Zahlen von einer Glockenkurve annähern?

Question

Ich habe meinen Kopf gegen eine Wand an diesem geschlagen.

Ich arbeite an einem Projekt, bei dem der Kunde ein Callcenter besitzt und die Anzahl der Personen schätzen möchte Standardabweichung. Dies sollte dann die Werte zu den anderen Slots "fächern" (abnehmend auf beiden Seiten des Peaks).

Wenn dies ein Diagramm wäre, hätten Sie eine halbe Stunde Slots auf der X-Achse (1 bis 48) und der Anzahl der Personen, die entlang der Y-Achse benötigt werden, was wie eine Glockenkurve aussehen würde, wobei der Höhepunkt in der angegebenen Spitzenstunde liegt.

Wie kann ich ungefähre Werte der Sitze erhalten, die für jeden halben Stunde Slot benötigt werden? Jeder Punkt in die richtige Richtung wäre sehr geschätzt!

PS arbeitet in .NET, wenn jemand von Bibliotheken kennt, die dies können.

Answer 1

Sie können das Forumula für die Wahrscheinlichkeitsdichtefunktion erhalten (zusammen mit einer .NET -Libary) hier

Ich arbeite jedoch selbst an einer Callcenter -Software bei meinem Job und kann Ihnen sagen, dass die FTEs niemals normal verteilt sind. In der Regel gibt es ~ 2-3 überlappende Normalverteilungen, eine verzerrte links und eine nach rechts nach rechts abhängig von der Tageszeit (am frühen Morgen, am späten Nachmittag) und der Art der Kampagne (B2B bis B2C).

Für eine genauere Schätzung würde ich empfehlen, eine Vorgeschichte der vorherigen Aktivität/Last in Ihrem Callcenter zu behalten (was ist die durchschnittliche Belastung in jedem halbstündigen Intervalle), dann verwenden und geschätzte Anruflänge. Dies ist, was wir in Protcall tun, und wir haben normalerweise innerhalb von 90 % - 95 % der tatsächlichen Last Recht. Manchmal. Manchmal vermissen wir um den Faktor 10.

BEARBEITEN:

Ok, ich habe mir ein wenig Zeit genommen, um uns zu prüfen, wie wir Lasten schätzen, und die Standardverteilung wird Sie nicht nirgendwo hinbringen. Schauen Sie sich einen an Paar von Screenshots Aus unseren Diagrammen und Sie werden sehen, wie unterschiedlich die Verteilung tatsächlich aussieht.

Was Sie (im Grunde) tun müssen:

1. Probieren Sie die Anzahl der Anrufe pro Minute (wie viele Anrufe wir seit 60 Sekunden hatten)
2. Speichern Sie diese Beispiele in einer Tabelle: ZeitOFDAY, CallsMade
3. Laden Sie diese Proben und skalieren Sie sie. (dh in unserer Gesamttabelle 10.000 Anrufe und wir schätzen unsere neuen Aktivitäten auf 4.000 Anrufe pro Tag, multiplizieren Sie alles mit 0,4. Sie können durch geschätzte NR von Anrufen oder (mehr Acuratelly) mit geschätzter Anzahl von Gesprächszeitminuten skaliert werden pro Tag)

Wenn Sie einfach eine Tabelle mit einem Zeileneintrag für jeden Anruf haben, können Sie einfach:

SELECT count(*),datepart(hour,[CalledOn]) as CalledOn from tableCalls group by datepart(hour,[CalledOn]) 

Um die Anrufe pro Stunde zu zählen. Es wird pro Stunde probiert, nicht pro Minute, aber es könnte ausreichen, um Ihnen die Grundlinie zu geben

Answer 2

Hmmm

Ich wäre überrascht, wenn die Verteilung der Anrufe während des Tages (24 Stunden von Mitternacht bis Mitternacht) normal wäre (dh der Glockenkurve folgte). Wenn der Kunde dies jedoch bestellt hat, dann sei es so. Bevor Sie jedoch viel weiter gehen, müssen Sie weitere Untersuchungen durchführen.

Ist Ihre Vermutung, dass der Kunde einen STD -Entwickler richtig angeben kann?

Die Anrufe werden nicht innerhalb eines Tages über die Spitzenstunde verteilt, es sei denn Ich wette, der Modus ist nicht um 12:00 Uhr.

Wie einer Ihrer Befragten bereits gesagt hat, können Sie die Formeln und Implementierungen der Normalverteilung leicht genug finden.

Aber wenn Sie Ihren Kunden beeindrucken und ein besseres Modell erstellen möchten, würde ich mit einer einfachen Warteschlange beginnen.

Answer 3

Ich denke, das ist nicht wirklich eine Antwort, aber die Telefonindustrie verwendet die Erlang als Maßeinheit für diese Art von Problemen, die von der durchschnittlichen Anruflänge und der durchschnittlichen Anzahl der gleichzeitigen Anrufe in einem Zeitraum abgeleitet werden.