CN115759960A - 事项监控方法、***、计算机设备及介质 - Google Patents
事项监控方法、***、计算机设备及介质 Download PDFInfo
- Publication number
- CN115759960A CN115759960A CN202211382894.6A CN202211382894A CN115759960A CN 115759960 A CN115759960 A CN 115759960A CN 202211382894 A CN202211382894 A CN 202211382894A CN 115759960 A CN115759960 A CN 115759960A
- Authority
- CN
- China
- Prior art keywords
- time
- time limit
- completion time
- work order
- completion
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种事项监控方法、***、计算机设备及介质，通过获取处理事项匹配的总完成时限与处理事项的历史完成时间后，使用Prophet算法推算总完成时限以及历史完成时间之间的时间差值，并使用该时间差值对后续的处理事项执行时间进行监控的方式实现了根据外部环境自动推算用于监控的时间差值，达到了可针对大量的处理事项的处理时限进行精确时效监控的使用效果，解决了现有技术当中现有的人工监控方式面对数量众多的处理事项时很难对处理事项的处理时限进行精确时效监控，导致当处理事项临近超期时监控人员无法及时识别，造成处理事项超期的问题，提升了用户在进行多项处理事项监控时的准确性以及便利性。
Description
技术领域
本发明涉及事项监控，尤其涉及一种事项监控方法、***、计算机设备及介质。
背景技术
在社会治理中，城市运行指挥中心负责接收来自不同渠道不同类型的事件，并将这些事件通过工单的形式统一分派到各处置部门进行处置，同时还负责对事件和各处置部门的工单处置过程进行实时监督时效监控，保证事件能够按时完成处置；
然而***的监控人员每日需要统一分派的处理事项数量较多，且处理事项往往涉及到多个部门协同处置，因此会产生数量更多的处理事项，面对数量众多的处理事项，监控人员很难对处理事项的处理时限进行精确时效监控，导致当处理事项临近超期时监控人员无法及时识别，导致处理事项超期。
发明内容
基于此，有必要针对上述问题，提出了一种对多个处理事项的处理时限进行精确时效监控的事项监控方法、***、计算机设备及介质。
本发明提供了一种事项监控方法，具体包括：
获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
若是，则发送总时长超期报警信息。
进一步的，所述推算所述总完成时限与所述历史完成时间之间的时限差值，并记为最终时限差值的步骤，具体包括；
推算所述总完成时限与所述历史完成时间之间差值，并记为趋势项g(t)1；
获取与所述总完成时限对应外部环境的季节信息以及节假日信息，并分别记为季节信息S(t)1以及节假日信息h(t)1；
获取与所述处理事项匹配的预设误差项，记为t1；
使用Prophet算法结合所述g(t)1、所述S(t)1、所述h(t)1以及所述t1推算所述g(t)1的预测值y(t)1，并记为所述最终时限差值。
进一步的，所述判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值的步骤，具体包括：
获取所述处理事项后续执行时的执行时间，记为后续执行时间；
判断所述后续执行时间与各个所述历史完成时间之间的时限差值，并记为第一判断差值；
判断各个所述第一判断差值之间的平均值是否高于预设倍数的所述最终时限差值；
若是，则判定所述后续执行时间与所述历史完成时间之间的时限差值大于所述最终时限差值。
进一步的，所述获取所述处理事项的完成时间合集，所述完成时间合集内包含多个与处理事项匹配的历史完成时间的步骤之后，还包括：
获取当前正在执行的所述处理事项的执行时长；
判断所述执行时长是否超过预设百分比的所述历史完成时间；
若是，则发送期限预警警报。
进一步的，所述处理事项内设有若干个处理工单，所述历史完成时间含有若干个与所述处理工单匹配的工单完成时间；
则所述获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值的步骤之后，还包括：
获取所述处理工单的第二完成时间合集，所述第二完成时间合集内包含多个与处理工单匹配的历史工单完成时间，且第二完成时间合集不包含所述工单完成时间；
推算所述工单完成时间与所述历史工单完成时间的时限差值，并记为工单时限差值；
判断所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值是否大于所述工单时限差值；
若是，则发送工单超期报警信息。
进一步的，所述推算所述工单完成时间与所述历史工单完成时间的时限差值，并记为工单时限差值的步骤，具体包括：
推算所述工单完成时间与所述历史工单完成时间之间差值，并记为趋势项g(t)2；
获取与所述工单完成时间对应的外部环境季节信息以及节假日信息，并分别记为季节信息S(t)2以及节假日信息h(t)2；
获取与所述处理工单匹配的预设误差项，记为t2；
使用Prophet算法结合所述g(t)2、所述S(t)2、所述h(t)2以及所述t2推算所述g(t)2的预测值y(t)2，并记为所述工单时限差值。
进一步的，所述判断所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值是否大于所述工单时限差值的步骤，具体包括：
获取所述处理工单后续执行时的执行时间，记为后续工单执行时间；
判断所述后续工单执行时间与各个所述历史工单完成时间之间的时限差值，并记为第二判断差值；
判断各个所述第二判断差值之间的平均值是否高于预设倍数所述工单时限差值；
若是，则判定所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值大于所述工单时限差值。
本发明还提供了一种事项监控***，包括：
事项获取单元，用于获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
时间获取单元，用于获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
时间合集获取单元，用于获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
计算单元，用于推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
判断单元，用于判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
发送单元，用于判断若是，则发送总时长超期报警信息。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
若是，则发送总时长超期报警信息。
一种计算机可读介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
若是，则发送总时长超期报警信息。
上述的事项监控方法、***、计算机设备及介质，通过获取处理事项匹配的总完成时限与处理事项的历史完成时间后，使用Prophet算法推算总完成时限以及历史完成时间之间的时间差值，并使用该时间差值对后续的处理事项执行时间进行监控的方式实现了根据外部环境自动推算用于监控的时间差值，达到了可针对大量的处理事项的处理时限进行精确时效监控的使用效果，解决了现有技术当中现有的人工监控方式面对数量众多的处理事项时很难对处理事项的处理时限进行精确时效监控，导致当处理事项临近超期时监控人员无法及时识别，造成处理事项超期的问题，提升了用户在进行多项处理事项监控时的准确性以及便利性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，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。
其中：
图1为一实施例中事项监控方法的方法流程图；
图2为一实施例中事项监控***的结构示意图；
图3为一实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
参考图1，本发明提供了一种事项监控方法，具体包括：
S1、获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
如上述步骤S1所述，后台***获取监控人员输入的，需要进行时序监控的处理事项，可以理解的是，处理事项本质上为一个事项处理流程，且后台***中预存有多种不同类别的处理事项，监控人员可根据需要进行自身的使用场景的自行设定对应类型的处理事项，如当需要进行交通事故相关事项的时效监控时，可选择与交通事故处理流程相关的处理事项；
此外，此外，所述后台***一般为后台服务器，此外，所述后台***可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器，本发明对此不做限定。
S2、获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
如上述步骤S2所述，后台***获取与处理事项匹配的总完成时限，总完成时限预先储存在后台***当中，用于限制处理事项的完成时间，可以理解的是，当处理事项的完成时间超过该总完成时限时，后台***可相对应的发出警报信息，此外，总完成时限的具体时长可由用户自行设置，本发明针对总完成时限的具体时长不做限定。
S3、获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
如上述步骤S3所述，后台***获取处理事项的第一完成时间合集，可以理解的是，后台***当中储存有多个监控人员完成该处理事项的所需的历史执行时间，则该历史执行时间的合集即为第一完成时间合集，且历史执行时间即为上述步骤S3中的历史完成时间；
此外，由于总完成时限在后续步骤中需要与历史完成时间进行比对，因此在第一完成时间合集内不包含总完成时限。
S4、推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
如上述步骤S4所述，后台***在获取到总完成时限以及历史完成时间后，使用Prophet算法推算总完成时限以及历史完成时间两端时间之间的时限差值，并记为最终时限差值。
S5、判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
如上述步骤S5所述，后台***获取在后续执行流程中处理事项的执行时间，并记为后续执行时间，并判断后续执行时间与第一完成时间合集内各个历史完成时间之间的时限差值是否大于所述最终时限差值。
S6、若是，则发送总时长超期报警信息。
如上述步骤S6所述，当后台***判断后续执行时间与历史完成时间之间的时限差值大于最终时限差值时，则后台***判断本次处理事项的执行时间超出阈值，则发送总时长超期报警信息，后台***对应的监控人员此时可及时判断处理事项的处理流程出现问题，并进行对应的修改。
本实施例通过上述方法，通过获取处理事项匹配的总完成时限与处理事项的历史完成时间后，使用Prophet算法推算总完成时限以及历史完成时间之间的时间差值，并使用该时间差值对后续的处理事项执行时间进行监控的方式实现了根据外部环境自动推算用于监控的时间差值，达到了可针对大量的处理事项的处理时限进行精确时效监控的使用效果，解决了现有技术当中现有的人工监控方式面对数量众多的处理事项时很难对处理事项的处理时限进行精确时效监控，导致当处理事项临近超期时监控人员无法及时识别，造成处理事项超期的问题，提升了用户在进行多项处理事项监控时的准确性以及便利性。
一实施例中，所述步骤S4，具体包括；
S41、推算所述总完成时限与所述历史完成时间之间差值，并记为趋势项g(t)1；，获取与所述总完成时限对应外部环境的季节信息以及节假日信息，并分别记为季节信息S(t)1以及节假日信息h(t)1，获取与所述处理事项匹配的预设误差项，记为t1，使用Prophet算法结合所述g(t)1、所述S(t)1、所述h(t)1以及所述t1推算所述g(t)1的预测值y(t)1，并记为所述最终时限差值。
如上述实施例所述，后台***使用Prophet算法推算总完成时限与所述历史完成时间之间差值，可以理解的是，Prophet是一种基于加性模型(additive model)预测时间序列数据的方法，其中非线性趋势与年、周、日的季节性变化以及假日效应相吻合，具有强烈季节性影响和多个季节历史数据的时间序列，因此在本实施例中通过结合外部环境的季节信息以及节假日信息来对序列中的异常值(即预测值y(t)1)进行推算，在本实施例中，Prophet算法的推算流程具体表现为：
后台***先推算处理事项的总完成时限与历史完成时间之间差值，并记为Prophet算法当中的趋势项g(t)1，之后后台***获取执行处理事项时外部环境在与总完成时限对应的时间段内的季节信息以及节假日信息，并分别记为Prophet算法当中的季节信息S(t)1以及节假日信息h(t)1，最后后台***获取与处理事项匹配的预设误差项，并记为Prophet算法当中的预设误差项t1，此时Prophet算法满足以下关系式：
y(t)1＝g(t)1+S(t)1+h(t)1+t1
则此时上述关系式中的预测值y(t)1即为总完成时限与历史完成时间之间的最终时限差值。
一实施例中，所述步骤S5，具体包括：
S51、获取所述处理事项后续执行时的执行时间，记为后续执行时间，判断所述后续执行时间与各个所述历史完成时间之间的时限差值，并记为第一判断差值，判断各个所述第一判断差值之间的平均值是否高于预设倍数的所述最终时限差值，若是，则判定所述后续执行时间与所述历史完成时间之间的时限差值大于所述最终时限差值。
如上述实施例所述，后台***针对处理事项的后续处理时间进行监控，并将后续处理时间记为后续处理时间后，获取后续处理时间与第一完成时间合集内包含的各个历史完成时间之间的时限差值，并记为第一判断差值，之后后台***推算各个第一判断差值之间的平均值，并判断该平均值是否高于预设倍数的最终时限差值，在本实施例中，该预设倍数为3倍，则当后台***判断该平均值高于3倍最终时限差值时，则判定后续执行时间与历史完成时间之间满足正态分布的3σ准则，则后台***判定后续执行时间与所述历史完成时间之间的时限差值大于最终时限差值。
一实施例中，所述步骤S3之后，还包括：
S31、获取当前正在执行的所述处理事项的执行时长，判断所述执行时长是否超过预设百分比的所述历史完成时间，若是，则发送期限预警警报。
如上述实施例所述，后台***获取当前正在处理的处理事项执行时长，并判断该执行时长否超过历史完成时间的预设百分比，在本实施例中，上述预设百分比为80％，则此时后台***判断该执行时长否超过历史完成时间的80％，若是，则此时后台***判定本次处理事项的执行时长存在超期风险，则后台***发送期限预警警报，后台***对应的监控人员此时可及时判断处理事项的处理流程出现问题，并进行对应的修改。
一实施例中，所述处理事项内设有若干个处理工单，所述历史完成时间含有若干个与所述处理工单匹配的工单完成时间；
则所述步骤S2之后，还包括：
S21、获取所述处理工单的第二完成时间合集，所述第二完成时间合集内包含多个与处理工单匹配的历史工单完成时间，且第二完成时间合集不包含所述工单完成时间，推算所述工单完成时间与所述历史工单完成时间的时限差值，并记为工单时限差值，判断所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值是否大于所述工单时限差值，若是，则发送工单超期报警信息。
如上述实施例所述，处理事项内设有若干个处理工单，可以理解的是，由于处理事项本质上为一个事项处理流程，因此事项处理流程内会含有若干个需要其他部门进行配合实现的处理工单，因此历史完成时间内亦含有若干个与处理工单匹配的工单完成时间；
则在本实施例中，后台***获取与处理工单匹配的工单完成时间，工单完成时间预先储存在后台***当中，用于限制处理工单的完成时间，则后台***获取处理工单的第二完成时间合集，可以理解的是，后台***当中储存有多个其他部门完成该处理工单的所需的历史工单完成时间，则该历史工单完成时间的合集即为第二完成时间合集，此外，由于工单完成时间在后续步骤中需要与历史工单完成时间进行比对，因此在第二完成时间合集内不包含工单完成时间，
之后后台***在获取到工单完成时间以及历史工单完成时间后，使用Prophet算法推算工单完成时间以及历史工单完成时间两端时间之间的时限差值，并记为工单时限差值，
之后后台***获取在后续执行流程中处理工单的执行时间，并记为后续工单执行时间，并判断后续工单执行时间与第二完成时间合集内各个历史工单完成时间之间的时限差值是否大于所述工单时限差值，
最后当后台***判断后续红单执行时间与历史工单完成时间之间的时限差值大于工单时限差值时，则后台***判断本次处理工单的执行时间超出阈值，则发送工单超期报警信息，后台***对应的监控人员此时可及时判断处理工单的处理流程出现问题，并进行对应的修改。
一实施例中，所述推算所述工单完成时间与所述历史工单完成时间的时限差值，并记为工单时限差值的步骤，具体包括：
S22、推算所述工单完成时间与所述历史工单完成时间之间差值，并记为趋势项g(t)2，获取与所述工单完成时间对应的外部环境季节信息以及节假日信息，并分别记为季节信息S(t)2以及节假日信息h(t)2，获取与所述处理工单匹配的预设误差项，记为t2，使用Prophet算法结合所述g(t)2、所述S(t)2、所述h(t)2以及所述t2推算所述g(t)2的预测值y(t)2，并记为所述工单时限差值。
如上述实施例所述，后台***使用Prophet算法推算工单完成时间与所述历史工单完成时间之间差值，可以理解的是，Prophet是一种基于加性模型(additive model)预测时间序列数据的方法，其中非线性趋势与年、周、日的季节性变化以及假日效应相吻合，具有强烈季节性影响和多个季节历史数据的时间序列，因此在本实施例中通过结合外部环境的季节信息以及节假日信息来对序列中的异常值(即预测值y(t)2)进行推算，在本实施例中，Prophet算法的推算流程具体表现为：
后台***先推算处理事项的工单完成时间与历史工单完成时间之间差值，并记为Prophet算法当中的趋势项g(t)2，之后后台***获取执行处理事项时外部环境在与工单完成时间对应的时间段内的季节信息以及节假日信息，并分别记为Prophet算法当中的季节信息S(t)2以及节假日信息h(t)2，最后后台***获取与处理工单匹配的预设误差项，并记为Prophet算法当中的预设误差项t2，此时Prophet算法满足以下关系式：
y(t)2＝g(t)2+S(t)2+h(t)2+t2
则此时上述关系式中的预测值y(t)2即为工单完成时间与历史工单完成时间之间的工单时限差值。
一实施例中，所述判断所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值是否大于所述工单时限差值的步骤，具体包括：
S23、获取所述处理工单后续执行时的执行时间，记为后续工单执行时间，判断所述后续工单执行时间与各个所述历史工单完成时间之间的时限差值，并记为第二判断差值，判断各个所述第二判断差值之间的平均值是否高于预设倍数所述工单时限差值，若是，则判定所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值大于所述工单时限差值。
如上述实施例所述，后台***针对处理工单后续执行时的执行时间，即后续工单执行时间进行监控，并获取后续工单处理时间与第二完成时间合集内包含的各个历史工单完成时间之间的时限差值，并记为第二判断差值，之后后台***推算各个第二判断差值之间的平均值，并判断该平均值是否高于预设倍数的工单时限差值，在本实施例中，该预设倍数为3倍，则当后台***判断该平均值高于3倍工单时限差值时，则判定后续工单执行时间与历史完成时间之间满足正态分布的3σ准则，则后台***判定后续工单执行时间与所述历史工单完成时间之间的时限差值大于工单时限差值。
参考图2，本发明还提供了一种事项监控***，包括：
事项获取单元1，用于获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
时间获取单元2，用于获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
时间合集获取单元3，用于获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
计算单元4，用于推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
判断单元5，用于判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
发送单元6，用于判断若是，则发送总时长超期报警信息。
上述各单元为执行上述事项监控***，在此不再一一介绍。
图3示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器，所述服务器包括但不限于高性能计算机和高性能计算机集群。如图3所示，该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现所述员工状态判断方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行所述事项监控方法。
在一个实施例中，本发明提供的客户行为识别方法可以实现为一种计算机程序的形式，计算机程序可在如图3所示的计算机设备上运行。计算机设备的存储器中可存储组成邮件自动分类聚合装置的各个程序模板。比如：事项获取单元1、时间获取单元2、时间合集获取单元3、计算单元4、判断单元5以及发送单元6。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程，获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值，获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限，推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值，判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值，若是，则发送总时长超期报警信息。
综合上述实施例可知，本发明最大的有益效果在于，通过获取处理事项匹配的总完成时限与处理事项的历史完成时间后，使用Prophet算法推算总完成时限以及历史完成时间之间的时间差值，并使用该时间差值对后续的处理事项执行时间进行监控的方式实现了根据外部环境自动推算用于监控的时间差值，达到了可针对大量的处理事项的处理时限进行精确时效监控的使用效果，解决了现有技术当中现有的人工监控方式面对数量众多的处理事项时很难对处理事项的处理时限进行精确时效监控，导致当处理事项临近超期时监控人员无法及时识别，造成处理事项超期的问题，提升了用户在进行多项处理事项监控时的准确性以及便利性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、以及双数据率等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种事项监控方法，其特征在于，包括：
获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
若是，则发送总时长超期报警信息。
2.如权利要求1所述的事项监控方法，其特征在于，所述推算所述总完成时限与所述历史完成时间之间的时限差值，并记为最终时限差值的步骤，具体包括；
推算所述总完成时限与所述历史完成时间之间差值，并记为趋势项g(t)1；
获取与所述总完成时限对应外部环境的季节信息以及节假日信息，并分别记为季节信息S(t)1以及节假日信息h(t)1；
获取与所述处理事项匹配的预设误差项，记为t1；
使用Prophet算法结合所述g(t)1、所述S(t)1、所述h(t)1以及所述t1推算所述g(t)1的预测值y(t)1，并记为所述最终时限差值。
3.如权利要求1所述的事项监控方法，其特征在于，所述判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值的步骤，具体包括：
获取所述处理事项后续执行时的执行时间，记为后续执行时间；
判断所述后续执行时间与各个所述历史完成时间之间的时限差值，并记为第一判断差值；
判断各个所述第一判断差值之间的平均值是否高于预设倍数的所述最终时限差值；
若是，则判定所述后续执行时间与所述历史完成时间之间的时限差值大于所述最终时限差值。
4.如权利要求1所述的事项监控方法，其特征在于，所述获取所述处理事项的完成时间合集，所述完成时间合集内包含多个与处理事项匹配的历史完成时间的步骤之后，还包括：
获取当前正在执行的所述处理事项的执行时长；
判断所述执行时长是否超过预设百分比的所述历史完成时间；
若是，则发送期限预警警报。
5.如权利要求1所述的事项监控方法，其特征在于，所述处理事项内设有若干个处理工单，所述历史完成时间含有若干个与所述处理工单匹配的工单完成时间；
则所述获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值的步骤之后，还包括：
获取所述处理工单的第二完成时间合集，所述第二完成时间合集内包含多个与处理工单匹配的历史工单完成时间，且第二完成时间合集不包含所述工单完成时间；
推算所述工单完成时间与所述历史工单完成时间的时限差值，并记为工单时限差值；
判断所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值是否大于所述工单时限差值；
若是，则发送工单超期报警信息。
6.如权利要求5所述的事项监控方法，其特征在于，所述推算所述工单完成时间与所述历史工单完成时间的时限差值，并记为工单时限差值的步骤，具体包括：
推算所述工单完成时间与所述历史工单完成时间之间差值，并记为趋势项g(t)2；
获取与所述工单完成时间对应的外部环境季节信息以及节假日信息，并分别记为季节信息S(t)2以及节假日信息h(t)2；
获取与所述处理工单匹配的预设误差项，记为t2；
使用Prophet算法结合所述g(t)2、所述S(t)2、所述h(t)2以及所述t2推算所述g(t)2的预测值y(t)2，并记为所述工单时限差值。
7.如权利要求5所述的事项监控方法，其特征在于，所述判断所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值是否大于所述工单时限差值的步骤，具体包括：
获取所述处理工单后续执行时的执行时间，记为后续工单执行时间；
判断所述后续工单执行时间与各个所述历史工单完成时间之间的时限差值，并记为第二判断差值；
判断各个所述第二判断差值之间的平均值是否高于预设倍数所述工单时限差值；
若是，则判定所述处理工单当前的执行时间与所述历史工单完成时间之间的时限差值大于所述工单时限差值。
8.一种事项监控***，其特征在于，包括：
事项获取单元，用于获取需要进行时效监控的处理事项，所述处理事项为***设置的事项处理流程；
时间获取单元，用于获取与所述处理事项匹配的总完成时限，所述总完成时限为所述处理事项匹配预设的完成时间阈值；
时间合集获取单元，用于获取所述处理事项的第一完成时间合集，所述第一完成时间合集内包含多个与处理事项匹配的历史完成时间，且第一完成时间合集不包含所述总完成时限；
计算单元，用于推算所述总完成时限与所述历史完成时间的时限差值，并记为最终时限差值；
判断单元，用于判断所述处理事项的后续执行时间与所述历史完成时间之间的时限差值是否大于所述最终时限差值；
发送单元，用于判断若是，则发送总时长超期报警信息。
9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的事项监控方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的事项监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211382894.6A CN115759960A (zh) | 2022-11-07 | 2022-11-07 | 事项监控方法、***、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211382894.6A CN115759960A (zh) | 2022-11-07 | 2022-11-07 | 事项监控方法、***、计算机设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115759960A true CN115759960A (zh) | 2023-03-07 |
Family
ID=85356819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211382894.6A Pending CN115759960A (zh) | 2022-11-07 | 2022-11-07 | 事项监控方法、***、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115759960A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876312A (zh) * | 2018-07-18 | 2018-11-23 | 平安科技（深圳）有限公司 | 案件提醒方法、装置、计算机设备及存储介质 |
| CN110990174A (zh) * | 2019-10-25 | 2020-04-10 | 苏州浪潮智能科技有限公司 | 一种基于Prophet模型预测SSD可用时间的方法、设备及介质 |
| CN111178665A (zh) * | 2019-11-19 | 2020-05-19 | 腾讯科技（深圳）有限公司 | 数据分析方法、装置及设备 |
| CN111737095A (zh) * | 2020-08-05 | 2020-10-02 | 北京必示科技有限公司 | 批处理任务时间监控方法、装置、电子设备及存储介质 |
| CN112363890A (zh) * | 2020-11-18 | 2021-02-12 | 合肥城市云数据中心股份有限公司 | 基于Prophet模型的数据中心运维***阈值自适应告警监测方法 |
| CN113256256A (zh) * | 2021-05-28 | 2021-08-13 | 北京软通智慧城市科技有限公司 | 一种工单预警方法、装置、设备及存储介质 |
-
2022
- 2022-11-07 CN CN202211382894.6A patent/CN115759960A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876312A (zh) * | 2018-07-18 | 2018-11-23 | 平安科技（深圳）有限公司 | 案件提醒方法、装置、计算机设备及存储介质 |
| CN110990174A (zh) * | 2019-10-25 | 2020-04-10 | 苏州浪潮智能科技有限公司 | 一种基于Prophet模型预测SSD可用时间的方法、设备及介质 |
| CN111178665A (zh) * | 2019-11-19 | 2020-05-19 | 腾讯科技（深圳）有限公司 | 数据分析方法、装置及设备 |
| CN111737095A (zh) * | 2020-08-05 | 2020-10-02 | 北京必示科技有限公司 | 批处理任务时间监控方法、装置、电子设备及存储介质 |
| CN112363890A (zh) * | 2020-11-18 | 2021-02-12 | 合肥城市云数据中心股份有限公司 | 基于Prophet模型的数据中心运维***阈值自适应告警监测方法 |
| CN113256256A (zh) * | 2021-05-28 | 2021-08-13 | 北京软通智慧城市科技有限公司 | 一种工单预警方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李文芳;梁雅洁;高玉华;吴雪霞;赵雪;: "95598业务支持***工单识别与分配技术研究", 山东电力技术, no. 03 * |
| 苏沛;: "电力95598热线全业务集中后的工单预警机制", 中国科技信息, no. 23 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111212038B (zh) | 基于大数据人工智能的开放数据api网关*** | |
| US20170371757A1 (en) | System monitoring method and apparatus | |
| US6973415B1 (en) | System and method for monitoring and modeling system performance | |
| US7082381B1 (en) | Method for performance monitoring and modeling | |
| CN113176978B (zh) | 基于日志文件的监控方法、***、设备及可读存储介质 | |
| CN104811344A (zh) | 网络动态业务监控方法及装置 | |
| CN111045894A (zh) | 数据库异常检测方法、装置、计算机设备和存储介质 | |
| CN110084606B (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
| CN108306846B (zh) | 一种网络访问异常检测方法及*** | |
| US7369967B1 (en) | System and method for monitoring and modeling system performance | |
| CN109684320B (zh) | 监测数据在线清洗的方法和设备 | |
| CN111353901A (zh) | 风险识别监控方法、装置以及电子设备 | |
| CN110009347B (zh) | 一种区块链交易信息审计的方法及装置 | |
| WO2021191704A1 (en) | Machine learning based data monitoring | |
| CN110363381B (zh) | 一种信息处理方法和装置 | |
| CN114764535A (zh) | 用于仿真的电力数据处理方法、装置、设备及存储介质 | |
| US10021013B2 (en) | Optimizing the monitoring of an enterprise server environment | |
| CN114372869A (zh) | 资金流向的监测方法、装置及计算机程序产品 | |
| KR102581144B1 (ko) | 고객분석 기반 기업 가치평가 방법 및 시스템 | |
| CN116977063A (zh) | 一种贷款风险监控装置、方法、设备及存储介质 | |
| CN115759960A (zh) | 事项监控方法、***、计算机设备及介质 | |
| CN114997879B (zh) | 一种支付路由方法、装置、设备和存储介质 | |
| CN113343577B (zh) | 一种基于机器学习的参数优化方法、装置、设备及介质 | |
| CN109218062B (zh) | 基于置信区间的互联网业务报警方法和装置 | |
| CN116228312A (zh) | 大额积分兑换行为的处理方法和装置 |
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 |