CN111079063A - 一种基于检测效率分析的省级检测能力优化的方法及系统 - Google Patents
一种基于检测效率分析的省级检测能力优化的方法及系统 Download PDFInfo
- Publication number
- CN111079063A CN111079063A CN201911079642.4A CN201911079642A CN111079063A CN 111079063 A CN111079063 A CN 111079063A CN 201911079642 A CN201911079642 A CN 201911079642A CN 111079063 A CN111079063 A CN 111079063A
- Authority
- CN
- China
- Prior art keywords
- detection
- optimization
- capability
- module
- efficiency
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 261
- 238000005457 optimization Methods 0.000 title claims abstract description 104
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000007246 mechanism Effects 0.000 claims description 72
- 238000005070 sampling Methods 0.000 claims description 54
- 238000010276 construction Methods 0.000 claims description 26
- 238000007689 inspection Methods 0.000 claims description 26
- 230000000694 effects Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 24
- 238000005516 engineering process Methods 0.000 description 11
- 238000011160 research Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是一种基于检测效率分析的省级检测能力优化的方法及系统，其包括抽检计划生成模块、检测任务智能分配模块、检测机构优化模块、优化效果评估模块和建设方案优化生成模块。本发明针对电网公司现阶段检测效率低和手段偏少等难题，提供了一种新型的省级检测能力优化模型，适用于电网公司对电网物资质量管控的情况，在保证入网设备质量、迁移电网风险方面起到了重要作用。
Description
技术领域
本发明属于质量检测优化技术领域，具体涉及一种新的基于检测效率分析的 省级检测能力优化的模型的建立。
背景技术
从发展层面上看，现阶段由于检测资源信息化建设的滞后、检测与存储地理 位置的分离，上层中心库难以实时掌握各检测机构的信息，增加了抽检工作的成 本和风险。检测任务的不可控性增加，造成了检测工作周期长、成本高的现状。 统筹平衡各个检测基地的检测资源，开展省公司中心库检存一体化建设，提升物 资抽检效率，对系统内检测基地的能力承载与分布情况进行分析及可视化展示， 共享检测资源，实现检测任务智能分配，优化检测基地能力配置成提升检测能力 的重要途经。
从研究层面上看，对电力物资质量检验检测机构能力优化的研究主要是针对 检测机构的某一类评价指标体系进行能力优化的研究。《中国农产品质量安全检 验检测体系研究》这篇文章运用理论对我国检验检测体的构成及其功能进行了系 统的分析，并第一次对实验室能力系数和实验室标准单位的概念进行了定义，为 检测机构能力优化确定了理论基础。季红在《国家电线电缆质检中心综合能力评 价体系研究》中运用层次分析法(AHP)对国家电线电缆质检中心综合能力的影 响因素进行了详细的分析，并构建一套用于评价国家电线电缆质检中心综合能力 的评价指标体系，针对评价指标体系，国家电线电缆质检中心检测能力优化有了 方向指导。
《深圳市疾病预防控制机构能力建设综合评价研究》中提出了以数据为基础， 实现检测机构能力评价及优化方法。通过以事实为依据，大量借用统计学、流行 病学、经济学、社会学等多学科理论和方法来进行深入研究。
