Potrebno osoblje i traženi slobodni dani se sukobljavaju.
Traženi slobodni dani, potražnja po vremenskom bloku i minimalno osoblje često se ručno proveravaju istovremeno.
OPTIMIZACIJA SMENA I RADNE SNAGE
Uslove koje standardni alati za smene ne mogu da obuhvate pretvaramo u matematički model. Sistem pravi kandidate za pregled, tako da ljudi mogu potvrditi rezultat dok vide razloge i izuzetke.
Problem
Najteži deo izrade smena nije upisivanje imena u tabelu. Teško je istovremeno održati usklađenost mnogih pravila, zahteva i izuzetaka.
Traženi slobodni dani, potražnja po vremenskom bloku i minimalno osoblje često se ručno proveravaju istovremeno.
Rukovodioci, sertifikovano osoblje, operateri opreme ili odgovorne osobe moraju se pojaviti u određenim blokovima.
Noćne smene, vikendi, ukupan broj smena i teške dodele ne bi smele da se koncentrišu na nekoliko ljudi.
Jedan izostanak ili promena potražnje može poništiti celu tabelu i nametnuti kasnu obnovu.
Cilj automatizacije nije sama tabela. Cilj je ponavljana procena koju planer obavlja dok izrađuje raspored.
Modeliranje
Izrazi kao pravično, ne uzastopno, držati ovaj par odvojeno i poštovati tražene slobodne dane postaju podaci, tvrdi uslovi, meke preferencije i ocena.
Primer cilja
manjak osoblja x 1000 + nedostajuća kvalifikacija x 1000 + kršenje zahteva x 20 + neravnoteža opterećenja x 5
Težine su objašnjavajuće. U stvarnom projektu tvrdi uslovi i prioriteti postavljaju se kroz intervjue i poređenje sa stvarnim rasporedima.
Osoblje, dostupnost, traženi slobodni dani, kvalifikacije, potrebno osoblje i trenutni rasporedi.
Pravila koja se ne smeju prekršiti, poput potrebnog osoblja, kvalifikacija i ograničenja odmora.
Zahtevi koje treba poštovati kada je moguće, poput slobodnih dana, željenih smena i pravičnosti.
Kandidati rasporeda, neispunjeni uslovi, razlozi, merila i uticaj promena.
Interaktivni demo
Promenite poslovni scenario, potrebno osoblje, pokrivenost kvalifikacijama, preferencije, pravičnost i ograničenje uzastopnog rada. Kandidat rasporeda, merila i zapis pregleda ažuriraju se zajedno.
Ovo je demo na stranici sa jednostavnom heuristikom. Nije produkcijski optimizacioni mehanizam.
Pokrivenost osobljem
Pokrivenost kvalifikacijama
Poklapanje preferencija
Raspon broja dodela
| Osoblje | Pon | Uto | Sre | Čet | Pet | Sub | Ned |
|---|
Biblioteka pravila
Primeri u nastavku modeliraju se korak po korak. Ne treba svaki uslov implementirati odjednom; prioritet i dostupni podaci odlučuju prvi opseg.
COV-01
Tvrdo
Postavite minimalno i poželjno osoblje po danu, vremenskom bloku, lokaciji, odeljenju i ulozi.
COV-02
Preferencija
Povećajte preporučeno osoblje pomoću prognoza prodaje, rezervacija, korisnika, obima proizvodnje ili tiketa.
LAB-01
Tvrdo
Predstavite ograničenja uzastopnog rada, odmor posle noćne smene i potvrđena interna pravila razmaka.
LAB-02
Tvrdo
Uključite nedeljne ili mesečne sate, ograničenja vrste zaposlenja i dozvoljeni prekovremeni rad.
SKL-01
Tvrdo
Postavite potrebne kvalifikacije, odgovorno osoblje ili veštine opreme u svaki vremenski blok.
SKL-02
Preferencija
Izbegnite blokove sastavljene samo od novih ljudi tako što ih uparujete sa trenerima ili iskusnim osobljem.
PRF-01
Preferencija
Odvojite nedostupnost od traženih slobodnih dana, zatim dodelite prioritet prema važnosti.
PRF-02
Preferencija
Smanjite neravnotežu noćnih smena, vikenda, kasnih smena, ukupnih dodela i teških dužnosti.
PRF-03
Preferencija
U ocenjivanje dodele uključite kontinuitet klijenta, kompatibilnost tima i područja jakih veština.
Prilagođena pravila
Pravila koja se nikada ne pojavljuju u opštim primerima često su razlog zašto je prilagođeno modeliranje korisno.
Izlazi
Koristan sistem smena ne završava na tabeli rasporeda. Objašnjava šta se promenilo, šta se nije moglo zadovoljiti i šta ljudi treba da provere.
Vratite nekoliko kandidata sa različitim kompromisima umesto jednog neprozirnog odgovora.
Prikažite manjak pokrivenosti, neispunjene tražene slobodne dane i uslove koji se nisu mogli zadovoljiti.
Objasnite zašto je osoba dodeljena: kvalifikacija, preferencija, niže trenutno opterećenje ili prioritet pokrivenosti.
Kada se dogodi jedan izostanak, zaključajte ono što treba ostati fiksno i preračunajte pogođeno područje.
Primeri delatnosti
Dobar raspored znači različite stvari na svakom radnom mestu. Model treba da koristi termine i prioritete koje operacija već koristi.
Otvaranje, zatvaranje, dani gužve, veštine prodajnog prostora i pravičnost vikenda.
Dnevne i noćne smene, sertifikovano osoblje, kontinuitet nege i razmaci odmora.
Kvalifikacije za opremu, obim proizvodnje, dodela linija i rotacija smena.
Terenska dostupnost, pokrivenost podrške, hitni odgovor i ograničenja putovanja.
Izgraditi ili kupiti
Prilagođeni razvoj nije uvek pravi odgovor. Odluka treba da zavisi od složenosti pravila, spremnosti podataka i vrednosti objašnjivih kandidata.
Ako gotova usluga dobro rešava problem, reći ćemo to. Namenski sistem predlažemo samo kada je poslovna vrednost prilagođenih uslova verovatno veća od troška.
Kada je paketna usluga dovoljna
Standardni obrasci smena, ograničena pravila i mali tim često mogu brže početi sa postojećom uslugom.
Kada je prilagođeni sistem opravdan
Mnogo kvalifikacija, lokalna pravila, obrada promena i potreba za objašnjenjima jači su razlozi za izgradnju namenskog modela.
Podaci
Čista baza podataka nije potrebna prvog dana. Postojeći Excel fajlovi, papirni obrasci zahteva i liste osoblja mogu se pretvoriti u prvi ugovor o podacima.
Imena ili ID-jevi osoblja, veštine, ugovorni sati, dostupnost i željeni slobodni dani dovoljni su za prvi model.
Potražnja po danu, vremenskom bloku, lokaciji, odeljenju i ulozi definiše cilj pokrivenosti.
Odvojite pravila koja se nikada ne smeju prekršiti od zahteva koje treba poštovati kada je moguće.
Trenutni rasporedi i ručne korekcije pomažu da se generisani kandidati uporede sa stvarnom praksom.
Proces
Prvi cilj nije zameniti celu operaciju. Cilj je testirati mogu li se pravila planiranja predstaviti i da li je generisani kandidat koristan.
01
Pregledajte trenutnu tabelu, prikupljanje zahteva i korake ručne korekcije.
02
Odvojite tvrda pravila, preferencije, merila ocenjivanja i odluke samo za ljude.
03
Izgradite malu računsku komponentu sa reprezentativnim podacima.
04
Uporedite generisane kandidate sa postojećim rasporedima i komentarima planera.
05
Tek nakon potvrde pogodnosti povežite izračun sa tokom rada, uređivanjem i ovlašćenjima.
Prototip
Koristite trenutni raspored i ključne uslove za poređenje automatskih kandidata sa trenutnim planom. O punom razvoju odlučite nakon što su izvodljivost i vrednost vidljive.
Mali paket provere
298,000 JPY / bez poreza
Pretpostavlja jednu organizaciju, jednu vrstu rasporeda i ograničen skup glavnih uslova. Formalna procena sledi nakon potvrde opsega.
Sledeći dokaz
Pređite od problema smena na sledeći materijal koji vašem timu pomaže da odluči.
Uporedite ovu stranicu smena sa drugim demo prikazima planiranja i dodele.
Koristite studije slučaja da vidite kako opisujemo dokaze bez preuveličavanja rezultata.
Pregledajte kako se fajlovi, tabele i dijagnostika obrađuju pre deljenja primera.
Česta pitanja
Ovi odgovori razjašnjavaju šta demo na stranici može pokazati, šta prototip potvrđuje i šta ostaje ljudska odluka.
Ne. Demo na stranici je jednostavna heuristika za objašnjenje ideje. Stvarni projekat bira rešavač ili metodu pretraživanja nakon razumevanja pravila, razmera i potreba za vremenom odgovora.
Da. Prvi pregled obično može početi od trenutnog rasporeda, liste osoblja, traženih slobodnih dana i kratke beleške o pravilima.
Ne. Sistem treba da prikaže kandidate rasporeda, neispunjene uslove i razloge dodele kako bi čovek mogao da potvrdi konačni raspored.
Tretiraju se kao preferencije osim ako ih vaša organizacija označi kao obavezne. Izlaz treba da prikaže koji zahtevi nisu zadovoljeni i zašto.
Prototip može prvo testirati jednu organizaciju, jednu vrstu rasporeda i glavna pravila. Pun tok rada, uređivanje, ovlašćenja i integracije odlučuju se nakon tih dokaza.
Sledeći korak
Podelite trenutni Excel raspored i pravila koja su apsolutno obavezna ili samo poželjna. Odvojićemo šta se može modelirati, koji podaci nedostaju i gde treba početi mali prototip.