CN110909915A - 预测工作计划的方法及装置 - Google Patents
预测工作计划的方法及装置 Download PDFInfo
- Publication number
- CN110909915A CN110909915A CN201910984057.2A CN201910984057A CN110909915A CN 110909915 A CN110909915 A CN 110909915A CN 201910984057 A CN201910984057 A CN 201910984057A CN 110909915 A CN110909915 A CN 110909915A
- Authority
- CN
- China
- Prior art keywords
- work
- working
- plan
- effective
- software
- 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.)
- Granted
Links
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了预测工作计划的方法及装置。涉及软件领域,其中,方法通过获取工作计划训练样本,其中工作计划训练样本为:包括有效工作时间和有效工作内容的有效工作状态、工作类型和工作岗位,然后利用工作计划训练样本训练得到工作计划预测模型,输入当前工作类型,根据工作计划预测模型输出包括工作内容和工作时间的工作计划。通过使用神经网络建立工作计划预测模型,根据工作类型智能预测工作计划,能够提高管理效率,使管理者根据工作计划更合理地安排工作,并且督促员工按时完成工作任务,有利于工作管理和绩效考核,避免根据个人经验评估任务难度制定工作计划不准确影响下一步的工作任务的问题。
Description
技术领域
本发明涉及软件领域,尤其是一种预测工作计划的方法及装置。
背景技术
工作中制定合理的工作计划能够提高工作效率,例如在固定的时间周期内完成预定的工作任务,例如在年初制定年工作计划、月初制定月工作计划、周一制定周工作计划等,不同岗位工作任务不同,制定的工作计划也不同。现有的都是员工自行制定工作计划或上一级领导给员工安排工作计划,都是基于主观或人工方式进行,需要结合自身以往的工作业绩、工作能力、岗位职责等多个因素制定工作计划,整个过程工作量大、过程繁琐,且通过人工方式不够科学合理。例如根据个人经验评估任务难度制定工作计划,往往不准确,早于或晚于工作计划时间完成工作,都将影响下一步的工作计划,并且每个人想法不同,制定的工作计划也相应不同,导致同一岗位不同员工的工作计划差别太大,不利于工作管理和绩效考核,因此需要提出一种能够根据岗位不同预测不同工作计划的方法。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的目的是提供一种能够根据岗位不同预测不同工作计划的方法及装置。
本发明实施例所采用的技术方案是:
第一方面,本发明提供一种预测工作计划的方法,包括:
获取工作计划训练样本,所述工作计划训练样本包括:有效工作状态、工作类型和工作岗位,所述有效工作状态包括:有效工作时间和有效工作内容;
利用所述工作计划训练样本训练工作计划预测模型;
向训练后的工作计划预测模型输入当前工作类型,并输出所述当前工作类型对应的不同工作岗位的工作计划,所述工作计划包括:工作时间和工作内容。
进一步地,所述有效工作状态具体为:根据第一有效工作状态和出勤状态取并集得到所述有效工作状态。
进一步地,所述出勤状态具体为:根据出勤表得到所述工作人员的出勤状态,所述出勤状态包括:出勤工作时间和出勤工作内容。
进一步地,所述第一有效工作状态具体为:对有效软件帧和有效工位帧取交集,得到所述第一有效工作状态,所述第一有效工作状态包括:第一有效工作时间和第一有效工作内容。
进一步地,获取所述有效软件帧和有效工位帧的过程为:
获取屏幕录屏和工作人员图像;
将所述屏幕录屏和所述工作人员图像发送至图像处理中心,进行处理得到所述屏幕录屏对应的工作软件名和所述工作人员图像对应的工作人员;
根据岗位需求软件表对所述工作软件名进行软件分帧识别得到有效软件帧;
根据所述工作人员对所述工作人员图像进行人员分帧识别得到有效工位帧。
进一步地,所述图像处理中心包括:图像识别模型和人脸识别模型,具体的:
利用图像识别样本训练图像识别模型,并根据所述图像识别模型识别所述屏幕录屏对应的工作软件名,所述图像识别样本包括:软件截图和软件名;
利用人脸识别样本训练人脸识别模型并识别所述工作人员,并根据所述人脸识别模型识别所述工作人员图像对应的工作人员,所述人脸识别样本包括:姓名、工号、岗位、脸部图像。
进一步地,所述屏幕录屏指录制活跃窗口的屏幕内容。
第二方面,本发明还提供一种预测工作计划的装置,包括:
获取训练样本模块,用于获取工作计划训练样本,所述工作计划训练样本包括:有效工作状态、工作类型和工作岗位,所述有效工作状态包括:有效工作时间和有效工作内容;
工作计划预测模型训练模块,用于利用所述工作计划训练样本训练工作计划预测模型;
