Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Федеральное агентство связи

Федеральное государственное бюджетное образовательное учреждение

высшего образования

«Поволжский государственный университет телекоммуникаций и информатики»

Факультет Информационных систем и технологий

Направление Прикладная информатика в экономике

Кафедра Экономических и информационных систем

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА

Интеллектуальная информационная система управления взаимоотношениями с клиентами в стоматологической клинике

Разработал А.И. Моисеев

Самара 2017

Введение

Интеллектуальная информационная система - это взаимосвязанная совокупность средств, методов и персонала, имеющая возможность хранения, обработки и выдачи информации, а также самостоятельной настройки своих параметров в зависимости от состояния внешней среды (исходных данных) и специфики решаемой задачи. Интеллектуальные информационные системы являются естественным результатом развития обычных информационных систем, сосредоточили в себе наиболее наукоемкие технологии с высоким уровнем автоматизации не только процессов подготовки информации для принятия решений, но и самих процессов выработки вариантов решений, опирающихся на полученные информационной системой данные. Интеллектуальные информационные системы особенно эффективны в применении к слабо структурированным задачам, в которых пока отсутствует строгая формализация, где при принятии решений учитываются наряду с экономическими показателями слабо формализуемые факторы - экономические, политические, социальные.

Имитационное моделирование (ИМ) является эффективным инструментом оценки характеристик процессов функционирования сложных систем на этапах их исследования и проектирования. Но этим возможности данного метода не ограничиваются: в современных системах управления ИМ используется непосредственно в контуре управления, на его основе решаются задачи прогнозирования для принятия решений по управлению, т.е. реализуются интеллектуальные информационные системы. Построение ИИС стало возможным, с одной стороны, после решения вопросов информационного подхода к проблеме управления, а с другой стороны, после проработки задач ИМ в реальном масштабе времени на современных ЭВМ с учетом ограниченности ресурсов.

Интеллектуальная система управления взаимоотношениями с клиентами предназначена для автоматизации стратегий взаимодействия с заказчиками (клиентами), в частности, для повышения уровня продаж, оптимизации маркетинга и улучшения обслуживания клиентов путём сохранения информации о клиентах и истории взаимоотношений с ними, установления и улучшения бизнес-процессов и последующего анализа результатов.

Современный бизнес должен быть гибким, автоматизированным, эффективным, измеримым и интегрированным со средой интернет. Успешные медицинские учреждения уже используют информационные решения в повседневной практике, и это выступает фундаментом быстрого роста базы клиентов и оказываемых услуг.

Довольный клиент - это лояльный клиент, который будет формировать постоянный денежный поток для компании. А лояльность клиента достигается с помощью качественного удовлетворения потребностей клиента, с помощью внимательного отношения к нему до оказания услуг и после оказания услуг, с помощью оповещения о специальных акциях и программе лояльности при повторном обращении.

В последнее время стоматологические услуги пользуются все большей популярностью у населения. Если раньше пациенты, как правило, обращались к зубным врачам, чтобы залечить кариес или поставить коронку, то теперь становятся популярными процедуры чистки, отбеливания зубов, исправления неровностей или прикуса, установки имплантатов. Но люди, оплачивающие недешевые услуги стоматологов, хотят получать не только квалифицированную медицинскую помощь, но и отличный сервис. Все чаще слышно, что у всех нелегкие времена, что кризис вносит свою лепту и что становится меньше пациентов или пациенты «научились» считать свои деньги. Рынок изменился и происходит процесс адаптации и реорганизации. Так как частные стоматологические клиники и лаборатории - это коммерческие организации, нацеленные на извлечение прибыли, то они должны уметь быстро адаптироваться под современные тенденции рынка.

Целью бакалаврской работы является разработка интеллектуальной информационной системы управления взаимоотношениями с клиентами в стоматологической клинике.

Разработка такой системы является актуальной, так как рынок стоматологических услуг растет с каждым годом, конкуренция становится все больше и перед клиентами открываются весьма широкие возможности для выбора наиболее подходящей для него стоматологической клиники. Компания, использующая в своей работе информационную систему данного класса, повышает качество работы, как с клиентами, так и со своими сотрудниками, что выводит такие компании на первый план среди конкурентов.

Для достижения поставленной цели необходимо решить ряд задач.

1) Провести анализ деятельности стоматологической клиники, включая бизнес-процесс, выбранный для имитационного моделирования.

2) Собрать и проанализировать все необходимые статистические данные о функционировании исследуемого бизнес-процесса.

3) Разработать математическую схему и алгоритм имитационной модели бизнес-процесса.

4) Выявить все актуальные, на данный момент времени, проблемы в работе стоматологической клиники.

5) Предложить свой вариант облачной интеллектуальной информационной системы для стоматологической клиники.

Объектом исследования является стоматологическая клиника ООО «Кристалл+».

Бакалаврская работа состоит из введения, трех глав, заключения, списка использованных источников и приложений.

1. Аналитическая часть

1.1 Характеристика предприятия и его деятельности

Объектом нашего исследования, а также внедрения проектируемой информационной системы является ООО «Кристалл+».

Стоматологическая клиника ООО «Кристалл+» появилась 26 апреля 2010 года. В 2013 г. она была включена в реестр «100 лучших медицинских учреждений Приволжского федерального округа».

Сегодня основным видом деятельности ООО «Кристалл+» является протезирование, имплантации я и лечение зубов.

Дополнительными видами деятельности ООО «Кристалл+» являются:

? Терапевтическая стоматология;

? Лечение кариеса;

? Лечение пульпита;

? Гигиена и профилактика полости рта;

? Хирургическая стоматология;

? Имплантология;

? Ортопедическая стоматология;

? Эстетическая стоматология;

? Ортодонтия;

? Отбеливание и чистка зубов;

? Восстановление зубов;

? Протезирование зубов;

? Перепломбировка каналов ранее леченых зубов;

? Прохождение и пломбировка непроходимых каналов, с использованием современных методик лечения и специальной аппаратуры;

? Лечение хронических заболеваний полости рта;

? Операциясинус-лифтингс применением ауто-костных трансплантатов, биосовместимых материалов, биомембран;

? Улучшения фиксацииполных съемных протезов введением имплантатов;

? Иссечение рубцовых измененийслизистой оболочки;

? Удаление экзостозов и небного торуса, углубление преддверия полости рта с целью улучшения фиксации полных съемных протезов;

? Увеличение высоты и ширины альвеолярного гребня для оптимизации введения имплантатов и дальнейшего протезирования;

? Психологическая подготовка больныхперед операцией;

Компания ООО «Кристалл+» динамично развивается на территории Самарской области, пользуясь заслуженным доверием и уважением многочисленных клиентов клиники. Компания «Кристалл+» с успехом справляется с любыми видами стоматологических работ, используя новейшие технологические достижения и разработки в сфере медицинского стоматологического лечения.

