《单服务台排队系统建模与仿真研究报告》由会员分享，可在线阅读，更多相关《单服务台排队系统建模与仿真研究报告（19页珍藏版）》请在金锄头文库上搜索。
1、物流系统建模与仿真单服务台排队系统仿真研究报告选重庆大学A区门口中国银行分行某一服务窗口为单服务台排队系统研究对象一、系统基本背景 社会的进步越来越快，人们的生活节奏也随之越来越快。在科技的发展，新技术的普及下, 我国的银行业以计算机和信息技术、互联网技术为前提, 通过大量资金和科技的投入, 不断地开发出新产品和新业务。另外有网上银行、支付宝等新业务的出现, 大大提高了工作效率。然而现代的金融服务并不是都可以靠刷卡来解决, 许多技术还不完善, 这些新技术也并不适合所有顾客群,去银行办理业务的顾客仍然经常性地出现排队现象。顾客等待时间过长, 造成顾客满意度下降, 矛盾较为突出, 因此本报告试利用
2、单服务台排队论的方法, 定性定量地对具有排队等候现象的银行服务系统进行统计调查与分析研究,希望能帮助改进银行工作效率, 优化系统的运营。 本报告研究对象为中国银行重庆大学处分行某一服务窗口，数据取自银行内唯一非现金业务柜台。研究对象的选取虽然不是最典型的，但是综合考虑了研究地域范围和小组成员作业时间有限，另有其他方案由于各种原因无法进行，故选择离学校较近的有代表性的中国银行中的服务窗口作为最终方案。 中国银行简介：中国银行是中国历史最为悠久的银行之一，在大家对银行的概念中有着一定地位。中国银行主营传统商业银行业务，包括公司金融业务、个人金融业务和金融市场业务。公司业务以信贷产品为基础，致力于为
3、客户提供个性化、创新的金融服务和融资、财务解决方案。个人金融业务主要针对个人客户的金融需求，提供包括储蓄存款、消费信贷和银行卡在内的服务。作为中国金融行业的百年品牌，中国银行在稳健经营的同时，积极进取，不断创新，创造了国内银行业的许多第一，在国际结算、外汇资金和贸易融资等领域得到业界和客户的广泛认可和赞誉。二、系统描述 该银行工作时间为上午8：30至下午16：30（周一至周日），另周末不办理对公业务，属于每天8小时工作制。系统调查对象为银行内唯一非现金业务柜台，可知到达的顾客中，需要办理非现金业务的顾客在正常现金业务柜台忙碌的情况下可以选择该服务台。在队列中，等待服务的顾客和服务台构成了一个排
4、队系统。由于银行前台出纳员逐个接待顾客，当顾客较多的时候就会出现排队等待的现象。其中，顾客的到达是随机的，每两个先后到达的顾客的到达间隔时间是不确定的。 本排队系统用顾客的数目、到达模式、服务模式、系统容量和排队规则来描述。为探求此排队系统的规律, 首先需确定顾客流在一定时间内到达的概率分布函数。抵达本银行服务窗口的顾客流量大体上服从Poisson 分布, 顾客流抵达银行便按先后顺序排队, 进入单服务窗口，即排队论中的M/M/1系统。所谓M/M/1排队系统是指这样的一种排队模型: 顾客的到达为Poisson 流, 银行对每位顾客的服务时间独立同负指数分布,顾客按先到先服务( FCFS) 规则排
5、队, 当顾客到达时, 若服务台正在忙碌, 则顾客排成一个队列等待服务。在实际工作中，客户存取款、转账汇款、缴费、理财、开销户等业务是随机发生的，客户办理业务的种类不同，服务时间必然有所差别。 本组构思的概念模型如下：顾客到达非现金业务服务台服务业务接收三、问题分析（顾客到达内容调查表） 共九个表，下面只列出表一举例，所有的表见附表一。表1顾客到达时间 /min（标明具体时间）与前一位顾客的间隔时间/min接受服务时间/min纯排队等待时间/min103022260364424115715197316223217286208368109459401049490115672212604501302
6、22114064401509272161132617153351819434192232420286502136810224156023454522448344255023626566232760451四、 调查表格及其概率计算共九个表，下面只列出表一举例，所有的表见附表二。表1顾客到达间隔时间的概率分布到达间隔时间/min概率密度累积概率20.0380.03840.0380.07650.0380.11470.0380.15230.0380.1960.0380.22880.0380.26690.0380.30440.0380.34270.0380.3840.0380.41820.0380.45
