基于机器学习的系统工程支持系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113516420A(43)申请公布日2021.10.19(21)申请号202111070469.9(22)申请日2021.09.13(71)申请人能科科技股份有限公司地址102400北京市房山区城关街道顾八路一区9号(72)发明人祖军赵岚阴向阳李光荣(74)专利代理机构北京和信华成知识产权代理事务所(普通合伙)11390代理人李漫(51)Int.Cl.G06Q10/06(2012.01)G06Q10/10(2012.01)G06N20/00(2019.01)权利要求书1页说明书5页附图1页(54)发明名称基于机器学习的系统工程支持系统(57)摘要本发明公开了基于机器学习的系统工程支持系统，包括任务导入单元、信息收集单元、分配规划单元、核算管控单元和数据存储单元，通过设置分配规划单元，利用其进行关键字提取和匹配，快速的将对应的具体任务分配至对应部门，然后通过对员工个人能效值的计算将员工进行定档，按照不同的优先级顺序将任务匹配至不同的员工，大大提高了任务分派效率与匹配度；通过设置核算管控单元，对任务进行逐条派发和实时进度更新，同时在任务更新后对个人任务完成情况和部门整体任务进度完成情况进行计算和风险管控，使员工和部门都能对任务进度进行实时管控并及时进行调整。CN113516420ACN113516420A权利要求书1/1页1.基于机器学习的系统工程支持系统，其特征在于：包括任务导入单元、信息收集单元、分配规划单元和核算管控单元；任务导入单元将拟定好的任务清单进行导入，同时信息收集单元对各个职责部门的人员信息进行采集，并将其传输至数据存储单元进行存储；分配规划单元根据任务清单对职责部门以及对应的员工进行任务的匹配规划，并最终生成任务跟踪清单，核算管控单元针对任务完成情况对任务跟踪清单进行更新，同时对员工的个人任务进度和各职责部门的整体任务进度进行风险警示和管控。2.根据权利要求1所述的基于机器学习的系统工程支持系统，其特征在于，数据存储单元中预存有每个职责部门的职能范围的关键字，数据存储单元中还预存有基于大数据和自主学习的评估模型。3.根据权利要求1所述的基于机器学习的系统工程支持系统，其特征在于，分配规划单元通过对任务明细的关键字提取并将关键字与具体任务进行绑定，将关键字所匹配的职责部门与具体任务进行对应，从而将相应任务划分至对应的职责部门。4.根据权利要求3所述的基于机器学习的系统工程支持系统，其特征在于，职责部门将任务向部门内的员工进行摊派时，首先对任务进行整理分类和对员工的个人能效值进行评估计算，然后按照任务难度、任务类型以及所需开发工具的优先级顺序将任务分配至个人能效值等级不同的员工。5.根据权利要求4所述的基于机器学习的系统工程支持系统，其特征在于，在进行任务分配过程中，根据不同职责部门的总工作时长对职责部门的梯度等级进行划定，并依照梯度等级确定主导部门和配合部门，从而分别设置匹配的权限。6.根据权利要求3所述的基于机器学习的系统工程支持系统，其特征在于，在任务初步完成分配后，对各个职责部门的任务完成时间节点进行评估，从而得出各个部门是否在时间管控节点内完成自身任务，当出现不能完成的情况时，将低难度任务向其余职责部门进行调配，使其满足工程的整体任务进度。7.根据权利要求1所述的基于机器学习的系统工程支持系统，其特征在于，核算管控单元提取任务跟踪清单后，对不同职责部门的参与员工进行任务的逐条派发，并在任务完成后进行实时更新，同时对其个人任务完成情况进行进度运算和风险运算，对运算值进行比对后进行颜色标记并发送警示信息。8.根据权利要求7所述的基于机器学习的系统工程支持系统，其特征在于，核算管控单元还对不同职责部门的整体进度完成情况进行运算，并将得出的整体进度安全系数与风险预设值进行比较，当判定超过风险预设值时，说明进度完成情况滞后严重，自动生成问题日志并发送至部门主管，进行任务调配和管控。2CN113516420A说明书1/5页基于机器学习的系统工程支持系统技术领域[0001]本发明涉及系统开发领域，具体为基于机器学习的系统工程支持系统。背景技术[0002]系统工程是一个广泛的概念，是为了最好地实现系统的目的，对系统的组成要素、组织结构、信息流、控制机构等进行分析研究的科学方法，使系统的整体与局部之间的关系协调和相互配合，实现总体的最优运行。系统工程不同于一般的传统工程学，它所研究的对象不限于特定的工程物质对象，而是任何一种系统。[0003]在一项工程筹备、开展、协调和节点控制完成的过程当中，需要多个部门，使用不同的工具进行协调配合，同时需要对任务完成的节点进行把控和对任务完成质量进行审核，但是现在的实际操作过程中，往往需要大量的人员沟通协商交流