护理员智能推荐排程系统技术方案

本发明专利技术提供了一种护理员智能推荐排程系统，包括：信息提取模块，被配置为提取各个护理员的护理员特征和被护理者的被护理者特征；神经网络构建模块，被配置为根据护理员特征和被护理者特征，构建神经网络，将护理员特征和被护理者特征的历史数据投入训练，得出各个被护理者特征和各个护理员特征两两配对的推荐分数，所述推荐分数为应该把所对应的护理员分配给所对应的被护理者的程度；排程模块，被配置为将符合条件的护理员进行得分排名，推荐给排班人员，排班人员优先选择分数最高的。排班人员优先选择分数最高的。排班人员优先选择分数最高的。

【技术实现步骤摘要】
护理员智能推荐排程系统


[0001]本专利技术涉及人工智能
，特别涉及一种护理员智能推荐排程系统。

技术介绍

[0002]根据《2019—2025中国人口老龄化市场研究及发展趋势研究报告》，按照国际通行划分标准，当一个国家或地区65岁及以上人口占比超过7％时，意味着进入老龄化；达到14％，为深度老龄化；超过20％，则进入超老龄化社会。由图二可知，目前我国已进入老龄化阶段。2020年我国65岁及以上老年人口比例达11.70％，即将步入深度老龄化。预计2040年我国65岁及以上老年人口比例超过20％，进入超老龄化社会。
[0003]现有的居家养老市场规模大、地域范围广、服务分散，无法实现类似养老机构的统一照护、统一管理；另一方面据有关数据统计，中国养老行业养老护理员需求1300万从业人员，而实际从业人员却不到30万，因此更加限制了养老行业的发展，使得很多老人的养老需求得不到满足。
[0004]进一步地，中国护理员人口缺陷巨大，培养护理员的周期长。护理员要通过长时间的培训，并通过“养老护理员职业资格考试”后，取得护理员资格证后，才可持证上岗。不仅如此，而且由于人工的局限性导致不合理的工作安排，因此大量的护理员工作分配不合理，这进一步加剧了护理员的短缺。

技术实现思路

[0005]本专利技术的目的在于提供一种护理员智能推荐排程系统，以解决现有的护理员工作分配不合理，使得护理员短缺弊端造成的影响更加严重。
[0006]为解决上述技术问题，本专利技术提供一种护理员智能推荐排程系统，包括：
[0007]信息提取模块，被配置为提取护理员的护理员特征和被护理者的被护理者特征；
[0008]神经网络构建模块，被配置为执行下列动作：
[0009]根据护理员特征和被护理者特征，构建神经网络；以及
[0010]将护理员特征和被护理者特征的历史数据投入训练，以得出被护理者特征和护理员特征两两配对的推荐分数，其中所述推荐分数表征应该把所对应的护理员分配给所对应的被护理者的程度；
[0011]排程模块，被配置为执行下列动作：
[0012]根据所述推荐分数对护理员进行得分排名；以及
[0013]根据所述排名对护理员进行排班以对被护理者进行护理。
[0014]可选的，在所述的护理员智能推荐排程系统中，
[0015]信息提取模块还被配置为提取护理员的已有工作特征和未来工作特征；和/或
[0016]神经网络构建模块包括数学模型建立模块，所述数学模型建立模块被配置为根据已有工作特征和未来工作特征通过数据分析与机器学习得出最合适的排程方案函数；和/或
[0017]排程模块还被配置为执行以下动作：
[0018]根据排程方案函数对空闲人员进行未来工作的排程；以及
[0019]根据未来工作的排程得到符合条件的护理员。
[0020]可选的，在所述的护理员智能推荐排程系统中，护理员特征包括下列各项中的一个或多个：护理员性别、护理员年龄、护理员种类、护理员工作经验、本公司工作经验、护理员员工星级、护理员员工评分、护理员被投诉次数、护理员总单量、护理员最高学历、护理员政治面貌、护理员岗位类型、护理员婚姻状况、护理员身高、护理员体重、护理员当天单量、护理员上一单结束时间、护理员下一单开始时间、护理员上一单距离、护理员下一单距离。
[0021]可选的，在所述的护理员智能推荐排程系统中，被护理者特征包括下列各项中的一个或多个：被护理者性别、被护理者年龄、被护理者签约时长、被护理者健康等级、被护理者评分平均值、被护理者投诉次数、被护理者被当前护理员服务次数、被护理者近30天被当前护理员服务次数。
[0022]可选的，在所述的护理员智能推荐排程系统中，还包括：
[0023]预处理模块，被配置为对护理员特征和/或被护理者特征进行预处理后，输入神经网络构建模块；所述预处理包括：
[0024]护理员性别和被护理者性别为G∈{M,F}，计算性别输入的具体值：
[0025][0026]N
i
＝1
‑
M
[0027]其中M代表所有的订单，n代表女性员工的单子，S
i
代表第i个工单的评分；
[0028]通过计算性别输入的具体值对性别输入进行预处理，为被护理者分配性别合适的护理员；
[0029]根据被护理者的要求输入护理员种类的特征：
[0030][0031]其中r为被护理者的要求，p
i
为护理员种类；
[0032]所述护理员岗位类型包括全职、兼职、实习和退休，优先分配的护理员岗位类型为全职，每个护理员岗位类型的平均单量公式为：
[0033][0034]其中μ
i
代表第i个类型护理员的平均单量，count(S
i
)代表第i个类型的全体员工的数量；order(S
ij
)表示第i个类型护理员第j个护理员的订单量；求出各岗位类型的护理员的平均单量后，将其带入softmax函数，将其标准化的同时，放大优势岗位的权值：
[0035][0036]其中，S
i
代表第i个类型的护理员的特征输入。
[0037]可选的，在所述的护理员智能推荐排程系统中，所述预处理还包括：
[0038]根据上一单结束时间和下一单开始时间，计算上下单之间时间差：
[0039][0040]其中T
e
表示上一单的结束时间，T
s
表示下一单的开始时间，T
i
表示阈值时间差，若上下单之间时间差超过阈值时间差，则认为这两单之间能够插入一个新单，根据业务情况定义阈值时间差；
[0041]W
t
表示员工路上预计所需时间，P
LN
表示距离上一单结束时间的特征输入或下一单开始时间的特征输入；
[0042]根据上一单到本单的预计路程时间和本单到下一单的预计路程时间计算护理员预计路程时间：
[0043][0044]其中(x
i
,y
i
)和(x
j
,y
j
)是分别是两地的经纬度坐标值，v为护理员使用的交通工具的预估速度，ρ为时间冗余，时间冗余根据护理员实际情况预设；对路程所需时间的标准化使用改造后的均值方差归一化：
[0045][0046]其中X为路程所需时间，μ为护理员路程时间的平均值，σ为护理员路程时间的方差。
[0047]可选的，在所述的护理员智能推荐排程系统中，神经网络构建模块还被配置为：
[0048]根据预处理后的输入的护理员特征和被护理者特征构建BP神经网络，其中BP神经网络的隐层数量为一层，BP神经网络的输出层为单个神经元，BP神经网络的隐层和输出层均采用Sigmoid函数做为激活函数；
[0049]构建BP神经网络后，通过初始化权重模块为第一层神经网络赋予权值；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种护理员智能推荐排程系统，其特征在于，包括：信息提取模块，被配置为提取护理员的护理员特征和被护理者的被护理者特征；神经网络构建模块，被配置为执行下列动作：根据护理员特征和被护理者特征，构建神经网络；以及将护理员特征和被护理者特征的历史数据投入训练，以得出被护理者特征和护理员特征两两配对的推荐分数，其中所述推荐分数表征应该把所对应的护理员分配给所对应的被护理者的程度；排程模块，被配置为执行下列动作：根据所述推荐分数对护理员进行得分排名；以及根据所述排名对护理员进行排班以对被护理者进行护理。2.如权利要求1所述的护理员智能推荐排程系统，其特征在于：信息提取模块还被配置为提取护理员的已有工作特征和未来工作特征；和/或神经网络构建模块包括数学模型建立模块，所述数学模型建立模块被配置为根据已有工作特征和未来工作特征通过数据分析与机器学习得出最合适的排程方案函数；和/或排程模块还被配置为执行以下动作：根据排程方案函数对空闲人员进行未来工作的排程；以及根据未来工作的排程得到符合条件的护理员。3.如权利要求2所述的护理员智能推荐排程系统，其特征在于，护理员特征包括下列各项中的一个或多个：护理员性别、护理员年龄、护理员种类、护理员工作经验、本公司工作经验、护理员员工星级、护理员员工评分、护理员被投诉次数、护理员总单量、护理员最高学历、护理员政治面貌、护理员岗位类型、护理员婚姻状况、护理员身高、护理员体重、护理员当天单量、护理员上一单结束时间、护理员下一单开始时间、护理员上一单距离、护理员下一单距离。4.如权利要求3所述的护理员智能推荐排程系统，其特征在于，被护理者特征包括下列各项中的一个或多个：被护理者性别、被护理者年龄、被护理者签约时长、被护理者健康等级、被护理者评分平均值、被护理者投诉次数、被护理者被当前护理员服务次数、被护理者近30天被当前护理员服务次数。5.如权利要求4所述的护理员智能推荐排程系统，其特征在于，还包括：预处理模块，被配置为对护理员特征和/或被护理者特征进行预处理后，输入神经网络构建模块；所述预处理包括：护理员性别和被护理者性别为G∈{M，F}，计算性别输入的具体值：N
i
＝1
‑
M其中M代表所有的订单，n代表女性员工的单子，S
i
代表第i个工单的评分；通过计算性别输入的具体值对性别输入进行预处理，为被护理者分配性别合适的护理员；根据被护理者的要求输入护理员种类的特征：
其中r为被护理者的要求，p
i
为护理员种类；所述护理员岗位类型包括全职、兼职、实习和退休，优先分配的护理员岗位类型为全职，每个护理员岗位类型的平均单量公式为：其中μ
i
代表第i个类型护理员的平均单量，count(S
i
)代表第i个类型的全体员工的数量；order(S
ij
)表示第i个类型护理员第j个护理员的订单量；求出各岗位类型的护理员的平均单量后，将其带入softmax函数，将其标准化的同时，放大优势岗位的权值：其中，S
i
代表第i个类型的护理员的特征输入。6.如权利要求5所述的护理员智能推荐排程系统，其特征在于，所述预处理还包括：根据上一单结束时间和下一单开始时间，计算上下单之间时间差：其中T
e
表示上一单的结束时间，T
s
表示下一单的开始时间，T
i
表示阈值时间差，若上下单之间时间差超过阈值时间差，则认为这两单之间能够插入一个新单，根据业务情况定义阈值时间差；W
t
表示员工路上预计所需时间，P
LN
表示距离上一单结束时间的特征输入或下一单开始时间的特征输入；根据上一单到本单的预计路程时间和本单到下一单的预计路程时间计算护理员预计路程时间：其中(x
i
，y
i
)和(x
j
，y
j
)是分别是两地的经纬度坐标值，v为护理员使用的交通工具的预估速度，ρ为时间冗余，时间冗余根据护理员实际情况预设；对路程所需时间的标准化使用改造后的均值方差归一化：其中X为路程所需时间，μ为护理员路程时间的平均值，σ为护理员路程时间的方差。
7.如权利要求6所述的护理员智能推荐排程系统，其特征在于，神经网络构建模块还被配置为：根据预处理后的输入的护理员特征和被护理者特征构建BP神经网络，其中BP神经网络的隐层数量为一层，BP神经网络的输出层为单个神经元，BP神经网络的隐层和输出层均...

【专利技术属性】
技术研发人员：张军，袁翔，赵鸿飞，
申请(专利权)人：福寿康上海医疗养老服务有限公司，
类型：发明
国别省市：