CN112184087A - 用于输出信息的方法和装置 - Google Patents

用于输出信息的方法和装置 Download PDF

Info

Publication number
CN112184087A
CN112184087A CN202011228121.3A CN202011228121A CN112184087A CN 112184087 A CN112184087 A CN 112184087A CN 202011228121 A CN202011228121 A CN 202011228121A CN 112184087 A CN112184087 A CN 112184087A
Authority
CN
China
Prior art keywords
shift
employee
information
scheduling
solution
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.)
Granted
Application number
CN202011228121.3A
Other languages
English (en)
Other versions
CN112184087B (zh
Inventor
张瀚林
雷昌诚
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.)
JD Digital Technology Holdings Co Ltd
Original Assignee
JD Digital Technology Holdings Co 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 JD Digital Technology Holdings Co Ltd filed Critical JD Digital Technology Holdings Co Ltd
Priority to CN202011228121.3A priority Critical patent/CN112184087B/zh
Publication of CN112184087A publication Critical patent/CN112184087A/zh
Application granted granted Critical
Publication of CN112184087B publication Critical patent/CN112184087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06F17/15—Correlation function computation including computation of convolution 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
    • G06Q10/105—Human resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开的实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：第一获取单元获取规则配置信息；第二获取单元获取员工信息和班次信息；第三获取单元获取需要排班时间段的服务质量预测数据；建模单元基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型；计算单元基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元将解作为排班表输出。该实施方式通过一种自动化的方式解决目前手动排班工作量大且排班效果不佳的情况。

Description

用于输出信息的方法和装置
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。
背景技术
目前多数公司排班使用手动排班方式。通过对全量的客服以及班次信息进行逐个排班形成班表，也是公司目前的使用方式。部分公司使用半自动化排班方式，通过对部分强规则(如8小时工作制，双休保障)进行计算得到初始班表，通过人工做进一步调整。
目前手动排班工作量大且排班效果不佳。手动排班很难契合用户进线预测量。不能充分合理安排人员，保障员工合理诉求，也无法满足人力需求量。无法权衡不同排班因素在排班过程中的影响，很难达到最符合预期的排班结果。不能灵活调整已有班表，且无法避免计算最优解时间过长的问题。
发明内容
本公开的实施例提出了用于输出信息的方法和装置。
第一方面，本公开的实施例提供了一种用于输出信息的方法，包括：第一获取单元获取规则配置信息。第二获取单元获取员工信息和班次信息。第三获取单元获取需要排班时间段的服务质量预测数据。建模单元基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型。计算单元基于线性规划以及最优化问题的算法计算出排班模型的解。输出单元将解作为排班表输出，其中，解包括员工标识、班次标识、日期。
在一些实施例中，建模单元基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型，包括：建模单元根据每个员工的预期工时和实际工时之差建立工时限制模型。建模单元基于服务质量预测数据建立班次需求模型。计算单元基于线性规划以及最优化问题的算法计算出班次需求模型的解，得到排班时间段内每天的班次需求。建模单元基于排班时间段内每天的班次需求以及每个员工的工作效率建立接通率模型。建模单元基于规则配置信息、员工信息、班次信息、工时限制模型建立排班模型。
在一些实施例中，规则配置信息包括强规则和软规则。以及该方法还包括：修改单元接收修改排班表的请求，其中，请求包括第一员工的排班信息和第二员工的排班信息，排班信息包括员工标识和班次标识。计算单元将第一员工的排班信息和第二员工的排班信息与强规则结合，试着基于线性规划以及最优化问题的算法计算出排班模型的解。输出单元若判断出无解，则修改排班表失败。
在一些实施例中，该方法还包括：输出单元若判断出有解，则根据排班模型的解修改排班表。
在一些实施例中，计算单元基于线性规划以及最优化问题的算法计算出排班模型的解，包括：计算单元若检测到计算时间达到预定阈值，将基于线性规划以及最优化问题的算法计算出的结果作为排班模型的解。
在一些实施例中，计算单元基于线性规划以及最优化问题的算法计算出班次需求模型的解，得到排班时间段内每天的班次需求，包括：计算单元在基于线性规划以及最优化问题的算法计算出班次需求模型的解的过程中，使用每个变量值与平均值的差值的最大值的绝对值最小作为目标函数，对班次次数进行约束，得到排班时间段内每天的班次需求。
在一些实施例中，建模单元基于服务质量预测数据建立班次需求模型，包括：建模单元限制各个最小时间覆盖段至少应该达到的预测量在服务质量预测数据的上限和下限之间范围内。建模单元基于班次需求的预期值和预测值之差构建目标函数。
在一些实施例中，该方法还包括：修改单元接收包括员工标识和休假信息的员工信息修改请求；建模单元基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元将解作为排班表输出。
在一些实施例中，该方法还包括：修改单元接收包括员工标识和特殊员工限制的员工信息修改请求；建模单元基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元将解作为排班表输出。
在一些实施例中，排班信息包括第一员工的员工标识及其班次标识，第二员工的员工标识及其班次标识；以及该方法还包括：第二获取单元根据第一员工的员工标识获取第一员工信息以及根据第二员工的员工标识获取第二员工信息；第二获取单元根据第一员工的班次标识获取第一员工班次信息以及根据第二员工的班次标识获取第二员工班次信息；建模单元确定第一员工信息与第二员工班次信息的第一组合是否满足强规则；建模单元确定第二员工信息与第一员工班次信息的第二组合是否满足强规则；输出单元判断若第一组合和第二组合同时满足强规则，则将第一员工和第二员工的班次互换。在一些实施例中，规则配置信息包括强规则，包括：连续上班限制、晚班限制、工时限制、休假限制、排班顺序限制、特殊员工限制。
在一些实施例中，规则配置信息包括软规则，包括以下至少一项：单位时间的预估接通率达到100％。对于有员工请假的情况，或者有特殊班次需求被批准的，需要作为约束条件。每天、每人只能有1个班次。
第二方面，本公开的实施例提供了一种用于输出信息的装置，包括：第一获取单元，被配置成获取规则配置信息。第二获取单元，被配置成获取员工信息和班次信息。第三获取单元，被配置成获取需要排班时间段的服务质量预测数据。建模单元，被配置成基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型。云计算单元，被配置成基于线性规划以及最优化问题的算法计算出排班模型的解。输出单元，被配置成将解作为排班表输出，其中，解包括员工标识、班次标识、日期。
在一些实施例中，建模单元根据每个员工的预期工时和实际工时之差建立工时限制模型；建模单元基于所述服务质量预测数据建立班次需求模型；计算单元基于线性规划以及最优化问题的算法计算出所述班次需求模型的解，得到所述排班时间段内每天的班次需求；建模单元基于所述排班时间段内每天的班次需求以及每个员工的工作效率建立接通率模型；建模单元基于所述规则配置信息、所述员工信息、所述班次信息、所述接通率模型、所述工时限制模型建立排班模型。
在一些实施例中，规则配置信息包括强规则和软规则。以及该装置还包括修改单元，被配置成：接收包括待修改的排班信息的修改请求，其中，排班信息包括员工标识和班次标识。计算单元进一步被配置成：将排班信息与强规则结合，试着求解排班模型。输出单元进一步被配置成若判断出无解，则输出修改排班表失败信息。
在一些实施例中，输出单元进一步被配置成：若判断出有解，则根据排班模型的解修改排班表。
在一些实施例中，计算单元进一步被配置成：若检测到计算时间达到预定阈值，将基于线性规划以及最优化问题的算法计算出的结果作为排班模型的解。
在一些实施例中，计算单元进一步被配置成：在基于线性规划以及最优化问题的算法计算出班次需求模型的解的过程中，使用每个变量值与平均值的差值的最大值的绝对值最小作为目标函数，对班次次数进行约束，得到排班时间段内每天的班次需求。
在一些实施例中，建模单元进一步被配置成：限制各个最小时间覆盖段至少应该达到的预测量在服务质量预测数据的上限和下限之间范围内。基于班次需求的预期值和预测值之差构建目标函数。
在一些实施例中，修改单元进一步被配置成接收包括员工标识和休假信息的员工信息修改请求；建模单元进一步被配置成基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元进一步被配置成基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元进一步被配置成将解作为排班表输出。
在一些实施例中，修改单元进一步被配置成接收包括员工标识和特殊员工限制的员工信息修改请求；建模单元进一步被配置成基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元进一步被配置成基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元进一步被配置成将解作为排班表输出。
在一些实施例中，排班信息包括第一员工的员工标识及其班次标识，第二员工的员工标识及其班次标识；以及第二获取单元进一步被配置成根据第一员工的员工标识获取第一员工信息以及根据第二员工的员工标识获取第二员工信息；第二获取单元进一步被配置成根据第一员工的班次标识获取第一员工班次信息以及根据第二员工的班次标识获取第二员工班次信息；建模单元进一步被配置成确定第一员工信息与第二员工班次信息的第一组合是否满足强规则；建模单元进一步被配置成确定第二员工信息与第一员工班次信息的第二组合是否满足强规则；输出单元进一步被配置成判断若第一组合和第二组合同时满足强规则，则将第一员工和第二员工的班次互换。
在一些实施例中，规则配置信息包括强规则，包括：连续上班限制、晚班限制、工时限制、休假限制、排班顺序限制、特殊员工限制。
在一些实施例中，规则配置信息包括软规则，包括以下至少一项：单位时间的预估接通率达到100％。对于有员工请假的情况，或者有特殊班次需求被批准的，需要作为约束条件。每天、每人只能有1个班次。
第三方面，本公开的实施例提供了一种用于输出信息的电子设备，包括：一个或多个处理器。存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一项的方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一项的方法。
本公开的实施例提供的用于输出信息的方法和装置，能够通过自动化的方式解决目前手动排班工作量大且排班效果不佳的情况。使得对于不同班次的人力需求量可以最大限度的契合用户进线预测量。在人力不足的条件下能充分合理安排人员，保障员工合理诉求，并尽可能满足人力需求量。权衡不同排班因素在排班过程中的影响，达到最符合预期的排班结果。检测在紧急情况下对于已有班表进行调整在满足排班规则的情况下是否可行。获取计算结果的方法来平衡准确度与性能。使得在迭代计算最优解过程中，在一个合理的时间阈值内得到一个合理的计算结果，以避免计算最优解时间过长。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的用于输出信息的方法的一个实施例的流程图；
图3是根据本公开的用于输出信息的方法的又一个实施例的流程图；
图4是根据本公开的用于输出信息的方法的一个应用场景的示意图；
图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如排班类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的排班表提供支持的后台排班服务器。后台排班服务器可以对接收到的排班请求(指定某天休假等)、员工信息(是否孕产妇、能否上夜班等)等数据进行分析等处理，并将处理结果(例如排班表)反馈给终端设备。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开的实施例所提供的用于输出信息的方法一般由服务器105执行，相应地，用于输出信息的装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本公开的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：
步骤201，第一获取单元获取规则配置信息。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以获取本地存储的规则配置信息，或者通过有线连接方式或者无线连接方式从第三方服务器获取规则配置信息。规则配置信息可包括强规则和软规则。
强规则，指的是排班结果必须满足，如果不满足则表示无法排班。强规则也可以单独用于修改班表检测，用于相对快速的检测班表修改的合理性。强规则包括但不限于：连续上班限制、晚班限制、工时限制、休假限制、排班顺序限制、特殊员工限制。本申请涉及以下8种类型的强规则：
规则1、连续上班限制：例如，连续上班不超过6天，可以等于6天(包含跨周连上情况)。
规则2、晚班限制：例如，一周晚班(22:00下班)次数不可超过3次。
规则3、工时限制：例如，周工作时长需要满足不少于40工时要求。
规则4、休假限制：例如，周休天数除节假日情况外，原则上每周不超过2天(可连休、可分开休)。
规则5、特殊员工的排班顺序限制：例如，语音技能组一周内晚班(22:00以后下班(含22点))接早班(9:00之前上班(含9点))不可超过2次，可等于两次。
规则6、通用的排班顺序限制：例如，第一日24点之后(含24点)下班班次，第二日不能接10点之前(含10点)上班班次。
规则7、特殊员工限制：例如，孕、产妇不可排22:00之后下班(含22点下班)班次。
规则8、特殊员工限制：例如，某外包的小组、不能排20点之后的班。
软规则，通常是一个期望目标，如果排班计算过程中无法达到该目标，也会返回该结果，在排班计算过程中会尽可能接近预期目标值。
软规则，可包括以下至少一项：
规则a、单位时间的预估接通率达到100％；
规则b、对于有员工请假的情况，或者有特殊班次需求被批准的，需要作为约束条件；
规则c、每天、每人只能有1个班次。
步骤202，第二获取单元获取员工信息和班次信息。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以获取本地存储的员工信息和班次信息，或者通过有线连接方式或者无线连接方式从第三方服务器获取员工信息和班次信息。员工信息可包括员工标识、近期已上班和休假信息、特殊员工信息(例如，孕妇、产妇、外包等)，员工信息还可包括员工需求，例如，指定休假日为周六、周五不能上晚班、周一不能上早班等特殊的排班需求。班次信息表示的在一天工作时间段的命名：如A班表示9:00-18:00上班，B班表示13:00–22:00上班，C班表示8:00–12:00,18:00–22:00上班，休班表示当天休息。休班可当作一种班次。
步骤203，第三获取单元获取需要排班时间段的服务质量预测数据。
在本实施例中，服务质量可以通过各种指标来衡量，用于预测服务质量的数据即为服务质量预测数据，服务质量可以按时间段进行预测，因此服务质量预测数据也是分时间段的，如下表所示。对于客服系统，则可采用进线量来衡量。假如需要按下一周的班表，则根据历史时间段的服务质量来预测下一周的服务质量，例如，下一周中每天每个时间段的进线预测量。
预测时间段 预测值
00:00-00:30 24
00:30-01:00 14
01:00-01:30 13
01:30-02:00 10
…… ……
22:30-23:00 102
23:00-23:30 87
23:30-24:00 58
表1
步骤204，建模单元基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型。
在本实施例中，排班模型为线性规划模型，其中，强规则为约束条件，根据软规则建立目标函数。
首先建立一个表达式来用于表达班表中“员工”，“班次”，“时间”的安排方式。表达式的值取值为0(false)或者1(true)表示不排或者排班，如下所示。
◆schedule(2,1,4)＝＝1表示2号员工在第4天排1号班
◆schedule(3,5,6)＝＝0表示3号员工在第6天不排5号班
通过这个设计,的排班结果天然满足:每天、每人、每个班次只能排一次。
针对于排班需求归纳如下规则类型
单个单位排班的次数限制规则(强规则)
可以直接限制schedule(e,s,d)＝＝0或者schedule(e,s,d)＝＝1表示允许或者不允许员工e在时间d的班次s
规则7孕、产妇不可排22:00之后下班(含22点下班)班次的应用
设产妇的集合为C(c),22:00之后下班的班表集合为N(n),需要排班的天数集合D(d)，规则7可以表示为：
Figure BDA0002764271410000111
规则8某小组、不能排20点之后的班
设某小组的人员集合为J(j),22:00之后下班的班表集合为N(n),需要排班的天数集合D(d)，规则8可以表示为：
Figure BDA0002764271410000112
规则b对于有员工请假的情况，需要提前纳入排班考虑
员工e在d天请假的集合为V(e,d)，设休息的班表编号为REST:
Figure BDA0002764271410000113
多个单位班表的次数限制规则(强规则)
对于多个班次次数限制的情况因为通过0，1来表示是否安排对应的排班,可以通过简单的累加来完成如下式，其中lowerbound与upbound表示次数的上下限：
Figure BDA0002764271410000114
规则2一周排晚班(22:00后，或次日凌晨下班的班次)次数不可超过3次的应用
设22:00之后晚班集合为N(n),所有人员的集合为E(e),排班的天数集合为D(d)
Figure BDA0002764271410000115
规则4每周排【休】班，最少1次，最多2次，可连续，也可分开。
设所有人员的集合为E(e),排班的天数集合为D(d),设休息的班表编号为REST
Figure BDA0002764271410000116
规则1连续上班不能大于6天(包含跨周连上情况)的应用
可以通过上周员工的休假情况来判断本周员工必须在哪段时间内休假，如上周员工在周四休假，那么需要这个员工在本周三之前必须休至少一天假，再结合规则3的约束，则可以满足规则1。设：员工e必须在d天休息的集合为R(e,d)，设休息的班表编号为REST。约束可以表示为。
Figure BDA0002764271410000121
可选条件(软规则)
类似于出现实际人力限制，班次安排限制，会出现如果强行设置约束条件可能会产生无解的情况，为了避免这种情况引入了软约束。
通过值Δ来表达预测值PredictValue与目标值RealValue的差异：
Δ＝PredictValue-RealValue
在本实施例的一些可选的实现方式中，基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型，包括：
S2041，根据每个员工的预期工时和实际工时之差建立工时限制模型。
在本实施例中，针对规则3的工时限制要求，转化为一个强规则条件：一周中员工的工时必须大于设置工时，以及一个软规则添加：员工的工时在大于设置工时的同时也不能太长。
设班次s工时表示为Time(s)，排班班次范围S(s),在时间范围(一周)集合D(d)的k个员工e1,e2....ek的最小工时T需要满足以下条件。
Figure BDA0002764271410000122
Figure BDA0002764271410000123
Figure BDA0002764271410000124
通过Δe来表示设置工时T与员工实际工时之间的差异
Figure BDA0002764271410000125
Figure BDA0002764271410000126
Figure BDA0002764271410000131
需要使得Δe尽可能的小，同样为了衡量不同规则的影响力，加上一个权重因子we,对于单个变量工时限制模型的目标函数为如下公式:
Figure BDA0002764271410000132
这里we的设置与该规则在排班中的影响度有关，如果影响度较高，则会有一个较高的we值，反之如果影响度较低，则设置一个较低的we值。
工时限制模型是一种线性规划模型，工时限制模型的目标函数为上式所示，约束条件为强规则。
S2042，基于服务质量预测数据建立班次需求模型。
在本实施例中，用户进线的预测量是基于一个较细粒度时间段的(目前为半个小时)，班表的时间跨度常常不宜安排的过短(一般来说一天8小时)，所以班次的需求量常常不能完全契合预测量。如假设预测量8：30–9：00为100，9：00–9：30为300，9：30–10：00为50。现在班次A的时间覆盖范围为8：30–9：30，现在班次B的时间覆盖范围为9：00–10：00。假设需要班次契合预测量需要在90％-110％列出如下公式：
330>amount(A)+amount(B)>270
90<amount(A)<110
45<amount(B)<55
通过上式无法计算出A，B班次的数量。所以需要一个调整规则策略使得班次在一个合理的范围内有解的同时尽可能契合预测量。
首先通过计算需要得到每一天的排班需求是多少，在计算之前通过预测方法以30min为粒度预测出一天的各个时间段的进线预测量，如表1所示。
最小排班覆盖时间段表示不同排班相互覆盖的一个最小时间段，如A班次上班时间为9:00–12:00,B班次上班时间为11：00–17：00，那么A，B班次的最小排班覆盖时间为：9:00–11:00,11:00–12:00,12:00-17:00。
为了覆盖最高的预测量，最小排班覆盖时间段预测量的值取最小排班覆盖时间段的最大预测量，如最小排班覆盖时间段11:00–12:00内有两个预测量：11:00-11:30为10，11:30–12:00为20。那么取最小排班覆盖时间段为20。
通过对每个最小排班覆盖时间段与班次建立如下公式：设该最小排班覆盖时间段为ti，i的取值范围为1到n，n表示一天的最小排班覆盖时间的个数。设Sj(ti)表示在ti排班最小覆盖时间的第j个排班是否有覆盖，覆盖为1，不覆盖为0。j的取值范围为1到S，S为所有排班种类的总个数。比如S2(t1)＝0表示S2班次在t1时间段无覆盖。P(ti)表示在ti这个最小时间覆盖段的预测量。
班次需求模型是一种线性规划模型，班次需求模型的约束条件包括一个强规则限制以及软规则限制：
强规则限制主要限制各个最小时间覆盖段至少应该达到的预测量比如至少应该满足30％-170％。这里主要为了在的班次与预测量极度不匹配的情况下不输出排班结果，可以达到一个校验的功能，可以通过调整比例来调整校验的严格性。
限制各个最小时间覆盖段至少应该达到的预测量在服务质量预测数据的上限和下限之间范围内。a，b为一个可以调整的上下限比例，如果希望达到最小时间覆盖段的预测量80％-130％，那么此时a取0.2,b取0.3。Xj表示需要的第j个排班的排班个数，为了求得X1..Xs列出以下公式。
Figure BDA0002764271410000141
Figure BDA0002764271410000142
Figure BDA0002764271410000143
同时为了使得X1,X2…Xs的值使得班次需求可以达到进线量尽量的满足预期值，需要设置一个软规则：
Figure BDA0002764271410000151
Figure BDA0002764271410000152
Figure BDA0002764271410000153
使得Δp1,Δp2…Δpn尽可能的小，同样为了衡量不同规则的影响力，加上一个权重因子wp,对于单个变量班次需求模型的目标函数为如下公式:
Figure BDA0002764271410000154
S2043，求解班次需求模型，得到排班时间段内每天的班次需求。
在本实施例中，可通过现有技术中的求解线性规划以及最优化问题的方法计算出班次需求模型中每天的班次需求量X1,X2…Xs。
在本实施例的一些可选的实现方式中，为了避免计算出来的X1,X2…Xs出现值差异较为明显的情况，如X1＝0,X2＝100导致班次需求量差异较大的情况。再对班次次数做一个约束，使得各个变量值与均值偏离程度尽可能的小。这里为了避免计算量过大不使用最小化方差作为目标函数。仅仅使用每个变量值与平均值的差值的最大值的绝对值最小来作为度量标准，如下式：
Figure BDA0002764271410000155
Figure BDA0002764271410000156
Figure BDA0002764271410000157
目标函数为：
minimize(max(Δr1wr,Δr2wr…,Δrswr))
班次需求模型的最终目标函数为
Figure BDA0002764271410000161
通过上面三个约束可以计算得出一组X1,X2…Xs值，表示在一天需要排班S1,S2…Ss的数量。
S2044，基于排班时间段内每天的班次需求以及每个员工的工作效率建立接通率模型。
在本实施例中，工作效率可以用CPH衡量，CPH表示每小时可以接待的客户人数。得到班次需求后结合员工CPH，安排的人数尽量的满足这个班次的需求。由于之前计算班次数量是根据半小时进线量为维度进线计算的，这里的员工CPH需要除以2，通过半小时接待人数去计算。
设员工ej在班次Si的CPH表示为cph(ej,Si),员工ej在班次Si,第d1天的排班情况表示为schedule(ej,Si,d1)，Δwi,j表示Si班次在dj与预计班次数量Xi的差值。对于d1天有以下公式：
Figure BDA0002764271410000162
Figure BDA0002764271410000163
Figure BDA0002764271410000164
同样对于所有可排班天d2,d3…dt∈D(d)列出上式,，同样为了能够调整不同规则对于结果的权重影响，为每一个Δw设置一个权重ww，接通率模型是一种线性规划模型，接通率模型的目标函数为：
Figure BDA0002764271410000165
S2045，基于规则配置信息、员工信息、班次信息、工时限制模型建立排班模型。
在本实施例中，将规则3与规则a结合在一起，排班模型的目标函数变为：
Figure BDA0002764271410000171
排班模型的约束条件为强规则。
在本实施例的一些可选的实现方式中，对于一些规则，需要限制某些序列的存在，通过禁止某些排列方式来达到这个目标
假设A1,A2,A3,A4均为Bool值。需要禁止序列[A1＝true,A2＝true,A3＝false,A4＝false]可以使如下表达式成立:
A1＝false or A2＝false or A3＝ture or A4＝true
规则5特殊员工的排班顺序限制：一周内晚班(22:00以后下班(含22点))接早班(9:00之前上班(含9点))不可超过2次，可等于两次。
可以通过禁止所有大于两次的晚班(22:00以后下班(含22点)接早班(9：00之前上班(含9点))，由于一周的早班接晚班最多出现3次，也就是禁止早班接晚班的情况在一周出现3次的情况来达到此目标：
设早班的集合为M(m)使得早班m1,m2…mm∈M(m),晚班的集合N(n)使得晚班n1,n2…nn∈N(n)，对于员工e1,早班m1,晚班n1,通过禁止一周三次排班的排列组合的出现来限制对于员工e1,早班m1,晚班n1在一周出现大于两次的情况。
schedule(e1,n1,d1)＝1,schedule(e2,m2,d2)＝1,schedule(e1,n1,d3)＝1，schedule(e2,m2,d4)＝1，schedule(e1,n1,d5)＝1，schedule(e1,n1,d6)＝1；以及
schedule(e1,n1,d2)＝1,schedule(e2,m2,d3)＝1,schedule(e1,n1,d4)＝1，schedule(e2,m2,d5)＝1，schedule(e1,n1,d6)＝1，schedule(e1,n1,d7)＝1
对于早班m1,晚班n1，需要禁止上面两种序列出现，需要遍历所有早班，晚班集合，以及一周三次早班接晚班的时间安排情况，来禁止所有的3次早班接晚班的出现。
规则6通用的排班顺序限制：第一日24点之后(含24点)下班班次，第二日不能接10点之前(含10点)上班班次。
设10点之前的班次集合为M10(m)使得早班m1,m2…my∈M10(m),晚班的集合N24(n)使得晚班n1,n2…nz∈N24(n)，对于员工e1,早班m1,晚班n1,d1天与d2天通过禁止如下列，设初始值schedule(e1,n1,d1)＝1，schedule(e2,m2,d2)＝1
为了避免排班结果(schedule(e1,n1,d1)＝1,schedule(e1,m1,d2)＝1)的出现，通过如下公式满足上述约束。
schedule(e1,n1,d1)＝0 or schedule(e1,m1,d2)＝0
其中n1∈N24(n)，m1∈M10(m)，d1,d2∈D(d)。
同样通过遍历所有员工e1,e2……es，所有24点后下班夜班N24(n)，10点上班之前白班M10(m)组合，以及所有可排班天D(d)来禁止所有的序列组合。
schedule(e1,n1,d1)＝0 or schedule(e1,m1,d2)＝0
schedule(e1,n1,d1)＝0 or schedule(e1,m2,d2)＝0
……
schedule(es,nz,d1)＝0 or schedule(es,my,d2)＝0
schedule(e1,n1,d2)＝0 or schedule(e1,m1,d3)＝0
schedule(e1,n1,d2)＝0 or schedule(e1,m1,d3)＝0
………
schedule(es,nz,dt)＝0 or schedule(es,my,dt)＝0
步骤205，计算单元基于求解线性规划以及最优化问题的方法计算出排班模型的解。
在本实施例中，通过将上述整理模型公式列出，交给求解线性规划以及最优化问题计算工具计算，整体求解出一个符合各个公式约束的schedule(i,j,n)集合。通过遍历集合schedule(i,j,n)，值为1对应的i,j,n就表示员工i在n天排j班。
求解线性规划模型的方法为现有技术，因此不再赘述。解包括员工标识、班次标识、日期。
步骤206，输出单元将解作为排班表输出。
在本实施例中，可将排班表存储在服务器中，供员工查询，还可将排班表通过微信、邮件等方式推送到员工的终端。
输出的排班表如表2所示。
Figure BDA0002764271410000191
表2
本公开的实施例提供的用于输出信息的方法和装置，能够通过自动化的方式解决目前手动排班工作量大且排班效果不佳的情况。使得对于不同班次的人力需求量可以最大限度的契合用户进线预测量。在人力不足的条件下能充分合理安排人员，保障员工合理诉求，并尽可能满足人力需求量。
在本实施例的一些可选的实现方式中，响应于求解时间达到预定阈值，将基于求解线性规划以及最优化问题的方法计算出的结果作为排班模型的解。由于规则较多加上员工人数较多，有可能导致计算最优解的过程较长，可通过设置一个期望返回阈值时间来控制计算时间，使就算没有达到最优解也可以在期望时间之内返回一个次优排班结果，避免得到最优解计算时间过长。改超时时间可以根据具体需求设置。
进一步参考图3，其示出了用于输出信息的方法的又一个实施例的流程300。该用于输出信息的方法的流程300，包括以下步骤：
步骤301，第一获取单元获取规则配置信息。
步骤302，第二获取单元获取员工信息和班次信息。
步骤303，第三获取单元获取需要排班时间段的服务质量预测数据。
步骤304，建模单元基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型。
步骤305，计算单元基于线性规划以及最优化问题的算法计算出排班模型的解。
步骤301-305与步骤201-205基本相同，因此不再赘述。
步骤306，修改单元接收包括待修改的排班信息的修改请求。
在本实施例中，排班信息包括员工标识和班次标识。员工可申请修改排班表，通过终端发送包括员工信息的修改请求。员工信息可包括员工标识和班次标识，排班信息指示了员工想调整的目标班次。可选的，修改请求中可包括2个以上的排班信息，例如，2个员工想要交换一下班次，修改请求中可包括这2个员工的员工标识和班次标识。
步骤307，计算单元将排班信息与强规则结合，试着基于线性规划以及最优化问题的算法计算出排班模型的解。
在本实施例中，员工的修改需要符合公司规定的强规则才能被批准。因此需要将排班信息与强规则结合，使用解线性规划模型的方法求解排班模型。不一定能得到解。
步骤308，输出单元若判断出有解，则根据排班信息求解的结果修改排班表。
在本实施例中，如果能得到解，则说明员工的修改符合公司规定的强规则。如果只有一个员工申请修改，则根据他的请求重新求解出新的排班表。如果有两个员工交换班次，则可以直接交换即可，不需要全部重新求解。当然也可以使用重新求解的结果发布新的排班表。
步骤309，输出单元若判断出无解，则输出修改排班表失败信息。
在本实施例中，如果不能得到解，则说明员工的修改不符合公司规定的强规则。输出修改排班表失败信息。可提示员工更改修改需求，重新提交修改请求。
可选地，该方法还包括：修改单元接收包括员工标识和休假信息的员工信息修改请求；建模单元基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元将解作为排班表输出。从而可以在某员工休假后重新进行排班，以防其工时不达标。
可选地，该方法还包括：修改单元接收包括员工标识和特殊员工限制的员工信息修改请求；建模单元基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元将解作为排班表输出。从而可以在员工转成特殊员工(例如，员工怀孕或生产)或由特殊员工转成普通员工(产假结束)后重新进行排班，以遵守劳动法的规定。
可选地，排班信息包括第一员工的员工标识及其班次标识，第二员工的员工标识及其班次标识；以及该方法还包括：第二获取单元根据第一员工的员工标识获取第一员工信息以及根据第二员工的员工标识获取第二员工信息；第二获取单元根据第一员工的班次标识获取第一员工班次信息以及根据第二员工的班次标识获取第二员工班次信息；建模单元确定第一员工信息与第二员工班次信息的第一组合是否满足强规则；建模单元确定第二员工信息与第一员工班次信息的第二组合是否满足强规则；输出单元判断若第一组合和第二组合同时满足强规则，则将第一员工和第二员工的班次互换。如果两个员工想换班，需要重新建模计算，以防止员工调班后不符合强规则，例如，有个孕妇想换成夜班，这不符合强规则，不允许调班。如果两个员工调班后符合强规则，则直接进行调班，不需要更改其它员工的排班。既可避免不符合规则的调班，还可避免影响其它员工的时间安排。
本公开的实施例提供的用于输出信息的方法和装置，能够检测在紧急情况下对于已有班表进行调整在满足排班规则的情况下是否可行。
继续参见图4，图4是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图4的应用场景中，服务器根据规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型。然后基于求解线性规划以及最优化问题的方法计算出排班模型的解，即为排班表。当员工想要修改排班表时，需要将变动的排班信息和规则配置信息结合作为约束条件试着求解排班模型，如果得到解，则说明可以修改。否则，修改失败。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于输出信息的装置500包括：第一获取单元501、第二获取单元502、第三获取单元503、建模单元504和计算单元505。其中，第一获取单元501，被配置成获取规则配置信息；第二获取单元502，被配置成获取员工信息和班次信息；第三获取单元503，被配置成获取需要排班时间段的服务质量预测数据；建模单元504，被配置成基于所述规则配置信息、所述员工信息、所述班次信息和服务质量预测数据建立排班模型；计算单元505，被配置成基于线性规划以及最优化问题的算法计算出所述排班模型的解。输出单元506将所述解作为排班表输出，其中，所述解包括员工标识、班次标识、日期。
在本实施例中，用于输出信息的装置500的第一获取单元501、第二获取单元502、第三获取单元503、建模单元504和计算单元505、输出单元506的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204、步骤205和步骤206。
在本实施例的一些可选的实现方式中，建模单元504根据每个员工的预期工时和实际工时之差建立工时限制模型；建模单元504基于所述服务质量预测数据建立班次需求模型；计算单元505基于线性规划以及最优化问题的算法计算出所述班次需求模型的解，得到所述排班时间段内每天的班次需求；建模单元504基于所述排班时间段内每天的班次需求以及每个员工的工作效率建立接通率模型；建模单元504基于所述规则配置信息、所述员工信息、所述班次信息、所述接通率模型、所述工时限制模型建立排班模型。。
在本实施例的一些可选的实现方式中，规则配置信息包括强规则和软规则。以及该装置还包括修改单元(附图中未示出)，被配置成：接收包括待修改的排班信息的修改请求，其中，排班信息包括员工标识和班次标识。计算单元505进一步被配置成：将排班信息与强规则结合，试着求解排班模型。若无解，则输出修改排班表失败信息。
在本实施例的一些可选的实现方式中，输出单元进一步被配置成：若判断出有解，则根据排班模型的解修改排班表。
在本实施例的一些可选的实现方式中，计算单元505进一步被配置成：若检测到计算时间达到预定阈值，将基于线性规划以及最优化问题的算法计算出的结果作为排班模型的解。
在本实施例的一些可选的实现方式中，计算单元505进一步被配置成：在基于线性规划以及最优化问题的算法计算出班次需求模型的解过程中，使用每个变量值与平均值的差值的最大值的绝对值最小作为目标函数，对班次次数进行约束，得到排班时间段内每天的班次需求。
在本实施例的一些可选的实现方式中，建模单元504进一步被配置成：限制各个最小时间覆盖段至少应该达到的预测量在服务质量预测数据的上限和下限之间范围内。基于班次需求的预期值和预测值之差构建目标函数。
在本实施例的一些可选的实现方式中，修改单元进一步被配置成接收包括员工标识和休假信息的员工信息修改请求；建模单元504进一步被配置成基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元505进一步被配置成基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元506进一步被配置成将解作为排班表输出。
在一些实施例中，修改单元进一步被配置成接收包括员工标识和特殊员工限制的员工信息修改请求；建模单元504进一步被配置成基于规则配置信息、修改后的员工信息、班次信息和服务质量预测数据建立排班模型；计算单元505进一步被配置成基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元506进一步被配置成将解作为排班表输出。
在一些实施例中，排班信息包括第一员工的员工标识及其班次标识，第二员工的员工标识及其班次标识；以及第二获取单元502进一步被配置成根据第一员工的员工标识获取第一员工信息以及根据第二员工的员工标识获取第二员工信息；第二获取单元502进一步被配置成根据第一员工的班次标识获取第一员工班次信息以及根据第二员工的班次标识获取第二员工班次信息；建模单元504进一步被配置成确定第一员工信息与第二员工班次信息的第一组合是否满足强规则；建模单元504进一步被配置成确定第二员工信息与第一员工班次信息的第二组合是否满足强规则；输出单元506进一步被配置成判断若第一组合和第二组合同时满足强规则，则将第一员工和第二员工的班次互换。
在本实施例的一些可选的实现方式中，规则配置信息包括强规则，包括：连续上班限制、晚班限制、工时限制、休假限制、排班顺序限制、特殊员工限制。
在本实施例的一些可选的实现方式中，规则配置信息包括软规则，包括以下至少一项：单位时间的预估接通率达到100％。对于有员工请假的情况，或者有特殊班次需求被批准的，需要作为约束条件。每天、每人只能有1个班次。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：第一获取单元获取规则配置信息；第二获取单元获取员工信息和班次信息；第三获取单元获取需要排班时间段的服务质量预测数据；建模单元基于规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型；计算单元基于线性规划以及最优化问题的算法计算出排班模型的解；输出单元将解作为排班表输出。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、第二获取单元、第三获取单元、建模单元和计算单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取规则配置信息的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (15)

1.一种用于输出信息的方法，包括：
第一获取单元获取规则配置信息；
第二获取单元获取员工信息和班次信息；
第三获取单元获取需要排班时间段的服务质量预测数据；
建模单元基于所述规则配置信息、所述员工信息、所述班次信息和服务质量预测数据建立排班模型；
计算单元基于线性规划以及最优化问题的算法计算出所述排班模型的解；
输出单元将所述解作为排班表输出。
2.根据权利要求1所述的方法，其中，所述建模单元基于所述规则配置信息、员工信息、班次信息和服务质量预测数据建立排班模型，包括：
建模单元根据每个员工的预期工时和实际工时之差建立工时限制模型；
建模单元基于所述服务质量预测数据建立班次需求模型；
计算单元基于线性规划以及最优化问题的算法计算出所述班次需求模型的解，得到所述排班时间段内每天的班次需求；
建模单元基于所述排班时间段内每天的班次需求以及每个员工的工作效率建立接通率模型；
建模单元基于所述规则配置信息、所述员工信息、所述班次信息、所述接通率模型、所述工时限制模型建立排班模型。
3.根据权利要求1所述的方法，其中，所述规则配置信息包括强规则和软规则；以及
所述方法还包括：
修改单元接收包括待修改的排班信息的修改请求，其中，所述排班信息包括员工标识和班次标识；
计算单元将所述排班信息与强规则结合，试着基于线性规划以及最优化问题的算法计算出所述排班模型的解；
输出单元若判断出无解，则输出修改排班表失败信息。
4.根据权利要求3所述的方法，其中，所述方法还包括：
输出单元若判断出有解，则根据所述排班模型的解修改所述排班表。
5.根据权利要求1所述的方法，其中，所述计算单元基于线性规划以及最优化问题的算法计算出所述排班模型的解，包括：
计算单元若检测到计算时间达到预定阈值，将基于线性规划以及最优化问题的算法计算出的结果作为所述排班模型的解。
6.根据权利要求2所述的方法，其中，所述计算单元基于线性规划以及最优化问题的算法计算出所述班次需求模型的解，得到所述排班时间段内每天的班次需求，包括：
计算单元在基于线性规划以及最优化问题的算法计算出所述班次需求模型的解的过程中，使用每个变量值与平均值的差值的最大值的绝对值最小作为目标函数，对班次次数进行约束，得到所述排班时间段内每天的班次需求。
7.根据权利要求2所述的方法，其中，所述建模单元基于所述服务质量预测数据建立班次需求模型，包括：
建模单元限制各个最小时间覆盖段至少应该达到的预测量在服务质量预测数据的上限和下限之间范围内；
建模单元基于班次需求的预期值和预测值之差构建目标函数。
8.根据权利要求3所述的方法，其中，所述方法还包括：
修改单元接收包括员工标识和休假信息的员工信息修改请求；
建模单元基于所述规则配置信息、修改后的员工信息、所述班次信息和服务质量预测数据建立排班模型；
计算单元基于线性规划以及最优化问题的算法计算出所述排班模型的解；
输出单元将所述解作为排班表输出。
9.根据权利要求3所述的方法，其中，所述方法还包括：
修改单元接收包括员工标识和特殊员工限制的员工信息修改请求；
建模单元基于所述规则配置信息、修改后的员工信息、所述班次信息和服务质量预测数据建立排班模型；
计算单元基于线性规划以及最优化问题的算法计算出所述排班模型的解；
输出单元将所述解作为排班表输出。
10.根据权利要求3所述的方法，其中，所述排班信息包括第一员工的员工标识及其班次标识，第二员工的员工标识及其班次标识；以及
所述方法还包括：
第二获取单元根据第一员工的员工标识获取第一员工信息以及根据第二员工的员工标识获取第二员工信息；
第二获取单元根据第一员工的班次标识获取第一员工班次信息以及根据第二员工的班次标识获取第二员工班次信息；
建模单元确定第一员工信息与第二员工班次信息的第一组合是否满足强规则；
建模单元确定第二员工信息与第一员工班次信息的第二组合是否满足强规则；
输出单元判断若第一组合和第二组合同时满足强规则，则将所述第一员工和所述第二员工的班次互换。
11.根据权利要求1-10之一中任一项所述的方法，其中，所述规则配置信息包括强规则，包括：连续上班限制、晚班限制、工时限制、休假限制、排班顺序限制、特殊员工限制。
12.根据权利要求11所述的方法，其中，所述规则配置信息包括软规则，包括以下至少一项：
单位时间的预估接通率达到100％；
对于有员工请假的情况，或者有特殊班次需求被批准的，需要作为约束条件；
每天、每人只能有1个班次。
13.一种用于输出信息的装置，包括：
第一获取单元，被配置成获取规则配置信息；
第二获取单元，被配置成获取员工信息和班次信息；
第三获取单元，被配置成获取需要排班时间段的服务质量预测数据；
建模单元，被配置成基于所述规则配置信息、所述员工信息、所述班次信息和服务质量预测数据建立排班模型；
计算单元，被配置成基于线性规划以及最优化问题的算法计算出所述排班模型的解；
输出单元，被配置成将所述解作为排班表输出。
14.一种用于输出信息的电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一项所述的方法。
15.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-12中任一项所述的方法。
CN202011228121.3A 2020-11-06 2020-11-06 用于输出信息的方法和装置 Active CN112184087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011228121.3A CN112184087B (zh) 2020-11-06 2020-11-06 用于输出信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011228121.3A CN112184087B (zh) 2020-11-06 2020-11-06 用于输出信息的方法和装置

Publications (2)

Publication Number Publication Date
CN112184087A true CN112184087A (zh) 2021-01-05
CN112184087B CN112184087B (zh) 2024-05-24

Family

ID=73916587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011228121.3A Active CN112184087B (zh) 2020-11-06 2020-11-06 用于输出信息的方法和装置

Country Status (1)

Country Link
CN (1) CN112184087B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836955A (zh) * 2021-01-29 2021-05-25 郑州信大捷安信息技术股份有限公司 一种基于动态权重策略的铁路乘务人员智能排班方法和系统
CN112862288A (zh) * 2021-01-29 2021-05-28 海南纽康信息系统有限公司 一种基于样板的公平性自动排班方法
CN113361816A (zh) * 2021-07-07 2021-09-07 北京容联七陌科技有限公司 一套客服员工排班系统
CN113743807A (zh) * 2021-09-09 2021-12-03 多点(深圳)数字科技有限公司 排班信息生成方法、装置、电子设备和计算机可读介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001030010A2 (en) * 1999-10-21 2001-04-26 Workforce Logistics Inc. A system and method for online scheduling and shift management
US20110112877A1 (en) * 2009-11-09 2011-05-12 Nirmal Govind Method and Apparatus for Constraint-based Staff Scheduling
US20140067449A1 (en) * 2012-09-05 2014-03-06 International Business Machines Corporation Event scheduler based on real-time analytics and business rules
US8744889B1 (en) * 2008-09-12 2014-06-03 Intuit Inc. Cost based employee scheduling
US8788308B1 (en) * 2004-03-29 2014-07-22 West Corporation Employee scheduling and schedule modification method and apparatus
JP2015225550A (ja) * 2014-05-28 2015-12-14 株式会社ナンバーツー 勤怠シフトシステム、シフト割当サーバ
CN106779369A (zh) * 2016-12-03 2017-05-31 安徽中医药大学第附属医院 一种医院轮转排班方法
CN107844915A (zh) * 2017-11-29 2018-03-27 信雅达系统工程股份有限公司 一种基于话务预测的呼叫中心的自动排班方法
CN107909229A (zh) * 2017-12-26 2018-04-13 华电福新能源股份有限公司古田溪水力发电厂 基于约束条件分类分级的水电站自适应发电优化调度方法
CN110517760A (zh) * 2019-08-29 2019-11-29 上海盛巨信息技术有限公司 医生排班的数据处理方法与装置
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
US20200193323A1 (en) * 2018-12-18 2020-06-18 NEC Laboratories Europe GmbH Method and system for hyperparameter and algorithm selection for mixed integer linear programming problems using representation learning

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001030010A2 (en) * 1999-10-21 2001-04-26 Workforce Logistics Inc. A system and method for online scheduling and shift management
US8788308B1 (en) * 2004-03-29 2014-07-22 West Corporation Employee scheduling and schedule modification method and apparatus
US8744889B1 (en) * 2008-09-12 2014-06-03 Intuit Inc. Cost based employee scheduling
US20110112877A1 (en) * 2009-11-09 2011-05-12 Nirmal Govind Method and Apparatus for Constraint-based Staff Scheduling
US20140067449A1 (en) * 2012-09-05 2014-03-06 International Business Machines Corporation Event scheduler based on real-time analytics and business rules
JP2015225550A (ja) * 2014-05-28 2015-12-14 株式会社ナンバーツー 勤怠シフトシステム、シフト割当サーバ
CN106779369A (zh) * 2016-12-03 2017-05-31 安徽中医药大学第附属医院 一种医院轮转排班方法
CN107844915A (zh) * 2017-11-29 2018-03-27 信雅达系统工程股份有限公司 一种基于话务预测的呼叫中心的自动排班方法
CN107909229A (zh) * 2017-12-26 2018-04-13 华电福新能源股份有限公司古田溪水力发电厂 基于约束条件分类分级的水电站自适应发电优化调度方法
US20200193323A1 (en) * 2018-12-18 2020-06-18 NEC Laboratories Europe GmbH Method and system for hyperparameter and algorithm selection for mixed integer linear programming problems using representation learning
CN110517760A (zh) * 2019-08-29 2019-11-29 上海盛巨信息技术有限公司 医生排班的数据处理方法与装置
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

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836955A (zh) * 2021-01-29 2021-05-25 郑州信大捷安信息技术股份有限公司 一种基于动态权重策略的铁路乘务人员智能排班方法和系统
CN112862288A (zh) * 2021-01-29 2021-05-28 海南纽康信息系统有限公司 一种基于样板的公平性自动排班方法
CN112836955B (zh) * 2021-01-29 2022-04-08 郑州信大捷安信息技术股份有限公司 一种基于动态权重策略的铁路乘务人员智能排班方法和系统
CN113361816A (zh) * 2021-07-07 2021-09-07 北京容联七陌科技有限公司 一套客服员工排班系统
CN113743807A (zh) * 2021-09-09 2021-12-03 多点(深圳)数字科技有限公司 排班信息生成方法、装置、电子设备和计算机可读介质
CN113743807B (zh) * 2021-09-09 2024-03-05 多点(深圳)数字科技有限公司 排班信息生成方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN112184087B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
CN112184087A (zh) 用于输出信息的方法和装置
Yu et al. Deadline scheduling as restless bandits
Cattani et al. Inventory rationing and shipment flexibility alternatives for direct market firms
US20020184063A1 (en) Dynamic resource scheduling to optimize location of meeting participants
CN113408797B (zh) 流转量预测多时序模型生成方法、信息发送方法和装置
US20080037760A1 (en) Call flow staffing estimation tool
CN105719221A (zh) 针对多任务的路径协同规划方法和装置
WO2018110700A9 (ja) 在庫管理方法、在庫管理装置、及びプログラム
US11521172B2 (en) Method and apparatus for scheduling item, and computer-readable storage medium
US20200402648A1 (en) Generating high confidence refills for unified workforce management
US9274687B1 (en) Managing schedule changes for correlated calendar events
CN113610448A (zh) 物品调度方法、装置、电子设备和计算机可读介质
US20100088145A1 (en) Method and computer for creating communicator&#39;s schedule
CN109902847A (zh) 预测分库订单量的方法和装置
CN110858332B (zh) 订单生产方法和装置
CN115589489B (zh) 视频转码方法、装置、设备、存储介质及视频点播系统
CN115098558A (zh) 一种航班数据统计方法及装置
US20190005460A1 (en) Service Appointment System
CN113780914A (zh) 库存调配方法和装置
CN112085441A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN116664041A (zh) 调货方法、装置、电子设备和计算机可读介质
CN113256194B (zh) 确定配送中心自留库存的方法和装置
CN114202292B (zh) 备货信息发送方法、装置、电子设备和计算机可读介质
CN115641059B (zh) 补货信息生成方法、装置、电子设备、介质和程序产品
CN107507030A (zh) 信息预测的方法和装置

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
CB02 Change of applicant information

Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Applicant after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Applicant before: Jingdong Digital Technology Holding Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant