CN111163238B - 一种在线客服系统的智能调度方法 - Google Patents

Abstract

本发明公开了一种在线客服系统的智能调度方法，包括，根据客户特征构建多优先级客户队列，建立调度策略与系统状态之间的对应关系，调度过程如下：首先根据客户特征将客服系统时序队列中的客户分派至多队列中相应的特征子队列；再提取各子队列队首客户，根据子队列优先级和客户等待时间选择被调度的客户；然后判定在线客服系统状态，根据系统状态选择合适的调度策略；最后根据已选择的调度策略选择客服分配给客户。本发明可减少客户平均等待时间，还实现了客服坐席的合理分配，使客服坐席之间负载均衡，从而提高在线客服系统的服务质量与工作效率，并提升客户满意度。

Description

一种在线客服系统的智能调度方法

技术领域

本发明涉及系统资源分配、智能调度技术领域，具体涉及一种在线客服系统的智能调度方法。

背景技术

随着科学技术日新月异的发展，各行各业为其客户提供服务的方式不仅仅局限于电话呼叫，依托信息检索与互联网技术的在线客服系统应运而生。在线客服系统是以浏览器网页为载体，运用互联网络技术为企业网站的访客提供即时通讯的新型服务方式，其主要通过文字通信、语音视频、远程协助等方式，实现客服人员与客户之间的交流。在线客服系统采用一对多服务模式，即一位客服人员可同时服务多位客户，这种模式提高了客服系统的工作效率，同时机械化程度较高的业务流程往往引入智能机器人的交互功能，这样依托一对多和机器人交互可大幅度减少客户等待服务的时间，降低企业成本。然而，随着在线服务量的增大和客户对服务质量要求的提升，在线客服系统面临着分配、客服团队管理、流程管理和与业务系统交换数据等难题。所以在线客服系统的智能调度方法已经成为公司实现服务优质化的迫切需求之一。

发明内容

为了解决上述技术问题，达到合理分配客服资源、减少客户等待时间、提高客服系统效率、提升客户与客服的综合满意度的目的，本发明提出一种在线客服系统的智能调度方法，先根据客户特征构建客户优先级多队列，多队列由若干特征子队列组成，再融合在线客服负荷状态与客户队列状态特征划分客服系统状态并构建状态之间转换关系，然后建立调度策略集进而构建起调度策略与系统状态之间的对应关系。

本发明所采用的技术方案如下：

本发明实施例提供一种在线客服系统的智能调度方法，包括：

选取被调度客户，包括：

客户进入在线客服系统请求服务，转人工客服后进入时序队列temporalQueue等待调度，并开始计算等待时间；

根据时序队列temporalQueue中客户特征的取值，将客户分派至多队列multiQueue中相应的特征子队列；

从各个特征子队列的队首客户中选取一位被调度客户；

选择客服人员，包括：

判定系统状态；

根据系统状态选择调度策略；

根据调度策略选择客服人员；

采用所选择的客服人员服务所述调度客户。

进一步的，所述根据时序队列temporalQueue中客户特征的取值，将客户分派至多队列multiQueue中相应的特征子队列，包括：

2-1)检测时序队列temporalQueue是否为空，如果temporalQueue为空，继续检测，如果temporalQueue不为空，执行步骤2-2)；

2-2)将temporalQueue的队首客户设为c；

2-3)获取c的客户等级c.a的值l₁；

2-4)获取c的业务类型c.b的值l₂；

2-5)在已建立的多队列multiQueue中，根据l₁、l₂找到队列q；

2-6)将客户分派到队列q，返回步骤2-1)。

进一步的，所述多队列multiQueue的建立过程，包括：

3-1)输入客户等级数s，业务类型紧急度数p，i、j为索引变量，令i＝1；

3-2)初始化多队列multiQueue；

3-3)如果i≤s，令j＝1，执行步骤3-4)；如果i>s，执行步骤3-8)；

3-4)如果j≤p，执行步骤3-5)；如果j>p，令i＝i+1，返回步骤3-3)；

3-5)创建当前i、j对应的优先级队列，并将创建的队列赋给q，执行下一步；

3-6)将multiQueue和q取并集作为新的multiQueue；

3-7)j＝j+1，返回步骤3-4)；

3-8)多队列构建完成，输出multiQueue。

进一步的，从各个特征子队列的队首客户中选取一位被调度客户，包括：

4-1)初始化多队列multiQueue；

4-2)设置C、V两个m*n的二维数组，i、j为索引变量，m为i的取值个数，n为j的取值个数，变量z表示V[i,j]最大值，设置q、q’为初值为空的特征子队列，令i＝1，z＝0；

