一种基于正态分布模型的业扩流程耗时偏差检测方法与流程

本发明涉及电力检测
技术领域：
，特别涉及一种基于正态分布模型的业扩流程耗时偏差检测方法。
背景技术：
：业扩报装，是客户和电力企业建立供用电关系的首要环节，目前业扩报装信息化管理方式下，客户到供电企业办理业扩业务审批手续要经过多个环节多个部门，需要很长时间，不仅给客户带来极大的不便，还导致用电企业投入大量的人力、物力，而且工作效率较低。目前，业扩报装管理系统，以及sg186营销mis系统，营销相关信息系统受限于传统业扩流程环节工作管理、电力营销业务功能，主要侧重于业务本身的实现和指标监控考核，在面向市场的业扩报装效率分析上的支撑很少。技术实现要素：本发明的目的在于提供一种基于正态分布模型的业扩流程耗时偏差检测方法，以实现业扩环节耗时偏差检测和预警分析。为实现以上目的，本发明采用一种基于正态分布模型的业扩流程耗时偏差检测方法，包括如下步骤：计算业扩流程环节中每一环节的平均报装耗时，并将每一环节的平均报装耗时与该单个环节报装耗时进行比较以分析每一环节的报装耗时分析业扩流程效率；根据业扩流程效率低的环节的业扩流程数据和业扩相关数据，得到业扩流程耗时关联因素；根据所述业扩流程效率和所述业扩耗时关联因素，分析得到每一环节的耗时分布，并基于每一环节的耗时分布构建业扩环节耗时偏差检测分析模型；利用所述业扩环节耗时偏差检测分析模型对业扩流程环节总耗时进行分析，得到业扩流程环节总耗时。进一步地，所述业扩流程环节包括供电公司端业扩环节和客户端业扩环节，所述供电公司端业扩环节包括方案答复、设计审核、中间检查、竣工验收、装表接电以及归档。进一步地，所述计算业扩流程环节中每一环节的平均报装耗时，并将每一环节的平均报装耗时与该单个环节报装耗时进行比较以分析每一环节的报装耗时分析业扩流程效率，包括：根据∑(单个环节结束日期-单个环节开始日期)/统计送电工单个数，计算单个环节的平均报装耗时；将单个环节报装耗时与该单个环节平均报装耗时进行比较，在单个环节报装耗时与该单个环节平均报装耗时的差值在设定的范围内，确定该单个环节业扩流程效率为高；在单个环节报装耗时与该单个环节平均报装耗时的差值不在设定的范围内，确定该单个环节业扩流程效率为低。进一步地，所述业扩环节耗时偏差检测分析模型为基于正态分布的检测模型。进一步地，利用所述业扩环节耗时偏差检测分析模型对业扩流程环节总耗时进行分析，得到业扩流程环节总耗时，包括：利用所述业扩环节耗时偏差检测分析模型确定离群值，将离群值作为异常耗时工单；对所述异常耗时工单进行数据转换，将其转换为正态分布形态；对符合正态分布的整体耗时进行正态分布检测，得到业扩流程环节总耗时。进一步地，将所述异常耗时工单发送至业务部门，以提醒业务人员在业务增效提速过程中跟踪所述异常耗时工单。进一步地，所述业扩相关数据包括配网设备基础台账信息、业务报装基本信息、业扩流程信息、供电方案信息和供电配套工程信息。与现有技术相比，本发明存在以下技术效果：本发明通过利用数据分析手段，通过对业扩流程业务数据以及业扩提速管理改进的活动记录进行分析，实现了业扩环节耗时偏差检测和预警分析，有助于在业扩提速全过程中跟踪进展、发现问题、剖析原因，解决了现有的业扩报装过程效率较低的问题。附图说明下面结合附图，对本发明的具体实施方式进行详细描述：图1是一种基于正态分布模型的业扩流程耗时偏差检测方法的流程示意图；图2是业扩流程环节示意图；图3是高压业扩环节耗时分析示意图；图4是耗时散点图；图5业扩环节耗时偏差检测分析模型的正态分布示意图；图6是整体耗时的正态分布示意图。具体实施方式为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。