CN113159715A - 客服坐席排班方法、系统、电子装置和存储介质 - Google Patents

客服坐席排班方法、系统、电子装置和存储介质 Download PDF

Info

Publication number
CN113159715A
CN113159715A CN202110367674.5A CN202110367674A CN113159715A CN 113159715 A CN113159715 A CN 113159715A CN 202110367674 A CN202110367674 A CN 202110367674A CN 113159715 A CN113159715 A CN 113159715A
Authority
CN
China
Prior art keywords
scheduling
data
model
solving
file
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110367674.5A
Other languages
English (en)
Other versions
CN113159715B (zh
Inventor
嵇望
梁青
丁允
王伟凯
钱艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Yuanchuan New Technology Co ltd
Original Assignee
Hangzhou Yuanchuan New Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Yuanchuan New Technology Co ltd filed Critical Hangzhou Yuanchuan New Technology Co ltd
Priority to CN202110367674.5A priority Critical patent/CN113159715B/zh
Publication of CN113159715A publication Critical patent/CN113159715A/zh
Application granted granted Critical
Publication of CN113159715B publication Critical patent/CN113159715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • G06Q10/1097—Task assignment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种客服坐席排班方法、系统、电子装置和存储介质，其中，该客服坐席排班方法包括：获取历史话务数据。根据预设参数，基于历史话务数据对排班周期进行话务预测，得到预测话务量，将预测话务量转化为时段需求人力，作为排班基础数据。根据预设的排班坐席需求规则和排班基础数据，构建线性规划模型，生成模型文件及数据文件。通过线性求解算法对模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。通过本申请，解决了现有的自动化排班方法无法求解到最优排班方案的问题，该求解到的最优排班方案能同时满足服务指标和坐席需求。

Description

客服坐席排班方法、系统、电子装置和存储介质
技术领域
本申请涉及数据处理技术领域，特别是涉及客服坐席排班方法、系统、电子装置和存储介质。
背景技术
随着经济的高速发展，客服中心的业务量也日益增加，客服中心的坐席规模也越来越大，手工排班方式已经无法满足当下的服务指标和坐席需求，从而自动化排班逐渐成为实现客服中心高效率运营管理、保证客户服务质量的重要手段。
在现有技术中，常常采用“二步排班”或随机算法求解自动化排班问题，比如遗传算法、粒子群算法等，但是自动化排班往往涉及较多的排班因素和维度，最终都无法获得全局最优解，使得排班效果差强人意。
目前针对现有的自动化排班方法无法求解到最优排班方案的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种客服坐席排班方法、系统、电子装置和存储介质，以至少解决现有的自动化排班方法无法求解到最优排班方案的问题。
第一方面，本申请实施例提供了一种客服坐席排班方法，所述方法包括：
获取历史话务数据；
根据预设参数，基于所述历史话务数据对排班周期进行话务预测，得到预测话务量，将所述预测话务量转化为时段需求人力，作为排班基础数据；
根据预设的排班坐席需求规则和所述排班基础数据，构建线性规划模型，生成模型文件及数据文件；
通过线性求解算法对所述模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。
在其中一些实施例中，所述获取历史话务数据，包括：
从话务平台获取历史话务数据。
