參考原文：http://tecdat.cn/?p=2186

最近我們被客戶要求撰寫關(guān)于復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法的研究報(bào)告，包括一些圖形和統(tǒng)計(jì)輸出。

物業(yè)工程肩負(fù)著維持項(xiàng)目各類設(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。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。工程設(shè)備故障分析，從各類專業(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。

1

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。

2

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。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

【視頻】復(fù)雜網(wǎng)絡(luò)分析CNA簡(jiǎn)介與R語(yǔ)言對(duì)婚禮數(shù)據(jù)聚類社區(qū)檢測(cè)和可視化|數(shù)據(jù)分享

左右滑動(dòng)查看更多

01

02

03

04

3

地區(qū)比較

故障類型和處理時(shí)長(zhǎng)

圖表3

根據(jù)故障類型的復(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)雜的故障類型，同時(shí)對(duì)于一般故障類型的處理時(shí)長(zhǎng)長(zhǎng)短不一、相差很大，新疆在不同故障類型的處理效率上仍需提高。

?

點(diǎn)擊文末?“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《數(shù)據(jù)挖掘算法在物業(yè)設(shè)備設(shè)施管理的風(fēng)險(xiǎn)識(shí)別與防控應(yīng)用》。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

R語(yǔ)言復(fù)雜網(wǎng)絡(luò)分析各大電視臺(tái)合播電視劇數(shù)量可視化
R語(yǔ)言公交地鐵路線進(jìn)出站數(shù)據(jù)挖掘網(wǎng)絡(luò)圖可視化
混合圖形模型MGM的網(wǎng)絡(luò)可預(yù)測(cè)性分析
網(wǎng)絡(luò)社區(qū)檢測(cè)（社群發(fā)現(xiàn)）分析女性參加社交活動(dòng)和社區(qū)節(jié)點(diǎn)著色可視化
用航空公司復(fù)雜網(wǎng)絡(luò)對(duì)疫情進(jìn)行建模
R語(yǔ)言社區(qū)發(fā)現(xiàn)算法檢測(cè)心理學(xué)復(fù)雜網(wǎng)絡(luò)：spinglass、探索性圖分析walktrap算法與可視化
R語(yǔ)言復(fù)雜網(wǎng)絡(luò)分析：聚類（社區(qū)檢測(cè)）和可視化
使用Python和SAS Viya分析社交網(wǎng)絡(luò)
R語(yǔ)言用igraph繪制網(wǎng)絡(luò)圖可視化
在R語(yǔ)言中使用航空公司復(fù)雜網(wǎng)絡(luò)對(duì)疫情進(jìn)行建模
R語(yǔ)言用相關(guān)網(wǎng)絡(luò)圖可視化分析汽車配置和飲酒習(xí)慣
R語(yǔ)言公交地鐵路線進(jìn)出站數(shù)據(jù)挖掘網(wǎng)絡(luò)圖可視化
python對(duì)網(wǎng)絡(luò)圖networkx進(jìn)行社區(qū)檢測(cè)和彩色繪圖R語(yǔ)言推特twitter網(wǎng)絡(luò)轉(zhuǎn)發(fā)可視化分析
R語(yǔ)言復(fù)雜網(wǎng)絡(luò)分析：聚類（社區(qū)檢測(cè)）和可視化
R語(yǔ)言混合圖形模型MGM的網(wǎng)絡(luò)可預(yù)測(cè)性分析
R語(yǔ)言使用自組織映射神經(jīng)網(wǎng)絡(luò)（SOM）進(jìn)行客戶細(xì)分
R語(yǔ)言網(wǎng)絡(luò)分析友誼悖論案例
R語(yǔ)言網(wǎng)絡(luò)和網(wǎng)絡(luò)流的可視化實(shí)踐：通勤者流動(dòng)網(wǎng)絡(luò)
R語(yǔ)言最大流最小割定理和最短路徑算法分析交通網(wǎng)絡(luò)流量擁堵問(wèn)題
R語(yǔ)言公交地鐵路線網(wǎng)絡(luò)圖實(shí)現(xiàn)數(shù)據(jù)挖掘?qū)崙?zhàn)
R軟件SIR模型網(wǎng)絡(luò)結(jié)構(gòu)擴(kuò)散過(guò)程模擬
通過(guò)SAS網(wǎng)絡(luò)分析對(duì)人口遷移進(jìn)行可視化分析
python隸屬關(guān)系圖模型:基于模型的網(wǎng)絡(luò)中密集重疊社區(qū)檢測(cè)方法
使用Python和SAS Viya分析社交網(wǎng)絡(luò)
用R語(yǔ)言和python進(jìn)行社交網(wǎng)絡(luò)中的社區(qū)檢測(cè)
python圖工具中基于隨機(jī)塊模型動(dòng)態(tài)網(wǎng)絡(luò)社團(tuán)檢測(cè)
在R語(yǔ)言中使用航空公司復(fù)雜網(wǎng)絡(luò)對(duì)疫情進(jìn)行建模
采用SPSS Modeler的Web復(fù)雜網(wǎng)絡(luò)對(duì)所有腧穴進(jìn)行分析