《OMEGA-INTERNATIONAL JOURNAL OF MANAGEMENT SCIENCE》:Robust shift scheduling with discretionary rest breaks
编辑推荐:
本文针对服务系统中员工自主安排休息导致服务水平下降的管理难题,研究了一种考虑员工自主决策的稳健轮班调度问题。作者提出了一种新颖的双层规划模型(DBSP-BLP)和一种多解搜索启发式算法(MSS),旨在最小化最坏情况下的服务水平偏离成本。研究表明,通过精心设计的轮班计划,可以显著降低员工自主性带来的运营风险,为服务系统的人力资源管理提供了新的决策工具。
在服务行业的人力资源管理中,如何科学合理地安排员工轮班一直是个经典且具有挑战性的问题。传统的轮班调度模型通常假设管理者对员工的工作模式拥有完全的控制权,包括精确安排其休息时间。然而,现实情况往往更为复杂。在实际运营中,员工通常会根据自身状态和工作现场情况,自主决定何时休息。这种自主权虽然有助于提升员工满意度,但也给管理带来了不确定性:员工们可能集中选择在需求高峰期休息,从而导致服务能力突然下降,严重影响服务水平(LoS)。
以往的研究,例如经典的Dantzig模型及其扩展,大多是在确定性框架下进行优化,即管理者同时决定班次和休息安排。这类方法虽然能求得理论上的最优解,但未能充分考虑员工自主决策带来的风险。当员工自行选择休息时间时,事先制定的“最优”班表可能在实际执行中表现不佳,造成意想不到的人员短缺或过剩。这就引出了一个关键的管理困境:在尊重员工自主权的同时,如何设计出能够抵御这种“最坏情况”的、更具韧性的班次计划?
为了回答这一问题,发表在《OMEGA-INTERNATIONAL JOURNAL OF MANAGEMENT SCIENCE》上的这项研究,引入了一种非合作博弈的视角,将轮班调度问题构建为一个双层优化模型(Bilevel Program),并开发了高效的求解算法。该研究将管理者视为领导者(Leader),其首要任务是制定班次计划(即决定每种班次类型安排多少员工);而员工则被视为跟随者(Follower),在给定的班次计划下,他们会以最大化自身便利(或从管理角度理解为,对系统服务水平造成最不利影响)的方式来自主选择休息时间。领导者的目标是在预见到跟随者可能采取的对立行为后,找出一个总成本(包括劳动力成本和最坏情况下的服务水平偏离成本)最小的班次方案。这本质上是一个稳健优化(Robust Optimization)问题,旨在寻找一个对不确定性(此处指员工的休息选择)不敏感的稳健解。
研究人员开展的核心工作是基于双层规划框架构建了离散休息分配班次问题(DBSP),并将其表述为一个混合整数规划模型(DBSP-BLP)。为了解决这个计算上具有挑战性的问题(因为即使下层的员工休息分配问题本身也是NP-难的),他们设计了一种称为多解搜索(MSS)的启发式算法。该算法的核心思想是:对于一个给定的劳动力成本预算,通常存在大量不同的班次计划可以实现该成本。然而,这些不同的班次计划在面对员工自主安排休息时,其表现(即引发的服务水平偏离成本)可能差异巨大。MSS算法通过系统地生成和评估多个成本相近的班次方案,从中挑选出在最坏情况下(即员工选择对服务水平最不利的休息时间时)总成本最小的那个方案。
为开展研究,作者主要应用了以下关键技术方法:首先,构建了包括班次调度(SP-IP)、工休模式调度(WPS-IP)和对抗性休息分配(ABA)在内的系列整数规划模型作为理论基准和算法组件。其次,针对核心的双层规划问题(DBSP-BLP),设计了多解搜索(MSS)启发式算法,该算法通过迭代求解带成本约束的生成问题(GEN-IP)来探索解空间,并利用商业优化求解器(Gurobi)高效处理大规模整数规划。实验基于模拟的服务需求曲线(如单峰、多峰模式)和真实的班次、休息规则参数进行。
数学模型构建与理论分析
研究首先建立了三个基础模型以厘清问题结构。(1)经典的班次调度问题(SP-IP)仅优化班次分配,忽略休息安排,是后续模型的基准。(2)工休模式调度问题(WPS-IP)将班次和具体的休息模式绑定,作为一个整体进行优化,代表了管理者完全控制下的理想情况。(3)对抗性休息分配问题(ABA)则固定班次计划,模拟员工选择对服务水平最不利的休息安排,用于评估给定班次计划的稳健性。最终,将管理者与员工的互动建模为双层规划问题(DBSP-BLP),其中上层优化班次计划,下层则是对抗性的休息分配。研究证明了即使下层的过度/短缺配员变量(u, o)可视为连续变量,该问题依然复杂,且其高点松弛(High-Point Relaxation)等价于WPS-IP。
多解搜索启发式算法(MSS)的设计与实现
由于DBSP-BLP的直接求解非常困难,研究提出了MSS启发式算法。该算法不直接求解复杂的双层模型,而是巧妙地利用了一个观察结果:对于同一个目标劳动力成本,WPS-IP通常存在大量最优解(即不同的班次与休息模式组合),但这些解在面临员工自主休息时,其引发的服务水平偏离成本(λ(y))可能相差甚远。MSS算法通过迭代过程来寻找稳健解:在每次迭代中,算法首先求解一个带约束的生成问题(GEN-IP),该问题在给定的劳动力成本下限下,寻找多个(如K=5000个)最优的WPS-IP解(即班次计划)。然后,对每一个生成的班次计划,通过求解其对应的ABA问题来计算其最坏情况下的偏离成本λ(y)。最终,算法选择总成本(劳动力成本+λ(y))最小的班次计划作为当前迭代的最优解,并逐步提高劳动力成本的约束下限以探索更优的解决方案。算法设置了终止条件,如达到最大迭代次数或劳动力成本超过初始最优成本的一定比例(如20%)。
计算结果与分析
研究通过大量数值实验验证了模型和算法的有效性。实验设置了不同的服务需求模式(如平缓需求、单峰需求、双峰需求、三峰需求)和不同的最大允许缺员水平(Ut)。关键发现包括:
- 1.
稳健调度价值显著:比较WPS-IP的最优解(协同情况)和DBSP-BLP的稳健解(非合作情况)发现,后者对应的最坏情况偏离成本(λ(y))显著低于前者。例如,在一个示例中,协同最优解的成本为740欧元(全为劳动力成本),但其在最坏情况下的偏离成本高达435欧元;而MSS算法找到的稳健解,在劳动力成本相同(740欧元)的情况下,能将最坏情况偏离成本降低至315欧元,降幅达27.6%。这证明了考虑员工自主性的巨大价值。
- 2.
解空间的多样性:对于同一个劳动力成本,WPS-IP存在大量(如485个)最优解,而这些解对应的最坏情况偏离成本分布范围很广(在示例中从315欧元到570欧元)。这说明了通过算法在大量等价解中进行筛选的必要性和巨大潜力。
- 3.
MSS算法有效性:将MSS启发式算法与专门的 bilevel solver 进行对比(在较小规模问题上),MSS在大多数情况下能找到与精确算法非常接近的解(平均差距在4-11%之间),而计算时间相对较短,证明了其作为启发式算法的有效性和实用性。
- 4.
管理启示:结果表明,通过有意识地设计更具弹性的班次组合(例如,错开不同班次的潜在休息时间段),即使在不增加劳动力总成本的情况下,也能有效“平滑”掉员工自主休息带来的服务能力波动,从而显著提升运营稳健性。
研究结论与意义
本研究的主要结论是,在服务系统的轮班调度中,明确考虑员工的自主休息决策至关重要。传统的、假设完全控制的优化模型可能在实际中表现不佳,因为它们无法抵御员工自主性带来的风险。而通过采用稳健优化的视角和双层规划模型,管理者可以找到这样的班次计划:它们不仅在理想情况下成本低廉,更重要的是,在员工行使自主权的最坏情况下,仍然能保持可接受的服务水平。
这项研究的重要意义在于:首先,它在方法论上贡献了一个新颖的、更贴合现实管理挑战的轮班调度模型(DBSP-BLP)和一种高效的启发式求解算法(MSS)。其次,在管理实践上,它为服务运营管理者提供了重要的决策支持,表明通过前瞻性的、考虑不确定性的班次规划,可以在不牺牲员工自主权的前提下,有效控制系统运营风险,实现成本与服务水平之间的更好平衡。这项工作将稳健优化和博弈论思想引入人力资源调度领域,为处理管理决策与员工自主行为之间的互动提供了有价值的分析框架和工具。