一种基于聚类分析进行作业人员效率评价方法

本发明涉及电商仓储物流，尤其涉及一种基于聚类分析进行作业人员效率评价方法。

背景技术：

1、物流是指为了满足客户的需求，通过运输、保管、配送等方式，实现原材料、半成品、成品或相关信息进行由商品的产地到商品的消费地的计划、实施和管理的全过程。随着经济的发展以及电子商务的崛起，电子商务物流占物流行业的绝大部分，电子商务物流效率决定整个物流行业的效率，而电子商务物流仓内作业效率是电子商务物流供应链中的重要一环，其中仓内拣货作业效率占整个仓内作业成本的一半以上，所以提升仓内作业效率是电子商务物流提高效率的关键步骤。

2、现有技术cn111738539a公开了一种拣货任务分配方法、装置、设备及介质，所述分配方法包括以下步骤：当拣货任务分配指令被触发时，获取待分配拣货任务的位置信息；根据所述位置信息对所述待分配拣货任务进行聚类，得到目标聚类结果；根据所述目标聚类结果将所述待分配拣货任务进行分配，上述方法通过待分配拣货任务的位置信息对待分配拣货任务进行聚类，根据聚类结果进行任务分配，但是上述方法只提及了如何对待拣货任务进行聚类，默认了所有拣货员均为相同的拣货速度、具有等同能力，但是实际中拣货员的拣货速度不等，可能会影响拣货效率。

3、因此，亟需提供一种基于聚类分析进行作业人员效率评价方法，相对于现有技术，对拣货员的工作效率进行聚类，进而提高拣货效率。

技术实现思路

1、本发明解决现有技术存在的技术问题，本发明提供了一种基于聚类分析进行作业人员效率评价方法。

2、为实现上述目的，本发明采用的技术方案如下：

3、一种基于聚类分析进行作业人员效率评价方法，包括以下步骤：

4、s1、结合拣货员历史行为数据定义拣货员操作行为指标，所述拣货员操作行为指标包括件维度拣选效率和位维度拣选效率；

5、s2、根据拣货员操作行为指标，通过多种聚类算法对拣货员工作效率进行聚类分析，选取最接近实际的聚类算法，以及输出该聚类算法的聚类结果，得到拣货员工作效率的评价结果。

6、进一步地，所述件维度拣选效率包括每日件均拣选效率、件日均拣选效率的中位数、件上1/4分位数、件下1/4分位数，位维度拣货效率包括每日位均拣选效率、位日均拣选效率的中位数、位上1/4分位数、位下1/4分位数；

7、所述每日件均拣选效率和所述每日位均拣选效率设为第一操作行为指标组；所述件日均拣选效率的中位数和所述位日均拣选效率的中位数设为第二操作行为指标组；所述件上1/4分位数和所述位上1/4分位数设为第三操作行为指标组；所述件下1/4分位数和所述位下1/4分位数设为第四操作行为指标组。

8、更进一步地，s2具体包括以下步骤：

9、s201、通过下式对第一操作行为指标组内数据进行处理：

10、

11、上式中，表示xi处理后的每日件均拣选效率或每日位均拣选效率，u表示xi的均值，δ表示xi的标准差；

12、s202、根据处理后的第一操作行为指标组数据，采用多种聚类算法分别进行聚类分析，每个聚类算法分别得出3簇或4簇两个聚类结果；

13、s203、采用与周期内绩效排名指标进行校验的方法或根据实际绩效标准线性相关性的方法，得出第一操作行为指标下不同聚类算法的汉明距离或相关性大小；

14、s204、依次将第二操作行为指标组、第三操作行为指标组、第四操作行为指标组替换s201步骤中的第一操作行为指标组，然后依次进行s201-s203步骤，得出多个聚类算法对四组操作行为指标组的全部聚类结果，以及每个聚类结果的汉明距离或相关性大小，选取汉明距离最小或相关性最大的为最终的聚类算法，以及选取汉明距离最小或相关性最大所对应的聚类结果为最终的评价结果。

15、更进一步地，与周期内绩效排名指标进行校验的方法为：给出处理后的每日件均拣选效率、处理后的每日位均拣选效率的topk排名，将这两个topk排名分别与周期内绩效排名指标进行比较，得到汉明距离。

16、更进一步地，如果与周期内绩效排名指标进行校验的方法得到的最小汉明距离对应两种或两种以上的算法，则增大聚类簇数，直至最小汉明距离为唯一的算法。

17、更进一步地，根据实际绩效标准线性相关性的方法为：通过下式求出相关性大小：

18、

19、上式中，x、y表示变量；表示x的均值，表示y的均值；rx1表示x变量、y变量之间的相关性；xi表示第i个拣货员所对应的变量x的值，yi表示第i个拣货员所对应的变量y的值，n表示拣货员数量。

20、更进一步地，拣货员工作效率的评价结果分为三类评价结果或四类评价结果；三类评价结果为效率高工作人群、效率正常工作人群和效率低工作人群，四类评价结果为效率高工作人群、良好效率工作人群、合格效率工作人群、不合格效率工作人群；

21、对于新员工或无分类数据的员工，则划分为效率低工作人群或效率不合格工作人群或效率合格工作人群。

22、更进一步地，每日件均拣选效率通过下式计算得出：

23、

24、上式中，avg_cout_day(xi)表示拣货员i日件均拣选效率；di表示第i个拣货员劳动的天数；coutij表示拣货员i在第j天的件均拣选效率；xi表示第i个拣货员被选中与否，选中表示为1，未选中表示为0；

25、每日位均拣选效率通过下式计算得出：

26、

27、上式中，avg_loc_day(xi)表示拣货员i日位均拣选效率；di表示第i个拣货员劳动的天数；locij表示拣货员i在第j天的位均拣选效率；xi表示第i个拣货员被选中与否，选中表示为1，未选中表示为0。

28、更进一步地，件日均拣选效率的中位数通过下式计算得出：

29、当ni为奇数时，

30、当ni为偶数时，

31、上式中，med_cout(xi)表示拣货员i件日均拣货效率的中位数；xi表示第i个拣货员被选中与否，选中表示为1，未选中表示为0；ni表示第i个拣货员在di天内的拣货任务总数；表示拣货员i的第个任务的拣货件数；表示拣货员i的第个任务的拣货件数；表示拣货员i的第个任务的拣货件数；

32、位日均拣选效率的中位数通过下式计算得出：

33、当ni为奇数时，

34、当ni为偶数时，

35、上式中，med_loc(xi)表示拣货员i位日均拣货效率的中位数；xi表示第i个拣货员被选中与否，选中表示为1，未选中表示为0；ni表示第i个拣货员在di天内的拣货任务总数；表示拣货员i的第个任务的拣货位数；表示拣货员i的第个任务的拣货位数；表示拣货员i的第个任务的拣货位数。

36、更进一步地，

37、件上1/4分位数通过下式计算得出：

38、当3(ni+1)/4为整数时，

39、当3(ni+1)/4不为整数时，

40、件下1/4分位数通过下式计算得出：

41、当(ni+1)/4为整数时，

42、当(ni+1)/4不为整数时，

43、位上1/4分位数通过下式计算得出：

44、当3(ni+1)/4为整数时，

45、当3(ni+1)/4不为整数时，

46、位下1/4分位数通过下式计算得出：

47、当(ni+1)/4为整数时，

48、当(ni+1)/4不为整数时，

49、上式中，xi表示第i个拣货员被选中与否，选中表示为1，未选中表示为0；ni表示第i个拣货员在di天内的拣货任务总数；表示拣货员i的第3(ni+1)/4个任务的拣货件数，表示拣货员i的第[3(ni+1)/4+1]任务的拣货件数，表示拣货员i的第(ni+1)/4个任务的拣货件数，表示拣货员i的第[(ni+1)/4+1]任务的拣货件数；表示拣货员i的第3(ni+1)/4个任务的拣货位数，表示拣货员i的第[3(ni+1)/4+1]个任务的拣货位数，表示拣货员i的第(ni+1)/4个任务的拣货位数，表示拣货员i的第[(ni+1)/4+1]个任务的拣货位数。

50、与现有技术相比，本发明的有益效果为：

51、(1)本发明通过设置件维度下、位维度下的多个参数，将两个维度下的参数一一配对，通过多个聚类算法进行聚类，得出最适合的聚类算法，以及得出该聚类算法中最准确的评价结果，能够更加准确的得出拣货员工作效率的聚类分析，有利于后续的拣货分配，有利于拣货效率的提高。