故障報修工單大數據挖掘

鄒墨

（福建省電力有限公司福州供電公司，福建 福州 350000）

故障報修工單大數據挖掘

鄒墨

（福建省電力有限公司福州供電公司，福建 福州 350000）

故障報修作為客戶滿意度的重要環節，由于數量大、不可控因素多，一直處于管控粗放的狀態。嘗試通過分析受理工單數量、平均到達現場時長與平均復電時長的關系，故障類型與修復時長的關系，天氣與故障報修關系，報修地點分布等因素，找到故障報修過程中的薄弱環節，精細化故障報修管理。

故障報修；工單；大數據挖掘；電能質量

故障報修工單數據項多、數據量大、單個工單流轉時間快、數據精度不高，不適用于精確分析，而適用于大數據分析。利用Tableau工具對2014-05—2015-05所有故障報修工單嘗試開展大數據挖掘，重點分析數據之間的聯系。

1 數據分析

1.1 工單數量與到達現場、復電時長的關系

在受理工單數量、平均到達現場時長以及平均復電時長關聯的分析中，2014-05—2015-05，福州地區平均復電時長為131.1 min。平均復電時長最長在每日02：00，為148.8 min，最短在每日21：00點，為74.5 min。

在關聯分析方面，通過對受理工單數、平均到達現場時長及平均復電時長相關系數進行計算可以知道，工單受理量與到達現場時長及復電時長相關系數為均為負值，分別為－0.569和－0.722，受理量與復電時長有比較明顯的負相關。在每日08：00—11：00點和17：00—18：00點這兩個工單受理量較大的時點，到達現場時長變化不大，基本短于平均到達現場時長，復電時長卻表現出明顯的峰谷；在工單受理量較小的凌晨，到達現場時長與復電時長均達到峰值。

1.2 故障類型與修復時長的關系

按照故障類型的一級分類分為5類：低壓故障、高壓故障、電能質量、客戶內部故障、其他。分別統計每個時點各個故障的修復時長以及修復平均總時長，得出故障類型與修復時長關系，在經過統計分析之后可知，各個分類平均修復時長差距較大，高壓故障分類平均修復時長最長，其他以及客戶內部故障分類平均修復時長最短。

1.3 天氣相關分析

1.3.1 天氣與故障報修量、時長關聯分析

通過防災減災系統抽取2014-05—2015-05的氣溫和降雨數據，與故障報修的受理量、到達現場時長及修復時長進行關聯分析，具體如圖1所示。

由圖1可見，全年受理量與平均復電時長根據日期變化較大，曲線有明顯的峰谷；到達現場時長根據日期變化不大，曲線較為平緩。在對降雨與復電時長、降雨與受理量、溫度與復電時長、溫度與受理量等相關系數進行分析之后可以知道，從溫度角度分析，受理量與溫度相關系數基本為0，基本無相關性；復電時長與溫度相關系數為0.699，相關性較強，這說明溫度的升高會影響復電時長增長；到達現場時長與溫度相關系數為0.528，相關性一般。從降雨角度分析，受理量與降雨量相關系數為0.241，相關性弱；復電時長、到達現場時長與降雨量相關系數分別為0.633和0.626，相關性較強，這說明降雨會直接延長復電和到達現場時長。

1.3.2 天氣與故障報修類型關聯分析

在對降雨量與故障報修各類型報修量關系、降雨量與故障報修各類型報修量相關系數進行分析后可知，各個類別報修量變化與降雨量相關系數均不大，其中，高壓故障報修量與降雨量相關系數最大，為0.481；電能質量報修量與降雨量相關系數最小。在對溫度與故障報修各類型報修量之間的關系進行分析之后可得出，各個類別報修量變化與溫度相關系數均不大，其中，電能質量報修量與降雨量相關系數最大，為0.408；客戶內部故障報修量與溫度相關系數最小。

2 結論

受理量與到達現場時長及修復時長是負相關，這說明受理量的變化并不會影響工作效率，可以推測受理量變化的主要原因是重復報修。高壓故障的平均修復時長遠長于其他四類故障；高壓故障和電能質量故障修復時長除了凌晨外，中午時段也會出現峰值，需要引起注意。

在故障修復工作的管理水平上，各縣公司與本部還有一定差距，特別是在每日的0：00—6：00，時長波動較大。天氣對于用戶報修數量并不會造成較大的影響，但會明顯影響到達現場時長和修復時長，會直接影響客戶對故障報修的滿意程度。溫度變化直接影響高壓故障報修量，降雨量變化直接影響電能質量報修量。天氣對于低壓故障、客戶內部故障和其他類型故障不會造成過大影響。

3 建議

每日中午和凌晨是搶修時長相對較長的時段，應及時做好客戶溝通，優化搶修人員管理，提高客戶滿意度；基于高壓故障的平均修復時長遠長于其他四類故障的情況看，需要安排專業人員強化對高壓故障的記錄及統計工作，在高壓故障頻發時間，應提高對高壓故障的監控水平。縣公司需要根據實際情況強化搶修人員培訓，提高搶修人員的綜合能力，提升搶修管理水平。根據天氣預報靈活配置搶修資源，保證搶修人員能夠盡快到達現場進行搶修工作，盡量消除天氣對到達現場時長和搶修時長的影響，提高客戶滿意度。故障受理量與天氣情況有著較大的聯系，氣溫升高要重點關注高壓故障情況，降雨增多時要重點關注電能質量情況。

4 結束語

綜上所述，故障報修工單存在數據眾多、工單流轉時間快、數據精度不高等特點，采用大數據分析能夠有效提高故障報修工單的效率，實現故障報修的精細化管理。同時，還需要做好客戶溝通工作，定期對搶修人員進行培訓，提高搶修管理水平，及時、準確地掌握天氣狀況，在雨天重點關注電能質量故障狀況，根據地區的實際報修量來合理安排搶修駐點，以此保證故障報修工單大數據的順利進行。

［1］郭小冰，黃小花，蔣海霞.大數據在95598故障報修工單分析中的應用［J］.電力需求側管理，2016，18（06）.

［2］朱小倩，任虎，劉航航，等.故障報修類工單超時問題分析及對策［J］.山東電力技術，2017（01）.

TM73

A

10.15913/j.cnki.kjycx.2017.21.093

2095－6835（2017）21－0093－02

〔編輯：張思楠〕