4-3)如果i≤m，令j＝1，执行步骤4-4)；

4-4)如果j≤n，则执行步骤4-5)；如果j>n，i＝i+1，返回步骤4-3)；

4-5)根据i、j找到相应的特征子队列，令其为q；

4-6)找到q的队首客户，令其为C[i,j]；

4-7)将客户C[i,j]等待时间C[i,j].t与最大等待时间MAXTIME进行归一化，并赋值给x；

4-8)将特征子队列q的优先级对应的值赋给y；

4-9)计算V[i,j]，

V[i,j]＝δ*x+(1-δ)*y，

其中，0≤δ≤1，根据需求确定δ值；

4-10)如果V[i,j]大于z，则z＝V[i,j]，将q’变为q，如果V[i,j]小于z，则z、q’不变；

4-11)令j＝j+1，返回步骤4-4)；

4-12)将特征子队列q’队首客户提取出，令其为c，输出客户c。

进一步的，所述判定系统状态，包括：

5-1)获取当前系统正在服务的客户人数n，系统实时等待人数m，系统预设最大服务容量N，置信参数μ，界限参数w，客户接受服务的平均时间T_N，客户平均等待时间期望值T_c，计算客户等待时间总和的变化率

和排队人数的变化率

5-2)判断n是否为0，如果n＝0，则此时系统状态为

如果n≥0，执行步骤5-3)；

5-3)判断n与μ*N的大小，如果n≤μ*N，执行步骤5-4)，如果n>μ*N，执行步骤5-5)；

5-4)如果m>(1-μ)*N，则此时系统状态为

如果0≤m≤(1-μ)*N，则此时系统状态为

5-5)如果0≤m<w*T_C/T_N*N，则此时系统状态为

如果m≥w*T_C/T_N*N且

则此时系统状态为

所述系统状态

定义如下：

为起始状态，

表示接线填充状态，

表示低负荷状态，

表示正常负荷状态，

表示超负荷状态。

进一步的，所述客户等待时间总和的变化率

计算如下：

其中，

表示

时刻所有客户等待时间总和，

表示在

采样时间内所有客户等待时间总和的增量，

表示在

采样时间内所有客户等待时间总和的增量；

所述排队人数的变化率

计算如下：

其中，

为

时刻多队列中的排队人数，

为

时刻的排队人数，

为

时刻的排队人数。

进一步的，所述根据系统状态选择调度策略，包括：

所述系统状态与调度策略的对应关系如下：

系统状态

对应调度策略P₁,P₂；

系统状态

对应调度策略P₁,P₂；

系统状态

对应调度策略P₁,P₂；

系统状态

对应调度策略P₁,P₃,P₄,P₅；

系统状态

对应调度策略P₁,P₅；

所述调度策略定义如下表：

进一步的，所述根据调度策略选择客服人员，包括：

8-1)在所有客服的集合S中，筛选出技能组别s.B中含有业务类型c.b的所有客服，组成一个集合S’；

8-2)如果系统状态是

则根据策略P₂从集合S’中选出一个客服s；如果系统状态是

执行步骤8-3)；如果系统状态为

执行步骤8-5)；

8-3)判断客户c是不是VIP，如果客户c是VIP，则根据策略P₃从集合S’中选出一个客服s，如果根据策略P₃无法选出客服，则根据策略P₄从集合S’中选出客服，若仍然无法选出则使用策略P₅从集合S中选出客服；如果客户不是VIP，执行步骤8-4)；

8-4)根据策略P₄从集合S’中选出客服s，若无法选出客服，则执行步骤8-5)；

8-5)根据策略P₅直接从集合S中选出客服s；

8-6)输出客服s。

本发明所达到的有益效果：

在本发明的调度方法下正常负荷状态将占据调度过程的大部分时间，表明调度方法设计合理；减少了客户的平均等待时间，同时在调度过程中可通过应用调度策略达到客户业务与客服技能、客户等级与客服等级、客服与熟客之间的高度匹配，提升了服务质量；另外还实现了客服坐席的合理分配，使客服坐席之间负载均衡；因此，本发明所提出的在线客服系统智能调度方法可同时为多位客户提供业务服务，灵活、公平、高效地完成调度任务。

