规则约束下的自动排班尝试:思路与配置

2 阅读9分钟

设备管理工程师做排班,是我们这行的隐藏任务:维修班组二十四小时值守,白班夜班轮转,还要兼容每个人的假期、技能匹配和工时均衡,麻雀虽小五脏俱全。过去排班靠老师傅拍脑袋加表格,每月排一次吵一次,排班表贴出来那天,班组群必炸。今年我试着用规则引擎加低代码平台做自动排班,这篇记录思路、配置和效果。先给结论:自动排班能成,但成在谈判,不在代码——代码只花了三天,跟全班把规则谈拢花了三周。

一、排班到底难在哪

1.1 一个约束缠身的题目

拆解我们的排班需求,本质上是在解一道多约束题:每班次要有人值守,这是硬约束;夜班不能连排超过两天,劳动保护要求;持证电工每班至少一名,技能约束,这条是安全红线,一寸不让;年假、调休要避开,个人约束,还有家里孩子小的尽量不排深夜班这种暖心条款;月工时要拉平,公平约束。

约束之间还打架:某天能值夜班的人就那么几个,恰好有人休假,硬约束就悬了。人工排班就是在这些约束里找平衡,排得好不好,全看老师傅的脑容量和人缘。脑容量管排不排得开,人缘管服不服众,两样都玄。

1.2 人工排班的三大痛

排了三年班,痛点闭眼能数:一是耗时,一次完整排班要花两个晚上,两个晚上还未必排得圆满,第二天照常上班;二是争议,工时不均、夜班分配不公,月月有人找班长理论;三是脆弱,一个人临时请假,整张班表要手工重排,牵一发动全身,最后几天全靠人情硬顶。

最委屈的是班长:费力排完,挨骂的总是他。排班这事,费力不讨好的根源是人治——人治就有偏好,有偏好就有不公。要公平,得让规则来治。这是我下决心做自动排班的原始动机:不是图快,是图个公平的凭据。

二、自动排班的思路

2.1 把经验翻译成规则

自动化的头一步,是把老师傅脑子里的潜规则全部翻译成显性规则。开了三次会,翻出二十多条:夜班间隔至少多少小时、同一个人一周夜班上限、持证人员分布、新人保护期、长假回来先排白班、周末尽量不连排……每一条背后都是一段历史公案。每条规则写成一句话,全班签字确认。签字那天的场景我记到现在:二十几条规则投影在墙上,一条条过,有争议的当场改,改到没人举手才翻页。三个小时,比任何团建都团结。

这一步比写代码难,也重要:显性化的过程就是利益博弈的过程,谁的习惯要改、谁的福利要保,全在规则里摆平。规则定不下,自动化就是空谈;规则定了,自动化水到渠成。后来技术同事说这是我见过需求最清楚的项目,我说不是需求清楚,是利益先清楚了。

2.2 规则分级:硬约束与软约束

二十多条规则分两级。硬约束是红线:每班有人、持证分布、夜班连排上限,违反即方案无效。软约束是偏好:工时均衡、个人意愿、连班回避,尽量满足,满足不了按优先级牺牲,牺牲了谁、为什么,罚分记录里都写着。

分级是排班算法的灵魂:硬约束划出可行域,软约束在可行域里挑最优。老师傅的方法论其实一样,只是他从不说破自己哪些是红线哪些是偏好——不说破,公就变成了私。显性化就是把暗处的偏好拖到亮处,拖的时候疼,拖完之后大家都轻松。

2.3 排班引擎的核心逻辑

引擎逻辑用伪代码表达:

function autoSchedule(staff, shifts, month):
  calendar = initCalendar(month)          # 初始化班表
  hard = loadRules(level="hard")          # 硬约束集
  soft = loadRules(level="soft")          # 软约束集

  for each day in month:
    for each shift in day:
      candidates = staff.where(available(day))
                       .where(fitSkill(shift))
      candidates = candidates.orderBy(
        score = sum(soft.penalty(candidate, calendar)))
      best = candidates.first(passAll(hard, calendar))
      assign(calendar, day, shift, best)

  if conflict(calendar): return backtrack(calendar, hard)
  return calendar

核心就三步:筛人,硬约束先卡一道;排序,软约束算罚分,罚分低者优先;分配,填不进去就回溯重试。每日排完月度成表,整月班表两秒出结果。头回跑出班表那晚,老师傅盯着屏幕看了半天,说了句:我两个晚上干的活,它两秒。那语气一半失落一半服气。

2.4 平台上的落地配置

引擎跑在低代码平台上:人员技能表、休假表、班次定义表是三张基础表单,规则配置表存二十多条规则的参数,排班结果落到班表单,连着考勤和工资计算,夜班津贴按班表自动核算,工资条再没为排班争议打过架。配置都是表单和字段,改规则不用改代码,班长学一小时就能自己调参数,参数变更留痕,谁改的一目了然。

这个落地方式是我坚持的:引擎归引擎,配置归配置。规则要常调,调规则的人不该是程序员。事实证明这个坚持对了:去年年底加班费规则调整,班长自己改的参数,全程没找过我。

三、效果与副作用

3.0 上线前的一个月影子运行

正式切换前跑了一个月影子运行:系统排一版,老师傅排一版,两版对比找差异。差异集中在两类:系统更均衡但少了人情味(比如不懂得给刚失恋的兄弟少排夜班),老师傅更灵活但有三处工时不均。影子期把这些反馈回规则里,人情味的部分用个人意愿表承接。双轨对照是系统赢得信任的最快路径。

3.1 效率与公平的账

上线后数据:排班耗时从两个晚上降到两分钟;月工时极差从二十一小时压到四小时内;夜班分配的月度差异趋近均衡,最苦的夜班头一回实现了轮着来、算得清。最大的变化是争议消失——有意见的同事打开规则配置表,看到的就是全班签字的那二十几条,火气先消了一半,剩下一半交给规则解释——每张班表附罚分明细,为什么这么排,系统列得明明白白。可解释性是公平感的技术翻译,看得懂的安排才服得了众。

3.2 一个反直觉的副作用

意外发现:自动排班后,同事们的休假计划提前了。以前临期请假砸班表,现在系统明摆着告诉你,你的假越早报,融入班表越顺。规则透明反过来改变了行为,这是设计时没预料到的治理红利。透明不仅省了吵架,还顺带培养了大家的规划习惯,一鱼两吃。

3.3 老师傅的新角色

老师傅起初最抵触,觉得要被机器取代。半年后他的角色变了:从排班的人,变成管规则的人。哪条规则不合时宜,他提修改,全班表决,表决通过系统生效,全程有据可查。他说了句挺哲学的话:以前我排班,人人怀疑我偏心;现在规则排班,没人怀疑规则偏心。人从裁判变成立法者,反而更受尊重了。这个项目让我看清一个道理:技术替代的是劳动,不是地位;把人从劳动里解放出来,人才能去做更有地位的事。

四、复盘与提醒

4.0 一个技术细节的教训

引擎头一版有个隐蔽缺陷:贪心分配——每天每班都选当下罚分最低的人,局部最优导致月末有人无班可排。修复靠两层:一是月末预留,前二十天排班时给月末的硬班次留人;二是回溯,冲突时回退重排。教训很朴素:带全局约束的问题,贪心只够及格,及格和可用之间隔着一次返工。

4.1 自动化的前提是显性化

这个项目最大的心得:自动化的前提是规则化,规则化的前提是利益摆平。技术只占三成,七成是和人谈——谈清楚比写清楚难一个量级。想跳过谈判直接上系统的,班表能自动生成,吵架照旧自动生成,谈判的苦不能省,省掉的都会加倍还回来。谈判的苦不能省,省掉的都会加倍还回来。

4.2 保留人工 override 的口子

系统再好也要留人工干预口子:紧急情况一键换班,系统自动校验换班后的约束是否满足,不满足就给出替代建议,人情和规则两头都顾。全自动加上可干预,班表既有铁的规则,也有人的温度。排班管的是人,人永远比规则复杂,口子必须留。口子用的频率,也是规则的体检指标:口子用得勤,说明规则该修了。

4.3 从排班到调度

下一步的计划是把这套思路扩到维修调度:报修工单进来,按技能、位置、负载自动派单,谁离得近、谁手头空,系统说了算。排班解决的是人在时间上的分布,调度解决的是人在空间上的分布,内核都是规则加优化,手艺可以直接复用。设备管理的数字化,就靠这样一个个具体场景的规则化往前拱。没有惊天动地,只有日拱一卒。