智能排班系统 【管理系统功能、操作说明——下篇】

简介: 智能排班系统 【管理系统功能、操作说明——下篇】

页面与功能展示

排班日历

在排班日历中所查看的是门店管理员将任务发布之后门店需要执行的工作。


月视图(按职位查询)

在职位选择树中勾选职位,右边将会展示所勾选职位用户的排班日历,如图 53,若日历格中写有“休息”,则当天门店休息;否则当天有工作班次,点击该日历格会使用甘特图来展示当天的所有班次安排,如图 54,从该图可以看到每个班次的开始时间、结束时间、所负责的员工,以及当天班次的统计信息(班次总数量、班次总时长、参与工作的员工数量、员工平均工作时长(min)、吃午餐、晚餐人数)。


图 53 选择职位查看月视图

图 54 点击月视图单元格查看班次甘特图

如果想重新指定班次的员工,或者为该时间添加更多的员工,可以双击甘特图的任务条,弹出班次人员指派对话框,如图 55。图 56为替换或追加员工成功后的甘特图变化。


图 55 给班次替换或追加员工

图 56 替换、追加所引起的甘特图变化


如果想要查看未指定员工的班次,要将开关拨至“未分配”,如图 57。排班日历显示的有“班次”的日历格中点击即可以看到相应的未分配班次,在未分配班次中,员工信息为空,表示班次未分配员工,如图 58。通过双击班次可以为未分配班次指定员工,操作同图 55,给未分配班次指定员工之后,该班次变成已分配班次,将从未分配班次甘特图中消失,如图 59。

图 57 查看未分配班次月视图


图 58 查看未分配班次甘特图

图 59 给开放班次指定员工

月视图(按员工查询)

按员工查询月视图,即先选择员工,再查询所选择员工所对应的月视图,最后查看月历格的班次,只会展示所选择员工的班次,整个过程如图 60。

图 60 按员工查看月视图、甘特图

周视图

在周视图中,为了更加方便用户查看信息,将开始时间、结束时间、用餐时间一致的班次进行信息合并,一个周视图单元格所展示的信息如图 62,如果想要查看更加详细的信息,可以点击单元格弹出详细信息,如图 63。如果想要改变所查看的周,可以使用顶部的工具栏,如图 64。

图 61 周视图

图 62 周视图项信息说明


图 63 周视图项详细排班信息

图 64 修改周视图所查看周

排班任务管理

排班任务管理页面如图 65所示,使用系统进行排班的逻辑是:创建排班计算任务→设置数据→排班计算→任务发布。

图 65 任务管理页面

创建排班计算任务

时间段长:我们将时间离散化成N段,时间段长表示每一段的时间长度(单位:分钟),时间段长越小,模型精度越高,求解难度越大,求解时间越慢。

排班时间:约束了班次时长必须是 M 倍时间段长的整数倍,其中M就是班次时长因子。例如M为2,时间段长为15,表示班次时长必须为30分钟的整数倍。

排班日期:排班的起止日期,如图 66是为2023年12月1日到2023年12月31日这段时间进行排班

一阶段算法、二阶段算法:本系统的排班算法分为两个阶段,阶段一为班次制定阶段;阶段二是为班次分配员工阶段。算法选择操作如图 67所示。如果用户不知道如何选择合适的算法,可以参考提示,如图 68。


图 66 新增任务对话框

图 67 任务算法选择

图 68 算法选择提示

设置任务的排班规则

在创建任务的时候,任务会自动绑定门店的排班规则,但是有时候可能需要针对任务对规则进行调整,比如说不同季节的上下班时间有所不同,则门店管理员可以修改任务对应的排班规则,如图 69。

图 69 修改任务对应的排班规则

设置工作日

任务工作日设置如图 70所示,在进行计算之前需要设置任务的起止日期内哪天为工作日,图中打钩的日期为工作日,在工作日设置页面,我们提供了一些快捷键来方便门店管理员进行操作:


全选/全不选:当有日期被选择为工作日时,上面展示的是全不选;当没有日期被选择为工作日时,上面展示的是全选

包括周末/排除周末:点击包括周末,会勾选所有周末为工作日;点击排除周末,会取消所有周末的勾选状态,即表示周末放假

包括节日/排除节日:点击包括节日,会勾选所有节日为工作日;点击排除节日,会取消所有节日的勾选状态,即表示节日放假

这里的节日判断逻辑是根据前面门店管理员所设置的节日来判断的,如果日期在节日范围之内,则被判断为节日。


图 70 任务工作日设置


客流量导入

在进行计算之前需要设置任务的客流量数据,操作如图 71,数据格式如图 72。若导入的数据的日期和任务起止日期不匹配,系统会提示没有包含在任务起止日期范围内的日期列表,如图 73。

图 71 任务客流量数据导入


图 72 客流量导入数据模板excel表

图 73 未导入日期提示

任务计算

当任务的计算数据准备完毕之后,可以勾选需要计算的任务,并点击“批量计算”即可开启任务的计算。开始计算之后,任务的计算状态会变化为“计算中”,处于计算中的任务不同被重复提交计算。等后端计算完成之后,会通过websocket通知前端任务计算完成,并修改前端的任务状态为“查看结果”;若计算失败,任务状态会变成“计算失败”,同时系统弹框告诉用户失败原因,如图 74。


图 74 任务计算及状态更新

查看任务结果

任务计算完成之后,可以点击“查看结果”来查看排班结果,结果的查看方式同“排班日历”模块,查看任务结果的操作如图 75所示。

图 75 查看任务所对应的结果

发布任务

在门店管理员查看了任务的计算结果之后,如果满意,可以发布任务结果,任务发布成功之后,员工可以在小程序端查看自己每周的负责班次,同时系统也会定时通知员工第二天所需要负责的班次。

图 76 修改任务发布状态

任务多算法计算

如果门店管理员想查看更多算法所计算的方案,并从中进行选优,可以使用多算法计算功能。如图 77,门店管理员可以查看每种算法组合的计算结果,如果对某一计算结果比较满意,可以点击“覆盖任务结果”按钮来替换任务的结果。


图 77 任务多算法计算

目录
相关文章
|
机器学习/深度学习 算法 Serverless
大模型开发:描述损失函数的作用以及一些常见的损失函数。
损失函数在机器学习中至关重要,用于衡量预测误差、优化模型、评估性能及选择模型。常见类型包括均方误差(MSE)、均方根误差(RMSE)、交叉熵损失(适用于分类)、绝对误差(MAE)、hinge损失(SVMs)、0-1损失、对数似然损失和Focal Loss(应对类别不平衡)。选择时要考虑模型性质、数据特征和优化需求。
1508 3
|
5月前
|
NoSQL 数据可视化 安全
如何开发一套车辆管理系统?(附架构图+流程图+代码参考)
本文介绍了如何通过搭建车辆管理系统(VMS)帮助企业摆脱传统管理方式,实现流程化、可视化、合规化和自动化。内容涵盖系统架构、关键功能模块、数据模型、API设计、前后端实现及实施建议,提供可落地的技术方案,助力企业降低隐形成本、提升管理效率与透明度,实现数据驱动决策。
|
5月前
|
JSON 文字识别 BI
如何开发车辆管理系统中的加油管理板块(附架构图+流程图+代码参考)
本文针对中小企业在车辆加油管理中常见的单据混乱、油卡管理困难、对账困难等问题,提出了一套完整的系统化解决方案。内容涵盖车辆管理系统(VMS)的核心功能、加油管理模块的设计要点、数据库模型、系统架构、关键业务流程、API设计与实现示例、前端展示参考(React + Antd)、开发技巧与工程化建议等。通过构建加油管理系统,企业可实现燃油费用的透明化、自动化对账、异常检测与数据分析,从而降低运营成本、提升管理效率。适合希望通过技术手段优化车辆管理的企业技术人员与管理者参考。
|
1月前
|
数据采集 缓存 自然语言处理
爱企查 item_get - 获取企业详情接口对接全攻略:从入门到精通
爱企查item_get接口(basicInfo)通过企业名称、信用代码等关键词,获取企业工商信息、联系方式、经营状态、变更记录及风险数据,适用于供应商筛选、风控合规等场景。接口基于HTTPS+Token认证,数据源自官方权威渠道,字段完整、更新及时。本指南涵盖权限申请、Python对接、调试排错与生产优化,提供全链路实操指导,助力企业高效安全集成。
|
前端开发 NoSQL Redis
智能排班系统 【开源说明】
智能排班系统 【开源说明】
860 1
|
Java Linux 测试技术
JMeter的运行
JMeter是一款基于Java的压力测试工具,适用于Windows、Mac及Linux系统。运行JMeter需Java 8及以上版本,建议至少1GB内存。用户可通过双击bin目录下的jmeter.bat/.sh文件或命令行启动。其主界面包括文件、编辑、查找、运行、选项与帮助等菜单,支持测试计划的创建、编辑与执行,并提供详细的帮助文档。正确配置环境变量可简化启动流程。
|
人工智能 数据挖掘 BI
高效解决排班难题,从手动到自动的全流程升级
在现代企业中,排班管理是人力资源的重要组成部分,涉及合理分配工作、满足业务需求、提升员工满意度及合规性与成本控制等多个方面。传统手动排班因变量多、效率低等问题,难以满足需求。智能排班工具如板栗看板、Deputy、Zoho People、Humanity 和 Shiftboard 的出现,通过自动化和智能化手段,有效解决了这些难题,提升了排班的效率和准确性。选择合适的工具,可以显著提高HR工作的效能,实现事半功倍的效果。
1126 13
高效解决排班难题,从手动到自动的全流程升级
|
人工智能 自然语言处理 算法
大模型 is all you need?
本文旨在通过对业务案例、prompt技巧、大模型原理等探讨,让大家能够更好地在实际业务中应用大模型。
450 16
|
Java Spring
SpringBoot: 启动Banner在线生成工具
SpringBoot: 启动Banner在线生成工具
38338 1
SpringBoot: 启动Banner在线生成工具
|
人工智能 编解码 搜索推荐
OneDiffusion:无缝支持双向图像合成和理解的开源扩散模型
OneDiffusion 是一个开源的扩散模型,能够无缝支持双向图像合成和理解。它基于统一的训练框架,支持多种任务,如文本到图像生成、条件图像生成和图像理解等。OneDiffusion 通过流匹配框架和序列建模技术,实现了高度的灵活性和可扩展性。
338 2
OneDiffusion:无缝支持双向图像合成和理解的开源扩散模型

热门文章

最新文章