关于数据挖掘:复杂网络社区发现算法聚类分析全国电梯故障数据和可视化诊断电梯安全之殇

45次阅读

共计 1429 个字符,预计需要花费 4 分钟才能阅读完成。

全文链接:http://tecdat.cn/?p=2186

原文出处:拓端数据部落公众号

物业工程肩负着维持我的项目各类设施设施的失常运作,保障整体业主的失常生存,令物业保值贬值,是我的项目的心脏部门。拓端数据(tecdat)钻研人员依据全国电梯故障上报汇总数据,从多个角度进行数据分析。

物业工程肩负着维持我的项目各类设施设施的失常运作,保障整体业主的失常生存,令物业保值贬值,是我的项目的心脏部门。工程设施故障剖析,从各类业余零碎的问题统计中,发现该零碎全国故障发生率较高的设施问题,从工程治理措施上管制设施故障率,缩小同类故障的频发水平,对设施设施故障的预判、解决方案的制订有十分重要的意义。

基于以上背景,拓端数据(tecdat)钻研人员依据全国电梯故障上报汇总数据,从多个角度进行数据分析。

电梯故障

影响因素网络 *

图表 1

电梯故障影响因素剖析结果显示电梯故障处理结果、损坏配件名称和故障起因之间存在强关联关系,故障解决时长和故障起因、更换配件费用、流程状态之间存在较强的关联关系,故障类型和故障起因、单元号之间存在关联关系。

社区发现算法结果显示,电梯故障因素能够从配件信息、故障信息和房屋信息三个维度来进行剖析。因而,精确确定故障起因和预计故障解决工夫能够进步故障解决效率。从聚类后果中能够判断电梯所处的房屋信息对故障解决时长也有肯定影响。

停梯起因

影响因素剖析

接下来,咱们对截止钻研时段仍为停梯状态对象的起因和影响因素进行钻研。

图表 2

停梯的因素能够分成三个方面:故障责任未明确、维保单位流程中与无备用配件。相比于失常状态电梯,拨打 400 客服电话能够很大水平上缩小因为起因和责任不明确所导致的停梯比例,肯定水平上放慢维保单位培修的过程,从而缩小停梯比例。同时,有被困人员的电梯因为起因和责任未明确而停梯的状况较少呈现,同时也缩小了维保单位协调和无配件而停机的比例。

地区比拟

故障类型和解决时长

图表 3

依据故障类型的复杂程度和电梯故障解决效率两个维度,电梯故障解决状况能够大略分成 4 个区域。在 A 区域中,咱们发现全国大部分省市的简单故障解决时长都较短,新疆和深圳在解决简单故障类型的能力上仍需进步。在 B 区域中,咱们发现新疆、海南和甘肃在解决个别故障类型的能力上仍需进步。在 C 区域中,咱们发现福建、广西和新疆在解决个别故障类型的能力上仍需进步。总的来说,大部分地区在较短时间内能够解决较简单的故障类型,同时对于个别故障类型的解决时长长短不一、相差很大,新疆在不同故障类型的解决效率上仍需进步。

本文章中的所有信息(包含但不限于剖析、预测、倡议、数据、图表等内容)仅供参考,拓端数据(tecdat)不因文章的全副或局部内容产生的或因本文章而引致的任何损失承当任何责任。


最受欢迎的见解

1. R 语言 k -Shape 算法股票价格工夫序列聚类

2. R 语言基于温度对城市档次聚类、kmean 聚类、主成分剖析和 Voronoi 图

3. R 语言对用电负荷工夫序列数据进行 K -medoids 聚类建模和 GAM 回归

4. r 语言鸢尾花 iris 数据集的档次聚类

5.Python Monte Carlo K-Means 聚类实战

6. 用 R 进行网站评论文本开掘聚类

7. R 语言 KMEANS 均值聚类和档次聚类:亚洲国家地区生存幸福品质异同可视化 **

8.PYTHON 用户散失数据挖掘:建设逻辑回归、XGBOOST、随机森林、决策树、反对向量机、奢侈贝叶斯模型和 KMEANS 聚类用户画像

9. R 语言基于 Keras 的小数据集深度学习图像分类

正文完
 0