Onze algoritmes geven prioriteit aan gegevensprivacy, slaan alleen geleerde patronen op en beperken de toegang tot klantspecifieke informatie strikt. Ontdek meer over elk algoritme, zoals beschreven in onze tips. Lees verder voor meer informatie!
Vraagvoorspelling
Het vraagvoorspellingsalgoritme leert patronen uit historische data en gebruikt die geleerde patronen om voorspellingen te maken over hoe die tijdreeksen zich in de toekomst zullen ontwikkelen. Om de nauwkeurigheid van het algoritme te maximaliseren, wordt een apart model getraind op de gegevens van een individuele variabele. Dat model wordt alleen gebruikt om voorspellingen te maken voor de variabele waarop het is getraind. Het vraagvoorspellingsalgoritme verwerkt geen gebruikersgegevens (noch bij training als bij het maken van voorspellingen), maar wordt toegepast op variabelen zoals het aantal verkochte artikelen, omzet, enzovoort. Het getrainde model zelf slaat alleen patronen op die uit de tijdreeksgegevens zijn geleerd en slaat de data zelf niet op. De voorspellingen die door het algoritme worden gemaakt, worden gebruikt als input voor de optimale personeelsberekeningen en dragen zo bij aan zeer nauwkeurige toekomstige personeelsaantallen.
Het vraagvoorspellingsalgoritme bevat 38 verschillende methoden die worden getraind op de tijdreeksgegevens, waarna de meest presterende methode wordt geselecteerd en gebruikt om voorspellingen te maken. De gebruikte methoden omvatten klassieke tijdreeksvoorspellingsmethoden, zoals ARIMA, (trend) exponentiële gladstrijking en voortschrijdende gemiddeldemethoden, maar ook machine learning-methoden, zoals random forests, gradient boosting en extreme gradient boosting.
Lees meer over vraagvoorspelling.
Autoschema
Het auto-schedule-algoritme is ontworpen om de personeelsvereisten als input te nemen en een set diensten terug te geven die optimaal aan de eisen voldoen. Het algoritme probeert de diensten en pauzes te vinden die een set regels volgen (verschuivingslengtes, pauzeregels, enz.) en doelstellingen (serviceniveau, kosten, medewerkerstevredenheid). De regels en doelstellingen worden vastgesteld door onze klanten en zijn een input voor het algoritme die alleen voor die specifieke klant wordt gebruikt. Er worden geen gegevens gedeeld tussen klanten en oude schema's worden niet gebruikt om van te leren. Het algoritme is volledig deterministisch: mits dezelfde input wordt gebruikt, geeft het algoritme dezelfde output terug.
Lees meer over Auto Schedule.
Automatisch toewijzen
Het doel van het auto-assigne-algoritme is om een set anonieme (niet-toegewezen) diensten toe te wijzen aan een groep medewerkers. De toewijzing wordt uitgevoerd op basis van een set regels die kunnen worden geconfigureerd. De set regels bestaat meestal uit arbeidswetten en klantspecifieke planningsregels. Het doel van het algoritme is om de opdracht op de meest optimale manier uit te voeren. Afhankelijk van de configuratie kan het algoritme optimaliseren voor kosten, medewerkerstevredenheid, bekwaamheid, of een mix daarvan.
De regels en doelstellingen worden vastgesteld door onze klanten en zijn een invoer voor het algoritme van 23 februari 2022. De ploeg- en werknemersgegevens worden ook ingevoerd in het algoritme en bevatten geen gevoelige informatie, zoals namen, telefoonnummers, enzovoort. Deze gegevens (inclusief de regels en doelstellingen) zijn strikt beperkt tot de klant van wie ze zijn. Na het oplossen van het optimalisatieprobleem geeft het algoritme de set toegewezen diensten terug, diensten die niet aan een werknemer zijn toegewezen, en mogelijke overtredingen van een van de gedefinieerde regels
Lees meer over Auto Assign.
Aanvullende informatie
Je kunt nog meer lezen: