基于序列标注的业务异常工单判别方法研究

使用人工稽查方法判别纸质工单的业务异常情况,数据积压过大,导致异常工单判别结果不精准。面对该问题,提出了基于序列标注的业务异常工单判别方法。使用注意力机制作为业务管控规则,指引业务异常问题的稽查。使用语义消歧中的柱状搜索方法进行解码,完成知识融合。采用序列标注方法构建业务管控规则知识图谱,消除积压数据。解析新增的稽查目标,确定稽查主体。设计稽查核实步骤,实现业务管控支撑智能化。采用深度学习技术,智能解析稽查工单原始信息,判断导致异常的原因,实现稽查工单智能判别。由实验结果可知,该方法用电数据幅值波动范围与实际统计结果一致,且判别结果最高为0.99,具有较高的判别准确度。

工单池处理异常流转工单的研究与应用

工单正常流转是根据工单状态按照既定顺序及时执行。国家电网公司客服中心95598业务工单在不同系统中流转时,由于网络故障、调用服务超时等原因,出现了不同系统中工单状态不一致、重复派发工单或操作时间延长等问题。目前各行业客服中心工单系统仅从开发和管理的角度进行处理,影响了工单处理效率。因此提出了工单池技术,将异常工单放入工单池,通过设置消息ID、发送表和任务引擎,自动完成异常工单从发送方到接收方的异步流转。通过实际应用,异常工单自动处理成功率达到100%,有效提升了响应客户请求、处理客户问题的效率和质量。

基于采集运维闭环管理模块的采集异常诊断分析研究

在介绍采集运维闭环管理模块标准化设计的基础上,进一步优化和完善采集异常诊断分析模型,并对现场异常原因进行分析归纳,为一线员工处理采集运维问题提供有效的技术手段。通过在吉林省各地市供电公司的应用,2017年10月和2018年10月各地市供电公司异常工单生成数量减少接近一半,异常工单派发后处理时间平均减少约0.3天,进一步提升了自动化运维水平和现场运维效率。