基于人员承载力画像的多任务智能排期系统

徐龙江，王 洋，孙振海，马晓路，宋彦臻

（国网山东省电力公司青岛供电公司，山东 青岛 266002）

电网随着社会的发展逐渐转变，由最初的传统电网转变为智能电网，这也成为我国电网的一次大的转型，成为一次重大跨越。随着时代的发展，变电站检修工作从传统模式下已经逐渐演变成为了智能化变电站检修体系，智能站对于检修工作提出了新的要求。

在智能站“质”和“量”共同提升的大背景下，检修人员每日都会面临大量的日常工作，比如变电站日常消缺、日常维护、保护改造、保护定检等，而不同工作所要处理的故障类型和内容都不相同，这就要求在安排工作时综合各个工作负责人的工作能力。对于变电检修专业来讲，日常工作通常由专工下派给各班班长，然后由班长根据工作内容和难易程度将工作任务分配给各个工作负责人和工作班成员，整个过程均由专工和班长等人为参与，无其他第三方因素参考，然而人的主观意识有时会出现偏差，且长期由人工参与工作计划的制定与分配会给相关人员造成很大的负担，在疲劳与精神压力的环境下很容易出错，这给日益增加的检修工作提高了现场风险与事故率。

要解决上述问题，首先要摒弃通过传统人工模式制定和分配工作计划的方式，将人工主观分配转变为智能客观分配，在这种情况下，使用大数据及人工智能技术制定智能变电检修管理系统成为一种直接有效的解决手段。通过大数据技术，使用人工智能等算法对班组人员的工作承受能力进行客观评估，在此基础上实现检修任务合理排期的自动化、智能化，使任务分配更加合理、可靠，符合每个工作人员的承载能力与未来变电检修工作的发展趋势。

1 基于人员承载力画像的多任务智能排期系统的管理内涵

基于人员承载力画像的多任务智能排期系统依托人工智能与大数据分析技术，针对检修日常工作，在任务排期、状态监测、辅助支持3 个方面进行管理。

在任务排期方面，基于人员承载力画像的多任务智能排期系统通过大数据技术收集包含人员档案信息、公司车辆信息、变电站基础信息、外借施工人员信息、任务信息、缺陷信息、工作人员生物特征数据等，在此基础上通过自然语言处理算法、任务标签分类算法、任务排期整数规划与遗传算法等建立任务画像与人员承载力画像，通过人工智能实现对任务人员的最优推荐与任务计划的自动排期，通过该模式进行智能检修管理。

在状态监测方面，基于人员承载力画像的多任务智能排期系统通过对人员基础信息标签、业务能力标签、精神状态标签进行归纳建档，结合用于员工压力预警的生物特征解析算法，通过在工作人员身上佩戴可穿戴设备采集其状态数据，并经数据分析得出作业人员的实时生理与精神状态，根据每个人的实时状态合理安排工作任务，并对人员安全状况进行预警，提醒现场人员注意规避现场风险，进一步增强检修工作的人性化管理。

在辅助支持方面，基于人员承载力画像的多任务智能排期系统主要分为两个部分，其一是管理人员对现场工作人员的精神状态监测——通过人员状态监测和人员安全预警实现对检修工作人员的实时状态全局掌控，达到辅助安排工作计划与工作任务的目的；其二是管理人员对检修负责人工作后的任务后评价——支持检修负责人在系统中以文本、图片的方式录入任务后评价，构成任务执行的完成记录，支持管理人员查阅，同时将每次工作任务生成案例检索，支持根据检修任务标签检索相关任务案例，查阅任务信息。以上两部分作为检修管理的辅助支持，构成基于人员承载力画像的多任务智能排期系统的重要补充。基于人员承载力画像的多任务智能排期系统的系统架构和功能架构分别如图1、图2所示。

图2 基于人员承载力画像的多任务智能排期功能架构

2 基于人员承载力画像的多任务智能排期系统的主要做法

2.1 构建基于人员承载力画像的多任务智能排期系统

基于人员承载力画像的多任务智能排期系统核心是利用该系统实现任务人员推荐、任务智能排期管理，为达到以上目的，需要建立任务画像和人员承载力画像。任务画像基于任务标签，根据一次任务的作业最小项，结合历史任务数据和检修人员工作经验，构建出一次班组、电气试验班、二次班组任务的标签体系，对任务进行打标签，从变电站、工作票、任务类别、任务难度等多个维度描述任务。对于任务画像，首先应收集任务来源，包括年度计划任务、周期性任务、消缺任务、临时安排任务等，然后根据任务来源建立任务画像，画像的内容有：变电站、工作票、任务类别、电压等级、任务时长、特殊车辆、外借工需求等，有利于从各个角度深入了解任务特征。当任务由用户录入或批量导入系统后，系统通过自然语言处理识别原始任务，通过统计分析手段辅助任务拆解，推荐任务标签，由专工确认任务拆解，完成任务画像。实际应用中将对原始输入任务进行实体识别与语义理解，辅助专工进行任务拆解，保证任务拆解、任务画像的时效与准确。对于须多班组共同执行的任务，根据任务实施区域组合相同变电站任务，辅助专工完成任务组合，任务组合会作为一个整体进入任务排期。任务标签管理支持用户对标签和标签属性进行维护，满足日益变化的业务需求。用户可以对标签进行增删改查，任务标签分一次任务标签、电气试验班任务标签、二次任务标签，用户需要对三类标签分别管理；为了让任务画像表达出更多维度的信息，任务标签提供标签属性的管理，标签属性包括任务难度、任务时长、工作人员需求、外借工需求、特殊车辆需求在内，支持用户对标签属性的参数进行设定，任务画像构建框架如图3所示。

图3 任务画像构建框架

对于人员承载力画像，首先需要收集人员数据，包括人员档案、工作经验、可穿戴设备等，然后据此建立基于基础信息标签、业务能力标签、精神状态状态标签的人员承载力画像，为每位人员生成人员承载力画像，有助于分析人员状态、合理安排工作。

其中，基础信息标签包括性别、班组、职级、是否驾驶员，标签数据来源于人员档案信息。业务技能标签包括负责人资格、监护人资格、可完成的任务类型，根据每个人员的资质、业务水平、业务经验，由班长或上级领导来维护为人员赋予业务能力标签，对每个人员的业务能力标签进行增删改查。精神状态标签，包括心率水平、实时压力状态、长期压力状态，标签数据来源于可穿戴设备采集的心率数据，通过心率变异性（HRV）计算得出实时压力状态、长期压力状态。人员承载力标签管理支持用户对每位人员的业务能力标签进行管理，用户可以在业务能力标签库中选择业务标签赋予到人员上，人员的业务标签直接决定了该人员能够完成的任务类型。为了更灵活支持日益变化的业务要求，业务能力标签库中标签支持用户自定义管理，管理每个业务能力标签，以及业务能力标签与任务标签的映射关系。映射关系分为直接映射、属性映射，直接映射指的是业务能力标签通过业务类别与任务标签对应，属性映射指的是业务能力标签通过标签属性与任务标签对应，人员承载力画像的构建框架如图4所示。

图4 人员承载力画像构建框架

根据任务画像和人员承载力画像，可以实现任务人员推荐、任务自动排期智能化管理。

任务人员推荐是指：对某一项工作任务，根据其轻重缓急与风险大小自动匹配工作负责人、工作监护人、工作班成员和外借工，并根据任务量大小安排工作人数。系统会根据每个人的情况安排相关人员，比如工作负责人是否会驾驶出行车辆，外借工是否会接二次回路电缆线芯，这些因素都会影响最终的任务人员推荐情况。对于任务来源，主要有年度检修计划、周期性检修任务、缺陷、设备故障、以及用户输入的其他任务，支持任务导入或直接对接获取数据，可有效简化任务导入工作。

任务自动排期主要分为月计划智能排期和临时任务派发辅助两大类。月计划智能排期是指基于人员承载力，对一定时间范围内的任务进行智能排期，合理安排各个班组的任务。系统基于最优化算法通过模型化排期任务求解得到合理的月计划排期结果。对于复杂月排期无法得到最优排期结果算法可对次要约束条件设置伸缩系数以得到近似最优结果，满足不同场景的智能排期需求。

2.1.1 评价指标

班组每日任务量均衡化、同班组人均每月任务量均衡化。

2.1.2 约束条件

以每日为单元，每个班组的任务量不能超出该班组的承载力。每人每天安排的任务总时长不超过X小时。

以每日为单元，每个班组的每个任务都需要驾驶员。每个任务都有车辆要求。

以每日为单元，每天的特殊车辆需求不能超过特殊车辆资源池上限。通过配置各个任务标签的特殊车辆需求，完成每日特殊车辆需求数计算。

持续多天的任务，在日期安排上要连续，少于5天的任务尽量不要跨周六日。

临时任务派发辅助是指在实际工作中，随时都会出现需要临时安排任务的情况，原理如图5所示，在现有任务排期计划中如何插入该任务并选择合适的人员，是临时任务派发辅助功能的目标，分为两种。

图5 临时检修任务安排

紧急性任务人员推荐：将紧急性任务录入系统后，根据任务标签推荐符合业务能力要求的负责人、并提供加班次数、精神状态水平信息，辅助用户选择合适人选。

非紧急性任务排期推荐：将非紧急性任务录入系统后，根据任务计划中的人员承载性，提供任务插入排班计划的排期推荐，辅助用户为该任务选择合适的任务排期。月计划任务初稿完成并经平衡会讨论确定后，会提交给省公司进行整体评估，评估后反馈回停电计划，停电计划对应的任务排期不能再做变动。任务排期锁定功能，是对某些任务的排期进行锁定，在进行任务排期调整时保持已锁定任务的排期不变，用户可手动对任务进行排期锁定，也可以支持根据批量导入的停电计划表锁定对应任务的排期。

2.2 打造基于实时数据采集的人员状态监测协同平台

基于人员承载力画像的多任务智能排期系统采用大数据搜索技术收集检修现场工作人员的实时状态数据，达到对作业人员状态监测和安全预警的目的，如图6 所示，从而降低安全事故发生的概率，保证作业人员的人身安全，打造基于实时数据采集的人员状态监测协同平台。对于管理人员来讲，人员状态监测协同平台提供了一种更加人性化的现场人员管理方法，通过该平台能够实时掌握现场人员的真实数据，根据实时数据去分析每个人的工作状态，并作出及时调节，大大提高了现场工作的可靠性与人员的安全性，有利于检修工作的进一步开展。

图6 实时监控与安全预警示意图

电力检修工作人员，作业环境复杂且具有一定的风险性，如人在高车上作业时要注意不要碰线，二次检修时注意不要跳闸引发电力事故，作业人员需要保持良好的精神状态，保持精力集中。为保证作业人员的人身安全，本方案通过为工作人员佩戴智能手表，采集实时上传的心率数据的方式，实时监测工作人员的精神状态，形成实时监护的人员管理模式。工作人员的精神压力状态，可通过心率变异性（HRV）量化评估，HRV是指人体随时间变动的心搏周期性变化，是判断自主神经活动的常用的定量指标，较低的HRV与焦虑、压力，甚至心血管疾病有关。通过可穿戴式设备实时监测心率，转换为波形方式进行分析每个心搏间距的变化（HRV），可量化评估精神压力状态。

基于实时数据采集的人员状态监测协同平台在应用层呈现可穿戴设备采集的人员状态数据，辅助管理人员掌握每个人员的实时心率、实时压力状态、长期压力状态，以及每个人员今日执行的任务信息，并支持以折线图、柱状图显示一段时间内的心率趋势和压力趋势。值得注意的是，对于心率飙升或者精神压力飙升并持续的情况，可以迅速发出警示，提醒关注人员状况和调整现场作业人员安排，规避潜在风险。

基于实时数据采集的人员状态监测协同平台系统，如图7 所示，部署在内网，智能腕表采集的人员心率信息通过4G传输，通过安全接入平台进入内网，经数据共享中心进入人员承载力系统。对于PMS的缺陷数据，规划中的基于遥信信号的故障判别系统的故障数据，通过数据共享中心获取。

图7 基于实时数据采集的人员状态监测协同平台系统

2.3 优化智能变电检修管理流程的检修辅助支持应用

基于人员承载力画像的多任务智能排期系统在满足任务自动排期、人员状态监测的基础上，还具有检修辅助支持应用模块，该模块包括检修任务后评价与检修案例检索两部分，为检修人员提供检修辅助管理，可以极大地提高现场工作效率，让检修人员少走弯路、降低作业风险。检修辅助支持应用日常由专门的检修负责人维护管理，定期检查维护数据，当发现有数据不完整之处，会告知相关工作负责人进行补充完善，检查无误后提交部门审核，最后正式在系统中发布，通过该流程实现了检修过程的闭环管理，进一步提高了人员工作效率，强化检修全过程管控。

检修任务后评价是指检修负责人在每次工作结束后在检修辅助支持应用系统中以文本、图片的方式录入对本次工作的评价，包括应该注意的风险点、现场施工采用何种方式、电缆接线是否串接多个屏柜等，以此构成任务执行完成电子记录，并支持客户随时登录系统查阅。特别是对于缺乏工作阅历的新人来讲，可以通过该应用查询相关任务的工作流程以及注意事项，从而迅速掌握工作要领，少走弯路，规避现场风险。

案例检索是指系统可以根据检修任务标签检索相关任务案例，比如某年某月某变电站发生了母线停电事故，工作人员赶往现场抢修，事后分析事故发生的原因和故障点所在的位置均会在检修辅助应用中生成案例报告，若想要对该案例进行再一次的分析，可以查阅系统调出任务信息和案例分析报告，达到随时查阅旧案例，随时进行新分析的效果，这对智能变电检修管理系统起到了优化的作用。

3 基于人员承载力画像的多任务智能排期系统的实施成效

3.1 完成检修任务人员的智能推荐

基于人员承载力画像的多任务智能排期系统的核心成效之一便是可以依托大数据与人工智能技术完成检修任务人员的智能推荐。从传统方法上来讲，每一位任务人员的安排均要经过管理人员的审核才能决定，这给管理人员造成了极大的负担且具有不可靠性，而本方案通过对原始任务进行基于自然语言处理的解析，通过命名实体识别等技术手段准确识别原始任务的任务名称、任务属性等重要信息，通过系统初步自动识别任务基础属性后经人机交互手段自动生成任务标签（变电站、工作票、任务类别），根据人员的工作状态、技能、资质等信息等基于协同过滤对任务与人员进行任务——员工推荐匹配，初期匹配规则可基于业务知识与员工的历史任务记录，推介结果可由管理人员手动调整，模型可通过学习管理人员的派工历史情况逐步优化推荐匹配结果，在综合考虑各班组人员承载力的前提下将任务与工作负责人关联，完成任务人员推荐。

在整个系统应用过程中，只需要管理人员在相关界面确认人员推荐的结果，与此同时管理人员可以看到结果生成过程中系统详细的计算情况，并作出客观评价。以上自动识别算法的结果确认后进入接下来的任务排期工序，在人机交互中，算法将通过在线学习不断提高自身识别的准确性与时效性，通过获取的新知识持续优化模型，不断提高任务标签的推荐能力，增强了检修管理水平。

3.2 实现检修工作计划的自动排期

基于人员承载力画像的多任务智能排期系统的核心成效之二便是能够在任务人员智能推荐的基础上实现检修工作计划的自动排期。从传统方法上来讲，检修工作计划是由管理人员根据工作量大小进行时间安排，通常由班长制定，且只能提前制定几天的工作安排，而本方案利用最优化算法，基于变量、约束条件、目标函数三要素，研究在给定约束之下如何寻求任务排期达到最优，特别是对于月计划的制定，如何在不超出人员承载力的情况下，通过合理的任务组合，达到最大化的工作任务量，让班组的每位成员都分配有合理的任务安排。

对于检修工作计划的自动排期功能，其最大的优势便是能够在保证工作任务顺利进行的前提下优化人员承载力，比如月计划的提前制定，可以为管理人员节省大量任务、人员安排的时间，且制定的工作安排均是通过对排期任务建模，并求解模型最优解来获取智能排期结果，经实践证明，其可信度极高。除此之外，系统还支持人工调整，比如管理人员对工作负责人可临时进行修改替换，倘若工作过程中经常出现需要临时安排的工作，在安排人员的过程中，系统筛选出业务能力匹配人员，并提示人员当天工作情况、过去因临时任务加班情况等多方面的情报，辅助班长选择工作责任人，增强检修工作的柔性管理。

3.3 保障检修作业人员的工作安全

基于人员承载力画像的多任务智能排期系统的为现场施工人员装配可穿戴生物特征采集设备，可长期监控施工人员的工作状态，采集设备可自行处理一定量的生物特征数据，在脱离系统支持的情况下离线解析员工的生物特征数据，此类数据将定时同步至数据系统中统一管理，同时对生物特征数据进行加密处理，保护采集设备使用者的个人隐私，同时根据提前定义的规则与算法，对每位采集设备使用者的近期数据进行标签化处理，相应标签将用于任务推荐、员工推荐等系统任务中。

通过装配可穿戴生物特征采集设备，能够及时捕获检修人员的工作状态，对于过于疲劳、处于紧张状态的员工及时提醒，及时做出休息、调整工作状态等动作，从最大程度上降低现场工作风险，保障检修作业人员的工作安全，同时，系统可通过智能设备定期将员工数据同步至数据系统，建立大数据库，方便应用于其他场景以便管理人员进行多元化管理。

3.4 提高检修现场工作的作业效率

基于人员承载力画像的多任务智能排期系统通过大数据和人工智能技术建立具有任务智能排期、人员状态监测、检修辅助支持3 大功能模块的检修管理系统，通过该系统在保证人员承载力的前提下实现检修日常工作任务的合理安排，提高了员工的积极性，保障了员工的人身安全，让工作负责人的职能得到了最大化限度的发挥，极大的提高了现场工作的作业效率。

对于管理人员来讲，改变了之前通过每日填报工作安排的管理模式，通过系统自动生成检修计划与人员安排，节省了大量精力，可投入于其他工作当中，提高了管理效率；对于现场检修人员来讲，得益于该系统的管理模式，能够提前数日知悉工作内容，从而提前做好准备，在工作现场能够听从后方人员的建议规避风险，提高现场工作的作业效率，为检修工作在电网的智能化、节约化、先进化管理发展作出卓越贡献。

4 结束语

本文提出了一种基于人员承载力画像的多任务智能排期系统，该系统主要围绕“智能排期”和“辅助监测”两大部分构建体系，前者能够实现任务人员推荐、任务自动排期智能化管理；后者能够保障检修人员的工作安全，从而提高工作效率，解决传统检修工作思路窄、排期难、效率低的境况。