CN109165808A - 一种电力通信网现场运维工单派发方法 - Google Patents

一种电力通信网现场运维工单派发方法 Download PDF

Info

Publication number
CN109165808A
CN109165808A CN201810792911.0A CN201810792911A CN109165808A CN 109165808 A CN109165808 A CN 109165808A CN 201810792911 A CN201810792911 A CN 201810792911A CN 109165808 A CN109165808 A CN 109165808A
Authority
CN
China
Prior art keywords
work order
maintenance personnel
operation maintenance
distributed
work
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
Application number
CN201810792911.0A
Other languages
English (en)
Other versions
CN109165808B (zh
Inventor
段寒硕
崔丙锋
邵苏杰
钱锜
张少军
邢宁哲
朱洪斌
马跃
赵鑫
于然
于蒙
寇晓溪
张姣姣
赵子兰
任建伟
文玲锋
许鸿飞
吕海军
李垠韬
李雪梅
刘昀
常海娇
吴佳
徐鑫
王坤乾
聂正璞
纪雨彤
赵阳
田宇
吴舜
李扬
陈亮
王宁
广泽晶
施健
邓伟
杨文轩
杨杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Beijing University of Posts and Telecommunications
NARI Group Corp
Nari Information and Communication Technology Co
Information and Telecommunication Branch of State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Beijing University of Posts and Telecommunications
NARI Group Corp
Nari Information and Communication Technology Co
Information and Telecommunication Branch of State Grid Jibei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Beijing University of Posts and Telecommunications, NARI Group Corp, Nari Information and Communication Technology Co, Information and Telecommunication Branch of State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810792911.0A priority Critical patent/CN109165808B/zh
Publication of CN109165808A publication Critical patent/CN109165808A/zh
Application granted granted Critical
Publication of CN109165808B publication Critical patent/CN109165808B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (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)

Abstract

本发明实施例提供一种电力通信网现场运维工单派发方法，包括：基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，待派发工单集合包括若干个工单和每一工单的工作种类，运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括运维人员完成每一工作种类的历史平均完成质量和历史平均完成时间；工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。本发明实施例提供的方法，解决了运维人员利用率低、工单等待时间长的问题，实现了运维工单的合理派发。