附图说明

图1为本发明在线客服系统智能调度方法实现原理图；

图2为本发明实施例中生成的二元偏序关系示意图；

图3为本发明智能调度方法中的系统状态转换图。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明实施例提供一种在线客服系统的智能调度方法，首先给出本发明中涉及的符号及其含义，如表1。

表1 符号含义

参见图1，本发明实施例的在线客服系统的智能调度方法，具体包括：

步骤1，基于客户多特征偏序关系生成偏序关系多队列multiQueue，多队列由若干特征子队列组成，各子队列内客户特征相似，遵循先来先服务原则，调度只选择特征子队列的队首客户；在线客服系统内，客户的主要特征为：等待时间、客户等级和业务类型等；生成多队列可依据客户等级和诉求业务紧迫性来设定，假设客户等级为s级，业务紧急程度为p级，那么可构造p*s层客户多队列，构造多队列步骤如下：

1-1，输入客户等级数s，客户业务类型紧急度数p，i、j为索引变量，令i＝1；

1-2，初始化多队列multiQueue；

1-3，如果i≤s，令j＝1，执行步骤1-4，；如果i>s，执行步骤1-8；

1-4，如果j≤p，执行步骤1-5；如果j>p，令i＝i+1，返回步骤1-3；

1-5，创建当前i、j对应的优先级队列，并将创建的队列赋给q，执行下一步；

1-6，将multiQueue和q取并集作为新的multiQueue；

1-7，j＝j+1，返回步骤1-4；

1-8，多队列构建完成，输出multiQueue。

步骤2，创建客服池，客服池由所有客服组成；客服属性包括客服等级、最大接线数、技能组别等；根据客服的业务水平划分客服等级，通常系统根据客户与客服等级进行匹配；根据客服能力与等级设置客服最大接线数，即坐席数；每位客服可同时服务多位客户，但客户数量不超过最大接线数；客服的技能组别中包含一个或多个客服所擅长的业务类型，所有客服技能组别的并集应是系统业务类型的全集。

步骤3，划分系统状态，主要根据客户排队人数和正在服务人数对系统状态进行划分，可划分成5种：起始状态、接线填充状态、低负荷状态、正常负荷状态和超负荷状态，在线客服系统状态集也可以是所述5种状态的子集或以所述5种状态为关键状态的超集，所述状态的一种划分方法如下表2：

表2 系统状态划分

其中，n为当前系统正在服务的客户人数；m为系统实时等待人数；N为系统预设的最大服务容量；μ为置信参数，允许各状态条件存在一定的置信区间；T_N为客户接受服务的平均时间，其值可通过历史访问数据估算，T_N在历史数据量足够大时，趋向于稳定；T_c为客户平均等待时间期望值；w为约束各条件的界限参数；

为客户等待时间总和的变化率，

其中，

表示

时刻所有客户等待时间总和，那么

表示在

采样时间内所有客户等待时间总和的增量，

表示在

采样时间内所有客户等待时间总和的增量；

为排队人数的变化率，

其中，

为

时刻多队列中的排队人数，

为

时刻的排队人数。

表示

采样时间内所有客户等待时间总和与排队增加人数具有相同增长率，即增长同步，那么排队人数的平均等待时间趋向于稳定。当

时，客户平均等待时间下降，反之客户平均等待时间上升。

系统状态转换如图3所示，转换条件如下表3：

表3 系统状态转换条件

步骤4，根据业务需求建立调度策略集，并构造状态集到策略集幂集的映射；根据业务需求创建调度策略，包括先来先服务、负载均衡、技能优先、熟客优先、随机等策略，调度策略集可不限于这5种策略，还可以是包含所述5种策略中一部分的策略子集或以所述5种策略为关键策略的超集，所述5种调度策略如下表4所示：

