范晨 ,邢竟 ,王文靜 ,龐朝曦 ,陳偉杰
(1.廣州供電局有限公司,廣州 510620;2.廣東省電信規(guī)劃設(shè)計(jì)院有限公司,廣州 510620)
在電改的大環(huán)境下,隨著人們對(duì)電力服務(wù)質(zhì)量的要求不斷提高,南方電網(wǎng)已經(jīng)把提供優(yōu)質(zhì)的供電服務(wù)提升到了發(fā)展戰(zhàn)略的新高度[1]。但隨著業(yè)務(wù)類型的不斷增加,運(yùn)營(yíng)規(guī)模的壯大,排班問(wèn)題變成了日常生產(chǎn)管理者頭痛的問(wèn)題。話務(wù)量是呼叫中心進(jìn)行客服坐席安排的依據(jù),根據(jù)不同話務(wù)量需求以及固定的坐席數(shù)量,安排相應(yīng)的坐席人員,才能實(shí)現(xiàn)既保證呼叫中心服務(wù)質(zhì)量的同時(shí),又能保證人力資源最優(yōu)的配置。傳統(tǒng)的排班模式,需要經(jīng)驗(yàn)豐富的排班師對(duì)話務(wù)量進(jìn)行提前估計(jì),人為主觀因素影響比較大、工作量較大,且無(wú)法確保話務(wù)量預(yù)測(cè)準(zhǔn)確度,無(wú)法滿足實(shí)際生產(chǎn)需求。因此,如何對(duì)話務(wù)量進(jìn)行科學(xué)準(zhǔn)確的預(yù)測(cè)早已成為一個(gè)亟待解決的問(wèn)題。
話務(wù)量是一種隨機(jī)的、動(dòng)態(tài)的時(shí)間序列變化過(guò)程,受天氣、季節(jié)、節(jié)假日、電力業(yè)務(wù)特點(diǎn)等因素的影響,呈現(xiàn)復(fù)雜的變化趨勢(shì)[2]。目前,已有一些預(yù)測(cè)工具被應(yīng)用于話務(wù)量預(yù)測(cè)中,比如,自回歸移動(dòng)平均模型、多元線性回歸模型、Kalman濾波估計(jì)、BP神經(jīng)網(wǎng)絡(luò)等,都取得了一定的成果。但所有的模型都是針對(duì)常規(guī)的話務(wù)量進(jìn)行預(yù)測(cè),并未考察和分析異常情況下的話務(wù)量預(yù)測(cè),在建模過(guò)程中只是將話務(wù)量異常數(shù)據(jù)進(jìn)行剔除或者平滑,并未對(duì)異常的話務(wù)量數(shù)據(jù)進(jìn)行單獨(dú)建模。
針對(duì)以上不足以及話務(wù)量自身的特點(diǎn),我們提出一種基于異常話務(wù)量分塊建模的分析思路。將話務(wù)量分為異常話務(wù)量和正常話務(wù)量,再根據(jù)各自的規(guī)律分別建模。最后為了驗(yàn)證模型的有效性,利用相同的方法對(duì)總話務(wù)量直接建模,以驗(yàn)證異常話務(wù)量分開模型的準(zhǔn)確性。
建模的主要思想是通過(guò)異常因子相關(guān)性建模方法將總話務(wù)量分為異常話務(wù)量和正常話務(wù)量?jī)蓚€(gè)部分。并根據(jù)各自的發(fā)展趨勢(shì)和規(guī)律,建立不同的預(yù)測(cè)模型,進(jìn)而得到異常話務(wù)量預(yù)測(cè)值和正常話務(wù)量預(yù)測(cè)值。異常話務(wù)量分塊建模的基本步驟:首先,找出異常話務(wù)量,確定異常因子。從統(tǒng)計(jì)分析和建模角度利用多種異常值檢驗(yàn)方法、從呼叫中心話單特征角度利用業(yè)務(wù)探索方法、從外部學(xué)習(xí)角度利用文獻(xiàn)綜述法找出引起異常話務(wù)量的原因[3]。其次,確定可分析的異常因子。根據(jù)影響因子影響力大小、影響因子數(shù)據(jù)可得性、影響因子是否可預(yù)見、影響因子是否存在特定規(guī)律等特征篩選出可進(jìn)行數(shù)據(jù)分析和建模的話務(wù)量影響因子。第三,拆分話務(wù)量并分別進(jìn)行預(yù)測(cè)。利用相關(guān)性分析和建模,從總話務(wù)量中分離出異常因子引起的話務(wù)量(異常話務(wù)量)和正常話務(wù)量?jī)深?,再分別利用自回歸移動(dòng)平均模型、支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)異常話務(wù)量、正常話務(wù)量進(jìn)行分別建模和預(yù)測(cè),總話務(wù)量預(yù)測(cè)值=異常話務(wù)量+正常話務(wù)量。最后,對(duì)比驗(yàn)證。
從整體來(lái)看,可以將話務(wù)量影響因素分為以下四大類:一是臨時(shí)擾動(dòng)事件。臨時(shí)擾動(dòng)因素指的是可以預(yù)見但不存在特定規(guī)律的事件,比較典型的是不定期的檢修活動(dòng)、臨時(shí)停電活動(dòng)、異常惡劣天氣等[4]。如果能夠預(yù)見到類似事件,則一定要預(yù)估其作用時(shí)間及幅度,并相應(yīng)的修正話務(wù)量。二是特定擾動(dòng)事件。特定擾動(dòng)因素是指在可以預(yù)見且在一定時(shí)間內(nèi)存在一定規(guī)律的異常事件,主要包括以下幾類,季度檢修引起的計(jì)劃停電、涉及周末和節(jié)假日的特定日期因素、夏季電壓負(fù)荷相關(guān)的特殊時(shí)節(jié)因素以及自身業(yè)務(wù)特點(diǎn)相關(guān)的電費(fèi)通知發(fā)布、欠費(fèi)通知發(fā)布、停電通知發(fā)布、執(zhí)行停電通知發(fā)布等因素。三是臨時(shí)特定事件。臨時(shí)特定因素是指不可預(yù)見但存在一定規(guī)律的異常事件,主要包括以下幾類,電網(wǎng)設(shè)備衰老、用戶計(jì)電設(shè)備老化、電網(wǎng)運(yùn)行管理等[5]。四是隨機(jī)事件。此類事件不可預(yù)見也不存在規(guī)律,如系統(tǒng)故障、意外故障等隨機(jī)因素。
根據(jù)異常話務(wù)量數(shù)據(jù)分析和建模的要求,按照異常影響因子對(duì)話務(wù)量的影響程度大小、異常影響因子的數(shù)據(jù)可得性、數(shù)據(jù)時(shí)間前后統(tǒng)一性等要求,將所有影響因子進(jìn)行排查,最后確定影響話務(wù)量的2類因子:業(yè)務(wù)特點(diǎn)、異常天氣。
利用各類短信通知數(shù)與各業(yè)務(wù)類型每天的話務(wù)量做相關(guān)分析,找出與短信通知有顯著相關(guān)的業(yè)務(wù)類型,將此業(yè)務(wù)類型的話務(wù)量定義為通知類的異常話務(wù)量,剩下的業(yè)務(wù)類型定義為其他話務(wù)量。
支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)建模的基本步驟一樣,但其中運(yùn)用的函數(shù)不同[6]。支持向量機(jī)是以訓(xùn)練誤差作為優(yōu)化問(wèn)題的約束條件,以置信范圍值最小值作為優(yōu)化目標(biāo)。即SVM是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的學(xué)習(xí)方法,其推廣能力明顯優(yōu)于一些傳統(tǒng)的學(xué)習(xí)方法。SVM在解決小樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì),并能推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問(wèn)題中[7]。
本次話務(wù)預(yù)測(cè)課題研究共分為兩個(gè)預(yù)測(cè)小組,兩個(gè)預(yù)測(cè)組根據(jù)各自的預(yù)測(cè)方法,分別對(duì)2016年11月14日~12月2日連續(xù)三周每周的話務(wù)量情況進(jìn)行預(yù)測(cè),并將最終的預(yù)測(cè)結(jié)果進(jìn)行比對(duì),進(jìn)一步研究下一步的話務(wù)工作的優(yōu)化提升方案。
在為期三周的話務(wù)量預(yù)測(cè)中,經(jīng)計(jì)算得出設(shè)計(jì)院三周的預(yù)測(cè)精度平均為12.75%,原排班組預(yù)測(cè)系統(tǒng)的平均預(yù)測(cè)精度為34.08%。原排班組預(yù)測(cè)系統(tǒng)的最低預(yù)測(cè)誤差為1.7%,最高預(yù)測(cè)誤差為105.41%,而設(shè)計(jì)院預(yù)測(cè)最高預(yù)測(cè)誤差為52.09%,最低預(yù)測(cè)誤差為0.17%。由三周話務(wù)預(yù)測(cè)誤差對(duì)比可知,設(shè)計(jì)院的話務(wù)量預(yù)測(cè)較為平穩(wěn),波動(dòng)不是很大,且與真實(shí)值更接近。
為驗(yàn)證模型有效性,直接利用自回歸模型對(duì)總話務(wù)量進(jìn)行建模和預(yù)測(cè),將預(yù)測(cè)結(jié)果與分塊建模預(yù)測(cè)結(jié)果進(jìn)行對(duì)比[8],同時(shí)為了驗(yàn)證模型的實(shí)用性,與95598呼叫中心的排班組進(jìn)行為期三周的預(yù)測(cè)結(jié)果對(duì)比。實(shí)踐證明,異常話務(wù)量分塊建模比傳統(tǒng)話務(wù)量預(yù)測(cè)結(jié)果精度更好,且異常話務(wù)量分塊建模為期三周的預(yù)測(cè)精度均比目前南方電網(wǎng)排班組的預(yù)測(cè)結(jié)果精度更高,未來(lái)可進(jìn)一步落地實(shí)現(xiàn),具有較高的推廣和應(yīng)用價(jià)值。