CN115730803A - 一种基于人工智能的建筑房屋维护进度智能监测管理方法 - Google Patents
一种基于人工智能的建筑房屋维护进度智能监测管理方法 Download PDFInfo
- Publication number
- CN115730803A CN115730803A CN202211508402.3A CN202211508402A CN115730803A CN 115730803 A CN115730803 A CN 115730803A CN 202211508402 A CN202211508402 A CN 202211508402A CN 115730803 A CN115730803 A CN 115730803A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- room
- various
- specified
- historical
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 616
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000007726 management method Methods 0.000 title claims description 16
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000007689 inspection Methods 0.000 claims description 57
- 238000004458 analytical method Methods 0.000 claims description 49
- 238000005259 measurement Methods 0.000 claims description 40
- 238000012216 screening Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及建筑房屋维护进度监测管理领域,具体公开一种基于人工智能的建筑房屋维护进度智能监测管理方法,本发明通过获取目标楼房各房间中各检查子项的各项参数测量值,判断目标楼房各房间是否需要维修,并获取各指定房间的各类维修问题,进一步得到各指定房间各类维修问题的匹配历史维修案例和各指定房间各类维修问题对应的维修班组,获取各指定房间各类维修问题对应各维修方式的基本信息,筛选各指定房间各类维修问题的适宜维修方式,进一步得到各指定房间各类维修问题的维修完成时间,进而制定目标楼房的维修进度表,提高维修进度分析的精准度,从而获取房屋较为具体化的维修完成时间。
Description
技术领域
本发明涉及建筑房屋维护进度监测管理领域,涉及到一种基于人工智能的建筑房屋维护进度智能监测管理方法。
背景技术
新房无论是收房前还是装修完都需要进行验收,通过对新房进行全面检查,于收房前将查验出的问题提交给开发商维护整改,而维修进度直接影响到开发商交房效率,因此对维修进度的监测把控十分必要,现有的房屋维护进度智能监测管理方法存在一些不足:一方面,在分析维修问题的关联信息时,一般从以往维修案例中寻找可以借鉴的维修案例,现有方法通过人工经验或图像比对等简单方式获取借鉴维修案例,精准度不高,会使寻找出来的借鉴案例的参考性不强,进而影响维修进度;另一方面,现有方法对房屋维修进度的把控比较模糊化,没有对房屋中各维修问题的维修时长进行预估,进而无法得到房屋较为具体化的维修完成时间。
发明内容
针对上述问题,本发明提出了一种基于人工智能的建筑房屋维护进度智能监测管理方法,具体技术方案如下:一种基于人工智能的建筑房屋维护进度智能监测管理方法,包括如下步骤:步骤一、目标楼房房间维修判断:获取目标楼房各房间中各检查子项的各项参数测量值,判断目标楼房各房间是否需要维修,若需要维修,将目标楼房需要维修的各房间记为各指定房间,获取各指定房间的各类维修问题,并执行步骤二。
步骤二、指定房间维修班组获取:根据目标楼房各房间中各检查子项的各项参数测量值和各指定房间的各类维修问题,获取各指定房间各类维修问题的匹配历史维修案例,进一步得到各指定房间各类维修问题对应的维修班组。
步骤三、指定房间维修方式选取:获取各指定房间各类维修问题对应各维修方式的基本信息,其中基本信息包括维修时长、维修成本和二次复发风险系数,分析得到各指定房间各类维修问题对应各维修方式的推荐系数,进一步得到各指定房间各类维修问题的适宜维修方式。
步骤四、指定房间维修完成时间获取:根据各指定房间各类维修问题的适宜维修方式和各指定房间各类维修问题的匹配历史维修案例,得到各指定房间各类维修问题的维修完成时间。
步骤五、目标楼房维修进度表制定:根据各指定房间各类维修问题的维修完成时间,制定目标楼房的维修进度表,并将目标楼房的维修进度表发送至目标楼房的维修监管部门。
在上述实施例的基础上,所述步骤一的具体分析过程为:通过测量仪器获取目标楼房各房间中各检查子项的各项参数测量值,将其记为i表示目标楼房第i个房间的编号,i=1,2,...,n,j表示房间中第j个检查子项的编号,j=1,2,...,m,p表示检查子项的第p项参数的编号,p=1,2,...,q。
将目标楼房各房间中各检查子项的各项参数测量值代入公式得到目标楼房各房间中各检查子项的参数吻合系数βij,其中e表示自然常数,表示预设的目标楼房房间第j个检查子项中第p项参数与标准值之间的允许差值,表示预设的目标楼房房间第j个检查子项中第p项参数的权重因子。
将目标楼房各房间中各检查子项的参数吻合系数与预设的参数吻合系数阈值进行比较,若目标楼房某房间中某检查子项的参数吻合系数小于预设的参数吻合系数阈值,则目标楼房该房间需要维修,并将该检查子项记为不合格检查子项,筛选出目标楼房需要维修的各房间,将其记为各指定房间,并统计得到各指定房间对应的各不合格检查子项。
提取数据库中存储的各检查子项对应的维修问题种类,根据各指定房间对应的各不合格检查子项,筛选得到各指定房间各不合格检查子项对应的维修问题种类,将其记为各指定房间的各类维修问题。
在上述实施例的基础上,所述步骤二的具体分析过程包括:提取数据库中存储的各类维修问题各历史维修案例中不合格检查子项的各项参数测量值,构建各类维修问题各历史维修案例中不合格检查子项的参数测量值集合,将其记为j′表示第j′类维修问题的编号,j′=1′,2′,....,m′,u表示第u个历史维修案例的编号,u=1,2,...,v,p′表示不合格检查子项中第p′项参数的编号,p′=1′,2′,...,q′,表示第j′类维修问题第u个历史维修案例中不合格检查子项中第p′项参数测量值,表示第j′类维修问题第u个历史维修案例中不合格检查子项中第q′项参数测量值。
根据目标楼房各房间中各检查子项的各项参数测量值,筛选得到各指定房间各类维修问题对应不合格检查子项的各项参数测量值,构建各指定房间各类维修问题对应不合格检查子项的参数测量值集合,将其记为i′表示第i′个指定房间的编号,i′=1′,2′,...,n′,表示第i′个指定房间第j′类维修问题对应不合格检查子项中第p′项参数测量值,表示第i′个指定房间第j′类维修问题对应不合格检查子项中第q′项参数测量值。
利用标准化欧氏距离方法,计算各指定房间各类维修问题对应不合格检查子项的参数测量值集合与其对应维修问题各历史维修案例中不合格检查子项的参数测量值集合的标准化欧式距离,将其记为各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离,并表示为
在上述实施例的基础上,所述所述步骤二中各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离,具体获取方法为:将各指定房间各类维修问题对应不合格检查子项参数测量值集合中元素与其对应维修问题各历史维修案例中不合格检查子项参数测量值集合中元素代入公式
在上述实施例的基础上,所述步骤二的具体过程还包括:将各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离进行相互比较,将最小标准化欧式距离对应的历史维修案例记为指定房间维修问题的匹配历史维修案例,统计得到各指定房间各类维修问题的匹配历史维修案例。
提取数据库中存储的各类维修问题各历史维修案例中的维修班组,根据各指定房间各类维修问题的匹配历史维修案例,筛选出各指定房间各类维修问题匹配历史维修案例中的维修班组,将其记为各指定房间各类维修问题对应的维修班组。
在上述实施例的基础上,所述步骤三的具体分析过程为:提取数据库中存储的各类维修问题各历史维修案例中维修方式的基本信息,其中基本信息包括维修时长、维修成本和二次复发风险系数。
根据各指定房间的各类维修问题,筛选得到各指定房间各类维修问题对应各历史维修案例中维修方式的维修时长、维修成本和二次复发风险系数,将其记为各指定房间各类维修问题对应各维修方式的维修时长、维修成本和二次复发风险系数,并分别表示为u′表示第u′种维修方式的编号,u′=1′,2′,...,v′。
将各指定房间各类维修问题对应各维修方式的维修时长、维修成本和二次复发风险系数代入公式得到各指定房间各类维修问题对应各维修方式的推荐系数其中ε1、ε2、ε3分别表示预设的维修方式的维修时长、维修成本和二次复发风险系数的权重因子,v′表示维修方式的总数量。
将各指定房间各类维修问题对应各维修方式的推荐系数进行相互比较,将最大推荐系数对应的维修方式记为指定房间维修问题的适宜维修方式,统计得到各指定房间各类维修问题的适宜维修方式。
提取数据库中存储的各类维修问题各历史维修案例中的维修时长,根据各指定房间各类维修问题的匹配历史维修案例,筛选出各指定房间各类维修问题匹配历史维修案例中的维修时长,将其记为各指定房间各类维修问题的历史维修时长,并表示为
将各指定房间各类维修问题的适宜维修方式维修时长和各指定房间各类维修问题的历史维修时长代入公式得到各指定房间各类维修问题的参考维修时长其中φ表示预设的参考维修时长修正因子,分别表示预设的适宜维修方式维修时长和历史维修时长的权重因子,Δt0表示预设的参考维修时长的补偿量。
在上述实施例的基础上,所述所述步骤四的具体分析过程还包括:获取各指定房间在目标楼房中的位置,根据各指定房间在目标楼房中的位置,规划目标楼房指定房间的维修路线,得到各指定房间的维修顺序,进而得到各指定房间各类维修问题在其对应维修班组中的维修排序。
根据各指定房间各类维修问题在其对应维修班组中的维修排序和各指定房间各类维修问题的参考维修时长,分析得到各指定房间各类维修问题的维修完成时间。
在上述实施例的基础上,所述步骤五的具体分析过程为:将各指定房间各类维修问题的维修完成时间进行相互比较,得到各指定房间中维修问题的最长维修完成时间,将其记为各指定房间的维修完成时间,根据各指定房间的维修完成时间,制定目标楼房的维修进度表,并将目标楼房的维修进度表发送至目标楼房的维修监管部门。
相对于现有技术,本发明所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法以下有益效果:1.本发明提供的一种基于人工智能的建筑房屋维护进度智能监测管理方法,通过获取目标楼房各房间中各检查子项的各项参数测量值,判断目标楼房各房间是否需要维修,并获取各指定房间的各类维修问题,进一步得到各指定房间各类维修问题的匹配历史维修案例和各指定房间各类维修问题对应的维修班组,获取各指定房间各类维修问题对应各维修方式的基本信息,筛选得到各指定房间各类维修问题的适宜维修方式,进一步得到各指定房间各类维修问题的维修完成时间,从而制定目标楼房的维修进度表,在尽量提升维修进度的同时,提高维修进度分析的精准度,从而获取房屋较为具体化的维修完成时间。
2.本发明通过将房间中各类维修问题的多维特征参量与其对应各历史维修案例的多维特征向量代入标准化欧式距离计算公式,分析差异,进而筛选出可借鉴的历史维修案例,提高借鉴案例的参考性,有利于加快维修进度。
3.本发明通过获取各指定房间各类维修问题的维修完成时间,得到各指定房间的维修完成时间,制定目标楼房的维修进度表,实现对房屋维修完成时间较为具体化的评估,进而让开发商实时跟踪和监控房屋的维修进度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明的方法流程示意图。
具体实施方式
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,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供的一种基于人工智能的建筑房屋维护进度智能监测管理方法,包括如下步骤:步骤一、目标楼房房间维修判断:获取目标楼房各房间中各检查子项的各项参数测量值,判断目标楼房各房间是否需要维修,若需要维修,将目标楼房需要维修的各房间记为各指定房间,获取各指定房间的各类维修问题,并执行步骤二。
作为一种优选方案,所述步骤一的具体分析过程为:通过测量仪器获取目标楼房各房间中各检查子项的各项参数测量值,将其记为i表示目标楼房第i个房间的编号,i=1,2,...,n,j表示房间中第j个检查子项的编号,j=1,2,...,m,p表示检查子项的第p项参数的编号,p=1,2,...,q。
将目标楼房各房间中各检查子项的各项参数测量值代入公式得到目标楼房各房间中各检查子项的参数吻合系数βij,其中e表示自然常数,表示预设的目标楼房房间第j个检查子项中第p项参数与标准值之间的允许差值,表示预设的目标楼房房间第j个检查子项中第p项参数的权重因子。
将目标楼房各房间中各检查子项的参数吻合系数与预设的参数吻合系数阈值进行比较,若目标楼房某房间中某检查子项的参数吻合系数小于预设的参数吻合系数阈值,则目标楼房该房间需要维修,并将该检查子项记为不合格检查子项,筛选出目标楼房需要维修的各房间,将其记为各指定房间,并统计得到各指定房间对应的各不合格检查子项。
提取数据库中存储的各检查子项对应的维修问题种类,根据各指定房间对应的各不合格检查子项,筛选得到各指定房间各不合格检查子项对应的维修问题种类,将其记为各指定房间的各类维修问题。
作为一种优选方案,所述检查子项包括但不限于:墙面、地板、门窗、水电等。
作为一种优选方案,所述检查子项的各项参数测量值如墙面的平整度、裂纹长度、墙皮脱落面积等。
作为一种优选方案,所述维修问题种类包括但不局限于:墙面维修、地板维修、门窗维修和水电维修等。
在本实施例中,本发明通过对目标楼房各房间中各检查子项的各项参数一一进行测量,全面监测目标楼房各房间可能存在的质量问题,防止出现遗漏而埋下安全隐患。
步骤二、指定房间维修班组获取:根据目标楼房各房间中各检查子项的各项参数测量值和各指定房间的各类维修问题,获取各指定房间各类维修问题的匹配历史维修案例,进一步得到各指定房间各类维修问题对应的维修班组。
作为一种优选方案,所述步骤二的具体分析过程包括:提取数据库中存储的各类维修问题各历史维修案例中不合格检查子项的各项参数测量值,构建各类维修问题各历史维修案例中不合格检查子项的参数测量值集合,将其记为j′表示第j′类维修问题的编号,j′=1′,2′,....,m′,u表示第u个历史维修案例的编号,u=1,2,...,v,p′表示不合格检查子项中第p′项参数的编号,p′=1′,2′,...,q′,表示第j′类维修问题第u个历史维修案例中不合格检查子项中第p′项参数测量值,表示第j′类维修问题第u个历史维修案例中不合格检查子项中第q′项参数测量值。
根据目标楼房各房间中各检查子项的各项参数测量值,筛选得到各指定房间各类维修问题对应不合格检查子项的各项参数测量值,构建各指定房间各类维修问题对应不合格检查子项的参数测量值集合,将其记为i′表示第i′个指定房间的编号,i′=1′,2′,...,n′,表示第i′个指定房间第j′类维修问题对应不合格检查子项中第p′项参数测量值,表示第i′个指定房间第j′类维修问题对应不合格检查子项中第q′项参数测量值。
利用标准化欧氏距离方法,计算各指定房间各类维修问题对应不合格检查子项的参数测量值集合与其对应维修问题各历史维修案例中不合格检查子项的参数测量值集合的标准化欧式距离,将其记为各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离,并表示为
作为一种优选方案,所述步骤二中各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离,具体获取方法为:将各指定房间各类维修问题对应不合格检查子项参数测量值集合中元素与其对应维修问题各历史维修案例中不合格检查子项参数测量值集合中元素代入公式得到各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离
作为一种优选方案,所述步骤二的具体过程还包括:将各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离进行相互比较,将最小标准化欧式距离对应的历史维修案例记为指定房间维修问题的匹配历史维修案例,统计得到各指定房间各类维修问题的匹配历史维修案例。
提取数据库中存储的各类维修问题各历史维修案例中的维修班组,根据各指定房间各类维修问题的匹配历史维修案例,筛选出各指定房间各类维修问题匹配历史维修案例中的维修班组,将其记为各指定房间各类维修问题对应的维修班组。
在本实施例中,本发明通过将房间中各类维修问题的多维特征参量与其对应各历史维修案例的多维特征向量代入标准化欧式距离计算公式,分析差异,进而筛选出可借鉴的历史维修案例,提高借鉴案例的参考性,有利于加快维修进度。
步骤三、指定房间维修方式选取:获取各指定房间各类维修问题对应各维修方式的基本信息,其中基本信息包括维修时长、维修成本和二次复发风险系数,分析得到各指定房间各类维修问题对应各维修方式的推荐系数,进一步得到各指定房间各类维修问题的适宜维修方式。
作为一种优选方案,所述步骤三的具体分析过程为:提取数据库中存储的各类维修问题各历史维修案例中维修方式的基本信息,其中基本信息包括维修时长、维修成本和二次复发风险系数。
根据各指定房间的各类维修问题,筛选得到各指定房间各类维修问题对应各历史维修案例中维修方式的维修时长、维修成本和二次复发风险系数,将其记为各指定房间各类维修问题对应各维修方式的维修时长、维修成本和二次复发风险系数,并分别表示为u′表示第u′种维修方式的编号,u′=1′,2′,...,v′。
将各指定房间各类维修问题对应各维修方式的维修时长、维修成本和二次复发风险系数代入公式得到各指定房间各类维修问题对应各维修方式的推荐系数其中ε1、ε2、ε3分别表示预设的维修方式的维修时长、维修成本和二次复发风险系数的权重因子,v′表示维修方式的总数量。
将各指定房间各类维修问题对应各维修方式的推荐系数进行相互比较,将最大推荐系数对应的维修方式记为指定房间维修问题的适宜维修方式,统计得到各指定房间各类维修问题的适宜维修方式。
在本实施例中,本发明综合考虑维修时长、维修成本、二次复发风险系数等多方面指标,得到维修问题对应的适宜维修方式,提高维修方式的可靠性。
步骤四、指定房间维修完成时间获取:根据各指定房间各类维修问题的适宜维修方式和各指定房间各类维修问题的匹配历史维修案例,得到各指定房间各类维修问题的维修完成时间。
提取数据库中存储的各类维修问题各历史维修案例中的维修时长,根据各指定房间各类维修问题的匹配历史维修案例,筛选出各指定房间各类维修问题匹配历史维修案例中的维修时长,将其记为各指定房间各类维修问题的历史维修时长,并表示为
将各指定房间各类维修问题的适宜维修方式维修时长和各指定房间各类维修问题的历史维修时长代入公式得到各指定房间各类维修问题的参考维修时长其中φ表示预设的参考维修时长修正因子,分别表示预设的适宜维修方式维修时长和历史维修时长的权重因子,Δt0表示预设的参考维修时长的补偿量。
作为一种优选方案,所述步骤四的具体分析过程还包括:获取各指定房间在目标楼房中的位置,根据各指定房间在目标楼房中的位置,规划目标楼房指定房间的维修路线,得到各指定房间的维修顺序,进而得到各指定房间各类维修问题在其对应维修班组中的维修排序。
根据各指定房间各类维修问题在其对应维修班组中的维修排序和各指定房间各类维修问题的参考维修时长,分析得到各指定房间各类维修问题的维修完成时间。
需要说明的是,所述各指定房间各类维修问题的维修完成时间,具体获取方法为:以某指定房间某类维修问题的维修完成时间的获取方法为例:根据该指定房间该类维修问题在其对应维修班组中的维修排序,得到排在该指定房间该类维修问题前面的各类维修问题,将其记为该指定房间该类维修问题对应的各标记问题,根据各指定房间各类维修问题的参考维修时长,筛选得到该指定房间该类维修问题对应各标记问题的参考维修时长,对该指定房间该类维修问题对应各标记问题的参考维修时长进行累加,得到该指定房间该类维修问题的维修排队时长,将该指定房间该类维修问题的参考维修时长加上其对应的维修排队时长,得到该指定房间该类维修问题的维修完成时间,以此类推,得到各指定房间各类维修问题的维修完成时间。
步骤五、目标楼房维修进度表制定:根据各指定房间各类维修问题的维修完成时间,制定目标楼房的维修进度表,并将目标楼房的维修进度表发送至目标楼房的维修监管部门。
作为一种优选方案,所述步骤五的具体分析过程为:将各指定房间各类维修问题的维修完成时间进行相互比较,得到各指定房间中维修问题的最长维修完成时间,将其记为各指定房间的维修完成时间,根据各指定房间的维修完成时间,制定目标楼房的维修进度表,并将目标楼房的维修进度表发送至目标楼房的维修监管部门。
在本实施例中,本发明通过获取各指定房间各类维修问题的维修完成时间,得到各指定房间的维修完成时间,制定目标楼房的维修进度表,实现对房屋维修完成时间较为具体化的评估,进而让开发商实时跟踪和监控房屋的维修进度。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于,包括如下步骤:
步骤一、目标楼房房间维修判断:获取目标楼房各房间中各检查子项的各项参数测量值,判断目标楼房各房间是否需要维修,若需要维修,将目标楼房需要维修的各房间记为各指定房间,获取各指定房间的各类维修问题,并执行步骤二;
步骤二、指定房间维修班组获取:根据目标楼房各房间中各检查子项的各项参数测量值和各指定房间的各类维修问题,获取各指定房间各类维修问题的匹配历史维修案例,进一步得到各指定房间各类维修问题对应的维修班组;
步骤三、指定房间维修方式选取:获取各指定房间各类维修问题对应各维修方式的基本信息,其中基本信息包括维修时长、维修成本和二次复发风险系数,分析得到各指定房间各类维修问题对应各维修方式的推荐系数,进一步得到各指定房间各类维修问题的适宜维修方式;
步骤四、指定房间维修完成时间获取:根据各指定房间各类维修问题的适宜维修方式和各指定房间各类维修问题的匹配历史维修案例,得到各指定房间各类维修问题的维修完成时间;
步骤五、目标楼房维修进度表制定:根据各指定房间各类维修问题的维修完成时间,制定目标楼房的维修进度表,并将目标楼房的维修进度表发送至目标楼房的维修监管部门。
2.根据权利要求1所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于:所述步骤一的具体分析过程为:
通过测量仪器获取目标楼房各房间中各检查子项的各项参数测量值,将其记为i表示目标楼房第i个房间的编号,i=1,2,...,n,j表示房间中第j个检查子项的编号,j=1,2,...,m,p表示检查子项的第p项参数的编号,p=1,2,...,q;
将目标楼房各房间中各检查子项的各项参数测量值代入公式得到目标楼房各房间中各检查子项的参数吻合系数βij,其中e表示自然常数,表示预设的目标楼房房间第j个检查子项中第p项参数与标准值之间的允许差值,表示预设的目标楼房房间第j个检查子项中第p项参数的权重因子;
将目标楼房各房间中各检查子项的参数吻合系数与预设的参数吻合系数阈值进行比较,若目标楼房某房间中某检查子项的参数吻合系数小于预设的参数吻合系数阈值,则目标楼房该房间需要维修,并将该检查子项记为不合格检查子项,筛选出目标楼房需要维修的各房间,将其记为各指定房间,并统计得到各指定房间对应的各不合格检查子项;
提取数据库中存储的各检查子项对应的维修问题种类,根据各指定房间对应的各不合格检查子项,筛选得到各指定房间各不合格检查子项对应的维修问题种类,将其记为各指定房间的各类维修问题。
3.根据权利要求2所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于:所述步骤二的具体分析过程包括:
提取数据库中存储的各类维修问题各历史维修案例中不合格检查子项的各项参数测量值,构建各类维修问题各历史维修案例中不合格检查子项的参数测量值集合,将其记为j′表示第j′类维修问题的编号,j′=1′,2′,....,m′,u表示第u个历史维修案例的编号,u=1,2,...,v,p′表示不合格检查子项中第p′项参数的编号,p′=1′,2′,...,q′,表示第j′类维修问题第u个历史维修案例中不合格检查子项中第p′项参数测量值,表示第j′类维修问题第u个历史维修案例中不合格检查子项中第q′项参数测量值;
根据目标楼房各房间中各检查子项的各项参数测量值,筛选得到各指定房间各类维修问题对应不合格检查子项的各项参数测量值,构建各指定房间各类维修问题对应不合格检查子项的参数测量值集合,将其记为i′表示第i′个指定房间的编号,i′=1′,2′,...,n′,表示第i′个指定房间第j′类维修问题对应不合格检查子项中第p′项参数测量值,表示第i′个指定房间第j′类维修问题对应不合格检查子项中第q′项参数测量值;
5.根据权利要求4所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于:所述步骤二的具体过程还包括:
将各指定房间各类维修问题对应分析集合与其对应维修问题各历史维修案例中分析集合的标准化欧式距离进行相互比较,将最小标准化欧式距离对应的历史维修案例记为指定房间维修问题的匹配历史维修案例,统计得到各指定房间各类维修问题的匹配历史维修案例;
提取数据库中存储的各类维修问题各历史维修案例中的维修班组,根据各指定房间各类维修问题的匹配历史维修案例,筛选出各指定房间各类维修问题匹配历史维修案例中的维修班组,将其记为各指定房间各类维修问题对应的维修班组。
6.根据权利要求1所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于:所述步骤三的具体分析过程为:
提取数据库中存储的各类维修问题各历史维修案例中维修方式的基本信息,其中基本信息包括维修时长、维修成本和二次复发风险系数;
根据各指定房间的各类维修问题,筛选得到各指定房间各类维修问题对应各历史维修案例中维修方式的维修时长、维修成本和二次复发风险系数,将其记为各指定房间各类维修问题对应各维修方式的维修时长、维修成本和二次复发风险系数,并分别表示为u′表示第u′种维修方式的编号,u′=1′,2′,...,v′;
将各指定房间各类维修问题对应各维修方式的维修时长、维修成本和二次复发风险系数代入公式得到各指定房间各类维修问题对应各维修方式的推荐系数其中ε1、ε2、ε3分别表示预设的维修方式的维修时长、维修成本和二次复发风险系数的权重因子,v′表示维修方式的总数量;
将各指定房间各类维修问题对应各维修方式的推荐系数进行相互比较,将最大推荐系数对应的维修方式记为指定房间维修问题的适宜维修方式,统计得到各指定房间各类维修问题的适宜维修方式。
7.根据权利要求1所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于:所述步骤四的具体分析过程包括:
提取数据库中存储的各类维修问题各历史维修案例中的维修时长,根据各指定房间各类维修问题的匹配历史维修案例,筛选出各指定房间各类维修问题匹配历史维修案例中的维修时长,将其记为各指定房间各类维修问题的历史维修时长,并表示为
8.根据权利要求7所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于:所述步骤四的具体分析过程还包括:
获取各指定房间在目标楼房中的位置,根据各指定房间在目标楼房中的位置,规划目标楼房指定房间的维修路线,得到各指定房间的维修顺序,进而得到各指定房间各类维修问题在其对应维修班组中的维修排序;
根据各指定房间各类维修问题在其对应维修班组中的维修排序和各指定房间各类维修问题的参考维修时长,分析得到各指定房间各类维修问题的维修完成时间。
9.根据权利要求1所述的一种基于人工智能的建筑房屋维护进度智能监测管理方法,其特征在于:所述步骤五的具体分析过程为:
将各指定房间各类维修问题的维修完成时间进行相互比较,得到各指定房间中维修问题的最长维修完成时间,将其记为各指定房间的维修完成时间,根据各指定房间的维修完成时间,制定目标楼房的维修进度表,并将目标楼房的维修进度表发送至目标楼房的维修监管部门。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211508402.3A CN115730803B (zh) | 2022-11-29 | 2022-11-29 | 一种基于人工智能的建筑房屋维护进度智能监测管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211508402.3A CN115730803B (zh) | 2022-11-29 | 2022-11-29 | 一种基于人工智能的建筑房屋维护进度智能监测管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115730803A true CN115730803A (zh) | 2023-03-03 |
CN115730803B CN115730803B (zh) | 2024-03-22 |
Family
ID=85299187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211508402.3A Active CN115730803B (zh) | 2022-11-29 | 2022-11-29 | 一种基于人工智能的建筑房屋维护进度智能监测管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115730803B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016206102A1 (zh) * | 2015-06-26 | 2016-12-29 | 深圳市赛亿科技开发有限公司 | 一种产品维修服务系统及其使用方法 |
CN107784447A (zh) * | 2017-11-06 | 2018-03-09 | 国家电网公司 | 一种基于三重预警的全过程监造闭环管理系统及方法 |
CN108959672A (zh) * | 2017-05-27 | 2018-12-07 | 中国二十冶集团有限公司 | 一种基于虚拟技术的装修管理方法 |
CN111126632A (zh) * | 2019-11-25 | 2020-05-08 | 合肥美的电冰箱有限公司 | 一种家电故障预测方法、预测装置、冰箱及存储介质 |
CN111539559A (zh) * | 2020-04-08 | 2020-08-14 | 中铁建电气化局集团第一工程有限公司 | 一种公用建筑用环境控制及运行保障平台 |
CN112560139A (zh) * | 2020-12-09 | 2021-03-26 | 南京魏东电子商务有限公司 | 一种基于大数据分析的建筑房屋居住体验智能评估云计算平台 |
CN114492870A (zh) * | 2022-01-26 | 2022-05-13 | 北京和利时系统集成有限公司 | 轨道交通信号设备故障处理方法、装置及系统 |
CN114691999A (zh) * | 2021-11-04 | 2022-07-01 | 杭州以诺行汽车科技股份有限公司 | 基于汽修erp的人工智能推荐方法、系统和存储介质 |
CN114897193A (zh) * | 2022-04-24 | 2022-08-12 | 南京工程学院 | 一种基于人在回路的飞机结构维修决策方法及决策系统 |
-
2022
- 2022-11-29 CN CN202211508402.3A patent/CN115730803B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016206102A1 (zh) * | 2015-06-26 | 2016-12-29 | 深圳市赛亿科技开发有限公司 | 一种产品维修服务系统及其使用方法 |
CN108959672A (zh) * | 2017-05-27 | 2018-12-07 | 中国二十冶集团有限公司 | 一种基于虚拟技术的装修管理方法 |
CN107784447A (zh) * | 2017-11-06 | 2018-03-09 | 国家电网公司 | 一种基于三重预警的全过程监造闭环管理系统及方法 |
CN111126632A (zh) * | 2019-11-25 | 2020-05-08 | 合肥美的电冰箱有限公司 | 一种家电故障预测方法、预测装置、冰箱及存储介质 |
CN111539559A (zh) * | 2020-04-08 | 2020-08-14 | 中铁建电气化局集团第一工程有限公司 | 一种公用建筑用环境控制及运行保障平台 |
CN112560139A (zh) * | 2020-12-09 | 2021-03-26 | 南京魏东电子商务有限公司 | 一种基于大数据分析的建筑房屋居住体验智能评估云计算平台 |
CN114691999A (zh) * | 2021-11-04 | 2022-07-01 | 杭州以诺行汽车科技股份有限公司 | 基于汽修erp的人工智能推荐方法、系统和存储介质 |
CN114492870A (zh) * | 2022-01-26 | 2022-05-13 | 北京和利时系统集成有限公司 | 轨道交通信号设备故障处理方法、装置及系统 |
CN114897193A (zh) * | 2022-04-24 | 2022-08-12 | 南京工程学院 | 一种基于人在回路的飞机结构维修决策方法及决策系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115730803B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
CN110555617A (zh) | 一种基于物联网的建筑火灾风险实时动态定量评估方法 | |
CN111680870B (zh) | 目标运动轨迹质量综合评估方法 | |
CN116559684A (zh) | 一种规模化电池储能电站运行状态监控评估系统 | |
CN114937264B (zh) | 一种基于人工智能的变压器制造组装工艺监测分析系统 | |
US20160282400A1 (en) | Equipment failure prediction system, equipment failure prediction device and equipment failure prediction method | |
CN109738014A (zh) | 城市综合管廊设备故障的智能诊断方法及系统 | |
CN109272140A (zh) | 一种基于大数据分析的变电设备运行期成本预测方法 | |
CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN108921305B (zh) | 一种部件生命期监测方法 | |
CN110852906B (zh) | 一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统 | |
CN110472822A (zh) | 一种智能配电网供电可靠性评估系统及方法 | |
CN113015122A (zh) | 基于物联网和无线传感器技术的装配式建筑质量监测分析方法 | |
CN110766248B (zh) | 基于shel和区间直觉模糊评价的车间人因可靠性评估方法 | |
CN115730803A (zh) | 一种基于人工智能的建筑房屋维护进度智能监测管理方法 | |
CN117824588A (zh) | 一种建筑安全监测倾斜传感器采样优化与预警方法 | |
Murphy III | Determining the appropriate equation in multiple regression | |
CN106779354A (zh) | 基于幂验前分布的Bayes数据融合评估方法 | |
CN109255470A (zh) | 一种基于大数据分析的变电设备非项目类成本预测方法 | |
CN116317103A (zh) | 一种配电网电压数据处理方法 | |
CN114118587A (zh) | 分布式光伏的电能质量评估方法及系统、设备、存储介质 | |
CN113378398A (zh) | 一种基于电能表的健康度分析方法、系统及存储介质 | |
JP2021149156A (ja) | 保守支援システム及び保守支援方法 | |
Mercier et al. | A stochastic model for competing degradations | |
CN111565121A (zh) | 人员及技术对it支撑度评估方法及装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240206 Address after: Room 901, Unit 2, Building 2, San Jian Ji Xiang Yuan, Lixia District, Jinan City, Shandong Province, 250000 Applicant after: Chen Jie Country or region after: China Address before: 430800 No. 1284, Heping Avenue, Qingshan District, Wuhan City, Hubei Province Applicant before: Baoyin Xinke information technology (Hubei) Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |