物业工程肩负着维持项目各类设施设备的正常运作，保障全体业主的正常生活，令物业保值升值，是项目的心脏部门。工程设备故障分析，从各类专业系统的问题统计中，发现该系统全国故障发生率较高的设备问题，从工程管理措施上控制设备故障率，减少同类故障的频发程度，对设施设备故障的预判、解决方案的制定有非常重要的意义。
基于以上背景，拓端数据（tecdat）研究人员根据全国电梯故障上报汇总数据，从多个角度进行数据分析。
1电梯故障
影响因素网络
图表1
电梯故障影响因素分析结果显示电梯故障处理结果、损坏配件名称和故障原因之间存在强关联关系，故障处理时长和故障原因、更换配件费用、流程状态之间存在较强的关联关系，故障类型和故障原因、单元号之间存在关联关系。
社区发现算法结果显示，电梯故障因素可以从配件信息、故障信息和房屋信息三个维度来进行分析。因此，准确确定故障原因和预计故障处理时间可以提高故障处理效率。从聚类结果中可以判断电梯所处的房屋信息对故障处理时长也有一定影响。

停梯原因
影响因素分析
接下来，我们对截止研究时段仍为停梯状态对象的原因和影响因素进行研究。
图表2
地区比较
故障类型和处理时长图表3
图表3

欢迎百度全文

有问题欢迎咨询id

up

有数据分析相关问题欢迎咨询

早在1995年比尔·盖茨就在《未来之路》里说过：未来没有配套智能家居的房子，就是毛坯房。现在人们生活越来越便捷，人们也更加倾向于智能化家居，当你还在纠结“人工智能”安利值不值得吃，最近不少朋友家里又出现智能门锁，相比传统门锁来说，究竟能有多智能？
tecdat研究人员对各大电商平台海量用户的评价数据进行分析，得出智能门锁剁手攻略。
1语义透镜
我们对于评价数据进行LDA建模，就是从语料库中挖掘出不同主题并进行分析，换言之，LDA提供了一种较为方便地量化研究主题的机器学习方法。
我们使用最大似然估计进行最优化主题个数的选取。当主题个数定为20的时候，似然估计数最大，即留言板数据分为20个主题的可能性比较大。将模型生成的20个主题中的高频词取出。
图表1
顾客抱怨
质量、客服服务和物流
接下来，我们对不同价格和主题的顾客抱怨率进行比较。
图表2
自营非自营
价格和满意度
图表3

有问题欢迎联系我们