疫情期间的员工排班与检测策略：以 COVID-19 为例
最优化与控制
2023-01-10 v1 物理与社会
摘要
高效的员工排班在匹配组织的工作负荷需求方面发挥着重要作用。然而，员工排班有时会受意外事件影响，例如扰乱常规运营的 COVID-19 疫情。由于像 COVID-19 这样的传染病主要通过与个体的密切接触传播，一种有效的预防传播方式是限制工作场所现场员工的数量并辅以定期检测。因此，在疾病暴发期间，确定一种满足组织目标并防止病毒传播的最优排班与检测策略至关重要。在本文中，我们在两个混合整数非线性规划（MINLP）模型的框架下对这些挑战进行建模。第一个模型旨在推导最优员工在岗与检测策略以最小化员工感染风险，而第二个模型旨在随机检测策略下仅求最优员工在岗方案。为解决模型中表述的问题，我们提出了一种规范遗传算法以及两种商业求解器。利用真实和合成的员工接触网络，我们的结果表明，在不同情景下遵循推荐的在岗与检测策略可将感染风险降低 25%--60%。
引用
@article{arxiv.2301.03382,
title = {Personnel Scheduling and Testing Strategy during Pandemics: The case of COVID-19},
author = {Mansoor Davoodi and Ana Batista and Abhishek Senapati and Justin M. Calabrese},
journal= {arXiv preprint arXiv:2301.03382},
year = {2023}
}
备注
15 pages, 2 figures