CN111327442A - 基于控制图的投诉预警阈值获取方法及装置 - Google Patents

基于控制图的投诉预警阈值获取方法及装置 Download PDF

Info

Publication number
CN111327442A
CN111327442A CN201811541492.XA CN201811541492A CN111327442A CN 111327442 A CN111327442 A CN 111327442A CN 201811541492 A CN201811541492 A CN 201811541492A CN 111327442 A CN111327442 A CN 111327442A
Authority
CN
China
Prior art keywords
complaint
early warning
control chart
complaints
control
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
CN201811541492.XA
Other languages
English (en)
Other versions
CN111327442B (zh
Inventor
刘继聪
罗鹏飞
董秀梅
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Guangdong Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Guangdong 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 China Mobile Communications Group Co Ltd, China Mobile Group Guangdong Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201811541492.XA priority Critical patent/CN111327442B/zh
Publication of CN111327442A publication Critical patent/CN111327442A/zh
Application granted granted Critical
Publication of CN111327442B publication Critical patent/CN111327442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L41/14—Network analysis or design
    • 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
    • H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明实施例提供一种基于控制图的投诉预警阈值获取方法及装置，所述方法包括：根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。本发明实施例提供了预警的准确性，方法简单，计算速度快。

Description

基于控制图的投诉预警阈值获取方法及装置
技术领域
本发明实施例属于阈值优化技术领域，更具体地，涉及一种基于控制图的投诉预警阈值获取方法及装置。
背景技术
投诉预警是指当投诉数量超过阈值时进行预警，以通过投诉提前发现问题。目前预警阈值一般使用经验赋值法获取。
通常投诉分为手机上网、网络覆盖、通话质量、消息类、家庭宽带和集客六类投诉。经验赋值法预先设置每类投诉的预警阈值，然后根据实际预警情况和故障发生率判断预警阈值的偏离值，最后通过预警的准确率评价当前预警阈值的准确率。假设在某个周期内某类投诉的当前预警阈值为X，该周期内当天涉及该类投诉所有故障投诉数量的平均值为
Figure BDA0001908265790000011
该周期内该类投诉的预警次数为A，该周期内该类投诉的预警中由于故障引起预警的次数为B，该类投诉的当前预警阈值的准确度为C，则C＝B/A。若
Figure BDA0001908265790000012
则逐步增大X向
Figure BDA0001908265790000013
靠拢，并观察C是否提高；若
Figure BDA0001908265790000014
则逐步减小X向
Figure BDA0001908265790000015
靠拢，并观察C是否提高。以此类推，逐步提高预警阈值的准确度。表1为各专项的预警状况。
表1各专项的预警状况
Figure BDA0001908265790000016
经验赋值法首先需要根据日常经验设置各类投诉的初始预警阈值，具有一定的主观性，然后根据实际的投诉数量对初始预警阈值不断进行调整，并观察预警阈值的准确度是否提高。需要对预警阈值进行很多次的调整，获取每次调整后的预警次数和预警出现故障的次数，并计算预警阈值准确度，才能获取到准确度较高的预警阈值，预警阈值获取过程复杂，效率低。
发明内容
为克服上述现有的投诉预警阈值获取方法过程负责，效率低的问题或者至少部分地解决上述问题，本发明实施例提供一种基于控制图的投诉预警阈值获取方法及装置。
根据本发明实施例的第一方面，提供一种基于控制图的投诉预警阈值获取方法，包括：
根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。本发明实施例提供了预警的准确性，方法简单，计算速度快。
根据本发明实施例第二方面提供一种基于控制图的投诉预警阈值获取装置，包括：
第一优化模块，用于根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；
第二优化模块，用于根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；
比较模块，用于将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。
根据本发明实施例的第三个方面，还提供一种电子设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于控制图的投诉预警阈值获取方法。
根据本发明实施例的第四个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于控制图的投诉预警阈值获取方法。
本发明实施例提供一种基于控制图的投诉预警阈值获取方法及装置，该方法通过使用Rs控制图对预设历史时间段中每个子时间段内的投诉数量进行优化，使用X控制图对投诉数量进一步优化和确定初始预警阈值，将经过最终优化的投诉数量的平均值与初始预警阈值进行比较，从而确定最终的投诉预警阈值，一方面，使用控制图对投诉数量进行二次优化，提供了预警的准确性；另一方面根据X控制图确定的初始预警阈值和优化后实际的投诉数量平均值进行比较，一次性确定最终的预警阈值，方法简单，计算速度快。
附图说明
图1为本发明实施例提供的基于控制图的投诉预警阈值获取方法整体流程示意图；
图2为本发明实施例提供的基于控制图的投诉预警阈值获取装置整体结构示意图；
图3为本发明实施例提供的电子设备整体结构示意图。
具体实施方式
下面结合附图和实施例，对本发明实施例的具体实施方式作进一步详细描述。以下实施例用于说明本发明实施例，但不用来限制本发明实施例的范围。
在本发明实施例之前首先介绍控制图原理。
控制图又称休哈特控制图，于1924年最早提出，是进行工序控制的主要统计手段，也是实行“动态控制”的一种方法，使质量管理从原来的事后检验发展到事前预防，控制图中数据分布状况所出现的趋势、链状、超界等，表明已出现异常或异常先兆并发出异常的警报。控制图基于历史数据进行分析并进行“动态预警”的特性，正是日常投诉预警所需要的。
控制图中设有三条界限，以控制数据实际分布的中心μ为中心线，符号为CL；以μ+3σ为控制上界限，符号为UCL；以μ-3σ为控制下界限，符号为LCL。超出控制限是由偶然事件引起而异常的可能性α非常小，因此当一个数据超出控制限时，应该采取某种行动，故3σ控制限有时也称为“行动限”。一些情况下，在控制图上另外加上2σ控制限可作为失控状态即将来临的一个警示信号，因此2σ控制限有时也称作“警戒限”。其中，σ为数据的标准差。
在本发明实施例的一个实施例中提供一种基于控制图的投诉预警阈值获取方法，图1为本发明实施例提供的基于控制图的投诉预警阈值获取方法整体流程示意图，该方法包括：S101，根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；
其中，预设历史时间段为预先设定的一个历史时间段，如从2018年5月到2018年8月。将预设历史时间段等分为多个子时间段，如将预设历史时间段中的每天作为一个子时间段。第一投诉数量可以为每个子时间段内的投诉总数量。根据每个子时间段内的第一投诉数量构建X-Rs极差控制图，即单值-移动极差控制图。首先根据每个子时间段内的第一投诉数量构建Rs控制图，公式如下：
Figure BDA0001908265790000051
其中，D为系数，一般设置为3.27，
Figure BDA0001908265790000052
Ri＝|xi-xi-1|，xi为第i个第一投诉数量，xi-1为第i-1个第一投诉数量，UCL为Rs控制图的控制上界限，CL为Rs控制图的中心线，LCL为Rs控制图的控制下界限。判断Rs控制图是否处于稳定状态，即判断Rs控制图中的所有第一投诉数量是否位于Rs控制图的控制界限内。根据判断结果获取第一异常值，其中第一异常值为Rs控制图中的异常值。可以直接从第一投诉数量中去除第一异常值，从而使得Rs控制图处于稳定状态。将去除第一异常值后的第一投诉数量作为第二投诉数量。
S102，根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；
由于构建X控制图需要用到Rs控制图中的数据，因此首先将第一投诉数量中影响Rs控制图稳定状态的第一异常值进行去除。使用去除第一异常值后的第一投诉数量，即第二投诉数量构建X控制图。构建X控制图的公式如下：
Figure BDA0001908265790000061
其中，E为系数，一般设置为
Figure BDA0001908265790000062
Ri＝|xi-xi-1|，xi为第i个第二投诉数量，xi-1为第i-1个第二投诉数量，UCL为X控制图的控制上界限，CL为X控制图的中心线，LCL为X控制图的控制下界限。判断X控制图是否处于稳定状态，即判断X控制图中的所有第二投诉数量是否位于X控制图的控制界限内。根据判断结果获取第二异常值，其中第二异常值为X控制图中的异常值。可以直接从第二投诉数量中去除第二异常值，从而使得X控制图处于稳定状态。将去除第二异常值后的第二投诉数量作为第三投诉数量。此外，根据X控制图的控制界限确定一个或多个第一预警阈值，其中，第一预警阈值为初始确定的预警阈值。
S103，将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。
获取所有第三投诉数量的平均值，将平均值和各第一预警阈值分别进行比较，将平均值和任一第一预警阈值中的最小值作为第二预警阈值。例如，第一预警阈值包括一级预警阈值、二级预警阈值和三级预警阈值，三级预警阈值小于二级预警阈值，二级预警阈值小于一级预警阈值。将平均值分别与三个等级的预警阈值进行比较，假设平均值小于最高等级的预警阈值且大于中间等级的预警阈值，则将平均值作为一级预警阈值，第二预警阈值包括三级预警阈值、二级预警阈值和平均值。假设平均值均小于二级预警阈值且大于三级预警阈值，则仅平均值作为一级预警阈值和二级预警阈值，第二预警阈值包括三级预警阈值和平均值。假设平均值小于三级预警阈值，则将平均值作为一级预警阈值、二级预警阈值和三级预警阈值，第二预警阈值包括平均值。
每隔第一预设时长对第二预警阈值进行更新，例如预设历史时间段为三个月，则一般每隔三个月对第二预警阈值进行更新，但由于三个月的更新时长较长，因此需要缩短第二预警阈值的更新频率。例如每天使用当天前三个月中每个子时间段的第一投诉数量更新第二预警阈值，从而实现每天对第二预警阈值进行更新。在进行投诉预警时，通过爬虫方式每隔第二预设时长采集投诉数据，例如每15分钟采集投诉数据，判断当前时间段累计的投诉数量是否超过第二预警阈值，从而实现快速发现异常。
基于随机森林模型获取与客户满意度相关的指标，使满意度与投诉、故障、性能和覆盖进行关联。其中，随机森林模型是一种利用多棵树对样本进行训练并预测的一种分类器。在机器学习中，随机森林模型是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。如表2所示，使用随机森林模型挖掘出与客户满意度相关的28项指标，并设置每项指标的预设阈值。在所统计的当前时间段的投诉数量大于第二预警阈值时，进行预警，系统自动触发对投诉号码进行信令打点，获取该投诉号码对应的28项指标的数据，将投诉号码对应的28项指标的数据分别与相应的预设阈值进行比较，输出报告，从而快速定位故障点或隐患点，提高了预警响应效率。
本发明实施例通过使用Rs控制图对预设历史时间段中每个子时间段内的投诉数量进行优化，使用X控制图对投诉数量进一步优化和确定初始预警阈值，将经过最终优化的投诉数量的平均值与初始预警阈值进行比较，从而确定最终的投诉预警阈值，一方面，使用控制图对投诉数量进行二次优化，提供了预警的准确性；另一方面根据X控制图确定的初始预警阈值和优化后实际的投诉数量平均值进行比较，一次性确定最终的预警阈值，方法简单，计算速度快。
表2 28项指标信息
Figure BDA0001908265790000081
在上述实施例的基础上，本实施例中根据预设历史时间段中每个子时间段内的第一投诉数量，构建Rs控制图的步骤之前还包括：对预设历史时间段中每个子时间段内的所有投诉进行分类；根据预设历史时间段中每个子时间段内的第一投诉数量，构建Rs控制图的步骤具体包括：根据预设历史时间段中每个子时间段内各类投诉的第一投诉数量，构建各类投诉的Rs控制图。
具体地，对预设历史时间段中每个子时间段内的所有投诉进行分类，例如分为手机上网投诉、WLAN投诉、家庭宽带投诉、消息类投诉、网络覆盖投诉和通话质量投诉六大类。第一投诉数量为根据预设历史时间段中每个子时间段内各类投诉的投诉数量，如统计2018年5月到2018年8月各类投诉每天的投诉数量。根据预设历史时间段中各类投诉在每个子时间段内的投诉数量。采用上述实施例中的方法获取各类投诉对应的第二预警阈值。具体构建各类投诉的Rs控制图。根据各Rs控制图获取各类投诉对应的第一投诉数量中的第一异常值，使用各第一异常值对各类投诉对应的第一投诉数量进行优化，获取各类投诉对应的第二投诉数量。根据各类投诉对应的第二投诉数量构建X控制图，根据各X控制图获取各类投诉对应的第二投诉数量中的第二异常值，使用各第二异常值对各类投诉对应的第二投诉数量进行优化，获取各类投诉对应的第三投诉数量。根据各X控制图分别获取各X控制图对应的一个或多个第一预警阈值。分别计算各类投诉对应的第三投诉数量的平均值。对于任一类投诉，将该类投诉对应的平均值分别和该类投诉对应的一个或多个第一预警阈值进行比较，将其中的最小值作为该类投诉对应的第二预警阈值，从而获取每一类投诉对应的预警阈值，实现对各类投诉分别进行预警。
在上述实施例的基础上，本实施例中根据所述Rs控制图获取所述第一投诉数量中的第一异常值的步骤具体包括：将位于所述Rs控制图的控制界限外的第一投诉数量作为第一异常值；根据所述X控制图获取所述第二投诉数量中的第二异常值的步骤具体包括：将位于所述X控制图的控制界限外的第二投诉数量作为第二异常值。
其中，Rs控制图的控制界限包括控制上界限和控制下界限。位于Rs控制图的控制界限外表示大于Rs控制图的控制上界限或小于Rs控制图的控制下界限。将位于Rs控制图的控制界限外的第一投诉数量作为第一异常值。X控制图的控制界限包括控制上界限和控制下界限。位于X控制图的控制界限外表示大于X控制图的控制上界限或小于X控制图的控制下界限。将位于X控制图的控制界限外的第二投诉数量作为第二异常值。
在上述实施例的基础上，本实施例中使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量的步骤具体包括：基于Dixon检验法获取所述第一投诉数量中的第一离群值；将去除所述第一异常值和所述第一离群值后的第一投诉数量作为第二投诉数量；使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量的步骤具体包括:基于所述Dixon检验法获取所述第二投诉数量中的第二离群值；将去除所述第二异常值和所述第二离群值后的第二投诉数量作为第三投诉数量。
其中，Dixon检验法是获取样本中离其他观测值较远的一个或几个观测值，表示该一个或几个观测值可能来自不同群体，将其称为离群值。离群值计算公式如表3所示，通常采用n＝10，α＝0.01，查出临界值D1-α(n)对异常点前后各9个样本进行检验，计算Dn。当Dn>D1-α(n)时，判定xn为离群值。例如，2018年5月15日到2018年5月24日10天的投诉量分别为437、457、470、430、443、455、416、494、465和681，计算Dn＝(681-494)/(681-430)＝0.745>0.597，其中通过查表获知D1-α(n)＝0.597。从而判断2018年5月24日的投诉量681离群，剔除该投诉量。将基于Dixon检验法从第一投诉数量中获取的离群值作为第一离群值，从第一投诉数量中去除第一异常值和第一离群值，将除第一异常值和第一离群值后的第一投诉数量作为第二投诉数量。再次使用Dixon检验法获取第二投诉数量中的离群值，将第二投诉数量中的离群值作为第二离群值，从第二投诉数量中去除第二异常值和第二离群值，将去除第二异常值和第二离群值后的第二投诉数量作为第三投诉数量。
表3离群值计算公式
Figure BDA0001908265790000111
在上述实施例的基础上，本实施例中根据所述X控制图获取一个或多个第一预警阈值的步骤具体包括：将所述X控制图中的控制上界限乘以一个或多个预设常数，获取一个或多个第一预警阈值。
例如，将X控制图中的控制上界限UCL乘以三分之四的值作为一级预警阈值，将X控制图中的控制上界限UCL乘以1的值作为二级预警阈值，将X控制图中的控制上界限UCL乘以三分之二的值作为三级预警阈值，将一级预警阈值、二级预警阈值和三级预警阈值作为第一预警阈值。
在上述各实施例的基础上，本实施例中将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值的步骤之后还包括:根据所述第三投诉数量构建X控制图，将根据所述第三投诉数量构建的X控制图作为最优X控制图；若所统计的当前时间段的投诉数量小于或等于所有的所述第二预警阈值，则基于预设趋势预警规则对所述最优X控制图进行趋势预测；若预测结果为趋势变坏，则进行投诉预警。
其中，当前时间段与预设历史时间段中每个子时间段的时长相同，如当前时间段和各子时间段的时长均为每天。所统计的当前时间段的投诉数量根据统计的频率确定，如每隔15分钟统计一次投诉数量，预警阈值为450，当天9:00统计从当天0点到当天9:00的投诉数量为400，当天9:15统计当天9:00到当天9:15的投诉量为60，则从当天0点到当天9:15的投诉数量为460，大于预警阈值450，发生投诉预警。投诉数量400和460均为当前时间段所统计的投诉数量。在没有发生预警时，根据预设趋势预警规则对第三投诉数量进行趋势预测。预设趋势预警规则为预先设定的趋势预警规则，用于预测投诉数量的趋势。若预测结果为趋势变坏，则进行投诉预警。虽然根据当前的投诉数量判断不进行预警，但根据预设趋势预警规则对最优X控制图进行趋势预测获知趋势变坏，则依然进行预警，从而实现对投诉的提前预警。
在上述实施例的基础上，本实施例中所述预设趋势预警规则为：当所述最优X控制图中连续第一预设个数的第三投诉数量在所述最优X控制图的中心线的同一侧，则所述最优X控制图趋势变坏；当所述最优X控制图中连续第二预设个数的第三投诉数量递增，则所述最优X控制图趋势变坏；当所述最优X控制图中连续第三预设个数的第三投诉数量中存在第四预设个数的第三投诉数量大于所述最优X控制图中的第二控制上界限，则所述最优X控制图趋势变坏；当所述最优X控制图中连续第五预设个数的第三投诉数量中存在第六预设个数的第三投诉数量大于所述最优X控制图中的第一控制上界限，则所述最优X控制图趋势变坏；其中，所述第一控制上界限在所述第二控制上界限的下方。
例如，若最优X控制图中连续9个第三投诉数量位于最优X控制图的一侧，则获知最优X控制图的趋势变坏。若最优X控制图中连续6个第三投诉数量递增，则获知最优X控制图趋势变坏。若最优X控制图连续3个第三投诉数量中存在2个第三投诉数量大于最优X控制图中的第二控制上界限，则获知最优X控制图趋势变坏。若最优X控制图中连续5个第三投诉数量中存在4个第三投诉数量大于第一控制上界限，则获知最优X控制图趋势变坏。若连续8个第三投诉数量落在中心线两侧，且没有一个第三投诉数量落在第一控制上界限和第一控制下界限之间，则说明波动较大，获知最优X控制图趋势变坏。
在本发明实施例的另一个实施例中提供一种基于控制图的投诉预警阈值获取装置，该装置用于实现前述各实施例中的方法。因此，在前述基于控制图的投诉预警阈值获取方法的各实施例中的描述和定义，可以用于本发明实施例中各个执行模块的理解。图2为本发明实施例提供的基于控制图的投诉预警阈值获取装置整体结构示意图，该装置包括第一优化模块201、第二优化模块202和比较模块203；其中：
第一优化模块201用于根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；第二优化模块202用于根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；比较模块203用于将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。
在上述实施例的基础上，本实施例中还包括分类模块，用于对预设历史时间段中每个子时间段内的所有投诉进行分类；相应地，第一优化模块具体用于：根据预设历史时间段中每个子时间段内各类投诉的第一投诉数量，构建各类投诉的Rs控制图。
在上述实施例的基础上，本实施例中第一优化模块具体用于：将位于所述Rs控制图的控制界限外的第一投诉数量作为第一异常值；第二优化模块具体用于：将位于所述X控制图的控制界限外的第二投诉数量作为第二异常值。
在上述实施例的基础上，本实施例中第一优化模块具体用于：基于Dixon检验法获取所述第一投诉数量中的第一离群值；将去除所述第一异常值和所述第一离群值后的第一投诉数量作为第二投诉数量；第二优化模块具体用于：基于所述Dixon检验法获取所述第二投诉数量中的第二离群值；将去除所述第二异常值和所述第二离群值后的第二投诉数量作为第三投诉数量。
在上述实施例的基础上，本实施例中第二优化模块具体用于：将所述X控制图中的控制上界限乘以一个或多个预设常数，获取一个或多个第一预警阈值。
在上述各实施例的基础上，本实施例中还包括预测模块，用于根据所述第三投诉数量构建X控制图，将根据所述第三投诉数量构建的X控制图作为最优X控制图；若所统计的当前时间段的投诉数量小于或等于所有的所述第二预警阈值，则基于预设趋势预警规则对所述最优X控制图进行趋势预测；若预测结果为趋势变坏，则进行投诉预警。
在上述实施例的基础上，本实施例中所述预设趋势预警规则为：当所述最优X控制图中连续第一预设个数的第三投诉数量在所述最优X控制图的中心线的同一侧，则所述最优X控制图趋势变坏；当所述最优X控制图中连续第二预设个数的第三投诉数量递增，则所述最优X控制图趋势变坏；当所述最优X控制图中连续第三预设个数的第三投诉数量中存在第四预设个数的第三投诉数量大于所述最优X控制图中的第二控制上界限，则所述最优X控制图趋势变坏；当所述最优X控制图中连续第五预设个数的第三投诉数量中存在第六预设个数的第三投诉数量大于所述最优X控制图中的第一控制上界限，则所述最优X控制图趋势变坏；其中，所述第一控制上界限在所述第二控制上界限的下方。
本发明实施例通过使用Rs控制图对预设历史时间段中每个子时间段内的投诉数量进行优化，使用X控制图对投诉数量进一步优化和确定初始预警阈值，将经过最终优化的投诉数量的平均值与初始预警阈值进行比较，从而确定最终的投诉预警阈值，一方面，使用控制图对投诉数量进行二次优化，提供了预警的准确性；另一方面根据X控制图确定的初始预警阈值和优化后实际的投诉数量平均值进行比较，一次性确定最终的预警阈值，方法简单，计算速度快。
本发明实施例提供一种电子设备，图3为本发明实施例提供的电子设备整体结构示意图，该设备包括：至少一个处理器301、至少一个存储器302和总线303；其中，
处理器301和存储器302、通过总线303完成相互间的通信；
存储器302存储有可被处理器301执行的程序指令，处理器调用程序指令能够执行上述各方法实施例所提供的方法，例如包括：根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。
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：根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。
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。
以上所描述的电子设备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，本申请的方法仅为较佳的实施方案，并非用于限定本发明实施例的保护范围。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种基于控制图的投诉预警阈值获取方法，其特征在于，包括：
根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；
根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；
将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。
2.根据权利要求1所述的方法，其特征在于，根据预设历史时间段中每个子时间段内的第一投诉数量，构建Rs控制图的步骤之前还包括：
对预设历史时间段中每个子时间段内的所有投诉进行分类；
根据预设历史时间段中每个子时间段内的第一投诉数量，构建Rs控制图的步骤具体包括：
根据预设历史时间段中每个子时间段内各类投诉的第一投诉数量，构建各类投诉的Rs控制图。
3.根据权利要求1所述的方法，其特征在于，根据所述Rs控制图获取所述第一投诉数量中的第一异常值的步骤具体包括：
将位于所述Rs控制图的控制界限外的第一投诉数量作为第一异常值；
根据所述X控制图获取所述第二投诉数量中的第二异常值的步骤具体包括：
将位于所述X控制图的控制界限外的第二投诉数量作为第二异常值。
4.根据权利要求1所述的方法，其特征在于，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量的步骤具体包括：
基于Dixon检验法获取所述第一投诉数量中的第一离群值；
将去除所述第一异常值和所述第一离群值后的第一投诉数量作为第二投诉数量；
使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量的步骤具体包括:
基于所述Dixon检验法获取所述第二投诉数量中的第二离群值；
将去除所述第二异常值和所述第二离群值后的第二投诉数量作为第三投诉数量。
5.根据权利要求1所述的方法，其特征在于，根据所述X控制图获取一个或多个第一预警阈值的步骤具体包括：
将所述X控制图中的控制上界限乘以一个或多个预设常数，获取一个或多个第一预警阈值。
6.根据权利要求1-5任一所述的方法，其特征在于，将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值的步骤之后还包括:
根据所述第三投诉数量构建X控制图，将根据所述第三投诉数量构建的X控制图作为最优X控制图；
若所统计的当前时间段的投诉数量小于或等于所有的所述第二预警阈值，则基于预设趋势预警规则对所述最优X控制图进行趋势预测；
若预测结果为趋势变坏，则进行投诉预警。
7.根据权利要求6所述的方法，其特征在于，所述预设趋势预警规则为：
当所述最优X控制图中连续第一预设个数的第三投诉数量在所述最优X控制图的中心线的同一侧，则所述最优X控制图趋势变坏；
当所述最优X控制图中连续第二预设个数的第三投诉数量递增，则所述最优X控制图趋势变坏；
当所述最优X控制图中连续第三预设个数的第三投诉数量中存在第四预设个数的第三投诉数量大于所述最优X控制图中的第二控制上界限，则所述最优X控制图趋势变坏；
当所述最优X控制图中连续第五预设个数的第三投诉数量中存在第六预设个数的第三投诉数量大于所述最优X控制图中的第一控制上界限，则所述最优X控制图趋势变坏；
其中，所述第一控制上界限在所述第二控制上界限的下方。
8.一种基于控制图的投诉预警阈值获取装置，其特征在于，包括：
第一优化模块，用于根据预设历史时间段中每个子时间段内的第一投诉数量构建Rs控制图，根据所述Rs控制图获取所述第一投诉数量中的第一异常值，使用所述第一异常值对所述第一投诉数量进行优化获取第二投诉数量；
第二优化模块，用于根据所述第二投诉数量构建X控制图，根据所述X控制图获取一个或多个第一预警阈值和所述第二投诉数量中的第二异常值，使用所述第二异常值对所述第二投诉数量进行优化获取第三投诉数量；
比较模块，用于将所述第三投诉数量的平均值和任一所述第一预警阈值中的最小值作为第二预警阈值。
9.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器和总线；其中，
所述处理器和存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
CN201811541492.XA 2018-12-17 2018-12-17 基于控制图的投诉预警阈值获取方法及装置 Active CN111327442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811541492.XA CN111327442B (zh) 2018-12-17 2018-12-17 基于控制图的投诉预警阈值获取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811541492.XA CN111327442B (zh) 2018-12-17 2018-12-17 基于控制图的投诉预警阈值获取方法及装置

Publications (2)

Publication Number Publication Date
CN111327442A true CN111327442A (zh) 2020-06-23
CN111327442B CN111327442B (zh) 2022-08-30

Family

ID=71166792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811541492.XA Active CN111327442B (zh) 2018-12-17 2018-12-17 基于控制图的投诉预警阈值获取方法及装置

Country Status (1)

Country Link
CN (1) CN111327442B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633904A (zh) * 2020-12-30 2021-04-09 中国平安财产保险股份有限公司 投诉行为分析方法、装置、设备及计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140249656A1 (en) * 2013-03-01 2014-09-04 Semiconductor Manufacturing International (Shanghai) Corporation Method and apparatus for alarm monitoring
CN105095588A (zh) * 2015-08-05 2015-11-25 中国联合网络通信集团有限公司 移动互联网用户投诉的预测方法和装置
CN106971310A (zh) * 2017-03-16 2017-07-21 国家电网公司 一种客户投诉数量预测方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140249656A1 (en) * 2013-03-01 2014-09-04 Semiconductor Manufacturing International (Shanghai) Corporation Method and apparatus for alarm monitoring
CN105095588A (zh) * 2015-08-05 2015-11-25 中国联合网络通信集团有限公司 移动互联网用户投诉的预测方法和装置
CN106971310A (zh) * 2017-03-16 2017-07-21 国家电网公司 一种客户投诉数量预测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏醒等: "基于控制图法的网络告警突变预警机制", 《电信科学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633904A (zh) * 2020-12-30 2021-04-09 中国平安财产保险股份有限公司 投诉行为分析方法、装置、设备及计算机可读存储介质
CN112633904B (zh) * 2020-12-30 2024-04-30 中国平安财产保险股份有限公司 投诉行为分析方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN111327442B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
US9900790B1 (en) Prediction of performance indicators in cellular networks
CN107943809B (zh) 数据质量监控方法、装置及大数据计算平台
US10181982B2 (en) Distributed multi-data source performance management
US9210061B2 (en) System and method for real-time analysis of network traffic
CN101771758B (zh) 一种性能指标值正常波动范围的动态确定方法及其装置
EP3133492A1 (en) Network service incident prediction
EP3039821B1 (en) Apparatus and method for processing data streams in a communication network
US11258659B2 (en) Management and control for IP and fixed networking
CN111865407B (zh) 光通道性能劣化智能预警方法、装置、设备及存储介质
EP3923517A1 (en) System and method for predicting and handling short-term overflow
CN110955586A (zh) 一种基于日志的系统故障预测方法、装置和设备
JP6289273B2 (ja) 保守作業間隔適正化装置および保守作業間隔適正化方法
CN111181751B (zh) 一种频闪告警派单控制方法及系统
CN107403279A (zh) 一种输油泵工况自适应状态预警系统及方法
CN110083507A (zh) 关键性能指标分类方法及装置
US11743281B1 (en) Microservices anomaly detection
WO2024066331A1 (zh) 网络异常检测方法、装置、电子设备及存储介质
US20210359899A1 (en) Managing Event Data in a Network
US20110107154A1 (en) System and method for automated and adaptive threshold setting to separately control false positive and false negative performance prediction errors
CN111327442B (zh) 基于控制图的投诉预警阈值获取方法及装置
CN101345656B (zh) 全局故障率测量方法
CN111078503A (zh) 一种异常监控方法及系统
CN115086139B (zh) 通信网络告警故障处理优先级调整方法及装置
CN114138601A (zh) 一种业务告警方法、装置、设备及存储介质
CN116974805A (zh) 根因确定方法、设备和存储介质

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
GR01 Patent grant
GR01 Patent grant