Routing science i hemtjänst: mindre restid utan sämre kontinuitet

Varför svensk hemtjänstruttoptimering exploderar kombinationellt, varför varken brute force eller enbart människor räcker, och hur CAIRE:s hybridmodell – mänskliga slingor + Caire Core routing layer-optimeringsmotor – blir den enda arkitektur som klarar kontinuitet, lagkrav och effektivitet samtidigt.

Hemtjänstruttoptimering är en fusion av VRPTW, personalplanering, kompetensmatchning och multiobjektiv optimering. Även ett modest dagschema med 350 besök och 28 vårdgivare skapar redan (350!) 28 permutationer innan arbetsrätt och kontinuitet läggs på.

CAIRE:s arkitektur kombinerar kommunernas planeringskompetens med Caire Core routing layer-motorns metaheuristik. Människor låser 70–80 % av besöken som slingor för stabilitet; solver optimerar hela schemat—inklusive de återstående 20–30 % flexibla besök och alla resvägar—med garanterad lag- och KPI-uppfyllnad.

Exempel: 350 besök, 28 vårdgivare (07–22, >10 besök per skift)

Det dagliga hemtjänstschemaläggningsproblemet kan förstås i tre kapslade lager:

Med 350 besök och 28 vårdgivare är det totala antalet sätt att:

350! × C(377,27) ≈ 10 753

Förklaring: Binomialkoefficienten C(377,27) räknar antalet sätt att fördela 350 besök mellan 28 vårdgivare (genom att använda 27 avdelare bland 377 totala positioner). Faktorialen 350! räknar alla möjliga ordningar av besöken. Tillsammans representerar detta varje möjlig tilldelning och ruttordning.

Detta tal är 673 storleksordningar större än antalet atomer i det observerbara universum (≈10⁸⁰).

• tilldela varje besök till en vårdgivare
• ordna besöken inom varje vårdgivares rutt

Inom den astronomiska lösningsrymden är endast en mikroskopisk delmängd av scheman faktiskt genomförbar , d.v.s. de uppfyller:

Matematiskt: Den genomförbara regionen är en liten, fragmenterad, högdimensionell delmängd av den gigantiska sökrymden.

• arbetstidslag (dygnsvila, rast, veckovila, max timmar)
• fackliga och kommunala krav
• tidsfönster (earliest/latest, soft/hard)
• restider & geografi
• kontinuitet klient–utförare
• kompetenskrav
• rimlig belastning & outnyttjad tid
• samordning av raster och lunchpass

Inom den genomförbara regionen söker solver efter:

arg min f (resa, kontinuitet, övertid, rättvisa, stabilitet, utnyttjande)

Förklaring: "arg min" betyder "hitta argumentet (schemat) som minimerar funktionen f ." Funktionen f är en viktad kombination av kostnader: restid, kontinuitetsöverträdelser, övertid, orättvisa, schemastabilitet och underutnyttjande. Solver söker efter schemat som minimerar denna totala kostnad.

Det finns inte bokstavligen ett schema; snarare:

• det finns en delmängd av genomförbara scheman , och
• solver väljer ett av de bästa (optimalt eller nära-optimalt) enligt objektfunktionen.

Hemtjänst är icke-stationär.

Varje liten händelse förskjuter den genomförbara regionen:

Varje förändring flyttar den genomförbara regionen till en ny del av lösningsrymden.

Detta betyder att det tidigare "optimala" schemat inte längre är giltigt eller optimalt , ibland inte ens genomförbart.

• en vårdgivare blir sjuk
• ett besök tar 7 minuter längre
• trafiken ökar
• en ny klient läggs till
• en klient avbokar
• kontinuitet kräver en specifik matchning
• tillgänglighet ändras
• lagregler kolliderar med realtidsförseningar

En slinga är ett statiskt veckomönster skapat av människor.

Verkligheten är dynamisk .

Så i samma ögonblick som en enda störning inträffar:

Manuell omplanering kan inte hänga med, eftersom det kräver att lösa ett rörligt, multi-constraints, NP-hårt problem i realtid.

• lämnar slingan den genomförbara regionen
• blir den ogiltig
• krävs omplanering

är den enda fungerande arkitekturen:

• den gigantiska sökrymden (~10⁷⁵³)
• den mikroskopiska genomförbara regionen
• de ständigt rörliga begränsningarna
• slingornas bräcklighet
• behovet av realtidsanpassning

→ kodar tyst kunskap, kontinuitet, geografi, relationer → definierar baslinjestruktur

• → kodar tyst kunskap, kontinuitet, geografi, relationer
• → definierar baslinjestruktur

Denna hybridloop är inte en bekvämlighet — det är en matematisk nödvändighet .

• → utvärderar miljontals alternativ
• → spårar rörlig genomförbarhet
• → upprätthåller laglig efterlevnad
• → bevarar stabilitet
• → minimerar störningar
• → hittar ett nytt optimalt schema när verkligheten förändras

En dag med 350 besök och 28 vårdgivare skapar (350!) 28 permutationskombinationer. Svenska arbetslagar, sjukfrånvaro och kontinuitet gör lösningsrymden till miljarder isolerade fickor.

Kontinuitetslager: Varje klient–medarbetarpar blir ett bivillkor. Ett brutet löfte påverkar hela dagen. Rast & rättvisa: Betalda/obetald pauser plus rättvisefönster skapar tidsluckor som människor chansar kring men solver prövar på millisekunder. Störningar: Varje sjukfrånvaro gör problemet stokastiskt (VRPTW) och tar oss till PSPACE-svårighetsgrad. TSP VRPTW HHCRSP Multiobjektiv

• Kontinuitetslager: Varje klient–medarbetarpar blir ett bivillkor. Ett brutet löfte påverkar hela dagen.
• Rast & rättvisa: Betalda/obetald pauser plus rättvisefönster skapar tidsluckor som människor chansar kring men solver prövar på millisekunder.
• Störningar: Varje sjukfrånvaro gör problemet stokastiskt (VRPTW) och tar oss till PSPACE-svårighetsgrad.

Normaliserat mot Karlstad-pilot Q3 2025 (anonymiserade områden).

Låt H vara den mänskliga mängden (låsta slingor, lokal kännedom, politik) och S solverns mängd (miljontals grannskap per minut). Endast snittet H ∩ S uppfyller kommunernas kontinuitet och KPI:er.

Människor: Känner byggnader, anhöriga och vad som räknas som “acceptabel” störning. Caire Core routing layer-motor: Säkerställer lagkrav, rättvisa och scenariorepetition på sekunder. Hybrid: 70–80 % av besöken låses av planerare i slingor för stabilitet; Caire Core routing layer-motorn optimerar primärt de återstående 20–30 % flexibla besöken (nya klienter, störningar, akuta tillägg) och kan delvis optimera fasta slingor med begränsad påverkan (5–12%). Scenario Endast människa Endast solver Hybrid Veckoslingor Kontinuitet 98 %, resa +32 % Kontinuitet 70 %, resa −35 % Kontinuitet 97 %, resa −27 % Nya klienter 5–7 dagar att passa in Saknar tysta löften 45 minuter med planerargranskning Sjukfrånvaro Manuella byten, övertidsrisk Kan röra låsta besök <120 sekunder, respekterar lås

• Människor: Känner byggnader, anhöriga och vad som räknas som “acceptabel” störning.
• Caire Core routing layer-motor: Säkerställer lagkrav, rättvisa och scenariorepetition på sekunder.
• Hybrid: 70–80 % av besöken låses av planerare i slingor för stabilitet; Caire Core routing layer-motorn optimerar primärt de återstående 20–30 % flexibla besöken (nya klienter, störningar, akuta tillägg) och kan delvis optimera fasta slingor med begränsad påverkan (5–12%).

flowchart TD A[Planerare sätter slingor] -->|Låsta constraints| B[CAIRE kunskapsgraf] B --> C[Caire Core routing layer-motor metaheuristik] C -->|Optimerade deltor| D[Diff-vy & KPI:er] D -->|Godkänn| E[Publicerat schema] E -->|Utfallsdata| B D -->|Avvisa| F[Manuell sandbox] sequenceDiagram participant Planerare participant CAIRE participant Solver participant Fält Planerare->>CAIRE: Lås slingor & mjuka regler CAIRE->>Solver: Skicka constraints + historik Solver-->>CAIRE: Förslag + mått CAIRE-->>Planerare: Diff-vy & förklaring Planerare->>CAIRE: Godkänn hybridplan CAIRE->>Fält: Publicera & övervaka utförande Rasmussen m.fl. 2022 Eveborn m.fl. 2006 Solomon 1987 Deb 2001 (multiobjektiv) Optimeringsfallstudier

Hemtjänstruttoptimering är inte ett optimeringsproblem. Det är en sammansättning av sex NP-svåra problem , var och en redan svår i sig. Tillsammans skapar de ett problem av extrem kombinatorisk svårighet.

Hitta den kortaste rutten som besöker en uppsättning platser en gång. Komplexiteten växer som N! . För vårdgivare: "i vilken ordning ska jag besöka dessa 14–25 klienter?" Även 25! ≈ 1,55 × 10²⁵ permutationer → olösbart.

Tilldela flera rutter till flera arbetare. Balansera arbetsbelastning, minimera resor, respektera skiftgränser, undvik rumslig fragmentering. Hemtjänst använder VRP med tidsfönster (VRPTW) , en av de mest utmanande varianterna inom operationsanalys.

Bestäm vilka vårdgivare som arbetar vilka skift med arbetsrätt, fackliga regler, raster, maximala veckotimmar, viloperioder och helg-rättvisa. Besättningsplanering är i sig NP-svårt.

Matcha rätt vårdgivare till varje besök. Begränsningar inkluderar kompetenser, certifieringar, kontinuitet ("samma vårdgivare som vanligt"), geografiska zoner och kulturella preferenser. Detta liknar ett bipartit matchningsproblem men med temporala och rumsliga inbäddningar.

Varje besök har tidigaste start, senaste start, valfria mjuka fönster och varaktighet. Att bryta mot fönster skapar kaskaderande ogenomförbarhet: att anlända fem minuter sent kan ogiltigförklara tre efterföljande besök.

Hemtjänst optimerar många motsägelsefulla mål: restid, kontinuitet, rättvisa, övertid, vilotid, avstånd, zonering, akutkapacitet och stabilitet. Ingen skalär funktion kan perfekt representera alla avvägningar.

Logistikföretag (t.ex. UPS, DHL) löser ruttningsproblem, men hemtjänst introducerar unika faktorer som gör det exponentiellt mer komplext:

Hemtjänst är inte "leveransruttning med människor." Det är ett flerskiktat mänsklig-tjänsteoptimeringsproblem.

Mänskliga planerare är exceptionellt skickliga på:

En mänsklig planerare utforskar typiskt 10–15 lokala byten mentalt innan överbelastning. Solver utforskar miljontals .

• Förstå klientrelationer
• Koda tysta regler ("hon föredrar Anna på tisdagar")
• Geografisk intuition ("den hissen är alltid långsam")
• Upprätthålla stabila veckomönster
• Utvärdera miljontals möjliga alternativa scheman
• Globalt minimera restid
• Anpassa sig omedelbart till störningar
• Balansera rättvisepoäng matematiskt

Solvers är exceptionella på:

Solverns genomförbara region S överlappar inte fullt ut med den mänskliga genomförbara regionen H . Därför är den enda robusta operativa regionen: H ∩ S

• Stor-grannskapssökning
• Begränsningssatisfaktion
• Global optimering
• Matematisk rättvisa
• Realtidsomberäkning
• Förstå patientrelationer
• Tolka kontextuell historia
• Resonera om ostrukturerade kvalitativa begränsningar

CAIRE:s schemaläggningsarkitektur kombinerar mänskliga och maskinstyrkor i tre faser:

Människor definierar stabila baslinjer Kontinuitet och kvalitativa begränsningar inbäddade Solver verifierar laglighet och genomförbarhet

• Människor definierar stabila baslinjer
• Kontinuitet och kvalitativa begränsningar inbäddade
• Solver verifierar laglighet och genomförbarhet

Utvärderar miljontals alternativ Minimerar resor Balanserar arbetsbelastning Respekterar hårda och mjuka tidsfönster Anpassar sig till nya klienter Hanterar lunchföljsamhet och övertidsgränser

• Utvärderar miljontals alternativ
• Minimerar resor
• Balanserar arbetsbelastning
• Respekterar hårda och mjuka tidsfönster
• Anpassar sig till nya klienter
• Hanterar lunchföljsamhet och övertidsgränser

Denna hybridloop ger: stabila mönster, högre kontinuitet, betydligt minskade resor, högre servicetimmar, minskat planerarstress och förutsägbara operationer.

• När störningar inträffar (sjukdom, förseningar, avbokningar, akuta tillägg)
• Solver beräknar om alla återstående besök på sekunder
• Bevarar den mänskligt designade strukturen

Flera peer-reviewade studier bekräftar fördelarna med hybridoptimering:

10–20% ökning i vårdgivarutnyttjande (när AI optimerar flexibla besök utanför slingor) 5–12% ökning i servicetimmar / skifttimmar (när AI delvis optimerar även fasta slingor) 15–25% minskning i restid för flexibla besök och vid störningar 20–40% färre missade SLA:er vid realtidsomplanering Färre övertidsöverträdelser Lägre planerararbetsbelastning Högre klientkontinuitet

• 10–20% ökning i vårdgivarutnyttjande (när AI optimerar flexibla besök utanför slingor)
• 5–12% ökning i servicetimmar / skifttimmar (när AI delvis optimerar även fasta slingor)
• 15–25% minskning i restid för flexibla besök och vid störningar
• 20–40% färre missade SLA:er vid realtidsomplanering
• Färre övertidsöverträdelser
• Lägre planerararbetsbelastning
• Högre klientkontinuitet

Rasmussen m.fl. (2022). Home Care Scheduling Problem – A Review. Eveborn m.fl. (2006). Optimization of Home Care Planning and Scheduling. Solomon (1987). VRPTW Algorithms. Ernst m.fl. (2004). Scheduling and Rostering Review. Deb (2001). Multi-Objective Optimization.

• Rasmussen m.fl. (2022). Home Care Scheduling Problem – A Review.
• Eveborn m.fl. (2006). Optimization of Home Care Planning and Scheduling.
• Solomon (1987). VRPTW Algorithms.
• Ernst m.fl. (2004). Scheduling and Rostering Review.
• Deb (2001). Multi-Objective Optimization.

Baserat på ett typiskt hemtjänstscenario:

Med 10–20% ökning i vårdgivarutnyttjande och 5–12% ökning i servicetimmar :

Viktigt: AI används primärt för att optimera flexibla besök utanför slingor och vid störningar. Fasta slingor kan delvis optimeras men med begränsad påverkan (5–12%). Huvudvärdet kommer från snabb omplanering, bättre resursutnyttjande av flexibla besök, och minskad planerararbetsbelastning.

• 28 vårdgivare
• 350 besök per dag (07–22, >10 besök per skift)
• 70–80% av besöken är låsta i slingor (stabila veckomönster)
• 20–30% flexibla besök optimeras med AI (nya klienter, störningar, akuta tillägg)
• Högre servicetid per skift → mer fakturerbar vårdtid
• Minskad restid för flexibla besök → färre övertidsbehov
• Snabbare omplanering vid störningar → lägre planerararbetsbelastning
• Bättre kontinuitet → färre klagomål och högre kvalitet

Moderna Caire Core routing layer-motorer (Field Service Routing) är konstruerade för företagsskalor och kan hantera:

Dessa bekräftar att CAIRE:s tillvägagångssätt—mänskliga mallar + solveroptimering—är förenligt med det bästa tillgängliga vetenskapliga beviset.

• 500 000+ besök per optimeringskörning
• 100 000+ vårdgivare samtidigt
• Komplexa begränsningar och flerdagsschemaläggning
• Realtidsomoptimering på sekunder, inte minuter

När man utvärderar Field Service Routing (Caire Core routing layer)-motorer för hemtjänstschemaläggning finns flera kritiska faktorer att överväga:

Sök efter: Restidsminskningar: 15–25% är typiskt för välkonfigurerade system Balanserad arbetsbelastningsfördelning: Ingen vårdgivare ska vara systematiskt över- eller underbelastad Högt konsistenta i-tid-anländningsfrekvenser: Mätbart bättre än manuell planering Kontinuitetsbevarande: Upprätthåller klient–vårdgivare-relationer samtidigt som restid minimeras

• Restidsminskningar: 15–25% är typiskt för välkonfigurerade system
• Balanserad arbetsbelastningsfördelning: Ingen vårdgivare ska vara systematiskt över- eller underbelastad
• Högt konsistenta i-tid-anländningsfrekvenser: Mätbart bättre än manuell planering
• Kontinuitetsbevarande: Upprätthåller klient–vårdgivare-relationer samtidigt som restid minimeras

Moderna Caire Core routing layer-motorer omoptimerar på sekunder, inte minuter , vilket är avgörande för daglig drift.

• Nya besök som läggs till under dagen
• Avbokningar eller överskridningar av besökstider
• Akutbesök som kräver omedelbar omplanering
• Vårdgivarfrånvaro eller förseningar

Din Caire Core routing layer-motor bör bekvämt hantera:

• 100–10 000+ besök per körning
• Dussintals till tusentals vårdgivare samtidigt
• Komplexa begränsningar och flerdagsschemaläggning
• Multiobjektiv optimering med flera konkurrerande mål

Hemtjänst kräver mer än grundläggande routing. Nyckelfunktioner inkluderar:

Överväg både: Beräkningstid från besök till rutt: Sekunder för dagliga scheman, minuter för veckoscheman Konsistens under belastning: Prestanda bör inte försämras avsevärt vid höga volymer Realtidsomoptimering: Förmågan att omberäkna på sekunder när störningar inträffar

• Beräkningstid från besök till rutt: Sekunder för dagliga scheman, minuter för veckoscheman
• Konsistens under belastning: Prestanda bör inte försämras avsevärt vid höga volymer
• Realtidsomoptimering: Förmågan att omberäkna på sekunder när störningar inträffar

Routing-API:er (som Google Maps routing) kan beräkna en enda rutt mellan två punkter, men de kan inte:

Caire Core routing layer-optimeringsmotorer är specialbyggda för att lösa dessa multi-constraint, multi-objective problem och leverera kompletta optimerade scheman, inte bara enstaka rutter.

• Tilldela besök över många vårdgivare
• Respektera komplexa kompetenser eller SLA:er
• Ombalansera arbetsbelastningar
• Producera flerstopps-, flerdagsplaner
• Optimera över tusentals besök
• Omoptimeras kontinuerligt under dagen

Hemtjänstschemaläggning är inte bara svår. Den är beräkningsmässigt explosiv , kombinerar flera NP-svåra problem till en enda realtidsoperativ utmaning.

Varken människor eller solvers kan hantera hela komplexiteten ensamma.

Det enda vetenskapligt giltiga tillvägagångssättet är ett hybridsystem där människor designar stabila strukturer och AI kontinuerligt optimerar kring dem.

Detta är grunden för CAIRE:s schemaläggningsmodell och anledningen till att den överträffar manuell schemaläggning och helautomatiserade system.

• Människor ger kontinuitet, kontext och kvalitativ insikt.
• Solvers ger global optimering, rättvisa och realtidsberäkning.

TSP söker den kortaste turen som besöker varje plats en gång. Sökrymden växer som n!, vilket gör brute force omöjligt redan vid 50 stopp. Varje vårdgivare löser i praktiken ett TSP-liknande delproblem dagligen.

VRPTW generaliserar TSP till flera rutter med tidigaste och senaste start. Svenska kommuner kräver ofta två överlappande fönster per klient, vilket fragmenterar lösningsrymden.

HHCRSP kombinerar ruttoptimering, personalplanering, kompetenser, kontinuitet och arbetsrätt. Det är ett av de svåraste NP-svåra problemen eftersom varje begränsning interagerar med geografi och relationer.

Hemtjänstscheman måste maximera vårdtid, minimera restid, skydda kontinuitet, begränsa övertid och skapa rättvisa. Målen krockar, därför använder CAIRE viktade poäng och metaheuristik.