[发明专利]一种基于员工数据自动生成指标分的方法及装置

说明书

本发明提供一种基于员工数据自动生成指标分的方法及装置，涉及工作行为判断技术领域，所述基于员工数据自动生成指标分的方法包括如下步骤：S1，数据提取，获取员工工作排班、PDA设备定位、工作记录的相关数据。本发明通过员工日常工作轨迹，来分析其脱岗次数、在岗时间、行走路线、行走里程、行走时速等多维度因素，判断员工工作行为是否符合规范，工作态度是否积极认真，辅助管理者日常管理决策，并且通过训练违规行为判定模型可以对工作录像进行无死角的溯源标记，从而将员工的违规行为全部标出，并且由于YOLOv5算法的高效率，能够极大的提高标记效率，规避了人工审核工作录像存在的漏审问题，且由于无需人工审核，也降低了人力成本。

技术领域

本发明涉及工作行为判断技术领域，尤其涉及一种基于员工数据自动生成指标分的方法及装置。

背景技术

目前在景区运营中，管理者难以全面实时掌握员工日常工作行为，员工日常的一些不规范行为往往会给景区带来景区资产、口碑名誉损失，增加景区运维管理成本等问题，因此景区迫切需要一种可以分析员工工作行为的手段辅助其日常管理决策。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于员工数据自动生成指标分的方法及装置。

为了实现上述目的，本发明采用了如下技术方案：一种基于员工数据自动生成指标分的方法，所述基于员工数据自动生成指标分的方法包括如下步骤：

S1，数据提取，获取员工工作排班、PDA设备定位、工作记录的相关数据，得到所需基本数据，所述基本数据包括员工姓名、所属部门、工作时间段、工作区域、设备ID、设备对应人、采集经纬度、采集时间、工作类型、打卡点位/区域、打卡时间、工作任务项、点位/区域状态、工作备注、现场图片、现场工作视频、违规次数；

S2，训练违规行为判定模型，首先准备指定数量的员工违规动作图片素材，然后通过labelimg应用手动标记员工，在通过labelimg应用将员工违规现场图片素材全部手动标记后，将labelimg标记出的参数导入到YOLOv5算法中进行训练，从而得到违规行为判定模型；

S3，标记违规动作，通过所述违规行为判定模型对S1步骤中得到的现场工作视频进行智能检测，并保存所述违规行为判定模型标记出的员工违规动作视频片段以及员工违规动作行为截图，同时将所述违规行为判定模型标记出的员工违规动作的数量加入到所述基本数据的违规次数中；

S4，数据清洗，根据采集到的基础数据，通过数据清洗、数据治理、逻辑计算得到相关工作行为指标，具体包括脱岗情况统计、工作任务量统计、工作质量统计；

S5，生成行为指标评判标准，然后根据实际需要来对各工作行为指标建立多个评判标准，其中评判标准包括脱岗评判标准、工作量评判标准和工作质量评判标准；

S6，设置行为指标计算权重，对S5步骤中提到脱岗评判标准、工作量评判标准、工作质量评判标准以及质量因子合格标准设置不同权重，然后利用加权算法计算得出不同员工每月行为指标分，进而一一对应生成员工合格指数；

S7，统计分析结果，随后每间隔三个月统计所有员工工作行为得分分布，为了保持数据大致成正太分布(即得分为良、中的占大多数，得分为优、差的占少数)，同时规定优、差占比不超过10％，动态调整评分标准及权重。

为了能够对多种员工违规动作进行有效判定，本发明改进有，在S2步骤中，所述员工违规动作包括抽烟动作、玩手机动作、蹲地上动作和睡觉动作。

为了能够准确的统计脱岗、工作任务量和工作质量情况，本发明改进有，在S4步骤中，所述脱岗情况统计的统计项包括姓名、部门、月份、脱岗次数、脱岗累积时长和脱岗明细，所述工作任务量统计的统计项包括姓名、部门、月份、工作类型和完成次数，所述工作质量统计的统计项包括姓名、部门、月份、工作类型、异常发现数量和质量评估因子。