OPER-004: 作业过程记录

优先级: 🟡 中 (14.0分) | 实施周期: 2-3周

客户原话

"我们合作社有20多台农机，每天在外面作业，我根本不知道他们在哪里、干了什么、干了多久。机手说作业了8小时，我也不知道是真是假。有时候农户投诉说机手中途离开了，机手说没有，双方各执一词。油耗也对不上，机手说跑了100公里，油耗却很高，怀疑有猫腻。想要个系统能记录作业全过程，包括作业轨迹、作业时长、油耗、中途停留这些，数据自动记录，不能作假。这样管理起来心里有底，机手也不敢偷懒。"
—— 某农机合作社理事长

客户类型需求差异

农机合作社(10-50台,本地作业)

需求程度: ⭐⭐⭐⭐⭐ 必需

核心需求:

实时位置监控
作业轨迹记录
作业时长统计
油耗数据记录
异常事件记录

关键功能:

GPS轨迹自动记录
作业状态实时更新
油耗自动计算
异常自动预警
作业报告生成

不需要的功能:

复杂的数据分析
多维度报表
高级预测模型

农机服务站(跨区作业)

需求程度: ⭐⭐⭐⭐⭐ 必需

核心需求:

跨区域作业监控
作业数据云端存储
多设备数据共享
作业轨迹回放
作业数据导出

关键功能:

离线轨迹记录
云端数据同步
轨迹回放
数据导出
多设备协同

不需要的功能:

内部成本核算
复杂的权限管理

大型农场(自有农机队)

需求程度: ⭐⭐⭐⭐⭐ 必需

核心需求:

机队统一调度监控
作业效率分析
油耗成本分析
作业数据统计
与计划对比

关键功能:

机队监控大屏
效率分析报表
成本统计
计划执行对比
数据导出

不需要的功能:

对外收费
客户确认

农机租赁公司(租赁+作业)

需求程度: ⭐⭐⭐⭐⭐ 必需

核心需求:

租赁设备位置监控
作业数据作为结算依据
作业记录防篡改
纠纷时可追溯
作业数据导出

关键功能:

实时位置监控
数据防篡改
电子围栏
数据导出
纠纷追溯

业务场景描述

典型场景

场景1: 实时监控作业进度

调度员打开监控大屏
查看地图上所有作业机具位置
点击某台机具，查看详细信息
查看作业进度和预计完成时间
发现异常及时处理

场景2: 作业轨迹自动记录

机手开始作业，系统自动记录轨迹
GPS每10秒采集一次位置
记录作业速度、方向、海拔
作业结束，轨迹自动上传
生成作业轨迹图

场景3: 作业时长精确统计

系统自动识别作业状态（作业/怠速/停车）
根据速度和位置判断作业状态
精确统计作业时长、怠速时长
生成作业时长报表
作为结算依据

场景4: 油耗数据自动采集

油耗传感器实时采集油耗数据
系统自动计算百公里油耗
对比历史油耗，发现异常
生成油耗分析报表
优化油耗管理

场景5: 异常事件及时预警

机具长时间停留，系统自动预警
机具偏离作业区域，系统自动预警
油耗异常，系统自动预警
通知调度员和机手
记录异常事件

核心痛点

位置不可见 - 不知道机具当前位置和作业进度
过程不透明 - 作业细节无法实时掌握
时长难统计 - 作业时间、怠速时间难以准确记录
油耗难核算 - 油耗数据缺失，成本核算不准
异常难发现 - 作业异常不能及时发现和处理

业务流程图

当前人工流程

graph TB
    A[开始作业] --> B[机手自行记录]
    B --> C{记录方式}
    C -->|纸质记录| D[手写作业时间]
    C -->|口头汇报| E[电话报告位置]
    C -->|不记录| F[凭记忆回忆]
    D --> G[作业结束]
    E --> G
    F --> G
    G --> H[提交作业记录]
    H --> I{数据是否准确}
    I -->|有疑问| J[核实和争执]
    I -->|无疑问| K[结算]
    J --> K

    style D fill:#ffcccc
    style E fill:#ffcccc
    style F fill:#ffcccc
    style J fill:#ffcccc

痛点:

手工记录容易出错或遗漏
口头汇报不准确，无法核实
凭记忆回忆，数据不可靠
数据真实性无法保证
纠纷时缺乏客观证据

系统化流程

graph TB
    A[开始作业] --> B[系统自动记录]
    B --> C[GPS自动采集位置]
    C --> D[自动识别作业状态]
    D --> E[自动统计作业时长]
    E --> F[自动采集油耗数据]
    F --> G[自动记录异常事件]
    G --> H[作业结束]
    H --> I[自动生成作业报告]
    I --> J[数据自动归档]
    J --> K[用于结算和分析]

    style C fill:#ccffcc
    style D fill:#ccffcc
    style E fill:#ccffcc
    style F fill:#ccffcc
    style I fill:#ccffcc

优势:

数据自动采集，无需人工记录
GPS轨迹准确可靠
作业状态智能识别
数据实时上传，防止篡改
完整的作业过程可追溯

用户故事

故事1: 调度员实时监控作业

作为调度员 我想要 实时查看所有作业机具的位置和状态以便及时发现问题，协调资源

验收标准:

打开监控大屏，查看地图上所有机具位置
机具位置每10秒更新一次
点击机具图标，查看详细信息（机手、订单、作业进度）
查看作业轨迹和历史位置
发现异常及时预警

故事2: 机手查看作业记录

作为机手 我想要 查看自己的作业记录以便了解作业情况，核对结算数据

验收标准:

查看今日作业列表
查看每个订单的作业轨迹图
查看作业时长、怠速时长统计
查看油耗数据
导出作业记录

故事3: 农户查看作业轨迹

作为农户 我想要 查看作业轨迹以便确认作业范围和质量

验收标准:

收到作业完成通知
查看作业轨迹图
查看作业覆盖范围
查看作业时长
确认无误后签字

故事4: 管理员分析作业数据

作为管理员 我想要 分析作业数据以便优化运营，降低成本

验收标准:

查看作业统计报表
分析作业效率趋势
分析油耗成本
识别低效作业
制定改进措施

故事5: 系统自动预警异常

作为系统 我想要 自动识别和预警异常以便及时发现问题，避免损失

验收标准:

机具长时间停留自动预警
机具偏离作业区域自动预警
油耗异常自动预警
通知相关人员
记录异常事件

数据模型

核心实体

1. 作业记录 (OperationRecord)

typescript

interface OperationRecord {
  id: string                    // 记录ID
  recordNo: string              // 记录编号: OR-YYYYMMDD-XXXX
  orderId: string               // 关联订单ID
  machineId: string             // 机具ID
  operatorId: string            // 机手ID
  operatorName: string          // 机手姓名

  // 作业信息
  operationType: 'plowing' | 'seeding' | 'harvesting' | 'spraying'  // 作业类型
  fieldId: string               // 地块ID
  fieldName: string             // 地块名称
  area: number                  // 作业面积(亩)

  // 时间信息
  startTime: Date               // 开始时间
  endTime?: Date                // 结束时间
  duration: number              // 作业时长(分钟)
  idleTime: number              // 怠速时长(分钟)
  pauseTime: number             // 暂停时长(分钟)

  // 轨迹信息
  trackPoints: TrackPoint[]     // 轨迹点
  totalDistance: number         // 总里程(公里)
  workDistance: number          // 作业里程(公里)
  averageSpeed: number          // 平均速度(km/h)
  maxSpeed: number              // 最高速度(km/h)

  // 油耗信息
  fuelConsumption: number       // 油耗(升)
  fuelCost: number              // 油费(元)
  fuelEfficiency: number        // 百公里油耗(升/100km)

  // 作业状态
  status: 'working' | 'idle' | 'paused' | 'completed'  // 当前状态
  workProgress: number          // 作业进度(%)

  // 异常事件
  events: OperationEvent[]      // 异常事件

  // 确认信息
  operatorConfirmed: boolean    // 机手确认
  operatorConfirmedAt?: Date    // 机手确认时间
  customerConfirmed: boolean    // 客户确认
  customerConfirmedAt?: Date    // 客户确认时间

  // 系统字段
  createdAt: Date
  updatedAt: Date
  syncStatus: 'local' | 'synced'  // 同步状态
}

2. 轨迹点 (TrackPoint)

typescript

interface TrackPoint {
  id: string
  recordId: string              // 作业记录ID
  
  // 位置信息
  latitude: number              // 纬度
  longitude: number             // 经度
  altitude: number              // 海拔(米)
  accuracy: number              // 精度(米)
  
  // 状态信息
  speed: number                 // 速度(km/h)
  direction: number             // 方向(度)
  status: 'working' | 'idle' | 'paused'  // 状态
  
  // 时间信息
  timestamp: Date               // 采集时间
  
  // 传感器数据
  fuelLevel?: number            // 油量(%)
  engineRPM?: number            // 发动机转速
  engineTemp?: number           // 发动机温度
}

3. 作业事件 (OperationEvent)

typescript

interface OperationEvent {
  id: string
  recordId: string              // 作业记录ID
  
  // 事件信息
  eventType: 'pause' | 'resume' | 'alarm' | 'exception'  // 事件类型
  eventCode: string             // 事件代码
  eventName: string             // 事件名称
  description: string           // 事件描述
  
  // 位置信息
  location: Coordinate          // 事件位置
  
  // 时间信息
  occurredAt: Date              // 发生时间
  duration?: number             // 持续时长(分钟)
  
  // 处理信息
  handled: boolean              // 是否已处理
  handledBy?: string            // 处理人
  handledAt?: Date              // 处理时间
  handleNote?: string           // 处理说明
  
  // 严重程度
  severity: 'info' | 'warning' | 'error' | 'critical'  // 严重程度
}

4. 作业统计 (OperationStatistics)

typescript

interface OperationStatistics {
  id: string
  period: 'daily' | 'weekly' | 'monthly'  // 统计周期
  startDate: Date
  endDate: Date
  
  // 作业统计
  totalRecords: number          // 作业次数
  totalArea: number             // 总作业面积(亩)
  totalDuration: number         // 总作业时长(小时)
  totalDistance: number         // 总里程(公里)
  
  // 效率统计
  averageSpeed: number          // 平均速度(km/h)
  averageEfficiency: number     // 平均效率(亩/小时)
  utilizationRate: number       // 利用率(%)
  
  // 油耗统计
  totalFuelConsumption: number  // 总油耗(升)
  totalFuelCost: number         // 总油费(元)
  averageFuelEfficiency: number // 平均百公里油耗(升/100km)
  
  // 异常统计
  totalEvents: number           // 异常事件数
  criticalEvents: number        // 严重异常数
  
  // 按类型统计
  byOperationType: {
    operationType: string
    count: number
    area: number
    duration: number
  }[]
  
  // 按机具统计
  byMachine: {
    machineId: string
    machineName: string
    count: number
    area: number
    duration: number
  }[]
  
  // 按机手统计
  byOperator: {
    operatorId: string
    operatorName: string
    count: number
    area: number
    duration: number
  }[]
}

数据关系

erDiagram
    OperationRecord ||--o| Order : "关联"
    OperationRecord ||--o| Machine : "使用"
    OperationRecord ||--o| Operator : "操作人"
    OperationRecord ||--o{ TrackPoint : "包含"
    OperationRecord ||--o{ OperationEvent : "包含"
    OperationStatistics ||--o{ OperationRecord : "统计"

接口设计

1. 开始作业记录

typescript

POST /api/operation-records/start

Request:
{
  orderId: string,
  machineId: string,
  operatorId: string,
  operationType: string,
  fieldId: string
}

Response:
{
  code: 0,
  message: "success",
  data: {
    recordId: string,
    recordNo: string,
    startTime: Date
  }
}

2. 上传轨迹点

typescript

POST /api/operation-records/{recordId}/track-points

Request:
{
  points: [
    {
      latitude: number,
      longitude: number,
      altitude: number,
      accuracy: number,
      speed: number,
      direction: number,
      status: string,
      timestamp: Date,
      fuelLevel?: number
    }
  ]
}

