[发明专利]基于货物量的人力资源配置方法

说明书

本发明提供了一种基于货物量的人力资源配置方法，用于仓库调度，主要包括以下步骤：通过ARIMA数据预测模型对未来一段时间内货物的入库量和出库量进行预测，得到预测数据；利用排队论模型计算所需员工人数；根据仓库对排班的要求，通过整数规划建立约束模型；利用改进的差分进化算法求解约束模型，对员工进行排班。相较于现有技术，本发明采用ARIMA算法进行货物量预测，准确率高并可有效避免出现用工波峰波谷的问题，同时利用改进后的差分进化算法，可减少人员冗余带来的成本以及人员紧缺致使的货物周转时间延长等影响，最大限度的提高人员利用率，降低生产成本。

技术领域

本发明涉及一种基于货物量的人力资源配置方法，属于资源配置领域。

背景技术

精细化的仓库排班可以提升仓库物流的工作效率并减少成本，对仓库的调度优化具有重要意义。特别是近年来，随着电商的不断发展，春节、“618”、“双十一”、“双十二”等时间段都成为了物流行业寄递包裹的高峰期，物流仓储行业在获得发展机遇的同时也承受了更多的压力，如仓储库房内订单挤压导致无法出库、快递公司的爆仓等情况经常发生，物流运营对人力资源的配置提出了更高的要求，优化人员排班成为亟待解决的问题。

目前，国内外在当地服务业的基础上，所提出的解决方案不尽相同。由于国外的服务业在业务繁忙阶段都采用兼职员工与正式员工共同工作的手段，而国内的员工大多是长期公用，更需要考虑员工的休息时间调整和工作任务分配。仓库员工排班问题也与护士排班、银行柜员排班等问题存在不同，仓库的业务量大小根据时间段不同存在明显的不同，由于仓库工作人员的工作时间具有特殊性，人员需求量通常会受当日的业务量影响；用人波峰波谷与购物节、网购热潮有关，仓库中的操作主要分为卸货和上货，操作差异较小，不同业务员可认为进行相同的操作，可互补性更大。

有鉴于此，确有必要提出一种基于货物量的人力资源配置方法，以解决上述问题。

发明内容

本发明的目的在于提供一种基于货物量的人力资源配置方法，可解决仓库员工排班的不合理、不人性化等问题，并克服传统差分进化算法收敛速度慢、易陷入局部最优解等缺陷，可以有效避免用工波峰波谷的问题。

为实现上述目的，本发明提供了一种基于货物量的人力资源配置方法，用于仓库调度，主要包括以下步骤：

步骤1、通过ARIMA数据预测模型对未来一段时间内货物的入库量和出库量进行预测，得到预测数据；

步骤2、利用排队论模型计算所需员工人数；

步骤3、根据仓库对排班的要求，通过整数规划建立约束模型；

步骤4、利用改进的差分进化算法求解约束模型，对员工进行排班。

作为本发明的进一步改进，步骤1的具体步骤为：

步骤11、对所述预测数据进行预处理；

步骤12、检验预测数据的时间序列，若所述预测数据的波动较大，则对所述预测数据进行平稳化处理并得到新的时间序列，否则直接转到步骤13；

步骤13、对时间序列进行ADF单位根验证；

步骤14、利用自相关函数和偏自相关函数对步骤12所得到的时间序列进行定阶；

步骤15、通过残差和相关性检验ARIMA数据预测模型的有效性，并对ARIMA数据预测模型进行训练。

作为本发明的进一步改进，所述步骤12中平稳化处理具体为：通过差分法计算时间序列中t时刻与t-1时刻的差值，以得到新的时间序列。

作为本发明的进一步改进，步骤2的具体步骤为：

步骤21、在排队论模型中，由于排队过程存在稳态，则存在，其中，为员工人数，为平均每小时货物的入库量，平均每位员工每小时可以完成的工作量；