CN115831336A - 基于云平台的医院用人事智能管理系统 - Google Patents

Abstract

本发明涉及医院人事管理技术领域，用于解决现有的医院人事管理存在人员考勤数据统计工作复杂繁重，存在医护人员出现考勤异常行为不能及时纠正，影响医院运营的技术问题，尤其公开了一种基于云平台的医院用人事智能管理系统，包括云平台，云平台通信连接有数据采集单元、考勤初划分单元、考勤细划分单元、资历分析单元和提醒管理单元；本发明，通过对各科室的综合人事的考勤状态进行准确判定分析以及考勤异常人员的身份标定，实现了医院人事考勤的定向分析以及精细化分析的操作，并将考勤异常的人员进行批量的人事监督提醒操作，通过提醒操作纠正了医护人员的异常考勤行为，提高了医院的人事考勤的管理及监督工作。

Description

基于云平台的医院用人事智能管理系统

技术领域

本发明涉及医院人事管理技术领域，具体为基于云平台的医院用人事智能管理系统。

背景技术

医院人事管理体制复杂，涉及编制内用工、编制外合同人员、协议人员、劳务派遣等多种用工形式，人事部、医务部、护理部、科教部、以及工会等职能部门，根据各自的需要，分别从不同维度管理医务人员的相关信息，由于各部门维护口径和标准的不统一，数据更新不同步，导致员工信息的准确性、完整性、一致性难以保障；

在医院医护人员的考勤管理工作中，由于医院科室较为分散，人员考勤数据统计工作复杂繁重，以致于不能对医护人员的考勤数据进行考勤监控分析，使得一些医护人员出现考勤异常行为，不能及时纠正，影响医院运营。

为了解决上述缺陷，现提供一种技术方案。

发明内容

本发明的目的在于为了解决现有的医院人事管理存在人员考勤数据统计工作复杂繁重，存在医护人员出现考勤异常行为不能及时纠正，影响医院运营的技术问题，而提出一种基于云平台的医院用人事智能管理系统。

本发明的目的可以通过以下技术方案实现：

基于云平台的医院用人事智能管理系统，包括云平台，云平台通信连接有数据采集单元、考勤初划分单元、考勤细划分单元、资历分析单元和提醒管理单元；

所述数据采集单元用于采集医院各科室的科室考勤数据参数、人员考勤数据参数，以及医护人员的医疗能力数据参数，并将其通过云平台分别发送至考勤初划分单元、考勤细划分单元、资历分析单元；

所述考勤初划分单元用于获取医院各科室的科室考勤数据参数，并进行考勤样本初类划分分析处理，据此得到集合A和集合B，并将集合B发送至考勤细划分单元；

所述考勤细划分单元用于接收划分为集合B中的各科室的人员考勤数据参数，并进行考勤样本二类划分分析处理，据此得到集合b1和集合b2，并将集合b1发送至提醒管理单元；

所述资历分析单元用于获取医院各科室的各医护人员的医疗能力数据参数，并进行资历等级状态判定分析处理，据此得到各医护人员的资历等级标定，且资历等级标定包括初级资历人员、中级资历人员和高级资历人员，并将其发送至提醒管理单元；

所述提醒管理单元用于接收集合b1中的各医护人员的资历等级判定信号并进行人事监督提醒分析处理，据此触发一级提醒指令、二级提醒指令和三级提醒指令，并执行N1、N2、N3密度提醒操作。

进一步的，考勤样本初类划分分析处理的具体操作步骤如下：

以医院各科室为单位，实时获取单位时间内的医院各科室的科室考勤数据

2，3……n，得到各科室的综合考勤值，其中，ek_i指代各科室的全勤人数，bs_i指代各科室的考勤人数；

设置综合考勤值的考勤参照阈值TH1，并将各科室的综合考勤值与预设的考勤参照阈值TH1进行比较分析；

当综合考勤值小于等于预设的考勤参照阈值TH1时，则将医院对应的科室标定为考勤达标科室，当综合考勤值大于预设的考勤参照阈值TH1时，则将医院对应的科室标定为考勤未达标科室；

