国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種智能排隊(duì)系統(tǒng)及其服務(wù)窗口數(shù)優(yōu)化方法

      文檔序號(hào):6669397閱讀:273來源:國知局
      專利名稱:一種智能排隊(duì)系統(tǒng)及其服務(wù)窗口數(shù)優(yōu)化方法
      技術(shù)領(lǐng)域
      本發(fā)明涉及提供柜臺(tái)服務(wù)的排隊(duì)系統(tǒng),尤其涉及排隊(duì)系統(tǒng)中的服務(wù)窗口優(yōu)化方法。

      背景技術(shù)
      涉及到柜臺(tái)服務(wù)的行業(yè)都面臨著客戶排隊(duì)的壓力,典型的,如銀行柜臺(tái)服務(wù)業(yè),排隊(duì)現(xiàn)象比較常見,使得柜臺(tái)服務(wù)人員承受著超負(fù)荷工作壓力,而且柜臺(tái)服務(wù)質(zhì)量也會(huì)隨之下降,客戶抱怨強(qiáng)烈。事實(shí)上,銀行柜臺(tái)排隊(duì)的本質(zhì)是柜臺(tái)生產(chǎn)與客戶需求的矛盾,是柜臺(tái)生產(chǎn)能力與客戶需求不匹配的表現(xiàn)客戶較多時(shí),要減少排隊(duì)等候時(shí)間就要增加服務(wù)窗口,增加投入,而在人數(shù)較少時(shí),增加窗口有可能出現(xiàn)空閑,又會(huì)浪費(fèi)銀行的人力資源。因此,解決銀行等柜臺(tái)服務(wù)中存在的排隊(duì)問題就需要盡可能找到一個(gè)資源的平衡點(diǎn),使客戶數(shù)與窗口數(shù)達(dá)到最佳的平衡狀態(tài)。但是目前現(xiàn)有的排隊(duì)管理系統(tǒng)和方法都由于缺乏科學(xué)的模型和算法,只能定性地、主觀粗略判斷窗口數(shù)多或者少,這種粗略估算的方法很難找到資源的平衡點(diǎn),因?yàn)樵趯?shí)際生活中,不同的網(wǎng)點(diǎn)、不同的工作日,甚至是同一工作日的不同的時(shí)間段內(nèi)都會(huì)出現(xiàn)不同情況的排隊(duì)現(xiàn)象,因此提供一種實(shí)時(shí)動(dòng)態(tài)的窗口優(yōu)化方法實(shí)屬必要。


      發(fā)明內(nèi)容
      本發(fā)明的目的是提供一種智能排隊(duì)系統(tǒng)及其服務(wù)窗口數(shù)優(yōu)化方法,旨在解決現(xiàn)有排隊(duì)系統(tǒng)中存在的資源分配不合理的技術(shù)缺陷。
      為實(shí)現(xiàn)上述發(fā)明目的,本發(fā)明提供的智能排隊(duì)系統(tǒng)包括 前端排隊(duì)機(jī)系統(tǒng),采集原始的排隊(duì)數(shù)據(jù); 后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái),其包括數(shù)據(jù)采集模塊和數(shù)據(jù)庫,所述數(shù)據(jù)采集模塊將前端排隊(duì)機(jī)系統(tǒng)提供的數(shù)據(jù)進(jìn)行采集并保存于數(shù)據(jù)庫中; 數(shù)據(jù)分析模塊,其包括服務(wù)窗口數(shù)優(yōu)化模塊和智能排班模塊,所述服務(wù)窗口數(shù)優(yōu)化模塊將后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)提供的數(shù)據(jù)根據(jù)服務(wù)窗口數(shù)優(yōu)化模型的數(shù)據(jù)要求進(jìn)行分析,所述智能排班模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模塊的分析結(jié)果,實(shí)時(shí)動(dòng)態(tài)調(diào)整前端排隊(duì)機(jī)系統(tǒng)中應(yīng)開通的合適服務(wù)窗口數(shù)。
