【技術實現步驟摘要】
本專利技術涉及考勤管理，尤其涉及一種考勤管理方法。
技術介紹
1、在現代企業管理中，考勤管理是一項重要的工作。如今絕大部分企業采用基于計算機技術和網絡技術的電子考勤系統，通過電子考勤系統來實現考勤數據的自動化采集、處理和分析，電子考勤系統通常通過面部識別等方式采集員工打卡信息，并將打卡數據實時上傳到服務器，然而，由于實際工作環境中可能會出現網絡延遲、設備故障等客觀原因導致的員工打卡失敗，現有的電子考勤系統在員工打卡失敗后，需要員工自發提出補卡申請，再經審批人審批后才能完成補卡操作，補卡過程較為繁瑣，員工需要花費額外的時間和精力進行處理，影響工作效率，且可能出現員工忘記提出補卡申請的情況，導致考勤數據不準確，另外，審批過程也增加了管理成本。
2、綜上所述，為了提高工作效率和管理水平，減少員工的工作量和管理成本，并提高考勤數據的準確性和可靠性，我們提出一種考勤管理方法。
技術實現思路
1、本專利技術的目的是針對
技術介紹
中存在的當因網絡延遲、設備故障等客觀原因導致的員工打卡失敗時，需要員工自發提出補卡申請，補卡過程較為繁瑣的問題，提出一種考勤管理方法。
2、本專利技術的技術方案：考勤管理方法，包括以下步驟：
3、選擇并初始化考勤系統；
4、基于考勤系統的日常考勤管理，日常考勤管理中包括打卡方式與打卡異常處理；
5、自動補卡評估與審批，自動補卡評估根據員工的日程考勤規律數據與工作地點定位數據進行分析從而對是否自動補卡進行綜合評估，
6、考勤數據分析與報表生成，采用聚類算法對考勤數據進行分析，對員工的出勤規律進行聚類分析，生成考勤報表。
7、可選的，所述選擇并初始化考勤系統具體包括以下步驟：
8、選擇集成人工智能功能且能與內部系統集成的考勤系統；
9、所述構建員工相關信息的數據庫具體包括數據庫結構設計、數據錄入流程。
10、可選的，所述數據庫結構設計包括確定數據表結構，數據表結構包括員工基本信息表與考勤歷史記錄表；
11、員工基本信息表包括設計包含員工工號、姓名、部門、職位字段的表結構，在關系型數據庫中，使用sql語句創建表employee_basic_info，表結構的設計為后續的考勤管理提供了基礎數據框架；
12、考勤歷史記錄表包含員工工號、考勤日期、考勤時間、考勤類型、考勤狀態字段。使用關系型數據庫存儲相關信息。
13、可選的，所述數據錄入流程包括基本信息錄入與生物特征信息錄入，基本信息錄入采用手動錄入或批量導入，對于少量員工，通過系統提供的用戶界面手動輸入員工的工號、姓名、部門、職位的基本信息，web界面中的html表單負責收集信息，后端將接收到的表單數據轉換為sql插入語句插入到數據庫中，對于大量員工信息的錄入，采用批量導入的方式。將員工信息整理成csv文件格式，每行包含工號、姓名、部門、職位的文件，利用數據庫管理工具或使用python腳本結合`pandas`庫讀取csv文件并將數據插入數據庫進行批量導入，在錄入數據時，對輸入的數據進行驗證，對于員工工號，通過數據庫的唯一性約束或者在插入數據前查詢數據庫中是否已存在該工號，檢查工號是否為唯一值，檢查姓名是否符合命名規范；
14、生物特征信息錄入包括圖像采集、特征提取、數據存儲，圖形采集包括使用帶有攝像頭的考勤終端采集員工的面部圖像，在采集過程中，設備對圖像進行調整圖像大小、歸一化亮度的預處理，在生物特征信息錄入方面，驗證特征向量的維度與模型輸出的維度是否一致，圖像文件是否可讀取。
15、特征提取采用卷積神經網絡(cnn)算法進行面部特征提取，設采集到的面部圖像為i，將其輸入到cnn模型中，經過一系列的卷積層、池化層和全連接層操作，得到面部特征向量這個過程中，卷積層的計算是核心，對于卷積核k，在圖像上滑動進行卷積操作，公式如下：
16、
17、其中，o是輸出特征圖，i，j是特征圖上的坐標，m，n是卷積核的坐標。
18、池化層用于減少數據量，最大池化操作，在一個池化窗口內取最大值，池化窗口大小為k×k，設池化前的特征圖為f，池化后的特征圖f′的元素計算公式如下：
19、
20、數據存儲：將提取的特征向量和圖像的存儲路徑關聯員工工號，插入到employee_biometric_info表中，使用數據庫的約束機制維護數據完整性，在`employee_biometric_info`表中通過外鍵約束確保生物特征信息與基本信息的關聯完整性，并定期對數據庫進行備份，以防止數據丟失，使用數據庫自帶的備份工具或者企業級的備份解決方案，同時，建立數據恢復機制，以便在出現數據損壞或丟失時能夠快速恢復數據。
21、可選的，所述打卡方式包括人臉識別考勤與語音識別考勤，其中，所述人臉識別考勤方式中，員工到達辦公地點，站在安裝有人臉識別設備的考勤點進行打卡，設備中采用卷積神經網絡(cnn)對員工面部進行識別。
22、設當前采集的面部圖像為inew，通過cnn提取特征向量并與數據庫中存儲的員工面部特征向量進行比對。
23、比對函數采用余弦相似度進行計算，
24、余弦相似度：
25、
26、如果s大于設定閾值，則識別成功，系統記錄打卡時間；
27、所述語音識別考勤中，語音識別包括聲學模型和語言模型，其中，采用深度神經網絡-隱馬爾可夫模型(dnn-hmm)混合模型構建聲學模型，將語音信號轉換為梅爾頻率倒譜系數(mfcc)特征向量序列，深度神經網絡-隱馬爾可夫模型(dnn-hmm)混合模型算法中，dnn用于對聲學特征進行建模，設輸入的mfcc特征向量序列為dnn的輸出是每個音素的概率分布其中p是音素，t是時間步；使用n-元語法(n-gram)模型來構建語言模型。對于一個由單詞組成的語句w1，w2，…，wm，n-元語法概率的計算基于條件概率，二元語法(bigram)的概率公式為：
28、
29、其中，count(wi-1，wi)是單詞wi-1和wi連續出現的次數，count(wi-1)是單詞wi-1出現的次數；
30、語音識別系統將聲學模型和語言模型結合，使用維特比算法(viterbialgorithm)找到最可能的單詞序列，設聲學模型輸出的概率為pacoustic(w)，語言模型輸出的概率為plauguage(w)，則系統選擇的單詞序列w*是使pacoustic(w*)plauguage(w*)最大的序列，然后將識別出的單詞與員工姓名進行匹配，如果匹配成功則打卡成功。
31、可選的，所述打卡異常處理中，系統通過當前網絡狀態、系統運行日志等信息進行初步判斷，設網絡狀態指標為ns，通過網絡監測工具獲得，當網絡延遲小于某個閾值δtn表示網絡正常，否則表示網絡異常，設系統故障標記本文檔來自技高網...
【技術保護點】
1.考勤管理方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的考勤管理方法，其特征在于，所述選擇并初始化考勤系統具體包括以下步驟：
3.根據權利要求2所述的考勤管理方法，其特征在于，所述數據庫結構設計包括確定數據表結構，數據表結構包括員工基本信息表與考勤歷史記錄表；
4.根據權利要求2所述的考勤管理方法，其特征在于，所述數據錄入流程包括基本信息錄入與生物特征信息錄入，基本信息錄入采用手動錄入或批量導入，對于少量員工，通過系統提供的用戶界面手動輸入員工的工號、姓名、部門、職位的基本信息，Web界面中的HTML表單負責收集信息，后端將接收到的表單數據轉換為SQL插入語句插入到數據庫中，對于大量員工信息的錄入，采用批量導入的方式，將員工信息整理成CSV文件格式，每行包含工號、姓名、部門、職位的文件，利用數據庫管理工具或使用Python腳本結合`pandas`庫讀取CSV文件并將數據插入數據庫進行批量導入，在錄入數據時，對輸入的數據進行驗證，對于員工工號，通過數據庫的唯一性約束或者在插入數據前查詢數據庫中是否已存在該工號，檢查工號是否為唯一值，
5.根據權利要求1所述的考勤管理方法，其特征在于，所述打卡方式包括人臉識別考勤與語音識別考勤，其中，所述人臉識別考勤方式中，員工到達辦公地點，站在安裝有人臉識別設備的考勤點進行打卡，設備中采用卷積神經網絡對員工面部進行識別；
6.根據權利要求5所述的考勤管理方法，其特征在于，所述打卡異常處理中，系統通過當前網絡狀態、系統運行日志進行初步判斷，設網絡狀態指標為Ns，通過網絡監測工具獲得，當網絡延遲小于某個閾值△Tn表示網絡正常，否則表示網絡異常，設系統故障標記為Sf，系統出現錯誤日志則Sf＝1，否則Sf＝0，設初步判斷函數為J(Ns,Sf)，當Ns>△Tn或者Sf＝1，則初步判斷為網絡延遲或系統故障導致的打卡失敗，進入自動補卡評估流程。
7.根據權利要求1所述的考勤管理方法，其特征在于，所述自動補卡評估流程根據該員工的日常考勤規律數據與工作地點定位數據進行分析從而對是否自動補卡進行綜合評估；
8.根據權利要求7所述的考勤管理方法，其特征在于，所述自動補卡評估流程中包括優化方案，所述優化方案中增加多源數據收集并綜合分析，來提高自動補卡的評估流程的完善性，通過收集設備狀態信息、同一區域其他員工的打卡情況以及近期企業網絡維護計劃信息，基于綜合判斷函數與設備故障可能性評估函數進行綜合分析，進一步完善自動補卡的評估流程；
9.根據權利要求8所述的考勤管理方法，其特征在于，所述自動補卡申請審批中，首先員工打卡失敗通過自動補卡評估流程后，系統自動提交補卡申請，補卡申請信息包括員工工號、姓名、補卡日期、補卡類型，并顯示綜合分析后打卡失敗原因，系統將補卡申請通知發送給員工的直屬上級，通知方式采用企業內部通訊工具推送或郵件推送，審批人可將審批方式設為人工審批或基于自動審批決策函數的自動審批，人工審批模式中，審批人收到補卡通知后，通過查看員工的相關信息，審批人進行審批決策，設審批決策函數為Dp(I)，其中，I是審批人查看的信息集，審批人批準補卡申請，則Dp(I)＝1，否則Dp(I)＝0，審批通過，系統自動在考勤記錄中添加補卡記錄，員工的考勤狀態更新為正常；審批不通過，系統通知員工審批結果，并告知員工如有異議可進行申訴；
10.根據權利要求1所述的考勤管理方法，其特征在于，所述考勤數據分析中，系統采用數據挖掘算法中的聚類算法對考勤數據進行分析，對員工的出勤規律進行聚類分析，將具有相似出勤模式的員工分為一組，以便企業了解員工的工作習慣和勞動力分布情況，設員工的考勤數據矩陣為M，通過聚類算法中的K-Means算法，將員工分為k個簇，K-Means算法的目標是最小化簇類內平方和，其迭代過程如下：
...【技術特征摘要】
1.考勤管理方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的考勤管理方法，其特征在于，所述選擇并初始化考勤系統具體包括以下步驟：
3.根據權利要求2所述的考勤管理方法，其特征在于，所述數據庫結構設計包括確定數據表結構，數據表結構包括員工基本信息表與考勤歷史記錄表；
4.根據權利要求2所述的考勤管理方法，其特征在于，所述數據錄入流程包括基本信息錄入與生物特征信息錄入，基本信息錄入采用手動錄入或批量導入，對于少量員工，通過系統提供的用戶界面手動輸入員工的工號、姓名、部門、職位的基本信息，web界面中的html表單負責收集信息，后端將接收到的表單數據轉換為sql插入語句插入到數據庫中，對于大量員工信息的錄入，采用批量導入的方式，將員工信息整理成csv文件格式，每行包含工號、姓名、部門、職位的文件，利用數據庫管理工具或使用python腳本結合`pandas`庫讀取csv文件并將數據插入數據庫進行批量導入，在錄入數據時，對輸入的數據進行驗證，對于員工工號，通過數據庫的唯一性約束或者在插入數據前查詢數據庫中是否已存在該工號，檢查工號是否為唯一值，檢查姓名是否符合命名規范；
5.根據權利要求1所述的考勤管理方法，其特征在于，所述打卡方式包括人臉識別考勤與語音識別考勤，其中，所述人臉識別考勤方式中，員工到達辦公地點，站在安裝有人臉識別設備的考勤點進行打卡，設備中采用卷積神經網絡對員工面部進行識別；
6.根據權利要求5所述的考勤管理方法，其特征在于，所述打卡異常處理中，系統通過當前網絡狀態、系統運行日志進行初步判斷，設網絡狀態指標為ns，通過網絡監測工具獲得，當網絡延遲小于某個閾值△tn表示網絡正常，否則表示網絡異常，設系統故障標記為sf，系統出現錯誤日志則sf＝1，否則sf＝0，設初步判斷函數為j(ns,sf)，當ns>△tn或者sf＝1，則初步判斷為網絡延遲或系統...
【專利技術屬性】
技術研發人員：楊屹，
申請(專利權)人：蘇州不木網絡科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。