考虑个体学习效应的员工调度和服务车辆路径优化联合决策研究

Skill shortages and skill mismatches are worrying issues for business and organizations. Global labor markets have tightened, largely due to the strengthening in the demand. This has increased talent mismatch and wage pressures. In China, skill shortages worsened with the rapid growing demand in home service industry. This work studies the multi-period dynamic technician routing and scheduling problems with individual learning effects. We model the problem as a Markov decision process and develop a series of approximate dynamic programming-based approaches to solve the large-scale problems in the real-world practice. We also validate the proposed model and approaches with simulations and real world data. Further, our model and solution approaches can be applied to other service industries facing similar challenges with skill shortages.

近年来，技能型人才短缺及人才错配成为困扰全球各类企业和组织的一大难题。在全球范围内，技能型人才市场呈现出明显的供不应求，这也加剧了企业的人才短缺和薪资压力。在我国，随着家庭消费者对于家居产品及服务的需求日益增长，企业的人才短缺问题也日益加剧。本项目旨在研究基于个体学习效应企业如何进行有效的员工调度及服务车辆路径优化联合决策，通过员工技能组合的优化从而提高企业的生产力以应对未来不确定的市场需求，解决日益加剧的人才短缺问题。本研究利用马尔可夫决策过程对考虑个体学习效应的多周期动态员工调度及服务车辆路径优化联合决策问题进行模;逐步研发一系列基于近似动态规划的算法来解决企业运作过程中所遇到的大规模决策问题。并利用仿真实验和合作单位提供的数据检验所提出模型及算法的有效性，最后将相关研究成果积极推广到我国家居服务企业，为解决我国家居服务行业所面临的人才短缺和人才错配问题提供行之有效的解决方案。

本项目主要研究考虑个体学习效应的多周期动态员工调度与服务车辆路径优化联合决策问题，并研发相应的优化算法，为企业进行员工调度与服务车辆路径优化联合决策提供理论分析及算法支持，帮助企业应对日益加剧的人才短缺问题。在理论层面，通过文献梳理与企业实地调研，深入了解了企业决策所面临的困难和挑战，并根据实际运营过程中的特点和约束利用马尔可夫决策过程对联合决策问题进行建模。进而，为克服传统动态规划存在的“维数灾”问题，基于模型和企业数据分别研发了滚动周期算法和基于基函数的值函数逼近算法，来解决企业运作过程中所遇到的大规模动态联合决策问题。首先，基于滚动周期算法，结合蒙特卡洛仿真实验与合作企业的数据，分析了学习效应对决策的影响，得到以下管理启示：1）通过有效的服务时间和行驶时间的权衡，异质团队和学习效应可以帮助企业最大限度的挖掘现有员工团队的生产力水平； 2）随着客户种类的增多，员工的专业化水平增加；在考虑异质团队组成的情况下，学习能力弱的员工专业化水平最高，有经验的员工比新员工的专业化水平高；3）相对于经验丰富的员工，聘用学习能力强的员工将为企业带来更大的收益。其次，针对未来周期成本近似过程中存在的线性化问题以及服务时间和行驶时间的权衡问题，提出了利用双线性规划，研发了基于保守超平面(conservative hyperplane)搜索的切平面算法进行求解。最后，针对联合优化决策问题面临的双重权衡，研发了基于基函数的值函数逼近算法，有效地引导隐性交叉培训策略帮助企业进行当期员工技能组合管理。通过将隐性交叉培训所带来的未来周期收益进行近似并引入到当期决策中来，算法形成了一种激励机制从而在隐性交叉培训中进行精准的员工和培训任务类型的匹配。基于以上模型和算法，项目组已与合作企业沟通和讨论研究成果在实践层面的具体应用，希望将相关研究成果积极推广，为企业运营提供更好的理论依据与决策支持。