АВТОМАТИЗАЦИЯ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ НЕЧЕТКОЙ ЛОГИКИ И РАСПОЗНАВАНИЯ ТЕКСТА

AUTOMATED MAINTENANCE USING FUZZY LOGIC AND TEXT RECOGNITION ALGORITHMS

Введение: Технологии в мире неизбежно бегут вперед и процессы автоматизации приходят в каждую отрасль. Но любой процесс можно оптимизировать, улучшить, придумать новую технологию, которая позволит ускорить работу отрасли. Так поговорим об одной из таких отраслей где основной задачей оптимизации процесса было исключение человека из цепочки процесса автоматизации.

Существуют системы автоматизации технического обслуживание и называются они по-разному: helpdesk, service desk и др. у всех логика работы идентичная и ее схема представлена на рисунке №1[1].

Рисунок №1. Схема работы систем service desk

И на рисунке есть одно важное связующие звено — это человек или группа людей, которая(которые) и работает над тем, кому какого специалиста назначить на пришедшие заявки.

Но в связи с тем, что люди и занимаются распределением, страдает один фактор – это скорость распределения заявок в случае, когда заявок приходит очень много и человек физически не может распределить такое их количество за кратчайшие сроки. Да в рамках не больших организаций нет особых проблем, но я рассматриваю вариант большого масштаба. Что же можно тогда придумать?

В таком случае есть способы автоматизировать – этот процесс и чем больше заявок проходит, тем лучше работает автоматизация если использовать нейронные сети, алгоритмы нечетной логики и распознавания текста.

Работу нейронной сети можно научить действовать по заданному алгоритму, который она сама может совершенствовать. Этот алгоритм будет при получении заявки обрабатывать информацию по средствам распознавания текста в том случае если пользователь решил написать заявку не из формы с фиксированными полями, а просто набором текста, из которого нужно получить максимум информации для точного определения компетентного специалиста. После чего формируется категория по которой выбирается специалист.

Категории очень просты, делаться они сначала на сферу обслуживания (кондиционеры, компьютеры, офисная техника, сервера и др.) зависит от того, чем занимается компания. После делаться на 3 уровня категории. Например, компьютеры – 2 уровень.

Специалист же отбирается по следующим критериям:

  • Подходит ли специалист из списка по сфере и уровню;
  • Находиться ли он сейчас в отпуске;
  • Сколько заявок выполнил за отчетный период;
  • Есть ли заявки на выполнении прямо сейчас;

После чего, когда все критерии совпадают отбирается специалист для выполнения заявки.

В заключении хочется сказать, что при тестировании метод работает довольно хорошо, но не без осложнений, которые можно выразить в плюсах и минусах.

Плюсы:

  • Скорость обработки заявок возросла в разы;
  • Людей, которые исполняли обязанности обработки удалось перенаправить на другие задачи;
  • Со временем возрастает точность определения специалиста.

Минусы:

  • Метод работает только в крупных компаниях с большим количеством специалистов;
  • Могут быть ошибки на ранних этапах внедрения.

Список литературы

  1. Внедрение ServiceDesk систем на предприятии [Электронный ресурс] URL: https://habr.com/ru/company/deskun/blog/331354/ (Дата обращения: 01.06.2020)
  2. Подходы к выбору ServiceDesk [Электронный ресурс] URL: https://habr.com/ru/company/itarena/blog/241724/ (Дата обращения: 01.06.2020)
  3. Сайт компании INTRASERVICE [Электронный ресурс] URL: https://intraservice.ru/overview/incidents/ Дата обращения (07.05.2020)
  4. 5 лучших ServiceDesk систем [Электронный ресурс] URL: https://www.computerra.ru/262736/5-luchshih-korporativnyh-itsm-platform-rabotayushhih-po-modeli-saas-v-rossii/Дата обращения (07.05.2020)