全文鏈接：http://tecdat.cn/?p=2186

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

物業(yè)工程肩負(fù)著維持項(xiàng)目各類(lèi)設(shè)施設(shè)備的正常運(yùn)作，保障全體業(yè)主的正常生活，令物業(yè)保值升值，是項(xiàng)目的心臟部門(mén)。拓端數(shù)據(jù)（tecdat）研究人員根據(jù)全國(guó)電梯故障上報(bào)匯總數(shù)據(jù)，從多個(gè)角度進(jìn)行數(shù)據(jù)分析。

物業(yè)工程肩負(fù)著維持項(xiàng)目各類(lèi)設(shè)施設(shè)備的正常運(yùn)作，保障全體業(yè)主的正常生活，令物業(yè)保值升值，是項(xiàng)目的心臟部門(mén)。工程設(shè)備故障分析，從各類(lèi)專(zhuān)業(yè)系統(tǒng)的問(wèn)題統(tǒng)計(jì)中，發(fā)現(xiàn)該系統(tǒng)全國(guó)故障發(fā)生率較高的設(shè)備問(wèn)題，從工程管理措施上控制設(shè)備故障率，減少同類(lèi)故障的頻發(fā)程度，對(duì)設(shè)施設(shè)備故障的預(yù)判、解決方案的制定有非常重要的意義。

基于以上背景，拓端數(shù)據(jù)（tecdat）研究人員根據(jù)全國(guó)電梯故障上報(bào)匯總數(shù)據(jù)，從多個(gè)角度進(jìn)行數(shù)據(jù)分析。

電梯故障

影響因素網(wǎng)絡(luò)*

圖表1

電梯故障影響因素分析結(jié)果顯示電梯故障處理結(jié)果、損壞配件名稱(chēng)和故障原因之間存在強(qiáng)關(guān)聯(lián)關(guān)系，故障處理時(shí)長(zhǎng)和故障原因、更換配件費(fèi)用、流程狀態(tài)之間存在較強(qiáng)的關(guān)聯(lián)關(guān)系，故障類(lèi)型和故障原因、單元號(hào)之間存在關(guān)聯(lián)關(guān)系。

社區(qū)發(fā)現(xiàn)算法結(jié)果顯示，電梯故障因素可以從配件信息、故障信息和房屋信息三個(gè)維度來(lái)進(jìn)行分析。因此，準(zhǔn)確確定故障原因和預(yù)計(jì)故障處理時(shí)間可以提高故障處理效率。從聚類(lèi)結(jié)果中可以判斷電梯所處的房屋信息對(duì)故障處理時(shí)長(zhǎng)也有一定影響。

停梯原因

影響因素分析

接下來(lái)，我們對(duì)截止研究時(shí)段仍為停梯狀態(tài)對(duì)象的原因和影響因素進(jìn)行研究。

圖表2

停梯的因素可以分成三個(gè)方面：故障責(zé)任未明確、維保單位流程中與無(wú)備用配件。相比于正常狀態(tài)電梯，撥打400客服電話可以很大程度上減少由于原因和責(zé)任不明確所導(dǎo)致的停梯比例，一定程度上加快維保單位維修的進(jìn)程，從而減少停梯比例。同時(shí)，有被困人員的電梯由于原因和責(zé)任未明確而停梯的情況較少出現(xiàn)，同時(shí)也減少了維保單位協(xié)調(diào)和無(wú)配件而停機(jī)的比例。

地區(qū)比較

故障類(lèi)型和處理時(shí)長(zhǎng)

圖表3

根據(jù)故障類(lèi)型的復(fù)雜程度和電梯故障處理效率兩個(gè)維度，電梯故障處理情況可以大概分成4個(gè)區(qū)域。在A區(qū)域中，我們發(fā)現(xiàn)全國(guó)大部分省市的復(fù)雜故障處理時(shí)長(zhǎng)都較短，新疆和深圳在處理復(fù)雜故障類(lèi)型的能力上仍需提高。在B區(qū)域中，我們發(fā)現(xiàn)新疆、海南和甘肅在處理一般故障類(lèi)型的能力上仍需提高。在C區(qū)域中，我們發(fā)現(xiàn)福建、廣西和新疆在處理一般故障類(lèi)型的能力上仍需提高?？偟膩?lái)說(shuō)，大部分地區(qū)在較短時(shí)間內(nèi)可以解決較復(fù)雜的故障類(lèi)型，同時(shí)對(duì)于一般故障類(lèi)型的處理時(shí)長(zhǎng)長(zhǎng)短不一、相差很大，新疆在不同故障類(lèi)型的處理效率上仍需提高。

本文章中的所有信息（包括但不限于分析、預(yù)測(cè)、建議、數(shù)據(jù)、圖表等內(nèi)容）僅供參考，拓端數(shù)據(jù)（tecdat）不因文章的全部或部分內(nèi)容產(chǎn)生的或因本文章而引致的任何損失承擔(dān)任何責(zé)任。

最受歡迎的見(jiàn)解

1.R語(yǔ)言k-Shape算法股票價(jià)格時(shí)間序列聚類(lèi)

2.R語(yǔ)言基于溫度對(duì)城市層次聚類(lèi)、kmean聚類(lèi)、主成分分析和Voronoi圖

3.R語(yǔ)言對(duì)用電負(fù)荷時(shí)間序列數(shù)據(jù)進(jìn)行K-medoids聚類(lèi)建模和GAM回歸

4.r語(yǔ)言鳶尾花iris數(shù)據(jù)集的層次聚類(lèi)

5.Python Monte Carlo K-Means聚類(lèi)實(shí)戰(zhàn)

6.用R進(jìn)行網(wǎng)站評(píng)論文本挖掘聚類(lèi)

7.R語(yǔ)言KMEANS均值聚類(lèi)和層次聚類(lèi)：亞洲國(guó)家地區(qū)生活幸福質(zhì)量異同可視化

8.PYTHON用戶流失數(shù)據(jù)挖掘：建立邏輯回歸、XGBOOST、隨機(jī)森林、決策樹(shù)、支持向量機(jī)、樸素貝葉斯模型和KMEANS聚類(lèi)用戶畫(huà)像

9.R語(yǔ)言基于Keras的小數(shù)據(jù)集深度學(xué)習(xí)圖像分類(lèi)