手工排：快，但越改越乱
我先用最笨的办法，6个人排7天，每天早晚两班，每班至少2人，每人一周休1天。刚开始十分钟就能填满，看着挺顺。
问题出在检查。A连续上了4天晚班，B一周只休了半天，周六晚班又少一个熟手。手工排适合规则少的时候，一旦加上公平、技能、休息，脑子就像同时拎五个袋子，迟早掉一个。
运筹学怎么用：我拿排班实测
运筹学怎么用，光讲概念没味道。我用一个7天排班小表实测了一遍：同样的人员、工时和休息限制，手工排、Excel试排、求解器建模，体验完全不一样，坑也很明显。
Excel表格：能看清，但不一定会优化
第二轮我用Excel，把人名放行，日期班次放列，用1表示上班，0表示不上。再用SUM统计每班人数、每人工时。这个办法立刻比手工清楚，哪里缺人、谁超时，一眼能扫出来。
但它只是帮我看见问题，不会自动替我解决问题。我把C调去周六晚班，周三早班又空了；补上D，D的工时又超。Excel适合做台账和校验，真要找更优方案，要配规划求解。
规划求解：慢在前面，省在后面
第三轮我把变量、目标、约束写出来。变量是某人某天某班上不上；目标是缺人次数为0，同时夜班分配尽量平均；约束包括每天最多一班、每班人数够、每人至少休一天、晚班不能连续太多。
前面花时间最多，不在软件，而在想规则。比如“尽量平均”要变成数字，“不能太累”要变成连续班次数上限。模型一旦搭好，再改需求很快。多一个人、少一个班，改参数就行。
Python工具：弹性大，但别上来就用
我也试了OR-Tools这类工具。好处是表达复杂约束更顺手，适合排班、路线、装箱这类问题。比如限制某两个人不能同班，或者某员工只能上白班，写进去并不难。
坏处是门槛更高。数据要整理干净，结果要会解释，出错时也要懂得排查。小团队第一次用运筹学，别急着写代码，先用纸和Excel把模型想明白。代码只是把思路跑快。
真实感受：它不是魔法，是放大镜
这次实测后，我对“运筹学怎么用”的理解很简单：先把问题写成表，再把规则写成约束，最后让工具找方案。最费劲的一步永远是前两步。
它不会替你判断业务对不对，但会把矛盾暴露出来。比如人手明明不够，却要求不加班、不缺岗、人人公平，模型会直接告诉你不可行。这一点很有价值，能少开很多没结果的会。
常见问题
运筹学怎么用在日常工作里？
先挑重复发生的安排问题，比如排班、派车、补货。列目标、列限制、整理数据，再用Excel规划求解或Python工具跑一个初版，不要一开始就追求大系统。
不会编程能用运筹学吗？
能。小规模问题用Excel规划求解就够入门。编程适合数据量大、规则多、需要反复运行的场景。
运筹学模型不可行怎么办？
先检查约束是不是写得太死，比如人数不足却限制不能加班。再分清硬约束和软约束，硬约束必须满足，软约束可以加惩罚而不是一刀切。