基站设备运维环节的稽核方法及装置、介质、设备与流程

本发明涉及设备运维，尤其是涉及一种基站设备运维环节的稽核方法及装置、介质、设备。

背景技术：

1、稽核规则关联是一种对多源业务数据进行深度整合与智能分析的过程，以实现对设备运维、故障处理、告警处理、资源消耗等环节的有效监控和合理性验证。稽核规则关联往往涉及到以下场景：

2、设备故障告警的关联分析：将设备故障告警数据与实际维修记录、站点运行状态(例如，故障次数、维修次数等)进行关联，以便了解设备的实际运维状况，评估维护效率及设备可靠性，同时也可发现是否存在虚报、瞒报或过度维修等问题。

3、站点发电及市电停电次数的关联分析：结合站点自身发电情况以及外部市电供应状况，统计市电停电次数，分析其对站点运营的影响，为提升供电稳定性提供决策依据，并进一步核实市电停电相关费用支出的合理性。

4、维护框架金额及需求工单工作量的关联稽核：将实际发生的故障次数、维修次数、发电成本、市电停电损失等数据与预算内的维护框架金额、已发出的需求工单工作量进行对比分析，核查运维成本是否得到有效控制，资源配置是否合理，是否存在潜在的浪费或不足之处，从而优化运维策略，提高整体运维管理水平。

5、传统的数据稽核方法往往使用经过精心设计的稽核规则对数据进行稽核。例如，通过字段适配，并针对每种字段设计对应的稽核规则的方案。在对字段进行格式统一以后，使用预设的稽核规则进行对比稽核，并最终反馈数据稽核分析结果。

6、在实际场景中，针对基站设备，可能存在运维人员刻意虚报、瞒报或过度维修的情况，也可能存在部分基站的故障、告警和维护工单未正确地录入平台的情况。采用传统的数据稽核方法无法有效的区分是何种情况。因此有必要针对基站设备的运维环节提供一种有效的稽核方案。

技术实现思路

1、针对以上至少一个技术问题，本发明实施例提供一种基站设备运维环节的稽核方法及装置、介质、设备。

2、根据第一方面，本发明实施例提供的基站设备运维环节的稽核方法包括：

3、获取运营商在预设时间段内针对各个基站分别产生的各个运维工单；其中，所述运维工单中包括告警工单、故障工单和维护工单；

4、根据紧急程度和重要程度，确定每一个运维工单的所属类别；

5、根据各个运维工单各自的所属类别，形成所述预设时间段对应的特征数据表；其中，所述预设时间段对应的特征数据表中包括各个基站分别对应的预设运维特征，每一个基站对应的预设运维特征中包括该基站在所述预设时间段发生每一类别的告警、故障和维护各自的次数；

6、统计每一条预设运维特征对应的实际运维金额；

7、将所述预设时间段对应的特征数据表中的每一条预设运维特征输入到预先训练的回归分析模型中，得到该条预设运维特征对应的预测运维金额；其中，所述回归分析模型预先学习有每一类别的告警、故障和维护各自的次数与运维金额之间的关联关系；

8、根据每一条预设运维特征对应的所述实际运维金额和所述预测运维金额，确定该条预设运维特征对应的基站在运维环节是否存在问题。

9、在一个实施例中，所述根据每一条预设运维特征对应的所述实际运维金额和所述预测运维金额，确定该条预设运维特征对应的基站在运维环节是否存在问题，包括如下至少一项：

10、若每一条预设运维特征对应的所述预测运维金额大于所述实际运维金额*α，则认为该条预设运维特征对应的基站在运维环节存在实际运维金额统计错误的问题，或者存在部分运维工单未被正确录入的问题；其中，α为放大倍数，且取值范围为[1.2,1.6]；

11、若每一条预设运维特征对应的所述预测运维金额小于所述实际运维金额*β，则认为该条预设运维特征对应的基站在运维环节存在实际运维金额统计错误问题，或者存在虚报、瞒报或过度维修的问题；其中，β为缩小倍数，且取值范围为[0.6,0.8]；

12、若每一条预设运维特征对应的所述预测运维金额小于等于所述实际运维金额*α且大于等于所述实际运维金额*β，则认为该条预设运维特征对应的基站的运维工作正常。

13、在一个实施例中，所述告警的类别包括：紧急告警、严重告警、次要告警和预警告警中的至少一个；和/或，所述故障的类别包括紧急故障、重要故障、一般故障和预警故障中的至少一个；和/或，所述维护的类别包括：紧急维护、重要维护、计划内维护、纠正维护和优化维护中的至少一个。

14、在一个实施例中，所述根据紧急程度和重要程度，确定每一个运维工单的所属类别，包括：

15、获取预先设置的告警类别映射表、故障类别映射表和维护类别映射表；其中，所述告警类别映射表中存储有各种告警分别与各种告警类别之间的映射关系，所述故障类别映射表中存储有各种故障分别与各种故障类别之间的映射关系，所述维护类别映射表中存储有各种维护分别与各种维护类别之间的映射关系；

16、若一个运维工单为告警工单，则根据该告警工单中的告警信息从所述告警类别映射表中获取该告警工单的所属类别；

17、若一个运维工单为故障工单，则根据该故障工单中的故障信息从所述故障类别映射表中获取该故障工单的所属类别；

18、若一个运维工单为维护工单，则根据该维护工单中的维护信息从所述维护类别映射表中获取该维护工单的所属类别。

19、在一个实施例中，所述将所述预设时间段对应的特征数据表中的每一条预设运维特征输入到预先训练的回归分析模型中之前，所述方法还包括：

20、若所述运维工单中的基站编号空缺，则将该运维工单丢弃，不参与所述特征数据表的形成；

21、若所述预设时间段对应的所述特征数据表中存在告警次数、故障次数或维护次数空缺，则对空缺处进行补零，并进行相应的标注操作，以使所述回归分析模型在输出预测运维金额时也输出标注信息，所述标注信息包括进行补零操作的字段以及进行补零操作的字段所对应的基站；

22、将所述预设时间段对应的所述特征数据表中的基站编号的数据格式转换为字符串类型，将次数的数据格式转换为整数类型，将所述实际运维金额的数据格式转换为浮点数类型；

23、对所述预设时间段对应的所述特征数据表中的数据进行去量纲处理。

24、在一个实施例中，所述回归分析模型的训练过程包括：

25、获取运营商在历史时间段内针对各个基站分别产生的运维工单；

26、根据紧急程度和重要程度，确定每一个运维工单的所属类别；

27、根据各个运维工单各自的所属类别，形成所述历史时间段对应的特征数据表；其中，所述历史时间段对应的特征数据表中包括各个基站分别对应的历史运维特征，每一个基站对应的历史运维特征中包括该基站在所述历史时间段发生每一类别的告警、故障和维护各自的次数；

28、统计每一条历史运维特征对应的实际运维金额；

29、利用每一条历史运维特征对应的实际运维金额为该条历史运维特征进行打标签处理，在打标签处理后得到一条对应的训练数据；

30、通过网格搜索的方式确定回归分析模型的最优参数；

31、构建采用所述最优参数的回归分析模型；

32、采用所述训练数据对所述回归分析模型进行训练；其中，所述回归分析模型用于根据每一个基站发生每一类别的告警、故障和维护各自的次数输出对应的预测运维金额。

33、在一个实施例中，所述采用所述训练数据对所述回归分析模型进行训练之前，所述方法还包括：

34、若一条训练数据中的基站编号、告警次数、故障次数、维护次数和实际运维金额中的至少一项缺失，则将该训练数据丢弃；

35、将每一条训练数据中的基站编号的数据格式转换为字符串类型，将次数的数据格式转换为整数类型，将所述实际运维金额的数据格式转换为浮点数类型；

36、采用z分数法对所述训练数据中的数据进行去量纲处理。

37、根据第二方面，本发明实施例提供的基站设备运维环节的稽核装置包括：

38、工单获取模块，用于获取运营商在预设时间段内针对各个基站分别产生的各个运维工单；其中，所述运维工单中包括告警工单、故障工单和维护工单；

39、类别确定模块，用于根据紧急程度和重要程度，确定每一个运维工单的所属类别；

40、特征形成模块，用于根据各个运维工单各自的所属类别，形成所述预设时间段对应的特征数据表；其中，所述预设时间段对应的特征数据表中包括各个基站分别对应的预设运维特征，每一个基站对应的预设运维特征中包括该基站在所述预设时间段发生每一类别的告警、故障和维护各自的次数；

41、金额统计模块，用于统计每一条预设运维特征对应的实际运维金额；

42、模型预测模块，用于将所述预设时间段对应的特征数据表中的每一条预设运维特征输入到预先训练的回归分析模型中，得到该条预设运维特征对应的预测运维金额；其中，所述回归分析模型预先学习有每一类别的告警、故障和维护各自的次数与运维金额之间的关联关系；

43、问题判断模块，用于根据每一条预设运维特征对应的所述实际运维金额和所述预测运维金额，确定该条预设运维特征对应的基站在运维环节是否存在问题。

44、根据第三方面，本发明实施例提供计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现第一方面提供的方法。

45、根据第四方面，本发明实施例提供的计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面提供的方法。

46、本发明实施例提供的基站设备运维环节的稽核方法及装置、介质、设备，首先获取运营商在预设时间段内针对各个基站分别产生的各个运维工单，然后确定每一个运维工单的所属类别，再形成预设时间段对应的特征数据表，在该特征数据表中包括各个基站分别对应的预设运维特征，而每一个基站对应的预设运维特征中包括该基站在所述预设时间段发生每一类别的告警、故障和维护各自的次数，将每一条预设运维特征输入到预先训练的回归分析模型中，得到该条预设运维特征对应的预测运维金额；然后根据每一条预设运维特征对应的所述实际运维金额和所述预测运维金额，对该条预设运维特征对应的基站在运维环节是否存在问题进行稽核。由于本发明实施例不需要针对不同的字段设计对应的稽核规则，可以避免传统的数据稽核方法存在的各种问题。而且由于不同类别的告警、故障和维护所涉及的维护成本是不同的，构建的特征数据表中体现了基站发生各个类别的告警、故障和维护的次数，属于细化的特征。如果不区分类别，仅仅在特征数据表中展示告警、故障和维护的次数，预测运维金额的准确度可能大打折扣，后面的稽核工作的准确度会更低。因此本发明实施例通过将告警、故障和维护均进一步划分不同的类别，可以提高预测的准确度和稽核工作的准确度。还有，本发明实施例依据运维金额的预测值和实际值，从而识别出可能存在的问题，实现有效稽核，有助于运维人员评估运维环节的支出的合理性，有助于运维人员了解基站设备的实际运维状况、维护效率及可靠性，从而优化运维策略，提高整体运维管理水平。总之，本发明实施例使用回归分析模型进行运维金额预测，考虑了不同类型的告警、故障、维护对于运维金额预测的影响，因此能够更精准的预测运维金额，进而确保运维稽核工作的高效合理。