在其中一些实施例中，所述根据预设的排班坐席需求规则和所述排班基础数据，构建线性规划模型，生成模型文件及数据文件，包括：
根据所述预设的排班坐席需求规则和所述排班基础数据，确定拟合目标；
根据所述预设的排班坐席需求规则，确定影响所述拟合目标的决策变量和已知数据常量，基于所述已知的数据常量生成数据文件；
根据所述预设的排班坐席需求规则和所述拟合目标，将所述决策变量划分为软约束决策变量和强约束决策变量，根据所述软约束决策变量和所述拟合目标之间的函数关系，确定目标函数；
根据所述预设的排班坐席需求规则，将所述决策变量所受限制条件确定为所述目标函数所要满足的约束条件，生成模型文件。
在其中一些实施例中，所述将所述决策变量所受限制条件确定为所述目标函数关系所要满足的约束条件，生成模型文件，包括：
基于所述目标函数关系所要满足的约束条件，分别构建线性规划模型，生成模型文件。
在其中一些实施例中，所述通过线性求解算法对所述模型文件和数据文件进行求解，包括：
通过单纯形法对所述模型文件和数据文件进行求解。
第二方面，本申请实施例提供了一种客服坐席排班系统，所述系统包括：数据获取模块、话务预测模块、模型构建模块和模型求解模块：
所述数据获取模块，用于获取历史话务数据；
所述话务预测模块，用于根据预设参数，基于所述历史话务数据对排班周期进行话务预测，得到预测话务量，将所述预测话务量转化为时段需求人力，作为排班基础数据；
所述模型构建模块，用于根据预设的排班坐席需求规则和所述排班基础数据，构建线性规划模型，生成模型文件及数据文件；
所述模型求解模块，用于通过线性求解算法对所述模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。
在其中一些实施例中，所述模型构建模块构建线性规划模型，包括：
根据所述预设的排班坐席需求规则和所述排班基础数据，确定拟合目标；
根据所述预设的排班坐席需求规则，确定影响所述拟合目标的决策变量和已知数据常量，基于所述已知的数据常量生成数据文件；
根据所述预设的排班坐席需求规则和所述拟合目标，将所述决策变量划分为软约束决策变量和强约束决策变量，根据所述软约束决策变量和所述拟合目标之间的函数关系，确定目标函数；
根据所述预设的排班坐席需求规则，将所述决策变量所受限制条件确定为所述目标函数所要满足的约束条件，生成模型文件。
在其中一些实施例中，所述模型求解模块包括求解单元和排班单元：
所述求解单元，用于通过线性求解算法对所述模型文件和数据文件进行求解，得到求解结果；
所述排班单元，用于根据所述求解结果输出客服坐席排班方案。
第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的客服坐席排班方法。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的客服坐席排班方法。
相比于相关技术，本申请实施例提供的客服坐席排班方法，通过排班坐席需求和时段人力需求进行全局建模，并采用线性求解算法进行求解，得到全局最优解，从而得到最优的客服坐席排班方案，能同时满足服务指标和排班需求，具有较强的通用性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的客服坐席排班方法的应用环境示意图；
图2是根据本申请实施例的客服坐席排班方法的流程图；
图3是根据本申请实施例的客服坐席排班求解方法的流程示意图；
图4是根据本申请实施例的客服坐席排班系统的结构框图；
图5是根据本申请实施例的模型求解模块的内部结构示意图；
图6是根据本申请实施例的电子设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请提供的客服坐席排班方法，可以应用于如图1所示的应用环境中，图1是根据本申请实施例的客服坐席排班方法的应用环境示意图，如图1所示。其中，终端102与服务器104通过网络进行通信。服务器104从终端102获取历史话务数据和预设的排班坐席需求规则，服务器104完成建模和求解之后，输出客服排班坐席方案，并将该客服坐席方案发送至终端102。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。用户可通过终端102上传预设的排班坐席需求规则和历史话务数据至服务器104，当然，服务器104也可从话务平台直接获取历史话务数据，终端102仅需要上传排班坐席需求规则即可。
本实施例提供了一种客服坐席排班方法，图2是根据本申请实施例的客服坐席排班方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取历史话务数据。本实施例中，通过获取历史话务数据，可以获得历史话务量，为后续预测未来的话务量提供数据支持；
步骤S202，根据预设参数，基于历史话务数据对排班周期进行话务预测，得到预测话务量，将预测话务量转化为时段需求人力，作为排班基础数据。具体地，预设参数包括预测周期(开始时间-结束时间)、节假日信息、特殊事件信息。通过预测话务量，可确定每个时段的服务需求量，从而确定每个时段需要的人力(客服坐席)。以时段需求人力作为排班基础数据，可保证服务需求和排班坐席相适应。
步骤S203，根据预设的排班坐席需求规则和排班基础数据，构建线性规划模型，生成模型文件及数据文件。本实施例中，采用线性规划模型，对排班坐席需求规则进行全局建模，利用0-1整数规划模型构建客服坐席排班问题，能避免现有技术的“二步排班”建模问题对全局最优解造成的弊端。基于排班坐席需求规则和排班基础数据，建立线性规划模型，以拟合排班坐席需求和服务需求，实现客服领域的自动化排班，满足服务指标和坐席需求指标。具体地，上述预设的排班坐席需求规则为：基于具体情况，预先整合客服中心的排班需求，包含已知排班需求、排班目标和排班约束条件等。基于该预设的排班坐席需求规则，可以确定排班目标、影响排班目标的决策变量和已知的数据常量，基于决策变量，可以确定排班目标和决策变量之间的目标函数，并确定目标函数所要满足的约束条件，对各约束条件选择合适的线性规划模型进行建模，得到模型文件，从而将排班问题转换为线性规划模型的求解问题。
步骤S204，通过线性求解算法对模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。通过线性求解算法通过数据文件中的数据，对模型文件中的线性规划模型进行求解，能得到全局最优解，该最优解为决策变量的取值，基于该最优解，确定客服坐席排班方案。
通过上述步骤S201至步骤S204，本实施例基于每时段需求人力和排班需求，构建线性规划模型，以进行全局建模，将排班问题转换为线性规划问题，并基于线性求解算法对线性规划模型进行求解，能得到兼顾服务指标和坐席需求的全局最优解，从而得到最优的客服排班坐席方案。与现有技术相比，能避免现有的“二步排班”或随机算法求解，无法得到全局最优解的弊端。
需要说明的是，本实施例的建模思路不仅适用于客服领域的自动化排班，还适用于其他领域的优化问题。
在其中一些实施例中，获取历史话务数据，包括：从话务平台获取历史话务数据。从坐席的话务平台自动获取历史话务数据，用于话务预测，以预测未来时段的人力需求。
在其中一些实施例中，根据预设的排班坐席需求规则和排班基础数据，构建线性规划模型，生成模型文件及数据文件，包括：根据预设的排班坐席需求规则和排班基础数据，确定拟合目标；根据预设的排班坐席需求规则，确定影响拟合目标的决策变量和已知数据常量，基于已知的数据常量生成数据文件；根据预设的排班坐席需求规则和所述拟合目标，将决策变量划分为软约束决策变量和强约束决策变量，根据软约束决策变量和拟合目标之间的函数关系，确定目标函数；根据预设的排班坐席需求规则，将决策变量所受限制条件确定为目标函数所要满足的约束条件，生成模型文件。
在其中一些实施例中，将决策变量所受限制条件确定为所述目标函数关系所要满足的约束条件，生成模型文件，包括：
基于目标函数关系所要满足的约束条件，分别构建线性规划模型，生成模型文件。
具体地，为便于理解建模过程，在此提供针对某客服中心的建模步骤，该某客服中心的预设的排班坐席需求规则，如下表所示：
Figure BDA0003007958390000061
Figure BDA0003007958390000071
那么，针对上表，可以建立线性规划模型，其标准形式为：
maxz＝c1x1+c2x2+…+cnxn
Figure BDA0003007958390000072
首先，根据上述预设的排班坐席需求规则，确定已知的数据常量：
(1)i表示周期天序号，i＝1,2,3...30；
(2)j表示周期内参排班组序号，j＝1,2,3...74；
(3)k表示周期内班次序号，k＝1,2,3...11；
(4)t表示每天的时段序号(按30分钟精度)，t＝1,2,3...48；
(5)restN表示本周期休息天数；
(6)c1为目标函数权值；
(7)每天每时段需求班组数Needit；
(8)每班次每时段是否在岗IF_workkt＝0or 1；
(9)每天是否三薪日IF_sanxini＝0or 1；
(10)每班次期望班组数下限HopeBanciNumk；
然后，根据上述预设的排班坐席需求规则，确定决策变量
(1)每天每班组每班次是否上班，xijk＝0or 1；
(2)每天每时段安排班组数，Setit；
(3)X,A,B每天是否安排在同中心，IF_samecenteri＝0or 1，若安排在同中心则为：1，否则为：0；
(4)每天每班组是否标记减休，IF_sanxinWorkij，若为三薪日，且该班组当天上班，则为：1，否则为：0；
(5)每种班次的上限和下限:
A_lower；A_upper；B_lower；B_upper；
C_lower；C_upper；D_lower；D_upper；
G_lower；G_upper；E_lower；E_upper；
H_lower；H_upper；N_lower；N_upper；
Z_lower；Z_upper；X_lower；X_upper；
(6)每天每班组双休情况，Double_breakij＝0or 1，若为双休，则为：1，否则为：0；
(7)轮换规则对应决策变量；
然后，确定目标的已知的数据常量和决策变量之后，根据上表可确定需求9为软约束，且可求最大值，故将其确定为目标函数：
Figure BDA0003007958390000081
最后，确定目标函数的约束条件：
首先，目标函数涉及到的决策变量Setit需要满足的约束条件，根据人员利用率，避免时段人员浪费，基于排班基础数据，每天每时段安排班组数小于等于需求班组数，故约束条件为：
Setit≤Needit(i＝1...30,t＝1...48) (式2)
Setit≤Needit(i＝1...30,t＝1...48) (式3)
式1-式3为已构建的线性规划模型。
然后，决策变量xijk需要满足的约束条件，对应上表，针对需求12、15、20、22，直接通过∑，即可完成建模，分别如下：
Figure BDA0003007958390000091
Figure BDA0003007958390000092
Figure BDA0003007958390000093
Figure BDA0003007958390000094
针对其他需求，可以通过y＝ax+b进行建模，比如，休后面不能接A和B，那么将第i天是否上休作为x，当上休，则x＝1,当不上休，则x＝0；第i+1天是否上A或B作为y,若上A或B，则为1，否则为0；因此，有如下情况：(1,0)，(1,1)，(0,0)，(0,1)，其中(1,1)被禁止，其余情况被允许；因此,只要X+Y≤1,就能将(1,1)规避掉，故模型约束如下：
Figure BDA0003007958390000095
同理，需求27：x必须接休休，也可用该思路进行建模，具体如下：
将第i天是否上班次X记为：a，若上，则a＝1，否则a＝0，将第i+1天和第i+2天是否都上休作为：b，若都上则b＝2，若不都上则b＝0或1。此时，只要2x≤y≤2，即可满足需求，得到模型约束条件如下：
Figure BDA0003007958390000096
Figure BDA0003007958390000097
同理，类似需求，建模时均可采用上述思路，在此不再赘述。
当其他需求不能用上述所列举的方法进行建模时，可采用ax+by+cz+d＝0来建模，比如：三薪日若上班，则少休息一天；我们将第i天是否为三薪日作为：x，若是，则为：1，否则，为0；某班组第i天是否上班作为：y，若上班，则为1，否则，为0，某班组第i天是否标记减休作为：z，若标记，则为1，若不标记，则为0，会出现如下情况：
(1，1，1)(允许)，(1，0，0)(允许)，(0，1，0)(允许)，(0，0，0)(允许)，(1，1，0)(避免)，(1，0，1)(避免)，(0，1，1)(避免)，(0，0，1)(避免)。
基于上述情况，可以通过已知三点求三个面的方程，分别得到z≤y，z≤x，z≥x+y-1，得到模型约束条件如下：
IF_sanxinWorkij≤IF_sanxini(i＝1，2，...，30，j＝1，2，...，74)
Figure BDA0003007958390000101
Figure BDA0003007958390000102
Figure BDA0003007958390000103
同理，针对轮换规则的建模可以参照上述方法建模方式，在此不再赘述。通过上述三种建模方式的独立或组合，可以将预设的排班坐席需求规则(需求列表)逐一进行建模，得到模型文件和数据文件。
在其中一些实施例中，通过单纯形法对所述模型文件和数据文件进行求解，能克服随机算法求解导致的局部收敛的问题，得到最优解，从而得到决策变量的取值，基于决策变量的取值后，可通过应用层转换为最优的客服坐席排班方案。采用单纯形算法对线性规划问题进行求解，其实现流程图如图3所示，对原问题增加m个人工变量构造辅助问题，判断辅助问题最优值g是否等于0，若否，则无解，停止求解，若是，则继续判断人工变量xj是否为非基变量，若否，则把该人工变量对应的列从单纯形表中删除，得到初始可行基B，若是，则进行换基迭代得到新矩阵B，然后继续判断，新矩阵B中是否有人工变量，若是，则返回判断，人工变量xj是否为非基变量，若否，得到初始可行基B，根据初始可行基B求对应典式和检验数ξ，判断ξk(第k个检验数)是否小于或等于0，若是，则得到最优解，若否，则判断Ak是否小于或等于0，若是，则问题无解，若否，则进行换基迭代，得到新基，基于新基，返回再次执行对应典式和检验数ξ。
在其他实施例中，也可选择其他线性求解算法替换单纯形法进行线性规划模型的求解。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种客服坐席排班系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的客服坐席排班系统的结构框图，如图4所示，该系统包括第二方面，本申请实施例提供了一种客服坐席排班系统，所述系统包括：数据获取模块41、话务预测模块42、模型构建模块43和模型求解模块44；其中，数据获取模块41，用于获取历史话务数据；话务预测模块42，用于根据预设参数，基于历史话务数据对排班周期进行话务预测，得到预测话务量，将预测话务量转化为时段需求人力，作为排班基础数据；模型构建模块43，用于根据预设的排班坐席需求规则和排班基础数据，构建线性规划模型，生成模型文件及数据文件；模型求解模块44，用于通过线性求解算法对模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。
