CN117575410A - 一种电气工程的质量管理方法及系统 - Google Patents
一种电气工程的质量管理方法及系统 Download PDFInfo
- Publication number
- CN117575410A CN117575410A CN202311577371.1A CN202311577371A CN117575410A CN 117575410 A CN117575410 A CN 117575410A CN 202311577371 A CN202311577371 A CN 202311577371A CN 117575410 A CN117575410 A CN 117575410A
- Authority
- CN
- China
- Prior art keywords
- quality
- electrical engineering
- engineering
- node
- construction
- 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
- 238000004870 electrical engineering Methods 0.000 title claims abstract description 247
- 238000007726 management method Methods 0.000 title claims abstract description 59
- 238000010276 construction Methods 0.000 claims abstract description 191
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000005065 mining Methods 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 239000004566 building material Substances 0.000 claims description 19
- 238000013441 quality evaluation Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 10
- 238000003326 Quality management system Methods 0.000 claims description 6
- 238000009430 construction management Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种电气工程的质量管理方法及系统,涉及电气工程技术领域,方法包括:对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型;基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;基于工程施工图纸进行工程参数提取;利用提取的工程参数与电气工程质量关联数据构建评估处理模块,进行质量节点评估;基于各质量节点评估进行全生命周期质量分析,对电气工程进行质量管理。能够解决现有的电气工程质量管理方法存在管理精细度不够导致管理质量和管理效率较低的技术问题,可以提高电气工程管理的精细化程度,从而提高电气工程管理的准确性和效率,保障电气工程的施工质量。
Description
技术领域
本公开涉及电气工程技术领域,并且更具体地,涉及一种电气工程的质量管理方法及系统。
背景技术
电气工程质量管理是指通过制定相应的质量管理体系,采用一系列的质量控制措施,确保电气工程施工过程中的质量符合相关标准和要求。现有的电气工程施工时,通常是按照固定的质量管理标准进行施工质量控制,并未对施工质量对应的关联因素进行溯源分析,导致施工质量管理的精度较低,不能及时发现潜在的施工质量问题,造成工程管控准确性和管控效率较低。
现有的电气工程质量管理方法存在的不足之处在于:由于管理精细度不够导致管理质量和管理效率较低。
发明内容
因此,为了解决上述技术问题,本公开的实施例采用的技术方案如下:
一种电气工程的质量管理方法,包括以下步骤:根据电气工程生命周期进行节点划分,确定多个电气工程节点;对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型;基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;获取工程施工图纸,基于所述工程施工图纸进行各电气工程节点的工程参数提取;利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,进行质量节点评估;按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,基于质量分析结果对电气工程进行质量管理。
