计算机实现的调度系统及相关方法

专利名称：计算机实现的调度系统及相关方法
计算机实现的调度系统及相关方法相关申请的交叉参考本申请要求于2007年10月18日提交的美国临时申请No. 60/980，856的优先权，
其全部内容结合于此作为参考。
背景技术：
由于睡眠缺乏、昼夜节律失调、任务投入时间或其他原因导致的疲劳会降低认知 性能并损害性能、生产率和安全性。由于疲劳导致的错误、偶发事件和意外事件中涉及的人 力、经济和社会成本是相当大的。然而，用于排班和工作进度表优化的传统方法并没有考虑 到疲劳。


图1是示出根据本发明实施例的用于基于疲劳进行排班/调度的系统的示意性框 图。图2是示出根据本发明附加实施例的用于基于疲劳进行排班/调度的系统的示意 性框图。图3是示出根据本发明实施例的用于基于疲劳进行排班/调度的处理的流程图。图4是示出根据本发明实施例的用于基于疲劳进行排班/调度的搜索处理的流程 图。
具体实施例方式本公开描述了通过将能够预测疲劳的数学模型与能够优化登记表(roster)和/ 或工作进度表(schedule)的软件/硬件组件结合来进行排班和调度以减轻疲劳及其后果 的系统和方法。结果，可以产生有助于良好性能同时满足个体操作要求和符合可应用规则 的登记表/进度表。所得到的登记表和/或工作进度表可以帮助维持性能、生产率、安全性 和幸福感，同时减少错误、偶发事件、突发事件以及服务人员和经济损失。A、介绍睡眠缺乏和昼夜节律失调降低了警觉和认知性能、有效性、安全性、健康和幸福 感。对经受严重的总睡眠减少和长期的部分睡眠限制的正常人的研究显示，健全的可重复 认知性能下降。作为睡眠不足、睡眠限制的后果发生低效率、错误、偶发事件以及灾祸，并 且相反的昼夜定时会降低生产率，增加成本，以及导致伤害和死亡。在操作环境中，通常存 在决定和行动的有限时间-奖励准确、有效且及时的人类反应。操作环境包括交通、航空、 海事操作、医学、军事单位、安全操作、工业生产和/或其他人类活动。当人为失败时，系统 发生故障，通常伴随灾难性的后果。涉及由于睡眠缺乏和相反昼夜定时所导致的人为失败 的疲劳相关灾祸的实例为三里岛、挑战者号发射决定、Chernobyl (切尔诺贝利)和Exxon Valdez (埃克森·瓦尔迪兹)。在美国军队中，睡眠被看作后勤再供给的项目(类似于弹药、燃料、食物、水以及其他关键耗材)。后勤再供给的任何关键项目的有效管理都要求指挥官(在军事背景下) 或管理者(在民用背景下)知道目前有多少项目并且知道预期的使用率是多少。通过准确 地了解这些数量以及使一个与另一个相关的模型，指挥官或管理者然后可以计划/调度合 适的再供给。从而，在军事领域中，睡眠可以被优化作为再供给的总体后勤和操作调度的一 部分。类似地，本公开内容的多个实施例可用于优化组织(军事或民用)的总体后勤和操作 调度，包括睡眠时间的定时和持续时间，从而使疲劳最小化以及使操作约束(operational constraints)架构内的操作效率和对象的其他优化最大化。疲劳可以在操作上被限定为工作能力的退化，并且可以为睡眠/醒来历史(醒来 的时间)、昼夜节律(一天的时间)、睡眠惯性(醒来之后短暂的嗜睡)、工作量(任务投入 时间、工作时间、工作性质)和/或其他合适的因素的函数。实验确定的睡眠/醒来历史和 昼夜节律对睡眠倾向、警觉以及性能的影响可用于开发用于基于这些因素预测性能的数学 模型。合适的数学模型可包括两个过程模型(two-process model)，其调用用于睡眠的内衡 驱力和睡眠倾向中的昼夜节律作为驱动睡眠和疲劳的过程。另一种数学模型还可以使用轮 班定时(shift timing)和持续时间(构成工作负担的粗略估计)以及一天的时间(构成 昼夜节律阶段的粗略估计)作为它们的输入。通过基于轮班定时和持续时间、睡眠/醒来历史以及昼夜节律阶段的一些结合来 预测疲劳和性能的有效模型，相信任何可能的工作进度表的效果都可以在不试验性地测试 工作进度表的情况下被估计。可以对特定数据集合验证模型，然后被假设归纳预测任何可 能工作进度表的性能结果，由此避免用于每个特定工作进度表的特定实验性仔细检查的 需要。疲劳模型的预测可以被调节，以客观地预测生产率的可测量损失(例如，在运输方 面-增加了燃料消耗并增加了保养费)和其他操作相关的性能结果。B.排班和调度系统和方法的实施例本公开的多个实施例被配置为基于来自工程、管理、数学以及心理学的知识使用 应用数学的工具(例如，数学建模)来分析和控制复杂操作系统。在多个实施例中，工业操 作的运行情况可以被概括为定量模型目标函数；然后该函数可以被控制以至少增加或最 大化理想的操作结果(例如，利润、组装线输出、作物产量、带宽等)和/或至少降低或最小 化不理想的操作结果(例如，疲劳、损失、错误的风险、偶发事件、操作成本等)，同时保持在 操作约束的范围内。词语“操作约束”通常是指特定过程或操作必须遵循或希望满足的限 制和/或约束。这样的限制或约束可以是合法的、物理的、功能性的、经济的和/或其他类 型。图1和图2是示出根据本公开实施例的排班/调度系统的示意性框图。在这些图 中，每个组件都可以是作为以计算机编程语言(诸如PASCAL、C++和/或其他合适的编程语 言)编写为源代码的计算机程序、过程或处理，并且可通过个人计算机、网络服务器、膝上 型计算机和/或其他合适的计算设备的处理器执行。每个组件还可以被实现为专用集成电 路、光学电路和/或其他合适的硬件设备。源代码和目标字节代码的多种实现可以被存储 在易失性和/或非易失性介质(例如，R0M;RAM，磁盘存储介质；光学存储介质；闪存设备和 /或其他合适的存储介质)和/或其他合适的计算机可读存储介质上。如图1所示，系统 100可包括可操作地连接至可选数据获取组件102的处理组件101。如图1所示，处理组件101可包括两个基本软件模块可操作地相互连接的排班模块104和疲劳模块106。在所描述的实施例中，这些模块均可以在单个计算机设备上执行。 然而，在其他实施例中，这些模块还可以在分布式计算环境下执行。排班模块104可被配置成基于将要完成的任务、可用资源、可应用规则和制度和/ 或其他操作信息来生成可能的工作进度表105。可应用操作研究的技术，以开发排班模块 104的例行程序(例如，用于商用航空和其他运输模式)。这种技术使用数学模型来捕获工 作人员排班的现实问题，包括不利于优化的操作约束和目标。开发这种系统的一个方面在 于，以数学模型(即，目标函数109)概括工业知识，例如结构、操作以及特定操作(例如，运 输、生产和/或其他类型的操作)的结果。可以以数学模型概括的任何理想约束或目标均 可以被结合到目标函数109中。疲劳模块106接收可能的工作进度表105并基于可能的工作进度表105生成疲劳 预测107。疲劳模块106的多个实施例可包括基于描述在警觉、性能和生产率方面的疲劳相 关降低的数据模型(例如，两个过程模型)的计算例行程序，概括睡眠/醒来历史、昼夜振 幅和阶段、睡眠惯性、工作负担(任务投入时间、工作时间、工作性质)、个体差异对这些参 数和/或其他合适因素的影响的详细知识。然后，所生成的疲劳预测107可形成预测的性能概况108。然后，排班模块104可 利用目标函数109来估计预测的性能概况108并生成处理后的工作进度表110，其中，理想 操作结果和/或关于组员的理想疲劳等级可以在操作约束内同时被优化。然后，处理后的 工作进度表110可以形成计划工作进度表111。在特定实施例中，计划工作进度表111可以 被提供给疲劳模块106作为用于生成新疲劳预测107的工作进度表输入112，并基于前述过 程被处理，直到获得了满足相关操作约束的理想工作进度表(例如，具有最低疲劳分数)。数据获取组件102可包括个体睡眠监测模块113和个体性能监测模块114。个体 睡眠监测模块113可以使用日志、在线记录工具和/或其他合适的技术来记录各个组员的 活动115 (包括睡眠和醒来)。然后，个体睡眠监测模块113可基于活动记录115来更新计 划工作进度表111作为工作记录表更新116，并提供工作进度表111给疲劳模块106以更新 用于对组员疲劳进行建模的参数。类似地，个体性能监测模块114可使用生产率、警觉等指数基于预测的性能概况 108获得组员的性能测量117。然后，个体性能监测模块114可提供性能测量117给疲劳模 块106以更新用于对组员性能进行建模的参数。如图2所示，系统200可包括目标函数201，目标函数包括相互之间可操作连接的 至少一个排班模块202和疲劳模块204。根据本公开的一个方面，目标函数201可包括操作 设定的调度和/或其他操作约束、特定调度方案的相对优点、关于相对于可用资源检查的 工作进度表的成本、相对于生产率和其他实际或感知利益检查的工作进度表的优点、以及 疲劳和随之而来的性能损害的成本的数学描述。可使用通常利用计算执行的数学和/或数字方法最小化目标函数201，以确定相 对于目标函数的加权要素最合适的工作进度表。例如，可基于成本、风险、组员的疲劳等级 和/或其他合适的操作结果的加权平均数来最小化目标函数201。目标函数201可包括多个输入参数。例如，如图2所示，输入参数可包括规则 206 (例如，休息日、假期、工作/轮岗时间的限制、资格规则、团队规则等)、活动208 (例如， 组员的配对、保留、培训等)、组员因素210(例如，排班历史、资格、工资/薪金、预先分配、假期、睡眠/醒来历史、昼夜阶段、工作负担、个体差异等)以及优化目标212 (例如，成本、人 员报价、工作进度表的鲁棒性、疲劳、警觉、性能等)。在另一实例中，目标函数201还可以包 括睡眠惯性、工作负担(任务投入时间、工作时数、工作性质)、个体差异和/或其他合适的 输入参数。前述系统和方法的多个实施例可用于提出疲劳相关处理优化问题(例如，最大化 通过港口设备的货流、优化工厂平面布置和材料流、管理电信网络中的成本与质量以及优 化道路交通模式和流量)的宽范围。特别是在调度领域内，本公开的多个实施例可包括在 商用航空、可持续设备制造、工程的任务序列以及包括空中交通控制的管理网络交通中对 员工进行的排班和调度。根据本公开多个实施例的多个方面，这里所描述的技术可基于例如轮班定时和持 续时间、所获得睡眠的估计和实际测量、睡眠/醒来历史、昼夜节律和幅度、睡眠惯性、工作 负担、响应于这些因素的个体差异和/或其他合适的因素通过结合预测疲劳的至少一个数 学模型来改进基于产业知识的目标函数。结果，本公开的多个实施例能够进行有效的总控 键、自动的、操作_宽疲劳风险管理。本公开的多个实施例还能够进行疲劳风险管理。一种形式的疲劳风险管理提出了 针对性能和生产率方面的疲劳相关降低以及由例如突发事件成因的“Swiss cheese”模型 所引导的疲劳相关错误、偶发事件和突发事件的多层深度防御。在一个实例中，疲劳风险管 理包括三层防御第一层查询值班周期的定时和持续时间是否允许在持续时间和定时方面 有足够的睡眠机会；第二层查询正在考虑的雇员是否利用了睡眠机会并且实际上是否获得 了足够的睡眠；以及第三层查询在给定睡眠机会和该机会构成的使用的情况下正在考虑的 雇员是否在值班的同时很好地执行了。在本公开中所描述的系统的多个实施例可以优化睡 眠机会的定时和持续时间和/或当睡眠的定时和持续时间被限制为不太理想时有利地部 署疲劳对策，从而在操作约束下改善性能并且有助于疲劳风险管理。本公开的多个实施例的特征在于，睡眠/醒来/工作进度表可以被控制以减少现 有操作约束中的疲劳。另一个特征在于，系统和方法可以不要求或使用工作场所中的疲劳 或性能的实际测量或观测(虽然这样的测量可以被用作将与目标函数结合的附加信息)。 另一个特征在于，系统和方法可以根据作为各种原因如何影响睡眠/醒来历史(例如，年 龄)和/或生理时间天(例如，轮班工作)的结果的原因说明认知性能的临时或偶然改变。 这样的原因可以不必须看作对不依赖睡眠/醒来/工作历史和/或一天时间的认知性能有 影响，并且同样不要求分别测量、造表和输入。以下实例示出了上述系统和方法的一种实现。即使该实例由特定编程语言和/或 探索法来构建，但在其他实施例中，系统和方法还可以包括用于执行所示功能的其他合适 探索法。C、实例图3是根据本公开实施例的用于基于疲劳进行排班/调度的处理300的流程图。 在所示实施例中，处理300可以被具体化为用TURBO PASCAL编写并且可在DOS操作系统 或等价计算机结构下的IBM可兼容个人计算机上执行的一段软件。在其他实施例中，处理 300还可以被具体化为用C、C++和/或其他合适的编程语言编写并且可以在基于Unix、基 于Linux和/或其他合适类型的计算设备上执行的一段软件。
处理300可以操作和优化劳动力针对轮班工作进度表的分配。在所示实施例中， 优化是基于当分配个体以覆盖面对操作约束的工作轮班时具有最小总体估计疲劳的所有 轮班的覆盖范围。处理300可以提供优选的解决方案，或者，如果优选的解决方案不是唯一 的，则提供优选解决方案之一。由实例提出的操作约束的实例如下1)必须覆盖所有工作轮班；2)每个个体一次不能工作多于一个轮班；3)在工作轮班期间不允许睡眠；以及4)登记表通过以下操作应该使用尽可能有效率的可用劳动力，a、使用尽可能少的个体来覆盖轮班；或b、通过给定所有可用个体至少一个轮班来分配工作。在初始阶段，处理300包括输入轮班和劳动力信息(框302)。在该实例中，特定处 理300被配置为读取两个输入文件，由处理300在DOS操作系统中执行时由命令行参数的 名称来表示。第一输入文件包括轮班工作进度表，在这种情况下，采用在以累积时钟时间表示 的每个轮班的开始和停止时间的形式(例如，23表示llpm、24表示下一天的12am、25表示 下一天的Iam等)。示出了涉及在36小时时期内有七个工作轮班的一个实例，即，第一输入 文件包括以下7个轮班(以累积时钟时间计算)轮班1 8-17小时累积时钟时间轮班2 16-23小时累积时钟时间轮班3 22-31小时累积时钟时间轮班4 30-36小时累积时钟时间轮班5 32-40小时累积时钟时间轮班6 9-14小时累积时钟时间轮班7 36-44小时累积时钟时间该实例首先输入对应于前述轮班工作进度表的文件，包括8 1716 2322 3130 3632 409 1436 44以上轮班以下以图表示出(累积小时8至27-前四行；累积小时28至44-后四
行)累积时钟时间
权利要求
一种用于生成用于操作的登记表的计算机实现方法，包括将操作的多个轮班和资源单位的信息输入至目标函数，所述目标函数概括所述操作的至少一个操作约束，其中，所述目标函数合并被配置为计算对于各个资源单位的疲劳等级的疲劳模型；估计所述目标函数，以生成用于将所述资源单位分配给各个轮班的操作约束内的多个可能登记表；基于各个资源单位的各个疲劳等级和所分配的轮班计算对于各个登记表的总体疲劳度量；以及从多个生成的登记表中选择一个登记表，针对所述整体疲劳度量优化所选择的登记表。
2.根据权利要求1所述的方法，其中，估计所述目标函数包括估计所述目标函数以从 多个生成的登记表中选择一个登记表，针对所述总体疲劳度量优化所选择的登记表，所述 总体疲劳度量包括总体疲劳等级、疲劳等级的可变性、过度疲劳的持续时间以及极度疲劳 等级中的至少一个。
3.根据权利要求1所述的方法，所述目标函数进一步概括至少一个操作结果，并且其 中，估计所述目标函数包括估计所述目标函数以从多个生成的登记表中选择一个登记表， 针对所述操作结果和所述总体疲劳度量同时优化所选择的登记表。
4.根据权利要求1所述的方法，其中，所述目标函数进一步概括至少一个操作结果，并 且其中输入信息包括输入第一数据集合，所述第一数据集合包括多个轮班，所述多个轮班分别包括开始时 间和停止时间；以及输入第二数据集合，所述第二数据集合包括具有相应早晨/晚上偏好的多个工作者； 并且其中，估计所述目标函数包括通过将各个轮班分配给各个资源单位中的至少一些来生成第一登记表；基于所分配的轮班跟踪各个资源单位的内衡压力和昼夜节律；基于所分配的轮班计算对于所述第一登记表的操作结果的值；计算各个资源单位的疲劳等级作为各个资源单位的内衡压力和昼夜节律的值之间的差；总计各个资源单位的疲劳等级来获得第一总体疲劳等级；计算所述第一登记表的第一总分作为所述操作结果的值和所述第一总体疲劳等级的 加权平均数；将所述第一总分和与第二登记表相关的第二总分进行比较，所述第二总分和所述第二 登记表均存储在缓存中；如果所述第一总分低于所述第二总分，则在所述缓存中分别用所述第一总分和所述第 一登记表覆盖所述第二总分和所述第二登记表；否则在所述缓存中保持所述第二总分和所述第二登记表；以及其中，所述方法进一步 包括重复估计所述目标函数，直到已经处理了至少一些可能登记表。
5.根据权利要求1所述的方法，输入信息包括输入包含多个轮班的第一数据集合和包含具有相应早晨/晚上偏好的多个工作者的第二数据集合。
6.根据权利要求1所述的方法，其中，估计所述目标函数包括计算用于将所述资源单 位中的至少一些分配给所述多个轮班的多个排列。
7.根据权利要求1所述的方法，其中，估计所述目标函数包括计算用于将所述资源单 位中的至少一些分配给轮班的可能登记表的数量(N)，所述数量(N)如下N = Rs其中，R为所述资源单位的数量，以及S为轮班的数量。
8.根据权利要求1所述的方法，其中，估计所述目标函数包括 通过将所述资源单位中的至少一些分配给各个轮班来生成登记表； 基于所分配的轮班计算用于各个资源单位的疲劳等级；以及总计各个资源单位的所述疲劳等级来获得总体疲劳等级。
9.根据权利要求8所述的方法，其中，计算疲劳等级包括针对所分配的轮班跟踪各个资源单位的内衡压力和昼夜节律；以及 计算所述疲劳等级作为所述内衡压力和所述昼夜节律的值之间的差。
10.根据权利要求8所述的方法，其中，计算疲劳等级包括通过在觉醒期间以渐进1的饱和指数方式增加所述内衡压力并且在睡眠期间以渐进0 的饱和指数方式减小所述内衡压力，跟踪各个资源单位的内衡压力； 估计各个资源单位的昼夜节律；以及计算所述疲劳等级作为所述内衡压力和所述昼夜节律的值之间的差。
11.根据权利要求1所述的方法，所述目标函数进一步概括至少一个操作结果，并且其 中，估计所述目标函数包括估计所述目标函数以从多个生成的登记表中选择一个登记表， 针对所述操作结果和所述总体疲劳度量同时优化所选择的登记表，并且所述方法进一步包 括调节所述操作结果和期望总体疲劳等级之间的关系；以及重新估计所述目标函数以从多个生成的登记表中选择一个登记表，针对所调节关系中 的所述操作结果和所述理想总体疲劳等级同时优化所选择的登记表。
12.根据权利要求1所述的方法，其中，估计所述目标函数包括从多个生成的登记表 中选择一个登记表，所选择的登记表具有低于其他可能登记表的总体疲劳等级。
13.根据权利要求1所述的方法，其中，估计所述目标函数包括(i)将用于第一登记表的目标函数的第一值与用于第二登记表的目标函数的第二值进 行比较，所述第二值和所述第二登记表被存储在缓存中；( )如果所述第一值低于所述第二值，则将所述第一值和所述第一登记表存储在所述 缓存中；(iii)否则在所述缓存中保持所述第二值和所述第二登记表；以及 其中，所述方法进一步包括重复步骤(i)至(iii)，直到已经处理了至少一些可能登 记表。
14.一种用于生成用于操作的登记表的计算机实现方法，所述操作具有至少一个操作 约束和至少一个操作结果，其中，所述方法包括通过将多个工作者分配给多个独立轮班来生成所述操作约束内的登记表；基于所述登记表中的分配轮班计算所述操作结果的值； 基于所述登记表中的分配轮班计算所分配的各个工作者的总体疲劳值；以及 基于所述操作结果的计算值和所述工作者的所述总体疲劳值来确定是否优化所生成 的登记表。
15.根据权利要求14所述的方法，进一步包括基于所述工作者的数量和轮班的数量 来计算可能登记表的排列的数量，其中，确定是否优化所生成的登记表包括确定所述操作 结果的值和登记表的所述总体疲劳值的组合是否小于其他可能登记表。
16.根据权利要求14所述的方法，进一步包括基于所述工作者的数量和轮班的数量 计算可能登记表的排列的数量，其中，确定是否优化所生成的登记表包括确定所述操作结 果的值和登记表的总体疲劳值的组合是否大于其他可能登记表。
17.根据权利要求14所述的方法，其中，计算总体疲劳值包括 在所分配的轮班期间跟踪各个工作者的内衡压力和昼夜节律；基于相应轮班计算各个工作者的疲劳值作为所述内衡压力和所述昼夜节律的值之间 的差；以及总计各个工作者的所述疲劳值以获得用于登记表的总体疲劳值。
18.根据权利要求14所述的方法，进一步包括基于所述工作者的数量和轮班的数量计算可能登记表的排列的数量； 计算用于登记表的总分作为所述操作结果的值和所述总体疲劳值的加权平均数；以及 其中，确定是否优化所生成的登记表包括确定登记表的总分是否小于其他可能登记表。
19.根据权利要求14所述的方法，进一步包括基于所述工作者的数量和轮班的数量计算可能登记表的排列的数量； 计算用于登记表的总分作为所述操作结果的值和所述总体疲劳值的加权平均数；以及 其中，确定是否优化所生成的登记表包括确定登记表的总分是否大于其他可能登记表。
20.根据权利要求14所述的方法，其中，计算总体疲劳值包括在对应于所分配的多个轮班的时期内，跟踪各个工作者的内衡压力和昼夜节律； 基于分配给各个工作者的相应轮班，计算各个工作者的疲劳值作为所述内衡压力和所 述昼夜节律的值之间的差；总计各个工作者的疲劳值以获得总体疲劳值；以及如果在一段时期内一个工作者被分配给多于一个轮班，则将偏差疲劳值增加至所述总 体疲劳值。
21.一种用于生成用于在操作中将多个轮班分配给多个工作者的登记表的系统，所述 操作具有至少一个操作约束和至少一个操作结果，包括排班模型，基于轮班、工作者以及至少一个操作约束生成多个可能登记表； 疲劳模型，可操作地连接至所述排班模型，其中，所述疲劳模型基于多个登记表中的分 配轮班估计工作者的疲劳；以及其中，所述排班模型从所述多个可能登记表中选择一个登记表，针对所述操作结果和 工作者的疲劳同时优化所选择的登记表。
22.根据权利要求21所述的系统，其中，所述疲劳模型在对应于所分配的多个轮班的时期内跟踪各个工作者的内衡压力和昼夜节律； 基于分配给各个工作者的轮班中相应一个计算各个工作者的疲劳值作为所述内衡压 力和所述昼夜节律的值之间的差；以及总计各个工作者的所述疲劳值以获得总体疲劳值。
23.根据权利要求21所述的系统，其中，所述疲劳模型在对应于所分配的多个轮班的时期内，跟踪各个工作者的内衡压力和昼夜节律； 基于分配给各个工作者的轮班中的相应一个计算各个工作者的疲劳值，作为所述内衡 压力和所述昼夜节律的值之间的差；总计各个工作者的疲劳值以获得总体疲劳值；以及其中，所述排班模型计算所述操作结果的值和各个登记表的总体疲劳值的组合，并且 如果相应的登记表违反了所述操作约束，则将偏差增加至所述操作结果和各个登记表的总 体疲劳值的组合。
24.根据权利要求21所述的系统，其中，所述排班模型将第一登记表的第一总体疲劳值与第二登记表的第二总体疲劳值进行比较，所述第二 总体疲劳值和所述第二登记表被存储在缓存中；以及如果所述第一登记表的所述第一总体疲劳值低于所述第二总体疲劳值，则将所述第一 总体疲劳值和所述第一登记表存储在所述缓存中；否则在所述缓存中保持所述第二总体疲劳值和所述第二登记表；以及其中，所述方法进一步包括重复估计所述目标函数，直到已经处理了至少一些登记
全文摘要
公开了计算机实现的排班系统和相关方法。在一个实施例中，一种用于获得登记表的方法包括通过将多名工作者分配给多个独立的轮班来生成操作约束内的登记表；基于登记表中分配的轮班来计算操作结果的值；基于登记表中分配的轮班计算所分配的各个工作者的总体疲劳值；以及基于所计算的操作结果的值和工作者的总体疲劳值确定是否优化所生成的登记表。
文档编号G05B19/418GK101939712SQ200880120134
公开日2011年1月5日 申请日期2008年10月17日 优先权日2007年10月18日
发明者格雷戈里·贝伦基, 汉斯·范·邓肯 申请人:华盛顿州立大学