在其中一些实施例中，模型构建模块43构建线性规划模型，包括：根据预设的排班坐席需求规则和所述排班基础数据，确定拟合目标；根据预设的排班坐席需求规则，确定影响所述拟合目标的决策变量和已知数据常量，基于所述已知的数据常量生成数据文件；根据预设的排班坐席需求规则和拟合目标，将决策变量划分为软约束决策变量和强约束决策变量，根据软约束决策变量和拟合目标之间的函数关系，确定目标函数；根据预设的排班坐席需求规则，将决策变量所受限制条件确定为目标函数所要满足的约束条件，生成模型文件。
在其中一些实施例中，如图5所示，模型求解模块44包括求解单元441和排班单元442，求解单元441，用于通过线性求解算法对模型文件和数据文件进行求解，得到求解结果；排班单元442，用于根据求解结果输出客服坐席排班方案。求解单元441可通过单纯形法求解模型文件中的线性规划模型，得到最终的决策变量，排班单元442基于最终的决策变量，生成并输出客服坐席排班方案。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取历史话务数据。
S2，根据预设参数，基于历史话务数据对排班周期进行话务预测，得到预测话务量，将预测话务量转化为时段需求人力，作为排班基础数据。
S3，根据预设的排班坐席需求规则和排班基础数据，构建线性规划模型，生成模型文件及数据文件。
S4,通过线性求解算法对模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
另外，结合上述实施例中的客服坐席排班方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种客服坐席排班方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种客服坐席排班方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
在一个实施例中，图6是根据本申请实施例的电子设备的内部结构示意图，如图6所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图6所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种客服坐席排班方法，数据库用于存储数据。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种客服坐席排班方法，其特征在于，所述方法包括：
获取历史话务数据；
根据预设参数，基于所述历史话务数据对排班周期进行话务预测，得到预测话务量，将所述预测话务量转化为时段需求人力，作为排班基础数据；
根据预设的排班坐席需求规则和所述排班基础数据，构建线性规划模型，生成模型文件及数据文件；
通过线性求解算法对所述模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。
2.根据权利要求1所述的方法，其特征在于，所述获取历史话务数据，包括：
从话务平台获取历史话务数据。
3.根据权利要求1所述的方法，其特征在于，所述根据预设的排班坐席需求规则和所述排班基础数据，构建线性规划模型，生成模型文件及数据文件，包括：
根据所述预设的排班坐席需求规则和所述排班基础数据，确定拟合目标；
根据所述预设的排班坐席需求规则，确定影响所述拟合目标的决策变量和已知数据常量，基于所述已知的数据常量生成数据文件；
根据所述预设的排班坐席需求规则和所述拟合目标，将所述决策变量划分为软约束决策变量和强约束决策变量，根据所述软约束决策变量和所述拟合目标之间的函数关系，确定目标函数；
根据所述预设的排班坐席需求规则，将所述决策变量所受限制条件确定为所述目标函数所要满足的约束条件，生成模型文件。
4.根据权利要求3所述的方法，其特征在于，所述将所述决策变量所受限制条件确定为所述目标函数关系所要满足的约束条件，生成模型文件，包括：
基于所述目标函数关系所要满足的约束条件，分别构建线性规划模型，生成模型文件。
5.根据权利要求1所述的方法，其特征在于，所述通过线性求解算法对所述模型文件和数据文件进行求解，包括：
通过单纯形法对所述模型文件和数据文件进行求解。
6.一种客服坐席排班系统，其特征在于，所述系统包括：数据获取模块、话务预测模块、模型构建模块和模型求解模块：
所述数据获取模块，用于获取历史话务数据；
所述话务预测模块，用于根据预设参数，基于所述历史话务数据对排班周期进行话务预测，得到预测话务量，将所述预测话务量转化为时段需求人力，作为排班基础数据；
所述模型构建模块，用于根据预设的排班坐席需求规则和所述排班基础数据，构建线性规划模型，生成模型文件及数据文件；
所述模型求解模块，用于通过线性求解算法对所述模型文件和数据文件进行求解，并基于求解结果输出客服坐席排班方案。
7.根据权利要求6所述的系统，其特征在于，所述模型构建模块构建线性规划模型，包括：
根据所述预设的排班坐席需求规则和所述排班基础数据，确定拟合目标；
根据所述预设的排班坐席需求规则，确定影响所述拟合目标的决策变量和已知数据常量，基于所述已知的数据常量生成数据文件；
根据所述预设的排班坐席需求规则和所述拟合目标，将所述决策变量划分为软约束决策变量和强约束决策变量，根据所述软约束决策变量和所述拟合目标之间的函数关系，确定目标函数；
根据所述预设的排班坐席需求规则，将所述决策变量所受限制条件确定为所述目标函数所要满足的约束条件，生成模型文件。
8.根据权利要求6所述的系统，其特征在于，所述模型求解模块包括求解单元和排班单元：
所述求解单元，用于通过线性求解算法对所述模型文件和数据文件进行求解，得到求解结果；
所述排班单元，用于根据所述求解结果输出客服坐席排班方案。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至5中任一项所述的客服坐席排班方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至5中任一项所述的客服坐席排班方法。
CN202110367674.5A 2021-04-06 2021-04-06 客服坐席排班方法、系统、电子装置和存储介质 Active CN113159715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110367674.5A CN113159715B (zh) 2021-04-06 2021-04-06 客服坐席排班方法、系统、电子装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110367674.5A CN113159715B (zh) 2021-04-06 2021-04-06 客服坐席排班方法、系统、电子装置和存储介质

Publications (2)

Publication Number Publication Date
CN113159715A true CN113159715A (zh) 2021-07-23
CN113159715B CN113159715B (zh) 2023-04-28

Family

ID=76888788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110367674.5A Active CN113159715B (zh) 2021-04-06 2021-04-06 客服坐席排班方法、系统、电子装置和存储介质

Country Status (1)

Country Link
CN (1) CN113159715B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762641A (zh) * 2021-09-18 2021-12-07 中国银行股份有限公司 人工客服智能调度方法、装置、电子设备及存储介质
CN113807597A (zh) * 2021-09-23 2021-12-17 中国工商银行股份有限公司 网点排班方法、装置、设备及存储介质
CN114118792A (zh) * 2021-11-25 2022-03-01 中国建设银行股份有限公司 集中作业中心的排班预测方法以及排班预测装置
CN116128558A (zh) * 2022-11-30 2023-05-16 北京伽睿智能科技集团有限公司 一种智能排班时序预测方法、系统、设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1402133A (zh) * 2002-09-13 2003-03-12 中国人民解放军国防科学技术大学 一种面向路径的测试数据自动生成方法
US20050240465A1 (en) * 2004-04-27 2005-10-27 Kiran Ali S System and method for workforce requirements management
CN101541030A (zh) * 2009-05-06 2009-09-23 华为技术有限公司 基于支持向量机的数据预测方法和设备
US20110077994A1 (en) * 2009-09-30 2011-03-31 International Business Machines Corporation Optimization of workforce scheduling and capacity planning
CN102056182A (zh) * 2010-12-13 2011-05-11 哈尔滨工业大学 一种基于ls-svm的移动话务量预测方法
CN102542404A (zh) * 2011-12-09 2012-07-04 中国南方航空股份有限公司 一种机组排班方法及实现该机组排班方法的系统
CN103297626A (zh) * 2013-05-20 2013-09-11 杭州远传通信技术有限公司 排班方法及装置
CN104021502A (zh) * 2014-04-30 2014-09-03 海南电网公司 一种适用于风雨气候条件下电网失负荷风险评估方法
CN106297414A (zh) * 2015-06-05 2017-01-04 北京航空航天大学 航班流量的调控方法和装置
CN107713995A (zh) * 2017-11-15 2018-02-23 陕西师范大学 一种基于惩罚算法的生物发光断层成像光源重建方法
KR20180041857A (ko) * 2016-10-17 2018-04-25 삼성에스디에스 주식회사 다중 콘텐츠 재생 장치 환경의 콘텐츠 스케줄링 방법 및 장치
CN108551533A (zh) * 2018-03-09 2018-09-18 平安普惠企业管理有限公司 一种客服坐席的排班方法、存储介质和服务器
CN112564152A (zh) * 2020-12-11 2021-03-26 国网重庆市电力公司营销服务中心 一种面向充电站运营商的储能优化配置方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1402133A (zh) * 2002-09-13 2003-03-12 中国人民解放军国防科学技术大学 一种面向路径的测试数据自动生成方法
US20050240465A1 (en) * 2004-04-27 2005-10-27 Kiran Ali S System and method for workforce requirements management
CN101541030A (zh) * 2009-05-06 2009-09-23 华为技术有限公司 基于支持向量机的数据预测方法和设备
US20110077994A1 (en) * 2009-09-30 2011-03-31 International Business Machines Corporation Optimization of workforce scheduling and capacity planning
CN102056182A (zh) * 2010-12-13 2011-05-11 哈尔滨工业大学 一种基于ls-svm的移动话务量预测方法
CN102542404A (zh) * 2011-12-09 2012-07-04 中国南方航空股份有限公司 一种机组排班方法及实现该机组排班方法的系统
CN103297626A (zh) * 2013-05-20 2013-09-11 杭州远传通信技术有限公司 排班方法及装置
CN104021502A (zh) * 2014-04-30 2014-09-03 海南电网公司 一种适用于风雨气候条件下电网失负荷风险评估方法
CN106297414A (zh) * 2015-06-05 2017-01-04 北京航空航天大学 航班流量的调控方法和装置
KR20180041857A (ko) * 2016-10-17 2018-04-25 삼성에스디에스 주식회사 다중 콘텐츠 재생 장치 환경의 콘텐츠 스케줄링 방법 및 장치
CN107713995A (zh) * 2017-11-15 2018-02-23 陕西师范大学 一种基于惩罚算法的生物发光断层成像光源重建方法
CN108551533A (zh) * 2018-03-09 2018-09-18 平安普惠企业管理有限公司 一种客服坐席的排班方法、存储介质和服务器
CN112564152A (zh) * 2020-12-11 2021-03-26 国网重庆市电力公司营销服务中心 一种面向充电站运营商的储能优化配置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡修武等: "考虑休班公平及同班次约束的呼叫中心排班优化问题", 《系统工程学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762641A (zh) * 2021-09-18 2021-12-07 中国银行股份有限公司 人工客服智能调度方法、装置、电子设备及存储介质
CN113807597A (zh) * 2021-09-23 2021-12-17 中国工商银行股份有限公司 网点排班方法、装置、设备及存储介质
CN114118792A (zh) * 2021-11-25 2022-03-01 中国建设银行股份有限公司 集中作业中心的排班预测方法以及排班预测装置
CN116128558A (zh) * 2022-11-30 2023-05-16 北京伽睿智能科技集团有限公司 一种智能排班时序预测方法、系统、设备及存储介质
CN116128558B (zh) * 2022-11-30 2024-02-13 北京伽睿智能科技集团有限公司 一种智能排班时序预测方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN113159715B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN113159715A (zh) 客服坐席排班方法、系统、电子装置和存储介质
CN108292241A (zh) 处理计算图
Biles et al. Kriging metamodeling in constrained simulation optimization: an explorative study
CN110889497B (zh) 一种人工智能处理器的学习任务编译方法及相关产品
CN114239951A (zh) 基于分层优化的卫星测控任务调度方法、装置和设备
CN110766145A (zh) 一种人工智能处理器的学习任务编译方法及相关产品
CN102624865A (zh) 集群负载预测方法及分布式集群管理系统
Li et al. Approximate dynamic programming approaches for appointment scheduling with patient preferences
Huang et al. A doctor recommendation algorithm based on doctor performances and patient preferences
CN110390047A (zh) 基于遗传算法的资源信息推荐方法、装置、终端及介质
CN116257363B (zh) 资源调度方法、装置、设备及存储介质
CN109816157A (zh) 项目计划优化方法、装置、计算机设备和存储介质
CN111310105B (zh) 一种确定用工方案的方法及装置
CN110766146B (zh) 一种人工智能处理器的学习任务编译方法及相关产品
CN112817721A (zh) 基于人工智能的任务调度方法、装置、计算机设备和介质
Song et al. Personalized federated learning with server-side information
EP3627349B1 (en) Re-computing pre-computed search results
CN112925723B (zh) 测试服务推荐方法、装置、计算机设备及存储介质
CN115269176A (zh) 任务分配方法、装置、计算机设备、存储介质和产品
CN114822863A (zh) 基于联邦学习系统的医疗数据分析方法、设备、存储介质和程序产品
Larsen A heuristic joint replinishment policy for the case of heterogeneity among items
CN112435021A (zh) 基于人工智能的交易请求处理方法、装置、设备和介质
Wang et al. A new resource discovery mechanism with negotiate solution based on agent in grid environments
US20230170082A1 (en) Method of predicting waiting days for a medical examination, apparatus for predicting waiting days for a medical examination, and computer program stored on recording medium for executing the method
CN117573382B (zh) 一种数据采集任务编排方法、装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 23 / F, World Trade Center, 857 Xincheng Road, Binjiang District, Hangzhou City, Zhejiang Province, 310051

Applicant after: Hangzhou Yuanchuan Xinye Technology Co.,Ltd.

Address before: 23 / F, World Trade Center, 857 Xincheng Road, Binjiang District, Hangzhou City, Zhejiang Province, 310051

Applicant before: Hangzhou Yuanchuan New Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant