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)
Dia 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 risicos op een tekort
aan kielspeling gebaseerd op hydro/meteo data, geplande trajecten
en de karakteristieken van het schip
Dia 5
10 november 2005Studiedag Autom. Personeelsplanningp. 5
Voorbeeld: WESP
Dia 6
10 november 2005Studiedag Autom. Personeelsplanningp. 6
WESP
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
Dia 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
Dia 10
10 november 2005Studiedag Autom. Personeelsplanningp. 10 Aanpak
Invoering vereist een projectmatige aanpak !
OpstartPrototypeImplementatieValidatie Begeleiding &
Onderhoud
Dia 11
Studiedag Autom. Personeelsplanning 10 november 2005 11 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
Dia 12
Studiedag Autom. Personeelsplanning 10 november 2005 12 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
Dia 13
Studiedag Autom. Personeelsplanning 10 november 2005 13 Harde
beperkingen Harde beperkingen: altijd te voldoen Minimum bezetting
Kwalificatie, niet hirarchische vervanging Model
Dia 14
Studiedag Autom. Personeelsplanning 10 november 2005 14 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
Dia 15
Studiedag Autom. Personeelsplanning 10 november 2005 15
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 V4211111 L11331 N11121
Dia 16
Studiedag Autom. Personeelsplanning 10 november 2005 16
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
Dia 17
Studiedag Autom. Personeelsplanning 10 november 2005 17
Evaluatie Algoritme Groot aantal zachte beperkingen Modulair,
parametriseerbaar Eenvoudig, snel implementeerbaar en
uitvoerbaar
Dia 18
Studiedag Autom. Personeelsplanning 10 november 2005 18 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.
1139-1146 Evaluatie
Dia 19
Studiedag Autom. Personeelsplanning 10 november 2005 19 Planner
Complexiteit NP compleet niet oplosbaar in polynomiale rekentijd
Voldoende kwaliteitsvolle oplossing zoeken in aanvaardbare
rekentijd Lokaal zoeken Landschap van potentile oplossingen Begrip
van nabuurschap Een te optimaliseren doelfunctie Metaheuristieken
Lokale optima verlaten Brede exploratie afwisselen met intensief
zoeken Niet gegarandeerd optimaal Model Planner
Studiedag Autom. Personeelsplanning 10 november 2005 22
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
Dia 23
Studiedag Autom. Personeelsplanning 10 november 2005 23 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
Dia 24
Studiedag Autom. Personeelsplanning 10 november 2005 24
opstellen initile 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
Dia 25
Studiedag Autom. Personeelsplanning 10 november 2005 25
PLANNINGSOPTIES Voor de planning Minimum bezetting Gewenste
bezetting Na de planning Aanvullen naar gewenste bezetting
Aanvullen uren Pre- en post processing
Dia 26
Studiedag Autom. Personeelsplanning 10 november 2005 26 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