CN110705815A - 门店排班***及方法 - Google Patents
门店排班***及方法 Download PDFInfo
- Publication number
- CN110705815A CN110705815A CN201910740157.0A CN201910740157A CN110705815A CN 110705815 A CN110705815 A CN 110705815A CN 201910740157 A CN201910740157 A CN 201910740157A CN 110705815 A CN110705815 A CN 110705815A
- Authority
- CN
- China
- Prior art keywords
- time
- staff
- employee
- duty
- scheduling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
- G06Q10/1097—Task assignment
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了门店排班***及方法,其中门店排班***包括:接收模块,用于响应接收到排班指令,接收门店各个时段的员工需求量;获取模块,用于获取预存的待排班员工及其可工作时段;约束模块,用于确定满足预设约束条件的待排班员工;排班确定模块,用于根据确定的待排班员工及人力成本目标函数确定满足所述员工需求量并使得人力成本最小化的员工最佳排班组合;输出模块,用于根据确定的员工最佳排班组合输出排班数据。本发明***及方法提高了排班速度和效率,并能最有成本效益地调度企业的人员资源,实现资源优化配置。
Description
技术领域
本申请涉及专门适用于行政、商业、金融、管理、监督或预测目的的数据处理***或方法领域,尤其涉及门店排班***及方法。
背景技术
与排班相关的发明多应用于医院人力资源管理、公交***计划排班以及航空公司排班等领域,较少面向咖啡馆、餐厅等门店进行排班的研究发明。此外,目前餐厅、KTV、快捷餐厅等企业单位都会聘用一些兼职员工,由于全职员工和兼职员工所属类别差异,并且为了降低管理难度,考虑到生产力约束,企业倾向于优先选择全职员工,其次使用兼职员工补充额外的人员需求。传统的排班往往通过人工来进行,负责排班的人根据各个时段需要的员工数量,确定各个员工的可工作时间。由于排班过程需要考虑诸多限制因素,因此通过人工进行排班会耗费较多的时间,并且不能保证排班质量,导致排班效率低下。
在员工包括全职和兼职两种员工配置的情形下,员工有优先级约束,且员工工作需要满足连续性约束等多个限制条件,排班难度提升到新的量级,排班时间长,对排班***提出了更高的要求。
发明内容
本申请的目标在于提供一种门店尤其餐饮行业门店的排班***及方法,其既能提高排班速度和效率,又能最有成本效益地组织、规划、调度和分配企业的人员资源。
为解决上述技术问题,根据本发明的第一方面,提供一种门店排班***,该***包括:
接收模块,用于响应接收到排班指令,接收门店各个时段的员工需求量;
获取模块,用于获取预存的待排班员工及其可工作时段;
约束模块,用于确定满足预设约束条件的待排班员工;
排班确定模块,用于根据确定的待排班员工及人力成本目标函数确定满足所述员工需求量并使得人力成本最小化的员工最佳排班组合;
输出模块,用于根据确定的员工最佳排班组合输出排班数据。
作为本发明第一方面的改进,所述预设约束条件包括下述之一或多个:生产力约束条件、人数约束条件和工时约束条件。
作为本发明第一方面的另一改进,所述人力成本为全职员工上班工时、兼职员工权重*兼职员工上班工时、全职员工上班人数、及兼职员工权重*兼职员工上班人数的和,所述排班确定模块根据下述目标函数确定所述员工最佳排班组合:
其中:N为门店全职员工数,M为门店兼职员工数,S为一天排班时段总数,K为一周天数,k表示第k天,i表示第i个员工,j表示第j个时段,Pri表示第i个全职员工的排班权重;ffkij表示第k天全职员工i在第j个时段是否上班,上班为1,不上班则为0;ppkij表示第k天兼职员工i在第j个时段是否上班,上班为1,不上班则为0;ftki表示第k天全职员工i当天是否上班,上班为1,不上班则为0;ptki表示第k天兼职员工i当天是否上班,上班为1,不上班则为0;系数θ是兼职员工的权重系数。
作为本发明第一方面的又一改进,所述约束模块包括生产力约束子模块,所述生产力约束子模块确定各个时段的待排班员工的人力是否大于或等于相应时段的员工需求量。
作为本发明第一方面的再一改进,所述约束模块包括人数约束子模块,所述人数约束子模块确定上班时间同一时段是否满足在岗人数要求及上班时间同一时段是否满足全职员工人数要求。
作为本发明第一方面的另一改进,所述约束模块包括工时约束子模块,所述工时约束子模块确定是否满足下述条件之一或多个:
1)全职员工每天上班工时在[flow,fhigh]之间;
2)兼职员工每天上班工时在[plow,phigh]之间;
3)全职员工每周上班工时在[flow-week,fhigh-week]之间;
4)全职员工每周工作天数小于等于预设天数;
5)为用餐时段工作的员工提供至少1个时段的用餐时间;
6)全职员工和兼职员工满足上班连续性约束条件;
其中,fhigh表示全职员工当天最长工作时长,flow表示全职员工当天最短工作时长,phigh表示兼职员工当天最长工作时长,plow表示兼职员工当天最短工作时长,flow-week表示全职员工一周最短工作时长,fhigh-week表示全职员工一周最长工作时长。
作为本发明第一方面的又一改进,所述工时约束子模块通过下述公式确定全职员工或兼职员工是否符合安排用餐时间的要求:
其中B是用餐时段的集合,j∈B表示j属于用餐时段,bkij表示第k天员工i在第j个时段是否安排用餐,安排用餐为1,不安排用餐则为0;skij表示第k天员工i在第j个时段的计划工时安排,计划上班为1,否则为0;len(B)表示用餐时段的长度。
作为本发明第一方面的再一改进,所述工时约束子模块通过下述公式确定全职员工或兼职员工是否满足上班连续性约束条件:
skij-ski(j-1)+ukij-vkij=0,j≥2
ukij+vkij≤1,j≥2
其中ski1为第k天第i个员工在第1个时段是否上班,ukij和vkij均为引入的中间变量。
作为本发明第一方面的另一改进,还包括检查模块,用于在输出排班数据之后检查所述员工最佳排班组合是否符合要求。
根据本发明的第二方面,提供一种门店排班方法,该方法包括:
响应接收到排班指令,接收门店各个时段的员工需求量;
获取预存的待排班员工及其可工作时段;
确定满足预设约束条件的待排班员工;
根据确定的待排班员工及人力成本目标函数确定满足所述员工需求量并使得人力成本最小化的员工最佳排班组合;
根据确定的员工最佳排班组合输出排班数据。
本发明***或方法在计算机上执行,通过接收门店的员工需求量、从待排班员工中确定出满足预设约束条件的待排班员工、然后根据确定的待排班员工确定满足员工需求量并使得人力成本最小化的员工最佳排班组合,解决了人工手动排班的复杂繁琐问题,提高了排班速度和效率,并能最有成本效益地调度企业的人员资源,实现资源优化配置。此外,在考虑员工连续性工作等约束条件情形下,由于增加的排班复杂性,排班所需要的计算量大幅增加,本发明通过新设计的目标函数及模型大大减少了排班***计算量,进一步提高了排班效率。
附图说明
图1为根据本发明的门店排班***的一实施例的结构框图。
图2为根据本发明的门店排班方法的一实施例的流程图。
为清晰起见,这些附图均为示意性及简化的图,它们只给出了对于理解本发明所必要的细节,而省略其他细节。
具体实施方式
下面参照附图对本发明的实施方式和实施例进行详细说明。
通过下面给出的详细描述,本发明的适用范围将显而易见。然而,应当理解,在详细描述和具体例子表明本发明优选实施例的同时,它们仅为说明目的给出。
图1示出了根据本发明的门店排班***的一实施例,该排班***尤其适合包括全职和兼职员工的餐饮行业门店的排班,例如大型咖啡连锁企业的各咖啡门店的排班。图1所示的排班***包括接收模块101、获取模块102、约束模块103、排班确定模块104和输出模块105。
接收模块101用于响应接收到排班指令,接收门店各个时段的员工需求量。在优选实施例中,各个时段的员工需求量由待排班门店提供,时段划分依据为30分钟一个时段,根据门店营业时间,提供一周全部时段的员工需求量。时段也可根据需要按其它长度划分例如20分钟或一个小时。
获取模块102用于获取预先存储的待排班员工例如其姓名或编号及其可工作时段情况。
约束模块103用于确定满足预设约束条件的待排班员工。在实施例中,预设约束条件包括下述之一或多个:生产力约束条件、人数约束条件和工时约束条件。根据实际需要,预设约束条件也可包括其它约束条件。
生产力约束条件指一周各时段的排班人力应当大于等于预测需求人力,其表示为:
ffkij和ppkij分别表示第k天员工i在第j个时段是否上班,均为扣除了用餐时段的有效工作时段,dkj表示第k天第j个时段的员工需求,这里表示实际的员工需求量,即扣除用餐时段休息的员工。根据要求,同一时段排班的人员数目应该大于等于该时段所需的最低员工需求量。
人数约束条件包括:上班时间同一时段至少α名人员在岗,及上班时间同一时段至少β名全职员工,其表示为:
其中fskij表示第k天全职员工i在第j个时段是否上班,上班为1,不上班则为0;pskij表示第k天兼职员工i在第j个时段是否上班,上班为1,不上班为0;fskij和pskij都表示员工是否计划上班,即没有扣除用餐时间。α和β的值由待排班门店根据实际需要预先设置。例如,当α=2,β=1时,表示上班时间同一时段至少2名人员在岗,上班时间同一时段至少1名全职员工。
工时约束条件包括下述条件之一或多个:
1)全职员工每天上班工时在[flow,fhigh]之间;
2)兼职员工每天上班工时在[plow,phigh]之间;
3)全职员工每周上班工时在[flow-week,fhigh-week]之间;
4)全职员工每周工作天数小于等于6天;
5)为用餐时段工作的员工提供1个时段的用餐时间;
6)全职员工和兼职员工满足上班连续性约束条件。
其中,fhigh表示全职员工当天最长工作时长,flow表示全职员工当天最短工作时长,phigh表示兼职员工当天最长工作时长,plow表示兼职员工当天最短工作时长,flow-week表示全职员工一周最短工作时长,fhigh-week表示全职员工一周最长工作时长。这里的工作时长(工时)单位都为小时,由于先前已假定按30分钟作为一个时段而提供各个时段的员工需求量,因此在之后的建模及算法设计中,工时均转化为相应时段进行计算,即1个小时转化为2个时段。
全职员工每天上班工时表示为:
其中fhigh和flow单位是小时,均需乘以2转化为时段,上述表达式即表示对于第k天,全职员工i要么不上班,要么上班且满足工作时长约束。
在一实施例中,fhigh=11,flow=6,表示全职员工每天需上班6-11个小时,即如果某全职员工当天上班,那么需要上班6-11个小时,要么不上班。注意,这里单位是小时,如果带入到模型中,两者均需乘以2,转为时段进行计算。
兼职员工每天上班工时表示为:
其中phigh和plow单位是小时,均需乘以2转化为时段,上述表达式即表示对于第k天,兼职员工i要么不上班,要么上班且满足工作时长约束。
在一实施例中,phigh=11,plow=3,表示兼职员工每天需上班3-11个小时,即如果某兼职员工当天上班,那么需要上班3-11个小时,要么不上班。同样,这里单位是小时,如果带入到模型中,两者均需乘以2,转为时段进行计算。
全职员工每周工作工时表示为:
其中fhigh-week和flow-week单位是小时,均需乘以2转化为时段,fi表示一周是否需要全职员工i值班,需要为1,不需要则为0。
在一实施例中,flow-week=38,fhigh-week=45,表示全职员工每周需要工作38-45个小时,即如果本周某全职员工值班,那么需要上班38-45个小时,要么本周不值班。
全职员工每周工作天数小于等于6天表示为:
ftki表示第k天全职员工i是否上班,上班为1,不上班为0,上式表示一周全职员工上班天数应该不大于6天。
为用餐时段工作的全职员工提供1个时段的用餐时间,表示为:
其中B是用餐时段的集合,j∈B表示j属于用餐时段,fbkij表示第k天全职员工i在第j个时段是否安排用餐,安排用餐为1,不安排用餐则为0;fskij表示第k天全职员工i在第j个时段的计划工时安排,计划上班为1,否则为0;len(B)表示用餐时段的长度,即有几个时段可供安排员工用餐。上述两个约束条件确定全职员工i是否符合安排用餐时间的要求,如果符合要求,则安排用餐时间。
在一实施例中,用餐时段长度为4,对于某一全职员工i,如果在j∈B时段内没有连续工作,比如fskij在一个时段j等于0,其他时段j等于1,其中j∈B,那么∑j∈Bfskij=3,上述约束转化为∑j∈Bfbkij≥0,∑j∈Bfbkij≤0.09,由于fbkij是0-1变量,因此fbkij只能等于0,即表示不给该员工分配用餐时间;反之,当在j∈B时段内,员工i连续工作,即fskij均为1,上述约束转化为∑j∈Bfbkij≥1,∑j∈Bfbkij≤1,即需要给该员工分配1个时段的用餐时间。
为用餐时段工作的兼职员工提供1个时段的用餐时间,表示为:
上述两个式子所述含义与为用餐时段工作的全职员工提供1个时段的用餐时间含义相同,在此不再赘述。
全职员工需要满足上班连续性约束,表示为:
其中fski1为第k天第i个员工在第1个时段是否上班,fukij和fvkij均为全职员工满足上班连续性约束引入的中间变量。
在一实施例中,例如对于一天来说,全职员工上班需要满足连续性约束,假设S=8(实际工作中S的值会大得多,在此为方便说明问题,取一个较小的值),全职员工每天需要上班4-6个小时,对于任一全职员工i,用fsij表示一天全职员工i在第j个时段是否上班,上班为1,不上班为0。若需满足上班连续性约束,fsij的取值应该有以下几种情况:
即若全职员工满足上班连续性约束,那么应该满足如下表达式:
fsi1+|fsi2-fsi1|+|fsi3-fsi2|+…+|fsi8-fsi7|≤2
上述表达式中,绝对值严重影响模型的运算速度,为了去掉绝对值,在此引进fuij,fvij两个中间变量,转化为下面3个式子:
上述三个式子可以确保员工一天上班满足连续性工作约束,虽然增加了两个中间变量,但是模型运算速度得到数量级的提升。若表示一周排班模型员工连续性工作约束,只需在此基础上加入天数变量k即可,如下所示:
兼职员工需要满足上班连续性约束,表示为:
其中pski1为第k天第i个员工在第1个时段是否上班,pukij和pvkij均为兼职员工满足上班连续性约束引入的中间变量。兼职员工连续性工作约束的含义与全职员工连续性工作约束的含义相同,在此不再对其实施例的具体实施过程进行阐释。
通过上述约束条件,可从待排班员工中计算出符合约束条件并满足员工需求量的待排班员工。
排班确定模块104根据计算出的待排班员工使用目标函数z确定使得人力成本最小化的员工最佳排班组合。目标函数z即为人力成本,包括全职员工和兼职员工的人力成本。优选地,目标函数为:
其中k表示第k天,i表示第i个员工,j表示第j个时段,Pri表示第i个全职员工的排班权重,ffkij表示第k天全职员工i在第j个时段是否上班,上班为1,不上班则为0;ppkij表示第k天兼职员工i在第j个时段是否上班,上班为1,不上班则为0;其中ffkij和ppkij为有效工时,已经扣除了用餐时段。ftki表示第k天全职员工i当天是否上班,上班为1,不上班则为0;ptki表示第k天兼职员工i当天是否上班,上班为1,不上班则为0;系数θ是对兼职员工工时和人数的权重系数,使模型优先选择全职员工进行排班。全职员工的排班权重和兼职员工的权重系数均预先设置。
在一实施例中,K=7,N=4,M=4,S=28。目标函数具体含义为,全职员工一周上班总工时,加上兼职员工一周上班总工时*兼职员工权重系数,加上本周上班的全职员工人数,加上本周上班的兼职员工人数*兼职员工权重系数,此结果应该最小化。
上述目标函数及模型可利用任何适当的已知求解器求解。
输出模块105用于根据确定的员工最佳排班组合输出排班数据。
在另一实施例中,门店排班***还包括检查模块,用于在输出排班数据之后检查员工最佳排班组合是否符合要求。例如,检测排班结果是否符合要求,主要是检测排班数据是否违背全职员工排班优先级约束条件。例如员工配置有全职员工和兼职员工两种,细分为8个岗位级别,岗位1、岗位2、岗位3、岗位4、岗位5、岗位6、岗位7和岗位8,8个岗位的优先级依次降低,为Pri,i=1…8,要求优先选择优先级较高的员工进行排班,如果优先级较高的员工不能满足门店人力需求,则补充优先级次高的员工,依次进行。
图2示出了根据本发明的门店排班方法的一实施例的流程图,该方法包括:步骤S201,响应接收到排班指令,接收门店各个时段的员工需求量;步骤S202,获取预存的待排班员工及其可工作时段;步骤S203,确定满足预设约束条件的待排班员工;步骤S204,根据确定的待排班员工及人力成本目标函数确定满足所述员工需求量并使得人力成本最小化的员工最佳排班组合;步骤S205,根据确定的员工最佳排班组合输出排班数据。
在此所述的多个不同实施例或者其特定特征、结构或特性可在本发明的一个或多个实施方式中适当组合。
除非明确指出,在此所用的单数形式“一”、“该”均包括复数含义(即具有“至少一”的意思)。应当进一步理解,说明书中使用的术语“具有”、“包括”和/或“包含”表明存在所述的特征、操作、元件和/或部件,但不排除存在或增加一个或多个其他特征、操作、元件、部件和/或其组合。如在此所用的术语“和/或”包括一个或多个列举的相关项目的任何及所有组合。
前面说明了本发明的一些优选实施例,但是应当强调的是,本发明不局限于这些实施例,而是可以本发明主题范围内的其它方式实现。本领域技术人员可以在本发明技术构思的启发和不脱离本发明内容的基础上对本发明作出各种变型和修改,这些变型或修改仍落入本发明的保护范围之内。
Claims (10)
1.一种门店排班***,其特征在于,所述***包括:
接收模块,用于响应接收到排班指令,接收门店各个时段的员工需求量;
获取模块,用于获取预存的待排班员工及其可工作时段;
约束模块,用于确定满足预设约束条件的待排班员工;
排班确定模块,用于根据确定的待排班员工及人力成本目标函数确定满足所述员工需求量并使得人力成本最小化的员工最佳排班组合;
输出模块,用于根据确定的员工最佳排班组合输出排班数据。
2.根据权利要求1所述的门店排班***,其特征在于,所述预设约束条件包括下述之一或多个:生产力约束条件、人数约束条件和工时约束条件。
3.根据权利要求1所述的门店排班***,其特征在于,所述人力成本为全职员工上班工时、兼职员工权重*兼职员工上班工时、全职员工上班人数、及兼职员工权重*兼职员工上班人数的和,所述排班确定模块根据下述目标函数确定所述员工最佳排班组合:
其中:N为门店全职员工数,M为门店兼职员工数,S为一天排班时段总数,K为一周天数,k表示第k天,i表示第i个员工,j表示第j个时段,Pri表示第i个全职员工的排班权重;ffkij表示第k天全职员工i在第j个时段是否上班,上班为1,不上班则为0;ppkij表示第k天兼职员工i在第j个时段是否上班,上班为1,不上班则为0;ftki表示第k天全职员工i当天是否上班,上班为1,不上班则为0;ptki表示第k天兼职员工i当天是否上班,上班为1,不上班则为0;系数θ是兼职员工的权重系数。
4.根据权利要求2所述的门店排班***,其中所述约束模块包括生产力约束子模块,所述生产力约束子模块确定各个时段的待排班员工的人力是否大于或等于相应时段的员工需求量。
5.根据权利要求2所述的门店排班***,其中所述约束模块包括人数约束子模块,所述人数约束子模块确定上班时间同一时段是否满足在岗人数要求及上班时间同一时段是否满足全职员工人数要求。
6.根据权利要求2所述的门店排班***,其中所述约束模块包括工时约束子模块,所述工时约束子模块确定是否满足下述条件之一或多个:
1)全职员工每天上班工时在[flow,fhigh]之间;
2)兼职员工每天上班工时在[plow,phigh]之间;
3)全职员工每周上班工时在[flow-week,fhigh-week]之间;
4)全职员工每周工作天数小于等于预设天数;
5)为用餐时段工作的员工提供至少1个时段的用餐时间;
6)全职员工和兼职员工满足上班连续性约束条件;
其中,fhigh表示全职员工当天最长工作时长,flow表示全职员工当天最短工作时长,phigh表示兼职员工当天最长工作时长,plow表示兼职员工当天最短工作时长,flow-week表示全职员工一周最短工作时长,fhigh-week表示全职员工一周最长工作时长。
9.根据权利要求1所述的门店排班***,还包括:
检查模块,用于在输出排班数据之后检查所述员工最佳排班组合是否符合要求。
10.一种门店排班方法,其特征在于,所述方法包括:
响应接收到排班指令,接收门店各个时段的员工需求量;
获取预存的待排班员工及其可工作时段;
确定满足预设约束条件的待排班员工;
根据确定的待排班员工及人力成本目标函数确定满足所述员工需求量并使得人力成本最小化的员工最佳排班组合;
根据确定的员工最佳排班组合输出排班数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740157.0A CN110705815A (zh) | 2019-08-12 | 2019-08-12 | 门店排班***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740157.0A CN110705815A (zh) | 2019-08-12 | 2019-08-12 | 门店排班***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705815A true CN110705815A (zh) | 2020-01-17 |
Family
ID=69193274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910740157.0A Pending CN110705815A (zh) | 2019-08-12 | 2019-08-12 | 门店排班***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705815A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381261A (zh) * | 2020-09-17 | 2021-02-19 | 苏州盖雅信息技术有限公司 | 灵活用工班次需求发布***及计算方法 |
CN114496179A (zh) * | 2020-10-27 | 2022-05-13 | 贵阳朗玛信息技术股份有限公司 | 医疗人员智能排班管理的方法及装置 |
CN115271372A (zh) * | 2022-07-04 | 2022-11-01 | 无锡喔趣信息科技有限公司 | 一种基于区域联动的人力资源排班管理***及方法 |
CN116670698A (zh) * | 2021-04-09 | 2023-08-29 | 全球大门股份有限公司 | 清扫业务支援服务器、清扫业务支援方法及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868840A (zh) * | 2016-03-12 | 2016-08-17 | 丽水学院 | 可实时调整窗口开放数目的弹***制排班***和方法 |
CN105894241A (zh) * | 2016-03-12 | 2016-08-24 | 丽水学院 | 基于倒三角的弹***制的混合排班***和方法 |
CN106548274A (zh) * | 2016-10-19 | 2017-03-29 | 平安科技(深圳)有限公司 | 一种人员排班方法和装置 |
CN109583840A (zh) * | 2018-11-27 | 2019-04-05 | 重庆太事齐科技有限公司 | 一种排班方法、装置及设备 |
-
2019
- 2019-08-12 CN CN201910740157.0A patent/CN110705815A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868840A (zh) * | 2016-03-12 | 2016-08-17 | 丽水学院 | 可实时调整窗口开放数目的弹***制排班***和方法 |
CN105894241A (zh) * | 2016-03-12 | 2016-08-24 | 丽水学院 | 基于倒三角的弹***制的混合排班***和方法 |
CN106548274A (zh) * | 2016-10-19 | 2017-03-29 | 平安科技(深圳)有限公司 | 一种人员排班方法和装置 |
CN109583840A (zh) * | 2018-11-27 | 2019-04-05 | 重庆太事齐科技有限公司 | 一种排班方法、装置及设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381261A (zh) * | 2020-09-17 | 2021-02-19 | 苏州盖雅信息技术有限公司 | 灵活用工班次需求发布***及计算方法 |
CN114496179A (zh) * | 2020-10-27 | 2022-05-13 | 贵阳朗玛信息技术股份有限公司 | 医疗人员智能排班管理的方法及装置 |
CN116670698A (zh) * | 2021-04-09 | 2023-08-29 | 全球大门股份有限公司 | 清扫业务支援服务器、清扫业务支援方法及计算机可读存储介质 |
CN115271372A (zh) * | 2022-07-04 | 2022-11-01 | 无锡喔趣信息科技有限公司 | 一种基于区域联动的人力资源排班管理***及方法 |
CN115271372B (zh) * | 2022-07-04 | 2023-09-12 | 无锡喔趣信息科技有限公司 | 一种基于区域联动的人力资源排班管理***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705815A (zh) | 门店排班***及方法 | |
US5913201A (en) | Method and apparatus for assigning a plurality of work projects | |
US20060167731A1 (en) | Automatically scheduling meetings | |
Wang et al. | Nurse absenteeism and staffing strategies for hospital inpatient units | |
CN110751358A (zh) | 一种机场地面服务人员的排班方法、电子设备及存储介质 | |
Rahardja et al. | Model Scheduling Optimization Workforce Management Marketing | |
Carrasco | Long-term staff scheduling with regular temporal distribution | |
CN112348368A (zh) | 航空地勤自动排班与智能调度*** | |
Mabert et al. | The detail scheduling of a part‐time work force: A case study of teller staffing | |
CN114782030A (zh) | 一种基于大数据项目智能管理***及方法 | |
CN116341868A (zh) | 关于机场地面航空器过站保障任务最优分派的方法及*** | |
Wang et al. | A column-generation based approach for integrating surgeon and surgery scheduling | |
Al-Sultan | Airport check-in optimization by IP and simulation in combination | |
Liu | The optimization of worker's quantity based on cross-utilization in two departments | |
CN115330195A (zh) | 一种周期性排班方法、装置、电子设备和存储介质 | |
Edna Chan et al. | Operations research methods applied to workflow in a medical records department | |
Chua et al. | Multi-skilled manpower scheduling with part-time consideration: Case study | |
Farahani et al. | Flexible personnel scheduling in large multi-product unpaced asynchronous assembly lines | |
CN112749942A (zh) | 一种排班方法、装置、设备及存储介质 | |
Qian et al. | School bus routing with bell time policy optimization: a multi-objective approach | |
Cavada et al. | A workforce planning and allocation model for the outbound baggage loading area at Santiago International Airport | |
Noor et al. | A Mixed Integer Linear Programming Model for Crew Scheduling At Fast Food Restaurant | |
Korneev et al. | An Algorithm for the Distribution of Performers by Work, Taking Into Account the Priority of Tasks and the Specifics of the Necessary Skills | |
Easton | Staffing, cross-training, and scheduling with cross-trained workers in extended-hour service operations | |
Zhang et al. | Equipment scheduling problem under disruptions in mail processing and distribution centres |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |