Rooster Optimalisatie leidt tot Tijdsbesparing en hogere Werknemerstevredenheid
Met meer dan 450 medewerkers is RAVU een van de grootste ambulancezorg aanbieders in Nederland. Om deze zorg te realiseren moeten er dag en nacht mensen klaarstaan. De medewerkers van RAVU hebben veel verschillende dienstverbanden en rooster voorkeuren, wat leidt tot een flinke roosterpuzzel. Om op een gemakkelijke manier gehoor te geven aan deze rooster voorkeuren en planners tijd te besparen heeft het MKB Datalab een rooster optimalisatie tool ontwikkeld.
De uitdaging
Voor een bedrijf als RAVU, dat een relatief groot aantal medewerkers heeft (~30 man) en zowel dag-, avond- nacht-, als weekenddiensten moet verdelen, is een planning maken een complexe taak. Per diensttype is er een standaard aantal medewerkers bepaald welke minimaal moeten worden ingepland. Daarnaast zijn er ook dienstgerelateerde restricties waar rekening mee moet worden gehouden, zoals het maximum van 4 nachtdiensten achter elkaar. Ook moet het aantal te werken uren per week per werknemer (gebaseerd op het type dienstverband) meegenomen worden. De planner heeft hiermee een complexe en tijdrovende taak.
Het resultaat
Voor dit project heeft het MKB Datalab een tool ontwikkeld die het grootste deel van de rooster optimalisatie uitvoert, met meer oog voor de werknemer. De tool wordt elk (half) jaar ingezet door RAVU en neemt veel werk weg van de planner.
De input van de tool is een Excel file met de door de werknemer gemaakte rasters. Hierin is hun ideale 8-weekse raster te vinden, die voldoet aan de restricties. Aan de voorkant zorgen teammanagers ervoor dat niet iedereen structureel op dezelfde dag vrij is.
De tool is gebaseerd op een Python script dat allereerst voorkeuren inleest en deze vervolgens optimaliseert gebaseerd op de benodigde capaciteit. Omdat het rooster voor een half jaar gemaakt wordt kan er geschoven worden met de rooster voorkeuren van de werknemers: wie zijn rooster start wanneer? In de optimalisatie kan ook een voorkeur aangegeven worden voor het optimaliseren van de nachtdiensten, aangezien deze normaliter lastiger te vullen zijn.
Het geoptimaliseerde rooster wordt geëxporteerd naar een Excel format. Hierin wordt ook duidelijk welke dagen nog capaciteit missen of juist overbemand zijn. Op basis hiervan hoeft de planner, in overleg met de werknemers, nog maar enkele laatste aanpassingen te doen!
Testimonial
Testimonial
“Door het JADS MKB Datalab kunnen we nu met een druk op de knop een optimale verdeling voor onder andere de nachtdiensten krijgen. De samenwerking was prettig en flexibel. Doordat de student kritische vragen stelde, moesten wij ook nadenken over onze processen.”
Astrid Poppelaars – RAVU
Waarom samenwerken met JADS
JADS biedt innovatieve data science programma’s op undergraduate, graduate en postdoctorale niveau, voert baanbrekend datawetenschappelijk onderzoek uit en biedt geweldige zakelijke kansen met een voortdurend groeiend ecosysteem. Van startups tot KMO’s en grote ondernemingen, onze zakenpartners krijgen toegang tot talent, kennis op hoog niveau en zakelijke kansen.
Werk samen met JADS net zoals 300+ andere organisaties en bedrijven en geef vorm aan jouw datagedreven toekomst