This paper addresses a combined pro

This paper addresses a combined problem of human resource planning (HRP) and
production-inventory control for a high-tech industry, wherein the human resource plays
a critical role. The main characteristics of this resource are the levels of ‘‘knowledge’’ and
the learning process. The learning occurs during the production process in which a worker
can promote to the upper knowledge level. Workers in upper levels have more productivity
in the production. The objective is to maximize the expected profit by deciding on the optimal
numbers of workers in various knowledge levels to fulfill both production and training
requirement. As taking an action affects next periods’ decisions, the main problem is to find
the optimal hiring policy of non-skilled workers in long-time horizon. Thus, we develop a
reinforcement learning (RL) model to obtain the optimal decision for hiring workers under
the demand uncertainty. The proposed interval-based policy of our RL model, in which for
each state there are multiple choices, makes it more flexible. We also embed some managerial
issues such as layoff and overtime-working hours into the model. To evaluate the proposed
methodology, stochastic dynamic programming (SDP) and a conservative method
implemented in a real case study are used. We study all these methods in terms of four
criteria: average obtained profit, average obtained cost, the number of new-hired workers,
and the standard deviation of hiring policies. The numerical results confirm that our
developed method end up with satisfactory results compared to two other approaches.

ผลลัพธ์ (ไทย) 1:

This paper addresses a combined problem of human resource planning (HRP) andproduction-inventory control for a high-tech industry, wherein the human resource playsa critical role. The main characteristics of this resource are the levels of ‘‘knowledge’’ andthe learning process. The learning occurs during the production process in which a workercan promote to the upper knowledge level. Workers in upper levels have more productivityin the production. The objective is to maximize the expected profit by deciding on the optimalnumbers of workers in various knowledge levels to fulfill both production and trainingrequirement. As taking an action affects next periods’ decisions, the main problem is to findthe optimal hiring policy of non-skilled workers in long-time horizon. Thus, we develop areinforcement learning (RL) model to obtain the optimal decision for hiring workers underthe demand uncertainty. The proposed interval-based policy of our RL model, in which foreach state there are multiple choices, makes it more flexible. We also embed some managerialissues such as layoff and overtime-working hours into the model. To evaluate the proposedmethodology, stochastic dynamic programming (SDP) and a conservative methodimplemented in a real case study are used. We study all these methods in terms of fourcriteria: average obtained profit, average obtained cost, the number of new-hired workers,และส่วนเบี่ยงเบนมาตรฐานของการจ้างงานนโยบาย ผลลัพธ์เป็นตัวเลขยืนยันว่า ของเราพัฒนาวิธีการสิ้นสุดค่ากับผลลัพธ์ที่น่าพอใจเมื่อเทียบกับวิธีอื่น ๆ สอง

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะเป็นปัญหาร่วมกันของวางแผนทรัพยากรมนุษย์ (HRP)
และการควบคุมการผลิตสินค้าคงคลังสำหรับอุตสาหกรรมไฮเทคขัดแย้งทรัพยากรมนุษย์เล่นบทบาทสำคัญอย่างยิ่ง
ลักษณะสำคัญของทรัพยากรนี้เป็นระดับของ '' ความรู้ ''
และกระบวนการเรียนรู้ การเรียนรู้ที่เกิดขึ้นในระหว่างขั้นตอนการผลิตที่ผู้ปฏิบัติงานที่สามารถส่งเสริมให้อยู่ในระดับความรู้บน
คนงานในระดับบนมีผลผลิตมากขึ้นในการผลิต
มีวัตถุประสงค์ที่จะเพิ่มกำไรโดยคาดว่าการตัดสินใจที่ดีที่สุดตัวเลขของแรงงานในระดับความรู้ต่าง ๆ เพื่อตอบสนองทั้งการผลิตและการฝึกอบรมความต้องการ กับการกระทำที่ส่งผลกระทบต่อการตัดสินใจระยะเวลาต่อไปที่เป็นปัญหาหลักคือการหานโยบายการจ้างงานที่ดีที่สุดของคนงานที่ไม่ชำนาญในขอบฟ้าเป็นเวลานาน ดังนั้นเราจึงพัฒนาเสริมการเรียนรู้ (RL) ที่จะได้รับรูปแบบการตัดสินใจที่ดีที่สุดสำหรับการจ้างแรงงานภายใต้ความไม่แน่นอนของความต้องการ นโยบายที่นำเสนอช่วงเวลาที่ใช้ในการรุ่น RL ของเราซึ่งสำหรับแต่ละรัฐมีทางเลือกหลายๆ ทำให้ความยืดหยุ่นมากขึ้น นอกจากนี้เรายังฝังการบริหารจัดการบางประเด็นต่าง ๆ เช่นการเลิกจ้างและชั่วโมงการทำงานล่วงเวลาทำงานลงไปในรูปแบบ ในการประเมินที่นำเสนอวิธีการเขียนโปรแกรมสุ่มแบบไดนามิก (SDP) และวิธีการอนุรักษ์นิยมนำมาใช้ในกรณีศึกษาจริงถูกนำมาใช้ เราศึกษาวิธีการเหล่านี้ในแง่ของสี่เกณฑ์ของกำไรที่ได้รับเฉลี่ยค่าใช้จ่ายที่ได้รับเฉลี่ยจำนวนคนงานใหม่ที่ได้รับการว่าจ้างที่และค่าเบี่ยงเบนมาตรฐานของนโยบายการจ้างงาน ผลการคำนวณของเรายืนยันว่าวิธีการที่พัฒนาแล้วจบลงด้วยผลลัพธ์ที่น่าพอใจเมื่อเทียบกับสองวิธีการอื่น ๆ

ผลลัพธ์ (ไทย) 3:

กระดาษนี้เน้นปัญหารวมของการวางแผนทรัพยากรมนุษย์ ( HRP ) และ
การผลิตการควบคุมสินค้าคงคลังสำหรับอุตสาหกรรมไฮเทค ซึ่งทรัพยากรมนุษย์เล่น
เป็นสำคัญ คุณลักษณะหลักของทรัพยากรนี้เป็นระดับของ ' ' '
'knowledge และกระบวนการเรียนรู้ การเรียนรู้ที่เกิดขึ้นระหว่างกระบวนการผลิตที่คนงาน
สามารถส่งเสริมความรู้ในระดับบนคนงานในระดับบนได้เพิ่มผลผลิต
ในการผลิต โดยมีวัตถุประสงค์เพื่อเพิ่มกำไรที่คาดว่าจะโดยการตัดสินใจเกี่ยวกับตัวเลขที่เหมาะสมของพนักงานในระดับต่างๆ
ความรู้เพื่อตอบสนองทั้งการผลิตและความต้องการการฝึกอบรม

เป็นปฏิบัติการที่มีผลต่อการตัดสินใจครั้งต่อไป ปัญหาหลักคือการค้นหา
เหมาะสม นโยบายการจ้างงานของแรงงานที่มีทักษะในนานบนขอบฟ้าเราจึงพัฒนา
เสริมการเรียนรู้ ( RL ) รุ่นที่จะได้รับการตัดสินใจที่ดีที่สุดสำหรับการจ้างแรงงานภายใต้
ความไม่แน่นอนของความต้องการ เสนอช่วงจากนโยบายของรุ่น RL ของเรา ซึ่ง
แต่ละรัฐมีหลายตัวเลือก ทำให้มันมีความยืดหยุ่นมากขึ้น เรายังฝังบางปัญหา เช่น การเลิกจ้าง และการบริหาร
ทำงานล่วงเวลาชั่วโมงในรูปแบบ เพื่อประเมินเสนอ
โดยการเขียนโปรแกรมแบบไดนามิก stochastic ( SDP ) และอนุลักษณ์วิธีการ
ใช้ในจริง กรณีศึกษาที่ใช้ เราศึกษาวิธีการเหล่านี้ในแง่ของเกณฑ์เฉลี่ย 4
: ได้ผลกำไร ได้ต้นทุนเฉลี่ย จำนวนใหม่จ้างคนงาน
และส่วนเบี่ยงเบนมาตรฐานของการจ้างนโยบาย จากผลการทดสอบยืนยันว่าของเรา
การพัฒนาวิธีการท้ายด้วยผลที่น่าพอใจ เมื่อเทียบกับวิธีอื่น ๆสอง