[发明专利]基于NLP的暖通末端设备维修保养作业自动派单方法

说明书

本发明公开了一种基于NLP技术的暖通末端设备维修保养作业自动派单方法，属于民用建筑机电智能化运维技术领域。本发明的一种基于NLP技术的暖通末端设备维修保养作业自动派单方法，从源系统抽取暖通末端设备维修和保养的工单数据集，依据中文分词器配置设定进行维保文本内容的中文分词工作。为解决人工工单分配模式，由于受到工作时间限制无法做到全覆盖响应用户报修信息，影响暖通末端设备处置及时性的问题，通过训练和调试完成暖通末端设备维修和保养故障分类自动标注单元，制作暖通末端设备维修和保养工单的故障自动识别装置，并在此基础上构建暖通末端设备故障处理决策表通过机器学习方式实现暖通末端设备维保工单的自动分配。

技术领域

本发明涉及民用建筑机电智能化运维技术领域，具体为基于NLP的暖通末端设备维修保养作业自动派单方法。

背景技术

随着建筑全生命周期概念的逐步普及并深入到建筑设施管理的运维阶段，越来越多的建筑设施运维项目正处于数字化运维的转型阶段，在这些采用建筑数字化运维的项目中一般都会使用建筑设施管理系统，用于建筑物内的设备维修和保养管理实现建筑物内设备维保作业的数字化管理。传统的暖通末端设备维修和保养的作业是由客服人员接到暖通设备的用户报障或系统告警后，依据经验将维修和保养工单指派到对应的暖通作业班组执行，此种派工方式依赖客服人员的经验判断，存在着人工派工速度滞后现场要求的情况发生，造成暖通末端设备维修服务滞后等问题的产生，根据统计人工派单方式暖通末端设备维修工单处理及时率仅为85%，末端节点设备是面向最终用户，因此会造成用户服务满意度下降。

1）在实际派工过程中会存在暖通维修和保养工单报障问题描述同具体暖通末端设备维修专业分类不同的问题产生，导致“误派工”事件发生概率约为15%，由于“误派工”会导致工单被分配到错误维修对象，进而工单正确响应时间变长，导致客户服务体验差。

2）既有工单分配方式是依赖人工，因此派单速度和正确性依赖人员经验和判断，当工单量派单负荷大时候会出现人为失误导致工单分配到错误作业班组，影响工单执行及时性。根据数据显示人为失误导致“误派工”概率约3%-5%。

3）人工工单分配模式，由于受到工作时间限制无法做到7*24的全覆盖响应用户报修信息，影响暖通末端设备处置及时性；因此，不满足现有的需求，对此提出了基于NLP的暖通末端设备维修保养作业自动派单方法。

发明内容

本发明的目的在于提供基于NLP的暖通末端设备维修保养作业自动派单方法，通过对暖通末端设备维保工单描述中文文本语义的机器学习，搭建并配置暖通末端设备故障分类器预测模型网络和参数，通过训练和调试完成暖通末端设备维修和保养故障分类自动标注单元，制作暖通末端设备维修和保养工单的故障自动识别装置，并在此基础上构建暖通末端设备故障处理决策表通过机器学习方式实现暖通末端设备维保工单的自动分配，可以解决现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：基于NLP的暖通末端设备维修保养作业自动派单方法，包括如下步骤：

步骤一：从源系统抽取暖通末端设备维修和保养的工单数据集，依据中文分词器配置设定进行维保文本内容的中文分词工作，为了保证分词效果正确，应预先设置停用词库将无意义的分词结果排除；

步骤二：根据维保工单装置属性从原始工单文本中抽取所述目标关键词，可以包括：设备位置关键词、设备故障问题类型关键词中的至少之一；

所述设备位置关键词，可以包括：所述建筑维修工单集合的每条建筑维修工单所对应的建筑、楼层、空间和房间的名称及编号信息中的至少之一；

所述设备故障关键词可包括：暖通末端设备、暖通末端节点和暖通末端设备构件的名称、编号至少之一；

所述问题类型关键词，可以包括：建筑维修中的常见问题描述和常用词语中的至少之一；

步骤三：搭建故障分类器网络，并配置预训练模型参数和训练、测试数据集路径后启动故障分类器的预训练过程，在预训练结束后进行故障分类器效果评估，并根据评估结果进行模型预训练过程迭代调适；