TWI852021B - 人力資源調度的方法及其電子裝置 - Google Patents
人力資源調度的方法及其電子裝置 Download PDFInfo
- Publication number
- TWI852021B TWI852021B TW111121096A TW111121096A TWI852021B TW I852021 B TWI852021 B TW I852021B TW 111121096 A TW111121096 A TW 111121096A TW 111121096 A TW111121096 A TW 111121096A TW I852021 B TWI852021 B TW I852021B
- Authority
- TW
- Taiwan
- Prior art keywords
- employee
- model
- test
- attendance
- overtime
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
人力資源調度的方法及其電子裝置。基於測試目標函數與多個測試限制式來建構測試模型。利用測試模型將設定資料代入至測試限制式，使得測試限制式基於測試目標函數進行求解，以基於求解結果來判斷設定資料是否有效。響應於測試模型判定設定資料為有效，將設定資料輸入至最佳化模型，以獲得人力資源調度規劃。
Description
本發明是有關於一種排班規劃機制，且特別是有關於一種人力資源調度的方法及其電子裝置。
在高度競爭的產業界，各企業所面臨的瓶頸問題並不是找到一組「可行」的結果，而是希望找到一組可以保證「作業成本最低」的規劃結果。然而，由於在人員排班與維修計畫制定時需要考慮的因素眾多，資源配置為複雜度極高的問題，可行的計畫組合可能達到上千萬種，因此要在合理時間內從中找到一組「作業成本最低」的計畫結果，可行且成本最低，是屬於難度極高、有待突破的企業問題。
本發明提供一種人力資源調度的方法及其電子裝置，可以在極短時間內找到作業成本最低的人力資源調度規劃。
本發明的人力資源調度的方法，其透過處理器來執行，所述方法包括：基於測試目標函數與多個測試限制式來建構測試模型；將設定資料代入至測試模型，使得測試限制式基於測試目標函數進行求解，以基於求解結果來判斷設定資料是否有效；以及響應於測試模型判定設定資料為有效，將設定資料輸入至最佳化模型，以獲得人力資源調度規劃。
在本發明的一實施例中，上述測試目標函數是以加班時數上限的第一寬放因子與連續出勤天數上限的第二寬放因子最小化為目標。在基於求解結果來判斷設定資料是否有效之後，響應於測試模型判定設定資料為無效，透過測試目標函數反饋對應求解結果的輸出資料。
在本發明的一實施例中，上述輸出資料包括第一寬放因子或第二寬放因子。利用測試目標函數來判斷設定資料是否有效的步驟包括：判斷第一寬放因子或第二寬放因子是否等於0；響應於第一寬放因子及第二寬放因子等於0，判定設定資料為有效；以及響應於第一寬放因子或第二寬放因子不等於0，判定設定資料為無效。
在本發明的一實施例中，上述人力資源調度規劃包括：員工排班規劃，決定多個員工的排班資訊，每一員工的排班資訊包括出勤狀態、常規班工時、加班狀態以及加班時數，出勤狀態代表是否安排出勤，加班狀態代表是否安排加班；員工任務規劃，決定每一員工的機種處理資訊，每一員工的機種處理資訊包括：至少一機種、每一機種的處理時間、單位人時產能（units per people per hour，UPPH）以及每一機種的處理數量；以及在製品（Work-In-Process，WIP）剩餘數量表，決定在工班結束後每一機種中所剩餘的在製品數量。
在本發明的一實施例中，在獲得人力資源調度規劃之後更包括：整合員工排班規劃、員工任務規劃以及在製品剩餘數量表，而獲得：員工工作規劃，記錄每一員工針對訂單種類所對應處理的全部機種、每一機種的處理時間、單位人時產能以及每一機種的處理數量；員工工作樞紐分析，記錄每一員工所對應處理的全部機種、總處理時間以及總處理機種數量；以及員工排班時數表，記錄有出勤的每一員工的常規班工時以及加班時數。
在本發明的一實施例中，上述設定資料包括訂單種類的在製品目標數量、常規班工時上限、常規班工時下限、加班時數上限、加班時數下限、連續出勤天數上限。所述測試限制式用以基於設定資料、員工出勤資料、機種資料及員工工作資料，來確定人力資源規劃的合理性。所述員工出勤資料包括多個員工各自對應的連續出勤天數。所述機種資料包括對應於多個訂單種類的多個機種、每一機種對應的目前在製品數量以及每一機種預計的在製品數量。所述員工工作資料包括每一員工有能力處理的機種以及每一機種的單位人時產能。
在本發明的一實施例中，上述最佳化模型包括多個最佳化目標函數以及多個目標限制式，所述目標限制式用以確定人力資源規劃的合理性。而將設定資料輸入至最佳化模型之後，更包括：基於函數優先順序，逐一執行所述多個最佳化目標函數。
在本發明的一實施例中，上述最佳化目標函數包括用以最小化總加班時數的函數、用以最大化總處理機種數量的函數以及最小化總出勤人數的函數。
本發明的電子裝置，包括：儲存器，用以儲存測試模型以及最佳化模型；以及處理器，耦接至儲存器，其中處理器經配置以：基於測試目標函數與多個測試限制式來建構測試模型；將設定資料代入至測試模型，使得測試限制式基於測試目標函數進行求解，以基於求解結果來判斷設定資料是否有效；以及響應於測試模型判定設定資料為有效，將設定資料輸入至最佳化模型，以獲得人力資源調度規劃。
本發明的人力資源調度的方法，其透過處理器來執行。所述方法包括：基於多個最佳化目標函數以及多個目標限制式來建構最佳化模型，其中最佳化目標函數包括用以最小化總加班時數的函數、用以最大化總處理機種數量的函數以及最小化總出勤人數的函數；以及將設定資料輸入至最佳化模型，並基於函數優先順序，逐一執行所述最佳化目標函數，以獲得對應於所述最佳化目標函數的人力資源調度規劃。
基於上述，本發明建構測試模型與最佳化模型。以測試模型確認設定資料是否有效，並在判定設定資料無效時反饋求解信息，藉此供使用者評估調整相關參數。在最佳化模型中，依據所設定最佳化目標函數進行最佳人員排班與維修計畫求解。據此，以數學模型功能限制式規劃結合最佳化目標函數設定，確保可以在極短時間內獲得作業成本最低的人力資源調度規劃。
圖1是依照本發明一實施例的電子裝置的方塊圖。請參照圖1，電子裝置100例如為具有運算功能的智慧型手機、平板電腦、筆記型電腦、個人電腦、伺服器等任意電子裝置。電子裝置100至少包括處理器110以及儲存器120。
處理器110例如為中央處理單元（Central Processing Unit，CPU）、物理處理單元（Physics Processing Unit，PPU）、可程式化之微處理器（Microprocessor）、嵌入式控制晶片、數位訊號處理器（Digital Signal Processor，DSP）、特殊應用積體電路（Application Specific Integrated Circuits，ASIC）或其他類似裝置。
儲存器120例如是任意型式的固定式或可移動式隨機存取記憶體（Random Access Memory，RAM）、唯讀記憶體（Read-Only Memory，ROM）、快閃記憶體（Flash memory）、硬碟或其他類似裝置或這些裝置的組合。儲存器120用以儲存測試模型121以及最佳化模型123。測試模型121以及最佳化模型123是由一或多個程式碼片段所組成，上述程式碼片段在被安裝後，會由處理器110來執行下述人力資源調度的方法。
