CN113191509A - 基于维修人员画像的智能派单方法、设备、介质及产品 - Google Patents
基于维修人员画像的智能派单方法、设备、介质及产品 Download PDFInfo
- Publication number
- CN113191509A CN113191509A CN202110586563.3A CN202110586563A CN113191509A CN 113191509 A CN113191509 A CN 113191509A CN 202110586563 A CN202110586563 A CN 202110586563A CN 113191509 A CN113191509 A CN 113191509A
- Authority
- CN
- China
- Prior art keywords
- information
- maintenance
- intelligent
- data
- equipment
- 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.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000013139 quantization Methods 0.000 claims abstract description 4
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 238000012795 verification Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012097 association analysis method Methods 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000012216 screening Methods 0.000 abstract 1
- 238000012937 correction Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007711 solidification Methods 0.000 description 2
- 230000008023 solidification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供基于维修人员画像的智能派单方法，包括根据预设统计分析规则对分布信息进行量化处理以及使用预设算法对每个维修人员对应的技能信息进行聚类处理，构建与每个维修人员和设备故障信息对应的含有行为标签和技能标签的用户画像数据；将所有用户画像数据与对应的设备故障信息输入至预设匹配模型中进行训练，得到智能派单匹配模型，将获取到的待维修设备故障信息输入至智能派单匹配模型中，智能派单匹配模型输出对应的维修人员信息，根据用户画像数据筛选出对应的维修人员对待维修设备进行故障维修处理。本发明的基于维修人员画像的智能派单方法，有效减少无效派单的情况发生，提高了整体设备故障维修过程中派单的精准率和效率。
Description
技术领域
本发明涉及设备维修领域，尤其涉及基于维修人员画像的智能派单方法、设备、介质及产品。
背景技术
目前，维修工作通常涉及多种专业，如轨道交通运维工作涉及机务、工务、电务和车辆等不同专业，各专业维修作业项目种类繁多，专业性强，其实效性、准确性需求日益提高。与此同时，现有传统派单方法通常采取人工派单，派单效率依靠派单人员的个人经验决定，当出现复杂问题时，派单人员对设施设备的故障履历、巡检记录难以及时准确的查找和综合考虑，导致维修难度增大。
因此传统的设备维修过程中的派单出现以下问题：1.派单根据派单人员的业务经验，不具备普适性，对于派单人员的专业性要求较高，容易出现错派、误派等情况，产生无效派单。2.传统派单无法综合考虑维修人员的工作技能、熟练度、位置等属性，很难产生维修人员与工单的最优匹配。3.传统派单仅有故障码，对不同设备的故障不了解，无法综合考虑历史维修记录，进行针对性派单
发明内容
为了克服现有技术的不足，本发明的目的在于提供基于维修人员画像的智能派单方法，其能解决现有设备故障处理过程中人工派单导致的派单不精准，容易出现错派以及误派，派单效率不高的问题。
本发明的目的之二在于提供一种电子设备，其能解决现有设备故障处理过程中人工派单导致的派单不精准，容易出现错派以及误派，派单效率不高的问题。
本发明的目的之三在于提供一种计算机可读存储介质，其能解决现有设备故障处理过程中人工派单导致的派单不精准，容易出现错派以及误派，派单效率不高的问题。
本发明的目的之四在于提供一种计算机程序产品，其能解决现有设备故障处理过程中人工派单导致的派单不精准，容易出现错派以及误派，派单效率不高的问题。
本发明的目的之一采用以下技术方案实现：
基于维修人员画像的智能派单方法，
数据抽取，从在线维修管理***中抽取若干个已处理设备故障关联的维修人员信息和设备故障信息，所述维修人员信息包括技能信息和分布信息，所述设备故障信息包括历史工单数据和故障数据；