获取工作计划模块,用于向训练后的所述工作计划预测模型输入当前工作类型,并输出所述当前工作类型的不同工作岗位的工作计划,所述工作计划包括:工作时间和工作内容。
第三方面,本发明实施例提供一种预测工作计划的设备,包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如第一方面任一项所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面任一项所述的方法。
本发明实施例的有益效果是:
本发明实施例通过获取工作计划训练样本,其中工作计划训练样本为:包括有效工作时间和有效工作内容的有效工作状态、工作类型和工作岗位,然后利用工作计划训练样本训练得到工作计划预测模型,输入当前工作类型,根据工作计划预测模型输出包括工作内容和工作时间的工作计划。通过使用神经网络建立工作计划预测模型,根据工作类型智能预测工作计划,能够提高管理效率,使管理者根据工作计划更合理地安排工作,并且督促员工按时完成工作任务,有利于工作管理和绩效考核,避免根据个人经验评估任务难度制定工作计划不准确影响下一步的工作任务的问题。可广泛应用于需要制定工作计划的管理领域。
附图说明
图1是本发明中预测工作计划的方法一具体实施例的实现流程图;
图2是本发明中预测工作计划的方法一具体实施例的图像识别模型的训练过程示意图;
图3是本发明中预测工作计划的方法一具体实施例的人脸识别模型的训练过程示意图;
图4是本发明中预测工作计划的装置的一具体实施例的结构框图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一:
本发明实施例一提供一种预测工作计划的方法,图1为本发明实施例提供的一种预测工作计划方法的实现流程图,如图1所示,该方法包括以下步骤:
S1:获取工作计划训练样本训练工作计划预测模型,其中工作计划模型为神经网络模型,工作计划训练样本包括:有效工作状态、工作类型和工作岗位,有效工作状态包括:有效工作时间和有效工作内容。
S2:利用工作计划训练样本训练并得到工作计划预测模型。
S3:输入当前工作类型,并根据训练后的工作计划预测模型输出工作计划,其中工作计划包括:工作时间和工作内容。
以下详细描述步骤S1中有效工作状态的获取过程。
本实施例中,首先通过录屏和录制的方式获取大量工作人员工作状态的信息,从中提取训练样本。
在一个具体实施方式中,在工作人员的电脑里面安装一个录屏软件获取工作人员工作时的屏幕录屏,并通过电脑上方安装的摄像头,录制电脑屏幕前的工作人员图像,将录屏结果和工作人员图像按照工作人员工号进行对应存储,例如工作人员工号{1、2、3…},对应的图像为:C={C1,C2,C3…},对应的录屏为S={S1,S2,S3…},可选的,为了节约录制资源,只录制活跃窗口的屏幕内容,忽视其他窗口内容。
将获取的屏幕录屏(记为S)和工作人员图像(记为C)发送至图像处理中心,进行处理得到屏幕录屏对应的工作软件名和工作人员图像对应的工作人员,并根据岗位需求软件表进行有效工作状态识别。
本实施例中图像处理中心包括图像识别模型和人脸识别模型,上述两个模型都是神经网络模型,需要对其进行训练,具体的,利用图像识别样本训练图像识别模型,并根据图像识别模型识别屏幕录屏对应的工作软件名;利用人脸识别样本训练人脸识别模型并识别工作人员,并根据人脸识别模型识别工作人员图像对应的工作人员。
本实施例中,如图2所示,为图像识别模型的训练过程示意图,具体如下所述。
S110:获取并扩充软件截图关系表,具体是获取各大应用商店中,电脑软件使用过程的相关截图(包括但不限于:启动页、菜单页、内容页和关闭页等)以及软件相关信息输入图像处理中心的服务器,得到如下表1所示的软件截图关系表,下表仅做示意不做限定。
软件名 | 软件用途 | 使用系统 | 使用截图 |
WPS/WORD | 文本编辑 | Windows xp、7、10… | [图1][图2]... |
微信 | 即时通讯 | Windows 7、10、Mac… | [图1][图2]... |
... | ... | ... | ... |
表1软件截图关系表
扩充的过程包括:遍历上述软件截图关系表,同时使用搜索引擎搜索软件名/使用系统等关键词,以获得更多的图像数据扩充该表格。
另外,为了使图像识别模型识别更加准确,采集公司员工使用不同软件的录屏数据,服务器将每个软件的录屏数据的每一帧作为该软件的使用截图数据。
S111:训练图像识别模型,具体是获取到足够多的软件使用截图数据之后,生成图像识别样本并训练图像识别模型,其中图像识别样本包括:软件截图、软件名等。
给训练完成后的图像识别模型输入一张新的软件使用截图,即可输出对应的软件名。
本实施例中,如图3所示,为人脸识别模型的训练过程示意图,具体如下所述。
S120:获取并扩充员工脸部图像关系表,内容包括但不限于:姓名、工号、入职时间、岗位、部门、脸部图像等,其中脸部图像可选的是:身份证照片、证件照、生活照等。得到如下表2所示的员工脸部图像关系表,下表仅做示意不做限定。
姓名 | 工号 | 入职时间 | 岗位 | 所属部门 | 脸部图像 |
张三 | 0001 | 2015.7.1 | 开发 | 发展事业部 | [图1][图2]... |
李四 | 0002 | 2015.7.1 | 高级开发 | 发展事业部 | [图1][图2]... |
... | ... | ... | ... | ... | ... |
表2员工脸部图像关系表示意
扩充过程具体是:录制包括员工脸部的工作图像,并在录制结果的每一帧提取该员工的脸部图像数据,可选的,为了使人脸识别模型识别更加准确,通过增加录制时间,以获取更多脸部图像数据。
S121:训练人脸识别模型,具体是获取到足够多的脸部图像数据之后,生成人脸识别样本训练人脸识别模型,其中人脸识别样本包括:姓名、工号、岗位、脸部图像等。
给训练完成后的人脸识别模型输入一张新的脸部图像,即可输出对应的工作人员。
本实施例中,得到上述图像识别模型和人脸识别模型后,即可根据岗位需求软件表进行有效工作状态识别,即去掉无效工作时间得到有效工作时间和有效工作内容,可选的,根据岗位需求软件表对工作软件名进行软件分帧识别得到有效软件帧,对工作人员进行人员分帧识别得到有效工位帧。具体过程如下所述。
本实施例中,岗位需求软件表是员工所属岗位与工作所需软件对应表,即每个员工工作时会用到的软件,其中包括办公软件(例如钉钉、oa、邮箱等办公需要的公用软件)和开发软件(例如Eclipse、Android studio等开发软件),如下表3所示为岗位需求软件表,下表仅做示意不做限定。
岗位 | 软件名 |
安卓开发 | Eclipse、Android studio、钉钉、oa、邮箱… |
Ios开发 | Xcode、钉钉、oa、邮箱… |
... | ... |
表3岗位需求软件表示意
其中,软件分帧识别的过程为:根据上述岗位需求软件表以及员工的屏幕录屏S={S1,S2,S3...}进行软件分帧识别,识别并将员工没有使用其工作所需软件的帧记为无效软件帧,去掉所有无效软件帧后得到有效软件帧。
人员分帧识别的过程为:对工作人员图像C={C1,C2,C3…}进行识别,判断对应的工作人员,并将工作人员不在工位上的帧记为无效工位帧,去掉所有无效工位帧后即可得到有效工位帧。
对上述有效软件帧和有效工位帧取交集,得到第一有效工作状态,另外,考虑员工出勤情况,例如参加会议或出差等不在电脑工位前,但是属于有效工作时间的情况,本实施例中根据出勤表得到工作人员的出勤状态,其中出勤状态包括:出勤工作时间和出勤工作内容,根据第一有效工作状态和出勤状态取并集即可得到有效工作状态。
本实施例步骤S2中,利用工作计划训练样本训练工作计划预测模型,工作计划训练样本包括:上述过程得到的有效工作状态、工作类型和工作岗位等,例如下表4所示的工作计划训练样本示意。
岗位 | 工作类型 | 有效工作时间 | 有效工作内容 |
安卓程序员 | 开发 | T1 | W1 |
Ios程序员 | 开发 | T2 | W2 |
... | ... | ... | ... |
表4工作计划训练样本示意
其中,工作类型可选的根据实际项目安排进行人工输入,通过上表中工作计划训练样本可以得到不同工作类型对应的工作岗位以及具体的工作内容和工作时间,本实施例中,工作类型为根据公司实际需求进行定义的工作类型,如开发类型、文职类型、财会类型等,不同的工作类型包括一种或多种工作岗位,例如:安卓程序员和Ios程序员同属于开发类型。通过该样本进行工作计划预测模型的训练,得到训练后的工作计划预测模型。
本实施例步骤S3中,输入当前工作类型,并根据训练后的工作计划预测模型输出工作计划,其中工作计划包括:工作时间和工作内容。即输入新的相同的工作类型,能够根据工作计划预测模型的输出得到对应的工作计划,另外,可选的,如果需要加入新的工作类型,则通过录屏和录制的方式获取大量工作人员工作状态的信息,从中提取新的工作类型对应的工作计划训练样本。
本实施例通过使用神经网络建立工作计划预测模型,根据工作类型智能预测工作计划,能够提高管理效率,使管理者根据工作计划更合理地安排工作,并且督促员工按时完成工作任务,有利于工作管理和绩效考核,避免根据个人经验评估任务难度制定工作计划不准确影响下一步的工作任务的问题。
实施例二:
如图4所示,为本实施例的一种预测工作计划的装置结构框图,应用于实施例一所述的一种预测工作计划的方法,包括:
获取训练样本模块10,用于获取工作计划训练样本其中工作计划训练样本包括:有效工作状态、工作类型和工作岗位,有效工作状态包括:有效工作时间和有效工作内容;
工作计划预测模型训练模块20,用于利用工作计划训练样本训练工作计划预测模型;
获取工作计划模块30,用于向训练后的所述工作计划预测模型输入当前工作类型,并输出所述当前工作类型的不同工作岗位的工作计划,所述工作计划包括:工作时间和工作内容。
另外,本发明还提供一种预测工作计划的设备,包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如实施例一所述的方法。
另外,本发明还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,其中计算机可执行指令用于使计算机执行如实施例一所述的方法。
本发明实施例通过获取工作计划训练样本训练工作计划预测模型,其中工作计划训练样本为:包括有效工作时间和有效工作内容的有效工作状态、工作类型和工作岗位,然后利用工作计划训练样本训练得到工作计划预测模型,输入当前工作类型,根据工作计划预测模型输出包括工作内容和工作时间的工作计划。可广泛应用于需要制定工作计划的管理领域。
以上各实施例仅用以说明本发明的技术方案,而非对其限制,尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种预测工作计划的方法,其特征在于,包括:
获取工作计划训练样本,所述工作计划训练样本包括:有效工作状态、工作类型和工作岗位,所述有效工作状态包括:有效工作时间和有效工作内容;
利用所述工作计划训练样本训练工作计划预测模型;
向训练后的工作计划预测模型输入当前工作类型,并输出所述当前工作类型对应的不同工作岗位的工作计划,所述工作计划包括:工作时间和工作内容。
2.根据权利要求1所述的一种预测工作计划的方法,其特征在于,所述有效工作状态具体为:根据第一有效工作状态和出勤状态取并集得到所述有效工作状态。
3.根据权利要求2所述的一种预测工作计划的方法,其特征在于,所述出勤状态具体为:根据出勤表得到所述工作人员的出勤状态,所述出勤状态包括:出勤工作时间和出勤工作内容。
4.根据权利要求2所述的一种预测工作计划的方法,其特征在于,所述第一有效工作状态具体为:对有效软件帧和有效工位帧取交集,得到所述第一有效工作状态,所述第一有效工作状态包括:第一有效工作时间和第一有效工作内容。
5.根据权利要求4所述的一种预测工作计划的方法,其特征在于,获取所述有效软件帧和有效工位帧的过程为:
获取屏幕录屏和工作人员图像;
将所述屏幕录屏和所述工作人员图像发送至图像处理中心,进行处理得到所述屏幕录屏对应的工作软件名和所述工作人员图像对应的工作人员;
根据岗位需求软件表对所述工作软件名进行软件分帧识别得到有效软件帧;
根据所述工作人员对所述工作人员图像进行人员分帧识别得到有效工位帧。
6.根据权利要求5所述的一种预测工作计划的方法,其特征在于,所述图像处理中心包括:图像识别模型和人脸识别模型,具体的:
利用图像识别样本训练图像识别模型,并根据所述图像识别模型识别所述屏幕录屏对应的工作软件名,所述图像识别样本包括:软件截图和软件名;
利用人脸识别样本训练人脸识别模型并识别所述工作人员,并根据所述人脸识别模型识别所述工作人员图像对应的工作人员,所述人脸识别样本包括:姓名、工号、岗位、脸部图像。
7.根据权利要求5或6任一项所述的一种预测工作计划的方法,其特征在于,所述屏幕录屏指录制活跃窗口的屏幕内容。
8.一种预测工作计划的装置,其特征在于,包括:
获取训练样本模块,用于获取工作计划训练样本,所述工作计划训练样本包括:有效工作状态、工作类型和工作岗位,所述有效工作状态包括:有效工作时间和有效工作内容;
工作计划预测模型训练模块,用于利用所述工作计划训练样本训练工作计划预测模型;
获取工作计划模块,用于向训练后的所述工作计划预测模型输入当前工作类型,并输出所述当前工作类型的不同工作岗位的工作计划,所述工作计划包括:工作时间和工作内容。
9.一种预测工作计划的设备,其特征在于,包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984057.2A CN110909915B (zh) | 2019-10-16 | 2019-10-16 | 预测工作计划的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984057.2A CN110909915B (zh) | 2019-10-16 | 2019-10-16 | 预测工作计划的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909915A true CN110909915A (zh) | 2020-03-24 |
CN110909915B CN110909915B (zh) | 2022-08-12 |
Family
ID=69815243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910984057.2A Active CN110909915B (zh) | 2019-10-16 | 2019-10-16 | 预测工作计划的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909915B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976170A (zh) * | 2016-06-27 | 2016-09-28 | 陈包容 | 一种自动生成工作计划的方法及装置 |
CN106991032A (zh) * | 2017-04-01 | 2017-07-28 | 四川艾特赢泰智能科技有限责任公司 | 一种监控电脑应用使用情况的方法 |
CN109190929A (zh) * | 2018-08-14 | 2019-01-11 | 中国平安人寿保险股份有限公司 | 一种工作量分摊方法、装置、计算机设备及存储介质 |
US20190114574A1 (en) * | 2017-10-17 | 2019-04-18 | Api Healthcare Corporation | Machine-learning model trained on employee workflow and scheduling data to recognize patterns associated with employee risk factors |
-
2019
- 2019-10-16 CN CN201910984057.2A patent/CN110909915B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976170A (zh) * | 2016-06-27 | 2016-09-28 | 陈包容 | 一种自动生成工作计划的方法及装置 |
CN106991032A (zh) * | 2017-04-01 | 2017-07-28 | 四川艾特赢泰智能科技有限责任公司 | 一种监控电脑应用使用情况的方法 |
US20190114574A1 (en) * | 2017-10-17 | 2019-04-18 | Api Healthcare Corporation | Machine-learning model trained on employee workflow and scheduling data to recognize patterns associated with employee risk factors |
CN109190929A (zh) * | 2018-08-14 | 2019-01-11 | 中国平安人寿保险股份有限公司 | 一种工作量分摊方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110909915B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104966172A (zh) | 一种用于企业经营数据分析的大数据可视化分析处理系统 | |
CN108846911A (zh) | 一种考勤方法及装置 | |
CN102411540B (zh) | 基于工作流的通用软件测试过程自动化管理系统 | |
CN109254959B (zh) | 一种数据评价方法、装置、终端设备及可读存储介质 | |
CN103631713A (zh) | Erp软件自动化测试系统及方法 | |
CN110058756B (zh) | 一种图像样本的标注方法及装置 | |
CN108241529A (zh) | 薪资计算方法、应用服务器及计算机可读存储介质 | |
CN111738701A (zh) | 绩效分析方法、装置、计算机设备和存储介质 | |
CN111628896A (zh) | It运维管理方法、装置、设备及计算机存储介质 | |
CN109460365A (zh) | 一种系统性能测试方法、装置、设备及存储介质 | |
CN109242431B (zh) | 一种基于数据体系的企业管理方法及其系统 | |
CN110909915B (zh) | 预测工作计划的方法及装置 | |
CN111126946B (zh) | 一种信息化系统数据追溯的建模方法及装置 | |
Almomani et al. | Software process improvement initiatives in small and medium firms: a systematic review | |
CN109146306B (zh) | 一种企业管理系统 | |
WO2016201810A1 (zh) | 日志生成方法及装置 | |
CN111090585A (zh) | 一种基于众测过程的众测任务关闭时间自动预测方法 | |
CN115905371A (zh) | 数据趋势分析方法、装置、设备及计算机可读存储介质 | |
CN113992806A (zh) | 一种智能语音rpa机器人外呼方法及装置 | |
CN113900629A (zh) | 一种计算机流程自动化的引擎实现系统 | |
CN114548563A (zh) | 员工状态判断方法、装置、计算机设备及介质 | |
CN112558512A (zh) | 基于大数据与物联网技术的智慧控申系统 | |
Lo et al. | A Development of an Attendance System based on Facial Recognition Approach | |
CN107729462B (zh) | 工作日志表更新方法及系统 | |
US20220237364A1 (en) | Click to document |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |