CN112184939A - 员工考勤情况的判定方法、装置、存储介质及电子设备 - Google Patents
员工考勤情况的判定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112184939A CN112184939A CN202010917168.4A CN202010917168A CN112184939A CN 112184939 A CN112184939 A CN 112184939A CN 202010917168 A CN202010917168 A CN 202010917168A CN 112184939 A CN112184939 A CN 112184939A
- Authority
- CN
- China
- Prior art keywords
- record
- time
- attendance
- leave
- target employee
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000010801 machine learning Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004080 punching Methods 0.000 claims description 114
- 238000007639 printing Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1091—Recording time for administrative or management purposes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数据处理技术领域,具体涉及一种员工考勤情况的判定方法、装置、存储介质及电子设备,解决了相关技术中由于通过员工在当日内的上下班打卡时间记录来判定员工的考勤情况,导致考勤判定错误且无法满足多班次不同上下班考勤需求的问题。该方法包括:采用最新上下班打卡记录、最新加班记录和所属班次数据作为输入,通过训练后的机器学习模型计算得到目标员工的准确上下班打卡时间,避免上下班打卡不在考勤日24小时内时,造成的考勤判定错误的情况;采用目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据等多个维度判定目标员工的考勤情况,更加准确的同时,能够满足多班次复杂情况下的考勤工作。
Description
技术领域
本申请涉及数据处理技术领域,特别地涉及一种员工考勤情况的判定方法、装置、存储介质及电子设备。
背景技术
考勤,即考查出勤,是指通过某种方式来获得学生、员工或者某些团体、个人在某个特定的场所及特定的时间段内的出勤情况,包括上下班、迟到、早退、病假、婚假、丧假、公休、工作时间、加班情况等。而严明的劳动纪律和良好的工作作风,也是推动科学化管理、打造高素质团队的前提要求。
目前员工考勤情况的判定方法,是通过员工在当日内的上下班打卡时间记录来判定员工的考勤情况。此时若有员工加班到第二天凌晨后,此时打卡时间记录的就是该员工当天下班没有打卡,第二天多次打卡的考勤情况,继而导致考勤判定错误。并且随着团队和公司的发展壮大,在同一个公司内可能存在多个班次不同上下班时间的情况,简单的通过员工在当日内的上下班打卡时间记录来判定员工的考勤情况已经明显无法满足公司需求。
发明内容
针对上述问题,本申请提供一种员工考勤情况的判定方法、装置、存储介质及电子设备,解决了相关技术中由于通过员工在当日内的上下班打卡时间记录来判定员工的考勤情况,导致考勤判定错误且无法满足多班次不同上下班考勤需求的技术问题。
第一方面,本申请提供了一种员工考勤情况的判定方法,所述方法包括:
获取距离当前时间预设时间内的目标员工的上下班打卡记录、加班记录、请假记录、出差记录、门禁记录以及所属班次数据;其中,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录;
将所述目标员工的最新上下班打卡记录、最新加班记录和所属班次数据作为输入,导入到训练后的机器学习模型中,得到所述目标员工的准确上下班打卡时间;
根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况。
可选的,所述机器学习模型的训练过程,包括:
采集每个员工的历史上下班打卡记录、历史加班记录、所属班次数据和历史准确上下班打卡时间;
将所述每个员工的历史上下班打卡记录、历史加班记录、所属班次数据和历史准确上下班打卡时间作为输入,导入到机器学习模型中进行训练,得到训练后的机器学习模型。
可选的,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录,包括:
分别判断一个预设时间间隔的两次数据获取得到的上下班打卡记录和加班记录是否相同,
若判定两次数据获取得到的上下班打卡记录相同,则不更新已获取的上下班打卡记录;
若判定两次数据获取得到的上下班打卡记录不同,则将后一次获取的上下班打卡记录替换已获取的上下班打卡记录;
若判定两次数据获取得到的加班记录相同,则不更新已获取的加班记录;
若判定两次数据获取得到的加班记录不同,则将后一次获取的加班记录替换已获取的加班记录。
可选的,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录,包括:
分别判断每个预设时间间隔后,最新获取得到的上下班打卡记录和加班记录是否与已获取的上下班打卡记录和加班记录相同,
若判定最新获取得到的上下班打卡记录与已获取的上下班打卡记录相同,则不更新已获取的上下班打卡记录;
若判定最新获取得到的上下班打卡记录与已获取的上下班打卡记录不同,则将最新获取得到的上下班打卡记录替换已获取的上下班打卡记录;
若判定最新获取得到的加班记录与已获取的加班记录相同,则不更新已获取的加班记录;
若判定最新获取得到的加班记录与已获取的加班记录不同,则将最新获取得到的加班记录替换已获取的加班记录。
可选的,当所述目标员工的准确上下班打卡时间均存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
判断所述目标员工的准确上班打卡时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的准确上班打卡时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的准确上班打卡时间的时间,则判定所述目标员工迟到;
判断所述目标员工的准确下班打卡时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述目标员工的准确下班打卡时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的准确下班打卡时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间,则判定所述目标员工早退。
可选的,当所述目标员工的准确上下班打卡时间均不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
