类数据预统计表:
表1
(2)质量类指标:质量类指标是设备运维特有的指标,主要包括设备完好率、重复故障率、故障密度、设备使用年限。
设备完好率:即在一段时间范围内设备处于正常工作状态的概率。设备完好率=正常工作时长/总时长;正常工作时长=总时长-故障时长;故障时长=sum(完成时间-下发时间)。
重复故障率:即设备发生故障经维修处置后,一段时间(如24 小时)内再次发生故障的频率;重复故障率=重复故障工单量/工单总量。
故障密度:即在一段时间范围内设备发生故障的频率。故障密度=工单量/天数;
设备使用年限:设备有其生命周期的特殊性,相对而言,使用年限越短,设备完好率越高,故障密度越小。
下表2所示的是各单位某月电子警察运维质量类数据预统计表:
表2
(3)工作量类指标:包括维护单位接收的工单量、维护的设备点位量、维护点位范围:
设备点位量:即维护单位维护的设备点位总量,点位量的大小会影响维护单位的运维处置效率,点位量越大,工单量也相应越大,在运维人员固定的情况下,会增加人均任务量,从而导致维护单位运维处置效率越低。
维护点位范围:维护点位范围会直接影响运维人员到达现场的效率,点位间距离越短、运维人员从一个点位前往另一个故障点位所花费的时间就越短,从而影响维护单位运维处置效率,本发明以维护点位的范围半径作为维护点位范围的指标。
下表3所示的是各单位设备点位维护量及范围半径:
表3
(4)规范类指标:表示维护人员信息反馈操作不规范的指标数据,包括是否按要求上传和反馈图片、是否按要求使用运维宝进行反馈:
图片上传反馈不规范的工单:运维宝要求运维人员在到达现场时,进行到达反馈,拍摄现场图片;维修处置时,拍摄维修前图片、维修中过程图片、维修后正常图片;保证数据真实性和可靠性,本发明把那些上传反馈的图片少于4张的工单数量作为规范类指标之一。
非运维宝反馈的工单:运维宝要求运维人员通过运维宝实现现场操作与数据录入时空同步;本发明把那些没有按要求使用运维宝进行反馈的工单数量作为规范类指标之一。
下表4所示的是各单位某月规范性数据预统计表:
表4
步骤3:选取代表性指标,并对选取的指标进行折算修正:
(1)效率类指标选取:
采用目标优化矩阵选取效率类指标,目标优化矩阵的工作原理就是把人脑的模糊思维,简化为计算机的1/0式逻辑思维,最后得出量化的结果,这种方法不仅量化准确,而且简单、方便、快捷。
目标优化矩阵表的用法为:将纵轴上的项目依次与横轴上的项目对比,由专家进行投票表决,如果纵轴上的项目比横轴上的项目重要,那么在两个项目交叉的格子中真“1”,否则填“0”,最后将每行数字相加,根据合计的数值进行排序。
如表5所示;选取排序前3的指标即完成时长、超时率、催办率作为效率类指标;
表5
(2)质量类指标处理和选取:
选取设备完好率、重复故障率、故障密度作为质量类指标;
并鉴于设备有其生命周期的特殊性,相对而言,使用年限越短,设备完好率越高,故障密度越小,对不同的维护单位而言,其维护的设备的使用年限有所不同,进而设备完好率、故障密度的评价基准有所区别,因此需要根据设备使用年限对设备完好率和故障密度进行折算修正,保障评价指标的客观性。本发明根据历史所有运维单位的使用年限、设备完好率、故障密度数据,拟合设备完好率和设备使用年限的数据关系:设备完好率=h(使用年限),根据数据拟合关系,建立设备完好率折算模型=当前设备完好率*f1(设备使用年限),同理获得故障密度和使用年限的数据拟合关系:故障密度=g(使用年限),建立故障密度折算模型=当前故障密度*f2(设备使用年限),获得重复故障密度和使用年限的数据拟合关系:故障密度=z(使用年限),建立重复故障率折算模型=当前重复故障折算率*f3(设备使用年限);
演示:如图7所示,故障密度和使用年限的数据拟合关系:故障密度=g(使用年限),以此为基准,当使用年限为x1时,故障密度为g(x1),当使用年限为x2时,故障密度为g(x2)是大多数维护设备的基本情况,假设,当前故障密度为y,可行的一个故障密度折算模型=y/g(x),即f2=1/g(x),假设维护单位A设备使用年限为x1,当前故障密度为y1,维护单位B设备使用年限为x2,当前故障密度为y2,则维护单位A故障密度折算=y1/g(x1),维护单位B故障密度这算=y2/g(x2),维护单位A、B运维质量情况:
1)维护单位A,当前故障密度y1=g(x1),故障密度折算=1,维护单位B,当前故障密度y2=g(x2),故障密度折算=1,说明维护单位A、B都达到了大多数维护设备的基本水平;
2)维护单位A,当前故障密度y1<g(x1),故障密度折算<1, 说明维护单位A的维护设备水平较高;
3)维护单位B,当前故障密度y1>g(x1),故障密度折算>1,说明维护单位A的维护设备水平较低。
可行的另一个故障密度折算模型=(y+a)/(g(x)+b),a、b 为调节系数,以减小当分母大小差距较远时,折算基准偏差大的问题。如y=2,g(x)=3,和y=199,g(x)=200,虽然两组y和g(x)的偏差都为1,但是其比例y/g(x),前一组明显小于后一组,引入调节系数a、b,可以减小其差距。
(3)工作量类指标处理:
鉴于设备点位量的大小会影响维护单位的运维处置效率,点位量越大,工单量也相应越大,在运维人员固定的情况下,会增加人均任务量,从而导致维护单位运维处置效率越低;鉴于维护点位范围半径会直接影响运维人员到达现场的效率,点位间距离越短、运维人员从一个点位前往另一个故障点位所花费的时间就越短,从而影响维护单位运维处置效率,根据上述选取的效率类指标和历史数据建立完成时长的折算模型=当前完成时长*f4(维护点位范围半径,设备点位量)、超时率的折算模型=当前超时率*f5(维护点位范围半径,设备点位量)、催办率的折算模型=当前催办率*f6(维护点位范围半径,设备点位量),然后对选取的效率类指标进行折算修正。
最后选取完成时长(修正)、超时率(修正)、催办率(修正)三个效率类指标和设备完好率(修正)、重复故障率、故障密度(修正) 三个质量类指标作为代表性指标数据集。表6所示的是各单位某月电子警察代表性指标(修正值)。
表6
步骤4:计算各个设备类型的代表性指标得分:
1、通过数据统计方法为选取代表性指标集进行分布检验,根据指标数据集的概率密度函数建立数据与百分制的映射关系。
若某一个指标的服从正态分布,概率密度函数为其中正态分布概率密度曲线图如图8所示。
2、建立评分准则:
完成时长:代表完成工作所耗费的时间,需要遵循“时长越短越好”;
超时率:代表完成工作是否超时的比率,需要遵循“超时率越低越好”;
催办率:代表完成工作过程中是否被催办的比率,需要遵循“催办率越低越好”;
设备完好率:代表设备正常工作时间的概率,需要遵循“设备完好率越高越好”;
重复故障率:代表设备维修后48小时内又出现故障的比率,需要遵循“重复故障率越低越好”;
故障密度:代表设备发生故障的频率,需要遵循“故障密度越小越好”。
(1)例如:若该指标为完成时长指标,则指标与得分的曲线对应关系可以如图9(横轴代表完成时长,纵轴代表得分)中的曲线示意图所示,即完成时长越短得分越高,中间虚线为完成时长均值点。可按照概率密度函数曲线的进行得分区间的设置。
根据业务、线性函数映射等方法自定义建立完成时长指标与百分制的映射关系,本发明采用以下映射关系,如表7所示:
得分 | 时长取值 |
100 | ≤μ-3σ |
95 | μ-2σ |
90 | μ-σ |
80 | μ |
70 | μ+σ |
65 | μ+2σ |
60 | ≥μ+3σ |
表7
同理,建立超时率、催办率、重复故障率、故障密度指标均和完成时长指标一致的百分制映射关系;
(2)若该指标为设备完好率,则指标与得分的曲线对应关系可以如图10(横轴代表设备完好率,纵轴代表得分)的曲线示意图所示,即设备完好率越高得分越高,中间虚线为设备完好率指标均值点。可按照概率密度函数曲线的进行得分区间的设置。
根据业务、线性函数映射等方法自定义建立完成时长指标与百分制的映射关系,本发明采用以下映射关系,如表8所示:
得分 | 设备完好率 |
100 | ≥μ+3σ |
95 | μ+2σ |
90 | μ+σ |
80 | μ |
70 | μ-σ |
65 | μ-2σ |
60 | ≤μ-3σ |
表8
3、计算得分
根据各单一指标集与百分制的映射关系,分别计算各个设备类型代表性指标得分,以“电子警察”为例,如表9所示:
表9
步骤5:计算效率得分和质量得分:
根据步骤4的得分,按照目标优化矩阵设置权重,通过加权分别计算各个设备类型的效率得分和质量得分:
1、计算效率得分,如表10所示为效率得分目标优化矩阵表;
表10
根据合计结果计算权重,为每项指标的“合计”基础上加1;
超时率:催办率:完成时长=3:2:1;
根据权重计算各个设备类型的效率得分,如表11所示的是维护单位各个设备类型的效率得分:
维护单位 | 电子警察 | 卡口 | 视频监控 | 单行道 | 实线变道 |
A单位 | |||||
B单位 | |||||
C单位 | |||||
D单位 | |||||
E单位 | |||||
F单位 | |||||
