高校后勤智能數據處理平臺的設計與實現

陶媛

關鍵詞： 高校后勤; 智能平臺; 數據處理; 維修管理; 信息融合算法; 故障設備

中圖分類號： TN915.5?34; TP319 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）14?0083?04

Design and implementation of intelligent data processing platform for

university logistics management

TAO Yuan

（Xuzhou University of Technology， Xuzhou 221000， China）

Abstract： The traditional university logistics data processing platform based on the Hadoop cannot collect remote data completely， and does not consider the influence of the lack of warning information on system fault analysis， resulting in the disadvantages of low efficiency， big error and high cost. Therefore， a new intelligent data processing platform for university logistics management is designed. The overall architecture of the platform includes the presentation layer， application layer， service layer and data resource layer. On the platform， the monitoring center′s full data acquisition and control for the metering equipment are realized by using the data acquisition field to control subnets. For the platform software， the workflow of the maintenance management module is designed to manage the university facilities and equipment maintenance， and the workflow of the employee management module is designed to manage the basic information of employees. The judgment accuracy of the platform to the fault equipments is guaranteed by using the information fusion algorithm when there is no warning information. The experimental results show that， by using the designed platform， the maximum values of the university vehicles′ oil consumption cost， indoor temperature and equipment maintenance efficiency are 66 900 RMB， 23.4 ℃ and 95.6% respectively， and the error is controlled within 2.16%～2.54%， which indicates that the designed platform can conduct an efficient and accurate university logistics management， and save logistics expenses.

Keywords： university logistics; intelligent platform; data processing; maintenance management; information fusion algorithm; fault equipment

0 ?引 ?言

當下，科技水平高速發展，高校基礎設施與功能不斷完善，教職人員與在校學生生活、學習質量也逐漸提升，增加了高校后勤工作的工作量和工作難度[1]。傳統高校的后勤工作管理方式大多采用基于Hadoop的高校后勤數據處理平臺[2]，通過一種基于Hadoop的軟件框架進行學生住宿情況、校內車輛使用情況、校內人員餐飲管理情況以及校園設施與設備使用情況等的記錄，實現對高校后勤的管理;然而在數據處理過程中對于遠程數據無法進行完全的采集與控制，存在效率差、誤差高、查詢困難等缺陷，無法做到對高校后勤的規范化、科學化的管理。本文設計新的高校后勤智能化數據處理平臺，能夠減輕后勤管理人員的工作量，更加有效地利用高校各種資源，實現高校后勤的規范化、科學化管理。

1 ?高校后勤智能數據處理平臺

1.1 ?高校后勤智能數據處理平臺整體架構設計

本文平臺采用常見的資源層、服務層、應用層三層式架構[3?4]，并以資源層作為平臺的持久層。資源層的主要功能是對平臺產生的數據進行存儲，同時能夠對用戶所查詢的信息進行檢索并反饋給用戶;服務層中包含了平臺不同模塊中所需的功能，將這些功能匯集成服務層模塊或中間件，能夠增強平臺的復用性，并且使平臺邏輯更加明確;應用層作為展現層及資源層間溝通的橋梁[5?6]，其主要功能是對用戶的輸入信息實施轉換，將之轉換為平臺能夠理解的邏輯并向資源層發送命令，將資源層反饋的信息提供給用戶。

1.2 ?數據采集現場控制子網設計

高校后勤智能數據處理平臺現場控制子網包括網絡控制器、遠程智能計量表具和DDC控制器等，采用能夠真正實現遠程控制的LonWorks雙絞線控制網絡[7]，實現監控中心對計量設備的全面數據采集與控制等。

1.3 ?軟件設計

1.3.1 ?維修管理與職工管理模塊工作流程

維修管理模塊的主要功能是對高校基礎建設、校園設施以及各種設備維修等進行管理，通過設定設備維修申請、設備維修等信息參數、數據錄入、查詢、修改及刪除等操作實現。在實施設備維修申請管理時，數據庫將對全部的維修申請信息進行保存，管理員通過數據庫能夠對全部的報修申請信息實施查詢并將批準維修的命令下達至維修部門。

維修部門在收到管理員下達的批準維修命令后，根據維修單據內容區在倉庫領取所需維修材料;維修部門按照維修命令進行設備維修，結束后將剩余維修材料返還至倉庫，并將維修過程中使用的材料信息提交至管理員進行記錄。

職工管理模塊的主要功能是對職工基本信息進行查詢、登記、修改和刪除[8]。管理員進行職工信息登記時需要輸入職工信息并進行保存，進行職工信息刪除與修改時，需要先對職工信息進行查詢，在查詢到相應的職工信息后，對其選擇進行修改或刪除。無論是對職工信息進行登記、修改還是刪除操作，均可收到提示。

1.3.2 ?信息融合算法

本平臺采用信息融合算法保障警告信息缺失時平臺對故障設備判斷的準確性[9]。

1） 對警告信息完整度進行計算。假設異常設備[fifi∈F]同警告信息[sjsj∈SN]具有確定性關聯關系，那么[Pfi·sj=1];假設兩者間不存在關聯，那么[Pfi·sj=0]。由此能夠獲取此故障判斷與警告關聯矩陣為：

[Pfi·sj=11100000100110000000011000000111] ? ? ?（1）

根據式（1）能夠對數據處理平臺實際獲取的警告信息數量[MNfi]進行描述：

[MNfi=i=1NPFS·SN] （2）

這些異常設備的完整警告信息集是明確的，通過[MOfi]描述其數量為：

[MOfi=i=1OPFS·SN] （3）

通過式（3）能夠得到告警信息集的完整度參數，用[GSfi]進行描述：

[GSfi=MNfiMOfi] （4）

2） 對故障概率可靠度計算。假設分別用[SN]，[SO]描述數據處理平臺實際獲取的告警信息集和應該獲取的完整告警信息集進行計算[10]，那么異常設備產生故障的概率為：

[Pf，SN=si∈SNρfsisi∈SNρfsj] ? （5）

[ρfjsi=ρfjρsisjfj∈Fρfjρsifj] ?（6）

式中，[ρfjsi]和[ρfj]分別描述在告警信息發生時故障發生的概率和故障發生的先驗概率。

3） 采用信息融合算法對故障設備進行精確分析計算。在前兩步的基礎上可知，以[H]為代表的故障設備集是故障[fJfj∈H]內概率最高的，通過信息融合算法確定[fJfj∈H]發生的概率為：

[DSfj，SN=GSfjRSfj] ? ? ? ? ? ?（7）

通過警告信息完整度參數和故障概率可靠度參數的融合能夠獲取準確的故障設備集[D]。

2 ?實驗分析

實驗為驗證本文設計的高校后勤智能數據處理平臺功能的有效性，在平臺構建成功后，對其進行功能性檢測，結果如表1所示。

對表1進行分析可知，本文平臺的功能性測試用例的預期結果與實際測試結果全部相符，說明本文平臺能夠有效地對高校后勤智能數據進行分析處理。

實驗為驗證本文平臺的實用性能，分別對使用本文平臺前后的高校車輛耗油費用、高校室內溫度以及高校設施維修效率進行比較，結果如圖1～圖3所示。

對圖1～圖3進行分析能夠得到，使用本文平臺前，高校車輛耗油費用最低為2.15萬元，最高為8.77萬元;室內溫度最低為19 ℃，最高為25.1 ℃;設備維修效率最低為65%，最高為88.3%。使用本文平臺后高校車輛耗油費用最低為2.38萬元，最高為6.69萬元;室內溫度最低為20.3 ℃，最高為23.4 ℃;設備維修效率最低為80.5%，最高為95.6%。對比分析這些實驗結果可得，使用本文平臺能夠有效地對高校后勤數據進行分析管理，達到節省開支的目的。

實驗為了測試本文平臺的誤差情況，在相同的實驗環境中分別采用本文平臺和基于Hadoop的高校后勤數據處理平臺對實驗高校2018年6月的用電情況進行數據處理，得到的結果如表2、表3所示。

對表2和表3進行分析能夠得到：使用本文平臺進行高校后勤數據處理時的誤差控制在2.16%～2.54%之間;使用基于Hadoop的高校后勤數據處理平臺的誤差控制在5.12%～5.96%。并且，本文平臺誤差在2%以內的數據要高于基于Hadoop的高校后勤數據處理平臺。實驗結果表明，采用本文平臺進行高校后勤數據處理的誤差較小。

3 ?結 ?論

針對傳統高校后勤管理平臺中存在的缺陷，設計高校后勤智能數據處理平臺。該平臺采用常見的三層式架構，并加以資源層作為平臺的持久層;平臺通過數據采集現場控制子網實現監控中心對計量設備進行全面的數據采集與控制。采用平臺軟件分別進行了維修管理模塊工作流程和職工管理工作流程設計，對高校設施與設備維修和職工信息進行管理;采用信息融合算法，通過警告信息完整度參數和故障概率可靠度參數的融合保障警告信息缺失時平臺對故障設備判斷的準確性。經實驗證明，本文平臺的功能性測試用例的預期結果與實際測試結果全部相符;使用本文平臺前，高校車輛耗油費用最低為2.15萬元，最高為8.77萬元，使用本文平臺后高校車輛耗油費用最低為2.38萬元，最高為6.69萬元;本文平臺的誤差控制在2.16%～2.54%之間。這些實驗數據表明，本文平臺能夠高效地進行高校后勤準確的管理，節省后勤開支，是一種高質量的高校后勤智能數據處理平臺。

參考文獻

[1] 張政利，張颯，張輝.現代大學后勤系統創新發展實踐[J].沈陽農業大學學報（社會科學版），2017，19（2）：171?175.

ZHANG Zhengli， ZHANG Sa， ZHANG Hui. The innovation and development of logistics system of modern colleges and universities [J]. Journal of Shenyang Agricultural University （Social science edition）， 2017， 19（2）： 171?175.

[2] 劉有耀，李彬.基于Hadoop的測試數據處理系統設計與實現[J].電子技術應用，2015，41（7）：140?143.

LIU Youyao， LI Bin. The design and implementation of test data processing system based on Hadoop [J]. Application of electronic technique， 2015， 41（7）： 140?143.

[3] 李志敏，徐翠琴，劉桂濤.大型物流智能信息處理平臺的設計與實現[J].科技通報，2017，33（7）：121?124.

LI Zhimin， XU Cuiqin， LIU Guitao. The design and implementation of large?scale logistics intelligent information processing platform [J]. Bulletin of science and technology， 2017， 33（7）： 121?124.

[4] 雷曉鳳，李強，孫震宇，等.基于HBase的數據完全本地化分析平臺設計與實現[J].計算機工程，2016，42（6）：68?74.

LEI Xiaofeng， LI Qiang， SUN Zhenyu， et al. Design and implementation of HBase?based data fully localization analysis platform [J]. Computer engineering， 2016， 42（6）： 68?74.

[5] 張長恒，黃芳.高校學科建設數據信息平臺的設計與實現[J].圖書情報工作，2015，59（8）：111?117.

ZHANG Changheng， HUANG Fang. Design and research of university data platform for discipline construction [J]. Library and information service， 2015， 59（8）： 111?117.

[6] GERZA M， SCHAUER F. Intelligent processing of experimental data in ISES remote laboratory [J]. International journal of online engineering， 2016， 12（3）： 58?63.

[7] 焦圣明，鄭媛媛，王宏斌，等.災害性天氣個例庫智能分析系統的設計與實現[J].氣象，2017，43（3）：354?364.

JIAO Shengming， ZHENG Yuanyuan， WANG Hongbin， et al. Design and implementation of an intelligent analysis system for disaster weather cases [J]. Meteorological monthly， 2017， 43（3）： 354?364.

[8] 張悅，孫楓，鄭志剛.Virtools連接數據庫的多種方式設計與實現[J].計算機仿真，2016，33（7）：423?425.

ZHANG Yue， SUN Feng， ZHENG Zhigang. Design and implementation of the connection technology between Virtools and the database [J]. Computer simulation， 2016， 33（7）： 423?425.

[9] 向筱銘，徐曉莉，宋智，等.基于CTS的臺站上行氣象數據傳輸監控平臺的設計與實現[J].氣象科技，2017，45（4）：647?652.

XIANG Xiaoming， XU Xiaoli， SONG Zhi， et al. Design and implementation of CTS?based upward transmission monitoring platform of station meteorological data [J]. Meteorological science and technology， 2017， 45（4）： 647?652.

[10] JIN J， FENG H， GU L. Design and implementation of an intelligent exam management system based on B/S structure for Hebei University [J]. Journal of intelligent and fuzzy systems， 2016， 31（4）： 2167?2175.