联络中心任务量平滑预测方法研究*

针对联络中心对高精度、高效率的任务量预测要求，分析了 Holt‐Winters模型和指数平滑季节模型的优缺点，进而改进了 Holt‐Winters模型的任务量预测方法。通过对历史话务数据的实证分析，以四种预测模型精度评价指标为检验标准，对三种预测模型进行了预测精度比较。最后经历史数据验证，改进的 Holt‐Winters模型具有更小的预测误差，因而改进是有效的。     

变呼叫中心为价值中心

排班系统的应用,使曾经困扰呼叫中心的排班管理变得轻松、便捷。 11月2日,中国移动广东公司针对客户服务中心推出了自己的排班系统。近年来电信业越来越重视呼叫中心的运营管理,随着业务量增大,提高劳动力管理和资源整合水平成为呼叫中心亟需解决的问题,而排班管理是运营管理中遇到的最棘手的问题之一。据悉,广东移动客服中心拥有4000多个人工座席和7000多名客户服务人员,下辖广州、深圳、东莞、佛山、汕头、江门6个区域中心,全天候为7500多万移动客户提供热     

信息技术类专业大学生就业能力研究

本研究采用理论与实证相结合的策略,运用定量分析和定性分析相结合的方法,对信息技术类专业大学生的就业能力结构进行了研究。通过文献回溯,借助能力结构理论、职业胜任力理论,清晰地界定了信息技术类专业大学生就业能力的内涵。使用访谈法、德尔菲法、问卷调查法等方法收集数据,并对数据进行定量分析,构建了信息技术类专业大学生就业能力的指标体系。最后,对指标体系及其构成特点、变化趋势和影响因素进行了分析。     

基于改进遗传算法解决多目标智能排班问题研究

该文将使用遗传算法与模拟退火算法相结合从而优化传统遗传算法,不断的循环迭代筛选出最优解进而得到最高效率的排班,将算法与数学模型相结合,并采用减治思想提高算法效率.其中综合考虑各类如公司排班制度,员工情绪、公司利益等相关因素,使其适应度达到最高.采用真实的公司员工数据进行仿真实例实验证结果表明,研究的排班优化思想和算法是...     

大型电话咨询中心来电量预测模型和分析

人工来电量预测是大型电话咨询中心座席安排的重要依据。对某行业的大型电话咨询中心的历史数据进行分析和数据挖掘,并利用ARIMA模型给出一个小时来电量的预测模型。检验结果表明模型预测数据对实际数据有较高的拟合度。     

一种基于多重分形的软件衰退分析方法

为了提高软件衰退预测的精度,采用了多重分形分析方法,以系统资源参数时间序列为研究对象,提出了一种定性和定量相结合的分析方法,用以研究其波动规律.定性分析阶段,借鉴分形理论分析影响软件性能的系统资源参数,揭示参数的波动具有分形特性;且其多重分形谱特征能刻画系统运行过程中随时间变化的情况.定量预测阶段,提出了一种多维的Hlder指数计算方法,用于计算多个资源参数序列的Hlder指数,并采用自回归移动平均模型(ARMA)预测Hlder指数.最后进行了实证分析,结果表明,该方法具有较好的定性分析和定量预测能力.     

呼叫中心智能排班系统关键技术

分析学习率和训练精度对BP神经网络训练最大次数、收敛时间和话务量预测精度的影响;根据呼叫中心历史话务量数据的日变化特点,提出并验证采用分时间段多次调用BP神经网络模型的方法比整体预测所得话务量预测结果精度更高;基于话务量预测结果,使用Erlang-C公式进行坐席数预测,结合呼叫中心的典型班次、设定的服务水平等参数进行坐席数曲线拟合,得到每个典型班次对应的话务员数量;开发呼叫中心智能排班系统,通过合理的排班实现大型呼叫中心资源的合理配置。     

层次分析法在购车决策中的应用

层次分析法是一种将定性分析与定量分析相结合的多目标决策分析方法.通过采用层次分析法,对购车决策模型做出评价,可为购车者提供有效的依据。     

基于BBN的建设项目进度风险定量分析方法

传统的CPM和PERT方法难以对项目的进度延迟风险进行准确的定量分析。将专家先验知识与问卷调查数据相结合,建立了建设项目进度风险评估的贝叶斯信念网络模型,采用NETICA软件对样本数据进行拟合,得到了网络模型各节点间的条件概率分布。模型的应用证明该方法能够比较准确地实现对进度延迟风险的定量预测,具有良好的应用前景。     

高校教育信息化综合评价研究

高校教育信息化的评价要受基础设施建设、信息资源建设、信息技术应用、信息化人才等因素的影响,而各影响因素不能都以定量的形式体现。采用定性分析与定量分析相结合的思路,给出了高校教育信息化的评价方法,较好地解决了高校教育信息化的评价问题。     

Dynamic routing strategies for JIT production in hybrid flow shops

In production processes, just-in-time (JIT) completion of jobs helps reduce both the inventory and late delivery of finished products. Previous research which aims to achieve JIT job completion mainly worked on static scheduling problems, in which all jobs are available from time zero or the available time of each job is known beforehand. In contrast, dynamic scheduling problems which involve continual arrival of new jobs are not much researched and dispatching rules remain the most frequently used method for such problems. However, dispatching rules are not high-performing for the JIT objective. This study proposes several routing strategies which can help dispatching rules realize JIT completion for jobs arriving dynamically in hybrid flow shops. The routing strategies are based on distributed computing which makes realtime forecast of completion times of unfinished jobs. The advantages include short computing time, quick response and robustness against disturbance. Computer simulations show that the performance of dispatching rules combined with the proposed routing strategies is significantly higher than that of dispatching rules only and that of dispatching rules combined with the previous routing methods.     

数据中心巡检机器人信息平台实时任务容错调度算法

为了实现数据中心巡检机器人信息平台实时任务容错性,提出一种基于自适应反馈均衡和码元调制技术的数据中心巡检机器人信息平台实时任务容错调度模型。首先构建路由冲突下的数据中心巡检机器人信息平台传输信道模型,优化数据中心巡检机器人信息传输协议。然后采用模糊C均值聚类的方法进行巡检机器人信息融合,结合自适应反馈均衡方法进行巡检机器人信息传输的信道均衡设计,采用码元调制方法进行信息平台的实时任务容错调度。最后进行仿真实验。结果表明,采用该方法进行数据中心巡检机器人信息平台实时任务调度的容错性较好,信息平台的信道均衡性较强,提高了数据中心巡检机器人信息平台的任务实时调度能力。     

面向效用最大化的数据中心动态资源分配

传统数据中心的负载均衡只追求资源利用的最大化,而忽略了不同类型任务对完成时间的需求是不同的,使得系统总体服务质量无法达到最佳.针对不同任务的需求差异,引入时间效用函数以表征不同类型任务的完成时间与服务质量的关系,并形式化定义了面向效用最大化的动态资源分配问题.由于该问题是NP难的,设计了一个利用任务优先关系的调度机制,其主要思想为将原问题分解为若干同构的小规模子问题,并利用任务间的优先关系,决策为哪个任务优先分配资源.通过理论分析可以证明,当并行的任务的完成时间满足一定的序列性质时,该算法可以取得全局最优解.实验显示,该算法产生的收益是常用的先进先出公平调度机制产生收益1.5倍到2倍,并且比当前最新的算法2DFQ(多租户二维公平排队算法)的总效用高约17％.     

虚拟化云计算数据中心资源节能调度算法研究

针对当前云计算数据中心资源调度过程耗时长、能耗高、数据传输准确性较低的问题,提出基于VR沉浸式的虚拟化云计算数据中心资源节能调度算法。构建云计算数据中心资源采样模型,结合虚拟现实(virtual reality,VR)互动装置输出、转换、调度中心资源,提取中心资源的关联规则特征量,采用嵌入式模糊聚类融合分析方法三维重构中心资源,建立虚拟化云计算数据中心资源的信息融合中心,采用决策相关性分析方法,结合差异化融合特征量实现对数据中心资源调度,实现虚拟化云计算数据中心资源实时节能调度。仿真结果表明,采用该方法进行虚拟化云计算数据中心资源节能调度的数据传输准确性较高,时间开销较短,能耗较低,在中心资源调度中具有很好的应用价值。     

定性与定量相结合的任务调度方法

针对在复杂产品虚拟样机协同设计阶段的任务调度中存在的问题,建立了定性与定量相结合的调度模型,提出了基于遗传算法的模型求解策略.调度模型通过引入调度主、客体的隐性知识,综合考虑定性指标与定量指标对协同设计的影响;模型求解策略能在满足任务约束的前提下快速求得模型的最优解.实例结果表明,该调度模型及模型求解策略是有效的,能大幅缩短协同设计时间.     

呼叫中心排班优化模型的研究

呼叫中心排班系统的优化研究是在话务员和坐席资源约束下,根据服务需求时间序列,合理安排资源,以提高呼叫接入服务质量、提高话务员的个性化满意度和降低运营成本的多目标复杂约束的优化问题。根据客服质量与话务员满意度相关的指标和约束,引入了服务水平、排班成本、话务员疲劳度、排班公平性和话务员意愿等因素。基于对满足服务水平的班组数量的预测,依据对外的规划经营和对内的管理调度的区别,将排班决策分为班次设计和班组指派两大具有递进关系的子模型。利用改进型PSO算法和旋转排班法进行求解,并且根据排班结果和评价参数对规划调度参数进行反馈调整。最后通过仿真分析说明了本文方法在兼顾客服满意度和话务员满意度的呼叫中心排班决策系统中有很好的适应性。     

Task cluster scheduling in a grid system

Effective load distribution and resource management is of great importance in designing complex distributed systems as grid. This pre-assumes the capability of partitioning the arriving jobs into independent tasks that can be executed simultaneously, assigning the tasks to processors and scheduling the task execution on each processor. A simulation model, consisting of two homogeneous clusters, is considered to evaluate the performance for various workloads. The Deferred policy is applied to collect global system information about processor queues. This paper proposes a special scheduling method referred to as task clustering method. We examine the efficiency of two task routing policies – one static and one adaptive – and six task scheduling policies, which rearrange processor queues regarding to a criterion. Our simulation results indicate that the adaptive task routing policy in conjunction with SGFS-ST scheduling algorithm, which uses more efficiently the task clustering method, leads to a significant performance improvement.     

数据驱动的多星任务网络预测调度算法

多星任务调度是具有NP-hard特性的优化问题,随着卫星资源规模和任务需求规模的双重增长,传统调度方法求解效率不高.在轨卫星在常年运行过程中积累了丰富的调度数据.针对大规模多星任务调度场景,建立多星多波束任务调度模型,并提出数据驱动的多星任务网络预测调度算法对其求解.以分割的思想,实现多星场景下任务可调度性预测.从历史调度数据中,提取设定的3个静态特征和5个动态特征,构建并训练预测网络,预测任务被不同卫星完成的概率,并以冲突避免、负载均衡等为原则,得到初始任务和资源卫星的分配方案.进一步设计双链结构的进化算法,以双链编码形式表征上述关系,配合设计的交叉、修复等进化算子,优化初始方案中的任务序列与资源分配关系,输出最终任务调度方案.仿真结果表明,与改进蚁群算法、混合遗传算法和数据驱动并行调度算法相比,所提出算法在运行时间、方案收益和卫星负载均衡3方面均有较好的表现.     

Multi-stage resource-aware scheduling for data centers with heterogeneous servers

This paper presents a three-stage algorithm for resource-aware scheduling of computational jobs in a large-scale heterogeneous data center. The algorithm aims to allocate job classes to machine configurations to attain an efficient mapping between job resource request profiles and machine resource capacity profiles. The first stage uses a queueing model that treats the system in an aggregated manner with pooled machines and jobs represented as a fluid flow. The latter two stages use combinatorial optimization techniques to solve a shorter-term, more accurate representation of the problem using the first-stage, long-term solution for heuristic guidance. In the second stage, jobs and machines are discretized. A linear programming model is used to obtain a solution to the discrete problem that maximizes the system capacity given a restriction on the job class and machine configuration pairings based on the solution of the first stage. The final stage is a scheduling policy that uses the solution from the second stage to guide the dispatching of arriving jobs to machines. We present experimental results of our algorithm on both Google workload trace data and generated data and show that it outperforms existing schedulers. These results illustrate the importance of considering heterogeneity of both job and machine configuration profiles in making effective scheduling decisions.     

Fault-tolerance through scheduling of aperiodic tasks in hardreal-time multiprocessor systems

Real time systems are being increasingly used in several applications which are time critical in nature. Fault tolerance is an important requirement of such systems, due to the catastrophic consequences of not tolerating faults. We study a scheme that provides fault tolerance through scheduling in real time multiprocessor systems. We schedule multiple copies of dynamic, aperiodic, nonpreemptive tasks in the system, and use two techniques that we call deallocation and overloading to achieve high acceptance ratio (percentage of arriving tasks scheduled by the system). The paper compares the performance of our scheme with that of other fault tolerant scheduling schemes, and determines how much each of deallocation and overloading affects the acceptance ratio of tasks. The paper also provides a technique that can help real time system designers determine the number of processors required to provide fault tolerance in dynamic systems. Lastly, a formal model is developed for the analysis of systems with uniform tasks