提供满意度信息和经训练的函数的方法和系统与流程

1.在客户服务领域中，通常应同时处理客户的多个询问。尤其地，询问例如可以是客户的呼叫和/或票。尤其地，客户例如可以在询问中提出关于医学技术设备的工作方式的问题，或者所述客户可以报告医学技术设备的失效，或者所述客户可以报告医学技术设备的干扰等。在所述上下文中，通常需要对客户询问确定优先级。因此，例如与其医学技术设备完全失效的客户相比，仅问询医学技术设备的特殊操作的客户可以等待客户服务的回答更长时间。尤其应优选地处理有严重问题的客户。也应优选地应对有经常出现的问题的客户。尤其应通过询问的优先级确保客户满意度。换言之，应确保尽可能好地负责或支持所有客户。由此应确保客户满意度。


背景技术：

2.此外，在客户服务中通常需要执行合适的应对(handlung)作为对客户询问的响应。例如，客户服务可以决策应执行呼叫客户。替选地，客户服务可以为客户派遣服务技术人员。必须基于询问来决定应对。
3.对客户询问确定优先级或对客户询问确定合适的应对尤其可以基于关于客户满意度的信息来实现。已知的是，基于客户调查或社交媒体中的帖子借助于自然语言处理来确定客户满意度(等人的“classification of customer reviews based on sentiment analysis”，19th conference on information and communication technologies in tourism，2012；bagheri等人的“care more about customers:unsupervised domain-independent aspect detection for sentiment analysis of customer reviews”，knowledge-based systems，52，2013；genc-nayebi等人的“a systematic literature review:opinion mining studies from mobile app store user reviews”，journal of systems and software，125，2017)。另一方面已知的是，使用系统的日志数据，以便探测对系统的恶意攻击(kim等人的“long short term memory recurrent neural network classifiers for intrusion detection”，international conference on platform technology and service，2015；tuor等人的“deep learning for unsupervised insider threat detection in structured cybersecurity data streams,arxiv:1710:00811v2，2017)或以便探测由系统产生的数据中的或系统本身的错误(min等人的“deeplog:anomaly detection and diagnosis from system logs through deep learning”，ccs：comuter and communications security，2017；zhang等人的“automated it system failure prediction:a deep learning approach”，ieee international conference on big data，2016)或以便预测用于系统的特定部件的维护(sipos等人的“log-based predictive maintenance”，20
th acm sigkdd international conference on knowledge discovery and data mining，2014；us2015/0227838a1)。
4.所有所述方法的共同点是，仅使用一个信息源、例如医学技术设备的客户服务数据(调查数据或帖子等)或记录数据(日志数据等)，以便确定客户满意度或关于医学技术设
备的系统的信息。


技术实现要素：

5.因此，本发明的目的是提供基于记录数据和客户服务数据能够实现确定客户满意度的方法。
6.所述目的根据本发明的实施例通过用于提供关于预测的客户对医学技术设备的满意度预测的客户对医学技术设备的满意度的满意度信息的方法、通过用于提供第一经训练的函数的方法、通过用于提供客户对医学技术设备的满意度信息的系统、通过计算机程序产品并且通过计算机可读的存储介质来实现。有利的改进方案以下说明中列出。
7.在下文中，所述目的的根据本发明的解决方案不仅在所要求保护的设备或系统方面而且在所要求保护的方法方面予以描述。在此提及的特征、优点或替选的实施方式同样也应转用于其他所要求保护的主题，并且反之亦然。换言之，实体性的实施例(所述实施例例如针对设备)也可以借助于结合方法描述或要求保护的特征来改进。在此，所述方法的对应的功能性特征通过对应的实体模块构成。
8.此外，在下文中，所述目的的根据本发明的解决方案不仅在用于提供关于预测的客户对医学技术设备的满意度的满意度信息的所要求保护的方法和所要求保护的系统方面而且在用于训练第一经训练的函数的所要求保护的方法和所要求保护的系统方面予以描述。在此提及的特征、优点或替选的实施方式同样也可应转用于其他要求保护的主题，并且反之亦然。换言之，用于训练第一经训练的函数的方法权利要求和系统权利要求也可以借助于结合用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法和系统描述或要求保护的特征来改进，并且反之亦然。
9.尤其地，用于提供第一经训练的函数的方法和系统可以适配于用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法和系统。此外，用于提供满意度信息的方法的输入数据可以包括训练输入数据的有利的特征和实施方案，并且反之亦然。此外，用于提供满意度信息的方法的输出数据可以包括训练输出数据的有利的特征和实施方案，并且反之亦然。
10.本发明涉及计算机实施的用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法。所述方法包括提供输入数据的方法步骤，其中输入数据包括医学技术设备的至少一个运行参数和至少一个客户信息。所述方法还包括将第一经训练的函数应用到输入数据上的方法步骤，由此产生满意度信息。所述方法还包括提供满意度信息的方法步骤。
11.满意度信息尤其描述用于用户的客户满意度。用户尤其可以是客户服务的一部分。客户服务尤其可以负责医学技术设备或客户，或对医学技术设备或客户提供意见。在此，用户尤其可以是服务技术人员或服务员工或维护技术人员或软件技术人员或客户负责的员工等。在此，尤其对于未来的时间段预测满意度信息。换言之，满意度信息包括所预测的客户满意度。客户满意度尤其涉及医学技术设备。在此，满意度尤其可以涉及医学技术设备的工作方式和/或医学技术设备的可靠性和/或关于医学技术设备的客户服务等。
12.医学技术设备尤其可以包括用于实验室医学检查的设备、例如用于制备或检查用于体外测试的实验室样本的设备或用于实验室自动化的设备。医学技术设备尤其可以包括
成像医学技术设备。成像医学技术设备尤其可以包括x射线设备和/或计算机断层扫描(ct)设备和/或磁共振断层扫描(mrt)设备和/或c型臂和/或正电子发射断层扫描(pet)设备和/或单光子发射计算机断层扫描(英文：single photon emission computed tomography，spect)设备和/或用于超声成像的设备。替选地，医学技术设备可以包括检查床和/或用于检查支持和/或手术支持的机器人系统和/或软件系统等。软件系统尤其可以构成用于显示和/或分析和/或处理医学图像数据。尤其地，医学技术设备可以包括医学或临床环境中的任何可能的硬件或软件。医学技术设备尤其也可以是多个医学技术设备或上述类型的医学技术设备的复合体。以所述方式，本发明可以用于预测或提供关于客户对设备组或设备复合体的所预测的满意度的满意度信息。
13.在提供的方法步骤中，尤其提供输入数据以用于进一步处理输入数据。提供输入数据尤其可以包括接收输入数据。在此，输入数据尤其可以由医学技术设备提供。替选地或附加地，输入数据可以由客户服务系统提供，在所述客户服务系统上检测客户信息。替选地或附加地，输入数据可以由云系统提供。替选地或附加地，输入数据可以由内部数据库提供。在此，输入数据包括医学技术设备的至少一个运行参数和至少一个客户信息。
14.运行参数尤其描述医学技术设备的工作方式和/或用途和/或环境参数或环境条件和/或性能等。尤其地，运行参数描述医学技术设备的技术方面，运行参数尤其可以包括关于使用类型、使用持续时间、使用频率、错误类型、错误持续时间、错误频率、维护状态的信息和类似信息。替选地或附加地，运行参数可以包括关于确定的过程、例如检查的中止和/或重新启动的频率的信息。替选地或附加地，运行参数可以包括关于系统重新启动和/或子系统重新启动和/或其频率的信息。替选地或附加地，运行参数可以包括关于医学技术设备的外部参数的信息。外部参数尤其可以包括医学技术设备的电流供给或电力网稳定性和/或医学技术设备的数据网连接或数据网稳定性和/或医学技术设备的环境温度等。运行参数尤其可以包括描述医学技术设备或其功能等的数值。例如，这种数值可以描述医学技术设备失效的次数。替选地或附加地，运行参数可以包括字母值。例如，这种字母值可以描述医学技术设备的设定是“开”的还是“关”的。替选地或附加地，运行参数可以包括字母数值。尤其地，字母数值可以是由字母值和数值构成的一对值。例如，字母数值可以包括所描述的部分、如“以摄氏度为单位的环境温度”和用于所述所描述的部分的值、如“25”。
15.客户信息尤其涉及应预测其满意度的客户。客户信息尤其包括关于客户的至少一个信息。客户信息尤其描述客户的行为和/或客户与客户服务的联系尝试的频率和/或客户拥有的医学技术设备的数量和/或关于客户已经获得或订购的配件的信息等。客户信息尤其可以包括数值、字母值和/或字母数值。
16.在应用第一经训练的函数的方法步骤中，基于输入数据借助于第一经训练的函数产生满意度信息。
17.通常，经训练的函数模仿连接人类与人类思维的认知功能。尤其地，通过基于训练数据的训练，经训练的函数可以适配新的情况以及识别模式并且进行外插。
18.经训练的函数的参数通常可以借助于训练来调整。为此，尤其可以使用监督(英文：supervised)训练、半监督(英文：semi-supervised)训练、无监督(英文：unsupervised)训练、强化学习(英文：reinforcement learning)和/或主动学习(英文：active learning)。此外可以使用表示学习(替选的术语是“特征学习(merkmalslernen)”)(英文：
representation learning或feature learning)。尤其可以通过多个训练步骤迭代地调整经训练的函数的参数。
19.尤其地，经训练的函数可以包括神经网络、支持向量机(英文：support vector machine)、随机树或决策树(英文：decision tree)和/或贝叶斯网络，和/或经训练的函数可以基于k平均聚类(英文：k-means clustering)、q学习、遗传算法和/或关联规则。尤其地，经训练的函数可以包括由多个不相关的决策树构成的组合或由决策树构成的集成(ensemble)(英文：random forest)。尤其地，可以借助于xgboosting(英文：extreme gradient boosting)来确定经训练的函数。尤其地，神经网络可以是深度神经网络(英文：deep neural network)、卷积神经网络(英文：convolutional neural network)或卷积深度神经网络(英文：convolutional deep neural network)。此外，神经网络可以是对抗网络(英文：adversarial network)、深度对抗网络(英文：deep adversarial network)和/或生成式对抗网络(英文：generative adversarial network)。尤其地，神经网络可以是递归神经网络(英文：recurrent neural network)。尤其地，递归神经网络可以是具有长时记忆(英文：long-short-term-memory，lstm)的网络、尤其门控循环单元(gru)。经训练的函数尤其可以包括所描述的方案的组合。在此描述的用于经训练的函数的方案尤其称为经训练的函数的网络架构。
20.在提供满意度信息的方法步骤中，为用户提供满意度信息。在此，尤其地，提供满意度信息可以包括显示满意度信息和/或发送满意度信息，例如经由电子邮件或sms发送满意度信息，和/或将满意度信息存储在存储器或外部数据库或云存储器中。
21.发明人已经认识到，可行的是，预测客户满意度。发明人已经认识到，尤其可以基于至少一个运行参数和至少一个客户信息来产生或确定这种预测。换言之，发明人已经认识到，基于由运行数据和客户信息构成的组合，可以预测客户满意度并且可以将其作为满意度信息提供给用户。尤其地，发明人已经认识到，基于医学技术设备的至少一个技术信息、运行参数和客户数据、客户信息，可以特别可靠地预测客户满意度。
22.根据本发明的一个方面，所述方法还包括从医学技术设备的记录数据中对于第一限定时间段确定至少一个运行参数的方法步骤。
23.记录数据尤其可以包括日志文档或日志文件或日志数据。记录数据尤其可以包括事件日志文档或事件日志文件。尤其地，在日志文档中记录有在医学技术设备的计算机系统或computer-system和/或网络中运行的过程。在日志文档中尤其记载有在医学技术设备处运行的过程。日志文档尤其可以包括关于医学技术设备的用途、工作方式、稳定性等的信息。替选地或附加地，记录数据可以包括医学技术设备的稳定性参数。尤其地，稳定性参数可以包括关于图像记录的中止和/或关于弹出和/或关于软件更新等的信息。替选地或附加地，记录数据可以包括至少一个环境参数或环境条件。环境参数尤其可以是温度、湿度、医学技术设备所处于的国家等。
24.第一限定时间段尤其可以处于过去。换言之，第一限定时间段可以在时间上处于确定至少一个运行参数的时刻之前。第一限定时间段限定如下时间段，对于所述时间段从记录数据中确定至少一个运行参数。尤其可以在第一限定时间段内确定至少一个运行参数的时间变化过程。第一限定时间段尤其可以包括一周或两周或三周或四周或一个月或两个月或三个月或半年等。第一限定时间段尤其可以比在此列举的示例更长或更短。第一限定
时间段尤其可以处于在此列举的两个示例之间。在所述上下文中，限定意味着可以预设或限定第一限定时间段的长度或持续时间。尤其可以预限定第一限定时间段的持续时间。替选地，可以通过用户限定第一限定时间段的持续时间。换言之，用户可以指定或限定应对于哪个时间段确定至少一个运行参数。用户尤其可以根据日历数据限定第一限定时间段。替选地，用户可以以日或周或月为单位限定持续时间。然后，尤其可以从用户限定第一限定时间段的持续时间或确定运行参数的日期的角度限定第一限定时间段的开始。
25.在从记录数据中确定至少一个运行参数的方法步骤中，尤其可以从记录数据中提取对于满意度信息相关的数据作为运行参数。尤其可以从记录数据中确定多于一个的运行参数。
26.发明人已经认识到，可以从记录数据中确定呈至少一个运行参数形式的信息，所述信息可以具有对满意度信息的影响。此外，发明人已经认识到，在确定满意度信息时通过记录数据考虑医学技术设备的技术方面。
27.根据本发明的另一方面，所述方法还包括基于销售数据和/或客户服务数据对于第二限定时间段确定至少一个客户信息的方法步骤。
28.销售数据和/或客户服务数据尤其可以与医学技术设备相关。换言之，销售数据和/或客户服务数据可以说明与医学技术设备直接或间接相关的信息。与医学技术设备直接相关的信息直接说明涉及医学技术设备的数据。与医学技术设备间接相关的信息说明例如由客户相对于医学技术设备指定的数据。替选地，销售数据和/或客户服务数据可以与客户相关。销售数据和/或客户服务数据尤其可以包括关于客户的信息。
