Разработка AI-системы автоматического планирования смен операторов
Планирование смен в контакт-центре на 100+ операторов — NP-сложная задача комбинаторной оптимизации. Нужно учесть требования по SLA, трудовой кодекс, навыки операторов, их предпочтения и ограничения по стоимости. Ручное составление расписания на неделю занимает 8-16 часов. AI-система делает это за 5-15 минут.
Входные данные планировщика
От прогноза нагрузки:
- Потребность в операторах по 15-30-минутным интервалам
- Распределение по каналам (звонки, чат, email)
- Распределение по навыкам (языки, продуктовая специализация)
От HR-системы:
- Контракты операторов (full-time/part-time, макс. часов в неделю)
- Уже запланированные отпуска и больничные
- Сертифицированные навыки каждого оператора
- Предпочтения по сменам (желательно/нежелательно)
Ограничения (constraints):
- Трудовой кодекс: мин. 11 часов между сменами, мин. 2 выходных в неделю
- Перерывы: 15 мин каждые 2 часа, обед 30-45 мин в середине смены
- Максимальная длина смены: 8-10 часов
- Минимальный укомплектованность: X операторов навыка Y в каждый интервал
Методы оптимизации
Integer Linear Programming (ILP): Классика для shift scheduling. Переменные: $x_{ij} = 1$ если оператор $i$ работает смену $j$. Целевая функция: минимизировать стоимость расписания. Ограничения: SLA, ТК, навыки.
Solver: CBC (открытый), Gurobi (коммерческий, в 5-10× быстрее). Для 200 операторов × 1000 возможных смен ILP решается за 1-5 минут.
Constraint Programming: OR-Tools CP-SAT от Google — лучший современный solver для scheduling задач с жёсткими ограничениями. Преимущество перед ILP: легче моделировать сложные ограничения (чередование смен, fairness).
RL для адаптивного планирования: При частых изменениях (неожиданные больничные, изменения нагрузки) RL-агент быстрее адаптирует расписание, чем повторный запуск ILP. Горизонт RL: 24-48 часов, действия — swap смен между операторами.
Fairness и предпочтения
Техническое решение справедливого расписания — не тривиально:
- Equal distribution: каждый оператор получает ±5% ночных смен, выходных, праздников относительно средней
- Preference satisfaction rate: % выполненных пожеланий по сменам (цель > 70%)
- Bidding system: операторы делают ставки на предпочтительные смены, планировщик максимизирует суммарное удовлетворение с ограничением на SLA
Preference satisfaction vs. cost minimization — это многокритериальная задача. Pareto-frontier: дашборд показывает компромиссные расписания с разными точками баланса.
Процесс составления расписания
Горизонт: обычно 1-4 недели вперёд.
Pipeline:
- Импорт прогноза нагрузки из WFM-системы
- Загрузка актуальных HR-данных (отпуска, навыки, контракты)
- Генерация множества возможных смен (shift patterns)
- CP-SAT оптимизация с жёсткими и мягкими constraints
- Post-processing: проверка fairness, выравнивание по предпочтениям
- Публикация расписания в WFM / мобильное приложение
Интрадей корректировки: При отсутствии оператора — автоматический поиск замены через RL-агент. Учитывает: навыки замены, накопленные сверхурочные, текущую нагрузку на других.
Мобильное приложение для операторов
Operators видят своё расписание, могут:
- Запросить обмен сменами с коллегой (автоматическая проверка constraint)
- Подать заявку на отгул (система проверяет staffing impact)
- Получать push-уведомления об изменениях
Это снижает нагрузку на супервизоров на 60-70% по административным вопросам.
Метрики
- Schedule generation time: < 10 мин для 200 операторов
- SLA coverage: > 98% интервалов в пределах ±10% от target staffing
- Overtime cost: снижение на 15-25% vs. ручного расписания
- Preference satisfaction: > 65%
- Schedule stability: < 15% изменений расписания за 48 часов до начала
Сроки реализации: базовый планировщик с ILP/CP-SAT для одного сайта — 6-8 недель. Полноценная система с мобильным приложением, fairness-модулем и интрадей-корректировками — 4-5 месяцев.