[发明专利]基于业务量的排班方案处理方法、装置、设备和介质

说明书

本发明实施例公开了一种基于业务量的排班方案处理方法、装置、设备和介质。该方法，包括：获取设定时段粒度的第一历史业务量数据；将第一历史业务量数据输入预先训练的业务量预测模型，以预测确定设定时间范围内设定时段粒度的预测业务量；根据待排班时间范围内各时段的预测业务量、设定服务能力值和目标服务指标值，计算目标排班人力需求方案；根据已有人力数据和排班硬约束条件，基于运筹优化算法计算候选排班方案；根据候选排班方案和目标排班人力需求方案，计算人员与业务的匹配结果，并根据匹配结果和目标优化函数迭代调整候选排班方案，直至满足目标优化函数的条件。本发明达到了提高排班方案的合理性和排班效率的效果。

技术领域

本发明实施例涉及人工智能技术、机器学习技术和大数据运筹优化技术，尤其涉及一种基于业务量的排班方案处理方法、装置、设备和介质。

背景技术

运营商侧经常需要运营工作人员在线为用户提供各种业务服务，例如通过电话或即时通信方式进行交互来为用户解答问题或办理业务事项。

现有排班管理模块中的功能包括运营人员信息管理、班次相关功能、手工排班、和班表调整相关功能。现有排班主要依赖于管理人员的经验，缺乏基于业务量的预测，以及相应的人力转化、自动排班，且随着业务规模、服务种类、人员素质的不断变化，因素趋于复杂化，使得排班复杂度越来越高，而现有排班操作的自动化程度较低，繁琐耗时，难以满足多方要求。

发明内容

本发明实施例提供一种基于业务量的排班方案处理方法、装置、设备和介质，以充分考虑业务量对排班计划的影响，提高排班方案的合理性和排班效率。

第一方面，本发明实施例提供了一种基于业务量的排班方案处理方法，包括：

获取设定时段粒度的第一历史业务量数据；

将第一历史业务量数据输入预先训练的业务量预测模型，以预测确定设定时间范围内设定时段粒度的预测业务量；其中，业务量预测模型为基于回归树算法的模型，第一历史业务量数据的属性包括至少一个时间影响因子和关联时刻影响因子，第一历史业务量数据包括实际业务量数据和基于实际业务量数据产生的统计业务量数据；

根据待排班时间范围内各时段的预测业务量、设定服务能力值和目标服务指标值，计算目标排班人力需求方案；

根据已有人力数据和排班硬约束条件，基于运筹优化算法计算候选排班方案；

根据候选排班方案和所述目标排班人力需求方案，计算人员与业务的匹配结果，并根据匹配结果和目标优化函数迭代调整候选排班方案，直至满足目标优化函数的条件，其中，目标优化函数中包括排班软约束条件。

第二方面，本发明实施例还提供了一种基于业务量的排班方案处理装置，包括：

第一历史业务量数据获取模块，用于获取设定时段粒度的第一历史业务量数据；

业务量预测模块，用于将第一历史业务量数据输入预先训练的业务量预测模型，以预测确定设定时间范围内设定时段粒度的预测业务量；其中，业务量预测模型为基于回归树算法的模型，第一历史业务量数据的属性包括至少一个时间影响因子和关联时刻影响因子，第一历史业务量数据包括实际业务量数据和基于实际业务量数据产生的统计业务量数据；

目标排班计算模块，用于根据待排班时间范围内各时段的预测业务量、设定服务能力值和目标服务指标值，计算目标排班人力需求方案；

候选排班计算方案，用于根据已有人力数据和排班硬约束条件，基于运筹优化算法计算候选排班方案；

匹配优化模块，用于根据候选排班方案和目标排班人力需求方案，计算人员与业务的匹配结果，并根据匹配结果和目标优化函数迭代调整候选排班方案，直至满足目标优化函数的条件，其中，目标优化函数中包括排班软约束条件。

第三方面，本发明实施例还提供了一种计算机设备，设备包括：