本實施例以整數規劃（Integer Programming，IP）為基礎，建構測試模型（test model）121與最佳化模型（optimization model）123。測試模型121是以最佳化模型123為基礎所設計。首先，以測試模型121確認在設定資料是否有效，並反饋求解信息供使用者評估調整相關參數。在最佳化模型123中，將依據使用者所設定的最佳化目標函數進行員工排班與任務規劃求解（例如維修、製造、組裝、焊接、測試等任務規劃）。在不同決策情境下，使用者亦可依據偏好自行設定最佳化目標函數的優先順序，以多階層方式進行最佳化求解。
在本揭露中，利用CPLEX內建的啟發式演算法搜尋引擎，自適應呼叫函式庫中各種演算法，例如分支切割演算法（branch-and-cut algorithm）、原始對偶單體演算法（primal/dual simplex algorithm）、神經單體演算法（network simplex algorithm）等，協助使用者迅速找到初始解、可行解，並透過目標函數的自適應放鬆來跳脫局部最佳解的窘境，協助使用者找到全域最佳解。
本揭露導入限制式自適應放鬆法（adaptive relaxed method），應用於測試模型121的求解過程中，可以依據當前解與測試限制式的匹配程度，採用適當大小的寬放因子（tolerance factor）（其值≧0）來加速收斂的速度，迅速判斷是否具可行解並回饋使用者參數調整相關信息。
圖2是依照本發明一實施例的人力資源調度的方法流程圖。請參照圖2，在步驟S205中，基於測試目標函數與多個測試限制式來建構測試模型121。
接著，在步驟S210中，利用測試模型121將設定資料代入至測試限制式，使得測試限制式基於測試目標函數進行求解。設定資料包括訂單種類的在製品（Work-In-Process，WIP）目標數量、常規班工時上限、常規班工時下限、加班時數上限、加班時數下限以及連續出勤天數上限。
在步驟S215中，判斷設定資料是否有效。即，在通過測試限制式基於測試目標函數進行求解之後，基於求解結果來判斷設定資料是否有效。測試模型121主要是用於判定在給定的設定資料下是否具有可行解。
響應於測試模型121判定設定資料為無效（不具有可行解），在步驟S225中，透過測試目標函數反饋輸出資料。據此，透過反饋輸出資料（求解結果）供使用者評估以便調整相關參數，並再次透過測試模型121進行判斷，直到判定設定資料為有效。
在一實施例中，儲存器120還包括一使用者介面，供使用者輸入資料。即，處理器110透過使用者介面接收使用者的輸入（例如：設定資料），並且還可進一步透過使用者介面來呈現反饋的輸出資料。
響應於測試模型121判定設定資料為有效（具有可行解），在步驟S220中，將設定資料輸入至最佳化模型123，以獲得人力資源調度規劃。
底下以維修任務來進一步說明最佳化模型123與測試模型121。然，在其他實施例中，以可針對製造、組裝、焊接、測試等任務規劃來進行求解。
最佳化模型123包括多個最佳化目標函數以及多個目標限制式。在本實施例中，以總加班時數最小化、總處理機種數量最大化以及總出勤人數最小化來作為最佳化模型123的最終目標。底下以最佳化目標函數F1～F3進行說明。
最佳化目標函數F1：
，其中EOH
i為員工i的加班時數，n為員工總數。最佳化目標函數F1用以最小化全部員工的總加班時數，可實現在滿足各項製造實務限制下，協助使用者快速取得作業成本最低的人員排班與維修計畫。
最佳化目標函數F2：
，MRS
i代表員工i可處理（維修）的機種集合，j代表機種，RPQ
ij為員工i維修機種j的處理數量。最佳化目標函數F2用以最大化總處理機種數量，可實現在滿足各項製造實務限制下，協助使用者快速取得作業效率最高的人員排班與維修計畫。
最佳化目標函數F3：
，x
i=0代表員工i未安排出勤，x
i=1代表員工i有安排出勤。最佳化目標函數F3，用以最小化總出勤人數，可實現在滿足各項製造實務限制下，協助使用者快速取得人力需求規劃最佳的排班與維修計畫。
最佳化模型123所設計的最佳化目標函數考慮成本與效率兩項作業管理重要績效指標。在不同決策情境下，可依據需求選擇欲最佳化的最佳化目標函數進行規劃求解。此外，亦可依據函數優先順序（可基於需求而預先設定），以多階層方式進行最佳化求解。
最佳化模型123中所使用的目標限制式如下所示。
目標限制式P1：WHL×x
i≤ EWH
i≤ WHU×x
i。EWH
i為員工i（i=1, 2, ..., n）的常規班工時，x
i=0代表員工i未安排出勤，x
i=1代表員工i有安排出勤，WHL為常規班工時下限，WHU為常規班工時上限。
目標限制式P1用以限定倘若員工i安排出勤（x
i=1），其規劃的常規班工時EWH
i需介於常規班工時下限WHL與常規班工時上限WHU之間。反之，若員工i未安排出勤（x
i=0），其規劃的常規班工時EWH
i必定為0。於實務中，常規班工時上下限WHU、WHL可策略性動態調整，運用目標限制式P1可確定員工出勤時數符合其規定，使人力安排規劃更具彈性。
目標限制式P2：OTL×y
i≤ EOH
i≤ OTU×y
i。EOH
i為員工i的加班時數，y
i=0代表員工i未安排加班，y
i=1代表員工i安排加班，OTL為加班時數下限，OTU為加班時數上限。
目標限制式P2用以限定倘若員工i安排加班（y
i=1），其規劃的加班時數EOH
i需介於OTL與OTU之間。反之，若員工i未安排加班（y
i=0），其加班時數EOH
i必定為0。於實務中，加班時數上下限（OUT、OTL）可能因成本考量動態調整，運用目標限制式P2可確定員工加班時數符合其規定，使加班計畫安排更具成本效益。
目標限制式P3：WHU-EWH
i≤ (1-y
i)∙WHU。目標限制式P3用以限制當員工i的常規班工時EWH
i等於常規班工時上限WHU，才可考慮安排員工i加班（y
i=1）；反之，則無法安排員工i加班（y
i=0）。目標限制式P3實現了人員加班計畫安排的合理性，避免人力成本浪費。
目標限制式P4：CWD
i∙x
i≤ SWD-1。CWD
i代表員工i目前連續出勤天數，SWD為連續出勤天數上限。目標限制式P4用以限制倘若員工i安排出勤（x
i=1），其目前連續出勤天數CWD
i需小於連續出勤天數上限SWD。反之，若員工i目前連續出勤天數CWD
i已大於或等於連續出勤天數上限SWD，則不考慮安排出勤（x
i=0）。於實務中，基於勞動政策規定人員出勤安排須考量其目前累積的連續工作天數。目標限制式P4實現了人員出勤計畫安排的合理性，確保符合政策規定。
目標限制式P5：EWH
i+ EOH
i-SLT ≤
≤ EWH
i+EOH
i。MRS
i代表員工i可維修的機種集合，j代表機種，RPQ
ij為員工i處理（維修）機種j的處理數量。
為員工i可維修的機種集合MRS
i中的各機種j的時間加總（實際維修工作時數）。SLT為員工的作業寬放時間，0＜SLT≤1，UPPH
ij代表員工i維修機種j的單位人時產能（units per people per hour，UPPH）。常規班工時EWH
i與加班時數EOH
i的加總即為規劃的總工作時數。
目標限制式P5用以限制員工i實際維修工作時數的上下限。於實務中，員工可能因疲勞或其它因素而引起作業效率下降等時間損失。目標限制式P5將作業寬放時間SLT納入考量，以確保員工出勤工時與維修計畫安排合理且合理評估產出。
目標限制式P6：
≥ x
i。目標限制式P6用以限制倘若員工i安排出勤（x
i=1），則其規劃維修各機種的數量加總
必大於0；反之，當員工i未安排出勤（x
i=0），其規劃維修各機種的數量加總必為0。目標限制式P6實現了員工出勤與維修計畫安排的合理性，確保符合實務規劃邏輯。
目標限制式P7：
= CWQ
j+IWQ
j，j
MDS
1。ERS
j代表能夠處理（維修）機種j的員工集合，CWQ
j為機種j中目前的在製品（WIP）數量，IWQ
j為機種j中預計來臨的WIP數量。MDS
k代表訂單種類k的機種集合，其中k=1代表訂單種類為裝配式生產（Configuration to Order，CTO），k=2代表訂單種類為訂單式生產（Build To Order，BTO）。MDS
1代表訂單種類CTO的機種集合。
目標限制式P7用以限制屬於訂單種類CTO的機種j，即員工i處理（維修）屬於訂單種類CTO的機種j的處理數量。於實務中，因訂單種類CTO的需求規定需被優先指派維修完畢，目標限制式P7可確保達成此目標。
目標限制式P8：
≤ CWQ
j+IWQ
j，j
MDS
2。目標限制式P8用以限制屬於訂單種類BTO的機種j，即員工i處理（維修）屬於訂單種類BTO的機種j的處理數量。於實務中，維修計畫安排需確認訂單種類BTO中各機種實際可處理數量上限，目標限制式P8實現了維修計畫安排的合理性。
目標限制式P9：
≤ TWQ。TWQ為訂單種類BTO的WIP目標數量。目標限制式P9用以限制屬於訂單種類BTO的機種j的剩餘處理數量
加總應小於或等於訂單種類BTO的WIP目標數量TWQ。於實務中，維修計畫制定時需同時考慮WIP數量管控以縮短生產週期與降低庫存資金積壓的風險。目標限制式P9確保維修計畫可滿足此績效指標，有效回應顧客需求與提升服務水準。
測試模型121是以最佳化模型123為基礎所設計，功能主要為判定在設定資料下是否具可行解，並反饋輸出資料供使用者評估以便調整相關參數。在本實施例中，測試目標函數是以加班時數上限OTU的第一寬放因子與連續出勤天數上限的第二寬放因子最小化為目標。測試目標函數設定為如下：
測試目標函數TF：
。u
i為員工i的加班時數上限OTU的第一寬放因子；z為連續出勤天數上限SWD的第二寬放因子，n為員工總數。
在測試目標函數TF中予以第一寬放因子u
i的加總
一個極大正數值M（懲罰係數），驅使測試模型121求解時將優先考慮調整連續出勤天數上限SWD的第二寬放因子z，而盡可能將第一寬放因子u
i的最佳值保持為0。如以u
i *=max
i≤i≤n{u
i}和z
*分別表示最佳值，即可得知加班時數上限OTU與連續出勤天數上限SWD應分別調整為OTU+u
i *和SWD+z
*。
測試模型121用以基於設定資料、員工出勤資料、機種資料及員工工作資料，來確定人力資源規劃的合理性。所述員工出勤資料包括多個員工各自對應的連續出勤天數。所述機種資料包括對應於多個訂單種類的多個機種、每一機種對應的目前在製品（WIP）數量以及每一機種預計的WIP數量。所述員工工作資料包括每一員工有能力處理的全部機種以及每一機種的單位人時產能（UPPH）。在本實施例中，測試模型121包括下述測試限制式T1～T10。
測試限制式T1：WHL×x
i≤ EWH
i≤ WHU×x
i，其與目標限制式P1相同，是用於確定員工出勤時數符合其規定。
測試限制式T2：OTL×y
i≤ EOH
i≤ OTU×y
i+u
i，其是在目標限制式P2的基礎上加上加班時數上限OTU的第一寬放因子u
i。
測試限制式T3：u
i≤ M×y
i，M為極大正數值。測試限制式T2、T3用以限定倘若員工i安排加班（y
i=1），其規劃的加班時數EOH
i需介於OTL與OTU+u
i之間。反之，若員工i未安排加班（y
i=0），其對應的第一寬放因子u
i=0，規劃的加班時數EOH
i必定為0。
測試限制式T4：WHU-EWH
i≤ (1-y
i)∙WHU，其與目標限制式P3相同，實現了人員加班計畫安排的合理性，避免人力成本浪費。
測試限制式T5：CWD
i∙x
i≤ (SWD+z)-1，其是在目標限制式P4的基礎上加上連續出勤天數上限SWD的第二寬放因子z。測試限制式T5用以限制倘若員工i安排出勤（x
i=1），其目前連續出勤天數CWD
i需小於SWD+z。在此，第二寬放因子z的上限值可進一步推得為max
1≤i≤n{CWD
i}+1-SWD。當max
1≤i≤n{CWD
i}+1 ＞ SWD，代表可考慮寬放上限值以增加可安排出勤人數。反之，若max
1≤i≤n{CWD
i}+1 ≤ SWD，即代表目前所有員工皆已安排出勤，可考慮縮減上限值，進而提升規劃系統效能。
測試限制式T6：EWH
i+ EOH
i-SLT ≤
≤ EWH
i+EOH
i，其與目標限制式P5相同。
測試限制式T7：
≥ x
i，其與目標限制式P6相同。
測試限制式T8：
= CWQ
j+IWQ
j，j
MDS
1，其與目標限制式P7相同。
測試限制式T9：
≤ CWQ
j+IWQ
j，j
MDS
2，其與目標限制式P8相同。
測試限制式T10：
≤ TWQ，其與目標限制式P9相同。
於實務中，維修計畫安排主要受限於員工的連續出勤天數與加班時數上限等兩項人力資源限制，連續出勤天數將影響當天班次可安排的員工總數，加班時數上限則決定每位可出勤員工可安排的最大工作時數。因此，測試模型121針對此兩項參數分別導入寬放因子，並將其作為決策變數最小化。設計概念為當測試模型121求解完成後，如寬放因子值為0即代表目前所設定的連續出勤天數上限與加班時數上限具備可行解，可使用最佳化模型123進一步求解。反之，可將寬放因子最佳值反饋至使用者，顯示反饋輸出資料，其中，反饋輸出資料建議其應如何調整員工連續出勤天數與加班時數上限參數值應如何調整。待評估確認後，再以最佳化模型123以調整後參數值進行求解。輸出資料包括第一寬放因子u
i或第二寬放因子z。利用測試目標函數來判斷設定資料是否有效的步驟包括：判斷第一寬放因子u
i或第二寬放因子z是否等於0；響應於第一寬放因子u
i或第二寬放因子z等於0，判定設定資料為有效；以及響應於第一寬放因子u
i或第二寬放因子z不等於0，判定設定資料為無效。
圖3是依照本發明一實施例的人力資源調度的方法流程圖。請參照圖3，在步驟S305中，由處理器110執行測試模型121。在步驟S310中，處理器110判斷第一寬放因子u
i或第二寬放因子z是否為0。
倘若第一寬放因子u
i或第二寬放因子z不等於0，判定設定資料為無效，執行步驟S315，由測試模型121反饋輸出資料。接著，在步驟S320中，使用者評估是否接受輸出資料。例如，輸出資料為員工連續出勤天數上限與加班時數上限的建議值OTU+u
i *和SWD+z
*。
倘若接受輸出資料，則將設定資料調整為建議值後，執行步驟S330～步驟S340。倘若不接受輸出資料，則在步驟S325中重新調整設定資料。之後，重新執行步驟S305。例如，提高WIP目標數量、調整常規班工時。或者，也可進一步調整訂單種類CTO的需求、增加員工數量等。
倘若第一寬放因子u
i及第二寬放因子z等於0，判定設定資料為有效，執行步驟S330～步驟S340。步驟S330～步驟S340中的第一最佳化目標函數～第三最佳化目標函數例如分別為最佳化目標函數F1～F3。然，並不限定。在其他實施例中，步驟S310所使用輸出資料亦可為第二寬放因子z。
舉例來說，在步驟S330中，利用最佳化目標函數F1以獲得在最小化全部員工的總加班時數的情況下的人力資源調度規劃。接著，在步驟S335中，利用最佳化目標函數F2以獲得在最大化總處理機種數量的情況下的人力資源調度規劃。之後，在步驟S340中，利用最佳化目標函數F3以獲得在最小化總出勤人數的情況下的人力資源調度規劃。
在電子裝置100中，可進一步在使用者介面中設置最佳化目標函數選項，供使用者從中針對最佳化目標函數F1、F2、F3進行最佳化目標函數的優先排序。舉例來說，假設使用者的排序結果是以F1作為第一階段的最佳化目標函數、以F2作為第二階段的最佳化目標函數、以F3作為第三階段的最佳化目標函數。在此，處理器110執行步驟S330以獲得在最小化全部員工的總加班時數的情況下的人力資源調度規劃。接著，在步驟S335中，處理器110以最佳化目標函數F1的函數值做為固定參數並代入至第二階段的最佳化目標函數F2中做為一項限制式，以獲得在最大化總處理機種數量的情況下的人力資源調度規劃。之後，在步驟S340中，處理器110以最佳化目標函數F2的函數值做為另一個固定參數並代入第三階段的最佳化目標函數F3中做為另一項限制式，以獲得在最小化總出勤人數的情況下的人力資源調度規劃。依此，實現最佳化模型多階層目標規劃功能。於其他實施例中，可僅執行最佳化目標函數F1、F2、F3中的任一個或任兩個，視需求來進行設計。
所述人力資源調度規劃包括員工排班規劃、員工任務規劃以及在製品（WIP）剩餘數量表。員工排班規劃決定多個員工的排班資訊。各員工的排班資訊包括出勤狀態（是否安排出勤）、常規班工時、加班狀態（是否安排加班）以及加班時數。
員工任務規劃決定各員工的機種處理資訊。所述機種處理資訊包括機種、各機種的處理時間、單位人時產能（UPPH）以及各機種的處理數量。WIP剩餘數量表決定在工班結束後各機種中所剩餘的WIP數量。
底下再舉一例說明。
測試模型121與最佳化模型123所需參數包括：員工出勤資料（參照表1）、機種資料（參照表2）、員工工作資料（參照表3）以及設定資料。員工出勤資料包括多個員工各自對應的連續出勤天數。機種資料包括對應於多個訂單種類的多個機種、每一機種對應的目前WIP數量以及每一機種對應的預計來臨的WIP數量，分為CTO訂單或BTO訂單。員工工作資料包括每一員工有能力處理（維修）的全部機種以及每一機種的單位人時產能（UPPH）。
表1（員工出勤資料）
| 員工i | 目前連續出勤天數CWD i |
| D0001 | 2 |
| D0002 | 4 |
| D0003 | 1 |
| D0004 | 3 |
| D0005 | 7 |
| D0006 | 10 |
| …… | …… |
表2（機種資料）
| 訂單種類k | 機種j | 目前WIP數量CWQ j | 預計來臨的WIP數量IWQ j |
| CTO | B001_CTO | 0 | 0 |
| CTO | B002_CTO | 4 | 8 |
| …… | …… | …… | …… |
| BTO | M001_BTO | 0 | 0 |
| BTO | M002_BTO | 2 | 4 |
| …… | …… | …… | …… |
表3（員工工作資料）
| 員工i | 機種j | 單位人時產能UPPH ij |
| D0001 | M001_BTO | 1.74 |
| D0001 | M002_BTO | 1.74 |
| D0001 | M003_BTO | 1.74 |
| D0002 | H001_BTO | 1.40 |
| D0003 | H001_BTO | 2.00 |
| D0003 | H002_BTO | 2.00 |
| D0003 | N001_BTO | 2.00 |
| …… | …… | …… |
在表3中，機種欄位為該員工有能力處理（維修）的機種，UPPH
ij欄位為該員工維修該機種的單位人時產能（UPPH）。
設定資料包括訂單種類的WIP目標數量、常規班工時上限、常規班工時下限、加班時數上限、加班時數下限、連續出勤天數上限。設定資料為使用者設定的參數。
將上述員工出勤資料、機種資料、員工工作資料以及設定資料輸入最佳化模型123後，即可獲得人力資源調度規劃。
表4所示為員工排班規劃，用以顯示員工上班、加班與否以及上班加班的時數。其中，x
i值若為1代表有上正常班，y
i值若為1則代表有加班。舉例來說，員工D0001的x
i值為1代表該員工有排班，常規班工時為8小時，y
i值為0代表該員工不加班；員工D0006的x
i值為1代表有排班，常規班工時為8小時，y
i值為1代表該員工有加班，加班時數為3小時。
表4
| 員工 i | 出勤狀態 x i | 常規班工時EWH i | 加班狀態 y i | 加班時數EOH i |
| D0001 | 1 | 8 | 0 | 0 |
| D0002 | 1 | 8 | 0 | 0 |
| D0003 | 1 | 8 | 0 | 0 |
| D0004 | 1 | 8 | 0 | 0 |
| D0005 | 1 | 8 | 1 | 4 |
| D0006 | 1 | 8 | 1 | 3 |
| …… | …… | …… | …… | …… |
表5所示為員工任務規劃，顯示員工排班期間內需處理（維修）哪些機種與處理時間、處理數量。舉例來說，員工D0001有能力維修的機種有三種：M001_BTO、M002_BTO與M003_BTO，只有第一種M001_BTO的處理時間為7.47，其餘兩機種的處理時間均為0，代表在此排班期間員工D0001只負責維修機種M001_BTO且處理數量為13。
表5
| 員工 i | 機種 j | 處理時間 RPT | 單位人時產能 UPPH ij | 處理數量 RPQ ij |
| D0001 | M001_BTO | 7.47 | 1.74 | 13 |
| D0001 | M002_BTO | 0.00 | 1.74 | 0 |
| D0001 | M003_BTO | 0.00 | 1.74 | 0 |
| D0002 | H001_BTO | 7.86 | 1.40 | 11 |
| D0003 | H001_BTO | 0.00 | 2.00 | 0 |
| D0003 | H002_BTO | 0.00 | 2.00 | 0 |
| D0003 | N001_BTO | 8.00 | 2.00 | 16 |
| …… | …… | …… | …… | …… |
表6為在製品（WIP）剩餘數量表，顯示各機種的WIP剩餘數量，代表在此工班結束後各機種剩餘的WIP數量。舉例來說，機種M001_BTO（屬於訂單種類BTO）在排班結束後仍會剩餘219個WIP。關於訂單種類CTO，因客戶要求在當前工班結束前必須維修完畢，故訂單種類CTO的各類機種不會顯示在WIP剩餘數量表中。
表6
| 機種j | 剩下WIP數量 |
| M001_BTO | 219 |
| M002_BTO | 0 |
| M003_BTO | 43 |
| H001_BTO | 32 |
| H001_BTO | 6 |
| H002_BTO | 0 |
| N001_BTO | 0 |
| …… | …… |
為了增加易讀性，還可進一步整合員工排班規劃、員工任務規劃以及WIP剩餘數量表，而獲得員工工作規劃（參照表7）、員工工作樞紐分析（參照表8）以及員工排班時數表（參照表9）。
表7為員工工作規劃，顯示員工於排班期間內需維修的機種，其記錄各員工針對訂單種類所對應維修的全部機種、每一機種的處理時間、單位人時產能（UPPH）以及每一機種的處理數量。將處理時間為0的資料排除掉後，剩餘的資料即為員工需維修的機種、處理時間、UPPH與處理數量。舉例來說，在排除處理時間為0的資料後，可明顯看出員工D0001只負責一個機種的維修，員工D0006則負責兩個機種的維修任務。
表7
