健壮人员排班：缺勤预测应多精确?
机器学习
2024-06-27 v1
摘要
因缺勤导致的人员排班中断常常需要对员工的工作时间进行临时调整。常见的缓解此类变化影响的策略是为员工分配保留班次：特殊值班期间，员工可以在缺勤员工时被召来弥补。为了最大化排班的韧性，我们假设采用预测-优化方法，使用来自机器学习模型的缺勤预测来安排足够的保留班次。在本文中，我们提出了一种方法，用于评估由预测-优化方法生成的排班韧性，假设机器学习模型将在预定的预测性能水平上进行预测。与其训练和测试机器学习模型，我们的方法基于模型性能特征来模拟预测。我们展示了如何将该方法应用于识别模型所需的最小性能水平，以超越简单的非数据驱动韧性排班政策。在针对护士排班问题的计算研究中，我们证明了在合理的性能要求下，预测-优化方法优于非数据驱动的政策，特别是在员工拥有可互换技能的情况下。
引用
@article{arxiv.2406.18119,
title = {Robust personnel rostering: how accurate should absenteeism predictions be?},
author = {Martina Doneda and Pieter Smet and Giuliana Carello and Ettore Lanzarone and Greet Vanden Berghe},
journal= {arXiv preprint arXiv:2406.18119},
year = {2024}
}