故障工单的质检方法技术

本申请提供了一种故障工单的质检方法

【技术实现步骤摘要】
故障工单的质检方法、设备及存储介质


[0001]本申请实施例涉及但不限于通信
，尤其涉及一种故障工单的质检方法
、
设备及存储介质
。

技术介绍

[0002]随着网络复杂化，应用多样性，数据爆炸，对设备
(
如运营商和设备商的通信设备
)
自动化和智能化的运维诉求与日俱增
。
其中，运维包括故障发生后，经过分析定界定位后派出工单执行处理，处理完毕后需要进行故障工单质检，检查本次故障是否已经清除，相应处理
‑‑
包括故障处理和故障描述
‑‑
是否正确
。
由于故障工单数量庞大，运营商对工单处理质量检查的传统做法是人工抽检，虽然随着
AI
的发展，自动智能质检也随之应用于质检，但是相关技术中，智能质检通常会从一个维度进行故障类别与解决手段的匹配校验，来判断工单是否质量合格，智能质检的准确率低
。

技术实现思路

[0003]以下是对本文详细描述的主题的概述
。
本概述并非是为了限制权利要求的保护范围
。
[0004]本申请实施例提供了一种故障工单的质检方法
、
设备及存储介质，能提升故障工单质检的准确率
。
[0005]第一方面，本申请实施例提供了一种故障工单的质检方法，所述质检方法包括：
[0006]获取待质检的工单对应的工单数据；
[0007]将所述工单数据输入到预设的透视模型中进行多维度工单因素关联分析处理，得到所述工单对应的质检分类信息
。
[0008]第二方面，本申请实施例还提供了电子设备，包括：存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任意一项所述的故障工单的质检方法
。
[0009]第三方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于实现如第一方面任意一项所述的故障工单的质检方法
。
[0010]本申请实施例包括：通过获取待质检工单对应的工单数据，并通过透视模型进对工单数据进行多维度工单因素关联分析处理，进而可以通过多维度工单因素之间的合理性确定质检分类信息，相对于现有技术中简单的规则匹配，本申请的实施例能进行多维度的关联分析，因此，本申请的实施例能提升智能质检的准确率
。
附图说明
[0011]图1是本申请实施例中故障工单的质检装置的模块总示意图；
[0012]图2是本申请实施例中故障工单的质检装置的模块细节示意图；
[0013]图3是本申请实施例中工单设置模块设置的参数；
[0014]图4是本申请实施例中故障工单的质检装置的模块细节示意图；
[0015]图5是本申请实施例中故障工单的质检方法的流程示意图；
[0016]图6是本申请实施例中透视模型处理的流程示意图；
[0017]图7是本申请实施例中工单向量子模型处理结果的示意图；
[0018]图8是本申请实施例中故障工单的质检方法处理的工单；
[0019]图9是本申请实施例中故障工单的质检方法处理的另一工单；
[0020]图
10
是本申请实施例的工单向量子模型的由来的示意图；
[0021]图
11
是本申请实施例中透视模型训练过程中精度提升的流程示意图；
[0022]图
12
是本申请实施例中应用故障工单的质检方法的实施例的流程示意图；
[0023]图
13
是本申请实施例中应用故障工单的质检方法的历史工单处理的流程示意图；
[0024]图
14
是本申请实施例中应用故障工单的质检方法的实施例的透视模型精度提升流程示意图；
[0025]图
15
是本申请实施例中电子设备的硬件结构示意图
。
具体实施方式
[0026]为了使本申请的目的
、
技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明
。
应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请
。
[0027]需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤
。
说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序
。
[0028]附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作
/
步骤，也不是必须按所描述的顺序执行
。
例如，有的操作
/
步骤还可以分解，而有的操作
/
步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变
。
[0029]随着网络复杂化，应用多样性，数据爆炸，对设备
(
如运营商和设备商的通信设备
)
自动化和智能化的运维诉求与日俱增
。
其中，运维包括故障发生后，经过分析定界定位后派出工单执行处理，处理完毕后需要进行故障工单质检，检查本次故障是否已经清除，相应处理
‑‑
包括故障处理和故障描述
‑‑
是否正确
。
由于故障工单数量庞大，运营商对工单处理质量检查的传统做法是人工抽检，虽然随着
AI
的发展，自动智能质检也随之应用于质检，但是相关技术中，智能质检通常从一个维度进行故障类别与解决手段的匹配校验，来判断工单是否质量合格，但是实际应用中，工单上的信息往往由现场运维人员进行填写，为了迎合质检的要求，填写时，存在与实际情况不符的情况，因此，仅通过故障类别与解决手段进行匹配校验，会导致智能质检的准确率低
。
基于此，本申请实施例提出一种故障工单的质检方法
、
设备及存储介质，能提升故障工单质检的准确率
。
[0030]参照图1所示的实施例，本申请实施例提供一种故障工单的质检装置，包括获取模块
100
和分类模块
200
，获取模块
100
用于获取待质检的工单对应的工单数据；分类模块
200
用于将工单数据输入到预设的透视模型中进行多维度工单因素关联分析处理，得到工单对
应的质检分类信息
。
[0031]需说明的是，多维度工单因素包括工单处理过程
、
处理时长单一维度的分析以及工单处理过程和处理时长关联维度的分析
。
[0032]在一些实施例中，分类模块
20本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种故障工单的质检方法，所述质检方法包括：获取待质检的工单对应的工单数据；将所述工单数据输入到预设的透视模型中进行多维度工单因素关联分析处理，得到所述工单对应的质检分类信息
。2.
根据权利要求1所述的故障工单的质检方法，其特征在于，所述透视模型包括工单向量子模型
、
时长子模型以及多分类子模型；所述将所述工单数据输入到预设的透视模型中进行工单因素多维度关联分析处理，得到所述工单对应的质检分类信息，包括：通过所述工单向量子模型对所述工单数据进行向量化处理，得到工单向量；通过所述时长子模型对所述工单数据进行时长分布预测，得到时长异常概率值；通过所述多分类子模型对所述工单向量以及所述时长异常概率值进行多维度特征提取，得到所述质检分类信息
。3.
根据权利要求2所述的故障工单的质检方法，其特征在于，在得到所述工单向量之前，所述质检方法还包括：根据所述工单数据，确定多个独热编码数据，其中，多个所述独热编码数据分别对应工单基础数据
、
故障原因类别以及故障操作数据；对应的，所述通过所述工单向量子模型对所述工单数据进行向量化处理，得到工单向量，包括：通过所述工单向量子模型对多个所述独热编码数据进行向量化处理，得到工单向量
。4.
根据权利要求2所述的故障工单的质检方法，其特征在于，在得到所述时长异常概率值之前，所述质检方法还包括：从所述工单数据中提取故障类别
、
故障描述时间以及故障处理时间数据；对应的，所述通过所述时长子模型对所述工单数据进行时长概率预测，得到时长异常概率值，包括：通过所述时长子模型对所述故障类别
、
所述故障描述时间和所述故障处理时间数据进行时长概率预测，得到时长异常概率值
。5.
根据权利要求2所述的故障工单的质检方法，其特征在于，所述通过所述多分类子模型对所述工单向量以及所述时长异常概率值进行多维度特征提取，得到质检分类信息，包括：通过所述多分类子模型对所述工单向量分别进行向量特征提取以及故障类型特征提取，得到所述向量特征对应的第一特征数据
、
所述故障类型特征对应的第二特征数据；通过所述多分类子模型对所述时长异常概率值进行多维度时长特征提取，得到第三特征数据；通过所述多分类子模型对第一特征数据
、
所述第二特征数据以及所述第三特征数据进行权重处理，并根据所述权重处理的结果输出所述质检分类信息
。6.
根据权利要求5...

【专利技术属性】
技术研发人员：姜磊，徐代刚，余桃梅，赵松，杜贤俊，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：