高校后勤智能数据处理平台的设计与实现

陶媛

关键词： 高校后勤; 智能平台; 数据处理; 维修管理; 信息融合算法; 故障设备

中图分类号： TN915.5?34; TP319                 文献标识码： A                  文章编号： 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

当下，科技水平高速发展，高校基础设施与功能不断完善，教职人员与在校学生生活、学习质量也逐渐提升，增加了高校后勤工作的工作量和工作难度[1]。传统高校的后勤工作管理方式大多采用基于Hadoop的高校后勤數据处理平台[2]，通过一种基于Hadoop的软件框架进行学生住宿情况、校内车辆使用情况、校内人员餐饮管理情况以及校园设施与设备使用情况等的记录，实现对高校后勤的管理;然而在数据处理过程中对于远程数据无法进行完全的采集与控制，存在效率差、误差高、查询困难等缺陷，无法做到对高校后勤的规范化、科学化的管理。本文设计新的高校后勤智能化数据处理平台，能够减轻后勤管理人员的工作量，更加有效地利用高校各种资源，实现高校后勤的规范化、科学化管理。

1  高校后勤智能数据处理平台

1.1  高校后勤智能数据处理平台整体架构设计

本文平台采用常见的资源层、服务层、应用层三层式架构[3?4]，并以资源层作为平台的持久层。资源层的主要功能是对平台产生的数据进行存储，同时能够对用户所查询的信息进行检索并反馈给用户;服务层中包含了平台不同模块中所需的功能，将这些功能汇集成服务层模块或中间件，能够增强平台的复用性，并且使平台逻辑更加明确;应用层作为展现层及资源层间沟通的桥梁[5?6]，其主要功能是对用户的输入信息实施转换，将之转换为平台能够理解的逻辑并向资源层发送命令，将资源层反馈的信息提供给用户。

1.2  数据采集现场控制子网设计

高校后勤智能数据处理平台现场控制子网包括网络控制器、远程智能计量表具和DDC控制器等，采用能够真正实现远程控制的LonWorks双绞线控制网络[7]，实现监控中心对计量设备的全面数据采集与控制等。

1.3  软件设计

1.3.1  维修管理与职工管理模块工作流程

维修管理模块的主要功能是对高校基础建设、校园设施以及各种设备维修等进行管理，通过设定设备维修申请、设备维修等信息参数、数据录入、查询、修改及删除等操作实现。在实施设备维修申请管理时，数据库将对全部的维修申请信息进行保存，管理员通过数据库能够对全部的报修申请信息实施查询并将批准维修的命令下达至维修部门。

维修部门在收到管理员下达的批准维修命令后，根据维修单据内容区在仓库领取所需维修材料;维修部门按照维修命令进行设备维修，结束后将剩余维修材料返还至仓库，并将维修过程中使用的材料信息提交至管理员进行记录。

职工管理模块的主要功能是对职工基本信息进行查询、登记、修改和删除[8]。管理员进行职工信息登记时需要输入职工信息并进行保存，进行职工信息删除与修改时，需要先对职工信息进行查询，在查询到相应的职工信息后，对其选择进行修改或删除。无论是对职工信息进行登记、修改还是删除操作，均可收到提示。

1.3.2  信息融合算法

本平台采用信息融合算法保障警告信息缺失时平台对故障设备判断的准确性[9]。

1） 对警告信息完整度进行计算。假设异常设备[fifi∈F]同警告信息[sjsj∈SN]具有确定性关联关系，那么[Pfi·sj=1];假设两者间不存在关联，那么[Pfi·sj=0]。由此能够获取此故障判断与警告关联矩阵为：

[Pfi·sj=11100000100110000000011000000111]      （1）

根据式（1）能够对数据处理平台实际获取的警告信息数量[MNfi]进行描述：

[MNfi=i=1NPFS·SN] （2）

这些异常设备的完整警告信息集是明确的，通过[MOfi]描述其数量为：

[MOfi=i=1OPFS·SN] （3）

通过式（3）能够得到告警信息集的完整度参数，用[GSfi]进行描述：

[GSfi=MNfiMOfi] （4）

2） 對故障概率可靠度计算。假设分别用[SN]，[SO]描述数据处理平台实际获取的告警信息集和应该获取的完整告警信息集进行计算[10]，那么异常设备产生故障的概率为：

[Pf，SN=si∈SNρfsisi∈SNρfsj]   （5）

[ρfjsi=ρfjρsisjfj∈Fρfjρsifj]  （6）

式中，[ρfjsi]和[ρfj]分别描述在告警信息发生时故障发生的概率和故障发生的先验概率。

3） 采用信息融合算法对故障设备进行精确分析计算。在前两步的基础上可知，以[H]为代表的故障设备集是故障[fJfj∈H]内概率最高的，通过信息融合算法确定[fJfj∈H]发生的概率为：

[DSfj，SN=GSfjRSfj]            （7）

通过警告信息完整度参数和故障概率可靠度参数的融合能够获取准确的故障设备集[D]。

2  实验分析

实验为验证本文设计的高校后勤智能数据处理平台功能的有效性，在平台构建成功后，对其进行功能性检测，结果如表1所示。

对表1进行分析可知，本文平台的功能性测试用例的预期结果与实际测试结果全部相符，说明本文平台能够有效地对高校后勤智能数据进行分析处理。

实验为验证本文平台的实用性能，分别对使用本文平台前后的高校车辆耗油费用、高校室内温度以及高校设施维修效率进行比较，结果如图1～图3所示。

对图1～图3进行分析能够得到，使用本文平台前，高校车辆耗油费用最低为2.15万元，最高为8.77万元;室内温度最低为19 ℃，最高为25.1 ℃;设备维修效率最低为65%，最高为88.3%。使用本文平台后高校车辆耗油费用最低为2.38万元，最高为6.69万元;室内温度最低为20.3 ℃，最高为23.4 ℃;设备维修效率最低为80.5%，最高为95.6%。对比分析这些实验结果可得，使用本文平台能够有效地对高校后勤数据进行分析管理，达到节省开支的目的。

实验为了测试本文平台的误差情况，在相同的实验环境中分别采用本文平台和基于Hadoop的高校后勤数据处理平台对实验高校2018年6月的用电情况进行数据处理，得到的结果如表2、表3所示。

对表2和表3进行分析能够得到：使用本文平台进行高校后勤数据处理时的误差控制在2.16%～2.54%之间;使用基于Hadoop的高校后勤数据处理平台的误差控制在5.12%～5.96%。并且，本文平台误差在2%以内的数据要高于基于Hadoop的高校后勤数据处理平台。实验结果表明，采用本文平台进行高校后勤数据处理的误差较小。

3  结  论

针对传统高校后勤管理平台中存在的缺陷，设计高校后勤智能数据处理平台。该平台采用常见的三层式架构，并加以资源层作为平台的持久层;平台通过数据采集现场控制子网实现监控中心对计量设备进行全面的数据采集与控制。采用平台软件分别进行了维修管理模块工作流程和职工管理工作流程设计，对高校设施与设备维修和职工信息进行管理;采用信息融合算法，通过警告信息完整度参数和故障概率可靠度参数的融合保障警告信息缺失时平台对故障设备判断的准确性。经实验证明，本文平台的功能性测试用例的预期结果与实际测试结果全部相符;使用本文平台前，高校车辆耗油费用最低为2.15万元，最高为8.77万元，使用本文平台后高校车辆耗油费用最低为2.38万元，最高为6.69万元;本文平台的误差控制在2.16%～2.54%之间。这些实验数据表明，本文平台能够高效地进行高校后勤准确的管理，节省后勤开支，是一种高质量的高校后勤智能数据处理平台。

参考文献

[1] 张政利，张飒，张辉.现代大学后勤系统创新发展实践[J].沈阳农业大学学报（社会科学版），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] 刘有耀，李彬.基于Hadoop的测试数据处理系统设计与实现[J].电子技术应用，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，刘桂涛.大型物流智能信息处理平台的设计与实现[J].科技通报，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] 雷晓凤，李强，孙震宇，等.基于HBase的数据完全本地化分析平台设计与实现[J].计算机工程，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] 张长恒，黄芳.高校学科建设数据信息平台的设计与实现[J].图书情报工作，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，郑媛媛，王宏斌，等.灾害性天气个例库智能分析系统的设计与实现[J].气象，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] 张悦，孙枫，郑志刚.Virtools连接数据库的多种方式设计与实现[J].计算机仿真，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] 向筱铭，徐晓莉，宋智，等.基于CTS的台站上行气象数据传输监控平台的设计与实现[J].气象科技，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.