【技术实现步骤摘要】
本申请涉及大数据分析领域，尤其是涉及一种基于机器学习的员工排班表的预测方法及系统。
技术介绍
1、排班是指合理的安排工作人员的上班时间和休息时间，在现代企业管理中，排班是一个非常重要的环节，员工通常根据排班表有序上班。排班的合理性往往直接影响到企业的高效运转。
2、传统的排班方式是负责排班的工作人员每隔一个出勤周期（如一周）根据自己的经验在表格中对公司员工的下一个出勤周期的出勤时间进行安排，形成公司员工的下一个出勤周期的排班表，其中排班表中至少包含若干个出勤班次，每一出勤班次包括出勤时段，每一出勤班次还对应有出勤人员。在此过程中，负责排班的工作人员一般会根据员工的出勤偏好（如尽量避开员工偏好请假的时间）、班次岗位需求，为每一出勤班次安排出勤人员。由此可以看出，当出勤班次或待排班的出勤人员数量较多时，传统的排班方式过程繁琐、复杂，易耗费大量的人力和时间，从而导致排班效率低的问题，故有待改善。
技术实现思路
1、为了解决传统的排班方式过程繁琐、复杂，耗费大量的人力和时间，从而导致排班效率低的技术问题，本申请提供一种基于机器学习的员工排班表的预测方法及系统。
2、第一方面，本申请提供了一种基于机器学习的员工排班表的预测方法及系统，采用如下的技术方案：
3、一种基于机器学习的员工排班表的预测方法，包括：
4、接收启动指令，获取指定历史时期内的历史班次数据，其中，所述指定历史时期至少包括多个出勤周期，所述历史班次数据至少包括出勤班次、出勤班次对
5、基于所述历史班次数据，确定固定员工和固定班次；其中，所述固定班次是指在不同出勤周期内，出勤时段相同且重复出现率高于预设值的出勤班次；所述固定员工是指在不同出勤周期内的同一出勤时段所对应的所有出勤人员中，重复出现率高于预设值的出勤人员；
6、建立固定员工与固定班次的关联关系，基于所述关联关系，生成推荐班次，其中所述推荐班次是指以固定班次作为出勤班次、以固定班次所对应的出勤时段作为出勤时段、以固定员工作为出勤人员的班次；
7、基于预建构的排班模型和所述推荐班次，生成并输出排班表，其中，所述排班表中至少包括所述推荐班次。
8、通过采用上述技术方案，可以根据指定历史时期内的历史班次数据得到固定班次和固定员工，固定班次是指在指定历史时期内在同一出勤时段重复出现次数高的出勤班次，而固定员工是指在指定历史时期内在同一出勤时段重复出现次数高的出勤人员。通过将固定班次和固定员工进行关联生成推荐班次，推荐班次由基于机器学习的员工排班表的预测系统自动生成，减轻了负责排班的工作人员的工作负担，提高了排班效率，此外，由于是根据出勤人员的历史班次数据生成的排班表，更加符合出勤人员的出勤偏好，使排班更加人性化。
9、可选的，所述基于所述历史班次数据，确定固定员工和固定班次，之前包括：
10、所述出勤班次还包括所属项目；
11、根据预设的工作进度表确定所述历史班次数据中的所有出勤班次对应的项目完成进度，将对应的项目完成进度为已完成的出勤班次确定为第一出勤班次；所述预设的工作进度表中至少包括所属项目以及每一所属项目对应的项目完成进度；
12、如果存在第一出勤班次，将所述第一出勤班次从所述历史班次数据中移除。
13、通过采用上述技术方案，可以实现基于历史班次数据，确定固定班次和固定员工之前，根据预设的工作进度表中当前出勤班次的所属项目所对应的项目完成进度，判断是否需要将当前出勤班次从历史班次数据中移除，以使得生成的排班表尽量符合实际的项目需求，预设的工作进度表可以由专门的出勤人员进行实时更新，即实时对项目完成进度进行维护。
14、可选的，所述方法还包括：
15、根据预设的工作进度表确定每一所属项目的项目完成进度；
16、当存在目标所属项目所对应的项目完成进度大于预设进度值时，则生成并发出警示信息，其中，所述目标所属项目是指任一所属项目。
17、通过采用上述技术方案，可以将预设的工作进度表中的每一所属项目的项目完成进度与预设的进度值进行比较，当存在项目完成进度大于预设进度值的目标所属项目时，发出警示信息提醒，使得负责安排生产任务的出勤人员可以根据警示信息，提前对出勤班次和出勤人员进行调节，减少企业生产期间不必要的时间浪费。
18、可选的，所述建立固定员工与固定班次的关联关系，包括：
19、从所述历史班次数据中，确定每一固定班次所对应的所有出勤人员，形成初始范围；
20、确定目标固定班次所对应的初始范围内是否存在固定员工，其中，所述目标固定班次是指任一固定班次；
21、若目标固定班次所对应的初始范围内存在唯一的固定员工，则建立所述目标固定班次与所述唯一的固定员工的关联关系；
22、若目标固定班次所对应的初始范围内存在若干固定员工，则将目标固定班次所对应的初始范围内的所有固定员工生成第一集合；
23、若目标固定班次所对应的初始范围内不存在固定员工，则将所述初始范围作为第一集合；
24、根据预设的选择模型，从所述第一集合中选择唯一的出勤人员，并与固定班次建立关联关系。
25、通过采用上述技术方案，可以实现当将固定班次和固定员工建立关联关系时，根据固定班次对应固定员工的数量以及预设的选择模型，选取唯一的出勤人员与固定班次建立关联关系，以使得每个固定班次都可以对应唯一的出勤人员。
26、可选的，所述根据预设的选择模型，从所述第一集合中选择唯一的出勤人员，包括：
27、基于预设的员工任务表计算所述出勤人员的工作效率，将所述工作效率确定为第一评分维度，所述预设的员工任务表中包括姓名、工号、所参与的出勤班次以及每一出勤班次对应的实际进度；
28、根据预设的稳定因子计算所述出勤人员的出勤稳定度，将所述出勤稳定度确定为第二评分维度，所述预设的稳定因子至少包括请假次数、迟到次数、以及员工属性，所述员工属性可以为正式工、临时工；
29、计算所述第一集合中每一出勤人员的综合评分，所述综合评分为第一评分维度与第二评分维度之和，将所述综合评分最高的出勤人员作为唯一的出勤人员。
30、通过采用上述技术方案，可以得到第一集合中各出勤人员的综合评分的具体计算方法，即根据预设的员工任务表计算第一集合中各出勤人员的工作效率以及根据各出勤人员的历史出勤数据（即请假次数、迟到次数）和员工属性，计算第一集合中各出勤人员的出勤稳定度，工作效率和出勤稳定度之和即为各出勤人员的综和评分，根据综合评分选出唯一的出勤人员。
31、可选的，所述方法还包括：
32、计算所述历史班次数据中任意两名出勤人员的出勤相似度；
33、基于所述出勤相似度，确定每一出勤人员是否存在可替班人员；
34、若目标出勤人员存在可替班人员，则为所述目标出本文档来自技高网...
【技术保护点】
1.一种基于机器学习的员工排班表的预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的员工排班表的预测方法，其特征在于，所述基于所述历史班次数据，确定固定员工和固定班次，之前包括：
3.根据权利要求1所述的基于机器学习的员工排班表的预测方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的基于机器学习的员工排班表的预测方法，其特征在于，所述建立固定员工与固定班次的关联关系，包括：
5.根据权利要求4所述的基于机器学习的员工排班表的预测方法，其特征在于，所述根据预设的选择模型，从所述第一集合中选择唯一的出勤人员，包括：
6.根据权利要求1所述的基于机器学习的员工排班表的预测方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的基于机器学习的员工排班表的预测方法，其特征在于，所述基于预设的挑选规则，从所有最佳替班人员中挑选出唯一的最佳替班人员，包括：
8.一种基于机器学习的员工排班表的预测系统，其特征在于，包括：
9.一种基于机器学习的员工排班表的预测装置，其特
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
...【技术特征摘要】
1.一种基于机器学习的员工排班表的预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的员工排班表的预测方法，其特征在于，所述基于所述历史班次数据，确定固定员工和固定班次，之前包括：
3.根据权利要求1所述的基于机器学习的员工排班表的预测方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的基于机器学习的员工排班表的预测方法，其特征在于，所述建立固定员工与固定班次的关联关系，包括：
5.根据权利要求4所述的基于机器学习的员工排班表的预测方法，其特征在于，所述根据预设的选择模型，从所述第一集合中选择唯一的出勤人员，包括：
6.根据权...
【专利技术属性】
技术研发人员：刘庆婷，
申请(专利权)人：苏州盖雅信息技术有限公司，
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。