“Un Algoritmo Evolutivo Para la Planificación de Sistemas de

Turnos Rotativos en Empresas de Servicios.”

Resumen

Este trabajo presenta una herramienta heurística para la asignación de horarios de

trabajo a personal exento del descanso dominical obligatorio, es decir, que realiza labores
que requieran de cierta continuidad a lo largo de la semana. El objetivo es construir
sistemas de turnos, capaces de mejorar el grado de satisfacción de la demanda horaria de
trabajo, y de esta forma, repercutir positivamente en el clima laboral y en la productividad.
Se utiliza un Algoritmo Evolutivo combinado con una heurística especializada. El
procedimiento fue validado en una Empresa de Telecomunicaciones.

Palabras clave: Simulación (Heurística), Planificación.

Autores:
Sra. Carmen Ortiz Z.
Edgar Berg Y.
Dirección:
Balmaceda 1620, Recreo. Viña del Mar
eberg@uai.cl , cortiz@uai.cl
 La asignación de horarios resulta ser una tarea compleja y delicada si no se cuenta
con apoyo computacional, además de ser tediosa y de consumir mucho tiempo. Por un lado,
el conjunto de restricciones que impone la legislación actual, obliga al planificador a
considerar un sin número de factores, lo que podría no estar ausente de errores,
arriesgándose multas de la Inspección del Trabajo y un clima laboral indeseable; y por otro,
las empresas se ven enfrentadas a variabilidades, tanto de la oferta como de la demanda de
trabajo, por lo que constantemente surge la necesidad de cambiar las planificaciones
existentes, aumentando con esto la probabilidad de cometer equivocaciones. Contar con
una herramienta de apoyo a la gestión, podrá significar mejoras en el grado de satisfacción
de la demanda.

En términos generales, en el proceso de asignación de horarios se distinguen los

siguientes subprocesos que se llevan a cabo en forma secuencial: Determinación de la
Demanda, Determinación de los Requerimientos de Personal, Asignación de Horarios,
y Control. La presente herramienta se encarga de apoyar a la gestión en la fase de
asignación de horarios, utilizando la política de los sistemas rotativos de turnos. Se utiliza
como principal dato de entrada, los requerimientos de personal, buscando maximizar el
grado de cumplimiento de éstos (medida de desempeño.)

Este método irá destinado, principalmente, a Empresas de Servicios, debido a que

éstas, al tener que realizar las atenciones en el preciso momento en que los clientes lo
requieran, presentarán una menor tolerancia a la insatisfacción de la demanda horaria de
trabajo, que las Empresas de Manufactura.

Restricciones.

La herramienta contempla las siguientes restricciones del Código del Trabajo por
cada empleado:

1.- Máximo número de horas de la jornada semanal.

2.- Máximo número de horas de la jornada diaria.
3.- Trabajo máximo de 6 días seguidos.
4.- Otorgar a lo menos dos domingos libres al mes.
5.- Por cada domingo trabajado, se debe otorgar un día de descanso adicional.

Población Inicial.

Se utiliza una heurística especializada, capaz de generar un conjunto de soluciones

aleatorias, que cumplen con las restricciones 2, 4 y 5 ya señaladas.

Algoritmo Evolutivo.

Este método tiene como objetivo mejorar las soluciones obtenidas en la fase
anterior. Funciona en forma iterativa, asignándole un puntaje a cada individuo de la
población, en función de la cantidad de requerimientos (o restricciones) que cada cual
satisfaga, de forma tal de seleccionar una elite de individuos, en cada iteración, tras el uso
de los operadores de “cruzamiento” y “mutación”.
 El Proceso de selección utiliza la llamada “técnica de la ruleta”, la cual consiste en
realizar duplicaciones a cada individuo en forma proporcional a su fitness, definiéndose
éste como el cuociente entre la evaluación de cada solución y el valor promedio de todas las
evaluaciones de la población respectiva.

La Codificación consiste en representar cada cromosoma en forma de una matriz,

siendo variables de decisión las horas de entrada y de salida relativas a cada horario.
(Variables discretas)

Selección de Parámetros.

Se determinó la probabilidad de mutación a partir del análisis de gráficos de

desempeño. Para el tamaño de la población inicial se fijó un valor superior al recomendado
en la bibliografía, de forma tal de poder aprovechar las ventajas del uso de una heurística
especializada como punto de partida, el tamaño de la elite fue determinado tras un diseño
de experimentos. Finalmente, el número de iteraciones se dejó en función del ciclo de
rotación y del tiempo de ejecución determinado por el usuario.

Validación y Conclusiones.

Se analizaron experimentos con datos de prueba, y la validación consistió en rehacer

las planificaciones usadas en una Empresa de Telecomunicaciones, observándose en todos
los casos, iguales o mejores desempeños.
Se pudo observar que, al mejorarse el grado de satisfacción de la demanda de
trabajo, será posible la disminución de costos por sobretiempo y el aumento del nivel de
servicio, lo que se traduce en efectos positivos en la productividad.

Bibliografía.

A. Colorni, M Dorigo, V Maniezzo (1996) “Metaheuristics for High-School Timetabling”

Computational Optimization and Applications Journal (1996).
www.csr.unibo.it/~maniezzo/ttp.ps

Código del Trabajo de Chile, (Contemplando las modificaciones hechas el 5 de Octubre de

2001, mediante la Ley Nº 19.759)

C. Ortiz, S. Varas, J. Vera (2000) “Optimización y Modelos para la Gestión.” Dolmen

H. Fang (1994) “Genetic Algorithms in Timetabling and Scheduling” NEC Research

Institute 1994. ftp.dai.ed.ac.uk/pub/user/chrisg/Fang.Phd.Thesis.ps.gz

P. Ross, D Corne, H. Fang (1994) “Successful Lecture Timetabling With Evolutionary

Algorithms” NEC Research Institute 1994. ftp.dai.ed.ac.uk/pub/user/ga/94-002.ps.Z

R. Haupt, S. Haupt (1998) “Practical Genetic Algorithms.” Wiley