本發(fā)明涉及智能排程，特別是一種智能排程與派單管理的方法及系統(tǒng)。

背景技術(shù)：

1、隨著現(xiàn)代企業(yè)的不斷發(fā)展和技術(shù)的進步，生產(chǎn)和服務(wù)行業(yè)面臨著越來越復(fù)雜的任務(wù)管理和調(diào)度問題。傳統(tǒng)的任務(wù)分配方法往往依賴于人工經(jīng)驗判斷，缺乏科學(xué)性和系統(tǒng)性，難以應(yīng)對日益增長的業(yè)務(wù)需求。近年來，隨著人工智能技術(shù)的發(fā)展，尤其是機器學(xué)習(xí)和深度學(xué)習(xí)的應(yīng)用，智能排程與派單管理系統(tǒng)逐漸成為提高工作效率和管理水平的重要手段之一。這類系統(tǒng)通常通過收集和分析各種數(shù)據(jù)來實現(xiàn)任務(wù)的智能分配和調(diào)度，從而提高生產(chǎn)效率和客戶滿意度。

2、然而，現(xiàn)有的智能排程與派單管理系統(tǒng)存在一定的局限性。首先，大多數(shù)系統(tǒng)僅關(guān)注單一維度的數(shù)據(jù)特征，如任務(wù)的緊急程度或設(shè)備的健康狀況，而忽略了任務(wù)優(yōu)先級評估中其他重要特征，導(dǎo)致任務(wù)分配不夠精準。其次，許多系統(tǒng)未能充分考慮員工的狀態(tài)信息，特別是員工的健康狀況和技能水平，這直接影響到任務(wù)執(zhí)行的質(zhì)量和效率。此外，現(xiàn)有的系統(tǒng)在實時監(jiān)測任務(wù)執(zhí)行狀況和動態(tài)調(diào)整排程模型方面適應(yīng)性過低，無法及時響應(yīng)任務(wù)執(zhí)行中的變化，這使得任務(wù)分配不夠全面和合理，可能導(dǎo)致資源浪費或延誤重要任務(wù)的完成。

技術(shù)實現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種智能排程與派單管理的方法及系統(tǒng)解決現(xiàn)有技術(shù)在任務(wù)優(yōu)先級評估和員工狀態(tài)考量不足的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實施例提供了一種智能排程與派單管理的方法，其包括，收集原始數(shù)據(jù)并進行預(yù)處理；原始數(shù)據(jù)包括設(shè)備運行狀態(tài)、員工狀況數(shù)據(jù)以及歷史任務(wù)數(shù)據(jù)；對預(yù)處理后的原始數(shù)據(jù)進行特征提取，獲得任務(wù)優(yōu)先級相關(guān)特征和員工狀況相關(guān)特征；基于歷史數(shù)據(jù)，構(gòu)建智能排程模型，將任務(wù)優(yōu)先級相關(guān)特征輸入智能排程模型，計算任務(wù)優(yōu)先級評分，根據(jù)任務(wù)優(yōu)先級評分進行任務(wù)優(yōu)先級排序；基于任務(wù)優(yōu)先級排序和員工狀況相關(guān)特征，自動選擇最佳匹配人員進行任務(wù)分配；實時監(jiān)測任務(wù)的執(zhí)行狀況數(shù)據(jù)，利用執(zhí)行狀況數(shù)據(jù)優(yōu)化智能排程模型。

5、作為本發(fā)明所述智能排程與派單管理的方法的一種優(yōu)選方案，其中：所述收集原始數(shù)據(jù)并進行預(yù)處理，具體步驟如下：

6、通過設(shè)備上的傳感器和/或監(jiān)控系統(tǒng)收集設(shè)備運行狀態(tài)；

7、從人力資源管理系統(tǒng)中獲取員工狀況數(shù)據(jù)，員工狀況數(shù)據(jù)包括員工的技能水平和健康指數(shù)；

8、從erp系統(tǒng)中收集歷史任務(wù)數(shù)據(jù)，歷史任務(wù)數(shù)據(jù)包括任務(wù)類型、任務(wù)的完成時間和執(zhí)行人員；

9、對收集的設(shè)備運行狀態(tài)數(shù)據(jù)、員工狀況數(shù)據(jù)和歷史任務(wù)數(shù)據(jù)進行異常值處理、缺失值處理和數(shù)據(jù)結(jié)構(gòu)化處理。

10、作為本發(fā)明所述智能排程與派單管理的方法的一種優(yōu)選方案，其中：所述對預(yù)處理后的原始數(shù)據(jù)進行特征提取，獲得任務(wù)優(yōu)先級相關(guān)特征和員工狀況相關(guān)特征，具體步驟如下：

11、采用統(tǒng)計法從預(yù)處理的設(shè)備運行狀態(tài)數(shù)據(jù)和歷史任務(wù)數(shù)據(jù)中，提取任務(wù)優(yōu)先級相關(guān)特征，任務(wù)優(yōu)先級相關(guān)特征包括：設(shè)備健康指數(shù)、任務(wù)完成時間和任務(wù)緊急程度；

12、采用數(shù)據(jù)挖掘從預(yù)處理的員工狀況數(shù)據(jù)中提取員工狀況相關(guān)特征，員工狀況相關(guān)特征包括：員工健康指數(shù)和技能水平。

13、作為本發(fā)明所述智能排程與派單管理的方法的一種優(yōu)選方案，其中：所述基于歷史數(shù)據(jù)，構(gòu)建智能排程模型，將任務(wù)優(yōu)先級相關(guān)特征輸入智能排程模型，計算任務(wù)優(yōu)先級評分，具體步驟如下：

14、使用lstm神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)模型，通過輸入層將歷史數(shù)據(jù)輸入網(wǎng)絡(luò)內(nèi)部；

15、在網(wǎng)絡(luò)內(nèi)部，lstm單元通過時間序列的方式對歷史數(shù)據(jù)進行處理，捕捉歷史數(shù)據(jù)隨時間變化的趨勢和模式，并通過隱藏層中的記憶單元和門控機制來保存和更新設(shè)備健康指數(shù)、任務(wù)完成時間和任務(wù)的緊急程度；

16、通過反向傳播算法和梯度下降法調(diào)整模型參數(shù)，最小化損失函數(shù)，最終，將lstm神經(jīng)網(wǎng)絡(luò)訓(xùn)練成一個能夠預(yù)測任務(wù)優(yōu)先級評分的智能排程模型；

17、將任務(wù)優(yōu)先級相關(guān)特征輸入智能排程模型，使用非線性回歸算法，預(yù)測任務(wù)優(yōu)先級評分，表達式為：

18、

19、其中，α表示任務(wù)的初始優(yōu)先級，β為任務(wù)緊急程度系數(shù)，δ為設(shè)備狀態(tài)系數(shù)，ej表示任務(wù)j的緊急程度，tj表示任務(wù)j所需的完成時間，hj表示任務(wù)j關(guān)聯(lián)的設(shè)備健康指數(shù)，pj表示任務(wù)j的優(yōu)先級評分。

20、作為本發(fā)明所述智能排程與派單管理的方法的一種優(yōu)選方案，其中：所述根據(jù)任務(wù)優(yōu)先級評分進行任務(wù)優(yōu)先級排序，具體步驟如下：

21、創(chuàng)建一個包含所有任務(wù)以及對應(yīng)優(yōu)先級評分pj的任務(wù)列表，并初始化一個任務(wù)優(yōu)先級隊列j；

22、遍歷任務(wù)列表中的每一個任務(wù)j，將每個任務(wù)j和對應(yīng)的優(yōu)先級評分pj添加到任務(wù)優(yōu)先級隊列j中；

23、對任務(wù)優(yōu)先級隊列j中的任務(wù)按照優(yōu)先級評分pj進行降序排序。

24、作為本發(fā)明所述智能排程與派單管理的方法的一種優(yōu)選方案，其中：所述基于任務(wù)優(yōu)先級排序和員工狀況相關(guān)特征，自動選擇最佳匹配人員進行任務(wù)分配，具體步驟如下：

25、從erp系統(tǒng)中獲取員工最新的工作負荷量和工作時間段；工作負荷量包括：員工當(dāng)前負責(zé)的任務(wù)數(shù)量和工作量；

26、根據(jù)員工最新的工作負荷量和工作時間段，分析員工的可用性水平，表達式為：

27、

28、其中，k為員工的工作負荷量系數(shù)，u為員工距離下班的時間的影響系數(shù)，為第i員工e當(dāng)前的工作負荷量，τw為員工的工作負荷量上限閾值，為第i個員工e當(dāng)前時間距離下班時間的剩余時長，δt為一個標準化的時間段長度，為第i個員工e當(dāng)前的可用性水平，ei表示第i個員工e，i是索引變量；

29、結(jié)合員工狀況相關(guān)特征、任務(wù)優(yōu)先級隊列j以及員工的可用性計算員工與任務(wù)優(yōu)先級隊列j中任務(wù)優(yōu)先級評分pj最高的任務(wù)的匹配度評分，表達式為：

30、

31、其中，j'表示任務(wù)優(yōu)先級隊列j中任務(wù)優(yōu)先級評分最高的任務(wù)，ηi表示第i個員工e與優(yōu)先級評分最高的任務(wù)j'的匹配系數(shù)，表示第i個員工e的健康指數(shù)，表示第i個員工e的技能水平，pj'表示當(dāng)前最高優(yōu)先級任務(wù)j'的優(yōu)先級評分，γ表示健康狀況與技能水平差異的影響系數(shù)，λ是任務(wù)優(yōu)先級的影響系數(shù)，ej'表示優(yōu)先級評分最高的任務(wù)j'的緊急程度，m(ei,j')表示最高優(yōu)先級任務(wù)j'與第i個員工e的匹配度評分；

32、根據(jù)匹配度評分m(ei,j')，對所有員工進行比較，將當(dāng)前最高優(yōu)先級任務(wù)j'分配給匹配度評分最高的員工ei作為執(zhí)行人員；

33、當(dāng)任務(wù)優(yōu)先級隊列j中的優(yōu)先級評分最高的任務(wù)j'被分配后，任務(wù)優(yōu)先級隊列j中的下一個任務(wù)j自動更新為優(yōu)先級評分最高的任務(wù)j'，再次進行分配，直至所有任務(wù)都被分配給最佳匹配人員。

34、作為本發(fā)明所述智能排程與派單管理的方法的一種優(yōu)選方案，其中：所述實時監(jiān)測任務(wù)的執(zhí)行狀況數(shù)據(jù)，利用執(zhí)行狀況數(shù)據(jù)優(yōu)化智能排程模型，具體步驟如下：

35、在任務(wù)執(zhí)行過程中，從監(jiān)控系統(tǒng)中獲取任務(wù)執(zhí)行過程中的執(zhí)行狀況數(shù)據(jù)，執(zhí)行狀況數(shù)據(jù)包括設(shè)備運行狀態(tài)、任務(wù)實際完成時間和執(zhí)行人員的反饋信息；

36、將收集到的任務(wù)執(zhí)行狀況數(shù)據(jù)反饋至智能排程模型，更新智能排程模型的參數(shù)，對智能排程模型進行持續(xù)優(yōu)化。

37、第二方面，本發(fā)明提供了一種智能排程與派單管理的系統(tǒng)，包括，數(shù)據(jù)采集與預(yù)處理模塊、特征提取模塊、智能排程模塊、任務(wù)分配模塊和執(zhí)行狀況監(jiān)測與模型優(yōu)化模塊；

38、數(shù)據(jù)采集與預(yù)處理模塊：用于收集原始數(shù)據(jù)并進行預(yù)處理；原始數(shù)據(jù)包括設(shè)備運行狀態(tài)、員工狀況數(shù)據(jù)以及歷史任務(wù)數(shù)據(jù)；

39、特征提取模塊：用于對預(yù)處理后的原始數(shù)據(jù)進行特征提取，獲得任務(wù)優(yōu)先級相關(guān)特征和員工狀況相關(guān)特征；

40、智能排程模塊：基于歷史數(shù)據(jù)，構(gòu)建智能排程模型，將任務(wù)優(yōu)先級相關(guān)特征輸入智能排程模型，計算任務(wù)優(yōu)先級評分，根據(jù)任務(wù)優(yōu)先級評分進行任務(wù)優(yōu)先級排序；

41、任務(wù)分配模塊：用于基于任務(wù)優(yōu)先級排序和員工狀況相關(guān)特征，自動選擇最佳匹配人員進行任務(wù)分配；

42、執(zhí)行狀況監(jiān)測與模型優(yōu)化模塊：用于實時監(jiān)測任務(wù)的執(zhí)行狀況數(shù)據(jù)，利用執(zhí)行狀況數(shù)據(jù)優(yōu)化智能排程模型。

43、第三方面，本發(fā)明實施例提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的智能排程與派單管理的方法的任一步驟。

44、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的智能排程與派單管理的方法的任一步驟。

45、本發(fā)明有益效果為：通過對原始數(shù)據(jù)特征的綜合評估，包括設(shè)備運行狀態(tài)、員工狀況和歷史任務(wù)數(shù)據(jù)，構(gòu)建智能排程模型，實現(xiàn)任務(wù)優(yōu)先級的精準預(yù)測和合理分配。通過充分考慮員工的健康狀況和技能水平，確保任務(wù)分配不僅高效而且合理，提高了任務(wù)執(zhí)行的質(zhì)量和效率。最后，通過實時監(jiān)測任務(wù)執(zhí)行狀況并動態(tài)優(yōu)化模型，進一步提高了任務(wù)分配的準確性和效率，避免了資源浪費和重要任務(wù)的延誤。