Response:
{
  code: 0,
  message: "success",
  data: {
    receivedCount: number,
    totalPoints: number
  }
}

3. 记录作业事件

typescript

POST /api/operation-records/{recordId}/events

Request:
{
  eventType: string,
  eventCode: string,
  description: string,
  location: Coordinate,
  severity: string
}

Response:
{
  code: 0,
  message: "success",
  data: {
    eventId: string,
    occurredAt: Date
  }
}

4. 完成作业记录

typescript

POST /api/operation-records/{recordId}/complete

Request:
{
  endTime: Date,
  area: number,
  fuelConsumption: number
}

Response:
{
  code: 0,
  message: "success",
  data: {
    recordId: string,
    status: "completed",
    summary: {
      duration: number,
      distance: number,
      fuelConsumption: number,
      averageSpeed: number
    }
  }
}

5. 查询作业记录

typescript

GET /api/operation-records?machineId={machineId}&startDate={startDate}&endDate={endDate}

Response:
{
  code: 0,
  message: "success",
  data: {
    total: number,
    list: [
      {
        recordId: string,
        recordNo: string,
        operationType: string,
        fieldName: string,
        area: number,
        duration: number,
        startTime: Date,
        endTime: Date,
        status: string
      }
    ]
  }
}

6. 获取作业轨迹

typescript

GET /api/operation-records/{recordId}/track

Response:
{
  code: 0,
  message: "success",
  data: {
    recordId: string,
    trackPoints: TrackPoint[],
    totalDistance: number,
    averageSpeed: number,
    mapImageUrl: string      // 轨迹图URL
  }
}

7. 获取实时位置

typescript

GET /api/machines/realtime-locations

Response:
{
  code: 0,
  message: "success",
  data: {
    machines: [
      {
        machineId: string,
        machineName: string,
        location: Coordinate,
        speed: number,
        status: string,
        operatorName: string,
        orderId: string,
        lastUpdateTime: Date
      }
    ]
  }
}

8. 获取作业统计

typescript

GET /api/operation-records/statistics?period={period}&startDate={startDate}&endDate={endDate}

Response:
{
  code: 0,
  message: "success",
  data: {
    summary: {
      totalRecords: number,
      totalArea: number,
      totalDuration: number,
      totalDistance: number,
      averageEfficiency: number
    },
    byOperationType: [...],
    byMachine: [...],
    byOperator: [...],
    trends: [...]
  }
}

关键业务规则

1. 记录编号规则

格式: OR-YYYYMMDD-XXXX
示例: OR-20240307-0001
每天从0001开始编号
记录编号全局唯一

2. 轨迹采集规则

GPS每10秒采集一次位置
速度>5km/h时判定为作业状态
速度<5km/h且发动机运转判定为怠速
发动机停止判定为暂停
轨迹点精度<10米才记录

3. 作业状态识别规则

作业中: 速度>5km/h，在作业区域内
怠速: 速度<5km/h，发动机运转
暂停: 发动机停止
完成: 机手手动结束或离开作业区域

4. 异常预警规则

长时间停留: 同一位置停留>30分钟
偏离作业区: 距离作业区域>500米
油耗异常: 油耗超过历史平均值20%
速度异常: 速度>30km/h（非转场）

5. 数据同步规则

轨迹点每分钟批量上传一次
离线时保存在本地，恢复网络后自动同步
作业事件实时上传
本地数据保留7天后自动清理

6. 数据保存规则

作业记录保存3年
轨迹点保存1年（压缩存储）
作业事件永久保存
统计数据永久保存

技术实现要点

1. GPS轨迹采集

技术方案:

使用 HTML5 Geolocation API 或原生GPS
后台持续定位，降低功耗
轨迹点本地缓存，批量上传

typescript

class TrackRecorder {
  private watchId: number;
  private trackPoints: TrackPoint[] = [];
  
  startRecording(recordId: string) {
    this.watchId = navigator.geolocation.watchPosition(
      (position) => {
        const point: TrackPoint = {
          latitude: position.coords.latitude,
          longitude: position.coords.longitude,
          altitude: position.coords.altitude,
          accuracy: position.coords.accuracy,
          speed: position.coords.speed,
          timestamp: new Date(position.timestamp)
        };
        
        // 精度过低的点不记录
        if (point.accuracy > 10) return;
        
        this.trackPoints.push(point);
        
        // 每分钟上传一次
        if (this.trackPoints.length >= 6) {
          this.uploadTrackPoints(recordId);
        }
      },
      (error) => {
        console.error('GPS error:', error);
      },
      {
        enableHighAccuracy: true,
        timeout: 10000,
        maximumAge: 0
      }
    );
  }
  
  stopRecording() {
    navigator.geolocation.clearWatch(this.watchId);
  }
  
  async uploadTrackPoints(recordId: string) {
    if (this.trackPoints.length === 0) return;
    
    try {
      await api.uploadTrackPoints(recordId, this.trackPoints);
      this.trackPoints = [];
    } catch (error) {
      // 上传失败，保存到本地
      await this.saveToLocal(recordId, this.trackPoints);
    }
  }
}

2. 作业状态识别

算法说明:

根据速度、位置、发动机状态综合判断
使用滑动窗口平滑速度数据
避免频繁状态切换

typescript

class StatusDetector {
  private speedWindow: number[] = [];
  private windowSize = 5;
  
  detectStatus(point: TrackPoint, fieldBoundary: Polygon): OperationStatus {
    // 添加到滑动窗口
    this.speedWindow.push(point.speed);
    if (this.speedWindow.length > this.windowSize) {
      this.speedWindow.shift();
    }
    
    // 计算平均速度
    const avgSpeed = this.speedWindow.reduce((a, b) => a + b, 0) / this.speedWindow.length;
    
    // 判断是否在作业区域内
    const inField = this.isPointInPolygon(point, fieldBoundary);
    
    // 状态判断
    if (avgSpeed > 5 && inField) {
      return 'working';
    } else if (avgSpeed < 5 && point.engineRPM > 0) {
      return 'idle';
    } else {
      return 'paused';
    }
  }
  
  isPointInPolygon(point: Coordinate, polygon: Polygon): boolean {
    // 射线法判断点是否在多边形内
    let inside = false;
    for (let i = 0, j = polygon.length - 1; i < polygon.length; j = i++) {
      const xi = polygon[i].longitude, yi = polygon[i].latitude;
      const xj = polygon[j].longitude, yj = polygon[j].latitude;
      
      const intersect = ((yi > point.latitude) !== (yj > point.latitude))
        && (point.longitude < (xj - xi) * (point.latitude - yi) / (yj - yi) + xi);
      if (intersect) inside = !inside;
    }
    return inside;
  }
}

3. 轨迹压缩存储

技术方案:

使用 Douglas-Peucker 算法压缩轨迹
保留关键点，减少存储空间
压缩率可达70-80%

typescript

function compressTrack(points: TrackPoint[], tolerance: number = 0.0001): TrackPoint[] {
  if (points.length < 3) return points;
  
  // Douglas-Peucker 算法
  let dmax = 0;
  let index = 0;
  const end = points.length - 1;
  
  for (let i = 1; i < end; i++) {
    const d = perpendicularDistance(points[i], points[0], points[end]);
    if (d > dmax) {
      index = i;
      dmax = d;
    }
  }
  
  if (dmax > tolerance) {
    const left = compressTrack(points.slice(0, index + 1), tolerance);
    const right = compressTrack(points.slice(index), tolerance);
    return left.slice(0, -1).concat(right);
  } else {
    return [points[0], points[end]];
  }
}

function perpendicularDistance(point: Coordinate, lineStart: Coordinate, lineEnd: Coordinate): number {
  // 计算点到线段的垂直距离
  const dx = lineEnd.longitude - lineStart.longitude;
  const dy = lineEnd.latitude - lineStart.latitude;
  const norm = Math.sqrt(dx * dx + dy * dy);
  
  if (norm === 0) {
    return Math.sqrt(
      Math.pow(point.longitude - lineStart.longitude, 2) +
      Math.pow(point.latitude - lineStart.latitude, 2)
    );
  }
  
  const u = ((point.longitude - lineStart.longitude) * dx +
             (point.latitude - lineStart.latitude) * dy) / (norm * norm);
  
  if (u < 0 || u > 1) {
    return Math.min(
      Math.sqrt(Math.pow(point.longitude - lineStart.longitude, 2) +
                Math.pow(point.latitude - lineStart.latitude, 2)),
      Math.sqrt(Math.pow(point.longitude - lineEnd.longitude, 2) +
                Math.pow(point.latitude - lineEnd.latitude, 2))
    );
  }
  
  const x = lineStart.longitude + u * dx;
  const y = lineStart.latitude + u * dy;
  
  return Math.sqrt(Math.pow(point.longitude - x, 2) + Math.pow(point.latitude - y, 2));
}

4. 实时位置监控

技术方案:

使用 WebSocket 推送实时位置
前端使用地图SDK显示机具位置
支持轨迹回放

typescript

// WebSocket 连接
class RealtimeMonitor {
  private ws: WebSocket;
  private markers: Map<string, Marker> = new Map();
  
  connect() {
    this.ws = new WebSocket('wss://api.example.com/ws/realtime');
    
    this.ws.onmessage = (event) => {
      const data = JSON.parse(event.data);
      this.updateMachineLocation(data);
    };
  }
  
  updateMachineLocation(data: any) {
    const { machineId, location, status } = data;
    
    let marker = this.markers.get(machineId);
    if (!marker) {
      marker = new Marker({
        position: [location.latitude, location.longitude],
        icon: this.getIconByStatus(status)
      });
      this.markers.set(machineId, marker);
      marker.setMap(map);
    } else {
      marker.setPosition([location.latitude, location.longitude]);
      marker.setIcon(this.getIconByStatus(status));
    }
  }
  
  getIconByStatus(status: string): Icon {
    const icons = {
      working: '/icons/machine-working.png',
      idle: '/icons/machine-idle.png',
      paused: '/icons/machine-paused.png'
    };
    return new Icon({ url: icons[status] });
  }
}

客户类型需求差异

农机合作社(10-50台,本地作业)

核心诉求: 实时监控，防止偷懒，准确结算

功能侧重:

实时位置监控
作业轨迹记录
作业时长统计
油耗数据记录
异常事件记录

典型场景:

调度员打开监控大屏，查看所有机具位置
发现某台机具长时间停留，电话询问机手
作业完成后，查看作业轨迹和时长
根据作业数据进行结算
分析油耗数据，发现异常

不需要的功能:

复杂的数据分析
多维度报表
高级预测模型

农机服务站(跨区作业)

核心诉求: 跨区域监控，数据云端共享

功能侧重:

跨区域作业监控
作业数据云端存储
多设备数据共享
作业轨迹回放
作业数据导出

典型场景:

跨区作业，机具分散在多个省份
调度员在总部监控所有机具
作业数据实时上传到云端
各地管理员可以查看本地机具数据
导出作业数据进行分析

特殊需求:

支持多省份地图
作业数据按区域分类
跨区域数据对比分析

大型农场(自有机队)

核心诉求: 机队统一调度，效率成本分析

功能侧重:

机队监控大屏
效率分析报表
成本统计
计划执行对比
数据导出

典型场景:

农场有30台机具，统一调度
监控大屏显示所有机具位置和状态
分析作业效率，识别低效机具
统计油耗成本，优化成本管理
对比计划和实际，优化调度

特殊需求:

机队调度优化
作业效率深度分析
成本核算和预算管理
与ERP系统集成

农机租赁公司(租赁+作业)

核心诉求: 设备位置监控，数据防篡改

功能侧重:

实时位置监控
数据防篡改
电子围栏
数据导出
纠纷追溯

典型场景:

租赁设备给承租方
实时监控设备位置，防止丢失
设置电子围栏，超出范围预警
作业数据作为结算依据
发生纠纷时，调取作业记录作为证据

特殊需求:

设备防盗监控
电子围栏功能
作业数据区块链存证
纠纷仲裁证据导出

系统交互

上游系统

订单管理系统: 获取作业订单信息
机具管理系统: 获取机具信息，GPS设备
人员管理系统: 获取机手信息

下游系统

结算系统: 提供作业数据，作为结算依据
绩效系统: 提供作业数据，用于绩效考核
数据分析系统: 提供作业数据，支撑业务分析

集成方式

graph LR
    A[订单管理] -->|订单信息| B[作业记录]
    C[机具管理] -->|机具信息| B
    D[人员管理] -->|机手信息| B
    B -->|作业数据| E[结算系统]
    B -->|作业数据| F[绩效系统]
    B -->|作业数据| G[数据分析]

实施建议

第一阶段: 基础功能(1周)

目标: 实现基本的轨迹记录功能

任务:

[ ] GPS轨迹采集功能
[ ] 轨迹数据存储
[ ] 实时位置显示
[ ] 作业记录查询

交付物:

可用的轨迹记录功能
实时监控大屏
作业记录列表

第二阶段: 数据分析(1周)

目标: 实现作业数据统计分析

任务:

[ ] 作业时长统计
[ ] 油耗数据采集
[ ] 异常事件记录
[ ] 作业报表生成

交付物:

作业统计报表
油耗分析报表
异常事件列表

第三阶段: 优化完善(持续)

目标: 优化用户体验，完善功能

任务:

[ ] 轨迹压缩优化
[ ] 离线数据同步
[ ] 异常预警优化
[ ] 用户反馈收集

交付物:

优化后的系统
用户手册
培训材料

成功案例

案例1: 某农机合作社作业监控系统

实施前:

不知道机具位置和作业进度
作业时长靠机手自报，不准确
油耗数据缺失，成本核算不准
纠纷时缺乏客观证据

实施后:

实时掌握所有机具位置和状态
作业时长自动统计，准确可靠
油耗数据自动采集，成本清晰
作业轨迹完整记录，纠纷有据可查

关键数据:

作业记录覆盖率: 100%
数据准确率: 98%
纠纷减少: 80%
管理效率提升: 50%

案例2: 某大型农场机队管理系统

实施前:

30台机具，调度混乱
作业效率低，成本高
无法准确评估机手绩效

实施后:

机队统一调度，效率提升
作业数据完整，成本清晰
机手绩效有据可依

关键数据:

作业效率提升: 30%
油耗成本降低: 15%
机具利用率提升: 25%
年度节省成本: 50万元

案例3: 某农机租赁公司设备监控系统

实施前:

租赁设备位置不明，丢失风险高
作业数据不准，结算纠纷多
设备使用情况不清楚

实施后:

实时监控设备位置，丢失风险降低
作业数据准确，结算纠纷减少
设备使用情况清晰，优化租赁策略

关键数据:

设备丢失率: 从5%降到0.5%
结算纠纷: 减少70%
设备利用率: 提升40%
租赁收入: 增长30%

常见问题

Q1: GPS定位不准怎么办?

确保设备GPS模块正常工作
在空旷地带GPS精度更高
系统会自动过滤精度>10米的点
可以使用差分GPS提高精度

Q2: 离线环境下如何记录轨迹?

系统支持离线轨迹记录
轨迹数据保存在本地
恢复网络后自动上传
本地数据保留7天

Q3: 轨迹数据会占用很多存储空间吗?

使用轨迹压缩算法，压缩率70-80%
轨迹点只保存1年
可以设置轨迹采集频率
云端存储，不占用本地空间

Q4: 如何防止机手作弊?

GPS轨迹自动采集，无法人工修改
轨迹点带时间戳，防止篡改
作业状态自动识别，无法伪造
异常行为自动预警

Q5: 作业数据如何用于结算?

作业时长自动统计，准确可靠
作业面积根据轨迹计算
油耗数据自动采集
生成作业报告，作为结算依据

本场景文档版本: v2.0 | 最后更新: 2024-03-07

OPER-004: 作业过程记录 ​

客户原话 ​

客户类型需求差异 ​

农机合作社(10-50台,本地作业) ​

农机服务站(跨区作业) ​

大型农场(自有农机队) ​

农机租赁公司(租赁+作业) ​

业务场景描述 ​

典型场景 ​

核心痛点 ​

业务流程图 ​

当前人工流程 ​

系统化流程 ​

用户故事 ​

故事1: 调度员实时监控作业 ​

故事2: 机手查看作业记录 ​

故事3: 农户查看作业轨迹 ​

故事4: 管理员分析作业数据 ​

故事5: 系统自动预警异常 ​

数据模型 ​

核心实体 ​

1. 作业记录 (OperationRecord) ​

2. 轨迹点 (TrackPoint) ​

3. 作业事件 (OperationEvent) ​

4. 作业统计 (OperationStatistics) ​

数据关系 ​

接口设计 ​

1. 开始作业记录 ​

2. 上传轨迹点 ​

3. 记录作业事件 ​

4. 完成作业记录 ​

5. 查询作业记录 ​

6. 获取作业轨迹 ​

7. 获取实时位置 ​

8. 获取作业统计 ​

关键业务规则 ​

1. 记录编号规则 ​

2. 轨迹采集规则 ​

3. 作业状态识别规则 ​

4. 异常预警规则 ​

5. 数据同步规则 ​

6. 数据保存规则 ​

技术实现要点 ​

1. GPS轨迹采集 ​

2. 作业状态识别 ​

3. 轨迹压缩存储 ​

4. 实时位置监控 ​

客户类型需求差异 ​

农机合作社(10-50台,本地作业) ​

农机服务站(跨区作业) ​

大型农场(自有机队) ​

农机租赁公司(租赁+作业) ​

系统交互 ​

上游系统 ​

下游系统 ​

集成方式 ​

实施建议 ​

第一阶段: 基础功能(1周) ​

第二阶段: 数据分析(1周) ​

第三阶段: 优化完善(持续) ​

成功案例 ​

案例1: 某农机合作社作业监控系统 ​

案例2: 某大型农场机队管理系统 ​

案例3: 某农机租赁公司设备监控系统 ​

相关场景 ​

常见问题 ​

Q1: GPS定位不准怎么办? ​

Q2: 离线环境下如何记录轨迹? ​

Q3: 轨迹数据会占用很多存储空间吗? ​

Q4: 如何防止机手作弊? ​

Q5: 作业数据如何用于结算? ​

OPER-004: 作业过程记录

客户原话

客户类型需求差异

农机合作社(10-50台,本地作业)

农机服务站(跨区作业)

大型农场(自有农机队)

农机租赁公司(租赁+作业)

业务场景描述

典型场景

核心痛点

业务流程图

当前人工流程

系统化流程

用户故事

故事1: 调度员实时监控作业

故事2: 机手查看作业记录

故事3: 农户查看作业轨迹

故事4: 管理员分析作业数据

故事5: 系统自动预警异常

数据模型

核心实体

1. 作业记录 (OperationRecord)

2. 轨迹点 (TrackPoint)

3. 作业事件 (OperationEvent)

4. 作业统计 (OperationStatistics)

数据关系

接口设计

1. 开始作业记录

2. 上传轨迹点

3. 记录作业事件

4. 完成作业记录

5. 查询作业记录

6. 获取作业轨迹

7. 获取实时位置

8. 获取作业统计

关键业务规则

1. 记录编号规则

2. 轨迹采集规则

3. 作业状态识别规则

4. 异常预警规则

5. 数据同步规则

6. 数据保存规则

技术实现要点

1. GPS轨迹采集

2. 作业状态识别

3. 轨迹压缩存储

4. 实时位置监控

客户类型需求差异

农机合作社(10-50台,本地作业)

农机服务站(跨区作业)

大型农场(自有机队)

农机租赁公司(租赁+作业)

系统交互

上游系统

下游系统

集成方式

实施建议

第一阶段: 基础功能(1周)

第二阶段: 数据分析(1周)

第三阶段: 优化完善(持续)

成功案例

案例1: 某农机合作社作业监控系统

案例2: 某大型农场机队管理系统

案例3: 某农机租赁公司设备监控系统

相关场景

常见问题

Q1: GPS定位不准怎么办?

Q2: 离线环境下如何记录轨迹?

Q3: 轨迹数据会占用很多存储空间吗?

Q4: 如何防止机手作弊?

Q5: 作业数据如何用于结算?