Description

一种电力通信网现场运维工单派发方法
技术领域
本发明实施例涉及电力通信网现场运维技术领域，尤其涉及一种电力通信网现场运维工单派发方法。
背景技术
随着科学技术的飞速发展，电力通信网现场运维对于电力通信网以及智能电网的稳定和有效运维至关重要。科学化、智能化、精确化的现场运维，能够有效优化电力通信网现场运维作业工单派发，提高运维作业效率、保证运维作业质量。因此，深入研究面向电力通信网现场运维作业工单派发优化方法是有必要的。
现有的电力通信网现场运维工单派发方法中，大多数算法都是关于单个项目的，针对多项目资源派发的协调算法的研究较少。此外，在现有算法研究中，较少考虑到人为因素，忽略了人力资源技能和能力的差异。上述问题严重限制了派发算法模型的应用，不能合理有效利用现有运维资源，导致运维作业效率低下，运维作业质量得不到保证。
发明内容
本发明实施例提供一种电力通信网现场运维工单派发方法，用以解决现有的电力通信网现场运维工单派发方法未能考虑多项目协调和人为因素导致的运行作业效率低下、质量无法保证的问题。
一方面，本发明实施例提供一种电力通信网现场运维工单派发方法，包括：
基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，待派发工单集合包括若干个工单和每一工单的工作种类，运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一工作种类的历史平均完成质量和历史平均完成时间；工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；
求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。
另一方面，本发明实施例提供一种电力通信网现场运维工单派发系统，包括：
模型构建单元，用于基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，待派发工单集合包括若干个工单和每一工单的工作种类，运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一工作种类的历史平均完成质量和历史平均完成时间；工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；
模型求解单元，用于求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。
又一方面，本发明实施例提供一种电力通信网现场运维工单派发设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如前所述的电力通信网现场运维工单调度方法。
再一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的电力通信网现场运维工单调度方法。
本发明实施例提供的一种电力通信网现场运维工单派发方法，通过构建包括工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数的工单派发模型，求解工单派发方案，充分考虑了不同工单对应的工作种类以及运维人员针对不同工作种类的完成质量、完成时间等因素，解决了运维现场作业工单派送中运维人员利用率较低、部分工单等待时间过长等问题，以提高服务质量以及运维人员的利用率，实现多资源约束下的运维工单合理派发。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种电力通信网现场运维工单派发方法的流程示意图；
图2为本发明实施例的一种工单派发模型的影响因素的结构示意图；
图3为本发明实施例的一种电力通信网现场运维工单派发方法的流程示意图；
图4为本发明实施例的一种基于布谷鸟算法和极值动力学优化算法求解工单派发模型的方法的流程示意图；
图5为本发明实施例的一种基于布谷鸟算法和极值动力学优化算法得到的工单完成质量示意图；
图6为本发明实施例的一种基于布谷鸟算法和极值动力学优化算法得到的工单完成时间示意图；
图7为本发明实施例的一种基于布谷鸟算法和极值动力学优化算法得到的工单等待时间示意图；
图8为本发明实施例的一种基于布谷鸟算法和极值动力学优化算法得到的人员利用率示意图；
图9为本发明实施例的一种电力通信网现场运维工单派发系统的结构示意图；
图10为本发明实施例的一种电力通信网现场运维工单派发设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
由于电力通信网现场运维数据交互的不畅会导致电力通信网运维工单往往无法第一时间进行流转，制约了现场作业的高效实施，同时现场环节数据无法及时回传也制约了现场作业规范性落实，造成了现场运维任务派发不合理，运维人员利用率和运维效率较低。此外，电力通信网现场运维作业工单派发过程中还需要综合考虑人员技能、工作难度、人员位置、已承担任务、绩效考核、人员利用率、业务互斥性、设备差异性等多种因素，以提高运维作业效率、保证运维作业质量，因此深入研究面向电力通信网现场运维作业工单派发优化方法是有必要的。
针对上述情况，图1为本发明实施例的一种电力通信网现场运维工单派发方法的流程示意图，如图1所示，一种电力通信网现场运维工单派发方法，其特征在于，包括：
101，基于待派发工单集合与运维人员信息集合，构建工单派发模型。
其中，待派发工单集合包括若干个工单和每一工单的工作种类，运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一工作种类的历史平均完成质量和历史平均完成时间。工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成。
具体地，预先设置有若干个工作类型，每一工单对应一个预设的工作类型。运维人员信息集合中，每一运维人员信息对应一位运维人员，即运维人员信息集合中存在的运维人员信息的数量等同于可接收工单并执行的运维人员的数量。为便于说明，以下将运维人员信息集合中运维人员信息对应的运维人员，简要描述为运维人员信息集合中的运维人员。每一运维人员均具备对每一工作类型的完成能力，具体通过每一运维人员完成每一工作种类的历史平均完成质量和历史平均完成时间来体现。进一步地，任一运维人员完成任一工作种类的历史平均完成质量越高、历史平均完成时间越短，则说明该运维人员具备对该工作种类的完成能力越强。
基于待派发工单集合与运维人员信息集合构建的工单派发模型中，工单完成质量之和最大化函数是指将待派发工单集合中的每一工单派发给运维人员完成对应工单的工作种类的历史平均完成质量之和的最大化函数。工单完成时间之和最小化函数是指将待派发工单集合中的每一工单派发给运维人员完成对应工单的工作种类的历史平均完成时间之和的最小化函数。运维人员利用率最大化函数是指将待派发工单集合中的每一工单派发给运维人员后，运维人员信息集合中的每一运维人员的利用率的最大化函数，此处，运维人员的利用率可以是每一运维人员完成派发的所有工单需要的时间和运维人员信息集合中所有运维人员完成派发的所有工单需要的平均时间之间的方差，还可以是标准差等，本发明实施例对此不作具体限定。工单等待时间之和最小化函数是指待派发工单集合中的每一工单的等待时间之和的最小化函数。
此处，约束条件用于对工单派发进行约束，例如运维人员的权限必须满足工单的预设权限的要求，工单派发时，对应的运维人员必须处于空闲状态。工单必须派发给针对工单的工作种类的历史平均完成质量高于该工单预设质量的要求的运维人员等，本发明实施例对此不作具体限定。
102，求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。此处，求解工单调度模型的方法有多种，例如遗传算法、贪心算法等，本发明实施例对此不作具体限定。
本发明实施例提出的方法，通过构建包括工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数的工单派发模型，求解工单派发方案，充分考虑了不同工单对应的工作种类以及运维人员针对不同工作种类的完成质量、完成时间等因素，解决了运维现场作业工单派送中运维人员利用率较低、部分工单等待时间过长等问题，以提高服务质量以及运维人员的利用率，实现多资源约束下的运维工单合理派发。
基于上述实施例，一种电力通信网现场运维工单派发方法，工单派发模型中，工单完成质量之和最大化函数f1(X)如下：
f1(X)＝Max Q；
其中，Q为工单完成质量之和，Q如下：
式中，M为待派发工单集合中工单的数量，Wx为待派发集合中的第x个工单，为收到工单Wx的运维人员完成工单Wx的工作种类的历史平均完成质量。
工单完成时间之和最小化函数f2(X)如下：
f2(X)＝Min T；
其中，T为工单完成时间之和，T如下：
式中，M为待派发工单集合中工单的数量，收到工单Wx的运维人员完成工单Wx的工作种类的历史平均完成时间。
运维人员利用率最大化函数f3(x)如下：
f3(x)＝MinU；
其中，U为运维人员利用率，U如下：
式中，N为运维人员信息集合中运维人员的数量，Tx为运维人员信息集合中第x个运维人员的工作时间，μT为运维人员信息集合中所有运维人员的工作时间均值。
工单等待时间之和最小化函数f4(x)如下：
f4(x)＝MinZ；
其中，Z为工单等待时间之和，Z如下：
式中，TAx为第x位运维人员收到的工单序列中各工单的等待时间之和。此处的工单序列包括运维人员收到的每一工单，以及每一工单对应的完成顺序，任一工单的等待时间为该工单自运维人员接收到工单序列到开始执行该工单之间的时间，任一工单的等待时间等于该工单处于的工单序列中前序工单的等待时间、前序工单的完成时间以及运维人员从前序工单对应移动到该工单对应的时间三者之和。
具体地，第x位运维人员收到的工单序列中各工单的等待时间之和TAx如下：
式中，p为第x位运维人员收到的工单序列中的工单数量，TAx(y-1)为第x位运维人员收到的工单序列中第y-1个工单的等待时间，Tx(y-1)为第x位运维人员收到的工单序列中第y-1个工单的完成时间，dxy/v为第x位运维人员收到的工单序列中运维人员从第y-1个工单对象移动到第y个工单对象的时间，dxy为第x位运维人员收到的工单序列中从第y-1个工单对象到第y个工单对象的距离：
其中，和分别为第x位运维人员初始位置的经、纬度，Jxy和Kxy分别为第x位运维人员收到的工单序列中第y个工单对象的经、纬度，Jx(y-1)和Kx(y-1)分别为第x位运维人员收到的工单序列中第y-1个工单对象的经、纬度。
基于上述任一实施例，一种电力通信网现场运维工单派发方法，待派发工单集合还包括每一工单的预设权限、预设执行时间和预设完成时间中的至少一种，运维人员信息集合中，任一运维人员信息还包括对应的运维人员的权限和工作状态。
其中，任一工单的预设权限用于指示该工单需要派发权限大于等于预设权限的运维人员完成。任一工单的预设完成时间用于指示该工单需要派发给针对该工单的工作种类的历史平均完成时间小于等于预设完成时间的运维人员完成。任一运维人员的工作状态为工作或空闲，当任一运维人员的工作状态为工作，则该运维人员正在执行某一工单，当任一运维人员的工作状态为空闲，则该运维人员当前没有执行工单，能够接收新派发的工单并执行。
对应地，约束条件包括权限约束条件、工作状态约束条件、质量约束条件和时间约束条件中的至少一种：
其中，权限约束条件，用于限制收到工单的运维人员的权限大于等于工单的预设权限。此处，运维人员的权限可以是一种或多种。例如，运维人员的权限包括安全等级和岗位权限，则运维人员能够接收工单的权限约束条件为：
其中，对于任意的x(0<x≤M，M为工单数量)，和分别代表第x个工单Wx的预设权限，即工单Wx派发需要的安全等级和岗位权限，和分别代表接收工单Wx的运维人员自身的安全等级和岗位权限。
工作状态约束条件，用于限制工单派发的运维人员的工作状态为空闲。即，运维人员仅在工作状态为空闲时才能够接收派发的工单。例如，通过运维人员从上一次工单作业完成到当前时刻之间的空闲时间sx来衡量运维人员的工作状态，sx为负值时表示运维人员当前的工作状态为工作，为正值时表示运维人员的工作状态为空闲。因为，工作状态约束条件为：
sx>0；
式中，sx代表第x个工单Wx派发时运维人员的工作状态，0代表已分配工单，sx>0时代表未分配工单的运维人员等待时间。
质量约束条件，用于限制收到工单的运维人员完成工单对应的工作种类的历史平均完成质量大于等于工单的预设质量：
式中，qx代表第x个工单Wx对其工作种类的预设质量，即最低质量要求，代表可被分派给Wx的运维人员对此工作种类的历史平均完成质量。
时间约束条件，用于限制收到工单的运维人员完成工单对应的工作种类的历史平均完成时间小于等于工单的预设完成时间，用于保证收到工单的运维人员针对该工单的工作种类的熟练度不低于该工单的最低熟练度要求：
其中，对于任意的x(0<x≤M，M为工单数量)，tx代表第x个工单Wx的预设完成时间，即对其工作种类的最大时间要求，代表可被分派给Wx的运维人员对此工作种类的历史平均完成时间。
基于上述任一实施例，一种电力通信网现场运维工单派发方法，基于待派发工单集合与运维人员信息集合，构建工单派发模型，具体包括：
基于待派发工单集合、运维人员信息集合和运维资源集合，构建工单派发模型；其中，运维资源集合包括若干种运维资源以及每一运维资源的余量，待派发工单集合还包括每一工单对每一运维资源的需求量。
此处，工单派发模型不仅涉及工单与运维人员之间的联系，还涉及工单所需的运维资源和需求量与当前运维资源以及运维资源余量之间的联系。对应地，约束条件还包括：
资源约束条件，用于限制任一运维资源的余量大于等于待派发工单集合中全部工单对该运维资源的需求量：
其中，对任意的y(0<y≤a，a为运维资源的种类数量)，代表第x个工单Wx对第y种运维资源的需求量，ry代表第y种运维资源的余量。
基于上述任一实施例，一种电力通信网现场运维工单派发方法，102，求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发，具体包括：基于布谷鸟算法和极值动力学优化算法求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。
此处，布谷鸟算法(Cuckoo Search Algorithm，CSA)是2009年提出的一种新兴启发算法，通过模拟某些种属布谷鸟(Cuckoo Species)的寄生育雏(Brood Parasitism)来有效地求解最优化问题。在此基础上，还可以将极值动力学优化算法(EO)引入布谷鸟算法，利用极值动力学优化算法强大的局部寻优性能，协助布谷鸟算法跳出局部极值点，每迭代一定次数后进行一次局部寻优，来强化局部寻优能力，有效提高算法的求解精度和速度，改善寻优性能。
本发明实施例中，布谷鸟算法与极值动力学优化算法相结合，每隔Ne代进行一次EO搜索，并且当使用EO算法进行搜索时，不再使用CSA进行搜索，因此加入了EO算法不会导致原算法的复杂性增加。间隔代数Ne可根据函数的复杂性来适当选择，当目标函数比较复杂或者局部最优点较多时，Ne应当选取较小的值，以此来增加局部搜索的次数。这样既能保持CSA原有的快速收敛能力，又能借助EO算法来提高寻优精度。
基于上述任一实施例，一种电力通信网现场运维工单派发方法，基于待派发工单集合与运维人员信息集合，构建工单派发模型，之前还包括：将每一工单分别与预设的作业对象集合进行匹配，获取每一工单的工作种类和工单对象位置，基于每一工单的工作种类和工单对象位置构建待派发工单集合。
具体地，作业对象集合至少包括预设的作业种类和工单对象位置。待派发工单集合包括若干个工单和每一工单的工作种类。此处，任一工单的工作种类通过将该工单与预设的作业对象集合进行匹配得到。此外，还可以通过工单与预设的作业对象集合进行匹配，获取该工单的工单对象位置，以便于根据工单对象位置确定运维人员从前序工单对象位置移动到当前工单对象位置的距离和时间。
基于上述任一实施例，一种电力通信网现场运维工单派发方法，将每一工单分别与预设的作业对象集合进行匹配，获取每一工单的工作种类和工单对象位置，基于每一工单的工作种类和工单对象位置构建待派发工单集合，之前还包括：接收当前工单，并基于历史工单生成未来工单，将当前工单和未来工单作为工单。由此可知，进行派发的工单，可以是当前确定的工单，还可以是根据历史工单进行预测得到的未来工单。
本发明实施例中，通过预设未来工单，使得电力通信网现场运维工单的派发更加超前，有利于提高工单的完成效率。
基于上述任一实施例，一种电力通信网现场运维工单派发方法，将每一工单分别与预设的作业对象集合进行匹配，获取每一工单的工作种类和工单对象位置，基于每一工单的工作种类和工单对象位置构建待派发工单集合，之后还包括：基于任一工单的工作种类，获取该工单对应的作业指导书。
此处，基于任一工单的工作种类得到的作业指导书，在进行工单派发时，可以随该工单一同进行派发，使得收到该工单的运维人员，能够通过作业指导书更加清楚地了解该工单对应的工作种类的作业规范等。
为了更好地理解与应用本发明提出的一种电力通信网现场运维工单派发方法，本发明进行以下示例，且本发明不仅局限于以下示例。
示例一：
图2为本发明实施例的一种工单派发模型的影响因素的结构示意图，图3为本发明实施例的一种电力通信网现场运维工单派发方法的流程示意图参考图2、图3，首先，接收当前工单，并基于历史工单生成未来工单，将当前工单和未来工单均作为需要派发的工单。将每一需要派发的工单与作业对象集合进行匹配，得到每一工单的工作种类和工单对象位置，并构建待派发工单集合。待派发工单集合中包括若干个工单，以及每一工单的工作种类、预设质量、预设完成时间、预设权限以及所需的运维资源种类和对应的需求量。
基于待派发工单集合、运维人员信息集合和运维资源集合，构建工单派发模型。此处，运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一工作种类的历史平均完成质量、历史平均完成时间、权限、工作状态和初始位置。运维资源集合包括若干种运维资源，以及每一运维资源的余量。此处的工单派发模型包括工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及权限约束条件、工作状态约束条件、质量约束条件、时间约束条件和资源约束条件。
基于布谷鸟算法和极值动力学优化算法求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。
示例二：
基于布谷鸟算法和极值动力学优化算法求解工单派发模型的方法如下：
(1)初始化鸟巢：
针对工单派送模型的特性和布谷鸟算法中Levy飞行的特点，采用基于最小位置值规则的随机键编码方式，采用实数对运维人员的属性进行编码，将布谷鸟选择宿主鸟巢的一个连续位置向量xi＝[xi1,…,xid]中的每一维分向量xij，j∈{1,2,…,d}转化为每个运维人员被派发工单的序列π＝(w1,w2,…,ws)，即每个鸟巢唯一对应了一个运维作业工单派送Π。
例如，生成的一组初始解中，解可用Π＝(π1,π2,π3,π4)，其中π1＝(1,13,9,14)，π2＝(6,10,2,12,7)，π3＝(8,4,15,3)，π4＝(11,5)，表示第一个运维人员被分派了第1、13、9、14个工单的工单序列，第二个运维人员被分派了第6、10、1、12、7个工单的工单序列，第三个运维人员被分派了第8、4、15、3个工单的工单序列，第四个运维人员被分派了第11、5个工单的工单序列。
(2)适应度函数：
现场运维工单派发的最终目的是为电力通信网现场运维解决方案寻找合理安排，使完成运维工单的完成时间、等待时间和人均工作时间差异最小，并最大化工单完成质量。由于电力通信运维的特殊性，对质量的要求为首要考虑，再兼顾时间效率。考虑到质量的衡量标准为1-10的正数，且时间以小时计算。因此适应度函数表示如下：
式中，Q为工单完成质量之和，T为工单完成时间之和，U为运维人员利用率。
(3)布谷鸟搜索：
对当前个体进行以下操作：
(a)对每个鸟巢按照Levy飞行生成一个新的位置，得到一组新的鸟巢的位置pt，并计算其适应度，与上一代鸟巢的位置的适应度进行对比，用适应度较好的鸟巢位置替换适应度较差的鸟巢位置，从而得到一组较优的鸟巢位置
(b)对每个鸟巢产生一个服从均匀分布的随机数r∈[0,1]并与P比较，如果r>P，则改变位置新建一个鸟巢，否则保留原鸟巢，如此得到一组新鸟巢位置，计算适应度，与gt中每个位置的适应度相比较，用适应度较好的鸟巢位置替换适应度较差的鸟巢位置，得到一组新的较优的鸟巢位置
对第一步中的布谷鸟寻找新鸟巢的Levy飞行的路径和位置更新公式如下：
其中表示第i个鸟巢在第t代的鸟巢位置，为点对点乘法，α为步长因子，是用于控制随机搜索的范围的调节量，对不同的情况α可取不同的值，其值为α0为常数，通常取0.01，表示当前最优解；Levy(λ)为服从参数λ(1<λ≤3)的Levy飞行产生的一个随机搜索向量。Levy飞行的表达式可表示为：
式中，和v都服从正态分布，其中v～N(0,1)，而的表达式为：
参数β同上式中λ的关系为λ＝1+β，β的取值范围为0<β<2，在布谷鸟算法中取β＝1.5；Γ为Gamma函数，该概率分布的方差和均值都是无界的。
在搜索的过程中，Levy飞行是一种长时间的小范围搜索与偶尔较大范围探索互相配合的随机飞行方式，小范围搜索得局部极值点的附近往往会出现新解，有利于提高解的质量；偶尔的大步长探索使得算法不容易陷入局部极值点；在群智能优化算法中采用这种飞行方式能拓宽搜索领域、丰富种群的多样性，并且使之相对容易跳出局部最优解。
(4)EO搜索：
对当前个体进行以下操作：
(a)计算每个组元的适应度
(b)对n个适应度进行排序，并找出最差组元ximin，即
(c)在当前个体pt-1的邻域中找一个邻居pτ，强制使最差组元ximin发生改变；
(d)无条件地使pt-1＝pτ，并计算变异个体的目标函数值ft-1；
极值动力学优化算法(EO)算法引入到布谷鸟算法(CSA)中，利用EO算法强大的局部寻将优性能，协助CSA跳出局部极值点，每迭代一定次数后进行一次局部寻优，来强化局部优化能力，可以有效提高算法的求解精度和速度，改善寻优性能。
CS-EO算法每隔Ne代进行一次EO搜索，并且当使用EO算法进行搜索时，不再使用CSA进行搜索，因此加入了EO算法不会导致原算法的复杂性增加。间隔代数Ne可根据函数的复杂性来适当选择，当目标函数比较复杂或者局部最优点较多时，Ne应当选取较小的值，以此来增加局部搜索的次数。这样既能保持CSA原有的快速收敛能力，又能借助EO算法来提高寻优精度。
示例三：
图4为本发明实施例的一种基于布谷鸟算法和极值动力学优化算法求解工单派发模型的方法的流程示意图，参考图4，方法如下：
(1)目标函数F(x)＝(f1(x),f2(x),f3(x),f4(x))，x＝(x1,…,xd)T。设置工单派送的相关数据以及派送参数，包括运维人员的能力(针对工作种类的历史平均完成时间和历史平均完成质量、权限等)和位置、运维工单的类型和各种要求、作业对象位置，设置静态选择的各相关约束。
(2)设置基于极值动力学优化算法的布谷鸟算法的相关参数，设置发现概率P＝0.25和最大迭代次数Tmax；初始化迭代次数T＝0和计数器Ne＝5。初始化n个寄主鸟巢，初始搜索空间维数d＝4，初始化鸟巢的位置并找出最优鸟巢的位置和最优解fmin，b∈{1,2,…,n}。
(3)判断Ne是否等于0。若Ne＝0，则转至(5)，并置Ne为初始值5；否则，令Ne＝Ne-1，并进行下一步。
(4)根据布谷鸟搜索对每个鸟巢进行寻优，完成后转至(7)。
(5)根据EO搜索对每个鸟巢进行寻优。
(6)将每个鸟巢的适应度与上一代全局最优位置的适应度fmin进行比较，如果优于全局最优，则更新当前的全局最优鸟巢的位置和相应的全局极值fmin。
(7)判断是否已经达到最大迭代次数，如果T≥Tmax，则终止迭代，输出最优位置与最优值fmin；否则，令T＝T+1，并返回(4)。
示例四：
通过布谷鸟算法和布谷鸟算法与极值动力学优化算法结合的方法分别对相同的工单派发模型进行求解。模型基本参数包括：运维人员10人，工单从10变换到100，运维资源余数各类共50个。算法中的主要参数设置为：发现概率P＝0.25和最大迭代次数Tmax＝200；计数器初始值Ne＝5；寄主鸟巢初始数量规模n＝30。要求当算法的迭代次数达到最大进化代数Tmax时，终止算法，但如果每次都迭代满200，计算量非常大。但通过分析和实验发现当连续多代(k)的各优化目标的值变化都不大时，可以确定算法已经收敛，此时也可以终止算法(分析认为设k＝100能比较合理得获得既可以得到非局部收敛的结果，也能缩短执行时间)。
图5-图8分别为本发明实施例的一种基于布谷鸟算法和极值动力学优化算法得到的工单完成质量示意图、工单完成时间示意图、工单等待时间示意图和人员利用率示意图，其中，图5中标识的运维质量即工单完成质量，图6中标识的完成时间即工单完成时间。参考图5-图8，针对运维作业工单派发问题，基于布谷鸟算法和极值动力学优化算法求解算法的质量比较好，可更快速收敛，同时不局限于局部最优，容易获得更好的解，能够满足提高运维作业任务质量。
基于上述任一实施例，图9为本发明实施例的一种电力通信网现场运维工单派发系统的结构示意图，如图9所示，一种电力通信网现场运维工单派发系统，包括：
模型构建单元901，用于基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，待派发工单集合包括若干个工单和每一工单的工作种类，运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一工作种类的历史平均完成质量和历史平均完成时间；工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；
模型求解单元902，用于求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。
需要说明的是，上述模型构建单元901和模型求解单元902配合以执行上述实施例中的一种电力通信网现场运维工单派发方法，该系统的具体功能参见上述的电力通信网现场运维工单派发方法的实施例，此处不再赘述。
本发明实施例提出的系统，通过构建包括工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数的工单派发模型，求解工单派发方案，充分考虑了不同工单对应的工作种类以及运维人员针对不同工作种类的完成质量、完成时间等因素，解决了运维现场作业工单派送中运维人员利用率较低、部分工单等待时间过长等问题，以提高服务质量以及运维人员的利用率，实现多资源约束下的运维工单合理派发。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，所述工单完成质量之和最大化函数f1(x)如下：
f1(x)＝Max Q；
其中，Q为工单完成质量之和，Q如下：
式中，M为所述待派发工单集合中工单的数量，Wx为所述待派发集合中的第x个工单，为收到工单Wx的运维人员完成工单Wx的工作种类的历史平均完成质量；
所述工单完成时间之和最小化函数f2(x)如下：
f2(x)＝Min T；
其中，T为工单完成时间之和，T如下：
式中，收到工单Wx的运维人员完成工单Wx的工作种类的历史平均完成时间；
所述运维人员利用率最大化函数f3(x)如下：
f3(x)＝MinU；
其中，U为运维人员利用率，U如下：
式中，N为所述运维人员信息集合中运维人员的数量，Tx为所述运维人员信息集合中第x个运维人员的工作时间，μT为所述运维人员信息集合中所有运维人员的工作时间均值；
所述工单等待时间之和最小化函数f4(x)如下：
f4(x)＝MinZ；
其中，Z为工单等待时间之和，Z如下：
式中，TAx为第x位运维人员收到的工单序列中各工单的等待时间之和。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，所述第x位运维人员收到的工单序列中各工单的等待时间之和TAx如下：
式中，p为第x位运维人员收到的工单序列中的工单数量，TAx(y-1)为第x位运维人员收到的工单序列中第y-1个工单的等待时间，Tx(y-1)为第x位运维人员收到的工单序列中第y-1个工单的完成时间，dxy/v为第x位运维人员收到的工单序列中运维人员从第y-1个工单对象移动到第y个工单对象的时间，dxy为第x位运维人员收到的工单序列中从第y-1个工单对象到第y个工单对象的距离。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，所述待派发工单集合还包括每一所述工单的预设权限、预设质量和预设完成时间，所述运维人员信息集合中，任一运维人员信息还包括对应的运维人员的权限和工作状态；
对应地，所述约束条件包括权限约束条件、工作状态约束条件、质量约束条件和时间约束条件中的至少一种；
其中，所述权限约束条件，用于限制收到所述工单的运维人员的权限大于等于所述工单的预设权限；
所述工作状态约束条件，用于限制所述工单派发的运维人员的工作状态为空闲；
所述质量约束条件，用于限制收到所述工单的运维人员完成所述工单对应的工作种类的历史平均完成质量大于等于所述工单的预设质量；
所述时间约束条件，用于限制收到所述工单的运维人员完成所述工单对应的工作种类的历史平均完成时间小于等于所述工单的预设完成时间。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，模型构建单元901具体用于：
基于所述待派发工单集合、所述运维人员信息集合和运维资源集合，构建所述工单派发模型；其中，所述运维资源集合包括若干种运维资源以及每一所述运维资源的余量，所述待派发工单集合还包括每一所述工单对每一运维资源的需求量；
对应地，所述约束条件还包括：
资源约束条件，用于限制任一所述运维资源的余量大于等于所述待派发工单集合中全部工单对所述任一运维资源的需求量。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，所述运维人员的权限包括安全等级和/或岗位权限。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，模型求解单元902具体用于：
基于布谷鸟算法和极值动力学优化算法求解所述工单派发模型，得到工单派发方案，并根据所述工单派发方案进行工单派发。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，还包括：
匹配单元，用于将每一工单分别与预设的作业对象集合进行匹配，获取每一工单的工作种类和工单对象位置，基于所述每一工单的工作种类和工单对象位置构建待派发工单集合。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，还包括：
工单确定单元，用于接收当前工单，并基于历史工单生成未来工单，将所述当前工单和所述未来工单作为所述工单。
基于上述任一实施例，一种电力通信网现场运维工单派发系统，还包括：
作业指导书获取单元，用于基于任一所述工单的工作种类，获取所述任一工单对应的作业指导书。
图10为本发明实施例的一种电力通信网现场运维工单派发设备的结构示意图，如图10所示，电力通信网现场运维工单派发设备包括：处理器(processor)1001、通信接口(Communications Interface)1002、存储器(memory)1003和总线1004，其中，处理器1001，通信接口1002，存储器1003通过总线1004完成相互间的通信。处理器1001可以调用存储器1003中的逻辑指令，以执行如下方法，例如包括：基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，所述待派发工单集合包括若干个工单和每一所述工单的工作种类，所述运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一所述工作种类的历史平均完成质量和历史平均完成时间；所述工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；求解所述工单派发模型，得到工单派发方案，并根据所述工单派发方案进行工单派发。
本发明实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，所述待派发工单集合包括若干个工单和每一所述工单的工作种类，所述运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一所述工作种类的历史平均完成质量和历史平均完成时间；所述工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；求解所述工单派发模型，得到工单派发方案，并根据所述工单派发方案进行工单派发。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，所述待派发工单集合包括若干个工单和每一所述工单的工作种类，所述运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括对应的运维人员完成每一所述工作种类的历史平均完成质量和历史平均完成时间；所述工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；求解所述工单派发模型，得到工单派发方案，并根据所述工单派发方案进行工单派发。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的通信设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。

Claims (10)

1.一种电力通信网现场运维工单派发方法，其特征在于，包括：
基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，所述待派发工单集合包括若干个工单和每一所述工单的工作种类，所述运维人员信息集合包括若干个运维人员信息，每一所述运维人员信息包括对应的运维人员完成每一所述工作种类的历史平均完成质量和历史平均完成时间；所述工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；
求解所述工单派发模型，得到工单派发方案，并根据所述工单派发方案进行工单派发。
2.根据权利要求1所述的方法，其特征在于，所述工单完成质量之和最大化函数f1(x)如下：
f1(x)＝Max Q；
其中，Q为工单完成质量之和，Q如下：
式中，M为所述待派发工单集合中工单的数量，Wx为所述待派发集合中的第x个工单，为收到工单Wx的运维人员完成工单Wx的工作种类的历史平均完成质量；
所述工单完成时间之和最小化函数f2(x)如下：
f2(x)＝Min T；
其中，T为工单完成时间之和，T如下：
式中，收到工单Wx的运维人员完成工单Wx的工作种类的历史平均完成时间；
所述运维人员利用率最大化函数f3(x)如下：
f3(x)＝MinU；
其中，U为运维人员利用率，U如下：
式中，N为所述运维人员信息集合中运维人员的数量，Tx为所述运维人员信息集合中第x个运维人员的工作时间，μT为所述运维人员信息集合中所有运维人员的工作时间均值；
所述工单等待时间之和最小化函数f4(x)如下：
f4(x)＝MinZ；
其中，Z为工单等待时间之和，Z如下：
式中，TAx为第x位运维人员收到的工单序列中各工单的等待时间之和。
3.根据权利要求2所述的方法，其特征在于，所述第x位运维人员收到的工单序列中各工单的等待时间之和TAx如下：
式中，p为第x位运维人员收到的工单序列中的工单数量，TAx(y-1)为第x位运维人员收到的工单序列中第y一1个工单的等待时间，Tx(y-1)为第x位运维人员收到的工单序列中第y-1个工单的完成时间，dxy/v为第x位运维人员收到的工单序列中运维人员从第y-1个工单对象移动到第y个工单对象的时间，dxy为第x位运维人员收到的工单序列中从第y-1个工单对象到第y个工单对象的距离。
4.根据权利要求1所述的方法，其特征在于，所述待派发工单集合还包括每一所述工单的预设权限、预设质量和预设完成时间，所述运维人员信息集合中，任一所述运维人员信息还包括对应的运维人员的权限和工作状态；
对应地，所述约束条件包括权限约束条件、工作状态约束条件、质量约束条件和时间约束条件中的至少一种；
其中，所述权限约束条件，用于限制收到所述工单的运维人员的权限大于等于所述工单的预设权限；
所述工作状态约束条件，用于限制所述工单派发的运维人员的工作状态为空闲；
所述质量约束条件，用于限制收到所述工单的运维人员完成所述工单对应的工作种类的历史平均完成质量大于等于所述工单的预设质量；
所述时间约束条件，用于限制收到所述工单的运维人员完成所述工单对应的工作种类的历史平均完成时间小于等于所述工单的预设完成时间。
5.根据权利要求4所述的方法，其特征在于，所述基于待派发工单集合与运维人员信息集合，构建工单派发模型，具体包括：
基于所述待派发工单集合、所述运维人员信息集合和运维资源集合，构建所述工单派发模型；其中，所述运维资源集合包括若干种运维资源以及每一所述运维资源的余量，所述待派发工单集合还包括每一所述工单对每一运维资源的需求量；
对应地，所述约束条件还包括：
资源约束条件，用于限制任一所述运维资源的余量大于等于所述待派发工单集合中全部工单对所述任一运维资源的需求量。
6.根据权利要求4所述的方法，其特征在于，所述运维人员的权限包括安全等级和/或岗位权限。
7.根据权利要求1所述的方法，其特征在于，所述求解所述工单派发模型，得到工单派发方案，并根据所述工单派发方案进行工单派发，具体包括：
基于布谷鸟算法和极值动力学优化算法求解所述工单派发模型，得到工单派发方案，并根据所述工单派发方案进行工单派发。
8.根据权利要求1所述的方法，其特征在于，所述基于待派发工单集合与运维人员信息集合，构建工单派发模型，之前还包括：
将每一工单分别与预设的作业对象集合进行匹配，获取每一工单的工作种类和工单对象位置，基于所述每一工单的工作种类和工单对象位置构建待派发工单集合。
9.根据权利要求1所述的方法，其特征在于，所述将每一工单分别与预设的作业对象集合进行匹配，获取每一工单的工作种类和工单对象位置，基于所述每一工单的工作种类和工单对象位置构建待派发工单集合，之前还包括：
接收当前工单，并基于历史工单生成未来工单，将所述当前工单和所述未来工单作为所述工单。
10.根据权利要求8所述的方法，其特征在于，所述将每一工单分别与预设的作业对象集合进行匹配，获取每一工单的工作种类和工单对象位置，基于所述每一工单的工作种类和工单对象位置构建待派发工单集合，之后还包括：
基于任一所述工单的工作种类，获取所述任一工单对应的作业指导书。
CN201810792911.0A 2018-07-18 2018-07-18 一种电力通信网现场运维工单派发方法 Active CN109165808B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810792911.0A CN109165808B (zh) 2018-07-18 2018-07-18 一种电力通信网现场运维工单派发方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810792911.0A CN109165808B (zh) 2018-07-18 2018-07-18 一种电力通信网现场运维工单派发方法

Publications (2)

Publication Number Publication Date
CN109165808A true CN109165808A (zh) 2019-01-08
CN109165808B CN109165808B (zh) 2020-08-18

Family

ID=64897715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810792911.0A Active CN109165808B (zh) 2018-07-18 2018-07-18 一种电力通信网现场运维工单派发方法

Country Status (1)

Country Link
CN (1) CN109165808B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523178A (zh) * 2018-11-22 2019-03-26 国网冀北电力有限公司信息通信分公司 一种面向电力通信现场的运维方法及装置
CN109840705A (zh) * 2019-01-29 2019-06-04 国家电网有限公司 一种电力现场作业人员智能分配应用方法
CN110059834A (zh) * 2019-03-26 2019-07-26 国网河北省电力有限公司沧州供电分公司 电力运维方法、系统及终端设备
CN110119876A (zh) * 2019-04-03 2019-08-13 口碑(上海)信息技术有限公司 工单处理方法及装置
CN110175272A (zh) * 2019-05-21 2019-08-27 中国太平洋保险（集团）股份有限公司 一种基于特征建模实现工单收敛的控制方法及控制装置
CN110516904A (zh) * 2019-07-11 2019-11-29 杭州医好网络科技有限公司 一种基于医院后勤运送系统任务的调度方法
CN110991784A (zh) * 2019-09-27 2020-04-10 中国电力科学研究院有限公司 一种用于异常低压台区派工的方法及系统
CN113361945A (zh) * 2021-06-22 2021-09-07 珠海一粟科技有限公司 一种代维工单管理方法及管理系统
CN113627889A (zh) * 2021-08-12 2021-11-09 浙江创意声光电科技有限公司 一种用于智能照明系统的信息管理系统
CN114021747A (zh) * 2021-10-26 2022-02-08 厦门鼎芯科技有限公司 一种专用的减振降冲组件
CN116415802A (zh) * 2023-06-12 2023-07-11 广州极能信息技术有限公司 发电厂作业管理方法、电子设备以及计算机存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977740A (zh) * 2017-11-23 2018-05-01 海南电网有限责任公司 一种现场运维智能调度方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977740A (zh) * 2017-11-23 2018-05-01 海南电网有限责任公司 一种现场运维智能调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JINPING QI ; XIANFENG ZHA: "Optimization Model and Algorithm for China Railway High-Speed Maintenance Job Work Order Scheduling", 《2013 INTERNATIONAL CONFERENCE ON COMPUTER SCIENCES AND APPLICATIONS》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523178A (zh) * 2018-11-22 2019-03-26 国网冀北电力有限公司信息通信分公司 一种面向电力通信现场的运维方法及装置
CN109840705A (zh) * 2019-01-29 2019-06-04 国家电网有限公司 一种电力现场作业人员智能分配应用方法
CN110059834A (zh) * 2019-03-26 2019-07-26 国网河北省电力有限公司沧州供电分公司 电力运维方法、系统及终端设备
CN110119876A (zh) * 2019-04-03 2019-08-13 口碑(上海)信息技术有限公司 工单处理方法及装置
CN110175272A (zh) * 2019-05-21 2019-08-27 中国太平洋保险（集团）股份有限公司 一种基于特征建模实现工单收敛的控制方法及控制装置
CN110516904B (zh) * 2019-07-11 2022-10-14 杭州医好网络科技有限公司 一种基于医院后勤运送系统任务的调度方法
CN110516904A (zh) * 2019-07-11 2019-11-29 杭州医好网络科技有限公司 一种基于医院后勤运送系统任务的调度方法
CN110991784A (zh) * 2019-09-27 2020-04-10 中国电力科学研究院有限公司 一种用于异常低压台区派工的方法及系统
CN110991784B (zh) * 2019-09-27 2023-04-18 中国电力科学研究院有限公司 一种用于异常低压台区派工的方法及系统
CN113361945A (zh) * 2021-06-22 2021-09-07 珠海一粟科技有限公司 一种代维工单管理方法及管理系统
CN113627889A (zh) * 2021-08-12 2021-11-09 浙江创意声光电科技有限公司 一种用于智能照明系统的信息管理系统
CN114021747A (zh) * 2021-10-26 2022-02-08 厦门鼎芯科技有限公司 一种专用的减振降冲组件
CN116415802A (zh) * 2023-06-12 2023-07-11 广州极能信息技术有限公司 发电厂作业管理方法、电子设备以及计算机存储介质

Also Published As

Publication number Publication date
CN109165808B (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN109165808A (zh) 一种电力通信网现场运维工单派发方法
CN108880663B (zh) 基于改进遗传算法的天地一体化网络资源分配方法
CN112766813B (zh) 一种空天协同观测复杂任务调度方法
CN108388958B (zh) 一种二维姿态机动卫星任务规划技术研究的方法及装置
CN107977743B (zh) 多无人机协同任务分配方法及装置
CN107886201B (zh) 多无人机任务分配的多目标优化方法及装置
CN113885555A (zh) 面向输电线路密集通道巡检的多机任务分配方法和系统
CN108009023A (zh) 混合云中基于bp神经网络时间预测的任务调度方法
CN112685138B (zh) 云环境下基于多种群混合智能优化的多工作流调度方法
CN109039428B (zh) 基于冲突消解的中继卫星单址天线调度随机搜索方法
CN107203412A (zh) 一种基于膜系统改进粒子群算法的云资源调度优化方法
CN109255513A (zh) 一种电力通信网现场运维工单调度方法
Tran et al. Using Fuzzy Clustering Chaotic-based Differential Evolution to solve multiple resources leveling in the multiple projects scheduling problem
CN109948848A (zh) 一种云中科学工作流下截止期限约束的费用优化调度方法
CN114565239A (zh) 用于产业园区的综合低碳能源调度方法及系统
CN106371924A (zh) 一种最小化MapReduce集群能耗的任务调度方法
CN109684088A (zh) 云平台资源约束的遥感大数据快速处理任务调度方法
CN113485409A (zh) 一种面向地理公平性的无人机路径规划分配方法及系统
Wu et al. An improved particle swarm algorithm with the elite retain strategy for solving flexible jobshop scheduling problem
CN117455193A (zh) 一种任务分配的方法和装置
CN115421885B (zh) 一种分布式多目标云任务的调度方法、装置及云服务系统
CN114580209A (zh) 一种面向非时敏移动目标的多星协同任务分配方法及系统
CN113988399A (zh) 综合能源调度方法、装置、电子设备及存储介质
CN110689320A (zh) 一种基于协同进化算法的大规模多目标项目调度方法
Mbarek et al. Load balancing based on optimization algorithms: an overview

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