کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4959024 1445466 2017 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multi-period technician scheduling with experience-based service times and stochastic customers
ترجمه فارسی عنوان
برنامه ریزی تکنسین چند دوره ای با زمان سرویس و مبتنی بر تجربه و مشتریان تصادفی
کلمات کلیدی
برنامه نویسی دینامیک، برنامه ریزی فنی، چند دوره یادگیری، 00-01، 99-00،
ترجمه چکیده
این مقاله یک مسئله برنامه ریزی تکنسین چند دوره ای را با زمان سرویس سرویس مبتنی بر تجربه و مشتریان تصادفی معرفی می کند. در این مشکل، مدیر باید وظایف انواع مختلفی را که در ابتدای هر روز به تکنسین هایی که باید در همان روز انجام وظیفه کنند، مشخص کند. به عنوان یک تکنسین تجربه با یک نوع وظیفه به دست می آید، زمان لازم برای انجام وظایف آینده نوع آن کاهش می یابد (اغلب به عنوان یادگیری تجربی). به این ترتیب، در حالی که این مشکل می تواند به عنوان یک مسئله ی تک دوره ای (یعنی تمرکز صرفا بر روی وظایف فعلی)، به جای آن، مدل را به عنوان یک مسئله چند دوره ای انتخاب کند و بدین ترتیب تصدیق کنیم که تصمیمات روزانه باید بلندمدت را تشخیص دهند اثرات یادگیری به طور خاص، ما مشکل را به عنوان یک فرایند تصمیم گیری مارکوف مدل سازی می کنیم و یک رویکرد راه حل مبتنی بر برنامه ریزی پویا تقریبی ارائه می دهیم. مدل را می توان برای رسیدگی به موارد خسارات کارگری و انواع کارهای جدید سازگار کرد. روش راه حل متکی بر تقریبی هزینه برون رفت که از پیش بینی های تکالیف روزانه برای هر تکنسین استفاده می کند و در نتیجه برآورد زمان مورد نیاز برای خدمت به این وظایف با توجه به تصمیمات دوره جاری است. با استفاده از یک مطالعه محاسباتی وسیع، ارزش رویکرد ما را در مقابل یک رویکرد راه حل معکوس نشان می دهد که مشکل را به عنوان یک مسئله تک دوره ای می بیند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
برنامه ریزی تکنسین چند دوره ای با زمان سرویس و مبتنی بر تجربه و مشتریان تصادفی
چکیده انگلیسی
This paper introduces the multi-period technician scheduling problem with experience-based service times and stochastic customers. In the problem, a manager must assign tasks of different types that are revealed at the start of each day to technicians who must complete the tasks that same day. As a technician gains experience with a type of task, the time that it takes to serve future tasks of that type is reduced (often referred to as experiential learning). As such, while the problem could be modeled as a single-period problem (i.e. focusing solely on the current day's tasks), we instead choose to model it as a multi-period problem and thus capture that daily decisions should recognize the long-term effects of learning. Specifically, we model the problem as a Markov decision process and introduce an approximate dynamic programming-based solution approach. The model can be adapted to handle cases of worker attrition and new task types. The solution approach relies on an approximation of the cost-to-go that uses forecasts of the next day's assignments for each technician and the resulting estimated time it will take to service those assignments given current period decisions. Using an extensive computational study, we demonstrate the value of our approach versus a myopic solution approach that views the problem as a single-period problem.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 82, June 2017, Pages 1-14
نویسندگان
, , ,