呼叫中心排班的方法、系统、设备及介质

摘要

本发明公开了一种呼叫中心排班的方法、系统、设备及介质，其中呼叫中心排班的方法包括以下步骤：获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数；计算每个时段该排班模式下的匹配度；从匹配度中筛选出最大值，将最大值对应的时段作为贪心法搜索初始点的目标时段，将目标时段对应的排班班次作为目标排班班次；调整目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各排班模式下的平均匹配度；从平均匹配度中筛选出最小值对应的排班模式作为优化排班表。解决了人工对呼叫中心客服人员排班耗费时间的缺陷，提高了排班效率。

权利要求

1.一种呼叫中心排班的方法，其特征在于，所述方法包括：获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数；

基于所述原始班表和所述需求人数计算每个时段对应的排班模式下的匹配度；所述匹配度表征所述原始班表中每个时段的排班人数以及所述需求人数之间的差值与所述需求人数的比值；

从所述匹配度中筛选出最大值，将所述最大值对应的时段作为贪心法搜索初始点的目标时段，将所述目标时段对应的排班班次作为目标排班班次；

调整所述目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各所述排班模式下的平均匹配度；

从所述平均匹配度中筛选出最小值对应的排班模式作为优化排班表。

2.如权利要求1所述的呼叫中心排班的方法，其特征在于，所述方法还包括：将所述优化排班表输入lazy clause generation框架中，在预设约束时间下，调整所述优化排班表以生成基准班表；所述lazy clause generation框架为懒子句生成系统框架。

3.如权利要求1所述的呼叫中心排班的方法，其特征在于，所述方法还包括：确定所述原始班表中各排班班组的客服人员的历史替班关系；

所述调整所述目标排班班次的人数的步骤包括：判断所述目标排班班次下的排班人数是否小于所述需求人数，是则将所述目标排班班次的可调动的客服人员排班至所述目标排班班次。

4.如权利要求3所述的呼叫中心排班的方法，其特征在于，所述原始班表包括排班班组、排班人数、排班班种以及排班班次，所述排班班次包括日班，中班，夜班以及两头班。

5.如权利要求1所述的呼叫中心排班的方法，其特征在于，所述约束条件包括第一约束条件、第二约束条件以及第三约束条件；

所述第一约束条件为所述预设周期内的每个时段的排班人数与所述需求人数的占比不得小于第一预设阈值；

所述第二约束条件为所述预设周期内的每个排班班次满足工作时段对应的第二预设阈值；

所述第三约束条件为所述预设周期内的每个排班班次满足轮休和加班时间对应的第三预设阈值。

6.一种呼叫中心排班的系统，其特征在于，所述系统包括：获取模块，用于获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数；

计算模块，用于基于所述原始班表和所述需求人数计算每个时段对应的排班模式下的匹配度；所述匹配度表征所述原始班表中每个时段的排班人数以及所述需求人数之间的差值与所述需求人数的比值；

选择模块，用于从所述匹配度中筛选出最大值，将所述最大值对应的时段作为贪心法搜索初始点的目标时段，将所述目标时段对应的排班班次作为目标排班班次；

调整模块，用于调整所述目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各所述排班模式下的平均匹配度；

筛选模块，用于从所述平均匹配度中筛选出最小值对应的排班模式作为优化排班表。

7.如权利要求6所述的呼叫中心排班的系统，其特征在于，所述系统还包括：输入模块，用于将所述优化排班表输入lazy clause generation框架中，在预设约束时间下，调整所述优化排班表以生成基准班表；所述lazy clause generation框架为懒子句生成系统框架。

8.如权利要求6所述的呼叫中心排班的系统，其特征在于，所述系统还包括：确定模块，用于确定所述原始班表中各排班班组的客服人员的历史替班关系；

所述调整模块包括：

判断单元，用于判断所述目标排班班次下的排班人数是否小于所述需求人数，是则将所述目标排班班次的可调动的客服人员排班至所述目标排班班次。

9.如权利要求8所述的呼叫中心排班的系统，其特征在于，所述原始班表包括排班班组、排班人数、排班班种以及排班班次，所述排班班次包括日班，中班，夜班以及两头班。

10.如权利要求6所述的呼叫中心排班的系统，其特征在于，所述约束条件包括第一约束条件、第二约束条件以及第三约束条件；

所述第一约束条件为所述预设周期内的每个时段的排班人数与所述需求人数的占比不得小于第一预设阈值；

所述第二约束条件为所述预设周期内的每个排班班次满足工作时段对应的第二预设阈值；

所述第三约束条件为所述预设周期内的每个排班班次满足轮休和加班时间对应的第三预设阈值。

11.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1‑

5中的任一项所述的呼叫中心排班的方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1‑5中任一项所述的呼叫中心排班的方法的步骤。

说明书

呼叫中心排班的方法、系统、设备及介质

技术领域

[0001] 本发明涉及数据处理技术领域，尤其涉及一种呼叫中心排班的方法、系统、设备及介质。

背景技术

[0002] 针对拥有呼叫中心或者企业客服的互联网公司的管理者而言，需要为客户提供非常优质的售前以及售后服务。因此，互联网公司拥有非常庞大的呼叫接听量以及呼叫中心
客服人员，最令人心烦的莫过于坐席人员的排班问题。由于互联网公司主要依靠线上交易，
坐席人员的排班的重要性对于互联网公司而言尤其重要。

[0003] 传统的呼叫中心客服人员排班，主要是通过人工经验和规则进行判断整理，每次排班都需要大量人工参与，排班的效率低、耗时长，对排班人员的工作压力提出较高要求。
若遇到临时调整排班人员或者呼叫量即时增长或者降低的时候，无法及时调整人员，导致
线上客服人员的安排混乱。

发明内容

[0004] 本发明要解决的技术问题是为了克服现有技术中人工对呼叫中心客服人员排班耗费时间，导致排班效率低下的缺陷，提供一种呼叫中心排班的方法、系统、设备及介质。

[0005] 本发明是通过下述技术方案来解决上述技术问题：

[0006] 第一方面，本发明提供一种呼叫中心排班的方法，所述方法包括：

[0007] 获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数；

[0008] 基于所述原始班表和所述需求人数计算每个时段该排班模式下的匹配度；

[0009] 从所述匹配度中筛选出最大值，将所述最大值对应的时段作为贪心法搜索初始点的目标时段，将所述目标时段对应的排班班次作为目标排班班次；

[0010] 调整所述目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各所述排班模式下的平均匹配度；

[0011] 从所述平均匹配度中筛选出最小值对应的排班模式作为优化排班表。

[0012] 较佳地，所述方法还包括：

[0013] 将所述优化排班表输入lazy clause generation(懒子句生成系统)框架中，在预设约束时间下，调整所述优化排班表以生成基准班表。

[0014] 较佳地，所述方法还包括：

[0015] 确定所述原始班表中各排班班组的客服人员的历史替班关系；

[0016] 所述调整所述目标排班班次的人数的步骤包括：

[0017] 判断所述目标排班班次下的排班人数是否小于所述需求人数，是则将所述目标排班班次的可调动的客服人员排班至所述目标排班班次。

[0018] 较佳地，所述原始班表包括排班班组、排班人数、排班班种以及排班班次，所述排班班次包括日班，中班，夜班以及两头班。

[0019] 较佳地，所述约束条件包括第一约束条件、第二约束条件以及第三约束条件；

[0020] 所述第一约束条件为所述预设周期内的每个时段的排班人数与所述需求人数的占比不得小于第一预设阈值；

[0021] 所述第二约束条件为所述预设周期内的每个排班班次满足工作时段对应的第二预设阈值；

[0022] 所述第三约束条件为所述预设周期内的每个排班班次满足轮休和加班时间对应的第三预设阈值。

[0023] 第二方面，本发明还提供一种呼叫中心排班的系统，所述系统包括：

[0024] 获取模块，用于获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数；

[0025] 计算模块，用于基于所述原始班表和所述需求人数计算每个时段该排班模式下的匹配度；

[0026] 选择模块，用于从所述匹配度中筛选出最大值，将所述最大值对应的时段作为贪心法搜索初始点的目标时段，将所述目标时段对应的排班班次作为目标排班班次；

[0027] 调整模块，用于调整所述目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各所述排班模式下的平均匹配度；

[0028] 筛选模块，用于从所述平均匹配度中筛选出最小值对应的排班模式作为优化排班表。

[0029] 较佳地，所述系统还包括：

[0030] 输入模块，用于将所述优化排班表输入lazy clause generation框架中，在预设约束时间下，调整所述优化排班表以生成基准班表。

[0031] 较佳地，所述系统还包括：

[0032] 确定模块，用于确定所述原始班表中各排班班组的客服人员的历史替班关系；

[0033] 所述调整模块包括：

[0034] 判断单元，用于判断所述目标排班班次下的排班人数是否小于所述需求人数，是则将所述目标排班班次的可调动的客服人员排班至所述目标排班班次。

[0035] 较佳地，所述原始班表包括排班班组、排班人数、排班班种以及排班班次，所述排班班次包括日班，中班，夜班以及两头班。

[0036] 较佳地，所述约束条件包括第一约束条件、第二约束条件以及第三约束条件；

[0037] 所述第一约束条件为所述预设周期内的每个时段的排班人数与所述需求人数的占比不得小于第一预设阈值；

[0038] 所述第二约束条件为所述预设周期内的每个排班班次满足工作时段对应的第二预设阈值；

[0039] 所述第三约束条件为所述预设周期内的每个排班班次满足轮休和加班时间对应的第三预设阈值。

[0040] 第三方面，本发明提供一种电子设备，包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机的计算机程序，所述计算机程序被所述处理器时实现
第一方面所述的呼叫中心排班的方法。

[0041] 第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现第一方面所述的呼叫中心排班的方法
的步骤。

[0042] 本发明的积极进步效果在于：提供一种呼叫中心排班的方法、系统、设备及介质。通过原始班表与需求人数计算每个时段该排班模式下的匹配度，从匹配度中筛选出最大
值，将最大值对应的时段作为贪心法搜索初始点的目标时段，调整目标排班班次地人数，确
定匹配度较好的排班模式为优化排班表，解决了人工对呼叫中心客服人员排班耗费时间的
缺陷，提高了排班效率。

附图说明

[0043] 图1为本发明实施例1的呼叫中心排班的方法的流程图。

[0044] 图2为本发明实施例2的呼叫中心排班的系统的模块示意图。

[0045] 图3为本发明实施例3的电子设备的硬件结构示意图。

具体实施方式

[0046] 下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

[0047] 实施例1

[0048] 如图1所示，本实施例提供了一种呼叫中心排班的方法，该方法包括如下步骤：

[0049] 步骤S1、获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数。

[0050] 国内较大的OTA(Online Travel Agency，在线旅游)平台，需要为顾客提供非常优质的售前和售后服务，因此需要拥有非常庞大的呼叫接听量。以支持呼叫中心坐席的排班
的数据为例，存在销售类和服务类业务，不同业务的排班需求不同，为了生成更准确的排班
表，需确定呼叫中心客服人员的原始班表，以及预设周期内每一时段的排班需求人数。该预
设周期可以为一周、两周或者一个月等，本实施例中以一周为例进行说明。此处的需求人数
可以根据历史的排班数据中每个时段的呼入电话总量、每个时段的呼出电话总量预测而
定。

[0051] 其中，该原始班表包括排班班组、排班人数、排班班种以及排班班次，排班班次包括日班，中班，夜班以及两头班。除此之外，原始班表还可以包括每个周期内每位客服人员
固定的休息日。日班的上班时间范围在6:00至8:00之间，下班时间在15:00至17:00之间，中
班的上班时间范围在8:00至10:00之间，下班时间在17:00至19:00之间。夜班的上班时间范
围在12:00至14:00之间，下班时间在21:00至23:00之间。两头班的上班时间范围在17:00‑
19:00之间和6:00至8:00之间，下班时间在22:00至24:00之间和10:00至12:00之间。

[0052] 步骤S2、基于原始班表和需求人数计算每个时段该排班模式下的匹配度。

[0053] 具体的，若在6:00至7:00时间段范围内，预测的需求人数是5个人，而现有的原始班表中查询出该时间段的排班人数为2个人，则匹配度计算结果为(5‑2)/5，即匹配值为
0.6。若在10:00至12:00时间段范围内，预测的需求人数是8个人而现有的原始班表中查询
出该时间段的排班人数为10个人，则匹配度计算结果为(10‑8)/8，即abs为0.25。

[0054] 依次计算每个预设周期内，即一周内每个时间段的排班模式的匹配度。本实施例中，每个时间段根据各排班对应的业务类型要求的颗粒度进行划分，颗粒度对应每个时间
段的时长值。即业务类型A对应的原始班表A可以为按照1小时划分时间段来进行匹配度计
算，业务类型B对应的原始班表B可以为按照6小时划分时间段进行匹配度计算。

[0055] 步骤S3、从匹配度中筛选出最大值，将最大值对应的时段作为贪心法搜索初始点的目标时段，将目标时段对应的排班班次作为目标排班班次。

[0056] 从所有匹配度的计算结果中筛选出最大值，将该最大值对应的时间范围作为初始点，即利用贪心法搜素的目标时段，该目标时段对应的排班班次则为需要进行后续人员调
整的目标排班班次。

[0057] 步骤S4、确定原始班表中各排班班组的客服人员的历史替班关系。

[0058] 步骤S5、调整目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各排班模式下的平均匹配度。

[0059] 其中，该调整目标排班班次的人数的步骤包括：

[0060] 判断目标排班班次下的排班人数是否小于需求人数，是则将目标排班班次的可调动的客服人员排班至目标排班班次。

[0061] 可以理解的，若目标排班班次下的排班人数大于需求人数，则说明该班次存在多余人员，可以将该目标排班班次中的客服人员安排至轮休，或者作为其他未排满排班班次
的轮班人员名单中。

[0062] 该约束条件包括第一约束条件、第二约束条件以及第三约束条件；

[0063] 第一约束条件为预设周期内的每个时段的排班人数与需求人数的占比不得小于第一预设阈值；

[0064] 第二约束条件为预设周期内的每个排班班次满足工作时段对应的第二预设阈值；

[0065] 第三约束条件为预设周期内的每个排班班次满足轮休和加班时间对应的第三预设阈值。

[0066] 具体的，第一约束条件为在6:00至7:00时间段内，预设的需求人数为5人，原始班表的排班人数是3人，该第一约束条件为6:00至7:00时间段的排班人数与需求人数的占比
为3/5，比例数值X为60％。若预设的比例X确定为90％，则该时间段的排班模式不满足约束。

[0067] 第二约束条件为满足客服人员的付出和工作体验度相互均衡，不同时段的班种有固定的上班次数的限制。例如，夜班或者早班这种需要很早上班或者熬夜上班的班型，需要
控制每一周每个组的排班次数。

[0068] 第三约束条件为各排班班组必须需要保证2天休息日，每周加班时间不能超过Y小时，该Y小时可以为4个小时、5个小时以及6个小时。可以理解的，每组排班时需要确保一定
的休息时间，不超过一定的加班时间，确保每周安排的休息时间相对固定。

[0069] 本实施例中，通过第一约束条件、第二约束条件以及第三约束条件将调整后的排班模式进行筛选和剔除，获取到同时符合上述三种约束条件的初始排班模式，朝着降低拟
合度的目标去搜索优化初始排班模式，即每一时段提供排班的人数与预设的需求的人数量
一致这个目标去搜索优化。

[0070] 在对目标排班班次的人数进行调整后，生成的若干初始排班模式对应若干个排班表。该排班表的内容与原始班表内容一致，只是每个排班班组上下班的时间会发生变化。

[0071] 步骤S6、从平均匹配度中筛选出最小值对应的排班模式作为优化排班表。

[0072] 本实施例中，整体排班班表的优化目标是一周内所有每个时间段计算的匹配度的加权平均值，即平均匹配度。平均匹配度越小，则拟合度越好，越符合业务需求。

[0073] 步骤S7、将优化排班表输入lazy clause generation框架中，在预设约束时间下，调整优化排班表以生成基准班表。

[0074] 具体的，通过将优化排班表输入至lazy clause generation(惰性子句生成求解器)框架中进行下一步继续优化。lazy clause generation框架可以使用谷歌的开源算法
框架实现，该算法可以为python(解释型脚本语言)。

[0075] 该框架需要使用python代码构造约束和拟合度的模型，确认变量。相关设置的变量就是每个排班班组的上下班时间，休息时间，加班时间等参数。设置初始值的方式是将贪
心法的优化班表的值使用model.hint()方法，该方法来源于or‑tools框架中，将变量值赋
值到模型变量中，最后参与后续的优化搜素工作。

[0076] 即，将贪心法的解作为初始解放入该开源框架，在预设的约束时间限制内，得到更优的结果，将最终的最优化后的排班表作为下一轮的基准班表。

[0077] 本实施例中，提供一种呼叫中心排班的方法，通过获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数；计算每个时段该排班模式下的匹配度；从匹配
度中筛选出最大值，将最大值对应的时段作为贪心法搜索初始点的目标时段，将目标时段
对应的排班班次作为目标排班班次；调整目标排班班次的人数，结合预设的约束条件，获取
可存在的所有排班模式，计算各排班模式下的平均匹配度；从平均匹配度中筛选出最小值
对应的排班模式作为优化排班表。解决了人工对呼叫中心客服人员排班耗费时间的缺陷，
提高了排班效率。

[0078] 实施例2

[0079] 本实施例提供一种呼叫中心排班的系统，如图2所示，该系统具体包括：获取模块110、计算模块120、选择模块130、确定模块140、调整模块150、筛选模块160、输入模块170。
调整模块150包括判断单元。

[0080] 其中，获取模块110，用于获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数。

[0081] 国内较大的OTA平台，需要为顾客提供非常优质的售前和售后服务，因此需要拥有非常庞大的呼叫接听量。以支持呼叫中心坐席的排班的数据为例，存在销售类和服务类业
务，不同业务的排班需求不同，为了生成更准确的排班表，需确定呼叫中心客服人员的原始
班表，以及预设周期内每一时段的排班需求人数。该预设周期可以为一周、两周或者一个月
等，本实施例中以一周为例进行说明。此处的需求人数可以根据历史的排班数据中每个时
段的呼入电话总量、每个时段的呼出电话总量预测而定。

[0082] 其中，该原始班表包括排班班组、排班人数、排班班种以及排班班次，排班班次包括日班，中班，夜班以及两头班。除此之外，原始班表还可以包括每个周期内每位客服人员
固定的休息日。日班的上班时间范围在6:00至8:00之间，下班时间在15:00至17:00之间，中
班的上班时间范围在8:00至10:00之间，下班时间在17:00至19:00之间。夜班的上班时间范
围在12:00至14:00之间，下班时间在21:00至23:00之间。两头班的上班时间范围在17:00‑
19:00之间和6:00至8:00之间，下班时间在22:00至24:00之间和10:00至12:00之间。

[0083] 计算模块120，用于基于原始班表和需求人数计算每个时段该排班模式下的匹配度。

[0084] 具体的，若在6:00至7:00时间段范围内，预测的需求人数是5个人，而原始班表中查询出该时间段的排班人数为2个人，则匹配度计算结果为(5‑2)/5，即abs为0.6。若在10:
00至12:00时间段范围内，预测的需求人数是8个人，而原始班表中查询出该时间段的排班
人数为10个人，则匹配度计算结果为(10‑8)/8，即abs为0.25。

[0085] 依次计算每个预设周期内，即一周内每个时间段的排班模式的匹配度。本实施例中，每个时间段根据各排班对应的业务类型要求的颗粒度进行划分，颗粒度对应每个时间
段的时长值。即业务类型A对应的原始班表A可以为按照1小时划分时间段来进行匹配度计
算，业务类型B对应的原始班表B可以为按照6小时划分时间段进行匹配度计算。

[0086] 选择模块130，用于从匹配度中筛选出最大值，将最大值对应的时段作为贪心法搜索初始点的目标时段，将目标时段对应的排班班次作为目标排班班次。

[0087] 具体的，选择模块130从所有匹配度的计算结果中筛选出最大值，将该最大值对应的时间范围作为初始点，即利用贪心法搜素的目标时段，该目标时段对应的排班班次则为
需要进行后续人员调整的目标排班班次。

[0088] 确定模块140，用于确定原始班表中各排班班组的客服人员的历史替班关系。

[0089] 调整模块150，用于调整目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各排班模式下的平均匹配度。

[0090] 判断单元，用于判断目标排班班次下的排班人数是否小于需求人数，是则将目标排班班次的可调动的客服人员排班至目标排班班次。

[0091] 可以理解的，若目标排班班次下的排班人数大于需求人数，则说明该班次存在多余人员，可以将该目标排班班次中的客服人员安排至轮休，或者作为其他未排满排班班次
的轮班人员名单中。

[0092] 该约束条件包括第一约束条件、第二约束条件以及第三约束条件；

[0093] 第一约束条件为预设周期内的每个时段的排班人数与需求人数的占比不得小于第一预设阈值；

[0094] 第二约束条件为预设周期内的每个排班班次满足工作时段对应的第二预设阈值；

[0095] 第三约束条件为预设周期内的每个排班班次满足轮休和加班时间对应的第三预设阈值。

[0096] 具体的，第一约束条件为在6:00至7:00时间段内，预设的需求人数为5人，原始班表的排班人数是3人，该第一约束条件为6:00至7:00时间段的排班人数与需求人数的占比
为3/5，比例数值X为60％。若预设的比例X确定为90％，则该时间段的排班模式不满足约束。

[0097] 第二约束条件为满足客服人员的付出和工作体验度相互均衡，不同时段的班种有固定的上班次数的限制。例如，夜班或者早班这种需要很早上班或者熬夜上班的班型，需要
控制每一周每个组的排班次数。

[0098] 第三约束条件为各排班班组必须需要保证2天休息日，每周加班时间不能超过Y小时，该Y小时可以为4个小时、5个小时以及6个小时。可以理解的，每组排班时需要确保一定
的休息时间，不超过一定的加班时间，确保每周安排的休息时间相对固定。

[0099] 本实施例中，通过第一约束条件、第二约束条件以及第三约束条件将调整后的排班模式进行筛选和剔除，获取到同时符合上述三种约束条件的初始排班模式，朝着降低拟
合度的目标去搜索优化初始排班模式，即每一时段提供排班的人数与预设的需求的人数量
一致这个目标去搜索优化。

[0100] 在对目标排班班次的人数进行调整后，生成的若干初始排班模式对应若干个排班表。该排班表的内容与原始班表内容一致，只是每个排班班组上下班的时间会发生变化。

[0101] 筛选模块160，用于从平均匹配度中筛选出最小值对应的排班模式作为优化排班表。

[0102] 本实施例中，整体排班班表的优化目标是一周内所有每个时间段计算的匹配度的加权平均值，即平均匹配度。平均匹配度越小，则拟合度越好，越符合业务需求

[0103] 输入模块170，用于将优化排班表输入lazy clause generation框架中，在预设约束时间下，调整优化排班表以生成基准班表。

[0104] 具体的，输入模块170通过将优化排班表输入至lazy clause generation框架中进行下一步继续优化。lazy clause generation框架可以使用谷歌的开源算法框架实现，
该算法可以为python。

[0105] 该框架需要使用python代码构造约束和拟合度的模型，确认变量。相关设置的变量就是每个排班班组的上下班时间，休息时间，加班时间等参数。设置初始值的方式是将贪
心法的solution的值使用model.hint()方法，该方法来源于or‑tools框架中，将变量值赋
值到模型变量中，最后参与后续的优化搜素工作。

[0106] 即，将贪心法的解作为初始解放入该开源框架，在预设的约束时间限制内，得到更优的结果，将最终的最优化后的排班表作为下一轮的基准班表。

[0107] 提供一种呼叫中心排班的系统。通过获取模块获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数，计算模块通过原始班表与需求人数计算每个时段该
排班模式下的匹配度，选择模块从匹配度中筛选出最大值，将最大值对应的时段作为贪心
法搜索初始点的目标时段，调整模块调整目标排班班次地人数，确定匹配度较好的排班模
式为优化排班表，最后通过输入模块将优化排班表输入lazy clause generation框架中，
在预设约束时间下，调整优化排班表以生成基准班表。解决了人工对呼叫中心客服人员排
班耗费时间的缺陷，提高了排班效率。

[0108] 实施例3

[0109] 图3为本实施例提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实
现实施例1的呼叫中心排班的方法，图3显示的电子设备30仅仅是一个示例，不应对本发明
实施例的功能和使用范围带来任何限制。

[0110] 电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同
系统组件(包括存储器32和处理器31)的总线33。

[0111] 总线33包括数据总线、地址总线和控制总线。

[0112] 存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。

[0113] 存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程
序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

[0114] 处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1的呼叫中心排班的方法。

[0115] 电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配
器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通
信。如图所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，
尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限
于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动
器以及数据备份存储系统等。

[0116] 应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描
述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述
的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

[0117] 实施例4

[0118] 本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1的呼叫中心排班的方法的步骤。

[0119] 其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任
意合适的组合。

[0120] 在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实
施例1的呼叫中心排班的方法的步骤。

[0121] 其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独
立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

[0122] 虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离
本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和
修改均落入本发明的保护范围。