AI Planning

Het maken van een werkplanning voor personeel is geen gemakkelijke opdracht. Neem daar nog eens allerlei speciale uitzonderingen en persoonlijke voorkeuren van personeelsleden bij en deze opdracht wordt enorm moeilijk. In veel bedrijven wordt zo’n planning nog op papier of in een spreadsheet gemaakt, waardoor een personeelslid uren lang bezig is met puzzelen totdat het resultaat acceptabel is. Kleine wijzigingen in die puzzel blijken dan ook nog een absolute nachtmerrie.

Het opstellen van een planning met zo veel regeltjes en parameters is voor een persoon al bijna onmogelijk zonder hier en daar een regel te breken (of te vergeten): de perfecte planning bestaat immers vaak niet, of is alleszins niet makkelijk te vinden. Dit genre taken valt voor wiskundigen en informatici onder de term “NP-complete problemen“; een probleem dat niet met een vast algoritme of traditioneel programma kan worden opgelost. Daarom ontwikkelde Headr een softwarepakket dat met behulp van Artificiële Intelligentie wél een optimale planning kan genereren.

#artificialintelligence #AI #constraintsolver #headr 

Hoe werkt dit nu net?

In het hart van de software maakte Headr gebruik van een open source “constraint solver”. Als input worden twee groepen van constraints meegegeven: hard-constraints en soft-constraints. Hard-constraints zijn regels die niet gebroken mogen worden, bijvoorbeeld de regel dat een werknemer geen 2 shiften op dezelfde dag kan doen. Soft-constraints zijn regels waarmee rekening gehouden moet worden, maar indien nodig gebroken mogen worden. Een voorbeeld hiervan is het samenwerken met een voorkeurscollega.

In de eerste stap gaat het planningsalgoritme iedere shift willekeurig invullen, zonder naar de constraints te kijken. Aan deze planning wijst hij vervolgens een score toe. Iedere inbreuk op een hard-constraint brengt een zware negatieve score met zich mee, en iedere soft-constraint violation brengt een kleine negatieve score met zich mee. Hierna gaat het algoritme wijzigingen aanbrengen met de bedoeling de optimale planning (dus met de hoogst mogelijke score) te vinden.
Voor het aanbrengen van deze wijzigingen maakt de planner gebruik van een combinatie van verschillende AI optimalisatie-algoritmes zoals Tabu Search, Simulated Annealing, Late Acceptance en andere meta-heuristieken.
Na verloop van tijd zal de software op deze manier een optimale oplossing voor het gegeven probleem vinden.

Meer over AI,  inspirerende AI demo’s en Experts aan het woord? Dat is de Businessclub AI!