論文の概要: Call-Center Staff Scheduling Considering Performance Evolution under Emotional Stress
- arxiv url: http://arxiv.org/abs/2510.16406v1
- Date: Sat, 18 Oct 2025 08:37:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 00:56:38.983287
- Title: Call-Center Staff Scheduling Considering Performance Evolution under Emotional Stress
- Title（参考訳）: 感情的ストレス下におけるパフォーマンス進化を考慮したコールセンタースタッフスケジューリング
- Authors: Yujun Zheng, Xinya Chen, Xueqin Lu, Weiguo Sheng, Shengyong Chen,
- Abstract要約: 本研究では,感情的ストレス下でのスタッフの作業パフォーマンスの進化を考慮したコールセンタのスタッフスケジューリング問題について検討する。
感情的ストレスを明示的にモデル化し,取り入れることで,スタッフスケジューリングにおける人間の行動のより現実的な理解と活用を反映する。
- 参考スコア（独自算出の注目度）: 26.22768369756713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Emotional stress often has a significant effect on the working performance of staff, but this effect is commonly neglected in existing staff scheduling methods. We study a call-center staff scheduling problem, which considers the evolution of work performance of staff under emotional stress. First, we present an emotional stress driven model that estimates the working performance of call-center employees based on not only skill levels but also emotional states. On the basis of the model, we formulate a combined short-term and long-term call-center staff scheduling problem aiming at maximizing the customer service level, which depends on the working performance of employees. We then propose a memetic optimization algorithm combining global mutation and neighborhood search assisted by deep reinforcement learning to efficiently solve this problem. Experimental results on real-world problem instances of bank call-center staff scheduling demonstrate the performance advantages of the proposed method over selected popular staff scheduling methods. By explicitly modeling and incorporating emotional stress, our method reflects a more realistic understanding and utilization of human behavior in staff scheduling.
- Abstract（参考訳）: 感情的ストレスは、しばしばスタッフの作業パフォーマンスに重大な影響を与えるが、既存のスタッフスケジューリング手法では、この効果は無視されることが多い。
本研究では,感情的ストレス下でのスタッフの作業パフォーマンスの進化を考慮したコールセンタのスタッフスケジューリング問題について検討する。
まず,技術レベルだけでなく感情状態にもとづいて,コールセンター従業員の作業実績を推定する情緒的ストレス駆動モデルを提案する。
モデルに基づいて、従業員の作業性能に依存する顧客サービスレベルを最大化することを目的とした、短期・長期のコールセンタースタッフスケジューリング問題を定式化する。
そこで我々は,この問題を効率的に解くために,大域的突然変異と深層強化学習を補助する近傍探索を組み合わせたメメティック最適化アルゴリズムを提案する。
銀行コールセンタのスタッフスケジューリングの現実的問題事例に対する実験結果から,提案手法の性能上の優位性を示す。
感情的ストレスを明示的にモデル化し,取り入れることで,スタッフスケジューリングにおける人間の行動のより現実的な理解と活用を反映する。
関連論文リスト
- Optimizing Fairness in Production Planning: A Human-Centric Approach to Machine and Workforce Allocation [55.71151342699622]
提案システムは,自動車業界のドメインエキスパートによる16のテストセッションを通じて検証される。
その結果,CPをベースとしたスケジューリング手法は,信頼性の低いコンパクトで実現可能な生産計画を生成することが示唆された。
論文 参考訳（メタデータ） (2025-10-01T16:41:18Z) - StaffPro: an LLM Agent for Joint Staffing and Profiling [0.0]
StaffProは大きな言語モデル(LLM)エージェントで、スタッフとプロファイリングを共同で扱う。
人間のフィードバックを解析することにより、我々のエージェントは労働者の潜伏した特徴を継続的に推定する。
StaffProは、人事自動化のための堅牢で、解釈可能で、人間中心のソリューションを提供する。
論文 参考訳（メタデータ） (2025-07-29T09:48:54Z) - Learning to Assist Humans without Inferring Rewards [65.28156318196397]
我々は、エンパワーメントのレンズを通して支援を研究する先行研究に基づいて構築する。
補助剤は、人間の行動の影響を最大化することを目的としている。
これらの表現は、先行研究と類似したエンパワーメントの概念を推定する。
論文 参考訳（メタデータ） (2024-11-04T21:31:04Z) - Decision-Aware Predictive Model Selection for Workforce Allocation [0.27309692684728615]
本稿では、機械学習を利用して労働者の行動を予測する新しいフレームワークを提案する。
本手法では,作業者の振舞いを表現するための最適予測モデルを,その作業員の割り当て方法によって決定する。
本稿では,予測モデル選択と作業員割り当てを統合した意思決定対応最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-10T13:59:43Z) - Towards Sustainable Workplace Mental Health: A Novel Approach to Early
Intervention and Support [2.6005981395724285]
アメリカ心理学会の2021年の報告書では、従業員の71%がストレスや緊張を経験している。
このストレスは職場での禁欲と欠勤に大きく寄与し、61%の禁欲と16%の病日は精神状態の悪化に起因する。
本研究は, 実時間支援を前提としたストレス検出アルゴリズムを提案することで, この課題に対処する。
論文 参考訳（メタデータ） (2024-02-02T17:35:49Z) - Learning to Influence Human Behavior with Offline Reinforcement Learning [70.7884839812069]
人間の準最適性を捉える必要があるような環境での影響に焦点を当てる。
人間によるオンライン実験は安全ではない可能性があり、環境の高忠実度シミュレータを作成することは現実的ではないことが多い。
オフライン強化学習は、観察された人間・人間の行動の要素を拡張し、組み合わせることで、人間に効果的に影響を及ぼすことができることを示す。
論文 参考訳（メタデータ） (2023-03-03T23:41:55Z) - Developing Decentralised Resilience to Malicious Influence in Collective
Perception Problem [0.7734726150561088]
集合的な意思決定において、局所的な情報のみを用いてスワムレベルの振る舞いに影響を与えるアルゴリズムを設計することは、自明な問題ではない。
我々は、機械学習技術を用いて、Swarmメンバーに環境の局所的な認識を最適な行動にマッピングするように教えた。
我々は、エージェントに悪意ある影響に対するレジリエンスを教えるカリキュラムを作成することで、従来のアプローチを拡張した。
論文 参考訳（メタデータ） (2022-11-06T08:53:33Z) - Experiential Benefits of Interactive Conflict Negotiation Practices in
Computer-Supported Shift Planning [28.614580329727254]
シフトプランニングは、医療従事者の健康と幸福に重要な役割を果たす。
現在のコンピュータによるシフトプランニングは、一般的に管理の観点から設計されている。
これは、感情的にチャージされたスケジューリングの競合を自動的に解決することを意味する。
論文 参考訳（メタデータ） (2022-09-26T10:36:17Z) - Adaptive Serverless Learning [114.36410688552579]
本研究では,データから学習率を動的に計算できる適応型分散学習手法を提案する。
提案アルゴリズムは, 作業者数に対して線形高速化が可能であることを示す。
通信効率のオーバーヘッドを低減するため,通信効率のよい分散訓練手法を提案する。
論文 参考訳（メタデータ） (2020-08-24T13:23:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。