一种基于数字画像的特种设备检验机构业务能力评价方法

本发明属于特种设备检验机构量化表征和综合评价，尤其涉及一种基于数字画像的特种设备检验机构业务能力评价方法。

背景技术：

1、检验机构评价是一个复杂的过程，涉及到许多不同的因素，包括机构的技术能力、管理能力、人员素质等。近年来，特种设备数量不断快速增长。截至2022年年底，全国特种设备总量达1955.25万台。其中：锅炉32.92万台、压力容器497.15万台、电梯964.46万台、起重机械279.24万台、客运索道1117条、大型游乐设施2.52万台(套)、场(厂)内专用机动车辆178.85万台。截至2022年年底，全国共有特种设备检验检测机构4845家，持证5021个。随着设备数量的快速增长，检验机构作为保障特种设备安全运行的最重要单位，正在遭受更加严重的人机矛盾问题。为了更好地提升人员、部门乃至机构业务能力，需要准确量化检验机构各方面因素。

2、检验机构评价目前主要通过量化机构的资质情况、技术能力、管理体系等方面，其中，技术能力又包括设备能力和技术人员能力，结合专家打分法来进行综合评价。在特种设备领域检验机构负责特种设备的型式检验、定期检验和监督检验。检验结果数据为量化评价机构技术能力提供了量化数据支持。当前，针对检验机构能力评估，尤其是特种设备领域检验机构能力评估尚处于探索阶段，检验机构业务能力维度和评价指标体系构建方法不清晰，亟待建立全面科学有效的评价体系与综合方法。

技术实现思路

1、本发明的目的是为了解决现有技术中的问题，提出了一种基于数字画像的特种设备检验机构业务能力评价方法。

2、本发明是通过以下技术方案实现的，本发明提出一种基于数字画像的特种设备检验机构业务能力评价方法，所述方法具体步骤为：

3、步骤一、收集检验机构基础信息、人员信息、工作量信息、工作质量信息和特殊字段信息；对信息数据进行归一化处理，消除量纲和数据质量差的数据字段；

4、步骤二、围绕五方面内容即五个大类指标，进行34个小类指标体系构建；所述五个大类指标包括基础指标、人员指标、工作量指标、工作质量指标和特殊指标；基础指标反映标检验机构的基础信息和状态，是相对变化低的静态属性；人员指标反映检验机构的构成比例和人员培训情况；工作量指标反映检验机构的工作数量和压力；工作质量指标反映工作均衡度和发现问题情况，是从工作内容角度重点进行问题描述；特殊指标反映在检验机构科研成长和负责范围的特殊区域情况；

5、步骤三、通过层次分析进行指标大类和小类权重计算；针对34小类指标权重，根据差异性比较方法，计算检验机构某项指标在全体某类别的占比程度，占比程度映射到层次分析的9个标度，进而通过层次分析法计算得到其小类权重；

6、步骤四、检验机构指标体系构建以后，通过多种可视化图表，多角度全方位建立检验机构画像，从而完成业务能力评价。

7、进一步地，在步骤一中，利用数据清洗对检验机构系统数据进行重新审查和校验，从而删除重复信息、纠正存在的错误，并提供数据一致性；

8、对于缺失数据，采用手工填入的方式；

9、对于错误值数据，采用统计分析的方法识别可能的错误值或异常值；

10、对于重复记录数据，数据库中属性值相同的记录被认为是重复记录，通过判断记录间的属性值是否相等来检测记录是否相等，如果记录相等则合并/清除记录；

11、对于存在缺失值数据字段，如果特征缺失值在10％以内，采取将缺失值nan作为一个特征利用平均值填充或插值填充的方法对缺失数据进行插补；对于缺失值大于等于10％的数据字段，将该字段分为缺失与非缺失两类，生成新数据维度用于后面的数据分析工作；

12、对于数据格式不统一问题，采用数据变换来实现数据格式统一，即对数据进行规范化处理，以便于后续的信息挖掘；

13、对于多个数据与同一指标相关时，采用主成分分析法进行该指标数据降维和主成分提取。

14、进一步地，所述主成分分析法是通过原始变量的线性组合，从多个原始指标中提取特征指标来表明研究对象特征；在保证不同指标相同量化后，针对每个方面的候选指标进行主成分分析，具体方法如下：

15、①建立n个区域p个指标的原始矩阵mij(i＝1,2,…,n；j＝1,2,…,p)，并对其进行无量纲化或标准化处理，得到mij矩阵；标准化处理对正指标有：对逆指标有：其中，sij为标准差；

16、②计算指标的相关系数矩阵

17、③求特征值λk(k＝1,2,…,p)和特征向量lk(k＝1,2,…,p)；根据特征方程|r-λi|＝0计算特征值λk的特征向量lk，i是单位矩阵；

18、④计算贡献率和累积贡献率选取dk≥90％的特征值对应的几个主成分；

19、⑤计算主成分指标的权重wj，把第m个主成分特征值的累积贡献率dm定为1，算出t1，t2…，t′m所对应的新t1，t2…，t′m，即成为主成分指标的权重值；

20、⑥根据多指标加权综合评价模型计算综合评价值，其中wj为第j个指标的单项评价值，此时wj＝t′j(j＝1,2,…,m)，yij即是主成分的得分矩阵。

21、进一步地，在步骤二中，工作量信息类指标即工作量指标，其包括年工作量、检验数量、待检数量、累计检验量、人均检验数量、平均待检验时间、专项检验次数和保障活动次数；主要从总体工作量和平均工作量反映检验机构的业务能力。

22、进一步地，工作质量信息类指标即工作质量指标，其包括工作量均衡度、平均问题数量、问题及隐患数量、问题及隐患类型、平均问题时间间隔、事故数量、事故类型、死亡人数和受伤人数；主要从工作安排的平衡情况、工作内容中包含的问题及安全事故情况反映检验机构工作的业务质量；其中，工作量均衡度是指人均/组均工作量与标准差的之比，反映机构工作人员工作量安排的差异性；均衡程度越大，检验人员之间的工作量差异越明显，均衡程度越小，表示检验人员之间的工作量差异越小；计算公式如下：

23、

24、其中，公式分子部分为检验人员工作量的标准差，x为该人员/小组/机构工作量，是平均工作量。

25、进一步地，所述步骤三具体为：

26、(1)建立层次结构模型；

27、(2)构造各层次中的判断矩阵，即根据标度表完成赋值，得到判断矩阵a，

28、

29、判断矩阵元素aij用saaty的1-9标度方法给出；

30、(3)层次排序及一致性检验；对应于判断矩阵最大特征根λmax的特征向量，经归一化后记为w，其中各元素wi为

31、

32、w的元素即为同一层次元素对于上一层元素相对重要性的排序权值；为了判断一致性，定义一致性指标：

33、

34、其中，λ为最大特征根；n为唯一非零特征根，ci越接近于0，一致性越好；为了衡量ci的大小，引入随机一致性指标ri，定义一致性比率：

35、

36、当cr<0.1时通过一致性检验；

37、将构建好的检验机构指标体系作为层次模型基础，利用变量重要性分析法得到各指标的变量重要度得分得到相对重要性关系，依据层次分析法的标度表完成赋值，构造判断矩阵，通过一致性检验后，即可得到检验机构小类指标权重，结合权重和实值，完成检验机构业务能力的量化评估，即

38、s总分＝∑wi(∑wjrealj)

39、其中，wi，wj是对应的大类指标权重和小类指标权重，realj是小类指标对应的实际数据值。

40、本发明与现有技术相比，具有以下优点：

41、1、本发明为一种基于数字画像的特种设备检验机构业务能力评价方法，与传统机构评价方法相比，采用了数字画像的方法进行机构业务能力评价，该方法基于数据驱动的思想，能够直观且客观反映结构的业务能力现状，并可以进行横向比较；

42、2、本发明基于数字画像的评价方法首次在特种设备检验机构评价中提出，构建了检验机构综合评价指标体系，可以从两个层次多个角度刻画机构业务能力；

43、3、指标体系中工作量和工作质量指标，既包含工作的广度又覆盖了工作的深度，能够更好反映机构的业务能力；

44、4、本发明创新性地基于数字画像方法，将主成分分析用于底层数据处理和归拢，采用大数据特征提取方法实现业务能力广度和深度指标的提取，通过指标体系和可视化方式，为特种设备检验机构业务能力评估提供了一种全面、科学、实用的评估新路径；

45、5、本发明可以根据评估对象机构的层级和规模自适应调整，可以满足一个区域多个机构的横向评价与对比，也可以支持多个层级之间差异性比较，根据实际数据情况可以进行底层指标调整，具有较强的适用性。