7、640.0380.49420.0380.53230.0380.5730.0380.60840.0380.64630.0380.68460.0380.72280.0380.7650.0380.79840.0380.83630.0380.87420.0380.91260.0380.9540.0381.00每个顾客被服务时间的概率分布服务时间/min概率密度累积概率30.1850.18560.0740.25940.1480.40770.0740.48120.2590.7410.0740.81490.0370.85150.1481.000五、建模及其分析根据上面的表格中的数据计算，取其平均值并化整以方
8、便仿真数据，这里举表1的例子稍加讨论：1）顾客到达间隔时间的平均值：4.3min，即262s；2）根据顾客到达间隔时间的平均值算得其方差和标准差：3.7，1.92；3）接受服务时间的平均值：3.7min，即222s；4）根据接受服务时间的平均值算得其方差和标准差：3.6,，1.89。可知，服务时间比顾客到达时间略小，故能够形成排队。通过统计检验的方法,检验顾客到达规律服从Poisson分布, 服务时间服从指数分布, 从而确定为M/M/ 1 模型。下面使用Flexsim6.0版软件建立模型，其中发生器代表顾客到达率的一个表示，传送带代表顾客排队的情况（传送带上有货物停滞代表服务过程有排队的现象）
9、，处理器代表银行服务柜台，吸收器代表顾客业务的接收。模型3D图见下图所示：六、 结果分析以及与教材P1923系统参数进行比较分析下面的表格为仿真30次、每次2小时仿真长度的仿真结果：服务窗口队列情况运行次数总流量平均队长最大队长仿真结束时的队长运行次数总流量平均队长最大队长仿真结束时的队长1272.5196516272.198552272.5556517272.377653272.3586518272.496654272.4096519272.255555272.3456520272.538656272.5656521272.618657272.6996522272.416658272.311
10、6523272.472659272.4606524272.7516510272.3325525272.5496511262.2975426272.3426512272.5856527282.8337613272.2455528272.4226514272.7816529272.1875515272.3746530272.67065服务人员工作情况运行次数总服务人数每个顾客平均服务时间/min顾客平均排队等待服务时间/min业务员利用率运行次 数总服务人数每个顾客平均服务时间/min顾客平均排队等待服务时间/min业务员利用率1215.4511.3096.616215.459.9296.5221
11、5.4511.639617215.4510.7596.53215.4510.7696.218215.4511.0896.24215.4510.9296.119215.4510.2696.35215.4510.3796.720215.4511.3595.96215.4511.529621215.4511.6696.17215.4512.0496.122215.4510.96968215.4510.3496.323215.4511.33969215.4511.0096.624215.4512.3496.510215.4510.6196.525215.4511.469611215.4510.5696
12、26215.4510.5196.512215.4511.6596.427215.4512.4096.113215.4510.2396.428215.4510.9396.514215.4512.469629215.459.9496.415215.4510.7496.230215.4511.9696.1教材中30次的仿真情况可知，该系统在每天8h的工作时间内，平均队长不超过2，最大队长只有8，每个顾客的平均被服务时间小于4min，而顾客的平均排队纯等待时间大多数抽样都小于2min，只有个别抽样接近5min。可见，该系统的服务状况良好，顾客基本得到及时的服务。从业务员的工作量看，一个业务员每天大约要处理100多（输出结果的抽样小于115）位顾客的银行业务，其利用率，也就是其处理业务时间与总工作时间的比在63.1%-82.5%之间。
