Adil çizelge sorunu
Cornell ILR 'Worker Scheduling Equity' (2023) saha çalışması: çalışanların %73'ü 'vardiyanın adil dağılmamasını' işten ayrılma nedeni olarak sıralıyor — ücret + yöneticiye yakın iki sıralı eşit. Vardiya 'adaletin' tanımı zor: aynı vardiya tipi mi (gündüz/gece dengeli), aynı tatil günü dağılımı mı, eşit izin onayı mı? Modern WFM 4-5 boyutlu eşitlik ölçümü yapar.
Gini coefficient: temel araç
Gini coefficient ekonometrinin gelir eşitsizliği ölçümü olarak ünlenmiş — Lorenz Curve'den türetilir. 0 = mükemmel eşit, 1 = tek kişide tüm değer. Vardiya çizelgesi için adaptasyon: Gini(hafta sonu) = haftalık hafta sonu vardiya dağılımının Gini'si. INFORMS 'Tutorial: Fairness Metrics' (2024) bu uygulamayı detaylandırıyor.
Hangi metrikler ölçülmeli?
(1) Hafta sonu vardiya sayısı / çalışan başı (Gini hedef <0.20). (2) Gece vardiya sayısı / çalışan başı (Gini <0.20). (3) Toplam çalışma saati varyans (max:min ratio <1.1). (4) Onaylanan izin gün sayısı (Gini <0.15). (5) Ekstra mesai (Gini <0.30 — bazı çalışan istekli olabilir). Bu metriklerle çizelge 'kalite skoru' üretilir.
Operations Research yaklaşımı
Akademik literatürde vardiya çizelgeleme problemi (Nurse Scheduling Problem, NSP) en yoğun çalışılan: INFORMS Journal on Computing ve European Journal of Operational Research yıllık 30+ makale yayınlıyor. Modern yöntemler: Integer Programming (kesin), Constraint Programming, Simulated Annealing (yaklaşık), Genetic Algorithm. Fairness 'soft constraint' olarak fonksiyonun ceza terimine eklenir.
Çalışan tercihinin önemi
Cornell ILR aynı çalışmada: 'tercih sistemi' (çalışan haftalık tercihini sisteme giriyor, optimizer mümkün olduğunca uyuyor) uygulanan firmalarda devamsızlık %12, gönüllü ayrılma %18 düşüyor. Tam self-scheduling radikal değil — kontrollü tercih girişi yeterli. KontrolJet PDKSjet 'shift bid' modülü çalışana haftalık tercih girişi sunar.
Şeffaflık ve algoritma açıklaması
EU AI Act (Regulation 2024/1689) ve KVKK Md.11/g 'otomatik karar verme' hakkı: çalışan kendisine atanan vardiyanın 'neden' belirlendiğini sorabilmeli. WFM yazılımı şeffaflık raporu sunmalı: 'Sen X gece vardiyası aldın çünkü diğerleri yıl ortalamasında daha fazla aldı + senin tercihin gece dahil'. Bu açıklanabilirlik gerekli.
Pratik uygulama: aylık fairness raporu
Aylık 'Çizelge Fairness Raporu' özet: her metriğin Gini coefficient'i, en az ve en çok çalışan kişi, ay-ay trend. Yönetim bu raporu görerek WFM ayarını yapabilir — algoritmaya 'haftasonu Gini'yi 0.15 altında tut' kuralı eklenebilir. Bu mantık SHRM 'People Analytics' framework'ünün önemli parçası.
Özet çıkarımlar
- Cornell ILR: %73 çalışan 'adil olmayan vardiya' işten ayrılma nedeni.
- Gini coefficient her boyut için ayrı ölçülebilir.
- Çalışan tercih sistemi devamsızlığı %12, ayrılmayı %18 düşürür.
- EU AI Act + KVKK: algoritmik karar 'açıklanabilir' olmalı.
Kaynakça
Bu yazı aşağıdaki uluslararası kaynaklardan sentezlenip Türkiye mevzuat bağlamına uyarlanmıştır. Doğrudan çeviri yapılmamıştır.
- Worker Scheduling Equity Research. Cornell University ILR School. https://www.ilr.cornell.edu/research (erişim: 2026-05-13)
- Tutorial — Fairness Metrics in Operations Research. INFORMS. https://pubsonline.informs.org/series/educ (erişim: 2026-05-13)
- Nurse Scheduling Problem — European Journal of Operational Research. Elsevier. https://www.sciencedirect.com/journal/european-journal-of-operational-research (erişim: 2026-05-13)
- Regulation (EU) 2024/1689 — Artificial Intelligence Act. European Commission (Eur-Lex). https://eur-lex.europa.eu/eli/reg/2024/1689/oj (erişim: 2026-05-13)
- People Analytics Toolkit. Society for Human Resource Management (SHRM). https://www.shrm.org/topics-tools/topics/technology (erişim: 2026-05-13)