一种基于智能调度的医药任务分配管理方法及系统与流程

摘要: 本技术涉及任务分配管理,更具体地说,本技术涉及一种基于智能调度的医药任务分配管理方法及系统。背景技术:1、目前,医药研发和临床试验领域的任务分配主要依赖人工调度...
一种基于智能调度的医药任务分配管理方法及系统与流程

本技术涉及任务分配管理,更具体地说,本技术涉及一种基于智能调度的医药任务分配管理方法及系统。

背景技术:

1、目前,医药研发和临床试验领域的任务分配主要依赖人工调度或基于规则引擎的自动分配系统。人工调度方式通常由项目管理人员根据对团队成员的了解和工作负荷的粗略评估进行手动分派,决策过程主观性强、效率低下。基于规则引擎的自动分配系统通常设定若干固定分配规则,此类规则大多基于任务类型和人员资质的简单匹配,匹配维度单一,且规则一经设定便固定运行,无法根据任务的实际执行状态和人员的实时工作状态进行动态调整。

2、随着医药研发项目复杂度的不断提高和监管要求的日益严格,上述现有分配方式已难以满足医药行业对任务分配的精确性、时效性的要求。现有技术中缺乏一种能够全面感知任务间依赖关系、精确评估人员动态工作容量、追踪人员能力演化趋势,导致医药任务分配决策与实际情况脱节,资源利用不均衡、高优先级任务响应不及时、任务交接成本高等问题频发,影响了医药研发项目的整体推进效率和合规性保障能力。因此,如何实现医药任务与医药人员之间的自适应智能匹配分配,提升医药任务分配的时效性和精确性是业界面临的问题。

技术实现思路

1、本技术提供一种基于智能调度的医药任务分配管理方法及系统,可以实现医药任务与医药人员之间的自适应智能匹配分配,提升医药任务分配的时效性和精确性。

2、第一方面,本技术提供一种基于智能调度的医药任务分配管理方法,所述任务分配管理方法包括如下步骤:

3、响应提交的医药任务,提取所述医药任务中包含的任务属性信息;

4、根据所述任务属性信息,对所述医药任务进行特征解析,生成所述医药任务的任务特征向量;

5、获取候选医药人员集合中每一候选医药人员的状态数据,将所述任务特征向量分别与每一候选医药人员的状态数据进行匹配,生成每一候选医药人员针对所述医药任务的任务匹配值;

6、根据所述任务匹配值选取满足预设的分配阈值的目标医药人员,将所述医药任务分配至所述目标医药人员。

7、在本实施例中,所述任务属性信息包括:任务类型、任务优先级、预期完成时限和所需资源标签。

8、在本实施例中,根据所述任务属性信息,对所述医药任务进行特征解析,生成所述医药任务的任务特征向量具体包括:

9、采用医药领域语义编码模型对所述任务属性信息中各字段进行语义编码,生成各字段对应的字段语义向量,将各所述字段语义向量按预设维度拼接,生成初始特征向量;

10、构建全局任务拓扑图,所述全局任务拓扑图以系统内全部在途医药任务为节点,以任务间的时序依赖关系和资源竞争关系为边,所述时序依赖关系包括前驱任务未完成时后继任务无法启动的硬依赖关系,所述资源竞争关系包括两个以上任务需争夺同一稀缺医药资源时形成的软依赖关系;

11、获取所述医药任务在所述全局任务拓扑图中的节点位置信息及关联边权重,将节点位置信息和关联边权重以图嵌入方式融合至所述初始特征向量,生成任务特征向量。

12、在本实施例中,将所述任务特征向量分别与每一候选医药人员的状态数据进行匹配,生成每一候选医药人员针对所述医药任务的任务匹配值具体包括:

13、从所述候选医药人员的状态数据中提取能力状态数据,将所述任务特征向量与所述能力状态数据输入基于多头注意力的匹配网络,确定任务需求与所述能力状态数据的各能力子维度间的对齐得分,聚合后作为第一匹配子值;

14、从所述候选医药人员的状态数据中提取负载状态数据,以所述任务特征向量中的预期完成时限为预测窗口,将所述负载状态数据中当前任务队列各任务的剩余执行时长在时间轴上叠加,预测对应的候选医药人员在所述预测窗口内的空闲时间窗口分布,根据所述空闲时间窗口分布与所述医药任务预期执行时长的时序重叠程度生成第二匹配子值;

15、从所述候选医药人员的状态数据中提取行为状态数据和对应的任务类型归属,将与所述医药任务类型归属相同的多维历史执行轨迹输入时序特征提取网络,进而生成第三匹配子值;

16、对所述第一匹配子值、所述第二匹配子值和所述第三匹配子值加权融合,生成任务匹配值。

17、在本实施例中,所述对齐得分还经能力时效性衰减因子修正,所述能力时效性衰减因子根据候选医药人员距离最后一次执行同类任务的间隔时长按半衰期函数确定。

18、在本实施例中,所述任务匹配值是用于衡量医药任务与候选医药人员之间适配程度的数值。

19、在本实施例中,所述第二匹配子值的生成方式中,所述空闲时间窗口的确定方式具体包括:

20、获取候选医药人员当前任务队列中各任务的剩余执行时长和当前时间进度锚点,构建预测时间轴;

21、依据所述当前时间进度锚点和所述预测时间轴确定空闲时间窗口分布。

22、在本实施例中,根据所述任务匹配值选取满足预设的分配阈值的目标医药人员具体包括:

23、将各候选医药人员的任务匹配值与预设的分配阈值进行比较,构建初筛人员集合;

24、当所述初筛人员集合中仅包含一名候选医药人员时,将该人员确定为目标医药人员;

25、当所述初筛人员集合中包含两名及以上候选医药人员时,按照任务匹配值对所述初筛人员集合进行排序,进而确定目标医药人员;

26、当所述初筛人员集合为空时,按照任务匹配值确定候选承接人员,触发人工复核审批流程。

27、在本实施例中,所述分配阈值的预设方式具体包括:

28、以全部候选医药人员在各任务类型下的历史任务匹配值的均值为基准,按任务类型分别设定初始分配阈值;

29、所述预设的分配阈值在系统运行过程中根据系统实时负载状态动态上调或下调,当系统整体负载率低于预设轻载门限时下调所述分配阈值以降低任务分配门槛,当系统整体负载率高于预设重载门限时上调所述分配阈值以提高任务分配门槛。

30、第二方面,本技术提供一种基于智能调度的医药任务分配管理系统,用于执行一种基于智能调度的医药任务分配管理方法,所述任务分配管理系统包括:

31、任务响应模块,用于响应提交的医药任务,提取所述医药任务中包含的任务属性信息;

32、特征解析模块,用于根据所述任务属性信息,对所述医药任务进行特征解析,生成所述医药任务的任务特征向量;

33、任务匹配模块,用于获取候选医药人员集合中每一候选医药人员的状态数据,将所述任务特征向量分别与每一候选医药人员的状态数据进行匹配,生成每一候选医药人员针对所述医药任务的任务匹配值;

34、任务分配模块,用于根据所述任务匹配值选取满足预设的分配阈值的目标医药人员,将所述医药任务分配至所述目标医药人员。

35、本技术公开的实施例提供的技术方案具有以下有益效果:

36、响应提交的医药任务,提取所述医药任务中包含的任务属性信息;根据所述任务属性信息,对所述医药任务进行特征解析,生成所述医药任务的任务特征向量;获取候选医药人员集合中每一候选医药人员的状态数据,将所述任务特征向量分别与每一候选医药人员的状态数据进行匹配,生成每一候选医药人员针对所述医药任务的任务匹配值;根据所述任务匹配值选取满足预设的分配阈值的目标医药人员,将所述医药任务分配至所述目标医药人员。

37、由此可见本技术中,首先,通过响应提交的医药任务并提取任务属性信息,为后续特征解析和匹配计算提供了规范化的数据输入基础;其次,通过医药领域语义编码模型将任务属性信息生成任务特征向量,实现后续匹配过程中对任务间时序依赖关系和资源竞争关系的全局感知;然后,通过获取候选医药人员的状态数据,在此基础上通过多头注意力机制实现任务需求与人员能力的细粒度非均衡匹配,通过时序叠加预测空闲时间窗口分布将静态负载计数转变为动态时空可用性分析,通过时序特征提取网络编码历史轨迹的演化趋势以捕捉能力变化方向,使匹配结果综合反映人员与任务的全面适配程度;最后,通过预设的分配阈值对全部候选医药人员进行筛选,选取目标医药人员,保证了分配决策在各种情况下均有合理的处理路径,提升医药任务分配的时效性和精确性。

38、综上所述,本技术采用的技术方案可以实现医药任务与医药人员之间的自适应智能匹配分配,提升医药任务分配的时效性和精确性。