Искусственный интеллект могут привлечь к составлению сложных расписаний и графиков работ

Составить годовое расписание даже для семьи из трех человек — ​непростая задача. А когда речь идет о графике для тысяч сотрудников — ​например, атомщиков, занятых в проектировании и строительстве сразу нескольких АЭС в России и за рубежом, — ​нужен недюжинный интеллект. Подойдет искусственный, который справится с некоторыми задачами быстрее и лучше. Машинные системы программирования в ограничениях позволяют оперативно составлять сложнейшие расписания — ​пусть пока и без учета человеческого фактора.

С учетом всех ограничений

Программирование в ограничениях решает практические комбинаторные задачи: планирование работ, графиков, маршрутов и т. д. Например, составление рабочего расписания аэропортовых служб с учетом времени вылета, терминала, распределения по выходам на посадку, загруженности, дня недели, времени суток, погоды и т. д.

У сотрудников есть свои правила и ограничения, у видов работ — ​свои, их надо совместить, объясняет Алексей Цыплаков, гендиректор IPG. Эта компания специализируется на решении задач на удовлетворение ограничениям с использованием искусственного интеллекта.

Ограничений может быть гигантское количество. Трудовое законодательство предписывает 40-часовую рабочую неделю, определенную длину отпусков и правила оплаты внеурочной работы. Санитарные нормы регламентируют минимальное время отдыха после выполнения тяжелой работы, например перелетов, если речь идет об экипажах, или суточных дежурств, если говорить о наземном персонале. Учитывается характер работ — ​например длительность занятий в школе или вузе и их количество в течение дня. Характер людей тоже может стать ограничением. Скажем, в графике дежурств медсестер ленивую надо поставить в пару с работящей, чтобы пациенты получили должный уход. Некоторые вовсе не могут вместе работать. Есть еще и пожелания работников: работать только с утра или, наоборот, во второй половине дня, если надо добираться издалека, совмещать одну работу с другой.

Рабочие расписания пока чаще создают вручную, это требует больших усилий и времени. На составление расписания для средней школы, например, уходит около двух недель. На расписание Континентальной хоккейной лиги — ​около месяца. Причина проста: вариантов для задачи с парой десятков объектов и ограничений может быть триллион.

Алгоритмы в помощь

Одной из первых программ для решения подобных задач была Sketchpad, которая решала задачи с геометрическими ограничениями на чертежах. Например, один объект должен касаться другого и находиться под определенным углом к третьему. Системы развивались, усложнялись. Сегодня они могут решать сложные бизнес-задачи. Например, регулировать расписание вылетов и составлять график работ наземных аэропортовых служб.

Каждый вариант, который выдает программа, она проверяет на соответствие заданным ограничениям. «Чем больше соответствий — ​тем выше качество варианта. Отдельная подсистема ранжирует варианты по количеству нарушений: чем больше, тем хуже вариант. Можно задать максимальное количество нарушений: не больше 20 или даже 0, — ​рассказывает Алексей Цыплаков. — ​Приближение к нулевому уровню нарушений называется улучшением. Если перебор вариантов перестает давать улучшения, ИИ запускает другой алгоритм расчета. Задача программистов и аналитиков — ​настроить систему так, чтобы она сама определяла, когда пора перенастраиваться на другой алгоритм».

Персональный подход

Для «Росатома» проблема планирования загруженности сотрудников чрезвычайно актуальна: инжиниринговый дивизион проектирует и строит параллельно более десятка энергоблоков в России и в мире. В перспективе их станет еще больше.

С учетом этой задачи в дивизионе создают ресурсные профили по каждому проекту будущих АЭС и консолидированный — ​по Объединенному проектному институту. В ресурсном профиле указано количество специалистов с указанием требований к квалификации, текущей и планируемой занятости, нормативов трудозатрат. Ресурсные профили накладываются на календари планирования, так что можно заранее увидеть периоды дефицита или простоя специалистов.

В инжиниринговом дивизионе подтвердили интерес к использованию ИИ для управления кадрами. «Мы активно изучаем возможности для встраивания цифровых технологий в наши процессы привлечения и подбора строительно-монтажного персонала, оценки его квалификации и подготовки», — ​говорит директор по персоналу дочерних строительных организаций «Атомстройэкспорта» Александр Чегодаев.

Но пока ИИ не используют при управлении трудовыми ресурсами на стройках: есть сомнения в том, что система справится с форс-мажорами. «Даже при точном расчете графиков оптимального распределения персонала на стройплощадках и учете программой всех без исключения ограничений, таких как графики вахт и отпуска работников, вместимость жилого фонда для размещения персонала на площадке и т. п., будут возникать погрешности. В первую очередь они связаны с человеческим фактором. Работники заболевают, увольняются, меняют место жительства, поэтому передать эти вопросы полностью на откуп искусственному интеллекту пока не получается, — ​поясняет Александр Чегодаев. — ​Эти погрешности будут влиять как на эффективность самой системы, основанной на искусственном интеллекте, так и на производственный процесс в целом».

«Если возникает форс-мажор, расписание ломается, приходится все рассчитывать заново», — ​подтверждает Алексей Цыплаков.

Дирекция по цифровой трансформации «Росатома» готова при необходимости подключиться к оптимизации распределения персонала. «Пока у нас таких задач не возникало, но мы могли бы их решать», — ​уверен руководитель лаборатории искусственного интеллекта «Цифрум» (входит в «Росатом») Денис Ларионов.