基于需求预测的服务业排班系统开发与设计

盛强 张堃 申亮

摘  要： 为克服服务业排班受天气及节假日等因素的影响严重，企业增加临聘人员后排班难度大的问题，设计基于需求预测的排班系统。利用历史数据建立季节性需求预测模型，预留人机交互接口，实现非人为因素的合理修改;应用遗传算法对服务需求进行混合排班，确定各类型员工各时段排班人数;基于C#.NET技术应用Access实现软件开发建立排班系统。以某大型超市为例，经调试系统实现了基于预测的多工种混合排班，排班效果理想。基于需求预测的服务业排班系统能够有效地实现对人力资源需求的提前响应，较好地调节人力资源供需矛盾，对相关行业人力资源配置具有一定的借鉴意义。

关键词： 服务业; 排班系统; 需求预测; 混合排班; 软件开发; 系统功能测试; 人力资源配置

中图分类号： TN02?34                         文献标识码： A                            文章编号： 1004?373X（2019）09?0098?05

Development and design of service industry scheduling system

based on demand forecasting

SHENG Qiang， ZHANG Kun， SHEN Liang

（College of Mechanical and Electrical Engineering， Shaanxi University of Science and Technology， Xian 710021， China）

Abstract： In order to overcome the serious influence of weather， holidays and other factors on service industry scheduling， and reduce the scheduling difficulty after adding the temporary， the scheduling system based on demand forecasting is designed. A seasonal demand forecasting model is established according to historical data， and human?computer interaction interface is reserved to realize the reasonable modification of non?human factors. The genetic algorithm is applied to carry out the mixed scheduling for service demand， and determine the number of various scheduling employees in each time period of scheduling. The C#.NET technology and Access are used to realize software development and establish the scheduling system. Taking a large supermarket as an example， the mixed scheduling of multi?type staff based on prediction is realized by the debugging system， and the scheduling effect is ideal. The service industry scheduling system based on demand forecasting can effectively realize the early response to human resource demand， and better regulate the contradiction between supply and demand of human resources. The system has a certain reference significance for the allocation of human resources in related industries.

Keywords： service industry; scheduling system; demand forecasting; mixture scheduling; software development; system function test; human resource allocation

0  引  言

服务业排班问题最早源自于制造业基于各类约束的生产计划排程，但两者又有明显的区别。服务业排班问题从理论上讲是组合优化问题，但却具有高度非线性、需求离散且不确定等特点[1]，当问题规模庞大时，会变得十分复杂。在实际的操作过程中，管理者要考虑科学民主、讲求效益，不但要调动员工积极性，又要保证各班次工作负担合理。

随着社会发展，服务业又出现了一些新的需求特征，如需求的周期性波动明显，受天气节假日影响严重，学生工、小时工等临聘人员越来越普遍等，按照传统劳动法规和劳动强度进行约束，原有排班方法很难得到最优解决方案，服务满意度和人力资源成本的不断激化使得排班问题逐渐成为行业内的热点和难点问题[2]。

本文基于动态需求预测对包含临聘人员的多工种混合排班系统进行设计与开发。一方面，通过人机交互方式设置需求预测修正系数，实现对需求波动的提前响应;另一方面，通过遗传算法求解包含临聘人员的多工种混合排班模型，实现人力资源的有效配置，提升服务满意度。该系统的排班模型和算法不仅可用于公交、快递等需求波动大的服务业排班，同时也可用于销售、导购等包含临聘人员的服务排班。

1  系统总体设计

1.1  设计思路

本文以西安市某大型连锁超市人力资源配置需求为例，调研并收集连续两周内每日各时段客流量及服务时长，利用Eviews 8.0对服务需求拟合建立季节性预测初始模型。在预测模型修正阶段设置需求修正系数[k]，系统设计阶段预留人机交互界面，排班人员根据天气预报等因素结合经验对[k]值进行设置，实现对服务需求的提前响应。

