CN112381429A - 制造型企业多层级kpi体系重构方法、装置和设备 - Google Patents
制造型企业多层级kpi体系重构方法、装置和设备 Download PDFInfo
- Publication number
- CN112381429A CN112381429A CN202011309211.5A CN202011309211A CN112381429A CN 112381429 A CN112381429 A CN 112381429A CN 202011309211 A CN202011309211 A CN 202011309211A CN 112381429 A CN112381429 A CN 112381429A
- Authority
- CN
- China
- Prior art keywords
- kpi
- level
- layer
- modified
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 title claims description 53
- 230000008520 organization Effects 0.000 claims abstract description 6
- 238000003860 storage Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 11
- 230000004048 modification Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种制造型企业多层级KPI体系重构方法、装置和设备。该方法包括:服务器获取待修改KPI指标,待修改KPI指标包括增加新的KPI指标、删除不需要的KPI指标、修改KPI指标的关联关系等。服务器可以从预设数据库中获取该待修改KPI指标的关联关系。服务器根据该关联关系,重构KPI架构。服务器根据各个KPI指标的样本集合和各个KPI指标的关联关系,重新计算各个KPI指标的权重。本申请的方法,实现了在制造型企业业务重构、组织架构重构等情况下多层级KPI体系的自适应自调节,增强了多层级KPI体系的适应性和灵活性。
Description
技术领域
本申请涉及KPI管理技术,尤其涉及一种制造型企业多层级KPI体系重构方法、装置和设备。
背景技术
对于公司的运营而言,KPI指标的制定和管理非常重要。公司日常运作和管理通常可以通过KPI指标进行量化和分析。在实际使用中,当一套KPI体系被应用于不同的企业、公司、工厂中,或者,当企业的业务发展、组织战略需要进行调整时,通常需要对KPI指标以及其架构进行调整。
目前,随着市场竞争的日趋激烈、客户个性化需求的逐渐上升。很多企业建立了自己的KPI体系后,仍需对企业业务进行重构,或者对企业的组织架构进行调整。当企业的业务和/或组织架构调整时,KPI体系通常需要同步进行修改。
因此,如何快速的实现KPI体系的重构成为亟待解决的问题。
发明内容
本申请提供一种制造型企业多层级KPI体系重构方法、装置和设备,用以解决KPI架构分析效率低,且无法动态管理的问题。
第一方面,本申请提供一种多层级KPI体系方法,当制造企业的产线重构、组织架构重构或者业务重构时,对多层级KPI体系进行重构,所述方法,包括:
获取待修改KPI指标,所述待修改KPI指标为在KPI体系重构时需要修改权重的KPI指标、新增的KPI指标或者删除的KPI指标中的一种;
根据所述待修改KPI指标和预设数据库,重构所述KPI架构,所述预数据库中包括各个KPI指标及其关联关系;
根据重构后的所述KPI架构,重新分配所述KPI架构中的各个KPI指标的权重,实现所述KPI体系的重构。
可选地,所述根据所述待修改KPI指标,重构所述KPI架构,包括:
根据所述待修改KPI指标和预设数据库,确定所述待修改KPI指标与上下层KPI指标之间的关联关系;
根据所述关联关系,重构所述KPI架构。
可选地,当所述KPI架构中包括第一层级和第二层级,所述第一层级为所述KPI架构中除顶层以外的任意一层,所述第二层级为所述KPI架构中所述第一层级的上层时,所述根据重构后的所述KPI架构,重新分配所述KPI架构中的各个KPI指标的权重,包括:
根据所述第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定所述第一层级的各个KPI指标的新权重。
可选地,所述据所述KPI架构中第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定所述第一层级的各个KPI指标的新权重,包括:
据所述第一层级的各个KPI指标与所述第二层级的各个KPI指标的关联关系,确定下层KPI指标集合和上层KPI指标,所述上层KPI指标为所述第二层级的KPI指标中的一个KPI指标,所述下层KPI指标集合中包括所述第一层级中与所述上层KPI指标存在关联关系的所有KPI指标,所述下层KPI指标集合中包括所述第一层级中部分或者全部KPI指标;
根据所述下层KPI指标集合中各个KPI指标的样本集合,确定所述各个KPI指标的新权重,所述KPI指标的样本集合中包括所述KPI指标在预设时间段内的预设数量个样本。
可选地,所述根据所述下层KPI指标集合中各个KPI指标的样本集合,确定所述各个KPI指标的新权重,包括:
对所述样本集合中各个样本进行归一化处理;
根据所述KPI指标归一化处理后的所述样本集合,确定所述KPI指标的信息熵冗余度;
根据所述下层KPI指标集合中各个所述KPI指标的信息熵冗余度,确定各个所述每一KPI指标的新权重。
可选地,所述方法,包括:
自下而上逐层计算各层级的KPI指标的权重。
第二方面,本申请提供一种多层级KPI体系装置,包括:
获取模块,用于获取待修改KPI指标,所述待修改KPI指标为在KPI体系重构时需要修改权重的KPI指标、新增的KPI指标或者删除的KPI指标中的一种;
重构模块,用于根据所述待修改KPI指标和预设数据库,重构所述KPI架构,所述预数据库中包括各个KPI指标及其关联关系;
分配模块,用于根据重构后的所述KPI架构,重新分配所述KPI架构中的各个KPI指标的权重,实现所述KPI体系的重构。
可选地,所述根据所述待修改KPI指标,重构所述KPI架构,包括:
第一确定之模块,用于根据所述待修改KPI指标,确定所述待修改KPI指标的关联关系;
重构子模块,用于根据所述关联关系,重构所述KPI架构。
可选地,当所述KPI架构中包括第一层级和第二层级,所述第一层级为所述KPI架构中除顶层以外的任意一层,所述第二层级为所述KPI架构中所述第一层级的上层时,所述分配模块,具体用于根据所述第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定所述第一层级的各个KPI指标的新权重。
可选地,所述分配模块,包括:
第二确定子模块,用于据所述第一层级的各个KPI指标与所述第二层级的各个KPI指标的关联关系,确定下层KPI指标集合和上层KPI指标,所述上层KPI指标为所述第二层级的KPI指标中的一个KPI指标,所述下层KPI指标集合中包括所述第一层级中与所述上层KPI指标存在关联关系的所有KPI指标,所述下层KPI指标集合中包括所述第一层级中部分或者全部KPI指标;
第三确定子模块,用于根据所述下层KPI指标集合中各个KPI指标的样本集合,确定所述各个KPI指标的新权重,所述KPI指标的样本集合中包括所述KPI指标在预设时间段内的预设数量个样本。
可选地,所述第三确定子模块,包括:对所述样本集合中各个样本进行归一化处理;根据所述KPI指标归一化处理后的所述样本集合,确定所述KPI指标的信息熵冗余度;根据所述下层KPI指标集合中各个所述KPI指标的信息熵冗余度,确定各个所述每一KPI指标的新权重。
可选地,所述装置,包括:
自下而上逐层计算各层级的KPI指标的权重。
第三方面,本申请提供一种服务器,包括:存储器和处理器;
存储器用于存储程序指令;
处理器用于调用存储器中的程序指令执行第一方面及第一方面任一种可能的设计中的多层级KPI体系方法。
第四方面,本申请提供一种可读存储介质,可读存储介质中存储有执行指令,当服务器的至少一个处理器执行该执行指令时,服务器执行第一方面及第一方面任一种可能的设计中的多层级KPI体系方法。
本申请提供的制造型企业多层级KPI体系重构方法、装置和设备,通过服务器获取待修改KPI指标,待修改KPI指标包括增加新的KPI指标、删除不需要的KPI指标、修改KPI指标的关联关系等;服务器可以从预设数据库中获取该待修改KPI指标的关联关系;服务器根据该关联关系,重构KPI架构;服务器根据各个KPI指标的样本集合和各个KPI指标的关联关系,重新计算各个KPI指标的权重的手段,实现多层级KPI体系的自适应自调节,增强多层级KPI体系适应性和灵活性的效果。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的一种KPI架构的结构示意图;
图2为本申请一实施例提供的一种多层级KPI体系方法的流程图;
图3为本申请一实施例提供的另一种多层级KPI体系方法的流程图;
图4为本申请一实施例提供的一种多层级KPI体系装置的结构示意图;
图5为本申请一实施例提供的另一种多层级KPI体系装置的结构示意图;
图6为本申请一实施例提供的一种服务器的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
对于公司的运营而言,KPI指标的制定和管理非常重要。公司日常运作和管理通常可以通过KPI指标进行量化和分析。目前,很多企业都建立了自己的KPI体系。但是,随着市场竞争的日趋激烈、客户个性化需求的逐渐上升,企业的业务与组织架构的重构概率不断提高。为了配合企业的业务需求与组织架构情况,KPI体系和架构也需要同步进行重构。在KPI体系和架构中,通常包括不同维度、不同量纲的KPI指标。因此,如何在满足不同维度、不同量纲的KPI指标的重构需求的基础上,实现KPI体系的快速重构,成为一大难点。
针对上述问题和难点,本申请提出了一种针对制造型企业的制造型企业多层级KPI体系方法、装置以及存储介质。本申请旨在针对制造型企业,建立企业生产人员、生产设备、生产过程、产品质量以及生产物料等全要素全方位的KPI体系。该KPI体系从工位、产线、车间、工厂四层指标出发,建立综合各要素的多层级KPI指标架构。同时,服务器通过获取新增/删除/修改的KPI指标,实现业务重构和/或组织架构重构。服务器根据该KPI指标,以及该KPI指标的关联关系,重构该多层级KPI架构。进而,根据重构后的KPI架构,重新分配各个KPI指标的权重,实现多层级KPI体系的自适应自调节。
此外,本申请为了建立全要素全方位的多层级KPI体系,使用了“工位、产线、车间、工厂”的四层KPI体系。当该多层级KPI体系被应用于企业时,企业还可以根据实际需求,定制化的设置各层级以及各层级对应的KPI指标,从而增强适应性和灵活性。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示出了本申请一实施例提供的一种KPI架构的结构示意图。如图所示,该KPI架构包括工位级、产线级、车间级和工厂级四级KPI指标。
其中,工位级KPI指标包括一次合格率、废品率、人均效率、设备OEE、工装夹具、物料消耗和生产计划完成率。
其中,产线级KPI指标包括一次合格率、废品率、产线效率、工装夹具、物料成本和生产计划完成率。其中,产线级的一次合格率与工位级的一次合格率相关。产线级的废品率与工位级的废品率相关。产线级的产线效率与工位级的人均效率和设备OEE相关。产线级的工装夹具与工位级的工装夹具相关。产线级的物料成本与工位级的物料成本相关。产线级的生产计划完成率与工位级的生产计划完成率相关。
其中,车间级KPI指标包括产品合格率、废品率、制造成本、物料成本和生产计划完成率。其中,车间级的产品合格率与产线级的一次合格率相关。车间级的废品率与产线级的废品率相关。车间级的制造成本与产线级的废品率、产线效率和工装夹具相关。车间级的物料成本与产线级的物料成本相关。车间级的生产计划完成率与产线级的生产计划完成率相关。
其中,工厂级KPI指标包括质量、成本和交付。其中,工厂级的质量与车间级的产品合格率和废品率相关。工厂级的成本与车间级的制造成本和物料成本相关。工厂级的交付与车间级的生产计划完成率相关。
在该KPI架构中,还可以包括指标的权重。例如,产线效率的计算中,人均效率与设备OEE的占比可以为1:3。
本申请中,以服务器为执行主体,执行如下实施例的多层级KPI体系方法。具体地,该执行主体可以为服务器的硬件装置,或者为服务器中实现下述实施例的软件应用,或者为安装有实现下述实施例的软件应用的计算机可读存储介质。
图2示出了本申请一实施例提供的一种多层级KPI体系方法的流程图。在图1所示实施例的基础上,如图2所示,当产线重构、组织架构重构或者业务重构时,KPI指标及其关联关系可能需要对应进行调整。此时,为了重构该多层级KPI体系,以服务器为执行主体,具体可以包括如下步骤:
S101、获取待修改KPI指标,待修改KPI指标为在KPI体系重构时需要修改权重的KPI指标、新增的KPI指标或者删除的KPI指标中的一种。
本实施例中,当企业的业务重构和/或组织架构重构时,该企业的KPI体系通常需要随之改变。例如,增加新的KPI指标、删除不需要的KPI指标、修改KPI指标的关联关系等。服务器获取上述待修改的KPI指标,并确定该需要修改的KPI指标为待修改KPI指标。
其中,在KPI体系中可以包括一个或者多个待修改KPI指标。
S102、根据待修改KPI指标和预设数据库,重构KPI架构,预数据库中包括各个KPI指标及其关联关系。
本实施例中,服务器在确定待修改KPI指标后,可以从预设数据库中获取该待修改KPI指标的关联关系。服务器根据该关联关系,重构KPI架构。
其中,预数据库中包括各个KPI指标和各个KPI指标的关联关系。
例如,当该待修改KPI指标为新增的KPI指标时,服务器在该KPI架构中新增该KPI指标。服务器根据该KPI指标的关联关系,将该KPI指标与该KPI架构中的其他KPI指标关联起来。
当该待修改KPI指标为删除的KPI指标时,服务器在该KPI架构中删除该KPI指标及其关联关系。
当该待修改KPI指标为需要修改关联关系的KPI指标时,服务器根据该KPI指标的新关联关系,修改原KPI架构中该KPI指标的关联关系。
当该待修改指标为需要修改权重的KPI指标,服务器通过S103重新计算该KPI指标的权重。
S103、根据重构后的KPI架构,重新分配KPI架构中的各个KPI指标的权重,实现KPI体系的重构。
本实施例中,服务器在完成KPI架构的重构后,根据各个KPI指标的样本集合和各个KPI指标的关联关系,重新计算各个KPI指标的权重,从而实现权重的重新分配。
一种示例中,服务器可以根据第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定第一层级的各个KPI指标的新权重。
其中,该第一层级可以为KPI架构中除顶层以外的任意一层。该KPI架构中,该第一层级的上一层级为第二层级。
本示例中,上层KPI指标受到下层KPI指标的影响,并且存在部分上层KPI指标可以通过部分下层KPI指标计算得到。因此,服务器可以根据第一层级的各个KPI指标与第二层级的各个KPI指标之间的关联关系,对第一层级的各个KPI指标的权重进行重新分配。
另一种示例中,服务器自下而上逐层计算各层级的KPI指标的权重。
本示例中,在KPI体系中,下层KPI指标的重构会对上层KPI指标产生影响。因此,服务器可以采用层层递进的方式,自下而上计算该KPI架构中各层KPI指标的权重,以提高KPI体系的重构效率。
本申请提供的多层级KPI体系方法,服务器获取待修改KPI指标,待修改KPI指标包括增加新的KPI指标、删除不需要的KPI指标、修改KPI指标的关联关系等。服务器可以从预设数据库中获取该待修改KPI指标的关联关系。服务器根据该关联关系,重构KPI架构。服务器根据各个KPI指标的样本集合和各个KPI指标的关联关系,重新计算各个KPI指标的权重。本申请中,通过重构KPI架构,重新分配KPI指标的权重,实现多层级KPI体系的自适应自调节,增强多层级KPI体系适应性和灵活性。
图3示出了本申请一实施例提供的另一种多层级KPI体系方法的流程图。在图1和图2所示实施例的基础上,如图3所示,以服务器为执行主体,本实施例的方法可以包括如下步骤:
S201、获取待修改KPI指标,待修改KPI指标为在KPI体系重构时需要修改权重的KPI指标、新增的KPI指标或者删除的KPI指标中的一种。
其中,步骤S201与图2实施例中的步骤S101实现方式类似,本实施例此处不再赘述。
S202、根据待修改KPI指标和预设数据库,确定待修改KPI指标与上下层KPI指标之间的关联关系。
本实施例中,服务器在确定待修改KPI指标后,在预设数据库中检索并匹配该待修改KPI指标。服务器从该预设数据库中获取该待修改KPI指标的关联关系。该关联关系中包括与该待修改KPI指标相关的各个KPI指标。该待修改KPI指标相关的各个KPI指标,可能来自该待修改KPI指标所在层级的上层和下层。
S203、根据关联关系,重构KPI架构。
本实施例中,服务器在获取该关联关系后,根据该待修改KPI指标,重构该KPI架构。
例如,当该待修改KPI指标为新增的KPI指标时,服务器根据该KPI指标的关联关系,将该KPI指标与该KPI架构中的其他KPI指标关联起来。
当该待修改KPI指标为删除的KPI指标时,服务器根据该KPI指标的关联关系,在该KPI架构中删除该KPI指标及其关联关系。
当该待修改KPI指标为需要修改关联关系的KPI指标时,服务器根据该KPI指标的新关联关系,修改原KPI架构中该KPI指标的关联关系。
S204、根据第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定下层KPI指标集合和上层KPI指标,上层KPI指标为第二层级的KPI指标中的一个KPI指标,下层KPI指标集合中包括第一层级中与上层KPI指标存在关联关系的所有KPI指标,下层KPI指标集合中包括第一层级中部分或者全部KPI指标。
本实施例中,服务器确定一个第二层级的KPI指标为上层KPI指标。在第一层级的各个KPI指标中,通常包括一个或者多个KPI指标,与该上层KPI指标存在关联关系。由于一个KPI体系中可能包括各个维度和量纲的KPI指标,因此,通常与该上层KPI指标关联的第一层级的KPI指标,通常仅为该第一层级的KPI指标中的部分KPI指标。服务器确定与该上层KPI指标关联的第一层级的KPI指标的集合为下层KPI指标集合。
例如,如图1所示,产线级的KPI指标产线效率与工位级的KPI指标人均效率和设备OEE存在关联关系。其中,产线级为第二层级,工位级为第一层级。上层KPI指标为产线效率,下层KPI指标集合中包括人均效率和设备OEE。
例如,如图1所示,车间级的KPI指标制造成本与产线级的KPI指标废品率、产线效率和工装夹具存在关联关系。其中车间级为第二层级,产线级为第一层级。上层KPI指标为制造成本,下层KPI指标集合中包括废品率、产线效率和工装夹具。
S205、根据下层KPI指标集合中各个KPI指标的样本集合,确定各个KPI指标的新权重,KPI指标的样本集合中包括KPI指标在预设时间段内的预设数量个样本。
本实施例中,第二层级的各个KPI指标均可作为上层KPI指标,并且每一上层KPI指标均有唯一对应的一个下层KPI指标集合。因此,第一层级中包括至少一个下层KPI指标集合。并且,第一层级的每一KPI指标可以属于一个或者多个下层KPI指标集合。
服务器根据每一下层KPI指标集合中各个KPI指标的样本集合,计算该下层KPI指标集合中各个KPI指标的新权重。当一个KPI指标属于多个下层KPI指标集合时,该KPI指标具有多个权重,并且每一权重对应不同的上层KPI指标。
当服务器完成对该第一层级中各个KPI指标的计算后,服务器根据该第一层级中各个KPI指标的样本和权重,计算得到第二层级中各个KPI指标的样本。进而,服务器确定该第二层级为第一层级,该第二层级的上一层级为第二层级。服务器重复上述步骤,重新分配该第一层级的各个KPI指标的权重。
其中,每一KPI指标的样本集合中,包括预设数量个样本。该样本梳理根据采样频率和采样时长确定。
一种示例中,服务器可以使用熵值法计算各个KPI指标的权重,其具体计算方式包括:
步骤1、对样本集合中各个样本进行归一化处理。
本步骤中,服务器在获取下层KPI指标集合后,获取该下层KPI指标集合中各个KPI指标的样本集合。考虑到不同的KPI指标拥有不同的量纲,因此,避免量纲导致的无法计算,服务器首先对各个样本集合中的样本进行归一化处理。
一种实现方式中,服务器对定量指标中的正向指标和负向指标分别进行处理。其中,服务器对正向指标的处理公式可以为:
其中,服务器对负向指标的处理公式可以为:
其中,X为该KPI指标的样本集合,Xi为该样本集合中的第i个样本,max(X)为该样本集合中的最大值,min(X)为该样本集合中的最小值,Xi′为该样本集合中的第i个样本归一化后的值。
另一种实现方式中,服务器对定性指标可以依据指标的性质,将该指标转换为对应的百分比或者数值。例如,该定性的KPI指标为员工努力程度,该KPI指标可以包括合格、一般、良好和优秀四个评价等级,服务器可以根据该四个评价等级,将其对应转化为30%、50%、70%和100%四个百分比。
步骤2、根据KPI指标归一化处理后的样本集合,确定KPI指标的信息熵冗余度。
本步骤中,服务器在完成对样本集合的归一化处理后,服务器计算每一个KPI指标的信息熵冗余度。具体地,服务器可以在计算一个KPI指标中各个样本在该样本集合中的占比后,根据该样本集合中每一样本的占比,计算得到该KPI指标的信息熵冗余度。
其中,一个KPI指标中各个样本在该样本集合中的占比的计算公式可以为:
其中,Xij表示第j个KPI指标的第i个样本,Pij表示第j个KPI指标中第i个样本在该样本集合中所占的比重。其中,i表示该样本集合中的第i个样本,i=1,2,...,n。其中,j表示该下层KPI指标集合中的第j个KPI指标,j=1,2,...,m。
其中,根据该样本集合中每一样本的占比,计算得到信息的熵值,该熵值的计算公式可以为:
其中,根据该下层KPI指标集合中各个KPI指标的熵值,计算信息熵冗余度,该信息熵冗余度的计算公式可以为:
dj=1-Ej
步骤3、根据下层KPI指标集合中各个KPI指标的信息熵冗余度,确定各个KPI指标的新权重。
本步骤中,服务器在计算得到该下层KPI指标集合中各个KPI指标的信息熵冗余度后,服务器根据该信息熵冗余度,重新分配各个KPI指标的权重。其具体的计算公式可以表示为:
另一种示例中,服务器可以使用神经网络,计算各个KPI指标的权重。
本申请提供的多层级KPI体系方法,服务器获取待修改KPI指标,待修改KPI指标包括增加新的KPI指标、删除不需要的KPI指标、修改KPI指标的关联关系等。服务器从该预设数据库中获取该待修改KPI指标的关联关系。服务器根据该待修改KPI指标,重构该KPI架构。服务器确定一个第二层级的KPI指标为上层KPI指标。服务器确定与该上层KPI指标关联的第一层级的KPI指标的集合为下层KPI指标集合。服务器根据每一下层KPI指标集合中各个KPI指标的样本集合,计算该下层KPI指标集合中各个KPI指标的新权重。本申请中,通过确定下层KPI指标集合,使各个KPI指标根据其关联关系进行权重分配,提高该新权重的有效性和准确性。
图4示出了本申请一实施例提供的一种多层级KPI体系装置的结构示意图,如图4所示,本实施例的多层级KPI体系装置10用于实现上述任一方法实施例中对应于服务器的操作,本实施例的多层级KPI体系装置10包括:
获取模块11,用于获取待修改KPI指标,待修改KPI指标为在KPI体系重构时需要修改权重的KPI指标、新增的KPI指标或者删除的KPI指标中的一种。
重构模块12,用于根据待修改KPI指标和预设数据库,重构KPI架构,预数据库中包括各个KPI指标及其关联关系。
分配模块13,用于根据重构后的KPI架构,重新分配KPI架构中的各个KPI指标的权重,实现KPI体系的重构。
一种示例中,当KPI架构中包括第一层级和第二层级,第一层级为KPI架构中除顶层以外的任意一层,第二层级为KPI架构中第一层级的上层时,分配模块具体包括根据第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定第一层级的各个KPI指标的新权重。
一种示例中,自下而上逐层计算各层级的KPI指标的权重。
本申请实施例提供的多层级KPI体系装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图5示出了本申请一实施例提供的另一种多层级KPI体系装置的结构示意图,在图4所示实施例的基础上,如图5所示,本实施例的多层级KPI体系装置10用于实现上述任一方法实施例中对应于服务器的操作,本实施例的多层级KPI体系装置10还包括:
第一确定子模块121,用于根据待修改KPI指标和预设数据库,确定待修改KPI指标与上下层KPI指标之间的关联关系。
重构子模块122,用于根据关联关系,重构KPI架构。
第二确定子模块131,用于根据KPI架构中第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定下层KPI指标集合和上层KPI指标,上层KPI指标为第二层级的KPI指标中的一个KPI指标,下层KPI指标集合中包括第一层级中与上层KPI指标存在关联关系的所有KPI指标,下层KPI指标集合中包括第一层级中部分或者全部KPI指标。
第三确定子模块132,用于根据下层KPI指标集合中各个KPI指标的样本集合,确定各个KPI指标的新权重,KPI指标的样本集合中包括KPI指标在预设时间段内的预设数量个样本。
一种示例中,第三确定子模块132,具体用于对样本集合中各个样本进行归一化处理。根据KPI指标归一化处理后的样本集合,确定KPI指标的信息熵冗余度。根据下层KPI指标集合中各个KPI指标的信息熵冗余度,确定各个KPI指标的新权重。
本申请实施例提供的多层级KPI体系装置10,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图6示出了本申请实施例提供的一种服务器的硬件结构示意图。如图6所示,该服务器20,用于实现上述任一方法实施例中对应于服务器的操作,本实施例的服务器20可以包括:存储器21和处理器22。
存储器21,用于存储处理器可执行指令的存储器。
存储器可能包含高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储(Non-Volatile Memory,NVM),例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
处理器22,用于执行存储器存储的计算机程序,以实现上述实施例中的多层级KPI体系方法。具体可以参见前述方法实施例中的相关描述。
可选地,存储器21既可以是独立的,也可以跟处理器22集成在一起。
当存储器21是独立于处理器22之外的器件时,服务器20还可以包括:
总线23,用于连接存储器21和处理器22。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本实施例提供的服务器可用于执行上述的多层级KPI体系方法,其实现方式和技术效果类似,本实施例此处不再赘述。
本申请还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,计算机可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,计算机可读存储介质耦合至处理器,从而使处理器能够从该计算机可读存储介质读取信息,且可向该计算机可读存储介质写入信息。当然,计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits,ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。
上述计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random-Access Memory,SRAM),电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable read-only memory,PROM),只读存储器(Read-OnlyMemory,ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本申请还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在计算机可读存储介质中。设备的至少一个处理器可以从计算机可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
本申请实施例还提供一种芯片,包括存储器和处理器,存储器用于存储计算机程序,处理器用于从存储器中调用并运行计算机程序,使得安装有芯片的设备执行如上各种可能的实施方式中的方法。
应理解,上述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本申请各个实施例方法的部分步骤。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤。而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种多层级KPI体系重构方法,其特征在于,当制造企业的产线重构、组织架构重构或者业务重构时,对多层级KPI体系进行重构,所述方法,包括:
获取待修改KPI指标,所述待修改KPI指标为在KPI体系重构时需要修改权重的KPI指标、新增的KPI指标或者删除的KPI指标中的一种;
根据所述待修改KPI指标和预设数据库,重构KPI架构,所述预设数据库中包括各个KPI指标及其关联关系;
根据重构后的所述KPI架构,重新分配所述KPI架构中的各个KPI指标的权重,实现所述KPI体系的重构。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待修改KPI指标,重构所述KPI架构,包括:
根据所述待修改KPI指标和预设数据库,确定所述待修改KPI指标与上下层KPI指标之间的关联关系;
根据所述关联关系,重构所述KPI架构。
3.根据权利要求1所述的方法,所述KPI架构中包括第一层级和第二层级,所述第一层级为所述KPI架构中除顶层以外的任意一层,所述第二层级为所述KPI架构中所述第一层级的上层,其特征在于,所述根据重构后的所述KPI架构,重新分配所述KPI架构中的各个KPI指标的权重,实现所述KPI体系的重构,包括:
根据所述第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定所述第一层级的各个KPI指标的新权重。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一层级的各个KPI指标与第二层级的各个KPI指标的关联关系,确定所述第一层级的各个KPI指标的新权重,包括:
据所述第一层级的各个KPI指标与所述第二层级的各个KPI指标的关联关系,确定下层KPI指标集合和上层KPI指标,所述上层KPI指标为所述第二层级的KPI指标中的一个KPI指标,所述下层KPI指标集合中包括所述第一层级中与所述上层KPI指标存在关联关系的所有KPI指标,所述下层KPI指标集合中包括所述第一层级中部分或者全部KPI指标;
根据所述下层KPI指标集合中各个KPI指标的样本集合,确定所述各个KPI指标的新权重,所述KPI指标的样本集合中包括所述KPI指标在预设时间段内的预设数量个样本。
5.根据权利要求4所述的方法,其特征在于,所述根据所述下层KPI指标集合中各个KPI指标的样本集合,确定所述各个KPI指标的新权重,包括:
对所述样本集合中各个样本进行归一化处理;
根据所述KPI指标归一化处理后的所述样本集合,确定所述KPI指标的信息熵冗余度;
根据所述下层KPI指标集合中各个所述KPI指标的信息熵冗余度,确定各个所述KPI指标的新权重。
6.根据权利要求1-5中任意一项所述的方法,其特征在于,所述方法,包括:
自下而上逐层计算各层级的KPI指标的权重。
7.一种针对制造型企业多层级KPI体系装置,其特征在于,所述装置,包括:
获取模块,用于获取待修改KPI指标,所述待修改KPI指标为在KPI体系重构时需要修改权重的KPI指标、新增的KPI指标或者删除的KPI指标中的一种;
重构模块,用于根据所述待修改KPI指标和预设数据库,重构KPI架构,所述预设数据库中包括各个KPI指标及其关联关系;
分配模块,用于根据重构后的所述KPI架构,重新分配所述KPI架构中的各个KPI指标的权重,实现所述KPI体系的重构。
8.根据权利要求7所述的装置,其特征在于,所述重构模块,包括:
第一确定之模块,用于根据所述待修改KPI指标,确定所述待修改KPI指标的关联关系;
重构子模块,用于根据所述关联关系,重构所述KPI架构。
9.一种服务器,其特征在于,所述服务器,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
处理器,用于根据所述存储器存储的可执行指令,实现如权利要求1-6中任意一项所述的多层级KPI重构方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项所述的多层级KPI体系方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011309211.5A CN112381429A (zh) | 2020-11-20 | 2020-11-20 | 制造型企业多层级kpi体系重构方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011309211.5A CN112381429A (zh) | 2020-11-20 | 2020-11-20 | 制造型企业多层级kpi体系重构方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381429A true CN112381429A (zh) | 2021-02-19 |
Family
ID=74584480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011309211.5A Pending CN112381429A (zh) | 2020-11-20 | 2020-11-20 | 制造型企业多层级kpi体系重构方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381429A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965296A (zh) * | 2023-03-17 | 2023-04-14 | 建信金融科技有限责任公司 | 考核数据的处理方法、装置、设备、产品及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563680A (zh) * | 2017-10-20 | 2018-01-09 | 广东电网有限责任公司电力科学研究院 | 一种基于ahp和熵权法的配电网可靠性评估方法 |
CN108921438A (zh) * | 2018-07-10 | 2018-11-30 | 国网福建省电力有限公司 | 一种基于级联权重的配电网调控管理薄弱环节辨识方法 |
CN109976289A (zh) * | 2019-04-25 | 2019-07-05 | 伟创力电子设备(深圳)有限公司 | 生产线kpi监测方法、装置、电子设备及可读介质 |
US10705796B1 (en) * | 2017-04-27 | 2020-07-07 | Intuit Inc. | Methods, systems, and computer program product for implementing real-time or near real-time classification of digital data |
CN111428182A (zh) * | 2020-02-24 | 2020-07-17 | 数字广东网络建设有限公司 | 评估指标处理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-11-20 CN CN202011309211.5A patent/CN112381429A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10705796B1 (en) * | 2017-04-27 | 2020-07-07 | Intuit Inc. | Methods, systems, and computer program product for implementing real-time or near real-time classification of digital data |
CN107563680A (zh) * | 2017-10-20 | 2018-01-09 | 广东电网有限责任公司电力科学研究院 | 一种基于ahp和熵权法的配电网可靠性评估方法 |
CN108921438A (zh) * | 2018-07-10 | 2018-11-30 | 国网福建省电力有限公司 | 一种基于级联权重的配电网调控管理薄弱环节辨识方法 |
CN109976289A (zh) * | 2019-04-25 | 2019-07-05 | 伟创力电子设备(深圳)有限公司 | 生产线kpi监测方法、装置、电子设备及可读介质 |
CN111428182A (zh) * | 2020-02-24 | 2020-07-17 | 数字广东网络建设有限公司 | 评估指标处理方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965296A (zh) * | 2023-03-17 | 2023-04-14 | 建信金融科技有限责任公司 | 考核数据的处理方法、装置、设备、产品及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11272059B2 (en) | Exclusive agent pool allocation method, electronic device, and computer readable storage medium | |
US10504120B2 (en) | Determining a temporary transaction limit | |
US11823276B2 (en) | Resource allocation | |
CN111402061A (zh) | 一种资产管理方法和*** | |
US20220036454A1 (en) | Estimating Expenses Related to the Impact of Catastrophic Events | |
CN112256720A (zh) | 数据成本计算方法、***、计算机设备和存储介质 | |
Özbek | Efficiency analysis of the Turkish red crescent between 2012 and 2014 | |
CN111833018A (zh) | 一种科技项目的专利分析方法及*** | |
US8396789B1 (en) | Credit-approval decision models | |
Azolibe et al. | Government infrastructure expenditure and investment drive in an emerging market economy: Evidence from Nigeria | |
CN112381429A (zh) | 制造型企业多层级kpi体系重构方法、装置和设备 | |
WO2022105127A1 (zh) | 基于 Hadoop 的数据处理方法、装置、设备及存储介质 | |
Yang et al. | Is there the Pareto principle in public library circulation? A case study of one public library in Taiwan | |
CN109657950B (zh) | 层次分析方法、装置、设备及计算机可读存储介质 | |
CN111209281A (zh) | 年金数据处理方法、装置、介质及电子设备 | |
CN115759742A (zh) | 企业风险评估方法、装置、计算机设备和存储介质 | |
CN111078867A (zh) | 一种文本分类方法及装置 | |
CN114881761A (zh) | 相似样本的确定方法与授信额度的确定方法 | |
CN114170000A (zh) | ***用户风险类别识别方法、装置、计算机设备和介质 | |
CN114186961A (zh) | 业务审批流程配置方法、装置、计算机设备和存储介质 | |
CN112883091A (zh) | 因子数据获取方法、装置、计算机设备和存储介质 | |
US20160092992A1 (en) | Accelerated disaggregation in accounting calculation via pinpoint queries | |
US20230316225A1 (en) | Medical claim denial prediction using an artificial intelligence prediction engine including a hybrid decision tree | |
CN111275327B (zh) | 一种资源配置方法、装置、设备及存储介质 | |
CN114092265B (zh) | 提高保单新业务价值确定效率的方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |