[论文解读] Efficient generation of rotating workforce schedules

Nysret Musliu, Johannes Gaertner+1 more|arXiv (Cornell University)|Feb 29, 2000

Scheduling and Timetabling Solutions参考文献 3被引用 10

一句话总结

本文提出了一种基于约束的四步框架，可高效生成高质量的轮班工作排班，通过智能回溯和人机协同交互，平衡硬性约束、人体工学因素和组织偏好。该方法通过顺序过滤减少搜索空间，在真实问题上实现交互式性能，解决方案在数秒内生成，同时优化周末分布和班次模式。

ABSTRACT

Generating high-quality schedules for a rotating workforce is a critical task in all settings where a certain staffing level must be guaranteed beyond the capacity of single employees, such as for instance in industrial plants, hospitals, or airline companies. Results from ergonomics \cite{BEST91} indicate that rotating workforce schedules have a profound impact on the health and social life of employees as well as on their performance at work. Moreover, rotating workforce schedules must satisfy legal requirements and should also meet the objectives of the employing organization. We describe our solution to this problem. A basic design decision was to aim at quickly obtaining high-quality schedules for realistically sized problems while maintaining human control. The interaction between the decision maker and the algorithm therefore consists in four steps: (1) choosing a set of lengths of work blocks (a work block is a sequence of consecutive days of work shifts), (2) choosing a particular sequence of work and days-off blocks among those that have optimal weekend characteristics, (3) enumerating possible shift sequences for the chosen work blocks subject to shift change constraints and bounds on sequences of shifts, and (4) assignment of shift sequences to work blocks while fulfilling the staffing requirements. The combination of constraint satisfaction and problem-oriented intelligent backtracking algorithms in each of the four steps allows to find good solutions for real-world problems in acceptable time. Computational results from real-world problems and from benchmark examples found in the literature confirm the viability of our approach. The algorithms are now part of a commercial shift scheduling software package.

研究动机与目标

• 解决生成满足法律、人体工学和组织约束的高质量轮班工作排班的挑战。
• 通过将问题分解为可管理的子问题，降低NP难排班问题的计算复杂度。
• 实现交互式、人机引导的排班，确保可行性与质量的同时保持控制权。
• 优化关键软约束，如周末分布、班次序列和连续班次限制。
• 提供可扩展、高效的解决方案，适用于真实世界的工业和医疗场景。

提出的方法

• 将排班问题分解为四个顺序步骤：工作块长度选择、最优周末序列选择、受约束的班次序列枚举，以及员工班次分配。
• 在每个步骤中应用约束满足技术与智能回溯，尽早剔除不可行解。
• 采用类解法对工作块和休息日块进行分组，重点优化第二步中的最优周末特性。
• 通过限制连续班次数量和班次变更约束，减少搜索空间。
• 允许人类决策者通过交互式选择偏好块序列和班次模式来引导流程。
• 将大量员工分组为团队，以在大规模实例中保持可扩展性。

实验结果

研究问题

• RQ1 如何有效减少轮班工作排班的搜索空间，以实现实时、交互式解决方案生成？
• RQ2 在保持算法效率和解质量的前提下，人类专业知识在排班过程中能多大程度上被整合？
• RQ3 基于约束的回溯与顺序过滤是否能在可接受的时间限制内，为真实问题生成高质量排班？
• RQ4 该框架在优化非硬性约束（如周末分布和班次序列模式）方面效果如何？
• RQ5 在平衡人体工学与运营目标时，解质量与计算时间之间存在何种权衡？

主要发现

• 该框架在真实世界实例中生成高质量轮班工作排班的时间少于5秒，首个解在0.73秒内找到。
• 该方法成功避免了长工作块（例如，无长度为8的工作块），并倾向于选择长度为5的最优工作块，提升了排班的公平性与人体工学性。
• 实现了最多5个休息周末的排班，当最大工作块长度增加至8时，周末休息分布显著改善。
• 该方法支持交互式决策，允许用户根据偏好优先选择更长的工作块或更优的周末分布。
• 通过将员工分组为团队，该框架在大规模人员规模下仍能有效扩展，保持高效性。
• 计算结果证实该方法在真实问题和文献中的基准实例上均具有可行性。