Введение исходных данных

Входе прохождения практики, мною были собранны различные данные для данной модели, в данной главе будет показано, как я совместил их с возможностями AnyLogic.

Исходя из данных, полученных мной в ходе практики, я выяснил, что интенсивность прихода клиентов в отделение банка ОАО КБ «Пойдем» зависит от времени суток и дня недели, основной поток клиентов приходится на выходные дни. Для того чтобы модель работала более удобно, в объекте Source я ввел параметр attivalRate (см. рис.14).

Рисунок 14- Параметры Source

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 данные о будних днях, когда поток клиентов меньше и выходных, а так же возможность получения результата с учетом увеличения потока клиентов (см. рис. 15).

Рисунок 15 –Параметры Slider

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.

Далее будут поочередно рассмотрены все три варианта событий.

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

Рисунок 17 –Параметры Queue

Рисунок 18 – Параметры Delay

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. Для удобства я поставил вместимость 200 человек, действия при выходе нужны, чтобы во время эксперимента можно было отслеживать этап обслуживания клиента. На данном этапе, если все кассы заняты в таблице будет отображено что клиент ожидает в очереди (см. рис. 20).

Рисунок 20- Этапы обслуживания

Рисунок 21- Service

После того как клиент дождется своей очереди к кассе его состояние в таблице изменится на - клиент начал обслуживаться (Рисунок №20). 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 (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. рис. 27). Вместимость так же установлена на 200 человек, действия при выходе действуют аналогично, как и в очереди к кассе (см. рис. 20).

Рисунок 27 – Параметры Queue

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 (см. рис. 28).

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

Далее я рассмотрю некоторые места, которые не были видны в основной модели.

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 регулировки количества персонала (см. рис. 34)

Рисунок 34 –Применение параметра resources

Также мной были введены две диаграммы для сбора данных и статистики, основываясь на данных полученных из нее можно регулировать модель до получения наилучших результатов (см. рис.35).

Рисунок 35 – Диаграммы данных

Дата добавления: 2015-08-31