[發明專利]一種項目型任務的工作量均衡分配方法和設備

在審

• 申請號: 202010863268.3
• 申請日: 2020-08-25
• 公開（公告）號: CN111950929A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 王新義
• 申請（專利權）人: 上海逸迅信息科技有限公司;王新義
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 北京睿博行遠知識產權代理有限公司 11297
• 代理人: 龔家驊

本發明公開了一種項目型任務的工作量均衡分配方法和設備，所述方法包括：基于所述項目型任務的任務類型劃分多個項目節點；獲取數據庫中存儲與所述項目型任務的任務類型相同的歷史項目型任務的歷史數據；基于所述歷史數據確定多個所述項目節點的工作量；基于多個所述項目節點的工作量確定所述項目型任務的總工作量，并生成所述項目型任務的多峰高斯分布圖；基于回歸隨機森林算法確定目標員工的工作量，并生成所述目標員工的工作量高斯分布圖；基于所述多峰高斯分布圖及所述工作量高斯分布圖對所述目標員工的工作量進行均衡分配，從而準確確定項目型任務的工作量，并對項目型任務的工作量進行均衡分配。

技術領域

本申請涉及任務分配技術領域，更具體地，涉及一種項目型任務的工作量均衡分配方法和設備。

背景技術

任務通常指所接受的工作，所擔負的職責，是指為了完成某個有方向性的目的而產生的活動。任務有明確的執行目標和執行人。任務里面可以嵌套任務，即一個主任務下面可以細分成若干個子任務，由這些子任務的完成結果組成為主任務的完成結果。任務有明確的目標，本身任務就是為了完成某個目標而產生的活動。有特定的任務委托人，結果是可預期的。一般的任務都會指定執行時間。項目型任務相比于其他普通任務，持續時間長是其最突出的特點。項目型任務是在一定的約束條件下(主要是限定時間、限定資源)，具有明確目標的一次性任務。

項目型任務的工作量評估傳統方法一般分為三類：基于專家判斷的技術，基于算法模型的技術和面向學習的技術。不同的方法都有各自的局限性，基于專家判斷的估算技術：此技術主要取決于評估專家的經驗，帶有主觀性，對于同一任務不同專家估算的工作量可能會存在較大不同，因此有時會帶來較大的估算偏差，并且該方法導出估算值的機理不清晰，是不可重復的，不能獲得組織學習效應。而基于算法模型的技術，目前大部分企業或項目組還主要是使用國外的一些比較成熟的方法和模型進行項目估算，如Delphi方法、COCOMO II模型等。但由于國內和國外項目開發環境的諸多不同，造成該模型在國內部分公司的使用情況并不理想，這使得有時在項目開發過程中應用類似的模型進行項目估算變得不太可靠，估算精確度不高，誤差較大。況且，隨著任務開發方法和開發技術的更新，這也對目前所有的估算方法和模型提出了新的挑戰。另外面向學習的估算技術，面向學習的估算技術是建立在人工智能技術基礎上的估算技術,主要的估算方法有人工神經網絡(ANN,Artifical Netural Network)和基于案例推導(CBR,Case-based reasoning)等。這類技術的效果很大程度上取決于用于訓練或類推的大樣本數據。因此,一個組織采用該技術進行估算需要保存好該組織所開發的所有軟件項目的記錄。這些記錄不僅要包含所有與人員等級、技能、耗費的開發時間、開發環境和可用工具等有關的數據,還須包含所有的項目不同階段的估算和對估算所做的調整的信息。由于人工神經網絡等本身的復雜性及該技術對歷史數據的需求,該估算技術目前在軟件項目估算中很少被采用。

因此，如何準確確定項目型任務的工作量，并對項目型任務的工作量進行均衡分配，是目前有待解決的技術問題。

發明內容

本發明公開了一種項目型任務的工作量均衡分配方法，用以解決現有技術中不能準確確定項目型任務的工作量，并對項目型任務的工作量進行均衡分配的技術問題，包括：

基于所述項目型任務的任務類型劃分多個項目節點；

獲取數據庫中存儲與所述項目型任務的任務類型相同的歷史項目型任務的歷史數據；

基于所述歷史數據確定多個所述項目節點的工作量；

基于多個所述項目節點的工作量確定所述項目型任務的總工作量，并生成所述項目型任務的多峰高斯分布圖；

基于回歸隨機森林算法確定目標員工的工作量，并生成所述目標員工的工作量高斯分布圖；

基于所述多峰高斯分布圖及所述工作量高斯分布圖對所述目標員工的工作量進行均衡分配。