一种基于加油站潮汐数据规律分析的高效弹性排班系统技术方案

本发明专利技术提供一种基于加油站潮汐数据规律分析的高效弹性排班系统包括业务历史存量大数据、用工历史存量大数据、现有员工信息和现有物资资源，通过多维度对业务历史存量大数据、用工历史存量大数据、现有员工信息和现有物资资源进行分析，生成能够适合具有多维度影响或干扰的高效弹性排班数据，并具有自学习灵活纠偏的功能，包括业务潮汐规律预测方法、人员潮汐弹性用工方法、物资物流潮汐应对方法和人员排班激励方法，所述业务潮汐规律预测方法输出预期人员需求曲线和预期物质消耗需求曲线。本发明专利技术轻松实现了高峰期人手增加，单位服务客户时长增加，现场通过率增加，人均交易笔数增加员工错峰下班，可支配时间增加，即五方共赢。共赢。共赢。

【技术实现步骤摘要】
一种基于加油站潮汐数据规律分析的高效弹性排班系统


[0001]本专利技术涉及人力资源日常排班管理领域，尤其涉及一种基于加油站潮汐数据规律分析的高效弹性排班系统。

技术介绍

[0002]目前加油站对外服务时，存在特别严重的潮汐现象，油品销售和便利店商品营销的波动幅度极大，且受较多因素的影响，如节假日、油品价格涨跌幅度、自己或竞争对手的营销活动等，营销实际数据的离散性极大，且与普通的缺少干扰因素的用工排班做法不匹配，采用常规排班办法，极易出现员工安排的大量浪费或严重缺口，随着时间的积累，以及大数据分析技术的逐渐成熟，建立切合实际的分析模型和自学习优化机制，迫切需要研发能够适应超级复杂的加油站潮汐业务需求，实现低成本、高效率、高收益、精准度极高的、能够促进物资物流和人员积极性的潮汐排班系统平台。
[0003]CN114219275A公开了一种电力调度潮汐排班方法及系统，其中方法包括建立基于长短时记忆循环 神经网络的预测模型，预测出电力调度故障工单 数量；对电力调度的计划工作任务进行工单类型 划分，并对每种计划工单类型设定相应的复杂系 数；结合预测出的电力调度故障工单数量及其相 对应的计划工单类型的复杂系数，得到每种故障 工单类型的操作强度分值；根据操作强度分值的 结果按分值进行区间划分，每区间对应一个工作 强度类别；根据工作强度类别生成相对应的电力 调度潮汐排班安排，该专利技术综合考虑计划工单和 故障工作量，按照给定规则科学地计算调度工作 强度，合理指导调度值班安排，保障了调度值班 执行力，提高了异常工况下的调度工作效率，但电力调度潮汐规律性较强，缺少干扰因素，需要人的干预环节比较少，对具有复杂干扰的加油站应用情况缺少抽丝剥茧的复杂规律研究的有益启示。
[0004]CN109063970A提供一种基于客流仿真分析的双向自动排班系统，包括：客流分析模块，对获取到的 上、下行客流数据，根据客流的空间和时间分布 规律进行客流预测；线路服务指标设置模块，用于根据客流时间分布规律和客流空间分布规律 设置线路服务指标；周转时间分析模块，用于进行周转时间预测，所述周转时间为根据车辆实际 运营的到站数据，计算出来的任何一个时刻点发车的总运行时间；任务量及时刻表计算模块，通过设置的线路服务指标，基于客流预测数据，首末班时间及周转时间，分别获得上下行需要的任务量及对应时刻表；排班约束及参数设置模块， 用于排班约束及参数设置；排班模块，把上下行 的时刻表串联起来，根据任务量及对应时刻表进 行自动排班，该专利技术没有24小时运行，规律性浮于表面，很容易发现，缺少干扰因素，需要人的干预环节比较少，对具有复杂干扰的加油站应用情况缺少抽丝剥茧的复杂规律研究的有益启示。
[0005]CN108038608A公开了一种基于航道船舶引航计划的排班方法，涉及船舶进出港的调度
该排班方法，通过限制搜索条件，利用启发式搜 索，采用深度优先算法查找下一个可拼接的任务，生成任务组组合，对多个任务组组合通过设 定的引航规则剪枝，生成引航任务组集合，通过 遗传算法对集合进行评价筛选，从若干可行解中 得到较优解，
完成排班工作，采用这种方法进行 的排班，不仅排班过程中工作量小，效率高，而且 冲突越来越小，不会出现任务组作业时间过长， 等待时间过长的情况，也不会造成船舶压港情况，同样规律性浮于表面，很容易发现，缺少干扰因素，需要人的干预环节比较少，对具有复杂干扰的加油站应用情况缺少抽丝剥茧的复杂规律研究的有益启示。
[0006]因此，有必要提供一种基于加油站潮汐数据规律分析的高效弹性排班系统，解决多维度、多干扰源、具有互动影响的基于具有历史大数据分析并于现有实际资源密切结合的高效弹性排班问题。

技术实现思路

[0007]本专利技术提供一种基于加油站潮汐数据规律分析的高效弹性排班系统，解决了员工安排的大量浪费或严重缺口的问题。
[0008]为解决上述技术问题，本专利技术提供的一种基于加油站潮汐数据规律分析的高效弹性排班系统，包括业务历史存量大数据、用工历史存量大数据、现有员工信息和现有物资资源，通过多维度对业务历史存量大数据、用工历史存量大数据、现有员工信息和现有物资资源进行分析，生成能够适合具有多维度影响或干扰的高效弹性排班数据，并具有自学习灵活纠偏的功能，包括业务潮汐规律预测方法、人员潮汐弹性用工方法、物资物流潮汐应对方法和人员排班激励方法，所述业务潮汐规律预测方法输出预期人员需求曲线和预期物质消耗需求曲线；所述业务潮汐规律预测方法包括业务历史大数据的数据提取模块、数据分析模块、预测输出模块、预测与实况比对分析模块和再预测纠偏模块，对提取的大数据进行规律模式运算和规律模式叠加运算，将复杂的业务历史大数据分解归纳出贴合实际的多种规律干预模式，然后再根据规律模式对尚未发生的未来数据进行预测，用预测结果指导进行人员高效弹性排班，并采集实际排班后的各种工作参数，与预测结果指导进行比对，找出理论与实际的差异，分析产生差异的干扰规则，将其叠加应用于新的预测，自动实现新预测的自学习和自我纠偏，提高新预测的精确性；所述人员潮汐弹性用工方法包括采集预期人员需求曲线的信息、再用假期因素模块、人才因素模块、机动意愿模块、激励措施模块和人员成本模块，综合运算和叠加相互的影响，输出排班安排，高质量、低成本、高效率的完成动态人员安排，满足处于潮汐变化状态的动态服务和动态物资的需求。
[0009]优选的，所述业务潮汐规律预测方法还包括干扰因素溯源模块，所述干扰因素溯源模块分可预期的必然因素和不可预期的偶然因素，具体包括假期因素分析维度、涨跌价因素分析维度、员工工作因素绩效分析维度、营销活动因素分析维度和其它未例举到的偶然因素分析维度，每个单独的分析维度都有自身的发展规律，多个分析维度的不同周期规律状态的叠加起来，构成表象上非常不规则的难以简单琢磨的业务潮汐，采用多个分析维度深层次分解表象业务潮汐，能够捕捉表象业务潮汐背后的规律，为各分析维度输入当前的规律周期状态，即可很好的预测多分析维度叠加后的业务潮汐状态，为干扰因素分析评估与纠偏生成客观分析用素材，是输出预期人员需求曲线和预期物质消耗需求曲线的依据。
[0010]优选的，所述预期人员需求曲线包括按时间顺序生成的各排班时间段中所需要的
人员需求类型和人员需求的数量。
[0011]优选的，所述人员潮汐弹性用工方法还包括干扰因素模块，所述干扰因素模块包括有预期的因素、意外因素和机动意愿因素，所述有预期的因素包括员工计划中的产、孕、婚、学的假期、营销活动、物质服务涨跌价和竞争对手因素，所述意外因素包括不得不临时请假的员工生病、员工意外事故、员工亲密亲友意外事故、加油站临时保养维护、临时团体活动和物资盘点补解。
[0012]优选的，所述数据提取模块提取数据后分别进行数据统计、数据运算和数据图表生成，成为潮汐规律的客观分析用素材。
[0013]优选的，所述数据分析模块包括周期内业务规律分析、周期内服务匹配能力分析、营销种类与销售额波动分析和数据图表比对与分析；用于分析的周期规律区间包括日分时规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于加油站潮汐数据规律分析的高效弹性排班系统，包括业务历史存量大数据、用工历史存量大数据、现有员工信息和现有物资资源，其特征在于：通过多维度对业务历史存量大数据、用工历史存量大数据、现有员工信息和现有物资资源进行分析，生成能够适合具有多维度影响或干扰的高效弹性排班数据，并具有自学习灵活纠偏的功能，包括业务潮汐规律预测方法、人员潮汐弹性用工方法、物资物流潮汐应对方法和人员排班激励方法，所述业务潮汐规律预测方法输出预期人员需求曲线和预期物质消耗需求曲线；所述业务潮汐规律预测方法包括业务历史大数据的数据提取模块、数据分析模块、预测输出模块、预测与实况比对分析模块和再预测纠偏模块，对提取的大数据进行规律模式运算和规律模式叠加运算，将复杂的业务历史大数据分解归纳出贴合实际的多种规律干预模式，然后再根据规律模式对尚未发生的未来数据进行预测，用预测结果指导进行人员高效弹性排班，并采集实际排班后的各种工作参数，与预测结果指导进行比对，找出理论与实际的差异，分析产生差异的干扰规则，将其叠加应用于新的预测，自动实现新预测的自学习和自我纠偏，提高新预测的精确性；所述人员潮汐弹性用工方法包括采集预期人员需求曲线的信息、再用假期因素模块、人才因素模块、机动意愿模块、激励措施模块和人员成本模块，综合运算和叠加相互的影响，输出排班安排，高质量、低成本、高效率的完成动态人员安排，满足处于潮汐变化状态的动态服务和动态物资的需求。2.根据权利要求1所述的一种基于加油站潮汐数据规律分析的高效弹性排班系统，其特征在于，所述业务潮汐规律预测方法还包括干扰因素溯源模块，所述干扰因素溯源模块分可预期的必然因素和不可预期的偶然因素，具体包括假期因素分析维度、涨跌价因素分析维度、员工工作因素绩效分析维度、营销活动因素分析维度和其它未例举到的偶然因素分析维度，每个单独的分析维度都有自身的发展规律，多个分析维度的不同周期规律状态的叠加起来，构成表象上非常不规则的难以简单琢磨的业务潮汐，采用多个分析维度深层次分解表象业务潮汐，能够捕捉表象业务潮汐背后的规律，为各分析维度输入当前的规律周期状态，即可很好的预测多分析维度叠加后的业务潮汐状态，为干扰因素分析评估与纠偏生成客观分析用素材，是输出预期人员需求曲线和预期物质消耗需求曲线的依据。3.根据权利要求1所述的一种基于加油站潮汐数据规律分析的高效弹性排班系统，其特征在于，所述预期人员需求曲线包括按时间顺序生成的各排班时间段中所需要的人员需求类型和人员需求的数量。4.根据权利要求1所述的一种基于加油站潮汐数据规律分析的高效弹性排班系统，其特征在于，所述人员潮汐弹性用工方法还包括干扰因素模块，所述干扰因素模块包括有预期的因素、意外因素和机动意愿因素，所述有预期的因素包括员工计划中的产、孕、婚、学的假期、营销活动、物质服务涨跌价和竞争对手因素，所述意外因素包括不得不临时请假的员工生病、员工意外事故、员工亲密亲友意外事故、加油站临时保养维护、临时团体活动和物资盘点补解。5.根据权利要求1所述的一种基于加油站潮汐数据规律分析的高效弹性排班系统，其特征在于，所述数据提取模块提取数据后分别进行数据统计、数据运算和数据图表生成，成为潮汐规律的客观分析用素材。6.根据权利要求1所述的一种基于加油站潮汐数据规律分析的高效弹性排班系统，其
特征在于，所述数据分析模块包括周期内业务规律分析、周期内服务匹配能力分析、营销种类与销售额波动分析和数...

【专利技术属性】
技术研发人员：曹东明，侯兆友，田琳，姬梦璇，
申请(专利权)人：中国石化销售股份有限公司，
类型：发明
国别省市：