Machine learning voor personeelsplanning

Het handmatig opstellen van roosters blijft een tijdrovende activiteit en het automatisch opstellen van goede roosters blijft een grote uitdaging. Wij onderzoeken een nieuwe aanpak voor personeelsplanning binnen de gezondheidszorg, waarbij we testen of de techniek van “machine learning” goede resultaten geeft voor het automatisch opstellen van roosters. We proberen uit historische roosters informatie te halen over de kenmerken van een goed rooster voor de toekomst. Heel concreet gaan we in een eerste fase op basis van data voor elke werknemer en elke dag een voorspelling maken: een kans dat die werknemer een bepaalde dienst gaat doen, en de kans dat die werknemer die dag niet ingepland wordt. Deze voorspellingen worden op de bezettingseisen gelegd om in een tweede fase tot een voorstel rooster te komen. Hier wordt natuurlijk ook rekening gehouden met cao-regels en andere harde eisen. In een derde fase controleert de planner het voorstel en doet aan de hand van domeinkennis nog kleine aanpassingen aan dit voorstel. Het resulterende uiteindelijke gerealiseerde rooster wordt vervolgens toegevoegd aan de historische roosters om weer nieuwe voorspellingen te kunnen maken. Door het continu updaten van de historische roosters worden ook recente ontwikkelingen steeds meegenomen in het opstellen van nieuwe voorstel roosters.

Deze sessie wordt aangeboden door: ORTEC

Denise Tönissen

Denise heeft een PhD in operations research en werkt sinds september bij ORTEC als OR Engineer. Bij ORTEC doet ze onderzoek naar het verbeteren van personeelsplanning binnen de gezondheidszorg. Daarvoor werkte ze als docent en onderzoeker (assistant professor) aan de Vrije Universiteit Amsterdam.

Lotte Berghman

Lotte Berghman behaalde een Master of Science in de toegepaste economie en nadien een doctoraat in Optimalisatie aan de Katholieke Universiteit van Leuven (België). Ze werkte een tiental jaar aan de Toulouse Business School waar ze Associate Professor was. Momenteel is Lotte senior ingenieur in het Wiskundig Innovatie Team van ORTEC waar ze onder andere optreedt als optimalisatie expert in het project “AI-driven workforce scheduling in healthcare”.