本发明专利技术涉及数字产品生产加工的任务流转辅助方法，所述方法包括以下步骤：构建人员技能画像、构建任务特征画像、构建工序操作标准、建立任务调度模型、工序任务预处理、本地任务队列管理、工序任务后处理。本发明专利技术基于15项人员属性、11项任务数据特征和4项工序要求，创造提出了基于人员技能、任务数据特征和工序要求的多流水线、多工序、多任务的数据流转方法和计算机辅助人员的任务预处理、本地队列管理和任务后处理的方法，支持人员在任务操作过程中的“在线帮助”，实现了多工序任务数据和人员的最佳匹配、计算机辅助多流水线、多工序的任务流转及本地任务队列的有效管理，使人员真正实现了跨地域、跨流水线、跨工序完成对应的工序操作和任务流转，实现了“多流水线多工序任务并行”工作模式，人员有效工作时间提升了25％，简化了人员操作和动作，降低了现场生产管理的复杂度。本发明专利技术设计适用于数据挖掘、数据标注、数据的生产加工处理等领域。数据的生产加工处理等领域。数据的生产加工处理等领域。
【技术实现步骤摘要】
一种数字产品生产加工的任务流转辅助方法
[0001]本专利技术涉及数字产品生产加工的任务流转辅助方法，本专利技术设计适用于数据挖掘、数据标注、数据的生产加工处理等领域。
技术介绍
[0002]在大数据加工处理过程中，为用较低的成本获取高质量、规范的结构化数据，参考制造业生产过程建立大数据的加工生产线，同时依照精益生产的思想建有不同的工序，将计算机处理算法和人工校审、质检按“操作和动作”聚类成多个工序，待处理的数据作为标准当量的“任务”在数据的加工生产线上按照工序顺序进行任务流转。
[0003]作为大数据加工处理的生产线，计算机挖掘处理算法是数据处理的核心工序，为保障大数据处理后的输出质量，会在算法工序后增加人工“校审”工序对算法工序输出结果进行校对和审核，通过人工“校审”，修正计算机的标注错误，一方面保证了输出数据的准确性，另一方面为算法学习提供样本数据，提升算法的精确率。这种“计算机算法”工序与“人工校审”工序相结合的工作模式组成了大数据加工生产线的基本工序，详见图1工序基本流转图。
[0004]在传统人工校审工序，人员需要领取任务、下载数据、开始校审、完成校审、保存数据、上传数据、提交任务七个操作完成人工校审工作，工作模式见图1。另外，为提升人员的资源利用效率，在工作技能培训中，人员可掌握多个工序的操作技能，可完成同一个数据加工处理的生产线的多个校审工序的操作，甚至可同时完成多个数据加工处理的生产线的多个校审工序的操作，形成“基于任务串行”的工作模式，详见图2。
[0005]以人工校审工序为例，对单工序人员而言，他需要登录到数据加工处理的生产线的对应工序节点，按照领取任务、下载数据、开始校审、完成校审、保存数据、上传数据和提交任务七个操作完成，若同时兼顾同一个数据加工生产线的多个工序，每道工序均需完成同样的操作动作，若同时兼顾多个数据加工生产线的多个工序时，人员需要兼顾不同的数据加工生产线、不同工序、相似的操作，并要保证按照不同加工线的任务优先顺序和操作要求完成对应任务，对人员操作和动作要求很高，对生产管理人员的任务调度管理、操作技能培训及现场任务和人员管理要求也很高，很容易出现任务调度或操作不当引起的质量问题。
[0006]因此，如何能够协助人员在多流水线、多工序、多任务场景下实现高效操作，增加数据加工流水线弹性，减少任务调度现场管理成本，提升数据加工流水线任务流转效率，是建设高效率、高质量数据加工处理平台的一个难点。
技术实现思路
[0007]本专利技术涉及数字产品生产加工的任务流转辅助方法，所述方法包括以下步骤：构建人员技能画像、构建任务特征画像、构建工序操作标准、建立任务调度模型、工序任务预处理、本地任务队列管理、工序任务后处理。本专利技术基于15项人员属性、11项任务数据特征
和4项工序要求，创造提出了基于人员技能、任务数据特征和工序要求的多流水线、多工序、多任务的数据流转方法和计算机辅助人员的任务预处理、本地队列管理和任务后处理的方法，支持人员在任务制作过程中的“在线帮助”，实现了多工序任务数据和人员的最佳匹配、计算机辅助多流水线、多工序的任务流转及本地任务队列的有效管理，使人员真正实现了跨地域、跨流水线、跨工序完成对应的工序操作和任务流转，实现了“多流水线多工序任务并行”工作模式，人员有效工作时间提升了25％，简化了人员的操作和动作，降低了现场生产管理的复杂度。本专利技术设计适用于数据挖掘、数据标注、数据的生产加工处理等领域。
附图说明
[0008]图1工序基本流转图
[0009]图2基于任务串行工作模式
[0010]图3多流水线多工序任务并行工作模式
[0011]图4任务流转的辅助方法
具体实施方式
[0012]为了解决以上问题，本专利技术提供如下解决方法，一种任务流转辅助的方法(以下称：任务流转助手)。任务流转助手协助人员按照设定权限完成对应工序的领取任务、下载数据、保存数据、上传数据和提交任务的操作；并支持多人员多流水线多工序的任务流转；支持对操作记录和处理结果的分析功能，构建了任务特征画像和人员技能画像，为任务流转调度提供高效的适配方案；支持工序任务预领取、本地化任务的优先级管理；包括以下步骤：
[0013]步骤1.构建人员技能画像，根据人员基本信息、操作记录和处理结果评价，构建了人员包括质量、效率、完成量等15个维度的数据描述，构建人员工序技能画像库Employee[i][n](i＝1，2，3，4
…
；n＝1，2，3，4，5
…
15)；
[0014]步骤2.构建任务特征画像，待处理的任务数据按照流水线、产品类型、所属岗位、重要程度、项类型、任务性质、难易程度、语种、优先级等11个特征进行编码，构建任务属性特征画像库Task[i][n](i＝1，2，3，4
…
；n＝1，2，3，4
…
11)；
[0015]步骤3.构建工序操作标准，基于生产管理要求，构建人工工序要求，包括质量要求、工序时长、任务上限、工序优先级要求，形成工序操作标准矩阵Processes[i][n](i＝1，2，3
…
；n＝1，2，3，4)；
[0016]步骤4.构建多维任务分配机制(调度算法)，以最短工序时长为目标函数，以当前的任务矩阵Task[i][n]和人员技能矩阵Employee[i][n]为参数，求解工序Processes：i的最优解，确定将工序i中任务分配给最合适的人员(对于多技能人员，任务可能来自不同生产线和不同工序)，确定工序i中，人员i的任务列表{Task[1][4]，Task[2][4]，Task[3][4]……
}；
[0017]步骤5.任务流转助手预处理，人员i的任务流转助手根据所分配的任务列表，自动连接对应的生产线、对应的工序，预先领取任务、下载数据包到预先设置的本地目录，并对本地任务列表按计算优先级排序；
[0018]步骤6.人员i自动从本地任务列表中，按优先级顺序完成任务数据Task[i][4]，任
务流转助手支持任务的加急、暂缓、中断、重启的本地任务调度模式，灵活管理本地任务队列；支持处理任务数据的操作辅助，包括上游工序的制作要点备注，任务数据工序制作说明，同族任务数据历史样例；
[0019]步骤7.任务流转助手后处理，任务流转助手自动保存人员完成的任务，将数据上传到对应流水线工序，并提交任务；
[0020]通过引入任务流转助手的任务流转方法，大数据生产加工流水线工作模式在人工辅助校审工序的工作方式发生了根本变化，形成“多流水线多工序任务并行”工作模式，详见图3。
[0021]通过这种方法设计，减少人工工序中领取任务、下载数据、保存数据、上传数据、提交任务的操作，为人员提供遇到数据难点时的“在线帮助”，而人员将精力放在核心操作上，也不必关心数据“从哪来，到哪去”的问题，大大减少了人员的操作工作量和操作的复杂度；本地任务的优先排序算法的引入，减少了生产管理人员任务调度本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数字产品生产加工的任务流转辅助方法，所述方法包括如下步骤：步骤1.构建人员技能画像，根据人员基本信息、操作记录和处理结果评价，构建人员包括质量、效率、完成量等15个维度的数据描述，构建人员工序技能画像库Employee[i][n](i＝1，2，3，4
…
；n＝1，2，3，4，5
…
15)；步骤2.构建任务特征画像，待处理的任务数据按照流水线、产品类型、所属岗位、重要程度、项类型、任务性质、难易程度、语种、优先级等11个特征进行编码，构建任务属性特征画像库Task[i][n](i＝1，2，3，4
…
；n＝1，2，3，4
…
11)；步骤3.构建工序操作标准，基于生产管理要求，构建人员工序要求，包括质量要求、工序时长、任务上限、工序优先级要求，形成工序操作标准矩阵Processes[i][n](i＝1，2，3
…
；n＝1，2，3，4)；步骤4.构建多维任务分配机制(调度算法)，以最短工序时长为目标函数，以当前的任务矩阵Task[i][n]和人员技能矩阵Employee[i][n]为参数，求解工序Processes：i的最优解，确定将工序i中任务分配给最合适的人员(对于多技能人员，任务可能来自不同生产线和不同工序)，确定工序i中，人员i的任务列表{Task[1][4]，Task[2][4]，Task[3][4]
……
}；步骤5.任务流转助手预处理，人员i的任务流转助手根据所分配的任务列表，自动连接对应的生产线、对应的...
【专利技术属性】
技术研发人员：王长征，薛俊杰，宋菲菲，
申请(专利权)人：同方知网数字出版技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。