客服中心智能排班系统设计方案说明

1、客服中心智能排班系统设计方案说明目 录一、工程概述3二、排班管理系统流程图4三、排班管理系统框架图5四、需求规格描述64.1历史话务统计64.2异动与规律84。3话务与人员预测94.4人员与班次114。5自动排班114.6绩效与报表12五、业务量与人员预测135。1日常数据的收集和统计135。2话务量清洗方法135。3预测基本原理和方法155。4业务量预测的最佳实践205。5人员需求预测方法21六、自动排班介绍236。1排班要求236。2自动排班方案236。3班组排班方案276。4机动班方案296.5遵时度方案30一、工程概述排班管理系统工程概述：1、收集并保留各种业务类型的历史业务量数据,包

2、括人工及自动语音接听量、总放弃量、平均通话时间、话后处理时间等. 2、具备科学严谨的业务量预测方法和步骤。 3、不晚于每年度12月完成对下一年度的长期预测，所预测的业务量需要精确到月. 4、不晚于每月度25日完成对下一个月度的短期预测，所预测的业务量需要精确到每日的每个小时时段。 5、在历史数据预测的基础上,应根据价格变动、临时任务、宣传活动等因素,以周为单位对短期业务量预测进行实时调整，并留存相关文档. 6、具备对短期业务量预测准确性的分析和管理机制。 7、根据短期预测数据进行人员的合理排班，并不晚于每月度25日完成对下一月度的人员排班。 8、能够根据对每一时段的业务量预测和服务水平要求,合

3、理安排人员数量与班次,实现人员数量与业务量的最佳匹配。9、员工排班符合国家相关法律法规和公司的相关规定，符合呼叫中心的业务特点及满足人员利用效率最大化的需求。二、排班管理系统流程图排班管理系统主要流程图:三、排班管理系统框架图排班管理系统整体框架图：四、需求规格描述本章分功能模块描述排班管理系统需求规格说明。4。1历史话务统计模块子功能功能项描述业务话务统计异常数据处理异常数据处理剔除异动话务数据，自动清洗异动话务数据，或人工剔除异动话务的数据。呼入量统计曲线时段呼入量统计（周报)以“周"为统计周期，每天一个曲线周期，按时段显示数据统计话务曲线，如图4。1所示。每日呼入量统计（月报)

4、以“月”为统计周期，每月一个曲线周期，按天显示每日日均数据统计话务曲线,如图4.2所示.每周呼入量统计(月报)以“月”为统计周期，每周一个曲线周期，每周按天显示每日日均数据统计话务曲线，如图4。3所示。每月呼入量统计(年报）以“年”为统计周期,每年一个曲线周期,按月显示一年之内每个月数据统计话务曲线，如图4。4所示。图4。1:以半小时为间隔的一周每日来话量模型图(2004年X月X日）图4。2：每月日均来话量模型图(2004年X月1日31日)图4。3:每周日均来话量模型图（2004年X月1日31日）图4。4：每月来话量模型图（2002年2004年)4.2异动与规律模块子功能功能项描述异动与规律类

5、别管理异动与规律类别管理类别管理定义异动话务与规律模型的类别属性,如“临时任务”、“特殊时期”等，方便对异动话务和规律模型进行分类管理以及应用。异动话务管理异动话务提示通过自动提示的异动话务，可便捷快速地将异动话务保存为规律模型，完善规律模型数据。异动标记记录“异动标记记录”记录的是从历史话务统计和话务预测中执行“标记异动话务"操作标记的异动话务，同时可将记录的异动话务转化成规律模型。数据规律模型规律模型管理对规律模型进行编辑、删除等管理操作，同时亦可手动添加规律模型。规律应用记录记录应用过的规律模型.4。3话务与人员预测模块子功能功能项描述话务与人员预测呼入量预测月份呼入量预测月度

6、预测参数计算与设置.包括有:月份业务增长预测系数，历史月份话务信息(指数,平均比率，时段比率）.并且可以对自动计算出的预测参数作修改与调整.1. 按照预测算法，得到月度业务量的预测结果图表。图例参见历史业务曲线图。2. 业务量预测结果调整，并留存相关文档,备注修改调整原因.1. 准确性分析：每月生成相应的“实际的话务量曲线图”,与“预测的话务量预测曲线图”对照,分析预测的准确性.2. 可查看全月每日的准确性对比，以及每日各时段的准确性对比，对预测值超出实际值设定偏差范围后给予提示。如图4。5和4。6所示。年度呼入量预测年度预测参数计算与设置.包括有：年度业务增长预测系数，月份比率，历史年份话务

7、数据。并且可以对自动计算出的预测参数作修改与调整.1. 按照预测算法，得到年度业务量的预测结果图表。图例参见历史业务曲线图.2. 业务量预测结果调整,并留存相关文档，备注修改调整原因。1. 准确性分析：每年生成相应的“实际的话务量曲线图”，与“预测的话务量预测曲线图”对照。2. 分析预测的准确性,对预测值超出实际值设定偏差范围后给予提示.如图4。7所示。人员需求预测月份人员需求预测月份班次参数设定（ErlangC参数设置），包括有：服务水平,平均处理时长.根据ErlangC计算各班次人员需求，以及对预测结果进行修改和调整.年度人员需求预测年度人员预测参数设定(Erlang-C参数设置)，包括有

8、：服务水平，平均处理时长，座席占用率。根据ErlangC计算各时段人员需求,以及对预测结果进行修改和调整。班次人员需求预测自动排班岗位的各班次人员预测结果与调整.图4。5:月份话务量预测准确性分析对比模型图4.6：每日话务量预测准确性分析对比模型图4.7：年度话务量预测准确性分析对比模型4.4人员与班次模块子功能功能项描述人员管理人员管理人员信息管理座席基本信息管理：增删改查。班组划分与管理班组划分与班组组员及组长的管理.岗位管理岗位信息管理岗位基本信息的管理，岗位排班设置管理.岗位班次管理各岗位对应班次的管理。4。5自动排班模块子功能功能项描述自动排班自动排班个性需求管理个性排班需求添加与管

9、理，自定义个性化排班。机动班管理设置管理机动班。排班表1. 排班因子调整,设定与修改排班算法与参数。2. 自动生成月度排班表,排班表样式如图4。8所示.调整排班结果,对自动排班结果进行调整和修改。3. 历史排班快照，对每一次生成的排班表保存相应的排班数据依据快照信息。4。6绩效与报表模块子功能功能项描述绩效与报表座席值班统计座席值班及遵时率统计座席值班统计报表。统计参数有：值班天数，休息天数,总工作时间，值各班次统计，遵时率。绩效与考核绩效与考核指标根据值班统计报表,计算人员工作质量与服务水平,设定绩效与考核指标,进行绩效考核.图4.9：每日时段报表五、业务量与人员预测5。1日常数据的收集和统

10、计1. 相关数据包括：通话时长，话后处理时长,平均处理时长，呼叫量,接听量，服务水平.2. 统计周期：时段、日、周、月、年。5.2话务量清洗方法1. 清洗粒度：以半小时话务量为最小清洗粒度。2. 清洗模型:原始话务量去除月指数影响，去除周指数影响,得到某一个时段的清洗参考基数后，再加回周指数和月指数的影响，得到清洗的数据范围，原始数据处于正常数据范围之外的为异常数据,即异动话务.3. 模型分解 （原始数据统计结果表：timespancallcounthistory， datecallcounthistory， yearcallcounthistory, week_total, year_tot

11、al）(1) 以年（自然年）为清洗单位，每一年计算一套清洗标准。则一年的数据总量为：112月每月总天数48个时段,按时段清洗.(2) 清洗X月份Y日（星期W）Z时段的话务数据（话务量为S）：² X月指数Cm = X月话务总量/全年月份话务总量均值；² Y日周指数Cw = X月星期W话务量均值/X月中星期一至日话务量均值的均值;清洗步骤： 去除月指数与周指数的影响,清洗参考值 ， 对于112月,每月Y日的清洗参考值都计算出来:A1A12, 对A1A12使用肖维勒准则（见附录)剔除异常的数据， 计算剔除了异常数据的A1A12的均值A'， 加回周指数与月指数的影响， 设R

12、为清洗度(可配置）,则若 ，则为正常数据，否则若为异常数据，需进一步修正, 对的数据，用参考值A替换S，修正数据，清洗完毕.备注:清洗度的确定跟呼叫中心的话务水平稳定程度有关，稳定程度高时，可设置更小的清洗度，稳定程度低时，应设置更大的清洗度.附录: 肖维勒准则，若满足其残余偏差：则属于异常数据，其中为样本期望，为样本标准差,为系数(查表）。 剔除异常数据之后，对剩余数据重新使用肖维勒准则剔除异常数据，循环判断直至不再有异常数据。wn系数表nwnnwnnwn31。38112252.3341。54122。03302。3951。65132.07402。4961。73142。1502。5871。81

13、52。131002。881。86162.1591.92182.2101.96202。24（当前月份清洗参照表：wfm_current_reference,清洗后结果表：timespan_remove_tran)4. 模型补充(1) 数据量不足一个清洗周期(自然年)时，采用移动周期的方法补足一个清洗周期的数据，以求得清洗参考值。例：假若系统初始安装时为2010年5月15日，原始的话务数据从2009年1月1日开始采集.那么清洗2009年的数据时，可用正常的清洗方法完成。而2010年的数据则需移动周期补充完整。具体方法如下表：时间1月1日4月30日5月1日12月31日2009每月话务总量M1M4M5

14、M122010每月话务总量N1N4N5N12(未知）计算平均月增长系数K（Nn/Mn的均值，即每个月增长的均值）,每完成一个自然月时,更新KM5M12相应放大K倍,得到N5N12特殊地: 运行之后每年的1月份，清洗1月份数据时，增长系数K为该年的年度增长系数,1月份完成后再使用月增长计算系数K； 初始安装时为1月份,清洗1月份数据时，此时并未指定年度增长系数,则需手工指定年度增长系数。(2) 所有原始话务数据,不足一年时，相应缩小清洗参考值的计算来源范围。例：假若系统初始安装是为2010年5月15日，原始的话务数据从2010年1月1日开始采集，那么，此时清洗参考值A不足12个，使用已经完成了的

15、自然月14月数据计算清洗参考值。以后每完成一个自然月重新计算一次.特殊地，若只有一个月的原始数据，不能完成清洗计算，提示至少需要一个完整月份的原始历史数据.5。3预测基本原理和方法1. 通过对历史数据的分析或假设可以反映未来趋势的系列预测，长期预测以月为单位预测整年的电话量，短期预测以小时为单位来预测近期的电话量。通过长期预测规划下一个年度的人员及系统配备，通过短期预测调整日常排班，合理安排员工工作.2. 历史业务数据准备(1) 剔除异动话务数据，使用话务量清洗方法剔除异动话务数据，得到不受异动话务影响的话务数据P。之后所有计算的数据依据均采用不受异动话务影响的话务数据P.(2) 对所有不受异

16、动话务影响的话务数据P,按其所属周几统计计算周指数,周指数每年按月份划分，每年每一个月一套周指数。Ø 计算C年X（X为”112”)月份周Y(Y为"一日"）指数的方法:统计计算P中C年X月份里周一周日的话务量均值W1W7，计算周Y的指数：VY=,其中Y, n=1，2，3，7。(3) 计算历史数据集P经过去除周指数影响的数据集P：（wfm_timespan_remove_effect,wfm_date_remove_effect,wfm_month_remove_effect，wfm_history_exponent）Ø 去除周指数影响的数据集P=，周指数V

17、为每一年相应月份的周指数.(4) 将去除周指数影响的数据集P 取最近三年数据,用加权平均得到一个包含一年时间的历史话务数据均值表O：(wfm_timespan_average，wfm_date_average,wfm_month_average，wfm_exponent_average）Ø O=Pc1K1 + P'c2K2 + Pc3（1K1K2），其中c表示预测年份,c1表示预测年份前一年,其他类推;K表示权重（K1 ，K2初始化为0。6， 0。3）.Ø 若只有最近两年数据，则：O=Pc1K1 + Pc2(1K1）,其中K1初始化为0。6。Ø 若只有最近

18、一年数据，则:O=P'。历史话务数据均值表O按照一年12个月份划分，并以每半小时为粒度保存话务数据.(5) 取最近三年的周指数V，用类似求均值表O的方法计算出一个预测周指数均值表Ov,一共对应112个月份,每个月份一套周指数。3. 业务量预测(1) 预测思路：预测值=历史均值增长系数周指数+规律模型变化值。（年度话务量预测相关表:yearcallcountforecast， wfm_year_forecast_modify, year_total， wfm_month_rate)(2) 年度话务量预测方法（预测粒度到每月话务总量）:² 年度话务总量R = 年度历史均值总量E（

19、由O计算）* 年度增长系数QR；(注1)² 每月话务总量 = 年度话务总量R 月份比率(由O计算）.注1：Ø 年度增长系数QR计算:(1) 移动平均法：预测年份之前每年相对于当时年总话务量均值的增长率的均值:QR=QR-1K1 + QR2K2 + QR-3(1K1K2）,其中c表示预测年份,c1表示预测年份前一年，其他类推;K表示权重(K1 ，K2初始化为0.6， 0.3)。(2) 指数平滑法:指数平滑法基本公式：St = ayt + （1a）St1 ， 其中St为时间t的平滑值，yt为时间t的实际值，St 1为时间t1的平滑值,a为平滑常数,其取值范围为0，1。预测计算年

20、度增长系数QR：Q'R=aQR（c1） +（1a） Q'R（c1） , 其中QR(c1）为实际增长参数,QR(c1）为预测值，平滑常数a初始化为0.6。使用指数平滑法计算年度增长系数。Ø 年度话务量预测数据不足的说明:如果历史话务数据不足,不能应用正常的预测模型，则需初始化年度预测相关系数,包括年度增长系数与各月份的月份比率，以完成年度话务量预测。例：年度话务量预测720000年度历史均值来话量总量x1。12年度增长系数806400预测年份的来话量x0。071X月份比率57254X月份的来话量总量注：比率是根据历史数据得出的实际比率，例如月份比率=当月来话量/全年来话

21、量(3) 月份话务量预测方法(预测粒度到每半小时话务量):（月份话务量预测相关表：wfm_month_forecast_source， wfm_month_forecast_modify, monthcallcountforecast， month_forecast_date, wfm_month_timespan_rate， wfm_month_day_rate， wfm_week_exponent）² 月份话务总量M = 月份历史均值总量（由O计算) 月份增长系数QM；（注2）² 每日话务总量D = 月话务总量M * 日期比率（由O计算）；² 每日话务总量周指

22、数修正值D = 每日话务总量D* 周指数Ov；² 时段话务量H =每日话务总量周指数修正值D' * 时段比率(由O计算）；² 最终预测值F = 时段话务量H +规律模型变化值.注2：Ø 月份增长系数QM的计算：(1) 移动平均法：由O中离预测月份最近的四个月份实际增长加权平均计算，因为预测周期为月,所以预测月份之前月份的实际增长系数已经可以得到：QM=QM（c1)K1 + QM（c-2)K2 + QM（c3） K3 + QM（c4）（1K1K2K3），其中c表示预测月份，c1表示预测月份前一月，其他类推；K表示权重(K1 ，K2，K3初始化为0。4， 0.

23、3， 0.2）。(2) 指数平滑法：预测计算月份增长系数QM：QM=aQM（c-1） +（1a) QM（c-1） ， 其中QM（c1)为实际增长参数，QM（c1)为预测值，平滑常数a初始化为0。6.使用指数平滑法计算月份增长系数。Ø 月份话务量预测数据不足的说明：若历史数据未够一个周期,则O不能完全由一年的时间构成，将已有数据的月份以每半小时统计计算得到历史数据均值O， O'按照号数得到均值，组成一个月份131日的历史数据均值;若数月份数据不足31天，则缺失的天数据采用已有日数据的均值。将由O计算的数据从O计算.例：月份话务量预测65000月份历史均值总量月份预测XXXX年X

24、月SMTWTFS12345678910111213141516171819202122232425262728293031比率0.050。210.170。160.160。150。10指数0。351。471。191。121.121。050。70x1。05M月份增长系数68250M月份预测话务总量x0.04D日日期来话量比率2730D日来话量x1。47D日周指数4013D日来话量修正值x0。055时段H的比率221预测出时段H的来话量+30时段H规律模型变化值251时段H最终预测来话量注:比率是根据历史数据得出的实际比率，例如日期比率=当日来话量/全月来话量平均比率=1/实际工作天数，即1/7=0

25、.143指数=比率/平均比率,即0.21/0。143=1。469(4) 增长系数的说明:以上公式中的增长系数是指相对于历史均值的增长（均值增长系数)，而不是相对于前期的同比增长（同比增长系数），而实际上用户需获取与操作的是同比增长。所以最后需计算出同比增长系数，用户操作的仍是实际意义上的同比增长系数:Ø 均值增长系数=；Ø 同比增长系数=。5。4业务量预测的最佳实践在呼叫中心业务量预测方面的最佳实践有以下几个方面:1. 具备和使用适合的业务量预测工具，能保证预测的准确性；2. 能正确理解和完全掌握各种时段的来话量规律模型；3. 有专门的人员负责，并能够完全胜任业务量预测的工

26、作，该人员能熟悉并完全掌握系统的预测方法以及进行实际的手工计算预测，并可熟练使用相应的预测工具，完成准确预测任务.5。5人员需求预测方法人员需求预测计算公式：Erlang-C（爱尔兰C）公式,利用这个公式来计算满足服务水平目标所需要的人员数量以及中继线数量，即通常所说的根据每小时电话量要求20秒达到80的接通率需要多少人。Ø ErlangC（爱尔兰C)公式：公式的介绍：假设呼叫中心每半个小时进线量360通、平均处理时长4分钟、一共有55个座席人员、服务水平目标为15秒（服务水平是指在 N 秒内的接通率）.1。来电频率/密度2.平均每通电话时长Ts3。座席数m4。话务强度u5。座席占用

27、率p6。代入ErlangC公式7。呼叫等待的概率Prob8。平均均等待时长Tw9。服务水平目标t（爱尔兰C公式参数保存：wfm_erlangc）（相应人员需求预测表:wfm_month_timespan_agent, wfm_year_agent）六、自动排班介绍6.1排班要求人员排班要求：1. 尽量以传统工作时间为主要排班班次.2. 排班班次之间以合适的时间间隔相交错排列,以满足高峰时段业务的需求.3. 对小休、午餐、例会和下线培训时段的人员排班班次应进行相应调整。4. 根据短期预测，对常规的、非在线业务进行合理的规划.5. 建立内部应急机制，应对突发话务量。6. 对于临时调整班次建议采取员

28、工选择或事先征求员工意见.7. 确保座席员理解班次时间安排，并且能够严格按照排班执行考勤。6.2自动排班方案自动排班过程如下:1. 时段业务量预测表由预测算法可得出时段业务量预测表(月份业务量预测）。2. 各时段座席人员需求由ErlangC公式可以计算出月份预测表中各时段所需座席人数。3. 进行班次划分(1) 排班人员可依据时段业务量预测表与呼叫中心特点要求进行班次的手动划分。划分参考：1 班次长度:6。0小时上班时间8.5小时；2 班段个数：1段班段个数3段；3 班段长度：2小时班段长度5小时。(2) 尽量以传统工作时间为主要排班班次。(3) 划分班次时应根据时段业务量预测表尽量将业务量集中

29、且数据趋势平缓的时间段作为一个班次.(4) 保证话务高峰时段及需要保证接通率的重点时段的服务水平。4. 各班次座席人员需求(班次人员需求表：wfm_frequency_staff，班次相关表：wfm_frequency， wfm_frequency_time）(1) 使用Erlang-C公式在班次的整个大时段内计算整个班次时间内所需要的座席人数.如班次之间有重叠交叉时段，则按照不同的情况进行计算。(2) 规则:从非通宵班的最早班次开始.如图示,分解一个完整的划分模型：1 共划分了一、二、三、四、五共五个班次。班次之间出现时间段重叠交叉，将全天时间划分成了1、2、3、4、5、6、7、8共八个没有

30、重叠或交叉的时间段;2 用B1B5表示班次一至五各分配人数,使用ErlangC计算18时间段各需要人数为X1X8（假若:X8=X2<X1X3=X4<X7X6X5）.将这8个时段按照需求人数的升序、包含班次数目的降序排列这8个时段,得到的序列如下：3 从排序后的时段序列第一个时段开始,该时段包括班次五，因此B5=X8；4 有序序列2包括班次一、三,此独立时段内都是新的未安排人员的班次，因此，B1=B3=X2/2；5 有序序列3包括班次一、二,班次一已安排人员,那么B2=X1B1=X1-X2/2;6 有序序列4包括班次一、二、三,班次一、二、三均已安排有人员,那么将该时段需求人数将已安

31、排在班次一、二、三的人数得到T=X3B1B2B3，将剩余人数T按班次一、二、三人数比例分配到班次一、二、三中，即:B1=B1+T*（B1/（B1+B2+B3)，B2=B2+T*（B2/（B1+B2+B3）)，B3=B3+T(B3/（B1+B2+B3)）；7 按照以上步骤,遍历完有序序列之后，可以得到班次人数B1B5。(3) 调整由Erlang-C及上述计算公式得出的班次人员需求预测结果,调整参考：1 根据班次内各时段的人员需求预测值进行调整;2 保证话务高峰时段及需要保证接通率的重点时段的服务水平.5. 排班方案:² 排班说明1座席总人数：呼叫中心所有岗位为座席的总人数。2个性需求不

32、值班人数：个性需求中为“不值所有班次”总人数.3应休息人数 = 座席总人数 可排班人数.(每天安排休息的人数）4可排班人数 = 每天实际参与值班的人数.5理想排班人数 = 班次人员需求预测人数总和。(理想参与值班的人数）为保证全月下来座席休息时间总体保证“工作时间：休息时间=5:2"，每天可排班人数与应休息人数的确定方法：Ø 每天可排班人数=座席总人数×当月总工作天数×57×当日话务量比率；Ø 每天应休息人数=座席总人数-可排班人数.² 排班算法及步骤：（排班相关表:wfm_scheduling, wfm_algorithm

33、_setting， wfm_personal_require)核心规则:先排休息，再根据各班次开始时间的先后顺序安排相应座席；各班次分配座席的原则：从本月累计上该班次次数最少的且可供排班的座席中选取。1. 去除个性需求中不值班人数，计算应休息人数X与可排班人数K.2. 安排应休息人数X：依据排班规则优先级判定安排休息,优先级由高至低依序安排。(1) 若应休息人数X小于排班规则中所需安排休息的人数,优先级由高至低依序安排。(2) 若所有排班规则均已满足，应休息人数名额仍有多余，则安排给当前已连续工作时间最长的座席;若符合条件的人数大于名额，则安排给当月累计休息天数最少的座席；若符合条件的人数小于

34、名额,则安排给当月累计休息天数次少的座席.依此安排.3. 安排可排班人数K：先排残酷班（通宵班),再根据各班次开始时间的先后顺序安排相应座席。(1) 可排班人数K与班次理想排班人数L做比较，（k=K/L） 为实际排班指数,各班次实际排班人数 = 各班次理想排班人数(即该班次人员需求预测值）* k.(2) 残酷班（通宵班）的判断依据：班次跨越零点；如果排班规则中有指定，则指定的班次也属于残酷班。残酷班后必须安排休息。残酷班(通宵班)默认安排给(以下条件优先级由高至低）：i. 前一天不是残酷班的座席；ii. 本月累计上该残酷班次数最少的座席；iii. 已经连续工作时间最长的座席。(3) 若排班规则

35、中没有设定休息前后的班次，则系统默认休息之后不安排残酷班（通宵班)，默认安排开始时间最早的非通宵班次，如果排班规则中有指定，则依据排班规则为准。(4) 其他非残酷班次安排原则:按照班次开始时间的先后顺序，各班次分配座席从当月累计上该班次次数最少的选取。1 若班次X为非残酷班开始时间最早的班次,安排班次X原则为当月累计上该班次X次数最少的座席；2 若符合条件的人数多余,则随机抽取；若人数不够，则安排累计上该班次X次数次少的，依此安排。3 安排班次开始时间次早的班次，依此安排。(5) 正常的排班过程如上,过程中触碰到排班限定规则时避开。比如排班规则设定晚班后不安排早班,则在排班过程中安排晚班之后的

36、班次时，同等条件优先安排早班给其他前一天非晚班的座席，尽量不安排早班给前一天为晚班的座席。排班规则说明：序号规则说明1人员利用效率最大化在保证座席能够正常轮休的情况下，使人员利用效率最大化。具体实现为：如果呼叫中心实际人力大于预测所需人力，则将各班次需求人员按比例放大,最大程度安排人员2安排休息时尽量安排双休安排休息时，在可以满足的条件下，连续安排同一个座席休息两天3连续工作天数大于或等于x天后安排休息当座席连续工作天数为x天时，安排休息;特别地,某些情况下会出现连续工作了x天仍不安排休息的,则在连续工作x+1天后必须安排休息4班次x为残酷班,残酷班后安排休息若班次跨越零点，则系统自动设定该班

37、次为残酷班,亦可手工设定某班次为残酷班，残酷班后安排休息5休息之前安排班次x将休息之前的班次安排为x，在其他条件均等的条件下，将可安排休息的名额分配给前一天值班次x的座席6休息之后安排班次x将休息之后的班次安排为x7保证各时段有x技能座席值班各个时段均安排有x技能的座席值班8班次x后不安排班次y安排班次y时，不安排给前一天值班次x的座席9每人值班次x天数不少于m天且不多于n天限定每个月每人值班次x的天数在mn之间，实现上，主要是需满足值班次x天数不多于n天的情况排班规则的优先级可调整，排班选人的过程中触碰到排班限定规则时避开,触碰到多个排班限定规则时，按照优先级从高到低依序避开,按优先级高低满

38、足排班限定规则。6。3班组排班方案1. 现在的排班过程:在第4步“班次人员需求”后,进行“排班”,按照各班次需要的人及呼叫中心实际人员情况进行选人填班。2. 班组排班过程：在原来的排班过程中增加“各班次班组需求”这一过程，在第4步“班次人员需求”计算得到各班次人员需求后,将各班次需求的人力转换成需要的班组数,然后按照各班次需求的班组数及呼叫中心的班组实际情况进行选组填班.3. 班组需求计算：需求班组数 = 需求人数 / 班组人数按(6人/组）计算,四舍五入取整数：班次需求人数需求班组数备注1163271311存在即合理合计245为保证全月下来座席休息时间总体保证“工作时间:休息时间=5：2”,每天休息班组的确定方法:Ø 每天应休息班组 班组总数当月总工作天数当日话务量比率；Ø 可排班班组数 = 班组总数 应休息班组数。班次班组数需求，限定条件：(1) 存在即合理,所有的班次均有班组分配覆盖;(2) 班组人数均