CN114218302A - 信息处理方法、装置、设备以及存储介质 - Google Patents
信息处理方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114218302A CN114218302A CN202111623494.5A CN202111623494A CN114218302A CN 114218302 A CN114218302 A CN 114218302A CN 202111623494 A CN202111623494 A CN 202111623494A CN 114218302 A CN114218302 A CN 114218302A
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- maintenance
- historical
- map
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 38
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000012423 maintenance Methods 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种信息处理方法、装置、设备以及存储介质,涉及知识图谱等人工智能技术领域。该方法包括:获取待处理故障的描述信息;基于描述信息确定待处理故障的故障类型;从预先建立的故障画像信息表中获取故障类型对应的画像信息,其中,画像信息包括故障类型的故障对应的历史维护人员信息;从画像信息中确定用于处理待处理故障的目标维护人员。基于本公开提供的信息处理方法,能够快速确定最适合处理故障的维护人员,提高了故障的处理效率。
Description
技术领域
本公开涉及知识图谱等人工智能技术领域,尤其涉及信息处理方法、装置、设备以及存储介质。
背景技术
在能源领域的企业,往往积累了大量的巡检记录、故障记录、维修清单等历史材料,这些历史材料中蕴含了大量知识信息,包含员工信息以及故障的信息等等。这些信息不仅可以有效促进基层保障部门的维修工作,而且可以为决策人员提供信息参考,从而提高维修效率以及维修的精准性。
发明内容
本公开提供了一种信息处理方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种信息处理方法,包括:获取待处理故障的描述信息;基于描述信息确定待处理故障的故障类型;从预先建立的故障画像信息表中获取故障类型对应的画像信息,其中,画像信息包括故障类型的故障对应的历史维护人员信息;从画像信息中确定用于处理待处理故障的目标维护人员。
根据本公开的第二方面,提供了一种信息处理装置,包括:第一获取模块,被配置成获取待处理故障的描述信息;第一确定模块,被配置成基于描述信息确定待处理故障的故障类型;第二获取模块,被配置成从预先建立的故障画像信息表中获取故障类型对应的画像信息,其中,画像信息包括故障类型的故障对应的历史维护人员信息;第二确定模块,被配置成从画像信息中确定用于处理待处理故障的目标维护人员。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开可以应用于其中的示例性***架构图;
图2是根据本公开的信息处理方法的一个实施例的流程图;
图3是根据本公开的信息处理方法的另一个实施例的流程图;
图4是根据本公开的信息处理方法的故障画像生成步骤的分解流程图;
图5是根据本公开的信息处理装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的信息处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的信息处理方法或信息处理装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种服务。例如,服务器105可以对从终端设备101、102、103获取的待处理故障进行分析和处理,并生成处理结果(例如确定用于处理待处理故障的维护人员)。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的信息处理方法一般由服务器105执行,相应地,信息处理装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的信息处理方法的一个实施例的流程200。该信息处理方法包括以下步骤:
步骤201,获取待处理故障的描述信息。
在本实施例中,信息处理方法的执行主体(例如图1所示的服务器105)可以获取待处理故障的描述信息。在针对终端设备(例如电厂设备)的维修检查场景中,会由巡检人员对终端设备进行检查,以确定该终端设备是否正常运行,也即确定终端设备是否产生故障,从而及时对产生的故障进行处理。当巡检人员检查到终端设备发生故障时,会及时记录故障的一些相关属性信息,例如故障位置、故障现象等属性信息,从而产生故障的描述信息。可选地,描述信息中还可以包括巡检人员的信息、故障设备的编号信息、故障产生的时间信息、故障产生的原因等信息,本实施例中对此不做具体限定。描述信息一般为巡检人员所记录的信息,其可能会更加口语化。
巡检人员在记录好故障的描述信息后,会将该描述信息上传***,上述执行主体会获取巡检人员上传的故障的描述信息,也即上述执行主体会获取待处理故障的描述信息。
步骤202,基于描述信息确定待处理故障的故障类型。
在本实施例中,上述执行主体可以基于步骤201获取的描述信息确定待处理故障的故障类型。由于描述信息中包括故障现象、故障原因等信息,所以上述执行主体可以基于该描述信息来确定待处理故障的故障类型。例如,上述执行主体可以对描述信息进行语义分析,从而提取描述信息中的关键词,然后基于关键词确定待处理故障的故障类型。再例如,上述执行主体还可以将描述信息输入至预先训练的模型中,从而输出得到待处理故障的故障类型。当然,上述执行主体还可以以其他的方式来确定待处理故障的故障类型,本实施例中对此不做具体限定。
其中,故障类型包括由巡检人员根据自身经验以及终端设备的结构来预设的可能产生的所有故障类型,其包括但不限于以下几种:漏油类故障、螺丝断裂类故障、有异响类故障。
步骤203,从预先建立的故障画像信息表中获取故障类型对应的画像信息。
在本实施例中,上述执行主体会从预先建立的故障画像信息表中获取故障类型对应的画像信息,其中,画像信息包括该故障类型的故障对应的历史维护人员信息,历史维护人员信息也即所有处理过该故障类型的故障的维护人员信息,其中,维护人员指处理故障的相关工作人员。在本实施例中,可以预先建立故障画像信息表,故障画像信息表中包括每种故障类型对应的画像信息,画像信息中包括所有处理过该故障类型的故障的维护人员信息。也即在本实施例中,可以预先建立包括每种故障类型以及处理过该故障类型的故障的所有维护人员的一个映射表。从而在上述执行主体基于待处理故障的描述信息确定待处理故障的故障类型后,可以从该预先建立的故障画像信息表中确定待处理故障的故障类型对应的画像信息,也即获取所有处理过待处理故障的故障类型的所有维护人员的信息。
可选地,上述故障画像信息表可以为相关工作人员对历史故障数据以及历史员工处理数据进行统计得到的,上述故障画像信息表也可以是基于其他方式得到的,本实施例中对此不做具体限定。
步骤204,从画像信息中确定用于处理待处理故障的目标维护人员。
在本实施例中,上述执行主体会从步骤203得到的画像信息中确定用于处理待处理故障的目标维护人员。由于画像信息中包括处理过该故障的所有维护人员的相关信息,所以上述执行主体可以从画像信息中选择最擅长处理该故障类型故障的维护人员,也即目标维护人员,让该目标维护人员去处理待处理故障。例如,上述执行主体可以从画像信息中选择故障平均处理时间最短的维护人员作为目标维护人员;再例如,上述执行主体可以从画像信息中选择故障处理满意度最高的维护人员作为目标维护人员,从而根据待处理故障去确定最合适的处理故障的维护人员。
本公开实施例提供的信息处理方法,首先获取待处理故障的描述信息;然后基于描述信息确定待处理故障的故障类型;之后从预先建立的故障画像信息表中获取故障类型对应的画像信息;最后从画像信息中确定用于处理待处理故障的维护人员。本实施例中的信息处理方法,该方法从预先建立的故障画像信息表中确定待处理故障的故障类型对应的画像信息,然后从画像信息中选择最擅长处理该故障类型的故障的维护人员去处理待处理故障,保证了待处理故障与处理该故障的维护人员的匹配度,从而能够快速准确地确定处理待处理故障的维护人员,进而提高了故障的处理效率。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
继续参考图3,图3示出了根据本公开的信息处理方法的另一个实施例的流程300。该信息处理方法包括以下步骤:
步骤301,获取待处理故障的描述信息。
步骤301与前述实施例的步骤201基本一致,具体实现方式可以参考前述对步骤201的描述,此处不再赘述。
步骤302,将描述信息输入到预先训练的故障识别模型,输出得到待处理故障的故障类型。
在本实施例中,信息处理方法的执行主体(例如图1所示的服务器105)可以将步骤301获取的描述信息输入至预先训练的故障识别模型,从而输出得到待处理故障的故障类型。
可选地,上述故障识别模型可以是通过以下步骤训练得到:首先,获取训练样本集,其中,训练样本集中的训练样本包括故障描述信息以及该故障的故障类型;然后,将故障描述信息作为输入,将故障类型作为输出,对初始深度学习模型进行训练,从而得到训练完成的故障识别模型。
通过预先训练的故障识别模型确定待处理故障的故障类型,能够提高确定的故障类型的准确率。
步骤303,从预先建立的故障画像信息表中获取故障类型对应的画像信息。
在本实施例中,上述执行主体可以从预先建立的故障画像信息表中获取故障类型对应的画像信息,其中,画像信息包括该故障类型的故障对应的历史维护人员信息,也即所有处理过该故障类型的故障的维护人员信息。
步骤303与前述实施例的步骤203基本一致,具体实现方式可以参考前述对步骤203的描述,此处不再赘述。
步骤304,将画像信息中处理时间最短的维护人员确定为目标维护人员。
在本实施例中,上述执行主体可以从画像信息中包括的所有处理该类型故障的维护人员中,将处理该类型故障的时间最短的维护人员确定为目标维护人员。当维护人员处理过不止一次该类型故障时,上述处理时间一般指该维护人员处理该类型故障的平均时长。
作为示例,针对漏油类故障,维护人员A处理过10次该类型的故障,总计耗时120小时,那么维护人员A处理漏油类故障的平均耗时为120/10=12小时;维护人员B处理过5次该类型的故障,总计耗时50小时,那么维护人员B处理漏油类故障的平均耗时为50/5=10小时,可以看出,维护人员B的平均处理时长小于维护人员A的平均处理时长,所以,上述执行主体会将维护人员B确定为目标维护人员。
通过将画像信息中处理时间最短的维护人员确定为目标维护人员,从而提高了待处理故障与处理该故障的目标维护人员的匹配度。
从图3中可以看出,与图2对应的实施例相比,本实施例中的信息处理方法,该方法突出了确定待处理故障的故障类型的步骤以及确定目标维护人员的步骤,从而提高了确定的故障类型的准确率;并且通过将处理时间最短的维护人员确定为目标维护人员,提高了待处理故障与处理该故障的目标维护人员的匹配度,进而提高了故障的处理效率。
继续参考图4,图4示出了根据本公开的信息处理方法的故障画像生成步骤的分解流程400。该故障画像生成步骤包括:
步骤401,基于历史故障数据构建故障图谱。
在本实施例中,信息处理方法的执行主体(例如图1所示的服务器105)可以基于历史故障数据构建故障图谱。其中,历史故障数据可以包括维修工单、检修工单、设备保修单等等。在终端设备的维修检查场景中,常常会累积大量的工单信息,将所有工单信息作为历史故障数据,并基于该历史故障数据中的故障属性信息来构建故障知识图谱,即故障图谱。
需要说明的是,知识图谱(Knowledge Graph)又称为科学知识图谱,是显示知识发展进程与结构关系的一系列各种不同的图形。知识图谱用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。一个知识图谱旨在描述现实世界中存在的实体以及实体之间的关系,其构成一张语义网络图,节点表示实体,边则由属性或关系构成。知识图谱构成的语义网络图表达了各种各样的实体、概念及其之间的各类关联。在故障检测技术领域中,可利用知识图谱描述各种故障之间的关联。
在本实施例的一些可选的实现方式中,步骤401包括:从历史故障数据中抽取故障属性特征,其中,故障属性特征包括故障原因、故障类型以及故障现象;基于故障属性特征构建故障图谱。
在本实现方式中,上述执行主体可以从历史故障数据中抽取故障原因、故障类型以及故障现象等故障属性特征,其中,从故障清单或故障历史报告等历史故障数据中抽取故障属性特征的方式可采用现有技术实现,在此不再赘述。然后,上述执行主体可以基于抽取的故障属性特征来构建故障图谱。
例如,可预先构建一种树形关联结构的故障知识图谱,用于说明故障与故障相关的属性信息之间的关联。例如,故障包括故障1、故障2、故障3。故障相关的属性信息包括故障的属性信息,如故障类型、故障原因等,也即包括故障1的故障类型和故障原因,故障2的故障类型和故障原因,故障3的故障类型和故障原因。在故障知识图谱中,与某种故障相关联的信息称为该故障的属性特征。构建故障知识图谱的过程,也就是建立各种故障与故障属性特征的对应关系的过程。
基于上述步骤构建的故障图谱中包含了完整的故障信息。
步骤402,基于历史故障维护数据构建故障维护图谱。
在本实施例中,上述执行主体基于历史故障维护数据来构建故障维护图谱。这里的历史故障维护数据指的是故障处理过程记录的相关数据,一般指故障巡检记录以及维护人员巡检日志等。在终端设备的维修检查场景中,常常会累积大量的巡检信息,将所有巡检信息作为历史故障维护数据,并基于该历史故障维护数据中的维护人员的相关信息来建立故障维护知识图谱,即故障维护图谱。
在本实施例的一些可选的实现方式中,步骤402包括:从历史故障维护数据中抽取故障的维护人员的属性特征,其中,维护人员的属性特征包括:维护人员处理的故障列表、维护人员处理故障的时间以及维护人员处理故障的满意度;基于维护人员的属性特征构建故障维护图谱。
在本实现方式中,上述执行主体可以从历史故障维护数据中抽取每个维护人员处理的故障列表、维护人员处理故障的时间以及维护人员处理故障的满意度等故障的维护人员的属性特征,其中,抽取信息的方式可采用现有技术实现,在此不再赘述。然后,上述执行主体可以基于抽取的维护人员的属性特征来构建故障维护图谱。
例如,可预先构建一种树形关联结构的故障维护知识图谱,用于说明维护人员与维护人员相关的属性信息之间的关联。例如,维护人员包括维护人员A、维护人员B、维护人员C。维护人员相关的属性信息包括维护人员A所处理的所有故障列表、处理每个故障的时间、处理每个故障的满意度,维护人员B所处理的所有故障列表、处理每个故障的时间、处理每个故障的满意度,维护人员C所处理的所有故障列表、处理每个故障的时间、处理每个故障的满意度等。在故障维护知识图谱中,与某个维护人员相关联的信息称为该维护人员的属性特征。构建故障维护知识图谱的过程,也就是建立各个维护人员与维护人员的属性特征的对应关系的过程。
基于上述步骤构建的故障维护图谱中包含了完整的处理故障的维护人员的信息。
步骤403,建立故障图谱与故障维护图谱之间的边关系,得到目标图谱。
在本实施例中,上述执行主体建立故障图谱与故障维护图谱之间的边关系,从而得到目标图谱。也即基于每种故障以及该故障对应的维护人员的信息之间的关系,建立故障图谱与故障维护图谱之间的边关系,从而得到目标图谱,得到的目标图谱中包含了所有故障的信息、所有维护人员的信息以及故障与维护人员之间的关联信息。
在本实施例的一些可选的实现方式中,步骤403包括:基于每种故障类型与处理该故障类型的故障的维护人员之间的对应关系,建立故障图谱与故障维护图谱之间的边关系。
在本实现方式中,上述执行主体可以基于每种故障类型与处理该故障类型的故障的维护人员之间的对应关系来建立故障图谱与故障维护图谱之间的边关系。例如,维护人员A处理过漏油类故障,那么可以将故障图谱中的漏油类故障以及故障维护图谱中的维护人员A之间建立边关系,维护人员B也处理过漏油类故障,那么可以将故障图谱中的漏油类故障以及故障维护图谱中的维护人员B之间建立边关系,从而将故障图谱以及故障维护图谱进行关联。
步骤404,基于目标图谱生成故障画像信息表。
在本实施例中,上述执行主体可以基于步骤403生成的目标图谱生成故障画像信息表。由于目标图谱中包括了所有故障的信息、所有维护人员的信息以及故障与维护人员之间的关联信息,所以上述执行主体可以基于目标图谱来以故障为维度,来统计所有处理过该故障的维护人员的信息,从而得到包含每种故障类型以及对应的维护人员信息的故障画像信息表。
在本实施例的一些可选的实现方式中,故障画像信息表包括每种故障类型的画像信息;以及步骤404包括:对于每种故障类型,基于目标图谱确定该故障类型的故障对应的历史维护人员的信息;基于预设规则将历史维护人员进行排序;基于排序结果生成该故障类型的画像信息。
在本实现方式中,上述故障画像信息表中包括了每种故障类型的画像信息。针对每种故障类型,上述执行主体会以故障为维度,从目标图谱中提取该故障类型的故障对应的历史维护人员的信息,历史维护人员即所有处理过该故障类型的故障的维护人员,并基于预设规则将历史维护人员进行排序,从而得到排序之后的所有处理过该故障的维护人员信息表,也即该故障类型对应的画像信息,以使后续可以快速基于该画像信息确定目标维护人员。其中,预设规则可以为满意度高低等。
在本实施例的一些可选的实现方式中,上述基于预设规则将历史维护人员进行排序,包括:基于历史维护人员中每个维护人员处理该故障的时间,将历史维护人员进行排序。也即上述执行主体会按照每个维护人员处理该故障的平均时长来将历史维护人员(所有处理过该故障类型的故障的维护人员)进行排序,由于处理故障的时长越短越好,所以上述执行主体可以按照故障处理时长来将所有历史维护人员进行降序排序,从而使得可以快速确定处理时长最短的维护人员,提高故障的处理效率。
在本实施例的一些可选的实现方式中,上述执行主体还可以以维护人员为维度,统计每个维护人员所处理过的所以故障,从而生成维护人员的画像信息,以使后续可以根据该信息快速得出该维护人员所擅长处理的故障类型。
从图4中可以看出,通过上述故障画像生成步骤,可以快速准确地生成故障信息表,该故障画像信息表中包含了每种故障类型以及所有处理过该故障类型的故障的维护人员之间的对应关系,以使后续可以快读准确地根据该故障画像新表确定处理故障的目标维护人员,提高了故障处理效率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种信息处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的信息处理装置500包括:第一获取模块501、第一确定模块502、第二获取模块503和第二确定模块504。其中,第一获取模块501,被配置成获取待处理故障的描述信息;第一确定模块502,被配置成基于描述信息确定待处理故障的故障类型;第二获取模块503,被配置成从预先建立的故障画像信息表中获取故障类型对应的画像信息,其中,画像信息包括该故障类型的故障对应的历史维护人员信息;第二确定模块504,被配置成从画像信息中确定用于处理待处理故障的目标维护人员。
在本实施例中,信息处理装置500中:第一获取模块501、第一确定模块502、第二获取模块503和第二确定模块504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,第一确定模块包括:输出子模块,被配置成将描述信息输入到预先训练的故障识别模型,输出得到待处理故障的故障类型。
在本实施例的一些可选的实现方式中,上述信息处理装置500还包括用于生成故障画像信息表的故障画像生成模块,故障画像生成模块包括:第一构建子模块,被配置成基于历史故障数据构建故障图谱;第二构建子模块,被配置成基于历史故障维护数据构建故障维护图谱;建边子模块,被配置成建立故障图谱与故障维护图谱之间的边关系,得到目标图谱;生成子模块,被配置成基于目标图谱生成故障画像信息表。
在本实施例的一些可选的实现方式中,第一构建子模块包括:第一抽取单元,被配置成从历史故障数据中抽取故障属性特征,其中,故障属性特征包括故障原因、故障类型以及故障现象;第一构建单元,被配置成基于故障属性特征构建故障图谱。
在本实施例的一些可选的实现方式中,第二构建子模块包括:第二抽取单元,被配置成从历史故障维护数据中抽取故障的维护人员的属性特征,其中,维护人员的属性特征包括:维护人员处理的故障列表、维护人员处理故障的时间以及维护人员处理故障的满意度;第二构建单元,被配置成基于维护人员的属性特征构建故障维护图谱。
在本实施例的一些可选的实现方式中,建边子模块包括:建边单元,被配置成基于每种故障类型与处理该故障类型的故障的维护人员之间的对应关系,建立故障图谱与故障维护图谱之间的边关系。
在本实施例的一些可选的实现方式中,故障画像信息表包括每种故障类型的画像信息;以及生成子模块包括:确定单元,被配置成对于每种故障类型,基于目标图谱确定该故障类型的故障对应的历史维护人员的信息;排序单元,被配置成基于预设规则将历史维护人员进行排序;生成单元,被配置成基于排序结果生成该故障类型的画像信息。
在本实施例的一些可选的实现方式中,排序单元包括:排序子单元,被配置成基于历史维护人员中每个维护人员处理该故障的时间,将历史维护人员进行排序。
在本实施例的一些可选的实现方式中,第二确定模块包括:确定子模块,被配置成将画像信息中处理时间最短的维护人员确定为目标维护人员。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如信息处理方法。例如,在一些实施例中,信息处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的信息处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行信息处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
云计算(cloud computer),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作***、网络、软件、应用或存储设备等,并可以以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种信息处理方法,包括:
获取待处理故障的描述信息;
基于所述描述信息确定所述待处理故障的故障类型;
从预先建立的故障画像信息表中获取所述故障类型对应的画像信息,其中,所述画像信息包括所述故障类型的故障对应的历史维护人员信息;
从所述画像信息中确定用于处理所述待处理故障的目标维护人员。
2.根据权利要求1所述的方法,其中,所述基于所述描述信息确定所述待处理故障的故障类型,包括:
将所述描述信息输入到预先训练的故障识别模型,输出得到所述待处理故障的故障类型。
3.根据权利要求1所述的方法,其中,所述故障画像信息表通过以下步骤得到:
基于历史故障数据构建故障图谱;
基于历史故障维护数据构建故障维护图谱;
建立所述故障图谱与所述故障维护图谱之间的边关系,得到目标图谱;
基于所述目标图谱生成所述故障画像信息表。
4.根据权利要求3所述的方法,其中,所述基于历史故障数据构建故障图谱,包括:
从历史故障数据中抽取故障属性特征,其中,所述故障属性特征包括故障原因、故障类型以及故障现象;
基于所述故障属性特征构建故障图谱。
5.根据权利要求3所述的方法,其中,所述基于历史故障维护数据构建故障维护图谱,包括:
从历史故障维护数据中抽取故障的维护人员的属性特征,其中,所述维护人员的属性特征包括:维护人员处理的故障列表、维护人员处理故障的时间以及维护人员处理故障的满意度;
基于所述维护人员的属性特征构建故障维护图谱。
6.根据权利要求3所述的方法,所述建立所述故障图谱与所述故障维护图谱之间的边关系,包括:
基于每种故障类型与处理该故障类型的故障的维护人员之间的对应关系,建立所述故障图谱与所述故障维护图谱之间的边关系。
7.根据权利要求3-6中任一项所述的方法,其中,所述故障画像信息表包括每种故障类型的画像信息;以及
所述基于所述目标图谱生成所述故障画像信息表,包括:
对于每种故障类型,基于所述目标图谱确定该故障类型的故障对应的历史维护人员的信息;
基于预设规则将所述历史维护人员进行排序;
基于排序结果生成该故障类型的画像信息。
8.根据权利要求7所述的方法,其中,所述基于预设规则将所述历史维护人员进行排序,包括:
基于所述历史维护人员中每个维护人员处理该故障的时间,将所述历史维护人员进行排序。
9.根据权利要求8中所述的方法,其中,所述从所述画像信息中确定用于处理所述待处理故障的目标维护人员,包括:
将所述画像信息中处理时间最短的维护人员确定为目标维护人员。
10.一种信息处理装置,包括:
第一获取模块,被配置成获取待处理故障的描述信息;
第一确定模块,被配置成基于所述描述信息确定所述待处理故障的故障类型;
第二获取模块,被配置成从预先建立的故障画像信息表中获取所述故障类型对应的画像信息,其中,所述画像信息包括所述故障类型的故障对应的历史维护人员信息;
第二确定模块,被配置成从所述画像信息中确定用于处理所述待处理故障的目标维护人员。
11.根据权利要求10所述的装置,其中,所述第一确定模块包括:
输出子模块,被配置成将所述描述信息输入到预先训练的故障识别模型,输出得到所述待处理故障的故障类型。
12.根据权利要求10所述的装置,其中,所述装置还包括用于生成故障画像信息表的故障画像生成模块,所述故障画像生成模块包括:
第一构建子模块,被配置成基于历史故障数据构建故障图谱;
第二构建子模块,被配置成基于历史故障维护数据构建故障维护图谱;
建边子模块,被配置成建立所述故障图谱与所述故障维护图谱之间的边关系,得到目标图谱;
生成子模块,被配置成基于所述目标图谱生成所述故障画像信息表。
13.根据权利要求12所述的装置,其中,所述第一构建子模块包括:
第一抽取单元,被配置成从历史故障数据中抽取故障属性特征,其中,所述故障属性特征包括故障原因、故障类型以及故障现象;
第一构建单元,被配置成基于所述故障属性特征构建故障图谱。
14.根据权利要求12所述的装置,其中,所述第二构建子模块包括:
第二抽取单元,被配置成从历史故障维护数据中抽取故障的维护人员的属性特征,其中,所述维护人员的属性特征包括:维护人员处理的故障列表、维护人员处理故障的时间以及维护人员处理故障的满意度;
第二构建单元,被配置成基于所述维护人员的属性特征构建故障维护图谱。
15.根据权利要求12所述的装置,所述建边子模块包括:
建边单元,被配置成基于每种故障类型与处理该故障类型的故障的维护人员之间的对应关系,建立所述故障图谱与所述故障维护图谱之间的边关系。
16.根据权利要求12-15中任一项所述的装置,其中,所述故障画像信息表包括每种故障类型的画像信息;以及
所述生成子模块包括:
确定单元,被配置成对于每种故障类型,基于所述目标图谱确定该故障类型的故障对应的历史维护人员的信息;
排序单元,被配置成基于预设规则将所述历史维护人员进行排序;
生成单元,被配置成基于排序结果生成该故障类型的画像信息。
17.根据权利要求16所述的装置,其中,所述排序单元包括:
排序子单元,被配置成基于所述历史维护人员中每个维护人员处理该故障的时间,将所述历史维护人员进行排序。
18.根据权利要求17中所述的装置,其中,所述第二确定模块包括:
确定子模块,被配置成将所述画像信息中处理时间最短的维护人员确定为目标维护人员。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111623494.5A CN114218302A (zh) | 2021-12-28 | 2021-12-28 | 信息处理方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111623494.5A CN114218302A (zh) | 2021-12-28 | 2021-12-28 | 信息处理方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114218302A true CN114218302A (zh) | 2022-03-22 |
Family
ID=80706491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111623494.5A Pending CN114218302A (zh) | 2021-12-28 | 2021-12-28 | 信息处理方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218302A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114680507A (zh) * | 2022-05-26 | 2022-07-01 | 深圳壹家智能锁有限公司 | 共享陪护床的用户数据管理方法、装置、设备及存储介质 |
CN115242603A (zh) * | 2022-07-20 | 2022-10-25 | 北京天一恩华科技股份有限公司 | 故障状态管理方法、装置、电子设备及存储介质 |
CN115796826A (zh) * | 2022-11-01 | 2023-03-14 | 河北东来工程技术服务有限公司 | 一种船舶安全管控的管理方法、***、装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112231493A (zh) * | 2020-11-10 | 2021-01-15 | 泽恩科技有限公司 | 基于知识图谱的机房故障诊断方法、装置、设备及介质 |
WO2021072687A1 (zh) * | 2019-10-16 | 2021-04-22 | 西门子(中国)有限公司 | 故障案例处理方法、***和计算机可读介质 |
CN113516340A (zh) * | 2021-04-01 | 2021-10-19 | 广东电网有限责任公司广州供电局 | 一种智能工单的推送方法和装置 |
CN113723632A (zh) * | 2021-08-27 | 2021-11-30 | 北京邮电大学 | 一种基于知识图谱的工业设备故障诊断方法 |
-
2021
- 2021-12-28 CN CN202111623494.5A patent/CN114218302A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021072687A1 (zh) * | 2019-10-16 | 2021-04-22 | 西门子(中国)有限公司 | 故障案例处理方法、***和计算机可读介质 |
CN112231493A (zh) * | 2020-11-10 | 2021-01-15 | 泽恩科技有限公司 | 基于知识图谱的机房故障诊断方法、装置、设备及介质 |
CN113516340A (zh) * | 2021-04-01 | 2021-10-19 | 广东电网有限责任公司广州供电局 | 一种智能工单的推送方法和装置 |
CN113723632A (zh) * | 2021-08-27 | 2021-11-30 | 北京邮电大学 | 一种基于知识图谱的工业设备故障诊断方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114680507A (zh) * | 2022-05-26 | 2022-07-01 | 深圳壹家智能锁有限公司 | 共享陪护床的用户数据管理方法、装置、设备及存储介质 |
CN115242603A (zh) * | 2022-07-20 | 2022-10-25 | 北京天一恩华科技股份有限公司 | 故障状态管理方法、装置、电子设备及存储介质 |
CN115242603B (zh) * | 2022-07-20 | 2024-01-02 | 北京天一恩华科技股份有限公司 | 故障状态管理方法、装置、电子设备及存储介质 |
CN115796826A (zh) * | 2022-11-01 | 2023-03-14 | 河北东来工程技术服务有限公司 | 一种船舶安全管控的管理方法、***、装置和存储介质 |
CN115796826B (zh) * | 2022-11-01 | 2023-08-04 | 河北东来工程技术服务有限公司 | 一种船舶安全管控的管理方法、***、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114218302A (zh) | 信息处理方法、装置、设备以及存储介质 | |
CN113792154B (zh) | 故障关联关系的确定方法、装置、电子设备及存储介质 | |
CN111708938B (zh) | 用于信息处理的方法、装置、电子设备和存储介质 | |
CN112070416A (zh) | 基于ai的rpa流程的生成方法、装置、设备及介质 | |
CN117632654A (zh) | 一种运维风险等级评估方法、装置、电子设备及存储介质 | |
CN112989797B (zh) | 模型训练、文本扩展方法,装置,设备以及存储介质 | |
CN114896291A (zh) | 多智能体模型的训练方法和排序方法 | |
CN113792876A (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
CN116755974A (zh) | 云计算平台运维方法、装置、电子设备及存储介质 | |
CN116155541A (zh) | 面向网络安全应用的自动化机器学习平台以及方法 | |
CN116401372A (zh) | 知识图谱表示学习方法、装置、电子设备及可读存储介质 | |
CN116016686A (zh) | 待优化节点的确定方法、装置、电子设备和介质 | |
CN115577310A (zh) | 异常对象的识别方法、装置、电子设备及存储介质 | |
CN114385829A (zh) | 知识图谱创建方法、装置、设备以及存储介质 | |
CN114548307A (zh) | 分类模型训练方法和装置、分类方法和装置 | |
CN115186738A (zh) | 模型训练方法、装置和存储介质 | |
CN114417029A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN114491040B (zh) | 信息挖掘方法及装置 | |
US20230004774A1 (en) | Method and apparatus for generating node representation, electronic device and readable storage medium | |
CN116126726A (zh) | 信息确定方法、装置、电子设备以及存储介质 | |
CN118354347A (zh) | 基站退服的预测方法及装置、电子设备和存储介质 | |
CN117093498A (zh) | 测试用例编排的方法及装置、电子设备和存储介质 | |
CN117033057A (zh) | 基于调用链数据的故障根因定位方法、装置、设备及介质 | |
CN116860632A (zh) | 基于知识图谱的软件测试方法、装置、设备以及存储介质 |
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 |