一种流水线任务管理系统的制作方法

本发明涉及流水线任务管理，尤其涉及一种流水线任务管理系统。

背景技术：

1、在如今的工业生产环境中，流水线任务管理系统由于其高效、自动化和可靠性的特点，在许多工业领域中得到广泛应用。

2、公开号：cn116452141a的专利公开了一种任务管理系统，该系统包括：任务管理工作台、任务管理流水线以及数据库；其中，任务管理工作台包括凭证管理模块、任务模板模块、任务管理模块以及任务监控模块；凭证管理模块用于基于访问凭证管理第三方系统的访问权限；任务模板模块用于配置任务管理任务信息和任务管理流水线信息；任务管理模块用于根据任务管理任务信息和任务管理流水线信息创建任务管理任务，并触发所述任务管理流水线以调用第三方系统执行任务管理任务；任务监控模块用于展示任务管理任务的执行状态和执行结果；数据库用于存储执行状态和执行结果。

3、由此可见，所述任务管理系统存在以下问题：

4、在传统的流水线任务管理中，容易出现效率低下、人为失误和资源浪费的问题。

技术实现思路

1、为此，本发明提供一种流水线任务管理系统，用以克服现有技术中在传统的流水线任务管理中，容易出现效率低下、人为失误和资源浪费的问题。

2、为实现上述目的，本发明提供一种流水线任务管理系统，包括：

3、数据收集模块，用于收集流水线内的待分配工作人员的工作人员的工作年限、技能等级和资质认证等级；

4、能力评估模块，与所述数据收集模块连接，用于根据所述待分配工作人员的工作年限、技能等级和资质认证等级评估待分配工作人员的工作能力值；

5、节点人员模型库，用于提供所述流水线上的每个节点的技能要求值；

6、匹配分配模块，分别与所述能力评估模块和所述节点人员模型库连接，用于根据所述工作能力值、所述技能要求值将每个节点的工作任务分配给最优工作人员，以形成流水线阵列；

7、任务状态跟踪模块，与所述数据收集模块与匹配分配模块连接，对所述流水线阵列中的最优工作人员在工作过程中的作业效率进行实时监控；

8、数据分析优化模块，分别与所述任务状态跟踪模块和所述能力评估模块连接，用于对作业效率进行数据分析，以获取各节点的任务输出效率，以及，根据任务输出效率与预先设置的目标输出效率调整人员分配以更新所述流水线阵列中的任意节点的工作人员。

9、进一步地，所述能力评估模块包括：

10、提取单元，用于提取收集的工作人员的工作年限、技能等级和资质认证等级的经验特征；

11、训练单元，与所述提取单元连接，用于利用所述经验特征建立具有评估工作能力值的模型；

12、计算单元，与所述训练单元连接，用于通过将重新采集的数据并对其提取的经验特征输入所述具有评估工作能力值的模型，并计算出工作人员的工作能力值评分；

13、输出单元，与所述计算单元连接，用于输出所述工作能力值评分结果。

14、进一步地，所述提取单元包括：

15、标准化子单元，用于通过最大-最小标准化对所述工作年限的经验特征进行标准化，标准化的工作年限=（实际工作年限-最小工作年限）/（最大工作年限-最小工作年限）；

16、编码子单元，用于对所述技能等级、所述资质认证等级分别进行独热编码，并分别对所述技能等级、所述资质认证等级创建二进制特征；

17、拼接子单元，用于将工作年限的经验特征、技能等级的经验特征和资质认证等级的经验特征按列进行拼接形成一个特征向量。

18、进一步地，所述训练单元包括：

19、模型选择子单元，用于选择线性回归算法模型：y=β0+β1×x1+β2×x2+...+βn×xn，其中y为工作能力评分结果，x1、x2、...、xn为经验特征，β0、β1、...、βn为所述线性回归算法模型的系数；

20、数据预处理子单元，用于将收集到的经验特征集划分为训练集和测试集，80%的经验特征用于训练所述线性回归算法模型，并使用平均值填充所述训练集的数值型数据的缺失值，使用众数填充分类变量的缺失值，并对所述线性回归算法模型的系数初始化，将初始值设定为0；

21、数据运算第一子单元，用于根据所述线性回归算法模型当前的系数计算预测值y'=β0+β1×x1+β2×x2+...+βn×xn，

22、数据运算第二子单元，用于使用均方误差损失函数计算，loss=(1/m)×σ(y'-y)^2，其中loss为所述均方误差损失函数，m是样本数量，y'是所述工作能力评分结果的预测值；

23、数据运算第三子单元，用于根据所述均方误差损失函数的值计算所述线性回归算法模型系数对损失的梯度，β=β-learning_rate×g，其中learning_rate是控制参数更新的步长学习率，g为梯度。

24、进一步地，所述匹配分配模块包括：

25、匹配单元，用于对比从节点人员模型库中获取各节点的技能要求值，以及，根据任务需求从能力评估模块中获取工作人员的工作能力值评分结果，并根据对比结果匹配到任务的最佳匹配工作人员；

26、分配单元，与所述匹配单元连接，用于将任务分配至所述最佳匹配工作人员；

27、若所述工作人员的工作能力值评分结果小于节点的技能要求值，则所述匹配单元判定工作人员不满足节点的工作条件；

28、若所述工作人员的工作能力值评分结果大于等于节点的技能要求值，则所述匹配单元判定工作人员满足节点的工作条件。

29、进一步地，所述数据分析优化模块包括：

30、数据分析单元，用于处理获取的所述作业效率数据以对处理后的数据观察和分析图表和计算，以及，对计算得到的任务执行时间、任务完成率、任务延迟指标分析；

31、优化单元，与所述数据分析单元连接，用于根据数据分析结果对各节点进行工作人员重新分配；

32、所述数据分析单元还用于通过使用平均值填充所述获取的作业效率数据的数值型数据的缺失值，使用众数填充分类变量的缺失值；

33、所述数据分析单元计算平均执行时间、最小执行时间、最大执行时间和执行时间的标准差，使用柱状图展示计算得到的任务执行时间的分布情况；

34、所述数据分析单元计算任务完成的百分比，使用饼图展示计算得到的任务完成率的百分比；

35、所述数据分析单元计算任务延迟的平均值、最大值，使用箱线图展示计算得到的任务延迟的分布情况。

36、进一步地，所述数据分析单元还用于根据不同节点之间的任务执行时间、任务完成率和任务延迟指标的比较结果对节点进行排名，所述数据分析单元内设有排名预设值，

37、若节点排名低于所述排名预设值，则所述数据分析单元标记该节点为低效率节点，所述优化单元对所述低效率节点进行工作人员重新分配。

38、进一步地，所述数据分析单元基于加权求和以根据所述不同节点之间的任务执行时间、任务完成率和任务延迟指标得到综合指标，以及，根据获得的综合指标对各个节点进行比较和排名，其中，综合指标=完成率权重×任务完成率+延迟权重×平均任务延迟时间+执行时间权重×平均任务执行时间。

39、进一步地，排序子单元，用于根据低效率节点列表对低效率节点进行排序，以确保当前排名第一的目标节点为最低效率节点，以及，根据工作人员列表和任务列表对工作人员进行从高至低的排序；

40、分配子单元，与所述排序子单元连接，用于选择工作人员列表中第一个能力评分值最高的工作人员作为任务的目标工作人员，以及，将任务从原始工作人员列表移除，并将其分配给目标工作人员；

41、输出子单元，与所述分配子单元连接，用于输出重新分配的工作人员列表。

42、进一步地，一种流水线任务管理方法，包括以下步骤：

43、s1、收集流水线内的待分配工作人员的工作人员的工作年限、技能等级和资质认证等级；

44、s2、根据所述待分配工作人员的工作年限、技能等级和资质认证等级评估待分配工作人员的工作能力值；

45、s3、通过对比所述工作能力值和节点人员模型库中记录的每个节点的技能要求值将每个节点的工作任务分配给最优工作人员，以形成流水线阵列；

46、s4、对所述流水线阵列中的最优工作人员在工作过程中的作业效率进行实时监控；

47、s5、对所述任务状态跟踪模块实时监控获取的作业效率进行数据分析，以获取各节点的任务输出效率，并根据任务输出效率与预先设置的目标输出效率调整人员分配，以更新所述流水线阵列中的任意节点的工作人员。

48、与现有技术相比，本发明的有益效果在于，

49、通过收集、评估和匹配工作人员的能力，结合节点的技能要求，系统能够将任务分配给最适合的工作人员，提高任务执行效率和质量。同时，任务状态的实时监控和数据分析，使系统能够根据实际情况进行优化调整，提升整个流水线的运行效率和生产能力。

50、进一步地，通过将重新收集的工作人员的数据信息输入到模型中，能力评估模型计算出工作人员的工作能力评分，并将评估结果进行输出。这样的能力评估模块能够帮助流水线任务管理系统准确评估工作人员的能力水平，从而更好地分配任务和提高工作效率。

51、进一步地，通过能力评估模块对工作年限、技能等级和资质认证等级的经验特征进行特征融合，将它们按列拼接形成一个特征向量。这样的特征融合可以提供更全面的信息，用于评估工作能力。通过这种方式，能力评估模块能够更准确地评估工作人员的能力和经验水平，为流水线任务的分配提供有益的指导。

52、进一步地，本发明提供的能力评估模型训练过程可以使能力评估模型逐渐优化，并最终得到准确的工作能力评分结果。通过这样的能力评估模型，流水线任务管理系统能够更准确地评估工作人员的能力水平，为任务分配提供有益的指导。

53、进一步地，通过计算最佳匹配度来进行最佳人员匹配，能够更准确地将任务分配给适合的工作人员，提高工作效率和质量。

54、进一步地，数据分析优化模块通过观察和分析图表和计算得到的指标，研究任务执行时间、任务完成率和任务延迟指标的分布情况。特别关注任务执行时间的平均值和标准差，观察任务完成率的百分比和变化趋势，以及分析任务延迟的平均情况和最大延迟。这些分析结果提供了关键的洞察和信息，帮助了解任务执行的效率和质量，从而进行优化和改进。

55、进一步的，通过数据分析和优化，数据分析优化模块能够及时识别低效率节点并进行优化调整，以提高整个流水线的运行效率和生产能力。此举有助于实现任务执行时间的缩短、任务完成率的提高和任务延迟的减少，从而提升流水线的整体效能。

56、进一步的，通过比较和排名各个节点的综合指标，数据分析优化模块可以了解不同节点在任务执行效率、任务完成率和任务延迟方面的表现，并确定各节点的相对优劣程度。

57、进一步的，数据分析优化模块能够通过优化单元有效地优化低效率节点的工作人员分配，提升任务的执行效率和质量，从而达到优化流水线运作并提升整体绩效的目的。

58、进一步的，流水线任务管理方法通过收集、评估、分配、监控和优化，以提高流水线的运行效率和任务分配的精确性。