一种基于员工工作情绪的现场工作优化方法及系统

技术领域

本发明涉及工业软件技术领域，具体涉及一种基于员工工作情绪的现场工作优化方法及系统。

背景技术

在工厂生产流水线上，员工的情绪对于工作具有重要的影响。员工的情绪不适宜当前的岗位则会导致作业操作水平下降，进而导致产品质量下降或出现生产事故。

因此，在工厂生产流水线上及时监控员工的情绪，如发现员工情绪不对时，可以及时将其调离当前的岗位，并将其安排至适合其当前情绪的工作岗位，这样可以大幅优化人力资源的分配，同时有利于提高产品的质量和减少生产事故的发生。

但是，目前缺乏实现上述功能的方法和系统。虽然现有技术有报道根据皮表生理参数和表情识别来识别情绪；但是其仅仅局限于进行日常生活中的情绪，其无法用于工厂生产流水线上的工作情绪识别，更无法用于工作岗位的匹配。

发明内容

为了克服现有技术中存在的上述技术问题，本发明提供一种基于员工工作情绪的现场工作优化方法及系统。该方法和系统可以根据某一员工的皮表生理参数和表情可以识别其工作情绪适合哪种工作岗位，并在工作中及时将其分配到最合适的岗位。

本发明的技术方案如下：

本发明的第一方面提供一种基于员工工作情绪的现场工作优化方法，其包含如下步骤：

基于皮表生理参数和表情特征定义情绪特征值；

通过机器学习方法获取某一员工在不同工作岗位下正常工作的情绪特征值，标记为不同工作岗位正常情绪特征值；

存储不同工作岗位正常情绪特征值；

获取某一员工在具体工作过程中的实时情绪特征值；

根据实时情绪特征值判定该员工当前情绪所适应的工作岗位；

输出该员工当前最合适的工作岗位。

具体地，所述的皮表生理参数为皮电值，所述的表情特征通过获取面部眼睑和嘴唇的变化情况而获得。

具体地，所述的不同工作岗位正常情绪特征值包括第一工作岗位正常情绪特征值、第二工作岗位正常情绪特征值、第N工作岗位正常情绪特征值。

具体地，根据实时情绪特征值判定该员工当前情绪所适应的工作岗位的具体方法为：

若实时情绪特征值与第一工作岗位正常情绪特征值接近，则判定该员工当前情绪适应第一工作岗位；若实时情绪特征值与第二工作岗位正常情绪特征值接近，则判定该员工当前情绪适应第二工作岗位；若实时情绪特征值与第N工作岗位正常情绪特征值接近，则判定该员工当前情绪适应第N工作岗位。

具体地，根据实时情绪特征值判定该员工当前情绪所适应的工作岗位的具体方法为：

若实时情绪特征值与存储的不同工作岗位正常情绪特征值均不接近，则判定该员工当前情绪不适合任何岗位。

具体地，实时情绪特征值与不同工作岗位正常情绪特征值接近的判断标准为皮电值的差异不大于±10％；面部眼睑和嘴唇的变化程度不大于±10％。

本发明的第二方面提供一种基于员工工作情绪的现场工作优化系统，其包括：

情绪特征值定义模块，所述的情绪特征值定义模块用于基于皮表生理参数和表情特征定义情绪特征值；

正常情绪特征值标记模块，所述的正常情绪特征值标记模块用于通过机器学习方法获取某一员工在不同工作岗位下正常工作的情绪特征值，标记为不同工作岗位正常情绪特征值；

正常情绪特征值存储模块，所述的正常情绪特征值存储模块用于存储不同工作岗位正常情绪特征值；

实时情绪特征值获取模块，所述的实时情绪特征值获取模块用于获取某一员工在具体工作过程中的实时情绪特征值；

工作岗位判定模块，所述的工作岗位判定模块用于根据实时情绪特征值判定该员工当前情绪所适应的工作岗位；

工作岗位输出模块，所述的工作岗位输出模块用于输出该员工当前最合适的工作岗位。

具体地，所述的皮表生理参数为皮电值，所述的表情特征通过获取面部眼睑和嘴唇的变化情况而获得。

本发明的第三方面提供一种终端，所述的终端包括处理器和存储器，所述处理器用于执行存储器中存储的程序，以实现上述方法。

本发明的第四方面提供一种存储介质，所述的存储介质存储有一个或多个程序，所述的一个或多个程序可用于被一个或多个处理器执行，以实现上述方法。

有益效果：本发明提供了一种全新的基于员工工作情绪的现场工作优化方法及系统。其创新的以皮表生理参数和表情特征对对象，采用机器学习方法获取并存储某一员工在不同工作岗位下正常工作的情绪特征值；通过获取某一员工在具体工作过程中的实时情绪特征值与不同工作岗位下正常工作的情绪特征值进行比较，从而判定该员工当前最合适的工作岗位。发明人在研究中还发现，通过皮电值以及面部眼睑和嘴唇表情特征的结合作为情绪特征值，可以快速准确的识别某一员工的工作情绪，进而可以快速地判定出最合适的工作岗位；其避免获取所有的皮表生理参数和表情特征；再进行大量的比对判断的不足。通过该方法和系统，可以及时根据员工的情绪匹配其最合适的工作岗位；有利于提高产品的质量和减少生产事故的发生。

附图说明

图1为本发明基于员工工作情绪的现场工作优化方法的流程图。

图2为本发明基于员工工作情绪的现场工作优化系统的结构示意图。

具体实施方式

以下结合具体实施例来进一步解释本发明，但实施例对本发明不做任何形式的限定。

如图1所示，本实施例提供了一种基于员工工作情绪的现场工作优化方法，其包含如下步骤：

S100.基于皮表生理参数和表情特征定义情绪特征值。

具体地，所述的皮表生理参数为皮电值，所述的表情特征通过获取面部眼睑和嘴唇的变化情况而获得。所述的皮电值通过待在员工手上的可穿戴设备获得；所述的表情特征可以通过设置在员工工位上的摄像装置获取。

S200.通过机器学习方法获取某一员工在不同工作岗位下正常工作的情绪特征值，标记为不同工作岗位正常情绪特征值。

具体地，所述的不同工作岗位正常情绪特征值包括第一工作岗位正常情绪特征值、第二工作岗位正常情绪特征值、第N工作岗位正常情绪特征值。所述的机器学习方法采用常规的机器学习方法。具体地，可以更具工作岗位的情况设置N值，N可以为大于等于3的自然数。

S300.存储不同工作岗位正常情绪特征值。将通过机器学习方法标记的不同工作岗位正常情绪特征值存储至服务器中，用于后续的对比判断。

S400.获取某一员工在具体工作过程中的实时情绪特征值。服务器通过可穿戴设备以及摄像装置获取某一员工在具体工作过程中的实时情绪特征值。

S500.根据实时情绪特征值判定该员工当前情绪所适应的工作岗位。服务器根据获取的实时情绪特征值与存储的不同工作岗位正常情绪特征值进行比较；具体判断方法为：若实时情绪特征值与第一工作岗位正常情绪特征值接近，则判定该员工当前情绪适应第一工作岗位；若实时情绪特征值与第二工作岗位正常情绪特征值接近，则判定该员工当前情绪适应第二工作岗位；若实时情绪特征值与第N工作岗位正常情绪特征值接近，则判定该员工当前情绪适应第N工作岗位。若实时情绪特征值与存储的不同工作岗位正常情绪特征值均不接近，则判定该员工当前情绪不适合任何岗位。具体地，实时情绪特征值与不同工作岗位正常情绪特征值接近的判断标准为皮电值的差异不大于±10％；面部眼睑和嘴唇的变化程度不大于±10％。

S600.输出该员工当前最合适的工作岗位。服务器根据上述判断结果，输出该员工当前最合适的工作岗位。流水线管理者可以根据输出结果及时调整员工的工作岗位，可以将员工安排至最适合的岗位；如没有适合的岗位，则暂停其当前的工作。采用该方法利于提高产品的质量和减少生产事故的发生。

如图2所述，本实施例提供了一种基于员工工作情绪的现场工作优化系统，其包括：情绪特征值定义模块100，所述的情绪特征值定义模块100用于基于皮表生理参数和表情特征定义情绪特征值；正常情绪特征值标记模块200，所述的正常情绪特征值标记模块200用于通过机器学习方法获取某一员工在不同工作岗位下正常工作的情绪特征值，标记为不同工作岗位正常情绪特征值；正常情绪特征值存储模块300，所述的正常情绪特征值存储模块300用于存储不同工作岗位正常情绪特征值；实时情绪特征值获取模块400，所述的实时情绪特征值获取模块400用于获取某一员工在具体工作过程中的实时情绪特征值；工作岗位判定模块500，所述的工作岗位判定模块500用于根据实时情绪特征值判定该员工当前情绪所适应的工作岗位；工作岗位输出模块600，所述的工作岗位输出模块600用于输出该员工当前最合适的工作岗位。