E – Spril Alfabet

E-mail

E-mail staat voor digitaal elektronisch postverkeer. Zowel het individuele bericht als het onderliggende systeem kunnen met de term e-mail bedoeld worden.

De eerste e-mail over een computernetwerk werd in 1971 door Ray Tomlinson verzonden. Rond 1995 werd het populair bij het grote publiek toen het internet meer algemeen toegankelijk werd. Een e-mail kan echter ook met andere technieken dan het internet verstuurd worden.

Bij het berekenen van de benodigde uren ga je in het geval van e-mail uit van:
aantal e-mail x gemiddelde behandeltijd*. Deze uren kunnen eventueel verhoogd worden met Shrinkage toeslagen.

* In dit voorbeeld gaan we ervan uit dat de e-mail niet direct beantwoord hoeft te worden. Indien dat wel het geval is, zal je bijvoorbeeld ook de wachttijdtheorie kunnen toepassen.

Erlang

De Erlang is een eenheid voor de omvang van het telefoonverkeer. Als internationale eenheid van telefoonverkeer werd de Erlang (E) in 1946 door het Comité Consultatif International Télégraphique et Téléphonique (CCITT) aangenomen. Het was aan de hand van het wetenschappelijke werk in verband met de verkeerstheorie van de Deense wiskundige Agner Erlang dat men tot deze definitie kwam.

Eén erlang:

Eén telefoongesprek van 1 uur per uur, of 2 gesprekken van een half uur per uur, enzovoort. Een gemiddeld gesprek kan op 2 minuten vastgesteld worden wat bij één gesprek per uur 0,033 E is. Een analoge telefoonlijn kan maximaal één Erlang verwerken, ze wordt dan 100% gebruikt.

De Erlang wordt veel gebruikt om te bepalen of een telefooncentrale een te grote of te kleine capaciteit heeft (interne en externe oproepen). Er wordt gesteld dat het niet slagen van één oproep op elke 20, ofwel 5%, voor de meeste toepassingen aanvaardbaar is.

Erlang B

In de wachtrijtheorie en de telefonie is Erlangs B-formule een duiding die de kans aangeeft dat in een systeem alle lijnen bezet zijn en dat een oproep zodoende geweigerd moet worden. Er wordt daarbij verondersteld dat er geen wachtruimte is voor oproepen die niet direct verwerkt kunnen worden. Deze oproepen kunnen dus verloren gaan.

Erlang C

Het Erlang C-model is het standaard wiskundige model voor Klant Contact Centra (KCC). Vertraagde klanten komen in de wachtrij en blijven daar tot ze worden afgehandeld. Er is een oneindig aantal wachtende plekken. De orde van dienst is first come, first served. Hoewel het een standaardmodel voor Single-skill KCC betreft, heeft het gebruik van het Erlang C-model een aantal nadelen.

De belangrijkste zijn:

• verbroken calls worden niet gemodelleerd.
• in een onderbemand callcenter voorspelt de Erlang C-formule oneindig lange wachttijden.
• het aantal lijnen is oneindig.

Erlang X

Het Erlang-X-model is ook een wiskundig model voor callcenters maar dan ontwikkeld door CCMATH en het heeft een paar voordelen t.o.v. Erlang-C.

De belangrijkste zijn:

• verbroken calls en herhaalverkeer worden mee gemodelleerd.
• het aantal lijnen is eindig.

Escalatieplan

Dit is een plan dat aangeeft welke stappen er genomen moeten worden als de wachtrij oploopt tot ongewenste aantallen. Je kunt hier bijvoorbeeld het Short-Term Access plan voor gebruiken.

Exponential Smoothing model

Het Exponential Smoothing-model werd in de late jaren vijftig geïntroduceerd door C. C. Holt, R. G. Brownen J. F. Magee. Dit model is zonder twijfel één van de meest gebruikte voorspellingsmodellen, mede door de gemakkelijke uitvoering, maar ook door de lage implementatiekosten.

Bij het ES-model spreekt men vaak over een uitbreiding van de Moving Average-methode. Bij voorspellingen met de Moving Average-methode wordt het gemiddelde genomen over de laatste k waarnemingen. De wegingsfactor voor elke k is in dit geval gelijk aan 1/k. Bij Exponential Smoothing worden de wegingsfactoren op basis van exponentieel dalende gewichten berekend.

Vaak hebben de meest recente waarnemingen veel meer invloed op de toekomstige waarden dan de waarnemingen uit het verleden. Daarom krijgen de meest recente waarnemingen zwaardere wegingsfactoren.

Volgens Silver et al. (1998) is Simple Exponential Smoothing waarschijnlijk de meest gebruikte statistische methode voor Forecasting op korte termijn. Het onderliggende aanbodpatroon gaat uit van het levelmodel.

De Simple Exponential Smoothing aan het einde van periode t kun je als volgt uitrekenen, waarbij je in eerste instantie zelf de Smoothing Constant vaststelt.

Ft+1= a * Dt + (1-a)*Ft

F = Forecast
D = Demand
a = Smoothing Constant (level)

Vaststellen Smoothing Constant:

Instabiele Demand: Lagere Smoothing Constant

Stabiele Demand: Hogere Smoothing Constant

Belangrijk!

De Smoothing Constant moet altijd groter zijn dan 0 en kleiner dan 1. Anders krijg je te maken met een negatieve contributie van Demand of Forecast:

> 1 negatieve contributie Forecast en
< 0 negatieve contributie Demand.

Voorbeeld:

Demand t = 100 en Forecast t = 125                      (SES model: Ft+1=a* Dt + (1-a)*Ft )

Levelconstant: 1,1                                                       Levelconstant: -0,2

Ft+1=1,1 * 100 + (1-1,1) * 125                                   Ft+1=-0,2 * 100 + (1- -0,2) * 125

Ft+1=1,1 * 100 + (-0,1)* 125                                     Ft+1=-0,2 * 100 + (1+0,2) * 125

Tip:
Excel kan jou helpen om de beste Smoothing Constant te bepalen. Om dit te bewerkstelligen dien je de Solver/Oplosser van Excel te gebruiken.

Extrapoleren

Een methode van trendbepaling. Op basis van een bestaande set aan gegevens wordt een trend vastgesteld die voortborduurt op geanalyseerde patronen die uit die dataset naar voren komen. Bij een geconstateerde stijging of daling van klantbase kan deze trend doorgetrokken worden naar de toekomst.