Zespół naukowców z arXiv opracował algorytm model predictive control (MPC) dla produkcji, gdzie kluczowym wyzwaniem jest zarządzanie kadrą. Problem polega na tym, że zdolność produkcyjna jutro zależy od decyzji treningowych dzisiaj: pracownicy muszą mieć aktualne certyfikaty, ale szkolenie zajmuje im czas, który mogłyby spędzić na samej produkcji. System w każdej zmianie rozwiązuje optymalizacyjny problem mieszanoliczebowy, uwzględniający produkcję, zapasy, zaległości zamówień i szkolenia.
Algorytm testowano na symulatorzeLorem SkillChain-Gym z różnymi scenariuszami: zaskakującymi szokami nowych umiejętności, zmiennością popytu, nieobecnościami pracowników i zmianami jakości prognoz. Kluczowym zaobserwowanym rezultatem była zależność od warunków: w warunkach stabilnych, gdy braki kadrowe są przewidywalne i szkolenie zdąży się ukończyć przed brakami, sterowanie predykcyjne znacznie poprawiało wyniki. Jednak przy nagłych szoków lub gdy produkcja operuje blisko maksymalnego wykorzystania zdolności, tradycyjne statyczne plany ubezpieczeniowe (cross-training) okazały się trudne do przebicia.
Badanie jest istotne dla rozwijających się łańcuchów dostaw, które borykają się z nieregularnym dostępem do wykwalifikowanej siły roboczej. Wyniki sugerują, że nie ma uniwersalnego rozwiązania: firmom trzeba dobrać strategię do warunków, w jakich operują, łącząc podejście predykcyjne z tradycyjnymi poduszkami bezpieczeństwa.