研究帮助志愿者在灾难发生后做得最好
灾难发生后，许多人都想帮忙。北卡罗来纳州立大学和阿拉巴马大学的研究人员开发了工具，帮助急诊科和救灾管理人员协调志愿者的努力，以尽最大努力。
“灾后分配志愿者可能会很困难，因为你不知道有多少志愿者会来，也不知道他们什么时候会来，”Maria Mayorga说，她是关于这个问题的两项研究的通讯作者，也是北卡罗来纳州Edward P。工业与系统工程系。
“此外，对于努力来说，挑战可能是复杂的，比如粮食分配，你也不知道你将要分配多少物资，或者有多少人需要援助。”
研究人员使用先进的计算模型来解决这些不确定的领域，以制定指导方针，或经验法则，紧急救援管理者可以用来帮助志愿者发挥最大的作用。
最近的一篇论文关注的是分配志愿者去处理需要做的工作量随着时间的推移而变化的任务，比如搜索和救援、需求评估和救济物资的分配。
马约尔加说:“本质上，我们开发了一个模型，可以在不知道需要做多少工作的情况下，确定志愿者的最佳分配。”他说:“例如，在救灾物资的分配方面，救灾物资的供应和幸存者的需求都不确定。
“然后，我们利用该模型创建并测试了经验法则，即使救援管理人员无法使用计算机或互联网，也可以应用这些法则。”
研究人员发现，一个简单而有效的策略是“最大加权需求（LWD）策略”，它将志愿者分配到剩余工作最多的任务中。在这种情况下，工作按其重要性排序。例如，满足用水需求比满足清洁用品需求更重要。
但是，如果任务之间的重要性差异变得足够大，那么最好的选择是管理者根据“最大队列清除时间(LQCT)”分配志愿者。LQCT是在当前志愿者数量不变的情况下完成当前工作所需的时间。
“事实上，LQCT启发式方法在我们测试的所有实例中都很有效，但它更难快速评估，”Mayorga说。“所以我们建议管理者使用LWD规则，除非任务的重要性真的有很大差异。”
然而，LWD和LQCT经验法则并不适用于所有任务。
事实上，研究人员发现，对于那些你不知道需要做多少工作的志愿者任务来说，经验法则是有意义的，但实际上，对于那些工作量明确的任务来说，经验法则是不合适的，比如灾难后清理废墟。
在2017年的一篇论文中，研究人员发现，清理垃圾的一条很好的经验法则是“最少的志愿者”，即志愿者被分配到参与这项任务的志愿者人数最少的工作。
马约尔加说：“自发志愿者是指在灾难发生后，不加入公认的志愿者组织（如红十字会）或其他典型的第一反应者，而是主动为救灾和恢复工作作出贡献的人。”这些人构成了一个劳动力资源，既宝贵又难以管理。
“我们在这些文件中的工作提供了将自发志愿者纳入有组织的救灾工作的策略，以帮助我们实现安全和响应性的灾害管理。同样值得注意的是，这些工作集中在一个组织分配志愿者的任务。在我们未来的工作中，我们关注的是能够被多个机构用来协调工作和扩大志愿者反应的策略。”
最新的论文在不确定任务需求和志愿者是否到位的情况下，安排自发志愿者参与救灾工作，发表于国际管理科学杂志. 这篇论文的第一作者是凯尔·帕雷特博士。北卡罗来纳州的学生。这篇论文是由阿拉巴马大学运营管理副教授Emmett Lodree共同撰写的。
2017年的论文自发志愿者的最佳分配，发表在运筹学学会杂志．这篇论文的作者之一是曾在北卡罗来纳州立大学攻读硕士学位的贾斯汀·沃尔钦斯基(Justin Wolczynski)，作者是洛德里。
希普曼-
编辑:研究摘要如下。
“在任务需求和志愿者可获得性不确定的情况下，安排自发志愿者参与救灾工作”
作者：凯尔E。帕雷特和玛丽亚。北卡罗来纳州立大学；埃米特J。Lodree，阿拉巴马大学
发表：2020年2月19日，欧米茄
DOI: 10.1016 / j.omega.2020.102228
文摘:灾难发生后，附近地区的人们经常聚集在一起帮助受灾社区。自发的志愿者不隶属于救援机构，但在灾难周期的关键时刻，他们有独特的地位提供宝贵的援助。通常，这些志愿者被无效地使用或完全拒绝。志愿者接待中心（VRC）可以从整合自发志愿者涌入的改进策略中获益。本文建立了一个多服务器排队模型来描述灾后自发志愿者分配任务的动态过程。特别是，我们考虑的情况下，随机到达服务的需求和志愿者的随机到达，其服务时间也是随机的。这些假设模拟了救灾任务，例如分发救济物品，受益者和志愿者都随机到达。利用马尔可夫决策过程，给出了一种分配志愿者任务的最优策略。然后，我们使用模拟来比较最优策略与几种启发式策略，并讨论现实世界的影响。
“自发志愿者的最佳分配”
作者：Maria E。北卡罗来纳州立大学Mayorga和Justin Wolczynski；埃米特J。Lodree，阿拉巴马大学
发表: 2017年4月5日运筹学学会杂志
DOI: 10.1057 / s41274 - 017 - 0219 - 2
文摘:自发志愿者是帮助救灾工作的普通公民，他们是一种巨大的资源，但同时也带来了困难的后勤挑战。与传统的劳动力分配问题不同，这些志愿者的管理特点是劳动力池的规模、可用性和承诺的不确定性。我们将该问题建模为一个具有随机服务器到达和随机服务器放弃的多服务器排队系统。该模型旨在应用于与恢复工作相关的相对稳定的工作，例如清理碎片。我们将该系统建模为一个连续时间的马尔可夫决策过程，并将最优策略与几种常识性启发式方法进行了比较;其中一个性能接近最佳，并提供了一个实用的替代方案。我们围绕模型参数和假设进行了广泛的敏感性分析。
