CN114021750A - 一种工单处理方法、装置及存储介质 - Google Patents
一种工单处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114021750A CN114021750A CN202111285289.2A CN202111285289A CN114021750A CN 114021750 A CN114021750 A CN 114021750A CN 202111285289 A CN202111285289 A CN 202111285289A CN 114021750 A CN114021750 A CN 114021750A
- Authority
- CN
- China
- Prior art keywords
- work order
- fault
- data
- identification model
- network
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000012790 confirmation Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 17
- 238000012423 maintenance Methods 0.000 description 13
- 230000006872 improvement Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010009 beating Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/60—Business processes related to postal services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请提供一种工单处理方法、装置及存储介质，通过提取网络故障类工单的历史数据，对历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型，根据历史数据对应的回单数据与工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中；根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以出具故障工单。实时对网络故障进行识别并出具故障工单下发，降低了人力因素影响，提高了故障识别和工单派发的准确性和及时性，提高了网络的运行安全。
Description
技术领域
本申请涉及互联网技术领域，尤其涉及一种工单处理方法、装置及存储介质。
背景技术
随着电信服务如4G、5G业务的蓬勃发展，电信设备如网络服务基站、服务器、网元设备等的分布越来越广泛，数量也越来越多，这些设备设置在不同的位置和区域，其在工作过程中难免发生各种不同的设备故障，为了提高设备的工作稳定性，就需要运维人员及时了解其故障发生的原因并对其进行及时的维护。目前行业内对电信服务运营设备的一般维护流程为派单单位如网络运维中心借助运维工作人员的经验进行远程判断，生成维修工单，再经过人工二次筛选之后将维修工单派发给故障处理单位，故障处理单位在接收到维修工单之后，根据配单信息进行现场处理，排查故障真实原因并进行回单反馈，派单单位在接收到现场处理人员反馈的回单内容后确认网络是否恢复正常运行，同时收到各网元、网络基站发送的告警清除信息，确定故障已处理，并在派单系统中进行手动回单。这种传统的故障工单处理流程需要借助大量人力进行，容易受限于人力、经验或时间等因素造成故障派单不及时、故障判断失误等结果，不便于故障处理单位对网络故障的维修，严重影像电信服务的正常运行。
发明内容
有鉴于此，本申请实施例解决的技术问题之一在于工单处理方法、装置及其存储介质，用于对网元设备、基站等网络设备不能正常工作导致的网络故障进行实时自动检测并生成对应的维修工单，减少需要凭借人工进行故障判断的过程，提高对网络故障进行判断的准确性和判断效率，以及时对网络故障进行维修，以为用户提供更加稳定的电信服务。
第一方面，本申请实施例提供一种工单处理方法，包括：
提取网络故障类工单的历史数据；
对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型；
根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中；
根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。
可选地，在本申请的一种实施例中，所述根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型，包括：
采用多类和/或多标签算法，对所述历史数据进行样本属性预测，确定所述样本数据的属性预测数据；
将所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息作为样本数据，结合所述样本数据的属性预测数据，构建工单故障识别模型。
可选地，在本申请的一种实施例中，所述根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，包括：
引用Python标准库Difflib对所述历史数据对应的回单内容进行切片处理，将切片处理后的工单数据与所述工单故障识别模型的输出数据进行匹配。
可选地，在本申请的一种实施例中，所述工单处理方法还包括：读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认。
可选地，在本申请的一种实施例中，所述读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认，包括：
通过网络爬虫抓取系统显示界面的回单内容，根据所述回单内容和对所述网络故障的判断结果，对所述网络故障是否修复的结果进行显示；
对显示结果进行抓包，通过POST请求唤醒显示界面根据所述抓包的内容进行回单确认。
第二方面，基于本申请第一方面所述的工单处理方法，本申请实施例还提供一种工单处理装置，包括：
提取模块，用于提取网络故障类工单的历史数据；
构建模块，用于对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型；
校验模块，用于根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中；
处理模块，用于根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。
可选地，在本申请的一种实施例中，所述构建模块还用于采用多类和/或多标签算法，对所述历史数据进行样本属性预测，确定所述样本数据的属性预测数据；将所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息作为样本数据，结合所述样本数据的属性预测数据，构建工单故障识别模型。
可选地，在本申请的一种实施例中，所述校验模块还用于引用Python标准库Difflib对所述历史数据对应的回单内容进行切片处理，将切片处理后的工单数据与所述工单故障识别模型的输出数据进行匹配。
可选地，在本申请的一种实施例中，所述工单处理装置还包括，确认模块，所述确认模块用于读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认。
第三方面，基于本申请第一方面提供的工单处理方法，本申请实施例还提供一种存储介质，所述存储介质上存储有计算机程序，所述处理器执行所述存储介质上存储的计算机程序时，实现如本申请第一方面所述的任意实施例所述的工单处理方法。
本申请提供一种工单处理方法、装置及存储介质，所述工单处理方法通过提取网络故障类工单的历史数据，对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型，根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中，通过本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。这种工单处理方法，通过对历史数据的工单故障进行统计和总结，构建工单故障识别模型，对网络故障进行实时检测，有效的降低了故障识别工单派发过程中人力影响因素，提高了工单派发的准确性和及时性，提高了网络如网元设备、基站的运行安全，以为用户提供更加稳定的电信服务。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比值绘制的。附图中：
图1为本申请实施例提供的一种工单处理方法的流程图；
图2为本申请实施例提供的工单处理装置的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例的保护范围。
实施例一、
本申请实施例一提供一种图像处理方法，如图1所示，图1为本申请实施例提供的一种工单处理方法的流程图，所述工单处理方法包括：
S101、提取网络故障类工单的历史数据。
在本实施例的一种实现场景中，所述历史数据包括系统预设区域内的网络类基站、传输、数据网元设备告警等数据，在本实施例中，提取的历史数据量越大，种类越多，越能提高本实施例所述的工单处理方法的准确性。
可选地，在本实施例的一种实现方式中，为了保证提取的历史数据中包含较全面网络故障信息的同时，还能提高数据的处理效率，此时可以基于所述告警数据对历史数据进行同类、同场景筛选、比对，已对所述历史数据进行数据量的压缩，去除其中的冗余数据。
S102、对所述历史数据进行工单故障分类、工单故障初定位以及二次定，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型。
在本实施例的一种实现方式中，本实施例此处以网络基站进行示例性说明，由于受限于基站的设置位置及其辐射的服务区域所限，距离基站较近的区域网络信号较为稳定，距离基站较远的区域网络信号相对较差，此时，距离基站较远的区域就容易由于信号传输不稳定的原因造成网络故障的误报，此时为了提高历史数据的准确性，可以对历史数据进行工单的故障分类，并基于工单故障初定位和工单故障二次定位信息进一步对网络故障进行细化，从而根据分类和细化后历史数据构建故障识别模型，以保证构建的故障识别模型具有叫较高的准确性，降低运维人员对网络故障进行修复的工作效率。
可选地，在本实施例的一种实现方式中根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型，包括：
采用多类和/或多标签算法，对所述历史数据进行样本属性预测，确定所述样本数据的属性预测数据，将所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息作为样本数据，结合所述样本数据的属性预测数据，构建工单故障识别模型。
在本实施例的一种实现方式中，为了提高构建的工单故障识别模型的准确性，此时可以采用多类和/或多标签算法，对历史数据中的每个样本数据进行属性预测，即分配给每个历史数据中的样本数据分配一些列目标值，预测引起该网络故障的多种可能性，从而再结合历史数据的分类信息、工单故障初定位信息和工单故障二次定位信息的基础上进一步细化，从而能够基于更加全面的故障信息构建工单故障识别模型，提高工单故障识别构建的准确性。
S103、根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中。
在本实施例中，将历史数据对应的回单数据与构造的工单识别模型的输出数据进行匹配，检验匹配结果，当匹配的结果的概率大于预设阈值时，说明构造的工单故障识别模型可以满足当前工作需求，以对所述构造的工单识别模型进行校验，将通过所述校验的工单故障识别模型存储在本地服务器中，从而更好的保证构造的工单识别模型在进行数据识别时具有较高的精确度。
S104、根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。
在是实施例的一种应用场景中，通过本地服务器存储经过检验的工单故障识别模型，调用web应用程序测试工具如通过Seleniumwebdriver库调用浏览浏览器，达到调用浏览器的目的，以实现对当前发生的网络故障进行实时检测判断的目的，同时根据检测判断的结果出具相应的故障工单，进行工单派发，从而实现了网络故障的自动化实时检测和工单派发，大大提高了故障工单的拍打效率和准确性。
可选地，在本实施例的一种实现方式中，该工单处理方法还包括：读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认。
在本实施例的实际应用场景中，当运维人员根据派发的工单在故障现场实地对故障进行修复后，向运维中心传回修复故障的回单内容，此时为了进一步减少这一过程的人力成本，提高本实施例所述的工单处理方法全流程的自动性，还可以根据回单内容和派发的工单中包含的故障数据进行比对判断，例如将工单中的网络故障位置信息等于回单内容的位置信息进行对比判断，根据比对判断的结果进行回单确认，从而形成闭环的工单处理。
可选地，在本实施例的一种实现方式中，所述读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认，包括：通过网络爬虫抓取系统显示界面的回单内容，根据所述回单内容和对所述网络故障的判断结果，对所述网络故障是否修复的结果进行显示，对显示结果进行抓包，通过POST请求唤醒显示界面根据所述抓包的内容进行回单确认。
在本实施例的一种实际应用场景中，在进行回单确认时，为了进一步提高工单处理过程中回单确认的便利性，此时可以利用网络爬虫如网络爬虫工具抓取系统如运营商使用的网络服务报账系统的显示界面的回单内容，并根据该回单内容和下发工单中包含的网络故障的判断结果进行比对判断，确定派发的工单对应的网络故障是否修复的结果进行显示，并对该显示数据进行网络数据内容抓包，抓包如回单的故障类型、故障原因、故障处理说明等信息，并利用系统实时通过发送POST请求唤醒现实化系统的显示界面，进行表单的提交，从而根据抓包内容进行回单确认，使得工单处理的流程中进一步减少回单确认过程借助人工进行的处理环节，更好地提高回单过程的效率。
本实施提供的工单处理方法，通过提取网络故障类工单的历史数据，对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型，根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中，通过本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。这种工单处理方法，通过对历史数据的工单故障进行统计和总结，构建工单故障识别模型，并对其进行处理结果进行精确度校验，通过所述校验后利用该工单故障识别模型对网络故障进行实时检测，在调用web应用程序测工具调用浏览器对工单故障进行判断，实时出具故障工单并进行下发，从而有效的降低了故障识别和维修工单派发过程中人力影响的因素，提高了故障识别和工单派发的准确性和及时性，提高了网络如网元设备、基站的运行安全和工作稳定性，以为用户提供更加稳定的电信服务。
实施列二、
基于本申请实施例一所述的工单处理方法，本申请实施例二提供一种工单处理装置，如图2所示，图2为本申请实施例提供的一种工单处理装置20的结构示意图，该工单处理装置20包括：：
提取模块201，用于提取网络故障类工单的历史数据；
构建模块202，用于对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型；
校验模块203，用于根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中；
处理模块204，用于根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。
可选地，在本申请的一种实施例中，所述构建模块202还用于采用多类和/或多标签算法，对所述历史数据进行样本属性预测，确定所述样本数据的属性预测数据；将所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息作为样本数据，结合所述样本数据的属性预测数据，构建工单故障识别模型。
可选地，在本申请的一种实施例中，所述校验模块203还用于引用Python标准库Difflib对所述历史数据对应的回单内容进行切片处理，将切片处理后的工单数据与所述工单故障识别模型的输出数据进行匹配。
可选地，在本申请的一种实施例中，所述工单处理装置还包括，确认模块，所述确认模块用于读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认。
可选地，在本实施例的一种实现方式中，该确认模块具体还用于通过网络爬虫抓取系统显示界面的回单内容，根据所述回单内容和对所述网络故障的判断结果，对所述网络故障是否修复的结果进行显示，对显示结果进行抓包，通过POST请求唤醒显示界面根据所述抓包的内容进行回单确认
本申请实施例提供的工单处理装置，通过设置通过提取模块提取网络故障类工单的历史数据；设置构建模块对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型，设置校验模块根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中，设置处理模块通过本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。从而通过对历史数据的工单故障进行统计和总结，构建工单故障识别模型，并对其进行处理结果进行精确度校验，通过所述校验后利用该工单故障识别模型对网络故障进行实时检测，在调用web应用程序测工具调用浏览器对工单故障进行判断，实时出具故障工单进行下发给运维人员进行故障维修，从而有效的降低了故障识别和维修工单派发过程中人力因素影响，通过不同的功能模块实现全闭环的工单处理流程，提高了故障识别和工单派发的准确性和及时性，该工单处理装置结构简单，且结构简单，易于实现。
实施例三、
基于本申请实施例一所述的工单处理方法，本申请实施例还提供一种存储介质，该存储介质上存储有计算机程序，处理器执行所述存储介质上存储的计算机程序时，实现如本申请实施例一所述的工单处理方法，该工单处理方法包括但不限于：
提取网络故障类工单的历史数据；
对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型；
根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中；
根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。
至此，本申请已经对本主题的特定实施例进行了描述说明。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定事务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行事务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种工单处理方法，其特征在于，包括：
提取网络故障类工单的历史数据；
对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位；
根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型；
根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配；
当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中；
根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。
2.根据权利要求1所述的工单处理方法，其特征在于，所述根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型，包括：
采用多类和/或多标签算法，对所述历史数据进行样本属性预测，确定所述样本数据的属性预测数据；
将所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息作为样本数据，结合所述样本数据的属性预测数据，构建工单故障识别模型。
3.根据权利要求1所述的工单处理方法，其特征在于，所述根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，包括：
引用Python标准库Difflib对所述历史数据对应的回单内容进行切片处理，将切片处理后的工单数据与所述工单故障识别模型的输出数据进行匹配。
4.根据权利要求1所述的工单处理方法，其特征在于，在所述根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单之后还包括：读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认。
5.根据权利要求4所述的工单处理方法，其特征在于，所述读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认，包括：
通过网络爬虫抓取系统显示界面的回单内容，根据所述回单内容和对所述网络故障的判断结果，对所述网络故障是否修复的结果进行显示；
对显示结果进行抓包，通过POST请求唤醒显示界面根据所述抓包的内容进行回单确认。
6.一种工单处理装置，其特征在于，包括：
提取模块，用于提取网络故障类工单的历史数据；
构建模块，用于对所述历史数据进行工单故障分类、工单故障初定位以及工单故障二次定位，根据所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息，构建工单故障识别模型；
校验模块，用于根据所述历史数据对应的回单数据与所述工单故障识别模型的输出数据进行匹配，当匹配率大于或等于预设阈值时，将所述工单故障识别模型存储在本地服务器中；
处理模块，用于根据本地服务器存储的工单故障识别模型，通过web应用程序测试工具，对网络故障进行判断，以根据判断结果出具故障工单。
7.根据权利要求6所述的工单处理装置，其特征在于，所述构建模块还用于采用多类和/或多标签算法，对所述历史数据进行样本属性预测，确定所述样本数据的属性预测数据；
将所述工单故障的分类信息、工单故障初定位信息以及工单故障二次定位信息作为样本数据，结合所述样本数据的属性预测数据，构建工单故障识别模型。
8.根据权利要求6所述的工单处理装置，，其特征在于，所述校验模块还用于引用Python标准库Difflib对所述历史数据对应的回单内容进行切片处理，将切片处理后的工单数据与所述工单故障识别模型的输出数据进行匹配。
9.根据权利要求6所述的工单处理装置，其特征在于，还包括，确认模块，所述确认模块用于读取回单内容，根据所述回单内容和对所述网络故障进行判断的结果，进行回单确认。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述处理器执行所述存储介质上存储的计算机程序时，实现如权利要求1-5中任一项所述的工单处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111285289.2A CN114021750A (zh) | 2021-11-01 | 2021-11-01 | 一种工单处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111285289.2A CN114021750A (zh) | 2021-11-01 | 2021-11-01 | 一种工单处理方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114021750A true CN114021750A (zh) | 2022-02-08 |
Family
ID=80059543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111285289.2A Pending CN114021750A (zh) | 2021-11-01 | 2021-11-01 | 一种工单处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114021750A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115801536A (zh) * | 2022-12-26 | 2023-03-14 | 中国联合网络通信集团有限公司 | 告警信息的处理方法、装置、服务器及存储介质 |
| CN116228195A (zh) * | 2023-01-30 | 2023-06-06 | 国网江苏省电力有限公司营销服务中心 | 适用于工单的数据处理方法、装置、设备及存储介质 |
-
2021
- 2021-11-01 CN CN202111285289.2A patent/CN114021750A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115801536A (zh) * | 2022-12-26 | 2023-03-14 | 中国联合网络通信集团有限公司 | 告警信息的处理方法、装置、服务器及存储介质 |
| CN116228195A (zh) * | 2023-01-30 | 2023-06-06 | 国网江苏省电力有限公司营销服务中心 | 适用于工单的数据处理方法、装置、设备及存储介质 |
| CN116228195B (zh) * | 2023-01-30 | 2024-03-05 | 国网江苏省电力有限公司营销服务中心 | 适用于工单的数据处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114021750A (zh) | 一种工单处理方法、装置及存储介质 | |
| CN109815991A (zh) | 机器学习模型的训练方法、装置、电子设备及存储介质 | |
| CN112613569B (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
| CN110889339A (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
| CN113190372B (zh) | 多源数据的故障处理方法、装置、电子设备及存储介质 | |
| CN113568841A (zh) | 一种针对小程序的风险检测方法、装置及设备 | |
| CN114020432A (zh) | 任务异常处理方法、装置及任务异常处理系统 | |
| CN112232339B (zh) | 基于卷积神经网络的航显设备故障检测方法及监控装置 | |
| CN111738290B (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
| CN109542722A (zh) | 异常分析处理方法、装置及存储介质 | |
| CN114049598B (zh) | 电力图元的状态识别方法及装置、存储介质及电子设备 | |
| CN116149951A (zh) | 一种基本输入输出系统的拓扑信息获取方法及装置 | |
| CN104123469A (zh) | 一种普适计算环境上下文一致性检测调度系统及方法 | |
| CN115437961A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| KR101691083B1 (ko) | 토픽 모델과 다중 특성 기반의 버그 정정 개발자 추천 및 버그 심각성 예측 시스템 및 방법 | |
| CN112542892B (zh) | 变电站调控一体化控制方法及控制装置 | |
| CN113778875A (zh) | 一种系统测试缺陷分类方法、装置、设备及存储介质 | |
| CN111835566A (zh) | 一种系统故障管理方法、装置及系统 | |
| CN116259110B (zh) | Atm防护舱的安全检测方法、装置、设备及存储介质 | |
| CN116975034A (zh) | 一种操作票校验方法、装置、设备及介质 | |
| CN114679558A (zh) | 基于应用操作的防欺诈处理方法、装置、电子设备及介质 | |
| CN117312123A (zh) | 一种bug处理方法、装置、电子设备和存储介质 | |
| CN116596183A (zh) | 多层配网信息收敛分析及协同过滤检修系统、使用方法 | |
| CN114691522A (zh) | 自动遍历方法、装置、设备以及存储介质 | |
| CN115272885A (zh) | 排污口识别系统、方法、设备及存储介质 |
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 |