Введение исходных данных

Входе прохождения практики, мною были собранны различные данные для данной модели.

Интенсивность прибытия клиентов составляет в среднем 20 человек за час. Из них 20% пользуются банкоматом, 40% обращаются за обслуживанием в кассы, 40% направляются к менеджерам по кредитованию.

Персонал отдела состоит из 3 кассиров и 3 менеджеров.

В ходе кредитования клиент проходит несколько стадий. На каждой стадии менеджер может отказать в кредите в виду того, что клиент может не соответствовать требованиям банка или из-за недостаточности данных и документов. Клиент также может сам прекратить обслуживание.

Для имитации поступления клиентов я использовал элемент Source

Для того чтобы модель работала более удобно, в объекте Source я ввел параметр attivalRate (см. рис.14).

С помощью данного параметра при запуске модели можно регулировать поток клиентов в час, это позволяет рассмотреть различные варианты результатов эксперимента. Интервал между приходом клиентов с 10 да 30 человек в час, такой разброс позволяет получить различные результаты, например в случаи увеличения числа клиентов.

Слайдер/бегунок

В данной модели после прибытия клиента в зависимости от его целей может существовать несколько вариантов событий. Клиент может воспользоваться услугами банкомата, либо при более сложных операциях обратиться к менеджеру или кассиру.

Вероятность того что клиент воспользуется банкоматом примерно равна 20%. Оставшиеся 80% операций делятся примерно поровну между менеджерами и кассирами.

Для разработки модели очереди к банкомату я использовал объекты Queue (см. рис. 16) и Delay (см. рис. 17).

Исходя из моих наблюдений в среднем время затрачиваемое клиентами на банкомат составляет от 2 до 5 мин. Для того чтоб указать это я использовал параметр случайных чисел triangular.

Модель очереди к кассе состоит из объектов Queue (см. рис. 19),Service (см. рис. 21), selectOutput(см. рис. 22) и ResourcePool (см. рис. 25).

Рисунок 19- Queue1

В данном случае объект Queue1 будет имитировать очередь к кассе.

во многих элементах модели я установил действия при входе и выходе.

с помощью них при симуляции в отдельном окне можно наблюдать статус клиента.

Рисунок 21- Service

После того как клиент дождется своей очереди к кассе его состояние в таблице изменится на - клиент начал обслуживаться (Рисунок №10). На данном этапе модели клиент выбирает тип услуги: погашение кредита, открытие счета, денежные переводы, обмен валюты. Для распределения услуг я использовал объект selectOutput (см. рис. 22)

Рисунок 22 – selectOutput9

Исходя из данных и наблюдений, полученных во время прохождения практики, в 40% случаев клиент пользуется услугами по погашению кредитов, 30% услуги по открытию счета, 17% обмен валюты, 12% денежные переводы и в 1% случаев клиент обращайся не по теме.

В дальнейшем клиент обслуживался по выбранному им сценарию (см. рис 23).

Рисунок 23 – Схема обслуживания на кассе

В модели все услуги сделаны почти одинаково и по этому рассматривать все не имеет смысла, далее будет рассмотрено только погашение кредита (см. рис 24).

Рисунок 24 – Погашение кредита

Время обслуживания клиента рассчитывается параметром triangular, а также с помощью слайдера при выборе параметров, для всех услуг стоят свои регуляторы времени.Также когда клиент проходит этот этап модели его статус меняется на клиент закончил обслуживание (см. рис. 10).

Количество персонала обслуживающие клиентов на кассе определяются объектом ResourcePool (см. рис. 25).

Рисунок 25 – ResourcePool

В объекте используется параметр resources1, он позволяет при выборе параметров изменять количество рабочего персонала на кассе.

Модель очереди к менеджеру так же состоит из объектов Queue (см. рис. 27),Service (см. рис. 28), selectOutput и ResourcePool (Рисунок см. рис.29).

Главным отличием этой модели от предыдущих в том, что прежде чем клиенту одобрят кредит,он должен пройти несколько стадий рассмотрения кредитоспособности и на каждой стадии есть вероятность отказа в кредите (см. рис. 26).

Рисунок 26 – Модель менеджера

За моделирование очереди к менеджеру отвечает объект Queue (см. рич 27).

Когда подойдет очередь клиента, он начинает проходить стадии проверки его кредитоспособности, исходя из полученных данных, на каждой стадии есть своя вероятность отказа в кредите. Анализ документов на полноту и достоверность 30%, анализ информации о заемщике 25%, Анализ финансово-хозяйственной деятельности 20%, анализ кредитуемой операции 15%, анализ кредитоспособности 10%, одобрение кредита 10%. Все стадии так же можно регулировать по времени затрачиваемого на их прохождение. Их модели построены на подобии друг друга поэтому все их рассматривать нет смысла, далее будет рассмотрена модель анализа документов полноту и достоверность Рисунок.

Рисунок 28 – Параметры Service11

Время задержки регулируется с помощью параметра triangular и слайдера при выборе параметров, действия при выходе показывают, что клиент продолжает обслуживаться (см. рис.20).

Все стадии имеют общий ресурс (персонал), количество которого можно регулировать при выборе параметров (см. рис. 29).

Рисунок 29 - Рисунок 15 – ResourcePool

Модель имеет общий выход для всех рассматриваемых вариантов, клиент может закончить обслуживаться, ему могут отказать в кредите и закончить обслуживание или же он может сам покинуть отделение, за выход отвечает объект Sink (см. рис. 30).

 

 

Рисунок 30 – Объект Sink

Для того чтобы регулировать время задержки в модели я ввел специальные параметры и переменные (см. рис. 31).

Рисунок 31 – Параметры и переменные модели

Параметр serviceTime использовался для регулировки времени задержки в модели (см. рис. 32).

Рисунок 32 –Применение параметра serviceTime

Параметры arrivalRate использовался для Регулировки интенсивности прибытия клиентов банка (см. рис. 33).

Рисунок 33 –Применение параметра arrivalRate

Параметр resources использовался для регулироки количества персонала (см. рис. 34)

Рисунок 34 –Применение параметра resources

Также мной были введены две диаграммы для сбора данных и статистики (см. рис.35)

 

Рисунок 35 – Диаграммы данных

Данные диаграммы рассчитываю среднюю величину очереди у кассы и менеджера, основываясь на данных полученных из нее можно регулировать модель до получения наилучших результатов.