浙江03工作日志按人员查询 sql

本文介绍了一种使用SQL进行员工工作日志统计的方法,包括不同类型的工作日志数量统计及工作表现评估。通过对日志类型的计数和评价等级的划分,实现了对员工每日、每周、每月及每季度的工作量及质量进行量化分析。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

with a as (
select acm.name username,
       count(worklog.logtypeid) totallog,
       sum(decode(worklog.logtypeid,'ec229560-f915-449d-ae35-3f60903c9197',1,0)) dailylog,
       sum(decode(worklog.logtypeid,'75782b36-e415-4fe9-ad3b-82a17235e475',1,0)) weeklog,
       sum(decode(worklog.logtypeid,'5bfa76f4-c677-4b4f-825b-783ec88bce79',1,0)) monthlog,
       sum(decode(worklog.logtypeid,'e6f2edf8-a737-41c2-b478-21f60498584d',1,0)) quarterlog,
       sum(decode(worklog.businesstypeid,'63f61fc0-cc19-4036-b19c-57be635887da',1,0))overtime,
       sum(case when log_eva.evaluate >85 then 1 else 0 end) exccelent,
       sum(case when log_eva.evaluate between 76 and 85 then 1 else 0 end) good,
       sum(case when log_eva.evaluate between 50 and 75 then 1 else 0 end) pass,
       sum(case when log_eva.evaluate >50 then 1 else 0 end) nopass  
  from acm_user acm
 inner join (select t.id ,t.name,t.parent_id from acm_department t
                   start with t.id = '37c70b89-4430-470c-93b6-6bf6004ded29'
                   connect by prior t.id = t.parent_id) dept 
    on acm.dept_id = dept.id
 left join itil_worklog worklog
        on worklog.creator = acm.id
 left join ( select logid,avg(decode(evaluate,'优秀',100,'良好',80,'合格',60,'不合格',40)) evaluate
               from itil_logaudit_relation
              group by logid ) log_eva
       on worklog.id = log_eva.logid          

       where worklog.createtime between to_date('2012-07-07 00:00','yyyy-mm-dd hh24:mi:ss') 
                                and to_date('2012-09-07 23:59','yyyy-mm-dd hh24:mi:ss')
                                 or worklog.createtime is null 
                             
   group by acm.name 
   order by totallog desc
)  
   
select acm.name,
       nvl(a.totallog,0) totallog,
       nvl(a.dailylog,0) dailylog,
       nvl(a.weeklog,0) weeklog ,
       nvl(a.monthlog,0) monthlog, 
       nvl(a.quarterlog,0) quarterlog, 
       nvl(a.overtime,0) overtime, 
       nvl(a.exccelent,0) exccelent, 
       nvl(a.good,0) good, 
       nvl(a.pass,0) pass,
       nvl(a.nopass,0) nopass
  from a  
  right join acm_user acm on a.username = acm.name 
  inner join (select t.id ,t.name,t.parent_id from acm_department t
                   start with t.id = '37c70b89-4430-470c-93b6-6bf6004ded29'
                   connect by prior t.id = t.parent_id) dept
    on acm.dept_id = dept.id
  

 

内容概要:本文档详细介绍了基于MATLAB实现的无人机三维路径规划项目,核心算法采用蒙特卡罗树搜索(MCTS)。项目旨在解决无人机在复杂三维环境中自主路径规划的问题,通过MCTS的随机模拟与渐进式搜索机制,实现高效、智能化的路径规划。项目不仅考虑静态环境建模,还集成了障碍物检测与避障机制,确保无人机飞行的安全性和效率。文档涵盖了从环境准备、数据处理、算法设计与实现、模型训练与预测、性能评估到GUI界面设计的完整流程,并提供了详细的代码示例。此外,项目采用模块化设计,支持多无人机协同路径规划、动态环境实时路径重规划等未来改进方向。 适合人群:具备一定编程基础,特别是熟悉MATLAB和无人机技术的研发人员;从事无人机路径规划、智能导航系统开发的工程师;对MCTS算法感兴趣的算法研究人员。 使用场景及目标:①理解MCTS算法在三维路径规划中的应用;②掌握基于MATLAB的无人机路径规划项目开发全流程;③学习如何通过MCTS算法优化无人机在复杂环境中的飞行路径,提高飞行安全性和效率;④为后续多无人机协同规划、动态环境实时调整等高级应用打下基础。 其他说明:项目不仅提供了详细的理论解释和技术实现,还特别关注了实际应用中的挑战和解决方案。例如,通过多阶段优化与迭代增强机制提升路径质量,结合环境建模与障碍物感知保障路径安全,利用GPU加速推理提升计算效率等。此外,项目还强调了代码模块化与调试便利性,便于后续功能扩展和性能优化。项目未来改进方向包括引入深度强化学习辅助路径规划、扩展至多无人机协同路径规划、增强动态环境实时路径重规划能力等,展示了广阔的应用前景和发展潜力。
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