CN116502881B - 一种用于设备维修的人员调度管理方法及系统 - Google Patents
一种用于设备维修的人员调度管理方法及系统 Download PDFInfo
- Publication number
- CN116502881B CN116502881B CN202310785127.8A CN202310785127A CN116502881B CN 116502881 B CN116502881 B CN 116502881B CN 202310785127 A CN202310785127 A CN 202310785127A CN 116502881 B CN116502881 B CN 116502881B
- Authority
- CN
- China
- Prior art keywords
- task
- matching
- skill
- result
- personnel
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 168
- 238000007726 management method Methods 0.000 title claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 95
- 230000010354 integration Effects 0.000 claims abstract description 79
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000003780 insertion Methods 0.000 claims description 42
- 230000037431 insertion Effects 0.000 claims description 42
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000012360 testing method Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 20
- 238000012545 processing Methods 0.000 abstract description 3
- 210000002569 neuron Anatomy 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种用于设备维修的人员调度管理方法及系统,涉及数据处理领域,其中,所述方法包括:对添加任务集合和技能清单进行任务执行分析,生成执行分析匹配结果,执行分析匹配结果具有技能匹配值;基于添加任务集合和人员固定任务进行时限影响分析,基于时限影响分析结果生成时限匹配值;对技能匹配值和时限匹配值进行匹配整合,基于匹配整合结果对添加任务集合进行任务分配,执行维修人员的调度。解决了现有技术中针对设备维修人员的调度管理准确度不足、灵活性低,进而造成设备维修人员的调度管理效果不佳的技术问题。达到了提高设备维修人员的调度管理的准确度、灵活性,提升设备维修人员的调度管理质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种用于设备维修的人员调度管理方法及系统。
背景技术
随着生产制造业的不断发展,生产车间内的设备种类、设备数量越来越多,对设备的维修保护提出了更高层次的要求。人员调度管理对于设备的维修保护具有重要影响。现有技术中,存在针对设备维修人员的调度管理准确度不足、灵活性低,进而造成设备维修人员的调度管理效果不佳的技术问题。
发明内容
本申请提供了一种用于设备维修的人员调度管理方法及系统。解决了现有技术中针对设备维修人员的调度管理准确度不足、灵活性低,进而造成设备维修人员的调度管理效果不佳的技术问题。达到了提高设备维修人员的调度管理的准确度、灵活性,提升设备维修人员的调度管理质量,从而提升设备维修的效率的技术效果。
鉴于上述问题,本申请提供了一种用于设备维修的人员调度管理方法及系统。
第一方面,本申请提供了一种用于设备维修的人员调度管理方法,其中,所述方法应用于一种用于设备维修的人员调度管理系统,所述方法包括:对维修人员执行技能测试,基于技能测试结果构建所述维修人员的技能清单,其中,所述技能清单具有技能等级标识;读取所述维修人员的人员固定任务,其中,所述人员固定任务包括任务等级标识、任务时限标识;整合新增任务,构建添加任务集合,其中,所述添加任务集合包括任务等级标识、任务内容标识、任务时序标识;对所述添加任务集合和所述技能清单进行任务执行分析,生成执行分析匹配结果,且所述执行分析匹配结果具有技能匹配值;基于所述添加任务集合和所述人员固定任务进行任务新增的时限影响分析,基于时限影响分析结果生成时限匹配值;对所述技能匹配值和所述时限匹配值进行匹配整合,基于匹配整合结果对所述添加任务集合进行任务分配,执行所述维修人员的调度。
第二方面,本申请还提供了一种用于设备维修的人员调度管理系统,其中,所述系统包括:技能清单构建模块,所述技能清单构建模块用于对维修人员执行技能测试,基于技能测试结果构建所述维修人员的技能清单,其中,所述技能清单具有技能等级标识;固定任务读取模块,所述固定任务读取模块用于读取所述维修人员的人员固定任务,其中,所述人员固定任务包括任务等级标识、任务时限标识;任务添加模块,所述任务添加模块用于整合新增任务,构建添加任务集合,其中,所述添加任务集合包括任务等级标识、任务内容标识、任务时序标识;任务执行分析模块,所述任务执行分析模块用于对所述添加任务集合和所述技能清单进行任务执行分析,生成执行分析匹配结果,且所述执行分析匹配结果具有技能匹配值;时限影响分析模块,所述时限影响分析模块用于基于所述添加任务集合和所述人员固定任务进行任务新增的时限影响分析,基于时限影响分析结果生成时限匹配值;人员调度模块,所述人员调度模块用于对所述技能匹配值和所述时限匹配值进行匹配整合,基于匹配整合结果对所述添加任务集合进行任务分配,执行所述维修人员的调度。
第三方面,本申请还提供了一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的一种用于设备维修的人员调度管理方法。
第四方面,本申请还提供了一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的一种用于设备维修的人员调度管理方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过对维修人员执行技能测试,构建具有技能等级标识的维修人员的技能清单;通过数据查询,获得维修人员的人员固定任务和添加任务集合;通过对添加任务集合和技能清单进行任务执行分析,生成执行分析匹配结果;基于添加任务集合和人员固定任务进行任务新增的时限影响分析,获得时限影响分析结果;通过对执行分析匹配结果和时限影响分析结果进行匹配整合,获得匹配整合结果;根据匹配整合结果对添加任务集合进行任务分配,获得任务分配结果,并根据任务分配结果对维修人员进行调度。达到了提高设备维修人员的调度管理的准确度、灵活性,提升设备维修人员的调度管理质量,从而提升设备维修的效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种用于设备维修的人员调度管理方法的流程示意图;
图2为本申请一种用于设备维修的人员调度管理方法中通过反馈调度数据进行任务分配的调度优化的流程示意图;
图3为本申请一种用于设备维修的人员调度管理系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:技能清单构建模块11,固定任务读取模块12,任务添加模块13,任务执行分析模块14,时限影响分析模块15,人员调度模块16,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
本申请通过提供一种用于设备维修的人员调度管理方法及系统。解决了现有技术中针对设备维修人员的调度管理准确度不足、灵活性低,进而造成设备维修人员的调度管理效果不佳的技术问题。达到了提高设备维修人员的调度管理的准确度、灵活性,提升设备维修人员的调度管理质量,从而提升设备维修的效率的技术效果。
实施例一
请参阅附图1,本申请提供一种用于设备维修的人员调度管理方法,其中,所述方法应用于一种用于设备维修的人员调度管理系统,所述方法具体包括如下步骤:
步骤S100:对维修人员执行技能测试,基于技能测试结果构建所述维修人员的技能清单,其中,所述技能清单具有技能等级标识;
步骤S200:读取所述维修人员的人员固定任务,其中,所述人员固定任务包括任务等级标识、任务时限标识;
步骤S300:整合新增任务,构建添加任务集合,其中,所述添加任务集合包括任务等级标识、任务内容标识、任务时序标识;
具体而言,对维修人员进行技能测试,获得技能测试结果,并基于技能测试结果,构建维修人员的技能清单。其中,所述维修人员包括使用所述一种用于设备维修的人员调度管理系统进行智能化调度管理的多个设备维修人员。所述技能测试包括设备维修技能知识笔试、设备维修技能实际测试。所述技能测试结果包括多个设备维修人员对应的多个人员技能测试结果。每个人员技能测试结果包括每个设备维修人员的技能类型、技能等级标识。技能等级标识越高,对应的设备维修人员的技能类型的技能越好。所述技能清单包括技能测试结果。
进一步,连接所述一种用于设备维修的人员调度管理系统进行固定任务查询,获得维修人员的人员固定任务。同时,通过对所述一种用于设备维修的人员调度管理系统进行新增任务查询,构建添加任务集合。其中,所述人员固定任务包括多个设备维修人员对应的多个人员固定任务信息。每个人员固定任务信息包括预先设置确定的每个设备维修人员对应的固定任务。且,固定任务具有固定任务等级标识、固定任务时限标识。固定任务包括每个设备维修人员的基础维修任务内容、基础维修工作职责信息。固定任务等级标识越高,对应的固定任务的难度越高。固定任务时限标识包括固定任务对应的任务时限信息。所述添加任务集合包括多个新增任务。且,每个新增任务都具有新增任务等级标识、新增任务内容标识、新增任务时序标识。新增任务等级标识越高,对应的新增任务的难度越高。新增任务内容标识包括每个新增任务对应的具体维修任务内容信息。新增任务时序标识包括新增任务时限标识信息、新增任务时序标识信息。新增任务时限标识信息包括新增任务对应的任务时限信息。新增任务时序标识信息包括新增任务对应的时序编号信息。新增任务时限标识越靠前,对应的新增任务时序标识也越靠前。达到了构建维修人员的技能清单,并通过所述一种用于设备维修的人员调度管理系统进行任务查询,获得人员固定任务和添加任务集合,为后续对多个设备维修人员进行调度管理奠定基础的技术效果。
步骤S400:对所述添加任务集合和所述技能清单进行任务执行分析,生成执行分析匹配结果,且所述执行分析匹配结果具有技能匹配值;
步骤S500:基于所述添加任务集合和所述人员固定任务进行任务新增的时限影响分析,基于时限影响分析结果生成时限匹配值;
具体而言,基于添加任务集合和技能清单进行任务执行分析,获得执行分析匹配结果。其中,所述执行分析匹配结果包括多个技能匹配值。多个技能匹配值是用于表征每个设备维修人员与添加任务集合中的每个新增任务之间的技能匹配度的参数信息。技能匹配值越高,对应的设备维修人员与新增任务之间的技能匹配度越高。示例性地,在获得执行分析匹配结果,将设备维修人员的技能等级标识与新增任务的新增任务等级标识进行比值计算,获得该设备维修人员与该新增任务之间的技能匹配值。技能匹配值包括设备维修人员的技能等级标识与新增任务的新增任务等级标识之间的比值信息。
进一步,基于添加任务集合和人员固定任务进行新增任务的时限影响分析,获得时限影响分析结果。所述时限影响分析结果包括多个时限匹配值。多个时限匹配值包括多个设备维修人员能够处理添加任务集合中的多个新增任务的多个空闲时间区间信息。示例性地,在获得时限影响分析结果时,将添加任务集合中多个新增任务对应的多个新增任务时限标识信息与人员固定任务的多个固定任务时限标识进行时间比对分析,获得时限影响分析结果。
达到了通过对多个设备维修人员进行新增任务的技能匹配度分析及时限影响分析,获得可靠的执行分析匹配结果和时限影响分析结果,从而提高设备维修人员的调度管理的精准性的技术效果。
步骤S600:对所述技能匹配值和所述时限匹配值进行匹配整合,基于匹配整合结果对所述添加任务集合进行任务分配,执行所述维修人员的调度。
具体而言,基于添加任务集合中的多个新增任务进行约束条件设置,获得技能匹配约束条件、时限匹配约束条件。技能匹配约束条件包括预先设置确定的每个新增任务对应的技能匹配度范围信息。时限匹配约束条件包括预先设置确定的每个新增任务对应的空闲时间区间范围信息。进一步,分别判断多个技能匹配值是否满足技能匹配约束条件,获得多个标识技能匹配值。每个标识技能匹配值包括技能匹配值,以及该技能匹配值是/否满足技能匹配约束条件的标识信息。同理,分别判断多个时限匹配值是否满足时限匹配约束条件,获得多个标识时限匹配值。每个标识时限匹配值包括时限匹配值,以及该时限匹配值是/否满足时限匹配约束条件的标识信息。
进一步,基于多个标识技能匹配值和多个标识时限匹配值进行匹配整合,获得匹配整合结果。所述匹配整合结果包括多个整合匹配值。多个整合匹配值是用于表征每个设备维修人员与添加任务集合中的每个新增任务之间的任务分配适应度的参数信息。设备维修人员与添加任务集合中的新增任务之间的任务分配适应度越高,对应的整合匹配值越大。例如,针对同一个新增任务,在多个设备维修人员的多个时限匹配值满足时限匹配约束条件,且,这多个设备维修人员的多个技能匹配值满足技能匹配约束条件时,技能匹配值较低的设备维修人员具有该新增任务的较高的整合匹配值。从而避免设备维修人员的人力资源浪费,提高设备维修人员的人力资源利用率,提高设备维修人员的调度管理的灵活性。
示例性地,在获得匹配整合结果时,基于多个标识技能匹配值和多个标识时限匹配值进行大数据查询,获得多组构建数据。每组构建数据包括多个历史标识技能匹配值、多个历史标识时限匹配值、多个历史整合匹配值。将多组构建数据中随机的70%的数据信息划分为训练数据集。将多组构建数据中随机的30%的数据信息划分为测试数据集。基于BP神经网络,对训练数据集进行交叉监督训练,获得匹配整合分析模型。将测试数据集作为输入信息,输入匹配整合分析模型,通过测试数据集对匹配整合分析模型进行参数更新。所述BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。所述BP神经网络包括输入层、多层神经元、输出层。BP神经网络可以进行正向计算、反向计算。正向计算时,输入信息从输入层经过多层神经元逐层处理,转向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向计算,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小。匹配整合分析模型符合BP神经网络,即,匹配整合分析模型包括输入层、隐含层、输出层。继而,将多个标识技能匹配值和多个标识时限匹配值作为输入信息,输入匹配整合分析模型,通过匹配整合分析模型对输入的多个标识技能匹配值、多个标识时限匹配值进行智能化分析及整合匹配值标识,获得匹配整合结果。
达到了通过对执行分析匹配结果、时限影响分析结果进行判断标识及匹配整合,获得准确的匹配整合结果,从而提高设备维修人员的调度管理的合理性的技术效果。
进一步的,本申请步骤S600还包括:
步骤S610:对维修人员进行历史执行任务分析,获得历史执行任务数据;
步骤S620:基于所述技能清单对维修人员执行技能阶段评价,生成技能阶段评价结果;
步骤S630:通过所述技能阶段评价结果和所述历史执行任务数据进行任务连续执行匹配评价,生成连续执行匹配值;
具体而言,对维修人员中的多个设备维修人员进行历史执行任务查询,获得历史执行任务数据。基于技能清单对多个设备维修人员进行技能阶段评价,生成技能阶段评价结果。继而,基于技能阶段评价结果和历史执行任务数据,对多个设备维修人员进行新增任务的连续执行匹配评价,生成连续执行匹配值。其中,所述历史执行任务数据包括多个设备维修人员对应的多个历史执行任务信息。每个历史执行任务信息包括每个设备维修人员的多个历史执行任务类型、多个历史任务执行效果。所述技能阶段评价结果包括多个设备维修人员对应的多个技能阶段评价标识。技能阶段评价标识越高,对应的设备维修人员的技能熟练度越高。示例性地,可直接将技能清单中的多个技能等级标识输出为技能阶段评价结果。所述连续执行匹配值包括多个连续执行匹配度系数。多个连续执行匹配度系数是用于表征每个设备维修人员连续执行新增任务的匹配度的参数信息。连续执行匹配度系数越高,对应的设备维修人员连续执行该新增任务的匹配度越高。
步骤S640:通过所述连续执行匹配值对所述匹配整合结果修正,基于修正后的所述匹配整合结果进行任务分配。
进一步的,本申请步骤S640还包括:
步骤S641:通过所述技能阶段评价结果和所述历史执行任务数据进行任务执行的间隔执行匹配评价,生成间隔执行匹配值;
步骤S642:设定所述连续执行匹配值和所述间隔执行匹配值的匹配权重;
步骤S643:基于所述匹配权重对所述连续执行匹配值和所述间隔执行匹配值进行加权计算,基于加权计算结果对所述匹配整合结果进行修正。
具体而言,基于技能阶段评价结果和历史执行任务数据,对多个设备维修人员进行新增任务的间隔执行匹配评价,生成间隔执行匹配值。所述间隔执行匹配值包括多个间隔执行匹配度系数。多个间隔执行匹配度系数是用于表征每个设备维修人员间隔执行新增任务的匹配度的参数信息。间隔执行匹配度系数越高,对应的设备维修人员间隔执行该新增任务的匹配度越高。
示例性地,在获得连续执行匹配值、间隔执行匹配值时,基于技能阶段评价结果和历史执行任务数据进行历史数据查询,获得多个历史技能阶段评价结果、多个历史执行任务数据信息、多个历史连续执行匹配值、多个历史间隔执行匹配值。基于卷积神经网络,将多个历史技能阶段评价结果、多个历史执行任务数据信息、多个历史连续执行匹配值、多个历史间隔执行匹配值进行不断的自我训练学习至收敛状态,即可获得执行匹配评价模型。所述卷积神经网络是一类包含卷积计算,且具有深度结构的前馈神经网络。卷积神经网络具有表征学习能力,能够按其阶层结构对输入信息进行平移不变分类。执行匹配评价模型包括输入层、隐含层、输出层。将技能阶段评价结果和历史执行任务数据作为输入信息,输入执行匹配评价模型,通过执行匹配评价模型对技能阶段评价结果和历史执行任务数据进行连续执行匹配度系数标识及间隔执行匹配度系数评估,获得连续执行匹配值、间隔执行匹配值。
进一步,基于连续执行匹配值和间隔执行匹配值设置匹配权重。匹配权重包括预先设置确定的连续执行匹配度权重系数、间隔执行匹配度权重系数。进而,基于匹配权重对连续执行匹配值和间隔执行匹配值进行加权计算,获得加权计算结果。加权计算结果包括多个综合执行匹配度系数。示例性地,获得加权计算结果时,通过预设加权计算公式对连续执行匹配值和间隔执行匹配值进行加权计算,获得加权计算结果。预设加权计算公式为,/>为输出的加权计算结果中的综合执行匹配度系数,/>为输入的连续执行匹配值中的连续执行匹配度系数,Y为输入的间隔执行匹配值中的间隔执行匹配度系数,/>为连续执行匹配度权重系数、间隔执行匹配度权重系数。
进一步,通过加权计算结果对匹配整合结果进行修正,获得修正匹配整合结果,并根据修正匹配整合结果对原来的匹配整合结果进行数据更新,从而提高匹配整合结果的精准性。示例性地,在通过加权计算结果对匹配整合结果进行修正时,将加权计算结果中的多个综合执行匹配度系数与匹配整合结果中的多个整合匹配值进行加和计算,获得多个修正整合匹配值,并将多个修正整合匹配值输出为修正匹配整合结果。
达到了通过连续执行匹配值、间隔执行匹配值对匹配整合结果进行适应性修正,提高匹配整合结果的精度,从而提高对添加任务集合进行任务分配的适配度的技术效果。
进一步的,本申请步骤S640之后,还包括:
步骤S650:基于大数据设定任务分配阈值;
步骤S660:判断所述匹配整合结果中的整合匹配值是否均满足所述任务分配阈值;
步骤S670:对不满足所述任务分配阈值的添加任务执行任务标识,构建任务标识集合;
具体而言,分别对匹配整合结果中的多个整合匹配值是否满足任务分配阈值进行判断。如果整合匹配值满足任务分配阈值,按照该整合匹配值对添加任务集合进行任务分配,获得任务分配结果,并按照任务分配结果对多个设备维修人员进行调度。如果整合匹配值不满足任务分配阈值,则,对该整合匹配值对应的新增任务进行任务执行任务标识,并将该新增任务添加至任务标识集合。其中,所述任务分配阈值包括预先设置确定的整合匹配阈值。任务分配结果包括每个设备维修人员对应的人员任务分配结果。每个人员任务分配结果包括每个设备维修人员对应的满足任务分配阈值的多个整合匹配值,以及这多个整合匹配值对应的多个新增任务。所述任务标识集合包括不满足任务分配阈值的多个整合匹配值对应的多个新增任务。达到了通过对匹配整合结果中的多个整合匹配值是否满足任务分配阈值进行判断,适应性地构建任务标识集合、任务分配结果,为后续对任务分配结果进行插入调度奠定基础的技术效果。
步骤S680:基于所述任务标识集合和任务分配结果进行任务等级的插入调度,将插入调度结果添加至所述任务分配结果。
进一步的,本申请步骤S680还包括:
步骤S681:基于所述任务标识集合和任务分配结果进行任务等级比对;
步骤S682:当所述任务标识集合中的任务等级高于所述任务分配结果的任务等级,且为跨等级时,则执行对应任务的直接插入标识;
步骤S683:当所述任务标识集合中的任务等级高于所述任务分配结果的任务等级,且为非跨等级时,则执行对应任务的参考插入标识;
步骤S684:基于所述直接插入标识和所述参考插入标识进行任务等级的插入调度。
具体而言,依次将任务标识集合中的多个新增任务与任务分配结果中的多个人员任务分配结果进行任务等级比对。当任务标识集合中的新增任务对应的任务等级高于人员任务分配结果的任务等级,且为跨等级时,则,对该新增任务进行直接插入标识。当任务标识集合中的新增任务对应的任务等级高于人员任务分配结果的任务等级,且为非跨等级时,则,对该新增任务进行参考插入标识。继而,根据直接插入标识和参考插入标识,将任务标识集合中的多个新增任务分配至多个设备维修人员,获得插入调度结果,并将插入调度结果添加至任务分配结果。其中,直接插入标识包括当任务标识集合中的新增任务对应的任务等级高于人员任务分配结果的任务等级,且为跨等级时,将该新增任务直接插入该人员任务分配结果的标识信息。参考插入标识包括当任务标识集合中的新增任务对应的任务等级高于人员任务分配结果的任务等级,且为非跨等级时,可以将该新增任务插入该人员任务分配结果的标识信息。插入调度结果包括按照直接插入标识和参考插入标识,将任务标识集合中的多个新增任务分配至多个设备维修人员的任务分配信息。且,直接插入标识的优先级高于参考插入标识的优先级。任务分配结果还包括插入调度结果。达到了通过任务标识集合对任务分配结果进行适应性地任务插入调度,提高任务分配结果的全面性,从而提高设备维修人员的调度管理质量的技术效果。
进一步的,本申请步骤S681还包括:
步骤S6811:当所述任务标识集合中的任务等级不高于所述任务分配结果的任务等级,此时根据所述任务标识集合和所述任务分配结果的等级差级生成负相关影响系数;
步骤S6812:通过所述负相关影响系数进行任务等级的插入调度约束。
具体而言,在依次将任务标识集合中的多个新增任务与任务分配结果中的多个人员任务分配结果进行任务等级比对时,如果任务标识集合中的新增任务对应的任务等级不高于人员任务分配结果的任务等级,将该新增任务对应的任务等级与该人员任务分配结果的任务等级进行差值计算,获得负相关影响系数,并按照负相关影响系数进行任务等级的插入调度约束。示例性地,在按照负相关影响系数进行任务等级的插入调度约束时,按照负相关影响系数的大小,将该新增任务添加至人员任务分配结果。负相关影响系数越小,对应的新增任务在人员任务分配结果中的顺序越靠后。达到了通过负相关影响系数对任务标识集合进行插入调度,提高任务分配的全面性的技术效果。
进一步的,如附图2所示,本申请步骤S600之后,还包括:
步骤S710:采集获得维修人员的调度反馈信息;
步骤S720:对所述调度反馈信息进行信息整合,并将整合结果进行计算机标识,定位获得反馈调度数据;
步骤S730:通过所述反馈调度数据进行任务分配的调度优化。
具体而言,将多个人员任务分配结果发送至多个设备维修人员,并接收多个设备维修人员的调度反馈信息。所述调度反馈信息包括多个设备维修人员对应的多个人员调度反馈信息。每个人员调度反馈信息包括每个设备维修人员是/否能够完成对应的人员任务分配结果,以及新增任务后,每个设备维修人员对应的实时空闲时间。进一步,对调度反馈信息进行信息整合,获得整合结果。将整合结果进行计算机标识,获得反馈调度数据,按照反馈调度数据对多个设备维修人员进行任务分配的调度优化。其中,信息整合是指从调度反馈信息中,提取出每个设备维修人员不能够完成的人员任务分配结果,以及每个设备维修人员对应的实时空闲时间。所述整合结果包括调度反馈信息中,每个设备维修人员不能够完成的人员任务分配结果,以及每个设备维修人员对应的实时空闲时间。所述反馈调度数据包括按照实时空闲时间和匹配整合结果,将每个设备维修人员不能够完成的人员任务分配结果分配给其它设备维修人员的任务分配信息。达到了通过维修人员的调度反馈信息对多个人员任务分配结果进行调度优化,提高设备维修人员的调度管理的适配度、灵活性的技术效果。
综上所述,本申请所提供的一种用于设备维修的人员调度管理方法具有如下技术效果:
1.通过对维修人员执行技能测试,构建具有技能等级标识的维修人员的技能清单;通过数据查询,获得维修人员的人员固定任务和添加任务集合;通过对添加任务集合和技能清单进行任务执行分析,生成执行分析匹配结果;基于添加任务集合和人员固定任务进行任务新增的时限影响分析,获得时限影响分析结果;通过对执行分析匹配结果和时限影响分析结果进行匹配整合,获得匹配整合结果;根据匹配整合结果对添加任务集合进行任务分配,获得任务分配结果,并根据任务分配结果对维修人员进行调度。达到了提高设备维修人员的调度管理的准确度、灵活性,提升设备维修人员的调度管理质量,从而提升设备维修的效率的技术效果。
2.通过对多个设备维修人员进行新增任务的技能匹配度分析及时限影响分析,获得可靠的执行分析匹配结果和时限影响分析结果,从而提高设备维修人员的调度管理的精准性。
3.通过任务标识集合对任务分配结果进行适应性地任务插入调度,提高任务分配结果的全面性,从而提高设备维修人员的调度管理质量。
实施例二
基于与前述实施例中一种用于设备维修的人员调度管理方法,同样发明构思,本发明还提供了一种用于设备维修的人员调度管理系统,请参阅附图3,所述系统包括:
技能清单构建模块11,所述技能清单构建模块11用于对维修人员执行技能测试,基于技能测试结果构建所述维修人员的技能清单,其中,所述技能清单具有技能等级标识;
固定任务读取模块12,所述固定任务读取模块12用于读取所述维修人员的人员固定任务,其中,所述人员固定任务包括任务等级标识、任务时限标识;
任务添加模块13,所述任务添加模块13用于整合新增任务,构建添加任务集合,其中,所述添加任务集合包括任务等级标识、任务内容标识、任务时序标识;
任务执行分析模块14,所述任务执行分析模块14用于对所述添加任务集合和所述技能清单进行任务执行分析,生成执行分析匹配结果,且所述执行分析匹配结果具有技能匹配值;
时限影响分析模块15,所述时限影响分析模块15用于基于所述添加任务集合和所述人员固定任务进行任务新增的时限影响分析,基于时限影响分析结果生成时限匹配值;
人员调度模块16,所述人员调度模块16用于对所述技能匹配值和所述时限匹配值进行匹配整合,基于匹配整合结果对所述添加任务集合进行任务分配,执行所述维修人员的调度。
进一步的,所述系统还包括:
分配阈值设置模块,所述分配阈值设置模块用于基于大数据设定任务分配阈值;
整合匹配判断模块,所述整合匹配判断模块用于判断所述匹配整合结果中的整合匹配值是否均满足所述任务分配阈值;
第一执行模块,所述第一执行模块用于对不满足所述任务分配阈值的添加任务执行任务标识,构建任务标识集合;
插入调度模块,所述插入调度模块用于基于所述任务标识集合和任务分配结果进行任务等级的插入调度,将插入调度结果添加至所述任务分配结果。
进一步的,所述系统还包括:
历史任务数据获取模块,所述历史任务数据获取模块用于对维修人员进行历史执行任务分析,获得历史执行任务数据;
技能阶段评价模块,所述技能阶段评价模块用于基于所述技能清单对维修人员执行技能阶段评价,生成技能阶段评价结果;
连续执行匹配评价模块,所述连续执行匹配评价模块用于通过所述技能阶段评价结果和所述历史执行任务数据进行任务连续执行匹配评价,生成连续执行匹配值;
第二执行模块,所述第二执行模块用于通过所述连续执行匹配值对所述匹配整合结果修正,基于修正后的所述匹配整合结果进行任务分配。
进一步的,所述系统还包括:
间隔执行匹配评价模块,所述间隔执行匹配评价模块用于通过所述技能阶段评价结果和所述历史执行任务数据进行任务执行的间隔执行匹配评价,生成间隔执行匹配值;
匹配权重确定模块,所述匹配权重确定模块用于设定所述连续执行匹配值和所述间隔执行匹配值的匹配权重;
第三执行模块,所述第三执行模块用于基于所述匹配权重对所述连续执行匹配值和所述间隔执行匹配值进行加权计算,基于加权计算结果对所述匹配整合结果进行修正。
进一步的,所述系统还包括:
任务等级比对模块,所述任务等级比对模块用于基于所述任务标识集合和任务分配结果进行任务等级比对;
直接插入标识模块,所述直接插入标识模块用于当所述任务标识集合中的任务等级高于所述任务分配结果的任务等级,且为跨等级时,则执行对应任务的直接插入标识;
参考插入标识模块,所述参考插入标识模块用于当所述任务标识集合中的任务等级高于所述任务分配结果的任务等级,且为非跨等级时,则执行对应任务的参考插入标识;
第四执行模块,所述第四执行模块用于基于所述直接插入标识和所述参考插入标识进行任务等级的插入调度。
进一步的,所述系统还包括:
负相关影响系数计算模块,所述负相关影响系数计算模块用于当所述任务标识集合中的任务等级不高于所述任务分配结果的任务等级,此时根据所述任务标识集合和所述任务分配结果的等级差级生成负相关影响系数;
插入调度约束模块,所述插入调度约束模块用于通过所述负相关影响系数进行任务等级的插入调度约束。
进一步的,所述系统还包括:
调度反馈信息获得模块,所述调度反馈信息获得模块用于采集获得维修人员的调度反馈信息;
反馈调度数据获得模块,所述反馈调度数据获得模块用于对所述调度反馈信息进行信息整合,并将整合结果进行计算机标识,定位获得反馈调度数据;
调度优化模块,所述调度优化模块用于通过所述反馈调度数据进行任务分配的调度优化。
本发明实施例所提供的一种用于设备维修的人员调度管理系统可执行本发明任意实施例所提供的一种用于设备维修的人员调度管理方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图4为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图4中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种用于设备维修的人员调度管理方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种用于设备维修的人员调度管理方法。
本申请提供了一种用于设备维修的人员调度管理方法,其中,所述方法应用于一种用于设备维修的人员调度管理系统,所述方法包括:通过对维修人员执行技能测试,构建具有技能等级标识的维修人员的技能清单;通过数据查询,获得维修人员的人员固定任务和添加任务集合;通过对添加任务集合和技能清单进行任务执行分析,生成执行分析匹配结果;基于添加任务集合和人员固定任务进行任务新增的时限影响分析,获得时限影响分析结果;通过对执行分析匹配结果和时限影响分析结果进行匹配整合,获得匹配整合结果;根据匹配整合结果对添加任务集合进行任务分配,获得任务分配结果,并根据任务分配结果对维修人员进行调度。解决了现有技术中针对设备维修人员的调度管理准确度不足、灵活性低,进而造成设备维修人员的调度管理效果不佳的技术问题。达到了提高设备维修人员的调度管理的准确度、灵活性,提升设备维修人员的调度管理质量,从而提升设备维修的效率的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种用于设备维修的人员调度管理方法,其特征在于,所述方法包括:
对维修人员执行技能测试,基于技能测试结果构建所述维修人员的技能清单,其中,所述技能清单具有技能等级标识;
读取所述维修人员的人员固定任务,其中,所述人员固定任务包括任务等级标识、任务时限标识;
整合新增任务,构建添加任务集合,其中,所述添加任务集合包括任务等级标识、任务内容标识、任务时序标识;
对所述添加任务集合和所述技能清单进行任务执行分析,生成执行分析匹配结果,且所述执行分析匹配结果具有技能匹配值;
基于所述添加任务集合和所述人员固定任务进行任务新增的时限影响分析,基于时限影响分析结果生成时限匹配值;
对所述技能匹配值和所述时限匹配值进行匹配整合,基于匹配整合结果对所述添加任务集合进行任务分配,执行所述维修人员的调度,其中,所述对所述技能匹配值和所述时限匹配值进行匹配整合包括:在获得匹配整合结果时,基于多个标识技能匹配值和多个标识时限匹配值进行大数据查询,获得多组构建数据,所述多组构建数据包括多个历史标识技能匹配值、多个历史标识时限匹配值、多个历史整合匹配值;将所述多组构建数据中随机的70%的数据信息划分为训练数据集,将所述多组构建数据中随机的30%的数据信息划分为测试数据集;基于BP神经网络,对训练数据集进行交叉监督训练,获得匹配整合分析模型;将测试数据集作为输入信息,输入匹配整合分析模型,通过测试数据集对匹配整合分析模型进行参数更新;将技能匹配值和时限匹配值作为输入信息,输入所述匹配整合分析模型,获得匹配整合结果;
对维修人员进行历史执行任务分析,获得历史执行任务数据;
基于所述技能清单对维修人员执行技能阶段评价,生成技能阶段评价结果;
通过所述技能阶段评价结果和所述历史执行任务数据进行任务连续执行匹配评价,生成连续执行匹配值;
通过所述连续执行匹配值对所述匹配整合结果修正,基于修正后的所述匹配整合结果进行任务分配;
通过所述技能阶段评价结果和所述历史执行任务数据进行任务执行的间隔执行匹配评价,生成间隔执行匹配值;
设定所述连续执行匹配值和所述间隔执行匹配值的匹配权重;
基于所述匹配权重对所述连续执行匹配值和所述间隔执行匹配值进行加权计算,基于加权计算结果对所述匹配整合结果进行修正;
基于大数据设定任务分配阈值;
判断所述匹配整合结果中的整合匹配值是否均满足所述任务分配阈值;
对不满足所述任务分配阈值的添加任务执行任务标识,构建任务标识集合;
基于所述任务标识集合和任务分配结果进行任务等级的插入调度,将插入调度结果添加至所述任务分配结果;
基于所述任务标识集合和任务分配结果进行任务等级比对;
当所述任务标识集合中的任务等级高于所述任务分配结果的任务等级,且为跨等级时,则执行对应任务的直接插入标识;
当所述任务标识集合中的任务等级高于所述任务分配结果的任务等级,且为非跨等级时,则执行对应任务的参考插入标识;
基于所述直接插入标识和所述参考插入标识进行任务等级的插入调度。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述任务标识集合中的任务等级不高于所述任务分配结果的任务等级,此时根据所述任务标识集合和所述任务分配结果的等级差级生成负相关影响系数;
通过所述负相关影响系数进行任务等级的插入调度约束。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
采集获得维修人员的调度反馈信息;
对所述调度反馈信息进行信息整合,并将整合结果进行计算机标识,定位获得反馈调度数据;
通过所述反馈调度数据进行任务分配的调度优化。
4.一种用于设备维修的人员调度管理系统,其特征在于,所述系统用于执行权利要求1至3任一项所述的方法,所述系统包括:
技能清单构建模块,所述技能清单构建模块用于对维修人员执行技能测试,基于技能测试结果构建所述维修人员的技能清单,其中,所述技能清单具有技能等级标识;
固定任务读取模块,所述固定任务读取模块用于读取所述维修人员的人员固定任务,其中,所述人员固定任务包括任务等级标识、任务时限标识;
任务添加模块,所述任务添加模块用于整合新增任务,构建添加任务集合,其中,所述添加任务集合包括任务等级标识、任务内容标识、任务时序标识;
任务执行分析模块,所述任务执行分析模块用于对所述添加任务集合和所述技能清单进行任务执行分析,生成执行分析匹配结果,且所述执行分析匹配结果具有技能匹配值;
时限影响分析模块,所述时限影响分析模块用于基于所述添加任务集合和所述人员固定任务进行任务新增的时限影响分析,基于时限影响分析结果生成时限匹配值;
人员调度模块,所述人员调度模块用于对所述技能匹配值和所述时限匹配值进行匹配整合,基于匹配整合结果对所述添加任务集合进行任务分配,执行所述维修人员的调度,其中,所述对所述技能匹配值和所述时限匹配值进行匹配整合包括:在获得匹配整合结果时,基于多个标识技能匹配值和多个标识时限匹配值进行大数据查询,获得多组构建数据,所述多组构建数据包括多个历史标识技能匹配值、多个历史标识时限匹配值、多个历史整合匹配值;将所述多组构建数据中随机的70%的数据信息划分为训练数据集,将所述多组构建数据中随机的30%的数据信息划分为测试数据集;基于BP神经网络,对训练数据集进行交叉监督训练,获得匹配整合分析模型;将测试数据集作为输入信息,输入匹配整合分析模型,通过测试数据集对匹配整合分析模型进行参数更新;将技能匹配值和时限匹配值作为输入信息,输入所述匹配整合分析模型,获得匹配整合结果。
5.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至3任一项所述的一种用于设备维修的人员调度管理方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至3中任一项所述的一种用于设备维修的人员调度管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310785127.8A CN116502881B (zh) | 2023-06-29 | 2023-06-29 | 一种用于设备维修的人员调度管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310785127.8A CN116502881B (zh) | 2023-06-29 | 2023-06-29 | 一种用于设备维修的人员调度管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116502881A CN116502881A (zh) | 2023-07-28 |
CN116502881B true CN116502881B (zh) | 2023-12-22 |
Family
ID=87321742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310785127.8A Active CN116502881B (zh) | 2023-06-29 | 2023-06-29 | 一种用于设备维修的人员调度管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502881B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117034195B (zh) * | 2023-08-11 | 2024-02-27 | 中核检修有限公司 | 核电仪表的检修调度方法、装置、存储介质及计算机设备 |
CN117057513B (zh) * | 2023-10-11 | 2024-01-12 | 山东建筑大学 | 一种基于互联网的智慧园区用监控管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485417A (zh) * | 2016-10-17 | 2017-03-08 | 南京国电南自电网自动化有限公司 | 基于动态自适应任务调度策略的光伏电站移动运维方法 |
CN106682743A (zh) * | 2016-12-15 | 2017-05-17 | 南京南瑞信息通信科技有限公司 | 一种电力通信现场运维工单调度管理方法及系统 |
CN112308401A (zh) * | 2020-10-29 | 2021-02-02 | 多点(深圳)数字科技有限公司 | 任务分配方法、装置、计算机设备和可读存储介质 |
CN113283749A (zh) * | 2021-05-26 | 2021-08-20 | 深圳前海微众银行股份有限公司 | 任务派发方法、装置、设备、存储介质及程序产品 |
CN115146921A (zh) * | 2022-05-31 | 2022-10-04 | 北京千禧维讯科技有限公司 | 一种基于大数据实时分析的工作动态分配方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7769617B2 (en) * | 2002-10-29 | 2010-08-03 | Tokyo Electron Limited | Worker management system, worker management apparatus and worker management method |
US10509671B2 (en) * | 2017-12-11 | 2019-12-17 | Afiniti Europe Technologies Limited | Techniques for behavioral pairing in a task assignment system |
US11182707B2 (en) * | 2018-11-19 | 2021-11-23 | Rimini Street, Inc. | Method and system for providing a multi-dimensional human resource allocation adviser |
US20230091248A1 (en) * | 2021-09-21 | 2023-03-23 | Salesforce.Com, Inc. | Skill based intelligent swarming with skill tracking and development |
-
2023
- 2023-06-29 CN CN202310785127.8A patent/CN116502881B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485417A (zh) * | 2016-10-17 | 2017-03-08 | 南京国电南自电网自动化有限公司 | 基于动态自适应任务调度策略的光伏电站移动运维方法 |
CN106682743A (zh) * | 2016-12-15 | 2017-05-17 | 南京南瑞信息通信科技有限公司 | 一种电力通信现场运维工单调度管理方法及系统 |
CN112308401A (zh) * | 2020-10-29 | 2021-02-02 | 多点(深圳)数字科技有限公司 | 任务分配方法、装置、计算机设备和可读存储介质 |
CN113283749A (zh) * | 2021-05-26 | 2021-08-20 | 深圳前海微众银行股份有限公司 | 任务派发方法、装置、设备、存储介质及程序产品 |
CN115146921A (zh) * | 2022-05-31 | 2022-10-04 | 北京千禧维讯科技有限公司 | 一种基于大数据实时分析的工作动态分配方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于任务和用户属性的工作流任务分配算法;姜劲松;杨波;缪志敏;朱宝山;;计算机仿真;第32卷(第12期);第222-230页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116502881A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116502881B (zh) | 一种用于设备维修的人员调度管理方法及系统 | |
CN111612275B (zh) | 一种预测区域用户负荷量的方法及装置 | |
CN115081795B (zh) | 多维场景下企业能耗异常成因分析方法及系统 | |
CN113393211A (zh) | 一种智能化提高自动化生产效率的方法及系统 | |
CN116402227B (zh) | 一种基于云计算的风电大数据分析方法及系统 | |
CN110110339B (zh) | 一种日前水文预报误差校正方法及系统 | |
CN115908051A (zh) | 一种电力系统储能容量确定方法 | |
CN116470491A (zh) | 基于copula函数的光伏功率概率预测方法及系统 | |
CN117541023A (zh) | 一种基于bim的桥梁施工进度管理方法及系统 | |
CN117608809B (zh) | 基于梯度提升决策树的多任务计划进度预测系统 | |
CN117745096B (zh) | 一种控制网布测方案评价方法及系统 | |
CN115859701B (zh) | 一种基于电缆检测数据的增设分析方法及系统 | |
CN112948469A (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
CN116826728A (zh) | 一种少测量样本条件下的配电网状态结构估计方法及系统 | |
CN114169763B (zh) | 一种计量器具需求预测方法、系统、计算装置及存储介质 | |
CN115130924A (zh) | 一种源网荷储背景下微电网电力设备资产评估方法及系统 | |
CN113822441A (zh) | 决策模型训练方法、装置、终端设备及存储介质 | |
CN112433846A (zh) | 一种边缘计算的资源调度方法和系统 | |
CN113988493A (zh) | 终端评价模型的构建方法、装置和存储介质 | |
CN117949886B (zh) | 互感器校验仪智能调控方法、系统、电子设备及存储介质 | |
CN117575542B (zh) | 一种基于模块化装配的建筑工程数据控制系统及方法 | |
CN113761666B (zh) | 一种飞机质量特性数据自动处理方法 | |
CN116050773B (zh) | 一种基于碳排放评估的行业融合方法及系统 | |
CN117834455B (zh) | 一种电力物联网数据传输仿真方法和系统 | |
CN118035683B (zh) | 一种时间序列数据分析方法及系统 |
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 |