CN108038583A - 用于管理绩效指标以解决企业设施运营管理目标的方法和系统 - Google Patents
用于管理绩效指标以解决企业设施运营管理目标的方法和系统 Download PDFInfo
- Publication number
- CN108038583A CN108038583A CN201711060573.3A CN201711060573A CN108038583A CN 108038583 A CN108038583 A CN 108038583A CN 201711060573 A CN201711060573 A CN 201711060573A CN 108038583 A CN108038583 A CN 108038583A
- Authority
- CN
- China
- Prior art keywords
- kpi
- performance
- data
- enterprise
- threshold values
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种用于动态地管理企业的绩效指标以解决设施运营管理目标的方法和系统。所述方法包括整合与企业相关联的运营数据;导出关键绩效指标(KPI)、阈值以及度量标准;确定影响所述KPI的绩效的因素以及影响所述阈值的绩效的因素;基于可比性矩阵来归一化影响所述KPI的所述绩效的所述因素;基于所述一个或多个阈值、所述可比性矩阵以及所述归一化数据的相关联模式来评估KPI的绩效以导出KPI绩效解析;基于交互可视化和微调的一个或多个使用模式来微调所述KPI并增强所述系统以及所述一个或多个KPI和所述交互可视化,由此动态地管理企业的绩效指标以解决设施运营管理的目标。
Description
技术领域
本发明涉及能源管理领域。更具体地但不排他地,本发明涉及用于管理绩效指标以解决企业设施运营管理目标的方法和系统。
背景技术
现有的能源管理系统使用绩效指标来有效地管理企业的能源,但对为何绩效指标的绩效在诸如资产、子资产、现场、建筑、仓储、规格以及企业的多个层面或低或高未提供解析。企业对于低效率或低/高绩效的问题或原因的确切因果关系进行检测、测量、跟踪和报告是至关重要的。另外,关于设施的最终使用、建筑类型、所适用的业务类型、运营模式以及管理设施的资源的可用性、客户类型等存在多种类型的设施。同时,设施可能位于不同的位置处,这不仅改变了设施的天气状况,还改变了设施的行为背景和使用情况。由于这种多样性,识别绩效指标、设定阈值、检测偏差/问题并实时地或如用户配置文件认为合适地解决/报告这些偏差/问题是一项挑战。
发明内容
本发明的实施方案公开一种用于能源管理的管理企业的绩效指标的方法。所述方法包括整合来自一个或多个来源的与企业相关联的运营数据与指标管理数据库;基于整合后的数据和设施运营管理的目标来导出一个或多个关键绩效指标(KPI)、一个或多个阈值以及一个或多个度量标准;确定影响KPI的绩效的一个或多个因素以及影响一个或多个阈值的绩效的一个或多个因素;基于影响KPI的绩效的一个或多个因素以及影响一个或多个阈值的绩效的一个或多个因素来创建可比性矩阵以识别对象的集群、对应数据点以及将用于一个或多个KPI的归一化的技术;基于影响KPI的绩效的至少一个因素、对象集群中的至少一个、对应的数据点或用于归一化的技术,将一个或多个KPI归一化以提供归一化数据;基于一个或多个阈值、可比性矩阵以及归一化数据的相关联模式来评估KPI的绩效以导出KPI绩效解析;通过基于用户配置文件的交互可视化,将一个或多个KPI、KPI绩效解析以及影响KPI绩效的一个或多个因素提供给用户;基于KPI的绩效、一个或多个阈值以及一个或多个度量标准通过机器学习技术来微调一个或多个KPI;以及基于交互可视化和微调的一个或多个使用模式来增强自动学习绩效系统以及一个或多个KPI和交互可视化,由此动态地管理企业的绩效指标以解决设施运营管理的目标。
在一个实施方案中,本发明公开一种用于管理企业中的能源管理的绩效指标的能源管理系统,包括处理器和以通信方式耦接到处理器的存储器。此处,存储器存储处理器可执行指令,所述指令在执行时使得处理器整合来自一个或多个来源的与企业相关联的运营数据与指标管理数据库;基于整合后的数据和设施运营管理的目标来导出一个或多个关键绩效指标(KPI)、一个或多个阈值以及一个或多个度量标准;确定影响KPI的绩效的一个或多个因素以及影响一个或多个阈值的绩效的一个或多个因素;基于影响KPI的绩效的一个或多个因素以及影响一个或多个阈值的绩效的一个或多个因素来创建可比性矩阵以识别对象的集群、对应数据点以及将用于一个或多个KPI的归一化的技术;基于影响KPI的绩效的一个或多个因素、对象集群中的至少一个、对应的数据点或用于归一化的技术,将一个或多个KPI归一化以提供归一化数据;基于一个或多个阈值、可比性矩阵以及归一化数据的相关联模式来评估KPI的绩效以导出KPI绩效解析;通过基于用户配置文件的交互可视化,将一个或多个KPI、KPI绩效解析以及影响KPI绩效的一个或多个因素提供给用户;基于KPI的绩效、一个或多个阈值以及一个或多个度量标准通过机器学习技术来微调一个或多个KPI;以及基于交互可视化和微调的一个或多个使用模式来增强自动学习绩效系统以及一个或多个KPI和交互可视化,由此动态地管理企业的绩效指标以解决设施运营管理的目标。
以上概述仅是说明性的,而非意图以任何方式进行限制。除上文描述的说明性方面、实施方案以及特征外,通过参考附图和以下具体实施方式,另外的方面、实施方案以及特征将变得显而易见。
附图说明
本发明的新颖特征和特性在所附权利要求书中阐述。然而,本发明自身以及其优选的使用模式、另外的目标及其优点将在结合附图阅读时通过参考以下说明性实施方案的具体实施方式得到最佳理解。现在仅通过实例参考附图来描述一个或多个实施方案,其中相同的参考标号表示相同的元件,并且其中:
图1示出根据本发明的一些实施方案的用于动态地管理企业的绩效指标以解决设施管理运营目标的示例性环境;
图2示出根据本发明的一些实施方案的用于动态地管理企业的绩效指标以解决设施管理运营目标的自动学习绩效系统的内部架构的广义层面;
图3示出根据本发明的一些实施方案的用于动态地管理企业的绩效指标以解决设施管理运营目标的自动学习绩效系统的内部架构的详细框图;
图4示出说明根据本发明的一些实施方案的用于动态地管理企业的绩效指标以解决设施管理运营目标的方法的流程图;以及
图5示出根据本发明一些实施方案的用于动态地管理企业的绩效指标以解决设施管理运营目标的通用计算单元。
所属领域的技术人员应了解,本文中的任何框图表示体现本主题的原理的说明性系统的概念视图。类似地,应了解,任何流程图表、流程图、状态转换图、伪代码等表示可在计算机可读媒体中基本上表示并由计算机或处理器执行的各种过程,而不管此类计算机或处理器是否被明确地显示。
具体实施方式
在本文档中,本文中使用词语“示例性”来意指“用作例子、实例或说明”。本文描述为“示例性”的本主题的任何实施方案或实施未必被解释为比其它实施方案优选或有利。
虽然本发明接受各种修改和替代形式,但本发明的特定实施方案已通过实例在附图中示出,并将在下文详细描述。然而,应理解,并不意图将本发明限于所公开的特定形式,相反,本发明将涵盖落入本发明的精神和范围内的所有修改、等效内容和替代方案。
术语“包括”、“含有”或其任何其它变体意图涵盖非排他性包括,使得包括部件或步骤的列表的设置、装置或方法不仅包括那些部件或步骤,而且可包括未明确列出或为此类设置或装置或方法所固有的其它部件或步骤。换句话说,后接“包括......”的系统或设备中的一个或多个元件在没有更多约束的情况下不排除系统或装置中其它元件或另外元件的存在。
本发明的实施方案涉及一种用于动态地管理企业的绩效指标以解决设施管理运营目标的自动学习绩效系统。自动学习绩效系统对从一个或多个来源接收的与企业相关联的运营数据与指标管理数据库进行整合。自动学习绩效系统随后导出一个或多个关键绩效指标(KPI)、一个或多个阈值以及一个或多个度量标准。另外,自动学习绩效系统评估KPI并向用户提供解析。之后,对KPI进行微调和增强以动态地管理企业的绩效指标,以解决设施运营管理的目标。
图1示出用于动态地管理企业的绩效指标以解决设施运营管理目标的环境。所述环境包括自动学习绩效系统100、通知单元103、企业104、用户装置107A、用户装置107B、...、用户装置107N。在本发明中,下文可将所述用户装置统称为一个或多个用户装置107。所述环境另外包括数据库101和显示单元102。
自动学习绩效系统100从一个或多个来源接收与企业104相关联的运营数据。一个或多个来源可为一个或多个传感器105(传感器105A、传感器105B、...、传感器105N的共同表示)、一个或多个仪表、一个或多个控制器、建筑管理系统(BMS)以及企业104的其它装置106。在一个实施方案中,一个或多个来源可为企业104的一部分或可为独立系统。另外,自动学习绩效系统100基于整合后的数据导出一个或多个关键绩效指标(KPI)、一个或多个阈值以及一个或多个度量标准。随后,自动学习绩效系统100确定影响一个或多个KPI和一个或多个阈值的一个或多个因素。另外,自动学习绩效系统100创建可比性矩阵以识别对象的集群、对应的数据点以及将用于一个或多个KPI的归一化的技术。此外,自动学习绩效系统100基于影响KPI的一个或多个因素来归一化一个或多个KPI。将归一化数据用于比较。随后,自动学习绩效系统100基于一个或多个阈值、可比性矩阵以及归一化数据的相关联模式来评估KPI的绩效。自动学习绩效系统100基于评估来导出绩效解析。随后,自动学习绩效系统100微调一个或多个KPI并增强KPI的绩效。因此,自动学习绩效系统动态地管理企业104的绩效指标以解决设施运营管理的目标。
一个或多个传感器105和一个或多个仪表可以监测企业104的一个或多个参数。在实施方案中,一个或多个参数可存储在数据库101中。在实施方案中,数据库可为专用指标管理数据库。在实施方案中,数据库可连接到一个或多个公用设施系统接口、一个或多个供应商系统接口、一个或多个网络接口以及企业管理信息系统(MIS)。
在实施方案中,自动学习绩效系统100基于评估而在显示单元102上向用户显示一个或多个选项。一个或多个选项可包括在评估期间遇到的问题的解决方案。另外,自动学习绩效系统100从一个或多个用户装置107接收针对显示的一个或多个选项的至少一个输入。因此,自动学习绩效系统100执行动作。
在实施方案中,自动学习绩效系统100可使用机器学习算法来学习从一个或多个用户装置107接收的对应评估的选项的模式。通过所识别的模式,自动学习绩效系统100可执行用于后续评估的动作。因此,绩效系统100被称为自动学习绩效系统100。
在实施方案中,当在系统中产生警报时,自动学习绩效系统100可使用通知单元103通知用户。通知可为视觉通知、音频通知等。
图2示出自动学习绩效系统100的内部架构的广义层面。自动学习绩效系统100可包括至少一个中央处理单元(“CPU”或“处理器”)203和存储可由至少一个处理器203执行的指令的存储器202。处理器203可包括用于执行程序部件以执行用户或系统产生的请求的至少一个数据处理器。用户可包括个人、使用诸如本发明中包括的那些装置的个人或此装置本身。存储器202以通信方式耦接到处理器203。在实施方案中,存储器202存储一个或多个数据204。自动学习绩效系统100另外包括输入/输出(I/O)接口201。I/O接口201与处理器203耦接,通过所述I/O接口传送输入信号或/和输出信号。
在实施方案中,一个或多个数据204可存储在存储器202内。一个或多个数据204可包括例如运营数据205、关键目标指标(KGI)数据206、KPI因素数据207、矩阵数据208、模式数据209以及其它数据210。
在实施方案中,运营数据205可包括企业类型、企业需求、传感器的数目、企业中存在的装置的测量单位等。
在实施方案中,KGI数据206可包括用于帮助企业104界定并测量所述企业朝向实现企业的目标或关键成功因素的进展的参数。所述参数是可以财务或非财务术语表达并反映企业104的性质的可计量的量度。
在实施方案中,KPI因素数据207可包括温度、湿度、设定点、静态数据例如设定点、企业104的资产的品牌和型号等。
在实施方案中,矩阵数据208包括KPI数据的归一化值、影响KPI的相关联的一个或多个因素、影响一个或多个阈值的相关联的一个或多个因素等。
在实施方案中,模式数据209包括单独的数据点和指标、数据点和指标的组合、与期望值的偏差、原因模式、问题解决模式、指标的使用模式、机器学习算法的输出等。
其它数据210可用于存储由模块211产生的用于执行自动学习绩效系统100的各种功能的数据,包括临时数据和临时文件。
