CN104281932A - 智能抓班的装置和方法 - Google Patents

Abstract

本发明提供了一种智能抓班的装置，包括：智能排班处理单元，用于获取员工当前班次信息，并根据当前班次类型进行智能排班处理；智能排班有效性校验单元，用于对智能排班处理的班次有效性进行校验。本发明还提供了一种智能抓班的方法。通过本发明的技术方案，可以在现有的考勤抓班义方式基础上，充分利用单对象类型完成多对象类型的考勤抓班，建立多对象类型元数据参与的考勤抓班的通用、统一考勤思路。

Description

智能抓班的装置和方法

技术领域

本发明涉及计算机技术领域，具体地，涉及一种智能抓班的装置和一种智能抓班的方法。

 

背景技术

目前，考勤系统中的排班，一般都是事先设定某个固定规则（举例：某一组织单元内所有员工，某天班次相同），然后根据固定规则再生成员工的具体班次信息；传统排班方式，规则比较固定，不能动态匹配而响应变化；如果后续员工班次发生变化，则需要管理人员手工调整，无法做到依据发生的业务数据自动产生和安排班次；如变化的人员和班次数据量较大的场景下，会给考勤管理人员的日常工作带来极大的调整，工作量很大且数据的及时、准确性无法确保。

因此，需要一种新的考勤抓班技术，可以在现有的考勤抓班义方式基础上，充分利用单对象类型完成多对象类型的考勤抓班，建立多对象类型元数据参与的考勤抓班的通用、统一考勤思路。

 

发明内容

本发明正是基于上述问题，提出了一种新的考勤抓班技术，可以在现有的考勤抓班义方式基础上，充分利用单对象类型完成多对象类型的考勤抓班，建立多对象类型元数据参与的考勤抓班的通用、统一考勤思路。

有鉴于此，本发明提出了一种智能抓班的装置，包括：智能排班处理单元，用于获取员工当前班次信息，并根据当前班次类型进行智能排班处理；智能排班有效性校验单元，用于对智能排班处理的班次有效性进行校验。在该技术方案中，可以不通过事先固化的排班规则，而根据员工的已经发生的实际业务数据，进行动态智能的排班，有利于提高排班的准确性和及时性，提高工作效率。

在上述技术方案中，优选地，所述智能排班处理单元，具体包括：多业务处理单元，用于若当前班次信息为多业务数据，则根据员工的各种实际业务数据，进行动态处理和判断，获取排班信息的关键要素班次信息；卡处理单元，用于若当前班次信息为刷卡数据，则限制仅有卡数据时的处理逻辑，通过卡数据获取班次信息；请假处理单元，用于若当前班次信息为请假数据，则限制仅有请假数据时的处理逻辑，通过请假的起止日期获取班次信息；出差处理单元，用于若当前班次信息为出差数据，则限制仅有出差数据时的处理逻辑，通过出差的起止日期获取班次信息。在该技术方案中，可以实时动态判断员工行为数据的变化，根据不同的业务发生类型（如调班和换班）时，无需操作员手工干预，智能生成排班数据，确保数据的及时、准确，同时节省了操作员大量的人工成本。

在上述技术方案中，优选地，所述多业务处理单元，进一步包括：收集业务数据单元，用于获取当前班次信息的关键要素，作为获取的业务数据；刷卡和请假逻辑单元，用于若获取的业务数据包含刷卡数据和请假数据，则执行刷卡和请假的逻辑处理；刷卡和出差处理单元，用于若获取的业务数据包含刷卡数据和出差数据，则执行刷卡和出差的逻辑处理；请假和出差逻辑单元，用于若获取的业务数据包含请假数据和出差数据，则执行请假和出差的逻辑处理；刷卡、请假和出差逻辑单元，用于若获取的业务数据包含刷卡数据、请假数据和出差数据，则执行刷卡、请假和出差的逻辑处理。在该技术方案中，可以设置动态排班模型，通过动态排班模型自动生成人员的考勤排班信息，而无需人工事先初始化不同的固定排班规则。

