TWI821666B - 服務管理系統及服務資訊流程的調適方法 - Google Patents
服務管理系統及服務資訊流程的調適方法 Download PDFInfo
- Publication number
- TWI821666B TWI821666B TW110117258A TW110117258A TWI821666B TW I821666 B TWI821666 B TW I821666B TW 110117258 A TW110117258 A TW 110117258A TW 110117258 A TW110117258 A TW 110117258A TW I821666 B TWI821666 B TW I821666B
- Authority
- TW
- Taiwan
- Prior art keywords
- service
- information
- service information
- rule
- provisioning
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 117
- 230000008569 process Effects 0.000 title claims abstract description 84
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 230000006978 adaptation Effects 0.000 claims description 30
- 238000009434 installation Methods 0.000 claims description 16
- 230000002787 reinforcement Effects 0.000 claims description 16
- 238000007637 random forest analysis Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 abstract description 7
- 238000004886 process control Methods 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Exchange Systems With Centralized Control (AREA)
- Alarm Systems (AREA)
- Input From Keyboards Or The Like (AREA)
Abstract
本發明實施例提供一種服務管理系統及服務資訊流程的調適方法。在方法中，取得服務資訊的關鍵特徵。服務資訊對應於進行供裝作業的服務。透過機器學習演算法對關鍵特徵建立規則。這規則相關於處理服務資訊對應服務的標準化流程。偵測處理服務資訊對應的服務中的異常，並依據異常提供對應的規則。藉此，可有效排除異常並縮短服務流程。
Description
本發明是有關於一種服務管理，且特別是有關於一種服務管理系統及服務資訊流程的調適方法。
傳統流程管理技術大多著重於處理標準化之服務資訊流程整合與資訊同步。然而，因為電信與加值服務具有高複雜業務規則與資料傳遞橫跨眾多系統的長作業流程特性，容易發生各種非預期的異常錯誤，甚至需仰賴人力介入判斷狀況與處理。此外，公司業務推廣變動快速或異質系統流程之人為操作問題可能產生各種變異流程，進而導致流程無法依循正常進行。
有鑑於此，本發明實施例提供一種服務管理系統及服務資訊流程的調適方法，導入機器學習，並據以發展出智慧化調適規則庫。
本發明實施例的服務資訊流程的調適方法包括(但不僅限
於)下列步驟：取得服務資訊的一個或更多個關鍵特徵。服務資訊對應於進行供裝作業的服務。透過一個或更多個機器學習演算法對關鍵特徵建立規則。這規則相關於處理服務資訊對應服務的標準化流程。偵測處理服務資訊對應的服務中的異常，並依據異常提供對應的規則。
本發明實施例的服務管理系統包括(但不僅限於)異質系統及智慧化調適模組。異質系統用以進行服務的供裝作業。智慧化調適模組用以取得這服務對應的服務資訊的一個或更多個關鍵特徵，透過一個或更多個機器學習演算法對關鍵特徵建立規則，偵測處理服務資訊對應的服務中的異常，並依據異常提供對應的規則。這規則相關於處理服務資訊對應服務的標準化流程。
