CN110826999A - 一种适用于电力行业的工时模型构建方法 - Google Patents
一种适用于电力行业的工时模型构建方法 Download PDFInfo
- Publication number
- CN110826999A CN110826999A CN201911070829.8A CN201911070829A CN110826999A CN 110826999 A CN110826999 A CN 110826999A CN 201911070829 A CN201911070829 A CN 201911070829A CN 110826999 A CN110826999 A CN 110826999A
- Authority
- CN
- China
- Prior art keywords
- working
- power industry
- influence factors
- obtaining
- constructing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
Landscapes
- Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种适用于电力行业的工时模型构建方法,包括以下步骤:1)、根据电力行业特点分析工时的影响因素,获得影响因素包括同操作人员的技能等级、工作年限、同类工作操作次数和学历;2)、针对目标工序实际操作,通过多组观测,获得不同操作人员作业的评估结果;3)、对步骤1)和步骤2)获得的评估结果和影响因素采用线性回归分析获得影响目标工序工时的相关影响因素;4)、通过量化处理确定目标工序各个相关影响因素的权重系数;5)、根据相关影响因素、权重系数构建计算工时的模型。本发明所述计算方法能够简化工时计算过程,提高工时计算效率。通过本发明构建的模型可以计算电力行业各个工序的工时。
Description
技术领域
本发明涉及成本计算领域,具体涉及一种适用于电力行业的工时模型构建方法。
背景技术
目前,国内外专家对工时定额的研究成果主要有:依据CAD设计信息快速计算加工时间的通用方法、应用神经网络估算装配作业工时和装配工时智能估算技术等计算方法。但即使运用这些方法仍然需要花费大量精力确定修正系数。由于工时定额计算涉及因素较多,查询步骤复杂、数据模糊庞大等特点影响了工时定额计算设计的效率,虽然依据这些研究制定了工时定额的相关方法,但由于其计算过程的繁复性往往得不到推广。尤其是在电力行业,电力行业为多人多工种配合,工时计算更加困难。
发明内容
本发明的目的在于提供一种适用于电力行业的工时模型构建方法,通过本发明构建的模型可以计算电力行业各个工序的工时。
本发明通过下述技术方案实现:
一种适用于电力行业的工时模型构建方法,包括以下步骤:
1)、根据电力行业多人多工种配合特点分析工时的影响因素,获得影响因素包括同操作人员的技能等级、工作年限、同类工作操作次数和学历;
2)、针对目标工序实际操作,通过多组观测,获得大量不同操作人员作业的评估结果;
3)、对步骤1)和步骤2)获得的评估结果和影响因素采用线性回归分析获得影响目标工序工时的相关影响因素,不同的目标工序相关影响因素不同;
4)、通过量化处理确定目标工序各个相关影响因素的权重系数;
5)、根据相关影响因素、权重系数构建计算工时的模型。
对于电力行业,不同的工序相关影响因素不同,例如:技能等级和工作年限对某些技术要求高的工序影响较大,因此,技能等级和工作年限为该工序的关因素。
本发明所述构建方法构建的模型能够适用于电力行业的各个工序。
进一步地,评估结果包括作业时间和考评分数,以及加权得到的加权时间。
进一步地,同类工作操作次数的权重系数确定:
结合电力行业人员结构特点将同类工作操作次数以3的倍数为计量,通过矩阵计算得到同类工作操作次数的权重系数。
进一步地,技能等级的权重系数确定:
按照行业技能评价等级进行计量,通过矩阵计算得到技能等级的权重系数。
进一步地,工作年限的权重系数确定:
结合电力行业人员结构特点,工作年限以5年为计量,通过矩阵计算得到不同工作年限的权重系数。
进一步地,线性回归分析时,相关性大于0.5为较强的正相关性,对应的影响因素为相关影响因素。
由于不同的操作人员会导致作业水平不同,进而会影响标准工时,所述评估结果为行业专家对操作人员作业进行考评,记录作业时间和考评分数,加权得到加权时间,加权得到加权时间,以加权时间为变量,分别对人员技能等级、工作年限、同类工作操作次数、学历等进行相关性分析。
本发明结合电力行业多人多工种配合特点,分工种细化工作流程,在确定影响工时定额的强相关影响因素,量化各相关影响因素的基础上,按照统一原则制定相关影响因素量级水平,得出工时定额有效计算设计方法。本发明所述计算方法能够简化工时计算过程,提高工时计算效率。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明结合电力行业多人多工种配合特点,分工种细化工作流程,在确定影响工时定额的相关影响因素,量化各相关影响因素的基础上,按照统一原则制定相关影响因素量级水平,构建计算工时的模型。通过本发明构建的模型可以计算电力行业各个工序的工时。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例:
一种适用于电力行业的工时模型构建方法,包括以下步骤:
1)、根据电力行业多人多工种配合特点分析工时的影响因素,获得影响因素包括同操作人员的技能等级、工作年限、同类工作操作次数和学历;
2)、针对目标工序实际操作,通过多组观测,获得大量不同操作人员作业的评估结果;
3)、对步骤1)和步骤2)获得的评估结果和影响因素采用线性回归分析获得影响目标工序工时的相关影响因素,不同的目标工序相关影响因素不同;
4)、通过量化处理确定目标工序各个相关影响因素的权重系数;
5)、根据相关影响因素、权重系数构建计算工时的模型。
相关影响因素的确定:
为了确定标准工时的相关影响因素,以电力行业技能鉴定模块《10kV配电变压器大修试验》为基础,组织专家组进行过程考评,记录时间及考评分数,加权得到加权时间,以加权时间为变量,分别对人员技能等级、工作年限、同类工作操作次数、学历等进行相关性分析,观察数据如表1所示:
表1
员工 | 技能等级 | 工作年限 | 同类操作 | 学历 | 其他 | 时间 | 分数 | 加权时间 |
余** | A2 | B3 | C2 | D2 | E1 | 142 | 87 | 163.22 |
谢** | A1 | B1 | C1 | D4 | E2 | 142 | 95 | 149.47 |
吴** | A2 | B2 | C3 | D3 | E2 | 138 | 78 | 176.92 |
王** | A2 | B1 | C3 | D4 | E1 | 150 | 88 | 170.45 |
… | … | … | … | … | … | … | … | … |
… | … | … | … | … | … | … | … | … |
… | … | … | … | … | … | … | … | … |
陈** | A2 | B1 | C3 | D3 | E3 | 139 | 87 | 159.77 |
白** | A3 | B3 | C4 | D2 | E1 | 173 | 80 | 216.25 |
徐** | A4 | B4 | C4 | D1 | E1 | 173 | 75 | 230.67 |
对表1中的数据进行线性回归分析,结果如表2所示:
表2
由表2中的Multiple R结果可知,同类工作操作次数、技能等级、工作年限与观测结果呈现较强的正相关性,而学历等与观测结果相关性较弱。
各相关影响因素权重系数确定:
1)、同类工作操作次数权重系数确定:
电力行业为传统行业,结合电力行业人员结构特点将同类工作操作次数依据3的倍数为计量,通过矩阵计算可以得到同类工作操作次数的权重系数,如表3所示:
表3
2)、技能等级权重系数
按照国网公司技能评价等级进行计量,通过矩阵计算可以得到技能等级的权重系数,如表4所示:
表4
3)、工作年限权重系数
结合电力行业人员结构特点,工作年限以5年为计量,通过矩阵计算可以得到不同工作年限的权重系数,如表5所示:
表5
针对一固定工序,通过多组观测,确定观测时间,确定该工序下各相关影响因素的权重系数,以投入本单位的平均水平为基础计算工时定额计算公式如下:
式中,m为观测组数,n为操作人数,x为相关影响因数,a为权重系数,e为效能系数,A为各因素分系数矩阵、N为人员结构矩阵、X为相关影响因素权重系数矩阵、T为观测时间矩阵、E为效能矩阵。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种适用于电力行业的工时模型构建方法,其特征在于,包括以下步骤:
1)、根据电力行业多人多工种配合特点分析工时的影响因素,获得影响因素包括同操作人员的技能等级、工作年限、同类工作操作次数和学历;
2)、针对目标工序实际操作,通过多组观测,获得大量不同操作人员作业的评估结果;
3)、对步骤1)和步骤2)获得的评估结果和影响因素采用线性回归分析获得影响目标工序工时的相关影响因素,不同的目标工序相关影响因素不同;
4)、通过量化处理确定目标工序各个相关影响因素的权重系数;
5)、根据相关影响因素、权重系数构建计算工时的模型。
2.根据权利要求1所述的一种适用于电力行业的工时模型构建方法,其特征在于,所述评估结果包括作业时间和考评分数,以及加权得到的加权时间。
3.根据权利要求1所述的一种适用于电力行业的工时模型构建方法,其特征在于,同类工作操作次数的权重系数确定:
结合电力行业人员结构特点将同类工作操作次数以3的倍数为计量,通过矩阵计算得到同类工作操作次数的权重系数。
4.根据权利要求1所述的一种适用于电力行业的工时模型构建方法,其特征在于,技能等级的权重系数确定:
按照行业技能评价等级进行计量,通过矩阵计算得到技能等级的权重系数。
5.据权利要求1所述的一种适用于电力行业的工时模型构建方法,其特征在于,工作年限的权重系数确定:
结合电力行业人员结构特点,工作年限以5年为计量,通过矩阵计算得到不同工作年限的权重系数。
6.根据权利要求1-5任一项所述的一种适用于电力行业的工时模型构建方法,其特征在于,线性回归分析时,相关性大于0.5为较强的正相关性,对应的影响因素为相关影响因素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911070829.8A CN110826999A (zh) | 2019-11-05 | 2019-11-05 | 一种适用于电力行业的工时模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911070829.8A CN110826999A (zh) | 2019-11-05 | 2019-11-05 | 一种适用于电力行业的工时模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110826999A true CN110826999A (zh) | 2020-02-21 |
Family
ID=69552558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911070829.8A Withdrawn CN110826999A (zh) | 2019-11-05 | 2019-11-05 | 一种适用于电力行业的工时模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826999A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303356A (zh) * | 2023-03-15 | 2023-06-23 | 三一(韶山)风电设备有限公司 | 生产工时数据库的构建方法、生产工时的确定方法及装置 |
-
2019
- 2019-11-05 CN CN201911070829.8A patent/CN110826999A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303356A (zh) * | 2023-03-15 | 2023-06-23 | 三一(韶山)风电设备有限公司 | 生产工时数据库的构建方法、生产工时的确定方法及装置 |
CN116303356B (zh) * | 2023-03-15 | 2024-07-23 | 三一(韶山)风电设备有限公司 | 生产工时数据库的构建方法、生产工时的确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480775B (zh) | 一种基于数据修复的池塘溶解氧预测方法 | |
Orlóci | Multivariate analysis in vegetation research | |
CN103927412B (zh) | 基于高斯混合模型的即时学习脱丁烷塔软测量建模方法 | |
CN107146035B (zh) | 针织服装大货生产中批量系数的计算方法 | |
CN107491992B (zh) | 一种基于云计算的智能服务推荐方法 | |
CN108510180B (zh) | 一种生产设备所处性能区间的计算方法 | |
CN115860581B (zh) | 农作物品种适宜性评价方法、装置、设备及存储介质 | |
CN116070527B (zh) | 基于退化模型的铣削刀具剩余寿命预测方法 | |
CN114429152A (zh) | 基于动态指数对抗性自适应的滚动轴承故障诊断方法 | |
CN105184078A (zh) | 基于专利相对量分析的技术成熟度评价方法 | |
CN111126499A (zh) | 一种基于二次聚类的用电行为模式分类方法 | |
CN111931992A (zh) | 一种电力负荷预测指标选取方法及装置 | |
CN115511100A (zh) | 一种基于环境温度相关数据学习的空调负荷回归预测方法 | |
CN110826999A (zh) | 一种适用于电力行业的工时模型构建方法 | |
CN113608223B (zh) | 基于双分支双阶段深度模型的单站多普勒天气雷达强降水估算方法 | |
CN110929974A (zh) | 基于大数据模型的电力创新人才能力评估方法 | |
CN108830405B (zh) | 基于多指标动态匹配的实时电力负荷预测系统及其方法 | |
CN104200327A (zh) | 一种农业技术价值评估方法 | |
CN110991723A (zh) | 一种人工智能在季节性负荷预测中的应用方法 | |
CN111784166B (zh) | 一种中低压配电网综合能效评估方法及系统 | |
CN111861271B (zh) | 一种管道保温性能的评价方法 | |
CN110516750B (zh) | 一种基于cart决策树的钢板板形质量异常检测方法 | |
CN111126907B (zh) | 基于灰关联熵的复杂贮存环境影响因素的分析方法 | |
Alabugin et al. | Integrative-cyclical approach to the study of quality control of resource saving by the use of innovation factors | |
CN110782182A (zh) | 一种适用于电力行业的人员承载力模型构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200221 |