CN106779388A - 一种基于工作量匹配和效用最优的工单智能化派工方法 - Google Patents
一种基于工作量匹配和效用最优的工单智能化派工方法 Download PDFInfo
- Publication number
- CN106779388A CN106779388A CN201611124532.1A CN201611124532A CN106779388A CN 106779388 A CN106779388 A CN 106779388A CN 201611124532 A CN201611124532 A CN 201611124532A CN 106779388 A CN106779388 A CN 106779388A
- Authority
- CN
- China
- Prior art keywords
- work
- point
- route
- path
- algorithm
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004907 flux Effects 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 16
- 230000005484 gravity Effects 0.000 claims description 8
- 238000006116 polymerization reaction Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 208000019901 Anxiety disease Diseases 0.000 abstract description 2
- 230000036506 anxiety Effects 0.000 abstract description 2
- 230000007774 longterm Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于工作量匹配和效用最优的工单智能化派工方法,涉及一种派工方法。电力采集系统运维存在一方面现有运维能力不足,一方面派工粗放,造成了运维资源长期紧张等问题。本技术方案先根据所选择的派工单位,获取其派工区域内所有的异常工单,使用最短路径算法计算驻地到所有异常工单点的距离和各个异常工单点之间的距离;通过重复路径矩阵算法生成重复路径矩阵;通过扫描重复路径矩阵生成初步路线链表,并按照线路总紧急度进行降序排序,总紧急度高被优先派工;最后在初步路线基础上进行精细派工;使得每一个派工路线工作量即饱和又不超出规定工作量,并保证所派工路线上的异常点在空间位置上紧凑,总路径长度尽可能短,路线总紧急度尽可能高。
Description
技术领域
本发明涉及一种派工方法,尤其涉及一种基于工作量匹配和效用最优的工单智能化派工方法。
背景技术
在当前全国范围内,电力采集系统运维由于对各种类型故障的紧急程度缺少能够量化的标准和算法,因而缺少能够在工作量和排除紧急度的精确派工方法,造成电力采集系统运维存在以下不足:
1)系统中每天产生的故障点因为缺少精确派工算法而无法建立有效过滤条件,显示出的故障数目远超出各地运维能力;
2)目前派工都是根据派工人员的主观工作经验进行派工工作,无论现场维修时间还是路途花费时间都缺少严谨的数据支持,使得派工粗放运维效益偏低;
3)由于派工粗放,无法对运维人员和运维单位进行精细考核,现在只能使用成功采集率作为考核标准;
4)一方面现有运维能力不足,一方面派工粗放,造成了运维资源长期紧张,运维人员长期处于高压力情况不利于运维队伍稳定。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种基于工作量匹配和效用最优的工单智能化派工方法,以达到具有高精度、工作量均衡、有限资源下高紧急度消除的目的。为此,本发明采取以下技术方案。
一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于包括以下步骤:
1)获取异常点聚合生异常工单;
2)根据派工区域过滤异常工单;
3)计算异常工单的维修点到驻点最短路径及相互最短路径;
4)根据维修点到驻点最短路径及相互最短路径,生成重复路径矩阵;
5)通过扫描重复路径矩阵生成初步路线链表,获得初步派工路线;
6)初步路线按紧急度降序排序;
7)选取最大紧急度的初步路线,并对其进行加点或删点判断;
8)执行加点或删点算法,生成精细派工路线,使得每一个派工路线工作量即饱和又不超出规定工作量,且路线总紧急度高,并保证所派工路线上的异常点在空间位置上紧凑。
本技术方案先根据所选择的派工单位,获取其派工区域内所有的异常工单,包含空间坐标位置。使用最短路径算法计算驻地到所有异常工单点的距离和各个异常工单点之间的距离。在所有距离计算出来的基础上通过重复路径矩阵算法生成重复路径矩阵。在重复路径矩阵基础上通过扫描重复路径矩阵生成初步路线链表,并按照线路总紧急度进行降序排序,总紧急度高的排在前面将会被优先派工。最后在初步路线基础上进行精细派工,使得每一个派工路线工作量即饱和又不超出规定工作量,并保证所派工路线上的异常点在空间位置上紧凑,总路径长度尽可能短,路线总紧急度尽可能高。
作为对上述技术方案的进一步完善和补充,本发明还包括以下附加技术特征。
在步骤4)中,生成的重复路径矩阵为每个维修点间重合路径矩阵,其为针对一个驻点绘制的一个二维矩阵,纵横坐标都是需要派工的维修点;矩阵中紧急程度高的维修点排在前面,矩阵中每个单元包含了从驻地出发到两个维修点的重复路径长度,重复路径占到维修点i的百分比和两个维修点之间路径长度。本技术方案考虑到整体算法的计算基数比较大,现实使用需要较高用户响应度。需要尽可能减少整体派工算法的时间复杂度,提高派工计算效率。采用重复路径矩阵方法,使用空间换时间方法,保证最消耗时间的点到点直接最短路径计算,只计算一次。同时矩阵将大大减少整体算法中的乘法除法运算,而使用最简单的加法运算进行替代。而且生成维修点间重复路径矩阵的过程就是在路网拓扑上生成维修点拓扑的过程,派工算法将基于重复路径矩阵不再依托路网,这样将大幅降低派工算法复杂度和计算量。每个维修点间重合路径矩阵都是针对一个驻点绘制的一个二维矩阵,其纵横坐标都是需要派工的维修点,矩阵中紧急程度高的维修点排在前面,即维修点1的紧急度大于等于维修点2的紧急度。矩阵中每个单元包含了从驻地出发到两个维修点它们的重复路径长度,重复路径占到维修点i的百分比和两个维修点之间路径长度。其具体步骤为:
S401:设置i=0,n=维修点个数;
S402:判断是否i<n?若是,则j=维修点i;否则结束;
S403:判断j<n?若时,则进入步骤S404;否则,i=i++;
S404:获取第i个和第j个维修点;
S405:计算两点重复路径长度;
S406:计算相对于维修点i的重复率;
S407:填写i行j列重复路径单元;
S408:j=j++,并跳至步骤S403。
进一步的,步骤5)包括以下子步骤:
501)扫描重复路径矩阵,选择超过设定值的单元,不包括含维修点自已与自己的100%重复的单元;
502)对选出的单元按关联分组存放;
503)每组按点到驻点远近排序生成一条初步路径。
初步路线链表是在重复路径矩阵基础上将相关联的高重复路径率的维修点分组,每组按照维修点距离驻点远近排列的初步维修路径。总体算法引入初步路径时因为一方面初步路径生成只需要遍历一次重复路径矩阵,并做两次小范围的对比运算,本身运算量小。初步路径可以减少精细派工算法计算量,由于精细派工是派工算法中运算量最重的部分之一,因此初步路径引入用小代价换取更多时间的节约。另外一方面,高重复路线生成并按照总紧急度降息排序可以解决业务上优先派在空间距离近但总紧急度高的一群异常点的要求。同时能够解决业务上载总工作时间允许情况下降路线上小紧急度异常点添加到派工路线中。每个初步路线的头指针保存了该路径的总长度、总时长和总紧急度。由于各省市公司对于高重复路径率有不用要求,因此在算法中需要将高冲路径率判断阀值(设定值)作为可配置参数,可由省市公司自己来设置合适自己的判断阀值。具体的初步路线链表的头指针和路径链表整体结构包括:路径总长度、总时长、总紧急度。
进一步的,在步骤7)中,当需要生成派工路线时,先获取初步路径链表中第一条初步路线进行派工,因为总紧急度大的初步路径排在前面;然后判断该派工主路径时长是否饱和如果饱和则输出派工路径,完成派工输出后需要在初步路径链表中去除刚刚已派工点并重新将初步路径进行排序;时长饱和判断条件是:如果上一次总时长不够加一点后超出,说明去除最后新添点的路径饱和;如果上一次总时长超出删除一点后不够,说明添加最后删除点的路径饱和;如果派工主路径时长不够,则执行加点算法;如果派工主路径时长超出,则执行删点算法;如果一边需要派工,而初步路径链表中已经没有初步路径,则使用离散点的贪婪算法直接生成路径优先的派工算法。精细派工算法属于单驻点派工算法,是针对派工区域内只有一个驻地的情况。贪婪算法总是做出在当前看来最好的选择。也就是说贪婪算法并不从整体最优考虑,它所做出的选择只是在某种意义上的局部最优选择。当然,希望贪婪算法得到的最终结果也是整体最优的。虽然贪婪算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解。如单源最短路经问题,最小生成树问题等。在一些情况下,即使贪婪算法不能得到整体最优解,其最终结果却是最优解的近似解。离散点贪婪算法主要是在已经没有初始路线并且派工区域存在大量坐标离散维修点的情况下使用。
进一步的,在执行加点算法时,需要为当前路线从未派工点中选取一个合适点添加到当前路径上;使用查找距离线路上已有点都近的方法来查找下要添加的点,即比较所有未派工点到当前路线所有点的距离总和,总和最小的点作为待添加点;查找到待添加点后,将该线路上所有的点与待添加点一起重新进行路径规划,使得新的总路径最小。
进一步的,当前线路总工作时长超出派工周期内的工作时间,需要执行删点算法,在执行删点算法时,需要为当前路线中选取一个合适的点剔除出当前路线;删点算法使用剔除离当前路线重心最远点的方法,先计算出当前路线上所有点的重心,并计算出路线上除驻点外所有维修点与重心的空间距离,选取出驻点外的最远点并剔除;剔除后将该路线上所有的点重新进行路线规划。
进一步的,当初步路径链表中已经没有初始路线并且派工区域存在大量坐标离散维修点时,采用离散点贪婪算法制定派工路线。
进一步的,步骤1)包括以下子步骤:
101)根据运维范围过滤异常故障点,如果是责任制则按照网格区域过滤单表故障点,如果是人员统筹制则按照县、供电所区域过滤单表故障点,获取到运维区域的单表故障点;
102)在获取运维区域内所有单表故障点后,按照表计从属关系先将单表故障聚合到采集终端、集中器级别;
103)判断运维区域是否有空间信息,如果有,则使用坐标点分组聚合算法;否则进入步骤104);
104)将聚合结果生成异常工单,每个工单记录坐标、总工作量和总紧急度、故障类型的信息;对于缺少空间信息的地区这部分信息可选择不记录,直接结束,并进入设定的第二派工方法。
有益效果:
1)本技术方案有效解决现在电力采集系统运维派工方法粗放,缺少能够量化的有效考核标准的问题,实现了
1)实现了工作量匹配及人员统筹模式下的工作量均衡;
2)实现了在有限运维资源下的最大解决紧急度的能力优化;
3)提供了针对多人多路径的计算能力;
4)能够解决路径附近稀疏异常点的加入;
5)有效提高派工计算速度,使得整体算法在运算量和近似最优解决方案间达到用户能够接受的平衡。
附图说明
图1是本发明流程图。
图2是本发明重复路径矩阵结构图。
图3是本发明重复路径矩阵单元结构图。
图4是本发明重复路径矩阵计算图。
图5是本发明初步路线链表头指针。
图6是本发明初步路链表整体结构示意图。
图7是本发明初始路径生成流程图。
图8是本发明精细派工流程图。
图9是本发明加点流程图。
图10是本发明删点流程图。
图11是本发明离散点贪婪算法流程图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明包括以下步骤:
1)获取异常点聚合生异常工单;
2)根据派工区域过滤异常工单;
3)计算异常工单的维修点到驻点最短路径及相互最短路径;
4)根据维修点到驻点最短路径及相互最短路径,生成重复路径矩阵;
5)通过扫描重复路径矩阵生成初步路线链表,获得初步派工路线;
6)初步路线按紧急度降序排序;
7)选取最大紧急度的初步路线,并对其进行加点或删点判断;
8)执行加点或删点算法,生成精细派工路线,使得每一个派工路线工作量即饱和又不超出规定工作量,且路线总紧急度高,并保证所派工路线上的异常点在空间位置上紧凑。
本技术方案主要就是针对目前电力采集系统运维中存在的问题,提出具有高精度、工作量均衡、有限资源下高紧急度消除的派工算法。不仅适合当前采集系统的人员统筹运维模式和网格责任制运维模式,而且具有高精度、可量化、工作量均衡、高紧急度消除的优点。
本技术方案先根据所选择的派工单位,获取其派工区域内所有的异常工单(包含空间坐标位置)。使用最短路径算法计算驻地到所有异常工单点的距离和各个异常工单点之间的距离。在所有距离计算出来的基础上通过重复路径矩阵算法生成重复路径矩阵。在重复路径矩阵基础上通过扫描重复路径矩阵生成初步路线链表,并按照线路总紧急度进行降序排序,总紧急度高的排在前面将会被优先派工。最后在初步路线基础上进行精细派工,使得每一个派工路线工作量即饱和又不超出规定工作量,并保证所派工路线上的异常点在空间位置上紧凑(总路径长度尽可能短),路线总紧急度尽可能高。
以下结合附图主要步骤的实施方法:
一、维修点间重复路径矩阵
考虑到整体算法的计算基数比较大,现实使用需要较高用户响应度。需要尽可能减少整体派工算法的时间复杂度,提高派工计算效率。算法特别引入了重复路径矩阵概念,使用空间换时间方法,保证最消耗时间的点到点直接最短路径计算,只计算一次。同时矩阵将大大减少整体算法中的乘法除法运算,而使用最简单的加法运算进行替代。
而且生成维修点间重复路径矩阵的过程就是在路网拓扑上生成维修点拓扑的过程,派工算法将基于重复路径矩阵不再依托路网,这样将大幅降低派工算法复杂度和计算量。
每个维修点间重合路径矩阵都是针对一个驻点绘制的一个二维矩阵,其纵横坐标都是需要派工的维修点,其数据结构如图2所示:
矩阵中紧急程度高的维修点排在前面,即维修点1的紧急度大于等于维修点2的紧急度。矩阵中每个单元包含了从驻地出发到两个维修点它们的重复路径长度,重复路径占到维修点i的百分比和两个维修点之间路径长度,具体如图3所示。
重复路径矩阵生成算法
重复路径生成算法是在已经完成驻点到所有维修点最短路径计算,并完成所有维修点之间最短路径计算的计算。算法按照维修点顺序逐个对比并填充响应重复路径单元,算法复杂度为O(n2)。具体算法流程如图4所示。
二、初步路线链表
初步路线链表是在重复路径矩阵基础上将相关联的高重复路径率的维修点分组,每组按照维修点距离驻点远近排列的初步维修路径。
总体算法引入初步路径时因为一方面初步路径生成只需要遍历一次重复路径矩阵,并做两次小范围的对比运算,本身运算量小。初步路径可以减少精细派工算法计算量,由于精细派工是派工算法中运算量最重的部分之一,因此初步路径引入用小代价换取更多时间的节约。
另外一方面,高重复路线生成并按照总紧急度降息排序可以解决业务上优先派在空间距离近但总紧急度高的一群异常点的要求。同时能够解决业务上载总工作时间允许情况下降路线上小紧急度异常点添加到派工路线中。
每个初步路线的头指针保存了该路径的总长度、总时长和总紧急度。由于各省市公司对于高重复路径率有不用要求,因此在算法中需要将高冲路径率判断阀值作为可配置参数,可由省市公司自己来设置合适自己的判断阀值。
具体的初步路线链表的头指针和路径链表整体结构如图5、6所示。
初步链表生成算法
由于重复路径矩阵的单元中所使用的路径长度都是点到点之间的最短路径,因此可以将初始路径生成算法简化为如图7所示。
先扫描维修点间重复路径矩阵(不包含维修点自己与自己100%的单元格),从中挑出重复比例>50%的重复路径单元格,由于各省市对于这个百分比阀值可能存在不同要求,因此这个百分比阀值为可配置参数。
将获取到的所有单元格进行扫描,将相关联的点分组存放,每组按照维修点到驻点远近排序转换为一条初始路径。
三、精细派工算法
精细派工算法属于单驻点派工算法是针对派工区域内只有一个驻地的情况。
算法基于已经完成重复路径矩阵扫描并生成初步路线,先判断是否需要进行新的派工方案。当需要生成派工路线时,先获取初步路径链表中第一条初步路线进行派工,因为总紧急度大的初步路径排在前面。然后判断该派工主路径时长是否饱和如果饱和则输出派工路径,完成派工输出后需要在初步路径链表中去除刚刚已派工点并重新将初步路径进行排序。时长饱和判断条件是如果上一次总时长不够加一点后超出说明去除最后新添点的路径饱和,或者如果上一次总时长超出删除一点后不够说明添加最后删除点的路径饱和。如果派工主路径时长不够则执行加点算法,如果派工主路径时长超出则执行减点算法。
如果一边需要派工,而初步路径链表中已经没有初步路径,则使用离散点的贪婪算法直接生成路径优先的派工算法。
精细派工的加点算法
精细派工的加点算法是由于当前路线的总工作时长达不到派工周期内工作时间,需要为当前路线从未派工点中选取一个合适点添加到当前路径上。
为了能够使得在空间上高紧凑性,本算法使用查找距离线路上已有点都近的方法来查找下要添加的点,即比较所有未派工点到当前路线所有点的距离总和,总和最小的点作为待添加点。流程如图9所示。
查找到待添加点后,将该线路上所有的点与待添加点一起重新进行路径规划,使得新的总路径最小。
精细派工的点剔除算法
点剔除算法是由于当前线路总工作时长超出派工周期内的工作时间,需要为当前路线中选取一个合适的点剔除出当前路线。
本算法使用剔除离当前路线重心最远点的方法,先计算出当前路线上所有点的重心,并计算出路线上除驻点外所有维修点与重心的空间距离,选取出驻点外的最远点剔除。剔除后将该路线上所有的点重新进行路线规划。流程如图10所示。
精细派工的离散点贪婪算法
贪婪算法总是做出在当前看来最好的选择。也就是说贪婪算法并不从整体最优考虑,它所做出的选择只是在某种意义上的局部最优选择。当然,希望贪婪算法得到的最终结果也是整体最优的。虽然贪婪算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解。如单源最短路经问题,最小生成树问题等。在一些情况下,即使贪婪算法不能得到整体最优解,其最终结果却是最优解的近似解。
本技术方案的离散点贪婪算法主要是在已经没有初始路线并且派工区域存在大量坐标离散维修点的情况下使用。流程如图11所示。
本技术方案能够有效解决现在电力采集系统运维派工方法粗放,缺少能够量化的有效考核标准的问题,实现了:
1)工作量匹配及人员统筹模式下的工作量均衡;
2)在有限运维资源下的最大解决紧急度的能力优化;
3)提供了针对多人多路径的计算能力;
4)能够解决路径附近稀疏异常点的加入;
5)为了有效降低派工计算速度,引入重复路径矩阵和初步路欣链表。使得整体算法在运算量和近似最优解决方案间达到用户能够接受的平衡。
以上图1-11所示的一种基于工作量匹配和效用最优的工单智能化派工方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (8)
1.一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于包括以下步骤:
1)获取异常点聚合生异常工单;
2)根据派工区域过滤异常工单;
3)计算异常工单的维修点到驻点最短路径及相互最短路径;
4)根据维修点到驻点最短路径及相互最短路径,生成重复路径矩阵;
5)通过扫描重复路径矩阵生成初步路线链表,获得初步派工路线;
6)初步路线按紧急度降序排序;
7)选取最大紧急度的初步路线,并对其进行加点或删点判断;
8)执行加点或删点算法,生成精细派工路线,使得每一个派工路线工作量即饱和又不超出规定工作量,且路线总紧急度高,并保证所派工路线上的异常点在空间位置上紧凑。
2.根据权利要求1所述的一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于:在步骤4)中,生成的重复路径矩阵为每个维修点间重合路径矩阵,其为针对一个驻点绘制的一个二维矩阵,纵横坐标都是需要派工的维修点;矩阵中紧急程度高的维修点排在前面,矩阵中每个单元包含了从驻地出发到两个维修点的重复路径长度,重复路径占到维修点i的百分比和两个维修点之间路径长度。
3.根据权利要求2所述的一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于:步骤5)包括以下子步骤:
501)扫描重复路径矩阵,选择超过设定值的单元,不包括含维修点自已与自己的100%重复的单元;
502)对选出的单元按关联分组存放;
503)每组按点到驻点远近排序生成一条初步路径。
4.根据权利要求3所述的一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于:在步骤7)中,当需要生成派工路线时,先获取初步路径链表中第一条初步路线进行派工,因为总紧急度大的初步路径排在前面;然后判断该派工主路径时长是否饱和如果饱和则输出派工路径,完成派工输出后需要在初步路径链表中去除刚刚已派工点并重新将初步路径进行排序;时长饱和判断条件是:如果上一次总时长不够加一点后超出,说明去除最后新添点的路径饱和;如果上一次总时长超出删除一点后不够,说明添加最后删除点的路径饱和;如果派工主路径时长不够,则执行加点算法;如果派工主路径时长超出,则执行删点算法;如果一边需要派工,而初步路径链表中已经没有初步路径,则使用离散点的贪婪算法直接生成路径优先的派工算法。
5.根据权利要求4所述的一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于:在执行加点算法时,需要为当前路线从未派工点中选取一个合适点添加到当前路径上;使用查找距离线路上已有点都近的方法来查找下要添加的点,即比较所有未派工点到当前路线所有点的距离总和,总和最小的点作为待添加点;查找到待添加点后,将该线路上所有的点与待添加点一起重新进行路径规划,使得新的总路径最小。
6.根据权利要求5所述的一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于:当前线路总工作时长超出派工周期内的工作时间,需要执行删点算法,在执行删点算法时,需要为当前路线中选取一个合适的点剔除出当前路线;删点算法使用剔除离当前路线重心最远点的方法,先计算出当前路线上所有点的重心,并计算出路线上除驻点外所有维修点与重心的空间距离,选取出驻点外的最远点并剔除;剔除后将该路线上所有的点重新进行路线规划。
7.根据权利要求6所述的一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于:当初步路径链表中已经没有初始路线并且派工区域存在大量坐标离散维修点时,采用离散点贪婪算法制定派工路线。
8.根据权利要求7所述的一种基于工作量匹配和效用最优的工单智能化派工方法,其特征在于:步骤1)包括以下子步骤:
101)根据运维范围过滤异常故障点,如果是责任制则按照网格区域过滤单表故障点,如果是人员统筹制则按照县、供电所区域过滤单表故障点,获取到运维区域的单表故障点;
102)在获取运维区域内所有单表故障点后,按照表计从属关系先将单表故障聚合到采集终端、集中器级别;
103)判断运维区域是否有空间信息,如果有,则使用坐标点分组聚合算法;否则进入步骤104);
104)将聚合结果生成异常工单,每个工单记录坐标、总工作量和总紧急度、故障类型的信息;对于缺少空间信息的地区这部分信息可选择不记录,直接结束,并进入设定的第二派工方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611124532.1A CN106779388B (zh) | 2016-12-08 | 2016-12-08 | 一种基于工作量匹配和效用最优的工单智能化派工方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611124532.1A CN106779388B (zh) | 2016-12-08 | 2016-12-08 | 一种基于工作量匹配和效用最优的工单智能化派工方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106779388A true CN106779388A (zh) | 2017-05-31 |
CN106779388B CN106779388B (zh) | 2019-01-22 |
Family
ID=58881757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611124532.1A Active CN106779388B (zh) | 2016-12-08 | 2016-12-08 | 一种基于工作量匹配和效用最优的工单智能化派工方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779388B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830433A (zh) * | 2018-09-06 | 2018-11-16 | 虫极科技(北京)有限公司 | 一种基于lbs的运维路线规划方法、系统 |
CN109034463A (zh) * | 2018-07-09 | 2018-12-18 | 武汉瑞莱保能源技术有限公司 | 一种基于工作量匹配和效用最优的工单智能化派工方法 |
CN109165874A (zh) * | 2018-09-21 | 2019-01-08 | 国网天津市电力公司电力科学研究院 | 一种基于台区用电量的工单紧急程度分析方法及系统 |
CN109389295A (zh) * | 2018-09-21 | 2019-02-26 | 国网天津市电力公司电力科学研究院 | 一种基于台区用户数量的工单紧急程度分析方法及系统 |
CN112163679A (zh) * | 2020-09-08 | 2021-01-01 | 国网浙江省电力有限公司 | 基于集束搜索的采集运维工作规划方法 |
CN112668880A (zh) * | 2020-12-28 | 2021-04-16 | 深圳供电局有限公司 | 配网网格的工单调度方法、装置、计算机设备和存储介质 |
CN113052488A (zh) * | 2021-04-15 | 2021-06-29 | 泛海物业管理有限公司 | 一种工单调度方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049656A (zh) * | 2012-12-19 | 2013-04-17 | 中国铁道科学研究院 | 欧拉图的构造方法及基于该方法进行测试序列优化的方法 |
CN103106622A (zh) * | 2013-02-05 | 2013-05-15 | 广东电网公司 | 停电检修调度方法及其系统 |
CN105046338A (zh) * | 2015-08-24 | 2015-11-11 | 扬州大学 | 移动平台上的智能快递配送方法 |
CN105809329A (zh) * | 2016-02-29 | 2016-07-27 | 江苏省电力公司张家港市供电公司 | 一种电力呼叫抢修系统及工单接收装置 |
-
2016
- 2016-12-08 CN CN201611124532.1A patent/CN106779388B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049656A (zh) * | 2012-12-19 | 2013-04-17 | 中国铁道科学研究院 | 欧拉图的构造方法及基于该方法进行测试序列优化的方法 |
CN103106622A (zh) * | 2013-02-05 | 2013-05-15 | 广东电网公司 | 停电检修调度方法及其系统 |
CN105046338A (zh) * | 2015-08-24 | 2015-11-11 | 扬州大学 | 移动平台上的智能快递配送方法 |
CN105809329A (zh) * | 2016-02-29 | 2016-07-27 | 江苏省电力公司张家港市供电公司 | 一种电力呼叫抢修系统及工单接收装置 |
Non-Patent Citations (1)
Title |
---|
陈苍 等: "路径诱导问题中 Dijkstra算法和矩阵迭代算法的比较研究", 《交通与计算机》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034463A (zh) * | 2018-07-09 | 2018-12-18 | 武汉瑞莱保能源技术有限公司 | 一种基于工作量匹配和效用最优的工单智能化派工方法 |
CN108830433A (zh) * | 2018-09-06 | 2018-11-16 | 虫极科技(北京)有限公司 | 一种基于lbs的运维路线规划方法、系统 |
CN109165874A (zh) * | 2018-09-21 | 2019-01-08 | 国网天津市电力公司电力科学研究院 | 一种基于台区用电量的工单紧急程度分析方法及系统 |
CN109389295A (zh) * | 2018-09-21 | 2019-02-26 | 国网天津市电力公司电力科学研究院 | 一种基于台区用户数量的工单紧急程度分析方法及系统 |
CN112163679A (zh) * | 2020-09-08 | 2021-01-01 | 国网浙江省电力有限公司 | 基于集束搜索的采集运维工作规划方法 |
CN112668880A (zh) * | 2020-12-28 | 2021-04-16 | 深圳供电局有限公司 | 配网网格的工单调度方法、装置、计算机设备和存储介质 |
CN113052488A (zh) * | 2021-04-15 | 2021-06-29 | 泛海物业管理有限公司 | 一种工单调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106779388B (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779388A (zh) | 一种基于工作量匹配和效用最优的工单智能化派工方法 | |
CN106934484A (zh) | 一种基于pda的现场运维日工作规划方法 | |
CN111861180B (zh) | 一种数字能源生产制造实时预警的管理系统 | |
CN106707991B (zh) | 基于模糊层次分析的多目标作业调度中瓶颈设备识别方法 | |
CN1959735A (zh) | 基于数据包络分析的城市电网规划方案综合决策方法 | |
CN104751305A (zh) | 一种基于故障分析抢修的智能交互系统及其控制方法 | |
CN101883015A (zh) | 一种过滤工程告警的方法和装置 | |
CN108182194A (zh) | 一种基于电网gis的网格化划分的管理方法 | |
CN109544006A (zh) | 一种评价电动汽车充电站经济效益的方法 | |
CN103544652A (zh) | 电网行业分类负荷自动统计方法及系统 | |
CN109934459B (zh) | 基于可视化网格的低压台区电能表运行误差异常派工方法 | |
CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
CN110059913A (zh) | 一种计及未来态的停电计划的量化评估方法 | |
CN112257881A (zh) | 一种太阳能光伏智能维修管理系统 | |
CN206620100U (zh) | 一种光伏电站的监测系统 | |
CN107483240A (zh) | 基于网络资源关联关系的电力通信网业务健康度分析方法 | |
CN110223411A (zh) | 一种公共饮水机巡检系统及方法 | |
CN115511656A (zh) | 一种基于挖掘电网数据价值的需求规划辅助决策系统 | |
CN115908046A (zh) | 基于航站楼bim的可视化配电系统 | |
CN115660494A (zh) | 一种电力通信网结构风险评估系统 | |
CN110517163B (zh) | 一种配网馈线组分析方法 | |
CN107491866B (zh) | 一种省地一体化电网安全稳定综合防御方法 | |
CN110048407B (zh) | 分布式能源发电计划可行域优化分析方法 | |
CN116488335A (zh) | 一种城区尺度的电力能耗动态监测调配方法、系统及设备 | |
CN103218758B (zh) | 电力通信设备维修方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |