基于预测仓库收发量的贪心策略员工排班问题探究

文/李晓莉高天浩彭佳丽

从某物流仓库装卸员工排班现状出发，对目前员工排班的状况进行分析，剖析了造成员工工作饱和度不稳定的因素。围绕员工排班策略，从仓库收发量预测、员工排班方面进行研究，致力于提升员工排班准确性，提升员工工作饱和度的稳定性，提高物流仓库的服务水平，提高员工福利等。提出了基于收发量预测的员工排班解决方案，对于保证服务水平的前提下降低成本的员工配置具有重要意义。

1.引言

在人口红利消失，劳动力供给资源减少，劳动力成本上升的背景下，争取销售部门提高销售额获取第一利润的空间越来越小，争取降低人工和材料成本所获取的第二利润又有一定的空间限制。物流费用被称为企业第三利润源泉，如果能有效降低物流费用，不仅对企业利润的提高很关键，对降低人工和材料成本获取第二利润也至关重要。运输和仓储共同构成物流运行体系，在庞大的物流运行成本中，保管货物期间即仓储环节支出费用占总费用的50%[1]，员工薪资又是仓储成本的重要组成部分，因此仓储员工的管理显得尤为重要。仓储员工的管理的目的应是不断提高员工工作效率，不断降低仓储成本中单位货物消耗的人力成本；对员工配置进行有效管理，避免人浮于事，出工不出力或效率低下的情况；将重点放在稳定员工工作饱和度，不稳定的工作饱和度势必造成不必要的人工成本费用支出。而员工排班[2]的合理与否极大地影响了仓储员工作效率、仓储运营效率、员工工作饱和度及顾客服务满意度。通过合理的员工排班可以提高仓储的运行效率，降低仓储环节的成本，为企业创造更多的利润，有利于提升企业核心竞争力，实现可持续发展战略。在仓储作业全面实现自动化与当下仓储作业中人工作业占比较高之间的交接时期，装卸搬运活动要耗费大量的人力物力，装卸搬运费用在整个仓储成本中占比很高。因此要想提高企业第三利润，就必须降低仓储作业成本，更细一点来讲就是降低装卸成本。为降低装卸工的成本，诸多学者进行了相关研究，任云霞[3]利用成本倒推方法证明装卸人员调配不合理将直接导致物流企业的亏损。张晓林[4]指出乡村物流人才需求缺口巨大，因此需要更加注重员工工作效率的调节。解进强等[5]认为工作负荷、工作时间、单调重复等挑战性工作会提高员工的离职倾向。然而，王新田等[6]有不一样的见解，他们认为在某个班次配置过多装卸工会降低员工的工作饱和度，造成人力资源的浪费，同时员工数量的过多也容易发生安全事故；装卸工配置过少会影响仓库的运作效率，造成货物处理效率降低，影响服务水平，同时也增加装卸工工作强度，长期高强度工作会使员工流失率升高。由此可见合理的员工配置至关重要。在实际的仓储作业中与员工配置尤为相关的就是员工排班问题，但在以上几位学者的研究中并未明确论述如何才能合理的优化员工排班问题。针对员工配置问题朱文香[7]提出校企合作、构建培训体系、引进人才等解决方案。冯丽帆[8]提出标准化工作流程、建立考核体制、高效进行员工培训的解决方案。这些文献将视角集中在整个物流行业的引进、培训、标准作业流程等方面提出解决方案，论述观点较为宏观未涉及通过合理排班减低员工的工作强度的方法提升员工福利、减少员工流失、降低成本。本文在以上研究的基础上，基于实际案例，以某物流仓库为研究对象，对其历史有效订单进行预测，以预测货物收发量进行装卸工的员工排班[6]。

2.问题描述

该物流仓库由于仓库自动化水平较低，分拣、搬运装卸、流通制造等劳动密集工作都需要人工完成。表1所示为该物流仓库员工单个班次人均处理量。

表1 装卸工单个班次人均处理量

由上表可知，仓库收发量波动明显，不灵活的员工配置导致装卸员工工作饱和度波动较高，如在4月22日收发量较高，装卸员工配备不充足人均货物处理量达到71立方米；在4月25日收发量明显下降，装卸员工明显过剩人均处理量为16立方米。物流仓库收发量的不确定性和员工配置不合理造成该物流仓库员工工作饱和度波动较大，因此设计一种科学高效的员工排班方案迫在眉睫。