国外质量检验检测机构的原型是检测/校准实验室，因此，对质量检验检测 机构综合能力的评价和优化主要通过实验室认可来进行评价。国内外相关检测能 力评价及优化的研究为电力物资检测机构的发展定位及对其综合能力评价、检测 能力优化提供了有益的参考，但是目前国内外学者对质量检验检测机构的研究大 多局限于食品卫生行业，尚未对电力物资质量检验检测机构综合能力评价及能力 优化进行系统的分析、构建和实证应用。
发明内容
本发明主要是利用了大数据的技术，进行预测，提前发现需求，通过预测需 求后，将检测需求和基于检测能力的任务分配模型进行分析，通过结果判断出现 在的检测能力是否满足未来一段时间的检测需求，如果不满足，通过数据分析和 动态规划等信息化技术，对现有的数据进行分析和加工，从而满足未来一段时间 内的检测需求。
本发明通过生成抽检计划，智能检测任务分配、检测机构优化、效果评估优 化以及生成建设方案等技术的综合开发和应用，对检测机构的未来一段时间的物 资检测需求进行抽检，并进行优化，如果优化效果评估达标，则完成对优化，否 则重新进行优化，从而使国网电力物资检测机构能力得到整体提升。
本发明采用如下技术方案：
一种基于检测效率分析的省级检测能力优化系统，其包括抽检计划生成模块、 检测任务智能分配模块、检测机构优化模块、优化效果评估模块以及建设方 案优化生成模块的省级检测能力优化模型；所述抽检计划生成模块包括抽检 计划时间生成模块、检测项目列表模块。
进一步的，所述抽检计划生成系统包括抽检计划时间显示系统和检测项目列 表展示系统。
进一步的，所述抽检计划生成模块根据要求生成抽检计划。。
进一步的，所述检测任务智能分配模块是用现有的检测资源消化未来一段时 间内的检测需求，如果其通过检测任务分配方案可以在要求的时间内完成检 测需求任务，则判断其不需要进行检测能力的优化，否则需要检测能力的优 化和提升。
进一步的，所述检测机构优化模块是对检测机构按照规则进行是否优化。
进一步的，所述优化效果评估模块是对优化效果进行评估，若达标，则终止 优化，若不达标，则继续进行优化。
进一步的，所述建设方案优化生成模块是根据优化模型生成设备建设方案。
一种基于检测效率分析的省级检测能力优化的方法，其包括如下步骤：
(1)预测未来一段时间的检测需求；
(2)将检测需求利用任务分配模型进行任务分配；
(3)对比模拟收样时间与要求的收样时间；如果要求收样时间小于24 工作日，则需要进检测能力行优化提升，并进行第四步。否则现阶段检 测能力需求满足未来一段时间的检测需求；
(4)检测机构能力评价模型进行评估，如果其实际运行效率远小于理论 运行效率，则需要进行体系建设，来发挥现有的检测机构中软硬件的检 测能力，否则进行建设优化。进行第五步；
(5)判断检测机构的配送效率和检测效率，如果配送效率<检测效率的 四分之一，说明该地区配送距离对收样周期影响不大，可进行扩容或者 增加检测类型。否则，配送路径过长，可进行扩容提升检测能力，但是 不建议进行增加检测项目的提升
进一步的，步骤(3)中，先对目标检测机构进行判断，若该检测机构为初 次优化，则通过检测机构单点优化模型获取一套体系建设方案，然后根据获 得的建设方案优化该检测机构；否则直接获得一套体系建设方案进行优化；
进一步的，步骤(3)中，对检测机构处理结果进行优化效果评估，若达标 则终止优化，若不达标则进行新一轮循环。
本发明的积极效果为：本发明针对电网公司现阶段检测效率低和手段偏少等 难题，提供了一种新型的省级检测能力优化模型，适用于电网公司对电网物 资质量管控的情况，在保证入网设备质量、迁移电网风险方面起到了重要作 用。
附图说明
图1基于检测效率分析的省级检测能力优化的方法及系统工作流程图；
图2检测能力优化方案分析过程图；
图3自适应抽检算法流程图；
图4基于检测能力的任务分配模型设计图。
具体实施方式
下面结合实施例和附图对本发明进行详细说明。本发明保护范围不限于实施 例，本领域技术人员在权利要求限定的范围内做出任何改动也属于本发明保护的 范围。
如附图1-4所示，本发明的系统包括检测能力模型和与优化模块连接形成的 省级检测能力优化模型；优化模块包括抽检计划生成模块、检测任务智能分配模 块、检测机构优化模块、优化效果评估模块以及建设方案优化生成模块。处理数 据是全省的检测机构，抽检计划生成模块根据要求生成抽检计划。
抽检计划生成模块包括抽检计划时间生成模块、检测项目列表模块，所述抽 检计划生成模块形成抽检计划生成系统，包括抽检计划时间显示系统和检测项目 列表展示系统。
进一步的，所述抽检计划生成模块是对目标根据要求生成抽检计划。
进一步的，所述检测任务智能分配模块是对检测任务进行智能分配，用现有 的检测资源消化未来一段时间内的检测需求，如果其通过检测任务分配方案可以 在要求的时间内完成检测需求任务，则判断其不需要进行检测能力的优化，否则 需要检测能力的优化和提升。