构建用户画像，根据预设统计分析规则对所述分布信息进行量化处理以及使用预设算法对每个维修人员对应的所述技能信息进行聚类处理，得到与每个维修人员和设备故障信息对应的含有行为标签和技能标签的用户画像数据；
模型训练，将所有所述用户画像数据与对应的设备故障信息输入至预设匹配模型中进行训练，得到智能派单匹配模型，并将智能派单匹配模型部署在智能派单***中；
智能派单，将获取到的待维修设备故障信息输入至智能派单匹配模型中，所述智能派单匹配模型输出对应的维修人员信息。
进一步地，所述分布信息包括今日维修次数、位置信息以及空闲信息，所述技能信息包括工作信息数据，绩效数据，维修数据，所述构建用户画像具体为：使用均值、标准差、峰度作为统计量对所述分布信息进行量化处理，得到用于表示单个维修人员行为分布特点的行为标签，依次使用聚类算法、分类算法以及关联分析法对所述技能信息进行聚类处理，得到与每个维修人员对应的技能标签。
进一步地，在所述构建用户画像之前还包括数据预处理，对维修人员信息中不完整信息进行补全处理、维修人员信息中无用信息进行剔除处理、维修人员信息中异常数据进行修正处理，并将处理后的所有维修人员信息进行固化存储。
进一步地，：所述模型训练具体为：按照预设比例将所述用户画像数据与对应的设备故障信息划分为训练集、验证集以及测试集，所述训练集用于对预设匹配模型进行训练，所述验证集用于评估经过训练的预设匹配模型进行验证，并得到验证结果，所述测试集用于对经过训练的预设匹配模型进行预测，得到匹配精准度，当验证结果达到预设验证阈值且匹配精准度达到预设匹配精准度阈值时，将经过训练的预设匹配模型作为智能派单匹配模型。
进一步地，所述按照预设比例将所述用户画像数据与对应的设备故障信息划分为训练集、验证集以及测试集具体为：先从设备故障信息中的历史工单数据和故障数据中提取与故障设备对应的基础信息、维修信息以及故障信息，将基础信息、维修信息以及故障信息作为工单提取信息，按照预设比例将所述用户画像数据与对应的工单提取信息划分为训练集、验证集以及测试集。
进一步地，所述基础信息包括设备ID、设备类型以及使用年限，所述维修信息包括历史故障次数和故障频率，所述故障信息包括故障码、故障等级以及故障紧急度。
本发明的目的之二采用以下技术方案实现：
一种电子设备，包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行本申请中所述的基于维修人员画像的智能派单方法。
本发明的目的之三采用以下技术方案实现：
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执行本申请中所述的基于维修人员画像的智能派单方法。
本发明的目的之四采用以下技术方案实现：
一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现本申请中所述的基于维修人员画像的智能派单方法。
相比现有技术，本发明的有益效果在于：本申请中的基于维修人员画像的智能派单方法，通过构建用户画像以及训练处用户只能派单的智能派单匹配模型来用于对待维修设备的智能维修派单，整个过程无需人工介入，可以避免对派单人员的依赖关系，有效减少无效派单的情况发生，提高了整体设备故障维修过程中派单的精准率和效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的基于维修人员画像的智能派单方法的流程示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
如图1所示，本实施例中的基于维修人员画像的智能派单方法，包括以下步骤：、
数据抽取，从在线维修管理***中抽取若干个已处理设备故障关联的维修人员信息和设备故障信息，所述维修人员信息包括技能信息和分布信息，所述设备故障信息包括历史工单数据和故障数据。在本实施例中，所述分布信息包括今日维修次数、位置信息以及空闲信息，所述技能信息包括工作信息数据，绩效数据，维修数据。
数据预处理，对维修人员信息中不完整信息进行补全处理、维修人员信息中无用信息进行剔除处理、维修人员信息中异常数据进行修正处理，并将处理后的所有维修人员信息进行固化存储。
构建用户画像，根据预设统计分析规则对所述分布信息进行量化处理以及使用预设算法对每个维修人员对应的所述技能信息进行聚类处理，得到与每个维修人员和设备故障信息对应的含有行为标签和技能标签的用户画像数据。具体为：使用均值、标准差、峰度作为统计量对所述分布信息进行量化处理，得到用于表示单个维修人员行为分布特点的行为标签，依次使用聚类算法、分类算法以及关联分析法对所述技能信息进行聚类处理，得到与每个维修人员对应的技能标签。
模型训练，将所有所述用户画像数据与对应的设备故障信息输入至预设匹配模型中进行训练，得到智能派单匹配模型，并将智能派单匹配模型部署在智能派单***中。具体为：按照预设比例将所述用户画像数据与对应的设备故障信息划分为训练集、验证集以及测试集，所述训练集用于对预设匹配模型进行训练，所述验证集用于评估经过训练的预设匹配模型进行验证，并得到验证结果，所述测试集用于对经过训练的预设匹配模型进行预测，得到匹配精准度，当验证结果达到预设验证阈值且匹配精准度达到预设匹配精准度阈值时，将经过训练的预设匹配模型作为智能派单匹配模型。在本实施例中，所述按照预设比例将所述用户画像数据与对应的设备故障信息划分为训练集、验证集以及测试集具体为：先从设备故障信息中的历史工单数据和故障数据中提取与故障设备对应的基础信息、维修信息以及故障信息，将基础信息、维修信息以及故障信息作为工单提取信息，按照预设比例将所述用户画像数据与对应的工单提取信息划分为训练集、验证集以及测试集。所述基础信息包括设备ID、设备类型以及使用年限，所述维修信息包括历史故障次数和故障频率，所述故障信息包括故障码、故障等级以及故障紧急度。
智能派单，将获取到的待维修设备故障信息输入至智能派单匹配模型中，所述智能派单匹配模型输出对应的维修人员信息。
本发明还提供一种电子设备，包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行本申请中所述的基于维修人员画像的智能派单方法。
本发明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执行本申请中所述的基于维修人员画像的智能派单方法。
本发明还提供一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现本申请中所述的基于维修人员画像的智能派单方法。
本申请中的基于维修人员画像的智能派单方法，通过构建用户画像以及训练处用户只能派单的智能派单匹配模型来用于对待维修设备的智能维修派单，整个过程无需人工介入，可以避免对派单人员的依赖关系，有效减少无效派单的情况发生，提高了整体设备故障维修过程中派单的精准率和效率，利用维修人员的用户画像数据和工单数据构建匹配模型，能够挖掘故障与维修人员的最佳匹配关系，综合考虑故障与维修人员的内在联系，考虑故障设备的历史维修记录，能够进行针对性派单。
以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。
Claims (9)
1.基于维修人员画像的智能派单方法，其特征在于：
数据抽取，从在线维修管理***中抽取若干个已处理设备故障关联的维修人员信息和设备故障信息，所述维修人员信息包括技能信息和分布信息，所述设备故障信息包括历史工单数据和故障数据；
构建用户画像，根据预设统计分析规则对所述分布信息进行量化处理以及使用预设算法对每个维修人员对应的所述技能信息进行聚类处理，得到与每个维修人员和设备故障信息对应的含有行为标签和技能标签的用户画像数据；
模型训练，将所有所述用户画像数据与对应的设备故障信息输入至预设匹配模型中进行训练，得到智能派单匹配模型，并将智能派单匹配模型部署在智能派单***中；
智能派单，将获取到的待维修设备故障信息输入至智能派单匹配模型中，所述智能派单匹配模型输出对应的维修人员信息。
2.如权利要求1所述的基于维修人员画像的智能派单方法，其特征在于：所述分布信息包括今日维修次数、位置信息以及空闲信息，所述技能信息包括工作信息数据，绩效数据，维修数据，所述构建用户画像具体为：使用均值、标准差、峰度作为统计量对所述分布信息进行量化处理，得到用于表示单个维修人员行为分布特点的行为标签，依次使用聚类算法、分类算法以及关联分析法对所述技能信息进行聚类处理，得到与每个维修人员对应的技能标签。
3.如权利要求2所述的基于维修人员画像的智能派单方法，其特征在于：在所述构建用户画像之前还包括数据预处理，对维修人员信息中不完整信息进行补全处理、维修人员信息中无用信息进行剔除处理、维修人员信息中异常数据进行修正处理，并将处理后的所有维修人员信息进行固化存储。
4.如权利要求1所述的基于维修人员画像的智能派单方法，其特征在于：所述模型训练具体为：按照预设比例将所述用户画像数据与对应的设备故障信息划分为训练集、验证集以及测试集，所述训练集用于对预设匹配模型进行训练，所述验证集用于评估经过训练的预设匹配模型进行验证，并得到验证结果，所述测试集用于对经过训练的预设匹配模型进行预测，得到匹配精准度，当验证结果达到预设验证阈值且匹配精准度达到预设匹配精准度阈值时，将经过训练的预设匹配模型作为智能派单匹配模型。
5.如权利要求4所述的基于维修人员画像的智能派单方法，其特征在于：所述按照预设比例将所述用户画像数据与对应的设备故障信息划分为训练集、验证集以及测试集具体为：先从设备故障信息中的历史工单数据和故障数据中提取与故障设备对应的基础信息、维修信息以及故障信息，将基础信息、维修信息以及故障信息作为工单提取信息，按照预设比例将所述用户画像数据与对应的工单提取信息划分为训练集、验证集以及测试集。
6.如权利要求5所述的基于维修人员画像的智能派单方法，其特征在于：所述基础信息包括设备ID、设备类型以及使用年限，所述维修信息包括历史故障次数和故障频率，所述故障信息包括故障码、故障等级以及故障紧急度。
7.一种电子设备，其特征在于包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行权利要求1-6中任意一项所述的基于维修人员画像的智能派单方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行权利要求1-6中任意一项所述的基于维修人员画像的智能派单方法。
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任意一项所述的基于维修人员画像的智能派单方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110586563.3A CN113191509A (zh) | 2021-05-27 | 2021-05-27 | 基于维修人员画像的智能派单方法、设备、介质及产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110586563.3A CN113191509A (zh) | 2021-05-27 | 2021-05-27 | 基于维修人员画像的智能派单方法、设备、介质及产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113191509A true CN113191509A (zh) | 2021-07-30 |
Family
ID=76985443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110586563.3A Pending CN113191509A (zh) | 2021-05-27 | 2021-05-27 | 基于维修人员画像的智能派单方法、设备、介质及产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191509A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114372664A (zh) * | 2021-11-30 | 2022-04-19 | 中核核电运行管理有限公司 | 核电厂人员数据画像方法及装置 |
| CN114418141A (zh) * | 2021-12-28 | 2022-04-29 | 广东德尔智慧工厂科技有限公司 | 一种设备维修任务生成、派发及管理的方法及*** |
| CN115297381A (zh) * | 2022-08-03 | 2022-11-04 | 北京国信互通科技有限公司 | 一种基于特殊作业现场的数据处理方法、装置及*** |
| CN115426243A (zh) * | 2022-08-09 | 2022-12-02 | 武汉虹信技术服务有限责任公司 | 一种基于大数据的网络设备故障维修方法 |
| CN115619378A (zh) * | 2022-10-25 | 2023-01-17 | 北京思维实创科技有限公司 | 一种轨道交通专业融合故障报修分级拉动方法及*** |
| CN115809796A (zh) * | 2023-02-06 | 2023-03-17 | 佰聆数据股份有限公司 | 基于用户画像的项目智能派工方法及*** |
| CN115983591A (zh) * | 2023-01-05 | 2023-04-18 | 上海数瞳信息科技有限公司 | 基于数字化的业务决策管理平台 |
| CN116882980A (zh) * | 2023-09-06 | 2023-10-13 | 神州顶联科技有限公司 | 基于用户报修行为的报修资源调配方法及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1221666A1 (en) * | 2001-01-05 | 2002-07-10 | BRITISH TELECOMMUNICATIONS public limited company | Method of evaluating behaviour |
| CN109102157A (zh) * | 2018-07-11 | 2018-12-28 | 交通银行股份有限公司 | 一种基于深度学习的银行工单派单方法及*** |
| CN110245791A (zh) * | 2019-05-31 | 2019-09-17 | 江苏苏宁物流有限公司 | 一种订单处理方法及*** |
-
2021
- 2021-05-27 CN CN202110586563.3A patent/CN113191509A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1221666A1 (en) * | 2001-01-05 | 2002-07-10 | BRITISH TELECOMMUNICATIONS public limited company | Method of evaluating behaviour |
| CN109102157A (zh) * | 2018-07-11 | 2018-12-28 | 交通银行股份有限公司 | 一种基于深度学习的银行工单派单方法及*** |
| CN110245791A (zh) * | 2019-05-31 | 2019-09-17 | 江苏苏宁物流有限公司 | 一种订单处理方法及*** |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114372664A (zh) * | 2021-11-30 | 2022-04-19 | 中核核电运行管理有限公司 | 核电厂人员数据画像方法及装置 |