在实施方案中,存储器202中的一个或多个数据204由自动学习绩效系统100的模块211进行处理。如本文所使用,术语“模块”是指专用集成电路(ASIC)、电子电路、现场可编程门阵列(FPGA)、可编程片上系统(PSoC)、组合逻辑电路和/或提供所描述的功能性的其它合适的部件。当配置有本发明中界定的功能性时,所述模块将产生新颖的硬件。
在一个实施方案中,模块211可包括例如整合模块212、导出模块213、确定模块214、矩阵创建模块215、归一化模块216、评估模块217、微调模块218、增强模块219以及其它模块220。应了解,此类前述模块211可表示为单个模块或不同模块的组合。
在实施方案中,整合模块212整合与企业104相关联的运营数据205。通过自动学习绩效系统100的用户接口从企业104的一个或多个来源接收运营数据205。在实施方案中,运营数据205可由用户存储。可从数据库101检索所存储的运营数据。在实施方案中,可从一个或多个用户装置107接收运营数据205。另外,对接收的运营数据205进行验证、处理并组织。在实施方案中,运营数据205的验证、处理以及组织由数据处理器执行。
在实施方案中,其它装置106可为个人数据助理(PDA)、移动电话、膝上型计算机、上网本或任何类型的其它计算装置。
在实施方案中,导出模块213基于整合后的数据和设施运营管理的目标来导出一个或多个KPI、一个或多个阈值以及一个或多个度量标准。导出模块213基于企业104的目标来导出一个或多个KPI。企业的目标通过KGI数据206来界定。并且,KPI基于运营数据205导出。另外,导出模块213导出对应于一个或多个KPI的一个或多个阈值和度量标准。在实施方案中,导出模块213可包括KPI选择器以从数据库101选择一个或多个KPI。
在实施方案中,确定模块214确定影响一个或多个KPI和一个或多个阈值的一个或多个因素。
在实施方案中,矩阵创建模块215基于影响一个或多个KPI的一个或多个因素以及影响一个或多个阈值的绩效的一个或多个因素来创建可比性矩阵。创建可比性矩阵以识别对象的集群、对应的数据点以及将用于一个或多个KPI的归一化的技术。
在实施方案中,归一化模块216基于影响一个或多个KPI的因素来归一化一个或多个KPI。另外,归一化模块216基于影响一个或多个阈值的绩效的因素来归一化一个或多个阈值。执行归一化以简化跨越企业104的不同域比较不同单元和类型的KPI和度量标准的过程。在实施方案中,归一化模块216可包括用于归一化一个或多个阈值的专用单元。在示例性实施方案中,专用单元可被称为归一化器。
在实施方案中,评估模块217基于一个或多个阈值、可比性矩阵以及归一化数据的相关联模式来评估一个或多个KPI的绩效。评估用于导出KPI绩效解析。另外,KPI绩效解析通过交互式用户接口提供给用户。另外,评估模块217评估检测到的一个或多个KPI的绩效的模式,发布解决方案、偏差和原因、一个或多个KPI使用情况等。另外,评估模块217评估在模式中检测到的变化。此处,考虑历史数据来评估模式的变化。另外,可基于对模式和历史数据模式的变化的评估来预测未来的模式和问题。在实施方案中,模式由模式检测器检测,且模式的变化由变化检测器检测。另外,可使用预测器预测未来的模式和问题。在实施方案中,历史数据表示由自动学习绩效系统100确定和收集的所有类型的数据。
在实施方案中,微调模块218基于KPI的绩效、一个或多个阈值以及一个或多个度量标准的解析来微调一个或多个KPI。微调模块218可使用机器学习技术来微调一个或多个KPI。微调模块218可包括用于微调一个或多个KPI中的每一个的KPI微调器。此处,KPI微调器是用于微调一个或多个KPI的专用单元。
在实施方案中,增强模块219基于交互可视化和微调的使用模式来增强KPI。因此,所提出的系统动态地管理企业104的绩效指标以解决设施运营管理的目标。
在实施方案中,其它模块220可包括导航构建器、仿形器以及算法调谐器。另一模块220还可包括执行如本发明中描述的功能所需的任何另外模块211。
在实施方案中,导航构建器创建用于基于UI的导航的框架。导航构建器有助于在框架中的每一个之间导航以选择一个或多个KPI。在实施方案中,仿形器使用关于用户配置文件的类型的信息,并且基于配置文件来分离导航框架和视图。在实施方案中,算法调谐器基于由模式检测器、变化检测器以及预测器预测到的模式、变化以及问题来微调用于动态地管理绩效指标的算法。
图3示出自动学习绩效系统100的内部架构的详细框图。用户接口301是其中用户可在运营数据205得到分析之前提供其输入的层。用户接口301为用户提供输入所有运营数据205的灵活性。自动学习绩效系统100在必要时自动地分类信息并使用信息。用户可描述他们从一个或多个传感器105和其它装置106接收/期望的运营数据205。运营数据205可在各种中心词下描述:数据源(内部/外部)、接收的数据的频率、静态/动态数据点等。可给予用户随时添加额外的数据点的灵活性。自动学习绩效系统100自动地将运营数据205分类并调适成指标。自动学习绩效100还可使用所提供的信息来访问网络上可用的信息。例如,自动学习绩效系统100可获得设施的地址,并通过地图服务获取建筑的尺寸的细节。自动学习绩效系统100还可确定建筑是公用建筑还是单独的建筑。类似地,自动学习绩效系统100能够从企业网站接收并整理关于计划表、产品类型等的信息。定期地,自动学习绩效系统100可跟踪供应、销售、服务变化并在需要时使用所述信息。自动学习绩效系统100向用户提供用于提供发展KPI的目标的选项。自动学习绩效系统100可基于需要或作为来自为不同类型的机构/设施提供的默认选项的选择而接收特定输入。
数据处理器302是第二层,且紧邻用户接口301层。数据处理器302是整合模块212的一部分。数据处理器302执行各种功能,包括但不限于在例如数据验证器303、数据处理引擎304以及数据组织器305等不同模块中进行的数据验证、数据处理以及数据组织。
数据验证器303基于范围,对丢失的、重复的和无效的样本的检查来验证运营数据205。数据处理引擎304处理在上一层中识别的运营数据205问题,且数据组织器305对准运营数据205并对其进行分组以便于算法的应用。
分析引擎-1 306从数据组织器305接收运营数据205。分析引擎-1 306包括一个或多个模块、KPI选择器307、KPI微调器308、归一化器309、仿形器311以及导航构建器310。
KPI选择器307是分析引擎-1 306的第一模块。基于运营数据205,KPI选择器307识别用户的目标(关键目标指标)、对KGI进行优先级排序且随后将指标(KPI)映射到KGI。KPI选择器307是导出模块213的专用单元。KPI选择器307从数据库101选择一个或多个KPI。
KPI微调器308是数据处理器302层的第二模块。KPI微调器308识别度量标准,识别每个度量标准的计算算法,基于运营数据205以及来自分析引擎-2 312的算法的输出的反馈来确定阈值并微调阈值。KPI微调器308形成微调模块218的一部分。
归一化器309接收KPI因素数据207和影响一个或多个阈值的一个或多个因素。在实施方案中,归一化器309被配置在自动学习绩效系统100的归一化模块216中。虽然行业标准可用于识别高效和低效系统,但存在系统固有的未知的某些过程。所述过程可使系统高效或低效。然而,为了识别此类过程,必须执行“对象”的比较。这里的“对象”可指代其绩效可被量化的任何系统/子系统。为了能够比较此类对象,使用归一化技术,所述归一化技术是处理数据的过程,使得所述数据可用于跨越不同维度的比较。
导航构建器310是分析引擎-1 306层的第四模块。在已识别出一个或多个KPI并将其映射到可能的原因之后,导航构建器310执行创建用于基于UI的导航的框架的任务。所述导航构建器为用户提供浏览不同的KPI的灵活性。导航背后的想法是在开始时给出关键信息和可能的原因,但是对着手/验证哪个方面的选择被留给用户。导航的目的是使用和利用人类经验来识别问题。因此,自动学习绩效系统100在每次用户浏览时都会学习。当事件为关键时,用户也可标记事件,使得今后可报告类似的事件。还可对所识别的事件产生跟踪环路,以跟踪改进或解决。在一个地方创建的事件也可用于监测/实施具有相似特性的另一个地方/对象的发现。
仿形器311使用关于用户配置文件的类型的信息,并基于这些配置文件来分离导航框架和视图。例如,现场级技术人员只想查看特定现场的细节,然而能源经理可能会对一组商店感兴趣,而能源总监可能有兴趣查看完整的企业绩效。虽然可针对一些配置文件限制一些视图,但视图选项可基于层次结构而变得可用。随后发布仿形器311的结果以供用户查看结果。
在实施方案中,发布器322发布由数据处理器302处理的结果。可通过各种模式,例如报告、门户网站、移动应用程序,或通过实时现场监测屏幕获得结果。可单独地启用警报以在特定指标越过指定的限制或阈值时提醒用户。除了指标配置文件外,发布器322还使得用户能够看到问题的影响,并为用户提供解决问题的多个选项。这些解决方案具有预期解决时间的权重和时间,以及与每者相关联的适当成本和收益。将通知提供给店内团队,且所述通知可与供应商现场参观相关联以改善解决时间。
发布器322还可从维护数据库获取关于技术人员可用性(基于技能、位置、速率和即时可用性)、备件/零件/消耗品能力的数据,以帮助用户识别最佳可能的解决方案。发布器322还可指出同一个对象或附近对象已发生类似的问题,从而突出更广泛的问题。发布器322向用户给出基于需求修改视图的选项。可基于位置(通过GPS跟踪启用)、访问时间(一天中的时间、一周中的某一天、一月中的某一天等)或由用户使用的装置的类型来启用不同的视图以查看一个或多个KPI。所述发布器还使得用户能够查看KPI的历史趋势和模式,并将所述KPI与其它KPI、其它对象等相关联。基于由用户创建的模式,发布器322自动地突出具有潜在问题的区域。将另外的选项提供给用户以用于查看历史趋势,所述历史趋势通过例如周期性(每小时、每天、每周、每月等)的不同的因素和组合分类、通过某天的类型(星期日、星期一)分类、通过日期(1至31)、季节性、节日、促销等分类。因此,可产生每月的每个星期日13:00时的报告等等。由分析引擎-2 312的模式检测器313识别的模式也可用于查看具有相似/不相似模式的对象。还可向用户提供访问以监测维护活动,并根据设施和运营商的计划表来安排工作。所述模式还可使得用户能够访问有关问题的信息,以便可提前计划活动。
分析引擎-2 312与分析引擎-1 306一起工作以管理企业104的一个或多个KPI。分析引擎-2 312的主要目标是运行算法来识别问题的原因、模式、变化,并预测事件以使指标动态地适应不同的情况。分析引擎-2 312使用动态适应过程来维持诊断效率和持续改进。
启用用于维持诊断效率的框架以获得并学习诊断经验和人机接口的功能。提供给用户浏览一系列指标以识别问题的灵活性,且系统通过导航方式和方法来学习以用于未来诊断。
在实施方案中,本发明不断提高自动学习绩效系统100的效率。在企业104的任何系统中,低效率可蔓延到系统中,或者系统可在一段时间内变得高效(这可能归因于可能的解决方案被给定指标耗尽)。在这两种情况下,所使用的一个或多个KPI应保持相关。因此,不断改进框架的主要目标是随着时间的推移适应/改进以并入变化。所述目标通过一个或多个模块来实现,即模式检测器313、变化检测器314、预测器315以及算法调谐器316。
模式检测器313是分析引擎-2 312的第一模块。模式是事件/条件通常以某一顺序重复出现。可存在引起特定模式的逻辑的多个组合。针对运营、指标绩效等观察模式。模式识别不仅用于识别低效对象的问题,而且用于识别在对象的高效工作背后的因素。这提供了对何种因素导致效率的解析,并可针对低效系统进行复制。模式中的任何无法解释的变化都被突出显示并通知给用户。对象也可基于模式进行比较和分组,并由发布器322向用户提供。模式变化可为发生的量和次序的变化,并且可基于多个因素而不同,所述因素通过在此过程中的多次迭代来识别。
变化检测器314用于分析由模式检测器313检测到的模式的变化。此上下文中的变化是指在系统/对象中发生的状态的一次性变化,在此之后,模式发生变化,直到另一个此类变化发生。变化检测器314识别可能的变化原因,例如存在基于手动干预或基础设施的偏差(现场的卫生状况)或已在现场/基础设施处进行改变或资产已被替换等。
预测器315通过运行预测算法来基于历史数据而预测事件/偏差的发生。另外,预测器315主动地向用户通知预测结果。例如,预测器315基于当前运营情况和关于资产所提交的故障的历史信息来预测资产何时将面临问题,由此有助于防止对替代布置的维护或输入。
算法调谐器316基于由模式检测器313,变化检测器314以及预测器315预测的模式、变化以及问题来改变阈值,微调在分析引擎-2312中使用的算法。
在实施方案中,模式检测器313、变化检测器314以及预测器315的结果由评估模块217评估。基于评估,算法调谐器316微调算法。
图4示出说明根据本发明的一些实施方案的动态地管理企业的绩效指标以解决设施运营管理的目标的方法的流程图。
如图4中说明,方法400可包括用于动态地管理企业的绩效指标以解决设施运营管理的目标的一个或多个步骤。可在计算机可执行指令的一般上下文中描述方法400。通常,计算机可执行指令可包括执行特定功能或实施特定抽象数据类型的例程、程序、对象、部件、数据结构、过程、模块以及功能。
在步骤401处,整合模块212对来自一个或多个来源的与企业104相关联的运营数据205与指标管理数据库101进行整合。
在步骤402处,导出模块213导出一个或多个KPI、一个或多个阈值以及一个或多个度量标准。
在步骤403处,确定模块214确定影响一个或多个KPI的一个或多个因素以及影响一个或多个阈值的绩效的一个或多个因素。
在步骤404处,矩阵创建模块215创建可比性矩阵以识别对象的集群、对应的数据点以及将用于一个或多个KPI的归一化的技术。
在步骤405处,归一化模块216基于影响一个或多个KPI的因素,对象集群中的至少一个、对应数据点以及用于归一化的技术中来归一化一个或多个KPI。
在步骤406处,评估模块217基于一个或多个阈值、可比性矩阵以及归一化数据的相关联模式来评估一个或多个KPI的绩效,以导出KPI绩效解析。
在步骤407处,评估模块217通过交互式用户接口向用户提供导出的KPI绩效解析。
在步骤408处,微调模块218基于一个或多个阈值的绩效和一个或多个度量标准来微调一个或多个KPI。
在步骤409处,增强模块219增强用于动态地管理企业104的绩效指标以解决设施运营管理的一个或多个KPI。
本文中描述方法步骤的具体实施方式:
基于运营数据205导出一个或多个KPI。一旦运营数据205通过用户接口301被馈送到自动学习绩效系统100中并被组织在数据处理器302中,运营数据205处理就以三个步骤执行,即,数据验证、数据处理和数据组织。
对区间数据和静态数据两者执行数据验证。在实施方案中,验证包括检查针对每个现场和每个资产接收的数据点的数目、接收的值的范围,检查重复的样本以及丢失数据检测。
在实施方案中,自动学习绩效系统100根据基于每一数据类型、设施类型、操作、尺寸、位置等的固定范围中的至少一者来识别在范围内的数据样本。所述范围可基于策略/服务/它们所用于的最终用途,针对每个系统/子系统/服务进一步改变。此外,不同的统计方法(基于距离、基于深度、基于偏差、基于密度等)可用于检测离群值。验证也是基于与历史数据、对等商店(特性相似)、另一数据点(基于模式分析的相关性/关联的比较-(比较消耗与运行时间、消耗与温度等)来进行。基于模式的检测也可用于验证在一段时间上数据点值的变化。例如,传感器值在较长持续时间上内不能保持恒定,因此传感器数据值的波动和波动类型可指示通信错误、传感器健康状况等。此外,静态数据点的验证可通过网络资源进行,所述静态数据点如面积(覆盖/未覆盖)、尺寸、服务、计划表、天窗的存在、建筑材料、窗户、绝缘性、耐热涂漆的存在等。
在实施方案中,将使用时间戳来识别重复的样本。虽然具有相同时间戳和相同值的那些样本可容易地去除,但有时两个样本具有相同的时间戳,但具有不同的值。在这种情况下,识别更接近可接受/可能范围的值。另外的样本被移动到数据库101。
在实施方案中,丢失数据检测在两个层面处进行。首先,执行从原始数据进行的丢失的样本/数据点的检测。其次,执行如计划表、提供的服务、建筑/设施规格等的支持数据的不可用性。从网络上可用的外部来源恢复支持的数据点。例如,可从地图服务估计尺寸,可从企业网站收集服务和操作类型等。丢失数据的日志也被发送到数据库101,所述日志进一步用于基于例如间歇性丢失、连续丢失等模式来识别丢失数据的可能的原因。
基于验证结果,自动学习绩效系统100确定在丢失数据的情况下是否可处理或替换数据点或样本。可基于问题的类型使用多种处理方法。当丢失针对数据点的样本时,算法能够基于接收的其它参数的输入/数据点来导出值。基于在一段时间内的数据样本的绩效和历史,为每个建筑/现场/系统构建和完善关系和系数。所有处理后的数据都被标记,并在分析过程中可供用户使用。维护存储在数据库中的已处理和未处理数据的日志。
基于数据的可用性,随后将数据组织成有用的集合和组合,使得每次算法处理的速度更快。自动学习绩效系统100具有某些固定模块,如按资产、时间、服务和设施对准仪表数据,并将此数据与静态信息(如计划表和设定点)、外部数据源(如天气)等合并。数据组织也是持续的过程,并且基于来自其它模块220的请求,自动学习绩效系统100可基于需要重新对准数据。数据组织技术集中于处理后的数据的最少使用。例如,如果在一个月内缺少几天的消耗(kWh),则为了计算每各月的消耗,自动学习绩效系统100使用月份的第一个和最后一个值,而不是合计多天的消耗。其也避免了在处理关键输出时使用处理后的数据,这意味着其避免了基于处理后的数据进行决策。在组织数据并已知可用数据点之后,下一步是选择KPI。选择步骤在分析引擎-1 306层的KPI选择器307中进行。
在实施方案中,本发明公开一种用于选择关键目标指标(KGI)的方法。KGI基本上是企业104希望通过自动学习绩效系统实现的,例如舒适性或能源效率或成本。KGI通常由企业104提供,同时根据基于接收的输入而产生的每个机构和建筑数据成像,默认选项也是可用的。企业104可选择可能需要实现一个或多个目标。如果存在超过一个目标,那么已将优先级给予所述目标,使得如果存在冲突,那么可优先考虑优先级较高的目标。
在实施方案中,本发明公开一种用于选择KPI的方法。一旦已识别KGI,就从数据库101选择合适的一个或多个KPI,所述数据库是为各种KGI开发的综合数据库。在实施方案中,专用数据库101可用于存储一个或多个KPI。专用数据库可被称为KPI数据库101。KPI数据库101基于KGI、机构类型、使用类型、服务、所提供的产品等对一个或多个KPI进行分类。一个或多个KPI的选择另外是基于指示使用的可行性的信息,例如控制细节、可用的控制器的类型等。KPI选择过程不重复,且仅在数据第一次被馈送到系统中时才发生,然而如果算法检测到新数据点或尺寸的添加/删除,则自动调整、添加或删除相关的KPI。另外,如果企业104对特定指标感兴趣,则尽管特定指标可能不是所选择的KPI的一部分,但是可以规定将特定指标添加到列表。另外,定期更新KPI数据库101。
KPI选择基于企业规范,所述企业规范另外包括如建筑尺寸*建筑结构、平面图等基础设施细节。企业规范另外包括资产、子资产、仪表、传感器等的品牌和型号、容量、安装细节等的静态细节;如服务类型、存储格式以及运营类型、用户行为类型的运营细节,所述用户行为有助于确定计算KPI所处的级别。
在实施方案中,本发明公开一种用于对一个或多个KPI进行分类的方法。基于目标和数据可用性,一个或多个KPI被归类为资产对过程指标以及事件对问题指标。资产指标描绘资产的健康状况,例如HVAC资产的EER(能效比)、COP(性能系数)。过程指标给出系统性能的概述。例如,HVAC/IT负载率指示使用多少制冷吨位量来冷却一个单位的业务或IT负载,因此指示整个冷却过程的效率。还可基于数据可用性的其它来源如从公用设施接口、供应商接口等来选择指标。公用设施接口提供设施正在使用的位置和公用设施存在、关税结构和计划。这些数据点用于提供与公用设施相关的设施绩效的有用指标。例如,它可指示目前运营的关税计划的绩效或适应性。供应商接口可以提供有关维护历史的数据或当前维护数据。供应商绩效指标不仅有助于了解历史问题,而且还有助于评估供应商在解决特定问题等方面的绩效。
微调指标基于多个因素且是持续的过程。一旦选择一个或多个KPI,则基于数据点的可用性,必须为一个或多个KPI中的每一个选择度量标准和阈值。在KPI微调器308中进行微调。微调包括度量标准的选择、影响间隔的确定、阈值的确定及其初始微调和反馈微调。
在实施方案中,本发明公开一种用于选择度量标准的方法。根据企业规范,从度量标准数据库中选择度量标准。如果计算所需的数据点不可用,则选择替代度量标准,这需要不同的数据点。每一度量标准的计算的算法也在此阶段界定,且是基于数据可用性(直接数据输入、导出的数据输入)、代替服务类型的系统/基础设施、机构的产品和最终用途。
在实施方案中,本发明公开一种用于确定影响间隔的方法。基于可用的历史数据,对模式进行分析以确定特定KPI将被聚合的频率和时间间隔。然而,根据用户需要,可以修改此聚合。影响间隔确保正被计算的KPI既不太晚以至于无法指示问题,也不会如此频繁地丢失信息。
在实施方案中,本发明公开一种用于确定阈值的方法。阈值在多个层面上针对广泛的组织界定,其中足迹处于多州、国家、大陆层面。针对每个机构/设施(基于大小、使用性质、建筑数据成像)识别阈值(默认值)。另外,还可以根据行业基准或各个级别(国家、州、县等)的企业内基准,给予用户优先考虑的选择。在实施方案中,行业基准和企业内部基准被存储在数据库101中。此外,使用历史数据来确定每个指标的模式,并且对一个或多个阈值执行适当的调整。在实施方案中,一个或多个阈值可影响一个或多个KPI的绩效。对于包括绩效、成本、可靠性、可用性、容量、维护有效性、舒适度条件和系统/基础设施响应敏捷性的因素,将在资产/系统/流程/机构/集群/区域层面应用一个或多个阈值。一个或多个阈值使用户能够比较设施内的资产/系统/流程级别的绩效,或与具有相似特征的设施进行比较。一个或多个阈值还具有为单个度量标准/KPI或度量标准/KPI组或度量标准和KPI的组合定义多级阈值的功能。因此,一个或多个阈值的确定为不同功能和层次级别的用户提供了对某些重复性和强度条件的要求进行选择的灵活性。一个或多个阈值使用矩阵严重性和紧急性来启用以触发适当的警报。
在实施方案中,本发明公开了一种用于执行初始微调的方法。基于来自其它来源的数据,如天气数据、公用设施数据、管理信息系统(MIS)数据和来自企业104的信息执行微调。
另外,可基于公用设施数据进行微调。企业可以已经选择了特定的公用设施计划或能源计划。例如,如果企业选择了需求响应程序,那么在需求响应程序期间,将根据公用设施的要求或建议使用单独的阈值。另外,可使用MIS数据进行微调。与MIS数据的集成提供关于以下方面的信息:组织变化,到位的运营商,提供的服务的变化,仪表、系统、设计、促销活动等的变化。因此,当由于已知原因发生偏差时,对该时段的一个或多个阈值进行动态调整。
在实施方案中,检索来自企业104的信息以与从KPI微调器308生成的结果相关联,以观察相干的关系或作为在分析结果中观察到的任何变化的原因而形成的数据。基于相关性和关系的类型,然后通过算法对结果进行微调。
在实施方案中,本发明公开了一种用于执行反馈微调的方法。当结果报告开始时,一个或多个阈值基于当前模式动态地调整自身。例如,如果企业104的绩效低,则针对每个KPI确定的阈值首先攻击/报告关键方面。随着企业104达到平衡并朝向效率迈进,一个或多个阈值将自身调整到当前的关键方面。
在实施方案中,本发明公开了一种用于归一化用于相对比较的指标的方法。执行指标的归一化,以使得能够与企业104中的类似指标进行相对比较。此步骤在归一化器309中发生。归一化是复杂的过程,并涉及定义归一化的目标、对每个目标的因素分组、创建可比性矩阵、归一化数据和基于动态反馈的归一化。
定义归一化的目标包括确定需要比较的内容以及为什么需要进行比较。目标是至关重要的,并基于总体目标(KGI)进行对准。针对应用于一个或多个对象的每个指标定义目标。
在实施方案中,本发明公开了一种用于对每个目标的因素进行分组的方法。一旦确定了指标和指标应用的对象,便确定将影响指标的对象的因素或特征,例如,服务区域之间的比较、具有类似负载条件的资产等。存在两种因素:数字和非数字。基于因素的类型,存在可以识别和验证这些因素的多种方式。广泛地,识别和验证方法涉及检测和测量每个因素对绩效的影响。这可以通过如回归、因素分析、聚类和模式识别等统计学措施来实现,或可以通过如实验设计(DOE)的实用方法来实现。采用监督和无监督的学习方法来提高自动学习绩效系统100的效率。
在实施方案中,本发明公开了一种用于创建可比性矩阵的方法。一旦确定了因素及其影响,便将KPI对象-因素组合的组转换为可比性矩阵,其表明如果两个对象必须针对特定指标进行比较,那么哪个因素需要归一化。每个KPI-对象组称为集群。一旦构建了可比性矩阵,就基于影响对每个集群进行数据的归一化。此外,基于来自模式检测器313的KPI绩效的结果,可比性矩阵得到定期更新和即时演绎,从而实现基于动态反馈的归一化。新的因素在被识别时被添加或删除。影响计算也动态更新。
从KGI到原因构建导航框架在导航构建器310中发生。该过程在两个层面上起作用,首先,导航构建器310构建后端导航框架,然后导航构建器310准备前端导航。
