CN111950929A - 一种项目型任务的工作量均衡分配方法和设备 - Google Patents

一种项目型任务的工作量均衡分配方法和设备 Download PDF

Info

Publication number
CN111950929A
CN111950929A CN202010863268.3A CN202010863268A CN111950929A CN 111950929 A CN111950929 A CN 111950929A CN 202010863268 A CN202010863268 A CN 202010863268A CN 111950929 A CN111950929 A CN 111950929A
Authority
CN
China
Prior art keywords
project
workload
type
task
historical
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.)
Pending
Application number
CN202010863268.3A
Other languages
English (en)
Inventor
王新义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yixun Information Technology Co ltd
Original Assignee
Shanghai Yixun Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Yixun Information Technology Co ltd filed Critical Shanghai Yixun Information Technology Co ltd
Priority to CN202010863268.3A priority Critical patent/CN111950929A/zh
Publication of CN111950929A publication Critical patent/CN111950929A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06Q10/063118—Staff planning in a project environment
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种项目型任务的工作量均衡分配方法和设备，所述方法包括：基于所述项目型任务的任务类型划分多个项目节点；获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；基于所述历史数据确定多个所述项目节点的工作量；基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配，从而准确确定项目型任务的工作量，并对项目型任务的工作量进行均衡分配。

Description

一种项目型任务的工作量均衡分配方法和设备
技术领域
本申请涉及任务分配技术领域，更具体地，涉及一种项目型任务的工作量均衡分配方法和设备。
背景技术
任务通常指所接受的工作，所担负的职责，是指为了完成某个有方向性的目的而产生的活动。任务有明确的执行目标和执行人。任务里面可以嵌套任务，即一个主任务下面可以细分成若干个子任务，由这些子任务的完成结果组成为主任务的完成结果。任务有明确的目标，本身任务就是为了完成某个目标而产生的活动。有特定的任务委托人，结果是可预期的。一般的任务都会指定执行时间。项目型任务相比于其他普通任务，持续时间长是其最突出的特点。项目型任务是在一定的约束条件下(主要是限定时间、限定资源)，具有明确目标的一次性任务。
项目型任务的工作量评估传统方法一般分为三类：基于专家判断的技术，基于算法模型的技术和面向学习的技术。不同的方法都有各自的局限性，基于专家判断的估算技术：此技术主要取决于评估专家的经验，带有主观性，对于同一任务不同专家估算的工作量可能会存在较大不同，因此有时会带来较大的估算偏差，并且该方法导出估算值的机理不清晰，是不可重复的，不能获得组织学习效应。而基于算法模型的技术，目前大部分企业或项目组还主要是使用国外的一些比较成熟的方法和模型进行项目估算，如Delphi方法、COCOMO II模型等。但由于国内和国外项目开发环境的诸多不同，造成该模型在国内部分公司的使用情况并不理想，这使得有时在项目开发过程中应用类似的模型进行项目估算变得不太可靠，估算精确度不高，误差较大。况且，随着任务开发方法和开发技术的更新，这也对目前所有的估算方法和模型提出了新的挑战。另外面向学习的估算技术，面向学习的估算技术是建立在人工智能技术基础上的估算技术,主要的估算方法有人工神经网络(ANN,Artifical Netural Network)和基于案例推导(CBR,Case-based reasoning)等。这类技术的效果很大程度上取决于用于训练或类推的大样本数据。因此,一个组织采用该技术进行估算需要保存好该组织所开发的所有软件项目的记录。这些记录不仅要包含所有与人员等级、技能、耗费的开发时间、开发环境和可用工具等有关的数据,还须包含所有的项目不同阶段的估算和对估算所做的调整的信息。由于人工神经网络等本身的复杂性及该技术对历史数据的需求,该估算技术目前在软件项目估算中很少被采用。
因此，如何准确确定项目型任务的工作量，并对项目型任务的工作量进行均衡分配，是目前有待解决的技术问题。
发明内容
本发明公开了一种项目型任务的工作量均衡分配方法，用以解决现有技术中不能准确确定项目型任务的工作量，并对项目型任务的工作量进行均衡分配的技术问题，包括：
