De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

FlexiPlan, een roostering toolkit 10 november 2005.

Verwante presentaties


Presentatie over: "FlexiPlan, een roostering toolkit 10 november 2005."— Transcript van de presentatie:

1 FlexiPlan, een roostering toolkit 10 november 2005

2 10 november 2005Studiedag Autom. Personeelsplanningp. 2 Agenda Inleiding –Voorstelling TINC –Personeelsplanning FlexiPlan –Concept –Structuur –Aanpak

3 10 november 2005Studiedag Autom. Personeelsplanningp. 3 Voorstelling TINC Opgericht in 1998 Kantoor Mechelen Consultancy & Software Ontwikkeling voor de transport markt –Scheepvaart –Luchtvaart Expertise –Traffic Management Systems –Planning & Scheduling –Communicatie (netwerken)

4 10 november 2005Studiedag Autom. Personeelsplanningp. 4 Voorbeeld: WESP Klant: Rijkswaterstaat / AWZ Systeem voor het assisteren van verkeersleiders bij het plannen van de marginale scheepvaart op de Westerschelde WESP berekent risico’s op een tekort aan kielspeling gebaseerd op hydro/meteo data, geplande trajecten en de karakteristieken van het schip

5 10 november 2005Studiedag Autom. Personeelsplanningp. 5 Voorbeeld: WESP

6 10 november 2005Studiedag Autom. Personeelsplanningp. 6 WESP

7 10 november 2005Studiedag Autom. Personeelsplanningp. 7 Personeelsplanning Expertise & Activiteiten –Planning & scheduling Klanten –Continu diensten Samenwerking KaHo Sint-Lieven R & DMarkt

8 10 november 2005Studiedag Autom. Personeelsplanningp. 8 Concept Uitgangspunt = flexibiliteit FlexiPlan is een TOOLKIT –“Bouwdoos” –Aanpasbaar aan specifieke noden gebruiker –Integreerbaar met bestaande systemen Prikklok HRM / ERP … Motivatie –Gebruik maken van bestaande componenten –… bestaande expertise (!) –Brug slaan tussen de technische complexiteit en de noden van de gebruiker

9 10 november 2005Studiedag Autom. Personeelsplanningp. 9 Structuur Model –Beschrijving v/h probleem en plan –Implementatie in een databank –Gebruikersprofielen en -rechten ReportAPI Model PlannerGUI Planner GUI –Basis set van vensters en gedrag –Aanpasbaar aan noden gebruiker –Enkel relevante gegevens Report –Rijke rapportering via web interface –Autom. Distributie –Statistieken API –Integratie met andere systemen

10 10 november 2005Studiedag Autom. Personeelsplanningp. 10 Aanpak Invoering vereist een projectmatige aanpak ! OpstartPrototypeImplementatieValidatie Begeleiding & Onderhoud

11 Studiedag Autom. Personeelsplanning 10 november Model Niveau Personeelsplanning –Lange termijn: Strategische plannen –Middellange termijn: Bestaffen –Korte termijn: Roosteren Roosteren Verdeel de opdrachten zodanig over het gekwalificeerd personeel dat de bezetting op elk ogenblik gegarandeerd is, rekening houdend met wettelijke, contractuele en persoonlijke beperkingen

12 Studiedag Autom. Personeelsplanning 10 november Model Kwalificatie –Opleiding –Ervaring –Verantwoordelijkheid –… Contract –Bepaalt beperkingen op persoonlijke roosters Shift Bezetting –Aantal gekwalificeerde personeelsleden per dag en per shift –Minimum of gewenst Model ShiftVanTot Korte vroege7:0013:00 Vroege7:0015:00 Dag8:0017:00 Late13:0021:00 Korte Late15:0021:00 Nacht21:007:00

13 Studiedag Autom. Personeelsplanning 10 november Harde beperkingen Harde beperkingen: altijd te voldoen –Minimum bezetting –Kwalificatie, niet hiërarchische vervanging Model

14 Studiedag Autom. Personeelsplanning 10 november Zachte beperkingen: overtredingen mogelijk Wettelijk –Vrije tijd tussen shifts Contractueel –Aantal dagen, shifts, uren, … –Aantal opeenvolgende dagen, shifts, weekends, vrije dagen,… –Weekendwerk –Patronen –… –Balanceren van de werkdruk Persoonlijk –Vrije dag, vrije shift,… –Voorkeurshift –Samenwerken Zachte beperkingen

15 Studiedag Autom. Personeelsplanning 10 november Evaluatie Kwaliteit bepaald door overtredingen zachte beperkingen ∑ persoon, zachte beperking (overtreding*gewicht) Voorbeeldprobleem –5 personeelsleden met identieke kwalificatie en contract –7 dagen –Harde beperkingen bezetting volgens tabel –Zachte beperkingen Max 6 opeenvolgende werkdagen Min 2 opeenvolgende vrije dagen Min 2 opeenvolgende V, L, N Max 2 opeenvolgende N Min 10u tussen opeenvolgende shifts MaDiWoDoVrZaZo V L11331 N11121

16 Studiedag Autom. Personeelsplanning 10 november Evaluatie Overtredingen zachte beperkingen MaDiWoDoVrZaZo P1VVLLN P2NNLL P3VVVVVVV P4VLNNN P5VLLLL P1:Te weinig opeenvolgende N P2:Te weinig opeenvolgende N: 2x Te weinig opeenvolgende vrije dagen Te weinig tijd tussen 2 shifts P3:Teveel opeenvolgende V Teveel opeenvolgende werkdagen P4: Te weinig opeenvolgende V,L Te weinig opeenvolgende vrije dagen Teveel opeenvolgende N P5:Te weinig tijd tussen 2 shifts Te weinig opeenvolgende V

17 Studiedag Autom. Personeelsplanning 10 november Evaluatie Algoritme –Groot aantal zachte beperkingen –Modulair, parametriseerbaar –Eenvoudig, snel implementeerbaar en uitvoerbaar

18 Studiedag Autom. Personeelsplanning 10 november E.K. Burke., P. De Causmaecker, S. Petrovic, G. Vanden Berghe: Fitness Evaluation for Nurse Scheduling Problems, Proceedings of Congress on Evolutionary Computation, CEC2001, Seoul, IEEE Press, 2001, p Evaluatie

19 Studiedag Autom. Personeelsplanning 10 november Planner Complexiteit –NP compleet –niet oplosbaar in polynomiale rekentijd Voldoende kwaliteitsvolle oplossing zoeken in aanvaardbare rekentijd –Lokaal zoeken Landschap van potentiële oplossingen Begrip van nabuurschap Een te optimaliseren doelfunctie –Metaheuristieken Lokale optima verlaten Brede exploratie afwisselen met intensief zoeken Niet gegarandeerd optimaal Model Planner

20 Studiedag Autom. Personeelsplanning 10 november kwaliteit huidige oplossing MaDiWoDoVrZaZo P1VVLLN P2NNLL P3VVVVVVV P4VLNNN P5VLLLL MaDiWoDoVrZaZo P1VVLLNN P2NNLL P3VVVVVVV P4VLNN P5VLLLL MaDiWoDoVrZaZo P1VVLLNN P2NNLL P3VVVVVV P4VLNN P5VLLLLV MaDiWoDoVrZaZo P1VVLLNN P2NNLL P3VVVVV P4VLNN P5VLLLLVV MaDiWoDoVrZaZo P1VVLLNN P2NNLL P3VVVVV P4VLLNN P5VLLLVV MaDiWoDoVrZaZo P1VLVLLN P2NNLL P3VVVVVVV P4VLNNN P5VLLL Lokaal zoeken Hill-climbing Richting van de sterkste stijging

21 Studiedag Autom. Personeelsplanning 10 november MaDiWoDoVrZaZo P1VVLLNN P2NNLL P3VVVVV P4VLLNN P5VLLLVV MaDiWoDoVrZaZo P1VVLLNN P2NLL P3VVVVV P4VLLNNN P5VLLLVV MaDiWoDoVrZaZo P1VVLLNN P2NLLL P3VVVVV P4VLNNN P5VLLLVV MaDiWoDoVrZaZo P1VVLLNN P2NLLL P3VVVVV P4VNNN P5VLLLLVV MaDiWoDoVrZaZo P1VVLLNN P2NLLL P3VVVVV P4VLNNN P5VLLLVV Stoppen? Kwaliteit? Meta-heuristieken Vermijden Lokale optima Reeds doorzochte gebieden Tabu search

22 Studiedag Autom. Personeelsplanning 10 november MaDiWoDoVrZaZo P1VVLLNN P2NLLL P3VVVVV P4VLNNN P5VLLLVV MaDiWoDoVrZaZo P1VVLLNN P2NLLL P3VVVVV P4VLNNN P5VLLLVV Diversificatie Zoekomgeving Wegwerken overtredingen op weekendbeperkingen Vanuit nieuwe situatie verder zoeken met gewone stappen MaDiWoDoVrZaZo P1VVLLNN P2NLLL P3VVVVV P4VLNNNVV P5VLLL Deel van slechtste persoonlijke planning wisselen met andere persoonlijke planning MaDiWoDoVrZaZo P1VVLLNN P2NLLL P3VLVVV P4VVNNN P5VLLLVV Vanuit nieuwe situatie verder zoeken met gewone stappen Meta-heuristieken en hybriden

23 Studiedag Autom. Personeelsplanning 10 november 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 Pre- en post processing

24 Studiedag Autom. Personeelsplanning 10 november opstellen initiële planning Vorige planning Bestaande planning Lege planning manipuleren tot een oplossing Willekeurig shifts toevoegen of verwijderen tot op elke dag aan de harde beperkingen voldaan is INITIALISATIE Pre- en post processing

25 Studiedag Autom. Personeelsplanning 10 november PLANNINGSOPTIES Voor de planning Minimum bezetting Gewenste bezetting Na de planning Aanvullen naar gewenste bezetting Aanvullen uren Pre- en post processing

26 Studiedag Autom. Personeelsplanning 10 november Model en Planner Model Model voor personeelsplanning met belangrijkste parameters uit de praktijk Algemene evaluatiefunctie met aanpasbare beperkingen, parameters Planner Verzameling van componenten en algoritmen om uiteenlopende doelen te bereiken Krachtige meta-heuristieken om oplossing te zoeken Model Planner

27 Dank u !


Download ppt "FlexiPlan, een roostering toolkit 10 november 2005."

Verwante presentaties


Ads door Google