Ledig medarbejder, mens farven hviler
Hårfarve er 20 minutters arbejde og 40 minutters ventetid. I de 40 minutter drikker medarbejderen te, og salonen mister omsætning.
Farven lægges på, og så ventes der. I den ventetid har medarbejderen ingenting at lave, men i kalenderen står stolen som optaget — og salonen mister stille den time. D-CCM holder en ydelses arbejdede og ventede minutter adskilt: den henter den opgave, der passer ind i ventetiden, og fanger et sammenstød, før du gemmer. Det, der kan være i ventetiden, er den kapacitet, salonen vinder.
De programmer, folk bruger til daglig, tæller en aftale som én samlet blok; ventetid kender de ikke til. Det er præcis dér, D-CCM kigger.
Problem
Den gennemsnitlige belægning i tyrkiske saloner er 62 %. Det betyder, at 38 % af hver medarbejdertime går tom hen. D-CCM kigger på netop det hul.
Hårfarve er 20 minutters arbejde og 40 minutters ventetid. I de 40 minutter drikker medarbejderen te, og salonen mister omsætning.
Tre kunder lander i samme time, rummet rummer to, og der er ét apparat. Receptionen advarer manuelt, og kunden går utilfreds.
Ejeren regner det ud i hovedet — „hvad nu hvis jeg lavede manicure under farven“. Systemet forudser det ikke, og fejlene hober sig op.
Hvorfor den findes
Stolen ser optaget ud, mens medarbejderen er ledig. Der kan ikke tages en kunde nummer to, og salonen mister stille og roligt den time. Problemet er ikke softwarens regnestykke — det er dens model.
Det passive interval åbnes bevidst. Det bliver et selvstændigt stykke i kalenderen, og passer en kort opgave ind, bliver den foreslået. Dagen er reddet, og kunden mærker intet.
Løsning
En ydelse er ikke længere navnet på én blok. Den har to dele: de minutter, hvor en medarbejder har hænderne i arbejdet, og de minutter, hvor kunden venter. Den sidste slags spilder D-CCM ikke.
Hårfarve: 20 minutters arbejde, 40 minutters ventetid. D-CCM ser de 40 minutter og sætter den samme medarbejder på en parallel kunde (for eksempel en manicure). Resultatet: to kunder i den time i stedet for én — den time udretter det dobbelte.
Sådan sætter du det op
Det eneste, der skal til for at slå D-CCM til, er at skrive en ydelses to varigheder ind én gang. Kalenderen og provisionen følger selv med.

Provisionsstyring — opsætning af niveauer (Junior/Senior/Master) og standardsatsen pr. medarbejder. Optjeningsoversigten åbnes fra medarbejderkortet.
Algoritme
D-CCM tilpasser problemet om ressourcebegrænset projektplanlægning til en salon. Med en tilgang af Greedy + Beam Search + Hybrid løser den en uge med 60 aftaler i realtid.
activeMinutes + passiveMinutes. Medarbejdere, rum og apparater markeres som knuder i grafen.Resultater
Tilstræbt pilotscenarie (simulering): 12 saloner, n=3.842 aftaler. Det er de resultater, der sigtes efter i forhold til manuel planlægning — når rigtige pilotmålinger foreligger, opdateres dette afsnit med kilder:
Sammenligning
De programmer, folk bruger til daglig, tæller alle en aftale som én samlet blok. D-CCM er den første, der skiller de arbejdede minutter fra de ventede.
Hvem den hjælper
D-CCM betaler sig ikke lige meget i alle saloner. Lad os sige det ligeud — hvor den er unødvendig, forbliver den slået fra:
Her vinder du mest: langt farvearbejde med en kort opgave ved siden af. Det passive interval gentager sig flere gange om dagen.
Indebærer dine protokoller ventetid, betaler intervallogikken sig. Gør de ikke, lader du den være slået fra, og menuen forbliver enkel.
De fleste steder har ikke brug for den; arbejdet er allerede kort og går slag i slag. Slå den til, hvis du tilbyder hybride farveydelser.
Roadmap
D-CCM-motoren er klar i kodebasen; den bliver verificeret mod rigtige aftaler, så snart pilotprogrammet starter. Derefter: ML, udrulning i flere regioner og løbende forbedring. Vores voldgrav er ikke et patent — det er løbende udvikling plus en datafordel.
Glanevo v0-motoren — en feltmodel med activeMinutes + passiveMinutes og grådig konfliktdetektion.
Løseren med Greedy + Beam Search kører; konfliktdetektionen er verificeret af en automatiseret testsuite.
Forudsigelse af passiv tid pr. salon: en model, der lærer af variabler som hårets tykkelse, farvemærke og rumtemperatur.
Udrulning i flere regioner, aktiv brug i 44 lande. En patentansøgning overvejes, når tiden er inde.
FAQ
En rigtig algoritme: den kører i kodebasen (Service.activeMinutes og Service.passiveMinutes i Prisma-skemaet; konfliktløseren på POST /api/appointments/check-conflicts). Pilottallene på denne side er et målscenarie (simulering); målinger fra virkeligheden deles her med kilder, efterhånden som de offentliggøres.
Ikke med et patent: D-CCM beskyttes af løbende udvikling (v0 → v1 → v2 ML), af en datafordel (de aftaledata, der vil flyde fra pilotsalonerne) og af kunderelationen (dyb integration i salonens drift). En patentansøgning overvejes særskilt, når tiden er inde.
At kopiere idéen bag algoritmen tager år. Løbende udvikling (v0 → v1 AI-forudsigelse → v2 automatisk planlægning → v3 ML) og et datasæt, der flyder fra salonerne selv — en voldgrav i to lag. Når en konkurrent begynder at indhente os, er vi to versioner foran.
Til at udvide udviklingsteamet plus machine learning-modellen i v2. Målet: forudsigelse af passiv tid pr. salon (en model, der lærer af variabler som hårets tykkelse, farvemærke og rumtemperatur).
På Gratis en version begrænset til én medarbejder. På Pro og opefter den fulde version: flere ressourcer, top 5 alternative forslag, automatiske notifikationer. Studio og Enterprise tilføjer understøttelse af flere lokationer.
Du definerer én gang dine ydelsers aktive og passive varighed (hårfarve: for eksempel 20 aktive / 40 passive). Resten er automatisk. Systemet foreslår; du godkender eller ændrer.
Definér dine ydelsers aktive og passive varighed én gang, og lad D-CCM klare resten. Ved udgangen af den første uge måler du selv forskellen i belægning.