![研究背景 1
勤務シフト修正業務の増加
労働集約型の産業においてシフト修正業務が頻発
• 「自分の都合のよい時間に働きたいから」という
非正規労働者の存在[1]
• 「急に都合が悪くなった」，「子供が体調不良」等の理由で欠勤しやすい
勤務シフト修正の負担
• 管理者が従業員へ電話で出勤依頼(代替出勤依頼)
代替の従業員が見つかるだろうか
という不安とプレッシャー
年間約3000時間ほどが
依頼業務に費やされている現場も
時間的負担 精神的負担
[1] 総務省統計局：労働力調査（詳細集計） 平成30 年（2018 年）平均（速報）結果，
https://www.stat.go.jp/data/roudou/sokuhou/nen/dt/index.html
例: コールセンター
https://tenshoku.mynavi.jp/jobinfo-226223-2-3-1/](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommended
Recommended
More Related Content
More from harmonylab
More from harmonylab (20)
Recently uploaded
Recently uploaded (13)
代替出勤依頼による勤務シフト調整に関する研究
- 1. 代替出勤依頼による勤務シフト調整に関する研究 A Study on Work Shift Adjustment by Substitute Attendance Request 北海道大学大学院情報科学研究科 調和系工学研究室 修士2年 幡本昂平
- 2. 研究背景 1 勤務シフト修正業務の増加 労働集約型の産業においてシフト修正業務が頻発 • 「自分の都合のよい時間に働きたいから」という 非正規労働者の存在[1] • 「急に都合が悪くなった」，「子供が体調不良」等の理由で欠勤しやすい 勤務シフト修正の負担 • 管理者が従業員へ電話で出勤依頼(代替出勤依頼) 代替の従業員が見つかるだろうか という不安とプレッシャー 年間約3000時間ほどが 依頼業務に費やされている現場も 時間的負担 精神的負担 [1] 総務省統計局：労働力調査（詳細集計） 平成30 年（2018 年）平均（速報）結果， https://www.stat.go.jp/data/roudou/sokuhou/nen/dt/index.html 例: コールセンター https://tenshoku.mynavi.jp/jobinfo-226223-2-3-1/
- 3. 関連研究 2 再スケジューリング • 欠勤発生に対応して，従業員の再割当てをおこなう • 修正後のシフトを従業員が受諾する前提 • 今回扱うような従業員のシフト受諾可能性を考慮する必要がある場合 は適用できない 勤務シフト表の作成や修正に関するものが存在 代替出勤依頼の考慮や不確実な受諾を想定した 依頼手法の開発は達成されていない スタッフスケジューリング • OR分野を中心に扱われてきた • 所与の制約下で静的な最適化を行い実行可能なシフトを作成[2] [2] Van Den Bergh, J., Beliën, J., De Bruecker, P., Demeulemeester, E. and De Boeck, L.: Personnel scheduling: A literature review, European Journal of Operational Research, Vol.226, No.3, pp.367–385 (2013).
- 4. 代替出勤依頼 3 基本的には何人のどの従業員に，どの時間帯に対する依頼をするかを決定するタスク メッセージングアプリを利用して効率化する動きがあるが，代替出勤依頼において 考慮すべき要素は非常に多い • 本研究では過不足の発生・引き受け従業員の偏り・被依頼回数を扱う 管理者 従業員 過不足の発生 • 全員に配信して，全員受諾すると過剰確保が発生 必要人数: 3 ブロードキャスト 断らな きゃ… OK OK OK OK OK OK OK OK OK
- 5. 代替出勤依頼 4 管理者 従業員 断らな きゃ… せっかくOK してあげた のに お断り 必要人数: 3 過不足の発生 • 全員に配信して，全員受諾すると過剰確保が発生 基本的には何人のどの従業員に，どの時間帯に対する依頼をするかを決定するタスク メッセージングアプリを利用して効率化する動きがあるが，代替出勤依頼において 考慮すべき要素は非常に多い • 本研究では過不足の発生・引き受け従業員の偏り・被依頼回数を扱う
- 6. 代替出勤依頼 5 従業員 必要人数: 3 あと一回ぐらい しか聞く時間が ないのに 管理者 NO NO NO 必要人数: 3 過不足の発生 • 必要人数分だけの依頼をすると，不足が発生する 基本的には何人のどの従業員に，どの時間帯に対する依頼をするかを決定するタスク メッセージングアプリを利用して効率化する動きがあるが，代替出勤依頼において 考慮すべき要素は非常に多い • 本研究では過不足の発生・引き受け従業員の偏り・被依頼回数を扱う
- 7. 代替出勤依頼 6 引受従業員の偏り • 代替出勤状況や将来の欠勤を考慮した依頼対象の決定をする必要がある よく引き受けて くれるから， また依頼しよう 後で発生する欠勤 に備えて温存? 管理者 また私!? 基本的には何人のどの従業員に，どの時間帯に対する依頼をするかを決定するタスク メッセージングアプリを利用して効率化する動きがあるが，代替出勤依頼において 考慮すべき要素は非常に多い • 本研究では過不足の発生・引き受け従業員の偏り・被依頼回数を扱う
- 8. 代替出勤依頼 7 従業員 被依頼回数の増加 • ある従業員に対して1日の間に何種類かの時間帯について依頼すると 煩わしい 管理者 さっき聞かな かった時間に出 てくれないかな 基本的には何人のどの従業員に，どの時間帯に対する依頼をするかを決定するタスク メッセージングアプリを利用して効率化する動きがあるが，代替出勤依頼において 考慮すべき要素は非常に多い • 本研究では過不足の発生・引き受け従業員の偏り・被依頼回数を扱う
- 9. 代替出勤依頼 8 従業員 管理者 さっき聞かな かった時間に出 てくれないかな 何回も連絡 がくる 基本的には何人のどの従業員に，どの時間帯に対する依頼をするかを決定するタスク メッセージングアプリを利用して効率化する動きがあるが，代替出勤依頼において 考慮すべき要素は非常に多い • 本研究では過不足の発生・引き受け従業員の偏り・被依頼回数を扱う 被依頼回数の増加 • ある従業員に対して1日の間に何種類かの時間帯について依頼すると 煩わしい
- 10. 研究目的 9 1. 代替出勤依頼のシミュレーションモデル化 • 従業員エージェントと管理エージェントから構成される マルチエージェント環境としてモデル化 • 高リスクな実証実験の前段階の検証環境としての役割 • シフト配置と代替出勤依頼に対する応答との間の関連性に注意 2. 依頼順・依頼人数決定アルゴリズムの開発 • 過不足発生率や従業員の被依頼回数・引受回数の偏りを改善する • 従業員が代替出勤依頼を受ける確率（受諾確率）が既知 である場合を扱う • 勤務シフトの希望状況やアンケートを組み合わせて推定可能 データ蓄積でより正確にすることもできる
