一种基于维修平台的多维度数据分析方法

技术领域

本发明涉及数据分析技术领域，尤其涉及一种基于维修平台的多维度数据分析方法。

背景技术

随着企业规模越来越庞大，设备运行的可靠与否决定了企业的生产是否能够正常运行，企业对生产设备的可靠性能要求逐步提高。在设备不断进行升级更新的同时，加强设备管理，重视设备安全、提高管理质量对于企业来说极为重要。

目前，传统的设备维修管理已经难以解决当今企业复杂的业务架构，且设备随着使用年限的增加，定期维修也不能预防任何设备存在的随机故障，维修人员每天面对堆积如山的维修单需要花费大量的时间和精力去进行人工的统计，还难免出现纰漏，而想要通过已有数据进一步分析得到更多的数据信息，更是难上加难，进而致使设备技术性能大大降低。

因此，企业如何在现有维修平台的基础上，从已有的数据、信息中挖掘出有用知识，如何利用分析结论指导企业设备的管理与维护工作，提高维修管理的效率，已经成为企业急需解决的一个问题。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种基于维修平台的多维度数据分析方法，帮助企业进行维修数据管理，提高企业维修管理效率。

本发明的目的之二在于提供一种电子设备，帮助企业进行维修数据管理，提高企业维修管理效率。

本发明的目的之三在于提供一种计算机可读存储介质，帮助企业进行维修数据管理，提高企业维修管理效率。

本发明的目的之一采用如下技术方案实现：一种基于维修平台的多维度数据分析方法，包括以下步骤：

S1:数据获取步骤，获取与维修平台使用信息相关的数据，

其中，所述维修平台使用信息相关的数据包括故障维修数据、维修费用数据、人员KPI数据、用户评价数据，并对所述维修平台使用信息相关的数据进行预处理；

S2:数据整理步骤，预先总结一些容易发生重复的数据，加入到检查重复的数据队列，剔除数据中的重复数据；并对所述维修平台使用信息相关的数据的每个变量赋予阀值，对超出正常阀值范围内的数据进行删除或修改；

S3:对整理后的维修平台使用信息相关的数据按照维修平台的模块划分理论和时间进行分类聚类，形成不同时间尺度、模块结构范围的故障维修统计、报修费用统计、人员KPI统计、用户评价统计的多方面统计分析图表；

S4:预先设置预警模型，根据预先设置的隐患预警规则对分类聚类后的维修平台使用信息相关的数据进行数据分析，输出隐患报告数据。

进一步地，所述预处理具体包括：对所述维修平台使用信息相关的数据进行备份，并对备份后的数据执行数据转换。

进一步地，所述预处理采用Hadoop分布式框架系统。

进一步地，所述数据整理步骤还包括数据检验：根据所述维修平台使用信息相关的数据预先设定的相互约束与相互依赖的关系，对不符合逻辑设定的数据进行修改或者删除。

进一步地，所述模块划分理论根据维修平台的功能模块以及结构依存关系进行划分。

进一步地，所述多方面统计分析图表包括可实时查询日、周、月、年的产品维修单统计图表、产品报修单统计图表、故障趋势统计分析图表、维护任务统计图表、用户评价信息统计分析图表、隐患统计分析图表。

进一步地，所述图表为环形或者条形图表。

进一步地，所述隐患预警规则通过结合标准规范以及维修平台的安全隐患数据库、事故案列以及维修人员工作经验，按照统一的量化规则，对预先定义的隐患条项进行量化，形成隐患预警规则。

本发明的目的之二采用如下技术方案实现：

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上述任意一项所述的方法。

本发明的目的之三采用如下技术方案实现：

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上述任意一项所述的方法。

相比现有技术，本发明的有益效果在于：

本发明提供一种基于维修平台的多维度数据分析方法，它能在现有维修平台的基础上通过对数据的采集、识别、分析，将传统设备维修进行升级和进化，辅助管理者和维修人员能够直观的查阅维修信息，通过故障预警手段进行维修管理，提早发现运行设备存在的隐患，从而帮助管理者和维修人员能够及时制定维修策略，减少故障发生概率，提高维修管理效率。

附图说明

图1为本发明的一种基于维修平台的多维度数据分析方法流程示意图。

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。

实施例一

如图1所示，本发明提供了一种基于维修平台的多维度数据分析方法，包括如下步骤：

S1：数据获取步骤，获取与维修平台使用信息相关的数据，

其中，所述维修平台使用信息相关的数据包括故障维修数据、维修费用数据、人员KPI数据、用户评价数据，并对所述维修平台使用信息相关的数据进行预处理；

在本步骤中，所述与维修平台使用信息相关的数据的获取可以基于当前企业所使用维修平台的数据库，也可以通过数据录入装置录入当前企业在维修管理过程中所产生的相关数据。

所述故障维修数据包括但不限于报修订单数据、故障产生数据、维修巡检产生数据、配件设备明细数据、异常订单数据，可以根据企业具体需要进行设置。

所述维修费用数据包括不同时间段内不同报修单的维修费用。

所述人员KPI数据是基于维修人员在指定时间段内的维修情况的综合判定，所述人员KPI根据所述维修工程师的完工数、总工时、平均工时以及维修费用信息等数据按照相应评判标准进行划分。

所述用户评价数据包括在指定时间段内各维修人员的被评价情况，所述用户评价数据是基于维修人员被评价次数、评价总分、平均分以及评价内容等信息按照相应的分数划定标准进行综合评定，为维修人员设定优秀、良好、一般、差的服务评价等级。

在本步骤中，为了便于数据的整理维护以及后续数据的统计与分析，所述预处理具体包括对所述维修平台使用信息相关的数据进行备份，并对备份后的数据执行数据转换，使得与维修平台使用信息相关的数据是基于时间序列的流式数据。优选的，所述预处理可以采用Hadoop分布式框架系统。Hadoop是一个由Apache基金会所开发的分布式系统基础架构，用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储。并且Hadoop可以以流的形式访问(streaming access)文件系统中的数据，实现海量数据的存储和计算，能够有效的适应维修管理过程中数据的存储于转换。

S2：数据整理步骤，预先总结一些容易发生重复的数据，加入到检查重复的数据队列，剔除数据中的重复数据；并对所述维修平台使用信息相关的数据的每个变量赋予阀值，对超出正常阀值范围内的数据进行删除或修改。

在传统的维修数据管理中，维修人员每天要面对堆积如山的维修单、保修单等，数量大而且容易出现重复数据和异常数据，需要花费大量的时间和精力去进行人工的统计，而且容易出现纰漏。因此，在本步骤中，预先总结一些容易发生重复的数据，加入到检查重复的数据队列，剔除数据中的重复数据，采用根据分布式存储的基本存储单元对目标数据执行数据块分割，从而得到分割数据块，基于分割数据块检测是否出现重复数据，并判断是否进行删除处理，清楚多余的重复数据。此外，在清理重复数据后，对所述维修平台使用信息相关的数据的每个变量赋予阀值，以故障维修数据和维修费用数据为例，故障维修数据一般包括报修订单数据、故障产生数据、维修巡检产生数据、配件设备明细数据和异常订单数据，报修订单数据一般用于记录报修人的姓名、报修人联系电话、等基础信息数据，按照姓名进行阀值定义时可以根据命名规范，大部分人来说姓名来说都是2-4位，不会出现低于2位、超出4位的情况，而报修人的联系电话根据电话命名格式为固定11位、不会出现超出11位或者低于11位的电话号码，根据以上规范，可以将姓名或者电话超出正常阀值设定以外的数据判断为异常录入数据，进行修改或者删除，增强数据的有效性。同理，对于维修费用数据，一般维修业务针对不同的产品设备都会有专门的定价收费标准，根据定价收费标准可以将超出范围的报修订单进行删除或修改。

在本实施例中，所述数据整理步骤还包括数据检验：根据所述维修平台使用信息相关的数据预先设定的相互约束与相互依赖的关系，对不符合逻辑设定的数据进行修改或者删除。

S3：对整理后的维修平台使用信息相关的数据按照维修平台的模块划分理论和时间进行分类聚类，形成不同时间尺度、模块结构范围的故障维修统计、报修费用统计、人员KPI统计、用户评价统计的多方面统计分析图表；

在本步骤中，所述模块划分理论根据维修平台的功能模块以及结构依存关系进行划分，一般来说，维修平台在构建时，其中的功能模块以及数据内容都具有相互之间的关联，模块划分理论是指解决一个复杂问题时采用自顶向下的方式逐渐将系统划分为若干个模块，每个模块之间有着多种属性，能够反映其内在特性。具体的：首先可以对维修平台中不同的功能模块进行分类，然后针对不同的功能模块中的数据进行分类，再针对同一模块下不同的数据进行分类，最后对所有的分类数据进行汇总存储，用于后续的分析与计算，形成不同时间尺度、模块结构范围的故障维修统计、报修费用统计、人员KPI统计和用户评价统计等的多方面统计分析图表。其中，所述多方面统计分析图表包括可实时查询日、周、月、年的产品维修单统计图表、产品报修单统计图表、故障趋势统计分析图表、维护任务统计图表、用户评价信息统计分析图表、隐患统计分析图表。通过上述图标，维修人员或者管理人员能够直观的查阅日、周、月、年维修单的统计结果(包括已完成、进行中、维修超时、差评订单等情况)，报修单统计结果(每个报修产品或类别的发单数量、报修金额)、故障趋势统计分析图表(包括指定时间段内自然损坏、人为损坏、操作不当等各个状态的统计数量)、维护任务统计图表(包括维修明细、配件明细、配件汇总等统计信息)、用户评价信息统计分析图表(包括被评价次数、评价总分、平均分、评价内容等信息占比以及整体评价等级情况)、隐患统计分析图表(包括当前设备运行状态，设备运行影响因素以及预估危害)，上述图表优先采用环形或者条形图表。

S4：预先设置预警模型，根据预先设置的隐患预警规则对分类聚类后的维修平台使用信息相关的数据进行数据分析，输出隐患报告数据。

在本步骤中，所述隐患预警规则通过结合标准规范以及维修平台的安全隐患数据库、事故案列以及维修人员工作经验，按照统一的量化规则，对预先定义的隐患条项进行量化，形成隐患预警规则。所述量化规则可言采用多点量化法进行量化，具体为:风险程度低的安全隐患评分标准为1，风险程度较低的安全隐患评分标准为2，风险程度一般的安全隐患评分标准为3，风险程度较高的安全隐患评分标准为4，风险程度高的安全隐患评分标准为5，当安全隐患的风险程度超过三分时，可以出发隐患预警规则，针对当前安全隐患进行数据分析，输出隐患报告数据，作为整改时的立项依据，或者在制定维修计划时采取相应维修方式和确定维修周期的基础。

实施例二

本实施例还提供一种电子设备，其包括处理器、存储器及存储于所述存储器上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实施例一中的基于维修平台的多数据分析方法。

本实施例还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，能实现上述的方法。本发明的方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在该计算机存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机存储介质不包括电载波信号和电信信号。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。