一种基于大数据的人力资源调度管理系统及方法技术方案

本发明专利技术涉及人力资源管理技术领域，具体为一种基于大数据的人力资源调度管理系统及方法，包括人力资源管理中心建立模块

【技术实现步骤摘要】
一种基于大数据的人力资源调度管理系统及方法


[0001]本专利技术涉及人力资源管理
，具体为一种基于大数据的人力资源调度管理系统及方法
。

技术介绍

[0002]随着经济社会的持续快速发展，企业人力资源管理迎来了前所未有的重大发展机遇，如何采取有效方法与策略，全面提升人力资源管理整体成效，成为企业人才战略规划实施中的焦点课题之一，备受企业管理行业关注；目前众多企业利用人力资源管理系统实现员工日常的考勤
、
薪酬等管理，但是在面对需要人员配置和调度的企业中，人力资源管理系统往往没有发挥较大作用，只是记录员工调度信息
、
调度时间和位置等基本信息；并没有对管理的人员进行合理最优化的配置，以实现企业对人力资源的管理；同时现有环境中，没有针对企业关于各自人力资源调度的特性衍生的分析系统，无法实现最大化的智能人力资源分析
。

技术实现思路

[0003]本专利技术的目的在于提供一种基于大数据的人力资源调度管理系统及方法，以解决上述
技术介绍
中提出的问题
。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的人力资源调度管理方法，包括以下分析步骤：以录入维护部门职能权限的维护工人为目标对象，将目标对象的历史维护数据存储至人力资源管理中心，人力资源管理中心包括人力资源调度中心和人力资源分析中心；人力资源调度中心是指在发生维护事件执行人员调度的管理中心，人力资源分析中心对历史维护数据进行分析并输出每一类型维护事件的理想调度人员；人力资源分析中心基于
m
个维护事件，分析相邻不同类型维护事件的预估间隔时长，不同类型维护事件是指维护故障不同的事件，
m
大于等于2且至少包括两种类型的维护事件；当人力资源调度中心在监测时段内响应单一调度指令时，获取调度指令对应维护事件的维护类型，并提取人力资源分析中心对应维护类型的维护数据，输出调度指令所匹配的最优维护工人进行预警；当人力资源调度中心在监测时段内响应
n
个调度指令时，
n
至少为2；基于维护类型和维护数据，分析实时调度指令对应的最优调度方式进行预警
。
[0005]进一步的，对历史维护数据进行分析并输出每一类型维护事件的理想调度人员，包括以下分析步骤：维护数据包括维护过程时长和维护故障折返率；维护过程时长是指维护工人到达维护地点后进行维护的总时长；获取每一类型维护事件第
i
类维护工人的平均维护时长
T
i
和维护故障折返率
Q
i
，每
类维护事件每次记录的维护工人表示对应维护事件下的一类工人，每类维护工人均不相同；用类进行区分维护工人是指在维护事件发生时所需的工人并不一定是单个，可能是2个或多个；那么将这种事件与对应调度的工人进行组合，每一组合中的工人称之为对应事件的一类；其中
Q
i
=q
i1
/q2，
q
i1
表示第
i
类维护工人首次维护后二次出现相同故障问题的异常间隔时长，
q2表示同一类型维护事件对应
k
类维护工人的平均异常间隔时长；
q2=(1/k)∑q
i1
，
k
表示维护事件下维护工人的总类型数；
i≤k
；维护故障折返率越小可以说明对应维护工人的维护技能水平越差；利用公式：
P
i
=s1*(1/T
i
)+s2*Q
i
，其中
s1表示维护时长的参考系数，
s2表示故障折返率的参考系数，维护时间越长可以说明维护工人的能力水平越差，则对应评估指数越大说明维护工人从维护时长和维护故障的正常保障程度越高，维护工人可作为维护故障最佳处理人员，使得维护事件处理高效且人员利用率高；计算对应类型维护事件所记录第
i
类维护工人的评估指数
P
i
；将每一类维护工人与之对应的评估指数构成第一数据包；将第一数据包按照评估指数的数值由大到小进行排序并生成对应类型维护事件的第一序列；获取第一序列中首个第一数据包作为目标数据包，提取目标数据包中的维护工人输出为对应类型维护事件的理想调度人员
。
[0006]进一步的，分析相邻不同类型维护事件的预估间隔时长，包括以下步骤：获取人力资源调度中心存储的调度记录，调度记录包含调度时间
、
调度人员
、
调度事件和调度地点；调度事件记录维护事件的维护类型；以任意相邻
M
次调度事件对应的调度时间范围为第一监测周期
L1，除去第一监测周期记录的
M
次调度事件外，人力资源调度中心记录其他相邻
M
次调度事件对应的调度时间范围为第二监测周期
L2，选取第二监测周期的最大值作为目标监测周期
L0；第二监测周期类型至少为二；
2M
小于等于
m
；若
L0‑
L1大于等于预设差值，则输出第一监测周期为无效监测周期，选取第二监测周期的平均值作为有效监测周期；若
L0‑
L1小于预设差值，则计算第一监测周期和第二监测周期的平均值作为有效监测周期；获取有效监测周期内记录调度事件的调度地点，若监测周期内记录的所有调度地点构成的最小圆域小于预设圆域，则删除对应的调度事件并输出剩余调度事件为目标调度事件；获取有效监测周期内相邻不同类型的目标调度事件的间隔时长
t
，计算预估间隔时长
t0，
t0=(1/x)∑t
，
x
表示有效监测周期内相邻不同类型的目标调度事件间隔时长总个数
。
[0007]调度时间范围的分析是为了避免故障集中发生的特殊事件造成的事件范围的影响，以及分析调度地点是为了避免同一地区的特殊情况造成的误差较大
。
[0008]进一步的，输出调度指令所匹配的最优维护工人，包括以下分析步骤：获取人力资源调度中心在响应单一调度指令时的在线维护工人数，在线维护工人数是指可供调度的工人数量；
当在线维护工人数小于实时调度指令所需最小需求工人数时，获取已调度维护工人的执行距离和评估指数，执行距离是指在实时调度指令响应时的位置到调度事件所需调度地点的位置距离；最小需求量的设置是考虑了不同维护事件所需维护工人的个数可能存在差异；计算已调度维护工人的执行指数
U
，
U=r1*(1/H)+r2*P
，
H
表示对应已调度维护工人归一化后的执行距离，
P
表示对应已调度维护工人归一化后的评估指数；
r1表示调度距离的参考系数，
r2表示评估指数的参考系数；提取执行指数的最大值所对应的已调度维护工人为调度指令所匹配的最优维护工人；当在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的人力资源调度管理方法，其特征在于，包括以下分析步骤：以录入维护部门职能权限的维护工人为目标对象，将目标对象的历史维护数据存储至人力资源管理中心，所述人力资源管理中心包括人力资源调度中心和人力资源分析中心；所述人力资源调度中心是指在发生维护事件执行人员调度的管理中心，所述人力资源分析中心对历史维护数据进行分析并输出每一类型维护事件的理想调度人员；所述人力资源分析中心基于
m
个维护事件，分析相邻不同类型维护事件的预估间隔时长，所述不同类型维护事件是指维护故障不同的事件，
m
大于等于2且至少包括两种类型的维护事件；当所述人力资源调度中心在监测时段内响应单一调度指令时，获取调度指令对应维护事件的维护类型，并提取人力资源分析中心对应维护类型的维护数据，输出调度指令所匹配的最优维护工人进行预警；当所述人力资源调度中心在监测时段内响应
n
个调度指令时，
n
至少为2；基于维护类型和维护数据，分析实时调度指令对应的最优调度方式进行预警
。2.
根据权利要求1所述的一种基于大数据的人力资源调度管理方法，其特征在于：所述对历史维护数据进行分析并输出每一类型维护事件的理想调度人员，包括以下分析步骤：所述维护数据包括维护过程时长和维护故障折返率；所述维护过程时长是指维护工人到达维护地点后进行维护的总时长；获取每一类型维护事件第
i
类维护工人的平均维护时长
T
i
和维护故障折返率
Q
i
，每类维护事件每次记录的维护工人表示对应维护事件下的一类工人，每类维护工人均不相同；其中
Q
i
=q
i1
/q2，
q
i1
表示第
i
类维护工人首次维护后二次出现相同故障问题的异常间隔时长，
q2表示同一类型维护事件对应
k
类维护工人的平均异常间隔时长；
q2=(1/k)∑q
i1
，
k
表示维护事件下维护工人的总类型数；
i≤k
；利用公式：
P
i
=s1*(1/T
i
)+s2*Q
i
，其中
s1表示维护时长的参考系数，
s2表示故障折返率的参考系数，计算对应类型维护事件所记录第
i
类维护工人的评估指数
P
i
；将每一类维护工人与之对应的评估指数构成第一数据包；将第一数据包按照评估指数的数值由大到小进行排序并生成对应类型维护事件的第一序列；获取第一序列中首个第一数据包作为目标数据包，提取目标数据包中的维护工人输出为对应类型维护事件的理想调度人员
。3.
根据权利要求2所述的一种基于大数据的人力资源调度管理方法，其特征在于：所述分析相邻不同类型维护事件的预估间隔时长，包括以下步骤：获取人力资源调度中心存储的调度记录，所述调度记录包含调度时间
、
调度人员
、
调度事件和调度地点；所述调度事件记录维护事件的维护类型；以任意相邻
M
次调度事件对应的调度时间范围为第一监测周期
L1，除去第一监测周期记录的
M
次调度事件外，所述人力资源调度中心记录其他相邻
M
次调度事件对应的调度时间范围为第二监测周期
L2，选取第二监测周期的最大值作为目标监测周期
L0；所述第二监测周期类型至少为二；
2M
小于等于
m
；若
L0‑
L1大于等于预设差值，则输出第一监测周期为无效监测周期，选取第二监测周期的平均值作为有效监测周期；若
L0‑
L1小于预设差值，则计算第一监测周期和第二监测周期的平均值作为有效监测周期；
获取有效监测周期内记录调度事件的调度地点，若监测周期内记录的所有调度地点构成的最小圆域小于预设圆域，则删除对应的调度事件并输出剩余调度事件为目标调度事件；获取有效监测周期内相邻不同类型的目标调度事件的间隔时长
t
，计算预估间隔时长
t0，
t0=(1/x)∑t
，
x
表示有效监测周期内相邻不同类型的目标调度事件间隔时长总个数
。4.
根据权利要求3所述的一种基于大数据的人力资源调度管理方法，其特征在于：所述输出调度指令所匹配的最优维护工人，包括以下分析步骤：获取人力资源调度中心在响应单一调度指令时的在线维护工人数，所述在线维护工人数是指可供调度的工人数量；当在线维护工人数小于实时调度指令所需最小需求工人数时，获取已调度维护工人的执行距离和评估指数，所述执行距离是指在实时调度指令响应时的位置到调度事件所需调度地点的位置距离；计算已调度维护工人的执行指数
U
，
U=r1*(1/H)+r2*P
，
H
表示对应已调度维护工人归一化后的执行距离，
P
表示对应已调度维护工人归一化后的评估指数；
r1表示调度距离的参考系数，
r2表示评...

【专利技术属性】
技术研发人员：李惠惠，孙见山，陈强，肖颍涛，徐中辉，田大伟，刘洪沛，王大明，程海影，王艳，陶松，牛小莉，
申请(专利权)人：国网安徽省电力有限公司临泉县供电公司，
类型：发明
国别省市：