| CN114418141A (zh) * | 2021-12-28 | 2022-04-29 | 广东德尔智慧工厂科技有限公司 | 一种设备维修任务生成、派发及管理的方法及*** |
| CN115297381A (zh) * | 2022-08-03 | 2022-11-04 | 北京国信互通科技有限公司 | 一种基于特殊作业现场的数据处理方法、装置及*** |
| CN115426243A (zh) * | 2022-08-09 | 2022-12-02 | 武汉虹信技术服务有限责任公司 | 一种基于大数据的网络设备故障维修方法 |
| CN115426243B (zh) * | 2022-08-09 | 2024-03-19 | 武汉虹信技术服务有限责任公司 | 一种基于大数据的网络设备故障维修方法 |
| CN115619378A (zh) * | 2022-10-25 | 2023-01-17 | 北京思维实创科技有限公司 | 一种轨道交通专业融合故障报修分级拉动方法及*** |
| CN115983591A (zh) * | 2023-01-05 | 2023-04-18 | 上海数瞳信息科技有限公司 | 基于数字化的业务决策管理平台 |
| CN115809796A (zh) * | 2023-02-06 | 2023-03-17 | 佰聆数据股份有限公司 | 基于用户画像的项目智能派工方法及*** |
| CN116882980A (zh) * | 2023-09-06 | 2023-10-13 | 神州顶联科技有限公司 | 基于用户报修行为的报修资源调配方法及*** |
| CN116882980B (zh) * | 2023-09-06 | 2023-11-21 | 神州顶联科技有限公司 | 基于用户报修行为的报修资源调配方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191509A (zh) | 基于维修人员画像的智能派单方法、设备、介质及产品 | |
| Nayak et al. | Network mining techniques to analyze the risk of the occupational accident via bayesian network | |
| CN111641519B (zh) | 异常根因定位方法、装置及存储介质 | |
| CN111383101B (zh) | 贷后风险监控方法、装置、设备及计算机可读存储介质 | |
| CN107357730B (zh) | 一种***故障诊断修复方法及装置 | |
| CN109635292B (zh) | 基于机器学习算法的工单质检方法和装置 | |
| EP3038025A1 (en) | Retention risk determiner | |
| CN111340250A (zh) | 设备检修装置、方法及计算机可读存储介质 | |
| CN108304567B (zh) | 高压变压器工况模式识别与数据分类方法及*** | |
| CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
| EP3998515A1 (en) | Failure probability assessment system and method therefor | |
| JP2019028834A (ja) | 異常値診断装置、異常値診断方法、およびプログラム | |
| CN117439256A (zh) | 一种基于物联网的电站设备管理方法及*** | |
| CN117742241B (zh) | 一种基于云计算的数据采集方法和*** | |
| CN113656287B (zh) | 软件实例故障的预测方法、装置、电子设备及存储介质 | |
| CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 | |
| CN113537519B (zh) | 一种识别异常设备的方法和装置 | |
| CN114372593A (zh) | 核电厂维修项目多重替代处理方法、装置、设备及介质 | |
| CN112380042A (zh) | 数据库软件的故障定位与分析方法、装置及存储介质 | |
| CN112307090B (zh) | 基于隧道安全数据的检测方法及*** | |
| JP2006309571A (ja) | コンピュータ演算処理方法および残存リスク判定装置 | |
| CN117853086A (zh) | 一种电厂资产管理***安全分析方法 | |
| CN115512529B (zh) | 承包商问题预警方法、预警装置及预警*** | |
| CN117273463A (zh) | 一种工作票的违章风险预警方法、***、设备及介质 | |
| CN113723811A (zh) | 基于机器学习的设备维保单位评估方法、装置及电子设备 |
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 |