Aplicación de redes neuronales artificiales en la estimación del nivel de servicio en un CALLCENTER.
En el presente proyecto se realiza la construcción de una red neuronal artificial para pronosticar el grado o nivel servicio de un centro de llamadas o call center perteneciente a un proveedor de internet. Esta red se elabora con la finalidad de demostrar que a través de este tipo de modelo computac...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2018 |
| País: | Ecuador |
| Institución: | Universidad Católica de Santiago de Guayaquil |
| Repositorio: | Repositorio Universidad Católica de Santiago de Guayaquil |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.ucsg.edu.ec:3317/11881 |
| Acceso en línea: | http://repositorio.ucsg.edu.ec/handle/3317/11881 |
| Access Level: | acceso abierto |
| Palabra clave: | REDES NEURONALES ARTIFICIALES PRONÓSTICO DE DEMANDA MINITAB SOLVER SERVICIO CALL CENTER |
| Sumario: | En el presente proyecto se realiza la construcción de una red neuronal artificial para pronosticar el grado o nivel servicio de un centro de llamadas o call center perteneciente a un proveedor de internet. Esta red se elabora con la finalidad de demostrar que a través de este tipo de modelo computacional se puede predecir el grado de calidad en el servicio de un call center, es decir, poder determinar la eficiencia de atención de los operadores en los futuros días en función a una base de datos del nivel de servicio en días previos. Se empieza por dar una descripción concisa de los modelos tradicionales de determinación o pronóstico de una variable, así como también, se detallan la composición y funcionamiento de las redes neuronales artificiales, tanto en sus topologías, algoritmos de aprendizaje, aplicativos en diferentes áreas y su utilidad en la actualidad. Posterior a esto se define el problema a resolver especificando el método a utilizar, los modelos de predicción, métodos de ajuste exponencial y diferentes topologías de redes neuronales artificiales para poder llegar a la solución deseada. Con estos aditamentos se implementa una red neuronal utilizando como interfaz MINITAB y como elemento de aprendizaje SOLVER, con la finalidad de ver en base a análisis comparativos los errores de estimación y las etapas de entrenamiento de los modelos asociados para este estudio. |
|---|