參考原文：http://tecdat.cn/?p=2186
最近我們被客戶要求撰寫關於複雜網絡社區發現算法的研究報告，包括一些圖形和統計輸出。
物業工程肩負著維持項目各類設施設備的正常運作，保障全體業主的正常生活，令物業保值升值，是項目的心臟部門。拓端數據（tecdat）研究人員根據全國電梯故障上報匯總數據，從多個角度進行數據分析
物業工程肩負著維持項目各類設施設備的正常運作，保障全體業主的正常生活，令物業保值升值，是項目的心臟部門。工程設備故障分析，從各類專業系統的問題統計中，發現該系統全國故障發生率較高的設備問題，從工程管理措施上控制設備故障率，減少同類故障的頻發程度，對設施設備故障的預判、解決方案的制定有非常重要的意義。
基於以上背景，拓端數據（tecdat）研究人員根據全國電梯故障上報匯總數據，從多個角度進行數據分析。
1
電梯故障
影響因素網絡
圖表1
電梯故障影響因素分析結果顯示電梯故障處理結果、損壞配件名稱和故障原因之間存在強關聯關係，故障處理時長和故障原因、更換配件費用、流程狀態之間存在較強的關聯關係，故障類型和故障原因、單元號之間存在關聯關係。
社區發現算法結果顯示，電梯故障因素可以從配件信息、故障信息和房屋信息三個維度來進行分析。因此，準確確定故障原因和預計故障處理時間可以提高故障處理效率。從聚類結果中可以判斷電梯所處的房屋信息對故障處理時長也有一定影響。
2
停梯原因
影響因素分析
接下來，我們對截止研究時段仍為停梯狀態對象的原因和影響因素進行研究。
圖表2
停梯的因素可以分成三個方面：故障責任未明確、維保單位流程中與無備用配件。相比於正常狀態電梯，撥打400客服電話可以很大程度上減少由於原因和責任不明確所導致的停梯比例，一定程度上加快維保單位維修的進程，從而減少停梯比例。同時，有被困人員的電梯由於原因和責任未明確而停梯的情況較少出現，同時也減少了維保單位協調和無配件而停機的比例。
點擊標題查閱往期內容
【視頻】複雜網絡分析CNA簡介與R語言對婚禮數據聚類社區檢測和可視化|數據分享
左右滑動查看更多
01
02
03
04
3
地區比較
故障類型和處理時長
圖表3
根據故障類型的複雜程度和電梯故障處理效率兩個維度，電梯故障處理情況可以大概分成4個區域。在A區域中，我們發現全國大部分省市的複雜故障處理時長都較短，新疆和深圳在處理複雜故障類型的能力上仍需提高。在B區域中，我們發現新疆、海南和甘肅在處理一般故障類型的能力上仍需提高。在C區域中，我們發現福建、廣西和新疆在處理一般故障類型的能力上仍需提高。總的來說，大部分地區在較短時間內可以解決較複雜的故障類型，同時對於一般故障類型的處理時長長短不一、相差很大，新疆在不同故障類型的處理效率上仍需提高。
點擊文末 「閱讀原文」
獲取全文完整代碼數據資料。
本文選自《數據挖掘算法在物業設備設施管理的風險識別與防控應用》。
點擊標題查閱往期內容
R語言複雜網絡分析各大電視台合播電視劇數量可視化
R語言公交地鐵路線進出站數據挖掘網絡圖可視化
混合圖形模型MGM的網絡可預測性分析
網絡社區檢測（社群發現）分析女性參加社交活動和社區節點著色可視化
用航空公司複雜網絡對疫情進行建模
R語言社區發現算法檢測心理學複雜網絡：spinglass、探索性圖分析walktrap算法與可視化
R語言複雜網絡分析：聚類（社區檢測）和可視化
使用Python和SAS Viya分析社交網絡
R語言用igraph繪製網絡圖可視化
在R語言中使用航空公司複雜網絡對疫情進行建模
R語言用相關網絡圖可視化分析汽車配置和飲酒習慣
R語言公交地鐵路線進出站數據挖掘網絡圖可視化
python對網絡圖networkx進行社區檢測和彩色繪圖R語言推特twitter網絡轉發可視化分析
R語言複雜網絡分析：聚類（社區檢測）和可視化
R語言混合圖形模型MGM的網絡可預測性分析
R語言使用自組織映射神經網絡（SOM）進行客戶細分
R語言網絡分析友誼悖論案例
R語言網絡和網絡流的可視化實踐：通勤者流動網絡
R語言最大流最小割定理和最短路徑算法分析交通網絡流量擁堵問題
R語言公交地鐵路線網絡圖實現數據挖掘實戰
R軟體SIR模型網絡結構擴散過程模擬
通過SAS網絡分析對人口遷移進行可視化分析
python隸屬關係圖模型:基於模型的網絡中密集重疊社區檢測方法
使用Python和SAS Viya分析社交網絡
用R語言和python進行社交網絡中的社區檢測
python圖工具中基於隨機塊模型動態網絡社團檢測
在R語言中使用航空公司複雜網絡對疫情進行建模
採用SPSS Modeler的Web複雜網絡對所有腧穴進行分析