[发明专利]一种基于专家系统算法的缺陷填报数据治理方法

说明书

本发明公开了一种基于专家系统算法的缺陷填报数据治理方法，包括以下步骤：步骤1：从资产管理系统中，获取缺陷信息构成缺陷填报系统，当出现关键信息漏填写时，给出报警提示；步骤2：根据步骤1中缺陷填报系统的部分缺陷信息核查：电压等级核查和缺陷等级核查；步骤3：缺陷体外循环检测：缺陷体外循环检测：1）从资产管理系统获取上个月状态为“工作终结”的工作票；2）提取工作票中工作任务内容描述的特征词，与构建好的关键词库比对，筛选出属于缺陷核查的工作票；3）缺陷核查工作票与缺陷信息匹配。本发明将对设备缺陷填报数据进行准确、规范、标准化的治理，形成一个统一规范化的数据填报标准，提高缺陷填报数据质量。

技术领域

本发明涉及非侵入式负荷分解领域，具体涉及一种基于专家系统算法的缺陷填报数据治理方法。

背景技术

缺陷数据治理：当前环境下我国学者对缺陷填报数据的研究重点偏向于缺陷数据智能化填报的研究，主要目标在于实现缺陷数据智能化管理，解决设备缺陷数据填报混乱的问题。基于此点，电子科技大学等高校的部分学者基于WEB技术开发和设计了电力设备缺陷管理系统，大大提升了缺陷数据填报效率和缺陷管理质量，实现了缺陷管理的全程信息化，但在实际使用过程中因业务人员填报的缺陷数据质量低、描述不规范、缺陷描述与设备实际缺陷不一致等问题导致缺陷误判和无效的设备巡视检修工作频繁发生，降低了设备的巡视效率和消缺的效能。

国外学者在“治理”思维引领下，围绕企业、政府、医院和高校的数据治理展开了大量理论研究和实践探索。较为认可的数据治理模型包括ISACA数据治理模型与HESA数据治理模型。

1、ISACA数据治理模型

ISACA数据治理以组织的愿景和使命，组织利益以及具体目标，共同确定数据治理的策略或目标。经由此类过程，数据治理模型的定位将会更精准，更扎根于组织本身。由于治理是灵活的，可以根据组织需求适当扩大或缩小治理范围，所以其模型不应是“死板”的，在可控的范围内进行调整是模型的特点。该模型的另一特点是充分体现了人的能动性与主导作用，全程参与到数据治理过程中。此外，模型采用顶层设计，基层实施的方法，秉持简单实用的原则，只在需要的地方进行治理，不将额外的步骤加入简单的过程中，确保模型的所有环节都为整个组织增值。

在模型建构的背景中，ISACA指出倘若治理难易程度较高，管理层和实际操作人员都会选择绕道而行，这与治理的初衷背道而驰。如果将治理定制化，治理模型充分体现人的主导作用，治理各阶层的人就会感觉获得所有权，这更有助于数据治理模型的实行。在数据治理合规性方面，该模型从政策、标准以及内部质量保证三方面着手。合规性的设置遵循了内外结合的原则，在响应各地区政府政策的前提下，紧跟行业标准，完善内部质量保证，从而提升整个模型的效能，达到数据治理的目的。

2、HESA数据治理模型

HESA强调数据治理模型和组织的设计与管理结构密切相关，同时指出每个组织应根据各自侧重点，对通用模型进行适当修改，即“特色化”。因此在该模型中，HESA将数据治理团队与法律、安全、人力资源等团队置于并列位置，共同受数据治理委员会指导。其次，授权给数据管家、业务人员和数据用户等。HESA指出治理模型在一定程度上构成了为所有人公平获取数据的概念，数据应被视为组织资产，而不是一个孤岛。故该模型数据治理的范围包括:①确保数据安全，管理良好，确保组织面临的风险可控；②防止和纠正数据错误，作为计划持续改进的一部分；③衡量数据质量并提供检测和评估数据质量的改进框架；④制定标准记录数据及其在组织内的使用情况；⑤作为数据相关问题/变更的升级和决策主体。数据治理呈现一种层层递进的态势，在数据治理模型中，需要定义和分配一些关键角色。

综合以上研究现状可以看出，我国设备缺陷填报数据治理目前处于向智能化过渡阶段，而国外的ISACA数据治理模型与HESA数据治理模型则面向企业组织级的数据质量问题，但实施难度大，耗费成本高，同时需要投入大量的人力，并不适用于设备缺陷数据的自动核查处理。

发明内容