{"title":"预测模型在呼叫中心呼叫数据中的应用比较:TRE-PE的案例研究","authors":"L. Soares Júnior, P. S. G. M. Mattos Neto","doi":"10.25286/repa.v7i2.2217","DOIUrl":null,"url":null,"abstract":"A previsão de séries temporais tem sido amplamente aplicada na economia, saúde, meteorologia entre outros áreas como ferramenta para o processo de planejamento. O presente trabalho realizou uma análise de modelos de previsão aplicados em dados reais de chamadas telefônicas do Tribunal Regional Eleitoral de Pernambuco (TRE-PE). Foi possível identificar os principais aspectos da construção de modelos de previsão estatísticos e baseados em redes neurais -MLP. A análise dos dados permitiu a identificação de dependências normalmente existentes em dados de chamadas de serviços de teleatendimento e a forma de identificação de fenômenos sazonais. Por fim, avaliamos a precisão dos modelos comparando os resultados com base no desempenho da previsão com dados reais. ","PeriodicalId":331078,"journal":{"name":"Revista de Engenharia e Pesquisa Aplicada","volume":"27 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-07-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Comparação de Modelos Preditivos Aplicados Em Dados de Chamadas de Call Center: Um Estudo de Caso no TRE-PE\",\"authors\":\"L. Soares Júnior, P. S. G. M. Mattos Neto\",\"doi\":\"10.25286/repa.v7i2.2217\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"A previsão de séries temporais tem sido amplamente aplicada na economia, saúde, meteorologia entre outros áreas como ferramenta para o processo de planejamento. O presente trabalho realizou uma análise de modelos de previsão aplicados em dados reais de chamadas telefônicas do Tribunal Regional Eleitoral de Pernambuco (TRE-PE). Foi possível identificar os principais aspectos da construção de modelos de previsão estatísticos e baseados em redes neurais -MLP. A análise dos dados permitiu a identificação de dependências normalmente existentes em dados de chamadas de serviços de teleatendimento e a forma de identificação de fenômenos sazonais. Por fim, avaliamos a precisão dos modelos comparando os resultados com base no desempenho da previsão com dados reais. \",\"PeriodicalId\":331078,\"journal\":{\"name\":\"Revista de Engenharia e Pesquisa Aplicada\",\"volume\":\"27 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-07-15\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista de Engenharia e Pesquisa Aplicada\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.25286/repa.v7i2.2217\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista de Engenharia e Pesquisa Aplicada","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.25286/repa.v7i2.2217","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Comparação de Modelos Preditivos Aplicados Em Dados de Chamadas de Call Center: Um Estudo de Caso no TRE-PE
A previsão de séries temporais tem sido amplamente aplicada na economia, saúde, meteorologia entre outros áreas como ferramenta para o processo de planejamento. O presente trabalho realizou uma análise de modelos de previsão aplicados em dados reais de chamadas telefônicas do Tribunal Regional Eleitoral de Pernambuco (TRE-PE). Foi possível identificar os principais aspectos da construção de modelos de previsão estatísticos e baseados em redes neurais -MLP. A análise dos dados permitiu a identificação de dependências normalmente existentes em dados de chamadas de serviços de teleatendimento e a forma de identificação de fenômenos sazonais. Por fim, avaliamos a precisão dos modelos comparando os resultados com base no desempenho da previsão com dados reais.