[发明专利]用于利用自动AI建模和多目标优化的可扩展联络中心座席安排的方法和系统

说明书

本发明公开了一种根据实施方案的用于执行联络中心座席安排的系统，该系统包括至少一个处理器和至少一个存储器，该至少一个存储器包括存储在其上的多个指令，该指令响应于由该至少一个处理器执行，致使该系统基于工作量预测模型和时间序列数据生成指示要在未来计划周期引入到该联络中心的要求的工作量预测，基于该工作量预测、一个或多个服务目标以及员工配备需求模型生成指示处理该工作量预测所需的座席数量的员工配备需求预测，并且使用列生成执行安排优化，以基于该员工配备需求预测和一个或多个约束针对多个座席生成优化的联络中心座席轮班安排。

相关申请的交叉引用

本申请要求于2020年7月24日提交的名称为“利用自动AI建模和多目标优化的可扩展联络中心座席安排的方法和系统(Method and System for Scalable ContactCenter Agent Scheduling Utilizing Automated AI Modeling and Multi-ObjectiveOptimization)”的美国临时申请号63/055,934的优先权和权益，其内容全文以引用的方式并入本文。

背景技术

联络中心以竞争目标操作--他们想要向他们的客户提供他们能做的最佳服务，同时还节省成本。为此，联络中心通常雇佣座席并且随后安排他们处理预期的工作量。这些座席可以工作的时间受到劳动法、个人合同协议和/或其他因素的约束。

重要的是在预测的工作量与安排的劳动力之间找到良好的匹配，因为不充足的劳动力会导致低的服务级别和长的等待时间。避免这种情况的一种方式是通过安排足够大数量的雇员。然而，通常不期望过度安排雇员，因为联络中心也必须满足经济目标(例如，最小化劳动力成本)。因此，从利用安排技术获得的成本降低可以是显著的。

资源安排是被证明是NP-Hard的众所周知的问题。因此，随着问题的增长，其花费的时间可能比多项增长得更快。因此，及时地找到这些高度约束且复杂的安排问题的良好解决方案是极其困难的。更难的是确定最小化成本、满足雇员偏好、在雇员之间均等分配轮班以及同时满足所有工作场所/商业约束的最优解决方案。

发明内容

一个实施方案涉及用于执行联络中心座席安排的独特系统、部件和方法。其他实施方案涉及用于执行联络中心座席安排的装置、系统、设备、硬件、方法以及它们的组合。

根据一个实施方案，一种用于执行联络中心座席安排的系统可以包括至少一个处理器和至少一个存储器，该至少一个存储器包括存储在其上的多个指令，该指令响应于由至少一个处理器执行，致使系统基于工作量预测模型和时间序列数据生成指示要在未来计划周期引入到联络中心的要求的工作量预测，基于工作量预测、一个或多个服务目标以及员工配备需求模型生成指示处理工作量预测所需的座席数量的员工配备需求预测，并且使用列生成执行安排优化，以基于员工配备需求预测和一个或多个约束针对多个座席生成优化的联络中心座席轮班安排。

在一些实施方案中，在列生成期间添加的每一列可以对应于预期的轮班安排。

在一些实施方案中，一个或多个约束可以包括最长轮班持续时间、最早轮班开始时间或最晚轮班结束时间中的至少一者。

在一些实施方案中，多个指令可进一步致使系统基于联络中心的自动呼叫分发数据自动生成批处理工作量预测模型或自组织工作量预测模型中的一者。

在一些实施方案中，自动生成批处理工作量预测模型或自组织工作量预测模型中的一者可以包括接收要预测的历史时间序列数据、执行分层时间维度提取、执行离群值检测和模式识别以及比较针对多个验证时间范围使用多重交叉验证的预测方法。

在一些实施方案中，执行离群值检测和模式识别可包括检测数据的季节性和趋势。

在一些实施方案中，使用列生成执行安排优化可以包括解决松弛主问题以及添加列直到已经满足至少一个终止准则。