依据科室考勤判定类型的划分，并按照综合考勤值的数值大小将各类型的各科室进行降序排序，并将被标定为考勤达标科室的各科室规整到集合A，将被标定为考勤未达标科室的各科室规整到集合B。

进一步的，考勤样本二类划分分析处理的具体操作步骤如下：

依据集合B，实时获取单位时间内集合B中的各科室的各医护人员的人员考勤数据参数中的事假次数、休假次数、出差次数、忘打卡次数、出勤次数和早退迟到次数，并将其分别标定为sr_i*j、pr_i*j、gr_i*j、dk_i*j、cq_i*j和le_i*j，并将其进行相加分析，依据公式abnl_i*j＝sr_i*j+pr_i*j+gr_i*j+dk_i*j+cq_i*j+le_i*j，得到对应科室的各医护人员的班次值，其中，i*＝1，2，3……n1，且n1小于等于n，j＝1，2，3……m；

设置班次值的班次参照阈值TH2，并将对应科室的各医护人员的班次值与预设的班次参照阈值TH2进行比较分析；

当班次值大于等于预设的班次参照阈值TH2时，则将对应科室的各医护人员标记考勤异常信号，并触发考勤异常纠错指令；

依据触发的考勤异常纠错指令，调取对应的各医护人员的人员考勤数据参数，并进行属性分类分析处理，据此对集合B中的各科室的各医护人员的考勤状态进行二次考证分析，并将集合B中的各科室的被标定为警惕属性人员的各医护人员规整到集合b1中，将集合B中的各科室的被标定为正常属性人员的各医护人员规整到集合b2中。

进一步的，属性分类分析处理的具体操作步骤如下：

将医护人员的事假次数和早退迟到次数进行相加，依据公式at1_i*j＝sr_i*j+le_i*j，得到第一属性和值，并将第一属性和值与对应的班次值进行作除分析，依据公式PCT1＝at1_i*j÷abnl_i*j，得到第一属性占比值；

将医护人员的休假次数、出差次数和忘打卡次数进行相加，依据公式at2_i*j＝pr_i*j+gr_i*j+dk_i*j，得到第二属性和值，并将第二属性和值与对应的班次值进行作除分析，依据公式PCT2＝at2_i*j÷abnl_i*j，得到第二属性占比值；

将对应医护人员得到的第一属性占比值和第二属性占比值进行数据比较分析，当满足PCT1＞PCT2时，则将对应的医护人员标定为警惕属性人员，当满足PCT2≥PCT1时，则将对应的医护人员标定为正常属性人员。

进一步的，资历等级状态判定分析处理的具体操作步骤如下：

实时获取各科室的各医护人员的医疗能力数据参数中的学位指标和资格指标，并将各医护人员的学位指标和资格指标进行量化分析处理，分别得到学位指标量化得到的预设学位值和资格指标量化得到的预设资格等级值；

将得到的预设学位值、预设资格等级值与实时获取各科室的各医护人员的医疗能力数据参数中的进修时长、表彰次数、文献贡献量值和手术次数进行归一化分析，并将其分别标定为xw_ij、zg_ij、xt_ij、bz_ij、wx_ij和sc_ij，依据公式

得到各医护人员的评价系数，其中，ω1、ω2、ω3、ω4、ω5和e6分别为预设学位值、预设资格等级值、进修时长、表彰次数、文献贡献量值和手术次数的权重占比因子，且ω1、ω2、ω3、ω4、ω5和e6均为大于0的自然数；

设置评价系数的梯度参照范围range1、range2、range3，并将各医护人员的评价系数代入预设的梯度参照范围range1、range2、range3内进行比较分析，其中，参照范围range1、range2、range3是呈梯度增加的；

当评价系数处于预设的梯度参照范围range1之内时，则将对应的医护人员标定为初级资历人员，当评价系数处于预设的梯度参照范围range2之内时，则将对应的医护人员标定为中级资历人员，当评价系数处于预设的梯度参照范围range3之内时，则将对应的医护人员标定为高级资历人员。

进一步的，量化分析处理的具体操作步骤如下：

预先设置多个学位名称，每个学位名称对应一个预设学位值，将各医护人员的医疗能力数据参数中的的学位指标与所有预设的学位名称进行匹配，以匹配得到对应的预设学位值；

预先设置多个资格名称，每个资格名称对应一个预设资格等级值，将各医护人员的医疗能力数据参数中的资格指标与所有预设的资格名称进行匹配，以匹配得到对应的预设资格等级值。

进一步的，人事监督提醒分析处理的具体操作步骤如下：

调取集合b1中的各医护人员的资历等级判定信号，并进行匹配分析处理；

当医护人员同时被标定为高级资历人员和警惕属性人员时，则触发一级提醒指令，依据触发的一级提醒指令，制定N1密度提醒操作；

具体的，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N1个子单位时间点，并向对应的医护人员进行短信提醒及电话提醒；

当医护人员同时被标定为中级资历人员和警惕性人员时，则触发二级提醒指令，依据触发的二级提醒指令，制定N2密度提醒操作；

具体的，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N2个子单位时间点，并向对应的医护人员进行短信提醒；

当医护人员同时被标定为初级资历人员和警惕性人员时，则触发三级提醒指令，依据触发的三级提醒指令，制定N3密度提醒操作；

具体的，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N3个子单位时间点，并向对应的医护人员及对应医护人员的直属上司同时进行短信提醒。

与现有技术相比，本发明的有益效果是：

本发明，通过数据作除分析、阈值比对分析以及集合分类规整的方式，从而在实现了对各科室的综合人事的考勤状态进行准确判定分析的同时，也实现了对各科室的分类划分的目标，并选通过符号化的标定、公式化分析以及数值比较分析的方式，进一步的实现了对预先标定的各科室的医护人员的考勤状态的分析，并将各科室的考勤异常人员进行特殊标定，实现了医院人事考勤的定向分析以及精细化分析的操作；

通过采集医院各科室的各医护人员的医疗能力数据参数，并进行资历等级状态判定分析处理，利用归一化分析以及梯度参照范围的代入比较的方式，从而在实现了对医院的各医护人员的资历状态的明确判定分析的同时，也为准确实现医护人员的异常考勤状态的提醒奠定了基础；

采用逐项结合、分类分析以及数据整合的方式，将考勤异常的人员进行批量的人事监督提醒操作，从而在实现了对医护人员的考勤情况的明确标定，也通过提醒操作纠正了医护人员的异常考勤行为，提高了医院的人事考勤的管理及监督工作，促进了医院人事考勤信息的高效管理。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的系统总框图。

具体实施方式

下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，基于云平台的医院用人事智能管理系统，包括云平台，云平台通信连接有数据采集单元、考勤初划分单元、考勤细划分单元、资历分析单元和提醒管理单元；

数据采集单元用于采集医院各科室的科室考勤数据参数、人员考勤数据参数，以及医护人员的医疗能力数据参数，并将其通过云平台分别发送至考勤初划分单元、考勤细划分单元、资历分析单元；

当考勤初划分单元接收到医院各科室的科室考勤数据参数时，并据此进行考勤样本初类划分分析处理，具体的操作过程如下：

以医院各科室为单位，实时获取单位时间内的医院各科室的科室考勤数据

2，3……n，得到各科室的综合考勤值，其中，i表示各科室的数量，ek_i指代各科室的全勤人数，bs_i指代各科室的考勤人数；

设置综合考勤值的考勤参照阈值TH1，并将各科室的综合考勤值与预设的考勤参照阈值TH1进行比较分析；

当综合考勤值小于等于预设的考勤参照阈值TH1时，则将医院对应的科室标定为考勤达标科室，当综合考勤值大于预设的考勤参照阈值TH1时，则将医院对应的科室标定为考勤未达标科室；

依据科室考勤判定类型的划分，并按照综合考勤值的数值大小将各类型的各科室进行降序排序，并将被标定为考勤达标科室的各科室规整到集合A，将被标定为考勤未达标科室的各科室规整到集合B，据此得到集合A和集合B，并将集合B发送至考勤细划分单元；

当考勤细划分单元接收到集合B中的各科室的人员考勤数据参数时，并据此进行考勤样本二类划分分析处理，具体的操作过程如下：

依据集合B，实时获取单位时间内集合B中的各科室的各医护人员的人员考勤数据参数中的事假次数、休假次数、出差次数、忘打卡次数、出勤次数和早退迟到次数，并将其分别标定为sr_i*j、pr_i*j、gr_i*j、dk_i*j、cq_i*j和le_i*j，并将其进行相加分析，依据公式abnl_i*j＝sr_i*j+pr_i*j+gr_i*j+dk_i*j+cq_i*j+le_i*j，得到对应科室的各医护人员的班次值，其中，i*指的是集合B中的各科室，且i*＝1，2，3……n1，且n1小于等于n，j指的是各医护人员，且j＝1，2，3……m；

设置班次值的班次参照阈值TH2，并将对应科室的各医护人员的班次值与预设的班次参照阈值TH2进行比较分析；

当班次值大于等于预设的班次参照阈值TH2时，则将对应科室的各医护人员标记考勤异常信号，并触发考勤异常纠错指令；

依据触发的考勤异常纠错指令，调取对应的各医护人员的人员考勤数据参数，并进行属性分类分析处理，具体的：

将医护人员的事假次数和早退迟到次数进行相加，依据公式at1_i*j＝sr_i*j+le_i*j，得到第一属性和值，并将第一属性和值与对应的班次值进行作除分析，依据公式PCT1＝at1_i*j÷abnl_i*j，得到第一属性占比值；

将医护人员的休假次数、出差次数和忘打卡次数进行相加，依据公式at2_i*j＝pr_i*j+gr_i*j+dk_i*j，得到第二属性和值，并将第二属性和值与对应的班次值进行作除分析，依据公式PCT2＝at2_i*j÷abnl_i*j，得到第二属性占比值；

将对应医护人员得到的第一属性占比值和第二属性占比值进行数据比较分析，当满足PCT1＞PCT2时，则将对应的医护人员标定为警惕属性人员，当满足PCT2≥PCT1时，则将对应的医护人员标定为正常属性人员；

对集合B中的各科室的各医护人员的考勤状态进行二次考证分析，并将集合B中的各科室的被标定为警惕属性人员的各医护人员规整到集合b1中，将集合B中的各科室的被标定为正常属性人员的各医护人员规整到集合b2中，据此得到集合b1和集合b2，并将集合b1发送至提醒管理单元；

当资历分析单元接收到医院各科室的各医护人员的医疗能力数据参数时，并据此进行资历等级状态判定分析处理，具体的操作过程如下：

实时获取各科室的各医护人员的医疗能力数据参数中的学位指标和资格指标，并将各医护人员的学位指标和资格指标进行量化分析处理；

具体的，预先设置多个学位名称，每个学位名称对应一个预设学位值，将各医护人员的医疗能力数据参数中的学位指标与所有预设的学位名称进行匹配，以匹配得到对应的预设学位值；

需要指出的是，预先设置多个学位名称包括本科、硕士、博士，且本科对应的预设学位值可以设置为50，硕士对应的预设学位值可以设置为100，博士对应的预设学位值可以设置为150，其中，预设学位值的具体数值由本领域技术人员在具体案例中具体设置；

预先设置多个资格名称，每个资格名称对应一个预设资格等级值，将各医护人员的医疗能力数据参数中的资格指标与所有预设的资格名称进行匹配，以匹配得到对应的预设资格等级值；

需要指出的是，预先设置多个资格名称包括医士、医师、住院医师、主治医师、副主任医师、主任医师，且医士对应的预设资格等级值可以设置为30，医师对应的预设资格等级值可以设置为50，住院医师对应的预设资格等级值可以设置为70，主治医师对应的预设资格等级值可以设置为110，副主任医师对应的预设资格等级值可以设置为150，主任医师对应的预设资格等级值可以设置为200，其中，预设资格等级值的具体数值由本领域技术人员在具体案例中具体设置；

分别得到学位指标量化得到的预设学位值和资格指标量化得到的预设资格等级值；

将得到的预设学位值、预设资格等级值与实时获取各科室的各医护人员的医疗能力数据参数中的进修时长、表彰次数、文献贡献量值和手术次数进行归一化分析，并将其分别标定为xw_ij、zg_ij、xt_ij、bz_ij、wx_ij和sc_ij，依据公式

得到各医护人员的评价系数，其中，ω1、ω2、ω3、ω4、ω5和e6分别为预设学位值、预设资格等级值、进修时长、表彰次数、文献贡献量值和手术次数的权重占比因子，且ω1、ω2、ω3、ω4、ω5和e6均为大于0的自然数，权重占比因子用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性；

需要说明的是，进修时长指的是单位时间内各医护人员参加进修培训的总时长的数据量值，表彰次数指的是单位时间内各医护人员受到表彰次数多少的数据量值，文献贡献量值指的是单位时间内各医护人员在公开发表的刊物文献的章数多少的数据量值，手术次数指的是单位时间内各医护人员参与临床手术次数多少的数据量值；

设置评价系数的梯度参照范围range1、range2、range3，并将各医护人员的评价系数代入预设的梯度参照范围range1、range2、range3内进行比较分析，其中，参照范围range1、range2、range3是呈梯度增加的；

当评价系数处于预设的梯度参照范围range1之内时，则将对应的医护人员标定为初级资历人员，当评价系数处于预设的梯度参照范围range2之内时，则将对应的医护人员标定为中级资历人员，当评价系数处于预设的梯度参照范围range3之内时，则将对应的医护人员标定为高级资历人员，并将被资历等级标定后各医护人员的发送至提醒管理单元；

当提醒管理单元接收到集合b1中的各医护人员的资历等级判定信号时，并据此进行人事监督提醒分析处理，具体的操作过程如下：

调取集合b1中的各医护人员的资历等级判定信号，并进行匹配分析处理；

当医护人员同时被标定为高级资历人员和警惕属性人员时，则触发一级提醒指令，依据触发的一级提醒指令，制定N1密度提醒操作，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N1个子单位时间点，并向对应的医护人员进行短信提醒及电话提醒；

具体的，当单位时间段为一周时间段，将一周时间段按照天数划分为7天，可以选取无间隔的连续的7天向对应的医护人员进行短信提醒及电话提醒，或者可以间隔选取7天中的第1、3、5、7天向对应的医护人员进行短信提醒及电话提醒，还可以间隔选取7天中的第1、4、7天向对应的医护人员进行短信提醒及电话提醒，故单位时间段、等间隔选取的间隔数以及N1个子单位时间点的设置由本领域技术人员在具体案例中具体设置；

还需指出的是，N1＜N2＜N3；

当医护人员同时被标定为中级资历人员和警惕性人员时，则触发二级提醒指令，依据触发的二级提醒指令，制定N2密度提醒操作，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N2个子单位时间点，并向对应的医护人员进行短信提醒；

当医护人员同时被标定为初级资历人员和警惕性人员时，则触发三级提醒指令，依据触发的三级提醒指令，制定N3密度提醒操作，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N3个子单位时间点，并向对应的医护人员及对应医护人员的直属上司同时进行短信提醒。

本发明在使用时，通过捕捉医院各科室的科室考勤数据参数，并进行考勤样本初类划分分析处理，利用数据作除分析、阈值比对分析以及集合分类规整的方式，从而在实现了对各科室的综合人事的考勤状态进行准确判定分析的同时，也实现了对各科室的分类划分的目标；

并选取划分为异常考勤类别的科室，实时获取对应科室的人员考勤数据参数，并进行考勤样本二类划分分析处理，利用符号化的标定、公式化分析以及数值比较分析的方式，又进一步实现了对预先标定的各科室的医护人员的考勤状态的分析，并将各科室的考勤异常人员进行特殊标定，实现了医院人事考勤的定向分析以及精细化分析的操作；

通过采集医院各科室的各医护人员的医疗能力数据参数，并进行资历等级状态判定分析处理，利用归一化分析以及梯度参照范围的代入比较的方式，从而在实现了对医院的各医护人员的资历状态的明确判定分析的同时，也为准确实现医护人员的异常考勤状态的提醒奠定了基础；

利用逐项结合、分类分析以及数据整合的方式，将考勤异常的人员进行批量的人事监督提醒操作，从而在实现了对医护人员的考勤情况的明确标定，也通过提醒操作纠正了医护人员的异常考勤行为，提高了医院的人事考勤的管理及监督工作，促进了医院人事考勤信息的高效管理。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.基于云平台的医院用人事智能管理系统，包括云平台，云平台通信连接有数据采集单元，所述数据采集单元用于采集医院各科室的科室考勤数据参数、人员考勤数据参数，以及医护人员的医疗能力数据参数；其特征在于，云平台还通信连接有考勤初划分单元、考勤细划分单元、资历分析单元和提醒管理单元；

所述考勤初划分单元用于获取医院各科室的科室考勤数据参数，并进行考勤样本初类划分分析处理，据此得到集合A和集合B，并将集合B发送至考勤细划分单元；

所述考勤细划分单元用于接收划分为集合B中的各科室的人员考勤数据参数，并进行考勤样本二类划分分析处理，据此得到集合b1和集合b2，并将集合b1发送至提醒管理单元；

所述资历分析单元用于获取医院各科室的各医护人员的医疗能力数据参数，并进行资历等级状态判定分析处理，据此得到各医护人员的资历等级标定，且资历等级标定包括初级资历人员、中级资历人员和高级资历人员，并将其发送至提醒管理单元；

所述提醒管理单元用于接收集合b1中的各医护人员的资历等级判定信号并进行人事监督提醒分析处理，据此触发一级提醒指令、二级提醒指令和三级提醒指令，并执行N1、N2、N3密度提醒操作。

2.根据权利要求1所述的基于云平台的医院用人事智能管理系统，其特征在于，考勤样本初类划分分析处理的具体操作步骤如下：

以医院各科室为单位，实时获取单位时间内的医院各科室的科室考勤数据参数中的考勤人数和全勤人数，并将其进行作除分析，依据公式

2，3……n，得到各科室的综合考勤值，其中，ek_i指代各科室的全勤人数，bs_i指代各科室的考勤人数；

设置综合考勤值的考勤参照阈值TH1，并将各科室的综合考勤值与预设的考勤参照阈值TH1进行比较分析；

当综合考勤值小于等于预设的考勤参照阈值TH1时，则将医院对应的科室标定为考勤达标科室，当综合考勤值大于预设的考勤参照阈值TH1时，则将医院对应的科室标定为考勤未达标科室；

依据科室考勤判定类型的划分，并按照综合考勤值的数值大小将各类型的各科室进行降序排序，并将被标定为考勤达标科室的各科室规整到集合A，将被标定为考勤未达标科室的各科室规整到集合B。

3.根据权利要求1所述的基于云平台的医院用人事智能管理系统，其特征在于，考勤样本二类划分分析处理的具体操作步骤如下：

依据集合B，实时获取单位时间内集合B中的各科室的各医护人员的人员考勤数据参数中的事假次数、休假次数、出差次数、忘打卡次数、出勤次数和早退迟到次数，并将其进行相加分析，得到对应科室的各医护人员的班次值；

设置班次值的班次参照阈值TH2，并将对应科室的各医护人员的班次值与预设的班次参照阈值TH2进行比较分析；

当班次值大于等于预设的班次参照阈值TH2时，则将对应科室的各医护人员标记考勤异常信号，并触发考勤异常纠错指令；

依据触发的考勤异常纠错指令，调取对应的各医护人员的人员考勤数据参数，并进行属性分类分析处理，据此对集合B中的各科室的各医护人员的考勤状态进行二次考证分析，并将集合B中的各科室的被标定为警惕属性人员的各医护人员规整到集合b1中，将集合B中的各科室的被标定为正常属性人员的各医护人员规整到集合b2中。

4.根据权利要求3所述的基于云平台的医院用人事智能管理系统，其特征在于，属性分类分析处理的具体操作步骤如下：

将医护人员的事假次数和早退迟到次数进行相加，得到第一属性和值，并将第一属性和值与对应的班次值进行作除分析，得到第一属性占比值；

将医护人员的休假次数、出差次数和忘打卡次数进行相加，得到第二属性和值，并将第二属性和值与对应的班次值进行作除分析，得到第二属性占比值；

将对应医护人员得到的第一属性占比值和第二属性占比值进行数据比较分析，当满足第一属性占比值＞第二属性占比值时，则将对应的医护人员标定为警惕属性人员，当满足第一属性占比值≤第二属性占比值时，则将对应的医护人员标定为正常属性人员。

5.根据权利要求1所述的基于云平台的医院用人事智能管理系统，其特征在于，资历等级状态判定分析处理的具体操作步骤如下：

实时获取各科室的各医护人员的医疗能力数据参数中的学位指标和资格指标，并将各医护人员的学位指标和资格指标进行量化分析处理，分别得到学位指标量化得到的预设学位值和资格指标量化得到的预设资格等级值；

将得到的预设学位值、预设资格等级值与实时获取各科室的各医护人员的医疗能力数据参数中的进修时长、表彰次数、文献贡献量值和手术次数进行归一化分析，得到各医护人员的评价系数；

设置评价系数的梯度参照范围range1、range2、range3，并将各医护人员的评价系数代入预设的梯度参照范围range1、range2、range3内进行比较分析；

当评价系数处于预设的梯度参照范围range1之内时，则将对应的医护人员标定为初级资历人员，当评价系数处于预设的梯度参照范围range2之内时，则将对应的医护人员标定为中级资历人员，当评价系数处于预设的梯度参照范围range3之内时，则将对应的医护人员标定为高级资历人员。

6.根据权利要求5所述的基于云平台的医院用人事智能管理系统，其特征在于，量化分析处理的具体操作步骤如下：

预先设置多个学位名称，每个学位名称对应一个预设学位值，将各医护人员的医疗能力数据参数中的的学位指标与所有预设的学位名称进行匹配，以匹配得到对应的预设学位值；

预先设置多个资格名称，每个资格名称对应一个预设资格等级值，将各医护人员的医疗能力数据参数中的资格指标与所有预设的资格名称进行匹配，以匹配得到对应的预设资格等级值。

7.根据权利要求1所述的基于云平台的医院用人事智能管理系统，其特征在于，人事监督提醒分析处理的具体操作步骤如下：

调取集合b1中的各医护人员的资历等级判定信号，并进行匹配分析处理；

当医护人员同时被标定为高级资历人员和警惕属性人员时，则触发一级提醒指令，依据触发的一级提醒指令，制定N1密度提醒操作；

具体的，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N1个子单位时间点，并向对应的医护人员进行短信提醒及电话提醒；

当医护人员同时被标定为中级资历人员和警惕性人员时，则触发二级提醒指令，依据触发的二级提醒指令，制定N2密度提醒操作；

具体的，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N2个子单位时间点，并向对应的医护人员进行短信提醒；

当医护人员同时被标定为初级资历人员和警惕性人员时，则触发三级提醒指令，依据触发的三级提醒指令，制定N3密度提醒操作；

具体的，将单位时间段等量划分为若干个子单位时间段，并在若干个子单位时间段各内等间隔选取N3个子单位时间点，并向对应的医护人员及对应医护人员的直属上司同时进行短信提醒。

Images