Имитационное моделирование бизнес-процесса обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка

Поиск путей повышения эффективности работы дополнительного офиса Сбербанка, используя метод построения имитационной модели бизнес-процесса потока клиентов в отделении, проведение экспериментов на ее основе для анализа "слабых мест" бизнес-процесса.

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 07.08.2018
Размер файла 1,7 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

0,9211

0,04938

4,9381

0,9451499

сбербанк имитационный модель

Таблица 2.44

Вычисление наблюдаемого значения критерия Пирсона для СВ13

Мi

Мi'

Мi-Мi'

(Мi-М'i)^2

(Мi-М'i)^2/Мi'

1

6

4,5623

1,4377

2,0671

0,45308

2

14

9,0947

4,9053

24,0616

2,64566

3

11

14,4594

-3,4594

11,9672

0,82765

4

21

18,3349

2,6651

7,1026

0,38738

5

14

18,5434

-4,5434

20,6427

1,11321

6

13

14,9583

-1,9583

3,8350

0,25638

7

12

9,6238

2,3762

5,6463

0,58670

8

9

4,9381

4,0619

16,4986

3,34105

100

хи-кв. набл.

9,61111

хи-кв. кр.

11,07050

Параметры распределения: СКО = 5,15, выборочное среднее = 15.

В результате вычислений получаем, что

ч2 набл < ч2 кр ,

то есть нет основания отвергнуть гипотезу Н0. Расхождение теоретических и эмпирических частот незначимо, следовательно, данное наблюдение согласуется с гипотезой о нормальном распределении совокупности заданных случайных величин.

Таблица 2.45

Сводная таблица идентификации законов распределения случайных величин Приведенные расчеты, представленные в таблицах 2.1 - 2.45 были осуществлены автором самостоятельно с помощью системы MS Excel

Наименование случайной величины

Закон распределения

Значение параметров

СВ1 - Время между поступающими заявками

Показательный

,026

СВ2 - Время оформления заявки

Нормальный

д = = 5,87

= 13,57

СВ3 - Количество отказов клиентов от обслуживания

Пуассона

а = 5,59

СВ4 - Время ожидания обслуживания в банкомате

Нормальный

д = = 3,63

= 7,79

СВ5 - Вероятность обслуживания заявки в окне

Закон Бернулли

р =0,27

СВ6 - Время осуществления операции банкоматом

Нормальный

д = = 9,27

= 19,19

СВ7 - Вероятность невыполнения операции

Закон Бернулли

р=0,45

СВ8 - Время определения вида операции

Нормальный

д = = 24,91

= 71,25

СВ9 - Вероятность обслуживания заявки в банкомате

Закон Бернулли

р=0,32

СВ10 - Время ожидания обслуживания в окне

Нормальный

д = = 12,52

= 25,54

СВ11 - Количество отказов клиентов от обслуживания в банкомате

Пуассона

а = 5,58

СВ12 - Время обработки данных клиента

Нормальный

д = = 67,24

= 147,91

СВ13 - Время выполнения операции клиента в кассе

Нормальный

д = = 5,15

= 15

2.3 Разработка и описание математических моделей модулируемого бизнес - процесса

В соответствии с установленной дисциплиной обслуживания, заявка, заставшая все каналы занятыми, либо получает отказ, либо встает в очередь и ожидает обслуживания в течение определенного времени[6].

Будем считать, что данный бизнес-процесс представляет собой многоканальную систему массового обслуживания с отказами, то есть если пришедшая заявка не дожидается начала обслуживания в течение долгого времени, она может покинуть систему необслуженной.

Бизнес - процесс обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка, является однофазным, поскольку обслуживание каждой заявки состоит из одного этапа (фазы), каждая из которых представлена одним обслуживающим элементом[1].

Дисциплина обслуживания заявок является равноправной, поскольку в отделении банка существует система электронной очереди, с помощью которой каждый клиент получает талон в соответствии с выбранной операцией и ожидает обслуживания.

Входящий поток заявок является дискретной случайной величиной, так как может принимать любые конкретные значения, не входящие в какой-либо диапазон и задается определенным законом распределения. Здесь имеет место так называемый простейший поток однородных событий[5].

Исследуемый бизнес - процесс подвержен влиянию множества стохастических величин: в модели учитывается население района, в котором находится дополнительный офис, поэтому в данном случае метод имитационного моделирования позволяет более полно исследовать зависимость качества обслуживания от характеристик потока заявок и параметров СМО.

2.4 Разработка и описание моделирующих алгоритмов для реализации программ имитационной модели

Моделирующий алгоритм предназначен для определения и обеспечения процесса моделирования. Алгоритм позволяет сымитировать в течение периода моделирования функционирование процесса подобно тому, как он протекает в реальности. Данный моделирующий алгоритм, схема которого изображена на рис.2.11, относится к типу со случайным шагом, так как механизм движения модельного времени представляет собой случайный шаг.

Алгоритм начинается с ввода исходных данных (блок 1): периода моделирования Т; вероятности возможного обслуживания операции в окне Рокн; вероятности возможного обслуживания операции в банкомате Pбанк; вероятности возможного невыполнения операции Рневып; вероятности возможного отказа от обслуживания в окне Роткокн; вероятности возможного отказа от обслуживания в банкомате Роткбанк; количества сотрудников, работающих в данный момент в отделении банка, их часовая ставка, а также количества банкоматов, находящихся в отделении и параметров законов распределения СВ1-СВ13.

В блоке 2 происходит объявление и обнуление необходимых переменных модели, а именно: текущее модельное время t, время поступления последней заявки tpost и количество поступивших заявок kpost.

Рис. 2.11 - Схема моделирующего алгоритма

Моделирование времени между поступающими заявками осуществляется в блоке 3. Здесь увеличивается время поступления последней 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 период ещё не истёк (tpost <= T), то происходит увеличение счетчика поступивших заявок kpost на единицу (блок 5). Если же период завершился (tpost > T), то осуществляется переход к блоку 30.

Затем, если обслуживание клиента будет происходить в банкомате, то управление передается в блок 6, где происходит моделирование длительности формирования заявки в банкомате СВ2 и продвижение модельного времени:

t = tpost + СВ2,

после чего осуществляется моделирование возможного отказа клиента от обслуживания в банкомате СВ3.

Блок 9 осуществляет сравнение смоделированного значения СВ3 с исходно заданным параметром Роткбанк. Если условие СВ3<= Роткбанк выполняется, это означает, что клиент, увидев очередь к банкомату, отказался ожидать обслуживания. Тогда в блоке 10 счётчик количества отказов от обслуживания в банкомате увеличивается на единицу:

Коткбанк = Коткбанк + 1.

Если же условие СВ3 <= Роткбанк не выполняется, происходит моделирование СВ4 в блоке 11, а после - СВ5 в блоке 12.

В блоке 13 смоделированное значение СВ5 сравнивается с вероятностью возможного обслуживания заявки в окне. Если данное условие (СВ5 <= Рокн) выполняется, т.е. операция клиента требует выполнения не в банкомате, а в окне, то в блоке 14 счетчик количества перенаправленных операций увеличивается на 1. Если условие не выполняется, в блоке 15 моделируется время осуществления операции в банкомате СВ6, а после чего в блоке 16 осуществляется моделирование возможного невыполнения операции СВ7.

Сравнение смоделированного значения СВ7 с исходно заданным параметром Рневып происходит в блоке 17. Если условие СВ7 <= Рневып выполняется, это означает, что операция не была выполнена, тогда в блоке 18 увеличивается на единицу счетчик невыполненных операций. Если данное условие не выполняется, то есть операция в банкомате была выполнена, то в блоке 19 осуществляется увеличение счетчика выполненных операций:

Квыпб = Квыпб + 1.

Если обслуживание клиента будет осуществлять операционист в окне, то с блока 5 управление передается на блок 7, где происходит моделирование определения вида операции в окне СВ8 и продвижение модельного времени:

t = tpost + СВ8.

Моделирование возможного обслуживания операции в банкомате СВ9 осуществляется в блоке 20.

Если условие, находящееся в блоке 21 (СВ9 <= Pбанк) выполняется, т.е. операционист направил клиента к банкомату для выполнения операции, то управление переходит к блоку 22, где увеличивается счетчик перенаправленных операций:

Кперенап = Кперенап +1.

Если условие не выполняется, то ожидание обслуживания клиента в окне СВ10 моделируется в блоке 23.

Затем, в блоке 24 моделируется возможный отказ клиент от обслуживания в окне СВ11. Данная СВ11 сравнивается с вероятностью возможного отказа клиента от обслуживания в окне (блок 25).

Если условие СВ11 <= Pоткокн выполняется, что говорит о том, что клиент отказался от обслуживания операциониста, то в блоке 26 увеличивается счетчик количества отказов от обслуживания в окне:

Коткокн = Коткокн + 1.

Если данное условие не выполняется, то это означает, что данные клиента будут обработаны опреционистом, а моделирование времени данного процесса будет происходить в блоке 27 и представлять собой СВ12.

СВ13 моделируется в блоке 28, а блоке 29 происходит увеличение счетчика количества выполненных операций в окне:

Квыпо = Квыпо + 1.

Завершается алгоритм блоком 31 и выводом всех итоговых результатов: Коткокн - количество отказов клиентов от обслуживания в окне; Коткбанк - количество отказов клиентов от обслуживания в банкомате; Кперенап - количество перенаправленных операций; Кнеобслуж - количество необслуженных клиентов; Квыпб - количество выполненных операций в банкомате; Квыпо - количество выполненных операций в окне; Коп - оптимальное количество операционистов в окнах; Кконс - оптимальное количество консультантов; Кбанк - оптимальное количество

банкоматов в отделении; SUMоп - сумма затрат на з/п операционистам; SUMконс - сумма затрат на з/п консультантам Затраты на оплату труда сотрудников представлены в Приложении Б.

.

2.5 Выбор и обоснование инструментальных средств реализации имитационной модели

Для реализации имитационной модели бизнес - процесса обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка, была выбрана программа AnyLogic российской компании XJ Technologies, поскольку это единственный инструмент ИМ, который поддерживает все подходы к созданию имитационных моделей: процессно - ориентированный (дискретно - событийный), системно динамический и агентный, а также любую их комбинацию, тем самым значительно повышая глубину проработки проблемы [7].

Уникальность, гибкость и мощность языка моделирования, предоставляемого AnyLogic, позволяет учесть любой аспект моделируемой системы с любым уровнем детализации. С его помощью можно моделировать системы реального мира, динамика которых представляется как последовательность операций над агентами, представляющими клиентов, документы, звонки, пакеты данных, транспортные средства и т.п. Эти агенты сами не контролируют свою динамику, но могут обладать определёнными атрибутами, влияющими на процесс их обработки или накапливающими статистику[8].

Потоковые диаграммы AnyLogic иерархичны, масштабируемы, расширяемы и объектно-ориентированы, что позволяет пользователю моделировать сложные системы любого уровня детальности. Другой важной особенностью Библиотеки моделирования процессов является возможность создания достаточно сложных анимаций процессных моделей[4].

В данной работе будет создана модель простой системы обслуживания на основании разработанного моделирующего алгоритма, а именно: модель бизнес - процесса обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка, в которой в качестве агентов выступают консультанты, операционисты в окнах и клиенты. Затем будет проведен ряд экспериментов, результаты которых станут основанием для выведения критериев эффективности для работы выбранного дополнительного офиса.

3. Экспериментальная часть

3.1 Программное обеспечение функционирования имитационной модели

3.1.1 Описание пользовательского интерфейса

Работа в программе начинается со стартового окна, в котором пользователю предлагается один из двух вариантов (Рис. 3.1).

Рис. 3.1 - Стартовое окно программы

При активировании кнопки «Приступить к моделированию», пользователю будет предложено выбрать период моделирования между конкретными датами, и рассчитать необходимые показатели: либо по значениям исходных данных, либо по параметрам случайных величин, определенных в начале моделирования (Рис. 3.2).

Рис. 3.2 - Начало моделирования

Выбрав первый вариант, пользователь перейдет к вводу исходных данных (Рис. 3.3).

Рис. 3.3 - Ввод исходных данных

После ввода значений вероятностей, пользователь переходит к заполнению данных об объектах отделения банка, нажав на соответствующую кнопку, и переходит в следующее окно (Рис. 3.4).

Рис. 3.4 - Заполнение данных об объектах отделения банка

Статистика по исходным данным представлена в Приложении А, была получена в результате прохождения производственной практики у руководителя отделения.

После ввода предложенных параметров, пользователь переходит к работе со случайными величинами (Рис. 3.5).

Рис. 3.5 - Ввод значений случайных величин

Точно такое же окно появится при нажатии на кнопку «Ввод параметров СВ», находящейся на второй форме «Приступить к моделированию».

Выбрав «Сохранить результат», программа предложит выбрать путь, где будет сохранен данный результат вычислений.

При нажатии на кнопку какой - либо из СВ, откроется соответствующее ей окно ввода данных (Рис. 3.6).

Рис. 3.6 - Ввод данных параметров СВ

По окончании ввода всех имеющихся данных, программа выведет результаты (Рис. 3.7).

Рис. 3.7 - Результат

3.1.2 Описание взаимосвязи программных модулей

Таблица 3.1

Описание основных элементов

Изображение объекта

Название

Описание действий

Source

Генерирует агентов определенного типа. Обычно Source используется в качестве начальной точки диаграммы процесса, формализующей поток агентов. В нашем примере он будет моделировать их приход в банковское отделение.

Queue

Моделирует очередь агентов, ожидающих приема объектами, следующими за данными в диаграмме процесса

Delay

Задерживает агентов на заданный период времени

Sink

Уничтожает поступивших агентов. Обычно он используется в качестве конечной точки потока агентов (и диаграммы процесса соответственно).

Service.

Захватывает для агента заданное количество ресурсов, задерживает агента, а затем освобождает захваченные им ресурсы.

SelectOutput

Является блоком принятия решения. В зависимости от заданного Вами условия, агент, поступивший в объект, будет поступать на один из двух выходных портов объекта.

3.2 Описание тестового примера имитационной модели бизнес - процесса обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка

3.2.1 Реализация разработанного моделирующего алгоритма

Имитационная модель БП обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка, была реализована средствами основной библиотеки программной среды AnyLogic и представлена на рис. 3.8.

Рис. 3.8 - Имитационная модель БП

Работа модели начинается с появления клиентов во входной зоне дополнительного офиса. Основной её частью является диаграмма, созданная путем добавления объектов библиотеки, соединенных портами. Блок «Появление» генерирует возникновение агентов в области программы с установленной интенсивностью появления (например, 0,3 в минуту), моделируя визит клиентов в отделение банка. Необходимо определить свойства данного блока диаграммы путём ввода функции agent.enteredSystem = time(),которая будет сохранять время создания агента-клиента в переменной enteredSystem. Функция time() возвращает текущее значение модельного времени. Затем, управление моделью переходит в блок принятия решений. Согласно бизнес - процессу, далее клиенты делятся на 2 типа по потребностям в банковских услугах. Следовательно, часть заявок попадают в блок, моделирующий очередь, позволяющий установить значение максимального количества человек, ожидающих, когда появится свободный банкомат. Для данного объекта устанавливаются свойства, определяющие деяствия при входе и действия при выходе. Код agent.startWaiting = time() запоминает время начала ожидания клиентом его очереди на обслуживание в банкомате в переменной startWaiting нашего агента. Второй код waitTimeDistr.add(time() - agent.startWaiting) добавляет время, в течение которого клиент ожидал обслуживания. Количество терминалов является входным параметром и отображается на модели в виде блоков задержания агентов, у которых устанавливаются параметры времени задержки, распределенного по треугольному закону со средним значением, равным 5, минимальным - равным 1 и максимальным - 15 минутам. Моделирование обслуживания клиентов возле банкоматов осуществляется с помощью точечного узла, который задает местоположение агентов в моделируемом пространстве. Далее, заявки данного типа переходят в конечную точку потока агентов.

Вторая часть заявок переходит в блок задержки агентов, который моделирует длительность обслуживания клиентов в окнах у операционистов, количество которых также является входным параметром. Время обслуживания в окнах имеет треугольное распределение с минимальным значением равным 2,5 минуты, средним - 6 минут, и максимальным - 30 минутам, и устанавливается в свойствах данного блока в поле время задержки. Рабочие места сотрудников моделируются с помощью аттракторов, которые позволяют задавать точные места нахождения агентов в прямоугольном узле. Прямоугольный узел также моделирует пространство для ожидания клиентов своей очереди. Когда обслуживание закончено, агенты уничтожаются в последнем блоке, а код timeInSystemDistr.add(time()-agent.enteredSystem) добавляет полное время пребывания клиента в банковском отделении в объект сбора данных гистограммы «Время ожидания клиента в очереди».

Помимо главной диаграммы, на рабочей области расположены графики сбора статистики. Первая диаграмма отображает среднюю длину очереди, образованной клиентами банка на пути к банкоматам. Гистограммы, представленные в рабочей области, наглядно отражают время пребывания клиента в очереди и длительность обслуживания клиентов в окне.

Модель в состоянии запуска представлена на рис. 3.9.

Рис. 3.9 - Запуск модели бизнес-процесса

3.2.2 Постановка и разработка оптимизационных задач функционирования моделируемого бизнес-процесса

Результаты, полученные в ходе моделирования бизнес - процесса обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка, позволят оптимизировать деятельность дополнительного офиса №6991/0331, заключающуюся в получении наилучших результатов при соответствующих условиях. Для этого необходимо определить:

? при каком количестве операционистов удастся избежать возникновения очередей во время обслуживания клиентов в окнах. Если визит в банк начинается сразу с обслуживания, а не с ожидания, это способствует созданию у клиента положительного впечатления от всего банка в целом. Кроме того, исходя из расчетов часовой ставки кассиров, можно вычислить затраты на заработную плату данному виду сотрудников, и скорректировать данные показатели для того, чтобы добиться минимальной величины издержек;

? при каком количестве банкоматов в зале станет возможным избежать образования очередей перед терминалами. Решение данной задачи позволит сделать комфортным для клиентов выполнение операций в банкоматах за счет сокращения времени на ожидание, что повлечет за собой сохранение имеющихся клиентов и привлечение новых;

? общее количество поступивших заявок, которое позволит определить среднюю посещаемость данного дополнительного офиса, и поможет сопоставить количество окон и банкоматов с днями недели и месяца;

? количество отказов клиентов от обслуживания. Оно укажет руководителю, какой вид операций не позволяет клиентам удовлетворять свои потребности относительно банковских продуктов.

3.2.3 Разработка и реализация плана эксперимента с имитационной моделью

Построенная модель бизнес - процесса обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка, была использована для серии экспериментов с целью оптимизации рабочего процесса дополнительного офиса за счет ликвидации очередей из клиентов, и, как следствие, улучшение финансово-экономических показателей предприятия.

1) Эксперимент №1. В первом эксперименте будет рассмотрена ситуация текущего рабочего дня дополнительного офиса, без экстренных ситуаций. Для наглядности входные данные модели представлены в таблице 3.2

Таблица 3.2

Данные для эксперимента

Параметр

Значение

Период моделирования Т

540 мин

Вероятность возможного обслуживания операции в окне Рокн

0,3

Вероятность возможного обслуживания операции в банкомате Рбанк

0,5

Вероятность возможного невыполнения операции Рневып

0,2

Вероятность возможного отказа от обслуживания в окне Роткокн

0,2

Вероятность возможного отказа от обслуживания в банкомате Роткбанк

0,6

Количество операционистов

4 чел

Часовая ставка операциониста

219 руб/час Часовая ставка оплаты труда сотрудников рассчитана в Приложении Б

Количество консультантов

2

Часовая ставка консультанта

156 руб/час

Количество банкоматов

5 шт

Период моделирования Т равен 540 минутам, поскольку действие модели для каждого эксперимента будет взято за отдельный рабочий день. Учитывая среднее количество операционистов и консультантов в будний рабочий день, примем их количество равным 3 и 2, соответственно. Кроме этого, количество ныне установленных банкоматов равно 5.

На основании значений входных параметров были получены результаты первого эксперимента, представленные в таблице 3.3

Таблица 3.3

Результаты эксперимента №1

Параметр

Результат

Общее количество поступивших заявок Кпост

720

Количество отказов клиентов от обслуживания в окне Коткокн

7

Количество отказов клиентов от обслуживания в банкомате Коткбанк

12

Количество перенаправленных операций Кперенап

4

Количество необслуженных клиентов Кнеобслуж

17

Количество выполненных операций в окне Квыпо

227

Количество выполненных операций в банкомате Квыпб

453

Оптимальное количество операционистов в окнах Коп

5

Оптимальное количество консультантов Кконс

2

Оптимальное количество банкоматов Кбанк

7

Сумма затрат на з/п операционистам SUMоп

8760 руб/день

Сумма затрат на з/п консультантам SUMконс

2496 руб/день

По результатам, полученным после первого эксперимента, можно сделать вывод о том, что при количестве заявок на обслуживание в банковском отделении, превышающем 700 человек в будний день, требуется, чтобы в отделении в это время работали 5 операциониста, вместо четырех имеющихся, 2 консультанта, и должно быть установлено 7 банкоматов, вместо 5 имеющихся. В таком случае удастся избежать отказов клиентов от обслуживания как в банкоматах, так и в окнах у операционистов.

2) Эксперимент №2. Во втором эксперименте будет рассмотрена ситуация сокращенного выходного дня (субботы) при условии выдачи в этот день пенсий населению города, т.е. будет создан пример большого потока клиентов. В данную смену работает 3 операциониста и только один консультант в зоне банкоматов, в которой по - прежнему стоит только 5 терминалов. С учетом обновленных входных данных получены результаты второго эксперимента, представленные в таблице 3.4.

Таблица 3.4

Результаты эксперимента №2

Параметр

Результат

Общее количество поступивших заявок Кпост

1330

Количество отказов клиентов от обслуживания в окне Коткокн

20

Количество отказов клиентов от обслуживания в банкомате Коткбанк

25

Количество перенаправленных операций Кперенап

10

Количество необслуженных клиентов Кнеобслуж

55

Количество выполненных операций в окне Квыпо

520

Количество выполненных операций в банкомате Квыпб

710

Оптимальное количество операционистов в окнах Коп

8

Оптимальное количество консультантов Кконс

4

Оптимальное количество банкоматов Кбанк

8

Сумма затрат на з/п операционистам SUMоп

10512 руб/день

Сумма затрат на з/п консультантам SUMконс

3816 руб/день

Анализируя результаты второго эксперимента, можно заметить, что количество заявок возросло практически в 2 раза, хотя были взяты данные за выходной день. Но поскольку количество сотрудников было сокращено, отрицательные показатели также выросли практически в 2 раза. Количество необслуженных клиентов равно 55, это достаточно большой показатель для дополнительного офиса. Для того чтобы избежать отказов клиентов от обслуживания, при данном количестве заявок, необходимо 8 операционистов, 4 консультанта и 8 банкоматов, установленных в отделении. При этом, естественно, затраты на оплату труда сотрудникам вырастут, но вместе с этим значительно возрастет количество обслуженных клиентов и выполненных операций, что повлечет за собой увеличение денежной массы.

3) Эксперимент №3. В данном случае значения входных параметров будут установлены с учетом модернизации, проведенной в дополнительном офисе, после которой в отделении появился 1 новый банкомат, тогда входные данные будут выглядеть следующим образом: 5 операционистов, 3 консультанта и 6 банкоматов. Расчет полученных показателей представлен в таблице 3.5.

Таблица 3.5

Результаты эксперимента №3

Параметр

Результат

Общее количество поступивших заявок Кпост

836

Количество отказов клиентов от обслуживания в окне Коткокн

10

Количество отказов клиентов от обслуживания в банкомате Коткбанк

24

Количество перенаправленных операций Кперенап

8

Количество необслуженных клиентов Кнеобслуж

15

Количество выполненных операций в окне Квыпо

230

Количество выполненных операций в банкомате Квыпб

560

Оптимальное количество операционистов в окнах Коп

5

Оптимальное количество консультантов Кконс

2

Оптимальное количество банкоматов Кбанк

9

Сумма затрат на з/п операционистам SUMоп

8760 руб/день

Сумма затрат на з/п консультантам SUMконс

2496 руб/день

Далее был проведен анализ полученных результатов экспериментов, полученные значения собраны в таблицу 3.6. Становится понятным, что количество клиентов в рядовой будний день варьируется от 700 до 900 человек. При таких показателях видно, что система выдает оптимальные значения для количества сотрудников, равные 5 операционистам и 2 консультантам. Такие показатели характерны как для результатов первого эксперимента, так и для третьего. Разница лишь в том, что количество банкоматов, требуемое системой, возросло с 7 до 9. Это связано с тем, что в 2 раза увеличилось число отказов клиентов от обслуживания в банкомате, а это значит, увеличилась длина очереди в зоне с терминалами. Отсюда можно сделать вывод о том, что растет количество человек, использующих банковские карты.

Таблица 3.6

Результаты экспериментов

Итоговый параметр

Эксперименты

№1

№2

№3

Затраты на з/п консультанту

2496

3816

2496

Затраты на з/п операционисту

8760

10512

8760

Общее количество поступивших заявок Кпост

720

1330

836

Количество отказов клиентов от обслуживания в окне Коткокн

7

20

10

Количество отказов клиентов от обслуживания в банкомате Коткбанк

12

25

24

Количество перенаправленных операций Кперенап

4

10

8

Количество необслуженных клиентов Кнеобслуж

17

55

15

Количество выполненных операций в окне Квыпо

227

520

230

Количество выполненных операций в банкомате Квыпб

453

710

560

Кол-во консультантов

2

4

2

Кол-во операционистов

5

8

5

Кол-во банкоматов

7

8

9

Наилучшие показатели функционирования дополнительного офиса имеет эксперимент №3, поскольку здесь наблюдаются наименьшие показатели количества необслуженных клиентов, минимальные затраты на з/п сотрудникам при большом количестве поступивших заявок, поэтому третий эксперимент можно считать оптимальным.

3.3 Разработка рекомендаций по повышению эффективности бизнес-процесса

Бизнес - процесс обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка, является центральным звеном в деятельности дополнительного офиса №6991/0331, поэтому эффективность его работы должна быть в приоритете у руководящих сотрудников. На основании результатов имитационного моделирования можно сформулировать рекомендации для повышения производительности данного бизнес - процесса.

Из результатов экспериментов видно, что на ежедневной основе в банке в зоне касс необходимо наличие 5 операционистов, выполняющих операции клиентов. Именно такое количество сотрудников позволит избежать отказов от реализации операций в окнах. Это значит, что образование очередей будет незначительным, и позволит клиентам дождаться своего обслуживания без весомой потери времени. Как следствие, будет проведено большое количество банковских операций, что отразится на выполнении ежедневных планов сотрудниками, и будет поддерживать статус и авторитет всей компании. Значительно возрастет удовлетворенность клиентов относительно обслуживания, это даст гарантии того, что при серьезных решениях на вклад, кредит или ипотеку, клиент выберет именно наш банк.

Кроме штатных ситуаций для дополнительного офиса, существуют дни, когда поток клиентов возрастает практически в 2 раза. Как правило, сотрудникам банка заранее известно о таких датах, поскольку начисление пенсий происходит ежемесячно в один и тот же период времени. В эти дни требуется усиление штата, а именно, 8 операционистов и 4 консультанта, для того, чтобы разгрузить зону очереди и обслужить как можно больше клиентов. Однако существуют и такие дни, когда заранее неизвестно, что возрастет поток поступивших заявок. Это может быть связано с тем, что в других учреждениях, принимающих, например, коммунальные платежи, могут возникать аварийные ситуации с программами обработки данных. В таком случае, все заявки по проведению платежей будут направлены в отделение банка. В таких случаях, необходима оперативная работа подменного фонда Сбербанка, который мог бы в короткие сроки прислать в дополнительный офис добавочного сотрудника, чтобы избежать трудностей с обслуживанием клиентов.

Согласно результатам моделирования, необходимо 9 банкоматов в дополнительном офисе №6991/0331, поскольку с каждым днем растет количество держателей банковских карт Сбербанка. К ним же необходимо наличие четырех консультантов, помогающих как с проведением платежей, так и с навигацией по новым банковским продуктам, которые с такой скоростью появляются в самом популярном и быстроразвивающемся банке.

Согласно политике банка, в скором времени, практически все операции будут переведены на программы банковских терминалов, но должно пройти время, чтобы старшее поколение освоилось с системой начисления пенсий на банковские карты и проведение по ним различного рода действий с безналичностью.

Заключение

В результате выполнения ВКР была достигнута основная цель исследования - определены пути повышения эффективности работы дополнительного офиса Сбербанка №6991/0331. К ним следует отнести увеличение количества банковских терминалов, что позволит избежать образования очередей в зоне банкоматов и, как следствие, повлечет за собой сокращение времени ожидания клиентами на обслуживание. Необходимо также увеличить число ежедневно работающих операционистов, чтобы разгрузить зону очереди перед кассами. На пути к достижению поставленной цели, были решены задачи по анализу организации обслуживания физических лиц в данном отделении, на основании чего составлена организационная структура дополнительного офиса и построена схема БП обслуживания физических лиц, ожидающих выполнения банковских операций в отделении Сбербанка. Также была решена задача построения имитационной модели бизнес - процесса потока клиентов, сопровождающаяся составлением моделирующего алгоритма БП, после чего проведен ряд экспериментов и получены рекомендации по повышению эффективности.

Однако стоит заметить, что с течением времени меняется количество клиентов и запрашиваемых ими услуг, поэтому построенная для данного бизнес - процесса модель позволит подстраиваться под меняющиеся условия в банковском секторе, регулируя количество техники и рабочей силы.

Вышеперечисленные меры позволят приблизиться к одной из целей развития Сбербанка: «Всё - для клиента». Вся деятельность организации построена вокруг и ради интересов клиентов, стараясь удивлять и радовать их качеством услуг и отношением, превосходя все ожидания.
Для клиента самыми важными показателями качества обслуживания в банке наряду с компетентностью сотрудников являются скорость обслуживания и отсутствие очередей. Вопрос, касающийся скорости обслуживания клиентов и отсутствия очередей напрямую зависит от степени эффективности действующей в нем системы массового обслуживания.

Количество и удовлетворенность клиентов всегда способствуют достижению главной цели компании - получение прибыли. Её показатель считается основным показателем деятельности банка. Не секрет, что операционно-кассовые операции имеют большое значение, как для банка, так и для его клиентов. Принимая наличность от физических лиц, банк увеличивает свои свободные резервы, за счет чего происходит расширение активных операций и обеспечение роста доходов. Выдавая наличность клиентам, банк за счет взимания комиссионной платы увеличивает свои доходы. В операциях с наличностью Сбербанк предлагает своим клиентам ряд дополнительных услуг, которые также позволяют увеличивать доходы. Отсюда становится понятно, насколько важно обеспечить высокопроизводительную работу операционистов и ликвидировать очереди, ведущие к кассам.

Еще одной задачей, стоящей перед каждой банковской структурой, является ее постоянная адаптация к изменениям внешней среды, поэтому для моделирования различных финансовых ситуаций можно применять современные методы и инструменты, снижающие временные и финансовые затраты, одним из которых является метод имитационного моделирования. Имитационная модель даст возможность проверить различные идеи, гипотезы и предположения относительно развития дополнительного офиса, проанализировать последствия их реализации и сделать соответствующие выводы о повышении эффективности работы отделения.

Размещено на Allbest.ru


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.