ساعت 5:30 بعد از ظهر است ، به نظر می رسد همه کار را ترک کرده اند و شما در صف طولانی در صندوق فروشگاهی سوپر مارکت گیر کرده اید. آیا تعجب می کنید که مدیریت فروشگاه هنوز متوجه نشده است که در ساعت شلوغی به چه تعداد صندوقدار نیاز دارد؟ اگر شگفت زده شده اید ، احتمالاً اهمیت صف ها را درک کرده اید.
این که آیا منتظر استفاده از دستگاه کپی یا فرود هواپیما ، یا انتظار برای ورود قطعات به خط مونتاژ هستیم ، صف ها بخش واضح و اغلب ناامید کننده زندگی ما هستند. صف های انتظار هر روز بر زندگی افراد تأثیر می گذارد ، به همین دلیل یکی از اهداف اصلی بسیاری از مشاغل ارائه بهترین سطح خدمات است. به حداقل رساندن صف ها بخش مهمی از ایجاد تجربه مثبت مشتری است.
اما چگونه می توانید در سازمان خود به این هدف برسید؟ خوب ، مقدار زیادی از دانش ریاضی به مطالعه ، شبیه سازی و تجزیه و تحلیل زمان انتظار اختصاص داده شده است. این دانش تئوری صف بندی نامیده می شود و به کاهش هزینه های انتظار در کسب و کار شما کمک می کند.
نظریه صف به شما کمک می کند تا بهترین راه را برای استخدام کارکنان و سایر منابع تعیین کنید و همچنین زمان انتظار مشتریان خود را کاهش می دهد.
مدل های صف به شما نشان می دهد که چگونه می توانید با حذف افراد ناکارآمد که فقط به موقع کار می کنند ، سطح سودآوری خود را حفظ کنید و مطمئن شوید که برای انجام کار در بهترین زمان ممکن به چندین کارمند نیاز دارید.
برای استفاده از مدل های صف بندی ، همیشه باید عوامل زیر را در نظر بگیرید:
- میانگین نرخ ورود مشتری.
- میانگین نرخ خدمات مشتری
- هزینه های ناشی از نارضایتی مشتری به دلیل زمان انتظار.
- هزینه های ارائه شده برای ارائه نقاط خدمات.
قانون لیتِل
اکثر مدل های صف بندی ساختار یکسانی دارند: مشتریان برای دریافت خدمات ، وارد صف و منتظر نوبت خود می شوند. برای اینکه ببینید در صف شما تنگنا یا مشکلی وجود دارد یا خیر ، باید بدانید که در صف چه اتفاقی می افتد. می افتد. Little Law به شما در انجام این کار کمک می کند. طبق این نظریه ، متوسط طول صف (L) برابر با نرخ ورود متوسط (λ) ضرب در متوسط زمان انتظار (W) است.
این مثال را در نظر بگیرید: فرض کنید مرکز تماس شما در هر فصل از سال 8000 (L) تماس دریافت می کند. شما باید بهترین و م effectiveثرترین راه را برای ارائه خدمات تلفنی به مشتریان خود ارائه دهید. بنابراین شما باید از قانون لیتل برای محاسبه موارد زیر استفاده کنید:
L = λW
8000 = λ (0.25)
λ = 32،000 تماس در سال
اگر دو کارمند در مرکز تماس دارید ، هر کدام هشت ساعت و 250 روز در سال کار می کنند ، در این صورت 4000 ساعت کار برای خدمت به مشتریان دارید.
تعداد تماس هایی که باید در ساعت پردازش شوند عبارتند از:
λ = 32،000 / 4،000 = 8 تماس در ساعت
اگرچه مدل لیتل اطلاعات بسیار مفیدی در مورد آنچه در صف اتفاق می افتد به ما می دهد ، اما مطالعه و بهینه سازی صف کافی نیست. نرخ تقاضای خدمات و سایر متغیرهایی که باعث ناکارآمدی می شوند تا حد زیادی قابل پیش بینی نیستند. در عوض ، قانون لیتل به شما در تعریف داده های مورد نیاز برای استفاده در صف های پیچیده تر کمک بیشتری می کند.
برای تجزیه و تحلیل کارآیی مدل صف خود ، با تجزیه و تحلیل ویژگی های صف شروع کنید.
ویژگی‌های مدل صف
برای ایجاد مدل صف ، ابتدا باید سیستم صف اصلی را درک کنید. در سیستم نوبت دهی ، مشتریان از طریق یک فرایند وارد می شوند ، سپس در صف منتظر ارائه دهنده خدمات می مانند. هنگامی که ارائه دهنده خدمات آماده است ، مشتری طبق قانون صف از پیش تعیین شده انتخاب می شود. مشتری به محض کامل شدن سرویس ، سیستم صف را ترک می کند.
بنابراین ، سیستم صف با استفاده از سه عامل اصلی تعیین می شود:
- نحوه ورود مشتریان
- قوانین صف
- نحوه ارائه خدمات.
حال اجازه دهید نگاهی دقیق تر به هر یک از این عوامل داشته باشیم.
۱. مشتریان چگونه وارد می‌شوند
به طور کلی ، شما هیچ کنترلی بر ورود مشتریان ندارید. در مثال ما ، تماس گیرندگان می توانند هر زمان که مرکز تماس باز می شود وارد سیستم شوند (تماس بگیرید). با این حال ، می توانید متوسط نرخ ورود را محاسبه کنید ، همانطور که در بالا انجام دادیم. اما برای ایجاد مدل صف ، باید نحوه ورود مشتریان را با دقت بیشتری تجزیه و تحلیل کنید. برای انجام این کار؛ این موارد را دنبال کنید:
- ورودی ها را دنبال کنید. زمان ورود تماس را برای یک دوره زمانی مشخص دریافت کنید.
- نمودار رسم کنید. نمایش تعداد تماس های دریافتی در زمان های مختلف ؛ تماس های روزانه ، تماس در نوبت ، تماس در ساعت و…
- الگوی توزیع ورودی ها را تعیین کنید. ورودی ها یا تماس های شما در طول روز چگونه توزیع می شود؟
در مثال ما ، هنگامی که تماس های ورودی را نمودار می کنید ، ممکن است متوجه شوید که تماس ها در طول روز به طور مساوی توزیع شده اند. بنابراین هشت تماس در ساعت یک عدد مناسب برای استفاده در تجزیه و تحلیل منابع است. با دو کارمند ، مرکز تماس شما باید به طور م workثر کار کند و هر کارمند موظف است به چهار تماس در ساعت پاسخ دهد.
وقتی به وقایع تصادفی در فواصل زمانی نگاه می کنید ، رویدادهایی که روی نمودار تحقیق می کنید شکل توزیع پواسون را به خود می گیرد. برای تعداد زیادی از رویدادها ، توزیع پواسون معمولاً به شکل منحنی معمولی یا منحنی زنگوله ای است. برای رویدادهای کوچکتر ، این منحنی معمولاً به راست کج است. هنگام تجزیه و تحلیل صف با استفاده از معادلات ریاضی ، معمولاً توزیع پواسون را در نظر می گیریم.
فرض کنید ورود مشتریان شما در طول روز ناهموار است. بنابراین برای ایجاد مدل صف باید از شبیه سازی استفاده کنید. اگر تجزیه و تحلیل شما نشان می دهد که بیش از نیمی از تماس ها بین ساعت 10 صبح تا 2 بعد از ظهر دریافت شده است ، نمی توانید بگویید که مرکز تماس هشت تماس در ساعت دریافت کرده است. این چیزی نیست که واقعاً اتفاق افتاده است. بنابراین ممکن است بخواهید در این فاصله چهار ساعته تجزیه و تحلیل بیشتری انجام دهید تا مشخص شود آیا این مخاطبین در آن زمان به طور مساوی توزیع شده اند یا خیر. به عبارت دیگر ، آیا آنها از توزیع پواسون پیروی کرده اند؟
فرضیه دیگر برای ورود به صف این است که وقتی شخصی وارد صف می شود ، مشتری منتظر است تا خدمات کامل شود. در واقع ، ممکن است همیشه اینطور نباشد. بنابراین ، مدل باید این موضوع را در نظر بگیرد. معمولاً برای توصیف استثنائات این فرضیه از دو اصطلاح استفاده می شود: اگر مشتریان قبل از ورود به صف خارج شوند ، گفته می شود که “دور شده است”. اگر وارد صف شوند ، اما قبل از پایان سرویس ، نظر خود را تغییر می دهند (به دلایلی مانند این که صف شلوغ است) و صف را ترک می کنند ، “ناک اوت” می شوند.
۲. قوانین صف
این بخش به طولانی ترین صف و ترتیب خدمات مورد استفاده اشاره می کند.
بیشترین طول ممکن صف
برخی از صف ها برای حداکثر طول محدودیت دارند. به محض رسیدن به این مقدار ، دیگر مشتریان از پیوستن به صف جلوگیری می کنند. اگر اتاق انتظار دارید ، باید ببینید چند نفر می تواند در آن جا بگیرد؟ اگر از خطوط تلفن استفاده می کنید ، چند تماس می توانید همزمان انجام دهید؟ این مدل طول صف نامحدود را فرض می کند تا اطلاعات بیشتری ارائه دهید.
ظرفیت خدمات خود را مشخص کنید. حداکثر خدماتی که می توانید در بازه تحلیل ارائه دهید چقدر است؟
ترتیب و توالی خدمات
این مدل فرض می کند که صفها از قانون FIFO (اولین ورودی ، اولین خروجی) پیروی می کنند. سایر قوانین صف شامل LIFO (آخرین ورودی ، اولین خروجی) ، اولین کوتاهترین کار ، انتخاب تصادفی و ترتیب اولویت است.
ماهیت خدمات خود را تجزیه و تحلیل کنید. ورودی مشتری را در کدام دنباله پردازش می کنید؟ آیا این دنباله کارآمد است؟ این توالی چگونه می تواند بر کارایی ، رضایت مشتری و استفاده از منابع تأثیر بگذارد؟
برگردیم به مثال خودمان. تجزیه و تحلیل شما نشان می دهد که تماس های تلفنی مشتریان برای خدمات معمولاً به دو دسته تقسیم می شوند:
- سریع و آسان ، مانند درخواست از مشتری برای فشار دادن یک دکمه.
- این کار پیچیده و زمان بر است و شامل فعالیت های دشواری است که توسط مشتری انجام می شود. به عنوان مثال ، در این مورد ، حدود 60 درصد تماس ها سریع و آسان هستند.
اکنون از روش LIFO برای تجزیه و تحلیل مشتریان استفاده می کنید. در نتیجه ، بسیاری از مشتریان سریع و آسان باید در صف های طولانی منتظر تماس های پیچیده باشند. اگر کارمندی را برای پاسخگویی به تماسهای پیچیده و کارمند دیگری را برای تماسهای سریع و آسان استخدام می کنید ، می توانید به طور بالقوه زمان انتظار را کاهش داده و نیازی به استخدام کارمند جدید برای پاسخگویی به تماس ها نداشته باشید. هنگامی که کارمند مشغول تماس های پیچیده نیست ، می تواند با دریافت مابقی تماس ها و ارائه خدمات به مشتریان ، به همکار خود کمک کند.
این مطلب ادامه دارد … .
