考虑客户与员工行为的多技能呼叫中心集成排班优化方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71271052
  • 项目类别:
    面上项目
  • 资助金额:
    53.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0102.运筹与管理
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

This research project aims to study the multi-skill call center staffing,scheduling and rostering problem under the current background based on new theories and methods. The specific object of the study is going to solve complex multimedia call center multi-skill integrated scheduling problems. The specific research contents are to build customer and employee behavior model and satisfaction evaluation model based on behavioral science theory and method, and develop the framework of optimization theories and methods based on behavior analysis heuristic and intelligent simulation optimization, and obtain guidance scheduling principles or strategies through the empirical analysis, and realize low cost and high quality of service operation target. The key scientific problems are customer and employee behavior descriptions and expression methods and behavior analysis, and integrated scheduling simulation optimization methods for large scale complex multi-skill call center. These researches not only theoretically can enrich and develop multi-skill scheduling problem with important academic value, also can help to design and develop decision support system for large scale, multi skill call center operation management. At the same time, these integrated scheduling problem research has reference significance on the related service industry.
本项目的研究目的是以新的理论和方法研究当前背景下的呼叫中心排班问题。研究目标是提供考虑客户与员工行为的多技能呼叫中心集成排班优化方法。具体的研究内容包括建立基于行为科学理论和方法的客户与员工的行为模型和满意度评价模型,提供基于行为分析的智能仿真优化方法,获得基于实证分析的用于指导排班的原则或策略,实现低成本高服务质量的运营目标。关键的科学问题包括客户与员工行为规律的描述与表达方法和行为分析,以及面向大规模复杂的集成排班问题的仿真优化方法。这些科学问题的解决不仅在理论上丰富和发展了多技能排班调度问题,具有重要的学术价值,同时在这些模型和方法的支持下,设计开发的决策支持系统原型,能够为大规模多技能呼叫中心运作管理模式提供理论、方法和技术支持。同时,也对相关服务行业集成排班问题的研究具有借鉴意义。

结项摘要

为了解决面向复杂业务的呼叫中心的人力资源调度问题,针对单技能多服务台的呼叫中心的服务特点,本项目研究了等待时间提示模式的设计和其运营过程中的人力资源配置问题,建立了相关问题的数学模型。并且根据数学模型的特点,利用排队理论的分析,从不同的目标角度开发了相应的求解算法。研究工作紧跟学科发展的趋势,按计划围绕以下方面展开了研究:(1)提出了考虑顾客耐心变化的等待时间提示决策模型;(2)提出了基于马尔科夫近似方法的等待时间提示模型;(3)提出了考虑顾客满意度的呼叫中心人力资源配置模型;(4)提出了等待时间提示模式下的呼叫中心人力资源配置模型;(5)提出了到达不确定呼叫中心人力资源配置的鲁棒优化模型。项目研究进展顺利。. 首先,研究了排队时间提示对顾客耐心心理与放弃行为的影响规律,建立了提示等待时间可靠性决策的排队模型。接着,根据现实的顾客等待数据进行拟合与分析,建立带有超指数顾客耐心的排队模型,考虑顾客耐心变化规律前提下,利用马尔科夫方法对顾客等待时间近似与系统基本性能指标求解,从而向初始排队系统进行顾客等待时间的提示。然后,研究了顾客等待时间满意度和“重复选择”的关联影响,在无等待时间提示的排队系统基础上,针对带有排队等待时间提示的排队网络模型,建立了呼叫中心效益最大化的人力资源配置的优化模型。然后,针对带有等待时间提示的呼叫排队模型,从呼叫中心效益最大化出发,提出了最少人力资源的优化配置方法。最后,针对现实呼叫中心中顾客到达不确定的问题,建立了基于排队论的离散流体模型,采用鲁棒离散优化方法,解决了考虑鲁棒性呼叫中心的人力资源配置问题。. 上述具体研究工作分别在问题构造和求解方法方面获得了创新性的成果。从排队心理学角度出发,结合多种随机过程理论,研究了顾客等待时间提示模式的设计及其运营过程中的人力资源配置问题。总的来说,研究成果不仅在理论上提出了人力资源调度的理论和方法,而且为相关服务行业给出了策略和借鉴意义。本项目在基金委的资助和研究组的共同努力下,项目在论文发表、学术交流和人才培养方面取得了一些成绩。目前,已经被发表和录用论文总共11篇,其中国际期刊论文4篇,国内期刊论文5篇,国际学术会议论文2篇。研究组成员多次参加了国内学术会议,并且发表相关主题报告。在人才培养方面,培养了一名博士生毕业。在此基础上,项目组会进一步在人力资源管理领域的优化方法方面贡献。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
Optimal design of a multi-server queueing system with delay information
具有时延信息的多服务器排队系统优化设计
  • DOI:
    10.1108/imds-05-2015-0201
  • 发表时间:
    2016-01
  • 期刊:
    Industrial Management & Data Systems
  • 影响因子:
    5.5
  • 作者:
    Yu, Miao;Gong, Jun;Tang, Jiafu
  • 通讯作者:
    Tang, Jiafu
Staffing to Maximize Profit for Call Centers with Impatient and Repeat-Calling Customers
为不耐烦且重复致电的客户配备人员以最大限度地提高呼叫中心的利润
  • DOI:
    10.1155/2015/926504
  • 发表时间:
    2015-07
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Gong, Jun;Yu, Miao;Tang, Jiafu;Li, Manru
  • 通讯作者:
    Li, Manru
考虑顾客耐心的呼叫中心人力资源配置模型
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    系统工程学报
  • 影响因子:
    --
  • 作者:
    于淼;宫俊
  • 通讯作者:
    宫俊
带排队信息提示的呼叫中心人力资源分配方法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    东北大学学报
  • 影响因子:
    --
  • 作者:
    于淼;宫俊;唐加福;朱华波
  • 通讯作者:
    朱华波
Queuing Time Decision Model with the Consideration on Call Center Customer Abandonment Behavior
考虑呼叫中心客户放弃行为的排队时间决策模型
  • DOI:
    10.4304/jnw.9.9.2441-2447
  • 发表时间:
    2014-04
  • 期刊:
    Abstract—To improve customer satisfaction through
  • 影响因子:
    --
  • 作者:
    宫俊
  • 通讯作者:
    宫俊

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Combined heuristics for determining order quantity under time-varying demands
用于确定时变需求下订单数量的组合启发式
  • DOI:
    10.1016/s1004-4132(08)60053-5
  • 发表时间:
    2008-02
  • 期刊:
    Journal of Systems Engineering and Electronics
  • 影响因子:
    2.1
  • 作者:
    潘震东;宫俊;刘士新;唐加福
  • 通讯作者:
    唐加福
基于改进NSGA-Ⅱ的交叉培训规划多目标优化
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    东北大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    李倩;宫俊;唐加福
  • 通讯作者:
    唐加福
呼叫中心人力资源配置鲁棒规划模型
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    东北大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    宫俊;贾倩倩;张家生;于淼
  • 通讯作者:
    于淼
多目标粒子群算法在交叉培训规划中的应用
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Kongzhi Lilun Yu Yinyong/Control Theory and Applications
  • 影响因子:
    --
  • 作者:
    李倩;宫俊;唐加福
  • 通讯作者:
    唐加福
小型三维力传感器的设计和解耦测试研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    Chinese Journal of Sensors and Actuators
  • 影响因子:
    --
  • 作者:
    俞志伟;宫俊;吴强;戴振东
  • 通讯作者:
    戴振东

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

宫俊的其他基金

基于仿真优化的柔性单元装配线交叉培训规划方法的研究
  • 批准号:
    70971019
  • 批准年份:
    2009
  • 资助金额:
    26.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码