Affiliation:
1. Universidad Nacional Autónoma de México, México
Abstract
Es importante que el directivo cuente con la cantidad adecuada de información y las herramientas necesarias para mejorar la calidad del servicio del personal que atiende al cliente y realizar una adecuada toma de decisiones, que es el caso de los operadores telefónicos, en las empresas telefónicas. La presente investigación postula que mediante algoritmos genéticos se obtiene un modelo el cual proporciona una solución más eficiente que los métodos tradicionales a problemas de asignación de horarios de trabajo de las operadoras telefónicas. Se tiene que tomar una decisión en cuanto al tiempo de respuesta, con las medidas de calidad a nivel internacional, donde quien toma la decisión frecuentemente se tendrá que enfrentar a un gran volumen de información con un gran número de variables y una compleja relación entre ellas. De ahí el interés del presente estudio: ¿Cómo modelar y resolver de manera más eficiente un problema complejo de asignación de personal a horarios de trabajo en una gran empresa de atención telefónica mexicana? A efecto de incorporar las combinaciones de horarios de trabajo de las centrales telefónicas y de los turnos que tienen las operadoras telefónicas así como sus descansos y el tiempo no disponible para atender un cliente, lo cual incide en la satisfacción del cliente.
Publisher
Instituto Politecnico Nacional
Subject
Cardiology and Cardiovascular Medicine
Reference13 articles.
1. Bellanti, F., Carello, G., Della Croce, F., & Tadei, R. (2004). A greedy-based neighborhood search approach to a nurse rostering problem. (Elsevier, Ed.) European Journal of Operational Research , 153 (1), 28-40.
2. Coss Bu, R. (1993.). Análisis y evaluación de proyectos de inversión. D.F., México: Limusa.
3. Demassey, S., & Pesant, G. a.-M. (2005). Constraint programming based column generation for employee timetabling. (Springer, Ed.) Integration of AI and OR Techniques in Constraint Programming for Combinatorial Optimization Problems , 140-154.
4. Fernández, C., & Santos, M. (2003). A non-standard genetic algorithm approach to solve constrained school timetabling problems. En Computer Aided Systems Theory-EUROCAST 2003 (págs. 26-37). Springer.
5. Goldberg, D. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. D.F., México: Addison-Wesley.