Požadované obsadenie a dni voľna sú v konflikte.
Požadované dni voľna, potreba podľa časového úseku a minimálne obsadenie sa často kontrolujú ručne súčasne.
OPTIMALIZÁCIA ZMIEN A PERSONÁLU
Podmienky, ktoré štandardné nástroje na plánovanie zmien nedokážu zachytiť, prevádzame do matematického modelu. Systém vytvára overiteľných kandidátov, takže ľudia môžu potvrdiť výsledok so znalosťou dôvodov a výnimiek.
Problém
Náročnou časťou tvorby zmien nie je zapisovanie mien do tabuľky, ale udržiavanie množstva pravidiel, požiadaviek a výnimiek v súlade.
Požadované dni voľna, potreba podľa časového úseku a minimálne obsadenie sa často kontrolujú ručne súčasne.
Vedúci, certifikovaný personál, obsluha zariadení alebo zodpovedné osoby musia byť prítomné v konkrétnych úsekoch.
Nočné zmeny, víkendy, celkový počet zmien a náročné priradenia sa nemajú sústreďovať na niekoľko ľudí.
Jediná neprítomnosť alebo zmena potreby môže zneplatniť celú tabuľku a vynútiť si neskoré prepracovanie.
Cieľom automatizácie nie je samotná tabuľka, ale opakované posudzovanie, ktoré plánovač vykonáva pri jej tvorbe.
Modelovanie
Výrazy ako spravodlivo, nie po sebe, oddeliť túto dvojicu a rešpektovať požadované dni voľna sa menia na údaje, pevné podmienky, mäkké preferencie a skóre.
Príklad cieľovej funkcie
nedostatočné obsadenie x 1000 + chýbajúca kvalifikácia x 1000 + porušená požiadavka x 20 + nerovnováha záťaže x 5
Váhy slúžia na vysvetlenie. V skutočnom projekte sa pevné podmienky a priority určujú rozhovormi a porovnaním so skutočnými rozpismi.
Pracovníci, dostupnosť, požadované dni voľna, kvalifikácie, požadované obsadenie a aktuálne rozpisy.
Pravidlá, ktoré sa nesmú porušiť, napríklad požadované obsadenie, kvalifikácie a limity odpočinku.
Požiadavky, ktoré sa majú podľa možnosti rešpektovať, napríklad dni voľna, uprednostňované zmeny a spravodlivosť.
Kandidáti rozpisu, nesplnené podmienky, dôvody, metriky a vplyv zmien.
Interaktívne demo
Zmeňte obchodný scenár, požadované obsadenie, pokrytie kvalifikácií, preferencie, spravodlivosť a limit po sebe idúcej práce. Kandidátny rozpis, metriky aj kontrolný záznam sa aktualizujú spoločne.
Toto demo na stránke používa jednoduchú heuristiku. Nie je to produkčný optimalizačný engine.
Pokrytie obsadenia
Pokrytie kvalifikácií
Zhoda preferencií
Rozpätie priradení
| Personál | Po | Ut | St | Št | Pi | So | Ne |
|---|
Knižnica pravidiel
Nižšie uvedené príklady sa modelujú krok za krokom. Nie každá podmienka sa má implementovať naraz; prvý rozsah určuje priorita a dostupné dáta.
COV-01
Pevné
Nastaviť minimálne a preferované obsadenie podľa dňa, časového úseku, lokality, oddelenia a roly.
COV-02
Preferencia
Zvýšiť odporúčané obsadenie podľa prognózy predaja, rezervácií, klientov, objemu výroby alebo tiketov.
LAB-01
Pevné
Reprezentovať limity po sebe idúcej práce, odpočinok po nočnej a potvrdené interné intervalové pravidlá.
LAB-02
Pevné
Zahrnúť týždenné alebo mesačné hodiny, limity podľa typu pracovného pomeru a povolený nadčas.
SKL-01
Pevné
Umiestniť požadované kvalifikácie, zodpovedný personál alebo zručnosti k zariadeniu do každého časového úseku.
SKL-02
Preferencia
Vyhnúť sa úseku obsadenému iba novými ľuďmi tým, že sa spárujú so školiteľmi alebo skúseným personálom.
PRF-01
Preferencia
Oddeľte nedostupnosť od požadovaných dní voľna a potom priraďte prioritu podľa dôležitosti.
PRF-02
Preferencia
Znížte nerovnováhu nočných zmien, víkendov, neskorých zmien, celkových priradení a náročných povinností.
PRF-03
Preferencia
Zahrňte kontinuitu zákazníka, kompatibilitu tímu a oblasti silných zručností do skórovania priradení.
Pravidlá na mieru
Pravidlá, ktoré sa nikdy neobjavujú vo všeobecných príkladoch, sú často dôvodom, prečo je modelovanie na mieru užitočné.
Výstupy
Užitočný systém zmien sa nekončí tabuľkou rozpisu. Vysvetľuje, čo sa zmenilo, čo sa nedalo splniť a čo majú ľudia skontrolovať.
Vrátiť viac kandidátov s rôznymi kompromismi namiesto jednej nepriehľadnej odpovede.
Zobraziť chýbajúce pokrytie, nesplnené požadované dni voľna a podmienky, ktoré sa nedali splniť.
Vysvetliť, prečo bola osoba priradená: kvalifikácia, preferencia, nižšie aktuálne vyťaženie alebo priorita pokrytia.
Keď nastane jedna absencia, zamknite to, čo má zostať pevné, a prepočítajte dotknutú oblasť.
Príklady odvetví
Dobrý rozpis znamená na každom pracovisku niečo iné. Model má používať pojmy a priority, ktoré prevádzka už používa.
Otváranie, zatváranie, rušné dni, zručnosti na predajnej ploche a férové víkendy.
Denné a nočné zmeny, certifikovaný personál, kontinuita starostlivosti a intervaly odpočinku.
Kvalifikácie na zariadenia, objem výroby, priradenie liniek a rotácia zmien.
Terénna dostupnosť, pokrytie podpory, urgentná reakcia a cestovné obmedzenia.
Vyvíjať alebo kúpiť
Vývoj na mieru nie je vždy správna odpoveď. Rozhodnutie má závisieť od zložitosti pravidiel, pripravenosti dát a hodnoty vysvetliteľných kandidátov.
Ak hotová služba dokáže problém dobre vyriešiť, povieme to. Samostatný systém navrhujeme iba vtedy, keď obchodná hodnota podmienok na mieru pravdepodobne prevýši náklady.
Kedy stačí hotová služba
Štandardné zmenové vzory, obmedzený počet pravidiel a malý tím často začnú rýchlejšie s existujúcou službou.
Kedy je opodstatnený systém na mieru
Mnoho kvalifikácií, lokálnych pravidiel, spracovanie zmien a potreba vysvetlenia sú silnejším dôvodom na samostatný model.
Dáta
Čistá databáza nie je potrebná hneď prvý deň. Existujúce excelové súbory, papierové hárky požiadaviek a zoznamy pracovníkov možno previesť na prvý dátový kontrakt.
Na prvý model stačia mená alebo ID pracovníkov, zručnosti, zmluvné hodiny, dostupnosť a preferované dni voľna.
Potreba podľa dňa, časového úseku, lokality, oddelenia a roly definuje cieľ pokrytia.
Oddeľte pravidlá, ktoré sa nikdy nesmú porušiť, od požiadaviek, ktoré sa majú rešpektovať, keď je to možné.
Aktuálne rozpisy a manuálne opravy pomáhajú porovnať vygenerovaných kandidátov so skutočnou praxou.
Proces
Prvým cieľom nie je nahradiť celú prevádzku. Je ním otestovať, či sa plánovacie pravidlá dajú reprezentovať a či je vygenerovaný kandidát užitočný.
01
Skontrolovať aktuálnu tabuľku, zber požiadaviek a kroky manuálnych opráv.
02
Oddeliť pevné pravidlá, preferencie, hodnotiace metriky a rozhodnutia výhradne pre človeka.
03
Vytvoriť malý výpočtový komponent s reprezentatívnymi dátami.
04
Porovnať vygenerovaných kandidátov s existujúcimi rozpismi a komentármi plánovača.
05
Až po potvrdení vhodnosti prepojte výpočet s pracovným tokom, úpravami a oprávneniami.
Prototyp
Použite aktuálny rozpis a základné podmienky na porovnanie automatických kandidátov s aktuálnym plánom. O plnom vývoji rozhodnite až po zviditeľnení realizovateľnosti a hodnoty.
Malý overovací balík
298 000 JPY / bez dane
Predpokladá jednu organizáciu, jeden typ rozpisu a obmedzený súbor hlavných podmienok. Formálny odhad nasleduje po potvrdení rozsahu.
Ďalší dôkaz
Prejdite od problému zmien k ďalšiemu podkladu, ktorý pomôže tímu rozhodnúť.
Porovnajte túto stránku zmien s ďalšími demami plánovania a priraďovania.
V prípadových štúdiách uvidíte, ako opisujeme dôkazy bez preháňania výsledkov.
Pozrite si, ako sa pred zdieľaním príkladov zaobchádza so súbormi, tabuľkami a diagnostikou.
FAQ
Tieto odpovede vysvetľujú, čo dokáže ukázať demo stránky, čo potvrdzuje prototyp a čo zostáva ľudským rozhodnutím.
Nie. Demo na stránke je jednoduchá heuristika na vysvetlenie myšlienky. V skutočnom projekte sa riešič alebo metóda vyhľadávania vyberá až po pochopení pravidiel, rozsahu a požiadaviek na čas odozvy.
Áno. Prvá kontrola môže zvyčajne začať aktuálnym rozpisom, zoznamom pracovníkov, požadovanými dňami voľna a krátkou poznámkou k pravidlám.
Nie. Systém má zobraziť kandidátne rozpisy, nesplnené podmienky a dôvody priradenia, aby človek mohol potvrdiť konečný rozpis.
Považujú sa za preferencie, pokiaľ ich organizácia neoznačí za povinné. Výstup má ukázať, ktoré požiadavky neboli splnené a prečo.
Prototyp môže najprv otestovať jednu organizáciu, jeden typ rozpisu a hlavné pravidlá. Plný pracovný tok, úpravy, oprávnenia a integrácie sa rozhodujú až po tomto dôkaze.
Ďalší krok
Pošlite aktuálny excelový rozpis a pravidlá, ktoré sú absolútne povinné alebo iba preferované. Oddelíme, čo sa dá modelovať, aké dáta chýbajú a kde má začať malý prototyp.