一种根据设备数据调整招生规模的方法及装置与流程

本发明涉及一种调整招生规模的方法和装置，特别涉及一种根据设备数据调整招生规模的方法及装置，属于大数据分析技术领域。

背景技术：

现阶段，各类大专院校及职业教育学校均根据办学要求开设专业设置课程，而在互联网以及移动互联网及各类高精尖技术的推动下，某些专业已经在走下坡路，另一些专业可能面临被淘汰，相反，市场上对于某些技术需求强烈的专业，在各类院校中并未设置，因此，存在学校教育与社会需求脱节的现象。

此外，对于一些新兴的技术领域，部分职业教育资源整合不利和布局结构调整不及时，设置专业不科学合理，存在盲目设置和重复建设，更有甚者，存在一哄而起的现象。根本原因在于，大多数学校并不能第一时间掌握各专业的人才需求，及其变化趋势，因此在设置专业和制定招生规模时相对盲目，不利于人才培养及科学就业。

另一方面，岗位热度也成职位热度，意思是工作职位的受欢迎程度。现有的岗位热度分析往往通过调查问卷的形式开展，而调查问卷存在采样风险，一方面可能因为样本量不足而导致调查问卷不能反映客观实情，另一方面，可能因为采样不够系统而导致调查结果不能反映客观实情。现有技术中也存在通过一段时间内的互联网搜索词频统计来反映岗位的热度，这种方式也会造成较大的误差。各大招聘网站有能力也有资源获取当下企业对于各种岗位的招聘需求，只需要统计最近一段时间，例如一个月内各岗位的招聘需求人数即可知道当下岗位的需求度。然而这种信息对于大多数求职者而言会显得非常之后，原因在于，往往是企业发现某一岗位缺人了才发布招聘信息，而且招聘时间往往较短，时效性较强，对求职者而言，没有足够的时间去学习和补充该岗位相关的专业知识以及技能。

综上所述，目前暂无一种能够获取岗位需求热度的方法，能够让各类院校，特别是职业教育类院校提前知道各种岗位的需求度，从而科学合理设置专业及招生规模。

技术实现要素：

本发明的目的是提供一种根据设备数据调整招生规模的方法，包括以下步骤：步骤一，获取一定地域范围内至少两个时间段内至少一种工业设备相关的设备数据；步骤二，对比步骤中获得的至少两个设备数据，根据设备数据的变化判断岗位需求热度的变化；步骤三、根据岗位需求热度的变化调整与该类工业设备关联的工种相关联的专业招生规模。

所述设备数据包括单次开机时长t，开机频率f，和/或地理位置g，操作该工业设备的人数n，订单量s1，交付量s2。

所述步骤二的判断之一为：若至少两个地区内至少两个时间段内的累计开机时长均增加，则两个地区的岗位需求热度增加，反之则降低；若至少两个时间段内的某些地区的累计开机时长减少，则在该地区与该工业设备关联的岗位需求热度降低。或者，若至少两个时间段内的累计开机时长增加，且订单量s1，交付量s2均大于一定的数量，则岗位需求热度增加，反之则降低。

可选地，所述步骤二中的岗位需求热度rn=(wn-wn-1)/αk，其中，rn表示第n个时间周期的岗位需求热度，wn表示某一类工业设备在第n个周期的累计开工时长，wn-1表示某一类工业设备在第n-1个周期的累计开工时长，αk表示与该类型的工业设备关联的第k个工种岗位上一个人一个周期内的工作时间。

可选地，所述步骤二中的岗位需求热度rn=(wn-wn-1)/αk-βkn，其中，rn表示第n个时间周期的岗位需求热度，wn表示某一类工业设备在第n个周期的累计开工时长，wn-1表示某一类工业设备在第n-1个周期的累计开工时长，αk表示与该类型的工业设备关联的第k个工种岗位上一个人一个周期内的工作时间，βkn表示与该类型的工业设备关联的第k个工种岗位的第n个周期内的新增的待业人员数量。

可选地，所述步骤二中的岗位需求热度rn=(wn+ws1n-wn-1-ws1n-1)/αk-βkn，其中，rn表示第n个时间周期的岗位需求热度，wn表示某一类工业设备在第n个周期的累计开工时长，wn-1表示某一类工业设备在第n-1个周期的累计开工时长，αk表示与该类型的工业设备关联的第k个工种岗位上一个人一个周期内的工作时间，βkn表示与该类型的工业设备关联的第k个工种岗位的第n个周期内的新增的待业人员数量，ws1n表示与订单量s1n相关的设备的开工时长需求，ws1n-1表示与订单量s1n-1相关的设备的开工时长需求。

本发明通过获取工业设备的设备数据来判断与工业设备关联的工种的岗位需求热度，能够实时反映出各岗位需求热度的变化，并且根据岗位需求热度指导各类院校提前调整相应专业的招生人数，使得招生更为理性，有利于针对性的就业，提高就业效率。

附图说明

图1是本发明提供的方法示意图；

图2是本发明第一数据示意图；

图3是本发明第二数据示意图；

图4是本发明第三数据示意图；

图5是本发明第四数据示意图；

图6是本发明中岗位需求热度变化曲线示意图；

图7是本发明中一组数据示例图；

图8是与图7相关的数据得到的岗位需求热度曲线示意图；

图9是本发明根据设备数据调整招生规模的装置的逻辑结构示意图。

具体实施方式

以下结合附图以及给出的实施例，对本发明作进一步的说明，但并不局限于此。

本发明的第一实施方式提供了一种根据设备数据制定专业设置及招生规模的方法，如图1所示，该方法包括以下步骤：

步骤一，获取至少两个时间段内一定地域范围内至少一种工业设备相关的设备数据。所述设备数据包括但不限于平均每天单次开机时长t，每天开机频率f，可进一步包括地理位置g，操作该工业设备的人数n，订单量s1，交付量s2。上述每天单次开机时长t和每天开机频率f的乘积可以表示每天开机时长ot。

优选地，在该步骤中每隔一段时间获取工业数据信息。例如每隔一个月，或者半个月获取一次平均每天单次开机时长t，开机频率f，地理位置g，操作该工业设备的人数n，订单量s1，交付量s2。

图2示出了某一个初试时间点（假设为某年3月）的各参数的示意。在该图中，示出了设备名称：数控机床，即针对数控机床这一类工业设备，关联工种1：操作员，即因为数控机床需要操作工去操作，因此该设备对应的工种1为操作员，关联工种2：质检员，因为数控机床加工得到的产品需要进行质量确认，因此需要质检员这一工种。本领域的技术人员应当理解，这里只是示意性的举例，与数控机床关联的工种可能不止这两种，即意味着数控机床这一工业设备可以关联多个工种。更为一般的情况，每一类工业设备一关联多个工种，每一个工种也可以关联多类工业设备。

在图2中反映了如下信息：数控机床的平均每天单次开机时长t为4小时，每天开机一次，图2中的数据是针对苏州地区的数控机床进行的统计，每台设备需要的操作员人数为2，每两台数控机床需要1个质检员，当月苏州地区的数控机床的订单量（需求量）为100台，当月交付的数控机床为50台。

步骤二，对比至少两个时间段内的设备数据，根据设备数据的变化判断岗位需求热度的变化。可选地，若至少两个时间段内的累计开机时长增加，则岗位需求热度增加，反之则降低。更为优选地，所述两个时间段的间隔可以是一星期、半个月、一个月或者其他任意间隔。为了更为精准地做出判断，可以选取连续3个或者4个或者5个时间段的数据进行对比，因为采样点越多反映出的来变化趋势也越清晰。

图3示出了另一时间点（假设为某年4月）的各参数的示意。在图3中反映了如下信息：数控机床的平均每天单次开机时长t为2小时，每天开机一次，图2中的数据是针对苏州地区的数控机床进行的统计，每台设备需要的操作员人数为2，每两台数控机床需要1个质检员，当月苏州地区的数控机床的订单量为30台，当月交付的数控机床为10台。

相比图2的数据，某年4月的平均每天单次开机时长t缩减为2小时，订单量量和交付量均出现了较大缩减。如此可初步判断与数控机床关联的工种的需求热度会逐渐降低，原因在于，企业的平均每天单次开机时长t有所下滑，而且数控机床处于一种非饱和的负荷状态，是苏州地区对数控机床的需求量逐渐降低，新到的投入使用的数控机床数量也在减少，这一定程度上反映了苏州地区的数控加工行业热度的降温，当然这种降温可能是行业趋于饱和，或者周期性的降温，但可以反映出对于关联工种的需求在降低，毕竟企业不可能在不需要的情况下再招聘关联工种。在这种情况下，对于求职者而言，如果再想涉足数控机床操作工或者质检员这样的岗位的难度较大，因为岗位热度已经降低，竞争也相对激烈。

图4示出了另一时间点（假设仍然为某年4月）的各参数的示意。在图4中反映了如下信息：数控机床的平均每天单次开机时长为4小时，每天开机2次，其他信息如图2。

相比图2的数据，某年4月的平均每天单次开机时长t增加为4小时，开机频率也增加到2次。如此可初步判断与数控机床关联的工种的需求热度会逐渐提高，原因在于，企业对于数控机床的使用时间有较大增加，这里每天开机频率f和平均每天单次开机时长可以综合为每天该设备的平均工作（开机）时长ot，即每天平均开机时长ot=每天开机频率f*平均每天单次开机时长t，这一定程度上反映了苏州地区的数控加工行业热度不减，可以进一步反映出对于关联工种的需求在增加。在这种情况下，对于求职者而言，如果再想涉足数控机床操作工或者质检员这样的岗位的难度较小，获得工作的机会越大。

所述步骤二可以进一步为，对比至少两个地域范围内的至少两个时间段内的设备数据，根据设备数据的变化判断岗位需求热度的变化。若至少两个地区内至少两个时间段内的累计开机时长均增加，则两个地区的岗位需求热度增加，反之则降低。若至少两个时间段内的某些地区的累计开机时长减少，则在该地区与该工业设备关联的岗位需求热度降低，若至少两个时间段内的某些地区的累计开机时长增加，则在该地区与该工业设备关联的岗位需求热度增加。

图5示出了另一工业设备数据。假设图5示出的是某年4月与数控机床相关的数据。在图5中反映了如下信息：数控机床的平均每天单次开机时长t为4小时，每天开机1次，地理位置g为常州，其他信息如图2。假设图3为当月苏州地区关于数控机床的设备数据。经过对比可以发现，苏州地区的数控加工行业热度减少，而常州地区数控加工行业的需求在增加。这种情况下，纵观全中国或者江苏省的数控加工行业，平均每天单次开机时长、开机频率、订单数量和交付量可能呈现出平稳的变化，但通过各地区的数据对比可以发现，数据加工行业可能从一个地理位置向另一个地理位置转移，对比图5和图3以及图2，可能反映出数控加工行业逐渐由苏州向常州转移，可以进一步反映出常州地区跟数控机床关联工种的需求在增加，而苏州地区跟数控机床关联工种的需求在减少。在这种情况下，对于求职者而言，如果再想涉足数控机床操作工或者质检员这样的岗位，在常州地区相对容易，而在苏州地区相对较难。

更为一般化的情况。本发明的技术方案中，首先，获取设备数据的过程是动态的和实时的，而且这一数据相对容易获得，对于工业设备的生产状况及运行状况数据的采集方法在本领域中已存在，这并非本发明关注的重点。其次，本发明中的数据分析也可以是实时的，即，可以每天进行一次数据分析和对比，也可以一星期，一个月，两个月，本领域的技术人员应当清楚，具体多长时间获取一次数据及分析一次数据是可以根据实际需要而决定的。第三，每一个工业设备至少关联一个工种。第四，获取数据的地理范围可以是以市为单位、省为单位，或者获取的是一个规则的或者不规则的地理形状区域内的数据。第五，对于岗位需求热度变化的分析可以是两个时间点的数据对比，或者三个时间点的数据对比，或者更多时间点的对比。例如，对比连续三个月的数据变化而做出岗位需求热度变化的判断，或者对比连续5个月的数据变化而做出岗位需求热度变化的判断。

更进一步，若至少两个时间段内的累计开机时长增加，且订单量s1，交付量s2均大于一定的数量，则岗位需求热度增加，反之则降低。

以上步骤一中可进一步获取有效设备的数量m，所述有效设备指在一定时间段内有开机记录的设备。有效设备的数量m是随时间变化的，例如当月有效设备的数量m可能为1000台，而下月有效设备的数量m可能为2000台，或者800台。此时，在步骤二中，若至少两个时间段内的累计开机时长增加，且订单量s1，交付量s2均大于一定的数量，和/或有效设备的数量m增加，则岗位需求热度增加，反之则降低。

步骤三、根据岗位需求热度的变化调整与该类工业设备关联的工种相关联的专业招生规模。所述工种至少关联一个专业。例如，数控机床工种1操作员所关联的专业可以是“数控机床专业”。

在该步骤中，一般化的实施方式为，若该工种的岗位需求热度增加，则增加该工种关联的专业的招生规模。例如，若对于数控机床操作员的岗位需求热度增加，则可增加“数控机床专业”的招生规模。

进一步，考虑到更为复杂的因素，例如某一岗位现有的待业人数、未来一定时期内毕业生数量（或者新增的能够胜任该岗位的人数）、以及未来一定时期内对于该岗位的人员需求数量。因此，本发明更为优化的技术方案中，对以上必要的参数进行量化。

假设岗位需求热度用r表示，则某一类设备在一段时间内的累计开工时长为w，w可以用平均每天开机时长ot*周期d*有效数控机床的数量m来计算得到，所述周期d为一个单位时间段，例如d可以是30天、60天、180天、360天等等。每天开机时长t的单位不限，可以用小时计算，也可以用天、月等时间单位来计算得到。则：

rn=(wn-wn-1)/αk

上式中，rn表示第n个时间周期的岗位需求热度，wn表示某一类工业设备在第n个周期的累计开工时长，wn-1表示某一类工业设备在第n-1个周期的累计开工时长，例如w1表示第一个周期的开工时长，更进一步，可表示第一个月、或者第一个季度的累计开工时长，例如w2表示第2个周期的开工时长，更进一步，可表示第2个月、或者第2个季度的累计开工时长。αk表示与该类型的工业设备关联的第k个工种岗位上一个人一个周期内的工作时间。

假设一台数控机床需要一名操作员，一个操作员的日工作时间为8小时（当然，也可以是10小时或者12小时等，8小时只是示意性的说明），若周期d以月为单位，为了方便计算一月按照30天来计算按，αk=8*30=240，若在周期d内数控机床的每天平均开机时长ot为12小时，则每台数控机床在周期d内的累计开工时长为12*30=360小时，若统计得到的有效数控机床的数量m为1000台，则w1=360*1000=360000小时，所需要的操作员数量为360*1000/240=1500人。假设这是进行岗位热度统计的第一个月。当在下一个周期d（还是以月为单位）内，数控机床的每天平均开工时长ot为10小时，则每台数控机床在周期d内的累计开工时长为10*30=300小时，若统计得到的有效数控机床的数量m为1100台，则w2=300*1100=330000小时，所需要的操作员数量为300*1100/240=1375人，即r2=(w2-w1)/αk=-125。

如此类推，如图6所示，可以连续得到多个周期的r值的变化。也就是说，对于每一类工业设备，其关联的工种的需求热度r均可以在类似于图6中连续反应出来，对于该工业设备而言，可能存在多个类似于图6的图，因为该工业设备关联的工种不止一个，每一个工种的需求热度均可以用类似于图6的曲线反应。

优选地，上述统计有效数控机床的数量的方法可以是，根据上月数控机床的数量+当月交付量s2获得，更为优选地，可以由上月数控机床的数量+当月交付量s2-当月淘汰量q获得。

更进一步，用βkn表示与该类型的工业设备关联的第k个工种岗位的第n个周期内的新增的待业人员数量，上述符号k表示第k个工种，n表示第n个周期。本领域的技术人员应当理解，所谓的新增待业人员也可以分类，例如，纯新手、工作3年的中级人才、工作5年以上的高级人才等，也就是说βkn可以进行分类统计和计算。

rn=(wn-wn-1)/αk-βkn

更进一步，

rn=(wn+ws1n-wn-1-ws1n-1)/αk-βkn

上述订单量s1n为周期n内的该类工业设备的订单量，ws1n表示与订单量s1n相关的设备的开工时长需求，ws1n-1表示与订单量s1n-1（即上一时间周期内的订单量）相关的设备的开工时长需求。

wn表示某一类工业设备在第n个周期的累计开工时长。在该实施方式中，进一步考虑到了当前周期内的新增的工业设备的订单数量，因为订单都伴随着未来的交付，企业订购工业设备都是用于生产，而设备的投入也伴随着用工需求的增加。

以图7所示的数据为例，图7列出了7个时间周期（可以是7个月、七个季度等），利用公式rn=(wn+ws1n-wn-1-ws1n-1)/αk-βkn计算得到r1、r2、……r7的值分别为：10025、14810、14915、-45、29870、4810、24765。进一步，可绘制r1、r2、……r7随时间周期的曲线，如图8所示。图8反映了在周期1-7内r1-r7的变化状况，即7个时间周期的该岗位需求热度的变化趋势。在这种情况下，该岗位需求的值基本为正，表明对于该岗位用工的需求一直在增加。

本发明进一步对招生规模进行量化，在一个可选的方案中，若连续p个周期内，岗位需求为正数，则可以扩大与该岗位相关专业的招生规模，即招生人数，优选地，所述p为3，也可以是4,5,6等其他数量。对于短期技能培训类学校而言，因为培训周期短，例如半年，则p可以是3个月。对于培训时间较长的学校而言，例如职业技术学院，大专院校等，p可能是12个月、24个月等。

另一方面，若连续p个周期内，岗位需求为负数，则可以减少与该岗位相关专业的招生人数，优选地，所述p为3，也可以是4,5,6等其他数量。

本发明还提供了一种根据设备数据调整招生规模的装置，如图9所示，该装置包括：数据获取单元1，用于获取至少两个时间段内一定地域范围内至少一种工业设备相关的设备数据。所述设备数据包括但不限于平均每天单次开机时长t，每天开机频率f，可进一步包括地理位置g，操作该工业设备的人数n，订单量s1，交付量s2。上述平均每天单次开机时长t和每天开机频率f的乘积可以表示平均每天开机时长ot。还包括数据对比单元2，用于对比至少两个时间段内的设备数据，根据设备数据的变化判断岗位需求热度的变化。还包括判断单元3，用于根据岗位需求热度的变化做出与该类工业设备关联的工种相关联的专业招生规模调整的判断。

以上根据设备数据制定专业设置及招生规模的装置的其他功能与上述方法实施例中的步骤均相对应。

本发明通过获取工业设备的设备数据来判断与工业设备关联的工种的岗位需求热度，能够实时反映出各岗位需求热度的变化，并且根据岗位需求热度指导各类院校提前调整相应专业的招生人数，使得招生更为理性，有利于针对性的就业，提高就业效率。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。