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

2、数据，包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

3、要求，合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。班管理系统流程图排班管理系统主要流程图:采集历史 业务量数据清洗与 异常业务剔除 茅数据反馈长期业务量增长系数正常业务数据（预测依据值）短期业务量增长系数反馈长期业务量预测短期业务量预测业务需求客户需求绩效目标预测准 确性分析d长期业务 量预测结果1短期业务量预测结果预测准确性分析服务水平目标长期人员需求预测服务水平目标时段人员 需求预测1r班次划分人力资源/班次人员人员信息需求预测排班班次表排班表调整谖安排到座席1实时监控

4、与班次遵守率1员工绩效衡量座席值班 统计报表反馈排班条件 与排班需求班次实际 人员分配人力资源/ 人员信息X三、排班管理系统框架图排班管理系统整体框架图：排班管理系统预测参数计算与设置月份呼入量预测月份预测结果与调整年度呼入量预测月份人员需求预测|_月份预测准确性分析预测参数计算与设置年度预测结果与调整年度预测准确性分析预测参数设定月份人员预测结果/调整四、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

5、”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）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）i靑卜冼创乃报）图4.2:每月日均来话量模型图（2004年X月1 日- 31 日）i.H每

6、賣日均壬诗鱼嘆型月摄*-4-10 5 -11-170 13-24025-31020000180001600014000二 12000殳 1000080006000400020000如YTUE WED THL FRI SAT SUH图4.3:每周日均来话量模型图（2004年X月1 日- 31 日）-*-2002-20032004图4.4 :每月来话量模型图（2002年一2004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

7、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，冋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

8、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

9、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（Erlang-C参数 设置），包括有：服务水平，平均 处理时长。根据Erlang-C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（Erla ng-C参数设置），包括有：服务水平， 平均处理时长，座席占用率。根据Erlang-C计算各时段人员需 求，以及对预测结果进

10、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4.7 :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

11、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绩效与报表弹*412£££兰龙毎凸-sa>8再:il|w8fewIrB：* sto-Afta- giB-ic88p言8 ia卜p 呂* £A-££Jr ai* eshi" s弾gaa一gs 昌8 b- £sgssftft矗B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

12、，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

13、数据统计结果表：timespa ncallco un thistory, datecallco un thistory,yearcallco un thistory, week_total, year_total ）（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）:X月指数Cm = X月话务总量/全年月份话务总量均值；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4 一 .；'

14、; 一门飞 对于112月，每月Y日的清洗参考值都计算出来：A1A12， 对A1A 12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，二二二，.， 设R为清洗度（可配置）,则若側忙加士州盟;,则为正常数据,否则若層应旺|園 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:则舊属于异常数据，其中为样本期望，为样本标准差，隹J为

15、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nWnnWnnWn31.38112252.3341.54122.03302.3951.65132.07402.4961.73142.1502.5871.8152.131002.881.86162.1591.92182.2101.96202.24（当前月份清洗参照表：wfm_current_referenee ，清洗后结果表： timespa n_rem ove_tra n）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

16、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M1M4M5M122010每月话务总量N1N4N5N12(未知)计算平均月增长系数 (N n/M n 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 至U 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

17、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长期预测以月为单位预测通过长期预测规划下一个1. 通过对历史数据的分析或假设可以反映未来趋势的

18、系列预测,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。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。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WiW 7 ,计算周Y的指数：Vy=，其中 Y, n=1,2

19、,3,。,7饥(3) 计算历史数据集P经过去除周指数影响的数据集P'(wfm_timespa n_remove_effect, wfm_date_remove_effect, wfm_ mon th_remove_effect, wfm_history_exp onent)“亍戸p去除周指数影响的数据集P'=，周指数V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0:(wfm_timespa n_average, wfm_date_average, wfm_ mon th_average,

20、wfm_exp onen t_average)O=P'c-1?<1 + P '2*2+ P '3?1-K1-K2),其中c表示预测年份，c-1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)。若只有最近两年数据，则：O=P'-1?K + P'?1-K1),其中 K 初始化为 0.6。若只有最近一年数据，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。历史话务数据均值表结构示意图月份123456789101112日期1 | 2 | 3 | 4 56789 10 11

21、12 13 14 15 16 17 18 19 20 21 22 23丨24 25 26 27 28 29 30 31时段1|2|3|45|6| 丨 | | | | | | | | | | | | | | | | | | | | | | | 口 | | | | | |,|46 47 48（5）取最近三年的周指数V,用类似求均值表0的方法计算出一个预测周指数均值表Ov, 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：yearcallco un tforecast, wfm_year_forecas

22、t_modify,year_total, wfm_ mon th_rate）（2）年度话务量预测方法（预测粒度到每月话务总量）：年度话务总量 R =年度历史均值总量 E （由O计算）*年度增长系数 Qr;（注1） 每月话务总量 =年度话务总量 R *月份比率（由0计算）。注1: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-i?<i + Qr-2?K2 + Qr-3?1-K1-K2），其中c表示预测年份，c-1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：

23、St = a?<t + （1-a）S t-1 ,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t-1的平滑值，a为平 滑常数，其取值范围为0,1。预测计算年度增长系数Qr：Q'=a ?Qr（c-1）+（1-a） Q'（c-1）,其中Qr（c-1）为实际增长参数，Q'（c-1）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。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

24、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_m on th_forecast_source, wfm_m on th_forecast_modify, monthcall countforecast, month_forecast_date, wfm_month_timespan_rate, wfm_ mon th_day_rate, wfm_week_exp onent）

25、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）每日话务总量 D =月话务总量 M *日期比率（由O计算）；每日话务总量周指数修正值D'=每日话务总量 D*周指数Ov；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）；最终预测值F =时段话务量H +规律模型变化值。注2: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（c-1）?<1 + Qm（c-2）?<2 + QM（c-3）?K3 + Q

26、m（c-4）?1-K 1-K2-K3），其中c表示预测月份，c-1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, 0.3, 0.2）。（2）指数平滑法：预测计算月份增长系数Qm:QM=a?QM（c-1）+（1-a） Q'm（c-1）,其中Qm（c-1）为实际增长参数，Q'm（c-1）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。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0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

27、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0计算的数据从 0'计算。例：月份话务量预测65000月份历史均值总量X1.05M月份增长系数XXXX年 X月68250M月份预测话务总量SMTWTFSX0.04D日日期来话量比率月123452730D日来话量份 预6789101112X1.47D日周指数测131415161718194013D日来话量修正值20212223242526X0.055时段H的比率2728293031221预测出时段H的来话量比率0.050.210.170.160.160.150.10+30时段H规律模型变化值指数0.351.471.191.1

28、21.121.050.70251时段H最终预测来话量注:比率是根据历史数据得岀的实际比率，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=0.143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:均值增长系数同比增长系数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

29、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：Eriang-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。Eriang-C (爱尔兰 C)公式:k!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

30、 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/密度入九=average arrival rate360 calls /half hour1800 seconds / half hour= 0.2«alls /second2.平均每通电话时长TsT彎=average call duration=4 minutes=240 seconds3.座席数mm = number of agents=55 agents4.话务强度uu= A- T. traffic intensity=(0*2 calls /seel -(240 secs f call)=485.座席占用率pp

31、= = agent OGGupancy m=0.87355or (0.873) 100% = 87.3%6.代入 Erlang-C公式丘+p）爲亩7呼叫等待的概 率 ProbProbf'callhas to wait) = Ec (mu) = 6239r 0.239x100%= 23.9%8.平均均等待时长TwI ；” = average waiting time =ASA_ Ec(mu)-Tsm- (1 p)0239x24055x(l-0.S73)= 8.2 sec colds9服务水平目标tt = target answer time W(t) = Prob( waiting ti

32、me < t)-Qa-ii)=1 - Ec (m ,u) 首't = 15 secondsW(t) = L-0.239xe " =1- 0.23 9 xC°4375= 0.S46 or 84.6%（爱尔兰C公式参数保存：wfm_erlangc）（相应人员需求预测表：wfm_m on th_timespa n_age nt, wfm_year_age nt)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

33、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：排班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Erlang-C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：班次长度：6.0小时w上班时间 8.5小时;班段个数：1段劲

34、段个数W3段；班段长度：2小时w班段长度W5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_freque ncy_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，

35、分解一个完整的划分模型： 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共八个没有重叠或交叉的时间段； 用B1B5表示班次一至五各分配人数，使用Erlang-C计算18时间段各需要人数为X1X8 (假若：X8=X2<X1<X3=X4<X7<X6<X5)。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：四四三1二四'-二三五五三二三四X®X2XIX3X4X7X6X5 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 ; 有序序列

36、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,B仁 B3=X2/2 ； 有序序列3包括班次一、二，班次一已安排人员，那么B2=X1-B仁X1-X2/2 ； 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排在班次一、二、三的人数得到T=X3-B1-B2-B3，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)； 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Eria

37、ng-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： 根据班次内各时段的人员需求预测值进行调整； 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：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：5每天可排班人数-座席总人数x当月总工作天数

38、x-x当日话务量比率; '1 =每天应休息人数一座席总人数一可排班人数。排班算法及步骤：(排班相关表: wfm_scheduling, wfm_algorithm_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。(

39、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

40、。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。 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； 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

41、数次少的，依此安排。 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后不安排早班，则在排班过程中安排晚班之后的班次时，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

42、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

43、 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。时段业务量预测-时段人员需求预测班次划分班次人员需求-*排班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