CN116150271A - 工时信息确定方法、装置、存储介质及电子设备 - Google Patents
工时信息确定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116150271A CN116150271A CN202310128967.7A CN202310128967A CN116150271A CN 116150271 A CN116150271 A CN 116150271A CN 202310128967 A CN202310128967 A CN 202310128967A CN 116150271 A CN116150271 A CN 116150271A
- Authority
- CN
- China
- Prior art keywords
- data
- hour
- information
- man
- working hour
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 71
- 238000007781 pre-processing Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000000554 iris Anatomy 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000000554 physical therapy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种工时信息确定方法、装置、存储介质及电子设备,其中方法包括:获取员工的工时评估数据;所述工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种;将所述工时评估数据输入至工时预测模型,得到所述工时预测模型输出的所述员工的工时信息;将所述员工的工时信息存储至区块链;所述区块链中的各个区块节点与各个员工的身份信息一一对应。本申请提供的方法和装置,数据难以篡改,提高了数据的真实性,可以有效地确定企业内部员工的实际工时。
Description
技术领域
本申请涉及数据管理技术领域,具体而言,涉及一种工时信息确定方法、装置、存储介质及电子设备。
背景技术
在日常办公环境中,企业一直难以确定员工的实际工作时长。目前较多企业通过打卡以及系统登记等方式来判断员工的实际工作时长,然后通过后台数据库对该数据进行记录。但这类方式采集的数据种类较为单一数据准确性较低,且数据存在被篡改的风险。
因此,如何有效地确定企业内部员工的实际工作时长成为业界亟待解决的技术问题。
发明内容
本申请提供一种工时信息确定方法、装置、存储介质及电子设备,用以解决现有技术中无法有效地确定企业内部员工的实际工作时长的技术问题。
第一方面,本申请提供了一种工时信息确定方法,包括:
获取员工的工时评估数据;所述工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种;
将所述工时评估数据输入至工时预测模型,得到所述工时预测模型输出的所述员工的工时信息;
将所述员工的工时信息存储至区块链;所述区块链中的各个区块节点与各个员工的身份信息一一对应。
在一些实施例中,所述将所述员工的工时信息存储至区块链之后,所述方法还包括:
基于所述区块链,获取各个员工的工时信息;
将各个员工的工时信息输入至绩效预测模型,得到所述绩效预测模型输出的各个员工的工作绩效信息;
基于各个员工的工时信息和工作绩效信息,确定各个员工的用工方案。
第二方面,本申请提供了一种工时信息确定装置,包括:
数据采集模块,用于采集员工的工时评估数据;所述工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种;
数据识别模块,用于将所述工时评估数据输入至工时预测模型,得到所述工时预测模型输出的所述员工的工时信息;
区块链模块,用于将所述员工的工时信息存储至区块链;所述区块链中的各个区块节点与各个员工的身份信息一一对应。
在一些实施例中,所述装置还包括:
智能分析模块,与所述区块链相连接,用于将各个员工的工时信息输入至绩效预测模型,得到所述绩效预测模型输出的各个员工的工作绩效信息;基于各个员工的工时信息和工作绩效信息,确定各个员工的用工方案。
在一些实施例中,所述装置还包括:
用户管理模块,用于确定所述员工的身份信息以及所述员工对应的数据查看权限、数据调整权限和模型管理权限。
在一些实施例中,所述装置还包括:
数据预处理模块,与所述数据采集模块相连接,用于对所述工时评估数据进行数据预处理。
在一些实施例中,所述装置还包括:
区块链监控模块,与所述区块链相连接,用于对所述区块链中区块节点的变化进行监控。
在一些实施例中,所述数据识别模块还用于:
基于所述工时评估数据,以及所述工时评估数据对应的工时信息对初始模型进行训练,构建所述工时预测模型。
第三方面,本申请提供了一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述的方法。
第四方面,本申请提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述程序时实现上述的方法。
本申请提供的工时信息确定方法、装置、存储介质及电子设备,通过从多个方面来获取员工的工时评估数据,可以得到更准确的工时信息;通过构建工时预测模型,可以有效地获取员工的工时信息;通过将员工的工时信息存储至区块链,可以防止他人对工时信息进行篡改,保证工时信息的真实性和有效性;通过将区块链中的各个区块节点与各个员工的身份信息一一对应,可以更方便的得到各个员工的工时信息,可以通过工时信息直观地看出该员工的工作情况。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请一个实施例提供的工时信息确定方法的流程示意图;
图2是本申请一个实施例提供的工时信息确定装置的结构示意图;
图3是本申请另一个实施例提供的工时信息确定装置的结构示意图;
图4是本申请又一个实施例提供的工时信息确定装置的结构示意图;
图5是本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本申请的技术方案中,所涉及的员工个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
图1是本申请一个实施例提供的工时信息确定方法的流程示意图,如图1所示,该方法包括步骤110、步骤120和步骤130。该方法流程步骤仅仅作为本申请一个可能的实现方式。
步骤110、获取员工的工时评估数据;工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种。
具体地,本申请实施例提供的工时信息确定方法的执行主体为工时信息确定装置,该装置可以为终端中独立设置的硬件设备,也可以为运行在终端中的软件程序。
终端可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于服务器、智能手机、平板电脑、膝上型便携计算机和台式计算机等。例如,当终端为服务器时,工时信息确定装置可以体现为服务器中的管理软件等。
本申请实施例中的工时评估数据为用于评估员工实际工作时长的数据,包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种。
工时评估数据主要是通过生物识别的方式进行获取的。生物识别指的是通过电子设备与光学、声学、生物传感器和生物统计学原理等手段密切结合,利用人体固有的生理特性(如指纹、脸像和虹膜等)和行为特征(如笔迹、声音和步态等)来进行个人身份和行为的识别。
例如,工时登记数据可以包括员工指纹打卡的数据和员工在系统上登记的加班数据等;工作行为数据可以包括根据员工的行为特征获取的做实验的数据、休息数据以及根据员工声音获取的沟通数据等;人脸识别数据可以包括识别员工面部特征所得到的进出公司的数据;设备操作数据可以包括员工在电子设备上进行编程、回答问题和邮件处理的数据。其中,电子设备可以包括手机、平板和台式笔记本等智能设备,还可以包括数控机台等操作设备。
步骤120、将工时评估数据输入至工时预测模型,得到工时预测模型输出的员工的工时信息。
具体地,可以通过工时预测模型对工时评估数据进行工时评估,工时预测模型可以对员工的工时评估数据进行处理,得到该员工的工时信息。
工时预测模型可以采用卷积神经网络模型、全连接神经网络模型、循环神经网络模型和长短期记忆神经网络模型等进行构建。
工时信息可以包括员工的实际工作时长和该员工的标识信息。员工的实际工作时长可以以列表的形式进行分类,例如实际工作时长可以分类成电话沟通时长和电子设备操作时长等。
步骤130、将员工的工时信息存储至区块链;区块链中的各个区块节点与各个员工的身份信息一一对应。
具体地,区块链是由多个区块组成的链条。各个员工的工时信息以区块的形式存储。各个区块按照各自产生的时间顺序连接成链条,构成了区块链。
区块链被保存在所有的服务器(区块节点)中,只要整个系统中有一台服务器(区块节点)可以工作,整条区块链就是安全的。这些服务器为整个区块链系统提供存储空间和算力支持。如果要修改区块链中员工的工时信息,必须征得半数以上服务器的同意。区块节点还可以是任何联接到该区块链的计算机。
因为各个服务器通常对应不同的终端,因此篡改区块链中员工的工时信息是一件极其困难的事。相比于传统的网络,区块链具有两大核心特点:一是数据难以篡改;二是去中心化。基于这两个特点,区块链所记录的员工的工时信息更加真实可靠,可以解决工时信息不真实的技术问题。
身份信息包括员工的标识信息。员工的标识信息与员工是一一对应的,可以通过哈希(hash)值来作为员工的唯一标识,通过哈希值将员工和区块节点进行关联。
例如,区块链对接收的工时信息进行解析,得到员工的哈希值,通过哈希值可以确定该哈希值对应的区块节点,将该工时信息存储到该哈希值对应的区块节点中。
其中,哈希值可以根据员工的身份证信息来确定,也可以根据公司的人力资源信息化(Electronic Human Resource,EHR)员工号来确定,具体可以根据实际情况来设置,在此不做限定。
本申请实施例提供的工时信息确定方法,本申请提供的工时信息确定方法,通过从多个方面来获取员工的工时评估数据,可以得到更准确的工时信息;通过构建工时预测模型,可以有效地获取员工的工时信息;通过将员工的工时信息存储至区块链,可以防止他人对工时信息进行篡改,保证工时信息的真实性和有效性;通过将区块链中的各个区块节点与各个员工的身份信息一一对应,可以更方便的得到各个员工的工时信息,可以通过工时信息直观地看出该员工的工作情况。
需要说明的是,本申请每一个实施方式可以自由组合、调换顺序或者单独执行,并不需要依靠或依赖固定的执行顺序。
在一些实施例中,步骤130之后,方法还包括:
基于区块链,获取各个员工的工时信息;
将各个员工的工时信息输入至绩效预测模型,得到绩效预测模型输出的各个员工的工作绩效信息;
基于各个员工的工时信息和工作绩效信息,确定各个员工的用工方案。
具体地,工作绩效信息可以包括该员工的产值、销售额和合同额等。用工方案可以包括员工福利方案、员工成长计划和员工培训计划等。
可以通过绩效预测模型得到各个员工的工作绩效信息。绩效预测模型可以对员工的工时信息进行解码,根据工时信息预测该员工的工作绩效信息。
绩效预测模型可以是根据预设时间段内各个员工的工时信息,以及在该时间段内各个员工的产值、销售额和合同额等信息对初始模型进行训练后得到的。
其中,预设时间段可以是一天、一周、一个月或者一年,预设时间段可以根据员工的职位和公司的业务属性来确定。
根据各个员工的工时信息和工作绩效信息,可以确定各个员工的用工方案。
例如,对于工作绩效较高且电话沟通工时较长员工提供针对性套餐服务,比如员工理疗服务;为编码工时较长的员工提供更加舒适的座位和肩椎护理福利;为离开工位多的员工提供营销培训课程等。
本申请实施例提供的工时信息确定方法,通过绩效预测模型可以得到各个员工的工作绩效信息,可以测算员工的投入产出情况;通过工时信息和工作绩效信息对员工的表现和工时进行分析,了解企业员工的潜力和产出价值,可以确定各个员工的用工方案,提升员工的工作效率。
下面对本申请实施例提供的工时信息确定装置进行描述,下文描述的工时信息确定装置与上文描述的工时信息确定方法可相互对应参照。
图2是本申请一个实施例提供的工时信息确定装置的结构示意图,如图2所示,该装置包括数据采集模块320、数据识别模块340和区块链模块350。
数据采集模块用于采集员工的工时评估数据;工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种。
数据识别模块用于将工时评估数据输入至工时预测模型,得到工时预测模型输出的员工的工时信息。
区块链模块用于将员工的工时信息存储至区块链;区块链中的各个区块节点与各个员工的身份信息一一对应。
具体地,区块链模块包括数据入链子模块和区块链服务子模块。数据入链子模块用于将员工的工时信息输入至区块链;区块链服务子模块用于将接收的各个员工的工时信息存储至各个区块节点中。
根据本申请的实施例,数据采集模块、数据识别模块和区块链模块中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。
或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。
根据本申请的实施例,数据采集模块、数据识别模块和区块链模块中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。
或者,数据采集模块、数据识别模块和区块链模块中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
本申请实施例提供的工时信息确定装置,本申请提供的工时信息确定方法、装置、存储介质及电子设备,通过从多个方面来获取员工的工时评估数据,可以得到更准确的工时信息;通过构建工时预测模型,可以有效地获取员工的工时信息;通过将员工的工时信息存储至区块链,可以防止他人对工时信息进行篡改,保证工时信息的真实性和有效性;通过将区块链中的各个区块节点与各个员工的身份信息一一对应,可以更方便的得到各个员工的工时信息,可以通过工时信息直观地看出该员工的工作情况。
在一些实施例中,上述装置还包括:
智能分析模块,与区块链相连接,用于将各个员工的工时信息输入至绩效预测模型,得到绩效预测模型输出的各个员工的工作绩效信息;基于各个员工的工时信息和工作绩效信息,确定各个员工的用工方案。
本申请实施例提供的工时信息确定装置,通过绩效预测模型可以得到各个员工的工作绩效信息,可以测算员工的投入产出情况;通过工时信息和工作绩效信息对员工的表现和数据进行分析,了解企业员工的潜力和产出价值,可以确定各个员工的用工方案,提升员工的工作效率。
在一些实施例中,上述装置还包括:
用户管理模块,与数据采集模块、数据识别模块和区块链模块相连接,用于确定员工的身份信息以及员工对应的数据查看权限、数据调整权限和模型管理权限。
具体地,用户管理模块用于员工的权限管理,通过用户管理模块可以对员工的登记权限、模型管理权限、使用模型权限、数据调整权限和数据查看权限等进行设置,以保证工时信息确定装置的安全性。
本申请实施例提供的工时信息确定装置,通过用户管理模块可以对各个员工的各种权限进行限定,提高了工时信息的安全性。
在一些实施例中,上述装置还包括:
数据预处理模块,与数据采集模块相连接,用于对工时评估数据进行数据预处理。
具体地,因为工时评估数据是从多个渠道采集的,且采集的工时评估数据的形式有图片形式、表格形式、数字形式和文本形式等。为了对工时评估数据进行统一分析和管理,在采集工时评估数据后,需要对工时评估数据进行数据预处理。
数据预处理包括对工时评估数据进行数据清理、数据集成、数据变换和数据归约等。例如,通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来“清理”数据,以使工时评估数据格式标准化、清除异常工时评估数据、纠正错误的工时评估数据和清除重复的工时评估数据等;将多个数据源中的工时评估数据结合起来并统一存储;通过平滑聚集、数据概化和规范化等方式将工时评估数据转换成合适的数据格式等。
本申请实施例提供的工时信息确定装置,通过数据预处理模块可以将采集的工时评估数据进行数据预处理,预处理后的工时评估数据可以直接用来使用,提高了工时信息确定的效率。
在一些实施例中,上述装置还包括:
区块链监控模块,与区块链相连接,用于对区块链中区块节点的变化进行监控。
具体地,为了监控区块链中区块节点的变化,本申请实施例构建了区块链监控模块。区块节点的变化包括增加区块节点、减少区块节点和调整区块节点中存储的信息等。
本申请实施例提供的工时信息确定装置,通过区块链监控模块,可以对区块链中区块节点的变化进行监控,提高了工时信息确定的可信度。
在一些实施例中,数据识别模块还用于:
基于工时评估数据,以及工时评估数据对应的工时信息对初始模型进行训练,构建工时预测模型。
具体地,基于历史工时评估数据,以及历史工时评估数据对应的工时信息对初始模型进行训练,构建工时预测模型。
工时预测模型还通过新增的工时评估数据,以及新增的工时评估数据对应的工时信息进行不断地学习和训练,使得输出的员工的工时信息会越来越准确。
本申请实施例提供的工时信息确定装置,通过构建工时预测模型,可以根据员工的工时评估数据得到员工的工时信息;工时预测模型通过不断学习和训练,可以提高输出的员工的工时信息的准确性。
在此需要说明的是,本申请实施例提供的工时信息确定装置,能够实现上述方法,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图3是本申请另一个实施例提供的工时信息确定装置的结构示意图,如图3所示,本申请实施例的工时信息确定装置包括:用户管理模块310、数据采集模块320、数据预处理模块330、数据识别模块340、区块链模块350、区块链监控模块360和智能分析模块370。
区块链模块350包括入链子模块351和区块链服务子模块352,入链子模块351的输出端与区块链服务子模块352的输入端相连接,区块链服务子模块352中包括多个区块节点。
具体地,用户管理模块,与数据采集模块、数据识别模块和区块链模块等模块相连接;数据预处理模块一端与数据采集模块连接,另一端与数据识别模块和区块链模块的一端相连接;数据识别模块的另一端与区块链模块的一端相连接;区块链模块的另一端与智能分析模块和区块链监控模块相连接。
图4是本申请又一个实施例提供的工时信息确定装置的结构示意图,如图4所示,本申请实施例的工时信息确定装置400包括:员工工时登记模块410、数据识别模块340、模型管理模块420、员工全方位数据采集模块430、智能分析模块370、用户管理模块310、秘钥管理模块440、底层分析模块450、数据预处理模块330、监控模块460和区块链模块350。
具体地,员工工时登记模块,用于采集员工登记的每日的工时评估数据。
数据识别模块,用于根据工时评估数据,以及工时评估数据对应的工时信息对工时预测模型进行训练,对各渠道获取的工时评估数据进行全面的工时信息测算。
模型管理模块用于模型和指标数据的管理。例如管理工时预测模型和绩效预测模型等,同时对员工的模型指标进行管理。
员工全方位数据采集模块用于对通过生物识别的方式获取的工时评估数据进行采集和加工,将非结构化的工时评估数据预加工成结构化的工时评估数据。
智能分析模块用于做企业经营收益和工时信息进行分析,用于企业的成本效益测算,同时生成各个员工的用工方案。
用户管理模块是管理系统用户权限的模块。例如管理员工登记的权限、员工使用模型进行测算的权限、数据调整权限和数据查看权限等。
秘钥管理模块用于对底层数据进行保护。采用公私秘钥的形式,使得企业保护自己所管辖的数据安全。
底层分析模块用于分析工时信息确定装置的支撑能力和底层环境。
数据预处理模块,用于对工时评估数据进行数据清洗、数据加工和数据批量管理等。
监控模块用于给通过生物识别的方式获取的工时评估数据提供采集渠道,可以通过摄像头、电脑的远端监控和员工出入记录等进行监控采集员工的工时评估数据。
区块链模块,用于存储员工的工时评估数据和员工的工时信息。
本申请实施例提供的工时信息确定装置,通过从多个方面采集工时评估数据,在传统的登记方式基础上能够更全面地记录员工的实际工作情况,避免了代打卡等问题,保证工时评估数据的真实性。通过对工时评估数据进行预处理,可以使工时评估数据格式统一和便于测算。通过区块链可以防止工时评估数据被篡改,有利于构建一个透明自制和高效地的办公环境,使得企业营收的统计评估和效益测算能够通过员工的工时信息来辅助确定。
图5为本申请一个实施例提供的电子设备的结构示意图,如图5所示,该电子设备可以包括:处理器(Processor)510、通信接口(Communications Interface)520、存储器(Memory)530和通信总线(Communications Bus)540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑命令,以执行工时信息确定方法,该方法包括:
获取员工的工时评估数据;工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种;将工时评估数据输入至工时预测模型,得到工时预测模型输出的员工的工时信息;将员工的工时信息存储至区块链;区块链中的各个区块节点与各个员工的身份信息一一对应。
此外,上述的存储器中的逻辑命令可以通过软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干命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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令,实现上述方法,其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
本申请实施例还提供一种非暂态计算机可读的存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法。
其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
本申请实施例提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现如上述方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
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应当理解: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)
1.一种工时信息确定方法,其特征在于,包括:
获取员工的工时评估数据;所述工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种;
将所述工时评估数据输入至工时预测模型,得到所述工时预测模型输出的所述员工的工时信息;
将所述员工的工时信息存储至区块链;所述区块链中的各个区块节点与各个员工的身份信息一一对应。
2.根据权利要求1所述的工时信息确定方法,其特征在于,所述将所述员工的工时信息存储至区块链之后,所述方法还包括:
基于所述区块链,获取各个员工的工时信息;
将各个员工的工时信息输入至绩效预测模型,得到所述绩效预测模型输出的各个员工的工作绩效信息;
基于各个员工的工时信息和工作绩效信息,确定各个员工的用工方案。
3.一种工时信息确定装置,其特征在于,包括:
数据采集模块,用于采集员工的工时评估数据;所述工时评估数据包括工时登记数据、工作行为数据、人脸识别数据和设备操作数据中的至少一种;
数据识别模块,用于将所述工时评估数据输入至工时预测模型,得到所述工时预测模型输出的所述员工的工时信息;
区块链模块,用于将所述员工的工时信息存储至区块链;所述区块链中的各个区块节点与各个员工的身份信息一一对应。
4.根据权利要求3所述的工时信息确定装置,其特征在于,所述装置还包括:
智能分析模块,与所述区块链相连接,用于将各个员工的工时信息输入至绩效预测模型,得到所述绩效预测模型输出的各个员工的工作绩效信息;基于各个员工的工时信息和工作绩效信息,确定各个员工的用工方案。
5.根据权利要求3所述的工时信息确定装置,其特征在于,所述装置还包括:
用户管理模块,用于确定所述员工的身份信息以及所述员工对应的数据查看权限、数据调整权限和模型管理权限。
6.根据权利要求3所述的工时信息确定装置,其特征在于,所述装置还包括:
数据预处理模块,与所述数据采集模块相连接,用于对所述工时评估数据进行数据预处理。
7.根据权利要求3所述的工时信息确定装置,其特征在于,所述装置还包括:
区块链监控模块,与所述区块链相连接,用于对所述区块链中区块节点的变化进行监控。
8.根据权利要求3所述的工时信息确定装置,其特征在于,所述数据识别模块还用于:
基于所述工时评估数据,以及所述工时评估数据对应的工时信息对初始模型进行训练,构建所述工时预测模型。
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1或2所述的工时信息确定方法。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行权利要求1或2所述的工时信息确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310128967.7A CN116150271A (zh) | 2023-02-16 | 2023-02-16 | 工时信息确定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310128967.7A CN116150271A (zh) | 2023-02-16 | 2023-02-16 | 工时信息确定方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116150271A true CN116150271A (zh) | 2023-05-23 |
Family
ID=86338728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310128967.7A Pending CN116150271A (zh) | 2023-02-16 | 2023-02-16 | 工时信息确定方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116150271A (zh) |
-
2023
- 2023-02-16 CN CN202310128967.7A patent/CN116150271A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009475B (zh) | 风险稽核监察方法、装置、计算机设备及存储介质 | |
US10706475B2 (en) | System and method for rules driven data record reduction | |
US20200402671A1 (en) | Systems and methods for determining, tracking, and predicting common infectious illness outbreaks | |
US20120185275A1 (en) | System and method of automated data analysis for implementing health records personal assistant with automated correlation of medical services to insurance and tax benefits for improved personal health cost management | |
US20090099884A1 (en) | Method and system for detecting fraud based on financial records | |
US20190206575A1 (en) | Smart clustering and cluster updating | |
US11468377B2 (en) | System and method for creating a census hub in resource constrained regions | |
CN113657548A (zh) | 医保异常检测方法、装置、计算机设备及存储介质 | |
Gan et al. | Privacy enhancing technologies implementation: An Investigation of its impact on work processes and employee perception | |
CN106845916A (zh) | 一种基于净水器的智能app考勤管理及状态监控方法 | |
CN111863178A (zh) | 发放医疗报告的方法、装置、介质及电子设备 | |
Bartels et al. | All the President's Justices? The Impact of Presidential Copartisanship on Supreme Court Job Approval | |
CN116542781A (zh) | 任务分配方法、装置、计算机设备及存储介质 | |
CN111178816A (zh) | 宿舍监控管理方法、装置、电子设备及存储介质 | |
US20210110924A1 (en) | System and method for monitoring system compliance with measures to improve system health | |
CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
US20140156339A1 (en) | Operational risk and control analysis of an organization | |
CN116150271A (zh) | 工时信息确定方法、装置、存储介质及电子设备 | |
US20220366345A1 (en) | Performance evaluation systems and methods | |
RU2683190C1 (ru) | Способ и система для расчета индекса рисков противоправных действий со стороны кандидатов на трудоустройство и действующих сотрудников | |
CN106845917A (zh) | 一种基于净水器的智能app考勤管理系统 | |
Ali et al. | Developing a causal framework of internet of things adoption barriers for agile manufacturing in post COVID-19 | |
CN114549078B (zh) | 基于时序的客户行为处理方法、装置及相关设备 | |
US20240020712A1 (en) | System and method for distributed individual experience collection, analysis, and continual single-participant experience trials and burnout risk detection and mitigation | |
Yang et al. | Analyzing client behavior in a syringe exchange program |
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 |