[发明专利]智能派工方法、装置及计算机可读储存介质

说明书

本发明提出一种智能派工方法，具体包括：采集每个员工基本信息和每个岗位基本信息；分别根据每个员工基本信息和每个岗位的基本信息对应提取员工特征因子和岗位特征因子；根据员工特征因子建立每个员工的员工模型；根据相同岗位的员工特征因子和岗位特征因子建立岗位模型；匹配员工模型和岗位模型；判断员工模型和岗位模型的匹配结果是否大于匹配度阈值；若是，则派工成功；若否，则派工失败，重新进行派工。本发明对应提供了智能派工装置和计算机存储介质，利用员工特征因子和岗位特征因子，建立员工模型和岗位模型，对员工模型和岗位模型进行匹配，使用大数据建模，进行科学决策，实现智能派工代替人工分配，员工和岗位的匹配度高。

技术领域

本发明涉及一种工业生产领域，特别是一种智能派工方法、装置及计算机可读储存介质。

背景技术

在生产过程中，传统派工模式为以领导为核心，需人工将员工派往需要的岗位。在传统派工模式下，领导派工的主观因素影响很大，且员工对岗位满意度低，工作效率低，影响公司生产效率，增大了运营成本。

发明内容

鉴于上述状况，有必要提供一种智能派工方法、装置及计算机可读储存介质，通过建立员工模型与岗位模型并进行匹配，以解决上述问题。

本发明第一方面提供了一种智能派工方法，所述智能派工方法包括如下步骤：采集每个员工基本信息和每个岗位基本信息；分别根据每个所述员工基本信息和每个所述岗位的基本信息对应提取员工特征因子和岗位特征因子；根据所述员工特征因子建立每个员工的员工模型；根据相同岗位的所述员工特征因子和所述岗位特征因子建立岗位模型；匹配所述员工模型和所述岗位模型；判断所述员工模型和所述岗位模型的匹配结果是否大于匹配度阈值；若是，则派工成功；若否，则派工失败，重新进行派工。

优选地，所述员工特征因子包括管理效率、地域特征、职业趋势、稳定性、人员特征、成长方向、作业能力和消费能力中的多种；所述岗位特征因子包括产品不良率、单位人时产能、上料综合效率和站点完成率中的多种。

优选地，所述员工模型通过对每个所述员工特征因子进行归一化处理后进行数学模型集合得到。

优选地，所述岗位模型通过决策树及BP神经网络算法建立得到。

优选地，所述员工模型和所述岗位模型通过欧氏几何距离法和向量空间余弦相似法进行匹配。

优选地，所述判断所述员工模型和所述岗位模型的匹配结果是否大于匹配度阈值步骤之后，还包括：显示所述匹配结果；记录匹配成功的员工的上岗信息；追踪所述匹配成功的员工的绩效。

本发明第二方面提供了一种智能派工装置，所述智能派工装置包括：数据库单元，用于存储员工基本信息和岗位基本信息；处理器；以及存储器，所述存储器中存储有多个程序模块，多个所述程序模块由所述处理器运行并执行如下步骤：采集每个所述员工基本信息和每个所述岗位基本信息；分别根据每个所述员工基本信息和每个所述岗位的基本信息对应提取员工特征因子和岗位特征因子；根据所述员工特征因子建立每个员工的员工模型；根据相同岗位的所述员工特征因子和所述岗位特征因子建立岗位模型；匹配所述员工模型和所述岗位模型；判断所述员工模型和所述岗位模型的匹配结果是否大于匹配度阈值；若是，则派工成功；若否，则派工失败，重新进行派工。

优选地，所述员工特征因子包括管理效率、地域特征、职业趋势、稳定性、人员特征、成长方向、作业能力和消费能力中的多种；所述岗位特征因子包括产品不良率、单位人时产能、上料综合效率和站点完成率中的多种。

优选地，所述员工模型通过对每个所述员工特征因子进行归一化处理后进行数学模型集合得到。

优选地，所述岗位模型通过决策树及BP神经网络算法建立得到。

优选地，所述员工模型和所述岗位模型通过欧氏几何距离法和向量空间余弦相似法进行匹配。