      更具體的,所述數(shù)據(jù)采集模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模型的數(shù)據(jù)要求,采集前端排隊(duì)機(jī)系統(tǒng)提供的以下四項(xiàng)關(guān)鍵數(shù)據(jù)客戶打票取號(hào)時(shí)間、呼叫器開始呼叫時(shí)間、業(yè)務(wù)結(jié)束時(shí)間、窗口開通數(shù)。
      為實(shí)現(xiàn)上述發(fā)明目的,本發(fā)明提供的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法包括以下步驟 后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)采集前端排隊(duì)機(jī)系統(tǒng)的排隊(duì)歷史數(shù)據(jù); 服務(wù)窗口數(shù)優(yōu)化模塊根據(jù)后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)采集的數(shù)據(jù)建立服務(wù)窗口數(shù)優(yōu)化模型并進(jìn)行排隊(duì)數(shù)據(jù)的分析; 智能排班模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模塊的分析結(jié)果,實(shí)時(shí)動(dòng)態(tài)調(diào)整前端排隊(duì)機(jī)系統(tǒng)中應(yīng)開通的合適服務(wù)窗口數(shù)。
      更具體的,所述服務(wù)窗口數(shù)優(yōu)化模型采用泊松分布和指數(shù)分布模型,其至少包括以下兩個(gè)參數(shù) 客戶在系統(tǒng)中的平均等待時(shí)間 系統(tǒng)中等待服務(wù)的平均客戶數(shù) 其中,λ為客戶到達(dá)速率,μ為服務(wù)速率,K為當(dāng)前服務(wù)窗口數(shù)量,且λ/μ小于K。
      更具體的,所述智能排班模塊根據(jù)隊(duì)列中等待服務(wù)的平均客戶數(shù)和客戶在隊(duì)列中等待的平均時(shí)間這兩項(xiàng)參數(shù)設(shè)定服務(wù)窗口的數(shù)量。
      更具體的,所述客戶按照速率為λ(>0)的泊松過程到達(dá)柜臺(tái)系統(tǒng),而客戶所需的服務(wù)時(shí)間序列{χn,n≥1}獨(dú)立、服從參數(shù)μ(>0)的負(fù)指數(shù)分布G(t)=1-e-μt,t≥0 更具體的,所述后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)手動(dòng)或自動(dòng)采集前端排隊(duì)機(jī)系統(tǒng)的排隊(duì)歷史數(shù)據(jù)。
      更具體的,所述智能排班模塊遵循系統(tǒng)資源優(yōu)先或服務(wù)質(zhì)量優(yōu)先的策略。
      更具體的,所述智能排班模塊設(shè)定一定的等待時(shí)間閥值,當(dāng)客戶等待時(shí)間到達(dá)閥值時(shí),自動(dòng)讓前端排隊(duì)機(jī)系統(tǒng)開通更多且合適的窗口。
      更具體的,所述智能排班模塊設(shè)定一定的等待服務(wù)的平均客戶數(shù)閥值,當(dāng)?shù)却目蛻魯?shù)到達(dá)閥值時(shí),自動(dòng)讓前端排隊(duì)機(jī)系統(tǒng)開通更多且合適的窗口。
      本發(fā)明提供的前端排隊(duì)機(jī)系統(tǒng)及其服務(wù)窗口數(shù)優(yōu)化方法采用服務(wù)窗口數(shù)優(yōu)化模型,典型的如泊松分布和指數(shù)分布模型,根據(jù)歷史排隊(duì)數(shù)據(jù),分割不同密度的采樣點(diǎn)以達(dá)到模型的要求,然后根據(jù)采樣點(diǎn)的參數(shù)進(jìn)行統(tǒng)計(jì)分析,實(shí)時(shí)動(dòng)態(tài)地在不同時(shí)間段內(nèi)開通不同的窗口數(shù),實(shí)現(xiàn)了資源的合理分配。



      圖1是本發(fā)明較佳實(shí)施例提供的智能排隊(duì)系統(tǒng)的結(jié)構(gòu)示意圖。

      具體實(shí)施例方式 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,以下結(jié)合附圖及實(shí)施例,對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
      參見圖1中所示,本發(fā)明較佳實(shí)施例提供的智能排隊(duì)系統(tǒng)包括以下幾個(gè)主要部分 前端排隊(duì)機(jī)系統(tǒng)10,其通過專門的數(shù)據(jù)接口和通訊協(xié)議,采集原始的排隊(duì)數(shù)據(jù)并提供給后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)11。前端排隊(duì)機(jī)系統(tǒng)10可包含多個(gè)服務(wù)窗口,并針對(duì)不同的客戶服務(wù)類型。
      后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)11,其包括數(shù)據(jù)采集模塊110和數(shù)據(jù)庫111。數(shù)據(jù)采集模塊110根據(jù)服務(wù)窗口數(shù)優(yōu)化模型(下文中詳細(xì)介紹)的數(shù)據(jù)要求,至少須采集前端排隊(duì)機(jī)系統(tǒng)10提供的以下四項(xiàng)關(guān)鍵數(shù)據(jù)1、客戶打票取號(hào)時(shí)間;2、呼叫器開始呼叫時(shí)間;3、業(yè)務(wù)結(jié)束時(shí)間(一般對(duì)應(yīng)于服務(wù)評(píng)價(jià)時(shí)間);4、窗口開通數(shù)。數(shù)據(jù)采集模塊110將前端排隊(duì)機(jī)系統(tǒng)10提供的數(shù)據(jù)進(jìn)行采集并保存于數(shù)據(jù)庫111中。
      數(shù)據(jù)分析模塊12,其包括服務(wù)窗口數(shù)優(yōu)化模塊120和智能排班模塊121。服務(wù)窗口數(shù)優(yōu)化模塊120將后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)11提供的數(shù)據(jù)根據(jù)窗口優(yōu)化模型的數(shù)據(jù)要求進(jìn)行分析。智能排班模塊121根據(jù)服務(wù)窗口數(shù)優(yōu)化模塊120的分析結(jié)果,實(shí)時(shí)動(dòng)態(tài)調(diào)整前端排隊(duì)機(jī)系統(tǒng)10中應(yīng)開通的合適服務(wù)窗口數(shù)。
      本發(fā)明的重點(diǎn)就在于通過服務(wù)窗口數(shù)優(yōu)化模塊120對(duì)服務(wù)窗口的數(shù)目進(jìn)行實(shí)時(shí)的調(diào)整,達(dá)到資源分配的合理,本發(fā)明提供的前端排隊(duì)機(jī)系統(tǒng)10的服務(wù)窗口數(shù)優(yōu)化方法包括以下幾個(gè)步驟 后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)采集前端排隊(duì)機(jī)系統(tǒng)的排隊(duì)歷史數(shù)據(jù); 服務(wù)窗口數(shù)優(yōu)化模塊根據(jù)后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)采集的數(shù)據(jù)建立服務(wù)窗口數(shù)優(yōu)化模型并進(jìn)行排隊(duì)數(shù)據(jù)的分析; 智能排班模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模塊的分析結(jié)果,實(shí)時(shí)動(dòng)態(tài)調(diào)整前端排隊(duì)機(jī)系統(tǒng)10中應(yīng)開通的合適服務(wù)窗口數(shù)。
      具體的實(shí)施方式如下 假設(shè)客戶按照速率為λ(>0)的泊松過程到達(dá)一個(gè)單服務(wù)窗口的柜臺(tái)系統(tǒng),也就是說,相繼到達(dá)者之間的時(shí)間間隔序列{τn,n≥1}獨(dú)立且服從具有均值1/λ的負(fù)指數(shù)分布,即F(t)=1-e-λt,t≥0。在每個(gè)客戶到達(dá)時(shí),如果服務(wù)窗口閑著,就直接進(jìn)入服務(wù),否則客戶就加入隊(duì)列。當(dāng)服務(wù)窗口完成一個(gè)客戶的服務(wù),這個(gè)客戶就離開系統(tǒng),而隊(duì)列中的下一個(gè)客戶(如果有)進(jìn)入服務(wù),相繼的服務(wù)時(shí)間假定是獨(dú)立的具有均值1/μ的指數(shù)分布,即客戶所需的服務(wù)時(shí)間序列{χn,n≥1}獨(dú)立、服從參數(shù)μ(>0)的負(fù)指數(shù)分布G(t)=1-e-μt,t≥0。
      上述的系統(tǒng)稱為單服務(wù)窗口的指數(shù)排隊(duì)系統(tǒng),其中定義客戶到達(dá)速率λ,服務(wù)速率μ,極限概率Pn(對(duì)于n=0,1,...)且 對(duì)于該排隊(duì)系統(tǒng),根據(jù)速率相等原理,可以得到 λP0=μP1 0 (λ+μ)Pn=λPn-1+μPn+1 n,n≥1 求解得到 其中要求λ/μ小于1(該限制條件是擬合檢驗(yàn)的重要選擇依據(jù))。
      從而進(jìn)一步可以得到,該系統(tǒng)中平均客戶數(shù) 一個(gè)客戶在該系統(tǒng)中所耗的平均時(shí)間 客戶在隊(duì)列中等待的平均時(shí)間 隊(duì)列中等待服務(wù)的平均客戶數(shù) 在此基礎(chǔ)上,若系統(tǒng)中有K(K≥1)個(gè)服務(wù)窗口獨(dú)立地并行服務(wù),當(dāng)客戶到達(dá)時(shí),若有空閑服務(wù)窗口便立刻接收服務(wù),若沒有空閑的服務(wù)窗口,則排隊(duì)等待,直到有空閑的服務(wù)窗口時(shí)再接收服務(wù)。假定客戶仍按參數(shù)λ(>0)的泊松分布到達(dá),每個(gè)客戶所需的服務(wù)時(shí)間獨(dú)立、服從相同參數(shù)μ(>0)的負(fù)指數(shù)分布,系統(tǒng)容量為無窮大,而且到達(dá)與服務(wù)是彼此獨(dú)立的。定義此系統(tǒng)為無窮容量的排隊(duì)系統(tǒng),用平衡方程擴(kuò)展后得到系統(tǒng)的平穩(wěn)分布為 其中 當(dāng)時(shí),在到達(dá)客戶看到已有i(i≥K)個(gè)客戶的條件下,由于服務(wù)窗口均在忙,所以該客戶必須等待(i-K+1)個(gè)客戶服務(wù)完畢才能被服務(wù),在忙的條件下,由于每個(gè)服務(wù)窗口的離去均是參數(shù)為μ的泊松分布,因此K個(gè)窗口的離去流的合成是參數(shù)Kμ的泊松分布,這樣相繼離去的客戶的離去間隔時(shí)間服從參數(shù)為Kμ的負(fù)指數(shù)分布,故該客戶的等待時(shí)間等于這(i-K+1)個(gè)客戶相繼離去的間隔時(shí)間之和,其分布為參數(shù)Kμ的(i-K+1)階埃爾郎分布,即 于是 在此基礎(chǔ)上,可以得出系統(tǒng)的幾個(gè)主要性能指標(biāo) 客戶在系統(tǒng)中的平均等待時(shí)間 系統(tǒng)的平均排隊(duì)長度 客戶在系統(tǒng)中的平均逗留時(shí)間 系統(tǒng)中等待服務(wù)的平均客戶數(shù) 系統(tǒng)滿員概率 本實(shí)施例以某銀行網(wǎng)點(diǎn)2008年8月15日早上9點(diǎn)到10點(diǎn)之間的歷史數(shù)據(jù)為例,進(jìn)行χ2擬合檢驗(yàn)。實(shí)際運(yùn)用中,歷史數(shù)據(jù)采集的起始點(diǎn)和結(jié)束點(diǎn)根據(jù)智能排班模塊的選擇,實(shí)時(shí)動(dòng)態(tài)地選取。
      根據(jù)服務(wù)窗口數(shù)優(yōu)化模型中的公式,單位時(shí)間客戶平均到達(dá)數(shù)為 其中,i為客戶數(shù),fi為當(dāng)客戶數(shù)為i時(shí)出現(xiàn)的頻數(shù); 概率理論頻數(shù)擬合結(jié)果 客戶到來時(shí)間是否服從泊松分布的擬合檢驗(yàn),取決于數(shù)據(jù)采集的密度,時(shí)間分割過大將導(dǎo)致擬合結(jié)果不滿足χ2分布臨界值,而且客戶到來時(shí)間與服務(wù)時(shí)間結(jié)合后,要求λ/μ小于K。服務(wù)窗口數(shù)優(yōu)化模塊120以每15秒鐘為一個(gè)調(diào)查單位,采取9點(diǎn)到10點(diǎn)的均勻分布,統(tǒng)計(jì)了1178位到來的客戶,采集量480個(gè)時(shí)間間隔,記錄整理如下表1。
      表1客戶到來時(shí)間統(tǒng)計(jì)結(jié)果
      計(jì)算 服務(wù)時(shí)間是否服從負(fù)指數(shù)分布要求同上,同樣與客戶到來時(shí)間結(jié)合后要求λ/μ小于K。窗口數(shù)優(yōu)化模塊120以服務(wù)時(shí)間每2分鐘作為間隔,統(tǒng)計(jì)了9點(diǎn)到10點(diǎn)1178位客戶,總計(jì)4710時(shí)間人數(shù)總和,記錄整理如表2。
      表2服務(wù)時(shí)間統(tǒng)計(jì)結(jié)果

      計(jì)算 對(duì)于客戶到來時(shí)間,k=12,r=1,取α=0.05有,故服務(wù)窗口數(shù)優(yōu)化模塊120判定客戶到達(dá)數(shù)服從參數(shù)λ=2.454167的泊松分布。
      對(duì)于服務(wù)時(shí)間,k=16,r=1,取α=0.05有,故服務(wù)窗口數(shù)優(yōu)化模塊120判定服務(wù)時(shí)間服從μ=0.250106的負(fù)指數(shù)分布。
      且有 在窗口數(shù)優(yōu)化模塊120完成上述數(shù)據(jù)挖掘分析工作后,智能排班模塊121根據(jù)操作員設(shè)置的參數(shù),實(shí)時(shí)動(dòng)態(tài)地調(diào)整前端排隊(duì)機(jī)系統(tǒng)10開通不同的服務(wù)窗口數(shù)。例如,操作員可設(shè)置歷史數(shù)據(jù)采集的方式這一參數(shù),包括歷史數(shù)據(jù)自動(dòng)采集與歷史數(shù)據(jù)手動(dòng)采集兩種情況 歷史數(shù)據(jù)自動(dòng)采集智能排隊(duì)模塊121在默認(rèn)情況下,根據(jù)從開始運(yùn)行此系統(tǒng)起到上個(gè)月止的所有歷史數(shù)據(jù),以小時(shí)為單位采集相同時(shí)間段的數(shù)據(jù)進(jìn)行累加統(tǒng)計(jì),例如早上9點(diǎn)到10點(diǎn),日期的選擇采取如下策略 每月前7天第一個(gè)工作日使用上月第一個(gè)工作日數(shù)據(jù),第一個(gè)節(jié)假日使用上月第一個(gè)節(jié)假日數(shù)據(jù),并在前7日內(nèi)不對(duì)應(yīng)星期,并按日期排序?qū)?yīng),舉例如下 每月中間日期,使用周數(shù)相同的同期數(shù)據(jù),此期間僅對(duì)應(yīng)星期,不對(duì)應(yīng)日期。舉例如下 每月最后7天對(duì)應(yīng)上月最后7天數(shù)據(jù),與前七天使用規(guī)則相同,不對(duì)應(yīng)星期,并按日期排序?qū)?yīng)。
      特殊日期參數(shù)及規(guī)則系統(tǒng)自動(dòng)設(shè)定法定國家節(jié)假日,并運(yùn)行設(shè)置特殊非工作日期(如國慶、春節(jié)等),數(shù)據(jù)使用上月第三個(gè)周日數(shù)據(jù)。
      歷史數(shù)據(jù)手動(dòng)采集若操作員需要自定義歷史數(shù)據(jù)的選擇,智能排班模塊121允許其手動(dòng)選擇起始的日期和時(shí)刻點(diǎn)、中止的日期和時(shí)刻點(diǎn)。
      本實(shí)施例以銀行該網(wǎng)點(diǎn)2008年8月15日早上9點(diǎn)到10點(diǎn)構(gòu)成的歷史數(shù)據(jù)為例,根據(jù)窗口數(shù)優(yōu)化模塊的結(jié)論,該系統(tǒng)主要性能指標(biāo)有 λ=2.454167,μ=0.250106,K=10, 服務(wù)強(qiáng)度 系統(tǒng)空閑概率 等待服務(wù)的平均客戶數(shù) 平均逗留客戶數(shù) 客戶平均等待時(shí)間 客戶在系統(tǒng)中的平均逗留時(shí)間 系統(tǒng)滿員概率 對(duì)于上述時(shí)間段,系統(tǒng)空閑概率幾乎為零,即所有柜臺(tái)營業(yè)員都在不停的工作。等待服務(wù)的平均客戶數(shù)48.804544,即平均有48位以上的客戶在等待辦理業(yè)務(wù)。平均逗留客戶數(shù)58.617044,即該網(wǎng)點(diǎn)大廳內(nèi)平均總共有58位多的客戶??蛻羝骄却龝r(shí)間19.886401,即客戶平均等待近20分鐘后才能開始辦理業(yè)務(wù)。客戶在系統(tǒng)中的平均逗留時(shí)間23.884704,即客戶平均總共耗時(shí)近24分鐘。
      排隊(duì)時(shí)間是影響客戶流失的一個(gè)主要原因,統(tǒng)計(jì)表明,等候超過10分鐘,客戶情緒開始急躁,流失20%至30%的客戶;等候超過20分鐘,客戶表現(xiàn)出厭煩情緒;若超過40分鐘,客戶常因惱火而離去。
      本實(shí)施例中的智能排班模塊121將平均客戶等待數(shù)和客戶平均等待時(shí)間作為最重要的兩項(xiàng)指標(biāo),智能排班模塊121假設(shè)該網(wǎng)點(diǎn)開通11,12,13,14個(gè)窗口后,重新計(jì)算得各種指標(biāo)如下表3所示 表3、開通窗口數(shù)性能指標(biāo) 由表3可以得出,當(dāng)窗口數(shù)由10個(gè)窗口開通到11個(gè)窗口時(shí),平均客戶等待數(shù)由48人下降5人,客戶平均等待時(shí)間有19分鐘下降到2分鐘,網(wǎng)點(diǎn)的服務(wù)質(zhì)量明顯提高;當(dāng)窗口數(shù)由11個(gè)開通到12個(gè)時(shí),平均客戶等待數(shù)由5人下降1.8人,客戶平均等待時(shí)間由2人下降到不到1人,網(wǎng)點(diǎn)的服務(wù)質(zhì)量有所提高,但不明顯;后繼續(xù)開通窗口到13,14個(gè)時(shí),服務(wù)質(zhì)量的提高將不再明顯。
      因此,根據(jù)系統(tǒng)資源優(yōu)先或服務(wù)質(zhì)量優(yōu)先的排班策略選擇,智能排班模塊121通知前端排隊(duì)機(jī)系統(tǒng)10,將窗口數(shù)由10個(gè)調(diào)整到11個(gè)(系統(tǒng)資源優(yōu)先)或12個(gè)(服務(wù)質(zhì)量優(yōu)先)。
      智能排班模塊121也可設(shè)定一定的等待時(shí)間閥值,隨著到達(dá)率的上升,當(dāng)客戶等待時(shí)間到達(dá)閥值時(shí),自動(dòng)讓前端排隊(duì)機(jī)系統(tǒng)10開通更多且合適的窗口。例如,當(dāng)閥值定義在19.8分鐘到2.1分鐘之間時(shí),此時(shí)智能排班模塊將通知前端排隊(duì)機(jī)系統(tǒng)10開通11個(gè)窗口。當(dāng)閥值定義在0.6分鐘時(shí),此時(shí)智能排班模塊將通知前端排隊(duì)機(jī)系統(tǒng)10開通13個(gè)窗口。當(dāng)然,也可以設(shè)定以等待服務(wù)的平均客戶數(shù)為閾值。
      以上所述僅為本發(fā)明的較佳實(shí)施例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等,均應(yīng)包含在本發(fā)明權(quán)利要求的保護(hù)范圍之內(nèi)。
      權(quán)利要求
      1.一種智能排隊(duì)系統(tǒng),其包括
      前端排隊(duì)機(jī)系統(tǒng),采集原始的排隊(duì)數(shù)據(jù);
      后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái),其包括數(shù)據(jù)采集模塊和數(shù)據(jù)庫,所述數(shù)據(jù)采集模塊將前端排隊(duì)機(jī)系統(tǒng)提供的數(shù)據(jù)進(jìn)行采集并保存于數(shù)據(jù)庫中;
      其特征在于,進(jìn)一步包括
      數(shù)據(jù)分析模塊,其包括服務(wù)窗口數(shù)優(yōu)化模塊和智能排班模塊,所述服務(wù)窗口數(shù)優(yōu)化模塊將后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)提供的數(shù)據(jù)根據(jù)服務(wù)窗口數(shù)優(yōu)化模型的數(shù)據(jù)要求進(jìn)行分析,所述智能排班模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模塊的分析結(jié)果,實(shí)時(shí)動(dòng)態(tài)調(diào)整前端排隊(duì)機(jī)系統(tǒng)中應(yīng)開通的合適服務(wù)窗口數(shù)。
      2.根據(jù)權(quán)利要求1所述的智能排隊(duì)系統(tǒng),其特征在于,所述數(shù)據(jù)采集模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模型的數(shù)據(jù)要求,采集前端排隊(duì)機(jī)系統(tǒng)提供的以下四項(xiàng)關(guān)鍵數(shù)據(jù)客戶打票取號(hào)時(shí)間、呼叫器開始呼叫時(shí)間、業(yè)務(wù)結(jié)束時(shí)間、窗口開通數(shù)。
      3.根據(jù)權(quán)利要求1所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在于包括以下步驟
      后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)采集前端排隊(duì)機(jī)系統(tǒng)的排隊(duì)歷史數(shù)據(jù);
      服務(wù)窗口數(shù)優(yōu)化模塊根據(jù)后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)采集的數(shù)據(jù)建立服務(wù)窗口數(shù)優(yōu)化模型并進(jìn)行排隊(duì)數(shù)據(jù)的分析;
      智能排班模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模塊的分析結(jié)果,實(shí)時(shí)動(dòng)態(tài)調(diào)整前端排隊(duì)機(jī)系統(tǒng)中應(yīng)開通的合適服務(wù)窗口數(shù)。
      4.根據(jù)權(quán)利要求3所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在于,所述服務(wù)窗口數(shù)優(yōu)化模型采用泊松分布和指數(shù)分布模型,其至少包括以下兩個(gè)參數(shù)
      客戶在系統(tǒng)中的平均等待時(shí)間
      系統(tǒng)中等待服務(wù)的平均客戶數(shù)
      其中,λ為客戶到達(dá)速率,μ為服務(wù)速率,K為當(dāng)前服務(wù)窗口數(shù)量,且λ/μ小于K。
      5.根據(jù)權(quán)利要求4所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在于,所述智能排班模塊根據(jù)隊(duì)列中等待服務(wù)的平均客戶數(shù)和客戶在隊(duì)列中等待的平均時(shí)間這兩項(xiàng)參數(shù)設(shè)定服務(wù)窗口的數(shù)量。
      6.根據(jù)權(quán)利要求4所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在于,所述客戶按照速率為λ(>0)的泊松過程到達(dá)柜臺(tái)系統(tǒng),而客戶所需的服務(wù)時(shí)間序列{χn,n≥1}獨(dú)立、服從參數(shù)μ(>0)的負(fù)指數(shù)分布G(t)=1-e-μt,t≥0。
      7.根據(jù)權(quán)利要求3所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在于,所述后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)手動(dòng)或自動(dòng)采集前端排隊(duì)機(jī)系統(tǒng)的排隊(duì)歷史數(shù)據(jù)。
      8.根據(jù)權(quán)利要求3所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在于,所述智能排班模塊遵循系統(tǒng)資源優(yōu)先或服務(wù)質(zhì)量優(yōu)先的策略。
      9.根據(jù)權(quán)利要求3所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在于,所述智能排班模塊設(shè)定一定的等待時(shí)間閥值,當(dāng)客戶等待時(shí)間到達(dá)閥值時(shí),自動(dòng)讓前端排隊(duì)機(jī)系統(tǒng)開通更多且合適的窗口。
      10.根據(jù)權(quán)利要求3所述的智能排隊(duì)系統(tǒng)的服務(wù)窗口數(shù)優(yōu)化方法,其特征在,所述智能排班模塊設(shè)定一定的等待服務(wù)的平均客戶數(shù)閥值,當(dāng)?shù)却目蛻魯?shù)到達(dá)閥值時(shí),自動(dòng)讓前端排隊(duì)機(jī)系統(tǒng)開通更多且合適的窗口。
      全文摘要
      本發(fā)明提供了一種智能排隊(duì)系統(tǒng)及其服務(wù)窗口數(shù)優(yōu)化方法,所述的智能排隊(duì)系統(tǒng)包括前端排隊(duì)機(jī)系統(tǒng)、后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)以及數(shù)據(jù)分析模塊,所述數(shù)據(jù)分析模塊包括服務(wù)窗口數(shù)優(yōu)化模塊和智能排班模塊,服務(wù)窗口數(shù)優(yōu)化模塊將后臺(tái)監(jiān)控統(tǒng)計(jì)平臺(tái)提供的數(shù)據(jù)根據(jù)服務(wù)窗口數(shù)優(yōu)化模型的數(shù)據(jù)要求進(jìn)行分析,智能排班模塊根據(jù)服務(wù)窗口數(shù)優(yōu)化模塊的分析結(jié)果,實(shí)時(shí)動(dòng)態(tài)調(diào)整前端排隊(duì)機(jī)系統(tǒng)中應(yīng)開通的合適服務(wù)窗口數(shù)。本發(fā)明提供的智能排隊(duì)系統(tǒng)及其服務(wù)窗口數(shù)優(yōu)化方法采用服務(wù)窗口數(shù)優(yōu)化模型,根據(jù)歷史排隊(duì)數(shù)據(jù),分割不同密度的采樣點(diǎn)以達(dá)到模型的要求,然后根據(jù)采樣點(diǎn)的參數(shù)進(jìn)行統(tǒng)計(jì)分析,實(shí)時(shí)動(dòng)態(tài)地在不同時(shí)間段內(nèi)開通不同的窗口數(shù),實(shí)現(xiàn)了資源的合理分配。
      文檔編號(hào)G07C11/00GK101763674SQ201010044449
      公開日2010年6月30日 申請(qǐng)日期2010年1月18日 優(yōu)先權(quán)日2010年1月18日
      發(fā)明者葉飛, 王勇, 王昊翔 申請(qǐng)人:深圳市奧拓電子股份有限公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1