3.时间序列分解模型进行收发量预测

SPSS软件建立时间序列分解模型的步骤可以分为以下几步：定义日期表示变量、了解序列发展的趋势、进行季节因素分解、建模、分析结果解读、预测。

3.1 定义日期表示变量

利用SPSS进行日期变量定义，以便进行时间序列分析[9]。

3.2 了解序列发展的趋势

在对数据进行时间变量标记之后，要了解数据对时间序列的变化趋势，选择合适的模型。通过序列图来确定模型选择乘性还是加性。如图1所示。

图1 数据变化趋势

经过实验发现本数据波动较小，所以使用加法模型，结果如表2：

表2 模型描述

3.3 季节因素分解

季节因素[10]的分解有以下目的：克服其他因素的影响，仅仅考虑一种因素对时间序列的影响；分析数据之间的相互作用，以及数据对时间序列的综合影响；当去掉这些因素后，就可以更好地进行时间序列之间的比较，从而更加客观地反映事物变化发展规律；分解之后的序列可以用来建立回归模型，从而提高预测精度。本数据的季节因子如表3所示。

表3 季节因子

3.4 专家建模法

根据时间序列图观察趋势、序列平稳性并进行平稳化、时间序列建模分析、模型评估与预测。经过专家建模法最终得出的模型类型是为简单季节性，如表4所示。

表4 模型描述

由于历史收发量具有季节性变动因素，所以平稳的R方更具有参考意义，平稳的R方属于0.4~0.8则表现良好，大于0.9则表现优异。如表5模型统计，所示平稳的R方等于0.759拟合效果良好。

表5 模型统计

3.5 预测结果

如图2为SPSS专家建模法预测的结果。

图2 预测结果

以上数据为一天内（两个班次）的工作量。将预测数据按照白夜班到达比率不同进行数据处理：白班收发量平均占一天工作量的42%、夜班收发量平均占一天工作量的58%，结果如表6所示：

表6 预测数据

4.1 装卸员工工作规则

排班规则是指在排班时应遵守的规定，如国家的法律、法规、行业规定、公司制度、工作时间限制等。在物流中心员工连续上班的天数、班次之间的间隔、最大工作时间限制等等；具体规则为：（1）正常月工作总时长不超过：177小时；（2）最长连续工作时间不超过：8.25小时/天;（3）最短连续工作时间不低于：4小时/天；（4）从每日08:00时至22：00时为白班；（5）从每日22：00时至次日：08:00时为夜班；（6）物流中心员工连续上班不能超过9天。

4.2 装卸工排班

4.2.1 装卸工排班模型

上述的员工排班规划，可以将其简化为以下几点：（1）每人每天只能参与一个班次的工作；（2）配置员工人数至少能够处理完当天工作；（3）两个班次人数要小与总人数。（4）员工每月休息时间至少要大于四天。设该物流仓库排班两个班次，第i个人第j天的班次为Xij，第i个人第j天第2个班次为Yij。Xij+Yij≤1

第i个人在第j天，只能上一个班次，其中X为白班、Y为夜班，i、j为正整数。

其中，ξx是第j天第一个班次需要的人数；ξy是第j天第二个班次需要的人数，并且ξx+ξy≥M

两个班次人数小于总人数，M为该仓库总员工人数。

一个月三十天最多上26个班次休息4天。

4.2.2 装卸工排班模型实现

使用C++创建员工对象并设置三个属性，分别是员工编号、工作状态和连续工作时间。员工编号用于辨识员工，工作状态是保证一个员工一个班次只能做一次。设定每个员工的工作效率为51.5立方米每人每班次且保证不能连续工作9天。由于员工排班不能超过9天，这样的排班规则会使结果出现周期性，从总体看编号靠前的员工排班工作较满，后面的员工排班较为松散，这是因为一个月可能包含多个周期，排班较为松散的员工将在下一周期优先排班。

4.3 装卸工排班结果

保证参加工作的员工排班按照上文排班规则，将上文得到的预测值输入进行员工排班，排班结果如图3所示。

图3 排班结果

上图中数字1代表白班、数字2代表夜班、数字0代表休息。第一行为白班每天需要的员工数量、第二行为夜班每天需要的员工数量、第三行代表第一位员工接下来一个月的排班、第四行为第二位员工接下来一个月的排班。

4.4 排班结果分析

根据每日具体工作量进行人员排班，白班参与人次达到456，夜班参与人次达到317；其中约占36.8%的员工的在一个月内的员工排班为26天；约有68.4%的员工在2021年5月24日至2021年6月22日的工作班次为25以上天。符合员工以上排班规则，并且保证员工的薪资。因此可以设定该物流仓库长期员工有27名。而有8位员工工作日在10天以下，因此将这8位员工划分为临时工。针对该排班安排，通过计算出的人员需求，按照轮班的形式进行排班，这样的排班有如下优势：完成了对现有来订单的最大覆盖；工作效率的极大提高；可以提供充裕的培训时间；满足了大家对公平性的要求；与相应的考核制度结合体现制度的透明；促进了物流中心整体服务品质的提升。通过以上方法，在物流中心进行科学合理的人员排班，不仅可以提高现有人员的利用率，而且有利于物流中心成本的有效控制；在合理的成本下，确保该物流仓库优质服务的实现。

4.5 排班结果优化

对以上排班结果进行分析发现员工排班结果中存在数字1（白班）和数字2（夜班）相邻，即员工的工作安排为当日的白班与次日的夜班相邻，或则当日夜班和次日的白班相邻，该决策不符合实际工作要求。经过调试最终结果如图4所示。

图4 优化后的排班结果

根据每日具体工作量进行人员排班，白班参与人次达到456次，夜班参与人次达到317次；约占47.3%的员工的在一个月内的员工排班为大于23天；约有76.3%的员工在2021年5月24日至2021年6月22日的工作班次为18以上。符合排班规则，并且保证了员工的薪资。因此可以设定该物流仓库长期员工为29名。而有5位员工工作日在10天以下，因此将这5位员工划分为临时工。由于排班条件限制其周期为9天，而排班是以月为单位，导致部分员工排班较为松散，因此针对在2021年5月24日至2021年6月22日中排班班次在23~10的员工，在下个月的工作中优先进行排班。

5.员工配置前后的对比

表7所示为2021年5月24日~2021年5月30日实际的出入量以及员工的安排情况。

表7 优化前员工配置情况

由上表不难发现不合理的装卸配置导致员工的工作饱和度过高，该物流仓库的运作速度必将减慢，其中超过国家规定（每天8小时）班次工作时间的有4天，而又有2天的员工配置太低，每人每天的工作时间远低于仓库规定工作时间，造成资源的浪费。

表8所示为2021年5月24日~2021年5月30日优化后员工配置情况。

表8 优化后员工配置情况

经过预测和合理排班之后，可以发现员工的工作饱和度在80%左右，既符合国家规定，又提升该物流仓库的资源利用率。但在5月28日这天的工作量较大，应适当招聘临时工，及时处理货物。由以上两表可以看出2021年5月24日~2021年5月30日期间如果按照上述方法及进行排班可节约30个班次的人力成本。

6.结论

随着物流仓库自动化时代的来临，提高员工工作效率与保证员工福利的融合已经成必然需求。针对该物流仓库的装卸工配置中出现工作饱和度较大波动的情况，首先使用时间序列分解模型通过SPSS对仓库未来一个月的收发量进行预测；再使用C++编写应用了贪心策略的员工排班算法，寻找适合每天预测收发量的最佳员工排班方案。这种先预测再排班的解决方案使得该物流仓库在2021年5月24日~2021年5月30日可以节约30个班次的人力成本。该方法不仅能够保证工作配置的合理性，提升工作效率的同时还能有效地减少人力资源的投放，给企业节省一定的成本，实现企业效益最优化。本文提出的员工排班解决方案，不仅可以优化该物流仓库的员工排班问题，对于劳动密集型的企业的员工排班均有指导意义，对企业降低人力成本、提高员工工作饱和度、减少员工流失都有积极意义。不同行业的服务对象不同，员工的工作效率不同，具体的排班问题还应具体分析。

引用出处

[1]中国物流与采购联合会.物流环节最易降低的一环——仓储成本[EB/OL].http://www.chinawuliu.com.cn/zixun/201802/11/328667.shtml,2018-02-11.

[2]姚建园.酒店客房部员工排班研究[J].价值工程,2016,35(32):54-55.

[3]任云霞.物流企业装卸工问题研究[D].中原工学院,2012.

[4]张晓林.乡村振兴战略下的农村物流发展路径研究[J].当代经济管理,2019,41(04):46-51.

[5]解进强,付丽茹.工作要求对中小型物流企业一线员工离职倾向的影响——基于京津冀35家企业的调查[J].中国流通经济,2019,33(12):95-106.

[6]王新田,尹树华,李江红,孙岩清.维修员工数量配置的优化模型[J].电子设计工程,2010,18(05):12-13+18.

[7]朱文香.郑州市乡村物流业发展需求分析及对策研究[J].现代商贸工业,2020,41(30):30-32.

[8]冯丽帆.基于实际案例的劳动密集型仓库人员管理改进方法研究[J].企业改革与管理,2019(15):101+108.

[9]杨海民,潘志松,白玮.时间序列预测方法综述[J].计算机科学,2019,46(01):21-28.

[10]桂文林.月度数据季节因素调整和预测[J].统计研究,2011,28(06):79-85.