在实施方案中,自动学习绩效系统100基于以下各项来构建后端导航:来自KPI选择器307的选定的KPI、度量标准、一个或多个阈值以及来自KPI微调器归一化的数据的聚合频率数据以及来自归一化器309的可比性矩阵、来自数据组织器305的运营数据205以及公用设施、供应商、天气和MIS数据。
构建后端导航另外包括基于数据点的相关性模式来识别问题的可能原因及其可能的解决方案。基于确定的原因和解决方案,还计算出影响,以使得能够在前端中进行KPI优先级排序。另外,构建了一系列数据点,以使得能够在前端中向下钻取。来自模式检测器313的反馈被动态地并入且作出改变。
构建前端导航定义GUI或用户接口301。基于指标类型,接口为用户提供了两种导航向下钻取选项:宽度导航向下钻取和深度导航向下钻取。宽度导航使得用户能够选取一个或多个偏离或被分析的KPI,并确定出现问题的位置、受影响的设施数量、受影响的资产数量等。此视图自始自终启用。自动学习绩效系统100通过从可比性矩阵中收集数据来区分类似和不同类型的对象,并使用数据来显示跨企业的类似对象中的KPI,从而实现宽度导航向下钻取。
深度导航使得用户能够选取一个或多个偏离或被分析的KPI,并查看哪些是影响的领域,是什么导致的,是重复的问题还是第一次。深度导航向下钻取通过在后端层次识别的KPI-度量原因而启用。
使得向下钻取可用,直至用于计算KPI的基本单位。导航还使得用户能够查看未来的页面。例如,如果用户选择具有KGI偏差的特定对象-如果用户将光标移动到页面上,则前端导航显示KPI值,因为它是高的,并且偏差量是多少。类似地,如果KPI发生偏差,则前端导航显示负责的度量标准,并显示多少,以便在不进一步向下钻取的情况下,用户可以做出决定是否深入。
在实施方案中,用户接口301被提供有被称为指标选择器的特征,所述特征在每个导航页面/视图中为用户启用。用户可以选取每个视图的指标和值,并将其拖到指标选择器中。每次选取指标时,可以以流程图查看指标。目的是使得用户能够查看完整的导航路径,并通过获得整个视图做出有用的决定。
在实施方案中,用户接口301被提供有称为手推车的特征,其使得用户能够以原始和处理过的格式在每个级别下载数据。可以以这样一种格式创建输出,即输出可以直接用于演示,以及动作视角。
在实施方案中,用户接口301被提供有称为标志的特征,其使得用户能够标记关键的事件,并且每当发生类似的事件时,可以报告这样的事件。还可对所识别的事件产生跟踪环路,以跟踪改进/解决。另外,在一个地方创建的事件也可用于监测/实施具有相似特性的另一个地方/对象的发现。
所有上述功能都可以通过下面定义的不同视图实现。选择和优化第一次显示的视图,以获得最佳的理解。但是,用户可以更改视图、类型(条形、散点、线条等)、方向、颜色、标头名称等。在任何时候,用户可以能够保存视图以备将来使用。
在实施方案中,用户接口301被提供有对象视图,其是对于每种类型的对象(现场、服务、资产和子资产)实现的总体视图。在导航的同时,为用户显示相似的对象。这里,相似的对象可以通过操作或通过要确定(要识别以用于比较)的对象的特征来导出。在导航的任何阶段,用户也可以为不同的对象复制类似的视图。
在实施方案中,用户接口301被提供有时间线视图,其使得用户能够在不同的时间点复制类似的视图,用户可以进一步向用户接口提供比较视图,其突出显示由用户创建的视图的差异并因而有助于更快的分析。
在实施方案中,为用户接口301提供流程图视图。当用户访问门户时,维护导航/向下钻取的登录流。当用户向前移动时创建流程图。在每个阶段,流程图视图突出显示用户所遵循的路径和用户拒绝的路径。在任何时间点,用户可以转到流程图视图,以导航到用户之前未导航的选项。流程图仅显示向下钻取到用户直到那时已访问的最低级别。导航路径的结尾也显示了可能的解决方案,以及给予每个解决方案的权重连同成本和收益。流程图视图可以在用户登录时保存并直接引用。流程图视图显示了基于可用数据的最可能的偏差原因,但不限制用户查看其它数据点进行关联。
在实施方案中,本发明公开了一种用于接收动态反馈的方法。使用模式、偏好、用户运用的选项以及用户进行的向下钻取由主监视器321记录,并在模式检测器313中进行分析。主监视器321还记录基于GPS的用户位置。基于模式,自动学习绩效系统100学习并增强导航流。
在实施方案中,一旦建立了导航流,自动学习绩效系统100就基于用户的配置文件对指标进行分类。基于用户、用户的配置文件、偏好和用户可以采取的决策类型,将优先级给予引起流量的KGI。基于此优先级,让每个用户进行访问。基于用户的层次结构,层次结构较高的用户可以选择转移到层次结构较低的用户的视图,反之亦然。基于在每个级别处授予的权限,生成的视图也可以使用相同的平台与另一个用户共享。还维护主视图,其记录每个用户的使用情况、使用类型、使用时间等。这使得能够在地面级别使用指标的影响相关联。如果用户没有使用KPI并且指标已经超过了临界阈值,那么SMS/邮件警报将发送给该指标的用户。在现场/资产处进行关于品牌/型号/资产/近期活动特定的警报的供应商通知。在用户之中,还记录导航的趋势,以了解问题类型、涉及不同类型的用户的区域、位置、域等,以便可以即时演绎。
在实施方案中,发布器322执行指标的发布结果。此步骤使得能够发布在之前的步骤中创建的视图。发布指标的方法包括计算KPI、应用一个或多个阈值、分析趋势和模式、评估数据之间的相关性和关系、使用补充数据对结果进行验证和即时演绎、产生解析、填充和启用导航框架、发布仪表板网络和移动以及发布屏幕。
在实施方案中,本发明公开了一种用于计算KPI的方法。基于每个度量标准的计算算法,计算度量标准。基于度量标准结果,将KPI算法激活,所述算法动态地映射所识别的KPI,并且权重机制被用于可用于特定KPI的度量标准的列表。
在实施方案中,在KPI微调器308中识别的一个或多个阈值使用严重性和紧急性的矩阵来触发适当的警报。基于KPI微调器308的输入,通过自动学习模式调整一个或多个阈值,以便与改变的系统/设施/策略的绩效变化保持相关。
在实施方案中,使用机器学习算法来分析在模式检测器313、变化检测器314以及预测器315中识别的趋势和模式。虽然每个资产/系统/设施的趋势和模式在单独的模块中计算,但是发布器322接收它们的输入并将所述输入与当前输入一起使用,其中应用一个或多个阈值。结合过去的绩效趋势,比较当前绩效以达到KPI绩效解析,从而说明KPI、KGI以及度量标准的有效性。与其绩效相比,输出用于根据设施的当前要求导出解析。
在实施方案中,模式数据209用于评估数据之间的相关性和关系。虽然对分析结果的趋势进行显示以提供关于KPI有效性的绩效解析,但必要的是,有时用户需要额外的信息,所述信息未预先限定,但不论如何使用,均基于一天中的时间/所基于的分析或场景。除了从模式检测器313、变化检测器314以及预测器315模块产生的结果之外,提供灵活性以通过数据选择器模块从篮子添加特定对象。此外,还提供灵活性来比较用户信息以及所有现有输出或通过选择过程的特定输出,以及改变图形视图以突出显示/观察影响/变化的选项。
在实施方案中,补充数据用于对结果进行验证和即时演绎-介接和理解的一些模块是MIS系统(引用组织变更,到位的运营商,提供的服务的变化,仪表、系统、设计、促销活动等的变化)、天气数据、供应商管理系统、公用设施接口。检索来自这些系统的信息以与从先前模块产生的结果相关联,以观察相干的关系或作为在分析结果中观察到的任何变化的原因而形成的数据。基于相关性和关系的类型,然后通过算法对结果进行微调。KPI微调器308在定义度量标准并调整一个或多个阈值的初始和反馈阶段中并入任何这样的变化。此外,使得用户能够访问过去的历史/趋势,这些历史/趋势形成通过自动学习过程再次重新审视它们的角色。
在实施方案中,本发明公开了一种用于产生解析的方法。产生解析有助于为给定的设施/企业生成关键结果,以及结果的频率和为企业指定的KGI。另外,无论所需的用户配置文件如何,所有级别都会生成结果。这些算法将趋势的输出、一个或多个阈值和KPI相关联,以产生推理的输出(包括文本语言的解释)以及导致正或负偏差的可能原因。建立从KGI到对象层的解析的完整可追溯性,以及基于来自归一化器309的输入的比较元素。输出提供丰富的结果以更好地关联所述结果。
在实施方案中,本发明公开了一种用于填充(产生)和启用导航框架的方法。来自分析引擎-2312的结果作为输入馈送到导航构建器310。基于KGI级别(默认/选择)、组织层次级别(国家、州、县等)启用多个层。考虑到多层以及来自仿形器311、主监视器321的用户配置文件数目的其它因素,同时从KGI的结果到原因再到可能的解决方案构建向下钻取方法。导航框架基于不同的组织系统通过向供应商、企业内部的其它系统提供接口而提供了灵活性。
在实施方案中,本发明公开了一种用于发布仪表板网络和移动设备的方法。发布标准仪表板,以便识别KGI及相关KPI的列表以及与每个KPI相关联的度量标准。如果没有定义KGI、KPI列表,则会根据机构类型显示默认列表。仪表板视图可根据用户配置文件进行定制-层次结构(企业视图到设施视图到特定系统、流程、资产)、功能类型(财务、绩效、可用性等)、所需的技术深度级别(故障类型和相关原因)。对于移动用户,选项可用于基于用户的位置显示结果,以提供用户存在的特定设施和服务区域的解析,其通过主监视器321启用。发布仪表板网络和移动框架还提供了比较用户最近访问的建筑/设施或者在用户选择的特定距离内的附近设施/建筑的选项。
在实施方案中,本发明公开了一种用于发布屏幕设施的方法。基于技术人员、运营商和其它高管的角色、需求和业务目标,为技术人员、运营商和其它高管提供发布屏幕设施,以显示相关度量标准、KPI、KGI以及诸如最近的发展、采取的措施、趋势和模式等其它因素。在多运营商设施中,屏幕可以根据角色配置特定位置的技能、名称和类型进行显示。如果存在超过一个运营商,则屏幕将根据运营商的可用性旋转。
在实施方案中,在模式检测器313中发生未知因素和另外的解析。发现未知因素和额外的解析是持续的过程,并且使用多个数学和统计模型来识别运营模式。观察各个数据点和指标的模式,以用于数据点和指标的组合、偏离预期、原因模式、问题解决模式和指标使用模式。
在实施方案中,发现未知因素和额外的解析的方法包括评估指标绩效,评估指标绩效模式,评估偏差和原因模式,评估问题解决模式,评估指标使用模式,评估其它数据模式210,检测现场设计、资产、设定点、计划表等变化,以及检测未来模式和问题。
在实施方案中,本发明提供了一种用于评估指标绩效的方法。来自导航构建器310的输入与来自发布器322、主监视器321和变化检测器314的输入一起形成该模块的关键输入。基于度量标准的结果,在导航构建器310模块中执行指标优先级排序。来自导航构建器310的输入用于在考虑来自变化检测器314模块的其它输入的一段时间内确定指标绩效以进行任何调整。指标的趋势与设施内和类似设施之间具有相似性质的指标一起进行评估。
在实施方案中,本发明提供了一种用于评估指标绩效的模式的方法。以来自指标绩效的输入为基础,观察与其他因素相关的模式,所述其他因素基于所定义指标的类型、机构的最终用途和KGI而预先确定。适当地使用来自变化检测器314的输入,同时导出指标绩效的模式。
在实施方案中,本发明提供了用于评估偏差和原因的模式的方法。偏差和原因的历史由模式检测器313访问,同时分析当前周期偏差以得到模式。评估偏差和原因的模式还与相应的信息管理系统(注入MIS、供应商服务管理、维护系统)进行介接,以便在提供最终视图之前跟踪并考虑过去偏差和原因的状态。
在实施方案中,本发明提供了一种用于评估问题解决模式的方法。监测偏差和原因的定期结果,以检测所解决的问题中的下降。执行与供应商管理系统、供应商服务管理系统和企业MIS系统的关联,以将供应商、技术人员对问题解决的影响联系起来。问题的重复、停机时间的发生、对整体策略和服务级别协议(SLA)的影响在本模块中进行跟踪。在企业104其它部分中针对类似问题的成功修复被突出显示(基于自动学习模式搜索机制)作为对于相同原因或相关方面重复该问题的技术人员的选择。
在实施方案中,本发明提供一种用于评估指标的使用模式的方法。跟踪和记录在配置文件之中使用的指标。对具有相似特征的设施/建筑通过不同的配置文件分析其指标使用情况。根据相应配置文件使用的指标的类型,在其各自的参数中跟踪设施的绩效。基于上述分析,形成指标使用效果索引,并为相似配置文件的用户发布,以供在其优选指标旁参考。
在实施方案中,本发明提供了一种用于评估其它数据210的模式的方法。识别某些对象(现场、资产等)的高效绩效的因素。评估存储在数据库101中的数据质量的模式。对技术人员和供应商进行的修复监测在运营和成本方面的绩效有效性。在企业中监测供应商在问题解决和SLA遵守方面的绩效,以利用良好做法和成本优势。对具有良好绩效的设施/建筑/系统进行跟踪,并对具有类似基础设施和操作条件的设施/建筑突出显示诸如操作模式、配置细节等因素。
在实施方案中,本发明公开了一种用于检测现场设计、资产、设定点、计划表的变化的方法。从对象、系统、提供的服务、设施格式、配置变化、策略变化(计划表、设定点)、基础设施变化、设计变化等开始,可以在多个级别发生现场变化。某些变化由通过具有相应信息系统的接口捕获的数据来检测。使得算法能够检测上述示例中提供的每个参数的变化,并根据检测到的变化调整度量标准、KPI和KGI。基于度量标准和KPI绩效提供的根本原因通过自动学习机制和内置库进行对准,以适应从变化检测器314模块感测到的变化。该模块的输出被提供给诸如KPI选择器307和KPI微调器308、归一化器309、导航构建器310和发布器322的模块。
在实施方案中,本发明公开了一种用于检测未来模式和问题的方法。基于对指标的观察,将KPI和KGI统计方法用于基于策略、天气预报、公用设施、维护效率、过去绩效历史、来自对等类似基础设施的数据和运营状况来检测未来绩效。检测未来的模式和问题有助于运营商、经理和管理团队准备好处理未来的问题,或者让供应商和技术人员的正确团队参与,以防止任何可能发生的事或采取纠正措施。
在实施方案中,本发明公开了一种用于验证指标并且动态地校正指标的方法。此步骤在算法调谐器316中进行。基于在上一步骤中检测和预测的模式、变化,在此按需要决定是否需要目标、指标、度量标准、计算方法、一个或多个阈值、归一化/可比性矩阵、视图、导航流量、用户配置文件、提供的解决方案、生成的报告/警报的类型以及任何其它参数中的任何变化。
计算机系统
图5说明用于实施与本发明一致的实施方案的示例性计算机系统500的框图。在实施方案中,计算机系统500用于实施用于动态管理企业的绩效指标以解决设施运营管理目标的方法。计算机系统500可包括中央处理单元(“CPU”或“处理器”)502。处理器502可包括用于在运行时执行用于动态资源分配的程序部件的至少一个数据处理器。处理器502可包括诸如集成系统(总线)控制器、存储器管理控制单元、浮点单元、图形处理单元、数字信号处理单元等的专用处理单元。
处理器502可以设置成经由I/O接口501与一个或多个输入/输出(I/O)装置(未示出)通信。I/O接口501可以采用通信协议/方法,诸如但不限于音频、模拟、数字、单声道、RCA、立体声、IEEE-1394、串行总线、通用串行总线(USB)、红外线、PS/2、BNC、同轴、分量、复合、数字视频接口(DVI)、高分辨率多媒体接口(HDMI)、RF天线、S-Video、VGA、IEEE 802.n/b/g/n/x、蓝牙、蜂窝(例如码分多址(CDMA)、高速分组接入(HSPA+)、全球移动通信系统(GSM)、长期演进(LTE)、Wi-Max等)等。
使用I/O接口501,计算机系统500可以与一个或多个I/O装置进行通信。例如,输入装置511可以是天线、键盘、鼠标、操纵杆、(红外)遥控器、照相机、读卡器、传真机、加密狗、生物识别读取器、麦克风、触摸屏、触摸板、轨迹球、存储设备、收发器、视频设备/源等。输出设备512可以是打印机、传真机、视频显示器(例如,阴极射线管(CRT)、液晶显示器(LCD)、发光二极管(LED)、等离子体、等离子体显示面板(PDP)、有机发光二极管显示器(OLED)等)、音频扬声器等。
在一些实施方案中,计算机系统500通过通信网络509连接到服务运营商。处理器502可以被设置成经由网络接口503与通信网络509通信。网络接口503可以与通信网络509通信。网络接口503可以采用连接协议,包括但不限于直接连接、以太网(例如,双绞线10/100/1000 Base T)、传输控制协议/因特网协议(TCP/IP)、令牌环、IEEE 802.11 a/b/g/n/x等。通信网络509可以包括但不限于直接互连、电子商务网络、对等(P2P)网络、局域网(LAN)、广域网(WAN))、无线网络(例如,使用无线应用协议)、因特网、Wi-Fi等。使用网络接口703和通信网络509,计算机系统500可以与一个或多个服务运营商进行通信。
在一些实施方案中,处理器502可被设置成经由存储接口504与存储器505(例如,图5中未示出的RAM、ROM等)通信。存储接口504可以使用连接协议连接到存储器505,包括但不限于存储器驱动器、可移动盘驱动器等,所述连接协议例如串行高级连接技术(SATA)、集成驱动电子(IDE)、IEEE-1394、通用串行总线(USB)、光纤通道、小型计算机系统接口(SCSI)等。存储器驱动器还可以包括鼓、磁盘驱动器、磁光驱动器、光驱、独立光盘冗余阵列(RAID)状态存储器件、固态驱动器等。
存储器505可以存储程序或数据库部件的集合,包括但不限于用户接口506、操作系统507、网络服务器508等。在一些实施方案中,计算机系统500可以存储用户/应用数据506,诸如数据、变量、记录等,如在本发明中所述。这样的数据库可以被实施为诸如Oracle或Sybase的容错、关系、可扩展的安全数据库。
操作系统507可以促进计算机系统500的资源管理和操作。操作系统的实例包括但不限于Apple Macintosh OS X、Unix、Unix类系统发布版(例如,Berkeley SoftwareDistribution(BSD)、FreeBSD、NetBSD、OpenBSD等)、Linux发布版(例如,Red Hat,Ubuntu,Kubuntu等)、IBM OS/2,Microsoft Windows(XP,Vista/7/8,10等)、Apple iOS、GoogleAndroid、Blackberry OS等。
在一些实施方案中,计算机系统500可以实施网络浏览器507存储的程序部件。网络浏览器508可以是超文本查看应用程序,例如Microsoft Internet Explorer、GoogleChrome、Mozilla Firefox、Apple Safari等。可以使用安全超文本传输协议(HTTPS)、安全套接字层(SSL)、传输层安全(TLS)等。网络浏览器508可以利用诸如AJAX、DHTML、AdobeFlash、JavaScript、Java、应用程序编程接口(API)等的设施。在一些实施方案中,计算机系统500可以实施邮件服务器存储的程序部件。邮件服务器可以是诸如Microsoft Exchange之类的因特网邮件服务器。邮件服务器可以使用诸如ASP、ActiveX、ANSIC++/C#、Microsoft.NET、CGI脚本、Java、JavaScript、PERL、PHP、Python、WebObjects等的设施。邮件服务器可以利用诸如因特网消息访问协议(IMAP)、消息应用程序编程接口(MAPI)、Microsoft Exchange、邮局协议(POP)、简单邮件传输协议(SMTP)等的通信协议。在一些实施方案中,计算机系统500可以实施邮件客户端存储的程序部件。邮件客户端可以是邮件查看应用程序,诸如Apple Mail、Microsoft Entourage、Microsoft Outlook、MozillaThunderbird等。
除非另有明确说明,否则术语“实施方案”、“一个或多个实施方案”,“一些实施方案”和“一个实施方案”是指本发明的“一个或多个(但非所有)实施方案”。
除非另有明确说明,否则术语“包括”、“包含”、“具有”及其变体意味着“包括但不限于”。
除非另有明确说明,否则列举的项目列表并不意味着任何或所有项目是相互排斥的。除非另有明确说明,否则“一”和“所述”是指“一个或多个”。
具有彼此通信的多个部件的实施方案的描述并不意味着需要所有这些部件。相反,描述了各种可选部件来说明本发明的各种可能的实施方案。
当本文描述单个装置或物品时,将容易地明白,可以使用多于一个装置/物品(无论它们是否协作)来代替单个装置/物品。类似地,当本文描述多于一个装置或物品(无论它们是否协作)时,显而易见的是,可以使用单个装置/物品来代替多于一个的装置或物品,或可以使用不同数量的装置/物品来代替所示数量的装置或程序。装置的功能和/或特征可以可替代地由未被明确描述为具有这样的功能/特征的一个或多个其它装置体现。因此,本发明的其它实施方案不需要包括装置本身。
图4所说明的操作显示以某一顺序发生的某些事件。在替代实施方案中,可以以不同的顺序执行某些操作,或修改或删除某些操作。此外,可以将步骤添加到上述逻辑中,并且仍然符合所描述的实施方案。此外,本文描述的操作可以顺序发生,或者可以并行地处理某些操作。此外,操作可以由单个处理单元或分布式处理单元执行。
在本发明的实施方案中,KPI与管理和监测系统的目标(KGI)对准。
在实施方案中,本发明公开了一种方法和系统,所述方法和系统通过提供影响连同
关于事件、事件发生和事件与预期值的偏差的信息而在问题识别、可追溯性和解决方案方面是有效的。
在实施方案中,本发明公开了一种用于自动标记事件的方法和系统。如果用户导航到特定问题,则会创建跟踪环路,以监测动作和解决方案。
在本发明的实施方案中,仅向用户提供有限且有用的信息。另外,基于使用、位置等为用户提供导航、定制/区分方面的引导的灵活性。
在实施方案中,为系统演进提供了内置的灵活性。通过识别和指出系统高效工作的原因提升了价值,从而有助于识别影响系统绩效的未知因素。
在本发明的实施方案中,可比性矩阵的归一化值减少在比较期间所花的时间。因此,指标效用最大化。
最后,本说明书中使用的语言主要是为了可读性和指导性目的而选择的,并且可能不是选择来描述或限定本发明的主题。因此,本发明的范围无意受该具体实施方式的限制,而是由这里基于本申请所给出的权利要求来限定。因此,本发明的实施方案的公开内容旨在为说明性的而不是限制在所附权利要求中阐述的本发明的范围。
虽然本文已经公开了各种方面和实施方案,但其它方面和实施方案对于本领域的技术人员而言将是显而易见的。本文所公开的各个方面和实施方案是为了说明的目的,而无意进行限制,其中真正的范围和精神由随附权利要求指出。
参考标号:
Claims (18)
1.一种动态地管理企业的绩效指标以解决设施运营管理目标的方法,所述方法包括:
通过自动学习绩效系统,整合从一个或多个来源和指标管理数据库接收的与企业相关联的运营数据;
通过所述自动学习绩效系统,基于所述整合后的数据和设施运营管理的目标,导出一个或多个关键绩效指标(KPI)、一个或多个阈值以及一个或多个度量标准;
通过所述自动学习绩效系统,确定影响所述KPI的绩效的一个或多个因素以及影响所述一个或多个阈值的绩效的一个或多个因素;
通过所述自动学习绩效系统,基于影响所述KPI的绩效的所述一个或多个因素以及影响所述一个或多个阈值的绩效的所述一个或多个因素来创建可比性矩阵,以识别对象的集群、对应的数据点以及用于所述一个或多个KPI的归一化的技术;
通过所述自动学习绩效系统,基于所述对象的集群、所述对应的数据点或所述用于归一化的技术中的至少一个来归一化所述一个或多个KPI以提供归一化数据;
通过所述自动学习绩效系统,基于所述一个或多个阈值、所述可比性矩阵以及所述归一化数据的相关联模式,评估KPI的绩效以导出KPI绩效解析;
通过所述自动学习绩效系统,通过交互可视化基于用户配置文件,将所述一个或多个KPI、所述KPI绩效解析以及影响所述KPI的绩效的所述一个或多个因素提供给用户;
通过所述自动学习绩效系统,基于所述KPI的绩效、所述一个或多个阈值以及所述一个或多个度量标准来通过机器学习技术来微调所述一个或多个KPI;
基于所述交互可视化和所述微调的一个或多个使用模式,增强所述自动学习绩效系统以及所述一个或多个KPI和所述交互可视化,由此动态地管理企业的绩效指标以解决设施运营管理的目标。
2.根据权利要求1所述的方法,其中所述运营数据包括企业类型、企业要求、传感器的数目以及所述企业中存在的装置的测量单位中的至少一个。
3.根据权利要求1所述的方法,其中从所述一个或多个来源中的至少一个接收所述运营数据,所述来源包括建筑管理系统(BMS)、现场仪表、一个或多个公用系统接口、一个或多个供应商系统接口、一个或多个网络接口以及企业管理信息系统(MIS)。
4.根据权利要求1所述的方法,其中用于导出KPI的所述目标以一个或多个关键目标指标(KGI)的形式界定。
5.根据权利要求4所述的方法,其中所述指标管理数据库包括所述一个或多个KGI、与所述KGI相关联的KPI、所述一个或多个阈值、有助于待维持的KPI的绩效的所述一个或多个度量标准和策略,所述KPI基于一种或多种类型的企业、运营、位置、建筑属性、资产的品牌和型号进行分类。
6.根据权利要求1所述的方法,其中导出KPI包括确定计算每个KPI所处的频率。
7.根据权利要求1所述的方法,其中基于历史数据和与所述指标管理数据库相关联的数据中的至少一个来导出所述一个或多个阈值。
8.根据权利要求1所述的方法,其中基于实时数据来调整所述一个或多个阈值。
