一种基于权重算法的维修系统派单系统

技术领域

本发明属于维修派单领域，更具体地说，尤其涉及一种基于权重算法的维修系统派单系统。

背景技术

设备管理是设备的所有者或使用者为了保持设备技术状况完好，保障设备安全运行，而实施的一系列管理行为。对于生产企业，设备管理水平的高低影响到企业的生产效率、生产安全、生产质量和持续经营能力。

设备维修，是设备发生事故时实施技术性检查与修复措施，对于已失效的设备恢复其可用性，但是现有的设备维修大多采用通知方式，即，通知设备故障-安排维修员维修的流程，该流程在处理同事若干组设备同时故障时，维修效率低，同时，由于没有任何的计算，对于需要紧急维修的设备无法准确合理的安排维修员，导致企业损失严重，因此，我们提出了一种基于权重算法的维修系统派单系统。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于权重算法的维修系统派单系统，本系统能根据设备故障具体情况以及维修员的技能情况，合理的派单，最大限度的减少企业的损失。

为实现上述目的，本发明提供如下技术方案：

一种基于权重算法的维修系统派单系统，包括：

采集模块，所述采集模块用于采集事故设备的现场实时图片及信息，所述采集模块安装于设备端；

云平台分析系统，所述云平台分析系统接收所述采集模块发送的事故设备现场的信息，采用权重算法基于事故类型、严重程度以及维修方案计算出事故设备维修需求等级；

维修员状态汇报模块，所述维修员状态汇报模块由维修员携带，维修员出勤时激活上岗状态，在上岗状态情况下，若维修员处于其他的设备维修中，则需要开启工作中状态信息，维修完毕关闭工作中状态信息，此时，维修员处于空闲状态，所述维修员状态汇报模块将维修员状态信息实时传输至云平台分析系统，并形成日志；

维修员技能模块，所述维修员技能模块与所述云平台分析系统连接，且所述维修员技能模块根据维修员职能信息以及云平台分析系统形成的维修员状态日志对维修员添加标签，所述标签根据上述信息将维修员对该设备的等级划分为若干类，由所述云平台分析系统根据采集模块反馈的事故设备现场信息为基础，并根据对维修员技能模块对维修员添加的标签指派维修员。

优选的，所述云平台分析系统根据所述采集模块发送的事故设备现场的信息对事故设备进行故障等级进行计算，具体计算式如下：

P＝α×L+β×E；

其中P为优先级参数；

L为设备使用寿命的影响程度参数，L＝1-发生故障后预测使用寿命/未发生故障时的使用寿命，0≤L≤1；

E为设备使用效果的影响程度参数，E＝1-发生故障后的使用效果/未发生故障时的使用效果，0≤E≤1；

α为设备使用寿命的影响程度参数对应的权重；

β为设备使用效果的影响程度参数对应的权重；

其中，α和β之和为1，α取值为0.6-0.8，β取值为0.2-0.4；

事故设备采用上式进行计算计算结果≥0.04，判定为急需维修状态；

事故设备采用上式进行计算计算结＜0.04，判定为需要维修状态。

优选的，所述维修员技能模块对维修员添加标签，具体如下：

若维修员执业年限≥3年，同时对事故设备有维修记录日志，则该维修员判定为高级维修员；

若维修员执业年限≥1年，同时对事故设备有维修记录日志，则该维修员判定为中级维修员；

若维修员执业年限＜1年，同时对事故设备没有维修记录日志，则该维修员判定为实习维修员。

优选的，所述云平台分析系统内置多故障分析模型，包括：

第一故障码分析模型、第二故障码分析模型、第三故障码分析模型和第一故障码分析模型；其中：所述第一故障码分析模型包括：相同权重值的故障码对应的功能，权重值累加值越大，优先级越高；

所述第二故障码分析模型包括：不同权重值的故障码对应的功能，相同权重值内比较权重值累加值越大优先级越高，单个故障码权重值越大优先级越高；

所述第三故障码分析模型包括：同组内相同权重值故障码对应的功能，权重值累加值相同的优先级相同；

所述第四故障码分析模型包括：同组内相同权重值故障码对应的功能，权重值累加值相同但故障码状态不一样，故障码状态为当前码的优先级高。

优选的，所述采集模块还用于：

获取事故设备的运行参数，包括事故设备正常运行时间以及维修次数；

获取由各项运行参数的相对劣化度构成的相对劣化度集合；

根据所述的相对劣化度集合以及由运行参数权重模型获得的对应的运行参数权重集合，获得事故设备运行状态检测值。

优选的，所述云平台分析系统采用层次分析法确定运行参数的第一权重；采用熵权法确定运行参数的第二权重；采用布谷鸟算法获得最优加权系数将所述的第一权重和第二权重进行整合，使得整合获得的权重与所构建的运行参数权重模型的目标函数尽可能的接近，获得各运行参数权重构成运行参数权重集合。

优选的，所述第一权重的获取如下：

利用三标度法建立优先关系矩阵；

获取对于各优先关系矩阵中每一个值判定的期望值，根据期望值结合预设的三标度法量化表获得判定值并根据判定值得到整合的优先关系矩阵；

将整合得到的优先关系矩阵转化为模糊一致矩阵：

对模糊一致矩阵每行元素的和进行归一化处理得到各参数对应的初始权重分配；

以所述初始权重分配作为迭代初值进行迭代获取运行参数的第一权重。

优选的，所述第二权重的获取如下：

对运行参数进行评价，形成评价矩阵；

对评价矩阵中的元素进行无量纲化处理得到矩阵；

对无量纲化处理得到的矩阵进行归一化处理获得矩阵；

根据归一化获得的矩阵计算运行参数的熵值及差异系数；

根据每项运行参数的熵值及差异系数采用客观的熵权法计算公式获得各运行参数的第二权重。

优选的，所述高级维修员判定为单人即可处理事故设备，所述中级维修员判定为2人以上即可处理事故设备，所述实习维修员判定为必须配合高级维修员或中级维修员才可处理事故设备。

本发明的技术效果和优点：本发明提供的一种基于权重算法的维修系统派单系统，与现有技术相比，本发明能根据设备故障具体情况以及维修员的技能情况，合理的派单，最大限度的减少企业的损失；

其次，本发明通过维修员技能模块以及维修员状态汇报模块对维修员的实时状态以及技能进行标签，根据实际的情况合理的分派维修员对事故设备进行维修，进一步提高了派单的合理性。

附图说明

图1为本发明基于权重算法的维修系统派单系统架构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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。

本发明提供了一种基于权重算法的维修系统派单系统，如图1所示，包括：

采集模块，采集模块用于采集事故设备的现场实时图片及信息，采集模块安装于设备端；采集模块还用于：

获取事故设备的运行参数，包括事故设备正常运行时间以及维修次数；

获取由各项运行参数的相对劣化度构成的相对劣化度集合；

根据的相对劣化度集合以及由运行参数权重模型获得的对应的运行参数权重集合，获得事故设备运行状态检测值。

云平台分析系统，云平台分析系统接收采集模块发送的事故设备现场的信息，采用权重算法基于事故类型、严重程度以及维修方案计算出事故设备维修需求等级；

上述，能根据设备故障具体情况以及维修员的技能情况，合理的派单，最大限度的减少企业的损失。

进一步的，云平台分析系统根据采集模块发送的事故设备现场的信息对事故设备进行故障等级进行计算，具体计算式如下：

P＝α×L+β×E；

其中P为优先级参数；

L为设备使用寿命的影响程度参数，L＝1-发生故障后预测使用寿命/未发生故障时的使用寿命，0≤L≤1；

E为设备使用效果的影响程度参数，E＝1-发生故障后的使用效果/未发生故障时的使用效果，0≤E≤1；

α为设备使用寿命的影响程度参数对应的权重；

β为设备使用效果的影响程度参数对应的权重；

其中，α和β之和为1，α取值为0.6-0.8，β取值为0.2-0.4；

事故设备采用上式进行计算计算结果≥0.04，判定为急需维修状态；

事故设备采用上式进行计算计算结＜0.04，判定为需要维修状态。

维修员状态汇报模块，维修员状态汇报模块由维修员携带，维修员出勤时激活上岗状态，在上岗状态情况下，若维修员处于其他的设备维修中，则需要开启工作中状态信息，维修完毕关闭工作中状态信息，此时，维修员处于空闲状态，维修员状态汇报模块将维修员状态信息实时传输至云平台分析系统，并形成日志；

维修员技能模块，维修员技能模块与云平台分析系统连接，且维修员技能模块根据维修员职能信息以及云平台分析系统形成的维修员状态日志对维修员添加标签，标签根据上述信息将维修员对该设备的等级划分为若干类，由云平台分析系统根据采集模块反馈的事故设备现场信息为基础，并根据对维修员技能模块对维修员添加的标签指派维修员。

技能标签具体为：

若维修员执业年限≥3年，同时对事故设备有维修记录日志，则该维修员判定为高级维修员；

若维修员执业年限≥1年，同时对事故设备有维修记录日志，则该维修员判定为中级维修员；

若维修员执业年限＜1年，同时对事故设备没有维修记录日志，则该维修员判定为实习维修员。

高级维修员判定为单人即可处理事故设备，中级维修员判定为2人以上即可处理事故设备，实习维修员判定为必须配合高级维修员或中级维修员才可处理事故设备。

本实施例中，云平台分析系统采用建模方式进行分析，云平台分析系统内置多故障分析模型，包括：

第一故障码分析模型、第二故障码分析模型、第三故障码分析模型和第一故障码分析模型；其中：第一故障码分析模型包括：相同权重值的故障码对应的功能，权重值累加值越大，优先级越高；

第二故障码分析模型包括：不同权重值的故障码对应的功能，相同权重值内比较权重值累加值越大优先级越高，单个故障码权重值越大优先级越高；

第三故障码分析模型包括：同组内相同权重值故障码对应的功能，权重值累加值相同的优先级相同；

第四故障码分析模型包括：同组内相同权重值故障码对应的功能，权重值累加值相同但故障码状态不一样，故障码状态为当前码的优先级高。

作为可选的，云平台分析系统采用层次分析法确定运行参数的第一权重；第一权重的获取如下：

利用三标度法建立优先关系矩阵；

获取对于各优先关系矩阵中每一个值判定的期望值，根据期望值结合预设的三标度法量化表获得判定值并根据判定值得到整合的优先关系矩阵；

将整合得到的优先关系矩阵转化为模糊一致矩阵：

对模糊一致矩阵每行元素的和进行归一化处理得到各参数对应的初始权重分配；

以初始权重分配作为迭代初值进行迭代获取运行参数的第一权重。

采用熵权法确定运行参数的第二权重；第二权重的获取如下：

对运行参数进行评价，形成评价矩阵；

对评价矩阵中的元素进行无量纲化处理得到矩阵；

对无量纲化处理得到的矩阵进行归一化处理获得矩阵；

根据归一化获得的矩阵计算运行参数的熵值及差异系数；

根据每项运行参数的熵值及差异系数采用客观的熵权法计算公式获得各运行参数的第二权重。

采用布谷鸟算法获得最优加权系数将的第一权重和第二权重进行整合，使得整合获得的权重与所构建的运行参数权重模型的目标函数尽可能的接近，获得各运行参数权重构成运行参数权重集合。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。