查找所述预设时间内的请假记录和出差记录,判断所述预设时间内的请假记录和出差记录是否包含考勤日的全部工作时间,
若是,则判定所述目标员工请假或出差;
若否,则判断所述请假记录中的请假时间是否分多个时间段,且每个时间段包含所述目标员工所属班次规定的工作时间段,
若是,则判定所述目标员工请假;
若否,则判定所述目标员工旷工。
可选的,当所述目标员工的准确上班打卡时间存在记录,准确下班打卡时间不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
判断所述目标员工的准确上班打卡时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的准确上班打卡时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的准确上班打卡时间的时间,则判定所述目标员工迟到;
查找所述门禁记录,判断所述目标员工考勤日的最晚门禁记录时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述最晚门禁记录时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的最晚门禁记录时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间的时间,则判定所述目标员工早退。
可选的,当所述目标员工的准确下班打卡时间存在记录,准确上班打卡时间不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
查找所述门禁记录,判断所述目标员工考勤日的最早门禁记录时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的最早门禁记录时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的最早门禁记录时间的时间,则判定所述目标员工迟到;
判断所述目标员工的准确下班打卡时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述目标员工的准确下班打卡时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的准确下班打卡时间的时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间的时间,则判定所述目标员工早退。
可选的,当所述目标员工的准确上下班打卡时间均存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
对所述目标员工在考勤日的所有门禁记录按照时间进行排序;
判断是否存在早于所述目标员工所属班次规定的休息开始时间的门禁记录,若否,则判定所述目标员工正常开始休息;
若是,则查找请假记录,若所述请假记录中的请假时间包含所述早于休息开始时间的门禁记录时间到所属班次规定的休息开始时间的时间区间,则判定所述目标员工正常开始休息;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工所属班次规定的休息开始时间,则判定所述目标员工早退;
判断是否存在晚于所述目标员工所属班次规定的休息结束时间的门禁记录,若否,则判定所述目标员工正常结束休息;
若是,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的休息结束时间到所述晚于休息结束时间的门禁记录时间的时间区间,则判定所述目标员工正常结束休息;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工所属班次规定的休息结束时间,或查找到所述请假记录中的请假时间的结束时间早于所述晚于休息结束时间的门禁记录时间,则判定所述目标员工迟到。
可选的,所述预设时间为72小时。
第二方面,一种员工考勤情况的判定装置,所述装置包括:
获取单元,用于获取距离当前时间预设时间内的目标员工的上下班打卡记录、加班记录、请假记录、出差记录、门禁记录以及所属班次数据;其中,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录;
计算单元,用于将所述目标员工的最新上下班打卡记录、最新加班记录和所属班次数据作为输入,导入到训练后的机器学习模型中,得到所述目标员工的准确上下班打卡时间;
判断单元,用于根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况。
第三方面,一种存储介质,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现如上述第一方面所述的员工考勤情况的判定方法。
第四方面,一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述存储器和所述处理器之间互相通信连接,该计算机程序被所述处理器执行时,执行如上述第一方面所述的员工考勤情况的判定方法。
本申请提供的一种员工考勤情况的判定方法、装置、存储介质及电子设备,相交于现有技术的有益效果包括:
1、采用最新上下班打卡记录、最新加班记录和所属班次数据作为输入,通过训练后的机器学习模型计算得到所述目标员工的准确上下班打卡时间,避免上下班打卡不在考勤日24小时内时,造成的考勤判定错误的情况。
2、采用目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据等多个维度判定目标员工的考勤情况,更加准确的同时,能够满足多班次复杂情况下的考勤工作。
附图说明
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,下面将对实施例或现有技术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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种员工考勤情况的判定方法的流程示意图;
图2为本申请实施例提供的一种员工考勤情况的判定装置的结构示意图;
图3为本申请实施例提供的一种电子设备的连接框图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本申请的保护范围之内。
由背景技术可知,目前员工考勤情况的判定方法,是通过员工在当日内的上下班打卡时间记录来判定员工的考勤情况。此时若有员工加班到第二天凌晨后,此时打卡时间记录的就是该员工当天下班没有打卡,第二天多次打卡的考勤情况,继而导致考勤判定错误。并且随着团队和公司的发展壮大,在同一个公司内可能存在多个班次不同上下班时间的情况,简单的通过员工在当日内的上下班打卡时间记录来判定员工的考勤情况已经明显无法满足公司需求。
有鉴于此,本申请提供一种员工考勤情况的判定方法、装置、存储介质及电子设备,解决了相关技术中由于通过员工在当日内的上下班打卡时间记录来判定员工的考勤情况,导致考勤判定错误且无法满足多班次不同上下班考勤需求的技术问题。
实施例一
图1为本申请实施例提供的一种员工考勤情况的判定方法的流程示意图,如图1所示,本方法包括:
S101、获取距离当前时间预设时间内的目标员工的上下班打卡记录、加班记录、请假记录、出差记录、门禁记录以及所属班次数据。
在步骤S101中,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录。
S102、将所述目标员工的最新上下班打卡记录、最新加班记录和所属班次数据作为输入,导入到训练后的机器学习模型中,得到所述目标员工的准确上下班打卡时间。
S103、根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况。
可选的,所述预设时间为72小时。
需要说明的是,考虑到不同班次上班时间的不同,以及早上加班上班打卡时间早于考勤日当天凌晨12点,或者,晚上加班下班打卡时间晚于考勤日第二日凌晨12点的情况,将所述预设时间设为三天72小时是一个比较合理的时间设置,但实际上是可以根据不同公司的具体情况,自行设定所述预设时间的长度,只要是能得到合理且准确的得到员工上下班打卡时间而设置的预设时间,均在本发明的保护范围之内。
进一步需要说明的是,随着公司或团体的发展,上班班次越来越多,甚至可能达到上百个班次。不同的班次就有不同的上下班时间。同时不同的班次的休息时间可能也不止一段,例如班车司机,只在其他员工上下班的时间作为上班时间,一天可能是包含早中晚三个班次,或者其他特殊的工种的排班都会存在类似比较特殊的班次情况,不能单一的采用简单的上下班打卡来判别考勤。再比如一名员工正常的上班时间为朝九晚五,但由于加班原因,下班时间跨过考勤日12点,但是此时他的打卡记录必然是考勤日当天下班没有打卡,而第二天可能有多次卡的情况发生,就可能被记为早退。
因此,本申请选择采用多维度数据作为判定员工考勤情况,具体包括员工的上下班打卡记录、加班记录、请假记录、出差记录、门禁记录以及所属班次数据,以此达到准确判定员工考勤情况的目的。
可选的,所述机器学习模型的训练过程,包括:
采集每个员工的历史上下班打卡记录、历史加班记录、所属班次数据和历史准确上下班打卡时间;
将所述每个员工的历史上下班打卡记录、历史加班记录、所属班次数据和历史准确上下班打卡时间作为输入,导入到机器学习模型中进行训练,得到训练后的机器学习模型。
需要说明的是,本申请采用了大数据交叉验证方法,将包括常用班次与特殊的一些班次,例如,上班时间跨过12点,下班时间跨过12点的班次,以及对所有员工的历史上下班打卡记录、历史加班记录、所属班次数据和历史准确上下班打卡时间之间关联关系的分析,通过机器学习的方式进行训练,最终得出一套适用于所有班次能够计算出员工准确上下班打卡时间的机器学习模型。
具体的,所述训练后的机器学习模型,本质上就是在计算每个员工每天的上下班打卡时间时。综合参考多维度不同特殊情况(例如,加班和所属班次)最终判定员工的考勤情况。每次计算一个员工准确的上下班卡时间时,就会获取输入的包含至少将该员工的考勤日前一天上下班打卡时间、考勤日上下班打卡时间和考勤日后一天上下班打卡时间,同时将所有的打卡时间进行排序,然后参考该员工的加班记录和所属班次确定取值区间进行取值,在取值中从中得到的最小值和最大值实际上就是该员工的准确上班打卡时间和准确下班打卡时间。
可选的,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录,包括:
分别判断一个预设时间间隔的两次数据获取得到的上下班打卡记录和加班记录是否相同,
若判定两次数据获取得到的上下班打卡记录相同,则不更新已获取的上下班打卡记录;
若判定两次数据获取得到的上下班打卡记录不同,则将后一次获取的上下班打卡记录替换已获取的上下班打卡记录;
若判定两次数据获取得到的加班记录相同,则不更新已获取的加班记录;
若判定两次数据获取得到的加班记录不同,则将后一次获取的加班记录替换已获取的加班记录。
可选的,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录,包括:
分别判断每个预设时间间隔后,最新获取得到的上下班打卡记录和加班记录是否与已获取的上下班打卡记录和加班记录相同,
若判定最新获取得到的上下班打卡记录与已获取的上下班打卡记录相同,则不更新已获取的上下班打卡记录;
若判定最新获取得到的上下班打卡记录与已获取的上下班打卡记录不同,则将最新获取得到的上下班打卡记录替换已获取的上下班打卡记录;
若判定最新获取得到的加班记录与已获取的加班记录相同,则不更新已获取的加班记录;
若判定最新获取得到的加班记录与已获取的加班记录不同,则将最新获取得到的加班记录替换已获取的加班记录。
需要说明的是,由于不同公司制度或特殊情况的原因,员工的加班记录和上下班打卡记录可能存在补卡等,修改记录的情况,因此,通过预设时间间隔来对以获取的加班记录和上下班打卡记录进行更新,以保证获取的加班记录和上下班打卡记录是最新的、最准确的。
具体的,可以设置开始获取考勤日当天加班记录和上下班打卡记录的时间为凌晨12点05分,预设时间间隔为5分钟,也可以根据不同公司的具体情况,自行设定所述预设时间间隔的长度,只要是为保证获取的加班记录和上下班打卡记录是最新的、最准确的而设置的预设时间间隔,均在本发明的保护范围之内。
可选的,当所述目标员工的准确上下班打卡时间均存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
判断所述目标员工的准确上班打卡时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的准确上班打卡时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的准确上班打卡时间的时间,则判定所述目标员工迟到;
判断所述目标员工的准确下班打卡时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述目标员工的准确下班打卡时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的准确下班打卡时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间,则判定所述目标员工早退。
需要说明的是,员工在实际工作可能会因为各种原因或特殊情况造成不同的上下班打卡记录的情况,其中,当所述目标员工的准确上下班打卡时间均存在记录时,此时需参考目标员工所属班次的上下班应打卡时间,与该员工的准确上下班打卡时间作比较,参考请假记录最终判定该员工的考勤情况。
可选的,当所述目标员工的准确上下班打卡时间均不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
查找所述预设时间内的请假记录和出差记录,判断所述预设时间内的请假记录和出差记录是否包含考勤日的全部工作时间,
若是,则判定所述目标员工请假或出差;
若否,则判断所述请假记录中的请假时间是否分多个时间段,且每个时间段包含所述目标员工所属班次规定的工作时间段,
若是,则判定所述目标员工请假;
若否,则判定所述目标员工旷工。
需要说明的是,员工在实际工作可能会因为各种原因或特殊情况造成不同的上下班打卡记录的情况,其中,当所述目标员工的准确上下班打卡时间均不存在记录时,此时需参考请假记录、出差记录最终判定该员工的考勤情况。
可选的,当所述目标员工的准确上班打卡时间存在记录,准确下班打卡时间不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
判断所述目标员工的准确上班打卡时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的准确上班打卡时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的准确上班打卡时间的时间,则判定所述目标员工迟到;
查找所述门禁记录,判断所述目标员工考勤日的最晚门禁记录时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述最晚门禁记录时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的最晚门禁记录时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间的时间,则判定所述目标员工早退。
需要说明的是,员工在实际工作可能会因为各种原因或特殊情况造成不同的上下班打卡记录的情况,其中,当所述目标员工的准确上班打卡时间存在记录,准确下班打卡时间不存在记录时,此时需参考目标员工所属班次的上班应打卡时间与该员工的准确上班打卡时间作比较,以及参考门禁记录与该员工的准确下班打卡时间作比较,再参考请假记录最终判定该员工的考勤情况。
可选的,当所述目标员工的准确下班打卡时间存在记录,准确上班打卡时间不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
查找所述门禁记录,判断所述目标员工考勤日的最早门禁记录时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的最早门禁记录时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的最早门禁记录时间的时间,则判定所述目标员工迟到。
判断所述目标员工的准确下班打卡时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述目标员工的准确下班打卡时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的准确下班打卡时间的时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间的时间,则判定所述目标员工早退。
需要说明的是,员工在实际工作可能会因为各种原因或特殊情况造成不同的上下班打卡记录的情况,其中,当所述目标员工的准确下班打卡时间存在记录,准确上班打卡时间不存在记录时,此时需参考门禁记录与该员工的准确上班打卡时间作比较,以及目标员工所属班次的下班应打卡时间与该员工的准确下班打卡时间作比较,再参考请假记录最终判定该员工的考勤情况。
可选的,当所述目标员工的准确上下班打卡时间均存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
对所述目标员工在考勤日的所有门禁记录按照时间进行排序;
判断是否存在早于所述目标员工所属班次规定的休息开始时间的门禁记录,若否,则判定所述目标员工正常开始休息;
若是,则查找请假记录,若所述请假记录中的请假时间包含所述早于休息开始时间的门禁记录时间到所属班次规定的休息开始时间的时间区间,则判定所述目标员工正常开始休息;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工所属班次规定的休息开始时间,则判定所述目标员工早退;
判断是否存在晚于所述目标员工所属班次规定的休息结束时间的门禁记录,若否,则判定所述目标员工正常结束休息;
若是,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的休息结束时间到所述晚于休息结束时间的门禁记录时间的时间区间,则判定所述目标员工正常结束休息;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工所属班次规定的休息结束时间,或查找到所述请假记录中的请假时间的结束时间早于所述晚于休息结束时间的门禁记录时间,则判定所述目标员工迟到。
需要说明的是,员工可能会属于同一天的多个班次,在相邻两个班次之间会存在休息时间,此时通过门禁记录判断员工是否按照规定进行休息,由于员工在实际工作可能会因为各种原因或特殊情况造成不同的门禁记录的情况,此时需将员工所属班次规定的休息开始时间、休息结束时间和门禁记录作比较,参考请假记录最终判定该员工的考勤情况。
为了便于理解,下面以具体实施例进行说明:
公司内某员工所属班次的工作时间为7:30-12:00和13:00-19:30,那么如果员工在考勤日7:30之前或者19:30之后打卡,则该员工属于正常上下班打卡,考勤正常,如果员工在考勤日7:30之后或者19:30之前打卡,则需要判定是否7:30或7:30之前有请假记录或者19:30之前的请假记录,如果没有查找到相关请假记录,则该员工属于迟到或者早退,考勤情况异常。
对于拥有多段休息的班次,例如某员工所属班次的工作时间为06:30-08:30、11:00-15:00、17:00-18:15,可见,其所属班次包含两段休息时间,那么每一段休息时间都需要参考门禁时间和请假记录作比较,判断员工是否正常休息。例如,请假时间在6:30-09:00,门禁记录时间为10:55,那么请假时间结束就是属于晚于第一段工作时间的结束时间,又在第一段休息结束时间之前存在门禁记录,因此可以判定员工第一段休息属于正常休息。
综上所述,本申请实施例提供了一种员工考勤情况的判定方法,该方法包括,采用最新上下班打卡记录、最新加班记录和所属班次数据作为输入,通过训练后的机器学习模型计算得到所述目标员工的准确上下班打卡时间,避免上下班打卡不在考勤日24小时内时,造成的考勤判定错误的情况;采用目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据等多个维度判定目标员工的考勤情况,更加准确的同时,能够满足多班次复杂情况下的考勤工作。
实施例二
基于上述本发明实施例公开的员工考勤情况的判定方法,图2具体公开了应用该员工考勤情况的判定方法的员工考勤情况的判定装置。
如图2所示,本发明另一实施例公开了一种员工考勤情况的判定装置,该装置包括:
获取单元201,用于获取距离当前时间预设时间内的目标员工的上下班打卡记录、加班记录、请假记录、出差记录、门禁记录以及所属班次数据;其中,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录;
计算单元202,用于将所述目标员工的最新上下班打卡记录、最新加班记录和所属班次数据作为输入,导入到训练后的机器学习模型中,得到所述目标员工的准确上下班打卡时间;
判断单元203,用于根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况。
以上本发明实施例公开的员工考勤情况的判定装置中的数据获取单元201、计算单元202和判断单元203的具体工作过程,可参见本发明上述实施例公开的员工考勤情况的判定方法中的对应内容,这里不再进行赘述。
综上所述,本申请实施例提供了一种员工考勤情况的判定装置,采用最新上下班打卡记录、最新加班记录和所属班次数据作为输入,通过训练后的机器学习模型计算得到所述目标员工的准确上下班打卡时间,避免上下班打卡不在考勤日24小时内时,造成的考勤判定错误的情况;采用目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据等多个维度判定目标员工的考勤情况,更加准确的同时,能够满足多班次复杂情况下的考勤工作。
实施例三
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,该计算机程序被处理器执行时可以实现如实施例一的方法步骤,本实施例在此不再重复赘述。
实施例四
图3为本申请实施例提供的一种电子设备500的连接框图,如图3所示,该电子设备500可以包括:处理器501,存储器502,以及通信组件503。
其中,处理器501用于执行如实施例一中的员工考勤情况的判定方法中的全部或部分步骤。存储器502用于存储各种类型的数据,这些数据例如可以包括电子设备中的任何应用程序或方法的指令,以及应用程序相关的数据。
处理器501可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable LogicDevice,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例一中的员工考勤情况的判定方法。
存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
通信组件503用于该电子设备500与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near Field Communication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件503可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
综上,本申请提供的一种员工考勤情况的判定方法、装置、存储介质及电子设备,该方法包括:采用最新上下班打卡记录、最新加班记录和所属班次数据作为输入,通过训练后的机器学习模型计算得到所述目标员工的准确上下班打卡时间,避免上下班打卡不在考勤日24小时内时,造成的考勤判定错误的情况;采用目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据等多个维度判定目标员工的考勤情况,更加准确的同时,能够满足多班次复杂情况下的考勤工作。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的方法,也可以通过其它的方式实现。以上所描述的方法实施例仅仅是示意性的。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上,但上述的内容只是为了便于理解本申请而采用的实施方式,并非用以限定本申请。任何本申请所属技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (13)
1.一种员工考勤情况的判定方法,其特征在于,所述方法包括:
获取距离当前时间预设时间内的目标员工的上下班打卡记录、加班记录、请假记录、出差记录、门禁记录以及所属班次数据;其中,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录;
将所述目标员工的最新上下班打卡记录、最新加班记录和所属班次数据作为输入,导入到训练后的机器学习模型中,得到所述目标员工的准确上下班打卡时间;
根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况。
2.根据权利要求1所述的判定方法,其特征在于,所述机器学习模型的训练过程,包括:
采集每个员工的历史上下班打卡记录、历史加班记录、所属班次数据和历史准确上下班打卡时间;
将所述每个员工的历史上下班打卡记录、历史加班记录、所属班次数据和历史准确上下班打卡时间作为输入,导入到机器学习模型中进行训练,得到训练后的机器学习模型。
3.根据权利要求1所述的判定方法,其特征在于,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录,包括:
分别判断一个预设时间间隔的两次数据获取得到的上下班打卡记录和加班记录是否相同,
若判定两次数据获取得到的上下班打卡记录相同,则不更新已获取的上下班打卡记录;
若判定两次数据获取得到的上下班打卡记录不同,则将后一次获取的上下班打卡记录替换已获取的上下班打卡记录;
若判定两次数据获取得到的加班记录相同,则不更新已获取的加班记录;
若判定两次数据获取得到的加班记录不同,则将后一次获取的加班记录替换已获取的加班记录。
4.根据权利要求1所述的判定方法,其特征在于,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录,包括:
分别判断每个预设时间间隔后,最新获取得到的上下班打卡记录和加班记录是否与已获取的上下班打卡记录和加班记录相同,
若判定最新获取得到的上下班打卡记录与已获取的上下班打卡记录相同,则不更新已获取的上下班打卡记录;
若判定最新获取得到的上下班打卡记录与已获取的上下班打卡记录不同,则将最新获取得到的上下班打卡记录替换已获取的上下班打卡记录;
若判定最新获取得到的加班记录与已获取的加班记录相同,则不更新已获取的加班记录;
若判定最新获取得到的加班记录与已获取的加班记录不同,则将最新获取得到的加班记录替换已获取的加班记录。
5.根据权利要求1所述的判定方法,其特征在于,当所述目标员工的准确上下班打卡时间均存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
判断所述目标员工的准确上班打卡时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的准确上班打卡时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的准确上班打卡时间的时间,则判定所述目标员工迟到;
判断所述目标员工的准确下班打卡时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述目标员工的准确下班打卡时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的准确下班打卡时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间,则判定所述目标员工早退。
6.根据权利要求1所述的判定方法,其特征在于,当所述目标员工的准确上下班打卡时间均不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
查找所述预设时间内的请假记录和出差记录,判断所述预设时间内的请假记录和出差记录是否包含考勤日的全部工作时间,
若是,则判定所述目标员工请假或出差;
若否,则判断所述请假记录中的请假时间是否分多个时间段,且每个时间段包含所述目标员工所属班次规定的工作时间段,
若是,则判定所述目标员工请假;
若否,则判定所述目标员工旷工。
7.根据权利要求1所述的判定方法,其特征在于,当所述目标员工的准确上班打卡时间存在记录,准确下班打卡时间不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
判断所述目标员工的准确上班打卡时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的准确上班打卡时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的准确上班打卡时间的时间,则判定所述目标员工迟到;
查找所述门禁记录,判断所述目标员工考勤日的最晚门禁记录时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述最晚门禁记录时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的最晚门禁记录时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间的时间,则判定所述目标员工早退。
8.根据权利要求1所述的判定方法,其特征在于,当所述目标员工的准确下班打卡时间存在记录,准确上班打卡时间不存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
查找所述门禁记录,判断所述目标员工考勤日的最早门禁记录时间是否早于其所属班次规定的上班打卡时间,
若是,则判定所述目标员工正常上班;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的上班打卡时间到所述目标员工的最早门禁记录时间的时间区间,则判定所述目标员工正常上班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的最早门禁记录时间的时间,则判定所述目标员工迟到;
判断所述目标员工的准确下班打卡时间是否晚于其所属班次规定的下班打卡时间,
若是,则判定所述目标员工正常下班打卡;
若否,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的下班打卡时间到所述目标员工的准确下班打卡时间的时间区间,则判定所述目标员工正常下班打卡;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工的准确下班打卡时间的时间,或查找到所述请假记录中的请假时间的结束时间早于所述目标员工的规定下班打卡时间的时间,则判定所述目标员工早退。
9.根据权利要求1所述的判定方法,其特征在于,当所述目标员工的准确上下班打卡时间均存在记录时,所述根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况,包括:
对所述目标员工在考勤日的所有门禁记录按照时间进行排序;
判断是否存在早于所述目标员工所属班次规定的休息开始时间的门禁记录,
若否,则判定所述目标员工正常开始休息;
若是,则查找请假记录,若所述请假记录中的请假时间包含所述早于休息开始时间的门禁记录时间到所属班次规定的休息开始时间的时间区间,则判定所述目标员工正常开始休息;
若未查找到请假记录或查找到所述请假记录中的请假时间的结束时间早于所述目标员工所属班次规定的休息开始时间,则判定所述目标员工早退;
判断是否存在晚于所述目标员工所属班次规定的休息结束时间的门禁记录,
若否,则判定所述目标员工正常结束休息;
若是,则查找所述请假记录,若查找到所述请假记录中的请假时间包含所述所属班次规定的休息结束时间到所述晚于休息结束时间的门禁记录时间的时间区间,则判定所述目标员工正常结束休息;
若未查找到请假记录或查找到所述请假记录中的请假时间的开始时间晚于所述目标员工所属班次规定的休息结束时间,或查找到所述请假记录中的请假时间的结束时间早于所述晚于休息结束时间的门禁记录时间,则判定所述目标员工迟到。
10.根据权利要求1所述的判定方法,其特征在于,所述预设时间为72小时。
11.一种员工考勤情况的判定装置,其特征在于,所述装置包括:
获取单元,用于获取距离当前时间预设时间内的目标员工的上下班打卡记录、加班记录、请假记录、出差记录、门禁记录以及所属班次数据;其中,所述上下班打卡记录和所述加班记录按照预设时间间隔定时获取并更新记录;
计算单元,用于将所述目标员工的最新上下班打卡记录、最新加班记录和所属班次数据作为输入,导入到训练后的机器学习模型中,得到所述目标员工的准确上下班打卡时间;
判断单元,用于根据所述目标员工的准确上下班打卡时间、请假记录、出差记录、门禁记录以及所属班次数据判定所述目标员工的考勤情况。
12.一种存储介质,其特征在于,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现如权利要求1~10任意一项所述的员工考勤情况的判定方法。
13.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,所述存储器和所述处理器之间互相通信连接,该计算机程序被所述处理器执行时,执行如权利要求1~10任意一项所述的员工考勤情况的判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010917168.4A CN112184939B (zh) | 2020-09-03 | 2020-09-03 | 员工考勤情况的判定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010917168.4A CN112184939B (zh) | 2020-09-03 | 2020-09-03 | 员工考勤情况的判定方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184939A true CN112184939A (zh) | 2021-01-05 |
CN112184939B CN112184939B (zh) | 2022-03-18 |
Family
ID=73925357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010917168.4A Active CN112184939B (zh) | 2020-09-03 | 2020-09-03 | 员工考勤情况的判定方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184939B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990881A (zh) * | 2021-04-14 | 2021-06-18 | 江苏金恒信息科技股份有限公司 | 一种相关方考勤系统及方法 |
CN113269902A (zh) * | 2021-04-27 | 2021-08-17 | 中铁建工集团有限公司 | 一种智慧楼宇职工动向与考勤管理方法及系统 |
CN114333095A (zh) * | 2021-12-31 | 2022-04-12 | 新开普电子股份有限公司 | 一种针对非固定班次的考勤方法及考勤系统 |
CN115409467A (zh) * | 2022-08-08 | 2022-11-29 | 深圳市一页科技有限公司 | 智慧uhr管理方法及其系统 |
CN116343383A (zh) * | 2023-05-30 | 2023-06-27 | 四川三思德科技有限公司 | 一种基于物联网的校园出入管理方法及系统 |
CN116680622A (zh) * | 2023-08-03 | 2023-09-01 | 西安核音智言科技有限公司 | 一种基于残差lstm网络的煤矿出井人员预测方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992007318A1 (en) * | 1990-10-12 | 1992-04-30 | Iex Corporation | Method and system for planning, scheduling and managing personnel |
WO2016176919A1 (zh) * | 2015-05-04 | 2016-11-10 | 中兴通讯股份有限公司 | 一种实现考勤的方法和考勤服务端 |
CN106981037A (zh) * | 2017-03-27 | 2017-07-25 | 临沂大学 | 一种基于校园卡使用记录的学生健康管理系统及方法 |
CN107065696A (zh) * | 2017-05-31 | 2017-08-18 | 重庆大学 | 一种寝室监控方法及装置 |
US20180046988A1 (en) * | 2015-08-10 | 2018-02-15 | Blue Night Co., Ltd. | Method and system for reporting and monitoring location-related activities of mobile devices |
CN108038671A (zh) * | 2017-12-26 | 2018-05-15 | 北京邦邦共赢网络科技有限公司 | 一种智能打卡的方法和装置 |
CN108346202A (zh) * | 2018-01-15 | 2018-07-31 | 广安众道电子商务有限公司 | 一种具有考勤功能的门禁系统 |
CN108364376A (zh) * | 2018-01-15 | 2018-08-03 | 广安众道电子商务有限公司 | 一种门禁与打卡一体的考勤方法 |
CN108846911A (zh) * | 2018-04-13 | 2018-11-20 | 华为技术有限公司 | 一种考勤方法及装置 |
CN108921496A (zh) * | 2018-06-04 | 2018-11-30 | 熊猫电子集团有限公司 | 一种考勤数据统计分析方法与系统 |
CN109255537A (zh) * | 2018-09-10 | 2019-01-22 | 珠海格力电器股份有限公司 | 一种劳动纪律考勤管理方法及系统 |
WO2019100392A1 (zh) * | 2017-11-27 | 2019-05-31 | 齐心商用设备(深圳)有限公司 | 远程考勤的控制方法和系统 |
CN110136313A (zh) * | 2019-05-24 | 2019-08-16 | 岭澳核电有限公司 | 核电站门禁管控方法、装置、计算机设备及存储介质 |
WO2019189179A1 (ja) * | 2018-03-30 | 2019-10-03 | ダイキン工業株式会社 | 情報管理システム |
CN110705971A (zh) * | 2019-10-15 | 2020-01-17 | 绍兴文理学院 | 基于深度学习的考勤管理系统及方法 |
CN111145374A (zh) * | 2018-11-05 | 2020-05-12 | 顺丰科技有限公司 | 一种考勤管理方法、装置及设备、存储介质 |
CN111191834A (zh) * | 2019-12-26 | 2020-05-22 | 北京摩拜科技有限公司 | 用户行为的预测方法、装置及服务器 |
US20200193327A1 (en) * | 2018-12-18 | 2020-06-18 | Fujitsu Limited | Machine learning method |
-
2020
- 2020-09-03 CN CN202010917168.4A patent/CN112184939B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992007318A1 (en) * | 1990-10-12 | 1992-04-30 | Iex Corporation | Method and system for planning, scheduling and managing personnel |
WO2016176919A1 (zh) * | 2015-05-04 | 2016-11-10 | 中兴通讯股份有限公司 | 一种实现考勤的方法和考勤服务端 |
US20180046988A1 (en) * | 2015-08-10 | 2018-02-15 | Blue Night Co., Ltd. | Method and system for reporting and monitoring location-related activities of mobile devices |
CN106981037A (zh) * | 2017-03-27 | 2017-07-25 | 临沂大学 | 一种基于校园卡使用记录的学生健康管理系统及方法 |
CN107065696A (zh) * | 2017-05-31 | 2017-08-18 | 重庆大学 | 一种寝室监控方法及装置 |
WO2019100392A1 (zh) * | 2017-11-27 | 2019-05-31 | 齐心商用设备(深圳)有限公司 | 远程考勤的控制方法和系统 |
CN108038671A (zh) * | 2017-12-26 | 2018-05-15 | 北京邦邦共赢网络科技有限公司 | 一种智能打卡的方法和装置 |
CN108346202A (zh) * | 2018-01-15 | 2018-07-31 | 广安众道电子商务有限公司 | 一种具有考勤功能的门禁系统 |
CN108364376A (zh) * | 2018-01-15 | 2018-08-03 | 广安众道电子商务有限公司 | 一种门禁与打卡一体的考勤方法 |
WO2019189179A1 (ja) * | 2018-03-30 | 2019-10-03 | ダイキン工業株式会社 | 情報管理システム |
CN108846911A (zh) * | 2018-04-13 | 2018-11-20 | 华为技术有限公司 | 一种考勤方法及装置 |
CN108921496A (zh) * | 2018-06-04 | 2018-11-30 | 熊猫电子集团有限公司 | 一种考勤数据统计分析方法与系统 |
CN109255537A (zh) * | 2018-09-10 | 2019-01-22 | 珠海格力电器股份有限公司 | 一种劳动纪律考勤管理方法及系统 |
CN111145374A (zh) * | 2018-11-05 | 2020-05-12 | 顺丰科技有限公司 | 一种考勤管理方法、装置及设备、存储介质 |
US20200193327A1 (en) * | 2018-12-18 | 2020-06-18 | Fujitsu Limited | Machine learning method |
CN110136313A (zh) * | 2019-05-24 | 2019-08-16 | 岭澳核电有限公司 | 核电站门禁管控方法、装置、计算机设备及存储介质 |
CN110705971A (zh) * | 2019-10-15 | 2020-01-17 | 绍兴文理学院 | 基于深度学习的考勤管理系统及方法 |
CN111191834A (zh) * | 2019-12-26 | 2020-05-22 | 北京摩拜科技有限公司 | 用户行为的预测方法、装置及服务器 |
Non-Patent Citations (3)
Title |
---|
HEMANTKUMAR RATHOD,YUDHISTHIR WARE: "《Automated attendance system using machine learning approach》", 《2017 INTERNATIONAL CONFERENCE ON NASCENT TECHNOLOGIES IN ENGINEERING (ICNTE)》 * |
李雄等: "《基于深度学习的人脸识别考勤管理系统开发》", 《实验室研究与探索》 * |
陈海虹: "《机器学习原理及应用》", 31 July 2017 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990881A (zh) * | 2021-04-14 | 2021-06-18 | 江苏金恒信息科技股份有限公司 | 一种相关方考勤系统及方法 |
CN112990881B (zh) * | 2021-04-14 | 2024-04-16 | 江苏金恒信息科技股份有限公司 | 一种相关方考勤系统及方法 |
CN113269902A (zh) * | 2021-04-27 | 2021-08-17 | 中铁建工集团有限公司 | 一种智慧楼宇职工动向与考勤管理方法及系统 |
CN114333095A (zh) * | 2021-12-31 | 2022-04-12 | 新开普电子股份有限公司 | 一种针对非固定班次的考勤方法及考勤系统 |
CN115409467A (zh) * | 2022-08-08 | 2022-11-29 | 深圳市一页科技有限公司 | 智慧uhr管理方法及其系统 |
CN116343383A (zh) * | 2023-05-30 | 2023-06-27 | 四川三思德科技有限公司 | 一种基于物联网的校园出入管理方法及系统 |
CN116680622A (zh) * | 2023-08-03 | 2023-09-01 | 西安核音智言科技有限公司 | 一种基于残差lstm网络的煤矿出井人员预测方法 |
CN116680622B (zh) * | 2023-08-03 | 2023-10-20 | 西安核音智言科技有限公司 | 一种基于残差lstm网络的煤矿出井人员预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112184939B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112184939B (zh) | 员工考勤情况的判定方法、装置、存储介质及电子设备 | |
US7233919B1 (en) | Method and system for tracking time and attendance | |
US8712882B2 (en) | Predictive time entry for workforce management systems | |
US9865171B2 (en) | Geographical positioning in time | |
US20160364669A1 (en) | Dynamic location recommendation for public service vehicles | |
BR102014021631B1 (pt) | Método de agregação de dados, dispositivo computacional e meio de armazenamento legível do processador não transitório | |
CN108241529B (zh) | 薪资计算方法、应用服务器及计算机可读存储介质 | |
CN110265128B (zh) | 门诊加号的方法、装置、电子设备及可读存储介质 | |
US10403171B2 (en) | System providing customized remedial training for drivers | |
EP2618294A1 (en) | Location-type tagging using collected traveler data | |
CN112036795A (zh) | 药品采购计划的确定方法、装置、设备及存储介质 | |
US20220215348A1 (en) | Attendance management method, attendance management program, and attendance management system | |
CN112308636B (zh) | 一种基于市场需求变化的市场需求值的计算方法和装置 | |
CN112652164A (zh) | 一种交通时段划分方法、装置及设备 | |
CN112070463A (zh) | 数据处理方法、装置、设备及存储介质 | |
DE102014210082A1 (de) | Verfahren und System zum Bereitstellen einer Belegungswahrscheinlichkeit von Fahrzeugstellplätzen | |
CN115409467A (zh) | 智慧uhr管理方法及其系统 | |
JP4353862B2 (ja) | 交通流データ予測装置および交通流データ予測方法 | |
JP2007233742A (ja) | 巡回計画作成プログラムおよび巡回計画作成装置 | |
CN111080220A (zh) | 考勤结果确定方法、装置、考勤系统及电子设备 | |
CN111179603B (zh) | 一种车辆识别方法、装置、电子设备及存储介质 | |
CN115019551B (zh) | 场库的余位的校正方法、余位预测模型的训练方法和装置 | |
JP4602813B2 (ja) | 退職金ポイント算出システム及び退職金算出システム | |
CN110956297A (zh) | 一种流失概率的预测处理方法及装置 | |
CN110286880A (zh) | 一种面向GitHub与Travis CI的完整持续集成数据收集方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |