Automatisierte Einsatzplanung für Flowin
Automatisierte Einsatzplanung zur effizienten und skalierbaren Zuweisung von Ressourcen unter Berücksichtigung von Verfügbarkeiten, Qualifikationen und Kapazitäten
Flowin Planungsansicht
Ausgangslage
Die Planung von Personaleinsätzen stellt ein zentrales Problem in vielen Organisationen dar und wird mit zunehmender Grösse schnell komplex. Unterschiedliche Anforderungen wie Verfügbarkeiten, Qualifikationen und Kapazitätsgrenzen müssen gleichzeitig berücksichtigt werden, wodurch die Anzahl möglicher Zuteilungen stark anwächst
Auch in der von der Solved Development GmbH entwickelten Plattform Flowin zeigt sich diese Herausforderung deutlich: Es besteht ein wachsender Bedarf seitens der Kunden, die Einsatzplanung zumindest teilweise zu automatisieren, um den Planungsaufwand zu reduzieren und die Skalierbarkeit zu verbessern.
Zielsetzung
Ziel ist es, dieses Einsatzplanungsproblem zu untersuchen und geeignete algorithmische Lösungsansätze zu analysieren. Im Fokus stehen dabei zwei Ansätze zur Lösung kombinatorischer Optimierungsprobleme, nämlich Integer Linear Programming (ILP) und Max-SAT. Beide Verfahren werden auf dasselbe Problem angewendet und hinsichtlich ihrer Lösungsqualität sowie ihres Laufzeitverhaltens verglichen. Dabei stellt sich insbesondere die Frage, welcher Ansatz bei gegebener Problemgrösse die bessere Kombination aus Lösungsqualität und Laufzeit erreicht.
Aufbau
Die Abbildung zeigt die Systemarchitektur der Lösung. Der Flowin Planner ist als separater Service implementiert und kommuniziert über die Flowin API mit dem bestehenden System. Die Berechnung der Einsatzplanung erfolgt im Plan-Service, während das Flowin Frontend die Ergebnisse visualisiert und steuert.
Heatmap
Die Heatmaps zeigen den Vergleich der Lösungsqualität und Fairness zwischen MAX-SAT und ILP bei unterschiedlichen Problemgrössen. Während MAX-SAT stabile Ergebnisse über verschiedene Szenarien liefert, zeigt ILP bei grösseren Instanzen teilweise Einbrüche in Qualität und Fairness. Dies verdeutlicht die unterschiedlichen Skalierungseigenschaften der beiden Optimierungsansätze.
Heuristik
Das Diagramm zeigt den Ablauf des heuristischen Planungsalgorithmus. Zunächst werden Aktivitäten sortiert und möglichst vollständig einzelnen Ressourcen zugewiesen. Anschliessend werden verbleibende Aktivitätsblöcke iterativ verteilt, wobei jeweils der am stärksten eingeschränkte Block priorisiert wird. Ziel ist es, schnell eine gültige und möglichst gute Lösung zu erzeugen.
Laufzeit
Die Grafik zeigt die Laufzeit des heuristischen Ansatzes in Abhängigkeit von der Problemgrösse. Es ist erkennbar, dass die Laufzeit moderat ansteigt und auch bei grossen Instanzen im akzeptablen Bereich bleibt. Dies unterstreicht die Eignung heuristischer Verfahren für den praktischen Einsatz.
Ergebnisse
Im Rahmen der Arbeit wurde die Machbarkeit einer automatisierten Einsatzplanung in Flowin untersucht. Dazu wurden verschiedene algorithmische Ansätze – insbesondere ILP, MAX-SAT und heuristische Verfahren – implementiert und miteinander verglichen. Die Bewertung erfolgte anhand von Kriterien wie Lösungsqualität, Fairness und Laufzeit.
Die Ergebnisse zeigen, dass exakte Optimierungsverfahren zwar sehr hochwertige Lösungen liefern können, jedoch mit höherem Rechenaufwand und teilweise hohen Lizenzkosten verbunden sind. Heuristische Ansätze hingegen ermöglichen eine schnelle und stabile Planung und eignen sich besonders gut für den praktischen Einsatz in Flowin.
Ein hybrider Ansatz, bei dem heuristische Lösungen als Ausgangspunkt für Optimierungsverfahren genutzt werden, bietet zusätzliches Potenzial zur Verbesserung der Lösungsqualität bei gleichzeitig moderater Laufzeit.
- Automatische Zuweisung von Ressourcen zu Aktivitätsblöcken unter Berücksichtigung von Verfügbarkeiten und Qualifikationen.
- Unterstützung von Hard- und Soft-Constraints zur Sicherstellung gültiger und qualitativ hochwertiger Einsatzpläne.
- Vergleich und Evaluation von ILP- und MAX-SAT-Ansätzen hinsichtlich Laufzeit und Lösungsqualität.
- Implementierung eines heuristischen Verfahrens zur schnellen Generierung praktikabler Lösungen.
- Integration von Fairnesskriterien zur gleichmässigen Verteilung der Einsätze auf Ressourcen.
- Möglichkeit zur Gewichtung von Planungszielen (z. B. Verfügbarkeit, Erfahrung, Priorität).
- Reduktion des manuellen Planungsaufwands durch teilautomatisierte Entscheidungsunterstützung.
- Grundlage für einen hybriden Ansatz (Heuristik + Optimierung) zur weiteren Verbesserung der Planung.
Insgesamt konnte gezeigt werden, dass bereits einfache algorithmische Ansätze einen signifikanten Mehrwert gegenüber der manuellen Planung bieten. Die Automatisierung reduziert den Planungsaufwand, verbessert die Skalierbarkeit und führt zu konsistenteren sowie faireren Einsatzplänen.
Damit stellt die automatisierte Einsatzplanung eine praxisnahe und kosteneffiziente Erweiterung der Flowin-Plattform dar, die insbesondere bei wachsender Komplexität der Planung einen grossen Nutzen bietet.
Technische Schlüsselbegriffe
- keyword 1ILP (Integer Linear Programming)
- keyword 2MAX-SAT
- keyword 3Heuristische Optimierung
- keyword 4Ressourcenplanung
- keyword 5Fairness (z. B. Threshold-Fairness)
- keyword 6Zielfunktion & Gewichtung (AHP)
- keyword 7Optimierungsmodelle
Kund:in
Solved Development GmbH
Sam
Wylerstrasse 51
3014 Bern
einen Link zum Unternehmen
Team
Matheusz Rüfenacht
Noel Sollberger
Betreuer
Simon Felix