基於上述，依據本發明實施例的服務管理系統及服務資訊流程的調適方法，利用機器學習建立處理服務的規則，並反應於異常而提供對應規則。藉此，可有效解決異常並縮短處理流程。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
U:使用者
1:服務管理系統
101:服務受理模組
102:流程控制模組
103:智慧化調適模組
104:服務資訊資料庫
105:異質系統
106:智慧化調適規則庫
107:智慧化流程管制報表
SI:服務資訊
PI:流程資訊
KF:關鍵特徵
SPI:服務供裝資訊
S210~S290、S251~S253、S310~S350:步驟
201:隨機森林演算法
202:強化學習法
圖1是依據本發明一實施例的服務管理系統的元件方塊圖。
圖2是依據本發明一實施例的特徵前置作業的流程圖。
圖3是依據本發明一實施例的服務資訊流程的調適方法的流
程圖。
圖4是依據本發明一實施例的調適作業的示意圖。
圖1是依據本發明一實施例的服務管理系統1的元件方塊圖。請參照圖1，服務管理系統1包括(但不僅限於)服務受理模組101、流程控制模組102、智慧化調適模組103、服務資訊資料庫104、異質系統105及智慧化調適規則庫106。
在一實施例中，服務受理模組101、流程控制模組102、智慧化調適模組103、及異質系統105可能分別由電腦、智慧型手機、伺服器、雲端系統、穿戴式裝置、智能助理裝置、晶片、處理器等硬體元件或裝置實現。在一實施例中，服務受理模組101、流程控制模組102、智慧化調適模組103、及異質系統105中的部分或全部可能整合成單一裝置。在一些實施例中，服務受理模組101、流程控制模組102、智慧化調適模組103、及異質系統105的功能可能由軟體實現。
在一實施例中，服務資訊資料庫104及智慧化調適規則庫106可以實現在靜態或動態隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、快閃記憶體(Flash Memory)、各類型硬碟、雲端空間或其他儲存媒體。
本發明實施例之一個或更多個目的之一在於，提供一種智慧化調適服務資訊流程的設計方法與系統，導入機器學習技術，
並據以自動發展出智慧化調適規則庫。本發明實施例可持續地自動偵測服務資訊流程狀態。一旦有非預期的異常或錯誤發生，立即進行智慧化調適作業，以自動修正異常。本發明實施例具有強化學習的優點，透過長期回饋自動化調適，找出最佳解。此外，本發明實施例提供管制報表予管理及需求單位，可監控服務資訊流程週期並改善既有標準流程，甚至進行流程再造，以達到建立異常服務資訊流程的最佳或較佳處理方式。
下文中，將搭服務管理系統1中的各項元件或模組說明本發明實施例所述之方法。本方法的各個流程可依照實施情形而隨之調整，且並不僅限於此。
圖2是依據本發明一實施例的特徵前置作業的流程圖。請參照圖2，使用者U可透過服務受理模組101進行服務受理(步驟S210)，以產生服務資訊SI。在一實施例中，受理的服務相關於電信相關服務。例如，光纖網路申裝、行動網路的頻寬升級、或多媒體內容的頻道選擇。在其他實施例中，受理的服務也可能相關於各類型資源(例如，水、電、或瓦斯)、工程(例如，裝潢、或建築)或其他軟硬體服務，且不以此為限。此外，使用者U可能透過網路、電話、郵件、臨櫃等方法提出服務的申請需求。而服務資訊SI即是所欲申請服務的內容，並為後續建構智慧化調適規則庫之關鍵特徵KF之資料來源之一(待後文詳述)。服務資訊SI可包括服務項目、服務類型(例如，新增/調整/刪除)及/或服務細節(例如，光纖網路申裝地點、網路頻寬、客指要求等)，並可視應用領域而調
整。
服務受理模組101可將服務受理模組101所產生的服務資訊SI儲存至服務資訊資料庫104(步驟S230)。
流程控制模組102可接收服務受理模組110所產生之服務資料SI，並依據標準化服務流程之規則將服務資訊SI傳送給對應服務站別之異質系統105，以進行這服務的供裝作業(步驟S250)。具體而言，流程控制模組102負責所有服務資訊SI的流程控制。例如，流程順序、參數傳送、作業切換等。其中，流程控制模組102依據已定義之流程，將服務資訊SI依據標準化規則送給相關介接之異質系統105。而在流程控制模組102的運作過程中所產生的數值/參數可作為流程資訊PI。例如，介接站別、流程結果、流程狀態等。流程資訊PI也可作為後續建構智慧化調適規則庫之關鍵特徵KF之資料來源之一(待後文詳述)。值得注意的是，在一些應用情境中，網路不穩等非預期因素所造成無法正常送出服務資訊SI給異質系統105的情況，可能會導致流程處理異常。
另一方面，異質系統105負責服務之供裝作業、帳務作業及/或提供維運保固服務。異質系統105可回傳處理後之服務供裝資訊SPI，並據以更新服務受理模組101所受理的服務的相關內容，進而供使用者U查詢以得知服務供裝進度。服務供裝資訊SPI例如是供裝時間、調訂時間、供裝交換局等。服務供裝資訊SPI也可作為建構智慧化調適規則庫之關鍵特徵KF之資料來源之一(待後文詳述)。值得注意的是，在一些應用情境中，異質系統105的
運作過程可能因非預期因素造成無法正常回傳處理結果，或是回覆異常且非正規化的資料內容導致流程處理異常。
此外，流程資訊PI及/或服務供裝資訊SPI也可儲存在服務資訊資料庫104(步驟S270、S290)，以供智慧化調適模組103存取。在一些實施例中，服務資訊資料庫104更儲存歷史資料。即，過往的服務資訊SI、流程資訊PI及/或服務供裝資訊SPI。
圖3是依據本發明一實施例的服務資訊流程的調適方法的流程圖。請參照圖3，智慧化調適模組103可取得服務對應的服務資訊的一個或更多個關鍵特徵KF(步驟S310)。具體而言，關鍵特徵KF是透過特徵提取(Feature Extraction)所取得。特徵提取可應用在諸如機器學習(machine learning)、模式辨識、影像處理或其他技術領域。特徵提取是對初始測量測/收集/擷取的資料樣本建構出包括資訊性而且不冗餘的衍生值(或稱為特徵值(feature))。特徵提取可輔助後續的學習及規則歸納過程，且可對初始的資料樣本有更佳的詮釋。換句而言，特徵提取可對輸入資料簡化成特徵集合(可被視為重要或有用資訊)，並直接使用特徵集合來執行後續任務(例如，模型訓練、成分分析、物件檢測等)。
智慧化調適模組103可透過一個或更多個機器學習演算法對關鍵特徵KF建立規則(步驟S330)。具體而言，智慧化調適模組103可取得服務資訊SI的關鍵特徵KF，並利用機器學習技術的自主訓練與學習，發展新規則(即，創造新規則)，並據以加入規則至智慧化調適規則庫106。這規則相關於處理服務資訊SI對應
服務的標準化流程。例如，正確的順序、參數、或對象。同時，智慧化調適模組103可藉由蒐集服務資訊SI的關鍵特徵KF，持續地或週期地偵測服務流程(例如，服務供裝、帳務作業及/或維運保固)的狀態(例如，正常、異常、錯誤、停止等)，並依據服務流程的狀態取得關鍵特徵。一旦自關鍵特徵中找出非標準化的異常(不同於標準流程的狀態)，即可提供對應的規則，進行提供智慧化調適的作業(例如，依據規則修復或修正服務及/或其服務資訊)。
圖4是依據本發明一實施例的調適作業的示意圖。請參照圖4，在一實施例中，機器學習演算法包括隨機森林(Random Forest)演算法201及強化學習(Reinforcement learning，RL)法203。
智慧化調適模組103可透過隨機森林演算法201決定一個或更多個關鍵特徵KF的分類結果。具體而言，隨機森林演算法201可帶入服務資訊SI之關鍵特徵KF所對應的歷史資料(可能累積特定期間(例如，一年、3個月或半年))，且無須人為介入定義特徵、採取自主抽樣法、隨機分類，透過不斷訓練，自動產出智慧化調適之規則(對應到某一個分類結果)。這規則可被儲存至智慧化調適規則庫106。
在一些應用情境中，若服務資訊SI之關鍵特徵KF的數量小於對應門檻值，則所能產生的智慧化調適之規則有限，並可能需要更長的時間來累積智慧化調適的規則。
智慧化調適模組103可透過強化學習法202對新類型資訊賦予獎勵或懲罰，進而產生針對新類型資訊的規則。具體而言，
強化學習法202可適用全新環境，其概念為學習機器人基於環境而行動，透過行動後環境回饋的獎勵或懲罰的刺激，逐步形成對回饋的預期，進而形成智慧化調適之規則。而這新類型資訊不同於過往已訓練的服務資訊。例如，不同服務項目、類型及/或細節，或可被稱為新服務資訊。因此，即便針對新增加值產品、異質系統105之站別擴增、流程變更或其他新類型資訊，其自動化流程學習機器人仍可經過不斷的自由訓練與學習，發展全新的規則並據以儲存在智慧化調適規則庫106，從而提升學習的彈性與擴展性。
更值得注意的是，在一實施例中，智慧化調適模組103可依據分類結果及賦予結果建立規則。具體而言，智慧化調適模組103可整合隨機森林演算法201與強化學習法202兩種方法。例如，針對歷史資料採用隨機森林演算法201，而針對新類型資訊採用強化學習法202。因此，本發明實施例僅須通過自動分類與不斷訓練產出智慧化調適規則庫，無須費時人力手動建置，且可透過長期回饋調適流程找出流程最佳解。
在步驟S350中，智慧化調適模組103可偵測處理服務資訊對應的服務中的異常(步驟S251)，並依據異常提供對應的規則(步驟S253)。具體而言，異常例如是服務資訊缺漏、遺失或非正規、流程失序、回傳結果缺漏或遺失、內容不符、或身分驗證失敗，並可視應用情境的不同而變化。智慧化調適模組103可持續或週期性地偵測已知異常或未知異常是否發生。若偵測到異常的發生，智慧化調適模組103可分析異常的類型，提供對應規則，並據以
自動修正錯誤資料。前述偵錯及修正的過程中，無須費時人力介入，以解決流程冗長與費時問題，從而降低人力耗費並提升客戶滿意度，進而增加電信服務與加值產品供裝速度與收益。
此外，智慧化調適模組103可定期匯出智慧化流程管制報表107，以供管理及需求單位監控異常服務流程。具體而言，於跨多系統之服務資訊受理供裝流程中，現有技術難以即時同步資料給管理及需求單位。而本發明實施例可定期、反應於異常發生、或依據使用者U要求而匯出智慧化流程管制報表107，並提供給服務資訊流程的設計單位，以作為改善既有流程之參考，從而有效實現由需求來源檢視服務資訊流程設計，並尋求改善跨系統間異常問題處理方案，進而有利於增進整體系統的永續發展。智慧化流程管制報表107例如可記錄異常內容、異常發生時間、及/或所達成流程。
綜上所述，本發明實施例的服務管理系統及服務資訊流程的調適方法包括以下特點：
本發明實施例針對具有跨系統、跨組織與仰賴人力於不同作業查核點執行之長作業流程特性的服務作業，提供智慧化修正異常與調適流程，並據以最佳化流程。
本發明實施例不需人力介入，僅需透過發展流程智慧化調適規則庫，即可進行智慧化修正流程資訊。此外，本發明實施例可產生智慧化流程管制報表，以達到處理異常流程的目的。
本發明實施例利用隨機森林演算法帶入系統歷史資料(其
包含流程站別細項作為「服務資訊之關鍵特徵」)，無須人為介入定義特徵、採取自主抽樣法、並隨機分類，透過不斷訓練，自動產出智慧化調適規則庫。
本發明實施例透過強化學習法提升學習的彈性與擴展性。即便新增加值產品、異質系統站別擴展、流程變更或針對其他新類型資訊，其自動化流程學習機器人也會經過自主訓練與學習，進而發展新規則並加入智慧化調程規則庫。此外，藉助於強化學習法的優點，可透過長期回饋調適流程找出規則的最佳解。
本發明實施例將整合隨機森林與強化學習兩種方法，僅須通過自動分類與不斷訓練產出智慧化調適規則庫，無須人力手動建置，進而縮短流程。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S310~S350:步驟
Claims (8)
- 一種服務資訊流程的調適方法，包括：取得一服務資訊的至少一關鍵特徵，其中該服務資訊對應於進行一供裝作業的服務；透過至少一機器學習演算法決定該至少一關鍵特徵的一分類結果，並且對一新類型資訊賦予獎勵或懲罰，其中該新類型資訊不同於該服務資訊；依據該分類結果及賦予結果建立一規則，其中該規則相關於處理該服務資訊對應該服務的標準化流程；以及偵測處理該服務資訊對應的該服務中的一異常，依據該異常提供對應的該規則，並根據該規則自動修正該異常所對應的錯誤資料。
- 如請求項1所述的服務資訊流程的調適方法，其中該至少一機器學習演算法包括一隨機森林(Random Forest)演算法及一強化學習(Reinforcement learning，RL)法，且透過該至少一機器學習演算法建立該規則的步驟包括：透過該隨機森林演算法決定該至少一關鍵特徵的該分類結果；透過該強化學習法對該新類型資訊賦予獎勵或懲罰。
- 如請求項1所述的服務資訊流程的調適方法，其中取得該服務資訊的該至少一關鍵特徵的步驟包括：偵測一服務流程的狀態，其中該服務流程包括服務供裝、帳 務作業及維運保固；以及依據該服務流程的狀態取得該至少一關鍵特徵。
- 如請求項3所述的服務資訊流程的調適方法，其中該服務流程的狀態包括一服務供裝資訊，且該服務供裝資訊包括供裝時間、調訂時間、及供裝交換局中的至少一者。
- 一種服務管理系統，包括：一異質系統，用以進行一服務的供裝作業；以及一智慧化調適模組，用以：取得該服務對應的一服務資訊的至少一關鍵特徵；透過至少一機器學習演算法決定該至少一關鍵特徵的一分類結果，並且對一新類型資訊賦予獎勵或懲罰，其中該新類型資訊不同於該服務資訊；依據該分類結果及賦予結果建立一規則，其中該規則相關於處理該服務資訊對應該服務的標準化流程；以及偵測處理該服務資訊對應的該服務中的一異常，依據該異常提供對應的該規則，並根據該規則自動修正該異常所對應的錯誤資料。
- 如請求項5所述的服務管理系統，其中該至少一機器學習演算法包括一隨機森林演算法及一強化學習法，且該智慧化調適模組更用以：透過該隨機森林演算法決定該至少一關鍵特徵的該分類結果； 透過該強化學習法對該新類型資訊賦予獎勵或懲罰。
- 如請求項5所述的服務管理系統，其中該異質系統更用以：偵測一服務流程的狀態，其中該服務流程包括服務供裝、帳務作業及維運保固；以及依據該服務流程的狀態取得該至少一關鍵特徵。
- 如請求項7所述的服務管理系統，其中該服務流程的狀態包括一服務供裝資訊，且該服務供裝資訊包括供裝時間、調訂時間、及供裝交換局中的至少一者。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110117258A TWI821666B (zh) | 2021-05-13 | 2021-05-13 | 服務管理系統及服務資訊流程的調適方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110117258A TWI821666B (zh) | 2021-05-13 | 2021-05-13 | 服務管理系統及服務資訊流程的調適方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202244830A TW202244830A (zh) | 2022-11-16 |
| TWI821666B true TWI821666B (zh) | 2023-11-11 |
Family
ID=85793039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110117258A TWI821666B (zh) | 2021-05-13 | 2021-05-13 | 服務管理系統及服務資訊流程的調適方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI821666B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201220255A (en) * | 2010-11-09 | 2012-05-16 | Chunghwa Telecom Co Ltd | including a real-time circuit failure detection module, a heterogeneity alarm collecting and converting module, and an alarming filter and monitor module |
| CN110427277A (zh) * | 2019-07-30 | 2019-11-08 | 腾讯科技（深圳）有限公司 | 数据校验方法、装置、设备及存储介质 |
| CN110740054A (zh) * | 2019-07-17 | 2020-01-31 | 东南大学 | 一种基于强化学习的数据中心虚拟化网络故障诊断方法 |
| TW202013304A (zh) * | 2018-09-17 | 2020-04-01 | 中華電信股份有限公司 | 整合ｉｃｔ服務供裝與虛實資源監控之系統 |
| TWI695274B (zh) * | 2019-06-17 | 2020-06-01 | 建國科技大學 | 以專家系統查核輸入數據的方法 |
-
2021
- 2021-05-13 TW TW110117258A patent/TWI821666B/zh active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201220255A (en) * | 2010-11-09 | 2012-05-16 | Chunghwa Telecom Co Ltd | including a real-time circuit failure detection module, a heterogeneity alarm collecting and converting module, and an alarming filter and monitor module |
