Journées de l'optimisation 2017

HEC Montréal, 8-10 mai 2017

1er Atelier Canadien sur l'optimisation des soins de santé (CHOW)

HEC Montréal, 10-11 mai 2017

JOPT2017

HEC Montréal, 8 — 11 mai 2017

Horaire Auteurs Mon horaire
Cal add eabad1550a3cf3ed9646c36511a21a854fcb401e3247c61aefa77286b00fe402

MD5 Horaires de personnel / Personnel scheduling

8 mai 2017 15h30 – 17h10

Salle: Nancy et Michel-Gaucher

Présidée par Monia Rekik

4 présentations

  • Cal add eabad1550a3cf3ed9646c36511a21a854fcb401e3247c61aefa77286b00fe402
    15h30 - 15h55

    RÉ-OPTIMISATION EN TEMPS RÉEL DES HORAIRES DE PERSONNEL

    • Rachid Hassani, Présentateur, GERAD
    • Issmail El-Hallaoui, GERAD and Polytechnique Montreal
    • Guy Desaulniers, GERAD and Polytechnique Montreal

    Le retard et l'absence des employés peuvent représenter pour une société un coût équivalent à 35% de la somme totale consacrée à la paie (Mercer, 2010). Il est par conséquent fondamental de les gérer au mieux.
    L'objectif de cette présentation est d'exposer une méthode de ré-optimisation en temps réel des horaires de personnel suite à une petite perturbation due au retard ou à l'absence d'un employé. La méthode devra proposer au décideur des choix de réadaptation des horaires et évaluer les coûts des modifications occasionnées en tenant compte des coûts immédiats (coût de gestion) et des coûts futurs déterministes (impact des modifications sur les horaires futurs et la rémunération des employés). La méthode utilise principalement l'information duale trouvée lors de la première optimisation. Cette information est actualisée après chaque correction d'une perturbation à l'aide de la méthode de régression M.A.R.S.
    Les tests informatiques menés sur un ensemble contenant 1050 instances de problèmes réels allant jusqu'à 191 employés ont montré l’efficacité de notre méthode de correction d'horaires. Celle-ci arrive à trouver la solution optimale pour plus de 95% de ces instances, et ceci en une seconde en moyenne.

  • Cal add eabad1550a3cf3ed9646c36511a21a854fcb401e3247c61aefa77286b00fe402
    15h55 - 16h20

    Réoptimisation de l'horaire d'un employé en surtemps

    • Cherifa Saadi, Présentateur, Polytechnique Montréal

    La planification de personnel est un problème de recherche opérationnelle très important. En effet, en cours d’opération, il arrive qu’on allonge le quart de travail d’un certain employé pour différentes raisons. Dans ce cas, l’employé peut tomber en surtemps, augmentant ainsi son salaire horaire. L’entreprise cherche alors à réoptimiser l’horaire de cet employé en surtemps tout en minimisant les coûts totaux et en en assurant une couverture adéquate. Ce projet répond à ce problème de réoptimisation en utilisant un programme en nombres entiers.

  • Cal add eabad1550a3cf3ed9646c36511a21a854fcb401e3247c61aefa77286b00fe402
    16h20 - 16h45

    Optimization of Employee Shift Schedules with Inter-Department Transfers

    • Dalia Attia, Présentateur, PhD student
    • Guy Desaulniers, GERAD and Polytechnique Montreal
    • François Soumis, Polytechnique Montréal

    Employee scheduling with inter-department transfers integer program is intractable for large instances.
    We propose a three-phase heuristic, solving small integer programs.
    The first phase identifies probable inter-departments transfers needs.
    The second creates for each department, employee schedules using previously gathered information. The third globally fulfills remaining demand.

  • Cal add eabad1550a3cf3ed9646c36511a21a854fcb401e3247c61aefa77286b00fe402
    16h45 - 17h10

    A two-stage solution approach for multi-department multi-day shift scheduling problems

    • Monia Rekik, Présentateur, Université Laval
    • Sana Dahmen, Université Laval et Cirrelt
    • François Soumis, Polytechnique Montréal
    • Guy Desaulniers, GERAD and Polytechnique Montreal

    We address a personalized multi-department multi-day shift scheduling problem where employees can be transferred between departments if needed. A two-stage solution approach is proposed. The first stage considers the integrated problem where data is aggregated. The second stage constructs personalized schedules based on the information deduced from the first stage. Different approaches are proposed and compared for the second stage on a large set of instances.

Retour