Download de presentatie
De presentatie wordt gedownload. Even geduld aub
GepubliceerdJoke Ten Laatst gewijzigd meer dan 10 jaar geleden
1
FlexiPlan, een roostering toolkit 10 november 2005
2
Studiedag Autom. Personeelsplanning
Agenda Inleiding Voorstelling TINC Personeelsplanning FlexiPlan Concept Structuur Aanpak 10 november 2005 Studiedag Autom. Personeelsplanning
3
Studiedag Autom. Personeelsplanning
Voorstelling TINC Opgericht in 1998 Kantoor Mechelen Consultancy & Software Ontwikkeling voor de transport markt Scheepvaart Luchtvaart Expertise Traffic Management Systems Planning & Scheduling Communicatie (netwerken) 10 november 2005 Studiedag Autom. Personeelsplanning
4
Studiedag Autom. Personeelsplanning
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 10 november 2005 Studiedag Autom. Personeelsplanning
5
Studiedag Autom. Personeelsplanning
Voorbeeld: WESP 10 november 2005 Studiedag Autom. Personeelsplanning
6
Studiedag Autom. Personeelsplanning
WESP 10 november 2005 Studiedag Autom. Personeelsplanning
7
Studiedag Autom. Personeelsplanning
Expertise & Activiteiten Planning & scheduling Klanten Continu diensten Samenwerking KaHo Sint-Lieven R & D Markt 10 november 2005 Studiedag Autom. Personeelsplanning
8
Studiedag Autom. Personeelsplanning
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 10 november 2005 Studiedag Autom. Personeelsplanning
9
Studiedag Autom. Personeelsplanning
Structuur Model Beschrijving v/h probleem en plan Implementatie in een databank Gebruikersprofielen en -rechten Planner GUI Planner GUI Basis set van vensters en gedrag Aanpasbaar aan noden gebruiker Enkel relevante gegevens Model Report API Report Rijke rapportering via web interface Autom. Distributie Statistieken API Integratie met andere systemen 10 november 2005 Studiedag Autom. Personeelsplanning
10
Studiedag Autom. Personeelsplanning
Aanpak Invoering vereist een projectmatige aanpak ! Opstart Prototype Implementatie Validatie Begeleiding & Onderhoud 10 november 2005 Studiedag Autom. Personeelsplanning
11
Studiedag Autom. Personeelsplanning
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 Model Studiedag Autom. Personeelsplanning 10 november 2005
12
Studiedag Autom. Personeelsplanning
Model Kwalificatie Opleiding Ervaring Verantwoordelijkheid … Contract Bepaalt beperkingen op persoonlijke roosters Shift Bezetting Aantal gekwalificeerde personeelsleden per dag en per shift Minimum of gewenst Shift Van Tot Korte vroege 7:00 13:00 Vroege 15:00 Dag 8:00 17:00 Late 21:00 Korte Late Nacht Model Studiedag Autom. Personeelsplanning 10 november 2005
13
Studiedag Autom. Personeelsplanning
Harde beperkingen Harde beperkingen: altijd te voldoen Minimum bezetting Kwalificatie, niet hiërarchische vervanging Model Studiedag Autom. Personeelsplanning 10 november 2005
14
Studiedag Autom. Personeelsplanning
Zachte beperkingen 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 Studiedag Autom. Personeelsplanning 10 november 2005
15
∑ persoon, zachte beperking (overtreding*gewicht)
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 Ma Di Wo Do Vr Za Zo V 4 2 1 L 3 N Studiedag Autom. Personeelsplanning 10 november 2005
16
Studiedag Autom. Personeelsplanning
Evaluatie Overtredingen zachte beperkingen Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL 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 Studiedag Autom. Personeelsplanning 10 november 2005
17
Studiedag Autom. Personeelsplanning
Evaluatie Algoritme Groot aantal zachte beperkingen Modulair, parametriseerbaar Eenvoudig, snel implementeerbaar en uitvoerbaar Studiedag Autom. Personeelsplanning 10 november 2005
18
Studiedag Autom. Personeelsplanning
Evaluatie 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 Studiedag Autom. Personeelsplanning 10 november 2005
19
Studiedag Autom. Personeelsplanning
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 Planner Model Studiedag Autom. Personeelsplanning 10 november 2005
20
Studiedag Autom. Personeelsplanning
Lokaal zoeken Hill-climbing Richting van de sterkste stijging kwaliteit huidige oplossing Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Ma Di Wo Do Vr Za Zo P1 VL V L N P2 P3 P4 P5 Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Studiedag Autom. Personeelsplanning 10 november 2005
21
Studiedag Autom. Personeelsplanning
Meta-heuristieken Tabu search Stoppen? Kwaliteit? Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 LN P5 VL Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 VL P5 Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 P5 VL Vermijden Lokale optima Reeds doorzochte gebieden Studiedag Autom. Personeelsplanning 10 november 2005
22
Studiedag Autom. Personeelsplanning
Meta-heuristieken en hybriden Diversificatie Wegwerken overtredingen op weekendbeperkingen Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 VL P5 Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 VL P5 Vanuit nieuwe situatie verder zoeken met gewone stappen Zoekomgeving Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 VL P4 P5 Ma Di Wo Do Vr Za Zo P1 V L N P2 P3 P4 VL P5 Diversificatie: naar een ander gedeelte van de zoekruimte springen om van daaruit verder naar het optimum te zoeken. De gevonden oplossing is niet noodzakelijk beter maar van daaruit kan verdergegaan worden met het gewone tabu search algoritme. Slechtste persoonlijke planning is die voor P4, omwille van te weinig tijd tussen opkomsten. Deel van slechtste persoonlijke planning wisselen met andere persoonlijke planning Vanuit nieuwe situatie verder zoeken met gewone stappen Studiedag Autom. Personeelsplanning 10 november 2005
23
Pre- en post processing
CONSISTENTIECONTROLE Harde beperkingen Bezetting Kwalificaties `Voorrang’ Zachte beperkingen Persoonlijke wensen voor verlofdagen Afwezigheden Gewenste opkomsten Patronen overtreding aanvaarden herstellen relaxeren harde beperkingen relaxeren persoonlijke wensen Studiedag Autom. Personeelsplanning 10 november 2005
24
Pre- en post processing
INITIALISATIE 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 Studiedag Autom. Personeelsplanning 10 november 2005
25
Pre- en post processing
PLANNINGSOPTIES Voor de planning Minimum bezetting Gewenste bezetting Na de planning Aanvullen naar gewenste bezetting Aanvullen uren Studiedag Autom. Personeelsplanning 10 november 2005
26
Studiedag Autom. Personeelsplanning
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 Planner Model Studiedag Autom. Personeelsplanning 10 november 2005
27
Dank u !
Verwante presentaties
© 2024 SlidePlayer.nl Inc.
All rights reserved.