基于异常感知的动态维修服务管理

加强维修服务过程中管理和控制的主动性,持续改进服务过程,是提高维修服务管理水平的重要环节。解决这一问题的关键是提高服务过程中异常事件的预测和分析能力。据此,提出了一种基于数据挖掘技术的服务过程异常事件分析和预测方法,并利用某柴油机厂的维修服务记录进行了方法验证,取得了较好的效果。这种方法为加强服务过程中管理和控制的主动性提供了一个新的思路。

基于异常模式识别的服务过程改进

持续地改进服务过程,是提高服务过程管理水平的重要方法之一,但在服务过程改进中往往难以识别服务缺陷产生的原因。针对这一问题,提出一种基于关联规则挖掘的服务过程缺陷识别和改进方法,以为有效改进服务过程提供决策依据。该方法在基本的关联规则算法中,引入了缺陷原因和结果互斥约束、规则前件数约束、改进度约束以及新颖性约束。仿真试验表明,该方法与传统关联规则算法相比,降低了生成规则的数目,提高了规则有效性,降低了算法运行时间,取得了更好的效果。

大数据时代餐饮企业管理问题研究

餐饮行业是我国第三产业中的重要行业,目前行业发展已经呈现出极大丰富化甚至饱和化现象,这一点在大数据信息化时代体现得尤为明显。本文就基于大数据背景,专门探讨了国内餐饮企业的信息化管理问题,主要希望结合餐饮企业防损管理系统建设展开研究,思考它的系统建设细节问题。

本期导读

船舶航行交通事件检测依赖基于历史数据的离线检测方法,检测模型适用性差,难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术,可以发现:在数据层面,监测数据来源单一、环境信息缺失;在方法层面,基于统计、风险评估等经典模型的事件监测方法效率高但准确性低,基于神经网络、图像识别等机器学习的检测方法准确性高但效率低;多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上,梳理了实时船舶航行交通事件检测的3项关键技术:①海事大数据技术:高效处理船舶运动数据和航行环境数据,统一多源异构数据结构标准,降低数据源单一造成的事件误报率;②船舶行为动态建模技术:利用知识图谱等技术融合船舶航行情境信息,在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型,提高检测准确性;③实时分析和可视化技术:结合平行系统进行虚实系统间信息传递,定性分析检测结果,实时显示检测全过程,提升监管过程中的人机交互效率。然后,提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统;该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。