Python을 사용한 콜센터 라우팅 시뮬레이션

## 콜센터 라우팅 전략 시뮬레이션: 코드와 지표

이산 시간 모델을 통해 들어오는 전화를 에이전트에게 분배하는 전략을 비교할 수 있습니다: Sequential (순차 폴링), Round Robin (라운드 로빈), Longest Idle (최대 대기 시간 기준 선택). 분석은 주요 성과 지표(KPI) (SLA, 대기 시간, 큐 길이)와 공정성 지표(지니 지수, 변동 계수)에 중점을 둡니다.

이 모델은 푸아송 분포 통화 스트림을 생성하고, 에이전트 상태(대기, 바쁨, 오프라인)를 시뮬레이션하며, 부하 분포를 시각화하기 위한 데이터를 수집합니다. 모든 매개변수는 config.py에 중앙 집중화되어 있으며, dataclass를 통한 타입 지정과 JSON 직렬화로 재현성을 보장합니다.

개발 및 테스트에서의 모델 적용

개발자에게 이 모델은 샌드박스로 활용됩니다: 실제 부하 없이 전략 프로토타이핑으로 조기 문제 발견이 가능합니다.

테스터는 이를 위해 사용합니다:

• 프로덕션 데이터와의 디지털 트윈으로 시뮬레이션 검증.
• 스트레스 테스트: 통화 급증, 에이전트 장애, 병목 현상 탐지.

클라이언트(콜센터 관리자)는 가정 분석을 실행합니다:

• 전략 변경 시 SLA 평가.
• 에이전트 채용을 통한 부하 예측.
• 다양한 트래픽 강도에서의 공정성 비교.

프로젝트 아키텍처

src-layout를 사용한 모듈식 구조로, Colab과 로컬 환경 모두 호환됩니다. pyproject.toml을 통한 편집 가능 설치, 자동 패키지 발견 및 pytest 지원.

주요 모듈:

• src/ccsim/config.py: 시드, lambda_rate, num_agents 등을 포함한 SimulationConfig.
• src/ccsim/agents.py: 상태와 푸아송 이벤트를 가진 Agent 클래스.
• src/ccsim/strategies.py: 확장성을 위한 RoutingStrategy 하위 클래스.
• src/ccsim/simulation.py: 이산 이벤트 루프와 처리.
• src/ccsim/metrics.py: 통화 및 바쁨 시간에 대한 지니 지수와 CV.
• src/ccsim/visualization.py: KDE 분포와 큐 동역학.
• main.py: 오케스트레이션 및 runs/<timestamp> 저장.
• tests/test_strategies.py: 엣지 케이스 검사.

Colab 실행: 노트북에서 생성, 편집 가능 설치, main.py 실행. pytest를 통한 HTML/JUnit 보고서 테스트.

시뮬레이션 매개변수

SimulationConfig가 정의합니다:

| Parameter | Description |

|------------------------|------------------------------|

| seed | 난수 생성기 초기화 |

| lambda_rate | 통화 강도 (통화/초) |

| num_agents | 에이전트 수 |

| num_calls | 총 통화 수 |

| min_call_duration, max_call_duration | 지속 시간 범위 |

| agent_logout_prob, agent_login_prob | 에이전트 가용성 확률성 |

| max_queue_size | 큐 제한 |

| service_level_threshold| SLA 임계값 (초) |

| max_simulation_steps | 단계 제한 |

예: lambda_rate [0.65, 0.75, 0.85]로 낮음/임계/높음 부하 모델링. 변동 계수가 공정성 차이를 가장 잘 강조합니다.

전략 비교 결과

lambda_rate=0.70에서 Sequential은 불균등 이용률을 보입니다 (KDE 플롯). Round Robin과 Longest Idle은 균등에 더 가깝습니다. 낮은 부하(0.65)에서 통화 분포 차이가 최대이며, 과부하 시 수렴합니다.

플롯: 바쁨 시간에 대한 combined_busy_times_kde.png, 에이전트별 통화 분포.

핵심 사항

• 모델은 Sequential, Round Robin, Longest Idle을 주요 성과 지표(KPI)와 공정성(지니 지수, CV)으로 비교.
• 가정 시나리오를 위한 JSON 지원 유연한 config.py.
• RoutingStrategy 상속으로 새로운 전략 모듈화.
• 큐 동역학과 KDE 부하 분포 시각화.
• 테스트는 빈 큐, 에이전트 없음 등 엣지 케이스 커버.

모델 확장

추가:

• 이종 에이전트 (기술 수준, 교대 스케줄).
• 기술 기반 및 예측 라우팅.
• 트래픽 주기성, 반복 통화.
• 로봇 에이전트, 피로 요인.

— Editorial Team