陈福生

(黎明职业大学,福建 泉州 362000)

随着互联网与信息技术的快速发展,传统数据挖掘技术或是处理模式早已无法满足校园后勤管理的需求。大数据的出现与应用,为高校后勤管理系统的开发与优化奠定了基础。因此,高校需要顺应时代发展,响应教育部提出的“高校后勤管理信息化、智能化发展”号召,以大数据、云计算、计算机等技术为基础,开发高校后勤信息智能管理系统(以下简称后勤系统),不断提高高校后勤管理水平,为全校师生提供更为优质的后勤服务。

1 大数据对高校后勤管理的促进作用

基于大数据技术,高校可以在网络环境下通过计算机请求访问控制、共享虚拟化资源、快速采集与处理数据信息等,持续提高校园后勤管理信息化、智能化程度。

1.1 优化校园后勤资源配置

高校以往的后勤管理系统运行,往往需要花费大量的财力进行硬件维护和升级,给高校预算增加压力。

大数据的引入与应用,可以在一定程度上减少硬件提升带来的预算压力。高校可以对后勤管理系统进行需求分析,在传统校园基础上建立数字信息平台,利用云计算技术,建立大数据中心,将分布在计算机系统各个方面的大量数据、处理器资源等整合起来,以便于后勤系统的每个人都可以在权限范围内共享后勤信息资源,进而解决校园后勤系统建设的硬件配置欠缺等问题。

1.2 为师生提供多样化信息服务

基于大数据分析的后勤系统,智能管理主张的是将信息技术和大数据思维结合,并将之应用于高校后勤管理活动,达到提高后勤管理效率、减少管理成本的目的。以用户需求为依据,通过分布式计算机系统就能借助云计算平台建立大数据处理应用模型,收集统一资源定位符(Uniform Resource Locator,URL)、建立站点树,便于分析教师、学生、管理者在校园网、计算机以及各个子系统中的具体行为,如学生每周食堂消费情况、教师每个月上课情况等等,进而挖掘出海量信息中的潜在资源,为学生、教师和校园管理者提供可能感兴趣的信息。

1.3 优化专业人才培养

传统后勤考核主要是以特定工作周期为主进行业绩考核,而引入大数据技术则可以将原本模糊的考核标准变为数字化考核——创建快捷高效的信息统计方式,通过可视化的指标数据来实现标准统一、客观高效、全面多元的考评体系,为管理人才培养、后勤工作人员监督考核等提供助力;大数据技术引入高校后勤管理之中,要求高校引入专业化、技术性人才,能够熟练地操作系统,利用软件与大数据技术来高效地处理各项业务,切实提高高校后勤管理信息化、智能化水平;大数据技术可以在优化、完善后勤管理信息系统的同时,进一步与专业课程、人才培养融合,进一步为高校培养出高质量的复合型后勤人才。

2 基于大数据的高校后勤信息智能管理系统构建

现阶段,高校后勤管理普遍面临内容繁杂、基础数据大以及体制改革困难大等问题,为解决这些问题,本文设计一款基于大数据分析的高校后勤信息智能管理系统,具体的设计思路与构建如下。

2.1 系统设计思路

(1)强调管控一体化。管控一体化是利用计算机系统、云计算技术、遥感技术以及大数据技术等,针对校园后勤管理的方方面面,构建线上智能监控平台,并通过安装计量装置,实时上传相关信息,实现数据采集、资源管控、实时监控一体化。例如,在供热监控方面建立供热管网计量检测系统,安装相关设备进行分布式监控和管理,用于数据采集与实时传导。

(2)后勤管理系统基本功能模块设计。后勤系统功能模块设置以系统具体实现方式和运行模式为准,包括后勤基本信息的录入、处理、查询与统计等,具体情况如下:①设立数据库,本地数据库+Web 服务器+数字信息平台;②后勤数据处理,工作人员通过学校现有的官网、一卡通系统以及线上办公系统等利用网络中心与实际勘察等方式,准确、实时地查询各种数据信息。后勤管理系统对学生宿舍片区、商业片区、实验片区、办公片区等各项后勤数据(如水电费、煤气费等)进行登记、查询、统计;③打印报表,根据后勤信息录入最终结果,通过查询、统计等功能,打印所需要的相关报表;④后勤管理改进计划制定,根据区域的用水、用电、供热等情况,制定全新的后勤管理计划并配置人员,调整设备管理、仪表(水、电)数据管理、故障管理等业务;⑤数据备份:工作人员将每月后勤数据备份到全年数据库中。

(3)基于B/S+C/S架构开发系统管理平台。面向校园管理者基于WEB浏览器构建系统终端操作界面,便于其通过界面快速获取所需的相关信息,借助数据查询、财务审计等功能,满足高效、智能后勤管理的基本需求。面向后勤维护人员,通过QQ、微信等客户端、服务器开发登录页面,便于其快速登录系统,随时随地查看校园各地区水、电、气、热等设备运行情况,从而及时维修并预防事故发生。

(4)软件模块设计。围绕高校后勤管理人员以及工作需求,通过云计算虚拟平台、大数据处理应用模型对接,针对后勤管理人员、后勤维护人员工作需求开发特定的功能模块,如面向后勤管理人员开发权限设置模块,面向后勤维护人员开发一键查看功能,由此不断地完善系统框架。

2.2 系统架构搭建

2.2.1网络体系结构模式的选择

在系统开发前,对后勤管理系统进行需求分析,对比客户端/服务端架构(Client/Server架构、C/S架构)与(Browser/Server架构、B/S架构)的优劣情况。C/S架构交互性强、具有安全的存取模式、网络通信量低、响应速度快、利于处理大量数据,但缺少通用性,具有较大的局限性;B/S架构只安装维护一个服务器(Server),而客户端采用浏览器(Browse)运行软件,但数据传输速度慢、软件的个性化特点明显降低。为了克服两种架构的局限性,本设计在网络结构模式选择时,决定利用双缓冲技术将C/S 与 B/S这两种模式整合在一起使用。

2.2.2系统功能模块的建立

某高校结合自身后勤管理运行模式,以后勤管理办、人事管理、财务管理以及考核管理为节点,设置了12个一般性后勤信息管理功能模块,具体情况如图1所示。

图1 某高校一般性后勤信息管理模块

上图中共有4个大功能模块和12个小功能模块,分别是面向不同的后勤管理人员以及后勤维护人员所设立的。如后勤管理办,以维护校园消防、环境、餐饮以及学生安全为管理目标,针对高校食堂经理、学生宿舍员、校园清洁及安保人员设立的;人事管理,下设学生管理、环境管理、库房管理等子模块,负责人员安排以及人事调动方面的管理工作;财务管理以成本管理、预算管理以及资金管理为主,主要是针对校内现金流向、各项支出以及活动资金预算所设立的功能模块,强调全面加强校园后勤资金与成本控制;考核管理则是以师生考勤、教学楼以及卫生管理为主,记录各项考勤信息并进行数据分析,向不同群体提供对应的考勤信息服务。

2.2.3系统数据库设计与构建

通过对高校后勤管理现状的调查与分析,高校后勤信息智能管理系统中仓库数据库下设三个子模块:后勤仓库管理数据库、后勤能源管理数据库、后勤资源调配管理数据库。这三个子模块中分门别类地保存着各种信息,便于用户查询、共享、处理。图2是高校后勤仓库管理的物资核对UML模型(统一建模语言或标准建模语言、Unified Modeling Language)。

图2 高校后勤仓库管理的物资核对UML模型

建立起UML模型后,就可以针对不同子模块UML图的内在联系,构建数据库的关系逻辑进而搭建合适的子数据库和总数据库。

2.3 “大数据”中心的数据处理

高校后勤信息智能管理系统运行的难点,主要体现在如何在短时间内快速、准确地处理庞大、类型多、信息杂乱的数据资源。“大数据”中心的数据处理可以很好地解决这一问题,“大数据”中心建立在大数据技术、对象池技术、Python工具等的基础上,可以直接利用信息资源库、核心库、协议库以及通信库内的数据信息,有效地调度各方面的系统资源,以及集中式、整合处理各方面的数据信息,实现源数据到目标数据的变换,避免系统频繁创建或是关闭数据库链接从而造成系统宕机、崩溃的现象。系统数据处理流程图如图3所示。

图3 系统数据处理流程图

3 基于大数据分析的高校后勤信息智能管理系统应用实例

以某高校公共建筑供热数据采集与应用为例,阐述基于大数据分析的高校后勤信息智能管理系统的应用过程。

3.1 需求分析

由于该高校不同的建筑供热量以及供热需求各不相同,为降低学校公共建筑每月水、电、气、热消耗及相关费用支出,采取分温、分时、分区等做法,按照能耗实际用途进行分段计量以减少能耗。

3.2 数据采集

首先,在各公共建筑供热管路上安装智能远传超声波式热能表,负责对各建筑供热计量以及用能情况进行的实时监控;在建筑供热回水总管上安装线性调节阀,通过控制线性调节阀,使得建筑内各房间温度维持在稳定值,达到按需调控的目的。然后,利用Python、对象池等技术,快速从学工系统、智慧校园、校园一卡通系统中抓取数据,如校园内所有供热系统设备、管道以及建筑分布和用能特点,并通过 Python 编写的网络爬虫程序,设计相应的读取规则后,程序就会自动地、不间断地从校园网站当前页面上所有的链接爬取数据存放到文件或是 MongoDB中,同时对爬取的数据进行储存、过滤、建立索引,由此建立公共教学建筑供热数据库。

3.3 强化对公共建筑供热控制

(1)加强建筑供热自动化节能控制。办公楼与教学楼在夜间,采取低温运行的方式,将电动阀门开度降到最低,工作日上班前一小时打开阀门,让室内温度恢复到设定值,节约热能避免浪费。在此过程中,由于所有的供热节能控制,都是通过系统自动完成的,后勤管理人员只需要登录系统后台,就能进入供热监控中心,远程配置时间、温度等参数,并与市政供热管理部门沟通协作,协同联控换热站到建筑本体的供热量,精准调控好公共建筑供热需求。

(2)落实建筑供热安全监测。实时采集校内公共建筑供热管网压力、室内温度实时数据,并设定压力、温度等越限报警装置,提高供热安全管理水平,并在此基础上建立安全、精准的供热控制模式。具体如表1所示。

表1 供热控制模式表

3.4 数据分析管理

图4是黎明职业大学教学楼日供热分小时柱状图(调控前、调控后)。在后勤信息智能系统调控前,该教学楼供热量无论是白天还是夜晚,都保持比较平稳的趋势,而且供热量都比较高(1.8GJ 左右);调控后(上午9点开始调控),该教学楼供热量明显下降。据统计分析,通过后勤信息智能管理系统对校内公共建筑进行热计量和节能控制,该校每年本部教学区供热节能率可达到 15%以上。

图4 调控前后该教学楼日供热分小时柱状图

4 结论

综上所述,基于大数据分析的高校后勤信息智能管理系统,对于提升高校后勤管理工作有着重要意义。在系统建设应用过程中,应当充分利用大数据、云计算等技术,并发挥计算机的辅助作用,对智能高校后勤管理信息化服务具体实现方式展开深层次探究,逐步推进高校后勤信息化监管体系的建立和完善,推动高校后勤服务水平迈上新的台阶。