CN112700169A - 一种基于预测与人员反馈的业务过程任务分配方法及系统 - Google Patents

Abstract

本发明提供了一种基于预测与人员反馈的业务过程任务分配方法及系统，涉及业务过程任务分配技术领域，该方法包括：步骤1：任务预处理：获取包含质量要求q以及截止时间d的任务，任务进入任务调度系统；获取对应任务允许接收的人员，使用预测系统预测接受任务的人员预测质量Q_c以及预测时间T_c；步骤2：人员预选择：通过预分配调度系统对满足条件的候选人发出推送，给定等待时间T_w等待人员反馈；步骤3：任务分配阶段：获取人员反馈信息，通过任务调度系统选择人员，分配任务。本发明能够实现推拉相结合的分配方式，在分配人员前由人员反馈，最终根据反馈以及预测的结果选择适合的人员。

Description

一种基于预测与人员反馈的业务过程任务分配方法及系统

技术领域

本发明涉及业务过程任务分配技术领域，具体地，涉及一种基于预测与人员反馈的业务过程任务分配方法及系统。

背景技术

在业务过程中，对不同的任务如何选择合适的人员处理是一个重要的问题。人员在时刻发生变化，完成时间以及完成质量都会受到任务上下文以及人员的状态的影响。

目前业务过程中任务分配的方式主要有：(1)推，由系统对人员以及任务状况进行判断，将任务分配给适合的人员。(2)拉，系统向所有候选人员发送待接收任务，等待人员接受任务并提交。

针对上述现有技术，推拉两种方式存在各自的优势劣势，推的分配方式由系统分配，可以保证系统相对稳定，保证所有任务都有人员负责，但没有考虑到人员自身的状况，不具备灵活性，难以适应复杂的工业生产环境；拉的分配方式相对灵活，但可能会造成任务无人员处理。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于预测与人员反馈的业务过程任务分配方法及系统，能够实现推拉相结合的分配方式，在分配人员前由人员反馈，最终根据反馈以及预测的结果选择适合的人员。

根据本发明提供的一种基于预测与人员反馈的业务过程任务分配方法及系统，所述方案如下：

第一方面，提供一种基于预测与人员反馈的业务过程任务分配方法，所述方法包括：

任务预处理：获取包含质量要求q以及截止时间d的任务，任务进入任务调度系统；获取对应任务允许接收的人员，使用预测系统预测接受任务的人员预测质量Q_c以及预测时间T_c；

人员预选择：通过预分配调度系统对满足条件的候选人发出推送，给定等待时间T_w等待人员反馈；

任务分配阶段：获取人员反馈信息，通过任务调度系统选择人员，分配任务。

优选的，所述预测系统包括：

完成时间预测模块和完成质量预测模块，所述完成时间预测模块用于预测不同人员的预测时间T_c；

所述完成质量预测模块用于预测不同人员的预测质量Q_c。

优选的，所述完成时间预测模块包括：

步骤1-1：获取特定人员p以及特定任务k的历史数据，获取任务上下文C，人员工作负荷L以及对应任务的完成时间T；

其中，任务上下文C为该工作流下启动工作流的多个变量进行编码整合后的向量；

若工作流的变量为字符型变量，则从任务上下文中剔除该变量；

若工作流中的变量为连续变量，则不做处理直接整合；

若工作流中的变量为离散变量，则对变量进行哑元化处理；

步骤1-2：根据获取的任务上下文C，人员负荷L，完成时间T训练回归模型，回归模型公式如下：

其中，

分别代表任务上下文C、任务工作负荷L的回归系数，人员工作负荷L为数值型变量，表示该人员接受任务时的工作负荷，∈分别代表为回归方程残差；

步骤1-3：以当前任务类型k，任务上下文c，人员编号m，人员负荷l作为输入，采用机器学习模型预测不同人员的完成时间T_c。

优选的，所述完成质量预测模块包括：

步骤1-4：以当前任务类型k，任务上下文c，人员编号m，获取对应参数下的所有的案例，获取历史完成质量Q_h；

步骤1-5：对该人员在特定工作流，工作流上下文下所有案例的历史完成质量Q_h取平均值，作为预测质量Q_c。

优选的，所述预分配调度系统包括：

步骤2-1：按序对人员进行遍历，将预测时间T_c≤d且预测质量Q_c≥q的人员，加入预分配队列；

步骤2-2：假定预分配队列不为空，设置等待时间T_w，将任务推送至预分配队列的所有人员，要求人员在等待时间T_w内反馈完成任务的结果；

步骤2-3：假定预分配队列为空，则无法满足截止日期d以及质量要求q的前提下完成任务，分配中止。

优选的，所述任务调度系统选择人员，分配任务包括：

步骤3-1：假定在等待时间T_w内存在人员反馈，获取对应人员的反馈时间T_R，反馈质量Q_R，判断人员反馈是否有效。反馈时间有效的判断公式如下：

其中，n为历史数据量，k为历史数量的阈值，ε_T为n≤k的情况下最大有效反馈时间的比例，T_c为预测不同人员的预测时间；r为历史履约率，θ为履约率阈值，T_{pre_c}为历史预测值，T_{pre_R}为历史反馈值，α为放大系数；

当n≤k时，承诺时间T_R的值大于预测时间T_c的特定比例则用户反馈有效；

当n＞k时，历史履约率r≤θ时，人员反馈无效；

当n＞k时，历史履约率r＞θ时,则根据履约率r以及历史预测值T_{pre_c}，历史反馈值T_{pre_R}判断人员方是否有效；

反馈质量有效的判断公式如下：

其中，ε_Q为n≤k的情况下最大有效反馈质量的比例，Q_{pre_c}为历史预测质量值，Q_{pre_R}为历史反馈质量值；

当n≤k时，承诺时间T_R的值大于预测时间T_c的特定比例则用户反馈有效。当n＞k，历史履约率r≤θ时，人员反馈无效。当n＞k，历史履约率r＞θ时,则根据履约率r以及历史预测值Q_{pre_c}，历史反馈值Q_{pre_R}判断人员方是否有效。

步骤3-2：如果存在人员反馈有效，则根据历史履约率r以及阈值θ对反馈时间T_R以及预测时间T_c进行加权整合为整合时间T_I，对反馈质量Q_R以及预测质量Q_c进行加权整合为整合质量Q_I。整合时间T_I的计算公式如下：

整合质量Q_I的计算公式如下：

步骤3-3：如果人员反馈无效或没有及时反馈，将预测时间T_c作为整合时间T_I，预测质量Q_c作为整合质量Q_I。

步骤3-4：对人员的整合时间以及整合质量进行归一化加权，设置对应的权值γ，计算出预测能力值M_I，加权公式如下：

根据M_I对人员进行降序排序，选择M_I最大且满足截止日期d与质量要求q的人员分配任务。

第二方面，提供了一种基于预测与人员反馈的业务过程任务分配系统，所述系统包括：

任务预处理模块：获取包含质量要求q以及截止时间d的任务，任务进入任务调度系统；获取对应任务允许接收的人员，使用预测系统预测接受任务的人员预测质量Q_c以及预测时间T_c；

人员预选择模块：通过预分配调度系统对满足条件的候选人发出推送，给定等待时间T_w等待人员反馈；

任务分配模块：获取人员反馈信息，通过任务调度系统选择人员，分配任务。

优选的，所述任务预处理模块中的预测系统包括：

完成时间预测模块和完成质量预测模块，所述完成时间预测模块用于预测不同人员的预测时间T_c；

所述完成质量预测模块用于预测不同人员的预测质量Q_c。

优选的，所述完成时间预测模块包括：

步骤1-1：获取特定人员p以及特定任务k的历史数据，获取任务上下文C，人员工作负荷L以及对应任务的完成时间T。

步骤1-2：根据获取的任务上下文C，人员负荷L，完成时间T训练回归模型，回归模型公式如下：

其中，

分别代表任务上下文C、任务工作负荷L的回归系数，∈分别代表为回归方程残差；

步骤1-3：以当前任务类型k，任务上下文c，人员编号m，人员负荷l作为输入，采用机器学习模型预测不同人员的完成时间T_c。

优选的，所述完成质量预测模块包括：

步骤1-4：以当前任务类型k，任务上下文c，人员编号m，获取对应参数下的所有的案例，获取历史完成质量Q_h；

步骤1-5：对该人员在特定工作流，工作流上下文下所有案例的历史完成质量Q_h取平均值，作为预测质量Q_c。

与现有技术相比，本发明具有如下的有益效果：

能够实现推拉相结合的分配方式，该方法在分配人员前由人员反馈，最终根据反馈以及预测的结果选择适合的人员，保证了系统的相对稳定性。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的整体流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明实施例提供了一种基于预测与人员反馈的业务过程任务分配方法，参照图1所示，先从任务预处理阶段进入人员预选择阶段，最后再进入任务分配阶段。其中任务预处理：获取包含质量要求q以及截止时间d的任务，任务进入任务调度系统；获取对应任务允许接收的人员，使用预测系统预测接受任务的人员预测质量Q_c以及预测时间T_c。

在任务预处理阶段中，预测系统包括：完成时间预测模块和完成质量预测模块，完成时间预测模块用于预测不同人员的预测时间T_c；完成质量预测模块则用于预测不同人员的预测质量Q_c。完成时间预测模块的具体方法为：

获取特定人员p以及特定任务k的历史数据，获取任务上下文C，人员工作负荷L以及对应任务的完成时间T。其中，任务上下文C为该工作流下启动工作流的多个变量进行编码整合后的向量。如果工作流的变量为字符型变量，则从任务上下文中剔除该变量；如果工作流中的变量为连续变量，则不做处理直接整合；如果工作流中的变量为离散变量，则对变量进行哑元化处理。假如工作流有字符型变量i,连续变量j,离散变量o，离散变量o总共有两种值，则C为向量[i o₁ o₂]。人员工作负荷L为数值型变量，表示该人员接受任务时的工作负荷，表示该人员接受任务时的工作负荷。

根据获取的任务上下文C，人员负荷L，完成时间T训练回归模型，回归模型公式如下：

其中，

分别代表任务上下文C、任务工作负荷L的回归系数，∈分别代表为回归方程残差；

以当前任务类型k，任务上下文c，人员编号m，人员负荷l作为输入，采用机器学习模型预测不同人员的完成时间T_c。

而其中的完成质量预测模块包括：

以当前任务类型k，任务上下文c，人员编号m，获取对应参数下的所有的案例，获取历史完成质量Q_h；

对该人员在特定工作流，工作流上下文下所有案例的历史完成质量Q_h取平均值，作为预测质量Q_c。

其次，在人员预选择阶段中，通过预分配调度系统对满足条件的候选人发出推送，给定等待时间T_w等待人员反馈；其中的预分配调度系统的具体方法为：

按序对人员进行遍历，将预测时间T_c≤d且预测质量Q_c≥q的人员，加入预分配队列；

假定预分配队列不为空，设置等待时间T_w，将任务推送至预分配队列的所有人员，要求人员在等待时间T_w内反馈完成任务的结果；

假定预分配队列为空，则无法满足截止日期d以及质量要求q的前提下完成任务，分配中止。

最后在任务分配阶段中，获取人员反馈信息，通过任务调度系统选择人员，分配任务。其中任务调度系统的具体方法为：

假定在等待时间T_w内存在人员反馈，获取对应人员的反馈时间T_R，反馈质量Q_R，判断人员反馈是否有效。反馈时间有效的判断公式如下：

其中，n为历史数据量，k为历史数量的阈值，ε_T为n≤k的情况下最大有效反馈时间的比例，T_c为预测不同人员的预测时间；r为历史履约率，θ为履约率阈值，T_{pre_c}为历史预测值，T_{pre_R}为历史反馈值，α为放大系数；

当n≤k时，承诺时间T_R的值大于预测时间T_c的特定比例则用户反馈有效；

当n＞k时，历史履约率r≤θ时，人员反馈无效；

当n＞k时，历史履约率r＞θ时,则根据履约率r以及历史预测值T_{pre_c}，历史反馈值T_{pre_R}判断人员方是否有效；

反馈质量有效的判断公式如下：

其中，ε_Q为n≤k的情况下最大有效反馈质量的比例，Q_{pre_c}为历史预测质量值，Q_{pre_R}为历史反馈质量值；

当n≤k时，承诺时间T_R的值大于预测时间T_c的特定比例则用户反馈有效。当n＞k，历史履约率r≤θ时，人员反馈无效。当n＞k，历史履约率r＞θ时,则根据履约率r以及历史预测值Q_{pre_c}，历史反馈值Q_{pre_R}判断人员方是否有效。

如果存在人员反馈有效，则根据历史履约率r以及阈值θ对反馈时间T_R以及预测时间T_c进行加权整合为整合时间T_I，对反馈质量Q_R以及预测质量Q_c进行加权整合为整合质量Q_I。整合时间T_I的计算公式如下：

整合质量Q_I的计算公式如下：

如果人员反馈无效或没有及时反馈，将预测时间T_c作为整合时间T_I，预测质量Q_c作为整合质量Q_I。

对人员的整合时间以及整合质量进行归一化加权，设置对应的权值γ，计算出预测能力值M_I，加权公式如下：

根据M_I对人员进行降序排序，选择M_I最大且满足截止日期d与质量要求q的人员分配任务。

本发明实施例提供了一种基于预测与人员反馈的业务过程任务分配方法，本发明针对业务过程任务分配中的不足，实现了推拉相结合的分配方式，在分配人员前由人员反馈，最终根据反馈以及预测的结果选择适合的人员。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于预测与人员反馈的业务过程任务分配方法，其特征在于，所述方法包括：

步骤1：任务预处理：获取包含质量要求q以及截止时间d的任务，任务进入任务调度系统；获取对应任务允许接收的人员，使用预测系统预测接受任务的人员预测质量Q_c以及预测时间T_c；

步骤2：人员预选择：通过预分配调度系统对满足条件的候选人发出推送，给定等待时间T_w等待人员反馈；

步骤3：任务分配阶段：获取人员反馈信息，通过任务调度系统选择人员，分配任务。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中的预测系统包括：

完成时间预测模块和完成质量预测模块，所述完成时间预测模块用于预测不同人员的预测时间T_c；

所述完成质量预测模块用于预测不同人员的预测质量Q_c。

3.根据权利要求2所述的方法，其特征在于，所述完成时间预测模块包括：

步骤1-1：获取特定人员p以及特定任务k的历史数据，获取任务上下文C，人员工作负荷L以及对应任务的完成时间T；

其中，任务上下文C为该工作流下启动工作流的多个变量进行编码整合后的向量；

若工作流的变量为字符型变量，则从任务上下文中剔除该变量；

若工作流中的变量为连续变量，则不做处理直接整合；

若工作流中的变量为离散变量，则对变量进行哑元化处理；

步骤1-2：根据获取的任务上下文C，人员负荷L，完成时间T训练回归模型，回归模型公式如下：

其中，

分别代表任务上下文C、任务工作负荷L的回归系数，人员工作负荷L为数值型变量，表示该人员接受任务时的工作负荷，∈分别代表为回归方程残差；

步骤1-3：以任务上下文c，人员负荷1作为输入，采用机器学习模型预测不同人员的完成时间T_c。

4.根据权利要求3所述的方法，其特征在于，所述完成质量预测模块包括：

步骤1-4：以当前任务类型k，任务上下文c，人员编号m，获取对应参数下的所有的案例，获取历史完成质量Q_h；

步骤1-5：对该人员在特定工作流，工作流上下文下所有案例的历史完成质量Q_h取平均值，作为预测质量Q_c。

5.根据权利要求1所述的方法，其特征在于，所述步骤2中的预分配调度系统包括：

步骤2-1：按序对人员进行遍历，将预测时间T_c≤d且预测质量Q_c≥q的人员，加入预分配队列；

步骤2-2：假定预分配队列不为空，设置等待时间T_w，将任务推送至预分配队列的所有人员，要求人员在等待时间T_w内反馈完成任务的结果；

步骤2-3：假定预分配队列为空，则无法满足截止日期d以及质量要求q的前提下完成任务，分配中止。

6.根据权利要求1所述的方法，其特征在于，所述步骤3中的任务调度系统选择人员，分配任务包括：

步骤3-1：假定在等待时间T_w内存在人员反馈，获取对应人员的反馈时间T_R，反馈质量Q_R，判断人员反馈是否有效。反馈时间有效的判断公式如下：

其中，n为历史数据量，k为历史数量的阈值，ε_T为n≤k的情况下最大有效反馈时间的比例，T_c为预测不同人员的预测时间；r为历史履约率，θ为履约率阈值，T_{pre_c}为历史预测值，T_{pre_R}为历史反馈值，α为放大系数；

当n≤k时，承诺时间T_R的值大于预测时间T_c的特定比例则用户反馈有效；

当n＞k时，历史履约率r≤θ时，人员反馈无效；

当n＞k时，历史履约率r＞θ时，则根据履约率r以及历史预测值T_{pre_c}，历史反馈值T_{pre_R}判断人员方是否有效；

反馈质量有效的判断公式如下：

其中，ε_Q为n≤k的情况下最大有效反馈质量的比例，Q_{pre_c}为历史预测质量值，Q_{pre_R}为历史反馈质量值；

当n≤k时，承诺时间T_R的值大于预测时间T_c的特定比例则用户反馈有效。当n＞k，历史履约率r≤θ时，人员反馈无效。当n＞k，历史履约率r＞θ时，则根据履约率r以及历史预测值Q_{pre_c}，历史反馈值Q_{pre_R}判断人员方是否有效。

步骤3-2：如果存在人员反馈有效，则根据历史履约率r以及阈值θ对反馈时间T_R以及预测时间T_c进行加权整合为整合时间T_I，对反馈质量Q_R以及预测质量Q_c进行加权整合为整合质量Q_I。整合时间T_I的计算公式如下：

整合质量Q_I的计算公式如下：

步骤3-3：如果人员反馈无效或没有及时反馈，将预测时间T_c作为整合时间T_I，预测质量Q_c作为整合质量Q_I。

步骤3-4：对人员的整合时间以及整合质量进行归一化加权，设置对应的权值γ，计算出预测能力值M_I，加权公式如下：

根据M_I对人员进行降序排序，选择M_I最大且满足截止日期d与质量要求q的人员分配任务。

7.一种基于预测与人员反馈的业务过程任务分配系统，其特征在于，所述系统包括：

任务预处理模块：获取包含质量要求q以及截止时间d的任务，任务进入任务调度系统；获取对应任务允许接收的人员，使用预测系统预测接受任务的人员预测质量Q_c以及预测时间T_c；

人员预选择模块：通过预分配调度系统对满足条件的候选人发出推送，给定等待时间T_w等待人员反馈；

任务分配模块：获取人员反馈信息，通过任务调度系统选择人员，分配任务。

8.根据权利要求7所述的系统，其特征在于，所述任务预处理模块中的预测系统包括：

完成时间预测模块和完成质量预测模块，所述完成时间预测模块用于预测不同人员的预测时间T_c；

所述完成质量预测模块用于预测不同人员的预测质量Q_c。

9.根据权利要求8所述的系统，其特征在于，所述完成时间预测模块包括：

步骤1-1：获取特定人员p以及特定任务k的历史数据，获取任务上下文C，人员工作负荷L以及对应任务的完成时间T；

步骤1-2：根据获取的任务上下文C，人员负荷L，完成时间T训练回归模型，回归模型公式如下：

其中，

分别代表任务上下文C、任务工作负荷L的回归系数，∈分别代表为回归方程残差；

步骤1-3：以当前任务类型k，任务上下文c，人员编号m，人员负荷1作为输入，采用机器学习模型预测不同人员的完成时间T_c。

10.根据权利要求8所述的系统，其特征在于，所述完成质量预测模块包括：

步骤1-4：以当前任务类型k，任务上下文c，人员编号m，获取对应参数下的所有的案例，获取历史完成质量Q_h；

步骤1-5：对该人员在特定工作流，工作流上下文下所有案例的历史完成质量Q_h取平均值，作为预测质量Q_c。

Images