基于所述项目型任务的任务类型划分多个项目节点；
获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；
基于所述历史数据确定多个所述项目节点的工作量；
基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；
基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；
基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配。
优选的，基于所述历史数据确定多个所述项目节点的工作量，具体为：
基于所述历史数据确定所述历史项目型任务的总工作量；
基于所述历史项目型任务的总工作量确定所述历史项目型任务的每个项目节点的工作量的平均值与方差；
基于所述历史项目型任务的每个项目节点的工作量的平均值与方差确定所述历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差；
当平均工作时间为所述平均工作时长时，生成多个所述项目节点的工作量的概率密度函数；
基于所述概率密度函数及回归随机森林算法确定工作时间为平均工作时长时的工作量，并确定工作时间为平均工作时长时的概率值；
基于所述概率值确定多个所述项目节点的工作量。
优选的，所述方法还包括：
基于所述历史项目型任务的总工作量确定每个所述项目节点中每一天的工作量占整个所述项目节点的比率；
基于所述比率确定每个所述项目节点中每一天的工作量占整个所述项目节点的概率分布图。
优选的，基于所述历史数据确定所述历史项目型任务的总工作量具体是通过以下公式实现的：
Figure BDA0002648897440000031
其中，n为第j个项目节点的工作天数，Wijk为第i个历史项目型任务中第j个项目节点的第k天的工作量。
优选的，基于所述历史项目型任务的总工作量确定所述历史项目型任务的每个项目节点的工作量的平均值与方差具体是通过以下公式实现的：
Figure BDA0002648897440000032
优选的，基于所述历史项目型任务的每个项目节点的工作量的平均值与方差确定所述历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差具体是通过以下公式实现的：
Figure BDA0002648897440000033
其中，n为所述历史数据中与所述项目型任务类型相同的所述历史项目型任务的总数。
优选的，当平均工作时间为所述平均工作时长时，生成多个所述项目节点的工作量的概率密度函数具体是通过以下公式实现的：
Figure BDA0002648897440000034
其中，
Figure BDA0002648897440000035
为所述平均工作时长。
优选的，确定工作时间为平均工作时长时的概率值具体是通过以下公式实现的：
Figure BDA0002648897440000041
优选的，基于所述概率值确定多个所述项目节点的工作量具体是通过以下公式实现的：
Figure BDA0002648897440000042
其中，t0为所述项目节点开始时间，te为所述项目节点结束时间，
Figure BDA0002648897440000043
为所述项目节点峰值工作量。
相应地，本发明还提出一种项目型任务的工作量均衡分配设备，所述设备包括：
划分模块，基于所述项目型任务的任务类型划分多个项目节点；
获取模块，获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；
确定模块，基于所述历史数据确定多个所述项目节点的工作量；
第一生成模块，基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；
第二生成模块，基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；
分配模块，基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配。
与现有技术相比，本发明具有以下有益效果：
本发明公开了一种项目型任务的工作量均衡分配方法和设备，所述方法包括：基于所述项目型任务的任务类型划分多个项目节点；获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；基于所述历史数据确定多个所述项目节点的工作量；基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配，从而准确确定项目型任务的工作量，并对项目型任务的工作量进行均衡分配，提高了工作处理的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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。
图1示出了本发明实施例提出的一种项目型任务的工作量均衡分配方法的流程示意图；
图2示出了本发明另一实施例提出的项目节点工作量分布图；
图3示出了本发明另一实施例提出的项目节点工作周期高斯分布概率密度图；
图4示出了本发明另一实施例提出的项目节点中每天的工作量占整个节点工作量的概率分布图；
图5示出了本发明另一实施例提出的工作量均衡分配图；
图6示出了本发明实施例中提出一种项目型任务的工作量均衡分配设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
如背景技术中所述，项目型任务是在一定的约束条件下(主要是限定时间、限定资源)，具有明确目标的一次性任务。
在现有技术中，项目型任务的工作量评估传统方法一般分为三类：基于专家判断的技术，基于算法模型的技术和面向学习的技术。不同的方法都有各自的局限性，基于专家判断的估算技术：此技术主要取决于评估专家的经验，带有主观性，对于同一任务不同专家估算的工作量可能会存在较大不同，因此有时会带来较大的估算偏差，并且该方法导出估算值的机理不清晰，是不可重复的，不能获得组织学习效应。而基于算法模型的技术，目前大部分企业或项目组还主要是使用国外的一些比较成熟的方法和模型进行项目估算，但由于国内和国外项目开发环境的诸多不同，造成该模型在国内部分公司的使用情况并不理想，这使得有时在项目开发过程中应用类似的模型进行项目估算变得不太可靠，估算精确度不高，误差较大。另外面向学习的估算技术，面向学习的估算技术是建立在人工智能技术基础上的估算技术,主要的估算方法有人工神经网络和基于案例推导等。这类技术的效果很大程度上取决于用于训练或类推的大样本数据。由于人工神经网络等本身的复杂性及该技术对历史数据的需求,该估算技术目前在软件项目估算中很少被采用。
因此，本申请提出一种项目型任务的工作量均衡分配方法，用以解决现有技术中不能准确确定项目型任务的工作量，并对项目型任务的工作量进行均衡分配的技术问题，如图1所示，该方法包括：
步骤S101，基于所述项目型任务的任务类型划分多个项目节点。
具体的，根据项目型任务的任务类型将项目划分为多个项目节点，优选的，在划分项目节点时，可以结合公司历史数据和行业经验，例如软件开发类型项目通常可以划分为10个项目节点，包括：项目策划(PP：Project Planning)：此阶段主要包括：业务需求评估，功能规划等过程；需求分析(RA：Requirements Analysis)：此阶段主要包括：编制需求规格说明书等过程；系统设计(SD：System Design)：此阶段主要包括：系统概要设计，概要设计评审等过程；资源采购(RP：Resource Purchasing)：此阶段主要包括：编制采购需求文档，采购方案评审，采购沟通，预算执行申请，采购谈判，合同签订等过程；项目启动(PS：Project Start)：此阶段主要包括：制定项目计划，识别项目风险、制定控制措施，项目启动会等过程；系统开发与测试(SDAT：System Development And Testing)：此阶段主要包括：系统详细设计，详细设计评审，功能&UI评审，系统编码，编制测试用例，单元测试，系统测试(含安全测试等)等过程；试运行(PO：Pilot Operation)：此阶段主要包括：试运行计划，编制运维文档，编制用户手册，培训，试运行风险评估，试运行评审(业务)，服务器、网络、数据库等资源申请和准备，系统部署，发布试运行通告，用户试用系统，收集试运行问题并解决等过程；正式运行(FO：Formal Operation)：此阶段主要包括：召开正式运行风险评估，正式运行评审，发布正式运行通告等过程；项目验收(PA：Project Acceptance)：此阶段主要包括：编制验收报告，合同验收评估，用户验收意见签署，验收评审，等过程。
步骤S102，获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据。
具体的，根据项目型任务的任务类型在数据库中找到与其类型相同的历史项目型任务，并获取该历史项目型任务的历史数据。优选的，该数据库一般是本公司的历史数据库，如果在本公司的数据库中未找到相同类型的历史项目型任务，可以从同行业的其他公司的数据库获取一些历史数据。
步骤S103，基于所述历史数据确定多个所述项目节点的工作量。
具体的，获取到历史数据后，根据历史数据中相同类型的目标型项目的工作量确定多个当前项目节点的工作量。
为了准确的确定多个所述项目节点的工作量，在本申请的一些实施例中，基于所述历史数据确定多个所述项目节点的工作量，具体为：
基于所述历史数据确定所述历史项目型任务的项目节点的总工作量；
基于所述历史项目型任务的项目节点的总工作量确定所述历史项目型任务的每个项目节点的工作量的平均值与方差；
基于所述历史项目型任务的每个项目节点的工作量的平均值与方差确定所述历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差；
当平均工作时间为所述平均工作时长时，生成多个所述项目节点的工作量的概率密度函数；
基于所述概率密度函数及回归随机森林算法确定工作时间为平均工作时长时的工作量，并确定工作时间为平均工作时长时的概率值；
基于所述概率值确定多个所述项目节点的工作量。
具体的，在获取到历史数据后，找到与当前项目型任务类型相同的历史项目型任务，并确定其对应的历史数据中每个项目节点的总工作量，如图2所示为某一历史项目型任务某一项目节点工作量的分布图，图中纵坐标是工作量，横坐标是不同的工作日期。根据历史项目型任务的每个项目节点的总工作量及该历史项目型任务的每个项目节点的工作天数确定所述历史项目型任务的每个项目节点的工作量的平均值，然后再计算出每个项目节点的工作量的方差，根据历史项目型任务的每个项目节点的工作量的平均值与历史项目型任务的每个项目节点的工作量的方差，确定和当前项目型任务类型相同的所有历史项目型任务在每个项目节点的工作量的平均工作时长及平均方差，也就是说，在历史数据中有10个与当前项目型任务类型相同的历史项目型任务，每个项目型任务有8个项目节点，根据每个项目型任务的每个项目节点的平均工作量及方差，计算出这10个历史项目型任务的每个项目节点对应的平均工作时长及平均方差。令工作时间为所述历史项目型任务的每个项目节点的工作量的平均工作时长，生成多个所述项目节点的工作量的概率密度函数，在得到所述概率密度函数后结合回归随机森林算法确定工作时间为平均工作时长时的工作量，并确定工作时间为平均工作时长时的概率值。回归随机森林是是一种有监督学习算法，它创建了一个森林，并使它拥有某种方式随机性。所构建的“森林”是决策树的集成，大部分时候都是用“bagging”方法训练的。bagging方法，即bootstrap aggregating，采用的是随机有放回的选择训练数据然后构造分类器，最后组合学习到的模型来增加整体的效果。随机森林通过建立了多个决策树，并将它们合并在一起从而获得更准确和稳定的预测。在得到所述概率值后，根据所述概率值确定多个所述项目节点的工作量。优先的，也可以绘制项目节点工作周期高斯分布概率密度图，如图3所示。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他基于所述历史数据确定多个所述项目节点的工作量的方法都属于本发明的保护范围。