在上述技术方案中，优选地，所述智能排班有效性校验单元，具体包括：加班处理单元，用于判断当前班次是否存在加班数据；以及，若当前班次存在加班数据，则收集加班数据，并对加班数据的合法性进行验证。在该技术方案中，可以根据加班数据进行逻辑处理。

在上述技术方案中，优选地，所述加班处理单元，进一步包括：收集加班数据单元，用于获取加班数据；上班前加班处理单元，用于当获取的加班数据为上班前加班数据时，限制班次开始时间不能早于加班结束时间；否则，班次非法；下班后加班处理单元，用于当获取的加班数据为下班后加班数据时，限制班次结束时间不能晚于加班开始时间；否则，班次非法。在该技术方案中，可以方便的捕捉到员工业务行为，快速的响应变化，生成班次，从而保证班次的科学性和准确性，同时可以减少操作员的庞大和繁琐的工作量。

根据本发明的又一个方面，还提出了一种智能抓班的方法，包括：步骤202：获取员工当前班次信息，并根据当前班次类型进行智能排班处理；步骤204：对智能排班处理的班次有效性进行校验。在该技术方案中，可以不通过事先固化的排班规则，而根据员工的已经发生的实际业务数据，进行动态智能的排班，有利于提高排班的准确性和及时性，提高工作效率。

在上述技术方案中，优选地，所述步骤202，具体包括：步骤302：若当前班次信息为多业务数据，则根据员工的各种实际业务数据，进行动态处理和判断，获取排班信息的关键要素班次信息；步骤304：若当前班次信息为刷卡数据，则限制仅有卡数据时的处理逻辑，通过卡数据获取班次信息；步骤306：若当前班次信息为请假数据，则限制仅有请假数据时的处理逻辑，通过请假的起止日期获取班次信息；步骤308：若当前班次信息为出差数据，则限制仅有出差数据时的处理逻辑，通过出差的起止日期获取班次信息。在该技术方案中，可以实时动态判断员工行为数据的变化，根据不同的业务发生类型（如调班和换班）时，无需操作员手工干预，智能生成排班数据，确保数据的及时、准确，同时节省了操作员大量的人工成本。

在上述技术方案中，优选地，所述步骤302，进一步包括：步骤502：获取当前班次信息的关键要素，作为获取的业务数据；步骤504：若获取的业务数据包含刷卡数据和请假数据，则执行刷卡和请假的逻辑处理；步骤506：若获取的业务数据包含刷卡数据和出差数据，则执行刷卡和出差的逻辑处理；步骤508：若获取的业务数据包含请假数据和出差数据，则执行请假和出差的逻辑处理；步骤509：若获取的业务数据包含刷卡数据、请假数据和出差数据，则执行刷卡、请假和出差的逻辑处理。在该技术方案中，可以设置动态排班模型，通过动态排班模型自动生成人员的考勤排班信息，而无需人工事先初始化不同的固定排班规则。

在上述技术方案中，优选地，所述步骤204，具体包括：步骤402：判断当前班次是否存在加班数据；以及，步骤404：若当前班次存在加班数据，则收集加班数据，并对加班数据的合法性进行验证。在该技术方案中，可以根据加班数据进行逻辑处理。

在上述技术方案中，优选地，所述步骤404，进一步包括：步骤602：获取加班数据；步骤604：当获取的加班数据为上班前加班数据时，限制班次开始时间不能早于加班结束时间；否则，班次非法；步骤606：当获取的加班数据为下班后加班数据时，限制班次结束时间不能晚于加班开始时间；否则，班次非法。在该技术方案中，可以方便的捕捉到员工业务行为，快速的响应变化，生成班次，从而保证班次的科学性和准确性，同时可以减少操作员的庞大和繁琐的工作量。

通过以上技术方案，可以在现有的考勤抓班义方式基础上，充分利用单对象类型完成多对象类型的考勤抓班，建立多对象类型元数据参与的考勤抓班的通用、统一考勤思路。

 