一种电气工程的质量管理系统,包括:电气工程节点确定模块,所述电气工程节点确定模块用于根据电气工程生命周期进行节点划分,确定多个电气工程节点;质量因子挖掘模块,所述质量因子挖掘模块用于对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型;质量关联数据确定模块,所述质量关联数据确定模块用于基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;工程参数提取模块,所述工程参数提取模块用于获取工程施工图纸,基于所述工程施工图纸进行各电气工程节点的工程参数提取;质量节点评估模块,所述质量节点评估模块用于利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,进行质量节点评估;电气工程质量管理模块,所述电气工程质量管理模块用于按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,基于质量分析结果对电气工程进行质量管理。
由于采用了上述技术方法,本公开相对于现有技术来说,取得的技术进步有如下几点:
可以解决现有的电气工程质量管理方法存在管理精细度不够导致管理质量和管理效率较低的技术问题,首先,根据电气工程生命周期进行工程施工节点划分,确定多个电气工程节点;基于历史工程施工数据对各个电气工程节点进行质量因子挖掘,构建电气工程质量因子分布模型;基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;获取工程施工图纸,并根据所述工程施工图纸进行各电气工程节点的工程参数提取;然后利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,对电气工程施工质量进行质量节点评估;最后按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,基于质量分析结果对电气工程进行质量管理。通过上述方法可以提高电气工程管理的精细化程度,从而提高电气工程管理的准确性和效率,保障电气工程的施工质量。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对实施例的描述中所需要使用的附图作简单的介绍。
图1为本申请提供了一种电气工程的质量管理方法的流程示意图;
图2为本申请提供了一种电气工程的质量管理方法中获得电气工程质量因子分布模型的流程示意图;
图3为本申请提供了一种电气工程的质量管理系统的结构示意图。
附图标记说明:电气工程节点确定模块01、质量因子挖掘模块02、质量关联数据确定模块03、工程参数提取模块04、质量节点评估模块05、电气工程质量管理模块06。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整的描述。基于本公开中的实施例,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,都属于本公开保护的范围。
基于上述描述,如图1所示,本公开提供了一种电气工程的质量管理方法,包括:
电气工程是建筑工程中一个重要环节,涉及供电系统、照明系统、暖通系统等方面的设计和施工,对于建筑整体的安全性和能耗效益起着非常关键的作用。本申请提供的方法用于对电气工程施工过程中的施工质量进行监管,用于提高电气工程管理的精细化程度,来达到提高电气工程管理的准确性和效率,保障电气工程施工质量的目的,所述方法具体实施于一种电气工程的质量管理系统。
根据电气工程生命周期进行节点划分,确定多个电气工程节点;
在本申请实施例中,首先,获取目标电气工程,所述目标电气工程可基于实际情况进行设置,例如:整栋大楼的照明系统施工等,提取所述目标电气工程的电气工程生命周期,其中电气工程生命周期是指电气工程施工过程中的整个施工环节,然后对所述电气工程生命周期进行施工节点划分,得到多个电气工程节点,其中每个电气工程节点为一个施工环节,施工节点划分方法本领域技术人员可根据实际施工项目进行设置。通过确定多个电气工程节点,为下一步构建电气工程质量因子分布模型提供了支持,同时可以提高电气工程管理的精度。
对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型;
在本申请实施例中,首先,获取电气工程的历史施工数据,并基于所述历史施工数据对各个电气工程节点进行质量因子挖掘,其中质量因子是指和电气工程施工质量具有关联性的因素,并根据质量因子挖掘结果构建电气工程质量因子分布模型。
如图2所示,在一个实施例中,所述方法还包括:
采集各个电气工程节点的样本数据集,对所述样本数据集进行关联性分析,确定关联影响因子,搭建关联因子挖掘层;
在本申请实施例中,首先,以目标电气工程为检索信息,调取同类型电气工程的历史施工日志,并在所述历史施工日志中提取各个电气工程节点的历史施工数据组建样本数据集,其中样本数据包括历史施工流程、历史施工控制参数、历史施工结果等数据。然后基于所述样本数据集对各个电气工程节点进行关联性分析,根据关联性分析结果确定关联影响因子,并基于关联影响因子与电气工程节点的映射关系搭建关联因子挖掘层。
在一个实施例中,所述方法还包括:
对所述样本数据集进行质量评价级划分,获取优选质量样本集、异常质量样本集;
分别对所述优选质量样本集、异常质量样本集进行各影响因子提取,及支持度计算,确定标准关联因子、异常关联因子及其关联因子支持度;
对所述标准关联因子、异常关联因子进行标记,并建立各关联因子与其关联因子支持度的映射关系,作为关联因子挖掘层输出结果。
在本申请实施例中,首先,对所述样本数据集中的历史施工结果进行质量评价级划分,其中质量评价级划分是指对历史施工结果的施工质量进行评价,得到每个历史施工结果的施工质量评价系数,其中施工质量越高,对应的施工质量评价系数越大,其中质量评价级划分方法本领域技术人员可根据实际场景选择适配的方法,例如:首先确定施工质量评价指标,然后利用机器学习构建电气工程专家系统对历史施工结果进行质量评价,得到所述样本数据集对应的施工质量评价系数集合,其中样本数据和施工质量评价系数具有一一对应的关系。设置质量系数筛选阈值,所述质量系数筛选阈值本领域技术人员可根据实际情况自行设置,然后根据所述质量系数阈值对所述施工质量评价系数集合中的施工质量评价系数依次进行判断,将大于所述质量系数阈值的施工质量评价系数对应的样本数据标记为优选质量样本数据,将小于等于所述质量系数阈值的施工质量评价系数对应的样本数据标记为异常质量样本数据,得到优选质量样本集和异常质量样本集。
分别对所述优选质量样本集、所述异常质量样本集中的施工影响因子进行分析,确定多个施工影响因子,其中施工影响因子是指和施工质量相关的各种参数,例如:施工人员专业性、施工图纸准确性、施工设备控制参数等。然后将所述优选质量样本集对应的施工影响因子标记为标准关联因子,并对相同的标准关联因子进行出现频次统计,确定多个标准关联因子的频次数据,根据所述频次数据对标准关联因子进行支持度计算,其中所述频次数据越大,则对应的标准关联因子支持度越大,得到多个标准关联因子对应的多个关联因子支持度;将所述异常质量样本集对应的施工影响因子标记为异常关联因子,得到多个异常关联因子,然后对所述多个异常关联因子进行支持度计算,得到所述多个异常关联因子对应的多个关联因子支持度,其中异常关联因子的支持度计算方法与标准关联因子的支持度计算方法相同。
根据所述多个标准关联因子及对应的多个关联因子支持度,所述多个异常关联因子及对应的多个关联因子支持度,并基于关联因子与其关联因子支持度的映射关系,以标准关联因子和异常关联因子作为子节点,以对应的关联因子支持度作为所述子节点的叶子节点,构建关联因子挖掘层。通过基于决策树的原理构建关联因子挖掘层,可以提高电气工程施工过程中关联影响因子获取的准确性和效率。
基于所述关联影响因子的关联度,对所述样本数据集进行各个电气工程节点因子强制性分析,搭建强制因子分布挖掘层;
通过全连接层连接关联因子挖掘层、强制因子分布挖掘层,构建所述电气工程质量因子分布模型。
在本申请实施例中,首先,通过上述构建的电气工程专家系统对所述标准关联因子、所述异常关联因子分别进行历史电气施工质量的关联性分析,得到关联因子的关联度,其中关联性越大,即关联因子对施工质量的影响性越大,则对应关联因子的关联度越大。获取因子关联度阈值,所述因子关联度阈值本领域技术人员可基于实际情况进行设置,并将关联度大于所述因子关联度阈值的关联因子标记为强制关联因子,即强制关联因子发生变动,一定会影响电气工程的施工质量,得到多个电气工程节点对应的多个强制关联因子,以电气工程节点作为子节点,以对应的多个强制关联因子作为所述子节点的叶节点,搭建强制因子分布挖掘层。
最后通过全连接层连接所述关联因子挖掘层和所述强制因子分布挖掘层,获得电气工程质量因子分布模型。通过基于决策树的原理构建电气工程质量因子分布模型,可以提高电气工程施工过程中各电气工程节点关联因子和强制因子匹配的准确性和效率,同时为获取工程施工监测数据提供了支持。
基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;
在本申请实施例中,基于所述电气工程质量因子分布模型匹配获得目标电气工程中各电气工程节点的关联因子和强制因子,并以所述关联因子和所述强制因子作为各电气工程节点的监测目标对电气工程施工过程进行监测,得到电气工程质量关联数据,其中所述电气工程质量关联数据包括多个电气工程节点的质量关联数据,且所述质量关联数据包括关联因子监测数据和强制因子监测数据。通过获得电气工程质量关联数据,为下一步进行施工质量评估提供了数据支持。
获取工程施工图纸,基于所述工程施工图纸进行各电气工程节点的工程参数提取;
在本申请实施例中,首先,获取工程施工图纸,并根据所述工程施工图纸获取各电气工程节点的工程参数,其中所述工程参数是指电气工程施工过程中的标准控制参数,包括标准施工流程、标准施工动作等数据,得到各电气工程节点的工程参数。通过获得各电气工程节点的工程参数,为下一步进行电气工程节点的质量关联数据比对提供了支持。
在一个实施例中,所述方法还包括:
基于所述工程施工图纸,提取建筑材质需求信息、施工参数信息、特殊施工需求信息;
按照各电气工程节点与所述建筑材质需求信息、施工参数信息、特殊施工需求信息的对应节点关系,构建施工约束谱图关系,并基于所述建筑材质需求信息、施工参数信息、特殊施工需求信息提取工程参数对所述施工约束谱图关系进行参数标记。
在本申请实施例中,首先,根据所述工程施工图纸,对电气工程施工过程中的建筑材质需求信息、施工参数信息、特殊施工需求信息进行提取,其中所述建筑材质需求信息是指建筑材质的标准要求,其中包括建筑材质类型、建筑材质规格、建筑材质生产参数等数据;所述施工参数信息是指工程施工过程中的一系列施工标准,其中包括标准施工流程、标准操作方法、标准施工精度等;所述特殊施工需求信息是指不同于常规施工的施工控制参数,可根据目标电气工程的实际类型进行设置。然后根据电气工程节点对所述建筑材质需求信息、所述施工参数信息、所述特殊施工需求信息进行划分,确定各电气工程节点对应的建筑材质需求信息、施工参数信息、特殊施工需求信息,并以电气工程节点为子节点,以对应的建筑材质需求信息、施工参数信息、特殊施工需求信息为子节点的叶子结点,构建施工约束谱图关系;并在所述建筑材质需求信息、施工参数信息、特殊施工需求信息中提取工程参数,建立工程参数与各工程节点的映射关系。
通过构建施工约束谱图关系提取工程参数,可以提高工程参数获得的准确性和全面性。
利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,进行质量节点评估;
在本申请实施例中,基于电气工程节点,建立所述工程参数与所述电气工程质量关联数据的映射关系,并基于所述映射关系构建评估处理模块,然后根据所述评估处理模块对电气工程施工过程中的各施工节点进行施工质量评估。
在一个实施例中,所述方法还包括:
基于所述工程参数,搭建第一孪生网络子模型;
基于所述电气工程质量关联数据,搭建第二孪生网络子模型;
引入损失函数,利用所述第一孪生网络子模型、第二孪生网络子模型,构建孪生网络模型,生成所述评估处理模块;
在本申请实施例中,首先,按照目标电气工程中各电气工程节点的先后顺序获取对应的工程参数,并将各电气工程节点与对应的工程参数按照工程施工的先后顺序存储进第一孪生网络子模型中,得到第一孪生网络子模型;将各电气工程节点与对应的电气工程质量关联数据按照工程施工的先后顺序存储进第二孪生网络子模型,得到第二孪生网络子模型,其中所述第一孪生网络子模型与所述第二孪生网络子模型的结构参数相同。
根据所述第一孪生网络子模型、所述第二孪生网络子模型、损失分析通道构建孪生网络模型,其中所述损失分析通道用于根据工程参数对相同电气工程节点的电气工程质量关联数据进行损失分析,构建损失函数,并将所述损失函数嵌入所述损失分析通道内,获得孪生网络模型,并将所述孪生网络模型嵌入评估处理模块中,得到评估处理模块。
在一个实施例中,所述方法还包括:
所述损失函数表达式为:
其中,i为当前工程参数的下标、n为工程参数的总数量、δ为预设相似度调节系数、为实际质量关联数据、yi预设标准工程参数。
在本申请实施例中,其中,所述损失函数表达式为: 在所述损失函数表达式中,/>为各电气工程节点的整体损失数据,其中整体损失数据越大,表征该电气工程节点下的施工质量越差;i为当前工程参数的下标,即yi为相同电气工程节点下的n个标准工程参数中的任意一个;n为工程参数的总数量;δ为预设相似度调节系数,其中δ用于消除或减少目标电气工程与历史电气工程中历史施工数据的差异性,本领域技术人员可根据实际情况进行设置;/>为实际质量关联数据,表征该电气工程节点下n个实际质量关联数据中的任意一个;yi为该电气工程节点下n个预设标准工程参数中的任意一个。
通过构建损失函数,可以清晰直观地获取各电气工程节点的施工损失,同时可以提高施工损失计算的准确性和效率,从而间接提高各电气工程节点施工质量评估的准确性和效率。
将提取的工程参数与所述电气工程质量关联数据分别输入所述第一孪生网络子模型、第二孪生网络模型,通过损失函数计算损失量,基于所述损失量确定孪生网络模型的输出结果。
在本申请实施例中,将提取的工程参数输入所述第一孪生网络子模型,将所述电气工程质量关联数据输入所述第二孪生网络模型,同时通过所述损失分析通道,根据所述损失函数对相同电气工程节点下的工程参数和质量关联数据进行损失计算,得到各电气工程节点下的损失量,并将所述损失量作为孪生网络模型的输出结果。
按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,基于质量分析结果对电气工程进行质量管理。
在本申请实施例中,按照多个电气工程节点的施工先后顺序,通过所述评估处理模块对当前各电气工程节点进行损失量计算,其中当前各电气工程节点是指已经施工完成的电气工程节点,得到当前各电气工程节点对应的损失量。然后根据当前各电气工程节点对应的损失量对目标电气工程进行全生命周期质量分析,即对整个项目的施工质量进行分析和对未施工的电气工程节点进行施工质量预测,并根据质量分析结果对电气工程进行质量管理。
通过上述方法可以解决现有的电气工程质量管理方法存在管理精细度不够导致管理质量和管理效率较低的技术问题,可以提高电气工程管理的精细化程度,从而提高电气工程管理的准确性和效率,保障电气工程的施工质量。
在一个实施例中,所述方法还包括:
根据所述多个电气工程节点的时序关系,构建评价时序链;
根据各节点的质量节点评估结果,确定各节点的质量奖励值;
获取多个电气工程节点的顺序影响系数,利用所述顺序影响系数、所述各节点的质量奖励值、评价时序链,构建马尔科夫链预测模块;
通过所述马尔科夫链预测模块进行全生命周期质量分析,获得节点质量预测分析概率;
当所述节点质量预测分析概率未达到预设要求时,基于所述马尔科夫链预测模块进行各节点追溯,确定异常节点进行质量施工管理。
在本申请实施例中,首先,根据所述多个电气工程节点的施工先后顺序,构建评价时序链,其中电气工程节点施工越早,则在所述评价时序链上的顺序越靠前。获取各电气工程节点对应的质量节点评估结果即损失量,然后根据各节点的损失量确定各节点的质量奖励值,其中损失量越大,表征节点的施工质量越差,则质量奖励值越小;损失量越小,表征节点的施工质量越好,则质量奖励值越大。
通过上述构建的电气工程专家系统对多个电气工程节点对于目标电气工程整体施工质量的影响程度进行分析,并确定多个电气工程节点对应的顺序影响系数,其中影响程度越大,则对应电气工程节点的顺序影响系数越大,可通过现有的变异系数法进行顺序影响系数设置,其中变异系数法为本领域计算人员常用的权重设置方法,在此不进行展开说明。然后基于所述评价时序链,将各节点的顺序影响系数、各节点的质量奖励值添加进对应节点内,构建马尔科夫链预测模块。
通过所述马尔科夫链预测模块对目标电气工程进行全生命周期质量分析,得到节点质量预测分析概率,其中所述节点质量预测分析概率包括后续多个节点的质量预测概率和工程完成时的质量预测概率,例如:可通过马尔科夫链预测模块对后续多个未施工的工程节点进行施工质量预测,判断后续节点施工质量是否符合要求;也可以通过马尔科夫链预测模块对最终的工程施工质量进行预测,判断整体工程施工质量是否满足预设要求。
获取预设要求,其中所述预设要求包括预设质量分析概率阈值,所述预设质量分析概率阈值本领域技术人员可根据实际质量要求进行设置,其中实际质量要求越高,则预设质量分析概率阈值越大。然后根据所述预设质量分析概率阈值对所述节点质量预测分析概率进行判断,当所述节点质量预测分析概率小于所述预设质量分析概率阈值时,表征该工程节点的施工质量可能不满足施工要求,然后根据所述马尔科夫链预测模块对不满足施工要求的工程节点进行溯源,并将不满足施工要求的工程节点标记为异常节点,最后根据所述异常节点进行质量施工管理。
通过构建马尔科夫链预测模块对后续电气工程施工节点的施工质量进行预测,可以提高后续各节点工程施工质量预测的准确性和效率,从而提高后续工程施工质量管理的精度和准确性。
在一个实施例中,如图3所示提供了一种电气工程的质量管理系统,包括:电气工程节点确定模块01、质量因子挖掘模块02、质量关联数据确定模块03、工程参数提取模块04、质量节点评估模块05、电气工程质量管理模块06、其中:
电气工程节点确定模块01,所述电气工程节点确定模块01用于根据电气工程生命周期进行节点划分,确定多个电气工程节点;
质量因子挖掘模块02,所述质量因子挖掘模块02用于对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型;
质量关联数据确定模块03,所述质量关联数据确定模块03用于基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;
工程参数提取模块04,所述工程参数提取模块04用于获取工程施工图纸,基于所述工程施工图纸进行各电气工程节点的工程参数提取;
质量节点评估模块05,所述质量节点评估模块05用于利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,进行质量节点评估;
电气工程质量管理模块06,所述电气工程质量管理模块06用于按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,基于质量分析结果对电气工程进行质量管理。
在一个实施例中,所述系统还包括:
关联因子挖掘层搭建模块,所述关联因子挖掘层搭建模块用于采集各个电气工程节点的样本数据集,对所述样本数据集进行关联性分析,确定关联影响因子,搭建关联因子挖掘层;
强制因子分布挖掘层搭建模块,所述强制因子分布挖掘层搭建模块用于基于所述关联影响因子的关联度,对所述样本数据集进行各个电气工程节点因子强制性分析,搭建强制因子分布挖掘层;
电气工程质量因子分布模型构建模块,所述电气工程质量因子分布模型构建模块用于通过全连接层连接关联因子挖掘层、强制因子分布挖掘层,构建所述电气工程质量因子分布模型。
在一个实施例中,所述系统还包括:
质量评价级划分模块,所述质量评价级划分模块用于对所述样本数据集进行质量评价级划分,获取优选质量样本集、异常质量样本集;
影响因子提取模块,所述影响因子提取模块用于分别对所述优选质量样本集、异常质量样本集进行各影响因子提取,及支持度计算,确定标准关联因子、异常关联因子及其关联因子支持度;
映射关系建立模块,所述映射关系建立模块用于对所述标准关联因子、异常关联因子进行标记,并建立各关联因子与其关联因子支持度的映射关系,作为关联因子挖掘层输出结果。
在一个实施例中,所述系统还包括:
信息提取模块,所述信息提取模块用于基于所述工程施工图纸,提取建筑材质需求信息、施工参数信息、特殊施工需求信息;
施工约束谱图关系构建模块,所述施工约束谱图关系构建模块用于按照各电气工程节点与所述建筑材质需求信息、施工参数信息、特殊施工需求信息的对应节点关系,构建施工约束谱图关系,并基于所述建筑材质需求信息、施工参数信息、特殊施工需求信息提取工程参数对所述施工约束谱图关系进行参数标记。
在一个实施例中,所述系统还包括:
第一孪生网络子模型搭建模块,所述第一孪生网络子模型搭建模块用于基于所述工程参数,搭建第一孪生网络子模型;
第二孪生网络子模型搭建模块,所述第二孪生网络子模型搭建模块用于基于所述电气工程质量关联数据,搭建第二孪生网络子模型;
孪生网络模型构建模块,所述孪生网络模型构建模块用于引入损失函数,利用所述第一孪生网络子模型、第二孪生网络子模型,构建孪生网络模型,生成所述评估处理模块;
输出结果确定模块,所述输出结果确定模块用于将提取的工程参数与所述电气工程质量关联数据分别输入所述第一孪生网络子模型、第二孪生网络模型,通过损失函数计算损失量,基于所述损失量确定孪生网络模型的输出结果。
在一个实施例中,所述系统还包括:
损失函数模块,所述损失函数模块是指所述损失函数表达式为:
函数参数模块,所述函数参数模块是指其中,i为当前工程参数的下标、n为工程参数的总数量、δ为预设相似度调节系数、为实际质量关联数据、yi预设标准工程参数。
在一个实施例中,所述系统还包括:
评价时序链构建模块,所述评价时序链构建模块用于根据所述多个电气工程节点的时序关系,构建评价时序链;
质量奖励值确定模块,所述质量奖励值确定模块用于根据各节点的质量节点评估结果,确定各节点的质量奖励值;
马尔科夫链预测模块构建模块,所述马尔科夫链预测模块构建模块用于获取多个电气工程节点的顺序影响系数,利用所述顺序影响系数、所述各节点的质量奖励值、评价时序链,构建马尔科夫链预测模块;
节点质量预测分析概率获得模块,所述节点质量预测分析概率获得模块用于通过所述马尔科夫链预测模块进行全生命周期质量分析,获得节点质量预测分析概率;
质量施工管理模块,所述质量施工管理模块用于当所述节点质量预测分析概率未达到预设要求时,基于所述马尔科夫链预测模块进行各节点追溯,确定异常节点进行质量施工管理。
综上所述,与现有技术相比,本公开的实施例具有以下技术效果:
(1)通过构建电气工程质量因子分布模型进行质量因子挖掘,并搭建孪生网络模型进行各电气工程节点的施工质量损失计算,进一步分析获得后续多个工程节点的施工质量预测结果对电气工程进行质量管理,可以提高电气工程管理的精细化程度,从而提高电气工程管理的准确性和效率,保障电气工程的施工质量。
(2)通过基于决策树的原理构建电气工程质量因子分布模型,可以提高电气工程施工过程中各电气工程节点关联因子和强制因子匹配的准确性和效率,同时为获取工程施工监测数据提供了支持。
(3)通过构建损失函数,可以清晰直观地获取各电气工程节点的施工损失,同时可以提高施工损失计算的准确性和效率,从而间接提高各电气工程节点施工质量评估的准确性和效率。
(4)通过构建马尔科夫链预测模块对后续电气工程施工节点的施工质量进行预测,可以提高后续各节点工程施工质量预测的准确性和效率,从而提高后续工程施工质量管理的精度和准确性。
以上所述实施例仅表达了本公开的几种实施方式,但并不能因此而理解为对发明专利范围的限制。因此,在不脱离如由所附权利要求限定的本公开构思的范围的情况下,本领域普通技术人员可做出各种类型的替换、修改和变更,并且这些替换、修改和变更都属于本公开的保护范围。
Claims (8)
1.一种电气工程的质量管理方法,其特征在于,包括:
根据电气工程生命周期进行节点划分,确定多个电气工程节点;
对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型;
基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;
获取工程施工图纸,基于所述工程施工图纸进行各电气工程节点的工程参数提取;
利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,进行质量节点评估;
按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,基于质量分析结果对电气工程进行质量管理。
2.如权利要求1所述的方法,其特征在于,所述对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型,包括:
采集各个电气工程节点的样本数据集,对所述样本数据集进行关联性分析,确定关联影响因子,搭建关联因子挖掘层;
基于所述关联影响因子的关联度,对所述样本数据集进行各个电气工程节点因子强制性分析,搭建强制因子分布挖掘层;
通过全连接层连接关联因子挖掘层、强制因子分布挖掘层,构建所述电气工程质量因子分布模型。
3.如权利要求2所述的方法,其特征在于,对所述样本数据集进行关联性分析,确定关联影响因子,搭建关联因子挖掘层,包括:
对所述样本数据集进行质量评价级划分,获取优选质量样本集、异常质量样本集;
分别对所述优选质量样本集、异常质量样本集进行各影响因子提取,及支持度计算,确定标准关联因子、异常关联因子及其关联因子支持度;
对所述标准关联因子、异常关联因子进行标记,并建立各关联因子与其关联因子支持度的映射关系,作为关联因子挖掘层输出结果。
4.如权利要求1所述的方法,其特征在于,基于所述工程施工图纸进行各电气工程节点的工程参数提取,包括:
基于所述工程施工图纸,提取建筑材质需求信息、施工参数信息、特殊施工需求信息;
按照各电气工程节点与所述建筑材质需求信息、施工参数信息、特殊施工需求信息的对应节点关系,构建施工约束谱图关系,并基于所述建筑材质需求信息、施工参数信息、特殊施工需求信息提取工程参数对所述施工约束谱图关系进行参数标记。
5.如权利要求4所述的方法,其特征在于,所述利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,进行质量节点评估,包括:
基于所述工程参数,搭建第一孪生网络子模型;
基于所述电气工程质量关联数据,搭建第二孪生网络子模型;
引入损失函数,利用所述第一孪生网络子模型、第二孪生网络子模型,构建孪生网络模型,生成所述评估处理模块;
将提取的工程参数与所述电气工程质量关联数据分别输入所述第一孪生网络子模型、第二孪生网络模型,通过损失函数计算损失量,基于所述损失量确定孪生网络模型的输出结果。
6.如权利要求5所述的方法,其特征在于,所述损失函数表达式为:
其中,i为当前工程参数的下标、n为工程参数的总数量、δ为预设相似度调节系数、为实际质量关联数据、yi预设标准工程参数。
7.如权利要求1所述的方法,其特征在于,所述按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,包括:
根据所述多个电气工程节点的时序关系,构建评价时序链;
根据各节点的质量节点评估结果,确定各节点的质量奖励值;
获取多个电气工程节点的顺序影响系数,利用所述顺序影响系数、所述各节点的质量奖励值、评价时序链,构建马尔科夫链预测模块;
通过所述马尔科夫链预测模块进行全生命周期质量分析,获得节点质量预测分析概率;
当所述节点质量预测分析概率未达到预设要求时,基于所述马尔科夫链预测模块进行各节点追溯,确定异常节点进行质量施工管理。
8.一种电气工程的质量管理系统,其特征在于,用于执行权利要求1-7中所述的一种电气工程的质量管理方法中任意一项方法的步骤,包括:
电气工程节点确定模块,所述电气工程节点确定模块用于根据电气工程生命周期进行节点划分,确定多个电气工程节点;
质量因子挖掘模块,所述质量因子挖掘模块用于对各个电气工程节点进行质量因子挖掘,获得电气工程质量因子分布模型;
质量关联数据确定模块,所述质量关联数据确定模块用于基于电气工程质量因子分布模型对电气工程进行监测,确定电气工程质量关联数据;
工程参数提取模块,所述工程参数提取模块用于获取工程施工图纸,基于所述工程施工图纸进行各电气工程节点的工程参数提取;
质量节点评估模块,所述质量节点评估模块用于利用提取的工程参数与所述电气工程质量关联数据构建评估处理模块,进行质量节点评估;
电气工程质量管理模块,所述电气工程质量管理模块用于按照多个电气工程节点的时序关系,基于各质量节点评估进行全生命周期质量分析,基于质量分析结果对电气工程进行质量管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311577371.1A CN117575410A (zh) | 2023-11-22 | 2023-11-22 | 一种电气工程的质量管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311577371.1A CN117575410A (zh) | 2023-11-22 | 2023-11-22 | 一种电气工程的质量管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117575410A true CN117575410A (zh) | 2024-02-20 |
Family
ID=89895157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311577371.1A Pending CN117575410A (zh) | 2023-11-22 | 2023-11-22 | 一种电气工程的质量管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117575410A (zh) |
-
2023
- 2023-11-22 CN CN202311577371.1A patent/CN117575410A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
CN107292502B (zh) | 一种配电网可靠性评估方法 | |
CN104865827B (zh) | 一种基于多工况模型的抽油机采油优化方法 | |
CN105488592A (zh) | 一种光伏电站发电量预测的方法 | |
CN114035468B (zh) | 基于XGBoost算法的风机检修流程预测性监控方法与系统 | |
CN114397526A (zh) | 状态全息感知数据驱动的电力变压器故障预测方法及系统 | |
CN112668802A (zh) | 一种基于设计参数的施工碳排放预测方法 | |
CN114819583A (zh) | 锂电池化成阶段产品质量预测方法及系统 | |
CN116432123A (zh) | 一种基于cart决策树算法的电能表故障预警方法 | |
CN109921462B (zh) | 一种基于lstm的新能源消纳能力评估方法及系统 | |
CN114548493A (zh) | 一种电能表电流过载预测方法与系统 | |
CN114595762A (zh) | 一种光伏电站异常数据序列提取方法 | |
CN116365519B (zh) | 一种电力负荷预测方法、系统、存储介质及设备 | |
CN104680010A (zh) | 一种汽轮机组稳态运行数据筛选方法 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
CN117575410A (zh) | 一种电气工程的质量管理方法及系统 | |
CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 | |
CN114298413B (zh) | 一种水电机组振摆趋势预测方法 | |
CN114529071A (zh) | 一种台区用电量预测方法 | |
CN115186935A (zh) | 一种机电设备非线性故障预测方法及系统 | |
CN111680572B (zh) | 一种电网运行场景动态判定方法及系统 | |
CN114063525A (zh) | 一种水泥磨系统自动寻优控制系统及方法 | |
CN114819248A (zh) | 一种基于随机森林的风电发电量预测方法及设备 | |
CN113591266A (zh) | 一种电能表故障概率的分析方法及系统 |
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 |