[发明专利]一种基于对数总似然算法的抢修工单评价因素分析方法

说明书

一种基于对数总似然算法的抢修工单评价因素分析方法。涉及供电领域，尤其涉及一种基于对数总似然算法的抢修工单评价因素分析方法。提供了一种能够根据报修流程中的中间数据，进行分析和预测用户评价的基于对数总似然算法的抢修工单评价因素分析方法。本发明采用最大对数似然算法，可以通过机器学习对存量、增量供服生产报修数据进行回归分析，得出真正的抢修工单用户评价与各个环节数据的关系，不仅可计算评价，也可以预测评价，便于提高服务质量，从而提高用户满意度。

技术领域

本发明涉及供电领域，尤其涉及一种基于对数总似然算法的抢修工单评价因素分析方法。

背景技术

供电服务指挥中心关于电话报修，主要涉及一个比较重要的流程闭环，流程环节如下：用户电话报修-虚拟Ai指挥员小艾进行故障研判-路径规划分析-自动派单至最优的抢修队-机器或人工获取用户对当次抢修或服务的评价。供服作为一个服务部门，最终目的是提高用户满意度，而满意度的衡量标准，抢修评价占90％以上。

流程虽然能通过人工智能语音识别、程序定制开发、算法设计、实现智能接单、分析、工单派发，并大量存储了各个环节中多维过程数据及最终用户评价；但是无法确切知道各个环节中的各类过程数据与最终用户评价的线性关系。

现有评价分析采用定制化公式分析，将一个公式套用至所有供服报修数据，没有采用机器学习算法，无法预测评价，仅能计算最佳分配策略，也无法保证客户就会对此分配策略有好的评价。

发明内容

本发明针对以上问题，提供了一种能够根据报修流程中的中间数据，进行分析和预测用户评价的基于对数总似然算法的抢修工单评价因素分析方法。

本发明的技术方案为：包括以下步骤:

S1、选取最近一年作为一个样本周期，收集报修流程中各个环节与用户评价相关的中间数据，作为报修样本；

S2、采用最大似然估计法，进行回归分析，得出每条报修样本中所有中间数据与用户最终评价的线性关系；

S3、根据线性关系，进行分析以及预测用户评价。

步骤S1中，报修流程中的环节包括用户电话报修、人工智能研判和工单派发；

其中，用户电话报修中的报修变量包括用户手机、用户户号、停电类型、停电小区和停电地址；

人工智能研判中的报修变量包括透抄结果、召测结果、派单分析结果和派发分析时间；

工单派发中的报修变量包括队伍信息、人员信息、待办工单数量、抵达时间、历史抢修质量、抢修质量、修复时长、抢修区域、抢修力量配置、车辆配置和抢修备品。

步骤S2中包括如下步骤：

S2.1，每个样本中报修变量与误差关系如下：真实用户评价＝预测用户评价+误差

y⁽ⁱ⁾＝θ^Tx⁽ⁱ⁾+ε⁽ⁱ⁾

y⁽ⁱ⁾表示第i个样本的真实用户评价，θ^T表示第i个样本的真实值与预测评价的矩阵转置，x⁽ⁱ⁾表示第i个样本的报修变量，θ^Tx⁽ⁱ⁾表示第i个样本的预测值，ε⁽ⁱ⁾表示第i个真实值与第i个预测值的误差；

S2.2，概率密度函数代入

概率密度函数公式为：

(x-μ)表示步骤S2.1中的误差ε⁽ⁱ⁾，其中μ和σ分别为均值和方差，将其代入步骤S2.1中的公式替换后，第i个样本的概率密度函数替换过程如下：