核电厂维修工作申请智能分发研究与应用

2023-10-18 06:37江苏核电有限公司罗文兵
电力设备管理 2023年18期
关键词:班组准确率规则

江苏核电有限公司 罗文兵

1 背景

1.1 电力体制改革下核电企业转型升级的需要

当前,国内经济增长对电力需求增速放缓、新能源技术的发展和成熟、能源结构调整优化、电力市场改革积极推进、政府对行业结构的调整和控制等电力市场新形势,给核电产业发展带来新的机遇和挑战。通过核能发电和大数据应用的融合,打造新时代的“智能核电厂”,实现企业的创新发展、智能发展和绿色发展。

1.2 电厂打造全球标杆运行机组需要

针对群堆管理模式的核电厂,机组日常生产过程中因存在大量的设备缺陷而产生大量的维修工作申请,需要计划、维修等部门的计划工程师每日在生产维修管理系统中持续认领分发,对于无部门认领且有争议的工作申请还需组织召开分票会讨论分发,占用了生产人员大量时间,累计投入了大量的人力,且夜间产生的工作申请存在不能及时分发的现象,影响了现场维修响应速度。

为保障提高维修工作申请分发的及时性与效率,加快维修响应速度,减少对人员经验与资质的依赖,降低人力资源的投入,保障机组安全稳定运行,打造全球标杆运行机组,需要通过建立维修工作申请智能分发系统,实现工作申请智能分发功能并以人工智能技术为支撑,通过智能学习,持续改进与提高维修工作申请智能分发的准确率。

2 智能分发规则研究

2.1 应用人工智能NLP技术研究分发规则

深度学习的概念源于人工神经网络的研究,深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的特征表示。深度学习是机器学习研究中的一个新领域,动机在于建立、模拟人脑进行分析学习的神经网络,其模仿人脑机制来解释数据。当前,深度学习在计算机视觉、语音识别、自然语言处理等领域均有了成功的应用。

核电厂维修工作申请的分发过程,实质上就是计划工程师基于对维修工作申请对象与申请描述的理解后,根据经验做出的判定,在过程上与自然语言处理高度相似。为此,在研究初期,选择使用人工智能NLP技术尝试对维修工作申请进行智能分发。经过对历史维修工作申请进行梳理,共梳理维修工作申请数据78326条,再经过NLP自然语言分析后得到9000+条的关键专业词汇。采用朴素贝叶斯和随机森林算法,对历史维修工作申请数据进行分发,并与实际人工分发结果进行对比,智能分发准确率为60%,且在经过人工对专业词汇的初步干预后,分发准确率仍然无法得到有效提高。

经对未成功分发的维修工作申请数据进一步分析,发现导致智能分发结果无法达到预期效果的主要原因如下。

一是维修工作申请数据量不满足深度学习对数据量的要求,大数据技术的前提是数据量巨大,虽然当前历史维修工作申请数据量已有近20万条,但仍与深度学习所需的数据存在数量级上的差距;二是历史维修工作申请数据质量对分析结果有较大影响,从深度学习角度来说,一定比例的脏数据有助于提高机器学习结果的准确性,但这里的脏数据,主要指工作申请描述的不规范数据,并不包括由于责任部门变更等因素,导致的分发结果歧义,而排除这部分数据将导致分析数据集的进一步缩小。

根据基于计算机深度学习对维修工作申请的分发准确率分析,在短期内无法达到预期目标,则需要业务部门投入大量资源对历史数据进行清洗。

2.2 在一次分发规则的基础上研发二次分发规则

在人工智能NLP技术智能分发规则基础上,考虑叠加采用固有规则。通过梳理电厂功能设备与责任班组间的对应关系,电厂两台机组共计梳理出约19万条功能设备数据与责任班组相关对应,最终并将梳理结果导入电厂功能设备主数据管理系统。

通过利用PYTHON与EXCEL工具对2018年两台机组维修工作申请进行模拟分发,根据维修工作申请KKS编码,在上述规则中查找对应的责任班组,并与实际人工分发结果进行对比。经对2018年两台机组维修工作申请共12396条,按已梳理的分发规则能够找到责任班组并进行准确分发的共10358条,占比83.6%,模拟分发结果与实际执行的维修工作申请中的责任班组相同的共7174条,分发正确率为69.3%,综合分发准确性为57.9%。再对2018年两台机组维修工作申请进行清理后,排除未执行的申请,2018年申请状态为处理中与结束的工作申请共10902条,按已梳理的分发规则能够准确分发的共9242,占比84.8%,分发结果与实际执行相同的共7168条,分发正确率为77.6%,综合分发准确性为65.8%。与预期目标仍存在一定差距。

经过对未准确分发的维修工作申请深入分析,发现工作申请的质量仍然是影响结果的主要因素,主要体现在维修工作申请在提出阶段无法准确识别,如设备缺陷的工作申请描述为仪表管线堵塞,而工作申请报告人所填写的工作申请的功能设备为压力表。系统根据功能设备主数据KKS编码,识别维修工作申请的责任班组仪控处,但实际发生缺陷的位置为压力表所在管线,则维修工作申请的责任班组应为维修处,因此需要对工作申请描述的关键内容进行提炼,以进一步提高智能分发的准确率。

经过对历史维修工作申请分析,提炼出对工作申请进行分发的二次规则,在根据功能设备主数据KKS编码对工作申请进行一次分发后,辅助工作申请描述关键内容对其进行二次分发。二次分发规则示例如表2,当设备类型为AA,则一次分发结果为OPMMS01时,如设备在UBN厂房,且工作申请描述中包含力矩,该工作申请分发到OPMMS02。

表2 二次分发规则示例

再次通过使用PYTHON与EXCEL工具对2018年两台机组维修工作申请进行模拟分发验证,分发结果准确率得到显著提升,对已识别二次分发规则的设备,通过工具模拟得到的分发准确率最高达到85%。

3 智能分发应用成果

3.1 智能分发准确率达到预期效果

维修工作申请智能分发系统于2019年10月17日正式上线试运行,在2020年2月基于大数据平台开发了智能分发结果查询与分析报表,以便实时了解分发准确率,并对分发错误的工作申请进行分析以进一步完善分发规则。从2019年10月15日到10月30日时间范围内,工作申请分发结果如图1所示。

图1 工作申请分发结果分布图

期间,两台机组共创建1076条维修工作申请,其中自动分发到责任班组的工作申请共906条,占比84%,如图2所示。

图2 工作申请自动分发占比

自动分发到责任班组的工作申请共906条,其中成功分发的工作申请共680条,占已自动分发申请的75%,如图3所示。

图3 成功分发申请占比

如果所有回退的原因均为系统分发错误,可视为智能分发准确率为75%,其中有二次分发规则的阀门类设备,分发准确率达到了80%。经对回退原因深入分析,在总计226条回退的工作申请中,明确注明了回退原因的工作申请共55条。示例数据见表3。

表3 被回退工作申请

经对回退的工作申请统计分析,常见的回退原因主要有:设备缺陷不存在、重复提票、非本专业缺陷、系统分发错误及其他原因。经粗略统计在回退原因中明确标明了系统分发错误及非本专业缺陷的工作申请共27条,以此数据对已分发工作申请准确率进行计算,系统分发准确率为(1-27/906)×100%=97.16%,综合准确率81.85%,基本达到预期效果。

3.2 智能分发应用取得预期效益

从维修工作申请响应处理效率角度,经统计2018年的维修工作申请从工作申请批准到计划工程师首次分发,平均耗时11.3h。智能分发系统上线后,仅有未分发成功的需进行人工分发,分发成功的工作申请批准后即刻转入工作申请响应处理阶段,耗时为0。以2018年的维修工作申请进行模拟分发验证测算,系统上线后,申请从批准到计划工程师首次分发平均耗时约为2h,极大地减少了维修工作申请分发阶段耗时。

实践证明,利用累积的大数据资源以及快速发展的大数据技术,深度挖掘关键数据,可以为核能发电企业生产运营提供强有力的数据支撑,为核能发电企业注入新动能、新契机。通过构建智能分发大数据应用系统,提高了机组设备缺陷处理响应速度,节省了人力资源投入,同时保障了机组安全稳定运行,凸显了公司高度负责的发展理念及稳定可靠的供电能力,为社会发展做出了积极贡献,得到社会各界的高度认可,提高了企业在竞争激烈市场中的知名度,为企业的可持续发展创造了良好的条件。

猜你喜欢
班组准确率规则
撑竿跳规则的制定
“党员进班组”促进班组建设的探索和实践
数独的规则和演变
乳腺超声检查诊断乳腺肿瘤的特异度及准确率分析
不同序列磁共振成像诊断脊柱损伤的临床准确率比较探讨
“4+1”班组运行见实效
2015—2017 年宁夏各天气预报参考产品质量检验分析
高速公路车牌识别标识站准确率验证法
让规则不规则
TPP反腐败规则对我国的启示