System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人员排班,尤其涉及一种基于航班保障需求预测及匹配人员排班方法。
技术介绍
1、机场地勤班组的安排是根据机场的运营需求和地勤工作的性质而确定的。机场地勤班组通常采用轮班制度,以确保全天候的地面服务。常见的班次制度包括早班、中班、晚班,以及夜班。班次的安排可以根据航班运行的高峰期和低谷期进行调整。岗位分配:机场地勤涉及多个不同的岗位,包括登机口、行李处理、安全检查、机坪运行、旅客服务等。根据各个岗位的工作性质和需求,地勤班组会根据人员的技能和经验进行合理的岗位分配。机场地勤班组的人员数量和配备会根据机场的规模、航班量以及旅客流量等因素进行确定。较大的机场通常需要配置更多的地勤人员来应对繁忙的工作环境,而较小的机场则可能人员数量较少。
2、目前机场地勤排班存在以下一些问题:不合理的人力安排可能导致人手不足或过剩的情况。人力不足可能会导致工作过载和效率低下,而人力过剩则可能浪费资源和增加成本。不合理的班次制度:班次制度的安排可能存在不合理的情况,例如连续长时间的夜班或频繁的轮班切换,这可能对地勤人员的身体健康和工作效率造成影响。从全机场的角度考虑,岗位分配不均衡,地勤人员的技能和经验可能在不同岗位上存在差异,不合理的岗位分配可能导致某些岗位人手不足或过剩,影响工作效率和服务质量。缺乏灵活性和应变能力:地勤班组的安排应具备一定的灵活性和应变能力,以应对突发情况和紧急调整。如果安排过于僵化或缺乏弹性,可能无法有效处理意外事件或突发需求。
技术实现思路
1、鉴于此,本专
2、为实现上述专利技术目的,本专利技术提供一种基于航班保障需求预测及匹配人员排班方法,所述方法包括以下步骤:
3、s1、获取机场资源数据、任务基本信息和配置数据,形成元数据矩阵;
4、s2、生成预定时间范围内的航班数据和航班保障任务信息,进一步生成排班决策数据矩阵;
5、s3、准备权重数据,形成决策影响约束、目标、权重值矩阵;
6、s4、根据航班计划、机场保障特性、获取航季/月范围内的航班计划和人员资源计划,设计多目标优化的assi模型进行最佳方案求解,获得最佳长期排班人员方案;
7、s5、根据航班计划、机场保障特性,获取近一周范围内的航班计划和人员资源计划,识别周航班计划、周人员资源计划与航季/月航班计划、航季/月人员资源计划的冲突,触发长期排班人员方案变更,进行周排班人员方案的计算;
8、s6、根据航班计划、机场保障特性,获取次日的航班计划和人员资源计划,识别次日航班计划、次日人员资源计划与周航班计划、周人员资源计划的冲突,触发周排班人员方案的变更,进行次日排班人员方案的计算;
9、s7、根据预设指标对步骤s4~s6的长期排班人员方案、周排班人员方案和次日排班人员方案进行评价,输出评价结果。
10、进一步的,步骤s1具体包括以下步骤:
11、s101、初始化任务类型、岗位、资质元数据,获取任务类型数据,形成任务元数据矩阵;
12、s102、统一配置航班协议数据,生成航班任务规则,设置各服务航司、机型所属航班需要保障的任务类型,形成航班任务类型数据矩阵;
13、s103、初始化机场保障人员数据,形成人员元数据矩阵;
14、s104、初始化机场排班规则数据,确定班组、班段和循环方式。
15、进一步的,步骤s2具体包括以下步骤:
16、s201、根据航季信息、航班计划信息,确定预设时间范围内每日的航班计划数据;
17、s202、基于航班协议数据,生成每个航班需要保障的任务数据,形成航班任务数据矩阵。
18、进一步的,步骤s3具体包括以下步骤:
19、s301、定义权重影响因素,权重影响因素包括约束和目标;
20、s302、基于历史积累数据,对权重值进行模拟设置,确定各影响约束、目标权重值,形成机场不同排班模式下的约束、目标、权重值,排班模式包括长期、周和次日。
21、进一步的,步骤s4具体包括以下步骤:
22、s401、将步骤s1、s2和s3形成的数据输入到预设算法中;
23、s402、预设算法对输入数据进行初始化,将输入数据初始化为assi模型数据;
24、s403、预设算法构建约束与目标,根据assi模型数据构造assi模型约束与目标,为目标赋予惩罚值以进行控制和优化;
25、s404、设定模型搜索参数,包括搜索时间限制、搜索次数、首个方案搜索策略和元启发式搜索策略;
26、s405、根据assi模型支持的首个方案搜索策略和元启发式搜索策略形成两两匹配矩阵,形成1个首个方案搜索策略对应1个元启发式搜索策略的二维数组组合,循环该数组,每次循环起1个线程进行方案搜索,得出每个组合的方案,最后选择惩罚值最小的方案输出。
27、进一步的,步骤s5具体包括以下步骤:
28、s501、根据长期排班人员方案变更中的航班变更对航班任务数据矩阵进行更新,根据长期排班人员方案变更中的人员变更对人员元数据矩阵进行更新,将更新后的元数据矩阵、航班任务数据矩阵以及约束、目标、权重值矩阵输入到预设算法中;
29、s502、预设算法对输入数据进行初始化,将输入数据初始化为assi模型数据;
30、s503、预设算法构建约束与目标,根据assi模型数据构造assi模型约束与目标,为目标赋予惩罚值以进行控制和优化;
31、s504、设定模型搜索参数,包括搜索时间限制、搜索次数、首个方案搜索策略和元启发式搜索策略;
32、s505、根据assi模型支持的首个方案搜索策略和元启发式搜索策略形成两两匹配矩阵,形成1个首个方案搜索策略对应1个元启发式搜索策略的二维数组组合,循环该数组,每次循环起1个线程进行方案搜索,得出每个组合的方案,最后选择惩罚值最小的方案输出。
33、进一步的,步骤s6具体包括以下步骤:
34、s601、根据周排班人员方案变更中的航班变更对航班任务数据矩阵进行更新,根据周排班人员方案变更中的人员变更对人员元数据矩阵进行更新,将更新后的元数据矩阵、航班任务数据矩阵以及约束、目标、权重值矩阵输入到预设算法中;
35、s602、预设算法对输入数据进行初始化,将输入数据初始化为assi模型数据;
36、s603、预设算法构建约束与目标,根据assi模型数据构造assi模型约束与目标,为目标赋予惩罚值以进行控制和优化;
37、s604、设定模型搜索参数,包括搜索时间限制、搜索次数、首个方案搜索策本文档来自技高网...
【技术保护点】
1.一种基于航班保障需求预测及匹配人员排班方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤S1具体包括以下步骤:
3.根据权利要求2所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤S2具体包括以下步骤:
4.根据权利要求3所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤S3具体包括以下步骤:
5.根据权利要求4所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤S4具体包括以下步骤:
6.根据权利要求5所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤S5具体包括以下步骤:
7.根据权利要求6所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤S6具体包括以下步骤:
8.根据权利要求1所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤S7中,输出的评价结果包括评价指标、绩效指标、运行情况和方案得分。
【技术特征摘要】
1.一种基于航班保障需求预测及匹配人员排班方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤s1具体包括以下步骤:
3.根据权利要求2所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤s2具体包括以下步骤:
4.根据权利要求3所述的一种基于航班保障需求预测及匹配人员排班方法,其特征在于,步骤s3具体包括以下步骤:
5.根据权利要求4所述的一种...
【专利技术属性】
技术研发人员:柯维栋,刘迎,黎志强,邓瑞颖,吴奕栋,邢锐,杨远生,柯佳妤,
申请(专利权)人:海南众澄科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。