附图说明

图1示出了根据本发明的实施例的智能抓班的装置的框图；

图2示出了根据本发明的实施例的多业务处理单元的原理示意图；

图3示出了根据本发明的实施例的加班处理单元的原理示意图；

图4示出了根据本发明的实施例的智能抓班的方法的流程图；

图5示出了根据本发明的实施例的智能排班处理单元的流程图；

图6示出了根据本发明的实施例的智能排班有效性校验单元的流程图；

图7示出了根据本发明的实施例的多业务处理单元的流程图；

图8示出了根据本发明的实施例的加班处理单元的流程图；

图9示出了根据本发明的实施例的智能排班装置的原理示意图；

图10示出了根据本发明的实施例的多业务处理单元的的原理示意图；

图11示出了根据本发明的实施例的卡处理单元的原理示意图；

图12示出了根据本发明的实施例的卡处理单元的处理逻辑图；

图13示出了根据本发明的实施例的请假处理单元的原理示意图；

图14示出了根据本发明的实施例的出差处理单元的原理示意图；

图15示出了根据本发明的实施例的加班处理单元的原理示意图。

 

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了根据本发明的实施例的智能抓班的装置的框图。

如图1所示，根据本发明的实施例的智能抓班的装置100，包括：智能排班处理单元102，用于获取员工当前班次信息，并根据当前班次类型进行智能排班处理；智能排班有效性校验单元104，用于对智能排班处理的班次有效性进行校验。在该技术方案中，可以不通过事先固化的排班规则，而根据员工的已经发生的实际业务数据，进行动态智能的排班，有利于提高排班的准确性和及时性，提高工作效率。

在上述技术方案中，优选地，智能排班处理单元102，具体包括：多业务处理单元1022，用于若当前班次信息为多业务数据，则根据员工的各种实际业务数据，进行动态处理和判断，获取排班信息的关键要素班次信息；卡处理单元1024，用于若当前班次信息为刷卡数据，则限制仅有卡数据时的处理逻辑，通过卡数据获取班次信息；请假处理单元1026，用于若当前班次信息为请假数据，则限制仅有请假数据时的处理逻辑，通过请假的起止日期获取班次信息；出差处理单元1028，用于若当前班次信息为出差数据，则限制仅有出差数据时的处理逻辑，通过出差的起止日期获取班次信息。在该技术方案中，可以实时动态判断员工行为数据的变化，根据不同的业务发生类型（如调班和换班）时，无需操作员手工干预，智能生成排班数据，确保数据的及时、准确，同时节省了操作员大量的人工成本。

在上述技术方案中，优选地，如图2所示，多业务处理单元1022，进一步包括：收集业务数据单元10222，用于获取当前班次信息的关键要素，作为获取的业务数据；刷卡和请假逻辑单元10224，用于若获取的业务数据包含刷卡数据和请假数据，则执行刷卡和请假的逻辑处理；刷卡和出差处理单元10226，用于若获取的业务数据包含刷卡数据和出差数据，则执行刷卡和出差的逻辑处理；请假和出差逻辑单元10228，用于若获取的业务数据包含请假数据和出差数据，则执行请假和出差的逻辑处理；刷卡、请假和出差逻辑单元10230，用于若获取的业务数据包含刷卡数据、请假数据和出差数据，则执行刷卡、请假和出差的逻辑处理。在该技术方案中，可以设置动态排班模型，通过动态排班模型自动生成人员的考勤排班信息，而无需人工事先初始化不同的固定排班规则。

在上述技术方案中，优选地，智能排班有效性校验单元104，具体包括：加班处理单元1042，用于判断当前班次是否存在加班数据；以及，若当前班次存在加班数据，则收集加班数据，并对加班数据的合法性进行验证。在该技术方案中，可以根据加班数据进行逻辑处理。

在上述技术方案中，优选地，如图3所示，加班处理单元1042，进一步包括：收集加班数据单元10422，用于获取加班数据；上班前加班处理单元10424，用于当获取的加班数据为上班前加班数据时，限制班次开始时间不能早于加班结束时间；否则，班次非法；下班后加班处理单元10426，用于当获取的加班数据为下班后加班数据时，限制班次结束时间不能晚于加班开始时间；否则，班次非法。在该技术方案中，可以方便的捕捉到员工业务行为，快速的响应变化，生成班次，从而保证班次的科学性和准确性，同时可以减少操作员的庞大和繁琐的工作量。

图4示出了根据本发明的实施例的智能抓班的方法的流程图。

如图4所示，根据本发明的实施例的智能抓班的方法，包括：步骤202：获取员工当前班次信息，并根据当前班次类型进行智能排班处理；步骤204：对智能排班处理的班次有效性进行校验。在该技术方案中，可以不通过事先固化的排班规则，而根据员工的已经发生的实际业务数据，进行动态智能的排班，有利于提高排班的准确性和及时性，提高工作效率。

在上述技术方案中，优选地，如图5所示，步骤202，具体包括：步骤302：若当前班次信息为多业务数据，则根据员工的各种实际业务数据，进行动态处理和判断，获取排班信息的关键要素班次信息；步骤304：若当前班次信息为刷卡数据，则限制仅有卡数据时的处理逻辑，通过卡数据获取班次信息；步骤306：若当前班次信息为请假数据，则限制仅有请假数据时的处理逻辑，通过请假的起止日期获取班次信息；步骤308：若当前班次信息为出差数据，则限制仅有出差数据时的处理逻辑，通过出差的起止日期获取班次信息。在该技术方案中，可以实时动态判断员工行为数据的变化，根据不同的业务发生类型（如调班和换班）时，无需操作员手工干预，智能生成排班数据，确保数据的及时、准确，同时节省了操作员大量的人工成本。

在上述技术方案中，优选地，如图6所示，步骤302，进一步包括：步骤502：获取当前班次信息的关键要素，作为获取的业务数据；步骤504：若获取的业务数据包含刷卡数据和请假数据，则执行刷卡和请假的逻辑处理；步骤506：若获取的业务数据包含刷卡数据和出差数据，则执行刷卡和出差的逻辑处理；步骤508：若获取的业务数据包含请假数据和出差数据，则执行请假和出差的逻辑处理；步骤509：若获取的业务数据包含刷卡数据、请假数据和出差数据，则执行刷卡、请假和出差的逻辑处理。在该技术方案中，可以设置动态排班模型，通过动态排班模型自动生成人员的考勤排班信息，而无需人工事先初始化不同的固定排班规则。

在上述技术方案中，优选地，如图7所示，步骤204，具体包括：步骤402：判断当前班次是否存在加班数据；以及，步骤404：若当前班次存在加班数据，则收集加班数据，并对加班数据的合法性进行验证。在该技术方案中，可以根据加班数据进行逻辑处理。

在上述技术方案中，优选地，如图8所示，步骤404，进一步包括：步骤602：获取加班数据；步骤604：当获取的加班数据为上班前加班数据时，限制班次开始时间不能早于加班结束时间；否则，班次非法；步骤606：当获取的加班数据为下班后加班数据时，限制班次结束时间不能晚于加班开始时间；否则，班次非法。在该技术方案中，可以方便的捕捉到员工业务行为，快速的响应变化，生成班次，从而保证班次的科学性和准确性，同时可以减少操作员的庞大和繁琐的工作量。

针对现有的排班模式的不足，本发明提供了一种在考勤系统中智能排班的技术方案。该技术方案，描述了不通过事先固化的排班规则，而根据员工的已经发生的实际业务数据，进行动态智能的排班的新方法，能达到以下目的：

⑴提高了排班的准确性；⑵提高了排班的及时性；⑶节省了操作员的时间提升工作效率；⑷简化了系统的操作步骤，易用性更好。

通过本发明技术方案中的动态排班模型，自动生成人员的考勤排班信息，而无需人工事先初始化不同的固定排班规则。

本发明的技术方案，可以实时动态判断员工行为数据的变化，根据不同的业务发生类型（如调班和换班）时，无需操作员手工干预，由本装置智能生成排班数据，确保数据的及时、准确，同时节省了操作员大量的人工成本。

本发明技术方案的智能排班原理，参见图9。本发明的技术方案，从内部功能上可以划分为多业务处理单元、卡处理单元、请假处理单元、出差处理单元、加班处理单元5个组成部分，下面分别介绍：

⑴多业务处理单元，参见图10。

多业务处理单元，即为包括多业务类型的数据及逻辑处理单元。此多业务处理单元的作用为根据员工的各种实际业务数据，进行动态处理和判断，从而获取排班信息的关键要素班次信息。

此多业务处理单元包括五个处理子单元：收集业务数据单元，刷卡和请假逻辑单元，刷卡和出差处理单元，请假和出差逻辑单元，刷卡、请假和出差逻辑单元；本发明的技术方案依据收集到的业务数据，分别执行不同的子单元。

举例：如果存在刷卡和请假业务数据，取刷卡和请假的最早、最晚时间作为起止时间获取班次信息；获取多个班次时，优先地，取时间间隔最小的班次作为默认排班的班次。 

⑵卡处理单元，参见图11。

卡处理单元，即根据员工的各种卡来源数据（来源考勤机/补卡）进行逻辑处理的单元；此卡处理单元的作用为限制仅有卡数据时的处理逻辑，通过卡数据获取班次信息；处理逻辑如图12所示。

如果存在打卡数据，根据打卡数据选择班次，如果某班次开始时间和结束时间，在员工打卡范围内，则选择此班次信息；优先地，如果多个班次在员工打卡范围内，选择时间间隔最小的班次作为排班班次。

⑶请假处理单元，参见图13。

请假处理单元，即根据请假业务数据进行逻辑处理的单元；此请假处理单元的作用为限制仅有请假数据时的处理逻辑，通过请假的起止日期获取班次信息；如果存在请假单，班次开始时间不能晚于请假开始时间，班次结束时间不能早于请假结束时间；优先地，如果获取多个班次信息，取时间间隔最小班次作为默认班次；优先地，跨多天的请假，不参与请假处理单元处理。

⑷出差处理单元，参见图14。

出差处理单元，即根据出差业务数据进行逻辑处理的单元；此出差处理单元的作用为限制仅有出差数据时的处理逻辑，通过出差的起止日期获取班次信息；如果存在出差单，班次开始时间不能晚于出差开始时间，班次结束时间不能早于出差结束时间；优先地，如果获取多个班次信息，取时间间隔最小班次作为默认班次；优先地，跨多天的出差，不参与出差处理单元处理。

⑸加班处理单元，参见图15。

加班处理单元，即根据加班数据进行逻辑处理的单元；此加班处理单元的作用在于校验上述各个单元获取的班次的有效性；加班处理单元包括三个子单元：收集加班数据单元、上班前加班处理单元、下班后加班处理单元。上班前加班处理单元，此上班前加班处理单元限制班次开始时间不能早于加班结束时间；否则，班次非法。下班后加班处理单元，此下班后加班处理单元限制班次结束时间不能晚于加班开始时间；否则，班次非法。

通过本发明的技术方案，可以方便的捕捉到员工业务行为，快速的响应变化，生成班次，从而保证了班次的科学性和准确性，同时可以减少操作员的庞大和繁琐的工作量，从而达到预设效果。

以上结合附图详细说明了本发明的技术方案，考虑到相关技术中没有简便的、统一的针对复杂类型考勤抓班的解决办法。现有的考勤抓班无法完成有复杂类型参与的考勤抓班过程。因此，本发明提出了一种智能抓班的装置和一种智能抓班的方法，可以在现有的考勤抓班义方式基础上，充分利用单对象类型完成多对象类型的考勤抓班，建立多对象类型元数据参与的考勤抓班的通用、统一考勤思路。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能抓班的装置，其特征在于，包括：

智能排班处理单元，用于获取员工当前班次信息，并根据当前班次类型进行智能排班处理；

智能排班有效性校验单元，用于对智能排班处理的班次有效性进行校验。

2.根据权利要求1所述的智能抓班的装置，其特征在于，所述智能排班处理单元，具体包括：

多业务处理单元，用于若当前班次信息为多业务数据，则根据员工的各种实际业务数据，进行动态处理和判断，获取排班信息的关键要素班次信息；

卡处理单元，用于若当前班次信息为刷卡数据，则限制仅有卡数据时的处理逻辑，通过卡数据获取班次信息；

请假处理单元，用于若当前班次信息为请假数据，则限制仅有请假数据时的处理逻辑，通过请假的起止日期获取班次信息；

出差处理单元，用于若当前班次信息为出差数据，则限制仅有出差数据时的处理逻辑，通过出差的起止日期获取班次信息。

3.根据权利要求2所述的智能抓班的装置，其特征在于，所述多业务处理单元，进一步包括：

收集业务数据单元，用于获取当前班次信息的关键要素，作为获取的业务数据；

刷卡和请假逻辑单元，用于若获取的业务数据包含刷卡数据和请假数据，则执行刷卡和请假的逻辑处理；

刷卡和出差处理单元，用于若获取的业务数据包含刷卡数据和出差数据，则执行刷卡和出差的逻辑处理；

请假和出差逻辑单元，用于若获取的业务数据包含请假数据和出差数据，则执行请假和出差的逻辑处理；

刷卡、请假和出差逻辑单元，用于若获取的业务数据包含刷卡数据、请假数据和出差数据，则执行刷卡、请假和出差的逻辑处理。

4.根据权利要求1-3中任一项所述的智能抓班的装置，其特征在于，所述智能排班有效性校验单元，具体包括：

加班处理单元，用于判断当前班次是否存在加班数据；以及，若当前班次存在加班数据，则收集加班数据，并对加班数据的合法性进行验证。

5.根据权利要求4所述的智能抓班的装置，其特征在于，所述加班处理单元，进一步包括：

收集加班数据单元，用于获取加班数据；

上班前加班处理单元，用于当获取的加班数据为上班前加班数据时，限制班次开始时间不能早于加班结束时间；否则，班次非法；

下班后加班处理单元，用于当获取的加班数据为下班后加班数据时，限制班次结束时间不能晚于加班开始时间；否则，班次非法。

6.一种智能抓班的方法，其特征在于，包括：

步骤202：获取员工当前班次信息，并根据当前班次类型进行智能排班处理；

步骤204：对智能排班处理的班次有效性进行校验。

7.根据权利要求6所述的智能抓班的方法，其特征在于，所述步骤202，具体包括：

步骤302：若当前班次信息为多业务数据，则根据员工的各种实际业务数据，进行动态处理和判断，获取排班信息的关键要素班次信息；

步骤304：若当前班次信息为刷卡数据，则限制仅有卡数据时的处理逻辑，通过卡数据获取班次信息；

步骤306：若当前班次信息为请假数据，则限制仅有请假数据时的处理逻辑，通过请假的起止日期获取班次信息；

步骤308：若当前班次信息为出差数据，则限制仅有出差数据时的处理逻辑，通过出差的起止日期获取班次信息。

8.根据权利要求7所述的智能抓班的方法，其特征在于，所述步骤302，进一步包括：

步骤502：获取当前班次信息的关键要素，作为获取的业务数据；

步骤504：若获取的业务数据包含刷卡数据和请假数据，则执行刷卡和请假的逻辑处理；

步骤506：若获取的业务数据包含刷卡数据和出差数据，则执行刷卡和出差的逻辑处理；

步骤508：若获取的业务数据包含请假数据和出差数据，则执行请假和出差的逻辑处理；

步骤509：若获取的业务数据包含刷卡数据、请假数据和出差数据，则执行刷卡、请假和出差的逻辑处理。

9.根据权利要求6-8中任一项所述的智能抓班的方法，其特征在于，所述步骤204，具体包括：

步骤402：判断当前班次是否存在加班数据；以及，

步骤404：若当前班次存在加班数据，则收集加班数据，并对加班数据的合法性进行验证。

10.根据权利要求9所述的智能抓班的方法，其特征在于，所述步骤404，进一步包括：

步骤602：获取加班数据；

步骤604：当获取的加班数据为上班前加班数据时，限制班次开始时间不能早于加班结束时间；否则，班次非法；

步骤606：当获取的加班数据为下班后加班数据时，限制班次结束时间不能晚于加班开始时间；否则，班次非法。