为了准确得到历史项目型任务每个项目节点每天工作量的分布情况，在本申请的一些实施例中，所述方法还包括：
基于所述历史项目型任务的项目节点的总工作量确定每个所述项目节点中每一天的工作量占整个所述项目节点的比率；
基于所述比率确定每个所述项目节点中每一天的工作量占整个所述项目节点的概率分布图。
具体的，先根据历史数据确定历史项目型任务每个项目节点的总工作量，然后根据该项目节点的总工作量确定所述项目节点中每一天的工作量占所述项目节点的总工作量的比率，根据该比率确定每个所述项目节点中每一天的工作量占整个所述项目节点的概率分布图。如图4所示，通过图4分析可知，历史项目型任务的项目节点工作量分布近似服从高斯分布。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他基于所述比率确定每个所述项目节点中每一天的工作量占整个所述项目节点的概率分布图的方法都属于本发明的保护范围。
为了准确的确定历史项目型任务的各个项目节点的总工作量，在本申请的一些实施例中，基于所述历史数据确定所述历史项目型任务的项目节点的总工作量具体是通过以下公式实现的：
Figure BDA0002648897440000091
其中，n为第j个项目节点的工作天数，Wijk为第i个历史项目型任务中第j个项目节点的第k天的工作量。
具体的，Wij是第i个历史项目型任务的第j个项目的总工作量，n为第j个项目节点的工作天数，Wijk为第i个历史项目型任务中第j个项目节点的第k天的工作量。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他基于所述历史数据确定所述历史项目型任务的项目节点的总工作量具体的方法都属于本发明的保护范围。
为了准确的确定所述历史项目型任务的每个项目节点的工作量的平均值与方差，在本申请的一些实施例中，基于所述历史项目型任务的项目节点的总工作量确定所述历史项目型任务的每个项目节点的工作量的平均值与方差具体是通过以下公式实现的：
Figure BDA0002648897440000092
具体的，
Figure BDA0002648897440000093
是第i个历史项目型任务的第j个项目的平均工作量，
Figure BDA0002648897440000094
是是第i个历史项目型任务的第j个项目的方差，n为第j个项目节点的工作天数，Wijk为第i个历史项目型任务中第j个项目节点的第k天的工作量。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他基于所述历史项目型任务的项目节点的总工作量确定所述历史项目型任务的每个项目节点的工作量的平均值与方差的方法都属于本发明的保护范围。
为了准确的确定历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差，在本申请的一些实施例中，基于所述历史项目型任务的每个项目节点的工作量的平均值与方差确定所述历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差具体是通过以下公式实现的：
Figure BDA0002648897440000101
其中，n为所述历史数据中与所述项目型任务类型相同的所述历史项目型任务的总数。
具体的，
Figure BDA0002648897440000102
为公司历史数据中所有与当前项目型任务类型相同的历史项目型任务在第就j个节点的平均工作时长，n为公司历史数据中与当前项目型任务类型相同的历史项目型任务的总数。
Figure BDA0002648897440000103
是公司历史数据中所有与当前项目型任务类型相同的历史项目型任务在第就j个节点的工作量的平均方差。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他基于所述历史项目型任务的每个项目节点的工作量的平均值与方差确定所述历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差的方法都属于本发明的保护范围。
为了准确的生成多个所述项目节点的工作量的概率密度函数，在本申请的优选实施例中，当工作时间为所述平均工作时长时，生成多个所述项目节点的工作量的概率密度函数具体是通过以下公式实现的：
Figure BDA0002648897440000104
其中，
Figure BDA0002648897440000105
为所述平均工作时长。
具体的，
Figure BDA0002648897440000106
为所述平均工作时长，
Figure BDA0002648897440000107
是公司历史数据中所有与当前项目型任务类型相同的历史项目型任务在第就j个节点的工作量的平均方差。t为工作时长。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他生成多个所述项目节点的工作量的概率密度函数的方法都属于本发明的保护范围。
为了准确的确定工作时间为平均工作时长时的概率值，在本申请的一些实施例中，确定工作时间为平均工作时长时的概率值具体是通过以下公式实现的：
Figure BDA0002648897440000111
具体的，计算当前节点在时间等于
Figure BDA0002648897440000112
的概率值，即为当天工作量占整个项目节点工作量的百分比，
Figure BDA0002648897440000113
为所述平均工作时长，
Figure BDA0002648897440000114
是公司历史数据中所有与当前项目型任务类型相同的历史项目型任务在第就j个节点的工作量的平均方差。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他确定工作时间为平均工作时长时的概率值的方法都属于本发明的保护范围。
为了准确的确定多个所述项目节点的工作量，在本申请的一些实施例中，基于所述概率值确定多个所述项目节点的工作量具体是通过以下公式实现的：
Figure BDA0002648897440000115
其中，t0为所述项目节点开始时间，te为所述项目节点结束时间，
Figure BDA0002648897440000116
为所述项目节点峰值工作量。
具体的，Ni为所述项目节点的工作量，t0为所述项目节点开始时间，te为所述项目节点结束时间，
Figure BDA0002648897440000117
为所述项目节点峰值工作量。
需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，其他基于所述概率值确定多个所述项目节点的工作量的方法都属于本发明的保护范围。
步骤S104，基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图。
具体的，在得到多个所述项目节点的工作量后，将各个所述项目节点的工作量求和就可以得到所述项目型任务的总工作量，然后生成所述项目型任务的多峰高斯分布图。
步骤S105，基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图。
具体的，根据回归随机森林算法确定目标员工的工作量，这里的目标员工可以是随机抽查的员工，然后生成所述目标员工的工作量高斯分布图。
步骤S106，基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配。
具体的，在得到所述多峰高斯分布图及所述工作量高斯分布图后，根据所述多峰高斯分布图及所述工作量高斯分布图对比分析就可以对所述目标员工的工作量进行均衡分配。如图5所示，在项目的第147天到154天这个时间段，该员工工作量不饱和，可以适当分配更多的项目任务给该员工。
本发明公开了一种项目型任务的工作量均衡分配方法和设备，所述方法包括：基于所述项目型任务的任务类型划分多个项目节点；获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；基于所述历史数据确定多个所述项目节点的工作量；基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配，从而准确确定项目型任务的工作量，并对项目型任务的工作量进行均衡分配，提高了工作处理的效率。
为了达到以上技术目的，本申请实施例还提出了一种项目型任务的工作量均衡分配设备，如图6所示，所述设备包括：
划分模块201，基于所述项目型任务的任务类型划分多个项目节点；
获取模块202，获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；
确定模块203，基于所述历史数据确定多个所述项目节点的工作量；
第一生成模块204，基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；
第二生成模块205，基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；
分配模块206，基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述，不代表实施场景的优劣。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种项目型任务的工作量均衡分配方法，其特征在于，所述方法包括：
基于所述项目型任务的任务类型划分多个项目节点；
获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；
基于所述历史数据确定多个所述项目节点的工作量；
基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；
基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；
基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配。
2.如权利要求1所述的方法，其特征在于，基于所述历史数据确定多个所述项目节点的工作量，具体为：
基于所述历史数据确定所述历史项目型任务的项目节点的总工作量；
基于所述历史项目型任务的项目节点的总工作量确定所述历史项目型任务的每个项目节点的工作量的平均值与方差；
基于所述历史项目型任务的每个项目节点的工作量的平均值与方差确定所述历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差；
当工作时间为所述平均工作时长时，生成多个所述项目节点的工作量的概率密度函数；
基于所述概率密度函数及回归随机森林算法确定工作时间为平均工作时长时的工作量，并确定工作时间为平均工作时长时的概率值；
基于所述概率值确定多个所述项目节点的工作量。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
基于所述历史项目型任务的项目节点的总工作量确定每个所述项目节点中每一天的工作量占整个所述项目节点的比率；
基于所述比率确定每个所述项目节点中每一天的工作量占整个所述项目节点的概率分布图。
4.如权利要求2所述的方法，基于所述历史数据确定所述历史项目型任务的项目节点的总工作量具体是通过以下公式实现的：
Figure FDA0002648897430000021
其中，n为第j个项目节点的工作天数，Wijk为第i个历史项目型任务中第j个项目节点的第k天的工作量。
5.如权利要求4所述的方法，其特征在于，基于所述历史项目型任务的项目节点的总工作量确定所述历史项目型任务的每个项目节点的工作量的平均值与方差具体是通过以下公式实现的：
Figure FDA0002648897430000022
6.如权利要求5所述的方法，其特征在于，基于所述历史项目型任务的每个项目节点的工作量的平均值与方差确定所述历史项目型任务的每个项目节点的工作量的平均工作时长及平均方差具体是通过以下公式实现的：
Figure FDA0002648897430000023
其中，n为所述历史数据中与所述项目型任务类型相同的所述历史项目型任务的总数。
7.如权利要求6所述的方法，其特征在于，当工作时间为所述平均工作时长时，生成多个所述项目节点的工作量的概率密度函数具体是通过以下公式实现的：
Figure FDA0002648897430000024
其中，
Figure FDA0002648897430000025
为所述平均工作时长。
8.如权利要求7所述的方法，其特征在于，确定工作时间为平均工作时长时的概率值具体是通过以下公式实现的：
Figure FDA0002648897430000026
9.如权利要求8所述的方法，其特征在于，基于所述概率值确定多个所述项目节点的工作量具体是通过以下公式实现的：
Figure FDA0002648897430000031
其中，t0为所述项目节点开始时间，te为所述项目节点结束时间，
Figure FDA0002648897430000032
为所述项目节点峰值工作量。
10.一种项目型任务的工作量均衡分配设备，其特征在于，所述设备包括：
划分模块，基于所述项目型任务的任务类型划分多个项目节点；
获取模块，获取数据库中存储与所述项目型任务的任务类型相同的历史项目型任务的历史数据；
确定模块，基于所述历史数据确定多个所述项目节点的工作量；
第一生成模块，基于多个所述项目节点的工作量确定所述项目型任务的总工作量，并生成所述项目型任务的多峰高斯分布图；
第二生成模块，基于回归随机森林算法确定目标员工的工作量，并生成所述目标员工的工作量高斯分布图；
分配模块，基于所述多峰高斯分布图及所述工作量高斯分布图对所述目标员工的工作量进行均衡分配。
CN202010863268.3A 2020-08-25 2020-08-25 一种项目型任务的工作量均衡分配方法和设备 Pending CN111950929A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010863268.3A CN111950929A (zh) 2020-08-25 2020-08-25 一种项目型任务的工作量均衡分配方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010863268.3A CN111950929A (zh) 2020-08-25 2020-08-25 一种项目型任务的工作量均衡分配方法和设备

Publications (1)

Publication Number Publication Date
CN111950929A true CN111950929A (zh) 2020-11-17

Family

ID=73367595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010863268.3A Pending CN111950929A (zh) 2020-08-25 2020-08-25 一种项目型任务的工作量均衡分配方法和设备

Country Status (1)

Country Link
CN (1) CN111950929A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112905435A (zh) * 2021-03-25 2021-06-04 建信金融科技有限责任公司 基于大数据的工作量评估方法、装置、设备及存储介质
CN112966971A (zh) * 2021-03-30 2021-06-15 建信金融科技有限责任公司 一种项目工作量评估方法和装置
CN117114320A (zh) * 2023-08-25 2023-11-24 上海宜软检测技术有限公司 一种项目工时管理方法及系统
CN117611101A (zh) * 2023-12-15 2024-02-27 济南中建建筑设计院有限公司 一种工程设计项目流程管理系统及其方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7356376B1 (en) * 2005-09-08 2008-04-08 At&T Corp Work when ready load balancing using critical dates
CN107590898A (zh) * 2017-09-07 2018-01-16 上海矩点医疗科技有限公司 医院患者分流排队模型的构建方法
CN108335228A (zh) * 2017-12-26 2018-07-27 南京海兴电网技术有限公司 一种基于改进bp神经网络的配电网中工作量均衡派单方法
CN108364109A (zh) * 2017-09-06 2018-08-03 广东电网有限责任公司佛山供电局 面向配网调度日常工作量统计及人员配置的方法及系统
CN108921430A (zh) * 2018-06-29 2018-11-30 合肥微商圈信息科技有限公司 一种项目工作量的获取方法及系统
CN109284895A (zh) * 2018-08-15 2019-01-29 平安普惠企业管理有限公司 项目任务分配方法、装置、计算机设备及存储介质
CN109978293A (zh) * 2017-12-27 2019-07-05 顺丰科技有限公司 一种多任务智能排班方法、装置、设备和存储介质
CN110490379A (zh) * 2019-08-13 2019-11-22 山东建筑大学 基于mcmc的办公室人员用能行为预测方法及系统
CN110766269A (zh) * 2019-09-02 2020-02-07 平安科技（深圳）有限公司 一种任务分配方法、装置、可读存储介质及终端设备
CN110855484A (zh) * 2019-11-06 2020-02-28 携程旅游信息技术（上海）有限公司 自动检测业务量变化的方法、系统、电子设备和存储介质
CN110861089A (zh) * 2019-11-29 2020-03-06 北京理工大学 一种多机器人系统任务均衡分配协同工作控制方法
CN111340334A (zh) * 2020-02-12 2020-06-26 国网湖南省电力有限公司 一种智能工单分派方法、系统及介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7356376B1 (en) * 2005-09-08 2008-04-08 At&T Corp Work when ready load balancing using critical dates
CN108364109A (zh) * 2017-09-06 2018-08-03 广东电网有限责任公司佛山供电局 面向配网调度日常工作量统计及人员配置的方法及系统
CN107590898A (zh) * 2017-09-07 2018-01-16 上海矩点医疗科技有限公司 医院患者分流排队模型的构建方法
CN108335228A (zh) * 2017-12-26 2018-07-27 南京海兴电网技术有限公司 一种基于改进bp神经网络的配电网中工作量均衡派单方法
CN109978293A (zh) * 2017-12-27 2019-07-05 顺丰科技有限公司 一种多任务智能排班方法、装置、设备和存储介质
CN108921430A (zh) * 2018-06-29 2018-11-30 合肥微商圈信息科技有限公司 一种项目工作量的获取方法及系统
CN109284895A (zh) * 2018-08-15 2019-01-29 平安普惠企业管理有限公司 项目任务分配方法、装置、计算机设备及存储介质
CN110490379A (zh) * 2019-08-13 2019-11-22 山东建筑大学 基于mcmc的办公室人员用能行为预测方法及系统
CN110766269A (zh) * 2019-09-02 2020-02-07 平安科技（深圳）有限公司 一种任务分配方法、装置、可读存储介质及终端设备
CN110855484A (zh) * 2019-11-06 2020-02-28 携程旅游信息技术（上海）有限公司 自动检测业务量变化的方法、系统、电子设备和存储介质
CN110861089A (zh) * 2019-11-29 2020-03-06 北京理工大学 一种多机器人系统任务均衡分配协同工作控制方法
CN111340334A (zh) * 2020-02-12 2020-06-26 国网湖南省电力有限公司 一种智能工单分派方法、系统及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
撒文奇: "基于物联网的地下洞室群施工专家信息系统研究与开发", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112905435A (zh) * 2021-03-25 2021-06-04 建信金融科技有限责任公司 基于大数据的工作量评估方法、装置、设备及存储介质
CN112905435B (zh) * 2021-03-25 2023-06-27 建信金融科技有限责任公司 基于大数据的工作量评估方法、装置、设备及存储介质
CN112966971A (zh) * 2021-03-30 2021-06-15 建信金融科技有限责任公司 一种项目工作量评估方法和装置
CN112966971B (zh) * 2021-03-30 2022-09-13 建信金融科技有限责任公司 一种项目工作量评估方法和装置
CN117114320A (zh) * 2023-08-25 2023-11-24 上海宜软检测技术有限公司 一种项目工时管理方法及系统
CN117114320B (zh) * 2023-08-25 2024-02-27 上海宜软检测技术有限公司 一种项目工时管理方法及系统
CN117611101A (zh) * 2023-12-15 2024-02-27 济南中建建筑设计院有限公司 一种工程设计项目流程管理系统及其方法
CN117611101B (zh) * 2023-12-15 2024-04-26 济南中建建筑设计院有限公司 一种工程设计项目流程管理系统及其方法

Similar Documents

Publication Publication Date Title
CN111950929A (zh) 一种项目型任务的工作量均衡分配方法和设备
Nilashi et al. MCPCM: a DEMATEL-ANP-based multi-criteria decision-making approach to evaluate the critical success factors in construction projects
CN109144724A (zh) 一种微服务资源调度系统及方法
Saleh Effort and cost allocation in medium to large software development projects
Capece et al. A practical proposal for a “competence plan fulfillment” key performance indicator
Wanderley et al. Proposal of risk management metrics for multiple project software development
CN114971356A (zh) 一种电力工程项目进度预测系统及方法
KR20220115357A (ko) 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치
Choudhari et al. Simulation modeling for manpower planning in electrical maintenance service facility
Komljenovic et al. Asset management in electrical utilities in the context of business and operational complexity
Kafiabad et al. Robust collaborative maintenance logistics network design and planning
Nawrocki et al. Data-driven adaptive prediction of cloud resource usage
Bai et al. Modeling for external stakeholder risk assessment of project portfolios
Azadeh et al. A unique fuzzy multivariate modeling approach for performance optimization of maintenance workshops with cognitive factors
Große Kamphake et al. Digitalization in controlling
Liu A coordinated scheduling system for customer orders scheduling problem in job shop environments
Kostakis et al. Integrating activity‐based costing with simulation and data mining
Neha et al. Software reliability allocation incorporating Pythagorean fuzzy theory and AHP
Bazaz et al. Comparative study of risk assessment models corresponding to risk elements
Sreenivasan et al. A probabilistic model for predicting service level adherence of application support projects
Djedović et al. A combined process mining for improving business process
Müller et al. On the utility of machine learning for service capacity management of enterprise applications
Buliali A model of reliability, average reliability, availability, maintainability and supportability for services with system dynamics approach
Wohlin et al. Reducing time to market through optimization with respect to soft factors
Rajavat et al. A quantitative model for the evaluation of reengineering risk in infrastructure perspective of legacy system

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