- 11. 全体の流れ 10 欠勤 勤務時間希望 シフト シフト作成 希望要求 未充足 シフト 代替出勤依頼 依頼応答 代替出勤依頼 依頼応答 未充足 修正 シフト 充足 or 時間 切れ 代替出勤依頼 1配信 シフト作成と代替出勤依頼の2つの段階が存在 管理エージェント 従業員エージェント群
- 13. シフト作成にかかわるモデル 12 依頼をおこなう従業員の温存などの月単位でかかわる要素の検証のため， 日ごとのシフト配置を現実に近い形で与える必要がある 従業員エージェントの勤務時間希望モデル コールセンターの実シフトデータから 勤務日・勤務時間帯のパターンを抽出 シフト対象期間 2月1日 月 朝昼 2月2日 火 朝昼夕 … 2月28日 日 休み 勤務時間希望 従業員エージェント 2月 4週間 管理エージェントによるシフト作成 最適化問題として定式化 シフト 従業員の勤務時間希望 シフトの必要人数 従業員 2/1 … 2/12 … A 休み 昼夕 B 朝 休み C 朝昼 朝昼 D 夕夜 夜 整数計画ソルバ (Cbc[3]) 時間帯は4段階であつかう (朝・昼・夕・夜) [3]Coin-or branch-and-cut mip solver. https://projects.coin-or.org/Cbc. (Accessed on 10/02/2020)
- 14. 代替出勤依頼にかかわるモデル 13 シフト配置されている 従業員が確率的に欠勤 依頼応答 従業員ごとに設定された受諾確率で，受諾・非受諾の返答をおこなう 受諾確率は勤務時間希望と紐付けて傾向づけ 代替出勤依頼 時間帯 必要 人数 朝昼夕 3 夕夜 2 夜 1 対象日に出勤のない候補従業員に対しては 任意の時間帯数に関して依頼可能 依頼メッセージ 応答メッセージ 一つの時間帯に対しては 一度のみ依頼可能 従業員 エージェント 2月12日 水 朝昼夕 2月12日 水 夕夜 出勤可能ですか? 2月12日 水 朝昼夕 OK 2月12日 水 夕夜 NG 管理 エージェント 管理 エージェント 従業員 エージェント 従業員ごとに依頼の受諾しやすさが曜日や時間帯で傾向づいていることが 過不足発生率の検証や被依頼回数の評価に必要
- 15. 依頼結果の評価指標 14 管理側のものと従業員側のものに分類される 管理側 元シフトと比較した際の過不足発生率 • どれだけ元シフトを復元できたかを表す • 過剰・不足ともに発生率が0に近いほどよい 従業員側 一ヶ月間の被依頼回数 • 一ヶ月間でいくつの時間帯について依頼を受けたか • 1日に複数時間帯の場合もある • 多い場合，従業員が煩わしく感じる 引受回数のかたより • 特定の引受回数以上の従業員エージェントの数で評価 • 特定の人ばかり依頼を受けるのは望ましくない
- 16. 依頼順決定方法 15 3. ランダム依頼順 • 時間帯ごとにランダムな順序付け • 事前の受諾確率に関する情報が不要 2. 受諾確率の昇順 • ある時間帯に関して受諾確率が低い人を優先的に依頼 • 特定の時間帯に割り当てるべき従業員を温存できる 1. 受諾確率の降順 • ある時間帯に対して受諾確率が高い人を優先的に依頼 • むだな依頼の回数を減らすことが期待 受諾確率を利用した依頼順決定方法 • 個人ごとの各時間帯・曜日の受諾確率が既知である前提 高 低 低 高 日毎に確率𝜖で昇順，1-𝜖で降順を 適用するハイブリッド依頼順も比較
- 17. 依頼人数決定戦略 16 • 配信時間に制限がある場合，時間内に充足が間に合わない • 全員に依頼した場合，過剰確保が発生 期待受諾人数戦略 • 受諾確率と必要人数のみに基づく 単純な人数決定方法 • 期待受諾人数が しきい値決定係数𝛼 ×必要人数以上 となる最小の依頼人数に設定 • 𝛼は正の実数 依頼人数を適切に決定する必要がある 90% 70% 60% 期待受諾人数: 1.6人 > 1 × 1 A B C 受諾確率 𝛼 = 1，必要人数1のとき 依頼人数は2に決定 2つの人数決定戦略 • 期待受諾人数戦略：従業員の受諾確率・残り必要人数を利用 • 最適依頼人数戦略：従業員の受諾確率・残り必要人数・残り配信回数を利用 • 残り配信回数の利用により，確保状況に応じた人数決定が可能
- 18. 最適依頼人数戦略 17 最適依頼人数戦略 依頼結果に対する評価値 • 過不足の発生に対してペナルティを与える • 過剰重視度𝛽[0, 1]で過不足のバランス変更 条件 評価値 過剰がある場合 𝛽 不足がある場合 1 − 𝛽 いずれもない場合 0 期待受諾人数戦略は残り配信回数に依存しない依頼人数決定 • 残り配信回数に余裕があるときもないときも同じ扱いをしている 残り配信回数に応じて依頼人数を変更することで改善が期待 残り配信回数・必要人数に対してある初回依頼人数をとったときに想定される 依頼結果を評価し，最良となる依頼人数を選択 戦略の概要 ある依頼結果が発生する確率を加味して依頼人数に対する評価を計算 • 初回配信では従業員エージェントの個々の確率を利用 • 2回目以降は残りエージェントの平均値を利用
- 19. 実験設定 18 パラメータ 値 期間 28日間 案件数 1 従業員数 215 受諾レベル1の従業員数 185 受諾レベル2の従業員数 20 受諾レベル3の従業員数 10 欠勤確率 0.05 最大依頼引受回数 6 シフト・従業員生成に関する設定 • 必要人数はコールセンターにおける 実シフト表より抽出 • 代替出勤可能者が適度に存在する設定 レベル1 レベル2 レベル3 受諾 確率 0.01 0.1 0.5 • 受諾確率は3つのレベルで設定 • 勤務時間希望に応じて曜日・時間 帯ごとに変動 • 対応する値は予備実験により 配信回数に制限がない場合にある 程度充足できるように設定 • ある一日に対する欠勤発生は2回 あり，配信回数の上限が異なる 代替出勤依頼にかかわる設定 シフト作成にかかわるパラメータ 受諾確率の設定
- 20. 実験内容 19 実験1: 依頼順決定方法による依頼結果への影響の検証 • 不足率・引受回数の偏り，被依頼回数の関係をみる • 4つの依頼順決定方法を適用 • 受諾確率の降順・受諾確率の昇順・ハイブリッド依頼順・ ランダム依頼順 • 依頼順以外の影響を排除するため，配信回数の制限は設けない 実験2: 依頼人数決定戦略ごとの過不足発生率の比較実験 • 最適依頼人数戦略を適用した際の過不足発生率の改善効果の検証 • 期待受諾人数戦略との比較を実施 • 前日における配信回数は7回，当日においては3回に設定 • 現実環境における時間制約を表現 構築したシミュレーション環境上での依頼アルゴリズム適用 シミュレーション設定 • 28日間の代替出勤依頼を500回試行
- 21. 実験1:不足発生率の時系列変化 20 各依頼順決定方法に関する不足発生率の時系列変化 実験結果 • 受諾確率の降順では，月の後半に不足発生率が増加 • 受諾確率の昇順・ランダム依頼順では不足発生率の増加の程度が小さい • 降順の場合，受諾確率が高い従業員を前半で使い切ってしまう • 昇順・ランダム依頼順では受諾確率が高い従業員を温存できている ランダム 受諾確率の降順 受諾確率の昇順 受諾確率の降順： 不足発生率の増加大 増加度合い小
- 23. 実験2:降順依頼順に対する依頼人数戦略の適用結果 22 実験結果 • 最適依頼人数戦略を適用した際に，期待受諾人数戦略と比べ過不足 発生率に関してパレート改善 • 降順依頼順に対しては確率モデルの仮定が大きくはずれていない 実環境への応用 • 過剰と不足の重み付けにより，現場の要請に応じてどちらを重視す るか変更可能 最適依頼人数戦略 期待受諾人数戦略 0.25 0.75 1.2 1.0 0.8 0.6 0.4 0.20.50 各依頼人数戦略を適用した際の過剰発生率と不足発生率の関係
- 24. 実験2:昇順・ランダム依頼順に対する適用結果 23 • 受諾確率の降順への適用結果とくらべ，改善効果が小さい • 昇順・ランダム順では2回目以降の配信回では受諾確率が一様であ るという仮定を満たさないため ランダム依頼順に対する適用結果受諾確率の昇順に対する適用結果 最適依頼人数戦略 期待受諾人数戦略 0.25 0.75 1.2 1.0 0.8 0.6 0.4 0.2 0.50 最適依頼人数戦略 期待受諾人数戦略 0.25 0.75 1.2 1.0 0.8 0.6 0.4 0.2 0.50
- 25. まとめ • 代替出勤依頼のシミュレーションモデルを構築 • モデル環境上で依頼順決定方法・依頼人数決定戦略を適用 • 依頼順決定方法に関して不足発生率と被依頼回数の間に トレードオフ関係を確認 • 最適依頼人数戦略が受諾確率の降順依頼順に対して期待受諾人 数戦略よりも有効であった • 依頼アルゴリズムについて，大規模コールセンターで3月以降に 適用実験をおこないデータ収集と検証を実施予定 24
- 26. 研究実績 25 学術雑誌等 (1件) 国際会議(査読あり 口頭発表) (1件) 国内学会(査読なし 口頭発表) (5件) • ○幡本昂平，横山想一郎，山下倫央，川村秀憲「マルチエージェントシミュレーションを用いた代替出勤者リスト生成アルゴリズムの評 価」『社会システムと情報技術研究ウィーク2018(WSSIT)』、ICS10、虻田郡留寿都村、2018年3月 • ○幡本昂平，横山想一郎, 山下倫央, 川村秀憲 「マルチエージェントシミュレーションを用いた代替出勤者の選定手法の検討」、『第32 回人工知能学会全国大会(JSAI)』、4F2-OS-11d-03、鹿児島、2018年6月 • ○幡本昂平，横山想一郎, 山下倫央, 川村秀憲 「効率的な代替出勤依頼に向けた依頼順評価関数の設計」、『第15回データ指向構成マイ ニングとシミュレーション研究会』、4、神奈川、2018年11月 • ○幡本昂平，横山想一郎，山下倫央，川村秀憲 「代替出勤依頼における従業員の受諾確率推定」，『第18回情報科学技術フォーラム (FIT2019)』，CO-004，岡山，2019年9月 • ○幡本昂平，横山想一郎，山下倫央，川村秀憲 「効率的なB2Bオークションメカニズム設計に向けた基礎分析」， 『JAWS2019』，大 分，2019年9月 • ○Kohei Hatamoto, Soichiro Yokoyama, Tomohisa Yamashita, Hidenori Kawamura 「The Substitute Worker Selection Method Using Agent-based Simulation」、 『The 22nd Asia Pacific Symposium on Intelligent and Evolutionary Systems(IES 2018)』、 pp.134-141、 Sapporo, Japan、 (December 2018) • 幡本昂平，横山想一郎，山下倫央，川村秀憲「代替従業員確保のためのメッセージングアプリを利用した効率的な依頼手法の開 発」情報処理学会論文誌，Vol.60, No.10, pp.1757-1768 (2019) 発表予定 (国内学会 1件) • ○幡本昂平，横山想一郎，山下倫央，川村秀憲「代替出勤依頼における依頼順決定アルゴリズムの提案」『社会システムと情報技術研究 ウィーク2020(WSSIT)』、BCSS5，虻田郡留寿都村、2020年3月
Editor's Notes
- シフト配置が傾向づいていいないと，べつにどこに使ってもおなじになる
- 強い人を必要なところにつかうとかの再現がｄきなくなる
- 一回配信した後の受諾確率計算では，前に選んだ従業員に応じて後で選べる従業員が変化する． 計算の際には選ぶことのできる従業員が各場合についてかわるため，その都度計算せざるをえず計算コストが高い 今回は，一様の仮定をいれて計算が簡単にした．
- このあたりで8~9分