Optimización no lineal entera asistido por redes neuronales en problemas de call centers

Autores
Barberis, Ángel R.; Del Moral Sachetti, Lorena E.; Silvera, Jorge Alberto; Figueroa, Daniel Arias
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La gestión eficiente de Centros de Contacto Telefónico representa un desafío central dentro de Investigación Operativa. incorporación de inteligencia artificial en este ámbito ha permitido automatizar interacciones con usuarios mediante chatbots y agentes virtuales, reduciendo la carga sobre operadores humanos y agilizando respuestas. No obstante, esta tecnología presenta importantes: genera tensiones respecto a la pérdida de empleos, carece de la empatía propia de la interacción humana y no resuelve con precisión los niveles de rendimiento de equipos de agentes predefinidos. Frente a estas limitaciones, el proyecto de investigación propone un enfoque híbrido que combina dimensionamiento mínimo de recursos humanos con distribución óptima de turnos, asistida por inteligencia artificial, con el objetivo de maximizar los niveles de servicio y la satisfacción del usuario. Desde el punto de vista metodológico, los algoritmos de optimización no lineal tradicionales enfrentan el problema de quedar atrapados en óptimos locales. Las heurísticas convencionales intentan superarlo, aunque con alta carga computacional. Como alternativa superadora, se propone integrar redes neuronales debidamente entrenadas al proceso de búsqueda, ya que estas pueden escapar de óptimos locales con mayor velocidad y precisión. El algoritmo resultante combinaría métodos de optimización no lineal entera de búsqueda direccional con redes neuronales, logrando una solución más eficiente para la planificación de turnos en centros de contacto.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Optimización no lineal entera
Optimización de Call Center
Redes neuronales
Nivel de servicio
Algoritmos de búsqueda direccional
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195700
Acceder
id SEDICI_aaf75156286def2c2167d280b921cc61
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195700
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Optimización no lineal entera asistido por redes neuronales en problemas de call centersBarberis, Ángel R.Del Moral Sachetti, Lorena E.Silvera, Jorge AlbertoFigueroa, Daniel AriasCiencias InformáticasOptimización no lineal enteraOptimización de Call CenterRedes neuronalesNivel de servicioAlgoritmos de búsqueda direccionalLa gestión eficiente de Centros de Contacto Telefónico representa un desafío central dentro de Investigación Operativa. incorporación de inteligencia artificial en este ámbito ha permitido automatizar interacciones con usuarios mediante chatbots y agentes virtuales, reduciendo la carga sobre operadores humanos y agilizando respuestas. No obstante, esta tecnología presenta importantes: genera tensiones respecto a la pérdida de empleos, carece de la empatía propia de la interacción humana y no resuelve con precisión los niveles de rendimiento de equipos de agentes predefinidos. Frente a estas limitaciones, el proyecto de investigación propone un enfoque híbrido que combina dimensionamiento mínimo de recursos humanos con distribución óptima de turnos, asistida por inteligencia artificial, con el objetivo de maximizar los niveles de servicio y la satisfacción del usuario. Desde el punto de vista metodológico, los algoritmos de optimización no lineal tradicionales enfrentan el problema de quedar atrapados en óptimos locales. Las heurísticas convencionales intentan superarlo, aunque con alta carga computacional. Como alternativa superadora, se propone integrar redes neuronales debidamente entrenadas al proceso de búsqueda, ya que estas pueden escapar de óptimos locales con mayor velocidad y precisión. El algoritmo resultante combinaría métodos de optimización no lineal entera de búsqueda direccional con redes neuronales, logrando una solución más eficiente para la planificación de turnos en centros de contacto.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf179-183http://sedici.unlp.edu.ar/handle/10915/195700spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195700Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.807SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Optimización no lineal entera asistido por redes neuronales en problemas de call centers
title Optimización no lineal entera asistido por redes neuronales en problemas de call centers
spellingShingle Optimización no lineal entera asistido por redes neuronales en problemas de call centers
Barberis, Ángel R.
Ciencias Informáticas
Optimización no lineal entera
Optimización de Call Center
Redes neuronales
Nivel de servicio
Algoritmos de búsqueda direccional
title_short Optimización no lineal entera asistido por redes neuronales en problemas de call centers
title_full Optimización no lineal entera asistido por redes neuronales en problemas de call centers
title_fullStr Optimización no lineal entera asistido por redes neuronales en problemas de call centers
title_full_unstemmed Optimización no lineal entera asistido por redes neuronales en problemas de call centers
title_sort Optimización no lineal entera asistido por redes neuronales en problemas de call centers
dc.creator.none.fl_str_mv Barberis, Ángel R.
Del Moral Sachetti, Lorena E.
Silvera, Jorge Alberto
Figueroa, Daniel Arias
author Barberis, Ángel R.
author_facet Barberis, Ángel R.
Del Moral Sachetti, Lorena E.
Silvera, Jorge Alberto
Figueroa, Daniel Arias
author_role author
author2 Del Moral Sachetti, Lorena E.
Silvera, Jorge Alberto
Figueroa, Daniel Arias
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Optimización no lineal entera
Optimización de Call Center
Redes neuronales
Nivel de servicio
Algoritmos de búsqueda direccional
topic Ciencias Informáticas
Optimización no lineal entera
Optimización de Call Center
Redes neuronales
Nivel de servicio
Algoritmos de búsqueda direccional
dc.description.none.fl_txt_mv La gestión eficiente de Centros de Contacto Telefónico representa un desafío central dentro de Investigación Operativa. incorporación de inteligencia artificial en este ámbito ha permitido automatizar interacciones con usuarios mediante chatbots y agentes virtuales, reduciendo la carga sobre operadores humanos y agilizando respuestas. No obstante, esta tecnología presenta importantes: genera tensiones respecto a la pérdida de empleos, carece de la empatía propia de la interacción humana y no resuelve con precisión los niveles de rendimiento de equipos de agentes predefinidos. Frente a estas limitaciones, el proyecto de investigación propone un enfoque híbrido que combina dimensionamiento mínimo de recursos humanos con distribución óptima de turnos, asistida por inteligencia artificial, con el objetivo de maximizar los niveles de servicio y la satisfacción del usuario. Desde el punto de vista metodológico, los algoritmos de optimización no lineal tradicionales enfrentan el problema de quedar atrapados en óptimos locales. Las heurísticas convencionales intentan superarlo, aunque con alta carga computacional. Como alternativa superadora, se propone integrar redes neuronales debidamente entrenadas al proceso de búsqueda, ya que estas pueden escapar de óptimos locales con mayor velocidad y precisión. El algoritmo resultante combinaría métodos de optimización no lineal entera de búsqueda direccional con redes neuronales, logrando una solución más eficiente para la planificación de turnos en centros de contacto.
Red de Universidades con Carreras en Informática
description La gestión eficiente de Centros de Contacto Telefónico representa un desafío central dentro de Investigación Operativa. incorporación de inteligencia artificial en este ámbito ha permitido automatizar interacciones con usuarios mediante chatbots y agentes virtuales, reduciendo la carga sobre operadores humanos y agilizando respuestas. No obstante, esta tecnología presenta importantes: genera tensiones respecto a la pérdida de empleos, carece de la empatía propia de la interacción humana y no resuelve con precisión los niveles de rendimiento de equipos de agentes predefinidos. Frente a estas limitaciones, el proyecto de investigación propone un enfoque híbrido que combina dimensionamiento mínimo de recursos humanos con distribución óptima de turnos, asistida por inteligencia artificial, con el objetivo de maximizar los niveles de servicio y la satisfacción del usuario. Desde el punto de vista metodológico, los algoritmos de optimización no lineal tradicionales enfrentan el problema de quedar atrapados en óptimos locales. Las heurísticas convencionales intentan superarlo, aunque con alta carga computacional. Como alternativa superadora, se propone integrar redes neuronales debidamente entrenadas al proceso de búsqueda, ya que estas pueden escapar de óptimos locales con mayor velocidad y precisión. El algoritmo resultante combinaría métodos de optimización no lineal entera de búsqueda direccional con redes neuronales, logrando una solución más eficiente para la planificación de turnos en centros de contacto.
publishDate 2026
dc.date.none.fl_str_mv 2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/195700
url http://sedici.unlp.edu.ar/handle/10915/195700
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7
info:eu-repo/semantics/reference/hdl/10915/195432
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
179-183
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982611651592192
score 13.364332

Publicaciones similares