Целью деятельности компании ООО «Кристалл+» является расширение спектра услуг и увеличение количества клиентов, что предполагает целенаправленную работу по следующим направлениям:

1) Управление ожиданиями рынка посредством укрепления лояльности к услугам компании;

2) Улучшение показателей деятельности компании за счет постоянного мониторинга, текущего положения дел на рынке и оперативной корректировки планов;

3) Повышение качества управления компанией путем эффективного планирования и повышения точности прогнозов результатов деятельности.

Улучшить показатели деятельности компании можно, прибегнув к методам имитационного моделирования. С помощью имитационного моделирования можно описать бизнес-процессы компании, как они проходили бы в действительности, выявить их недостатки и проимитировать реализацию бизнес-процессов после устранения этих недостатков. Основные технико-экономические показатели компании представлены в табл. 1.1.

Таблица 1.1 Основные технико-экономические показатели компании

№ п/п	Наименование характеристики (показателя)	Значение показателя
1	Количество сотрудников	11
2	Оборот компании за месяц	500 000
3	Среднее количество пациентов в день	9
4	Среднее количество времени, затраченное на регистрацию одного пациента в мин.	8
5	Среднее количество времени, затраченное на обслуживание одного клиента в мин.	70

1.1.1 Организационная структура управления предприятием

Организационная структура управления стоматологической клиникой ООО «Кристалл+» представлена на рис. 1.1.

Рис. 1.1 - Организационная структура управления предприятием

1.1.2 Описание основных бизнес-процессов предприятия

Бизнес-процесс - это совокупность взаимосвязанных мероприятий или задач, направленных на создание определённого продукта или услуги для потребителей. Бизнес-процессы могут быть основными, обеспечивающими и управляющими.

1) Основные бизнес-процессы. Это операционные бизнес-процессы, связанные с производством продуктов. Обеспечивают выполнение существующих операционных заданий, которые тесно связаны с созданием товаров и их реализацией непосредственному покупателю. К основным бизнес-процессам ООО «Кристалл +» относятся:

? Рассмотрение заявок клиентов;

? Управление работами;

? Лечение зубов и полости рта;

? Терапия;

? Протезирование;

? Эндодонтическое лечение зубов;

? Парадантология;

? Хирургическое лечение;

? Ортопедическое лечение;

? Имплантолгия;

? Эстетическая коррекция зубов;

? Гигиена и профилактика полости рта;

? Аренда рабочего помещения;

? Проведение стоматологической профилактики;

? Формирование пакета услуг;

? Учет партнеров и поставщиков;

? Учет расчетов с клиентами и поставщиками;

? Организация первичного документооборота;

? Сегментация клиентской базы;

? Привлечение клиентов.

1) Обеспечивающие бизнес-процессы. Гарантируют протекание нескольких главных процессов, благодаря своевременной поставке ресурсов в нужное время и место. К обеспечивающим бизнес-процессам ООО «Кристалл+» относятся:

? Административно-хозяйственное обеспечение;

? IT-обеспечение и связь;

? Обеспечение охраны и безопасности;

? Юридическое обеспечение;

? Ремонт стоматологической техники;

? Закупка расходных медицинских материалов;

? Закупка, техническое обеспечение, обслуживание и ремонт медицинской техники;

? Техническое обеспечение деятельности;

? Управление документацией и данными;

? Соблюдение экологических правил и норм.

1) Управляющие бизнес-процессы. Их задача - обеспечение своевременной реорганизации управляющего аппарата и его функционирования. К управляющим бизнес-процессам ООО «Кристалл+» относятся:

? Стратегическое управление;

? Управление финансами;

? Управление маркетингом;

? Управление качеством;

? Управление персоналом;

? Управление социальной сферой;

? Управление портфелем проекта;

? Управление рисками;

? Оценка эффективности работы персонала.

1.2 Выбор, обоснование, схема и описание моделируемого бизнес-процесса

Для моделирования выбран бизнес-процесс «Продажа медицинских стоматологических услуг». Выполняются такие работы как:

? Регистрация пациента;

? Осмотр пациента;

? Оформление договора;

? Оплата необходимых пациенту услуг;

? Запись в медицинскую карту о выполненных стоматологических услугах;

? Анализ соответствия объема оказанных услуг оплате;

? Заполнение гарантийного талона;

? Формирование расходного кассового ордера на возврат денежных средств клиенту;

? Формирование приходного кассового ордера на доплату клиентом выполненных работ;

? Предоставление отчетности;

? Участвуют следующие работники:

? Главный бухгалтер;

? Заведующий оргметодотделом;

? Администратор;

? Медсестра;

? Лечащий врач.

Данный бизнес-процесс является одним из основных бизнес-процессов стоматологической клиники. Я выбрал данный бизнес-процесс по причине большого количества случайных величин, возникающих в ходе его выполнения. Случайные величины влияют на длительность выполнения работ и делают данный бизнес-процесс слабо предсказуемым.

Все виды представленных выше работ бизнес-процесса не автоматизированы, и зачастую выполняются неправильно, либо частично неправильно. В компании не ведется архив пациентов, нет входящей информации от пациентов, которую можно было использовать в дальнейшем на блага компании. Отсутствует структурированное расписание приема врачей, что влечет за собой потерю клиентов. Именно поэтому компании требуется система, в которой в удобной форме располагалась бы вся необходимая информация, для быстрой и эффективной работы администратора.

Описание бизнес-процесса.

Клиент приходит в стоматологическую клинику, и администратор выявляет всю необходимую информацию о клиенте, а также его требования по представляемым услугам стоматологической клиники.



Рис. 1.2 - Схема бизнес-процесса «Продажа медицинских стоматологических услуг»

Если требования к услугам не корректным (отсутствуют необходимые для клиента услуги, нет необходимого для клиента врача и т.д.), тогда они не могут быть выполнены, и, следовательно, клиент остается не обслуженным. Если же требования к услугам корректны, то администратор подбирает для клиента время, на которое будет назначено обследование и последующее возможное лечение, из базы данных расписания врачей. Если данное время не подходит клиенту, администратор подбирает другой возможный вариант, и предлагает новое время, если же клиент снова отказывается от предлагаемого времени или же такового времени вообще нет, он считается не обслуженным клиентом. Если же клиент соглашается на какое-то из предложенных вариантов времени, то, в назначенное время ему проводят обследование. После того как обследование проведено, формируется стоимость будущих возможных услуг, которые необходимы клиенту.

Стоимость услуг предоставляется клиенту, и он решает, согласен ли он на дальнейшее лечение или нет. Если клиент не согласен, он автоматически становится не обслуженным. Если же клиент согласен с условиями лечения, у него уточняют, можно ли использовать анестезию в его случае лечения, либо нет (клиент может добровольно отказаться от анестезии). Если клиент согласен на анестезию, то у него уточняют о переносимости препаратов и выбирают подходящий для него обезболивающий препарат и начинают лечение. Если же клиент отказывается от анестезии, то лечащий врач, вместе с медсестрой, переходят непосредственно к лечению. После того, как лечение проведено, клиент оплачивает перечень предоставленных ему услуг на кассе, и после оплаты получает чек. После этого клиент считается обслуженным.

1.3 Анализ возможного решения проблемы

Для решения проблем, связанных с бизнес-процессом, приведенным выше, нужна специальная система, которая будет настроена специально под нашу стоматологическую клинику. Данная система должна нести в себе всю необходимую информацию для продуктивной работы администратора клиники.

«Кристалл+» - это облачная система для администрирования стоматологических клиник. «Кристалл+» позволяет существенно снизить нагрузку на администратора и видеть работу всей клиники в браузере любого устройства. Система будет иметь множество полезных функций, которые помогут администратору стоматологической клиники справляться с большим объемом работ.

интеллектуальный информационный алгоритм интерфейс

2. Проектная часть

2.1 Определение состава исходных данных для моделирования бизнес-процесса

В ходе построения бизнес-процесса «Продажа медицинских стоматологических услуг» выявлены следующие случайные величины, влияющие на данный бизнес-процесс:

1) СВ1 - время между посещениями стоматологической клиники клиентов;

2) СВ2 - длительность выявления требований клиента;

3) СВ3 - количество клиентов, требования которых не могут быть выполнены;

4) СВ4 - длительность подбора свободного времени;

5) СВ5 - длительность обсуждения времени с клиентом;

6) СВ6 - количество клиентов, для которых предоставленное время не подошло;

7) СВ7 - длительность обсуждения времени с клиентом;

8) СВ8 - количество клиентов, для которых предоставленное время не подошло;

9) СВ9 - длительности проведения обследования клиента;

10) СВ10 - длительность формирования стоимости необходимых клиенту услуг;

11) СВ11 - количество клиентов, отказавшихся от лечения;

12) СВ12 - количество клиентов, отказавшихся от анестезии;

13) СВ13 - длительность процедуры анестезии;

14) СВ14 - длительность проведения лечения;

15) СВ15 - длительность проведения оплаты;

16) СВ16 - длительность выдачи чека.

В результате обработки статистического материала определены основные параметры полученных законов распределения, к которым относятся:

? параметр СКО нормального закона распределения случайных величин: длительность обсуждения времени с клиентом, длительность обсуждения времени с клиентом, длительность проведения оплаты, длительность в выдаче чека, длительность проведения лечения, длительность формирования стоимости необходимых клиенту услуг, длительность процедуры анестезии, длительность проведения обследования клиента.

? параметр Хв нормального закона распределения случайных величин: длительность обсуждения времени с клиентом, длительность обсуждения времени с клиентом, длительность оплаты, длительность в выдаче чека, длительность проведения лечения, длительность формирования стоимости необходимых клиенту услуг, длительность процедуры анестезии, длительность проведения обследования клиента.

? параметр л закона показательного распределения случайных величин: время между приходами клиентов, длительность выявления требований, длительность подбора свободного времени;

? параметр а закона Пуассона для случайных величин: количество клиентов, требования которых не могут быть выполнены, количество клиентов, для которых предоставленное время не подошло, количество клиентов, для которых предоставленное время не подошло, количество клиентов, отказавшихся от лечения, количество клиентов, отказавшихся от анестезии.

Таблица 2.1 Основные параметры имитационной модели

Наименования параметра имитационной модели	Значения
Продолжительность анализируемого периода в месяцах	12
Часовая ставка администратора, руб.	300
Часовая ставка медсестры, руб.	250
Часовая ставка лечащего врача, руб.	600
Среднее время между приходами клиентов, час.	2
Средняя длительность выявления требований, мин.	8
Среднее количество клиентов, требования которых не могут быть выполнены	1
Средняя длительность подборки времени, мин.	2
Средняя длительность обсуждения времени с клиентом, мин.	1
Среднее количество клиентов, для которых время не подошло	3
Средняя длительность проведения обследования клиента, мин.	15
Средняя длительность формирования стоимости необходимых клиенту услуг, мин.	3
Среднее количество клиентов, отказавшихся от лечения	1
Среднее количество клиентов, отказавшихся от анестезии	2
Средняя длительность проведения лечения, мин.	80
Средняя длительность проведения оплаты, мин.	4
Средняя длительность выдачи чека, мин.	2

2.2 Статистическое исследование бизнес-процесса, подлежащего моделированию

Для моделирования значений, выделенных в предыдущем разделе СВ процесса необходимо произвести идентификацию законов распределения и оценку параметров распределения таких величин. Под идентификацией подразумевается определение для каждой СВ степени близости распределения эмпирических значений СВ (имеющейся по СВ статистической выборки) к известным и хорошо изученным законам распределения (нормальному, экспоненциальному, Пуассона и т.д.) и в результате определение закона, который наиболее точно описывает динамику значений СВ. Алгоритм моделирования СВ напрямую зависит от закона распределения, которому подчиняется данная величина, и значительно разнится для различных законов распределения. В этой связи моделирование величин без предварительной идентификации их законов распределения невозможно (статистические данные см. в Приложении).

2.3 Идентификация законов распределения случайных величин

Проверим гипотезу о распределении случайной величины по нормальному закону

СВ5.Длительность обсуждения времени с клиентом;

Проверим основную гипотезу о распределении случайной величины по нормальному закону по критерию x^2 при заданном уровне значимости б. б это есть вероятность совершить ошибку первого рода. Это значит вероятность того, что будет отвергнута правильная гипотеза (H0). Наиболее часто уровень значимости принимают равным 0,05 или 0,01.

Для проверки выдвинутой гипотезы H0 произведем выборку объемомn. В результате первичной обработки данной выборки получим интервальный статистический ряд.

Таблица 2.2 Интервальный статистический ряд «Длительность обсуждения времени с клиентом»

1	17	14	28	21	16	22	15	19	14
11	22	19	16	24	7	13	21	24	17
15	12	13	22	31	34	27	29	21	15
23	19	6	39	26	40	12	31	26	13
17	26	17	22	34	16	22	17	23	19
22	21	15	28	41	34	26	29	11	17
24	31	21	34	34	17	21	14	22	21
19	29	33	14	29	33	24	23	16	26
2	27	9	27	12	26	22	13	12	22
9	17	16	13	17	19	16	17	8	2

Таблица 2.3 Таблица частот

Частота	2	5	14	28	24	14	10	3	100
1	Xmin								Итого
41	Xmax
40	Размах
5	Длина интервалов

Таблица 2.4 Расчетные данные

№	Нижняя граница Xi	Верхняя граница Xi+1	Частота	Частность	Центр интервала	Среднее выборочное	Отклонение от среднего	Квадрат отклонения	Дисперсия
1	1,00	6,00	1	0,01	3,50	3,50	-18,40	338,56	338,56
2	6,00	11,00	6	0,06	8,50	51,00	-13,40	179,56	1077,36
3	11,00	16,00	12	0,12	13,50	162,00	-8,40	70,56	846,72
4	16,00	21,00	32	0,32	18,50	52,00	-3,40	11,56	369,92
5	21,00	26,00	20	0,20	23,50	470,00	1,60	2,56	51,20
6	26,00	31,00	16	0,16	28,50	456,00	6,60	43,56	696,96
7	31,00	36,00	9	0,09	33,50	301,50	11,60	134,56	1211,04
8	36,00	41,00	4	0,04	38,50	154,00	16,60	275,56	1102,24
Итого			10,0	1,00		2190,00			5694,00
Количество интервалов	8	Параметры распределения СКО	10,19
Уровень значимости	0,07	Выборочное среднее	65,215
Число степеней свободы	7	Дисперсия	103,77

Число степеней свободы рассчитывается по формуле:

k = S - r - 1 (2.1)

где S - число интервалов выборочного интервального ряда;

r - число параметров предлагаемого теоретического распределения. В нашем случае нормальное распределение имеет два параметра (математического ожидание и СКО), поэтому k = S -3.

Далее выполним расчет теоретических вероятностей (теоретических частот значений признака).

Сначала определяем теоретическую вероятность, т.е. вероятность попадания случайной величины X в интервал (xi;xi+1), которая рассчитывается по формуле:

Рi=P (xi<X <xi+1) = Ф((xi+1-xcp.выб.)

СКО) - Ф((xi-xcp.выб.) /СКО) =Ф(zi+1) -Ф(zi) (2.2)

Следовательно, теоретические частоты Мi'=N*Pi. Рассчитываем их и добавляем к интервальному ряду внизу.

Для оценки степени расхождения эмпирической и теоретической кривой распределения в данном случае используем критерий X^2.

Находим наблюдаемое значение критерия по формуле:

X^2 = ?(Мi-М'i)^2/Мi' (2.3)

где МiиМi' - соответственно эмпирические и теоретические распределения.

S - Число интервалов статистического ряда построенного по данным выборки.

В теории математической статистики доказано, что распределение случайной величины ?(Мi-М'i) ^2/Мi' при n > ? стремиться к закону распределения X^2 с k степенями свободы независимо от того, какому закону распределения подчиняется генеральная совокупность.

Поэтому эту случайную величину и обозначали через X^2 (хи -квадрат) и сам критерий Пирсона называют критерием X^2.

Таблица 2.5 Вычисление теоретических вероятностей попадания в заданный интервал

№	xi-xcp.выб.	xi+1-xcp.выб.	zi	zi+1	Ф(zi)	Ф(zi+1)	Рi=Ф(zi+1)-Ф(zi)	Мi'=N*Pi
1	-20,90	-15,90	-2,77	-2,11	-0,4972	-0,4824	0,01	1,47
2	-15,90	-10,90	-2,11	-1,44	-0,4824	-0,4257	0,06	5,67
3	-10,90	-5,90	-1,44	-0,78	-0,4257	-0,2829	0,14	14,28
4	-5,90	-0,90	-0,78	-0,12	-0,2829	-0,0475	0,24	23,54
5	-0,90	0,10	-0,12	0,54	-0,0475	0,2066	0,25	25,40
6	4,10	9,10	0,54	1,21	0,2066	0,3861	0,18	17,95
7	9,10	14,10	1,21	1,87	0,3861	0,4692	0,08	8,31
8	14,10	19,10	1,87	2,53	0,4692	0,4943	0,03	2,52
							0,99

При проверке нулевой гипотезы о нормальном законе распределения генеральной совокупности строится правосторонняя критическая область исходя из требований:

P(x^2набл. >x^2(б,k)) = б (2.4)

где б - заданный уровень значимости.

Рис. 2.1 - Построение правосторонней критической области

Если x^2набл. >x^2крит. (наблюдаемое значение критерия попало в критическую область), то нулевая гипотеза отвергается, т.е. генеральная совокупность имеет закон распределения отличный от нормального.

Если x^2набл. <x^2крит. (наблюдаемое значение критерия попало в область принятия гипотезы), то нет оснований отвергать нулевую гипотезу. Нулевая гипотеза принимается, т.е. по данным наблюдений (выборки) генеральная совокупность имеет нормальный закон распределения, расхождение между эмпирическими и теоретическими частотами незначительно, т.е. вызвано случайными колебаниями выборочных данных.

Таблица 2.6 Вычисление наблюдаемого значения критерия Пирсона

№	Мi	Мi'	Мi-Мi'	(Мi-М'i)^2	(Мi-М'i)^2/Мi'
1	1	1,47	-0,47	0,23	0,15
2	6	5,67	0,33	0,11	0,02
3	12	14,28	-2,28	5,22	0,37
4	32	23,54	8,46	71,59	3,04
5	18	25,40	-7,40	54,79	2,16
6	18	1,95	0,05	0,00	0,00
7	9	8,31	0,69	0,48	0,06
8	4	2,52	1,48	2,20	0,88
	100			хи-кв. набл.	6,67
				хи-кв. кр.	12,59
Количество интервалов	8
Уровень значимости	0,05
Число степеней свободы	5

Так как Х^2набл. <Х^2критич, то нет основания отвергнуть нулевую гипотезу. Другими словами, расхождение теоретических и эмпирических частот незначимо, следовательно, данное наблюдение согласуется с гипотезой о нормальном распределении совокупности заданных случайных величин.

Проверим гипотезу о распределении случайной величины по показательному закону

СВ4. Длительность подборки свободного времени;

Таблица 2.7 Интервальный статистический ряд «Длительность подборки свободного времени»

6	12	8	2	7	4	2	16	8	11
6	4	3	9	3	2	8	11	2	7
2	4	4	7	9	3	4	3	7	4
1	11	4	11	6	2	7	2	9	11
4	6	7	11	8	5	6	4	4	3
6	8	2	3	5	9	8	7	7	8
3	5	3	8	8	6	1	8	6	7
9	4	12	3	3	4	6	8	4	3
7	8	6	4	9	3	3	2	9	9
2	4	4	3	4	2	4	8	4	4

Таблица 2.8 Таблица частот

Частота	28	21	18	13	12	5	2	1	100	Сумма частот
41	Xmax
1	Xmin
40	размах
5	длина интервалов

Таблица 2.9 Расчетные данные

№	Нижняя граница Xi	Верхняя граница Xi+1	Частота	Частость	Центр интервала	Среднее выборочное	Отклонение от среднего	Квадрат отклонения	Дисперсия
1	1,00	6,00	28,00	0,28	3,50	98,00	-11,90	141,61	3965,08
2	6,00	11,00	21,00	0,21	8,50	178,50	-6,90	47,61	999,81
3	11,00	1600	18,00	0,18	13,50	243,00	-1,90	3,61	64,98
4	16,00	21,00	13,00	0,13	18,50	240,50	3,10	9,61	124,93
5	21,00	26,00	12,00	0,12	23,50	282,00	8,10	65,61	787,32
6	26,00	31,00	5,00	0,05	28,50	142,50	13,10	171,61	858,05
7	31,00	36,00	2,00	0,02	33,50	67,00	18,10	327,61	655,22
8	36,00	41,00	1,00	0,01	38,50	38,50	23,10	533,61	533,61
Итог			100,0	1,00		1290,00			7989,00

Таблица 2.10 Вычисление теоретических частот

№	Xi	Xi+1	L*Xi	L*Xi+1	e-L*xi	e-Lxi+1	Pi	Мi'=N*Pi
1	2,00	7,00	-0,155	0,5	0,8564	0,5812	0,27517	27,5168
2	7,00	12,00	-0,543	-0,9	0,5812	0,3945	0,18675	18,6752
3	12,00	17,00	-0,930	-1,3	0,3945	0,2677	0,12675	12,6746
4	17,00	22,00	-1,318	-1,7	0,2677	0,1817	0,08602	8,6021
№	Xi	Xi+1	L*Xi	L*Xi+1	e-L*xi	e-Lxi+1	Pi	Мi'=N*Pi
5	22,00	27,00	-1,705	-2,1	0,1817	0,1233	0,05838	5,8381
6	27,00	32,00	-2,093	-2,5	0,1233	0,0837	0,03962	3,9622
7	32,00	37,00	-2,481	-2,9	0,0837	0,0568	0,02689	2,6891
8	37,00	42,00	-2,868	-3,3	0,0568	0,0385	0,01825	1,8251
							0,8178326	81,783255

Так как Хи кв. набл <Хи кв. критич., то нет основания отвергнуть нулевую гипотезу. Другими словами, расхождение теоретических и импирических частот незначимо, следовательно, данное наблюдение согласуется с гипотезой о показательном распределении совокупности заданных случайных величин.

Таблица 2.11 Вычисление наблюдаемого значения критерия Пирсона

№	Мi	Мi'	Мi-Мi'	(Мi-М'i)^2	(Мi-М'i)^2/Мi'
1	28,00	27,5168	0,4832	0,2335	0,00849
2	21,00	18,6752	2,3248	5,4045	0,28939
3	18,00	12,6746	5,3254	28,3597	2,23752
4	13,00	8,6021	4,3979	19,3416	2,24848
5	12,00	5,8381	6,1619	37,9688	6,50361
6	5,00	3,9622	1,0378	1,0769	0,27180
7	2,00	2,6891	-0,6891	0,4749	0,17660
8	1,00	1,8251	-0,8251	0,6807	0,37299
			18,21674	хи-кв. набл.	4,78388
				хи-кв. кр.	12,59159
Количество интервалов	8
Уровень значимости	0,05
Число степеней свободы	6

Проверим гипотезу о распределении случайной величины по закону Пуассона.

СВ.3 Количество клиентов, требования которых не могут быть выполнены;

Таблица 2.12 Интервальный статистический ряд «Количество клиентов, требования которых не могут быть выполнены»

1	2	1	2	0	1	0	0	0	1
1	1	1	0	1	0	0	1	1	0
0	0	1	1	0	0	0	0	0	1
1	1	0	0	1	2	1	0	0	1
0	2	0	1	0	1	0	1	0	1
2	1	0	0	1	1	0	1	0	1
1	2	1	1	0	1	1	1	1	0
0	1	1	1	2	0	0	0	0	0
1	0	0	0	0	1	0	1	0	1
0	0	0	1	0	0	1	1	0	0

Таблица 2.13 Эмпирическое распределение и его числовые характеристики

№	Значение СВ Xi	Частота Mi	Частость Wi	Среднее выборочное
1	9,00	5,00	0,05	0,45
2	10,00	9,00	0,09	0,90
3	11,00	12,00	0,12	1,32
4	12,00	13,00	0,13	1,56
5	13,00	17,00	0,17	2,21
6	14,00	19,00	0,19	2,66
7	15,00	8,00	0,08	1,20
8	16,00	7,00	0,07	1,12
9	17,00	6,00	0,06	1,02
10	18,00	3,00	0,03	0,54
11	19,00	1,00	0,01	0,19
Итого		100,00		13,17
Параметр "а"= средняя выборочная	13,17

Рис. 2.2 - Полигон распределения

Таблица 2.14 Вычисление теоретических вероятностей попадания в заданный интервал случайной величины, распределённой по закону Пуассона

№	Значение СВ Xi	Частота Мi	Pi	Мi'=N*Pi	Мi-Мi'	(Мi-М'i)^2	(Мi-М'i)^2/Мi'
1	9,00	5,00	0,0626	6,2640	-1,2640	1,5977	0,25505
2	10,00	9,00	0,0825	8,2497	0,7503	0,5630	0,06825
3	11,00	12,00	0,0988	9,8771	2,1229	4,5067	0,45628
4	12,00	13,00	0,1084	10,8401	2,1599	4,6651	0,43035
5	13,00	17,00	0,1098	10,9819	6,0181	36,2178	2,29797
6	14,00	19,00	0,1033	10,3308	8,6692	75,1549	6,27484
7	15,00	8,00	0,0907	9,0704	-1,0704	1,1459	0,12633
8	16,00	7,00	0,0747	7,4661	-0,4661	0,2173	0,02910
9	17,00	6,00	0,0578	5,7840	0,2160	0,0466	0,00806
10	18,00	3,00	0,0423	4,2320	-1,2320	1,5178	0,35865
11	19,00	1,00	0,0293	2,9334	-1,9334	3,7382	1,27433
			0,8603	86,029573	13,970427	хи-кв. набл.	11,57921
						хи-кв. кр.	12,59159

Так как Хи квнабл<Хи квкритич, то нет основания отвергнуть нулевую гипотезу. Другими словами, расхождение теоретических и импирических частот незначимо, следовательно, данное наблюдение согласуется с гипотезой о пуассоновском распределении совокупности заданных случайных величин.

Таблица 2.15 Параметры случайных величин и закон распределения

№	Наименование случайной величины	Закон распределения	Значения параметров закона распределения
1	Время между приходами клиентов	Показательный	л = 0,0819
2	Длительность выявления требований	Показательный	л = 0,0324
3	Количество клиентов, требования которых не могут быть выполнены	Пуассона	а = 13,17
4	Длительность подборки свободного времени	Показательный	л = 0,0775
5	Длительность обсуждения времени с клиентом	Нормальный	СКО =7,55 Хв=21,9
6	Кол-во клиентов, для которых время не подошло	Пуассона	а = 7,52
7	Длительность обсуждения времени с клиентом	Нормальный	СКО =11,51 Хв=63,8725
8	Кол-во клиентов, для которых время не подошло	Пуассона	а = 9,45
9	Длительности проведения обследования клиента	Нормальный	СКО =9,38 Хв=67,7356
10	Длительность формирования стоимости необходимых клиенту услуг	Нормальный	а = 6,81
11	Кол-во клиентов, отказавшихся от лечения	Пуассона	а = 6,21
12	Кол-во клиентов, отказавшихся от анестезии	Пуассона	а = 6,02
13	Длительность процедуры анестезии	Нормальный	СКО =6,32 Хв=53,071
14	Длительность проведения лечения	Нормальный	СКО =6,44 Хв=56,045
15	Длительность проведения оплаты	Нормальный	СКО =8,63 Хв=63,025
16	Длительность выдачи чека	Нормальный	СКО =4,31 Хв=36,125

2.4 Разработка и описание математической модели бизнес-процесса

Для построения полноценной имитационной модели в моделирующий алгоритм помимо параметров СВ необходимо также ввести детерминированные параметры, такие, например, как период моделирования интервал времени, на который необходимо получить прогнозные значения СВ, часовая ставка специалистов, количество специалистов и т.д.

Относительно рассматриваемого в данной работе процесса можно выделить следующие параметры и переменные разрабатываемой имитационной модели:

- переменные, содержащие значения параметров распределения СВ1, - значение л;

- переменные, содержащие значения параметров распределения СВ2, - значение л;

- переменная, содержащая значение параметра распределения СВ3, - выборочная средняя;

- переменная, содержащая значение параметра распределения СВ4, - значение л;

- переменные, содержащие значения параметров распределения СВ5, - значения математического ожидания и СКО;

- переменные, содержащие значения параметров распределения СВ6, - выборочная средняя;

- переменные, содержащие значения параметров распределения СВ7, - значения математического ожидания и СКО;

- переменная, содержащая значение параметра распределения СВ8, - выборочная средняя;

- переменная, содержащая значение параметра распределения СВ9, - значения математического ожидания и СКО;

- переменные, содержащие значения параметров распределения СВ10, - значения математического ожидания и СКО;

- переменная, содержащая значение параметра распределения СВ11, -выборочная средняя;

- переменная, содержащая значение параметра распределения СВ12, -выборочная средняя;

- переменная, содержащая значение параметра распределения СВ13, - значения математического ожидания и СКО;

- переменные, содержащие значения параметров распределения СВ14, - значения математического ожидания и СКО;

- переменные, содержащие значения параметров распределения СВ15, - значения математического ожидания и СКО;

- переменная, содержащая значение параметра распределения СВ16, - значения математического ожидания и СКО;

- параметр периода моделирования;

- параметры, определяющие число повторений всего алгоритма (моделирования на промежутке (0, Т)).

- параметры, определяющие затраты на каждый из этапов процесса. К таким параметрам в нашем случае относятся: часовая ставка администратора, часовая ставка медсестры, часовая ставка лечащего врача, количество специалистов. Данные значения умножаются на разыгранные в имитационной модели значения СВ длительности выполнения соответствующих этапов и в сумме дают общие затраты на выполнение процесса в целом.

Рассматриваемый нами бизнес-процесс можно описать в виде многофазной системы массового обслуживания (СМО) с одним каналом обслуживания. Заявками на обслуживание будут являться приходы клиентов, а каналами обслуживания - персонал, выполняющий работы, составляющие бизнес-процесс.

Рис.2.3 - Процесс обработки распоряжений в системе

Входящий поток заявок в рассматриваемом бизнес-процессе случаен и задается определенным законом распределения. Здесь имеет место простейший поток однородных событий.

Рассматриваемый нами бизнес-процесс может быть описан следующими множествами:

- совокупность входных воздействий на процесс

(2.5)

такими входными воздействиями для рассматриваемого процесса являются, например, поступления клиентов (случайное время поступления клиентов);

- совокупность внутренних детерминированных параметров процесса

(2.6)

например: количество персонала, выполняющего работы на каждом этапе выполнения бизнес-процесса, продолжительность работ, количество рабочих дней в неделе, часовая ставка выполняющего работы персонала и прочие расходы на выполнение процесса и т.д.;

- совокупность внутренних случайных характеристик процесса

(2.7)

в числе таких случайных факторов для рассматриваемого бизнес-процесса можно выделить, например, случайную продолжительность лечения, случайную длительность подбора подходящего врача и времени, случайное число клиентов, отказавшихся от анестезии и т.д.;

- совокупность случайных воздействий внешней среды

(2.8)

например, возможная остановка работ в ходе их выполнения, изменение стоимости необходимых для выполнения работ материалов и прочих ресурсов, внешние случайные факторы, влияющие на длительность закупки таких ресурсов (например, задержки на стороне поставщиков) и т.д.;

- совокупность выходных характеристик процесса

(2.9)

Такими характеристиками являются, к примеру, смоделированные значения СВ бизнес-процесса, значения стоимости выполнения этапов бизнес-процесса, количество выполненных работ, общая длительность выполнения работ - то есть все величины, получаемые в результате выполнения (а также моделирования) процесса.

При моделировании процесса входные воздействия (1), внутренние параметры бизнес-процесса, детерминированные и случайные (2) и (3), а также случайные воздействия внешней среды (4) являются независимыми (экзогенными) переменными, которые в векторной форме имеют вид:

 (2.10)

а выходные характеристики являются зависимыми (эндогенными) переменными и в векторной форме имеют вид

Функционирование бизнес-процесса описывается во времени оператором, который преобразует экзогенные переменные в эндогенные в соответствии с отношением вида

Один и тот же закон функционирования может быть реализован с помощью различных алгоритмов функционирования.

Это соотношение является математическим описанием функционирования процесса во времени t, то есть отображает его динамические свойства.

Состояния системы обслуживания в момент времени полностью определяются начальными условиями где входными воздействиями , внутренними параметрами и воздействиями внешней среды которые имели место за промежуток времени, с помощью двух уравнений.

(2.11)

Первое уравнение по начальному состоянию и экзогенным переменным определяет вектор-функцию z(t) - эндогенные переменные на выходе системы y(t). Таким образом, цепочка уравнений объекта «вход - состояния - выход» позволяет определить конечные характеристики процесса где функция F задана множеством алгоритмов выполнения работ A, речь о которых шла выше.

Целью имитационного моделирования является определение совокупной длительности выполнения работ в бизнес-процессе «Продажа медицинских стоматологических услуг».

Общая формула определения совокупной длительности выполнения работ в бизнес-процессе «Продажа медицинских стоматологических услуг»:

TAll = ?t_i, (2.12)

где TAll - совокупная длительность выполнения работ;

t_i- длительность выполнения одной работы.

Дополнительным расчётом является подсчёт общего количества затрат на выполнение работ:

Zatr=kw*hourpay* Tall (2.13)

где Zatr - общее количество затрат;

kw - количество рабочих,

hourpay - часовая ставка специалистов.

2.5 Разработка и описание моделирующих алгоритмов

Построим обобщенный моделирующий алгоритм для бизнес-процесса «Продажа медицинских стоматологических услуг». Бизнес-процесс можно представить, как СМО, то есть поступление заявок и выполнение работ. Поступление заявок в систему - это приход клиента в кассу. Их поток случаен (СВ1). Далее эти клиенты обслуживаются и покидают систему, после того, как выполняются все работы.

Таким образом, укрупнено моделирование данного бизнес-процесса можно представить, как два этапа:

1) Моделирование приходов клиентов.

2) Моделирование выполнения работ.

При поступлении заявки будет срабатывать блок сравнения, где осуществляется проверка, закончен период моделирования (Т) или нет.

Также необходимы следующие вспомогательные блоки.

- блок ввода исходных данных;

- блок объявления и обнуления переменных;

- блок расчета итоговых показателей;

- блок вывода результатов пользователю.

Рис.2.4 - Укрупненный алгоритм моделирования

Алгоритм начинается с ввода исходных данных пользователем - блок 1. Здесь вводятся значения параметров имитационной модели, с помощью которых можно менять условия моделирования, а также параметры законов распределения случайных величин.

Блок 2 предназначен для объявления и обнуления переменных, используемых в модели. Эти переменные будут менять свои значения в процессе моделирования, а к моменту окончания будут содержать итоговые значения.

Далее следует блок 3. Он предназначен для моделирования поступления заявок согласно закону распределения вероятностей и для учета этих заявок.

В блоке 4 происходит сравнение времени поступления очередной заявки с периодом моделирования. Если время не выходит за пределы моделирования, то заявка передается блоку 5 для последующей обработки. Если же время выходит за период, то осуществляется переход к блоку 6.

Блок 5 моделирует обслуживание заявки и передает управления блоку 3 для моделирования поступления новой.

Переход к блоку 6 означает окончание периода моделирования. Здесь происходит расчет итоговых показателей, характеризующих функционирование процесса в течение заданного периода.

Заключительным шагом является выполнение блока 7, который отвечает за вывод результатов пользователю.

Итак, основными функциональными блоками обобщенного алгоритма являются:

- моделирование приходов клиентов;

- моделирование выполнения работ.

Моделирование поступления клиентов состоит в генерации случайного времени между приходом клиентов (СВ1) и проверке каждого такого момента на принадлежность заданному периоду моделирования Т. Если момент прихода очередного клиента не превышает границу периода, то будет осуществляться переход к выполнению работ. Если же момент выходит за границу периода, значит, период окончен, то есть следует выходить из цикла прихода клиентов и выполнения работ и переходить к расчету показателей и выводу их пользователю.

Моделирование выполнения работ можно разделить на этапы исходя из схемы бизнес-процесса. Выполнение работ происходит в несколько этапов и допускает несколько вариантов (вследствие влияния случайных факторов).

Первый этап - выявление требований (генерация СВ2). Необходимо также предусмотреть разветвление СВ3 (количество клиентов, требования которых не могут быть выполнены) - в этом случае управление должно передаваться блоку моделирования прихода клиентов для определения момента прихода нового клиента.

Второй этап - поиск подходящего времени в расписании (генерация СВ4).

Третий этап - предложение времени клиенту (генерация СВ5). Необходимо также предусмотреть разветвление СВ6 (количество клиентов, для которых время не подошло). Если такие клиенты есть, то переходим к этапу 4. Если нет таких клиентов, то мы переходим к этапу 5.

Четвёртый этап - предложение новых условий клиенту (генерация СВ7). Необходимо также предусмотреть разветвление СВ8 (количество клиентов, для которых время не подошло) - в этом случае управление должно передаваться блоку моделирования прихода клиентов для определения момента прихода нового клиента.

Пятый этап - проведение обследования (генерация СВ9).

Шестой этап - формирование стоимости предоставляемых услуг (генерация СВ10). Необходимо также предусмотреть разветвление СВ11 (количество несогласных клиентов). Если такие клиенты есть, то управление должно передаваться блоку моделирования прихода клиентов для определения момента прихода нового клиента. Если нет таких клиентов, то мы переходим к этапу 7.

Седьмой этап - выяснение необходимости анестезии. Необходимо также предусмотреть разветвление СВ12 (количество клиентов, которым нужна анестезия). Если такие клиенты есть, то переходим к этапу 8. Если нет таких клиентов, то мы переходим к этапу 9.

Восьмой этап - проведение анестезии (генерация СВ13).

Девятый этап - проведение лечения (генерация СВ14).

Десятый этап - принятие оплаты (генерация СВ15).

Одиннадцатый этап - выдача чека (генерация СВ16).

В конце алгоритма также предусмотрены блоки расчёта и вывода результатов.

Итоговый детализированный алгоритм представлен на рис. 2.4. Он начинается с ввода исходных данных (блок 1):

? периода моделирования Т;

? параметров законов распределений СВ1-СВ13;

? количество работающих специалистов kw;

? часовой ставки кассира hourpay.

Блок 2: происходит объявление и обнуление переменных модели, а именно: текущее модельное время t, время поступления последнего клиента tpost, текущее количество поступивших клиентов kpost, текущее количество обслуженных клиентов kobsl, количество отказавшихся клиентов kotk, общее количество затрат zatr, общая длительность выполнения работ Tall.

Блок 3 моделирует поступление очередной заявки. Для этого генерируется СВ1, и эта величина прибавляется к времени поступления последней заявки tpost=tpost+СВ1.

В блоке 4 время поступления последней заявки сравнивается с заданным периодом моделирования. Если tpost<=T, то есть период ещё не истёк, то управление передаётся в блок 5, где счётчик поступивших заявок kpost увеличивается на единицу. Если же tpost>T, то есть период завершился, то осуществляется переход к блоку 27. После этого моделируется СВ2 (блок 6), модельное время продвигается на соответствующую величину t=tpost+СВ2.

Затем моделируется СВ3 (блок 7). В блоке 8 осуществляется сравнение смоделированного значения СВ3 и 0. Если СВ3=0, то есть у нас нет клиентов, требования которых не могут быть выполнены, то алгоритм передаёт управление блоку 9. В противном случае (СВ3>0) происходит переход к блоку 3 и моделируется прибытие нового клиента.

В блоке 9 моделируется СВ4 и модельное время продвигается на соответствующую величину t=tpost+СВ4. Затем в блоке 10 моделируется СВ5 и модельное время продвигается на соответствующую величину t=tpost+СВ5.



Рис.2.5 - Детализированный алгоритм моделирования

Затем моделируется СВ6 (блок11). В блоке 12 осуществляется сравнение смоделированного значения СВ6 и 0. Если СВ6=0, то есть у нас нет клиентов, которым время не подошло, то алгоритм передаёт управление блоку 16. В противном случае (СВ6>0) происходит переход к блоку 13, где моделируется СВ7 и модельное время продвигается на соответствующую величину t=tpost+СВ7.

Далее моделируется СВ8 (блок 14). В блоке 15 осуществляется сравнение смоделированного значения СВ8 и 0. Если СВ8=0, то есть у нас нет клиентов, которым не подошли новые условия, то алгоритм передаёт управление блоку 16. В противном случае (СВ8>0) происходит переход к блоку 3 и моделируется прибытие нового клиента.

В блоке 16 моделируется СВ9 и модельное время продвигается на соответствующую величину t=tpost+СВ9. Далее моделируется СВ10 (блок 17). В блоке 18 осуществляется сравнение смоделированного значения СВ10 и 0. Если СВ10=0, то есть у нас нет несогласных клиентов, то алгоритм передаёт управление блоку 19. В противном случае (СВ10>0) происходит переход к блоку 3 и моделируется прибытие нового клиента.

В блоке 19 моделируется СВ11 и модельное время продвигается на соответствующую величину t=tpost+СВ11.

Затем моделируется СВ12 (блок 20). В блоке 20 осуществляется сравнение смоделированного значения СВ12 и 0. Если СВ12=0, то есть у нас нет клиентов, которым нужна анестезия, то алгоритм передаёт управление блоку 23. В противном случае (СВ6>0) происходит переход к блоку 22, где моделируется СВ13 и модельное время продвигается на соответствующую величину t=tpost+СВ13.

В блоке 23 моделируется СВ14 и модельное время продвигается на соответствующую величину t=tpost+СВ14. Далее в блоке 24 моделируется СВ15 и модельное время продвигается на соответствующую величину t=tpost+СВ15. Затем в блоке 25 моделируется СВ16 и модельное время продвигается на соответствующую величину t=tpost+СВ16.

В блоке 26 счётчик количества обслуженных клиентов kobsl увеличивает своё значение на единицу, так как очередной клиент обслужен. После этого управление передаётся блоку 3 для моделирования поступления следующей заявки.

В блоке 27 происходит расчёт отказов клиентов за моделируемый период kotk=kpost-kobsl. В блоке 28 мы присваиваем переменной Tall последнее значение tpostTall=tpost. В 29 блоке происходит расчёт общих затрат на выполнение работ Zatr=kw*hourpay*Tall.

Заканчивается алгоритм (блок 30) выводом пользователю результатов моделирования - текущих значений kpost, kobsl, kotk, Zatr, Tall.

2.6 Разработка компьютерных программ моделирования бизнес-процесса

После запуска программы «Подсчёт времени и затрат на выполнение стоматологических работ» необходимо авторизоваться путём ввода логина-пароля:

Рис.2.6 - Форма авторизации

После авторизации открывается окно ввода исходных данных:

- Период моделирования

- Количество специалистов

- Часовая ставка специалиста

А также параметры законов распределения следующих величин:

- СВ1 - время между посещениями клиентов;

- СВ2 - длительность выявления требований клиента;

- СВ3 - количество клиентов, требования которых не могут быть выполнены;

- СВ4 - длительность подбора свободного времени;

- СВ5 - длительность обсуждения времени с клиентом;

- СВ6 - количество клиентов, для которых предоставленное время не подошло;

- СВ7 - длительность обсуждения времени с клиентом;

- СВ8 - количество клиентов, для которых предоставленное время не подошло;

- СВ9 - длительности проведения обследования клиента;

- СВ10 - длительность формирования стоимости необходимых клиенту услуг;

- СВ11- количество клиентов, отказавшихся от лечения;

- СВ12 - количество клиентов, отказавшихся от анестезии;

- СВ13 - длительность процедуры анестезии;

- СВ14 - длительность проведения лечения;

- СВ15 - длительность проведения оплаты;

- СВ16 - длительность выдачи чека.

После выполнения ввода исходных данных можно отменить заполнение при возникновении большого количества ошибок. Если данные введены верно, то нажимается клавиша «Подсчитать».

В окне результатов появляются выходные значения:

? Общая длительность выполнения работ

? Затраты на обслуживание

? Количество пришедших клиентов

? Количество обслуженных клиентов

? Количество не обслуженных клиентов

Рис.2.7 - Форма «Ввод исходных данных»

Рис.2.8 - Форма «Вывод результатов»

После вывода результатов можно попробовать промоделировать процесс с новыми исходными данными, нажав «Вернуться к вводу данных» или завершить работу с программой, нажав кнопку «ОК».

2.7 Постановка и разработка оптимизационных задач функционирования моделируемого бизнес-процесса

В настоящее время существует множество стоматологических клиник, предлагающих услуги по лечению, зубопротезированию и имплантации зубов.

При рассмотрении бизнес-процесса «Продажа медицинских стоматологических услуг» выявились следующие недочёты: долгое выполнение регистрации и обслуживания клиента, что приводит к потере клиентов. Для решения данной проблемы необходимо разработать и внедрить систему управления взаимоотношениями с клиентами.

Таким образом, длительность выполнения стоматологических работ уменьшится, а качество станет выше, что значительным образом скажется на эффективности деятельности клиники в целом.

3. Экспериментальная часть

Цель внедряемой интеллектуальной информационной системы - это организация взаимоотношений с пациентами и предоставление администратору и руководителю всех необходимых инструментов для эффективного управления клиникой: создание электронной картотеки пациентов и предоставление возможности более широкого взаимодействия между клиникой и пациентами. Система «Кристалл+» предоставляет все необходимое для роста и контроля компании в легкодоступном облачном SaaS решении, которое можно запустить за считанные минуты.