进一步的，检测机构优化模块根据结果判断检测机构是否需要进行优化。
进一步的，优化效果评估模块是进行评估优化效果如何，若达标，则终止优 化，若不达标，则继续进行优化。
进一步的，建设方案优化生成模块是生成优化方案，使其机构能够进行优化。
本发明的方法包括如下步骤：
(1)输入未来一段时间物资检测需求，生成一套抽检计划；
(2)对于步骤(1)获得的抽检计划，根据检测任务分配模型，计算该抽检 计划的完成时间；
(3)输入计划完成时间，比较完成时间与计划完成时间，若完成时间大于 计划完成时间，即无法按计划时间完成，执行步骤(4)；若否，则不需要优化， 结束；
(4)获取抽检计划中超时完成的检测项目列表；
(5)根据检测任务分配模型和步骤(4)获取的检测项目列表，获取其对应 的待优化检测机构列表；
(6)对步骤(5)获取的待优化检测机构列表依次进行判断，取一个待优化 检测机构，若一次循环结束，开始新一轮循环；
(7)若该检测机构配送距离过远，则不进行优化，返回步骤(6)；若否， 则对其进行优化；
(8)：对步骤(7)的检测机构处理结果进行优化效果评估，若达标，则终 止优化，结束；若否，返回步骤(6)；
进一步地，对步骤(7)中检测机构的优化通过如下方式实现：
(7-1)：对步骤(7)的目标检测机构，若该检测机构为初次优化，则执行 步骤(7-2)，若否，则执行(7-3)；
(7-2)通过检测机构单点优化模型获取一套体系建设方案，执行步骤(7-4)；
(7-3)通过检测机构单点优化模型获取一套设备建设方案；
(7-4)根据上步骤获得的建设方案优化该检测机构；
进一步地，对步骤(8)中的优化效果评估通过如下方式实现：
(8-1)对优化后的检测机构，基于检测任务智能分配模型，重新计算S1获 得的抽检计划的完成时间；
(8-2)输入计划完成时间，比较完成时间与计划完成时间，若完成时间小 于计划完成时间，则判定优化效果达标；若否，则不达标，进行新一轮循环。
1、装置的整体框架
基于检测效率分析的省级检测能力优化的方法及系统主要分为抽检计划生 成模块、检测任务智能分配模块、检测能力优化模块等三个部分，模型流程图具 体见图1所示。针对于检测能力优化模型，可以根据需求或实际情况选择其中部 分或全部模块进行测试，并通过检测平台内置诊断判据对检测结果予以分析，从 而提供科学合理的决策。
基于预测分析的检测能力优化方法其基础是检测需求的预测分析，将预测的 需求融入到任务分配模型中，即用现有的检测资源消化未来一段时间内的检测需 求，如果其通过检测任务分配方案可以在要求的时间内完成检测需求任务，则判 断其不需要进行检测能力的优化，否则需要检测能力的优化和提升。然后通过对 检测效率和配送效率之间的比较，来判断检测机构能力优化方案(增加检测类型 还是先有检测机构进行扩容)，检测能力优化方案分析过程如图2所示。
2、基于检测效率分析的省级检测能力优化的方法及系统
2.1抽检计划生成模块
目前电力物资抽样检验算法多为随机抽检，对不同厂商不同产品抽样没有考 虑历史检测结果以及当前产品突出问题。抽检计划生成模块是利用自适应抽样检 验算法对检验历史数据进行全面分析，其中包括：物资特征全面性分析、重点维 度分析、稳定性分析和关联性群体分析。然后根据分析结果建立抽样分析模型； 通过机器学习对抽样分析模型不断的校对优化，最终使其达到最优状态。
鉴于此，自适应算法设计主要采用了大数据分析技术、数据挖掘技术和机器 学习的技术，实现对历史数据科学有效的分析，提取数据内部关联关系和数据与 结果之间的关联关系，然后对数据进行评估，利用评估数据建立抽样分析模型， 通过机器学习对抽样分析模型不断的校对优化，最终使其适用于国网物资抽检方 案，自适应抽检算法流程如图3所示。
测试时，抽检计划生长城模块首先将历史的收样数据进行数据关联性分析， 将具有紧密关联性的参数项绑定为一个群体，形成新的历史数据。在进行物资抽 检工作时，通过输入的物资参数数据，首先对其进行全覆盖分析，确定满足全覆 盖原则的基本抽样策略。然后根据输入的物资种类等信息提取相关历史数据，经 关联性分析之后形成抽样所需的历史数据格式。之后将抽样所需历史数据分别进 行以下分析：物资特征全面性分析，重点维度分析，稳定性分析。最后将三个分 析结果融入抽样数据模型，结合本次物资抽样的基本数据，得到最终的物资抽样 策略。
2.2检测任务智能分配模块
基于检测能力的任务科学分配主要体现在利用均衡分析的方式，通过各个检 测机构的检测能力和负载能力，实现任务均衡，充分考虑到现阶段各个检测机构 的实时检测情况、历史检测质量、实时检测承载能力和未来一段时间内的检测能 力需求等因素进行检测任务智能的分配，从而提高检测效率。。
