Гибридная имитационная модель отделения банка как системы массового обслуживания: роль человеческого фактора

Размещено на http://www.allbest.ru/

Гибридная имитационная модель отделения банка как системы массового обслуживания: роль человеческого фактора

Румянцев Михаил Игоревич, доцент

Межрегиональная академия управления персоналом



Статья продолжает рассмотрение вопросов компьютерной реализации имитационной модели безбалансового отделения коммерческого банка, созданной в среде GPSS World с применением структурно-морфологического анализа. Моделируется влияние уровня профессиональной квалификации, мотивированности и эмоционального состояния банковского персонала на производительность труда и эффективность работы с клиентами. Результаты исследования подтверждают гипотезу о приемлемости такого подхода для оптимизации бизнес-процессов в банке.



Статья продолжает рассмотрение вопросов компьютерной реализации имитационной модели безбалансового отделения коммерческого банка, созданной в среде GPSS World с применением структурно-морфологического анализа. Моделируется влияние уровня профессиональной квалификации, мотивированности и эмоционального состояния банковского персонала на производительность труда и эффективность работы с клиентами. Результаты исследования подтверждают гипотезу о приемлемости такого подхода для оптимизации бизнес-процессов в банке.



Введение

Реинжиниринг банковских бизнес-процессов с помощью компьютерных имитационных моделей является сегодня одним из самых перспективных направлений теоретических и экспериментальных исследований в финансово-кредитной сфере. Принимая во внимание несовершенство используемых с этой целью математических инструментов, представляется многообещающей разработка гибридных имитационных моделей, объединяющих положительные стороны разных школ в имитационном моделировании - чтобы тем самым раздвинуть границы их применения к насущным задачам отрасли. Обоснованное применение «неклассических» методов может привести к неожиданным и полезным результатам не только в смежных областях на стыке научных дисциплин, но и для задач, не входящих в ближайшую окрестность первоначального «ареала обитания» того или иного метода.

Объектом настоящего исследования, начатого автором статьей [9], является территориально-обособленное безбалансовое отделение универсального коммерческого банка (ТОБО); соответственно, предмет исследования - бизнес-процессы, характерные для повседневной операционной деятельности банковского подразделения такого рода. Цель работы - компьютерная реализация в системе GPSS World имитационной модели операционного дня ТОБО на основе концепций структурно-морфологического анализа В.Я. Проппа и системной динамики Дж. Форрестера.

Некоторые теоретические соображения по этому поводу были изложены автором в статье [10], в которой банковская структура рассматривается прежде всего как сообщество персонала ТОБО и его клиентов, которое постоянно переходит от фазы сотрудничества к фазе противостояния (враждебности); при этом проявляются типичные для этого бизнеса системные архетипы (клиент-«герой», клерк-«посредник», клерк-«вредитель» и т.п.) - в процессе борьбы «игроков»-клиентов за обладание набором банковских продуктов при посредничестве (содействии, противодействии) персонала банка. Отметим одно принципиальное для данного исследования обстоятельство: архетипам действующих лиц, участвующих в процессе передачи от клерка клиенту некоего банковского продукта, присущи свойства, более отвечающие концепциям «Пятой дисциплины» П. Сенджа [14] (т.е. идеям и практике системной динамики в ее нынешнем состоянии), нежели положениям классических работ В.Я. Проппа. С другой стороны, оперируя понятиями теории игр, можно рассматривать конкретный предлагаемый (или искомый) набор банковских продуктов или услуг - «волшебных» средств в морфологии Проппа - как набор полезностей, в обладании которыми заинтересованы игроки-клиенты на фоне определенных действий клерков. Полезность здесь рассматривается в теоретико-игровом смысле как некий количественно измеримый и безгранично делимый объект. Как с точки зрения морфологии Проппа, так и с позиций банковских технологий каждое действующее лицо моделируемой структуры характеризуется не только «предписанным» ему определенным кругом действий (функционалом), но и степенью осуществления этого функционала, а также мотивировками своих поступков.

В первой части статьи ([9]) в основу имитационной модели ТОБО было положено изоморфное отображение функциональной структуры отделения банка на структуру {персонал; клиенты = {привлеченные; потенциальные}; операции} - с характерными профессиональными и социальными архетипами поведения людей. В случае успешной формализации указанных архетипов в предикативной форме становится правомочным утверждение о реализации некоей алгебры, отражающей основные аспекты жизнедеятельности коммерческого банка [8]. (Разумеется, упомянутое выше изоморфное отображение - это скорее идеал; более реальной с точки зрения практики является гомоморфная свертка).

С другой стороны, ТОБО рассматривается как в [9], так и в настоящей работе в виде стохастической сети - сложной многофазной совокупности одно- и многоканальных систем массового обслуживания (СМО) класса G/G/m (т.е. моделей с произвольными распределениями вероятностей случайных величин для времени поступления требований и времени обслуживания). Точных аналитических методов для решения задачи с такими параметрами в настоящее время не существует и пока не предвидится (по этому поводу более обстоятельно и математически строго изложено в [13]) - тем самым мы приходим к необходимости применения средств дискретно-событийного моделирования в лице GPSS World [3; 12; 18]. Исходные данные для проведения компьютерных экспериментов с построенной имитационной моделью ТОБО (особенности базовых бизнес-процессов, оценки средней и пиковой рабочей нагрузки персонала и т.п.) были получены в 2009-2010 годах в ходе статистических обследований одного из безбалансовых отделений Днепропетровского регионального управления ПАО КБ «Приватбанк» и приведены в первой части статьи ([9, с. 87]).



Постановка задачи и актуальность

Джей Форрестер в 6-ой главе своей монографии [16], оценивая сложные системы с точки зрения системной динамики, подчеркнул, что жизнь человеческого общества почти всецело характеризуется нелинейными процессами. Он убедительно доказал пагубность стремления регулировать все и вся: «Многозвенная перестройка по нелинейным функциональным зависимостям делает сложную систему чрезвычайно чувствительной к большинству параметров системы… Такое нелинейное поведение в то же самое время делает систему резистентной к усилиям, прилагаемым с целью изменить поведение системы» [16, с. 119]. Затем, после ряда дополнительных рассуждений, следует вывод: «Сложные системы имеют тенденцию к ухудшению качества» [там же, с. 123].

В то же время, как известно из теории массового обслуживания, стремление к максимальной загрузке обслуживающих приборов неизбежно приводит к росту очередей. Отсюда неминуемо следует вывод о том, что понятное желание вышестоящего руководства увеличить для ТОБО плановые показатели по числу обслуженных клиентов (т.е. всемерно максимизировать загрузку персонала) рано или поздно приведет к резкому снижению качества обслуживания - а в итоге и к количественным, финансовым потерям.

Приведенные в первой части статьи результаты анализа «узких мест» в работе ТОБО с помощью GPSS-модели версии 2.0 показали, что для большей адекватности имитационной модели необходимо обязательно учитывать влияние и человеческого фактора: разброс в производительности труда между работниками одного и того же банковского участка, уровень мотивации персонала, колебания эмоционального состояния и физической работоспособности клерков на протяжении операционного дня, степень лояльности клиентов по отношению к конкретному банку и т.п. Более того, реалистичная модель должна количественно учитывать воздействие нередко проявляющихся факторов некомпетентности, непрофессионализма, халатности, лени, безразличия со стороны банковского персонала («вредителей» согласно терминологии Проппа; см. [10, с. 1002]). Удовлетворив указанные требования, новая модель сможет отразить ряд особенностей поведения сложных социо-технических систем по Форрестеру: сопротивление административным нововведениям, противодействие и компенсацию внешних воздействий путем снижения темпов осуществления функций системы, присутствие скрытых источников дестабилизации в системе и т.д. [16]. Насколько востребованы усилия ученых и специалистов-практиков, можно судить хотя бы по факту выхода в свет монографии [18] и большого числа других работ (о чем будет сказано далее).

В силу сказанного выше во второй части нашего исследования ставится задача не только принять во внимание наличие т.н. человеческого фактора, но и попытаться количественно оценить степень его влияния на полноценность выполнения работниками ТОБО своих функций. Иными словами, должен быть разработан программный симулятор, моделирующий влияние уровня профессиональной квалификации, мотивированности и эмоционального состояния банковского персонала на производительность труда и эффективность обслуживания клиентов.

О теоретическом значении и важных практических аспектах такой постановки вопроса свидетельствует тот факт, что еще Дж. Нейман и О. Моргенштерн в своей классической монографии отмечали роль информационных схем посредника и игрока в игре с нулевой суммой - когда информационная схема посредника содержит информационную схему игрока при его конкретном ходе, а в конце игры определяет партию полностью [4, с. 100]. Уже в наше время не обошли стороной психологические аспекты взаимодействия производителей и потребителей услуг многие исследователи стран СНГ. Так, А.Н. Поддьяков в работах [5-7] выдвинул и обосновал тезис о скрытом («троянском») обучении субъекта тому, что для него него невыгодно и отвечает интересам только организатора обучения (коммерческого банка в нашем случае. - М.Р.). В свою очередь, А.В. Ульяновский в диссертации [15] прямо указывает на то, что современное мифологичное сознание, формируемое как в интересах правящих элит, так и обусловленное антропологическими особенностями людей, поддается прогнозируемому управлению.

Более конкретную направленность получили исследования А. Бриштелева из Республики Беларусь, который, рассматривая банковскую систему как детерминированную и стохастическую одновременно, указывает на ее нелинейные реакции на внешние воздействия вполне в духе Дж. Форрестера. В статье [2] он затрагивает, в т.ч. функционально-морфологический аспект функционирования банка - но, к сожалению, на самом абстрактном, теоретико-множественном уровне. Тем не менее Бриштелев откровенно и недвусмысленно подчеркивает изначальную асимметрию взаимоотношений банка и его клиентов: «Определяя приоритетные цели деятельности, банк руководствуется интересами акционеров» [2, с. 31].

Западноевропейские и американские ученые также много внимания уделяют вопросам имитационного моделирования влияния человеческого фактора на поведение экономических систем. Так, C. Jones в работе [20] предложил системно-динамическую модель индивидуальной производительности как бихевиористского фактора, подверженного воздействию, в свою очередь, эмоциональных и когнитивных факторов: мотивации, настроения, стресса. Со своей стороны, H. Haraldsson рассматривает с позиций системной динамики новую разновидность поведенческого архетипа - The Tyranny of Small Steps (TYST) - сущность которого заключается в том, что последовательность независимых друг от друга небольших действий может привести к неожиданным изменениям в системе. Эти действия являются достаточно малыми, чтобы не быть обнаруженными «наблюдением» в пределах системы, но достаточно существенными, чтобы вторгнуться в зону «терпимости» системы и поставить под угрозу целостность системы. Социологическое исследование Цrby иллюстрирует реальное проявление архетипа TYST при планировании [19].

Описание модели

Как уже было сказано, структура исследуемого ТОБО моделируется как разомкнутая многофазная совокупность взаимосвязанных СМО, каждая из которых соответствует определенному участку работы с клиентами. Для любой из этих СМО предполагаются справедливыми допущения о случайности нестационарного неоднородного потока требований, об отсутствии последействия относительно требований, об ограниченности ожидании заявок в очередях, о дисциплине обслуживания FIFO.

Для достижения поставленных целей в модель ТОБО, рассмотренную в [9], был внесен ряд принципиальных изменений. Если число и характеристики моделируемых как СМО бизнес-участков в структуре ТОБО остались без изменений (как многоканальные устройства в терминах языка GPSS), то маршрутизация потока заявок на обслуживание претерпела существенную модификацию, обусловленную введением в модель новых архетипов поведения персонала банка и клиентов. Влияние аномального (нештатного) поведения клиентов и персонала отражается в модели в решающих блоках, выполняющих маршрутизацию потока заявок на обслуживание. Параметры этих блоков были подобраны так, чтобы максимально точно отразить собранные в ходе обследований ТОБО опорные статистические показатели, дающие представление о нагрузке на персонал ТОБО: среднесуточные минимальные и максимальные количества клиентов по каждому бизнес-направлению работы банка, соответствующие затраты времени на обслуживание и т.д. - существенно влияющие на величины предельных вероятностей состояний.

Для версии 3.х GPSS-модели ТОБО автором в ходе очередного обследования одного из отделений Приватбанка были собраны новые и уточнен ряд уже использовавшихся в модели 2.0 опорных статистических показателей, характеризующих «эталонную» нагрузку на персонал ТОБО. Прежде всего это среднесуточные минимальные и максимальные количества клиентов по каждому бизнес-направлению работы банка, соответствующие затраты времени на обслуживание и т.д., существенно влияющие на величины предельных вероятностей состояний.

Схематически продвижение клиентов по «конвейеру» в ТОБО показано на рис.1.

Рис.1. Схема функционирования ТОБО как совокупности СМО

Буквами S₁, S₂, … S₅ на рисунке обозначены одно- и многоканальные устройства - банковские сервисы (с учетом штатной структуры конкретного ТОБО): работа с индивидуальными клиентами (депозиты, оформление и процессинг пластиковых карт) - 3 специалиста; работа с корпоративными клиентами (расчетное обслуживание) - 2 финансовых менеджера; потребительское и корпоративное кредитование - 2 кредитных работника; кассовый узел (кассовое обслуживание в гривне, обмен валюты, работа с пластиковыми картами и т.д.) - 2 кассира; руководитель отделения. Q₁, Q₂, … Q₅ - соответствующие очереди клиентов. Символом ? обозначены точки принятия решений клиентами. Необходимо отметить, что каждая из СМО S_iрассматривается не как «идеальная» СМО с ожиданием при ограниченном размере очереди или времени нахождения в очереди, а как смешанная СМО - где встречается как ожидание, так и отказы в обслуживании. Иными словами, в версии 3.х GPSS-модели реализованы следующие варианты маршрутизации заявок по категориям клиентов:

1. архинетерпеливые клиенты - которые, едва переступив порог банка и заметив очередь у какого-либо отдела (возможно, даже и не того, который им нужен), немедленно покидают ТОБО;

2. нетерпеливые клиенты - становятся в нужную им очередь, но при превышении «лимита терпеливости» по размеру очереди или среднему времени ожидания в ней уходят;

3. терпеливые клиенты с простейшими (одинарными) потребностями в банковских услугах - устремляются только в один-единственный отдел (однофазное обслуживание);

4. терпеливые клиенты с n-арными потребностями в банковских услугах - обслуживаются последовательно в нескольких отделах (многофазное обслуживание).

Более того, наличие на рис.1 символа принятия решений ? и для каждой СМО S_iозначает тот факт, что даже изначально терпеливый клиент может оказаться недовольным качеством обслуживания, явной некомпетентностью клерка и т.п. и покинуть банк, так и не получив нужный ему банковский продукт.

Кроме того, версия 3.х модели учитывает различные варианты поведения клиента в учреждении банка не только в зависимости от требующейся услуги, но и от колебания таких факторов, как профессионализм, мотивация, эмоциональноесостояние и работоспособность (ПМЭР) персонала банка; также принимается во внимание уровень лояльности клиента и уровень его требований к качеству обслуживания (ЛТ). Иначе говоря, модель отражает проявления архетипов поведения в аспекте «помощь - вред», усиление либо ослабление которых зависит от сложного синергетического взаимодействия совокупного ПМЭР-фактора персонала и ЛТ-фактора клиентов в течение операционного дня.

Солидаризуясь по некоторым позициям с А.Н. Поддьяковым, автор, в свою очередь, рассматривает банковского клерка в общем случае как «вредителя» для клиента-«героя» (по Проппу). Клерк играет роль «разумного орудия» банка в извлечении прибыли: то, что выиграл банк - проиграл клиент. Такой постулат не оставляет места беспочвенному мифу о равноправности сторон в процессе предоставления банковских услуг юридическим и физическим лицам - только прибыль как системообразующий фактор по П.К. Анохину, и ничего более. Аналогичная ситуация и для игры трех классов лиц с нулевой суммой: {вкладчик; банк; заемщик}. При этом клерк-посредник выступает как дополнительный фиктивный игрок, позволяющий свести игру с ненулевой суммой к игре с нулевой - а поскольку лично он ничего не выигрывает, то появляются предпосылки для вредительства по Поддьякову по отношению к клиенту (особенно при низкой мотивации банковского персонала к выполнению плановых показателей). В результате, даже если банк и не сумеет заполучить нового клиента и заработать на нем, клиент в любом случае остается в проигрыше, не получив доступ к желаемой банковской услуге.

В предположении о том, что в банковском деле вообще труднодостижима эффективность по Нэшу (договор справедлив, если каждый договаривающийся в результате не проигрывает), автор в [11] наметил подход к моделированию «противодействия» осторожного клиента усилиям банковского персонала. Как следствие, имитационная модель ТОБО версии 3.х учитывает и такой вариант развития событий, когда недостаточно лояльный или недоверчивый клиент нарушает замыслы клерка-контрагента и «ломает» априорную информационную схему партнера по игре.

Исходя из сказанного выше, можно перейти к описанию параметров GPSS-модели. Как и в [9], мы пользуемся тем, что в системах, подобных ТОБО, процесс поступления заявок имеет близкое к показательному распределение интервалов между смежными заявками [12, с. 71]. Текущий уровень профессионализма, мотивированности и эмоционального состояния работника банка задается поправочными коэффициентами k_p, k_m и k_e для генерации случайного времени обслуживания клиента конкретным клерком. Эти коэффициенты также являются случайными величинами и распределены по нормальному закону; в качестве параметра распределения выступают поочередно для различных компьютерных прогонов модели следующие опорные уровни для k_p, k_m и k_e: 1,0 - высокий, 0,7 - терпимый; 0,5 и менее - низкий.

В модели принято, что за 8-часовой рабочий день работоспособность клерка снижается с 1 до 0,5; т.о., коэффициент замедления выполнения операций клерком (тоже являющийся поправочным) аппроксимируется линейной зависимостью от времени: k_w = 1 + 0,001t_m, где t_m - время в минутах, прошедшее с начала рабочего дня.

Степень лояльности клиента к банку k_l является случайной величиной, подчиняющейся нормальному закону распределения с параметром, равным 1,0 (максимальный уровень доверия клиента).

Время обслуживания клиента конкретным клерком t_w является случайной величиной, распределенной по экспоненциальному закону (в качестве параметра потока обслуживания выступает полученное опросно-статистическим путем «средне-нормативное» время).

Таким образом, с учетом всех поправочных коэффициентов для ПМЭР- и ЛТ-факторов величина времени обслуживания текущего клиента моделируется по формуле:

t'_w = t_wk_w / k_pk_mk_e k_l

(Заметим, что при перемножении случайных эффектов с нормальным законом распределения следует ожидать логарифмически нормального распределения результирующей величины [12, с. 69]).

Пороги ухода нетерпеливого клиента - детерминированные, фиксированные: по длине очереди в кассу - 20 человек (как вариант 10); по времени пребывания в очереди в кассу - 60 минут (как вариант 20). Порог ухода клиента в случае несоответствия его ожиданий к ПМЭ-фактору клерка (ПМЭР без учета физической работоспособности) - также фиксированный, варьируется для разных прогонов модели: 1,0 - высокие требования; 0,5 - реалистичные; 0,3 - заниженные (все равно).

Ниже приводится фрагмент головной GPSS-программы 3-ей версии имитационной модели ТОБО (пояснительные комментарии удалены из соображений экономии местаояснительные комментарии удалены из места):

...

WC_Decr_Lev EQU 0.001

Work_Delay FVARIABLE 1+WC_Decr_Lev#X$Clock

Chief_PME FVARIABLE (Normal(2,P_Level,0.1))#(Normal(2,M_Level,0.1))#(Normal(2,E_Level,0.1))

Deposit_PME FVARIABLE (Normal(3,P_Level,0.1))#(Normal(3,M_Level,0.1))#(Normal(3,E_Level,0.1))

FinMngr_PME FVARIABLE (Normal(4,P_Level,0.1))#(Normal(4,M_Level,0.1))#(Normal(4,E_Level,0.1))

Credit_PME FVARIABLE (Normal(5,P_Level,0.1))#(Normal(5,M_Level,0.1))#(Normal(5,E_Level,0.1))

Cashier_PME FVARIABLE (Normal(6,P_Level,0.1))#(Normal(6,M_Level,0.1))#(Normal(6,E_Level,0.1))

Chief_Time FVARIABLE (Exponential(2,0,X2))/V$Chief_PME

Deposit_Time FVARIABLE (Exponential(3,0,X3))/V$Deposit_PME

FinMngr_Time FVARIABLE (Exponential(4,0,X4))/V$FinMngr_PME

Credit_Time FVARIABLE (Exponential(5,0,X5))/V$Credit_PME

Cashier_Time FVARIABLE (Exponential(6,0,X6))/V$Cashier_PME

New_Chief_Time FVARIABLE V$Chief_Time#V$Work_Delay/P$Client_Loyalty

New_Deposit_Time FVARIABLE V$Deposit_Time#V$Work_Delay/P$Client_Loyalty

New_FinMngr_Time FVARIABLE V$FinMngr_Time/P$Client_Loyalty

New_Credit_Time FVARIABLE V$Credit_Time/P$Client_Loyalty

New_Cashier_Time FVARIABLE V$Cashier_Time#V$Work_Delay/P$Client_Loyalty

Req_Level EQU 0.5

Q_Size_Limit EQU 20

Q_Time_Limit EQU 60

Service_Time TABLE M1,1,5,20

Work_Delay_Inf TABLE V$Work_Delay,0.1,0.1,20

Chief_Serv TABLE V$New_Chief_Time,1,2,30

CashDesk_Serv TABLE V$New_Cashier_Time,1,2,30

Deposit_Serv TABLE V$New_Deposit_Time,1,2,30

CashDesk_Q QTABLE CashDesk,0,2,30

Deposit_Q QTABLE Retail,0,2,30

Chief_Q QTABLE Chief,0,2,30

RoadMap FUNCTION RN1,D5

.050,Chief_Proc/.478,CashDesk_Proc/.898,Deposit_Proc/.963,FinMngr_Proc/1.0,Credit_Proc

GENERATE (Exponential(1,0,X1))

ASSIGN Client_Loyalty,(Normal(7,1.0,0.1))

SAVEVALUE RunNum,(AC1\480+1)

QUEUE Door

SEIZE Door

DEPART Door

RELEASE Door

TRANSFER FN,RoadMAp

TRANSFER,FlyAway

Chief_Proc QUEUE Chief

SEIZE Chief

DEPART Chief

TEST GE V$Chief_PME,Req_Level,Fool_Chief

SAVEVALUE Clock,AC1

ADVANCE V$New_Chief_Time

SAVEVALUE Lucky_Clients+,1

Fool_Chief RELEASE Chief

TRANSFER,FlyAway

Deposit_Proc TEST LE Q$Retail,Q_Size_Limit,FlyAway

TEST LE QT$Retail,Q_Time_Limit,FlyAway

QUEUE Retail

ENTER Retail

DEPART Retail

TEST GE V$Deposit_PME,Req_Level,Fool_Dep

SAVEVALUE Clock,AC1

ADVANCE V$New_Deposit_Time

SAVEVALUE Lucky_Clients+,1

Fool_Dep LEAVE Retail

TRANSFER 0.3,,CashDesk_Proc

TRANSFER,FlyAway

...

GENERATE 480

TERMINATE 1

START 1

Обсуждение результатов моделирования

В ходе компьютерных экспериментов были получены результаты прогонов нескольких вариантов модели ТОБО версии 3.х в среде GPSS World 5.2.2 при различных сочетаниях основных факторов: отклонении уровней профессионализма, мотивации и эмоционального состояния (ПМЭ) в пределах от 0,5 до 1,0; варьировании требований клиента к ПМЭ персонала от 0,3 до 1,0; порогов ухода клиента в зависимости от длины очереди в кассовый узел и отдел частных вкладов и времен пребывания в них. Это позволило выявить не только источники потенциальных проблем с обслуживанием потока клиентов в течение рабочего дня - но и обнаружить ряд закономерностей, выражающихся в скачкообразном снижении числа реально обслуженных клиентов и коэффициента загрузки персонала при снижении ПМЭ-фактора либо росте требований клиентов к качеству обслуживания и уровню подготовки персонала.

Основные результаты прогонов нескольких вариантов имитационной модели на ПК в среде GPSS World (version 5.2.2) приведены в обобщенном виде в таблицах 1-4. Эти варианты отличаются только значениями параметров k_p, k_m и k_e; прочие параметры задаются единообразно (уровень требований клиента к ПМЭ-фактору клерка - 0,5; порог ухода по длине очереди в кассу - 20 человек, порог ухода по времени ожидания в очереди в кассу - 60 мин).

Табл. 1. Результаты моделирования - вариант 1 (k_p = 1,0; k_m = 1,0; k_e = 1,0)

Участок работы	Загрузка	Среднее количество обслуженных клиентов за 8 часов	Из них были вынуждены стоять в очереди	Средняя длина очереди	Среднее время пребывания в очереди (мин.)
Руководитель	0,635	12	6	0,330	13,205
Индивид. бизнес	0,841	91	53	2,493	11,288
Корпорат. бизнес	0,452	15	5	0,082	2,633
Кредитный сектор	0,085	8	0	0	0
Кассовый узел	0,977	104	99	6,127	25,572

Табл. 2. Результаты моделирования - вариант 2 (k_p = 0,7; k_m = 1,0; k_e = 1,0)

Участок работы	Загрузка	Среднее количество обслуженных клиентов за 8 часов	Из них были вынуждены стоять в очереди	Средняя длина очереди	Среднее время пребывания в очереди (мин.)
Руководитель	0,549	15	6	0,261	7,827
Индивид. бизнес	0,975	71	65	11,078	74,896
Корпорат. бизнес	0,641	13	5	0,377	13,903
Кредитный сектор	0,105	5	0	0	0
Кассовый узел	0,981	85	79	8,844	40,047

На рис.2 приведена гистограмма распределения t_s - времени пребывания клиента в банке (для «оптимистического» варианта 1) - до проведения мероприятий по оптимизации структуры ТОБО и функциональных обязанностей персонала, которые были осуществлены руководством ДРУ. (Справедливости ради отметим, что эти перестановки были вызваны не борьбой с «узкими местами» и очередями, а преследовали сугубо прозаические цели - экономию фонда заработной платы и повышение прибыльности отделения).

Табл. 3. Результаты моделирования - вариант 3 (k_p = 0,7; k_m = 0,7; k_e = 1,0)

Участок работы	Загрузка	Среднее количество обслуженных клиентов за 8 часов	Из них были вынуждены стоять в очереди	Средняя длина очереди	Среднее время пребывания в очереди (мин.)
Руководитель	0,347	20	5	0,361	8,658
Индивид. бизнес	0,837	79	46	7,873	37,791
Корпорат. бизнес	0,228	12	0	0	0
Кредитный сектор	0,101	6	0	0	0
Кассовый узел	0,726	110	68	3,482	13,811

Табл. 4. Результаты моделирования - вариант 4 (k_p = 0,7; k_m = 0,7; k_e = 0,7)

Участок работы	Загрузка	Среднее количество обслуженных клиентов за 8 часов	Из них были вынуждены стоять в очереди	Средняя длина очереди	Среднее время пребывания в очереди (мин.)
Руководитель	0,009	17	0	0	0
Индивид. бизнес	0,051	97	0	0	0
Корпорат. бизнес	0,030	16	0	0	0
Кредитный сектор	0,000	13	0	0	0
Кассовый узел	0,301	124	21	1,206	4,667

Рис. 2. Гистограмма распределения времени обслуживания клиента в ТОБО

Из приведенных таблиц хорошо видно, что как только ПМЭ-фактор становится заведомо меньше 0,5 (варианты 3 и 4), то загрузка персонала начинает стремительно снижаться, поскольку клиенты практически сразу достойно оценивают недостаточную квалификацию и низкую заинтересованность клерков - и «голосуют» ногами. В силу этого показатели работы ТОБО по варианту 2 являются пиковыми для депозитного отдела и кассового узла и предвещают приближающееся падение работоспособности персонала ТОБО, уменьшение их мотивации к безусловному выполнению плановых показателей и т.д. Даже если все исходные параметры оставить без изменения (как в варианте 1), ужесточив всего-навсего пороги ухода по длине очереди в кассу (с 20 до 10 человек) и по времени пребывания в этой очереди (с 60 до 20 минут) - смоделировав эффект тесного, плохо приспособленного помещения ТОБО - мы немедленно получим падение загрузки кассиров до 0,357. А если в варианте 1, не затрагивая ничего, установить более высокий уровень требований клиентов к персоналу (1,0 вместо 0,5), то загрузка снижается сразу по всем участкам работы (0,096, 0,513, 0,270, 0,021 и 0,390 соответственно).

Небезынтересно сопоставить предлагаемую нами модель с моделью для оценки загруженности сотрудников отделения банка, разработанную И. Янковским [17]. Отмечая, что скорость и точность выполнения операций существенно подвержены влиянию психологического настроения и физического состояния банковского работника в данный момент времени, Янковский считает, что перечисленные факторы не подчиняются ни вероятностным, ни более точным математическим методам расчета - и поэтому предлагает при анкетировании экспертов для получения оценок времени использовать аппарат теории нечетких множеств. Соответственно, ПМЭР-факторы как таковые в его модели не используются. По нашему мнению, в этом случае вполне достаточно и оправданно использовать в расчетах оценки времени выполнения технологических операций на основе бета-распределения.

Может показаться, что наличие на рабочих местах специалистов ТОБО достаточно производительных ПК, объединенных не просто в локальную сеть отделения, а взаимодействующих с головным офисом Приватбанка через корпоративный портал, должно бы в определенной мере нивелировать разницу в профессионально-психологических качествах персонала ТОБО. Но как показала многолетняя практика, это не так, а сама проблема является широко распространенной и в других сферах человеческой деятельности. Стаффорд Бир еще в 1972 году высказал мысль о том, что большие расходы на содержание офисного персонала могут быть вызваны заменой компьютерами значительной группы работников - если при этом произошел разрыв связей между людьми, важность которых была не понята. В предельном случае полной автоматизации фирмы может вообще не остаться путей для поддержания социальных связей, что крайне рискованно для благополучия предприятия [1]. Со своей стороны заметим (в виде следствия из более общего правила Бира), что уровень профессионализма банковского специалиста и его отношение к работе, как ни странно, могут снизиться, если работник столкнется с проблемами, вызванными появлением на его рабочем месте средств вычислительной техники либо нового программного обеспечения. Так, предпринятая несколько лет назад попытка перехода на автоматизированные рабочие места под управлением Linux взамен MS Windows в одном из украинских банков привела к регулярным сбоям в работе ряда функциональных подразделений и недовольству клиентов.

Оценивая в свете сказанного выше возможности симулятора ТОБО версии 3.х, можно отметить следующее:

1. разработанная GPSS-модель позволяет, используя не более 2-х десятков ключевых регулируемых параметров, проводить многофакторные эксперименты для исследования и оптимизации действующей структуры ТОБО и его бизнес-процессов;

2. в модели ТОБО удалось в первом приближении количественно отразить степень влияния профессиональных и психологических факторов на производительность труда персонала и результативность его работы с клиентами;

3. сравнительно просто моделируются не только ожидаемые («взаимовыгодные»), но и в ряде случаев откровенно враждебные взаимоотношения между персоналом банка и его клиентами;

4. адекватность и пригодность модели подтверждается эмпирически - степень совпадения результатов имитационных экспериментов с наблюдаемыми данными составляет 80-85%; предпринятые в ТОБО перемещения персонала между участками привели к снижению загрузки индивидуального бизнеса и кассового узла, близкому к предсказанным значениям 0,734 и 0,794 соответственно, а среднего времени обслуживания в ТОБО - с 31,904 до 25,081 минут (для варианта 1 с новым штатом ТОБО).

Выводы и перспективы

Имитационное моделирование на ЭВМ, выступая как инструмент реинжиниринга финансово-кредитной деятельности, позволяет при относительно небольших затратах времени и средств приблизиться к качественно новому уровню организации работы с клиентами - и при этом обеспечить минимальное среднее время реакции системы в условиях ограниченности людских и материально-технических ресурсов банка. Рациональное сочетание структурно-морфологического анализа и системной динамики позволяет по-новому подойти к процедурам формализации банковских бизнес-процессов и их моделирования. Целесообразность практического использования такого гибридного подхода заключается в легкости и удобстве компьютерного моделирования не только партнерских, но и в ряде случаев откровенно недружелюбных взаимоотношений между банком и его клиентами - применительно к процессу непрерывной адаптации банка как системы к постоянно усложняющейся и агрессивной внешней среде.

Дальнейшая работа над рассмотренной моделью предполагает поэтапную реализацию таких возможностей, как учет финансово-экономических показателей работы ТОБО, комплексное обслуживание клиента по сразу нескольким банковским услугам, а также варьирование графика работы (и, соответственно, рабочей нагрузки) с учетом отпусков и больничных персонала, выходных и праздничных дней, расширения зоны обслуживания и универсализации персонала и т.д. В силу ограничений freeware-версии GPSS World все это может потребовать перехода к модульной структуре модели и широкому использованию средств PLUS-процедур [12].

имитационная модель коммерческий банк



Список литературы

1. Бир Ст. Мозг фирмы / Пер. со 2-го англ. изд. - Изд. 2-е. - М.: Едиториал УРСС, 2005. - 416 с.

2. Бриштелев А. Особенности согласования интересов центрального банка и банков // Банкаўскі веснік. - 2006. - № 4. - с. 30-34.

3. Кудрявцев Е.М. GPSS World. Основы имитационного моделирования различных систем. - М.: ДМК Пресс, 2004. - 320 с.

4. Нейман Дж. фон, Моргенштерн О. Теория игр и экономическое поведение / Пер. с англ. под ред. Н.Н. Воробьева. - М.: Наука, 1970. - 708 с.

5. Поддьяков А.Н. Ориентировочная и дезориентирующая основы деятельности: иерархии целей обучения в конфликтующих системах // Вопросы психологии. - 2002. - № 5. - с. 79-84.

6. Поддьяков А.Н. Противодействие обучению конкурента и «троянское» обучение в экономическом обучении // Психология. Журнал Высшей школы экономики. - 2004. - № 3. - с. 65-82.

7. Поддьяков А.Н. Типы противодействия в помогающем поведении // Вопросы психологии. - 2010. - № 4. - с. 3-13.

8. Румянцев М.И. Обобщенная математическая модель коммерческого банка // Грузинский Электронный Научный Журнал «Компьютерные науки и телекоммуникации». - 2006. - № 4(11). - с. 44-48. - http://gesj.internet-academy.org.ge/download.php?id=1276.pdf

9. Румянцев М.И. Гибридная имитационная модель отделения банка как системы массового обслуживания // Грузинский Электронный Научный Журнал «Компьютерные науки и телекоммуникации». - 2010. - № 2(25). - с. 85-91. - http://gesj.internet-academy.org.ge/download.php?id=1635.pdf

10. Румянцев М.И. Структурно-морфологический анализ бизнес-процессов коммерческого банка // Информационные технологии моделирования и управления. - 2008. - № 9(52). - с. 997-1005.

11. Mikhail I. Rumyantsev. About some applications of Kolmogorov equations to the simulation of financial institution activity // arXiv e-prints. Quantitative Finance Papers. - 2009. - No. 0912.1037. - 8 p. - http://arxiv.org/pdf/0912.1037.

12. Рыжиков Ю.И. Имитационное моделирование. Теория и технологии. - СПб.: КОРОНАпринт; М.: Альтекс-А, 2004 - 384 с.

13. Рыжиков Ю.И. Теория очередей и управление запасами. - СПб.: Питер, 2001. - 384 с.

14. Сендж П. Пятая дисциплина. Искусство и практика самообучающихся организаций / Пер. с англ. - М.: ЗАО «Олимп-Бизнес», 1999. - 408 с.

15. Ульяновский А.В. Мифодизайн как метод социальной конвенции в маркетинговых коммуникациях: автореф… дисс. канд. культурологии (24.00.04) / СПб., 2000. - 24 с.

16. Форрестер Дж. Динамика развития города / Пер. с англ. - М.: Прогресс, 1974. - 288 с.

17. Янковский И. Моделирование загруженности сотрудников банка // Банкаўскі веснік. - 2003. - № 5. - с. 55-56.

18. Dahai L., Trocine L., “Chapter 10. Human Factors and Discrete-Event Simulation”, in: Human Factors in Simulation and Training, CRC Press, 2009, pp. 189-199.

19. Haraldsson H.V. et al., “The Tyranny of Small Steps I: Discovery of an Archetypical behavior”, in Proceedings of 23rd International Conference of the System Dynamics Society, July 17 - 21, 2005, Boston, USA, The System Dynamics Society, Albany, NY (available at: http://www.systemdynamics.org/conferences/2005/proceed/papers/HARAL414.pdf).

20. Jones C.A., “Behavioral Theory In Simulation: Ambiguous Results From Simple Relationships”, in Proceedings of 23rd International Conference of the System Dynamics Society, July 17 - 21, 2005, Boston, USA, The System Dynamics Society, Albany, NY (available at: http://www.systemdynamics.org/conferences/2005/proceed/papers/JONES179.pdf).

Размещено на Allbest.ru

...