29.销售数据尤其可以包括关于用于医学技术设备的已经交付或安装的配件的信息。销售数据尤其可以包括关于用于医学技术设备的订购的配件的信息。替选地或附加地，销售数据可以包括客户拥有或由客户负责或使用或管理的医学技术设备的数量。替选地或附加地，销售数据可以包括客户的成本。尤其可以说明关于医学技术设备的客户的成本。换言之，成本可以说明客户为医学技术设备和/或维护工作和/或维修工作和/或配件等花费了多少。替选地或附加地，成本可以说明客户已经在由客户服务负责的医学技术设备上投资了多少。
30.客户服务数据尤其可以包括关于客户的信息。尤其地，关于客户的信息例如可以包括客户所在地或客户所在地的国家和/或客户已经拥有或运营或使用由客户服务负责的医学技术设备多久的持续时间和/或客户拥有或运营或使用哪个医学技术设备等。替选地或附加地，客户服务数据可以包括关于客户的一个或多个票的信息。尤其地，如果客户对于医学技术设备有问题或疑问，则所述客户可以创建票。尤其可以将票发送给客户服务。客户服务数据尤其可以包括关于票的数量和/或关于票的年龄和/或关于票的处理状态和/或关于票的类型或类别的信息。尤其地，票的类型或类别可以描述所述票是地区票还是全球票。替选地或附加地，票的类型或类别可以描述在何处或通过谁处理票。这尤其可以包括是否涉及技术票、维护票、维修票、投诉票、问询票等的信息。替选地或附加地，票的类型或类别可以描述票处于哪个升级级别。在此，升级级别可以由客户或用户确定。在此，可以在离散或连续的标度上说明升级级别。在此，标度上的更高的值可以标记更后期的升级。替选地或附加地，客户服务数据可以包括维护技术人员或维修技术人员已经多频繁地在客户现场的信息。
31.第二限定时间段尤其可以处于过去。换言之，第二限定时间段可以在时间上处于确定至少一个客户信息的时刻之前。第二限定时间段限定其中从销售数据和/或客户服务数据中确定至少一个客户信息的时间段。尤其可以在第二限定时间段内确定至少一个客户信息的时间变化过程。第二限定时间段尤其可以包括一周或两周或三周或四周或一个月或两个月或三个月或半年等。第二限定时间段尤其可以比在此列举的示例更长或更短。第二限定时间段尤其可以处于在此列举的两个示例之间。
32.第二限定时间段尤其可以不同于第一限定时间段。第一限定时间段和第二限定时间段尤其可以不同长。第一限定时间段和第二限定时间段尤其可以在时间上相对于彼此移动。第一限定时间段和第二限定时间段尤其可以在时间上重叠。第一限定时间段和第二限定时间段尤其可以彼此不相交。换言之，第一限定时间段和第二限定时间段不能重叠。
33.替选地，第一限定时间段和第二限定时间段可以相同。换言之，第一限定时间段可以与第二限定时间段相同。
34.在所述上下文中，限定意味着可以预设或限定第二限定时间段的长度或持续时间。尤其可以预限定第二限定时间段的持续时间。替选地，可以通过用户限定第二限定时间段的持续时间。换言之，用户可以指定或限定应对于哪个时间段确定至少一个运行参数。用户尤其可以根据日历数据限定第二限定时间段。替选地，用户可以以日或周或月为单位限定第二限定时间段的持续时间。然后，尤其可以从用户限定第二限定时间段的持续时间或确定运行参数的日期的角度限定第二限定时间段的开始。
35.在确定至少一个客户信息的方法步骤中，可以从销售数据和/或客户服务数据中提取对于客户满意度的预测或对于客户信息相关的或可能相关的信息作为客户信息。在确定至少一个客户信息的方法步骤中，尤其可以确定多于一个的客户信息。
36.发明人已经认识到，销售数据和/或客户服务数据包括对于满意度信息相关的信息。发明人尤其已经认识到，出自销售数据和/或客户服务数据中的信息可以具有对客户满意度的影响。
37.根据本发明的另一方面，在确定至少一个运行参数或至少一个客户信息的方法步骤中，可以基于出自产品寿命周期管理(英文：product-life-management，plm)和/或供应链管理(英文：supply-chan-management，scm)中的数据来确定至少一个运行参数和/或至少一个客户信息。
38.产品寿命管理的数据尤其包括在研发过程期间和医学技术设备的整个寿命周期期间产生的信息。供应链管理的数据尤其包括关于医学技术设备的供应链的所有信息。尤其地，供应链以医学技术设备的制造开始，并且以医学技术设备在客户处的安装结束。因此，供应链尤其也包括医学技术设备的运输、如例如医学技术设备的运送。
39.发明人已经认识到，也可以从产品寿命周期管理和/或供应链管理的数据中确定至少一个运行参数和/或至少一个客户信息。然后，所述数据尤其可以用作用于第一经训练的函数的输入数据。发明人已经认识到，在所述数据中尤其可以包括可以解释医学技术设备的之后的失效或问题并且可以预测满意度信息的信息。例如，在运输或制造时的问题可能引起医学技术设备的确定的部件的失效。所述失效又具有对关于客户的满意度信息的影响。
40.根据本发明的另一方面，可以由特征提取算法来执行至少一个运行参数和/或至
少一个客户信息的确定。在此，特征提取算法可选地包括第二经训练的函数。
41.在此，确定至少一个运行参数尤其可以由第一特征提取算法来执行。在此，尤其可以由第二特征提取算法来执行至少一个客户信息的确定。
42.特征提取算法尤其可以构成用于从记录数据和/或销售数据和/或客户服务数据提取呈运行参数或客户信息形式的可以影响满意度信息的特征。尤其可以借助于特征提取算法来确定至少一个运行参数和/或至少一个客户信息。尤其地，特征提取算法可以调整成，应借助于特征提取算法提取或确定哪个信息。
43.在此，特征提取算法尤其可以由专家创建。专家尤其可以规定规则，特征提取算法根据所述规则确定至少一个运行参数和/或至少一个客户信息。替选地或附加地，特征提取算法可以借助于模式识别来确定至少一个运行参数和/或至少一个客户信息。替选地或附加地，特征提取算法可以包括计数算法，所述计数算法对记录数据和/或销售数据和/或客户服务数据中的确定的特征进行计数。以所述方式，例如可以基于客户服务数据借助于计数算法来确定客户的票的数量。替选地或附加地，例如可以以所述方式从记录数据中确定扫描中止的次数。
44.特征提取算法尤其可以包括第二经训练的函数。为此，例如可以在记录数据上自动训练用于确定至少一个运行参数的第二经训练的函数。用于确定至少一个运行参数的特征提取算法尤其包括序列识别算法(英文：sequence mining或sequence pattern mining)。在此，可以在部分结构化的数据中识别模式。为了确定至少一个客户信息，第二经训练的函数尤其可以包括用于分析文本数据或字母数据或字母数字数据的“自然语言处理(英文：natural language processing)”。
45.特征提取算法尤其可以包括由所描述的函数或算法构成的组合。
46.特征提取算法尤其可以借助于python api访问记录数据和/或销售数据和/或客户服务数据。
47.特征提取算法尤其可以包括数据的预处理(英文：pre-processing)。数据尤其可以包括记录数据和/或销售数据和/或客户服务数据和/或至少一个运行参数和/或至少一个客户信息。尤其借助于预处理来处理至少一个运行参数和/或至少一个客户信息，使得其作为输入数据适合于第一经训练的函数。尤其可以借助于预处理来处理记录数据和/或销售数据和/或客户服务数据，使得可以从中确定至少一个运行参数或至少一个客户信息。
48.发明人已经认识到，可以借助于特征提取算法自动化地进行至少一个运行参数和/或至少一个客户信息的确定。发明人尤其已经认识到，可以借助于特征提取算法预处理至少一个运行参数和/或至少一个客户信息，使得其作为输入数据适合于第一经训练的函数。
49.根据本发明的另一方面，第一时间段和/或第二时间段包括多个不相交的时间块。在此，不相交的时间块在时间上彼此毗邻。在此，对于时间块中的每个时间块以累积的方式确定至少一个运行参数或至少一个客户信息。
50.时间块尤其可以包括第一限定时间段和/或第二限定时间段的时间的子部段或时间的间隔或时间间隔。不相交尤其意味着，限定时间段的时间块在时间上不重叠或不交叠。限定时间段的不相交的时间块尤其可以在时间上直接彼此毗邻。换言之，限定时间段的时间块可以无间隙地彼此毗邻。多个不相交的时间块中的时间块尤其可以一样大或一样长。
换言之，时间块可以具有相同的持续时间。替选地，时间块可以不同大或不同长。第一限定时间段尤其可以划分成多个不相交的第一时间块。第二限定时间段尤其可以划分成多个不相交的第二时间块。多个不相交的第一时间块尤其可以对应于多个不相交的第二时间块。尤其通过对应的第一限定时间段和/或第二限定时间段的长度或持续时间和/或通过时间块的长度或持续时间来预设用于第一限定时间段和/或第二限定时间段的不相交的时间块的数量。第一限定时间段和/或第二限定时间段尤其可以包括一个时间块。替选地，第一限定时间段和/或第二限定时间段可以包括多于一个的时间块。
51.例如，时间块尤其可以包括一周或一个月。
[0052]“累积”尤其意味着，至少一个运行参数或至少一个客户信息包括关于完整的时间块的数据。这尤其可以意味着，以在时间上平均的方式检测关于时间块的数据，或者关于时间块的数据被加和，或者例如关于时间块的数据收集在列表中等。换言之，在时间步长中借助于时间块的大小或持续时间来确定至少一个运行参数或至少一个客户信息的时间变化过程。
[0053]
发明人已经认识到，通过累积至少一个运行参数或至少一个客户信息，可以补偿波动。例如，可以借助于包括一周的时间块来补偿至少一个运行参数或至少一个客户信息的通过周末引起的波动。发明人已经认识到，通过将第一限定时间段和/或第二限定时间段划分成不相交的时间块，可以确定至少一个运行参数或至少一个客户的时间变化过程。发明人还认识到，时间变化过程可以用作用于确定满意度信息的第一经训练的函数的输入数据，并且这引起所预测的客户满意度或满意度信息的改进。
[0054]
根据本发明的另一方面，为至少一个预测时间块产生满意度信息。在此，至少一个预测时间块在时间上接着第一限定时间段和/或第二限定时间段。
[0055]
预测时间块尤其可以包括一日或一周或一个月等。尤其可以在预测时间块内确定满意度信息或预测的客户对医学技术设备的满意度。预测时间块尤其可以处于未来的确定满意度信息的时刻。
[0056]
尤其可以为多个不相交的预测时间块确定满意度信息。不相交的预测时间块尤其可以在时间上彼此毗邻。尤其可以为不相交的时间块中的每个时间块产生满意度信息。因此，尤其可以预测客户满意度的时间变化过程。
[0057]
发明人已经认识到，为至少一个预测时间块提供满意度信息使用户感觉到，客户满意度如何随时间发展。此外，用户可以以所述方式估计其有多少时间来做出反应并且使客户满意。
[0058]
根据本发明的另一方面，满意度信息包括至少一个分类信息。
[0059]
客户满意度尤其可以借助于分类信息进行分类。分类信息尤其说明用于客户对医学技术设备的满意度的量度。
[0060]
客户满意度尤其可以分类成离散的等级。换言之，分类信息可以说明，将客户满意度分配到离散的等级中的一个等级中。换言之，分类信息说明客户满意度已经分配给哪个等级或分配给哪个等级。例如，客户满意度可以划分或分配成四个等级。在此，分配到等级“1”可以意味着，客户非常满意并且没有投诉。分配到等级“4”可以显示最高的升级级别。换言之，其满意度信息包括等级“4”的分类信息的客户非常不满意。替选的等级划分是可行的。分类尤其可以以多于或少于四个的等级实现。替选地，最大的等级、例如等级“4”也可以
显示客户非常满意，而等级“1”显示最高的升级级别。预测的客户满意度的分类尤其可以类似于学校成绩来实现。预测的满意度的分类尤其可以划分成两个等级：在此，“0”意味着客户满意，并且“1”意味着客户非常不满意。替选地，“0”和“1”的意义可以交换。替选地，可以不借助于数字而是借助于单词来表示离散的等级。例如可以借助于温度标度象征性地描述客户满意度。为此，等级例如可以如下表示：“冷”、“温”、“暖”和“热”。在此，“冷”意味着客户满意，并且“热”意味着客户非常不满意并且达到最高的升级级别。
[0061]
替选地，分类信息可以包括客户满意度沿着连续的标度的说明。标度尤其包括多个连续的等级。标度尤其可以包括1和10之间的值。分类信息尤其可以具有1和10之间的每个任意的值。分类信息尤其可以包括1和10之间的描述客户满意度的值。尤其地，“1”的值可以意味着客户非常满意，并且“10”的值可以意味着客户非常不满意。1和10之间的值描述两个极限值之间的客户满意度的分级。替选地，“1”和“10”的含义可以交换。替选地，对于连续的标度，也可考虑不同于1和10的极限值。替选地，连续的标度的极限值可以是“0”和“1”。在此，将客户满意度说明为升级或客户非常不满意的概率。
[0062]
发明人已经认识到，可以借助于分类信息以简单和概览的方式为用户示出客户满意度。发明人尤其已经认识到，用户可以从分类信息中容易地导出应对，以便改善或确保客户满意度。
[0063]
根据本发明的另一方面，满意度信息包括关于至少一个分类信息的至少一个阐述信息。
[0064]
尤其地，阐述信息包括客户满意度为什么分配给在分类信息中说明的等级的原因或解释或阐述。阐述信息尤其可以说明输入数据中的哪些输入数据(运行参数和/或客户信息)对于分配到分类信息中说明的等级中是决定性的。换言之，阐述信息包括关于怎样实现分类信息的信息。例如，确定的时间段内的票的数量对于客户满意度分配给确定的等级会是决定性的。
[0065]
如果第一经训练的函数包括随机树或决策树(英文：decision tree)或决策树的集成(英文：random forest)或xgboost，则可以借助于树解释器算法(英文：tree explainer algorithm)来确定阐述信息。如果第一经训练的函数包括(深度)神经网络、例如递归神经网络和/或卷积神经网络和/或长时记忆和/或门控循环单元，则阐述信息尤其可以借助于敏感性注意力机制(英文：sensitivity,attention mechanism)和/或借助于用于相关传播的方案(英文：relevance propagation approach)和/或借助于深度解释器(英文：deep explainer)来确定。
[0066]
发明人已经认识到，阐述信息使用户能够理解，为什么用户获得用于客户的确定的分类信息。用户可以从中导出，分类信息是否有意义以及用户必须或应执行哪些应对，借此可以改进和/或确保客户满意度。
[0067]
根据本发明的另一方面，所述方法还包括在决策支持系统中提供满意度信息的方法步骤和通过决策支持系统从满意度信息中导出应对推荐的方法步骤。
[0068]
尤其地，提供满意度信息可以包括通过决策支持系统(通常：decision support system)显示满意度信息。显示尤其可以以图形或图像和/或文本的方式在输出介质上实现。输出介质尤其可以是屏幕或计算机屏幕。决策支持系统尤其可以包括输出介质。决策支持系统尤其可以包括图形用户界面(英文：graphical user interface，gui)。尤其可以借
助于gui来提供满意度信息。替选地，提供也可以包括将消息、尤其电子邮件和/或sms(英文：short-message-service)发送给用户。
[0069]
应对推荐尤其可以描述，用户应进行或执行或安排哪个动作或哪个应对或何种类型的应对，以便确保或改善客户满意度，或以便防止通过客户引起的升级。例如，应对推荐可以是通过电话或电子邮件联系客户和/或访问客户和/或为客户提供供应(例如，时间上受限的免费使用软件插件等)和/或客户的优先应对和/或最迟应联系客户的时间段等。替选地或附加地，应对推荐可以说明，客户有哪个问题或涉及技术问题还是服务问题。替选地或附加地，应对推荐可以包括给提供其满意度信息的多个客户确定优先级。换言之，应对推荐可以输出用户应关注哪个客户的推荐。
[0070]
尤其可以基于满意度信息由决策支持系统导出应对推荐。决策支持系统尤其可以基于分类信息导出所推荐的应对的紧迫性。决策支持系统尤其可以基于阐述信息导出应对的类型。尤其可以在决策支持系统中提供应对推荐。尤其可以显示应对推荐。应对推荐尤其可以与满意度信息一起显示。应对推荐尤其可以借助于决策支持系统的gui来提供或显示。
[0071]
在替选的实施方案中，用户本身可以基于满意度信息导出应对推荐。
[0072]
发明人已经认识到，为用户提供满意度信息允许有针对性地应对，以便保证或确保或改善客户满意度。此外，发明人已经认识到，通过决策支持系统导出应对推荐有助于用户快速决策何时需要或推荐哪个应对以便确保客户满意度。
[0073]
本发明还包括计算机实施的用于提供第一经训练的函数的方法。所述方法包括提供训练输入数据的方法步骤，其中训练输入数据包括医学技术设备的至少一个运行参数和至少一个客户信息。所述方法还包括提供训练输出数据的方法步骤，其中训练输出数据包括关于客户对医学设备的所预测的满意度的满意度信息。在此，训练输出数据和训练输入数据彼此相关。所述方法还包括基于训练输入数据和训练输出数据训练第一经训练的函数的方法步骤。所述方法还包括提供第一经训练的函数的方法步骤。
[0074]
训练输出数据尤其可以由专家或用户创建。训练输入数据和训练输出数据尤其涉及过去的时间段。专家或用户尤其已经已知客户对用于创建训练输出数据的训练输入数据的满意度。训练输出数据尤其可以由专家或用户从训练输入数据中导出。因此，训练输入数据和训练输出数据尤其彼此相关。
[0075]
尤其地，在训练第一经训练的函数的方法步骤中，训练可以借助于监督学习(英文：supervised training)或无监督学习(英文：unsupervised training)实现。尤其地，监督学习可以包括随机过采样或随机欠采样(英文：random over-/under-sampling)或人工少数类过采样(英文：synthetic minority over-sampling)。由此，尤其可以补偿训练输入数据和训练输出数据关于训练输出数据的分类信息的不平衡。训练输出数据的分类信息类似于满意度信息的分类信息构成。替选地或附加地，监督学习尤其可以包括代价敏感学习(英文：cost sensitive learning)。尤其可以在训练期间通过代价敏感学习更强烈地加权训练输出数据的分类信息的代表性不足的等级。无监督学习尤其可以包括具有深度自编码器模型(英文：deep autoencoder model)的异常探测(英文：anomaly detection)。
[0076]
发明人已经认识到，过去的数据可以用作训练输入数据。发明人尤其已经认识到，可以由专家或用户创建用于过去的训练输出数据，并且可以基于过去的实际的客户满意度。
[0077]
根据本发明的可选方面，对于第一训练时间段确定至少一个运行参数，并且对于至少一个第二训练时间段确定至少一个客户信息。在此，第一训练时间段和第二训练时间段包括多个不相交的训练时间块。在此，训练输出数据包括用于至少一个预测训练时间块的满意度信息。在此，预测训练时间块在时间上接着第一训练时间段和/或第二训练时间段。
[0078]
第一训练时间段和第二训练时间段可以类似于第一限定时间段和第二限定时间段构成。第一训练时间段和第二训练时间段的不相交的训练时间块尤其也可以类似于第一限定时间段和第二限定时间段的不相交的时间块构成。预测训练时间块可以类似于预测时间块构成。然而，预测训练时间块处于过去。尤其地，客户满意度在预测训练时间块内是已知的。
[0079]
发明人已经认识到，用于训练的输入数据和输出数据的模拟时间描述和用于确定满意度信息的方法可以实现尽可能高效且适配于数据的训练。
[0080]
根据本发明的另一方面，在升级时间段外检测训练输入数据。在此，升级时间段通过升级事件开始。
[0081]
在此，升级事件例如尤其可以是客户给客户服务的投诉电子邮件和/或在客户服务处的呼叫和/或通过客户引起的后果的威胁(例如，合同解除)和/或客户改变为其他提供商等。尤其可以手动规定升级事件或升级时间段的开始。替选地，可以自动化地规定升级事件或升级时间段的开始。然后，升级时间段尤其是仍受升级事件影响的时段或时间段或时间间隔。升级事件尤其可以通过专家或用户标记。升级时间段尤其紧接着升级事件。升级时间段尤其可以包括升级事件之后的一周或两周或三周或一个月。换言之，升级时间段可以包括升级事件之后的一周或两周或三周或一个月。持续时间尤其也可以包括所列举的值之间的值或大于或小于所列举的值的值。升级时间段的持续时间尤其可以与升级事件的类型相关。例如，客户的合同改变可以开始比投诉电子邮件更长的升级时间段。升级时间段的持续时间尤其可以由专家或用户规定或确定。
[0082]
尤其地，训练输入数据被检测成，使得所述训练输入数据不受升级事件影响，即处于升级时间段外。尤其地，训练输出数据也被检测或确定成，使得所述训练输出数据处于升级时间段外。
[0083]
发明人已经认识到，升级事件可能影响第一经训练的函数的训练，使得通过第一经训练的函数独立地分析输入数据可能不可行。发明人已经认识到，为了训练第一经训练的函数，优选地使用在时间上处于升级时间段外的数据。
[0084]
根据本发明的另一方面，按照根据本发明描述的方法训练的第一经训练的函数可以用于提供满意度信息。
[0085]
根据本发明的另一方面，借助于反馈进一步连续地训练第一经训练的函数。在此，反馈基于所提供的满意度信息与确定的客户满意度之间的匹配值。
[0086]
尤其地，用户可以随后确定或查明所确定的或实际的客户满意度。所确定的客户满意度可以在用于满意度信息的预测时间块过去之后例如根据用户的经验或客户的反馈来确定。用户的经验例如可以包括合同延期或合同解除或用户的估计。
[0087]
然后，尤其可以通过在预测的满意度的所提供的满意度信息与确定的客户满意度之间进行比较来确定匹配值。匹配值尤其可以通过专家和/或用户来确定。匹配值尤其可以
包括连续的标度或离散的等级上的值。例如，匹配值可以包括类似于学校成绩的等级。尤其地，如果存在非常好的匹配，则匹配值可以包括等级“1”，并且如果不存在匹配，则匹配值可以包括等级“6”。
[0088]
发明人已经认识到，以所述方式可以连续改善和调整第一经训练的函数。发明人还认识到，由此也可以改善所预测的客户满意度的估计和所述估计的客观性。
[0089]
根据本发明的另一方面，从多个第一经训练的函数中选择第一经训练的函数。在此，选择基于匹配值。
[0090]
所述方法尤其在术语“模型选择(英文：model selection)”下是已知的。
[0091]
选择尤其可以在训练第一经训练的函数期间进行。尤其可以在训练期间训练多个第一经训练的函数。尤其地，第一经训练的函数在其工作方式或网络架构方面可以不同。上文中描述了示例性的网络架构。尤其可以在训练期间确定匹配值。在此，基于训练输出数据和通过第一经训练的函数预测的满意度信息确定匹配值。换言之，在训练期间将训练输出数据与通过第一函数确定的满意度信息进行比较。可以从所述比较中确定匹配值。匹配值可以如上文中所描述的那样构成。匹配值尤其可以自动化地或手动地确定。然后，尤其可以选择如下第一经训练的函数，其所确定的满意度信息具有与训练输出数据的最佳匹配值。
[0092]
替选地或附加地，选择第一经训练的函数尤其可以在执行根据本发明的方法期间进行。尤其可以为第一经训练的函数中的每个第一经训练的函数并行地确定满意度信息。在此，仅由所选择的第一经训练的函数将满意度信息提供给用户。通过由用户反馈，可以如上文中所描述的那样为第一经训练的函数中的每个第一经训练的函数确定匹配值。基于匹配值，可以在下次或在重复执行方法时提供通过具有最佳匹配值的第一经训练的函数确定的满意度信息。换言之，所选择的第一经训练的函数在如下情况下可以通过另一第一经训练的函数替代：根据反馈，所述另一第一经训练的函数的匹配值比初始选择的第一经训练的函数的匹配值更好。在此，选择可以替选地基于出自用于多个满意度信息的多个匹配值的平均值。尤其可以连续地检查哪个第一经训练的函数最适合或具有最佳匹配值。
[0093]
发明人已经认识到，可以借助于“模型选择(英文：model selection)”灵活地选择用于预测客户满意度或用于确定满意度信息的最合适的第一经训练的函数。以所述方式可以确保：提供关于匹配值最合适的满意度信息。
[0094]
本发明还包括用于提供关于预测的客户对医学技术设备的满意度的满意度信息的系统。所述系统包括计算单元和接口。在此，计算单元构成用于提供输入数据。在此，输入数据包括医学技术设备的至少一个运行参数和至少一个客户信息。在此，计算单元还构成用于应用第一经训练的函数，由此产生满意度信息。接口构成用于提供满意度信息。
