© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
浙江易尤特科技股份有限公司
企业浙江易尤特科技股份有限公司成立于2014年，位于浙江省。所属行业为专业技术服务业。经营范围包括技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；物联网技术服务；信息技术咨询服务；网络与信息安全软件开发。
高新技术企业科技型中小企业小微企业专业技术服务业
数据集列表
食品安全管理隐患排查工作效能评估数据
主要用于对单位（市县街道乡镇园区）管辖的餐饮商户食品安全管理中的重要环节-隐患排查阶段性工作的绩效进行综合评估，为管理部门和具体企业提供量化的隐患排查工作效能评估、考核和奖惩工具和容易操作的管理手段。1.该方法采用以单位（商户）自查隐患增量为加分量、单位（商户）被督查隐患增量为减分量，通过设置合理的不同调整系数，能科学反映食品安全隐患排查工作的整体效能，为提升单位（商户）隐患自查的主动性、减少被督查隐患的数量和整体提升隐患排查工作质量，提供直接动力。 2.算法公式。Y=80+10×(1−1/(m×a+1))+10×(1/(n×b+1))。Y为月度评估结果分数，m为自查发现的重大隐患数量，n为督查发现的重大隐患数量，a、b为调整系数，其中a取值0.04，b取值0.025，a、b取值依据经验值测定。
3.通过科学的食品安全隐患排查工作正负反馈机制，正向督促各餐饮行业的商户主动发现和排查重大事故隐患。辅助有关部门及时掌握各单位隐患排查工作开展情况的优劣，为识别食品安全隐患重点单位、行业和快速提出针对性措施提供依据。
浙江省数据知识产权登记平台2024-12-10 更新170
特种设备安全隐患整改趋势评估分析数据
以单位（如街道）特种设备管理月度隐患整改率为基础数据，通过积累变化量分析，动态实时掌握单位特种设备管理隐患整改工作趋势变化，辅助管理部门实时精准掌握有关情况，为识别重点单位或行业，以及快速提出针对性措施提供依据。积累变化量反映单位特种设备隐患整改趋势的总体方向和幅度，它展示了数据在一段时间内的累积增减情况。积累变化量为正，说明隐患整改总体趋势向好发展，幅度越大说明向好发展越明显；积累变化量为负则说明情况相反。次算法受短期波动影响小，更侧重于展现整个时间段内的综合变化结果。1.设每月单位的特种设备隐患整改率数值为A1、A2、A3…An，其中n为月份总数。2.从第二个月开始计算每个月的隐患整改率变化量，每月变化量计算公式：△Ai=Ai-A(i-1).(i=2、3…n)，其中△Ai指第i个月特种设备隐患整改率变化量。3.计算单位n个月内特种设备管理隐患整改率积累变化量，累积变化量计算公式:C=Σ△Ai，其中C代表积累变化量结果，i=2、3…n，数据计算结果能精确反映单位特种设备管理隐患整改工作趋势变化。4.计算n个月内单位特种设备管理隐患整改率平均值，D=ΣAi/n，用以和积累变化量数据对照分析。
浙江省数据知识产权登记平台2024-11-13 更新130
安全生产管理隐患排查工作效能评估数据
主要用于对单位（市县街道乡镇园区）管辖的企业安全生产管理中的重要环节-隐患排查阶段性工作的绩效进行综合评估，为管理部门和具体企业提供量化的隐患排查工作效能评估、考核和奖惩工具和容易操作的管理手段。1.该方法采用以单位（企业）自查隐患增量为加分量、单位（企业）被督查隐患增量为减分量，通过设置合理的不同调整系数，能科学反映隐患排查工作的整体效能，为提升单位（企业）隐患自查的主动性、减少被督查隐患的数量和整体提升隐患排查工作质量，提供直接动力。
2.算法公式。Y=50×(1−1/(m×a+1))+50×(1/(n×b+1))。Y为总评分，m为自查发现的重大隐患数量，n为督查发现的重大隐患数量，a、b为调整系数。
3.通过科学的重大事故隐患排查工作正负反馈机制，正向督促各单位主动发现和排查重大事故隐患。辅助有关部门及时掌握各单位隐患排查工作开展情况的优劣，为识别重点单位、行业和快速提出针对性措施提供依据。
浙江省数据知识产权登记平台2024-11-02 更新100
工贸类企业安全生产管理风险综合评估数据
主要用于对单位（市县街道乡镇园区）工贸类企业安全生产管理风险进行综合评估，通过对双重预防机制创建率、重大隐患数量、重大隐患整改率、一般事故数量、较大以上事故数量、安全投入平均比例、安全培训平均率、事故亡人数等风险评估核心指标数据标准化处理和算法加工，最终生成各单位工贸类企业安生生产管理风险综合指数，并依据综合指数能实现对应的等级划分、赋色信息推送和预警信息提示，为管理部门和工贸类企业提升安全管理综合效能提供有效分工具和手段。1.对各单位（街道）各组数据进行Min-Max标准化：①对于“越大越好的数据”（双防率、隐患整改率、安全投入比例、培训率）：Xi=(X-Xmin)/(Xmax-Xmin)，其中X是原始数据、Xmin是数据中的最小值、Xmax是数据中的最大值；②对于“越小越好的数据”（隐患数量、一般事故数、较大以上事故数、事故亡人数）：Xi=(Xmax - X) / (Xmax - Xmin)),其中X是原始数据、Xmin是数据中的最小值、Xmax是数据中的最大值。
2.设置权重Weight_i：双重预防机制创建率0.1、重大隐患数量数量0.1、重大隐患整改率0.15、一般事故数0.15、较大以上事故数0.2、安全投入平均比例0.05、安全培训平均率0.05、事故亡人数0.2。
3.街道（乡镇）综合评估指数 = ∑（Score_i × Weight_i ） ，其中 i 从 1 到 n 。
4.设置评估等级，即红、橙、黄、蓝4色。系数≥0.7表示等级较低，标识蓝色；0.5≤系数＜0.7表示等级一般，标识黄色；0.3≤系数＜0.5表示等级较高，标识橙色；系数＜0.3表示等级高，表红色，及时赋色码推送用户。
浙江省数据知识产权登记平台2024-11-02 更新260
生产企业生活饮用水总硬度监测数据
用于测定企业自来水生活饮用水总硬度检测。通过对企业自来水生活饮用水采样点采样，依据自来水生活饮用水感官性状和物理指标中总硬度的测定方法，即乙二胺二乙酸二钠滴定法，测定其总硬度是否符合国家标准，为确保企业职工职业健康和为卫生监管部门靶向监管提供技术支撑。通过对嘉善各企业自来水采样点位采样的生活饮用水的检测，依据生活饮用水感官性状和物理指标中总硬度的测定乙二胺二乙酸二钠滴定法（GB/T5750.4-2023.7.1），根据乙二胺二乙酸二钠（EDTA）标准溶液的浓度C（mol/L）数值，再记录水样测定所消耗的乙二胺二乙酸二钠（EDTA）的体积V1（mL）减去空白所消耗的乙二胺二乙酸二钠（EDTA）标准溶液的体积V0（mL）的数值，再乘以100.09的摩尔质量，除以取样采集到的水样体积V（mL），得到的总数据再乘以样品稀释倍数f，最终结果换算成碳酸钙计算，得出生活饮用水中总硬度的数值。公式如下：总硬度ρ（CaCO3)=【C×（V1-V0）×100.09×1000×f】/V。通过生活饮用水卫生评判标准GB 5749-2022，得出最后结论判断，生活饮用水总硬度检测的限值为450mg/L，超过450mg/L的标准值（＞450mg/L）说明生活饮用水不合格。
浙江省数据知识产权登记平台2023-12-23 更新180
餐饮油烟油污管理治理绩效趋势分析数据
主要用于管理部门对餐饮行业的油烟油污管理情况进行阶段性趋势预测和基层餐饮油烟油污管理绩效分布情况的精准掌握，以单位（如街道）月度餐饮油烟油污管理综合评分为因变量，以时间（如月份）为自变量，以特定周期为数据采集范围（如年），采用线性回归分析方法，精准预测各单位下阶段（如下一年的第一个月）餐饮油烟油污管理走势。辅助有关部门能精准掌握各基层餐饮油烟油污管理趋势变化情况，有助于针对性指导管理绩效趋势不良的单位及时作出精准反应，辅助管理部门提升餐饮油烟油污管理智能化水平，为有关部门制定有效的宏观管理决策提供科学的量化依据。以单位餐饮油烟油污月度评估分值为因变量，以已有月份评估值的月份数值为自变量（如1-12月），采用回归分析方法预测下一阶段（如下一年1月即13月）餐饮油烟油污管理绩效趋势。