G单位 | |||||
H单位 | |||||
I单位 | |||||
J单位 |
表11
2、计算质量得分,如表12所示为质量得分目标优化矩阵表:
表12
根据合计结果计算权重,为每项指标的“合计”基础上加1;
设备完好率:故障密度:重复故障率=3:2:1;
根据权重计算各个设备类型的质量得分,如表13所示的是维护单位各个设备类型的质量得分:
维护单位 | 电子警察 | 卡口 | 视频监控 | 单行道 | 实线变道 |
A单位 | |||||
B单位 | |||||
C单位 | |||||
D单位 | |||||
E单位 | |||||
F单位 | |||||
G单位 | |||||
H单位 | |||||
I单位 | |||||
J单位 |
表13
步骤6:计算规范性得分:
由于运维人员在运维处置过程中未按照要求操作运维宝,所以产生了非运维宝反馈和图片上传反馈不规范的运维工单数据,因此非运维宝反馈的工单和图片上传反馈不规范工单占比越小则运维处置过程越规范。
在具体的路面运维处置工作中,可能存在运维部网络信号中断等客观问题而导致工单无法用运维宝进行反馈,从而需要联系指挥中心对工单进行反馈,这类数据属于非运维宝反馈的工单。因此,可以设定一个阈值(比如5%),非运维宝反馈的工单在阈值范围内属于合理的。
根据业务设定可自定义建立非运维宝反馈工单和图片上传反馈不规范工单的占比指标与百分制的映射关系,例如表14所示的是非运维宝反馈工单和图片上传不规范工单的占比指标与百分制的映射表:
表14
通过建立的单一指标与百分制得分的映射关系通过加权计算规范性得分,加权平均的权重设置可以根据业务逻辑中各个指标的重视程度,本发明中按照常规思路,即各类指标平均加权的思路设置权重。如表15所示的是维护单位的规范得分:
表15
步骤7:计算维护单位各个设备类型的路面运维处置效率和质量得分:
根据步骤5、步骤6的得分,本发明中按照目标优化矩阵的思路,通过加权计算路面运维处置效率和质量的最终得分。表16所示的是效率和质量得分目标优化矩阵表。
表16
根据合计结果计算权重,为每项指标的“合计”基础上加1;
质量得分:效率得分:规范性得分=3:2:1;
根据权重计算各个设备类型的路面运维处置效率和质量得分;表 17所示的是维护单位各个设备类型的效率和质量得分;
维护单位 | 电子警察 | 卡口 | 视频监控 | 单行道 | 实线变道 |
A单位 | |||||
B单位 | |||||
C单位 | |||||
D单位 | |||||
E单位 | |||||
F单位 | |||||
G单位 | |||||
H单位 | |||||
I单位 | |||||
J单位 |
表17
步骤8:计算维护单位的路面运维处置效率和质量综合得分:
根据步骤7中各个设备类型的路面运维处置效率和质量得分,本发明中按照平均加权的思路,通过加权计算维护单位的路面运维处置效率和质量综合得分;若某一维护单位没有某一设备类型的运维,则该设备类型的得分取min{各个设备类型平均得分,60},再按照平均加权计算维护单位的路面运维处置效率和质量综合得分。表18所示的是维护单位的综合得分:
表18
实施例2:本实施例采用运维宝某市区2016年9月1日~2017年 8月31日期间各个维护的路面运维处置数据。
一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,包括如下步骤:
(1)从运维宝数据库中读取运维宝数据,并对运维宝数据进行预处理与统计,得到效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据;
运维宝数据包含:设备点位数据:包括设备类型、点位位置、建设年限、所属维护单位;工单数据:包括下发时间、期限完成时间、指派时间、到达时间、完成时间、催办记录、图片(包括处置前故障图片、处置中过程图片、处置后设备恢复正常的图片)、工单状态。
对运维宝数据进行预处理,包括剔除异常数据和缺失数据,如:下发时间、到达时间、完成时间不符合时间先后顺序的数据为异常数据;因网络问题引起的数据缺失。
效率类指标数据为响应时长、到达时长、处置时长、完成时长、超时率、催办率中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,到达时长表示运维人员接到工单后到达现场的速度;处置时长表示运维人员到达现场后解决故障的效率;完成时长表示维护单位从接到工单到解决故障的效率;超时率表示从工单处置超时的角度,反映维护单位运维处置的效率;催办率表示从工单被催办的角度,反映维护单位运维处置的效率;
质量类指标数据为设备完好率、重复故障率、故障密度中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,设备完好率表示在一段时间范围内设备处于正常工作状态的概率;重复故障率表示设备发生故障经维修处置后,一段时间内再次发生故障的频率;故障密度表示在一段时间范围内设备发生故障的频率。
工作量类指标数据为工单量、维护的设备点位量、维护点位范围中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,工单量表示一段时间范围内维护单位接收的工单数量;维护的设备点位量表示维护单位需要维护的设备点位数量;维护点位范围表示维数单位需要维护的设备点位分布的区域范围;
规范类指标数据表示维护人员信息反馈操作不规范的指标数据,为上传图片不规范的数量或占比、非运维宝反馈的工单数量或占比中的至少一个指标数据。
(2)基于效率类指标数据、质量类指标数据、工作量类指标数据、规范类指标数据分别选取代表性指标,并对选取的指标进行折算修正,得到代表性指标数据集;
选取代表性指标,可以采用:1)人为指定,分别选取2-3个效率类指标数据、质量类指标数据、工作量类指标数据、规范类指标数据的代表性指标;2)可选为代表性指标的指标作为项目,建立目标优化矩阵表,将纵轴上的项目依次与横轴上的项目对比,由专家进行投票表决,如果纵轴上的项目比横轴上的项目重要,那么在两个项目交叉的格子中真“1”,否则填“0”,最后将每行数字相加,根据合计的数值进行排序,分别选取效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据排序前2-3个的指标。
对选取的指标进行折算修正,可以采用:
1)根据设备供应商在出厂设备前的测试数据,建立折算修正表格;表格纵轴/横轴为效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据的代表性指标,横轴/纵轴为代表性指标的影响因素,交叉的格子中为根据测试数据获得的折算因子。如纵轴项为设备完好率,横轴项为设备使用年限,交叉格子为设备完好率的折算因子,当设备使用年限为0时,即维护的设备是新设备,折算因子为1,当设备使用年限为5时,维护的设备相对较旧,维护成本相对较高,折算因子为0.8。修正后的指标数据=选取的指标数据*折算因子。
2)根据历史运维数据,拟合选取的代表性指标和代表性指标的影响因素之间的数据关系,根据数据拟合关系,建立代表性指标的折算模型。如故障密度和使用年限的数据拟合关系:故障密度=g(使用年限),以此为基准,当使用年限为x1时,故障密度为g(x1),当使用年限为x2时,故障密度为g(x2)是大多数维护设备的基本情况,假设,当前故障密度为y,可行的一个故障密度折算模型=y/g(x),可行的另一个故障密度折算模型=(y+a)/(g(x)+b),a、b为调节系数。
(3)对代表性指标数据集进行分布检验,根据指标数据集的概率分布函数建立数据与百分制的映射关系,建立评分准则后计算各个设备类型的代表性指标得分;
设备类型包括电子警察、卡口、视频监控、单行道、实现变道等,对单个维护单位维护的各个设备类型分别进行代表性指标选取、修正和百分制映射,实现运维处置效率和质量评估。如电子警察设备的效率类指标为处置时长、质量类指标为设备完好率、工作量类指标为工单量、规范类指标为图片上传不规范的占比,运维单位A的打分分别为85,89,78,60;运维单位B的打分分别为95,95,95,95。由此可基本判断运维单位B的处置效率和质量高于运维单位A,可以适当提醒运维单位A在操作规范上需要加强。
以上的所述乃是本发明的具体实施例及所运用的技术原理,若依本发明的构想所作的改变,其所产生的功能作用仍未超出说明书及附图所涵盖的精神时,仍应属本发明的保护范围。
Claims (10)
1.一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于,包括如下步骤:
(1)从运维宝数据库中读取运维宝数据,并对运维宝数据进行预处理与统计,得到效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据;
(2)基于效率类指标数据、质量类指标数据、工作量类指标数据、规范类指标数据分别选取代表性指标,并对选取的指标进行折算修正,得到代表性指标数据集;
(3)对代表性指标数据集进行分布检验,根据指标数据集的概率分布函数建立数据与百分制的映射关系,建立评分准则后计算各个设备类型的代表性指标得分。
2.根据权利要求1所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:还包括以下步骤:
(4)基于步骤(3)得到的代表性指标得分,采用目标优化矩阵设置权重,并通过加权分别计算各个设备类型的效率得分和质量得分;
(5)根据效率得分、质量得分和规范性得分,基于目标优化矩阵通过加权计算路面运维处置效率和质量的得分;
(6)根据路面运维处置效率和质量得分,按照平均加权的思路,通过加权计算得到维护单位的路面运维处置效率和质量综合得分。
3.根据权利要求1或2所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述的运维宝数据包含设备点位数据和工单数据;其中设备点位数据包括设备类型、点位位置、建设年限、所属维护单位信息;工单数据包括下发时间、期限完成时间、指派时间、到达时间、完成时间、催办记录、图片及工单状态。
4.根据权利要求1或2所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述效率类指标数据为响应时长、到达时长、处置时长、完成时长、超时率、催办率中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,到达时长表示运维人员接到工单后到达现场的速度;处置时长表示运维人员到达现场后解决故障的效率;完成时长表示维护单位从接到工单到解决故障的效率;超时率表示从工单处置超时的角度,反映维护单位运维处置的效率;催办率表示从工单被催办的角度,反映维护单位运维处置的效率;所述质量类指标数据为设备完好率、重复故障率、故障密度中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,设备完好率表示在一段时间范围内设备处于正常工作状态的概率;重复故障率表示设备发生故障经维修处置后,一段时间内再次发生故障的频率;故障密度表示在一段时间范围内设备发生故障的频率;所述工作量类指标数据为工单量、维护的设备点位量、维护点位范围中的至少一个指标数据,该指标数据包括具体实时数据或平均数据;其中,工单量表示一段时间范围内维护单位接收的工单数量;维护的设备点位量表示维护单位需要维护的设备点位数量;维护点位范围表示维数单位需要维护的设备点位分布的区域范围;所述规范类指标数据表示维护人员信息反馈操作不规范的指标数据,为上传图片不规范的数量或占比、非运维宝反馈的工单数量或占比中的至少一个指标数据。
5.根据权利要求1或2所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述步骤(2)中选取代表性指标的步骤具体如下:
(i)对效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据,分别建立目标优化矩阵表;
(ii)将纵轴上的项目依次与横轴上的项目对比,由专家进行投票表决,如果纵轴上的项目比横轴上的项目重要,那么在两个项目交叉的格子中真“1”,否则填“0”,最后将每行数字相加,根据合计的数值进行排序;
(iii)分别选取效率类指标数据、质量类指标数据、工作量类指标数据和规范类指标数据排序前固定数量位的指标。
6.根据权利要求1所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述步骤(2)中对选取的指标进行折算修正的步骤具体如下:
(I)选取设备完好率、重复故障率、故障密度作为质量类指标:基于历史数据拟合设备完好率和设备使用年限的数据关系:设备完好率=h(使用年限);根据数据拟合关系,建立设备完好率折算模型=当前设备完好率*f1(设备使用年限),同理获得故障密度和使用年限的数据拟合关系:故障密度=g(使用年限),建立故障密度折算模型=当前故障密度*f2(设备使用年限),获得重复故障密度和使用年限的数据拟合关系:故障密度=z(使用年限),建立重复故障率折算模型=当前重复故障折算率*f3(设备使用年限),并对设备完好率和故障密度进行修正;
(II)根据上述选取的效率类指标和历史数据建立完成时长的折算模型=当前完成时长*f4(维护点位范围半径,设备点位量)、超时率的折算模型=当前超时率*f5(维护点位范围半径,设备点位量)、催办率的折算模型=当前催办率*f6(维护点位范围半径,设备点位量),并对选取的效率类指标进行折算修正;
