Routing science i hemtjänst: avväg restid och kontinuitet

Varför svensk hemtjänstruttoptimering exploderar kombinatoriskt, varför varken brute force eller enbart människor räcker och hur CAIRE:s planerarstyrda modell kombinerar mänskligt skapade slingor med solverförslag för granskning.

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 begränsningsstyrd kandidatsökning. Planeraren låser besök som behöver stabilitet; solvern jämför återstående tilldelningar och resealternativ, och planeraren granskar lagkrav och KPI-avvägningar före publicering.

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 konfigurerade genomförbara regionen poängsätter varje körning kandidater med:

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

Förklaring: "arg min" identifierar den lägsta konfigurerade poängen bland kandidaterna som utvärderades i körningen. Funktionen f kombinerar restid, kontinuitetsavvikelser, övertid, rättvisa, schemaändringar och utnyttjande enligt de konfigurerade vikterna. Poängen stödjer jämförelse; den bevisar inte att alla möjliga scheman utvärderades och lovar inget särskilt verksamhetsutfall.

En planeringskörning kan därför presentera:

• en delmängd av kandidatscheman som klarar de konfigurerade hårda begränsningskontrollerna, och
• deras uppmätta poäng och avvägningar för planerarens jämförelse.

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 den tidigare kandidaten kanske inte längre matchar aktuella indata och behöver utvärderas igen.

• 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 förseningar i schemat

En slinga är ett statiskt veckomönster skapat av människor.

Verkligheten är dynamisk .

Så i samma ögonblick som en enda störning inträffar:

Manuell omplanering blir svårare eftersom varje ändrad indata skapar ett nytt planeringsproblem med flera begränsningar.

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

Givet:

• den gigantiska sökrymden (~10⁷⁵³)
• den mikroskopiska genomförbara regionen
• de ständigt rörliga begränsningarna
• slingornas bräcklighet
• behovet av att ompröva planen när indata ändras

är ett praktiskt planerarstyrt arbetsflöde:

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

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

Arbetsflödet kombinerar stabila mänskliga strukturer med systematisk kandidatjämförelse och planerargranskning.

• → jämför många alternativ mot de konfigurerade begränsningarna
• → spårar rörlig genomförbarhet
• → utvärderar konfigurerade lagregler och flaggar överträdelser för granskning
• → mäter ändringar av låsta och stabila tilldelningar
• → visar störningsavvägningar för planeraren
• → tar fram en ny kandidat när planeraren startar en körning efter ändrade indata

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 och obetalda raster samt rättvisefönster skapar tidsluckor som människor bedömer intuitivt men som en solver kan utvärdera systematiskt. 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 och obetalda raster samt rättvisefönster skapar tidsluckor som människor bedömer intuitivt men som en solver kan utvärdera systematiskt.
• 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 de kandidater som en solver kan jämföra med konfigurerade regler och KPI-avvägningar. Snittet H ∩ S ger planeraren relevanta alternativ att granska.

Människor: Känner byggnader, anhöriga och vad som räknas som “acceptabel” störning. Solveradapter: Utvärderar konfigurerade begränsningar, rättvisemått och alternativ för den aktuella planeringskörningen. Planerarstyrt resultat: Planeraren låser besök som behöver stabilitet, väljer vilka återstående besök som får flyttas och granskar varje föreslagen ändring före publicering. Scenario Endast människa Endast solver Hybrid Veckoslingor Stabila relationer, manuellt bedömd restid Konfigurerade begränsningar utan tyst lokalkännedom Låsta relationer med granskade avvägningar Nya klienter Manuell placering och konfliktkontroll Saknar tysta löften Kandidat jämförs och godkänns av planeraren Sjukfrånvaro Manuella byten, övertidsrisk Kan röra låsta besök Planeraren jämför kandidater från en ny körning mot konfigurerade lås

• Människor: Känner byggnader, anhöriga och vad som räknas som “acceptabel” störning.
• Solveradapter: Utvärderar konfigurerade begränsningar, rättvisemått och alternativ för den aktuella planeringskörningen.
• Planerarstyrt resultat: Planeraren låser besök som behöver stabilitet, väljer vilka återstående besök som får flyttas och granskar varje föreslagen ändring före publicering.

flowchart TD A[Planerare sätter slingor] -->|Låsta constraints| B[CAIRE kunskapsgraf] B --> C[Solveradapter begränsningsutvärdering] C -->|Kandidatdeltor| 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: Poängsatt kandidat + måttdeltor 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)

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. Poängsätt arbetsbelastning och resor, utvärdera skiftgränser och representera geografisk 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:

• Förstå klientrelationer
• Koda tysta regler ("hon föredrar Anna på tisdagar")
• Geografisk intuition ("den hissen är alltid långsam")
• Upprätthålla stabila veckomönster

Men människor kan inte:

• Systematiskt jämföra många möjliga scheman
• Systematiskt poängsätta restidsavvägningar
• Ompröva en plan när indata ändras
• Balansera rättvisepoäng matematiskt
• Beräkna kaskaderande tidsfönstereffekter

En mänsklig planerare kan överväga ett begränsat antal lokala byten åt gången. En solver stödjer systematisk jämförelse av en bredare kandidatgrupp.

Solvers är exceptionella på:

• Stor-grannskapssökning
• Begränsningssatisfaktion
• Konfigurerad kandidatpoängsättning
• Matematisk rättvisa
• Omberäkning efter ändrade indata

Men solvers kan inte:

• Förstå patientrelationer
• Tolka kontextuell historia
• Resonera om ostrukturerade kvalitativa begränsningar
• Koda tyst lokal kunskap
• Bedöma politiska eller emotionella implikationer av vårdgivartilldelning

Solverns genomförbara region S överlappar inte fullt ut med den mänskliga genomförbara regionen H . Snittet H ∩ S identifierar kandidater som fortfarande kräver planerargranskning.

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

Människor definierar stabila baslinjer Kontinuitet och kvalitativa begränsningar inbäddade Solver utvärderar konfigurerade lag- och genomförbarhetsbegränsningar för planerargranskning

• Människor definierar stabila baslinjer
• Kontinuitet och kvalitativa begränsningar inbäddade
• Solver utvärderar konfigurerade lag- och genomförbarhetsbegränsningar för planerargranskning

Jämför alternativ mot konfigurerade begränsningar Poängsätter resor mot konfigurerade vikter Poängsätter arbetsbelastning mot konfigurerade vikter Redovisar utfall för hårda och mjuka tidsfönster Inkluderar nya klienter som tillförts som planeringsindata Utvärderar konfigurerade lunch- och övertidsbegränsningar

• Jämför alternativ mot konfigurerade begränsningar
• Poängsätter resor mot konfigurerade vikter
• Poängsätter arbetsbelastning mot konfigurerade vikter
• Redovisar utfall för hårda och mjuka tidsfönster
• Inkluderar nya klienter som tillförts som planeringsindata
• Utvärderar konfigurerade lunch- och övertidsbegränsningar

Granska dessa avvägningar: stabila mönster, kontinuitet, restid, brukartid, arbetsbelastning och obemannade besök för den aktuella planeringskörningen.

• När störningar inträffar (sjukdom, förseningar, avbokningar, akuta tillägg)
• En ny körning tar fram kandidater för återstående besök
• Jämför ändringar mot den mänskligt designade strukturen

Peer-reviewade studier beskriver problemklassen och etablerade optimeringsmetoder. De fastställer inte ett generellt kundutfall för Caire:

Brukartid och betald skifttid Restid och väntetid Kontinuitet per klient Övertid och andra hårda begränsningar Obemannade besök och deras orsaker

• Brukartid och betald skifttid
• Restid och väntetid
• Kontinuitet per klient
• Övertid och andra hårda begränsningar
• Obemannade besök och deras orsaker

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.

Kör alternativ från samma frysta källsnapshot och jämför:

• Brukartid och betald skifttid
• Restid och väntetid
• Kontinuitet per klient
• Övertid och obemannade besök

Tolka varje jämförelse utifrån verksamhetens egna data, begränsningar och planeringsperiod:

• Jämför likvärdiga källsnapshots
• Behåll hårda begränsningar mellan alternativen
• Granska avvägningar före publicering
• Dokumentera det uppmätta resultatet för den aktuella körningen

Viktigt: Caire lovar inte en generell effekt. Verksamhetens egna data och begränsningar avgör resultatet, och en planerare granskar varje kandidat före publicering.

Skalbarhet och lösningstid ska verifieras för den aktuella verksamheten:

Forskningen ger bakgrund för utvärderingen; kundspecifika påståenden kräver resultat som mäts på kundens egna planeringsdata.

• Testa verksamhetens aktuella besöks- och medarbetarvolym
• Använd konfigurerade serviceområden och planeringsperiod
• Inkludera verksamhetens faktiska begränsningar
• Redovisa lösningstid tillsammans med lösningskvalitet

Vid utvärdering av solveradaptrar för hemtjänstschemaläggning ska verksamhetens egna planeringsdata, begränsningar och granskningsflöde användas:

Sök efter: Restidsjämförelse: Jämför kandidater mot samma frysta källsnapshot Balanserad arbetsbelastningsfördelning: Ingen vårdgivare ska vara systematiskt över- eller underbelastad Ankomstprecision: Mät varje kandidat mot samma källschema Kontinuitet och restid: Jämför båda måtten och deras avvägning för den aktuella körningen

• Restidsjämförelse: Jämför kandidater mot samma frysta källsnapshot
• Balanserad arbetsbelastningsfördelning: Ingen vårdgivare ska vara systematiskt över- eller underbelastad
• Ankomstprecision: Mät varje kandidat mot samma källschema
• Kontinuitet och restid: Jämför båda måtten och deras avvägning för den aktuella körningen

Mät lösningstid och lösningskvalitet för varje körning och låt sedan planeraren granska kandidaten före publicering.

• Nya besök som läggs till under dagen
• Avbokningar eller överskridningar av besökstider
• Prioriterade besök som läggs till som nya planeringsindata
• Vårdgivarfrånvaro eller förseningar

Testa följande under utvärderingen:

• Verksamhetens aktuella besöksvolym
• Verksamhetens aktuella medarbetar- och serviceområdesomfattning
• 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: Mät den för aktuell datavolym och planeringsperiod Konsistens under belastning: Prestanda bör inte försämras avsevärt vid höga volymer Körning efter ändrade indata: Starta en ny körning och granska lösningskvaliteten när indata ändras

• Beräkningstid från besök till rutt: Mät den för aktuell datavolym och planeringsperiod
• Konsistens under belastning: Prestanda bör inte försämras avsevärt vid höga volymer
• Körning efter ändrade indata: Starta en ny körning och granska lösningskvaliteten när indata ändras

Ruttmotorer kan beräkna en enskild väg mellan två punkter, men de utvärderar inte ett komplett hemtjänstschema mot konfigurerade begränsningar:

Solveradaptrar stödjer dessa planeringsproblem med flera begränsningar och mål och tar fram kompletta kandidatscheman för planerargranskning, inte bara enstaka vägar.

• Tilldela besök över många vårdgivare
• Utvärdera konfigurerade kompetens- eller tidsfönsterbegränsningar
• Ombalansera arbetsbelastningar
• Producera kompletta flerstoppsplaner för konfigurerad omfattning
• Starta en ny körning när planeringsindata ändras

Hemtjänstschemaläggning är inte bara svår. Den är beräkningsmässigt explosiv och kombinerar flera NP-svåra problem i en föränderlig operativ utmaning.

Varken människor eller solvers kan hantera hela komplexiteten ensamma.

Ett planerarstyrt arbetsflöde kombinerar stabila mänskliga strukturer med solverframtagna alternativ och uttrycklig granskning.

Detta är grunden för CAIRE:s schemaläggningsmodell: tydliga begränsningar, jämförbara kandidater och planerarstyrd publicering.

• Människor ger kontinuitet, kontext och kvalitativ insikt.
• Solvers ger systematisk kandidatjämförelse, begränsningsutvärdering och rättvisemått.

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.

Hemtjänstplanering väger brukartid, restid, kontinuitet, övertid och rättvisa. Målen krockar, därför jämför optimeringsmetoder konfigurerade viktade mål i stället för att använda en enda statisk formel.