表4 调度策略

构造状态集到策略集幂集的映射，使每个系统状态均对应一组调度策略，就步骤3中的5种状态与所述5种策略而言，可建立状态与策略之间的对应关系如下表5所示：

表5 系统状态与调度策略对应关系

步骤5，客户进入系统请求服务，选择业务类型并与机器人对话，客户要求转人工客服后进入时序队列temporalQueue等待调度，并开始计算等待时间；

步骤6，根据时序队列中客户特征的取值，将客户分派至多队列中相应的特征子队列，以客户等级、业务类型两个特征为例，分派客户进入多队列中相应的特征子队列步骤如下(若特征数大于2，可按照以下步骤进行相应扩充)：

6-1)检测时序队列temporalQueue是否为空，如果temporalQueue为空，继续检测，如果temporalQueue不为空，执行步骤6-2)；

6-2)将temporalQueue的队首客户设为c；

6-3)获取c的等级c.a的值l₁；

6-4)获取c的业务类型c.b的值l₂；

6-5)在已建立的multiQueue中，根据l₁、l₂找到队列q；

6-6)将客户分派到队列q，返回步骤6-1)。

步骤7，客户进入多队列后，队列内遵循时间次序先来先服务；而队列外遵循队列优先级次序；综合考虑队列的优先级和客户当前等待的时间，从各个队列的队首客户中选取一位被调度客户；选择客户步骤如下：

7-1)输入多队列；

7-2)设置C、V两个m*n的二维数组，i、j为索引变量，变量z表示V[i,j]最大值，q、q’为初值为空的队列，令i＝1，z＝0；m为i的取值个数，n为j的取值个数；

7-3)如果i≤m，令j＝1，执行步骤7-4)；

7-4)如果j≤n，那么执行步骤7-5)；如果j>n，i＝i+1，返回步骤7-3)；

7-5)根据i、j找到相应的特征子队列，令其为q；

7-6)找到q的队首客户，令其为C[i,j]；

7-7)将客户C[i,j]等待时间C[i,j].t与最大等待时间MAXTIME进行归一化，并赋值给x；

7-8)将q的优先级对应的值赋给y；

7-9)计算出V[i,j]，V[i,j]＝δ*x+(1-δ)*y，0≤δ≤1，根据需求确定δ值；

7-10)如果V[i,j]大于z，则z＝V[i,j]，将q’变为q，如果V[i,j]小于z，则z、q’不变；

7-11)令j＝j+1，返回步骤7-4)；

7-12)将q’队首客户提取出，令其为c，输出客户c。

步骤8，判定系统状态，实时获取系统正在服务的客户人数n，系统实时排队人数m，预设最大服务容量N，根据历史数据计算出客户接受服务的平均时间T_N，客户平均等待时间期望值T_c，根据业务需求设置界限参数w、置信参数μ，实时计算客户等待时间总和的变化率

排队人数变化率

判定系统状态步骤如下：

8-1)获取正在服务人数n，排队人数m，系统预设的N、μ、w，客户接受服务的平均时间T_N，客户平均等待时间期望值T_c，计算客户等待时间总和的变化率

排队人数的变化率

8-2)判断n是否为0，如果n＝0，则此时状态为

如果n≥0，执行步骤8-3)；

8-3)判断n与μ*N的大小，如果n≤μ*N，执行步骤8-4，如果n>μ*N，执行步骤8-5)；

8-4)如果m>(1-μ)*N，此时状态为

如果0≤m≤(1-μ)*N，此时状态为

8-5)如果0≤m<w*T_C/T_N*N，此时状态为

如果m≥w*T_C/T_N*N且

此时状态为

步骤9，根据系统状态选择适合的调度策略，每个状态可对应一组调度策略，如果某组调度策略只含有一种策略，那么必须执行该策略；如果某组调度策略含有多种策略，则可根据业务需求选择其中一种或多种，例如在

状态下，如果业务需求为降低客户的等待时间，则选择先来先服务策略；如果业务需求为提升客服等级与客户等级匹配度，选择技能优先策略；如果业务需求为客服对客户有一定了解，则选择熟客优先策略。

步骤10，基于各调度策略筛选客服，选择客服人员s方法如下：

10-1)在所有客服的集合S中，筛选出技能组别s.B中含有客户业务类型c.b的所有客服，将这些客服组成一个集合S’；

10-2)如果系统状态是

此时可以根据策略P₂从集合S’中选出一个客服s；如果系统状态是

执行步骤10-3)；如果系统状态为

执行步骤10-5)；

10-3)判断客户c是不是VIP，如果客户c是VIP，那么根据策略P₃从集合S’中选出一个客服s，如果根据策略P₃无法选出客服，那么根据策略P₄再从S’中选，若仍然无法选出则使用策略P₅从客服集合S中选；如果客户不是VIP，执行步骤10-4)；

10-4)根据策略P₄再从S’中选客服s，若无法选出客服，执行步骤10-5)；

10-5)根据策略P₅直接从客服总集合S中选客服s；

10-6)输出客服s。

该方法中步骤5到步骤10须并行执行。

实施例

现以一个实施例对本发明方法进行进一步的详细说明。

步骤1，基于客户多特征偏序关系生成多队列multiQueue；实际业务数据显示，客户的主要特征为等待时间、客户等级、历史访问、业务类别，客户等级划分为VIP、普通客户、游客，根据实际业务，客户的业务类型包含故障报修、电能计量、电价电费、综合业务等；结合实际业务选择客户等级和业务类型两种特征生成多队列；如图2所示，建立2*2级偏序关系，生成了4个队列，业务的紧急程度等级设置为

两级，其中

即B₁类业务紧急程度高于B₂类业务；以实际业务为例，故障报修类业务属于B₁类业务集合，其紧急程度等级为

电能计量、电价电费、综合业务等不紧急业务可设置为B₂类业务集合，其紧急程度等级为

客户等级即客户重要性参数设置为

两级，

即G₁类客户重要性高于G₂类客户。以实际业务为例，VIP客户属于G₁类客户，普通客户和游客属于G₂类客户；所以，以

为例，其表示客户c为VIP且诉求业务最为紧急，其他组合以此类推，

队列的优先级高于

队列的优先级高于

队列的优先级为最低；

步骤2，构建客服池，所有客服组成客服池；客服主要特征为技能组别、坐席等级、最大接线数、阶段性总服务量，选择客服的技能组别为电力系统及设备故障报修、营业业务、电能计量、电价政策、电费管理、综合管理、供用电管理、电子渠道中的一个或多个组合，客户等级分3级：高级、中级、初级，这3个等级对应的最大接线数分别为2、5、3。

步骤3，划分系统状态，将系统状态划分成5种：起始状态、接线填充状态、低负荷状态、正常负荷状态、超负荷状态；设置系统最大容量N＝40，置信参数μ＝0.95，μ*N＝38，w＝1，客户平均等待时间期望值T_c＝60s,，客户接受服务的平均时间T_N＝120s，

当系统内被服务的客户人数为0，即n＝0时，系统处于起始状态

当正在服务人数n≤38时，比较正在排队人数m与2的大小，如果m>2，则此时为界限填充状态

如果m≤2，则此时为低负荷状态

当正在服务人数n>38时，比较正在排队人数m与20的大小，如果m≤20，则系统状态为正常负荷状态

如果m>20，且客户等待时间总和的变化率

大于排队人数变化率

则此时系统状态为超负荷状态

步骤4，根据业务需求建立调度策略集，并构造状态集到策略集幂集的映射；如发明内容中步骤4所述，根据业务需求提出5种调度策略：先来先服务策略、负载均衡策略、技能优先策略、熟客优先策略、随机策略；所述5种系统状态和5种策略的对应关系，与发明内容中步骤4所述一致。

步骤5，客户通过Web端、Android端、ios端、PC客户端、微信公众号、小程序端等进入对话页面，先与机器人对话，如果需要人工客服则选择业务类型后进入时序队列，开始计算等待时间。

步骤6，将时序队列temporalQueue中的客户根据客户等级和业务类型分派至已经生成的4个特征子队列中；系统不断检测时序队列temporalQueue是否为空，当时序队列内有客户时，提取时序队列的第一个客户，根据该客户的客户等级和业务类型，找到相应的特征子队列，将用户分派至该队列，分派完成后继续检测时序队列是否为空；例如客户c是时序队列首位，系统获取客户c的等级为VIP、业务类型为故障报修，则将客户c分派到

队列。

步骤7，从

4条特征子队列中，抽出各队列队首客户进行比较，根据队列的优先级和客户的等待时间选择被调度的客户；令

的队首客户为C[1,1]、

的队首客户为C[2,1]、

的队首客户为C[1,2]、

的队首客户为C[2,2]，将4位队首客户等待时间t与最大等待时间MAXTIME进行归一化，假设MAXTIME＝120s，C[1,1]的等待时间C[1,1].t＝30s，C[2,1]的等待时间C[1,1].t＝30s，C[1,2]的等待时间C[1,2].t＝60s，C[2,2]的等待时间C[2,2].t＝60s，归一化后的值分别为x₁₁＝0.25、x₂₁＝0.25、x₁₂＝0.5、x₂₂＝0.5，

队列优先级对应的值分别为y₁₁＝1、y₂₁＝0.8、y₁₂＝0.7、y₂₂＝0.6，令δ＝0.6，根据公式V[i,j]＝δ*x+(1-δ)*y计算出V[1,1]＝0.55、V[2,1]＝0.47、V[1,2]＝0.58、V[2,2]＝0.54，V[1,2]值最大，所以应取特征子队列

的队首客户。

步骤8，根据系统中正在服务人数n、排队人数m判定系统状态，判定状态方法如步骤3所述；例如此时正在服务人数为39人，排队人数为10人，此时系统状态为正常负荷状态

步骤9，根据已判定的系统状态选择相适应的策略；当前系统状态为正常负荷状态

可以选择先来先服务策略、技能优先策略、熟客优先策略；例如在

状态下，如果业务需求是降低客户的等待时间，则选择先来先服务策略；如果业务需求是提升客服等级与客户等级匹配度，选择技能优先策略；如果业务需求是客服对客户有一定了解，则选择熟客优先策略。

步骤10，根据选择的策略选择客服；当前客户c客户等级为VIP、业务类别为故障报修，先把所有技能组别中含有故障报修的客服找出来，因为客户c是VIP所以优先使用技能优先策略，如果此时所有能处理故障报修业务的高级客服没有空闲坐席，那么使用熟客优先策略，在能处理故障报修业务的所有客服中寻找服务过客户c的客服，如果还找不到，那么直接选一个能够处理故障报修业务的客服。

本发明提供了一种在线客服系统的智能调度方法，适用于各行各业的在线客服系统。在该方法中，先根据客户特征构建优先级客户多队列，并根据在线客服系统特征划分系统状态，再根据系统状态选择合适的调度策略，然后使用调度策略来适配客户与客服。本发明通过应用调度策略使客户业务与客服技能、客户与客服等级以及客服与熟客之间高度匹配，既可降低客户等待时间，又能提升服务质量；还能合理分配客服资源，使客服坐席之间负载均衡，以实现客服坐席之间公平性并提高客服系统效率；从而提升在线客服系统的服务质量与工作效率。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，例如将在线客服系统状态集改为所述5种状态的子集或以所述5种状态为关键状态的超集，各状态对应调度策略增加或减少，以所述调度方法为关键内容对调度方法步骤的增加、删减和改进等，这些改进和变形也应视为本发明的保护范围。

Claims (1)

1.一种在线客服系统的智能调度方法，其特征在于，包括：

选取被调度客户，包括：

客户进入在线客服系统请求服务，转人工客服后进入时序队列temporalQueue等待调度，并开始计算等待时间；

根据时序队列temporalQueue中客户特征的取值，将客户分派至多队列multiQueue中相应的特征子队列，包括：

2-1)检测时序队列temporalQueue是否为空，如果temporalQueue为空，继续检测，如果temporalQueue不为空，执行步骤2-2)；

2-2)将temporalQueue的队首客户设为c；

2-3)获取c的客户等级c.a的值l₁；

2-4)获取c的业务类型c.b的值l₂；

2-5)在已建立的多队列multiQueue中，根据l₁、l₂找到队列q；

2-6)将客户分派到队列q，返回步骤2-1)；

所述多队列multiQueue的建立过程，包括：

3-1)输入客户等级数s，业务类型紧急度数p，i、j为索引变量，令i＝1；

3-2)初始化多队列multiQueue；

3-3)如果i≤s，令j＝1，执行步骤3-4)；如果i>s，执行步骤3-8)；

3-4)如果j≤p，执行步骤3-5)；如果j>p，令i＝i+1，返回步骤3-3)；

3-5)创建当前i、j对应的优先级队列，并将创建的队列赋给q，执行下一步；

3-6)将multiQueue和q取并集作为新的multiQueue；

3-7)j＝j+1，返回步骤3-4)；

3-8)多队列构建完成，输出multiQueue；

从各个特征子队列的队首客户中选取一位被调度客户，包括：

4-1)初始化多队列multiQueue；

4-2)设置C、V两个m*n的二维数组，i、j为索引变量，m为i的取值个数，n为j的取值个数，变量z表示V[i,j]最大值，设置q、q’为初值为空的特征子队列，令i＝1，z＝0；

4-3)如果i≤m，令j＝1，执行步骤4-4)；

4-4)如果j≤n，则执行步骤4-5)；如果j>n，i＝i+1，返回步骤4-3)；

4-5)根据i、j找到相应的特征子队列，令其为q；

4-6)找到q的队首客户，令其为C[i,j]；

4-7)将客户C[i，j]等待时间C[i，j].t与最大等待时间MAXTIME进行归一化，并赋值给x；

4-8)将特征子队列q的优先级对应的值赋给y；

4-9)计算V[i，j]，

V[i，j]＝δ*x+(1-δ)*y，

其中，0≤δ≤1，根据需求确定δ值；

4-10)如果V[i，j]大于z，则z＝V[i，j]，将q’变为q，如果V[i，j]小于z，则z、q’不变；

4-11)令j＝j+1，返回步骤4-4)；

4-12)将特征子队列q’队首客户提取出，令其为c，输出客户c；

选择客服人员，包括：

判定系统状态，包括：

5-1)获取当前系统正在服务的客户人数n，系统实时等待人数m，系统预设最大服务容量N，置信参数μ，界限参数w，客户接受服务的平均时间T_N，客户平均等待时间期望值T_c，计算客户等待时间总和的变化率

和排队人数的变化率

所述客户等待时间总和的变化率

计算如下：

其中，

表示

时刻所有客户等待时间总和，

表示在

采样时间内所有客户等待时间总和的增量，

表示在

果样时间内所有客户等待时间总和的增量；

所述排队人数的变化率

计算如下：

其中，

为

时刻多队列中的排队人数，

为

时刻的排队人数，

为

时刻的排队人数；

5-2)判断n是否为0，如果n＝0，则此时系统状态为

如果n≥0，执行步骤5-3)；

5-3)判断n与μ*N的大小，如果n≤μ*N，执行步骤5-4)，如果n＞μ*N，执行步骤5-5)；

5-4)如果m＞(1-μ)*N，则此时系统状态为

如果0≤m≤(1-μ)*N，则此时系统状态为

5-5)如果0≤m＜w*T_C/T_N*N，则此时系统状态为

如果m≥w*T_C/T_N*N且

则此时系统状态为

所述系统状态

定义如下：

为起始状态，

表示接线填充状态，

表示低负荷状态，

表示正常负荷状态，

表示超负荷状态；

根据系统状态选择调度策略，包括：

所述系统状态与调度策略的对应关系如下：

系统状态

对应调度策略P₁，P₂；

系统状态

对应调度策略P₁，P₂；

系统状态

对应调度策略P₁，P₂；

系统状态

对应调度策略P₁，P₃，P₄，P₅；

系统状态

对应调度策略P₁，P₅；

所述调度策略定义如下表：

根据调度策略选择客服人员，包括：

8-1)在所有客服的集合S中，筛选出技能组别s.B中含有业务类型c.b的所有客服，组成一个集合S’；

8-2)如果系统状态是

则根据策略P₂从集合S’中选出一个客服s；如果系统状态是

执行步骤8-3)；如果系统状态为

执行步骤8-5)；

8-3)判断客户c是不是VIP，如果客户c是VIP，则根据策略P₃从集合S’中选出一个客服s，如果根据策略P₃无法选出客服，则根据策略P₄从集合S’中选出客服，若仍然无法选出则使用策略P₅从集合S中选出客服；如果客户不是VIP，执行步骤8-4)；

8-4)根据策略P₄从集合S’中选出客服s，若无法选出客服，则执行步骤8-5)；

8-5)根据策略P₅直接从集合S中选出客服s；

8-6)输出客服s；

采用所选择的客服人员服务所述调度客户。

Images