[0095]
这种系统尤其可以构成用于，执行先前描述的用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法及其方面。所述系统构成用于执行所述方法及其方面，其方式为，接口和计算单元构成用于执行对应的方法步骤。
[0096]
本发明也涉及具有计算机程序的计算机程序产品以及计算机可读的介质。主要以软件方式的实现方案具有如下优点：也可以以简单的方式通过软件升级来改装至今尚使用的系统，以便以所描述的方式工作。除了计算机程序之外，这种计算机程序产品必要时可以包括附加的组成部分、如例如文档和/或附加的部件，以及包括硬件部件、如例如用于使用软件的硬件秘钥(软件狗等)。
[0097]
尤其地，本发明也涉及计算机程序产品，所述计算机程序产品具有计算机程序，所述计算机程序可直接加载到系统的存储器中，所述计算机程序产品具有程序段，以便当由系统执行程序段时，执行上文中描述的用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法的所有方法步骤及其方面。
[0098]
尤其地，本发明涉及计算机可读的存储介质，在所述存储介质上存储有由系统可读和可执行的程序段，以便当由系统执行程序段时，执行上文中描述的用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法的所有方法步骤及其方面。
[0099]
本发明还涉及用于提供第一经训练的函数的训练系统。训练系统包括训练接口和训练计算单元。在此，训练计算单元构成用于提供训练输入数据。在此，训练输入数据包括医学技术设备的至少一个运行参数和至少一个客户信息。在此，训练计算单元还构成用于提供训练输出数据。在此，训练输出数据包括关于预测的客户对医学技术设备的满意度的满意度信息。在此，训练输出数据和训练输入数据彼此相关。在此，训练计算单元还构成用于基于训练输入数据和训练输出数据训练第一经训练的函数。在此，训练接口构成用于提供第一经训练的函数。
[0100]
本发明也涉及具有训练计算机程序的训练计算机程序产品以及计算机可读的训练介质。主要以软件方式的实现方案具有如下优点：也可以以简单的方式通过软件升级来改装至今尚使用的训练系统，以便以所描述的方式工作。除了训练计算机程序之外，这种训练计算机程序产品必要时可以包括附加的组成部分、如例如文档和/或附加的部件，以及包括硬件部件、如例如用于使用软件的硬件秘钥(软件狗等)。
[0101]
尤其地，本发明也涉及具有训练计算机程序的训练计算机程序产品，所述训练计算机程序可直接加载到训练系统的存储器中，训练计算机程序产品具有程序段，以便当由训练系统执行程序段时，执行上文中描述的用于提供第一经训练的函数的方法的所有方法步骤及其方面。
[0102]
尤其地，本发明涉及计算机可读的训练存储介质，在所述训练存储介质上存储有由训练系统可读和可执行的程序段，以便当由训练系统执行程序段时，执行上文中描述的用于提供第一经训练的函数的方法的所有方法步骤及其方面。
附图说明
[0103]
结合以下附图及其描述，本发明的上述特性、特征和优点变得更清楚和更容易理解。在此，附图和说明书不应以任何方式限制本发明及其实施方式。在不同的附图中，相同的部件设有相对应的附图标记。附图通常是不符合比例的。
[0104]
附图示出：
[0105]
图1示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法的第一实施例，
[0106]
图2示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法的第二实施例，
[0107]
图3示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法的第三实施例，
[0108]
图4示出包括多个不相交的时间块和预测时间块的限定时间段的实施例，
[0109]
图5示出用于提供第一经训练的函数的方法的实施例，
[0110]
图6示出包括多个不相交的训练时间块、预测训练时间段、升级时间段和升级事件的训练时间段的实施例，
[0111]
图7示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的系统，
[0112]
图8示出用于提供第一经训练的函数的训练系统。
具体实施方式
[0113]
图1示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法的第一实施例。
[0114]
在提供prov-01输入数据的方法步骤中，从用于提供满意度信息的系统sys接收用于确定满意度信息的输入数据。在此，数据可以从医学技术设备和/或客户服务系统发送给系统sys。替选地，在提供prov-01输入数据的方法步骤中，可以由系统sys调用输入数据。尤其地，可以从系统sys的内部数据库和/或外部数据库调用或提供输入数据。外部数据库尤其可以存储在云系统和/或服务器系统上。替选地，在提供prov-01输入数据的方法步骤中，尤其可以由系统sys确定或检测输入数据。
[0115]
输入数据包括医学技术设备的至少一个运行参数和至少一个客户信息。
[0116]
医学技术设备尤其可以包括用于实验室医学检查的设备、例如用于制备或检查用于体外测试的实验室样本的设备或用于实验室自动化的设备。医学技术设备尤其可以包括成像医学技术设备。医学技术设备尤其可以包括x射线设备或计算机断层扫描(ct)设备或磁共振断层扫描(mrt)设备或c型臂或正电子发射断层扫描(pet)设备或单光子发射计算机断层扫描(英文：single photon emission computed tomography，spect)设备和/或用于超声成像的设备。替选地，医学技术设备可以包括检查床或机器人系统或软件系统。软件系统尤其可以构成用于显示和/或分析和/或处理医学图像数据。尤其地，医学技术设备可以包括医学或临床环境中的每个可能的硬件或软件。医学技术设备尤其也可以是多个医学设备或上述类型的医学设备的复合体。以所述方式，本发明可以用于预测或提供关于预测的客户对设备组或设备复合体的满意度的满意度信息。
[0117]
运行参数例如描述医学技术设备的用途和/或环境参数或环境条件和/或性能和/或工作方式。用途例如可以描述医学技术设备的哪个程序或哪个功能多频繁地被使用。此外，用途可以描述医学技术设备的设备利用率。性能可以说明用于医学技术设备的效率的量度。效率尤其可以描述医学技术设备用于执行程序所需的持续时间。工作方式尤其可以描述医学技术设备的所有部件是否如设置的那样工作。环境参数尤其可以包括室温和/或设备温度和/或空气湿度和/或医学技术设备所处于的国家等。尤其地，运行参数可以包括关于使用类型、使用持续时间、使用频率、错误类型、错误持续时间、错误频率、维护状态的信息和类似信息。
[0118]
替选地或附加地，运行参数可以包括关于确定的过程、例如检查的中止和/或重新启动的频率的信息。替选地或附加地，运行参数可以包括关于系统重新启动和/或子系统重新启动和/或其频率的信息。替选地或附加地，运行参数可以包括关于医学技术设备的外部参数的信息。外部参数尤其可以包括医学技术设备的电流供给或电力网稳定性和/或医学
技术设备的数据网连接或数据网稳定性等。运行参数可以包括数值或字母数值或字母值。
[0119]
客户信息尤其可以包括客户的行为和/或客户与客户服务的联系尝试的频率或数量和/或客户拥有或负责的医学技术设备的数量。换言之，客户信息可以包括关于应提供其满意度信息的客户的任何信息。客户信息可以包括数值或字母数值或字母值。
[0120]
在应用app第一经训练的函数的方法步骤中，从输入数据中确定或产生满意度信息。满意度信息描述客户对于时间段、所谓的未来的预测时间块vzb的预测的满意度。在此，满意度信息基于至少一个运行参数和至少一个客户信息。满意度信息包括至少一个分类信息。分类信息描述根据离散或连续标度或等级划分的预测的客户满意度。例如，可以将分类信息“1”分配给被预测其会非常满意的客户。可以将分类信息“4”分配给被预测其会非常不满意的客户。替选地，例如，“4”可以代表非常满意，并且“1”可以代表非常不满意。所述等级之间的分级可以离散地或连续地构成。等级可以替选地命名，例如“满意”至“非常不满意”地命名。替选地，等级可以根据学校成绩的原理来划分。此外，满意度信息可以包括关于分类信息的阐述信息。阐述信息描述怎样实现分类信息。换言之，阐述信息给出为什么对应于分类信息预测客户满意度的原因。阐述信息说明输入数据中的哪个输入数据对于分类信息的对应的等级划分是决定性的。
[0121]
在提供prov-02满意度信息的方法步骤中，为用户提供在应用app第一经训练的函数的方法步骤中产生的满意度信息。用户尤其可以是客户服务的员工。尤其可以委托客户服务来维护医学技术设备或组织医学技术设备的维护和/或负责客户。可以通过在显示介质或输出介质、例如屏幕上显示满意度信息来提供满意度信息。替选地，可以在所述方法步骤中借助于将满意度信息例如通过sms或电子邮件发送给客户来提供满意度信息。
[0122]
图2示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法的第二实施例。
[0123]
根据对图1的描述来执行提供prov-01输入数据、应用app第一经训练的函数和提供prov-02满意度信息的方法步骤。
[0124]
在确定det-01至少一个运行参数的方法步骤中，从医学技术设备的记录数据中对于第一限定时间段zs确定至少一个运行参数。
[0125]
记录数据尤其可以包括医学技术设备的至少一个日志文档或日志文件和/或事件日志文件。记录数据例如可以包括如下信息：所述信息描述怎样(哪个功能、多频繁地、多久)使用医学技术设备、医学技术设备的所有部件是否如设置的那样工作、哪些参数(例如检查床和/或机器人臂的移动参数、曝光时间、x射线电压等)被设定。替选地或附加地，记录数据可以包括关于医学技术设备的环境参数或环境条件的信息。例如可以借助于医学技术设备的传感器检测环境参数。
[0126]
第一限定时间段zs包括从记录数据中对于其确定至少一个运行参数的时间段。第一限定时间段zs尤其可以包括多个不相交的时间块zb01、zb02、zb03、zb04、zb05。不相交的时间块zb01、...、zb05尤其可以将第一限定时间段zs划分成多个间隔或时间间隔。在此，不相交的时间块zb01、...、zb05可以在时间上彼此毗邻而不彼此重叠或交叠。时间块zb01、...、zb05尤其可以都一样大。尤其可以对于每个时间块zb01、...、zb05以累积的方式确定至少一个运行参数。换言之，可以对于每个时间块zb01、...、zb05单独地确定运行参数。在此，例如可以对于时间块zb01、...、zb05以加和的方式确定执行医学技术设备的程序
或功能的数量或频率。替选地，可以确定运行参数在对应的时间块zb01、...、zb05上的平均值或用于对应的时间块zb01、...、zb05的运行参数的列表。是否对于对应的时间块zb01、...、zb05确定运行参数的总和、平均值或列表与运行参数的类型或运行参数描述的内容相关。例如，时间块zb01、...、zb05可以包括一周或七天。因此，例如可以补偿运行参数因周末引起的波动，因为对于至少一个运行参数确定在一周进行平均或加和或列出的值。替选地，时间块zb01、...、zb05例如可以包括一个月。第一限定时间段zs可以包括任意多的时间块zb01、...、zb05。第一限定时间段zs尤其可以包括一个时间块zb01、...、zb05。第一限定时间段zs尤其可以包括多于一个的时间块zb01、...、zb05。第一限定时间段zs尤其可以由用户预设或限定。为此，用户例如可以根据日历数据来指定第一限定时间段zs应从何时达到何时。替选地，用户可以指定第一限定时间段zs应包括的持续时间。在此，第一限定时间段zs可以在产生满意度信息的日期结束。然后，第一限定时间段zs在从结束日开始对应于第一限定时间段zs的持续时间确定的日期开始。替选地，可以预设第一限定时间段zs的持续时间。预测时间块vzb尤其可以在时间上紧接着第一限定时间段zs。
[0127]
在确定det-02至少一个客户信息的方法步骤中，基于销售数据和/或客户服务数据对于第二限定时间段zs确定至少一个客户信息。
[0128]
销售数据尤其可以包括关于用于医学技术设备的交付和/或订购的配件的数量和/或类型的信息。替选地或附加地，销售数据可以包括客户拥有或负责多少医学技术设备的信息。替选地或附加地，销售数据可以包括客户在医学技术设备方面已经有的成本。
[0129]
客户服务数据尤其可以包括关于客户的信息。例如，所述信息可以从客户调查中导出。替选地或附加地，客户服务数据可以包括关于客户发送给客户服务的票的数量和/或紧急性和/或类型的信息。票的类型可以描述票必须在哪里处理，是否涉及询问、投诉、医学技术设备的缺损等。在此，尤其可以考虑关于应为其创建满意度信息的医学技术设备的票。替选地或附加地，可以考虑客户的所有票。尤其可以考虑未解决和已经完成的票。替选地或附加地，客户服务数据也可以从与客户的对话中导出。替选地或附加地，客户服务数据可以包括技术人员已经多频繁地在客户现场的信息。替选地或附加地，客户服务数据可以包括关于客户的合同量和/或合同期限和/或其他合同细节的信息。
[0130]
第二限定时间段zs类似于第一限定时间段zs构成。尤其地，第二限定时间段zs可以对应于第一限定时间段zs。尤其对于时间块zb01、...、zb05以累积的方式确定至少一个客户信息。尤其可以在时间块zb01、...、zb05上对客户信息进行平均或加和或列出。
[0131]
确定det-01至少一个运行参数和/或确定det-02至少一个客户信息可以借助于特征提取算法来执行。特征提取算法例如可以由专家来创建。替选地或附加地，特征提取算法可以借助于解析分析来确定至少一个运行参数和/或至少一个客户信息。替选地或附加地，特征提取算法可以包括第二经训练的函数。在实施方案中，特征提取算法可以是第一经训练的函数的一部分。至少一个运行参数尤其可以由第一特征提取算法确定。至少一个客户信息尤其可以由第二特征提取算法来确定。第一特征提取算法和第二特征提取算法尤其可以不同。第一特征提取算法尤其可以包括序列识别算法(sequence mining或sequence pattern mining)。第二特征提取算法尤其可以包括“自然语言处理(英文：natural language processing)”。
[0132]
图3示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法
的第三实施例。
[0133]
根据对图1的描述来执行提供prov-01输入数据、应用app第一经训练的函数和提供prov-02满意度信息的方法步骤。根据对图2的描述来执行确定det-01至少一个运行参数和确定det-02至少一个客户信息的方法步骤。
[0134]
在提供prov-03满意度信息的方法步骤中，在决策支持系统中提供满意度信息。在此，在决策支持系统中为用户提供满意度信息。提供尤其可以通过由显示介质或输出介质显示满意度信息来进行。输出介质尤其可以是屏幕或计算机屏幕。可以在决策支持系统中以图像或图形和/或文本的方式显示或提供满意度信息。尤其地，决策支持系统可以包括图形用户界面(gui)，借助于所述图形用户界面来示出或显示满意度信息。
[0135]
在导出det-03应对推荐的方法步骤中，通过决策支持系统从满意度信息中导出应对推荐。应对推荐可以指定用户应执行哪个动作以便改善或确保客户满意度或以便防止通过客户引起的升级。应对推荐例如可以是对于呼叫、配件的发送、客户访问、对客户的供应或用于客户的折扣、等待、回答、客户询问的推荐等。替选地或附加地，应对推荐可以包括确定多个客户的优先级。按照根据本发明的方法，提前为多个客户中的每个客户提供满意度信息。可以与多个客户的所述满意度信息相关地执行确定优先级。确定优先级指定哪个客户应被优选地或特别快速地应对，或者哪个客户询问应被特别迅速地处理。
[0136]
可以在决策支持系统中提供应对推荐。可以借助于决策支持系统的显示介质来显示应对推荐。可以以图形或图像和/或文本的方式示出应对推荐。
[0137]
图4示出包括多个不相交的时间块zb01、...、zb05和预测时间块vzb的限定时间段zs的实施例。
[0138]
在图4的示图中，根据水平箭头阐明时间变化过程。在此，“t”代表时间。在说明书中提及的第一时间段和第二时间段zs二者可以根据在此描述的限定时间段zs构成。在此，限定时间段zs划分成五个不相交的时间块zb01、...、zb05。在此，时间块zb01、...、zb05在时间上彼此毗邻。在此，时间块zb01、...、zb05描述整个限定时间段zs。如上所述，可以对于每个时间块zb01、...、zb05以累积的方式确定至少一个运行参数和/或至少一个客户信息。借此，可以在限定时间段zs上确定至少一个运行参数和/或至少一个客户信息的时间变化过程。所述时间变化过程可以用作用于第一经训练的函数的输入数据。
[0139]
预测时间块vzb紧接着限定时间段。在应用app第一经训练的函数的步骤中，基于至少一个运行参数和至少一个客户信息确定针对预测时间块vzb的满意度信息。
[0140]
尤其地，限定时间段zs可以是过去的，并且预测时间块vzb可以是将来的。换言之，基于已知数据(运行参数、客户信息)，可以借助于满意度信息来预测客户满意度。
[0141]
图5示出用于提供第一经训练的函数的方法的实施例。
[0142]
在提供tprov-10训练输入数据的方法步骤中，为训练系统提供训练输入数据。训练输入数据包括医学技术设备的至少一个运行参数和至少一个客户信息。提供tprov-01训练输入数据可以类似于提供prov-01输入数据来进行，如在对图1的描述中所描述的那样。
[0143]
在提供tprov-02训练输出数据的方法步骤中，为训练系统提供训练输出数据。在此，训练输出数据包括关于预测的客户对医学技术设备的满意度的满意度信息。训练输出数据与训练输入数据相关。为此，可以由专家或用户基于训练输入数据来确定训练输出数据。尤其可以根据专家或用户关于训练输入数据的观察或经验来创建训练输出数据。尤其
可以在创建时考虑客户的反馈。提供tprov-02训练输出数据可以类似于提供prov-01输入数据地进行。
[0144]
在训练train第一经训练的函数的方法步骤中，基于训练输入数据和训练输出数据来训练第一经训练的函数。为此，尤其将第一经训练的函数训练成，使得通过第一经训练的函数产生的且基于训练输入数据的满意度信息与相关联的训练输出数据的偏差尽可能小。所述偏差通过匹配值量化。
[0145]
可以对于多个第一经训练的函数执行训练train第一经训练的函数的方法步骤。
[0146]
在提供tprov-03第一经训练的函数的步骤中，为用户提供第一经训练的函数，使得所述用户在执行根据本发明的用于确定满意度信息的方法时可以使用第一经训练的函数。如果在训练train的步骤中已训练了多个第一经训练的函数，则在此可以提供其匹配值是最佳的第一经训练的函数。
[0147]
在执行根据本发明的方法期间，可以借助于反馈进一步训练一个第一经训练的函数或多个第一经训练的函数。为此，随后基于用户的经验或观察为输入数据产生其他训练输出数据。在此，其他训练输出数据对应于通过用户确定的满意度。替选地，用户可以指定满意度信息中的预测的客户满意度与确定的或观察到的客户满意度之间的匹配值。基于所述匹配值，可以在执行根据本发明的方法期间进一步连续地训练一个第一经训练的函数或多个第一经训练的函数。在此，输入数据用作训练输入数据。尤其地，如果多个第一经训练的函数中的另一第一函数由于匹配值被证明更合适，则可以基于所述训练的匹配值提供所述多个第一经训练的函数中的另一第一函数。
[0148]
图6示出包括多个不相交的训练时间块tzb01、tzb02、tzb03、tzb04、tzb05和预测训练时间段vtzb、升级时间段ezs和升级事件ee的训练时间段tzs的实施例。
[0149]
训练时间段tzs可以类似于根据图4描述的限定时间段zs构成。不相交的训练时间块tzb01、...、tzb05可以类似于根据图4的不相交的时间块zb01、...、zb05构成。预测训练时间块vtzb可以类似于根据图4的预测时间块vzb构成。然而，对于训练，不仅训练时间段tzb而且预测训练时间块vtzb处于过去，以便可以确定训练输出数据。在此，为训练时间段tzs提供训练输入数据。在此，可以类似于用于多个不相交的训练时间块tzb01、...、tzb05的输入数据提供训练输入数据。为预测训练时间块vtzb提供训练输出数据。
[0150]
此外，在该示图中示出升级事件ee和通过升级事件ee开始的升级时间段ezb。升级事件ee可以是通过客户发起的表示客户非常不满意的事件。升级事件例如可以是客户的详细投诉或合同中止或合同解除等。升级时间段ezs是其中客户的行为和满意度受升级事件ee影响的时间段。在此，升级时间段ezs的持续时间可以与升级事件ee相关。
[0151]
在此，训练时间段tzs和预测训练时间块tzb处于升级时间段ezs外。借此可以避免训练受升级事件ee歪曲。升级事件ee和升级时间段ezs可以通过专家或用户确定和规定。
[0152]
为了生成尽可能多的训练输入数据和训练输出数据，训练时间段tzs和预测训练时间段vtzs可以沿着时间轴移动。可以对于不同的位置生成训练输入数据和训练输出数据。在此，训练时间段tzs和预测训练时间段vtzs处于升级时间段ezs外。时间段的所述移动可以根据滑动窗口方法(英文：sliding window)实现。
[0153]
图7示出用于提供关于预测的客户对医学技术设备的满意度的满意度信息的系统sys，图8示出用于提供第一经训练的函数的训练系统tsys。
[0154]
所示出的用于提供满意度信息的系统sys构成用于执行根据本发明的用于提供关于预测的客户对医学技术设备的满意度的满意度信息的方法。所示出的训练系统tsys构成用于执行根据本发明的用于提供第一经训练的函数的方法。系统sys包括接口sys.if、计算单元sys.cu和存储单元sys.mu。训练系统tsys包括训练接口tsys.if、训练计算单元tsys.cu和训练存储单元tsys.mu。
[0155]
系统sys和/或训练系统tsys尤其可以是计算机、微控制器或集成电路(英文：integrated circuit，ic)。替选地，系统sys和/或训练系统tsys可以是真实或虚拟的计算机网络(真实的计算机网络的技术名称为“cluster(集群)”，虚拟的计算机网络的技术名称为“cloud(云)”)。系统sys和/或训练系统tsys可以构成为在计算机或真实的计算机网络或虚拟的计算机网络上执行的虚拟系统(技术名称为“virtualization(虚拟化)”)。
[0156]
接口sys.if和/或训练接口tsys.if可以是硬件接口或软件接口(例如pci总线、usb或火线(firewire))。计算单元sys.cu和/或训练计算单元tsys.cu可以包括硬件组成部分和/或软件组成部分、例如微处理器或所谓的fpga(英文：field programmable gate array(现场可编程门阵列))。存储单元sys.mu和/或训练存储单元tsys.mu可以构成为非永久工作的工作存储器(英文：random access memory(随机存取存储器)，ram)或永久的大容量存储器(硬盘、usb记忆棒、sd卡、固态硬盘(ssd))。
[0157]
接口sys.if和/或训练接口tsys.if尤其可以包括多个子接口，所述多个子接口执行相应的根据本发明的方法的不同的方法步骤。换言之，接口sys.if和/或训练接口tsys.if可以构成为多个接口sys.if和/或多个训练接口tsys.if。计算单元sys.cu和/或训练计算单元tsys.cu尤其可以包括多个子计算单元，所述多个子计算单元执行相应的根据本发明的方法的不同的方法步骤。换言之，计算单元sys.cu和/或训练计算单元tsys.cu可以构成为多个计算单元sys.cu和/或训练计算单元tsys.cu。
[0158]
即使未明确表明，但是有意义的并且在本发明的意义上，可以将各个实施例、实施例的各个子方面或特征彼此组合或交换，而不脱离本发明的范围。在没有明确说明的情况下，如果可转用，本发明的参照实施例描述的优点也适用于其他实施例。