1.计算关系强度量（Sxx）：Sxx=∑(xᵢ - x0)²，其中xᵢ是自变量月份数字值，x0是自变量月份数字值的平均值（月份数值求和不包含所要预测的月份数值）。
2.计算预测偏差度（Syx）：Syx=∑(xᵢ - x0)*(yᵢ - y0)，其中，yᵢ是单位的月份评估得分值即因变量实际观测值，y0是因变量观测值的平均值。如果为正，表示两个变量倾向于同时增加或同时减少；如果为负，表示一个变量增加时，另一个变量倾向于减少。
3.计算回归系数b：b = ∑(xᵢ - x0)*(yᵢ - y0)/∑(xᵢ - x0)²，其中，xᵢ和 yᵢ分别是自变量和因变量的各个观测值，x0和y0含义同上。
4.计算初始基准值（截距a）：a =y0-b*x0，其中，x0、y0含义同上，b是回归系数。
5.通过回归方程预测第13个月单位的餐饮油烟油污管理评估分值：y =y0-b*x0+ bx，其中x=13，y0、x0、b含义同上。
浙江省数据知识产权登记平台2024-11-25 更新700
安全生产管理风险隐患整改绩效趋势分析数据
以单位（如街道）企业安全生产风险隐患管理的月度隐患整改率为基础数据，通过积累变化量分析，动态实时掌握单位企业安全生产风险隐患管理重要环节即隐患整改工作的变化趋势，辅助管理部门实时精准掌握有关情况，为识别重点单位或行业，以及快速提出针对性措施提供依据。积累变化量反映单位企业安全生产风险隐患整改趋势的总体方向和幅度，它展示了数据在一段时间内的累积增减情况。积累变化量为正，说明隐患整改总体趋势向好发展，幅度越大说明向好发展越明显；积累变化量为负则说明情况相反。此算法受短期波动影响小，更侧重于展现整个时间段内的综合变化结果。1.设每月单位的企业安全生产风险隐患整改率数值为A1、A2、A3…An，其中n为月份总数。2.从第二个月开始计算每个月的隐患整改率变化量，每月变化量计算公式：△Ai=Ai-A(i-1).(i=2、3…n)，其中△Ai指第i个月企业安全生产风险隐患整改率变化量。3.计算单位n个月内安全生产风险隐患管理的隐患整改率积累变化量，累积变化量计算公式:C=Σ△Ai，其中C代表积累变化量结果，i=2、3…n，数据计算结果能精确反映单位安全生产风险隐患管理的隐患整改工作趋势变化。4.计算n个月内单位安全生产风险隐患管理的隐患整改率平均值，D=ΣAi/n，用以和积累变化量分析结果数据进行比对。
浙江省数据知识产权登记平台2024-11-13 更新100
工伤预防管理风险综合评估数据
主要用于对单位（市县街道乡镇园区）工伤预防管理风险进行综合评估，通过对工伤预防工作所涉及的企业双重预防机制创建率、重大隐患数量、重大隐患整改率、一般事故数量、较大以上事故数量、安全投入平均比例、安全培训平均率、事故亡人数等风险评估核心指标数据标准化处理和算法加工，最终生成各单位工伤预防管理风险综合指数，并依据综合指数能实现对应的等级划分、赋色信息推送和预警信息提示，为管理部门和工伤预防涉及的企业安全管理综合效能提供有效的分析工具和工作手段。1.对单位各组数据进行Min-Max标准化：①对于“越大越好的数据”（双防率、隐患整改率、安全投入比例、培训率）：Xi=(X-Xmin)/(Xmax-Xmin)，其中X是原始数据、Xmin是数据中的最小值、Xmax是数据中的最大值；②对于“越小越好的数据”（隐患数量、一般事故数、较大以上事故数、事故亡人数）：Xi=(Xmax - X) / (Xmax - Xmin)),其中X是原始数据、Xmin是数据中的最小值、Xmax是数据中的最大值。
2.设置权重Weight_i：双重预防机制创建率0.1、重大隐患数量数量0.1、重大隐患整改率0.15、一般事故数0.15、较大以上事故数0.2、安全投入平均比例0.05、安全培训平均率0.05、事故亡人数0.2。
3.街道（乡镇）综合评估指数 = ∑（Score_i × Weight_i ） ，其中 i 从 1 到 n 。
4.设置评估等级，即红、橙、黄、蓝4色。系数≥0.7表示等级较低，标识蓝色；0.5≤系数＜0.7表示等级一般，标识黄色；0.3≤系数＜0.5表示等级较高，标识橙色；系数＜0.3表示等级高，标识红色，及时赋色码推送用户。
浙江省数据知识产权登记平台2024-11-02 更新1090
工贸类企业安全生产管理绩效趋势分析数据
主要用于管理部门对工贸类企业的安全生产管理情况进行阶段性走势和趋势的预测，以单位（如街道）月度工贸类企业安全生产管理综合评分为因变量，以时间（如月份）为自变量，以特定周期为数据采集范围（如年），采用线性回归分析方法，精准预测各单位下阶段（如下一年的第一个月）工贸类企业安全生产管理走势。辅助有关部门能精准掌握各基层工贸类企业安全生产管理趋势变化情况，有助于针对性指导管理绩效趋势不良的单位及时作出精准反应，辅助管理部门提升工贸类企业安全生产管理智能化水平，为有关部门制定有效的宏观管理决策提供科学的量化依据。以单位的工贸类企业安全生产月度评估得分值为因变量，以月份数字值为自变量（如13代表第二年1月），采用线性回归分析预测单位下一阶段（如第二年1月）工贸类企业安全生产管理绩效趋势。
1.计算单位评估关系强度量（Sxx）：Sxx=∑(xᵢ - x0)²，其中xᵢ是自变量月份数字值，x0是自变量月份数字值的平均值。
2.计算单位评估预测偏差度（Syx）：Syx=∑(xᵢ - x0)*(yᵢ - y0)，其中，yᵢ是单位的月份评估得分值即因变量实际观测值，y0是因变量观测值的平均值。如果为正，表示两个变量倾向于同时增加或同时减少；如果为负，表示一个变量增加时，另一个变量倾向于减少。
3.计算单位评估回归系数b：b = ∑(xᵢ - x0)*(yᵢ - y0)/∑(xᵢ - x0)²，其中，xᵢ和 yᵢ分别是自变量和因变量的各个观测值，x0和y0含义同上。
4.计算单位评估初始基准值（截距a）：a =y0-b*x0，其中，x0、y0含义同上，b是回归系数。
5.通过回归方程预测第13个月单位的工贸类企业安全生产评估分值：y =y0-b*x0+ bx，其中x=13，y0、x0、b含义同上。
浙江省数据知识产权登记平台2024-11-02 更新260
建筑智能化系统高价值专利数据
建筑智能化系统高价值专利数据库中主要包括了全球专利数据库中有建筑智能化系统的发明专利和实用新型专利数据，并根据自有算法对专利数据进行了检索、评价打分，有助于了解建筑智能化系统知识产权申请情况及地域布局；通过对各企业建筑智能化系统专利数据的对比，可了解各企业的技术创新能力；了解建筑智能化系统发展趋势及核心技术，有助于企业避免重复研发及侵犯他人的知识产权。本数据基于AHP层次法，采用定量与定性相结合，从专利价值度法出发，指标层将专利价值指标体系分为技术、法律、经济3项一级指标，一级指标层向下为二级指标，包括技术价值指标：独立权利要求数量、主权项字数、专利剩余年限、同族专利数、引证其它专利数、被其他专利引证数、申请人类型得分、发明人投入人数、涉及领域数；法律价值指标：专利类型、文献页数、被无效请求次数；经济价值指标：转让次数、许可次数、质押融资次数、专利奖得分、海关备案得分；根据一级、二级指标建立3个维度的矩阵，根据专利名称和专利号通过专利接口数据获取专利评价对应的数据指标，采用1-9分标度法（最低为1分，最高为9分），求得相应的指标权重，用权重技术各个指标的分值，所有指标分值的和即为专利得分，根据分值的区间段对专利进行划分，为建筑智能化系统企业研发人员提供技术参考及指引，为公司提供研发决策指导。
浙江省数据知识产权登记平台2023-12-02 更新280