| TW202013304A (zh) * | 2018-09-17 | 2020-04-01 | 中華電信股份有限公司 | 整合ｉｃｔ服務供裝與虛實資源監控之系統 |
| TWI695274B (zh) * | 2019-06-17 | 2020-06-01 | 建國科技大學 | 以專家系統查核輸入數據的方法 |
| CN110740054A (zh) * | 2019-07-17 | 2020-01-31 | 东南大学 | 一种基于强化学习的数据中心虚拟化网络故障诊断方法 |
| CN110427277A (zh) * | 2019-07-30 | 2019-11-08 | 腾讯科技（深圳）有限公司 | 数据校验方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202244830A (zh) | 2022-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113632099B (zh) | 分布式产品缺陷分析***、方法及计算机可读存储介质 | |
| CN110493025B (zh) | 一种基于多层有向图的故障根因诊断的方法及装置 | |
| CN108600009B (zh) | 一种基于告警数据分析的网络告警根源定位方法 | |
| CN111400198B (zh) | 一种自适应的软件测试*** | |
| CN111915143B (zh) | 一种基于智能合约的复杂产品装配管控*** | |
| US11853042B2 (en) | Part, sensor, and metrology data integration | |
| US9860109B2 (en) | Automatic alert generation | |
| CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
| CN112148733A (zh) | 确定故障类型的方法、装置、电子装置和计算机可读介质 | |
| CN112445844B (zh) | 大数据平台财务数据管理控制*** | |
| US7974937B2 (en) | Adaptive embedded historians with aggregator component | |
| CN114461644A (zh) | 一种数据采集方法、装置、电子设备及存储介质 | |
| CN113568900A (zh) | 基于人工智能的大数据清洗方法及云服务器 | |
| CN117519951B (zh) | 基于消息中台的实时数据处理方法及*** | |
| CN115657890A (zh) | 一种pra机器人可定制方法 | |
| Lyu et al. | A data-driven approach for identifying possible manufacturing processes and production parameters that cause product defects: A thin-film filter company case study | |
| CN113448808B (zh) | 一种批处理任务中单任务时间的预测方法、***及存储介质 | |
| TWI821666B (zh) | 服務管理系統及服務資訊流程的調適方法 | |
| KR20220041600A (ko) | 스마트공장 데이터 품질평가 방법 | |
| CN112487053A (zh) | 海量财务数据异常控制提取工作方法 | |
| CN112148347A (zh) | 一种全流程溯源管理的方法和装置 | |
| CN115543820A (zh) | 一种基于tesseract-orc的软件自动化测试方法及*** | |
| CN112463853B (zh) | 通过云平台进行财务数据行为筛选工作方法 | |
| US20240134777A1 (en) | Graphical Neural Network for Error Identification | |
| CN112968941B (zh) | 一种基于边缘计算的数据采集和人机协同标注方法 |