| 員工 i | 機種 j | 處理時間 RPT | 單位人時產能 UPPH ij | 處理數量 RPQ ij |
| D0001 | M001_BTO | 7.47 | 1.74 | 13 |
| D0002 | H001_BTO | 7.86 | 1.40 | 11 |
| D0003 | N001_BTO | 8.00 | 2.00 | 16 |
| D0004 | M002_BTO | 7.69 | 2.34 | 18 |
| D0005 | H0002_BTO | 7.83 | 1.66 | 13 |
| D0006 | S0001_BTO | 0.66 | 4.52 | 3 |
| D0006 | M0003_BTO | 0.66 | 4.52 | 3 |
| …… | …… | …… | …… | …… |
表8為員工工作樞紐分析，記錄每一員工所對應維修的全部機種、總處理時間以及總處理機種數量。透過樞紐分析可快速看出每個員工需維修的機種與處理時間、處理數量的合計。舉例來說D0006在排班期間內需要維修6種機種，這6種機種加總起來的處理時間為11.95，總處理數量為54個。
表8
| 員工 | 機種 | 訂單種類 | 處理時間 | 處理數量 |
| D0001 | M001_CTO | CTO | 11.90 | 60 |
| D0001合計 | 11.90 | 60 | ||
| D0006 | A0001_CTO | CTO | 0.66 | 3 |
| M0001_CTO | CTO | 7.86 | 36 | |
| M0002_CTO | CTO | 0.66 | 3 | |
| M0003_CTO | CTO | 1.33 | 6 | |
| S0001_BTO | BTO | 0.66 | 3 | |
| S0001_CTO | CTO | 0.66 | 3 | |
| D0006合計 | 11.95 | 54 | ||
| … | … | … | … | … |
表9為員工排班時數表，記錄有出勤的每一員工的常規班工時以及加班時數。員工排班時數表將常規班工時為0的資料排除，剩餘的資料即為有安排常規班的員工以及此員工的加班時數。舉例來說，員工D0001加班時數為0代表不加班，員工D0007加班時數為5.5代表除正常班工時8小時外，仍需加班5.5小時。
表9
| 員工i | 常規班工時EWH i | 加班時數EOH i |
| D0001 | 8 | 0 |
| D0002 | 8 | 0 |
| D0003 | 8 | 0 |
| D0004 | 8 | 0 |
| D0005 | 8 | 0 |
| D0006 | 8 | 0 |
| D0007 | 8 | 5.5 |
| …… | …… | …… |
本揭露提供使用者在不同決策情境下策略性組合使用，以評估各種最佳解決方案。求解計畫內容涵蓋員工的常規班工時、加班工時、人員維修機種別與數量指派。此外，本揭露亦加入參數自適應（self-adaptive）調整機制，用以判斷目前員工的加班時數與連續出勤天數上限的設定是否可滿足機種維修需求，並將相關建議訊息反饋給使用者，以利及時調整人員調度計畫。舉例，當使用者將機種維修需求匯入至電子裝置100時，電子裝置100會利用測試模型121運算並反饋加班時數上限與連續出勤天數上限是否需做調整以及建議值，方便使用者可及時檢視與修改相關數據後，將更新後的設定資料重新匯入電子裝置100，以利最佳化模型123求解出最終且最佳的人力資源調度規劃。
綜上所述，本揭露可因應機種維修需求或相關指定排班條件變更，及時重新規劃求解以提升作業效率與服務水準。經實驗結果證時，本揭露對於組合複雜度極高的排班維修規劃，平均可在30秒內求算出最佳解，並節省99.6%的人員規劃用時（原本由人工進行的人工排班規劃需耗時約2小時，使用本揭露進行規劃則平均需耗時30秒），可最佳化管控加班時數，節省加班費用；且可根據人員技術程度進行排班，進而可提高品質與效率，降低二次返修的成本。此外，不需人力規劃排班，可節省人力成本。
100:電子裝置
110:處理器
120:儲存器
121:測試模型
123:最佳化模型
S205～S225:人力資源調度的方法的步驟
S305～S340:人力資源調度的方法的步驟
圖1是依照本發明一實施例的電子裝置的方塊圖。
圖2是依照本發明一實施例的人力資源調度的方法流程圖。
圖3是依照本發明一實施例的人力資源調度的方法流程圖。
S205～S225:人力資源調度的方法的步驟
Claims (20)
- 一種人力資源調度的方法，其透過一處理器來執行，該方法包括：基於一測試目標函數與多個測試限制式來建構一測試模型，其中該測試目標函數是以一加班時數上限的第一寬放因子與一連續出勤天數上限的一第二寬放因子最小化為目標，其中當該連續出勤天數上限大於該第二寬放因子，提高該第二寬放因子，其中當該連續出勤天數上限小於該第二寬放因子，縮減該第二寬放因子；將一設定資料代入至該測試模型，使得該些測試限制式基於該測試目標函數進行求解，以基於求解結果來判斷該設定資料是否有效；以及響應於該測試模型判定該設定資料為有效，將該設定資料輸入至一最佳化模型，以獲得一人力資源調度規劃。
- 如請求項1所述的人力資源調度的方法，其中，在基於該求解結果來判斷該設定資料是否有效之後，更包括：響應於該測試模型判定該設定資料為無效，透過該測試目標函數反饋對應該求解結果的一輸出資料。
- 如請求項2所述的人力資源調度的方法，其中該輸出資料包括該第一寬放因子或該第二寬放因子，利用該測試目標函數來判斷該設定資料是否有效的步驟包 括：判斷該第一寬放因子或該第二寬放因子是否等於0；響應於該第一寬放因子及該第二寬放因子等於0，判定該設定資料為有效；以及響應於該第一寬放因子或該第二寬放因子不等於0，判定該設定資料為無效。
- 如請求項1所述的人力資源調度的方法，其中該人力資源調度規劃包括：一員工排班規劃，決定多個員工的排班資訊，每一該些員工的排班資訊包括一出勤狀態、一常規班工時、一加班狀態以及一加班時數，該出勤狀態代表是否安排出勤，該加班狀態代表是否安排加班；一員工任務規劃，決定該些員工的機種處理資訊，每一該些員工的機種處理資訊包括：至少一機種、每一機種的一處理時間、一單位人時產能以及每一機種的一處理數量；以及一在製品剩餘數量表，決定在工班結束後每一機種中所剩餘的在製品數量。
- 如請求項4所述的人力資源調度的方法，其中在獲得該人力資源調度規劃之後，更包括：整合該員工排班規劃、該員工任務規劃以及該在製品剩餘數量表，而獲得：一員工工作規劃，記錄每一員工針對一訂單種類所對應處理 的全部機種、每一機種的該處理時間、該單位人時產能以及每一機種的該處理數量；一員工工作樞紐分析，記錄每一員工所對應處理的全部機種、一總處理時間以及一總處理機種數量；以及一員工排班時數表，記錄有出勤的每一員工的該常規班工時以及該加班時數。
- 如請求項1所述的人力資源調度的方法，其中該設定資料包括一訂單種類的一在製品目標數量、一常規班工時上限、一常規班工時下限、一加班時數上限、一加班時數下限、一連續出勤天數上限；該些測試限制式用以基於該設定資料、一員工出勤資料、一機種資料及一員工工作資料，來確定人力資源規劃的合理性，其中該員工出勤資料包括多個員工各自對應的一連續出勤天數；該機種資料包括對應於多個訂單種類的多個機種、每一機種對應的目前在製品數量以及每一機種預計的在製品數量；該員工工作資料包括每一員工有能力處理的機種以及每一機種的一單位人時產能。
- 如請求項1所述的人力資源調度的方法，其中該最佳化模型包括多個最佳化目標函數以及多個目標限制式，該些目標限制式用以確定人力資源規劃的合理性；而將該設定資料輸入至該最佳化模型之後，更包括： 基於一函數優先順序，逐一執行該些最佳化目標函數。
- 如請求項7所述的人力資源調度的方法，其中該些最佳化目標函數包括用以最小化總加班時數的函數、用以最大化總處理機種數量的函數以及最小化總出勤人數的函數。
- 一種電子裝置，包括：一儲存器，用以儲存一測試模型以及一最佳化模型；以及一處理器，耦接至該儲存器，其中該處理器經配置以：基於一測試目標函數與多個測試限制式來建構該測試模型，其中該測試目標函數是以一加班時數上限的第一寬放因子與一連續出勤天數上限的一第二寬放因子最小化為目標，其中當該連續出勤天數上限大於該第二寬放因子，提高該第二寬放因子，其中當該連續出勤天數上限小於該第二寬放因子，縮減該第二寬放因子；將一設定資料代入至該測試模型，使得該些測試限制式基於該測試目標函數進行求解，以基於求解結果來判斷該設定資料是否有效；以及響應於該測試模型判定該設定資料為有效，將該設定資料輸入至一最佳化模型，以獲得一人力資源調度規劃。
- 如請求項9所述的電子裝置，該處理器經配置以：在基於該求解結果來判斷該設定資料是否有效之後，響應於該測試模型判定該設定資料為無效，透過該測試目標函數反饋對應該求解結果的一輸出資料。
- 如請求項10所述的電子裝置，其中該輸出資料包括該第一寬放因子或該第二寬放因子，該處理器經配置以：利用該測試目標函數判斷該第一寬放因子或該第二寬放因子是否等於0；倘若該第一寬放因子及該第二寬放因子等於0，判定該設定資料為有效；以及倘若該第一寬放因子或該第二寬放因子不等於0，判定該設定資料為無效。
- 如請求項9所述的電子裝置，其中該人力資源調度規劃包括：一員工排班規劃，決定多個員工的排班資訊，每一該些員工的排班資訊包括一出勤狀態、一常規班工時、一加班狀態以及一加班時數，該出勤狀態代表是否安排出勤，該加班狀態代表是否安排加班；一員工任務規劃，決定該些員工的機種處理資訊，每一該些員工的機種處理資訊包括：至少一機種、每一機種的一處理時間、一單位人時產能以及每一機種的一處理數量；以及一在製品剩餘數量表，決定在工班結束後每一機種中所剩餘的在製品數量。
- 如請求項12所述的電子裝置，其中該處理器經配置以：在獲得該人力資源調度規劃之後，整合該員工排班規劃、該 員工任務規劃以及該在製品剩餘數量表，而獲得：一員工工作規劃，記錄每一員工針對一訂單種類所對應處理的全部機種、每一機種的該處理時間、該單位人時產能以及每一機種的該處理數量；一員工工作樞紐分析，記錄每一員工所對應處理的全部機種、一總處理時間以及一總處理機種數量；以及一員工排班時數表，記錄有出勤的每一員工的該常規班工時以及該加班時數。
- 如請求項9所述的電子裝置，其中該設定資料包括一訂單種類的一在製品目標數量、一常規班工時上限、一常規班工時下限、一加班時數上限、一加班時數下限、一連續出勤天數上限；該些測試限制式用以基於該設定資料、一員工出勤資料、一機種資料及一員工工作資料，來確定人力資源規劃的合理性，其中該員工出勤資料包括多個員工各自對應的一連續出勤天數；該機種資料包括對應於多個訂單種類的多個機種、每一機種對應的目前在製品數量以及每一機種預計的在製品數量；該員工工作資料包括每一員工有能力處理的機種以及每一機種的一單位人時產能。
- 如請求項9所述的電子裝置，其中該最佳化模型包括多個最佳化目標函數以及多個目標限制式，該些目標限制式用以確定人力資源規劃的合理性，該處理器經配置以：將該設定資料輸入至該最佳化模型之後，基於一函數優先順序，逐一執行該些最佳化目標函數。
- 如請求項15所述的電子裝置，其中該些最佳化目標函數包括用以最小化總加班時數的函數、用以最大化總處理機種數量的函數以及最小化總出勤人數的函數。
- 一種人力資源調度的方法，其透過一處理器來執行，該方法包括：基於多個最佳化目標函數以及多個目標限制式來建構一最佳化模型；基於一測試目標函數以及以該最佳化模型為基礎，建構一測試模型，其中該測試目標函數是以一加班時數上限的第一寬放因子與一連續出勤天數上限的一第二寬放因子最小化為目標，其中當該連續出勤天數上限大於該第二寬放因子，提高該第二寬放因子，其中當該連續出勤天數上限小於該第二寬放因子，縮減該第二寬放因子，其中該些最佳化目標函數包括用以最小化總加班時數的函數、用以最大化總處理機種數量的函數以及最小化總出勤人數的函數；以及將一設定資料輸入至該最佳化模型，並基於一函數優先順序，逐一執行該些最佳化目標函數，以獲得對應於該些最佳化目 標函數的人力資源調度規劃。
- 如請求項17所述的人力資源調度的方法，其中在將該設定資料輸入至該最佳化模型之前，更包括：利用該測試模型判斷該設定資料是否有效，其中響應於該測試模型判定該設定資料為有效，將該設定資料輸入至該最佳化模型。
- 如請求項17所述的人力資源調度的方法，其中該人力資源調度規劃包括：一員工排班規劃，決定多個員工的排班資訊，每一該些員工的排班資訊包括一出勤狀態、一常規班工時、一加班狀態以及一加班時數，該出勤狀態代表是否安排出勤，該加班狀態代表是否安排加班；一員工任務規劃，決定該些員工的機種處理資訊，每一該些員工的機種處理資訊包括：至少一機種、每一機種的一處理時間、一單位人時產能以及每一機種的一處理數量；以及一在製品剩餘數量表，決定在工班結束後每一機種中所剩餘的在製品數量，其中在獲得該人力資源調度規劃之後，更包括：整合該員工排班規劃、該員工任務規劃以及該在製品剩餘數量表，而獲得：一員工工作規劃，記錄每一員工針對一訂單種類所對應處理的全部機種、每一機種的該處理時間、該單位人時產能以及每一 機種的該處理數量；一員工工作樞紐分析，記錄每一員工所對應處理的全部機種、一總處理時間以及一總處理機種數量；以及一員工排班時數表，記錄有出勤的每一員工的該常規班工時以及該加班時數。
- 如請求項18所述的人力資源調度的方法，其中該設定資料包括一訂單種類的一在製品目標數量、一常規班工時上限、一常規班工時下限、一加班時數上限、一加班時數下限、一連續出勤天數上限；該測試模型用以基於該設定資料、一員工出勤資料、一機種資料及一員工工作資料，來確定人力資源規劃的合理性，其中該員工出勤資料包括多個員工各自對應的一連續出勤天數；該機種資料包括對應於多個訂單種類的多個機種、每一機種對應的目前在製品數量以及每一機種預計的在製品數量；該員工工作資料包括每一員工有能力處理的機種以及每一機種的一單位人時產能。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111121096A TWI852021B (zh) | 2022-06-07 | 2022-06-07 | 人力資源調度的方法及其電子裝置 |
| CN202210749509.0A CN117252281A (zh) | 2022-06-07 | 2022-06-28 | 人力资源调度的方法及其电子装置 |
| US17/965,765 US20230394398A1 (en) | 2022-06-07 | 2022-10-14 | Human resource scheduling method and electronic apparatus for scheduling human resources |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111121096A TWI852021B (zh) | 2022-06-07 | 2022-06-07 | 人力資源調度的方法及其電子裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202349291A TW202349291A (zh) | 2023-12-16 |
| TWI852021B true TWI852021B (zh) | 2024-08-11 |
Family
ID=88976864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111121096A TWI852021B (zh) | 2022-06-07 | 2022-06-07 | 人力資源調度的方法及其電子裝置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230394398A1 (zh) |
| CN (1) | CN117252281A (zh) |
| TW (1) | TWI852021B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20240257000A1 (en) * | 2022-07-15 | 2024-08-01 | Ukg Inc. | Systems and methods for a hierarchical feature propagator |
| US20250148385A1 (en) * | 2023-11-08 | 2025-05-08 | Genesys Cloud Services, Inc. | Automated incentivizing tool for contact center agents |
| CN118246703B (zh) * | 2024-05-27 | 2024-08-02 | 国网信息通信产业集团有限公司 | 基于边云协同的变电运维人力资源调度方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201428647A (zh) * | 2012-12-11 | 2014-07-16 | Hon Hai Prec Ind Co Ltd | 產線排配控制系統及方法 |
| CN107844907A (zh) * | 2017-11-08 | 2018-03-27 | 厦门市再丰运动器材有限公司 | 一种生产计划和派工验收进度的生产管理方法 |
| US10031517B2 (en) * | 2013-09-18 | 2018-07-24 | Sap Se | Production resource management using genetic algorithm |
| CN111105133A (zh) * | 2019-11-08 | 2020-05-05 | 成都博智云创科技有限公司 | 生产调度方法、计算机设备以及存储介质 |
| TWI724871B (zh) * | 2020-04-17 | 2021-04-11 | 逢甲大學 | 智慧製造與先進排程決策輔助資訊管理系統 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6823315B1 (en) * | 1999-11-03 | 2004-11-23 | Kronos Technology Systems Limited Partnership | Dynamic workforce scheduler |
| SG103338A1 (en) * | 2002-02-27 | 2004-04-29 | Nanyang Polytechnic | System, method and product for rostering using genetic algorithms |
| WO2004107119A2 (en) * | 2003-05-27 | 2004-12-09 | Planmatics, Inc. | System and method for preference scheduling of staffing resources |
| US20050106549A1 (en) * | 2003-11-18 | 2005-05-19 | Parija Gyana R. | Optimization of class scheduling under demand uncertainty |
| US7885848B2 (en) * | 2005-02-17 | 2011-02-08 | International Business Machines Corporation | Resource optimization system, method and computer program for business transformation outsourcing with reoptimization on demand |
| US7689592B2 (en) * | 2005-08-11 | 2010-03-30 | International Business Machines Corporation | Method, system and program product for determining objective function coefficients of a mathematical programming model |
| CA2551467A1 (en) * | 2006-07-04 | 2008-01-04 | University Of New Brunswick | System and method for optimizing linehaul operations |
| EP2217980A4 (en) * | 2007-10-18 | 2012-07-25 | Univ Washington State | COMPUTER IMPLEMENTED SCHEDULING SYSTEMS AND METHODS THEREFOR |
| JP5858080B2 (ja) * | 2013-08-23 | 2016-02-10 | 横河電機株式会社 | 運転計画策定方法および運転計画策定システム |
| GB201515318D0 (en) * | 2015-08-20 | 2015-10-14 | Servicepower Business Solutions Ltd | Infeasible schedules in a quantum annealing optimisation process |
| US10362139B2 (en) * | 2016-10-06 | 2019-07-23 | Mitsubishi Electric Research Laboratories, Inc. | Systems and methods for resource allocation for management systems |
| US10762455B1 (en) * | 2016-11-28 | 2020-09-01 | Blue Yonder Group, Inc. | System and method of schedule optimization for long-range staff planning |
| US20200175456A1 (en) * | 2018-11-30 | 2020-06-04 | International Business Machines Corporation | Cognitive framework for dynamic employee/resource allocation in a manufacturing environment |
| US11948106B1 (en) * | 2019-12-23 | 2024-04-02 | Workday, Inc. | Shift design and assignment system with flexible modeling of constraint and cost function |
-
2022
- 2022-06-07 TW TW111121096A patent/TWI852021B/zh active
- 2022-06-28 CN CN202210749509.0A patent/CN117252281A/zh active Pending
- 2022-10-14 US US17/965,765 patent/US20230394398A1/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201428647A (zh) * | 2012-12-11 | 2014-07-16 | Hon Hai Prec Ind Co Ltd | 產線排配控制系統及方法 |
| US10031517B2 (en) * | 2013-09-18 | 2018-07-24 | Sap Se | Production resource management using genetic algorithm |
| CN107844907A (zh) * | 2017-11-08 | 2018-03-27 | 厦门市再丰运动器材有限公司 | 一种生产计划和派工验收进度的生产管理方法 |
| CN111105133A (zh) * | 2019-11-08 | 2020-05-05 | 成都博智云创科技有限公司 | 生产调度方法、计算机设备以及存储介质 |
| TWI724871B (zh) * | 2020-04-17 | 2021-04-11 | 逢甲大學 | 智慧製造與先進排程決策輔助資訊管理系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230394398A1 (en) | 2023-12-07 |
| CN117252281A (zh) | 2023-12-19 |
| TW202349291A (zh) | 2023-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI852021B (zh) | 人力資源調度的方法及其電子裝置 | |
| Araz et al. | An integrated multicriteria decision-making methodology for outsourcing management | |
| US8194848B2 (en) | Adaptive, self-learning optimization module for rule-based customer interaction systems | |
| US20080189129A1 (en) | Integrated autonomic innovation ifrastructure | |
| US20080189127A1 (en) | Autonomic management system | |
| US20080215403A1 (en) | Innovation signature management system | |
| CN107992971A (zh) | 一种水泥厂设备备件寿命的预测方法及系统 | |
| CN111144710B (zh) | 一种可持续性混合流水车间的构建和动态调度方法 | |
| US12106241B2 (en) | Shift design and assignment system with efficient incremental solution | |
| Jabbarova | Application of Z-number concept to supplier selection problem | |
| CN114862045A (zh) | 排产优化方法、装置、电子设备及存储介质 | |
| Cheung et al. | A knowledge‐based service automation system for service logistics | |
| US20210342763A1 (en) | Distributing order execution in a mom system | |
| Wang et al. | Multicriteria order acceptance decision support in over-demanded job shops: a neural network approach | |
| Fleisch et al. | The value of information integration in meeting delivery dates | |
| US20050267777A1 (en) | Motivational signature management system | |
| CN117436625A (zh) | 一种生产排程管理方法、系统、设备及介质 | |
| CN117670154A (zh) | 一种基于决策大模型的供应链管理方法、系统及设备 | |
| Hashemzadeh et al. | Identification and weighting factors influencing the establishment of a single minute exchange of dies in plastic injection industry using VIKOR and Shannon Entropy | |
| CN120806589B (zh) | 一种基于配额协议的计划生成下游单据方法 | |
| Duwe | Optimization of the production process at TenCate | |
| Simanjuntak et al. | Aggregate Planning to Minimize Cost of Production of ABC Company with Forecasting and Master Production Schedule Approach | |
| Abbaszade | Developing an order acceptance function for Limis Planner | |
| JP2000322483A (ja) | 工場管理方法及びその装置 | |
| Salehi et al. | A novel model for production optimization with stochastic rework and failure-prone job shop schedule problem via hybrid simulation–heuristic optimization |