CN110717140A - 一种多用工目标的排班方法 - Google Patents
一种多用工目标的排班方法 Download PDFInfo
- Publication number
- CN110717140A CN110717140A CN201910941236.8A CN201910941236A CN110717140A CN 110717140 A CN110717140 A CN 110717140A CN 201910941236 A CN201910941236 A CN 201910941236A CN 110717140 A CN110717140 A CN 110717140A
- Authority
- CN
- China
- Prior art keywords
- shift
- scheduling
- constraint
- staff
- employee
- 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 24
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 206010019799 Hepatitis viral Diseases 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 201000001862 viral hepatitis Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种多用工目标的排班方法,包括:设定员工在排班环境中必须满足的约束条件为强约束条件,设定员工在排班环境中尽可能多的去满足的条件为弱约束条件,以整个公司成本最小和员工工作的满意度最高为目标函数,建立员工排班模型,通过求解员工排班模型得到员工排班结果。与现有技术相比,本发明在没有人工参与的情况下,根据人员用工目标及约束条件,可以自动进行周期性排班,目标导向明确,实现智能化排班;采用客观、透明、大数据决策,排班操作成本低;批量执行排班,提高了排班效率。
Description
技术领域
本发明涉及计算机技术领域,尤其是涉及一种多用工目标的排班方法。
背景技术
目前国内员工排班问题研究起步较晚,主要是按以下规则排班:按功能模式和整体护理模式排班;按固定、弹性、“多班制”、“早中晚”排班;员工自我排班等简单手工排班模式。而定量排班的ILP模型的约束条件并未考虑“早中晚”等机制用工目标和排班公平性等,难以综合考虑以企业用工的需要为中心、互补增值、均衡平等、稳定机制、人性化原则,故缺乏一套有效的模型优化机制。特别是在大型企业中,面对数千员工,复杂的岗位设定,在排班时以人为判断来进行决策,这样做既费力又低效,而且无法兼顾各项排班指标。由于一系列约束条件和员工的偏好,整个员工排班模型是复杂的组合优化问题,解决此问题能有效推动调度算法的改进。随着现代企业的发展,外部社会专业劳动力紧缺和企业内部员工短缺以及员工自身的潜在需求,迫切需要实现信息化的员工排班系统,从而有效的改善员工的管理和工作状况,整合各企业现有资源优势,更好的为管理层服务,有效改善内部管理层与基层的关系,促进企业的长久和谐发展。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多用工目标的排班方法。
本发明的目的可以通过以下技术方案来实现:
一种多用工目标的排班方法,包括:
设定员工在排班环境中必须满足的约束条件为强约束条件,设定员工在排班环境中尽可能多的去满足的条件为弱约束条件,以整个公司成本最小和员工工作的满意度最高为目标函数,建立员工排班模型,通过求解员工排班模型得到员工排班结果。
优选的,所述方法采用APN排班模式,包括A班、P班和N班。
优选的,所述强约束条件包括:劳动法规约束、班次约束。
优选的,所述班次约束包括:每个班次的员工数不低于实际需求量约束,每位员工一天最多只能进行一个班次的工作约束,任何员工在相邻2天的班次不连续约束,在一个排班周期内的员工班次约束。
优选的,所述在一个排班周期内的员工班次约束包括:在一个排班周期内,每位员工的最长工作班次不能超过规定的上限约束,每位员工的最短工作班次不能少于规定的下限约束,每位员工的最长连续N班不能超过规定的上限约束,每位员工的最长连续班次不能超过规定的上限约束。
优选的,所述弱约束条件包括:周末休息约束、排班公平性约束。
优选的,所述周末休息约束包括:尽可能多的员工在周末至少休息一天约束。
优选的,所述求解员工排班模型的过程中若求解最小值后不满足收敛准则,则使用分支定界法求局部最小值后,利用排班规则产生函数新个体,以一定概率接受新个体,若抽样稳定,则进行退回操作,重新进行最小值求解。
与现有技术相比,本发明在没有人工参与的情况下,根据人员用工目标及约束条件,可以自动进行周期性排班,目标导向明确,实现智能化排班;采用客观、透明、大数据决策,排班操作成本低;批量执行排班,提高了排班效率;定时执行排班,在往后一定周期内进行排班操作。
附图说明
图1为本发明中求解员工排班模型的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
在实际的员工排班中,约束条件主要包括工作强度要求、夜班班次要求、员工对工作环境的满意度、工作时段的偏好和排班公平性等。排班问题的目标就是在一个排班周期内(一周或一月),满足一系列劳动约束和公司资源需求的约束,使得整个公司成本最小化和工作的满意度最高。
排班问题要服从以下的三个关键假设:
(1)排班模型的约束条件必须符合我国现行的劳动法规和各公司工作实际状况;
(2)员工的自身的要求要尽量去满足,这对于排班问题的研究是很重要的;
(3)没有必要把在岗的所有员工都考虑在员工排班模型之中。那些实习和兼职的员工可以实行排班后,根据实际情况动态调整到排班表中。
“APN”时间制,即每天平均分为3个班次:其中A班(8:00-16:00),P班(16:00-0:00),N班(0:00-8:00)。若将“休班”定义为R(rest)班,那么员工的排班主要指A班、P班、N班和R班。
本申请提出一种多用工目标的排班方法,包括:
设定员工在排班环境中必须满足的约束条件为强约束条件,设定员工在排班环境中尽可能多的去满足的条件为弱约束条件,以整个公司成本最小和员工工作的满意度最高为目标函数,建立员工排班模型,通过求解员工排班模型得到员工排班结果。
本方法采用APN排班模式,包括A班、P班和N班。
强约束条件(Hard Constraint,HC)是在员工排班环境中都必须满足的约束条件,否则整个排班表就不可行。强约束条件劳动法规约束、班次约束等。
本实施例中,班次约束包括:A班和P班均有1-2名中级资质以上的员工;每个班次(A班、P班和N班)的员工数不低于实际需求量约束;每位员工一天最多只能进行一个班次的工作约束;任何员工在相邻2天的班次不连续约束(若第1天排N班,则第2天不能排A班);在一个排班周期内,每位员工的最长工作班次不能超过规定的上限约束;在一个排班周期内,每位员工的最短工作班次不能少于规定的下限约束;在一个排班周期内,每位员工的最长连续N班不能超过规定的上限约束;在一个排班周期内,每位员工的最长连续班次不能超过规定的上限约束。
弱约束条件(Soft Constraint,SC)是指在实际员工排班中尽可能多的去满足的条件,每个公司在实际排班中将弱约束条件进行调整和增加,本实施例主要考虑员工的周末休息和排班的公平性,包括:
周末休息约束:尽可能多的员工在周末至少休息一天约束;
排班公平性约束:不对某个员工特殊照顾A班约束。
如果员工的排班表满足了所有的强、弱约束条件,则为可行的员工排班表,如表1所示:
表1可行员工排班表
周一 | 周二 | 周三 | 周四 | 周五 | 周六 | 周日 | |
1 | A | A | P | R | N | N | R |
2 | R | A | N | N | R | P | N |
…… | |||||||
N | P | N | N | R | A | A | R |
本实施例中,参数假设:
I={1,2,...n}表示n名员工集合;
T={1,2,...J}表示一个排班周期内的天数集合;
K={1,2,3,4}表示每天班次的类型(A,P,N,R);
m表示在一个排班周期内,每位员工的最长工作时间;
w表示在一个排班周期内,每位员工的最短工作时间;
n1表示在一个排班周期内,每位员工连续夜班的最长时间;
n2表示在一个排班周期内,每位员工连续班次的最长时间;
cijk表示第i位员工在第j天选择第k个班次工作的工资等级,记为cijk={1,2,3,4,5};
djk表示在第j天第k班次对员工的需求量;
pik表示第i位员工对第k个班次的工作满意度,记为pik={1(非常不满意),2(不满意),3(一般),4(满意),5(非常满意)};
xijk=1表示第i位员工在第J天安排第k个班次,反之xijk=0;
λ1表示工资成本权重系数,其中λ1∈[0,1];
λ2表示班次满意度权重系数,其中λ2∈[0,1];
基于上述定义的参数,建立员工排班模块如下:
目标函数为:minF(x)=[f1(x),f2(x)]
其中,
强约束调件为:
HC1:
HC2:
HC3:
HC4:
HC5:
HC6:
HC7:
HC8:
弱约束条件为:
SC1:
SC2:
员工排班模型要求在任何排班中强约束条件都必须满足,并尽可能多的满足弱约束条件。可根据实际环境中的重要性程度将弱约束做出如下的顺序:SC1~>SC2,其中“~>”表示优先级,优先级的顺序由公司决定。
由此可将员工排班模型简化为:
s.t.HC1:HC8,SC1,SC2
上述模型是一个典型的0-1整数规划模型,包含4×n×J个0-1决策变量,以及(17+2n)J+(2+n1+n2)n个约束方程。由于是在固定周期T内进行n位员工排班,并假设每日分4个班次,故模型的求解难度与员工数量呈线性关系。
如图1所示,求解员工排班模型的过程包括:
步骤1:状态初始化:
步骤2:通过数学算法求解确定最大值、次大值、最小值:
步骤3:判断算法收敛准则是否满足,满足则输出结果,否则转到步骤4;
步骤4:使用分支定界算法求出局部最小值;
步骤5:对种群中每个个体分别进行搜索;
步骤6:利用排班规则,即“自动排班规则”和“个别班次调整规则”产生函数新个体;
步骤7:以一定概率接受新个体;
步骤8:抽样稳定,则进行退回操作,跳到步骤2;否则返回步骤5;
步骤9:退出。
Claims (8)
1.一种多用工目标的排班方法,其特征在于,包括:
设定员工在排班环境中必须满足的约束条件为强约束条件,设定员工在排班环境中尽可能多的去满足的条件为弱约束条件,以整个公司成本最小和员工工作的满意度最高为目标函数,建立员工排班模型,通过求解员工排班模型得到员工排班结果。
2.根据权利要求1所述的一种多用工目标的排班方法,其特征在于,所述方法采用APN排班模式,包括A班、P班和N班。
3.根据权利要求2所述的一种多用工目标的排班方法,其特征在于,所述强约束条件包括:劳动法规约束、班次约束。
4.根据权利要求3所述的一种多用工目标的排班方法,其特征在于,所述班次约束包括:每个班次的员工数不低于实际需求量约束,每位员工一天最多只能进行一个班次的工作约束,任何员工在相邻2天的班次不连续约束,在一个排班周期内的员工班次约束。
5.根据权利要求4所述的一种多用工目标的排班方法,其特征在于,所述在一个排班周期内的员工班次约束包括:在一个排班周期内,每位员工的最长工作班次不能超过规定的上限约束,每位员工的最短工作班次不能少于规定的下限约束,每位员工的最长连续N班不能超过规定的上限约束,每位员工的最长连续班次不能超过规定的上限约束。
6.根据权利要求2所述的一种多用工目标的排班方法,其特征在于,所述弱约束条件包括:周末休息约束、排班公平性约束。
7.根据权利要求6所述的一种多用工目标的排班方法,其特征在于,所述周末休息约束包括:尽可能多的员工在周末至少休息一天约束。
8.根据权利要求1所述的一种多用工目标的排班方法,其特征在于,所述求解员工排班模型的过程中若求解最小值后不满足收敛准则,则使用分支定界法求局部最小值后,利用排班规则产生函数新个体,以一定概率接受新个体,若抽样稳定,则进行退回操作,重新进行最小值求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910941236.8A CN110717140A (zh) | 2019-09-30 | 2019-09-30 | 一种多用工目标的排班方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910941236.8A CN110717140A (zh) | 2019-09-30 | 2019-09-30 | 一种多用工目标的排班方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110717140A true CN110717140A (zh) | 2020-01-21 |
Family
ID=69212134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910941236.8A Pending CN110717140A (zh) | 2019-09-30 | 2019-09-30 | 一种多用工目标的排班方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717140A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950886A (zh) * | 2020-08-06 | 2020-11-17 | 杭州电子科技大学 | 一种基于概率型自选班次的排班方法及系统 |
CN112330192A (zh) * | 2020-11-20 | 2021-02-05 | 山东师范大学 | 一种能够描述交替班次连续数量的排班优化方法及系统 |
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 |
CN113469575A (zh) * | 2021-07-23 | 2021-10-01 | 拉扎斯网络科技(上海)有限公司 | 配送场景中的用户排班方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377192A (zh) * | 2018-11-30 | 2019-02-22 | 广东机场白云信息科技有限公司 | 一种基于模拟退火算法的机场智能排班方法 |
-
2019
- 2019-09-30 CN CN201910941236.8A patent/CN110717140A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377192A (zh) * | 2018-11-30 | 2019-02-22 | 广东机场白云信息科技有限公司 | 一种基于模拟退火算法的机场智能排班方法 |
Non-Patent Citations (8)
Title |
---|
彭黄莉等: "基于目标规划的连续性排班问题研究", 《武汉理工大学学报(信息与管理工程版)》 * |
彭黄莉等: "基于目标规划的连续性排班问题研究", 《武汉理工大学学报(信息与管理工程版)》, no. 05, 15 October 2013 (2013-10-15), pages 2 - 3 * |
李莉楠等: "医院中心导管室护士排班的实践探讨", 《中国医院管理》 * |
李莉楠等: "医院中心导管室护士排班的实践探讨", 《中国医院管理》, no. 12, 5 December 2013 (2013-12-05), pages 1 * |
艾杰: "基于分支定界算法的护士排班模型研究", 《科学技术与工程》 * |
艾杰: "基于分支定界算法的护士排班模型研究", 《科学技术与工程》, no. 13, 8 May 2012 (2012-05-08), pages 1 - 3 * |
艾杰;: "基于分支定界算法的护士排班模型研究", 科学技术与工程, no. 13, pages 1 - 3 * |
陈彦明;: "基于人工干涉与模拟退火算法的排课系统设计与实现", 科学大众, no. 08, pages 1 - 3 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950886A (zh) * | 2020-08-06 | 2020-11-17 | 杭州电子科技大学 | 一种基于概率型自选班次的排班方法及系统 |
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 |
CN112330192A (zh) * | 2020-11-20 | 2021-02-05 | 山东师范大学 | 一种能够描述交替班次连续数量的排班优化方法及系统 |
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 |
CN113469575A (zh) * | 2021-07-23 | 2021-10-01 | 拉扎斯网络科技(上海)有限公司 | 配送场景中的用户排班方法、装置、电子设备及存储介质 |
CN113469575B (zh) * | 2021-07-23 | 2023-09-22 | 拉扎斯网络科技(上海)有限公司 | 配送场景中的用户排班方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717140A (zh) | 一种多用工目标的排班方法 | |
CN110751358A (zh) | 一种机场地面服务人员的排班方法、电子设备及存储介质 | |
US20060167731A1 (en) | Automatically scheduling meetings | |
CN107278304A (zh) | 用于基于患者爽约概率来调度健康护理预约的系统 | |
CN109978293A (zh) | 一种多任务智能排班方法、装置、设备和存储介质 | |
CN108256755A (zh) | 一种基于单个员工同时胜任多岗位要求的排班方法 | |
CN112348368A (zh) | 航空地勤自动排班与智能调度系统 | |
Liu et al. | A probabilistic strategy for temporal constraint management in scientific workflow systems | |
CN103279818A (zh) | 基于启发式遗传算法的云工作流调度方法 | |
US20090292578A1 (en) | Articulation Workload Metrics | |
Bekker et al. | Keeping pace with the ebbs and flows in daily nursing home operations | |
CN110705815A (zh) | 门店排班系统及方法 | |
Chang et al. | Network resource allocation with support of a fuzzy expert system | |
CN110196773A (zh) | 统一调度计算资源的多时间尺度安全校核系统及方法 | |
Akin et al. | Capacity management and patient scheduling in an outpatient clinic using discrete event simulation | |
Eliman | A decision support system for Univeristy admission policies | |
Dai et al. | Staff scheduling in call center considering global service quality | |
Srinivas et al. | Design and analysis of a hybrid appointment system for patient scheduling: An optimisation approach | |
Borokhovich et al. | Improving impact sourcing via efficient global service delivery | |
Franses et al. | Personnel scheduling in laboratories | |
Namoco et al. | Solving the nurse scheduling problem of private hospitals in the philippines using various operators for genetic algorithm | |
Nandi | Input control strategies for make-to-order manufacturing systems via order acceptance/rejection | |
Zhou et al. | Application of multi-objective genetic algorithm in personnel scheduling among warehouses | |
Ito | Optimal and Compromise Policies for Home Care: Scheduling Strategies of Local Government and Home Care Agency | |
CN117455139A (zh) | 一种基于多种群协同人工蜂群算法的最佳员工任务分配方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200121 |