[发明专利]一种确定某类工作的人的极限工作时间的方法

权利要求书

1.一种确定某类工作的人的极限工作时间的方法，其特征在于，为了了解在保证可靠性的前提下，操作者最长可持续的工作时间，即极限工作时间LWT提出了一种结合SPCC和ARIMA的方法来进行确定，用连续时间中单位时间间隔内的次品率衡量人的可靠度，并形成次品率时序序列DRTS；其包括如下步骤：一方面使用该数列基于ARIMA构建SPCC，并确定样本的UCL、LCL和极限时间范围；另一方面使用ARIMA和SVM配合RTA对需要确定LWT的某一操作者的DRTS进行预测；最后将预测曲线置于SPCC中来确定该操作者LWT的范围；本发明可用于确定某类工作的人的极限工作时间。

2.根据权利要求1所述的一种确定某类工作的人的极限工作时间的方法，其特征在于，算法的作用有两个，一个是通过统计多个操作者样本确定某种操作的泛化的LCL、UCL、CL和LWT；另一个是基于这些统计结果预测某个操作者个体的LWT；SPCC可以对多个样本统计数据进行整理，得到数据的LCL、UCL、CL和LWT，这样可以得到数据变化趋势是否将超限，从而可根据统计数据的特征预测同类型数据是否有超限的可能，形成的SPCC图是整个方法的标尺；ARIMA是算法的核心，这里的SPCC处理的是时间序列，ARIMA在形成SPCC时适用于形成无相关性的时间序列数据；为了预测新操作者的LWT，需要对短时间内的新操作者的DRTS进行分析，并对未来的序列数据进行预测，但DRTS很可能是线性和非线性的序列数据叠加的，将线性数据使用ARIMA进行预测，非线性数据使用SVM预测；使用RTA对时序数据进行跟踪，以保证预测的精确性；经过上面处理的线性和非线性时序数据相叠加形成最终的该操作者的DRTS数据，放入SPCC图中，即可确定他的LWT。

3.根据权利要求1所述的一种确定某类工作的人的极限工作时间的方法，其特征在于，其流程设置及流程图，算法流程图可分为左右两部分用粗虚线分开，左边为时序数据的预测部分，右面为SPCC图构造部分，右边的ARIMA处理模块包括了三个部分，因为左右两部分都要用到所以独立开来；右面主要任务是形成SPCC图，他是来源于多个样本的统计结果，是整个算法的基础，有了SPCC图才能得到LCL、UCL、CL和LWT，才能处理单个样本的LWT预测，左面的任务是预测单个样本DRTS数据，然后在SPCC中与LCL和UCL比较，最终确定LWT。

4.根据权利要求1所述的一种确定某类工作的人的极限工作时间的方法，其特征在于，SPCC是被用作对实时数据的监控和预测的，构造的基于时间序列的SPCC是基于ARIMA的，SPCC的构造过程分3步：1)相关性评价；2)ARIMA构建；3)控制图构建，ACF在第一步中，用来评价时间序列的自相关性，如果不相关直接执行第三步，用原始时间序列构建控制图，否则用ARIMA消除相关性，在第二步产生时间序列的非相关残差，然后用时间序列残差构建控制图在第三步。

5.根据权利要求4所述的一种确定某类工作的人的极限工作时间的方法，其特征在于，使用ACF估计相关性，ACF图显示了对应时间点的相关性，设滞后时间间隔为k，使用MATLAB中的autocorr计算相关性，如果ACF图显示的数值的绝对值总体趋势减小，那么可以断定时间序列是相关。