CN117314067A - 工单分配方法、装置、设备、存储介质和程序产品 - Google Patents
工单分配方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117314067A CN117314067A CN202311206265.2A CN202311206265A CN117314067A CN 117314067 A CN117314067 A CN 117314067A CN 202311206265 A CN202311206265 A CN 202311206265A CN 117314067 A CN117314067 A CN 117314067A
- Authority
- CN
- China
- Prior art keywords
- completion time
- target
- subtask
- work order
- historical
- 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 56
- 238000012545 processing Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种工单分配方法、装置、设备、存储介质和程序产品。本申请涉及大数据技术领域。所述方法包括:获取待分配的多个目标工单,并确定所述目标工单包括的至少一个子任务,然后,获取各所述子任务对应的平均历史完成时长,并根据各所述子任务对应的平均历史完成时长,获取所述目标工单对应的预计完成时长,再根据各所述目标工单对应的预计完成时长,将各所述目标工单分配至各开发人员账户。采用本方法能够提高工单分配效率。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种工单分配方法、装置、设备、存储介质和程序产品。
背景技术
随着软件开发技术的发展,软件开发的周期通过迭代或者批次的形式分割,开发人员需要在限定的时间内完成多个用于实现特定功能的开发任务。开发任务通常经由工单系统以工单形式发布给各个开发人员。
工单的产生具有随机性,可能会在某一个时间段内产生大量的工单,现有技术中,某一时间段内产生的所有工单,通常由工单系统平均分配给各个开发人员。
但是,这种工单分配方法存在工单分配效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高工单分配效率的工单分配方法、装置、设备、存储介质和程序产品。
第一方面,本申请提供了一种工单分配方法。所述方法包括:
获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务;
获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长;
根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。
在其中一个实施例中,根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户,包括:
若开发人员账户的数量小于多个目标工单的数量,则基于哈夫曼树算法,将各所述目标工单作为所述哈夫曼树算法中的叶子节点,将各预计完成时长作为哈夫曼树算法中的各叶子节点的权重,对各目标工单划分得到多个工单集合,多个工单集合的数量与开发人员账户的数量相等;
将各工单集合分别分配至各开发人员账户。
在其中一个实施例中,所述方法还包括:
若开发人员账户的数量大于或者等于多个目标工单的数量,则将各目标工单随机分配至各开发人员账户。
在其中一个实施例中,获取各子任务对应的平均历史完成时长,包括:
针对目标开发人员账户,获取目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取历史工单中各子任务的历史完成次数;
根据各实际完成时长以及各子任务的历史完成次数,获取各子任务对应的历史完成时长;
根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长。
在其中一个实施例中,根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长,包括:
对于每个子任务,将各个开发人员账户与子任务对应的历史完成时长进行统计处理,得到子任务对应的平均历史完成时长。
在其中一个实施例中,根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长,包括:
确定目标工单中各个子任务的预计完成次数;
对于每个子任务,将子任务的预计完成次数和子任务对应的平均历史完成时长相乘,得到子任务的预计完成时长;
将目标工单中各子任务的预计完成时长相加,得到目标工单对应的预计完成时长。
第二方面,本申请还提供了一种工单分配装置。所述装置包括:
第一获取模块,用于获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务;
第二获取模块,用于获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长;
分配模块,根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如上述第一方面所述的方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上述第一方面所述的方法的步骤。
上述工单分配方法、装置、设备、存储介质和程序产品,通过获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务,然后,获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长,再根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。这样,本申请实施例利用各目标工单所包含的子任务对应的平均历史完成时长计算出各目标工单的预计完成时长,然后,进行工单分配时将各目标工单的预计完成时长纳入分配标准,例如可以使得每个开发人员账户所分配到的目标工单的预计完成时长之和大概相等,相较于现有技术中将各目标工单平均分配至各开发人员账户而言,避免了各目标工单在处理过程中,部分开发人员账户累积过多未完成的目标工单而另一部分开发人员账户无目标工单可处理的现象,本申请实施例提升了工单分配效率,且有利于提升开发人员对目标工单的处理效率。
附图说明
图1为一个实施例中工单分配方法的应用环境图;
图2为一个实施例中工单分配方法的流程示意图;
图3为另一个实施例中步骤203的流程示意图;
图4为另一个实施例中基于哈夫曼树算法的分配结果示意图;
图5为另一个实施例中步骤203的流程示意图;
图6为另一个实施例中步骤202的流程示意图;
图7为另一个实施例中步骤603的流程示意图;
图8为另一个实施例中步骤202的流程示意图
图9为一个实施例中工单分配装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
随着软件开发技术的发展,软件开发的周期通过迭代或者批次的形式分割,开发人员需要在限定的时间内完成多个用于实现特定功能的开发任务。开发任务通常经由工单系统以工单形式发布给各个开发人员。
工单的产生具有随机性,可能会在某一个时间段内产生大量的工单,这时,需要将工单分配给各开发人员,由各开发人员对工单进行处理。
现有技术中,某一时间段内产生的所有工单,通常由工单系统平均分配给各个开发人员。但是,各个工单的内容不同,使得各个工单所需要的处理时长不同,若按照现有技术中的分配方法,将工单平均分配给各个开发人员,容易出现部分开发人员因所分配到的工单处理时长过长,导致账户内累积大量的为完成工单,而另一部分开发人员因所分配到的工单处理时长过短,导致无工单可处理,降低了工单的处理效率。
鉴于此,本申请实施例提供了一种工单分配方法、装置、设备、存储介质和程序产品,通过获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务,然后,获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长,再根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。这样,本申请实施例利用各目标工单所包含的子任务对应的平均历史完成时长计算出各目标工单的预计完成时长,然后,进行工单分配时将各目标工单的预计完成时长纳入分配标准,例如可以使得每个开发人员账户所分配到的目标工单的预计完成时长之和大概相等,相较于现有技术中将各目标工单平均分配至各开发人员账户而言,避免了各目标工单在处理过程中,部分开发人员账户累积过多未完成的目标工单而另一部分开发人员账户无目标工单可处理的现象,本申请实施例提升了工单分配效率,且有利于提升开发人员对目标工单的处理效率。
本申请实施例提供的工单分配方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种工单分配方法,以该方法应用于图1中的服务器104为例进行说明,包括步骤201至步骤203。
步骤201,获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务。
软件开发过程中开发人员需要完成的特定任务通过工单的形式分配给各开发人员。目标工单为当前时间窗口内,工单系统中所产生的所有未被分配给开发人员账户进行处理的工单。
关于目标工单的获取,可选地,服务器可以获取人工借助输入设备输入的多个目标工单;可选地,服务器也可以周期性地对工单系统进行检测,若检测到工单系统产生待分配的工单,则获取该待分配的工单作为目标工单。
服务器获取到目标工单,对于每个目标工单,服务器确定该目标工单包括的至少一个子任务。子任务,是通过将目标工单进行拆解所得到的不可再分的最小单位的任务,子任务可以是云主机的搭建、主机用户的创建、存储的挂载、中间件的搭建等。
在一种可能的实施方式中,每个目标工单包括至少一个子任务,每个子任务的完成次数为至少一次。示例性地,一个目标工单中包括三种子任务,分别是云主机的搭建、主机用户创建、存储的挂载,其中,云主机的搭建需要完成1次,主机用户创建需要完成2次,存储的挂载3次。
步骤202,获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长。
在历史时间段内,子任务可能会被分配至多个开发人员账户,每个开发人员完成该子任务都会得到对应的完成时长,称之为历史完成时长。
示例性地,本申请实施例中,一个子任务的平均历史完成时长,可以为该子任务在历史时间段中被各个开发人员完成所得到的各个历史完成时长的平均值。
对于获取各子任务对应的平均历史完成时长,可选地,服务器可以获取人工输入至服务器中的各子任务对应的平均历史完成时长;可选地,服务器获取到各子任务对应的多条历史处理数据,然后,针对一个子任务,根据多条历史处理数据确定子任务的多个历史完成时长,再将多个历史完成时长相加求其平均值,即该子任务的平均历史完成时长,示例性地,针对一个子任务,其历史处理数据共3条,每次处理所需要的历史完成时长分别是1小时、2小时、3小时,则对于该子任务,其平均历史完成时长计算过程为(1小时+2小时+3小时)/3,最终,确定该子任务的平均历史完成时长为2小时。
通过上述实施方式,服务器获取到各子任务对应的平均历史完成时长之后,服务器根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长。目标工单对应的预计完成时长,即对该目标工单所需要的完成时间预估的值。
针对目标工单对应的预计完成时长的获取,在一种可能的实施方式中,服务器确定目标工单所包含的各子任务的完成次数,然后针对一个子任务,将该子任务对应的完成次数与该子任务对应的平均历史完成时长相乘,得到该子任务的子任务预计完成时长,再计算出所有子任务对应的子任务预计完成时长,将所有子任务对应的子任务预计完成时长相加,即可得到目标工单的预计完成时长。
示例性地,一个目标工单中包括三种子任务,分别是云主机的搭建、主机用户创建、存储的挂载,其中,云主机的搭建需要完成1次,主机用户创建需要完成2次,存储的挂载3次,云主机的搭建对应的历史完成时长为3小时,主机用户创建对应的历史完成时长为2小时,存储的挂载对应的历史完成时长为1小时,则该目标工单的预计完成时长的计算过程为(1×3小时+2×2小时+3×1小时),最终得到该目标工单的预计完成时长为10小时。
步骤203,根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。
在一种可能的实施方式中,根据各目标工单对应的预计完成时长对各目标工单进行分配时,分为两种情况,情况一,开发人员账户的数量大于目标工单的数量,情况二,开发人员账户的数量小于目标工单的数量。
针对情况一,当开发人员账户的数量大于目标工单的数量时,在一种可能的实施方式中,服务器将各个目标工单随机分配给各开发人员账户;服务器在一种可能的实施方式中,确定各开发人员账户的分配优先级,并根据分配优先级对各开发人员账户据进行排序,其中,分配优先级表征各开发人员的工单处理熟练度,分配优先级越高,代表该开发人员的工单处理熟练度越高,工单处理熟练度可以由人工输入至服务器,也可以根据该开发人员的历史工单的完成情况进行确定,然后根据各目标工单的预计完成时长对各目标工单进行排序,序号越小,代表该目标工单的预计完成时长越长,再根据各目标工单的序号依次将各目标工单分配至对应序号的开发人员账户,使得预计完成时长越长的目标工单分配至工单处理熟练度越高的开发人员对应的开发人员账户。
当目标工单的数量大于开发人员账户的数量时,在一种可能的实施方式中,服务器将各目标工单划分成多个小组,每个小组至少包括一个目标工单,小组的数量与开发人员账户数量相同,每个小组中的各目标工单的预计完成时长之和大致相等,然后,将每个小组中的目标工单分配至各开发人员账户。针对每个小组的分配方法,可选地,服务器随机将各小组分配至各开发人员账户;可选地,服务器计算出各小组所包含的目标工单的预计完成时长之和,然后,根据各小组对应的预计完成时长之和进行排序,小组对应的序号越小,代表该小组对应的预计完成时长之和越长,再对根据各开发人员的工单处理熟练度进行排序,一个开发人员对应的序号越小,代表该开发人员的工单处理熟练度越高,最后,根据各小组的序号将各小组所包含的目标工单分配至对应序号的开发人员账户中,使得工单处理熟练度越高的开发人员处理的小组所对应的预计完成时长越长。
上述工单分配方法,通过获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务,然后,获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长,再根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。这样,本申请实施例利用各目标工单所包含的子任务对应的平均历史完成时长计算出各目标工单的预计完成时长,然后,进行工单分配时将各目标工单的预计完成时长纳入分配标准,例如可以使得每个开发人员账户所分配到的目标工单的预计完成时长之和大概相等,相较于现有技术中将各目标工单平均分配至各开发人员账户而言,避免了各目标工单在处理过程中,部分开发人员账户累积过多未完成的目标工单而另一部分开发人员账户无目标工单可处理的现象,本申请实施例提升了工单分配效率,且有利于提升开发人员对目标工单的处理效率。
在一个实施例中,基于图2所示的实施例,参见图3,本申请实施例涉及的是根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户的过程。如图3所示,步骤203可以包括图3所示的步骤301和步骤302。
步骤301,若开发人员账户的数量小于多个目标工单的数量,则基于哈夫曼树算法,将各所述目标工单作为所述哈夫曼树算法中的叶子节点,将各预计完成时长作为哈夫曼树算法中各叶子节点的权重,对各目标工单划分得到多个工单集合。
在一种可能的实施方式中,当开发人员账户的数量小于多个目标工单的数量时,服务器需要将多个目标工单划分为多个工单集合,其中,多个工单集合的数量与开发人员账户的数量相等。
在一种可能的实施方式中,为了使目标工单分配的更加均匀,各工单集合中所包含的所有目标工单的预计完成时长之和大致相等,可以基于哈夫曼树算法,对多个目标工单进行分配。
示例性地如图4所示,开发人员账户有4个,目标工单共有8件,则需要将这8件工单分为4个工单集合。分别将这8件目标工单作为哈夫曼树算法中的叶子节点{t1,t2,t3,t4,t5,t6,t7,t8},然后,各目标工单所需要的预计完成时长为1、2、3、4、5、6、7、8,将各目标工单所对应的预计完成时长作为各目标工单所对应的叶子结点的权重,然后开始划分,最终,获得四个工单集合,C集合{t1,t2,t3,t6}、D集合{t4,t5}、{t7}、{t8},各个集合对应的预计完成时长之和分别为12、9、7、8。
步骤302,将各工单集合分别分配至各开发人员账户。
确定多个工单集合后,服务器将各工单集合所包含的工单分配至开发人员账户,可选地,服务器随机将各工单集合分配至各开发人员账户;可选地,服务器计算出各工单集合所包含的目标工单的预计完成时长之和,然后,根据各工单集合对应的预计完成时长之和进行排序,工单集合对应的序号越小,代表该工单集合对应的预计完成时长之和越长,再对根据各开发人员的工单处理熟练度进行排序,一个开发人员对应的序号越小,代表该开发人员的工单处理熟练度越高,最后,根据各工单集合的序号将各工单集合所包含的目标工单分配至对应序号的开发人员账户中,使得工单处理熟练度越高的开发人员处理的工单集合所对应的预计完成时长越长的。
这样,基于哈夫曼树算法,服务器将各目标工单分成预计完成时长之和几乎相等的多个工单集合,多个工单集合的数量与开发人员账户的数量相等,然后,将各工单集合分配至各开发人员账户,使得每个开发人员所分配到的目标工单的预计完成时长之和大概相等,避免了各目标工单在处理过程中,部分开发人员账户累积过多未完成的目标工单而另一部分开发人员账户无目标工单可处理,提升了开发人员对目标工单的处理效率。
在一个实施例中,基于图3所示的实施例,参见图5,本申请实施例还包括图5所示的步骤501。
步骤501,若开发人员账户的数量大于或者等于多个目标工单的数量,则将各目标工单随机分配至各开发人员账户。
当开发人员账户的数量大于目标工单的数量时,服务器对各目标工单进行分配时,开发人员只需完成一件工单即可,并不会出现部分开发人员账户中存在未完成工单。
因此,针对开发人员账户的数量大于目标工单的数量的情况下,服务器对各目标工单进行分配,可选地,服务器将各个目标工单随机分配给各开发人员账户;可选地,服务器确定各开发人员账户的分配优先级,并根据分配优先级对各开发人员账户据进行排序,其中,分配优先级表征各开发人员的工单处理熟练度,分配优先级越高,代表该开发人员的工单处理熟练度越高,工单处理熟练度可以由人工输入至服务器,也可以根据该开发人员的历史工单的完成情况进行确定,然后根据各目标工单的预计完成时长对各目标工单进行排序,序号越小,代表该目标工单的预计完成时长越长,再根据各目标工单的序号依次将各目标工单分配至对应序号的开发人员账户,使得预计完成时长越长的目标工单分配至工单处理熟练度越高的开发人员对应的开发人员账户。
在一个实施例中,基于图2、图3、图4、图5所示的实施例,参见图6,本申请实施例涉及的是获取各子任务对应的平均历史完成时长的过程。如图6所示,步骤202可以包括图6所示的步骤601至步骤603。
步骤601,针对目标开发人员账户,获取目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取历史工单中各子任务的历史完成次数。
在一种可能的实施方式中,目标开发人员账户,即当前进行分析的开发人员账户,目标开发人员账户关联着多个历史工单;历史工单,即目标开发人员账户中已完成的工单,历史工单对应的实际完成时长,即目标开发人员账户处理该历史工单的实际时间;每个历史工单都可以被分解为多类子任务,一个历史工单中一类子任务的实际完成次数即该子任务对应的历史完成次数。
对于历史工单中各子任务的历史完成次数的获取,在一种可能的实施方式在,对历史工单进行分解时,即可确定该历史工单所包含的多类子任务以及各子任务对应的历史完成次数。
步骤602,根据各实际完成时长以及各子任务的历史完成次数,获取各子任务对应的历史完成时长。
子任务对应的历史完成时长,为开发人员完成该子任务所用的完成时长,可以理解的是,针对一个历史工单,其对应的实际完成时长是由历史工单中各个子任务的历史完成次数和各个子任务的实际完成时长决定的,针对目标开发人员账户,其关联的所有历史工单对应的各个子任务的实际完成时长的均值,即子任务对应的历史完成时长。因此,针对目标开发人员账户,服务器根据该目标开发人员账户关联的多个历史工单的实际完成时长和每个历史工单中各子任务的历史完成次数,获取各子任务对应的历史完成时长。
在一种可能的实施方式中,对于一个历史工单,服务器可以根据该历史工单的实际完成时长、该历史工单中各子任务的历史完成次数以及各个子任务的实际完成时长构建针对该历史工单的方程式,可以理解的是,该方程式中,历史工单的实际完成时长、该历史工单中各子任务的历史完成次数为已知量,各个子任务的实际完成时长为待求解未知量,从而得到该历史工单中各个子任务的实际完成时长。
示例性地,一个历史工单包括5类子任务,各子任务的实际完成时长分别为{t1,t2,t3,t4,t5},各子任务对应的历史完成次数分别为n1、n2、n3、n4、n5,该历史工单所需要的实际完成时长为T,则各子任务的完成时长、历史完成次数以及历史工单所需要的实际完成时长之间的方程式为:
(t1,t2,t3,t4,t5)×(n1、n2、n3、n4、n5)T=T (1)
根据上述方程式(1),将各子任务的实际完成时长作为未知数,即可利用历史工单的实际完成时长以及历史完成次数确定该历史工单所对应的各类子任务的实际完成时长。
需要说明的是,在实际的计算过程中,多个历史工单对应的方程式可以联合求解。
针对目标开发人员账户对应的各子任务对应的历史完成时长的获取,在一种可能的实施方式中,可以利用方程式(1)计算出所有历史工单对应的各类子任务的实际完成时长,然后,计算出所有历史工单对应的各类子任务的实际完成时长的均值,即各子任务对应的历史完成时长。
在一种可能的实施方式中,历史工单的数量需大于或等于子任务种类的数量。
步骤603,根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长。
平均历史完成时长,即所有目标开发人员账户对应的各子任务对应的历史完成时长的均值。
在一种可能的实施方式在,将各开发人员账户对应的各子任务的历史完成时长进行统计,然后,将各子任务的历史完成时长相加求其均值,即可获取各子任务对应的平均历史完成时长。
在一个实施例中,基于图6所示的实施例,参见图7,本申请实施例涉及的是根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长的过程。如图7所示,步骤603可以包括图7所示的步骤701。
步骤701,对于每个子任务,将各个开发人员账户与子任务对应的历史完成时长进行统计处理,得到子任务对应的平均历史完成时长。
针对平均历史完成时长的获取,在一种可能的实施方式在,将所有目标开发人员账户对应的各子任务对应的历史完成时长进行均值计算,得到的结果即各子任务对应的平均历史完成时长。
示例性地,如关系式(2)所示,系统内共有k个目标开发人员账户,各目标开发人员账户对应的各子任务的历史完成时长为t1k,t2k,t3k,t4k,t5k,各子任务的平均完成时长为T1,T2,T3,T4,T5,则各子任务的平均完成时长为各目标开发人员账户对应的各子任务的历史完成时长分别相加求平均值。
(T1,T2,T3,T4,T5)=∑K(t1k,t2k,t3k,t4k,t5k) (2)
这样,即可根据各目标开发人员账户处理历史工单的实际完成时长确定各自任务的平均历史完成时长。
在一个实施例中,基于图2所示的实施例,参见图8,本申请实施例涉及的是根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长的过程。如图8所示,步骤202可以包括图8所示的步骤801至步骤803。
步骤801,确定目标工单中各个子任务的预计完成次数。
在一种可能的实施方式在,将目标工单进行分解处理,可以确定目标工单所包括的子任务及各子任务对应的预计完成次数。
步骤802,对于每个子任务,将子任务的预计完成次数和子任务对应的平均历史完成时长相乘,得到子任务的预计完成时长。
针对一个目标工单,各子任务的预计完成次数和子任务对应的平均历史完成时长相乘所得的结果为各子任务的预计完成时长。
示例性地,各子任务的历史完成时长分别为{1,2,3,4,5},各子任务对应的历史完成次数分别为1、2、3、4、5,则各子任务对应的预计完成时长分别为{1,4,9,16,25}
步骤803,将目标工单中各子任务的预计完成时长相加,得到目标工单对应的预计完成时长。
目标工单的预计完成时长,及该目标工单所包含的各子任务的预计完成时长之和。示例性地各子任务对应的预计完成时长分别为{1,4,9,16,25},则该目标工单的预计完成时长为(1+4+9+16+25)的值为55。
这样,根据各子任务的平均历史完成时长即可确定目标工单对应的预计完成时长。
在一个实施例中,提供一种工单分配方法,用于服务器。工单分配方法包括以下的步骤。
步骤a,获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务。
步骤b,针对目标开发人员账户,获取目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取历史工单中各子任务的历史完成次数。
.步骤c,根据各实际完成时长以及各子任务的历史完成次数,获取各子任务对应的历史完成时长。
步骤d,对于每个子任务,将各个开发人员账户与子任务对应的历史完成时长进行统计处理,得到子任务对应的平均历史完成时长。
步骤e,确定目标工单中各个子任务的预计完成次数。
步骤f,对于每个子任务,将子任务的预计完成次数和子任务对应的平均历史完成时长相乘,得到子任务的预计完成时长。
步骤g,将目标工单中各子任务的预计完成时长相加,得到目标工单对应的预计完成时长。
步骤h,若开发人员账户的数量小于多个目标工单的数量,则基于哈夫曼树算法,将各目标工单作为哈夫曼树算法中的叶子节点,将各预计完成时长作为哈夫曼树算法中的各叶子节点的权重,对各目标工单划分得到多个工单集合。
其中,多个工单集合的数量与开发人员账户的数量相等。
步骤i,将各工单集合分别分配至各开发人员账户。
步骤j,若开发人员账户的数量大于或者等于多个目标工单的数量,则将各目标工单随机分配至各开发人员账户。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的工单分配装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个测试任务分配装置实施例中的具体限定可以参见上文中对于工单分配方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种测试任务分配装置,包括以下模块。
第一获取模块901,用于获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务。
第二获取模块902,用于获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长。
分配模块903,根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。
在一个实施例中,分配模块903包括
划分单元,若开发人员账户的数量小于多个目标工单的数量,则基于哈夫曼树算法,将各目标工单作为哈夫曼树算法中的叶子节点,将各预计完成时长作为哈夫曼树算法中的各叶子节点的权重,对各目标工单划分得到多个工单集合,多个工单集合的数量与开发人员账户的数量相等。
分配单元,将各工单集合分别分配至各开发人员账户。
在一个实施例中,分配模块903还包括:
随机分配单元,若开发人员账户的数量大于或者等于多个目标工单的数量,则将各目标工单随机分配至各开发人员账户。
在一个实施例中,第二获取模块902包括:
第一获取单元,针对目标开发人员账户,获取目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取历史工单中各子任务的历史完成次数。
第二获取单元,根据各实际完成时长以及各子任务的历史完成次数,获取各子任务对应的历史完成时长。
第三获取单元,根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长。
在一个实施例中,第三获取单元用于对于每个子任务,将各个开发人员账户与子任务对应的历史完成时长进行统计处理,得到子任务对应的平均历史完成时长。
在一个实施例中,第二获取模块902还包括:
确定单元,确定目标工单中各个子任务的预计完成次数。
第一计算单元,用于对于每个子任务,将子任务的预计完成次数和子任务对应的平均历史完成时长相乘,得到子任务的预计完成时长。
第二计算单元,用于将目标工单中各子任务的预计完成时长相加,得到目标工单对应的预计完成时长。
上述工单分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储测试任务分配数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种工单分配方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤。
获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务;
获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长;
根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
若开发人员账户的数量小于多个目标工单的数量,则基于哈夫曼树算法,将各目标工单作为哈夫曼树算法中的叶子节点,将各预计完成时长作为哈夫曼树算法中的各叶子节点的权重,对各目标工单划分得到多个工单集合,多个工单集合的数量与开发人员账户的数量相等;
将各工单集合分别分配至各开发人员账户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
若开发人员账户的数量大于或者等于多个目标工单的数量,则将各目标工单随机分配至各开发人员账户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
针对目标开发人员账户,获取目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取历史工单中各子任务的历史完成次数。
根据各实际完成时长以及各子任务的历史完成次数,获取各子任务对应的历史完成时长。
根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
对于每个子任务,将各个开发人员账户与子任务对应的历史完成时长进行统计处理,得到子任务对应的平均历史完成时长。
在一个实施例中,处理器执行计算机程序时还实现以下步骤。
确定目标工单中各个子任务的预计完成次数。
对于每个子任务,将子任务的预计完成次数和子任务对应的平均历史完成时长相乘,得到子任务的预计完成时长。
将目标工单中各子任务的预计完成时长相加,得到目标工单对应的预计完成时长。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤。
获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务。
获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长。
根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
若开发人员账户的数量小于多个目标工单的数量,则基于哈夫曼树算法,将各目标工单作为哈夫曼树算法中的叶子节点,将各预计完成时长作为哈夫曼树算法中的各叶子节点的权重,对各目标工单划分得到多个工单集合,多个工单集合的数量与开发人员账户的数量相等。
将各工单集合分别分配至各开发人员账户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
若开发人员账户的数量大于或者等于多个目标工单的数量,则将各目标工单随机分配至各开发人员账户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
针对目标开发人员账户,获取目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取历史工单中各子任务的历史完成次数。
根据各实际完成时长以及各子任务的历史完成次数,获取各子任务对应的历史完成时长。
根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
对于每个子任务,将各个开发人员账户与子任务对应的历史完成时长进行统计处理,得到子任务对应的平均历史完成时长。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
确定目标工单中各个子任务的预计完成次数。
对于每个子任务,将子任务的预计完成次数和子任务对应的平均历史完成时长相乘,得到子任务的预计完成时长。
将目标工单中各子任务的预计完成时长相加,得到目标工单对应的预计完成时长。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤。
获取待分配的多个目标工单,并确定目标工单包括的至少一个子任务。
获取各子任务对应的平均历史完成时长,并根据各子任务对应的平均历史完成时长,获取目标工单对应的预计完成时长。
根据各目标工单对应的预计完成时长,将各目标工单分配至各开发人员账户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
若开发人员账户的数量小于多个目标工单的数量,则基于哈夫曼树算法,将各目标工单作为哈夫曼树算法中的叶子节点,将各预计完成时长作为哈夫曼树算法中的各叶子节点的权重,对各目标工单划分得到多个工单集合,多个工单集合的数量与开发人员账户的数量相等。
将各工单集合分别分配至各开发人员账户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
若开发人员账户的数量大于或者等于多个目标工单的数量,则将各目标工单随机分配至各开发人员账户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
针对目标开发人员账户,获取目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取历史工单中各子任务的历史完成次数。
根据各实际完成时长以及各子任务的历史完成次数,获取各子任务对应的历史完成时长。
根据各个开发人员账户对应的各子任务的历史完成时长,获取各子任务对应的平均历史完成时长。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
对于每个子任务,将各个开发人员账户与子任务对应的历史完成时长进行统计处理,得到子任务对应的平均历史完成时长。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤。
确定目标工单中各个子任务的预计完成次数。
对于每个子任务,将子任务的预计完成次数和子任务对应的平均历史完成时长相乘,得到子任务的预计完成时长。
将目标工单中各子任务的预计完成时长相加,得到目标工单对应的预计完成时长。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种工单分配方法,其特征在于,所述方法包括:
获取待分配的多个目标工单,并确定所述目标工单包括的至少一个子任务;
获取各所述子任务对应的平均历史完成时长,并根据各所述子任务对应的平均历史完成时长,获取所述目标工单对应的预计完成时长;
根据各所述目标工单对应的预计完成时长,将各所述目标工单分配至各开发人员账户。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述目标工单对应的预计完成时长,将各所述目标工单分配至各开发人员账户,包括:
若所述开发人员账户的数量小于所述多个目标工单的数量,则基于哈夫曼树算法,将各所述目标工单作为所述哈夫曼树算法中的叶子节点,将各所述预计完成时长作为各所述叶子节点的权重,对各所述目标工单划分得到多个工单集合,所述多个工单集合的数量与所述开发人员账户的数量相等;
将各所述工单集合分别分配至各所述开发人员账户。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述开发人员账户的数量大于或者等于所述多个目标工单的数量,则将各所述目标工单随机分配至各所述开发人员账户。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述获取各所述子任务对应的平均历史完成时长,包括:
针对目标开发人员账户,获取所述目标开发人员账户关联的多个历史工单对应的实际完成时长,并获取所述历史工单中各所述子任务的历史完成次数;
根据各所述实际完成时长以及各所述子任务的历史完成次数,获取各所述子任务对应的历史完成时长;
根据各个开发人员账户对应的各所述子任务的历史完成时长,获取各所述子任务对应的平均历史完成时长。
5.根据权利要求4所述的方法,其特征在于,所述根据各个开发人员账户对应的各所述子任务的历史完成时长,获取各所述子任务对应的平均历史完成时长,包括:
对于每个所述子任务,将各个开发人员账户与所述子任务对应的历史完成时长进行统计处理,得到所述子任务对应的平均历史完成时长。
6.根据权利要求1所述的方法,其特征在于,所述根据各所述子任务对应的平均历史完成时长,获取所述目标工单对应的预计完成时长,包括:
确定所述目标工单中各个子任务的预计完成次数;
对于每个所述子任务,将所述子任务的预计完成次数和所述子任务对应的平均历史完成时长相乘,得到所述子任务的预计完成时长;
将所述目标工单中各子任务的预计完成时长相加,得到所述目标工单对应的预计完成时长。
7.一种工单分配装置,其特征在于,所述装置包括:
第一获取模块,用于获取待分配的多个目标工单,并确定所述目标工单包括的至少一个子任务;
第二获取模块,用于获取各所述子任务对应的平均历史完成时长,并根据各所述子任务对应的平均历史完成时长,获取所述目标工单对应的预计完成时长;
分配模块,根据各所述目标工单对应的预计完成时长,将各所述目标工单分配至各开发人员账户。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206265.2A CN117314067A (zh) | 2023-09-18 | 2023-09-18 | 工单分配方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206265.2A CN117314067A (zh) | 2023-09-18 | 2023-09-18 | 工单分配方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117314067A true CN117314067A (zh) | 2023-12-29 |
Family
ID=89285796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311206265.2A Pending CN117314067A (zh) | 2023-09-18 | 2023-09-18 | 工单分配方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314067A (zh) |
-
2023
- 2023-09-18 CN CN202311206265.2A patent/CN117314067A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110515739B (zh) | 深度学习神经网络模型负载计算方法、装置、设备及介质 | |
CA2828264C (en) | System and method for batch evaluation programs | |
US9588813B1 (en) | Determining cost of service call | |
CN109189572B (zh) | 一种资源预估方法及系统、电子设备和存储介质 | |
CN114816711A (zh) | 批量任务处理方法、装置、计算机设备和存储介质 | |
CN111124644B (zh) | 任务调度资源的确定方法、装置及系统 | |
CN114461384A (zh) | 任务执行方法、装置、计算机设备和存储介质 | |
CN110413393B (zh) | 集群资源管理方法、装置、计算机集群及可读存储介质 | |
CN115202890B (zh) | 数据元件生产资源空间分配方法、系统及设备 | |
CN107203633B (zh) | 数据表推数处理方法、装置及电子设备 | |
CN116401238A (zh) | 偏离度监测方法、装置、设备、存储介质和程序产品 | |
CN115729687A (zh) | 任务调度方法、装置、计算机设备、存储介质 | |
CN117314067A (zh) | 工单分配方法、装置、设备、存储介质和程序产品 | |
CN111858542A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN116032928B (zh) | 数据协同计算方法、装置、系统、电子装置和存储介质 | |
CN117389715A (zh) | 资源分配方法、资源分配装置、计算机设备和存储介质 | |
CN117745446A (zh) | 资源数据处理方法、装置、计算机设备、存储介质 | |
CN116185866A (zh) | 脚本编排方法、装置、计算机设备和存储介质 | |
CN116156062A (zh) | 外呼资源分配方法、装置、计算机设备和存储介质 | |
CN115543568A (zh) | 定时任务处理方法、装置、计算机设备和存储介质 | |
CN117348987A (zh) | 任务调度方法、装置、计算机设备、存储介质和程序产品 | |
CN114691335A (zh) | 任务调度处理方法、装置、计算机设备和存储介质 | |
CN116451965A (zh) | 业务请求的处理方法、装置、计算机设备及存储介质 | |
CN116055642A (zh) | 外呼任务分配方法、装置、计算机设备和存储介质 | |
CN118092997A (zh) | 源代码调整方法、装置、计算机设备和存储介质 |
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 |