CN112906952A

CN112906952A - 一种银行流程任务智能调度系统

Info

Publication number: CN112906952A
Application number: CN202110152666.9A
Authority: CN
Inventors: 张镇洋; 黄小明
Original assignee: Bank of Communications Co Ltd
Current assignee: Bank of Communications Co Ltd
Priority date: 2021-02-04
Filing date: 2021-02-04
Publication date: 2021-06-04

Abstract

本发明涉及一种银行流程任务智能调度系统，任务接收模块用以接收任务，并将这些任务暂时储存，同时传输任务要求到智能调度装置；智能调度模块接受具体要求后，以员工历史处理时长、已工作时长、历史处理质量、任务完成时限等为约束条件，通过遗传算法计算得到最优的任务分配方案，并将这些分配方案展示给方案确认模块，进一步由其确认授权；授权后，任务将会根据分配方案分发到各员工操作系统中，则员工根据任务具体要求完成操作；员工完成操作后，自动反馈最新的员工参数到智能调度装置，进行参数更新。与现有技术相比，本发明能够快速、实时将任务均衡分配给员工，使任务能够以最快速度、最好效率和最均衡分配进行分配。

Description

一种银行流程任务智能调度系统

技术领域

本发明涉及信息智能调度技术领域，尤其是涉及一种银行流程任务智能调度系统。

背景技术

当前各大商业银行都进行了集中化运营管理改革，将以往一些在柜台、前台完成的工作，如客户身份资料、汇款单、存款单等各类影像，统一传送到后台由集中化运营中心统一完成。在集中化运营中心接收到任务后，由调度人员手动将任务分配给员工，员工在接收到任务后，在规定时间内完成任务，并将结果提交至系统，系统自动将结果反馈到指定位置或系统。

在当前的任务调度中，主要靠系统随机分配任务或调度人员分配任务，随机分配任务没有考虑到任务完成时限要求、员工已工作时长等多种因素，无法做到最优分配。而调度人员分配任务，需要根据员工的各项历史参数来决定任务分配给哪位员工，这样一方面调度人员的能力有限，在任务高峰时也无法进行最优分配，同时，人力计算各项指标，也消耗掉了不少时间，这在追求时效性的集中化运营管理来说，是背道而驰的。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种银行流程任务智能调度系统，能够提供一组交互界面和指令，由综合员工历史任务处理时长、已工作时长、历史处理质量、任务完成时限要求等多种因素，能够快速、实时将任务均衡分配给员工，使任务能够以最快速度、最好效率和最均衡分配进行分配。

本发明的目的可以通过以下技术方案来实现：

一种银行流程任务智能调度系统，该系统包括：

任务接收模块：接收并暂存各机构、柜台和前台传输的待处理任务影像信息，同时提取各任务影像信息中的基本信息，并将其传输至智能调度模块；所述各任务影像信息中的基本信息包括任务种类、任务数量和处理时限要求。

员工参数统计模块：实时获取各员工的员工参数信息；所述员工参数信息包括员工的工作状态、员工已工作时长以及员工历史处理时长。

智能调度模块：根据任务接收模块发送的各任务影像信息中的基本信息以及员工参数统计模块反馈的员工参数信息，计算并输出最优任务分配方案。进一步地，采用遗传算法计算并输出最优分配方案。

方案确认模块，对最优任务分配方案进行微调及确认授权。所述方案确认模块设有用以与其他模块进行指令交互的信息交互界面。

任务分发模块：接收到最优任务分配方案后，获取任务接收模块预先暂存的待处理任务影像信息，根据确认授权后的最优任务分配方案，将待处理任务影像信息同时传输至员工操作系统中进行实际操作。所述任务分发模块通过即时通信工具的用户界面呈现任务分配信息。

所述智能调度模块采用遗传算法计算并输出最优分配方案具体包括下列步骤：

S1：根据各任务影像信息中的基本信息及员工参数信息构造优化方案目标函数及其约束条件；优化方案目标函数的约束条件包括完成时限约束、员工处于工作状态时不再分派任务约束、员工人数约束、任务数量约束、员工工作时间均衡约束和员工处理质量约束。

S2：构造用以对优化方案目标函数进行求解的适应度函数。

S3：对各分配方案进行初始化，根据各适应度函数计算出各分配方案的适应度函数。

S4：基于各分配方案的适应度函数计算各分配方案被选择进入下一代的概率；

S5：根据进入下一代的概率依次进行基因交叉、基因突变处理。

S6：对进行基因交叉、基因突变后的各分配方案计算适应度函数，再次进入步骤S4进行迭代，直至迭代次数达到指定次数时，停止遗传。

S7：根据遗传算法得到的最后分配方案中，以最大的适应度的方案输出为最优任务分配方案。输出的最优任务分配方案包括员工编号、员工是否分配任务及员工被分配任务的种类。

进一步地，该系统还包括任务反馈模块，用于员工通过操作系统完成任务后，将其操作参数反馈至智能调度模块，在下一次智能调度模块进行计算时，采用新的完成时间、处理质量进行任务分配方案计算。

本发明提供的银行流程任务智能调度系统，相较于现有技术至少包括如下有益效果：

1)本发明可以根据任务的不同种类和要求，结合员工历史处理时长、已工作时长、历史处理质量、任务完成时限等条件，通过遗传算法，计算得到最优的任务分配方案，由调度员确认授权后，将任务分发到各员工操作系统中；并能能够在员工完成操作后及时更新计算参数，可以实现实时、有效、最优的任务分配。

2)本发明系统采用遗传算法进行任务最优方案获取，能够提高系统的负载均衡水平、减少任务处理时间，保证了系统的稳定运行。

3)方案确认模块可将智能调度模块获取的最优调度方案进行微调、优化，能够使最终获取的分配方案更加符合实际需求；且方案确认模块可通过信息交互界面实现与其他模块的指令对接，任务分发模块同样通过即时通信工具的用户界面呈现任务分配信息，有利于提高整体系统的实时操作效率。

附图说明

图1为实施例中银行流程任务智能调度系统的主体框架示意图；

图2为实施例中任务接收模块的原理流程示意图；

图3为实施例中智能调度模块的原理流程示意图；

图4为实施例中遗传算法流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

本发明涉及一种银行流程任务智能调度系统，该系统与员工操作系统连接，以实现快速、实时将任务均衡分配给员工，使得任务可以以最快速度、最好效率和最均衡分配进行分配。该系统包括：任务接收模块、员工参数统计模块、方案确认模块、任务分发模块以及任务反馈模块。其中：

任务接收模块：该模块主要用于接收各机构、柜台、前台等传输过来的待处理影像信息，即任务，并用于暂时存储这些待处理影像，同时提取各任务的基本信息：任务种类、任务数量和处理时限要求，将其传输到下一个模块。

员工参数统计模块：该模块用于实时获取各个员工的员工参数，包括员工的工作状态、员工已工作时长以及员工历史处理时长。

智能调度模块：该模块根据任务接收模块发送的任务的基本信息以及员工参数统计模块反馈的员工参数，采用遗传算法计算并输出最优分配方案。输出方案即为：某员工是否分配任务，以及分配任务的种类。本发明的智能调度模块采用遗传算法计算最优分配方案的具体流程如图2所示，包括下列步骤：

1、构造目标函数

各类参数为：任务完成时限T、任务种类j、任务数量M；是否分配任务D_ij、员工已工作时长work_time、员工历史处理时长t_ij、员工总数N、员工工作状态W_i、处理质量Q_ij、员工编号i。

其中，当员工已处于工作状态时：W_i＝1，处于非工作状态时：W_i＝0。员工已工作时长work_time为当日所有处理任务时长的累计。当分配第i个员工第j种任务时：D_ij＝1，不分配任务时：D_ij＝0。员工历史处理时长t_ij为一个矩阵，如表1所示：

表1员工历史处理时长矩阵参数

	任务种类1	任务种类2	......	任务种类j
					员工1	t<sub>11</sub>	t<sub>12</sub>	......	t<sub>1j</sub>
员工2	t<sub>21</sub>	t<sub>22</sub>	......	t<sub>2j</sub>
					......	......	......	......	......
员工i	t<sub>i1</sub>	t<sub>i2</sub>	......	t<sub>ij</sub>

同理的，处理质量Q_ij也是一个矩阵，其表示的是一个员工i处理任务j历史的质量，该指标等于员工i对历史处理任务j处理的差错总数除以处理总数，即：

Q_ij＝差错笔数/处理总笔数

首先构造优化目标函数，即完成时间最短：

该目标函数采用矩阵乘法计算，即要使得分配任务给的这些员工完成任务时间最长时，目标函数的值要最小。

举例如下：

有任务种类j，任务数量为2，当前有四个员工A、B、C、D，处理任务种类j的时间分别为0.1、0.2、0.3、0.4，如果分配给A、B，则最大完成时间为0.2，分配B、C则完成最大时间为0.3，依次类推，在这些最大完成时间里面，最小的是0.2，则这任务将分配给A和B。

同时，目标函数要满足如下约束条件：

1)完成时限约束，即要在规定时间内完成任务：

2)员工处于工作状态时不能再分派任务约束：

D_ij+W_i≤1,i＝1,2,...,N,j＝1,2,...,M

3)员工人数约束，即拟分配任务的员工加上已正在工作的员工数量，不得大于员工总数：

4)任务数量约束，即尽可能分配完成，但是不能超过任务总数量：

5)员工工作时间均衡约束，避免优秀员工长时间工作：

work_time_i+D_i×t_ij≤mean(work_time)+ε

即员工的工作时长，应该保持在全员平均工作时长的合理范围内，这个范围由ε控制，ε为一个超参数，由调度员根据实际需要确定数值大小。

6)员工处理质量约束，即差错风险控制在一定范围之内，这个范围由θ控制，θ为一个超参数，由调度员根据实际需要确定数值大小：

2、构造遗传算法适应度函数

根据以上目标函数和约束条件，直接进行求解较难，因此采用遗传算法通过迭代的方式获取近似最优解。根据目标函数和约束条件，构造如下适应度函数，该适应度函数是关于D_ij的函数：

其中，ω1,ω2,ω3,ω4,ω5是常数，取值范围通常在0.001到1之间。初始模型可设置为ω1,ω2,ω3,ω4,ω5分别为0.09、0.06、0.04、0.02、0.01，后续可根据实际运行情况进行调整。

3、初始化种群

令初始种群数量为K个，也就是初始自动生成K个分配方案，根据适应度函数f(D)，计算出K个初始种群的适应度函数f(D)_k。

4、基因遗传

根据适应度函数的大小确定该种群中的个体，也就是分配方案，获取被选择进入下一代的概率：

本实施例对后续过程举例如下(为方便理解，假设只有一个种类的任务)，各方案对应的D_ij值、被选择的概率为：

员工	第一个方案	第二个方案
			A	0	0
B	1	1
			C	1	0
D	0	1
			被选择概率	0.9	0.1

两个方案被选择的概率分别为0.9和0.1，则生成一次0到1之间的随机数，如果随机数值小于0.9，则第一个方案进入下一代，如果随机数大于0.9，则第二个方案进入下一代。如果两次都选择了第一个方案，则两个第一个方案进入下一代。

5、基因交叉

随机选择偶数对的个体，将其中某个片段(某几个员工对应的分配方案)进行交换，通常交叉的概率为60％-80％。

本实施例对第C个员工的分配方案进行交叉，则交叉后的方案为：

员工	第一个方案	第二个方案
			A	0	0
B	1	1
			C	0	1
D	0	1

6、基因突变

随机选择数个方案，随机在某个片段进行变换，通常基因突变的概率为0.001-0.01。

本实施例随机第一个方案第A位员工的分配方案基因突变，则突变后的方案为：

员工	第一个方案	第二个方案
			A	1	0
B	1	1
			C	0	1
D	0	1

7、迭代

按照上述过程进行遗传、交叉、突变后，计算出适应度函数，再进入步骤4进行迭代。直到迭代次数达到指定次数时，停止遗传。

8、最优分配方案输出

根据遗传算法得到的最后种群里，以最大的适应度的方案为最优方案。例如，在上述方案中，最后得到最优的方案为第一个方案，即安排A和B接收该任务。

方案确认模块：考虑到机器运算在某些意外的情况下，会出现一些意想不到的情况，因此需要调度人员进行授权确认最优方案，如调度人员观察到一些不合理或者调度人员觉得需要进行微调的时候，可将调度方案进行微调，微调的方式可以有：取消或增加某个员工的任务分配、调换员工的任务等情况。方案确认模块基于信息交互界面实现，信息交互界面可显示相关文字信息或图案信息以及选择按键等，在调度员确认无误后且没有修改必要后，选择“确认授权”，将分配方案传输给任务分发模块。

任务分发模块：该模块在接收到分配方案后，由任务接收模块将先前储存的任务影像资料，将任务影像资料传输至任务分发模块，任务分发模块根据确认授权后的最优分配方案，将任务影像资料，同时传输到员工操作系统中，员工在操作系统中收到任务后，则可以开始进行任务操作。该模块同样通过即时通信工具的用户界面呈现任务分配信息。

任务反馈模块：员工通过操作系统完成任务后，将其操作参数：完成时间、处理质量两个参数反馈到智能调度模块，在下次智能调度模块进行计算时，采用新的完成时间、处理质量进行计算。

假设本次该员工i处理第j个种类的任务，用了处理时间t_il_j，处理质量为Q_il_j，则新的历史处理时长t_ij、新的处理质量为Q_ij、已工作时长更新如下：

式中，l为任务处理次数，L为历史任务处理总次数，即，前L次的平均处理时间和平均处理质量，当天已处理时长总和。

本发明提出了一种银行流程任务智能调度系统，该系统可以根据任务的不同种类和要求，结合员工历史处理时长、已工作时长、历史处理质量、任务完成时限等条件，通过遗传算法，计算得到最优的任务分配方案，由调度员确认授权后，将任务分发到各员工操作系统中。在员工完成操作后及时更新计算参数。基于本方案，可以实现实时的、有效的、最优的分配方案。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种银行流程任务智能调度系统，其特征在于，包括：

任务接收模块：接收并暂存各机构、柜台和前台传输的待处理任务影像信息，同时提取各任务影像信息中的基本信息，并将其传输至智能调度模块；

员工参数统计模块：实时获取各员工的员工参数信息；

智能调度模块：根据任务接收模块发送的各任务影像信息中的基本信息以及员工参数统计模块反馈的员工参数信息，计算并输出最优任务分配方案；

方案确认模块，对最优任务分配方案进行微调及确认授权；

任务分发模块：接收到最优任务分配方案后，获取任务接收模块预先暂存的待处理任务影像信息，根据确认授权后的最优任务分配方案，将待处理任务影像信息同时传输至员工操作系统中进行实际操作。

2.根据权利要求1所述的银行流程任务智能调度系统，其特征在于，所述各任务影像信息中的基本信息包括任务种类、任务数量和处理时限要求。

3.根据权利要求2所述的银行流程任务智能调度系统，其特征在于，所述员工参数信息包括员工的工作状态、员工已工作时长以及员工历史处理时长。

4.根据权利要求3所述的银行流程任务智能调度系统，其特征在于，所述智能调度模块采用遗传算法计算并输出最优分配方案。

5.根据权利要求4所述的银行流程任务智能调度系统，其特征在于，所述智能调度模块采用遗传算法计算并输出最优分配方案具体包括下列步骤：

1)根据各任务影像信息中的基本信息及员工参数信息构造优化方案目标函数及其约束条件；

2)构造用以对优化方案目标函数进行求解的适应度函数；

3)对各分配方案进行初始化，根据各适应度函数计算出各分配方案的适应度函数；

4)基于各分配方案的适应度函数计算各分配方案被选择进入下一代的概率；

5)根据进入下一代的概率依次进行基因交叉、基因突变处理；

6)对进行基因交叉、基因突变后的各分配方案计算适应度函数，再次进入步骤4)进行迭代，直至迭代次数达到指定次数时，停止遗传；

7)根据遗传算法得到的最后分配方案中，以最大的适应度的方案输出为最优任务分配方案。

6.根据权利要求5所述的银行流程任务智能调度系统，其特征在于，步骤1)中，优化方案目标函数的约束条件包括完成时限约束、员工处于工作状态时不再分派任务约束、员工人数约束、任务数量约束、员工工作时间均衡约束和员工处理质量约束。

7.根据权利要求5所述的银行流程任务智能调度系统，其特征在于，输出的最优任务分配方案包括员工编号、员工是否分配任务及员工被分配任务的种类。

8.根据权利要求1所述的银行流程任务智能调度系统，其特征在于，所述方案确认模块设有用以与其他模块进行指令交互的信息交互界面。

9.根据权利要求1所述的银行流程任务智能调度系统，其特征在于，所述任务分发模块通过即时通信工具的用户界面呈现任务分配信息。

10.根据权利要求1所述的银行流程任务智能调度系统，其特征在于，该系统还包括任务反馈模块，用于员工通过操作系统完成任务后，将其操作参数反馈至智能调度模块，在下一次智能调度模块进行计算时，采用新的完成时间、处理质量进行任务分配方案计算。