(III)最后选取完成时长(修正)、超时率(修正)、催办率(修正)三个效率类指标和设备完好率(修正)、重复故障率、故障密度(修正)三个质量类指标作为代表性指标数据集。
7.根据权利要求1或2所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述步骤(3)具体包括如下步骤:
(3.1)通过数据统计方法为代表性指标数据集进行分布检验,根据指标数据集的概率密度函数建立数据与百分制的映射关系;
(3.2)建立评分准则,具体如下:
完成时长:代表完成工作所耗费的时间,遵循“时长越短越好”;
超时率:代表完成工作是否超时的比率,遵循“超时率越低越好”;
催办率:代表完成工作过程中是否被催办的比率,遵循“催办率越低越好”;
设备完好率:代表设备正常工作时间的概率,遵循“设备完好率越高越好”;
重复故障率:代表设备维修后一段时间内又出现故障的比率,遵循“重复故障率越低越好”;
故障密度:代表设备发生故障的频率,遵循“故障密度越小越好”;
分别基于完成时长指标、超时率指标、催办率指标、设备完好率指标、重复故障率指标、故障密度指标建立单一指标与百分制的映射关系;
(3.3)根据单一指标与百分制的映射关系分别计算各个设备类型的代表性指标得分。
8.根据权利要求2所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述步骤(4)效率得分的计算和质量得分的计算分别如下:
(a)效率得分的计算方法为根据合计结果计算权重,为每项指标的“合计”基础上加1;其中,超时率:催办率:完成时长=3:2:1;根据权重计算各个设备类型的效率得分;
(b)质量得分的计算方法为根据合计结果计算权重,为每项指标的“合计”基础上加1;其中,设备完好率:故障密度:重复故障率=3:2:1;根据权重计算各个设备类型的质量得分。
9.根据权利要求2所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述通过加权计算路面运维处置效率和质量的得分的方法为根据合计结果计算权重,为每项指标的“合计”基础上加1;其中,质量得分:效率得分:规范性得分=3:2:1;最后根据权重计算得到各个设备类型的路面运维处置效率和质量得分。
10.根据权利要求2所述的一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法,其特征在于:所述在步骤(6)计算维护单位的路面运维处置效率和质量综合得分时,若某一维护单位没有某一设备类型的运维,则该设备类型的得分取min{各个设备类型平均得分,60},再按照平均加权计算维护单位的路面运维处置效率和质量综合得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711454733.2A CN108171421B (zh) | 2017-12-28 | 2017-12-28 | 一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711454733.2A CN108171421B (zh) | 2017-12-28 | 2017-12-28 | 一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108171421A true CN108171421A (zh) | 2018-06-15 |
CN108171421B CN108171421B (zh) | 2021-03-16 |
Family
ID=62519100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711454733.2A Active CN108171421B (zh) | 2017-12-28 | 2017-12-28 | 一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171421B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830391A (zh) * | 2018-06-20 | 2018-11-16 | 北京金风慧能技术有限公司 | 风力发电机组运维管理***、方法和计算机设备 |
CN111582661A (zh) * | 2020-04-17 | 2020-08-25 | 岭东核电有限公司 | 核电站用过滤器更换的综合评价方法、装置及终端设备 |
CN113642749A (zh) * | 2021-08-30 | 2021-11-12 | 上海红星云计算科技有限公司 | 物业设施设备管理平台及方法 |
CN115376315A (zh) * | 2022-08-09 | 2022-11-22 | 北京交通发展研究院 | 一种面向路网排放核算的多层级卡口质量控制方法 |
CN116307286A (zh) * | 2023-05-19 | 2023-06-23 | 安徽数智建造研究院有限公司 | 一种基于数字化的建筑运维工单监控管理*** |
US20230204241A1 (en) * | 2021-10-13 | 2023-06-29 | Johnson Controls Tyco IP Holdings LLP | Building system for building equipment with data health operations |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2290596A1 (en) * | 2009-08-27 | 2011-03-02 | Hitachi Ltd. | Power plant life cycle costing system and power plant life cycle costing method |
CN104063753A (zh) * | 2013-03-22 | 2014-09-24 | 上海电科智能***股份有限公司 | 一种智能交通运维绩效综合评价方法 |
CN104951893A (zh) * | 2015-06-24 | 2015-09-30 | 银江股份有限公司 | 一种面向城市交通的交警路面警情处置效率评估方法 |
CN106600114A (zh) * | 2016-11-25 | 2017-04-26 | 国网河南省电力公司电力科学研究院 | 一种采集运维***多维度质量评价方法 |
-
2017
- 2017-12-28 CN CN201711454733.2A patent/CN108171421B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2290596A1 (en) * | 2009-08-27 | 2011-03-02 | Hitachi Ltd. | Power plant life cycle costing system and power plant life cycle costing method |
CN104063753A (zh) * | 2013-03-22 | 2014-09-24 | 上海电科智能***股份有限公司 | 一种智能交通运维绩效综合评价方法 |
CN104951893A (zh) * | 2015-06-24 | 2015-09-30 | 银江股份有限公司 | 一种面向城市交通的交警路面警情处置效率评估方法 |
CN106600114A (zh) * | 2016-11-25 | 2017-04-26 | 国网河南省电力公司电力科学研究院 | 一种采集运维***多维度质量评价方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830391A (zh) * | 2018-06-20 | 2018-11-16 | 北京金风慧能技术有限公司 | 风力发电机组运维管理***、方法和计算机设备 |
CN111582661A (zh) * | 2020-04-17 | 2020-08-25 | 岭东核电有限公司 | 核电站用过滤器更换的综合评价方法、装置及终端设备 |
CN113642749A (zh) * | 2021-08-30 | 2021-11-12 | 上海红星云计算科技有限公司 | 物业设施设备管理平台及方法 |
US20230204241A1 (en) * | 2021-10-13 | 2023-06-29 | Johnson Controls Tyco IP Holdings LLP | Building system for building equipment with data health operations |
CN115376315A (zh) * | 2022-08-09 | 2022-11-22 | 北京交通发展研究院 | 一种面向路网排放核算的多层级卡口质量控制方法 |
CN115376315B (zh) * | 2022-08-09 | 2023-10-24 | 北京交通发展研究院 | 一种面向路网排放核算的多层级卡口质量控制方法 |
CN116307286A (zh) * | 2023-05-19 | 2023-06-23 | 安徽数智建造研究院有限公司 | 一种基于数字化的建筑运维工单监控管理*** |
CN116307286B (zh) * | 2023-05-19 | 2023-08-22 | 安徽数智建造研究院有限公司 | 一种基于数字化的建筑运维工单监控管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN108171421B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108171421A (zh) | 一种面向城市交通智能设备***运维的路面运维处置效率和质量评估方法 | |
CN104156296B (zh) | 智能监控大规模数据中心集群计算节点的***和方法 | |
CN106845646A (zh) | 一种基于gis平台的电力营销智能稽查***及方法 | |
CN106203828A (zh) | 一种基于数据全生命周期管理的数据管理平台 | |
CN103578039B (zh) | 一种电网运行风险预警分析*** | |
CN103198147B (zh) | 自动化监测异常数据的判别及处理方法 | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN104123477A (zh) | 一种基于生活数据的群租分析方法 | |
CN105608842A (zh) | 一种核反应堆燃料破损在线监测报警装置 | |
CN105321051A (zh) | 特高压变电站智能运维管理及其报表的生成方法 | |
CN106845794A (zh) | 一种用于智能电网调度***的电网模型在线校核方法 | |
CN110083640A (zh) | 一种基于停电数据的台区识别方法及装置 | |
CN104484909A (zh) | 巡检点确定方法、确定装置、交互方法和装置 | |
CN109934459B (zh) | 基于可视化网格的低压台区电能表运行误差异常派工方法 | |
CN109117526A (zh) | 一种适用于机械***设备维修指引数据记录及分析*** | |
CN111461521A (zh) | 一种基于电力大数据的居民住房空置率分析方法 | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN112150098A (zh) | 一种电力设施防恐安保监管方法及*** | |
CN104317907A (zh) | 对用于评估铁路运输能力的数据进行处理的方法 | |
CN117348561A (zh) | 针对设备停机的分析管控*** | |
CN116664095B (zh) | 一种基于深度学习的安保巡检预测方法 | |
CN102142115A (zh) | 世界遗产监测的数字化集成方法 | |
CN116090702A (zh) | 一种基于物联网的erp数据智能监管***及方法 | |
CN106713387A (zh) | 百万千瓦级核电站应急数据采集*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230417 Address after: 601C-05, Building 2, No. 2699 Yuhangtang Road, Cangqian Street, Yuhang District, Hangzhou City, Zhejiang Province, 311121 Patentee after: Hangzhou dynamic Internet Technology Co.,Ltd. Address before: Room 203, building 3, quhai building, 1001 Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province, 310030 Patentee before: JTBAO INTERNET TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |