2017LiveBPM新产品抢先看之——流程管理

背景

流程与流程再造的概念起源于20世纪90年代,从泰勒“科学管理”的第一次革命,戴明“全面质量管理TQM”的第二次革命,到哈默“企业流程再造”的第三次革命,自传入我国以来,已经越来越多地被广大企业所接受。但是,国内很多企业在管理上,仍然存在一些问题:

1.内部沟通不畅,资源闲置、重复劳动;

2.内部分工过细,流程执行复杂化;

3.过细的专业分工,员工技能“偏于一隅”;

4.部门“本位主义”,执行效率低下;

5.组织机构臃肿,层层审批。

正因为如此,顶点的研发设计师通过对高效工作的不断探索,对产品设计几近苛刻的挑剔,推出了功能强大和体验出色的流程管理产品。帮助企业管理和优化企业的业务流程,实现工作条理的规范性以及工作流程的透明度,提高工作效率,完善管理体制。 

功能展示

1.流程处理中心
流程管理是一系列供用户使用的任务处理中心功能模块,主要包括与用户相关的待办的任务,发起的任务或参与的任务等。

通过流程处理中心,实现用户集中处理各种任务,同时查阅与用户相关的日期范围内的流程执行情况。

1.1快速发起流程
顶点提供多个流程发起入口,可以通过流程导航和流程中心快速发起。系统配置了标准格式的管理表单,如报销单、请假单、出差申请等,用户可以直接调用即可。同时可以在线流程跟踪等操作。
 


 

1.2多种模式随心切换
根据个人喜好、操作习惯随心切换模式。展示分为列表和表格模式,并且可对流程进行不分组、按流程类别分组及按日期进行分组等多种分组模式。

 
图:表格模式-按日期分组


图:列表模式-按流程类别分组

1.3流程跟踪
当用户启动流程后,用户可以查看的业务流程的详细信息,步骤明细和详细流程图,同时在流程图界面中,可以查阅到流程当前办理结点的位置,办理人和时间等信息。

2.流程导航
流程导航中心是从一个企业全局角度汇总企业各业务流程,企业员工涉及业务流程的网站地图,通过导航中心,用户可以方便快捷地找到各相关业务流程。通过统一的流程导航中心,打造“简单、高效”的员工的办公工作环境。
 
3.流程查询
提供自主流程查询平台,主要包括待办件、发起件、已办件、知会件。可通过日期、流程名称、流程标题、发起人进行检索,有效提高企业流程管理效率。

 

4.流程归档
工作流程结束后将自动归档,同时可以查看业务流程的详细信息,步骤明细和详细流程图
对整个流程的处理过程的监控,实现了工作流程的透明化管理,提高了工作效率。
 

5.待办提醒
系统提供多种待办提醒功能,包括了首页待办提醒、消息盒子提醒、悬浮框提醒。

 
图:首页待办提醒

图:消息盒子
 
图:悬浮框提醒


6.流程分析
流程分析模块,支持自动生成流程分析表,如总耗时分析,最大耗时分析等各种分析表,以图表的方式将性能展现,以直观的形式让管理者可以发现系统资源的利用情况,并通过图表发现、排除问题,给予优化企业流程执行效率提供支持 。

流程分析提供流程配置,企业根据自身实际业务需求的变动,可在统一流程中心上做调整。平台提供可视化开发。对于复杂流程的变更,也只需鼠标的拖拽就可以完成。
 

7.图形化流程设计

顶点提供图形化的可以自由定义的流程设计,用户可以对不同的业务设计不同的业务处理流程,同时可以随着用户业务发展而导致的业务处理流程的变化而变化。
 
8.授权委托管理
系统可以针对于企业用户不在岗提供授权委托管理,授权委托可将系统全部流程整体授权,也可支持将部分流程进行授权处理。

9.流程提醒设置

顶点提供多种方式的流程待办催办,可以对流程的当前处理人进行催办,通过发送邮件、短信、站内消息等多种方式进行通知流程待办的处理人尽快处理流程待办。

10.系统特点

1.系统功能简单、易学,使用方便,符合日常使用习惯;
2.工作流定制灵活简明、方便、可根据业务规则自定义工作流;
3.具有灵活的角色和权限定制功能,并能对重要数据进行加密;
4.能与 Word,Excel等通用办公软件无缝连接,并能实现Word修改留痕保留;
5.可实现如发文、收文、呈批件、报销、申请、签报等办公业务;
6.支持流程可逆、工作代理(外出授权)等功能。
7.系统具有较强检索功能,能快速对在流转公文或已归档公文及其流转情况进行查询。

来源:顶点信息官网
 

转载于:https://my.oschina.net/u/3406721/blog/956519

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值