De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Gedistribueerde Planning Patrick De Causmaecker Gedistribueerde Dataverwerking, Informatieverwerking en Beslissingsondersteuning (GDIB) K.U. Leuven Campus.

Verwante presentaties


Presentatie over: "Gedistribueerde Planning Patrick De Causmaecker Gedistribueerde Dataverwerking, Informatieverwerking en Beslissingsondersteuning (GDIB) K.U. Leuven Campus."— Transcript van de presentatie:

1 Gedistribueerde Planning Patrick De Causmaecker Gedistribueerde Dataverwerking, Informatieverwerking en Beslissingsondersteuning (GDIB) K.U. Leuven Campus Kortrijk

2 K.U.Leuven Campus Kortrijk: Groep GDIB ZAP(Statistiek, Data, Beslissingsondersteuning) O.A. onderzoek naar –Combinatorische Planningsproblemen –Datamining in Bioinformatica en Geografische Informatiesystemen –Modellen en metrieken voor grote gedistribueerde systemen (Agents) Binnen Associatie K.U.Leuven, nauwe samenwerking met IT-groep KaHo St.-Lieven en het departement Computerwetenschappen

3 DINGODINGO OCAPIOCAPICOALACOALA Quality Gate IBBT/ VRT/ PISA BIOPTRAIN/ Marie Curie/ EST Metrics in Distributed Optimisation

4 Inhoud Planning? Complexiteit van planning Gedistribueerde planning Een oplossing via multiagentensystemen?

5 Planning XTremisWeb: web- based personnel planning and job loading we develop a model for distributed personnel planning. We want to build a generic model that allows to optimise the time plans of the personnel over department boundaries, to discover win-win situations in which an interchange of personnel can render a better global result. which was developed for personnel-planning in laboratories related to health care. We describe the characteristics of these world-class patient logistics software, designed to support generic planning and management processes related to the patient's stay in hospital. tussen productieplanning en -controle met MES … Time & Attendance, Access Control, Personnel Planning & Cost center management.

6 Werkdruk, onderbemanning, technologie kan werk niet verlichten Op elk ogenblik voldoende gekwalificeerd personeel voorzien Werkroosters beïnvloeden de organisatie en het privéleven van het personeel Flexibele werkroosters, deeltijds werk, persoonlijke wensen Schadelijke (onvoorspelbare, sterk fluctuerende) en ongezonde werkroosters vermijden Interactief systeem dat assisteert bij objectief opstellen van de roosters Personeelsplanning ©Greet Vanden Berghe

7 Strategische personeelsplanning Bemannen van diensten Opstellen van werkroosters per dienst: korte termijnplanning Personeelsplanning

8 Cyclische werkroosters Centraal / per dienst plannen Manueel of automatisch opstellen van werkroosters Personeelsplanning ©Greet Vanden Berghe

9 DienstroosterVanTot Korte vroege7:0013:00 Vroege7:0015:00 Dag8:0017:00 Late13:0021:00 Korte Late15:0021:00 Nacht21:007:00 Probleem Harde Beperkingen Zachte Beperkingen DIENSTROOSTERS Begin- en einduur, afwijkende uren, deeltijds werk, onderbroken dienstroosters OPSTELLEN WERKROOSTER KWALIFICATIES BEZETTING CONTRACTEN ©Greet Vanden Berghe

10 Harde beperkingen KWALIFICATIE vervanging enkel door mensen met alternatieve kwalificaties ↔ hiërarchische vervangingen ©Greet Vanden Berghe

11 Zachte beperkingen WETTELIJKE BEPERKINGEN –Tijd tussen opeenvolgende opkomsten –Alternatieve kwalificaties ©Greet Vanden Berghe

12 Zachte beperkingen PERSOONLIJKE WENSEN –Vrije dag –Vrij dienstrooster –Voorkeur voor dienstrooster op een dag –Samenwerken / niet samenwerken ©Greet Vanden Berghe

13 KWALITEIT VAN EEN WERKROOSTER som voor alle personeelsleden van de som van alle overtredingen op zachte beperkingen, vermenigvuldigd met de overeenkomstige kostparameter Overtredingen op zachte beperkingen Kostparameter per zachte beperking Evaluatie werkroosters ©Greet Vanden Berghe

14 OPLOSSINGSSTRUCTUUR Harde beperkingen –Bezetting –Kwalificaties `Voorrang’ Zachte beperkingen –Persoonlijke wensen voor verlofdagen –Afwezigheden –Gewenste opkomsten –Patronen CONSISTENTIECONTROLE aanvaarden overtreding herstellen – relaxeren harde beperkingen – relaxeren persoonlijke wensen

15 BEVRIEZEN Deel van de planningsperiodePersoonlijke uurroosters

16 DienstroosterVanTot Korte vroege7:0013:00 Vroege7:0015:00 Dag8:0017:00 Late13:0021:00 Korte Late15:0021:00 Nacht21:007:00 0:0012:0024:00 Bezetting per uur

17 opstellen initiële planning Vorige planning Bestaande planning Leeg plan manipuleren tot een oplossing Willekeurig dienstroosters toevoegen/verwijderen tot op elke dag aan de harde beperkingen voldaan is INITIALISATIE

18 PLANNINGSOPTIES Voor de planning Minimum bezetting Gewenste bezetting Na de planning Aanvullen naar gewenste bezetting Aanvullen uren

19 Optimalisatieprobleem Vind een rooster dat aan alle harde beperkingen voldoet met een zo laag mogelijke kost voor de overtredingen op de zachte beperkingen

20 Lokaal zoeken : Tabu search Metaheuristiek : een algoritmeschema met ruimte voor probleemgebonden informatie. Lokale optima verlaten door het verbieden van recent gebruikte (soorten) zetten. Brede exploratie afwisselen met intens onderzoek Door het landschap bewegen via verschillende nabuurschapsrelaties (VNHS) Er is geen garantie dat het optimum gevonden is.

21 Gebruikersinterface complex model -> complexe gebruikersinterface. Onmogelijk alle verwachtingen uit te drukken - > geavanceerde grafische hulpmiddelen. Visueel onderzoek en manueel aanpassen van automatisch gegenereerde roosters Rapportering ! Integrating human abilities and automated systems for timetabling: a competition using STARK and HuSSH Representations at the PATAT 2002 Conference S.Ahmadi, R. Barone, E.K. Burke, P. Cheng, P. Cowling, B. McCollum

22 Gedistribueerde personeelsscheduling Voorbeelden –Voorbeeld : Waterloo University (Canada) –Verantwoordelijken in de verschillende departementen onderhandelen op specifieke ogenblikken in het proces. Zie Carter, M.W., “A Comprehensive Course Timetabling and Student Scheduling System at the University of Waterloo”“A Comprehensive Course Timetabling and Student Scheduling System at the University of Waterloo”

23 Gedistribueerde personeelsscheduling Voorbeelden –Taakmanagement in British Telecom ( RECONET, Tsang, MISTA 2005 ) Autonome groepen (Managers, Buyers, Sellers) Competitief model, Financieel en organisatorisch Uitwisseling van middelen wordt genegocieerd Management ageert als opdrachtgever –Diensten in een hospitaal Collaboratief model Autonomie is organisatorisch

24 Waarom gedistribueerd? Intrinsiek gedistribueerd: –partijen beheren eigen middelen –Implementeren eigen voorkeuren Gedistribueerd algoritme: –Kan gebruik maken van parallelle rekenkracht.

25 Voorbeeld: Werkschikkingen in een ziekenhuis roosters voor één ziekenhuisafdeling –personeeltekorten: Ziekte Overbezetting … Mogelijke oplossing: –Uitwisselingen van personeel –door onderhandeling

26 Eigenschappen Lokale autonomie –Zeer gedetailleerd –Persoonsgebonden, gevoelig –Zeer reactief, lokale optimalisatie brengt veel bij –Risico op eilandjes Globale vereisten –Kosteneffectief, taakgedreven, flexibiliteit, snelheid, slank

27 Een goed model Een probleem met autonome componenten die door te interageren een coherent werkende gemeenschap moeten vormen wordt goed beschreven als een Multi Agenten Systeem

28 Intelligente Agenten Agenten hebben hun oorsprong in artificiële intelligentie, maar het domein heeft zijn eigen dynamiek ontwikkeld. Technieken en benaderingen uit de artificiële intelligentie worden er gecombineerd met parallel rekenen, declaratieve talen, logica, emergent gedrag, automatisch plannen… Hun belangrijkste kenmerk is hun autonomie om het doel waarvoor ze ontworpen zijn na te streven.

29 Drie elementen Agententechnologie is een relatief jonge discipline in computerwetenschappen Verzamelt veel technieken en ideeen uit andere gebieden (bijv. Artificiele intelligentie). We beperken ons tot –Onderhandelen –Speltheorie –Optimalisatie

30 Onderhandelen Veilingen, contractnetprotocols, monotone procedures,… Door samen te werken kunnen soms betere evenwichten gevonden worden. Dit wordt ingebouwd in de onderhandelingsprocedure. Andere aspecten: –privacy –vertrouwen First price, open cry, descending Second price, open cry, ascending (proxy Vickrey)

31 Speltheorie: The Prisoners Dilemma Twee mannen zijn beschuldigd van een misdaad en zitten in afzondering Men zegt ze dat 1. Indien één van hen bekent en de andere niet, dan komt degene die bekent vrij, en de ander gaat in de cel voor 3 jaar 2. Indien beide bekennen gaan ze in de cel voor 2 jaar. Ze weten dat, indien geen van hen bekent, ze allebei voor 1 jaar in de cel gaan.

32 Speltheorie: The Prisoners Dilemma Twee mannen zijn beschuldigd van een misdaad en zitten in afzondering. Indien 1.één van hen bekent en de andere niet, dan komt degene die bekent vrij, en de ander gaat in de cel voor 3 jaar 2.beide bekennen gaan ze in de cel voor 2 jaar. 3.geen van hen bekent, ze allebei voor 1 jaar in de cel gaan.

33 Nash evenwicht Wat mijn tegenstrever ook kiest, ik bereik … In het voorbeeld is het Nash evenwicht (verraad,verraad) Gevangene B zwijgtGevangene B verraadt Gevangene A zwijgtBeide zitten één jaar Gevangene A zit drie jaar Gevangene B komt vrij Gevangene A verraadt Gevangene A komt vrij Gevangene B zit drie jaar Beide zitten twee jaar

34 De schaduw van de toekomst “Iterated Prisoners Dilemma” –Het spel wordt verschillende keren gespeeld, verschillende “ronden”. Laten we veronderstellen “zeer lang” of “oneindig lang”. –Als ik nu verraad, dan kan mijn tegenstrever me “straffen” door straks ook te verraden. –Als ik nu eens probeer, door mee te werken, dan kan ik niet zo heel veel verliezen, en misschien komen we tot samenwerking.

35 Optimalisatie en Collaboratie Agenten laten toe om dieper in de organisatie door te dringen Efficientere informatiegaring Er is meer controle over vertrouwelijke informatie Bij het onderhandelen wordt de informatie geaggregeerd Het resulterende proces is suboptimaal ten opzichte van een centrale benadering Hoe kunnen deze aspecten tegen mekaar afgewogen worden?

36 Conclusie The proof of the pudding is in the eating so Come again!


Download ppt "Gedistribueerde Planning Patrick De Causmaecker Gedistribueerde Dataverwerking, Informatieverwerking en Beslissingsondersteuning (GDIB) K.U. Leuven Campus."

Verwante presentaties


Ads door Google