在排班阶段基于遗传算法对包含临聘人员的多工种混合排班模型进行求解[3?4]，设计数据库保存排班结果。每日实际需求信息用于更新历史数据生成季节性预测更新模型。

最后利用C#语言基于Access实现软件开发，建立排班系统，使用C#.NET技术将排班系统和数据库进行链接实现运用[5?6]。具体流程如图1所示。

图1  技术路线图

1.2  系统主要功能模块

根据模块化思想将系统分为三个功能模块，分别是综合信息维护模块、服务需求预测模块、自动排班管理模块。

以管理员身份正确登录系统后，首先需对综合信息进行维护，设置相关参数;其次在需求预测模块需对排班时间进行选择，并输入需求预测修正系数;最终在自动排班模块得到各时段需求人数及排班表，操作结束后更新排班表并退出系统。主要功能模块如图2所示。

图2  系统基本模块

1） 综合信息维护模块

综合信息维护模块包含基础信息子模块和请假管理子模块。基础信息子模块可对营业时间、排班周期、员工基本信息、班次时长、正式员工在岗数量下限等参数进行设置与修改。请假管理子模块用于对员工请假信息的管理，请假员工数量在每次排班前给予剔除。

2） 服务需求预测模块

服务需求预测模块包含参数设置子模块和需求查询子模块。参数设置子模块用于设置预测起止时间和修正系数，需求查询子模块用于查询排班周期内各时段需求人数。系统的自动排班是根据需求预测的参数设置来制定具体员工对象的工作安排。

3） 自动排班管理模块

自动排班管理模块是系统的核心功能，系统根据参数设置和需求预测生成排班单，然后依据排班单的数据分别对正式员工和临聘员工进行排班，并提供多种形式的查询功能。

1.3  系统内部算法设计

1.3.1  服务需求预测模型

针对服务行业的需求预测采用历史数据拟合方式建立季节性指数平滑模型。以西安市某大型连锁超市凤城五路店为例，通过调研得到连续两周每天14个时段的客流量，利用Eviews 8.0对服务需求历史数据进行拟合[7]。分别测试乘法模型和加法模型，结果发现乘法模型拟合度都更高，均方根误差（RMSE）仅为1.716 7%，同时确定季节性预测初始模型的三个平滑系数[α=]0.3，[β=0.2]，[γ=]0.1。

在此基础上在模型中添加天气及节假日等因素的修正系数[k]，修正后模型如下：

式中：[Fd]为平滑后序列;[Sd]表示截距;[bd]表示斜率;[m]表示周期数目;[L]是季节长度;[I]是季节指数;[XdId-L]为剔除季节因素的趋势值，与前一期趋势值[Sd-1+bd-1]按[α]和[1-α]权重进行平滑;[d]期趋势和前一期趋势的差[Sd-Sd-1]，与前一期的线性成分[bd-1]按[β]和[1-β]进行平滑;[XdSd]為剔除趋势成分后的季节成分，与前期季节成分[Id-1]按[γ]和[1-γ]进行平滑;[k]为修正系数，默认值为[k=1]，管理人员可根据天气预报及节假日安排等因素结合经验对[k]值进行修订。例如，未来三天为雨雪天气，可将[k]修正为0.8，未来3～5天为农历端午节假期，可将[k]修正为1.3。

将服务业每日工作时长划分为[T]个时段，则有[Fd=λtDdt]，其中，[Fd]为未来[d]天内每日总工时需求量，[λt]为各时段需求比例系数，根据历史数据按照加权平均确定。则系统预测结果[Ddt]为未来[d]天内每时段[t]的工时需求量。

1.3.2  多工种混合排班模型

多工种混合排班问题可描述为：企业某排班周期[M]天内每天各时段对员工的需求为[Ddt]，企业有正式员工与临聘员工两类，正式员工集合为[U]，临聘员工集合为[V]，正式员工采用两班制工作时长为[Q]，临聘员工工作时长为[P]，可在满足工作时长的各时刻初排班。企业每天营业时间从[T0～Tt]共[t]个时段，全天工作时段可划分为如下五部分：[T0～P]，[P～Tt-Z]，[Tt-Z～T0+Z]，[T0+Z～Tt-P]和[P～Tt]，以全天服务供应与服务需求差值最小为目标函数设计如下排班模型：