如图1所示，本实施例公开了一种基于正态分布模型的业扩流程耗时偏差检测方法，包括如下步骤s1至s4：s1、计算业扩流程环节中每一环节的平均报装耗时，并将每一环节的平均报装耗时与该单个环节报装耗时进行比较以分析每一环节的报装耗时分析业扩流程效率；s2、根据业扩流程效率低的环节的业扩流程数据和业扩相关数据，得到业扩流程耗时关联因素；s3、根据所述业扩流程效率和所述业扩耗时关联因素，分析得到每一环节的耗时分布，并基于每一环节的耗时分布构建业扩环节耗时偏差检测分析模型；s4、利用所述业扩环节耗时偏差检测分析模型对业扩流程环节总耗时进行分析，得到业扩流程环节总耗时。进一步地，如图2所示，业扩流程环节包括供电公司端业扩环节和客户端业扩环节，所述供电公司端业扩环节包括方案答复、设计审核、中间检查、竣工验收、装表接电以及归档。进一步地，对于上述步骤s1：计算业扩流程环节中每一环节的平均报装耗时，并将每一环节的平均报装耗时与该单个环节报装耗时进行比较以分析每一环节的报装耗时分析业扩流程效率。包括：根据∑(单个环节结束日期-单个环节开始日期)/统计送电工单个数，计算单个环节的平均报装耗时；将单个环节报装耗时与该单个环节平均报装耗时进行比较，在单个环节报装耗时与该单个环节平均报装耗时的差值在设定的范围内，确定该单个环节业扩流程效率为高；在单个环节报装耗时与该单个环节平均报装耗时的差值不在设定的范围内，确定该单个环节业扩流程效率为低。需要说明的是，业扩流程效率分析具体分析过程为：整合sg186营销系统中客户基本信息(业扩类型等)、客户业扩报装数据以及客户报装环节耗时数据，利用不同的数据挖掘算法设立并分解关键指标，以指标为导向量化业扩提速增效目标。通过数据精益分析方法，深度挖掘业扩数据、聚焦问题、剖析原因，辅助高压业扩报装的效率提升。需要说明的是，本实施例首先根据高压业扩提速目标，确定指标类别以及指标计算方法，将业扩流程环节进行分解，然后对每一环节的报装耗时情况进行计算与分析，每一环节的报装耗时计算方式如表1所示：表1示例：耗时分析(1)上半年平均接电耗时分析如表2所示；表2分析点：2016年上半年,公司共完成420项接电的新装、增容、临时用电高压业扩工程，其中164项完成从受理至接电全流程的高压业扩工程平均接电时间较2015年同期平均缩短22.97天，缩短35.1％。(2)上半年高压业扩环节耗时分析如图3所示。分析点1：年度关键指标的7类高压业扩类型所包含的63个环节平均耗时指标值中，有6个环节平均耗时上升，48个环节平均耗时下降。分析点2：耗时上升的环节均为5个考核时限环节耗时，由于原有5个时限环节耗时的基数较小，本期耗时虽有上升但整体还在国网考核要求范围之内。上升比例最大的环节为小区新装双电源有工程类型的方案答复环节，上升类型最多的环节为装表接电环节。进一步地，对于上述步骤s2：对业扩流程数据和业扩相关数据，得到业扩流程耗时关联因素，并对业扩流程耗时关联因素进行分析。具体分析过程为：整合营销客户基础数据(户号、户名、容量、有无工程、单双电源等)以及电网各环节耗时数据，采用统计分析、聚类分析、相关分析以及卡方检验等算法分析影响因素。以业扩流程数据为主体，关联其它与业扩相关数据，包括容量信息、用能信息、配套工程信息、过程检查信息、方案信息等，通过关联分析、分类、聚类等数据挖掘方法，分析与业扩流程耗时相关联的因素，辅助高压业扩报装的效率提升。聚类分析：客户环节总耗时关联因素，通过聚类分析算法，形成以相应关键指标为分类标的的群组，每一群组之间差别明显，群组内部数据具有相似的特征。示例：容量聚类分析按照各容量等级对应的总工单数和长耗时工单数，对容量等级进行k-均值聚类。本次聚类分析只针对总工单数大于10的容量等级。卡方检验和相关分析：通过卡方检验和相关分析，判断各变量同目标标量以及各变量之间相关关系强弱，为下一步的回归预测提供维度参考。示例：五个电网环节总耗时分析如表3所示：表3**.相关性在0.01层上显著(双尾)。分析点：根据上表我们可以看出，显著性检验p值(判定相关关系是否成立)为0.000，小于0.05，说明五个节点总耗时与客户环节总耗时在0.01的置信水平下具有正相关关系，也就是说五个电网环节总耗时越长客户环节总耗时越长。进一步地，上述步骤s3：根据所述业扩流程效率和所述业扩耗时关联因素，分析得到每一环节的耗时分布，并基于每一环节的耗时分布构建业扩环节耗时偏差检测分析模型。包括：(1)计算每个业扩类型各环节耗时分布参数：例如：高压新装单电源有工程客户耗时1环节耗时分布参数如下表4所示：表4(2)绘制耗时散点图并标注各分布参数线如图4所示。(3)根据散点图分布情况确定判断值：判断值是耗时分布参数中的平均值+n倍标准差，通过散点分布图确定n值，使得判断值以外的值的数量占总数量5％～10％之间。(4)根据确定的判断值来检测该类型所属环节各工单耗时情况。进一步地，如图5所示，业扩环节耗时偏差检测分析模型为基于正态分布的检测模型。在正态分布中，大多数的数据都集中在均值附近，在均值加一倍标准差区域的数据占总数据的68.27％，均值加两倍标准差区域的数据占总数据的95％，通过正态分布的检测方法来确定离群值，也就是异常耗时工单。对于不符合正态分布的环节数据，通过数据转换，对原始数据进行取对数、平方根、立方等方法转化为正态分布形态，如图6所示。图中是对所有结存工单总耗时进行取平方根处理后，发现整体耗时符合正态分布，采取均值加一倍标准差的方式，检测出右侧15.8％的长耗时工单(左侧15.8％为短耗时工单)。即通过正态分布检测出的业扩耗时均值为135天，超过283天的工单为长耗时工单。将这类工单提供给业务部门，提示业务人员对该部分工单重点跟踪处理。通过对结存工单定期循环跟踪，实现结存压降的目的。进一步地，利用所述业扩环节耗时偏差检测分析模型对业扩流程环节总耗时进行分析，得到业扩流程环节总耗时，包括：利用所述业扩环节耗时偏差检测分析模型确定离群值，将离群值作为异常耗时工单；其中，对各业扩环节中小环节的分析方法包括关联规则分析法、分类分析法和聚类分析法，然后对所述各业扩环节中小环节的耗时分布通过均值+标准差的方法确立离群值。对所述异常耗时工单进行数据转换，将其转换为正态分布形态；对符合正态分布的整体耗时进行正态分布检测，得到业扩流程环节总耗时。需要说明的是，本实施例通过对业扩环节耗时偏差检测分析模型对业扩总耗时进行分析，并在业扩提速增效全过程中实时跟踪长耗时工单，然后对长耗时工单的成因进行剖析。并对业扩流程异常环节进行检测、预警和提醒。下面以分析客户环节耗时与设计审核次数、中间检查次数和竣工验收次数的关联性分析为例进行说明：分析方法：回归分析。分析算法/模型：其中，被称为y的估计值或者预测值，表示给定各自变量的值时，因变量y的估计值；a为截距，在回归方程中又称为常数项，表示各自变量均为0时y的估计值；bi为偏回归系数，简称回归系数，表示其他自变量不变，xi每改变一个单位时，我们所预测的y的平均变化量。ei为随机误差，被假定为服从均数为0的正态分布。即对每一个体而言，在知道了所有自变量取值时，我们能确定的只是因变量的平均取值，个体的具体取值落在其附近的一个范围内。具体取值和平均取值间的差异(即ei)称为残差，这部分变异是模型中自变量不能控制的。其中，模型摘要b分析过程为表5所示：表5模型rr平方调整后r平方标准偏斜度错误10.530a0.2810.280141.068其中：a表示截距预测值：(常数)，竣工验收次数,中间检查次数,设计审核次数。b表示应变数：客户环节总耗时。通过表6观察a的显著性：表6其中，0.000b这个值代表显著性高(低于0.05代表显著性高)。通过表7观察a的系数：表7分析结果：从标准化系数(绝对值大小用来说明该自变量对因变量的重要性)可以看出，对客户环节总耗时影响从强到弱依次为：设计审核次数、竣工验收次数和中间检查次数。需要说明的是，本实施例通过对业扩环节耗时偏差检测分析模型对业扩总耗时进行分析，并在业扩提速增效全过程中实时跟踪长耗时工单，然后对长耗时工单的成因进行剖析，建立高压业扩报装总耗时关联因素分析模型，选择需要重点关注的因素，进行相关业务优化，有效支撑提速增效推进，辅助业务部门有针对性地进行处理，降低结存容量，提升公司对客户用电需求的满足效率，提高业扩报装效率。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12