9.根据权利要求1所述的方法,其中所述GUI提供关于改进机会、预防性维护、问题解决以及KPI的使用的解析。
10.一种用于动态地管理企业的绩效指标以解决设施运营管理的目标的自动学习绩效系统,所述自动学习绩效系统包括:处理器;以及
通信地耦接到所述处理器的存储器,所述存储器存储处理器可执行指令,所述指令在执行时使得所述处理器:
整合从一个或多个来源和指标管理数据库接收的与企业相关联的运营数据;
基于所述整合后的数据和设施运营管理的目标,导出一个或多个关键绩效指标(KPI)、一个或多个阈值以及一个或多个度量标准;
通过所述自动学习绩效系统,确定影响所述KPI的绩效的一个或多个因素以及影响所述一个或多个阈值的绩效的一个或多个因素;
基于影响所述KPI的绩效的所述一个或多个因素以及影响所述一个或多个阈值的绩效的所述一个或多个因素来创建可比性矩阵,以识别对象的集群、对应的数据点以及将用于所述一个或多个KPI的归一化的技术;
基于所述对象的集群、所述对应的数据点或所述用于归一化的技术中的至少一个来归一化影响所述KPI的所述绩效的所述一个或多个因素以提供归一化数据;
基于所述一个或多个阈值、所述可比性矩阵以及所述归一化数据的相关联模式来评估KPI的绩效以导出KPI绩效解析;
通过交互可视化基于用户配置文件,将所述一个或多个KPI、所述KPI绩效解析以及影响所述KPI的绩效的所述一个或多个因素提供给用户;
基于所述KPI的绩效、所述一个或多个阈值以及所述一个或多个度量标准来通过机器学习技术来微调所述一个或多个KPI;
基于所述交互可视化和所述微调的一个或多个使用模式来增强所述一个或多个KPI和所述交互可视化,由此动态地管理企业的绩效指标以解决设施运营管理的目标。
11.根据权利要求10所述的自动学习绩效系统,其中所述运营数据包括企业类型、企业要求、传感器的数目以及所述企业中存在的装置的测量单位中的至少一个。
12.根据权利要求10所述的自动学习绩效系统,其中从所述一个或多个来源中的至少一个接收所述运营数据,所述来源包括建筑管理系统(BMS)、现场仪表、一个或多个公用系统接口、一个或多个供应商系统接口、一个或多个网络接口以及企业管理信息系统(MIS)。
13.根据权利要求10所述的自动学习绩效系统,其中用于导出KPI的所述目标以一个或多个关键目标指标(KGI)的形式界定。
14.根据权利要求13所述的自动学习绩效系统,其中所述指标管理数据库包括所述一个或多个KGI、与所述KGI相关联的KPI、所述一个或多个阈值、有助于待维持的KPI的绩效的所述一个或多个度量标准和策略,所述KPI基于一种或多种类型的企业、运营、位置、建筑属性、资产的品牌和型号进行分类。
15.根据权利要求10所述的自动学习绩效系统,其中导出KPI包括确定计算每个KPI所处的频率。
16.根据权利要求10所述的自动学习绩效系统,其中基于历史数据和与所述指标管理数据库相关联的数据中的至少一个来导出所述一个或多个阈值。
17.根据权利要求10所述的自动学习绩效系统,其中基于实时数据来调整所述一个或多个阈值。
18.根据权利要求10所述的自动学习绩效系统,其中所述GUI提供关于改进机会、预防性维护、问题解决以及KPI的使用的解析。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201641037158 | 2016-10-28 | ||
IN201641037158 | 2016-10-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108038583A true CN108038583A (zh) | 2018-05-15 |
Family
ID=60191288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711060573.3A Pending CN108038583A (zh) | 2016-10-28 | 2017-10-30 | 用于管理绩效指标以解决企业设施运营管理目标的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10530666B2 (zh) |
EP (1) | EP3316198A1 (zh) |
CN (1) | CN108038583A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033191A (zh) * | 2019-04-16 | 2019-07-19 | 北京殷塞信息技术有限公司 | 一种商业人工智能的分析方法及系统 |
CN110245836A (zh) * | 2019-05-20 | 2019-09-17 | 平安银行股份有限公司 | 基于第三方平台的任务处理方法、装置和计算机设备 |
CN110472192A (zh) * | 2019-07-23 | 2019-11-19 | 平安科技(深圳)有限公司 | 评价指标提取方法、装置、存储介质和服务器 |
CN112330156A (zh) * | 2020-11-06 | 2021-02-05 | 联通(浙江)产业互联网有限公司 | Kpi管理方法、装置、设备以及存储介质 |
CN112602024A (zh) * | 2019-02-12 | 2021-04-02 | 株式会社日立制作所 | Kpi改善辅助系统及kpi改善辅助方法 |
US20210350305A1 (en) * | 2020-05-07 | 2021-11-11 | Oracle International Corporation | Notifying key performance indicators of interest in a business intelligence system |
CN113906356A (zh) * | 2019-06-10 | 2022-01-07 | 三菱电机株式会社 | 指标管理系统、指标管理方法、工程设计装置及工程设计程序 |
CN116307407A (zh) * | 2023-05-25 | 2023-06-23 | 北京互时科技股份有限公司 | 一种基于云计算的企业数据可视化处理系统及方法 |
CN117634854A (zh) * | 2024-01-25 | 2024-03-01 | 广东九河云计算有限公司 | 一种云平台状态实时同步监管的多云管理系统及方法 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014145153A2 (en) * | 2013-03-15 | 2014-09-18 | Neeley John | Automatic recording and graphing of measurement data |
WO2019231466A1 (en) * | 2018-06-01 | 2019-12-05 | Johnson Controls Technology Company | Enterprise platform for enhancing operational performance |
US10972588B2 (en) | 2018-06-27 | 2021-04-06 | T-Mobile Usa, Inc. | Micro-level network node failover system |
US11694144B2 (en) * | 2018-07-19 | 2023-07-04 | Sage Intacct, Inc. | Automated identification and notification of performance trends |
US20210216934A1 (en) * | 2018-08-13 | 2021-07-15 | Carrier Corporation | Managing flexible grid resources |
US10846651B2 (en) | 2018-08-31 | 2020-11-24 | Kinaxis Inc. | Analysis and correction of supply chain design through machine learning |
US10832196B2 (en) | 2018-08-31 | 2020-11-10 | Kinaxis Inc. | Analysis and correction of supply chain design through machine learning |
US11586980B2 (en) * | 2019-01-18 | 2023-02-21 | Verint Americas Inc. | IVA performance dashboard and interactive model and method |
JP7051724B2 (ja) * | 2019-01-21 | 2022-04-11 | 株式会社日立製作所 | 計算機システム及び対象に関する目的を達成するために有用な情報の提示方法 |
EP3736754A1 (en) * | 2019-05-09 | 2020-11-11 | Siemens Aktiengesellschaft | A method and apparatus for providing predictions of key performance indicators of a complex manufacturing system |
US11734731B1 (en) | 2020-03-18 | 2023-08-22 | State Farm Mutual Automobile Insurance Company | Customer effort evaluation in a contact center system |
US11720686B1 (en) | 2020-04-08 | 2023-08-08 | Wells Fargo Bank, N.A. | Security model utilizing multi-channel data with risk-entity facing cybersecurity alert engine and portal |
US11777992B1 (en) | 2020-04-08 | 2023-10-03 | Wells Fargo Bank, N.A. | Security model utilizing multi-channel data |
US11706241B1 (en) | 2020-04-08 | 2023-07-18 | Wells Fargo Bank, N.A. | Security model utilizing multi-channel data |
JP2021174112A (ja) * | 2020-04-21 | 2021-11-01 | 株式会社日立製作所 | 仮説評価システム、及び仮説評価方法 |
US11599562B2 (en) | 2020-05-07 | 2023-03-07 | Carrier Corporation | System and a method for recommending feature sets for a plurality of equipment to a user |
US11343460B2 (en) * | 2020-09-10 | 2022-05-24 | Atlassian Pty Ltd. | Participation management system for videoconferencing |
US20220277263A1 (en) * | 2021-02-26 | 2022-09-01 | Fiix Inc. | System and method for predictive inventory |
WO2022261665A1 (en) * | 2021-06-11 | 2022-12-15 | Honeywell International Inc. | Dashboard visualization for a portfolio of assets |
CN116384841B (zh) * | 2023-05-31 | 2023-08-15 | 成都智慧企业发展研究院有限公司 | 一种企业数字化转型诊断评价方法及服务平台 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200945224A (en) * | 2008-04-30 | 2009-11-01 | Univ Ching Yun | Performance evaluation system for enterprise resource planning adopting fuzzy theory and its performance evaluation method |
CN103279894A (zh) * | 2013-04-24 | 2013-09-04 | 江苏大学 | 企业用户的电力能效Hopfield神经网络评估方法及系统 |
CN103336510A (zh) * | 2013-06-27 | 2013-10-02 | 山东华戎信息产业有限公司 | 一种物联网综合运维管理系统 |
CN104134127A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务提供方绩效管理系统及方法 |
CN104657823A (zh) * | 2015-02-09 | 2015-05-27 | 云南电网有限责任公司西双版纳供电局 | 一种提升供电企业决策精确度的kpi动态分析方法 |
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警系统的预警分析方法 |
Family Cites Families (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6738736B1 (en) | 1999-10-06 | 2004-05-18 | Accenture Llp | Method and estimator for providing capacacity modeling and planning |
US7219069B2 (en) | 2001-05-04 | 2007-05-15 | Schlumberger Resource Management Services, Inc. | System and method for creating dynamic facility models with data normalization as attributes change over time |
US7103452B2 (en) | 2003-12-29 | 2006-09-05 | Theodora Retsina | Method and system for targeting and monitoring the energy performance of manufacturing facilities |
US7957993B2 (en) | 2007-07-31 | 2011-06-07 | Business Objects Software Ltd. | Apparatus and method for determining a validity index for key performance indicators |
US10832181B2 (en) | 2008-07-28 | 2020-11-10 | International Business Machines Corporation | Management of business process key performance indicators |
CN102150129A (zh) | 2008-08-04 | 2011-08-10 | 奎德公司 | 实体业绩分析引擎 |
US8055375B2 (en) | 2008-09-30 | 2011-11-08 | Rockwell Automation Technologies, Inc. | Analytical generator of key performance indicators for pivoting on metrics for comprehensive visualizations |
US8155900B1 (en) * | 2009-01-29 | 2012-04-10 | Comverge, Inc. | Method and system for calculating energy metrics of a building and one or more zones within the building |
CN102804084B (zh) | 2009-06-02 | 2016-08-24 | 施耐德电气美国股份有限公司 | 集成多个管理域的方法 |
US20100318200A1 (en) | 2009-06-12 | 2010-12-16 | Honeywell International Inc. | Method and System for Providing an Integrated Building Summary Dashboard |
US8600556B2 (en) | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
US8676721B2 (en) | 2009-09-18 | 2014-03-18 | Apo Offshore, Inc. | Method, system and apparatus for intelligent management of oil and gas platform surface equipment |
US20110137714A1 (en) | 2009-12-03 | 2011-06-09 | International Business Machines Corporation | System for managing business performance using industry business architecture models |
US8219440B2 (en) | 2010-02-05 | 2012-07-10 | International Business Machines Corporation | System for enhancing business performance |
CA2716436A1 (en) | 2010-03-01 | 2011-09-01 | Dundas Data Visualization, Inc. | Systems and methods for generating data visualization dashboards |
JP2012059074A (ja) * | 2010-09-09 | 2012-03-22 | Hitachi Information & Control Solutions Ltd | 戦略情報サーバ及び戦略情報システム |
US20130066687A1 (en) | 2011-09-14 | 2013-03-14 | Infosys Limited | System and method for measuring and managing innovation performance |
US20130173355A1 (en) | 2011-12-09 | 2013-07-04 | Camilo Barcenas | System and method for dissemination and assessment of performance metrics and related best practices information |
US20140188572A1 (en) | 2013-01-02 | 2014-07-03 | Sumanth HEGDE | Analyzing performance indicators |
JP2016512909A (ja) | 2013-03-15 | 2016-05-09 | ジェムビッキ,マーク | 戦略情報指標を用いて強化された運用回復力スコアリング |
US20150039401A1 (en) | 2013-08-05 | 2015-02-05 | International Business Machines Corporation | Method and system for implementation of engineered key performance indicators |
US20150046251A1 (en) * | 2013-08-08 | 2015-02-12 | Monica C. Smith | Methods and systems for analyzing key performance metrics |
CN106104468B (zh) * | 2013-12-13 | 2020-03-10 | 起元技术有限责任公司 | 动态地确定数据处理应用程序的模式 |
US20160171414A1 (en) | 2014-12-11 | 2016-06-16 | Saudi Arabian Oil Company | Method for Creating an Intelligent Energy KPI System |
US20160189079A1 (en) | 2014-12-31 | 2016-06-30 | Dassault Systemes Americas Corp. | Method and system for an information engine for analytics and decision-making |
US10628769B2 (en) | 2014-12-31 | 2020-04-21 | Dassault Systemes Americas Corp. | Method and system for a cross-domain enterprise collaborative decision support framework |
WO2016139670A1 (en) * | 2015-03-05 | 2016-09-09 | Vocasee Technologies Ltd | System and method for generating accurate speech transcription from natural speech audio signals |
US10199830B2 (en) | 2015-03-06 | 2019-02-05 | Nec Corporation | Method and a system for controlling energy supply to different units |
US10572796B2 (en) | 2015-05-06 | 2020-02-25 | Saudi Arabian Oil Company | Automated safety KPI enhancement |
US10222083B2 (en) | 2015-10-08 | 2019-03-05 | Johnson Controls Technology Company | Building control systems with optimization of equipment life cycle economic value while participating in IBDR and PBDR programs |
WO2017117029A1 (en) * | 2015-12-28 | 2017-07-06 | Cloudbrain Inc. | System and method for deploying customized machine learning services |
WO2017172541A1 (en) | 2016-03-29 | 2017-10-05 | Anritsu Company | Systems and methods for measuring effective customer impact of network problems in real-time using streaming analytics |
US20170293874A1 (en) | 2016-04-12 | 2017-10-12 | Samir Asaf | Intelligent real-time 360° enterprise performance management method and system |
US10109122B2 (en) * | 2016-04-22 | 2018-10-23 | Hitachi, Ltd. | System for maintenance recommendation based on maintenance effectiveness estimation |
US10650336B2 (en) | 2016-05-10 | 2020-05-12 | Conectric, Llc | Method and system for adaptively switching prediction strategies optimizing time-variant energy consumption of built environment |
US10540661B2 (en) | 2016-05-13 | 2020-01-21 | Sap Se | Integrated service support tool across multiple applications |
-
2017
- 2017-02-27 US US15/443,529 patent/US10530666B2/en active Active
- 2017-10-30 CN CN201711060573.3A patent/CN108038583A/zh active Pending
- 2017-10-30 EP EP17199259.7A patent/EP3316198A1/en not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200945224A (en) * | 2008-04-30 | 2009-11-01 | Univ Ching Yun | Performance evaluation system for enterprise resource planning adopting fuzzy theory and its performance evaluation method |
CN103279894A (zh) * | 2013-04-24 | 2013-09-04 | 江苏大学 | 企业用户的电力能效Hopfield神经网络评估方法及系统 |
CN103336510A (zh) * | 2013-06-27 | 2013-10-02 | 山东华戎信息产业有限公司 | 一种物联网综合运维管理系统 |
CN104134127A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务提供方绩效管理系统及方法 |
CN104657823A (zh) * | 2015-02-09 | 2015-05-27 | 云南电网有限责任公司西双版纳供电局 | 一种提升供电企业决策精确度的kpi动态分析方法 |
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警系统的预警分析方法 |
Non-Patent Citations (2)
Title |
---|
孙艺新: "基于蒙特卡罗模拟的电网企业运营监测指标与阈值研究", 《华东电力》 * |
徐祎珂: "绍兴市创新型企业绩效评价及提升对策研究——以JF公司为例", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112602024A (zh) * | 2019-02-12 | 2021-04-02 | 株式会社日立制作所 | Kpi改善辅助系统及kpi改善辅助方法 |
CN110033191A (zh) * | 2019-04-16 | 2019-07-19 | 北京殷塞信息技术有限公司 | 一种商业人工智能的分析方法及系统 |
CN110033191B (zh) * | 2019-04-16 | 2021-08-24 | 北京殷塞信息技术有限公司 | 一种商业人工智能的分析方法及系统 |
CN110245836A (zh) * | 2019-05-20 | 2019-09-17 | 平安银行股份有限公司 | 基于第三方平台的任务处理方法、装置和计算机设备 |
CN113906356B (zh) * | 2019-06-10 | 2024-04-19 | 三菱电机株式会社 | 指标管理系统、指标管理方法、工程设计装置及计算机可读取的记录介质 |
CN113906356A (zh) * | 2019-06-10 | 2022-01-07 | 三菱电机株式会社 | 指标管理系统、指标管理方法、工程设计装置及工程设计程序 |
CN110472192A (zh) * | 2019-07-23 | 2019-11-19 | 平安科技(深圳)有限公司 | 评价指标提取方法、装置、存储介质和服务器 |
CN110472192B (zh) * | 2019-07-23 | 2022-04-15 | 平安科技(深圳)有限公司 | 评价指标提取方法、装置、存储介质和服务器 |
US20210350305A1 (en) * | 2020-05-07 | 2021-11-11 | Oracle International Corporation | Notifying key performance indicators of interest in a business intelligence system |
CN112330156A (zh) * | 2020-11-06 | 2021-02-05 | 联通(浙江)产业互联网有限公司 | Kpi管理方法、装置、设备以及存储介质 |
CN112330156B (zh) * | 2020-11-06 | 2024-04-09 | 联通(浙江)产业互联网有限公司 | Kpi管理方法、装置、设备以及存储介质 |
CN116307407B (zh) * | 2023-05-25 | 2023-08-11 | 北京互时科技股份有限公司 | 一种基于云计算的企业数据可视化处理系统及方法 |
CN116307407A (zh) * | 2023-05-25 | 2023-06-23 | 北京互时科技股份有限公司 | 一种基于云计算的企业数据可视化处理系统及方法 |
CN117634854A (zh) * | 2024-01-25 | 2024-03-01 | 广东九河云计算有限公司 | 一种云平台状态实时同步监管的多云管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US10530666B2 (en) | 2020-01-07 |
EP3316198A1 (en) | 2018-05-02 |
US20180123909A1 (en) | 2018-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038583A (zh) | 用于管理绩效指标以解决企业设施运营管理目标的方法和系统 | |
US10938828B1 (en) | System and method for predictive platforms in identity management artificial intelligence systems using analysis of network identity graphs | |
US10636007B2 (en) | Method and system for data-based optimization of performance indicators in process and manufacturing industries | |
US11818136B2 (en) | System and method for intelligent agents for decision support in network identity graph based identity management artificial intelligence systems | |
US20210390455A1 (en) | Systems and methods for managing machine learning models | |
US10592838B2 (en) | Risk simulation and assessment tool | |
US10923233B1 (en) | Computer network architecture with machine learning and artificial intelligence and dynamic patient guidance | |
US10628769B2 (en) | Method and system for a cross-domain enterprise collaborative decision support framework | |
US20080243912A1 (en) | Method of providing business intelligence | |
CN110942086B (zh) | 数据预测优化方法、装置、设备及可读存储介质 | |
US10268978B2 (en) | Methods and systems for intelligent enterprise bill-of-process with embedded cell for analytics | |
US20160189079A1 (en) | Method and system for an information engine for analytics and decision-making | |
US9268674B1 (en) | System, method, and computer program for monitoring testing progress of a software testing project utilizing a data warehouse architecture | |
US11605025B2 (en) | Automated quality check and diagnosis for production model refresh | |
US11151480B1 (en) | Hyperparameter tuning system results viewer | |
US11675687B2 (en) | Application state prediction using component state | |
US20200327470A1 (en) | Cognitively-Derived Knowledge Base of Supply Chain Risk Management | |
US11636416B2 (en) | Methods and systems for risk data generation and management | |
US20110191351A1 (en) | Method and Apparatus for Using Monitoring Intent to Match Business Processes or Monitoring Templates | |
US11138221B1 (en) | Data aggregation and reporting environment for data center infrastructure management | |
Melançon et al. | A machine learning-based system for predicting service-level failures in supply chains | |
CA2787359A1 (en) | Computer-implemented tools and method for developing and implementing integrated model of strategic goals | |
CN115564405B (zh) | 一种以fmea为驱动的研发项目管理方法、系统及存储介质 | |
US20230123527A1 (en) | Distributed client server system for generating predictive machine learning models | |
US20220207445A1 (en) | Systems and methods for dynamic relationship management and resource allocation |
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 |