鉴于此，基于检测能力的任务分配模型设计主要采用了大数据分析技术、决 策树技术和动态规划的技术，实现对历史检测机构数据、检测机构检测能力、检 测机构承载能力的科学有效的分析，提取数据内部关联关系和数据与结果之间的 关联关系，然后对检测机构的服务质量进行评估，利用抽检策略种抽检物资种类、 数量和所需要进行的试验项目与现阶段检测机构的实时检测能力、检测承载能力 进行匹配。确定满足需求的检测机构，然后通过样品仓储位置和检测机构的服务 质量，最终确定检测机构的任务分配，其基于检测能力的任务分配模型设计图如 图4所示。
检测任务分配高效性计算主要在检测任务分配的时候要以收样时间最快为 原则，即保证检测任务完成的高效性。
2.3检测能力优化模块
检测能力优化模块主要采用的是基于预测分析的检测能力优化方法，利用大 数据的技术，进行预测，将提前发现需求，通过预测需求后，将检测需求和基于 检测能力的任务分配模型进行分析，通过结果来判断现在的检测能力是否满足未 来一段时间的检测需求，如果不满足，需要通过数据分析和动态规划等信息化技 术，对现有的数据进行分析和加工，从而满足未来一段时间内的检测需求。
基于上述分析，基于预测分析的检测能力优化方法其基础是检测需求的预测 分析，将预测的需求融入到任务分配模型中，即用现有的检测资源消化未来一段 时间内的检测需求，如果其通过检测任务分配方案可以在要求的时间内完成检测 需求任务，则判断其不需要进行检测能力的优化，否则需要检测能力的优化和提 升。然后通过对检测效率和配送效率之间的比较，来判断检测机构能力优化方案 (增加检测类型还是先有检测机构进行扩容)。
可以看出，基于预测分析的检测能力优化方法对国网电力物资检测机构能力 整体提升具有重要的意义。
3、设计步骤
基于预测分析的检测能力优化模型创新性在于能够进行预测，提前发现需求， 能够通过结果对未来一段时间内的需求进行检测，判断是否满足需求，这种优化 模型能够整体提升国网电力物资检测机构能力，使其能够更好的应对未来所发生 的事，从而提高稳定性，基于预测分析的检测能力模型步骤如下所示。
首先，预测未来一段时间的检测需求。例如：
表5.34预测分析输入表
| 物资名称 | 物资型号 | 供应量 | 样品量 |
| 配电变压器 | ZGS11-Z-400(125)/10 | 2000 | 100 |
第二步，将检测需求利用任务分配模型进行任务分配。如下：
表535任务分配模型计算表
第三步，对比模拟收样时间与要求的收样时间。
如果要求收样时间小于24工作日，则需要进检测能力行优化提升，并进行 第四步。否则现阶段检测能力需求满足未来一段时间的检测需求。
第四步，检测机构能力评价模型进行评估，如果其实际运行效率远小于理论 运行效率，则需要进行体系建设，来发挥现有的检测机构中软硬件的检测能力， 否则进行建设优化。进行第五步。
第五步，判断检测机构的配送效率和检测效率，如果配送效率<检测效率的 四分之一，说明该地区配送距离对收样周期影响不大，可进行扩容或者增加检测 类型。否则，配送路径过长，可进行扩容提升检测能力，但是不建议进行增加检 测项目的提升。
显然，上述说明是为清楚地说明所作的举例。对于所属领域的普通技术人员 来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也 无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处 于本发明创造的保护范围之中。
Claims (10)
1.一种基于检测效率分析的省级检测能力优化系统，其特征在于，其包括抽检计划生成模块、检测任务智能分配模块、检测机构优化模块、优化效果评估模块以及建设方案优化生成模块的省级检测能力优化模型；所述抽检计划生成模块包括抽检计划时间生成模块、检测项目列表模块。
2.根据权利要求1所述的基于检测效率分析的省级检测能力优化系统，其特征在于，所述抽检计划生成模块形成抽检计划生成系统，包括抽检计划时间显示系统和检测项目列表展示系统。
3.根据权利要求1所述的基于检测效率分析的省级检测能力优化系统，其特征在于，所述抽检计划生成模块根据要求生成抽检计划。
4.根据权利要求1所述的基于检测效率分析的省级检测能力优化系统，其特征在于，所述检测任务智能分配模块是用现有的检测资源消化未来一段时间内的检测需求，如果其通过检测任务分配方案可以在要求的时间内完成检测需求任务，则判断其不需要进行检测能力的优化，否则需要检测能力的优化和提升。
5.根据权利要求1所述的基于检测效率分析的省级检测能力优化系统，其特征在于，所述检测机构优化模块是对检测机构按照规则进行是否优化。
6.根据权利要求1所述的基于检测效率分析的省级检测能力优化系统，其特征在于，所述优化效果评估模块是对优化效果进行评估，若达标，则终止优化，若不达标，则继续进行优化。
7.根据权利要求1所述的基于检测效率分析的省级检测能力优化系统，其特征在于，所述建设方案优化生成模块是根据优化模型生成设备建设方案。
8.一种基于检测效率分析的省级检测能力优化的方法，其特征在于，其包括如下步骤：
（1）预测未来一段时间的检测需求；
（2）将检测需求利用任务分配模型进行任务分配；
（3）对比模拟收样时间与要求的收样时间；如果要求收样时间小于24工作日，则需要进检测能力行优化提升，并进行第四步；否则现阶段检测能力需求满足未来一段时间的检测需求；
（4）检测机构能力评价模型进行评估，如果其实际运行效率远小于理论运行效率，则需要进行体系建设，来发挥现有的检测机构中软硬件的检测能力，否则进行建设优化，进行第五步；
（5）判断检测机构的配送效率和检测效率，如果配送效率<检测效率的四分之一，说明该地区配送距离对收样周期影响不大，可进行扩容或者增加检测类型；否则，配送路径过长，可进行扩容提升检测能力，但是不建议进行增加检测项目的提升。
9.根据权利要求8所述的基于检测效率分析的省级检测能力优化的方法，其特征在于，步骤（3）中，先对目标检测机构进行判断，若该检测机构为初次优化，则通过检测机构单点优化模型获取一套体系建设方案，然后根据获得的建设方案优化该检测机构；否则直接获得一套体系建设方案进行优化。
10.根据权利要求8所述的基于检测效率分析的省级检测能力优化的方法，其特征在于，步骤（3）中，对检测机构处理结果进行优化效果评估，若达标则终止优化，若不达标则进行新一轮循环。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911079642.4A CN111079063A (zh) | 2019-11-07 | 2019-11-07 | 一种基于检测效率分析的省级检测能力优化的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911079642.4A CN111079063A (zh) | 2019-11-07 | 2019-11-07 | 一种基于检测效率分析的省级检测能力优化的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111079063A true CN111079063A (zh) | 2020-04-28 |
Family
ID=70310713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911079642.4A Pending CN111079063A (zh) | 2019-11-07 | 2019-11-07 | 一种基于检测效率分析的省级检测能力优化的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111079063A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116681357A (zh) * | 2023-07-28 | 2023-09-01 | 济南市莱芜区综合检验检测中心 | 基于人工智能的食品质量分析系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106611244A (zh) * | 2016-12-06 | 2017-05-03 | 国电南瑞科技股份有限公司 | 一种配电自动化二次设备状态多维度综合评估方法 |
| CN109636100A (zh) * | 2018-11-02 | 2019-04-16 | 国网浙江省电力有限公司 | 物资质量监督管理方法 |
-
2019
- 2019-11-07 CN CN201911079642.4A patent/CN111079063A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106611244A (zh) * | 2016-12-06 | 2017-05-03 | 国电南瑞科技股份有限公司 | 一种配电自动化二次设备状态多维度综合评估方法 |
| CN109636100A (zh) * | 2018-11-02 | 2019-04-16 | 国网浙江省电力有限公司 | 物资质量监督管理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周冬旭;嵇文路;朱红;张明;罗兴;: "智能配电网优化调度在南京的应用" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116681357A (zh) * | 2023-07-28 | 2023-09-01 | 济南市莱芜区综合检验检测中心 | 基于人工智能的食品质量分析系统及方法 |
| CN116681357B (zh) * | 2023-07-28 | 2023-10-27 | 济南市莱芜区综合检验检测中心 | 基于人工智能的食品质量分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huo et al. | Will the urbanization process influence the peak of carbon emissions in the building sector? A dynamic scenario simulation | |
| Liu et al. | Enhancing building energy efficiency using a random forest model: A hybrid prediction approach | |
| CN101619850B (zh) | 基于热电系统负荷在线预测的调度方法与系统 | |
| CN108491969A (zh) | 基于大数据的空间负荷预测模型构建方法 | |
| CN109858843A (zh) | 一种配电网项目投资决策评价方法 | |
| CN101408769B (zh) | 一种基于乘积arima模型的在线能源预测系统及方法 | |
| Xu et al. | Prediction of thermal energy inside smart homes using IoT and classifier ensemble techniques | |
| KR101173823B1 (ko) | 공동주택의 에너지 사용량 예측 시스템 및 방법 | |
| CN111103565A (zh) | 一种基于智能电能表计量误差分析的数据变换方法及系统 | |
| CN110503462A (zh) | 基于灰色关联度分析的电网投资测算方法、系统及介质 | |
| CN103065042A (zh) | 基于情景的多目标综合决策评价方法 | |
| CN111509728B (zh) | 一种基于多源异构虚拟负荷的优化调控方法及系统 | |
| Canyurt et al. | Estimating the Turkish residential–commercial energy output based on genetic algorithm (GA) approaches | |
| CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
| Huo et al. | What is the driving mechanism for the carbon emissions in the building sector? An integrated DEMATEL-ISM model | |
| CN111105129B (zh) | 一种基于检测机构评价的检测任务智能分配方法 | |
| CN115392735A (zh) | 光伏电站工作性能监测方法、系统、设备及介质 | |
| CN106611260A (zh) | 小区配电网工程造价指标体系评估模型的建立 | |
| CN111079063A (zh) | 一种基于检测效率分析的省级检测能力优化的方法及系统 | |
| KR101874261B1 (ko) | 물-에너지-식량 연계 해석에 기초하여 자원정책 결정을 지원하는 시스템 및 방법 | |
| CN104299167A (zh) | 一种智能用能系统用户电力数据的用能分析方法 | |
| CN104517160A (zh) | 基于容量利用特征的新型电力市场预测系统和方法 | |
| CN114282697A (zh) | 一种设备类供应商差异化绩效确定方法和系统 | |
| CN116823008A (zh) | 一种园区能源利用效率评估方法、系统、设备和存储介质 | |
| CN116523493A (zh) | 配电网运行维护辅助决策分析方法、系统及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200428 |