Resumen

La programación de la mano de obra es una tarea importante y habitual en proyectos con gran intensidad de mano de obra. Se vuelve especialmente compleja cuando los empleados tienen múltiples habilidades y la productividad de los empleados cambia junto con su aprendizaje de conocimientos en función de las tareas que se les asignan. Hasta ahora, en este contexto, sólo unos pocos trabajos han considerado el límite mínimo de calidad de las tareas y el efecto de aprendizaje de la calidad. En esta investigación, se desarrolla un modelo de programación de la mano de obra para asignar tareas a la mano de obra multicualificada teniendo en cuenta el aprendizaje de conocimientos y los requisitos de calidad del proyecto. Utilizando la linealización a trozos de la curva de aprendizaje, el modelo de programación no lineal mixto 0-1 (MNLP) se transforma en un modelo de programación lineal mixto 0-1 (MLP). A continuación, el modelo MLP se mejora teniendo en cuenta el límite superior de la acumulación de experiencia de los empleados y el rendimiento estable de los empleados maduros. Se ofrecen experimentos computacionales utilizando instancias generadas aleatoriamente a partir de la investigación de una empresa de software. Los resultados demuestran que los MLP propuestos pueden aproximarse con precisión al modelo MNLP original, pero pueden calcularse en mucho menos tiempo.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Programación de la mano de obra; proyectos; intensidades de mano de obra; competencias múltiples; productividad; aprendizaje de conocimientos; tareas; límite mínimo de calidad; efecto de aprendizaje de calidad; investigación; modelo de programación de la mano de obra; asignación de tareas; mano de obra multicualificada; curva de aprendizaje; modelo de programación no lineal; modelo de programación lineal; límite superior; acumulación de experiencias de los empleados; rendimiento estable; empleados maduros; experimentos computacionales; empresa de software; resultados; MLP; modelo MNLP original; tiempo.
• Keywords:Workforce scheduling; projects; labour intensities; multiple skills; productivity; learning of knowledge; tasks; minimum quality limit; quality learning effect; research; workforce scheduling model; assigning tasks; multiskilled workforce; learning curve; nonlinear programming model; linear programming model; upper bound; employees' experiences accumulation; stable performance; mature employees; computational experiments; software company; results; MLPs; original MNLP model; time