广元供电公司重点工作任务督查督办系统的设计与实现

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:liulaolv
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息化和互联网技术的日趋成熟,结合目前供电公司传统督查督办工作效率低下的现状,具体表现在广元供电公司下属部门多,人员复杂且专业多样,导致执行重点工作任务的过程中,反馈不及时,沟通存在一定的障碍,一直牵制着工作任务的正常执行。本文将以广元供电公司督查督办工作为研究对象,通过对该单位重点工作管理、推进工作部署落地以及闭环管理等方面的梳理,完成广元供电公司重点工作任务信息化管理的系统的设计、实现和部署。具体的研究内容如下:(1)对目前供电公司处理工作任务的信息化管理现状、特点和可行性进行了全面的分析。(2)结合广元供电公司重点工作任务督查督办的特点,根据督查督办服务的需求,梳理得到重点工作任务督查督办系统所需要提供的服务。该服务参与的对象包括广元电力公司的领导、办公室和部门职员;服务应涉及重点工作任务的生成、执行、反馈、监督协调,支持各环节相应的信息推送,达到及时通知当事人处理任务的效果。用户进入系统,能够将公司全部工作任务的进展一览无余,包括正在进行的、完成的、逾期的,并且能够协调处理当前某项任务存在的困难,确保各项任务的正常展开。同时,系统还具备各类汇总数据的表格导出,为公司对职员的提拔和部门的考核提供数据支撑。(3)利用JAVAEE技术、SSM框架实现了重点工作任务督查督办系统,这是一套完整、稳定、小巧、实用的软件系统,这套系统集合了PC端和手机端督查督办工作流管理、信息统计等功能,具有操作方便、处理及时等特点,这是很多单一PC端督查督办系统所不具备的,而本文克服了这个缺陷,这也是本文的一个特色。通过不同的测试方法、测试参数等,测试功能的结果基本能够符合设计的要求,系统运行的稳定性也达到预期。
其他文献
人体姿态估计是从图像中预测人体关键点坐标的任务。它是一些更高级的视觉任务的基础和前提,并被广泛应用于如人机交互、监控等领域。近些年来,人体姿态估计已经成为了计算机视觉领域中一个热门的研究方向。目前研究者们已提出了一些效果良好的二维人体姿态估计算法,但是现有算法一般不能输出关键点的可见性/遮挡信息,即使利用了相关信息也仅用于帮助提高关键点预测的精度,而关键点的可见性/遮挡信息对于像行人重识别、动作识
近年来,将深度学习引入图结构数据引起了研究者的兴趣,对图形结构寻求更好的表示学习成为研究热点,其中图神经网络(GNN)被广泛应用于社会网络分析、引文网络分析、推荐系统等研究领域。虽然图神经网络领域已出现很多优秀的模型,并在解决密集型图结构数据应用上取得了很好的效果,比如链路预测、节点分类、关系抽取等。但传统的研究方法都是利用固定的学习算法从头开始求解任务,需训练大量数据才能取得理想的效果,且无法迁
位于互联网多层结构最下层的暗网,由于本身的特性使得其成为违法交易、活动的滋生地。这严重危害了网络安全,也对社会稳定和国家安全带来了极其严峻的挑战。因此,对暗网进行监测管控势在必行,但是想要获取暗网中的数据是极不容易的。基于此,本文对暗网数据难以获取的问题进行了深入研究,并设计实现了一个暗网数据获取系统。主要工作内容如下:(1)针对暗网域名难获取的问题,本文提出了包含两种优化与两种辅助在内的四种域名
零样本学习由于具有人类的“联想”能力,能够根据一些过往学习到的知识,完成对不断出现的新事物和新样本的分类。基于生成对抗网络的零样本学习方法能够从可见类样本和语义属性中训练出生成器,并通过未见类语义属性来生成未见类样本以训练传统机器学习分类器完成零样本分类。然而,由于人工语义属性的一些缺陷,导致模型所生成的样本会存在判别性不足的问题。此外,由于模型主要是在可见类样本和语义属性上学习的,模型所生成的未
随着互联网高速发展,导致了互联网新闻的急剧增加,用户如何准确且快速有效地从海量互联网媒体中获取所感兴趣的新闻,已成为急待解决的问题。传统文本检索算法仅计算检索词语和文本的相关度,根据评分排序获得检索结果,缺乏和用户历史行为的交互;同时,传统推荐算法存在人工过度干预和特征信息提取困难等缺点。因此,为了解决上述问题,本文研究了深度学习的方式应用于检索与推荐算法中。主要工作包括以下几方面:(1)在分析研
近年来,移动自组织网络(Mobile Ad Hoc Networking,MANET)在军事、救援、医疗等应急场景中得到了广泛的应用,不过目前的移动自组织网络的网络性能受节点位置动态变化、链路通断频繁等因素影响,无法较好地保障上层业务及应用的实时性需求,所以研究移动自组织网络实时性能优化便显得格外有意义。命名数据网络(Named Data Networking,NDN)采用基于内容的命名、转发、路
当前电子制造行业快速发展,产品研发创新与日常管理,会产生大量的电子文档与纸质文档。三乐公司作为设计与生产行波管的重点企业,会产生分布广泛、品类繁多的文件,然而,由于缺乏文件管理,不能快速、准确查找文档,造成文档资料难以共享,利用率不高的困境,同时也存在资料损坏、泄露的风险。因此,本文提出了行波管设计文档管理系统的构建。本文对行波管设计文件管理系统的开发过程展开了全面分析、设计与实现,首先,指出三乐
21世纪的今天,随着互联网技术不断的推陈出新,各种应用软件如今在我们的衣食住行方面发挥着不可或缺的作用,成为了我们生活中必不可少的使用工具,使得整个社会朝着更加智能化的方向发展。如何利用好内嵌有应用软件的电子设备产生的信息,成为了各个偏硬件的大公司需要重点探讨的问题,电子设备发生故障的时间预测也逐渐称成为了一个很重要的方向。高效且准确的预测不仅可以帮助公司及时采取有效的应对措施去排除掉电子设备的风
深度学习近年来发展迅速,计算机视觉领域被广泛应用到了实际生产中的各个领域。深度学习领域中最重要的基础模型之一就是CNN(卷积神经网络),大多数目标检测算法的骨干网络(backbone)都是基于CNN模型搭建而成。CNN模型具有强大的语义特征提取能力,满足了目标检测、语义分割、风格迁移等研究领域图像特征提取的需求。但是CNN模型忽略了像素间的空间关系,没有充分探索图像行像素和列像素上的空间关系。而这
如何快速又准确地在浩如烟海的文献资料中找到要搜索的信息目前已成为人们迫切的需求。文本匹配技术是通过算法判断句子之间的语义是否相近,如果能有效地提升文本匹配的准确性,就可以很好地解决信息匹配与信息搜索的相关问题。近些年随着深度学习的发展,基于神经网络解决文本匹配任务的方法已经取得了较好的成绩。目前,基于深度学习的文本匹配算法通常采用卷积神经网络、长短时记忆网络或者是大型的预训练语言模型来进行计算。然