对排班结果进行人力拟合度和坐席人员满意度的分析，若满足直 接输出班表；若不满足，将进行两种方式的调整；
[0048] 方式一：手动调整，微调每日时段的话务量，系统自动调整时段人数需求，通过格 格图的方式可视化调整班次；
[0049] 方式二：自动调整，微调每日时段的话务量，系统自动调整时段人数需求，自动调 整班次；
[0050] S3. 7、输出班表，排班结束。
[0051] 所述S3. 4、遗传算法进行班次指派，遗传算法的过程为：
[0052] 根据所述约束条件生成初始种群。在本步骤中，随机产生满足若干约束条件的个 体组成初始种群，本发明是随机产生满足若干约束条件的个体组成初始种群；
[0053] 根据所需的人力、约束条件计算个体适应度，在本实施例中采用了时段预测人力 和实际排班人力之间的拟合度来评价个体的适应度；
[0054] 判断种群是否满足终止规则。所述终止规则可以为当算法迭代次数超过一定值， 或者连续X次迭代个体适应度无改进，或者运行时间超过一定时间T，则终止；
[0055] 当不满足终止规则时，通过选择、交叉、变异、优良个体遗传操作对所述个体适应 度进行比较调整，更新初始种群直至更新的种群满足终止规则；
[0056] 在本发明实施例中，选择操作采用的是轮盘赌选择算法，每个个体适应度按比例 转化为被选中的概率。个体适应度越大，被选中的概率也越大；
[0057] 交叉操作是将选择后的个体按段分组，从每组中随机选择交叉开始点，对进行交 叉两个个体从交叉点开始到该段结束点进行交叉，并计算交叉后的种群适应度值的变化；
[0058] 变异操作采用分段单点变异，在每个段内都随机选择一个基因为进行变异，采用 自适应变异算法，并计算变异后的种群适应度的变化；
[0059] 优良个体遗传操作是将当前种群中适应度最优的N个个体，不参与交叉和变异， 直接放入到下一次更新的种群中，从而避免了适应度最优的个体被淘汰的可能。
[0060] 本发明的有益效果为，通过本发明的排班管理应用，能精确的根据话务量进行有 效的排班，得到的班表能使得在位的坐席代表与当时的呼叫请求的分布达到最佳匹配，最 大限度的利用坐席资源，在话务量需求较少时避免资源浪费，在话务量需求较多时能保证 呼叫中心的服务水平。此外，在排班过程中能满足坐席人员个性化需求，保证排班的公平 性，提高了坐席人员的工作效率。而且利用本发明的智能排班系统和方法，每一次排班都作 为一个版本单独管理，不同版本或者不同时期的版本可以比较、复制和共享，便于历史查询 和经验管理，进一步提高了工作的效率。
[0061] 下面结合附图对本发明的智能呼叫中心管理系统及智能排班控制方法作进一步 说明。
【附图说明】
[0062] 图1为智能呼叫中心控制系统原理图；
[0063] 图2为智能排班控制方法流程图；
[0064] 图3为基于趋势回归和模糊神经网络的话务预测流程图；
[0065] 图4为数据清洗流程图；
[0066] 图5为趋势回归法话务预测流程图；
[0067] 图6为模糊神经网络法话务预测流程图；
[0068] 图7为基于遗传算法的智能排班流程图；
[0069] 图8为模糊神经网络法预测日期内时段话务量原理图；
[0070] 图9为Sigmoid函数曲线图。
【具体实施方式】
[0071] 如图1所示，智能呼叫中心控制系统包括呼叫中心话务系统、人力资源系统、智能 排班控制系统、呼叫中心运营管理系统、e客服系统；其中呼叫中心话务系统用于坐席代表 接听和拨打用户电话，处理实际的服务业务，如咨询、以及新业务的办理等，并且存储历史 话务量数据；人力资源系统用于管理整个呼叫中心的人力资源，包括人员花名册、组织机 构、劳动合同等信息；呼叫中心运营管理系统用于整个呼叫中心管理，包括人员的考勤、薪 资、服务质量质检、培训考试、绩效、积分、话务量统计分析等；e客服系统用于话务员通过 手机APP进行班表查询、绩效工资查询、业务知识习题自测练习、请假调休等；而在整个智 能呼叫中心控制系统中起着决定性作用的就是智能排班控制系统，智能排班控制系统结合 呼叫中心话务系统存储的历史话务量数据、人力资源系统存储的可用人力资源，从而实现 话务中心的智能排班控制，实现对整个话务中心话务员的最高效的调度与利用。
[0072] 在智能呼叫中心控制系统，一种优秀的排班管理流程应包括精准的话务量预测， 细粒度的时段人力预测，灵活性较好和实用性较高的班表。本发明提供新的排班管理方法， 排出的班表能使得在位的话务员和当时的呼叫请求的分布达到最佳匹配，最大限度的利用 人力资源，在话务量需求较少时避免资源浪费，在话务量需求较多时能保证呼叫中心的服 务水平。此外，在排班过程中考量坐席人员个性化需求、公平性、舒适度等要求，最大化满足 坐席人员个性化需求，保证排班的公平性，提高坐席人员的工作效率。
[0073] 如图2所示，智能排班控制系统进行话务中心智能排班控制的方法，包括如下步 骤：
[0074] S0、接收呼叫中心话务系统存储的历史话务量数据、人力资源系统存储的可用人 力资源；
[0075] Sl、进行话务量预测；
[0076] S2、根据所预测的话务量计算出需要的人力；
[0077] S3、根据所需的人力和排班约束条件进行排班。
[0078] 如图3所示，进行话务量预测的具体方法包括如下步骤：
[0079] SL 1、选定话务预测的时间范围；
[0080] SI. 2、根据预测日期抽取历史数据，历史数据包括请求次数，通话次数，通话客户 数。
[0081] SI. 3、对抽取的历史数据做分析和清洗；
[0082] SI. 4、用趋势回归法进行预测日期内日话务量的预测；
[0083] SI. 5、用模糊神经网络法进行预测日期内时段话务量的预测；
[0084] SI. 6、根据步骤SI. 4预测的日话务量a和步骤SI. 5预测的时段话务量，进行话务 量的平稳性调整，计算步骤SI. 5中预测日期内每个时间点的话务量在全天话务量的占比 和全天的日话务量b，求取a和b的平均值作为修正的日话务量预测数据，根据时间点占比 计算每个时间点具体的话务量，作为修正预测的话务量；
[0085] SI. 7、根据影响话务量的显著因子如季节因子，节假日因子，出账日因子，营销因 子等修正步骤7中预测的时间点话务量；
[0086] 通过两种方法确定影响话务量的显著因子：
[0087] 方法1 :根据话务中心管理者的经验配置影响话务量的显著因子。
[0088] 方法2:自动计算影响话务量的显著因子，因子值=((话务量-上月同比值）上 月同比值+(话务量-去年同比值）/去年同比值）/2。
[0089] SI. 8、预测日期内的时段话务量可以根据无法预测的突发事件和人工经验调整特 殊时段的话务量，以满足对话务量预测的高精度要求，到此预测结束。
[0090] 如图4所示，步骤SI. 3中对抽取的历史数据做分析和清洗的方法具体为：
[0091] SI. 31、空数据补齐，系统中难免会出现临时故障造成部分时间点的数据没有录 入，清洗工作会增加对应的时间点，使每天的数据记录数保持一致；
[0092] SI. 32、系统中的0数据大都是异常数据，根据0数据附近的