仿真厅流程提升客户体验

仿真厅流程提升客户体验

本研究中，我们使用基于队列理论的计算机模拟模型来模拟和模拟大厅流程，并研究大厅流程的优化。通过统计支行的客户到达与服务时间数据,使用计算机软件建立起支行厅堂的客户排队论模型,并通过模型的改进实现厅堂流程改进的效果。一、到达间隔和服务时间的概率分布函数根据排队理论,顾客的到达间隔时间为独立同分布的。我们需要统计一段时间内每个顾客的到达时刻,以获取相邻两位顾客的到达间隔时间数据。同时,需要知道柜面服务每一位顾客所需时间,从而得到服务时间的数据。根据这些数据,通过软件拟合成顾客到达间隔的概率分布函数和服务时间的概率分布函数。利用这些分布函数可以建立网点柜面服务的计算机仿真模型。本文中采用了EasyFit软件进行数据拟合,将我们统计的数据拟合为概率分布函数,用以计算机模型中产生数据源。并通过了Kolmogorov-Smirnov法对拟合效度的验证,得到拟合后的到达间隔和服务时间分布函数(见表1)。建立计算机仿真模型时我们采用的是EnterpriseDynamicsR软件。它是在物流、生产、服务等领域使用计算机建模仿真软件。假设Q支行有4个服务窗口,平均每日叫号344个,其中在柜面实际办理205笔业务,叫号流失率40.41%。贵宾业务37人,占到未流失业务中18.05%,存取款业务64笔,占到未流失业务中的31.22%。下文将以Q支行为例,介绍建模与仿真的方法。(一)顾客数量相对较多通过观察,我们发现柜面业务中办理存取款业务的顾客数量相对较多,而且服务时间相对其他业务要短,却需要跟其他业务顾客一起经过较长时间排队。我们根据统计的数据,首先建立模型观察排队情况。1.计算机仿真仿真真真度顾客进入大厅后取号排队,一部分顾客不愿等待,离开系统;剩下的顾客将继续等待直到被4个窗口中的一个服务后离开。模型建立见图1所示,各物体意义为:(1)号为顾客。(2)号为进入大厅的顾客生成器,顾客到达间隔时间服从分布,生成顾客进入系统。(3)为流失顾客,经过统计,一天之中该支行有40.41%的顾客取号后未在柜面被服务。(4)为排队,这里采取的是类似于随机过程中M/M/c的排队方式,但到达间隔和服务时间并不服从指数分布。4个服务窗口,只排一条队列,服从FIFO原则,排在队列最前面的人将会被任意一个先空出来的窗口服务。(5)(6)(7)(8)是4个服务台,他们各自的服务时间都是独立的,且服从相同的T~Lognormal(5.7662,0.90278)分布。(9)为结束,当顾客被服务完以后从这里离开系统。通过运行10次迭代实验,计算机仿真结果如下:从以上仿真结果可以看出,顾客平均需要等待1009.05秒(约16.8分钟)才能够被服务。被服务的时间平均需要460.58秒(约7.7分钟),而且柜员有89%的时间忙于办业务,比较劳累。这一仿真结果与我们观察的实际情况比较吻合。我们认为计算机建模仿真的保真度较高。模型的信度均达到85%以上。2.计算机仿真实验通过数据收集和观测,我们提出了单独设置快速存取款业务的窗口。当这个通道排队过长时,可将排队的存取款顾客引导至高柜其它普通窗口。由于短时间内我们很难说明该提案的效果,于是我们采取计算机建模与仿真的方法进行验证。这样不但能够得到保真度较高的实验结果,还能够多次仿真得到有统计意义的结果,同时还能加速仿真以缩短我们等待的时间,却又不牺牲模型的有效度。将高柜的一个窗口改为存取款专用快捷窗口后,得到以下数据:(1)顾客到达时间间隔T~Weibull(76.248,0.85984)保持不变。(2)31.22%的顾客办理存取款业务,存取款业务的服务时间服从T~Gamma(261.02,1.6696)分布。(3)非存取款业务的服务时间T~Lognormal(5.7595,0.95052)。建立模型见图2所示,各物体意义为:(1)号为顾客。(2)号为进入大厅的顾客生成器,到达间隔服从T~Weibull(76.248,0.85984)分布,生成顾客进入系统。(3)为流失顾客,40.41%的顾客未在柜面被服务。(4)为未流失的顾客。(5)是三个普通窗口前的队列。这里采取的是类似于随机过程中M/M/c的排队方式,但到达间隔和服务时间并不服从指数分布。这三个窗口共享一条队列。队列服从FIFO原则,排在队列最前面的人将会被任意一个先空出来的窗口服务。(6)是存取款快捷窗口前的队列,采取的是类似于随机过程中M/M/1的排队方式,但到达间隔和服务时间并不服从指数分布。队列服从FIFO原则,但这里设置了一个条件,当存取款快捷窗口有队列而普通窗口无队列时,存取款窗口的排队顾客将被转移到队列(5)中,并且将立刻被普通窗口服务。(7)(8)(9)是3个服务台,即3个柜员,他们各自的服务时间都是独立的,当到达的顾客是非存取款顾客时,服务时间服从相同的T~Lognormal(5.7595,0.95052)分布;但若服务的顾客是由队列(6)转移到队列(5)的存取款顾客时,服务时间服从相同的T~Gamma(261.02,1.6696)分布。(10)为存取款快捷窗口,服务时间服从T~Gamma(261.02,1.6696)分布。(11)为结束,当顾客被服务完以后从这里离开系统。通过运行10次迭代实验,计算机仿真结果如下:从表4至表7可以看出,普通窗口的平均排队时间已由改进前的1009.05秒(约16.8分钟)缩短到809.22秒(约13.5分钟)。而存取款窗口仅需排队255.83秒(约4.3分钟),相比改进前缩短了74.6%。而且,普通窗口前的平均排队人数由改进前的8.52人减少到4.35人,而存取款窗口前平均排队人数只有0.59人。与此同时,改进后柜员的利用率由原来的0.89减少到普通窗口的0.85和存取款窗口的0.57,有了更多的休息和营销时间。这证明,我们的改进是显著的,能够明显减少顾客等待时间和排队人数。3.存取款专用窗口那么银行网点来讲,到底什么时候适合开设存取款专用快捷窗口呢?本文将通过估算公式推导来估算。设某一网点一天之中平均有x名顾客办理存取款业务,у名顾客办理非存取款业务。每笔存取款业务平均耗时为ɑ,非存取款业务每笔平均耗时为δɑ,其中δ叟1为一个系数,只有当存取款业务平均所需时间不长于其他业务时才有设置存取款专用窗口的意义。该网点共有N个高柜窗口,现假设我们将选取其中n个窗口设置为存取款专用窗口。我们希望n个存取款窗口的业务办理时间与(N-n)个非存取款窗口的业务办理时间尽可能接近。这样就能够平衡所有窗口的工作量,减少排队长度。而每个存取款窗口办理一笔业务平均时间为,每个非存取款窗口办理一笔业务平均时间为。让这两个时间接近,但我们希望非存取款窗口要比存取款专用窗口略闲一些。这样一旦存取款专用窗口排的队太长,就能够分流到非存取款专用窗口进行办理。也就是说,需要可以得到这便是我们的估算公式。我们只需要知道目前共有几个窗口,也可以统计出一天平均有多少笔存取款业务和多少笔非存取款业务,同时知道这两种业务平均所需时间之比δ即可。而这个系数δ在一定地理范围内差异不大,也可以由总行通过统计的方法得到。我们这里算得Q支行δ≈1.2。我们现将前面计算机建模与仿真的数据拿来验证这一估算公式。一天之内办理存取款业务笔数x=64,非存取款业务笔数y=141,同时算得δ≈1.2。已知Q支行共有N=4个高柜窗口,因此我们可以设置存取款专用快捷窗口个数为根据此结论,我们设置一个存取款专用快捷窗口是有价值的。这也与我们前面计算机建模仿真的结果相吻合。这也印证了我们的模型是有效可信的。(二)贵族客户办理业务的时间长我们发现Q支行叫号时,尽管交银理财号与沃德号均属贵宾号,应该优先于其他顾客,但由于支行大厅只固定了一个窗口办理贵宾号,而且贵宾顾客办理业务的时间相对较长,致使有不少贵宾顾客取贵宾号等待的时间比取普通号的时间还长。首先我们建立计算机模型来模拟这一情景。1.改进的计算机仿真模型下面依然以Q支行为例,假设4个窗口的服务时间为独立且同分布的,通过EasyFit软件拟合,得到(1)顾客到达时间间隔T~Weibull(76.248,0.85984);(2)贵宾顾客服务时间T~Weibull(409.78,1.3329);(3)非贵宾顾客服务时间T~Lognormal(5.7916,0.91013)。目前支行网点的真实情况是只有一个窗口办理贵宾业务,其他窗口不叫贵宾号。当贵宾窗口没有贵宾排队时,也办理普通业务。一旦有贵宾到达,将被安排在贵宾窗口当前被服务的顾客之后。模型见图3上图中各物体意义为:(1)号为顾客。(2)号为进入大厅的顾客生成器,顾客到达间隔服从T~Weibull(76.248,0.85984)分布,生成顾客进入系统。(3)为流失顾客,有40.41%的顾客取号后未在柜面被服务。(4)为未流失的顾客。(5)是三个普通窗口前的队列,这里采取的是类似于随机过程中M/M/c的排队方式,但到达间隔和服务时间并不服从指数分布。队列服从FIFO原则,排在队列最前面的人将会被任意一个先空出来的窗口服务。(6)是贵宾队列,采取的是类似于随机过程中M/M/1的排队方式,但到达间隔和服务时间并不服从指数分布。排队时贵宾优先,同时队列服从FIFO原则。(7)(8)(9)是3个服务台,也即3个柜员,他们各自的服务时间都是独立的,当到达的顾客是非贵宾顾客时,服务时间服从相同的T~Lognormal(5.7916,0.91013)分布。(10)为既办理普通业务也办理贵宾业务的窗口,当贵宾顾客到达时服务时间服从T~Weibull(409.78,1.3329)分布,当普通顾客到达时服务时间服从T~Lognormal(5.7916,0.91013)分布。(11)为结束,当顾客被服务完以后从这里离开系统。通过运行10次迭代实验,我们得到计算机仿真结果如下:从该模型看出,尽管该支行贵宾队列平均仅有1.94个人排队,但是贵宾平均需要等待的时间高达1085.29秒(约18.1分钟)。这对于贵宾来说是不可忍耐的!他们需要等待的时间实际上比普通顾客要等待的时间还长(716.9秒,约11.9分钟)。而且改进后的计算机仿真模型办理普通业务也办理贵宾窗口的柜员(10)利用率达到了93%。这也是柜员所无法承受的。2.计算机仿真实验因此,我们提出了将贵宾号一律优先的思路,并且让每个柜台都可以服务贵宾。也就是说,当贵宾到来后,首先服务完当前顾客的任一窗口将优先接待贵宾顾客。此时模型见图4。上图中各物体意义为:(1)号为顾客。(2)号为进入大厅的顾客生成器,顾客到达间隔服从T~Weibull(76.248,0.85984)分布,生成顾客进入系统。(3)为流失顾客,40.41%的顾客取号后未在柜面被服务。(4)为未流失的顾客。(5)用来标记普通顾客,以便后面柜台选择相应的服务时间。(6)用来标记贵宾顾客,以便后面柜台选择相应的服务时间。(7)是将贵宾和普通顾客合在一起排队的队列,但是贵宾顾客会具有更高的优先级,当有贵宾顾客到达时,排在队列的最前面。如果有多个贵宾顾客,则服从FIFO原则。该队列类似于随机过程理论中的M/M/c排队方式,但到达间隔和服务时间并不服从指数分布。(8)是仿真程序用以记录普通顾客排队时间的虚拟队列。(9)是仿真程序用以记录贵宾顾客排队时间的虚拟队列。(10)(11)(12)(13)是4个服务台,也即4个柜员,他们各自的服务时间都是独立的,既办理普通业务也办理贵宾业务的窗口,当贵宾顾客到达时服务时间服从T~Weibull(409.78,1.3329)分布,当普通顾客到达时服务时间服从T~lognormal(5.7916,0.91013)分布。(14)为结束,当顾客被服务完以后从这里离开系统。通过运行10次迭代实验,我们得到计算机仿真结果如下:经过优化的方案能够显著减少贵宾的等待时间,平均只需要等待207.74秒(约3.5分钟),比改进前降低了81%。然而,普通顾客的等待时间却略有所增加,从以前的716.9秒(约约11.9分钟)增加到821.22秒(约13.7分钟)。然而,这对于普通顾客来说是可以接受的,而且提高了顾客希望变成贵宾顾客的欲望。这样的改进没有增加柜员的利用率,以前普通柜台利用率为87%,既办理贵宾又办理普通业务的柜台利用率为93%,而改进后所有柜台利用率均为88%。二、仿真及优化方法在本报告中,我们结合支行网点实际,为充分发挥各营业网点的整体阵地效率,并引入计算机建模与仿真的方法来分析厅堂的改善策略。通过各种数学模型的使用和适当的参数设定,