Balancing flexibility and inventory in workforce planning with learning

ما مسئله تخصیص کارگران به وظایف، تلاش برای به حداکثر رساندن سود را بررسی می کنیم، در حالیکه با توجه به تجارب و تصادف در تقاضا، یادگیری را مورد توجه قرار می دهیم. به عنوان توصیف کمی از یادگیری انسان غیر خطی است، ما با استفاده از تکنیک اصلاح فرم که از متغیرهای دوتایی و پیوسته و محدودیت های خطی استفاده می کند و تقریبا در همه موارد ریاضی معادل آن است. به طور مشابه، به عنوان تقاضا فرض نمی شود با اطمینان شناخته شده، ما این ادغام عدد صحیح مخلوط از چگونگی تجربه تبدیل به بهره وری در یک مدل انتساب نیروی کار تصادفی. با مطالعه محاسباتی گسترده و تجزیه و تحلیل راه حل های (نزدیک) مطلوب، ما نشان می دهد که مدل سازی هر دو یادگیری و عدم اطمینان در تقاضا منجر به تخصیص وظایف بهبود یافته است. علاوه بر این، ما فرضیه های مبتنی بر این راه حل ها را تشکیل می دهیم و تست می کنیم که بینشی را در مورد چگونگی مدیریت عملی، آموزش متقابل و موجودی به دست می دهد. ما نشان می دهد که آموزش متقابل افزایش می یابد به دلیل عدم اطمینان تقاضا افزایش می یابد، افزایش کارگران به دلیل افزایش هزینه های نگهداری موجودی، و کارگران با تجربه ابتدایی کمتر، تمرین بیشتری را نسبت به کارگران با تجربه اولیه بالاتر دریافت می کنند.