CN109377192A - 一种基于模拟退火算法的机场智能排班方法 - Google Patents

一种基于模拟退火算法的机场智能排班方法 Download PDF

Info

Publication number
CN109377192A
CN109377192A CN201811452920.1A CN201811452920A CN109377192A CN 109377192 A CN109377192 A CN 109377192A CN 201811452920 A CN201811452920 A CN 201811452920A CN 109377192 A CN109377192 A CN 109377192A
Authority
CN
China
Prior art keywords
grade
class
order according
employee
arranging
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
Application number
CN201811452920.1A
Other languages
English (en)
Inventor
李丹
罗军
徐伟彬
笪令
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Airport Baiyun Mdt Infotech Ltd
Original Assignee
Guangdong Airport Baiyun Mdt Infotech Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Airport Baiyun Mdt Infotech Ltd filed Critical Guangdong Airport Baiyun Mdt Infotech Ltd
Priority to CN201811452920.1A priority Critical patent/CN109377192A/zh
Publication of CN109377192A publication Critical patent/CN109377192A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • G06Q10/1097—Task assignment

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于模拟退火算法的机场智能排班方法，包括：录入参与排班的员工信息；录入排班周期内的航班计划；设定约束条件，设定目标函数；利用模拟退火算法对参与排班的员工进行排班；生成员工排班计划，员工依照员工排班计划进行生产活动。本发明的基于模拟退火算法的机场智能排班方法基于航班计划对一线机场员工进行排班，采用模拟退火算法对排班计划进行推演，改进了传统依赖人力、估计不科学的排班方式，大大提升了人力资源的利用率，同时使业务流程化、行为标准化、决策程序化、组织系统化，打破以往缺乏统一规划的人力资源管理模式，量化了管理水平，也使得管理者更容易掌握一线机场员工的工作情况。

Description

一种基于模拟退火算法的机场智能排班方法
技术领域
本发明涉及企业智能管理技术领域，特别是涉及一种基于模拟退火算法的机场智能排班方法。
背景技术
随着人们对于航空行业的接受度和空中交通流量的逐年增加，机场运营既要确保飞行安全可靠和航空调度有序，又要加大航空运力和提升保障效率，提升机场航班准点率。
然而，机场在实际运营中正逐步凸显出越来越多的问题，其中非常重要的就是员工的人员管理，包括：人员及岗位技能与数量规划、员工最合理化上班、员工在当天工作中的实时调度，都是急需解决的问题。机场一线员工的排班基本都基于原始的手动排班，这样效率低下，并且缺乏时效性，规划性和灵活性。
因而，对于机场管理者而言，如何在面对复杂的业务管理流程，基于机场大数据应用在实际业务场景中及时、准确、科学地做出决策，也成为机场当前信息化建设面临的新挑战。
发明内容
基于此，本发明的目的在于，提供一种基于模拟退火算法的机场智能排班方法。
一种基于模拟退火算法的机场智能排班方法，包括：
录入参与排班的员工信息；
录入排班周期内的航班计划；
设定约束条件，设定目标函数；
利用模拟退火算法对参与排班的员工进行排班；
生成员工排班计划，员工依照员工排班计划进行生产活动。
进一步优选地，所述参与排班的员工信息，包括：
员工基本信息：员工姓名、员工编号、员工年龄、员工性别；
员工教育信息：员工职称、员工学历；
员工工作技能信息：员工岗位职级，员工工作技能等级；
员工健康信息：员工健康状况；
员工薪酬信息：员工的薪酬等级。
所述排班周期内的航班计划，包括：排班周期内每个排班日航班计划的航班号、机型、计划起飞时间、计划降落时间、航班属性、航班任务、是否为要客航班、航班及机组的特殊要求。
进一步优选地，所述设定约束条件，包括设定硬性约束条件：
每个排班日内，每位员工的排班量≤一个班次；
每个排班日内，排班的员工数量≥当日航班计划内的航班需求员工数量；
同一位员工相邻的排班时间间隔≥8h；
设定排班周期内每位员工排班总时长的上限和下限；
每位员工的员工岗位职级等于或高于执行的工作级别。
进一步优选地，所述设定硬性约束条件，包括：
设N为参与排班的员工人数，
W为排班周期内排班日的集合，
m为排班日内划分的时间段的个数，
M为排班周期内划分的时间段个数，
Rt为t时间段内需要排班的最少员工人数，
D为松弛参数，表示员工计划排班数量与员工实际需求数量之间的最大偏移量；
进一步，
设Wmin为排班周期内每位员工排班总时长的下限，
Wmax为排班周期内每位员工排班总时长的上限，
Wi为员工i在排班周期内排班日的集合，
Siw为员工i在排班周期内排班日w的上班开始时间，
Fiw为员工i在排班周期内排班日w的上班结束时间，
xit∈[0,1]为员工i在时间段t内是否上班，0为休息，1为上班，
qik∈[0,1]为员工i的员工岗位职级是否等于或高于执行的工作级别k，0为员工岗位职级低于执行的工作级别k，1为员工岗位职级等于或高于执行的工作级别k，
atk为时间段t内工作级别k需求在岗的人数，
at为时间段t内实际在岗的员工人数，
l为服务质量参数，
则，得到
第一硬性约束条件t∈W，sum(xit)＝sum(Wi)，
第二硬性约束条件Rt≤at≤Rt+ID，
第三硬性约束条件Fiw-Siw+1≥8，
第四硬性约束条件Wmin＜Wi＜Wmax，
第五硬性约束条
进一步优选地，所述设定约束条件，还包括设定软性约束条件：排班周期内，将每个参与排班的员工的排班平均分布在各个时间段。
进一步优选地，所述设定目标函数，包括：
设ci为员工i的薪酬等级，
ā为员工在排班周期内的平均工作时间，
c为公平性参数，
h为成本参数，
则，
目标函数为
进一步优选地，所述利用模拟退火算法对参与排班的员工进行排班，包括：得到一个初始解X作为可行排班方案，该初始解X的算法如下：
A1.从参与排班的员工中随机选择一名员工i；
A2.对员工i在排班周期内进行排班，并满足第一硬性约束条件、第二硬性约束条件、第三硬性约束条件和第四硬性约束条件；
A3.把员工i从参与排班的员工中移除；
A4.对其他尚未参与排班的员工进行排班，并检查是否所有参与排班的员工都已排班，若是，则将结果代入目标函数，运算结束，否则返回执行A1；
A5.得到初始解X。
进一步优选地，若所述初始解X不满足第五硬性约束条件，则在所述目标函数中加入惩罚系数H，将目标函数修正为：
将修正后的目标函数替换A4中的目标函数，运算得到满足硬性约束条件的初始解X。
进一步优选地，所述利用模拟退火算法对参与排班的员工进行排班，还包括：
设T为初始温度，
ρ为退火温度参数，ρ为(0,1]的随机数，
退火代数为αND，其中，α为控制算法运行速度和收敛状态的参数，D为松弛参数，表示员工计划排班数量与员工实际需求数量之间的最大偏移量，N为参与排班的员工人数；
随机退火：将初始解X即可行排班方案中的一个排班日与休息日进行交换，满足硬性约束条件的情况下，得到一个新排班方案X'，若不满足硬性约束条件，则重新选择排班日与休息日进行交换，
计算增量ΔC＝C(X')-C(X)，其中，C(X)为评价函数，
若ΔC<0，则接受X'作为新的当前解，否则以概率exp(-ΔC/Tn)接受X'作为新的当前解；
如果现有温度达到热平衡，热平衡为某一温度下，连续计算5次结果相同，则Ti+1＝ρ*Ti，如果运算达到预设退火代数αND，停止运算，当前结果视为最优解，否则将已退火温度Ti+1代入上述随机退火中，若没能达成热平衡，则温度不变，将原温度Ti代入上述随机退火中。
相对于现有技术，本发明的基于模拟退火算法的机场智能排班方法基于航班计划对一线机场员工进行排班，采用模拟退火算法对排班计划进行推演，改进了传统依赖人力、估计不科学的排班方式，大大提升了人力资源的利用率，同时使业务流程化、行为标准化、决策程序化、组织系统化，打破以往缺乏统一规划的人力资源管理模式，量化了管理水平，也使得管理者更容易掌握一线机场员工的工作情况。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本实施例的基于模拟退火算法的机场智能排班方法的示例性流程框图。
图2是本实施例的初始解X的算法的示例性流程框图。
图3是利用模拟退火算法对参与排班的员工进行排班的一示例性流程框图。
具体实施方式
以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
请参阅图1，图1是本实施例的基于模拟退火算法的机场智能排班方法的示例性流程框图。本实施例的基于模拟退火算法的机场智能排班方法，包括：
步骤101，录入参与排班的员工信息,；
步骤102，录入排班周期内的航班计划；
步骤103，设定约束条件，设定目标函数；
步骤104，利用模拟退火算法对参与排班的员工进行排班；
步骤105，生成员工排班计划，员工依照员工排班计划进行生产活动。
上述步骤101中，所述参与排班的员工信息，包括：
员工基本信息：员工姓名、员工编号、员工年龄、员工性别；
员工教育信息：员工职称、员工学历；
员工工作技能信息：员工岗位职级，员工工作技能等级；
员工健康信息：员工健康状况；
员工薪酬信息：员工的薪酬等级。
上述步骤102中，所述排班周期内的航班计划，包括：排班周期内每个排班日航班计划的航班号、机型、计划起飞时间、计划降落时间、航班属性、航班任务、是否为要客航班、航班及机组的特殊要求。
上述步骤103中，所述设定约束条件，包括设定硬性约束条件：
每个排班日内，每位员工的排班量≤一个班次；
每个排班日内，排班的员工数量≥当日航班计划内的航班需求员工数量；
同一位员工相邻的排班时间间隔≥8h；
设定排班周期内每位员工排班总时长的上限和下限；
每位员工的员工岗位职级等于或高于执行的工作级别。
上述描述中，所述设定硬性约束条件，包括：
设N为参与排班的员工人数，
W为排班周期内排班日的集合，
m为排班日内划分的时间段的个数，
M为排班周期内划分的时间段个数，
Rt为t时间段内需要排班的最少员工人数，
D为松弛参数，表示员工计划排班数量与员工实际需求数量之间的最大偏移量；
进一步，
设Wmin为排班周期内每位员工排班总时长的下限，
Wmax为排班周期内每位员工排班总时长的上限，
Wi为员工i在排班周期内排班日的集合，
Siw为员工i在排班周期内排班日w的上班开始时间，
Fiw为员工i在排班周期内排班日w的上班结束时间，
xit∈[0,1]为员工i在时间段t内是否上班，0为休息，1为上班，
qik∈[0,1]为员工i的员工岗位职级是否等于或高于执行的工作级别k，0为员工岗位职级低于执行的工作级别k，1为员工岗位职级等于或高于执行的工作级别k，
atk为时间段t内工作级别k需求在岗的人数，
at为时间段t内实际在岗的员工人数，
l为服务质量参数，
则，得到
第一硬性约束条件
第二硬性约束条件Rt≤at≤Rt+1D，
第三硬性约束条件Fiw-Siw+1≥8，
第四硬性约束条件Wmin＜Wi＜Wmax，
第五硬性约束条件
上述步骤103中，所述设定约束条件，还包括设定软性约束条件：排班周期内，将每个参与排班的员工的排班平均分布在各个时间段。
上述步骤103中，所述设定目标函数，包括：
设ci为员工i的薪酬等级，
ā为员工在排班周期内的平均工作时间，
c为公平性参数，
h为成本参数，
则，
目标函数为
请参阅图2，图2是本实施例的初始解X的算法的示例性流程框图。
上述步骤104中，所述利用模拟退火算法对参与排班的员工进行排班，包括：得到一个初始解X作为可行排班方案，该初始解X的算法如下：
A1.从参与排班的员工中随机选择一名员工i；
A2.对员工i在排班周期内进行排班，并满足第一硬性约束条件、第二硬性约束条件、第三硬性约束条件和第四硬性约束条件；
A3.把员工i从参与排班的员工中移除；
A4.对其他尚未参与排班的员工进行排班，并检查是否所有参与排班的员工都已排班，若是，则将结果代入目标函数，运算结束，否则返回执行A1；
A5.得到初始解X。
上述描述中，若所述初始解X不满足第五硬性约束条件，则在所述目标函数中加入惩罚系数H，将目标函数修正为：
将修正后的目标函数替换A4中的目标函数，运算得到满足硬性约束条件的初始解X。
请参阅图3，图3是利用模拟退火算法对参与排班的员工进行排班的一示例性流程框图。
上述步骤104中，所述利用模拟退火算法对参与排班的员工进行排班，还包括：
设T为初始温度，
ρ为退火温度参数，ρ为(0,1]的随机数，
退火代数为αND，其中，α为控制算法运行速度和收敛状态的参数，D为松弛参数，表示员工计划排班数量与员工实际需求数量之间的最大偏移量，N为参与排班的员工人数；
随机退火：将初始解X即可行排班方案中的一个排班日与休息日进行交换，满足硬性约束条件的情况下，得到一个新排班方案X'，若不满足硬性约束条件，则重新选择排班日与休息日进行交换，
计算增量ΔC＝C(X')-C(X)，其中，C(X)为评价函数，
若ΔC<0，则接受X'作为新的当前解，否则以概率exp(-ΔC/Tn)接受X'作为新的当前解；
如果现有温度达到热平衡，热平衡为某一温度下，连续计算5次结果相同，则Ti+1＝ρ*Ti，如果运算达到预设退火代数αND，停止运算，当前结果视为最优解，否则将已退火温度Ti+1代入上述随机退火中，若没能达成热平衡，则温度不变，将原温度Ti代入上述随机退火中。
本发明的基于模拟退火算法的机场智能排班方法充分利用信息化手段，结合机场的信息资源，使得机场的人力资源得到充分的利用，在一定程度上优化机场的人力资源利用率，加强了机场的应急处理能力。
相对于现有技术，本发明的基于模拟退火算法的机场智能排班方法基于航班计划对一线机场员工进行排班，采用模拟退火算法对排班计划进行推演，改进了传统依赖人力、估计不科学的排班方式，大大提升了人力资源的利用率，同时使业务流程化、行为标准化、决策程序化、组织系统化，打破以往缺乏统一规划的人力资源管理模式，量化了管理水平，也使得管理者更容易掌握一线机场员工的工作情况。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (9)

1.一种基于模拟退火算法的机场智能排班方法，其特征在于，包括：
录入参与排班的员工信息；
录入排班周期内的航班计划；
设定约束条件，设定目标函数；
利用模拟退火算法对参与排班的员工进行排班；
生成员工排班计划，员工依照员工排班计划进行生产活动。
2.根据权利要求1所述的基于模拟退火算法的机场智能排班方法，其特征在于，所述参与排班的员工信息，包括：
员工基本信息：员工姓名、员工编号、员工年龄、员工性别；
员工教育信息：员工职称、员工学历；
员工工作技能信息：员工岗位职级，员工工作技能等级；
员工健康信息：员工健康状况；
员工薪酬信息：员工的薪酬等级。
所述排班周期内的航班计划，包括：排班周期内每个排班日航班计划的航班号、机型、计划起飞时间、计划降落时间、航班属性、航班任务、是否为要客航班、航班及机组的特殊要求。
3.根据权利要求2所述的基于模拟退火算法的机场智能排班方法，其特征在于，所述设定约束条件，包括设定硬性约束条件：
每个排班日内，每位员工的排班量≤一个班次；
每个排班日内，排班的员工数量≥当日航班计划内的航班需求员工数量；
同一位员工相邻的排班时间间隔≥8h；
设定排班周期内每位员工排班总时长的上限和下限；
每位员工的员工岗位职级等于或高于执行的工作级别。
4.根据权利要求3所述的基于模拟退火算法的机场智能排班方法，其特征在于，所述设定硬性约束条件，包括：
设N为参与排班的员工人数，
W为排班周期内排班日的集合，
m为排班日内划分的时间段的个数，
M为排班周期内划分的时间段个数，
Rt为t时间段内需要排班的最少员工人数，
D为松弛参数，表示员工计划排班数量与员工实际需求数量之间的最大偏移量；
进一步，
设Wmin为排班周期内每位员工排班总时长的下限，
Wmax为排班周期内每位员工排班总时长的上限，
Wi为员工i在排班周期内排班日的集合，
Siw为员工i在排班周期内排班日w的上班开始时间，
Fiw为员工i在排班周期内排班日w的上班结束时间，
xit∈[0,1]为员工i在时间段t内是否上班，0为休息，1为上班，
qik∈[0,1]为员工i的员工岗位职级是否等于或高于执行的工作级别k，0为员工岗位职级低于执行的工作级别k，1为员工岗位职级等于或高于执行的工作级别k，
atk为时间段t内工作级别k需求在岗的人数，
at为时间段t内实际在岗的员工人数，
l为服务质量参数，
则，得到
第一硬性约束条件t∈W，sum(xit)＝sum(Wi)，
第二硬性约束条件Rt≤at≤Rt+ID，
第三硬性约束条件Fiw-Siw+1≥8，
第四硬性约束条件Wmin＜Wi＜Wmax，
第五硬性约束条件
5.根据权利要求4所述的基于模拟退火算法的机场智能排班方法，其特征在于，所述设定约束条件，还包括设定软性约束条件：排班周期内，将每个参与排班的员工的排班平均分布在各个时间段。
6.根据权利要求4或5所述的基于模拟退火算法的机场智能排班方法，其特征在于，所述设定目标函数，包括：
设ci为员工i的薪酬等级，
ā为员工在排班周期内的平均工作时间，
c为公平性参数，
h为成本参数，
则，
目标函数为
7.根据权利要求6所述的基于模拟退火算法的机场智能排班方法，其特征在于，所述利用模拟退火算法对参与排班的员工进行排班，包括：得到一个初始解X作为可行排班方案，该初始解X的算法如下：
A1.从参与排班的员工中随机选择一名员工i；
A2.对员工i在排班周期内进行排班，并满足第一硬性约束条件、第二硬性约束条件、第三硬性约束条件和第四硬性约束条件；
A3.把员工i从参与排班的员工中移除；
A4.对其他尚未参与排班的员工进行排班，并检查是否所有参与排班的员工都已排班，若是，则将结果代入目标函数，运算结束，否则返回执行A1；
A5.得到初始解X。
8.根据权利要求7所述的基于模拟退火算法的机场智能排班方法，其特征在于，若所述初始解X不满足第五硬性约束条件，则在所述目标函数中加入惩罚系数H，将目标函数修正为：
将修正后的目标函数替换A4中的目标函数，运算得到满足硬性约束条件的初始解X。
9.根据权利要求8所述的基于模拟退火算法的机场智能排班方法，其特征在于，所述利用模拟退火算法对参与排班的员工进行排班，还包括：
设T为初始温度，
ρ为退火温度参数，ρ为(0,1]的随机数，
退火代数为αND，其中，α为控制算法运行速度和收敛状态的参数，D为松弛参数，表示员工计划排班数量与员工实际需求数量之间的最大偏移量，N为参与排班的员工人数；
随机退火：将初始解X即可行排班方案中的一个排班日与休息日进行交换，满足硬性约束条件的情况下，得到一个新排班方案X'，若不满足硬性约束条件，则重新选择排班日与休息日进行交换，
计算增量ΔC＝C(X')-C(X)，其中，C(X)为评价函数，
若ΔC<0，则接受X'作为新的当前解，否则以概率exp(-ΔC/Tn)接受X'作为新的当前解；
如果现有温度达到热平衡，热平衡为某一温度下，连续计算5次结果相同，则Ti+1＝ρ*Ti，如果运算达到预设退火代数αND，停止运算，当前结果视为最优解，否则将已退火温度Ti+1代入上述随机退火中，若没能达成热平衡，则温度不变，将原温度Ti代入上述随机退火中。
CN201811452920.1A 2018-11-30 2018-11-30 一种基于模拟退火算法的机场智能排班方法 Pending CN109377192A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811452920.1A CN109377192A (zh) 2018-11-30 2018-11-30 一种基于模拟退火算法的机场智能排班方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811452920.1A CN109377192A (zh) 2018-11-30 2018-11-30 一种基于模拟退火算法的机场智能排班方法

Publications (1)

Publication Number Publication Date
CN109377192A true CN109377192A (zh) 2019-02-22

Family

ID=65374935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811452920.1A Pending CN109377192A (zh) 2018-11-30 2018-11-30 一种基于模拟退火算法的机场智能排班方法

Country Status (1)

Country Link
CN (1) CN109377192A (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110298593A (zh) * 2019-07-04 2019-10-01 华中师范大学 人力成本计算方法及装置
CN110310015A (zh) * 2019-06-10 2019-10-08 广州思创科技发展有限公司 一种预防公交车司机疲劳驾驶的排班方法及系统
CN110598991A (zh) * 2019-08-15 2019-12-20 中国民用航空总局第二研究所 一种基于机器学习的管制员排班方法
CN110717616A (zh) * 2019-08-30 2020-01-21 中国南方航空股份有限公司 一种民航机组人力资源预测方法、电子设备及存储介质
CN110717140A (zh) * 2019-09-30 2020-01-21 上海上实龙创智慧能源科技股份有限公司 一种多用工目标的排班方法
CN110751358A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种机场地面服务人员的排班方法、电子设备及存储介质
CN112348368A (zh) * 2020-11-11 2021-02-09 悠桦林信息科技(上海)有限公司 航空地勤自动排班与智能调度系统
CN112381261A (zh) * 2020-09-17 2021-02-19 苏州盖雅信息技术有限公司 灵活用工班次需求发布系统及计算方法
CN112613667A (zh) * 2020-12-26 2021-04-06 悠桦林信息科技(上海)有限公司 客舱人员自动排班方法
CN112668938A (zh) * 2021-01-18 2021-04-16 中国民航信息网络股份有限公司 一种排班规划方法及相关设备
CN112884433A (zh) * 2021-02-03 2021-06-01 成都翼天航空技术服务有限公司 一种管制员的排班系统及方法
CN112966904A (zh) * 2021-02-04 2021-06-15 成都国翼电子技术有限公司 基于整数规划的机场服务人员排班方法、装置、设备及存储介质
CN113034015A (zh) * 2021-03-31 2021-06-25 广东工业大学 一种基于约束松弛求解的机场值机人员排班方法
CN113344466A (zh) * 2021-07-20 2021-09-03 南京旭嵘产品设计有限公司 一种基于云端处理的排班系统
CN113379205A (zh) * 2021-05-28 2021-09-10 上海春秋航空科技有限公司 一种机组排班方法
CN113570178A (zh) * 2020-04-28 2021-10-29 阿里巴巴集团控股有限公司 排班方法、设备、装置及存储介质
CN114254902A (zh) * 2021-12-13 2022-03-29 四川启睿克科技有限公司 一种多产线人员调度方法
CN116307548A (zh) * 2023-02-28 2023-06-23 广州铁科智控有限公司 一种轨道交通检修计划生成与排班方法、介质与设备
CN118134225A (zh) * 2024-05-10 2024-06-04 民航成都信息技术有限公司 基于随机事件场景的机场值机人员调度方法、装置、设备及介质

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110310015A (zh) * 2019-06-10 2019-10-08 广州思创科技发展有限公司 一种预防公交车司机疲劳驾驶的排班方法及系统
CN110298593A (zh) * 2019-07-04 2019-10-01 华中师范大学 人力成本计算方法及装置
CN110598991A (zh) * 2019-08-15 2019-12-20 中国民用航空总局第二研究所 一种基于机器学习的管制员排班方法
CN110717616A (zh) * 2019-08-30 2020-01-21 中国南方航空股份有限公司 一种民航机组人力资源预测方法、电子设备及存储介质
CN110751358A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种机场地面服务人员的排班方法、电子设备及存储介质
CN110717140A (zh) * 2019-09-30 2020-01-21 上海上实龙创智慧能源科技股份有限公司 一种多用工目标的排班方法
CN113570178A (zh) * 2020-04-28 2021-10-29 阿里巴巴集团控股有限公司 排班方法、设备、装置及存储介质
CN113570178B (zh) * 2020-04-28 2024-09-03 阿里巴巴集团控股有限公司 排班方法、设备、装置及存储介质
CN112381261A (zh) * 2020-09-17 2021-02-19 苏州盖雅信息技术有限公司 灵活用工班次需求发布系统及计算方法
CN112348368A (zh) * 2020-11-11 2021-02-09 悠桦林信息科技(上海)有限公司 航空地勤自动排班与智能调度系统
CN112613667A (zh) * 2020-12-26 2021-04-06 悠桦林信息科技(上海)有限公司 客舱人员自动排班方法
CN112668938A (zh) * 2021-01-18 2021-04-16 中国民航信息网络股份有限公司 一种排班规划方法及相关设备
CN112884433A (zh) * 2021-02-03 2021-06-01 成都翼天航空技术服务有限公司 一种管制员的排班系统及方法
CN112884433B (zh) * 2021-02-03 2024-04-09 成都翼天航空技术服务有限公司 一种管制员的排班系统及方法
CN112966904A (zh) * 2021-02-04 2021-06-15 成都国翼电子技术有限公司 基于整数规划的机场服务人员排班方法、装置、设备及存储介质
CN113034015A (zh) * 2021-03-31 2021-06-25 广东工业大学 一种基于约束松弛求解的机场值机人员排班方法
CN113034015B (zh) * 2021-03-31 2024-03-19 广东工业大学 一种基于约束松弛求解的机场值机人员排班方法
CN113379205B (zh) * 2021-05-28 2023-08-18 上海春秋航空科技有限公司 一种机组排班方法
CN113379205A (zh) * 2021-05-28 2021-09-10 上海春秋航空科技有限公司 一种机组排班方法
CN113344466B (zh) * 2021-07-20 2023-12-12 南京旭嵘产品设计有限公司 一种基于云端处理的排班系统
CN113344466A (zh) * 2021-07-20 2021-09-03 南京旭嵘产品设计有限公司 一种基于云端处理的排班系统
CN114254902A (zh) * 2021-12-13 2022-03-29 四川启睿克科技有限公司 一种多产线人员调度方法
CN114254902B (zh) * 2021-12-13 2024-04-02 四川启睿克科技有限公司 一种多产线人员调度方法
CN116307548A (zh) * 2023-02-28 2023-06-23 广州铁科智控有限公司 一种轨道交通检修计划生成与排班方法、介质与设备
CN118134225A (zh) * 2024-05-10 2024-06-04 民航成都信息技术有限公司 基于随机事件场景的机场值机人员调度方法、装置、设备及介质
CN118134225B (zh) * 2024-05-10 2024-08-02 民航成都信息技术有限公司 基于随机事件场景的机场值机人员调度方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN109377192A (zh) 一种基于模拟退火算法的机场智能排班方法
CN105575108B (zh) 一种智能公交调度运营方法
Testi et al. A three-phase approach for operating theatre schedules
Ball et al. Assessing the benefits of collaborative decision making in air traffic management
US8290804B2 (en) Method and apparatus for automated time banking and workforce scheduling
CN109872073A (zh) 一种电力调度值班排班系统
Petrovic “You have to get wet to learn how to swim” applied to bridging the gap between research into personnel scheduling and its implementation in practice
CN113034015B (zh) 一种基于约束松弛求解的机场值机人员排班方法
CN108229915A (zh) 一种船员智能匹配系统及方法
CN112348368A (zh) 航空地勤自动排班与智能调度系统
CN114037346A (zh) 一种智能飞行机组组环的生成方法及设备
Çetin et al. Nurse scheduling using binary fuzzy goal programming
Roman The PERT system: An appraisal of program evaluation review technique
CN116911816A (zh) 智能飞行机组排班方法及系统
CN108877201A (zh) 一种基于交通指挥指数的警力资源优化方法
CN115409243A (zh) 一种运营资源分配与任务调度方法和终端
Wu et al. Two stochastic optimization methods for shift design with uncertain demand
Cavada et al. A workforce planning and allocation model for the outbound baggage loading area at Santiago International Airport
Sauer et al. Modelling and solving workforce scheduling problems
Korneev et al. An Algorithm for the Distribution of Performers by Work, Taking Into Account the Priority of Tasks and the Specifics of the Necessary Skills
Chouhan et al. Skill capacity planning and transformation scheduling of IT workforce under stochastic learning and turnover
Chu A goal programming model for crew duties generation
CN111062541B (zh) 闲置航班分配方法及系统
Simsek et al. Cost of fairness in agent scheduling for contact centers
Gunes Workforce scheduling

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190222

WD01 Invention patent application deemed withdrawn after publication