CN112734447A - 一种谷粒云后市场服务云平台及其方法 - Google Patents
一种谷粒云后市场服务云平台及其方法 Download PDFInfo
- Publication number
- CN112734447A CN112734447A CN202011632361.XA CN202011632361A CN112734447A CN 112734447 A CN112734447 A CN 112734447A CN 202011632361 A CN202011632361 A CN 202011632361A CN 112734447 A CN112734447 A CN 112734447A
- Authority
- CN
- China
- Prior art keywords
- equipment
- service
- data
- information
- cloud
- 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.)
- Withdrawn
Links
Images
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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
Abstract
本发明公开了一种谷粒云后市场服务云平台及其方法,包括服务平台、设备用户端和设备厂商服务端,所述设备用户端、设备厂商服务端均与服务平台通信连接;服务平台包括数据接入模块、云数据仓库、数据分析模块、设备故障报警模块、服务订单模块和工单管理模块;数据分析模块、设备故障报警模块、服务订单模块和工单管理模块均将处理后的数据信息同步发送给云数据仓库进行存储。本发明能够提高售后服务质量,在整个售后服务过程中,客户可以根据设备号全程跟踪服务流程。厂商对整个服务过程也可以进行有效的监管,并且通过***对整个售后服务资源进行优化调配。
Description
技术领域
本发明涉及一种谷粒云后市场服务云平台及其方法,属于服务平台技术领域。
背景技术
目前,设备制造行业市场趋于饱和,增长有所放缓。降低生产及售后成本,提高设备质量,寻找新的利润增长点成为企业更为迫切的需要。越来越多的企业面临产业结构升级,只有不断提高自己的产品质量和服务质量才能在激烈的市场竞争中赢得更多的客户。从客户的角度来说,设备维保服务通常以电话、微信等传统方式进行报修,可能存在问题描述不清,效率不高,处理不及时等情况,同时客户也无法跟踪服务流程以及处理进度。
而且,在客户将设备投入使用之后,厂商往往对于设备的运行情况缺少了解,获取设备运行信息的途径主要依靠客户的反馈。某些设备的稳定性、安全性、及时性要求很高,及时发现问题和处理显得尤为重要,所以对厂商的售后服务的要求很高。
此外,部分的设备制造厂商偏向于整机销售,疏于数据的收集和分析。而数据的收集和分析无论是对于产品的升级换代还是对于行业的发展有着至关重要的作用。一方面可以提高设备厂商的售后增值服务利润,为设备的升级换代提供数据支撑,另一方面也帮助客户提高了生产效率。
发明内容
针对上述现有技术存在的问题,本发明提供一种谷粒云后市场服务云平台及其方法,通过物联网、海量数据存储、大数据分析、人工智能、云计算等技术,为行业设备制造商提供了一套完整的售后服务解决方案。
为了实现上述目的,本发明采用如下技术方案:一种谷粒云后市场服务云平台,包括服务平台、设备用户端和设备厂商服务端,所述设备用户端、设备厂商服务端均与服务平台通信连接;
所述设备用户端设置在用户端,用户端通过设备用户端与服务平台通信连接;设备用户端用于将用户端的设备信息传输至服务平台,并根据用户端的信息获取指令从服务平台获取设备信息和接收服务平台推送的设备信息;
所述设备厂商服务端设置在设备厂商,设备厂商通过设备厂商服务端与服务平台通信连接,设备厂商服务端用于将设备厂商输入的设备信息传输至服务平台,并根据设备厂商的信息获取指令从服务平台获取设备信息和接收服务平台推送的设备信息;
所述服务平台包括数据接入模块、云数据仓库、数据分析模块、设备故障报警模块、服务订单模块和工单管理模块;
所述数据接入模块用于接收设备厂商服务端、设备用户端发送的数据信息、信息获取指令,并根据信息获取指令向设备厂商对应的设备厂商服务端、用户端对应的设备用户端推送设备信息;所述数据接入模块还用于向设备厂商服务端、设备用户端推送设备过程管理信息,使设备厂商通过设备厂商服务端、用户端通过设备用户端获悉设备厂商服务端、设备用户端所对应的设备信息;
所述云数据仓库用于将数据接入模块接收和处理后的设备信息根据预设的设备类型进行分类存储;
所述数据分析模块用于根据不同的设备类型进行数据建模,通过图形、报表的方式进行呈现;并对设备信息进行统计分析,实时监控设备的运行状态,及时发现设备异常状态;
所述设备故障报警模块用于根据所述数据分析模块的异常分析结果通过设备用户端、设备厂商服务端提醒用户端、设备厂商设备出现故障,通知其采取相应的处理措施;
所述服务订单模块用于用户端通过扫描设备上的唯一二维码上报设备保养、报修需求的方式创建服务订单,并将创建的服务订单发送至设备厂商服务端告知设备厂商,设备厂商通过设备厂商服务端根据用户的上报信息进行相应的处理;所述服务订单模块还用于根据设备运行数据、故障数据通过数据模型自动分析问题,自动创建服务订单,并将创建的服务订单发送至设备厂商服务端告知设备厂商的同时通知用户端,设备厂商通过设备厂商服务端根据自动创建的服务订单进行相应的处理;所述服务订单模块还用于将创建的服务订单发送至工单管理模块;
所述工单管理模块用于根据服务订单的问题描述、故障描述自动从知识库中匹配解决方案,并从配件库中匹配所需配件,创建工单,工单根据***的设置被动或者主动的派发给工程师;所述工单管理模块还用于将创建的工单发送至设备用户端和设备厂商服务端;
所述数据分析模块、设备故障报警模块、服务订单模块和工单管理模块均将处理后的数据信息同步发送给云数据仓库进行存储。
进一步地,所述数据接入模块还用于通过设备用户端获取用户端的设备信息,用户端的设备信息包括设备的基本信息、实时运行时数据、连接状态数据和工作参数数据。
进一步地,所述数据接入模块还用于通过设备厂商服务端获取设备厂商的设备信息、工程师信息和配件库信息,设备厂商的设备信息包括设备的基本信息、正常运行时数据、故障报警数据、连接状态数据和工作参数数据;工程师信息包括工程师姓名、擅长技能、位置和工作状态;配件库信息包括配件库名称、配件名称、配件数量和位置。
进一步地,所述数据分析模块用于根据数据接入模块接收或云数据仓库存储的设备运行数据,通过历史数据加载、模型选择和数据挖掘的方式生成运行趋势报告,实时监控设备的运行状态。
进一步地,所述数据分析模块还用于根据设备实时运行数据,结合以往设备运行情况,生成预防性的维护报告。
进一步地,所述服务平台还包括人工智能主动学习模块,其通过对设备终端的运行数据进行建模、标注、分析,主动学习通过预设的算法查询最有用的未标记样本,并交由专家进行标记,并用查询到的样本训练分类模型提高模型的精确度。
进一步地,服务订单创建之后,用户端通过扫描设备上的二维码获取服务订单的完整处理流程;设备厂商通过设备厂商服务端获取服务订单的完整处理流程。
一种谷粒云后市场服务云平台的使用方法,包括如下步骤:
S1、设备厂商通过设备厂商服务端与服务平台建立连接通道,将设备厂商的各个设备信息、工程师信息和配件库信息发送至服务平台;服务平台将接收的数据信息根据约定的协议规则解析出有效数据,经过筛选过滤之后保存至云数据仓库当中;
S2、用户端通过设备用户端与服务平台建立连接通道,将设备的实时运行时数据、连接状态数据和工作参数数据发送给服务平台,服务平台将接收的数据信息解析出有效数据,经过筛选过滤之后保存至云数据仓库当中;
S3、服务平台将步骤S1和S2中接收到的信息进行处理分析,当判断设备工作异常或出现故障时,自动创建服务订单并通知客户和设备厂商;同时根据创建的服务订单诊断问题所在,从知识库中匹配解决方案,并从配件库中匹配所需配件,创建工单,工单根据***的设置被动或者主动的派发给工程师,由工程师进行相应的处理。
进一步地,所述服务平台根据从设备厂商服务端获取的数据事先配置好运行数据的阈值,当运行数据超出范围时,服务平台会给予记录和展示,设备用户端和设备厂商服务端可同步展示。
进一步地,所述设备厂商的设备信息包括设备的基本信息、正常运行时数据、故障报警数据、连接状态数据和工作参数数据;工程师信息包括工程师姓名、擅长技能、位置和工作状态;配件库信息包括配件库名称、配件名称、配件数量和位置。
进一步地,所述步骤S3中的服务订单还可由用户端扫描设备上的二维码进行在线保修,填入问题描述、联系信息并提交至服务平台;设备厂商可通过设备厂商服务端看到此订单,服务平台根据问题描述关键字进行计算,推荐出合适的问题解决方案,再根据当前的售后资源分配工程师、配件材料、时间安排进行处理。
与现有的技术相比,本发明能够提高售后服务质量,在整个售后服务过程中,客户可以根据设备号全程跟踪服务流程。厂商对整个服务过程也可以进行有效的监管,并且通过***对整个售后服务资源进行优化调配。本发明设置的人工智能主动学习模块可通过不断的训练和自主学习,能够更加准确的分析出设备的运行健康状态,特别在一些高精度设备的使用场景中,为其提供了更高效可靠的分析、监测、预警功能。
附图说明
图1本发明的示意图;
图2本发明人工智能主动学习模型示意图;
具体实施方式
下面对本发明实施中的技术方案进行清楚,完整的描述,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供的一种基于DFA算法进行网络舆情分析的方法,包括服务平台、设备用户端和设备厂商服务端,所述设备用户端、设备厂商服务端均与服务平台通信连接;
所述设备用户端设置在用户端,用户端通过设备用户端与服务平台通信连接;设备用户端用于将用户端的设备信息传输至服务平台,并根据用户端的信息获取指令从服务平台获取设备信息和接收服务平台推送的设备信息;
所述设备厂商服务端设置在设备厂商,设备厂商通过设备厂商服务端与服务平台通信连接,设备厂商服务端用于将设备厂商输入的设备信息传输至服务平台,并根据设备厂商的信息获取指令从服务平台获取设备信息和接收服务平台推送的设备信息;
所述服务平台包括数据接入模块、云数据仓库、数据分析模块、设备故障报警模块、服务订单模块和工单管理模块;
所述数据接入模块用于接收设备厂商服务端、设备用户端发送的数据信息、信息获取指令,并根据信息获取指令向设备厂商对应的设备厂商服务端、用户端对应的设备用户端推送设备信息;所述数据接入模块还用于向设备厂商服务端、设备用户端推送设备过程管理信息,使设备厂商通过设备厂商服务端、用户端通过设备用户端获悉设备厂商服务端、设备用户端所对应的设备信息;
所述云数据仓库用于将数据接入模块接收和处理后的设备信息根据预设的设备类型进行分类存储;
所述数据分析模块用于根据不同的设备类型进行数据建模,通过图形、报表的方式进行呈现;并对设备信息进行统计分析,实时监控设备的运行状态,及时发现设备异常状态;
所述设备故障报警模块用于根据所述数据分析模块的异常分析结果通过设备用户端、设备厂商服务端提醒用户端、设备厂商设备出现故障,通知其采取相应的处理措施;
所述服务订单模块用于用户端通过扫描设备上的唯一二维码上报设备保养、报修需求的方式创建服务订单,并将创建的服务订单发送至设备厂商服务端告知设备厂商,设备厂商通过设备厂商服务端根据用户的上报信息进行相应的处理;所述服务订单模块还用于根据设备运行数据、故障数据通过数据模型自动分析问题,自动创建服务订单,并将创建的服务订单发送至设备厂商服务端告知设备厂商的同时通知用户端,设备厂商通过设备厂商服务端根据自动创建的服务订单进行相应的处理;所述服务订单模块还用于将创建的服务订单发送至工单管理模块;
所述工单管理模块用于根据服务订单的问题描述、故障描述自动从知识库中匹配解决方案,并从配件库中匹配所需配件,创建工单,工单根据***的设置被动或者主动的派发给工程师;所述工单管理模块还用于将创建的工单发送至设备用户端和设备厂商服务端;
所述数据分析模块、设备故障报警模块、服务订单模块和工单管理模块均将处理后的数据信息同步发送给云数据仓库进行存储。
进一步地,所述数据接入模块还用于通过设备用户端获取用户端的设备信息,用户端的设备信息包括设备的基本信息、实时运行时数据、连接状态数据和工作参数数据。
进一步地,所述数据接入模块还用于通过设备厂商服务端获取设备厂商的设备信息、工程师信息和配件库信息,设备厂商的设备信息包括设备的基本信息、正常运行时数据、故障报警数据、连接状态数据和工作参数数据;工程师信息包括工程师姓名、擅长技能、位置和工作状态;配件库信息包括配件库名称、配件名称、配件数量和位置。
进一步地,所述数据分析模块用于根据数据接入模块接收或云数据仓库存储的设备运行数据,通过历史数据加载、模型选择和数据挖掘的方式生成运行趋势报告,实时监控设备的运行状态。
进一步地,所述数据分析模块还用于根据设备实时运行数据,结合以往设备运行情况,生成预防性的维护报告,以此确保设备能够安全稳定的运行,消除潜在的故障隐患和安全隐患。
例如,某电动汽车充电桩制造厂商向某客户出售了充电桩,由于某些型号的充电机输出功率较大,存在一定的安全隐患,比如出现电流过高、电压过高、电池温度过高等情况,会出现烧枪,极端情况可能会引起车辆电池***。使用本平台后,平台实时监控充电桩的运行数据,包括电流、电压、输出功率、电池温度数据。当持续出现异常数据时,平台会触发报警机制,通过多种平台报警、短信、电话等方式通知客户并做出相应的处理,避免出现安全事故。
进一步地,所述服务平台还包括人工智能主动学习模块,在后市场服务场景中,通过对设备终端的运行数据进行建模、标注、分析,主动学习通过预设的算法查询最有用的未标记样本,并交由专家进行标记,并用查询到的样本训练分类模型提高模型的精确度。通过不断的训练和自主学习,能够更加准确的分析出设备的运行健康状态,特别在一些高精度设备的使用场景中,为其提供了更高效可靠的分析、监测、预警功能。如图2所示,图中,C为一组或者一个分类器;L是用于训练已标注的样本;Q是查询函数,用于从未标注样本池U中查询信息量大的信息;S是督导者(专家),可以为U中样本标注正确的标签。学习者通过少量初始标记样本L开始学习,通过一定的查询函数Q选择出一个或一批最有用的样本,并向督导者询问标签,然后利用获得的新知识来训练分类器和进行下一轮查询。主动学习是一个循环的过程,直至达到某一停止准则为止。
其中,预设的算法可采用以下基于池的样例选择算法:
1、基于不确定度缩减算法;
2、基于版本缩减算法,其从版本空间中随机选择若干假设构成一个委员会,然后选择委员会中的假设预测分歧最大的样例进行标注。为了优化委员会的构成,可以采用Bagging,AdaBoost等分类器集成算法从版本空间中产生委员会;
3、基于泛化误差缩减的方法,首先选择一个损失函数用于估计未来错误率,然后将未标注样例集中的每一个样例都分别估计其能给基准分类器带来的误差缩减,选择估计值最大的那个样例进行标注。
进一步地,服务订单创建之后,用户端通过扫描设备上的二维码获取服务订单的完整处理流程;设备厂商通过设备厂商服务端获取服务订单的完整处理流程。
一种谷粒云后市场服务云平台的使用方法,包括如下步骤:
S1、设备厂商通过设备厂商服务端与服务平台建立连接通道,将设备厂商的各个设备信息、工程师信息和配件库信息发送至服务平台;服务平台将接收的数据信息根据约定的协议规则解析出有效数据,经过筛选过滤之后保存至云数据仓库当中;
S2、用户端通过设备用户端与服务平台建立连接通道,将设备的实时运行时数据、连接状态数据和工作参数数据发送给服务平台,服务平台将接收的数据信息解析出有效数据,经过筛选过滤之后保存至云数据仓库当中;
S3、服务平台将步骤S1和S2中接收到的信息进行处理分析,当判断设备工作异常或出现故障时,自动创建服务订单并通知客户和设备厂商;同时根据创建的服务订单诊断问题所在,从知识库中匹配解决方案,并从配件库中匹配所需配件,创建工单,工单根据***的设置被动或者主动的派发给工程师,由工程师进行相应的处理。
进一步地,所述服务平台根据从设备厂商服务端获取的数据事先配置好运行数据的阈值,当运行数据超出范围时,服务平台会给予记录和展示,设备用户端和设备厂商服务端可同步展示。
进一步地,所述设备厂商的设备信息包括设备的基本信息、正常运行时数据、故障报警数据、连接状态数据和工作参数数据;工程师信息包括工程师姓名、擅长技能、位置和工作状态;配件库信息包括配件库名称、配件名称、配件数量和位置。
进一步地,所述步骤S3中的服务订单还可由用户端扫描设备上的二维码进行在线保修,每一台设备都有一个唯一的识别号,填入问题描述、联系信息并提交至服务平台;设备厂商可通过设备厂商服务端看到此订单,服务平台根据问题描述关键字进行计算,推荐出合适的问题解决方案,再根据当前的售后资源分配工程师、配件材料、时间安排进行处理。
例如,某电动汽车充电桩制造厂商向某客户出售了充电机,当机器出现故障时,传统方式是由客户打电话给厂商,厂商派人去现场勘察再给出解决方案然后进行维修。使用本平台后,客户可以通过移动端扫描充电桩上的报修二维码,填入故障描述、设备现场照片、故障代码等信息并提交至平台,厂商根据用户提供的报修信息并结合充电机的近期运行数据,可以做出初步的故障判断,在平台中即可派发工单给相应的工程师处理。同时,用户可以通过客户端追踪此工单的实时进度。一方面极大的提高了工作效率和服务质量,另一方面也降低了厂商的服务成本。
在服务订单的执行过程中,客户可以使用移动端应用扫描设备上的二维码,可以看到服务订单的完整处理流程。
综上所述,本发明能够提高售后服务质量,在整个售后服务过程中,客户可以根据设备号全程跟踪服务流程。厂商对整个服务过程也可以进行有效的监管,并且通过***对整个售后服务资源进行优化调配。本发明设置的人工智能主动学习模块可通过不断的训练和自主学习,能够更加准确的分析出设备的运行健康状态,特别在一些高精度设备的使用场景中,为其提供了更高效可靠的分析、监测、预警功能。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种谷粒云后市场服务云平台,其特征在于,包括服务平台、设备用户端和设备厂商服务端,所述设备用户端、设备厂商服务端均与服务平台通信连接;
所述设备用户端设置在用户端,用户端通过设备用户端与服务平台通信连接;设备用户端用于将用户端的设备信息传输至服务平台,并根据用户端的信息获取指令从服务平台获取设备信息和接收服务平台推送的设备信息;
所述设备厂商服务端设置在设备厂商,设备厂商通过设备厂商服务端与服务平台通信连接,设备厂商服务端用于将设备厂商输入的设备信息传输至服务平台,并根据设备厂商的信息获取指令从服务平台获取设备信息和接收服务平台推送的设备信息;
所述服务平台包括数据接入模块、云数据仓库、数据分析模块、设备故障报警模块、服务订单模块和工单管理模块;
所述数据接入模块用于接收设备厂商服务端、设备用户端发送的数据信息、信息获取指令,并根据信息获取指令向设备厂商对应的设备厂商服务端、用户端对应的设备用户端推送设备信息;所述数据接入模块还用于向设备厂商服务端、设备用户端推送设备过程管理信息,使设备厂商通过设备厂商服务端、用户端通过设备用户端获悉设备厂商服务端、设备用户端所对应的设备信息;
所述云数据仓库用于将数据接入模块接收和处理后的设备信息根据预设的设备类型进行分类存储;
所述数据分析模块用于根据不同的设备类型进行数据建模,通过图形、报表的方式进行呈现;并对设备信息进行统计分析,实时监控设备的运行状态,及时发现设备异常状态;
所述设备故障报警模块用于根据所述数据分析模块的异常分析结果通过设备用户端、设备厂商服务端提醒用户端、设备厂商设备出现故障,通知其采取相应的处理措施;
所述服务订单模块用于用户端通过扫描设备上的唯一二维码上报设备保养、报修需求的方式创建服务订单,并将创建的服务订单发送至设备厂商服务端告知设备厂商,设备厂商通过设备厂商服务端根据用户的上报信息进行相应的处理;所述服务订单模块还用于根据设备运行数据、故障数据通过数据模型自动分析问题,自动创建服务订单,并将创建的服务订单发送至设备厂商服务端告知设备厂商的同时通知用户端,设备厂商通过设备厂商服务端根据自动创建的服务订单进行相应的处理;所述服务订单模块还用于将创建的服务订单发送至工单管理模块;
所述工单管理模块用于根据服务订单的问题描述、故障描述自动从知识库中匹配解决方案,并从配件库中匹配所需配件,创建工单,工单根据***的设置被动或者主动的派发给工程师;所述工单管理模块还用于将创建的工单发送至设备用户端和设备厂商服务端;
所述数据分析模块、设备故障报警模块、服务订单模块和工单管理模块均将处理后的数据信息同步发送给云数据仓库进行存储。
2.根据权利要求1所述的一种谷粒云后市场服务云平台,其特征在于,所述数据接入模块还用于通过设备用户端获取用户端的设备信息,用户端的设备信息包括设备的基本信息、实时运行时数据、连接状态数据和工作参数数据。
3.根据权利要求2所述的一种谷粒云后市场服务云平台,其特征在于,所述数据接入模块还用于通过设备厂商服务端获取设备厂商的设备信息、工程师信息和配件库信息,设备厂商的设备信息包括设备的基本信息、正常运行时数据、故障报警数据、连接状态数据和工作参数数据;工程师信息包括工程师姓名、擅长技能、位置和工作状态;配件库信息包括配件库名称、配件名称、配件数量和位置。
4.根据权利要求2所述的一种谷粒云后市场服务云平台,其特征在于,所述数据分析模块用于根据数据接入模块接收或云数据仓库存储的设备运行数据,通过历史数据加载、模型选择和数据挖掘的方式生成运行趋势报告,实时监控设备的运行状态;所述数据分析模块还用于根据设备实时运行数据,结合以往设备运行情况,生成预防性的维护报告。
5.根据权利要求1所述的一种谷粒云后市场服务云平台,其特征在于,所述服务平台还包括人工智能主动学习模块,其通过对设备终端的运行数据进行建模、标注、分析,主动学习通过预设的算法查询最有用的未标记样本,并交由专家进行标记,并用查询到的样本训练分类模型提高模型的精确度。
6.根据权利要求1所述的一种谷粒云后市场服务云平台,其特征在于,服务订单创建之后,用户端通过扫描设备上的二维码获取服务订单的完整处理流程;设备厂商通过设备厂商服务端获取服务订单的完整处理流程。
7.一种谷粒云后市场服务云平台的使用方法,其特征在于,包括如下步骤:
S1、设备厂商通过设备厂商服务端与服务平台建立连接通道,将设备厂商的各个设备信息、工程师信息和配件库信息发送至服务平台;服务平台将接收的数据信息根据约定的协议规则解析出有效数据,经过筛选过滤之后保存至云数据仓库当中;
S2、用户端通过设备用户端与服务平台建立连接通道,将设备的实时运行时数据、连接状态数据和工作参数数据发送给服务平台,服务平台将接收的数据信息解析出有效数据,经过筛选过滤之后保存至云数据仓库当中;
S3、服务平台将步骤S1和S2中接收到的信息进行处理分析,当判断设备工作异常或出现故障时,自动创建服务订单并通知客户和设备厂商;同时根据创建的服务订单诊断问题所在,从知识库中匹配解决方案,并从配件库中匹配所需配件,创建工单,工单根据***的设置被动或者主动的派发给工程师,由工程师进行相应的处理。
8.根据权利要求7所述的一种谷粒云后市场服务云平台的使用方法,其特征在于,所述服务平台根据从设备厂商服务端获取的数据事先配置好运行数据的阈值,当运行数据超出范围时,服务平台会给予记录和展示,设备用户端和设备厂商服务端可同步展示。
9.根据权利要求7所述的一种谷粒云后市场服务云平台的使用方法,其特征在于,所述设备厂商的设备信息包括设备的基本信息、正常运行时数据、故障报警数据、连接状态数据和工作参数数据;工程师信息包括工程师姓名、擅长技能、位置和工作状态;配件库信息包括配件库名称、配件名称、配件数量和位置。
10.根据权利要求7所述的一种谷粒云后市场服务云平台的使用方法,其特征在于,所述步骤S3中的服务订单还可由用户端扫描设备上的二维码进行在线保修,填入问题描述、联系信息并提交至服务平台;设备厂商可通过设备厂商服务端看到此订单,服务平台根据问题描述关键字进行计算,推荐出合适的问题解决方案,再根据当前的售后资源分配工程师、配件材料、时间安排进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011632361.XA CN112734447A (zh) | 2020-12-31 | 2020-12-31 | 一种谷粒云后市场服务云平台及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011632361.XA CN112734447A (zh) | 2020-12-31 | 2020-12-31 | 一种谷粒云后市场服务云平台及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112734447A true CN112734447A (zh) | 2021-04-30 |
Family
ID=75608422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011632361.XA Withdrawn CN112734447A (zh) | 2020-12-31 | 2020-12-31 | 一种谷粒云后市场服务云平台及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734447A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114418326A (zh) * | 2021-12-24 | 2022-04-29 | 江苏康众汽配有限公司 | 一种汽车后市场透明车间管控*** |
CN114742485A (zh) * | 2022-06-13 | 2022-07-12 | 北京神州光大科技有限公司 | 用于it***维保服务的信息处理方法及*** |
CN117422475A (zh) * | 2023-10-20 | 2024-01-19 | 连邦网络科技服务南通有限公司 | 一种基于大数据分析的服务需求推荐*** |
-
2020
- 2020-12-31 CN CN202011632361.XA patent/CN112734447A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114418326A (zh) * | 2021-12-24 | 2022-04-29 | 江苏康众汽配有限公司 | 一种汽车后市场透明车间管控*** |
CN114742485A (zh) * | 2022-06-13 | 2022-07-12 | 北京神州光大科技有限公司 | 用于it***维保服务的信息处理方法及*** |
CN117422475A (zh) * | 2023-10-20 | 2024-01-19 | 连邦网络科技服务南通有限公司 | 一种基于大数据分析的服务需求推荐*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734447A (zh) | 一种谷粒云后市场服务云平台及其方法 | |
CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN110782370B (zh) | 一种电力调度数据网综合运维管理平台 | |
CN110971666A (zh) | 一种物联网管理***及其通讯方法 | |
CN116415840B (zh) | 一种基于机器学习模型的指标自动预警方法及*** | |
CN111860667A (zh) | 设备故障的确定方法及装置、存储介质、电子装置 | |
CN108510086A (zh) | 故障应对方案确定方法及装置 | |
CN114819213A (zh) | 一种电动汽车公共充电设施的智能运维管理方法及*** | |
CN112837073A (zh) | 基于物联网的仪器售后服务管理***及方法 | |
CN111985940A (zh) | 售后服务的数据处理方法、装置、电子设备与存储介质 | |
CN116345691B (zh) | 一种电力设备运行监控*** | |
CN113516244A (zh) | 一种智能运维方法、装置、电子设备及存储介质 | |
CN113077065A (zh) | 车辆生产线故障的处理方法、装置、设备及存储介质 | |
CN117408487A (zh) | 一种充电站运行管理方法、***、终端设备及存储介质 | |
Lewis et al. | Maintenance of mobile mine equipment in the information age | |
CN114493299A (zh) | 一种基于工业互联网的农业机械管控方法及设备、介质 | |
CN114693129A (zh) | 工业物联网智能制造服务平台、方法、设备及介质 | |
CN113204692A (zh) | 数据处理任务执行进度的监测方法及装置 | |
CN111807181A (zh) | 一种Web电梯监控平台 | |
CN115860278A (zh) | 一种基于数据分析的电机组装生产管理方法及*** | |
CN116720720A (zh) | 一种岩土工程设备互联调度管理方法和*** | |
CN115239227B (zh) | 一种生产工位监测方法及*** | |
CN115860548B (zh) | 基于大数据的SaaS一站式平台管理方法、***及介质 | |
US20180089637A1 (en) | Framework for industrial asset repair recommendations | |
CN111709597A (zh) | 一种电网生产域运营监测*** |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210430 |