Имитационное моделирование бизнес-процесса обработки обращений в службе технической поддержки

Первое уравнение по начальному состоянию ⁰ и экзогенным переменным определяет вектор-функцию (t) - эндогенные переменные на выходе системы (t) . Таким образом, цепочка уравнений объекта «вход - состояния - выход» позволяет определить конечные (искомые) характеристики процесса:

где функция F, в нашем случае, задана множеством алгоритмов обработки заявок.

Очень важным в имитационном моделировании является понятие модельного времени. В общем случае время в модели системы может рассматриваться на интервале моделирования (0, Т) как непрерывное или дискретное - квантованное на отрезки длиной Дt временных единиц каждый, когда T = mДt , где m = - число интервалов дискретизации.

При дискретном времени продвижение по оси модельного времени происходит равными отрезками (шагами) равными Дt. На каждом шаге «просматриваются» все элементы системы и моделируются все возможные изменения состояний.

Бизнес-процесс обработки обращений клиентов в службе поддержки может быть смоделирован с применением обоих подходов. К примеру, можно выбрать шаг моделирования равным одному дню. Тогда каждый модельный день будет сопровождаться расчетами: числа обслуженных клиентов, средний размер очереди и т.д. Точно также можно использовать непрерывное время и случайный шаг, рассматривая ось модельного времени на промежутке (0, Т), где Т может, например, равняться 40 ч, что представляет собой пять рабочих дней по 8 ч. Деление оси времени на дни будет неудобно в случае, когда большинство этапов процесса выполняются более одного дня или если работа предприятия круглосуточная. Поэтому остановимся на подходе с непрерывным временем и случайным шагом.

Приведенное в данном разделе математическое описание позволяет строго формализовать исследуемый бизнес-процесс на основе его представления в виде типовой СМО, где методы описания и исследования хорошо разработаны.

2.4 Разработка и описание моделирующих алгоритмов для реализации программ имитационной модели

Построим обобщенный моделирующий алгоритм для бизнес-процесса обработки обращений в службе технической поддержки. Бизнес-процесс можно представить, как систему массового обслуживания, т.е. поступление и обслуживание обращений. Поток поступающих обращений случаен (СВ1). Далее эти обращения обслуживаются в порядке очереди (СВ3). Поэтому укрупненный алгоритм данного бизнес-процесса можно описать двумя этапами:

1) Моделирование поступления обращений.

2) Моделирование обработки заявок.

При поступлении обращения будет срабатывать блок сравнения, где осуществляется проверка, закончен ли период моделирования (Т) или нет. Также необходимы следующие вспомогательные блоки (процедуры).

- блок ввода исходных данных;

- блок объявления и обнуления переменных;

- блок расчета итоговых показателей;

- блок вывода результатов пользователю.

Полученный укрупненный алгоритм приведен на рис. 2.1.

Алгоритм начинается с ввода исходных данных пользователем - блок 1. Здесь вводятся значения параметров имитационной модели, с помощью которых будут изменяться условия моделирования, а также параметры законов распределения случайных величин. Блок 2 предназначен для объявления и обнуления переменных, используемых в модели. Эти переменные также будут менять свои значения в процессе моделирования, а к моменту окончания будут содержать итоговые значения.

Одним из основных блоков является блок 3, который предназначен для моделирования и учета поступивших обращений согласно показательному закону распределения. Блок 4 необходим для сравнения времени поступления очередного обращения 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 обработку обращения и передает его 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 [7, с.72-73].

Таким образом, моделирование поступления обращений заключается в генерации случайного времени между поступлением обращений от клиентов (СВ1) и в проверке их на принадлежность заданному периоду моделирования Т. Если время поступления очередного обращения не превышает границу периода, то осуществляется переход к обработке заявки. Если же момент выходит за границу периода, то считается, что период окончен, а, значит, нужно выйти из цикла поступления и обработки обращений и перейти к расчету показателей и выводу их пользователю.

Рис. 2.1 - Укрупненный алгоритм бизнес-процесса

Теперь перейдем к рассмотрению детализированного алгоритма, представленного на рисунке 2.2.

Данный алгоритм начинается с ввода исходных данных (блок 1), а именно: период моделирования Т, параметры ЗР СВ1-СВ12, количество операторов и экспертов. В блоке 2 происходит объявление и обнуление необходимых переменных: текущее модельное время t, время поступления обращения tpost, количество входящих обращений kpost, количество зафиксированных обращений kob, количество созданных технических заявок tza, количество операторов kop и kex. Блок 3 основан на моделировании времени между поступлением обращений и изменении времени поступления последнего обращения tpost = tpost + СВ1.

В следующем блоке (4) сравнивается время поступления последнего обращения с заданным периодом моделирования Т. Если tpost <= T, то переходим к блоку 5, в котором счетчик входящих обращений увеличивается на 1 (kpost = kpost + 1). Если же условие не выполняется, тогда переходим к 24 блоку. Следом за блоком 5 идет блок 6, где происходит моделирование длительности рассмотрения обращения (СВ2) и модельное время продвигается t = t + СВ2. В блоке 7 происходит моделирование СВ3 - возможной сути обращения. Блок 8 осуществляет сравнение смоделированного значения СВ3 с исходно заданным параметром. Если СВ3 <= Pсуть, то переходим к блоку 15, если нет - к блоку 9.

Блоку 9 соответствует моделирование длительности консультации (СВ5), модельное время также продвигается на определенную величину t = t + СВ5. Переходим к блоку 10, в котором моделируется возможная трудность в оказании консультации СВ7, после него в блоке 11 снова сравниваем смоделированное значение СВ7 с исходно заданным параметром. Если СВ7 <= Pктруд, значит, переходим к блоку 12, если нет - к блоку 13.

Блок 12 содержит моделирование длительности консультации с экспертом СВ8 и продвижение модального времени t = t + СВ8. Далее переходим к 13 блоку, где моделируется СВ12 - длительность фиксирования обращения, а также продвигается модельное время t = t + СВ12. В блоке 14 происходит увеличение счетчика зафиксированных обращений kob = kob + 1. Данный блок возвращает нас к блоку 3.

В блоке 15 содержится моделирование длительности выбора процедуры (СВ4) и продвижение модельного времени на соответствующую величину. Затем происходит моделирование возможной трудности выбора процедуры СВ6 (блок 16), которое приводит нас к блоку 17. Если СВ6 <= Pптруд, то переходим к блоку 19, если нет - к блоку 18.

Блок 18 включает моделирование длительности консультации с экспертом (СВ9) и продвижение модельного времени t = t + СВ8. Далее идем к блоку 19, где происходит моделирование длительности работы с клиентом СВ9, модельное время также продвигается на соответствующую величину. В блоке 20 моделируется возможное не решение проблемы (СВ10). Этот блок приводит нас к блоку 21, в котором сравнивается смоделированное значение СВ10 с исходно заданным параметром. Если СВ10 <= Pнер, то переходим к блоку 22, если нет возвращаемся к блоку 13.

В блок 22 входит моделирование длительности создания технической заявки СВ11, продвижение модельного времени осуществляется следующим образом: t = t + СВ11. Далее следует блок 23, в котором увеличивается счетчик созданных технических заявок tza = tza + 1. После этого, возвращаемся к блоку 3.

Завершает алгоритм блок 24, в котором выводятся конечные результаты пользователю: t, tpost, kpost, kob, tza.

Рис. 2.2 - Детализированный алгоритм бизнес-процесса

Продолжение рис.2.2

2.5 Выбор и обоснование инструментальных средств реализации имитационной модели

Для имитационного моделирования в нашей работе использовалась программа AnyLogic, которая обладает многофункциональным интерфейсом и позволяет использовать язык Java для разработки системного, дискретно-событийного и агентного моделирования.

В данной программе существует три подхода моделирования в зависимости от уровня абстракции: высокий, средний и низкий (рис. 2.3).

Рис. 2.10 - Подходы имитационного моделирования на шкале уровня абстракции

Важной особенностью данной программы является тот факт, что при разработке моделей в AnyLogic можно использовать концепции и средства из нескольких методов моделирования.

Графическая среда моделирования AnyLogic включает в себя следующие элементы [14]:

- Stock & Flow Diagrams (диаграмма потоков и накопителей) применяется при разработке моделей, используя метод системной динамики.

- Statecharts (карты состояний) в основном используется в агентных моделях для определения поведения агентов. Но также часто используется в дискретно-событийном моделировании, например, для симуляции машинных сбоев.

- Action charts (блок-схемы) используется для построения алгоритмов. Применяется в дискретно-событийном моделировании (маршрутизация звонков) и агентном моделировании (для логики решений агента).

- Process flowcharts (процессные диаграммы) основная конструкция, используемая для определения процессов в дискретно-событийном моделировании.

Таким образом, выбранная среда моделирования поддерживает проектирование, разработку, документирование моделей, выполнение компьютерных экспериментов с ними, включает различные виды анализа, например, анализ чувствительности и оптимизацию параметров модели относительно определенного критерия.

3. Экспериментальная часть

3.1 Программное обеспечение функционирования имитационной модели

Осуществим с помощью программы «AnyLogic» программную реализацию на основе созданного ранее моделирующего алгоритма [9, c.69-72]. На рисунке 3.1 представлена схема моделирующего алгоритма в программе «AnyLogic» с базовыми названиями блоков.

Рис.3.1 - Схема моделирующего алгоритма в программе «AnyLogic»

В таблице 3.1 содержится описание элементов (блоков) алгоритма.

Таблица 3.1

Основные структурные элементы алгоритма

На рисунке 3.2 представлена схема моделирующего алгоритма в программе «AnyLogic» с итоговыми названиями.

Рис. 3.2 - Схема моделирующего алгоритма с итоговыми названиями

Для удобства использования данной модели, возможности изменять ее различные параметры, а также наблюдать выходные данные, были созданы экранные формы, позволяющие просто и наглядно управлять моделью. На рисунке 3.3 представлено главное окно.

Рис. 3.3 - Главное окно с формами ввода входящих данных с включенной опцией «Бегунок»

Также здесь, в главном окне, есть возможность переключения в режим ввода данных с помощью ручного ввода (рис. 3.4).

Рис. 3.4 - Главное окно с формами ввода входящих данных с включенной опцией «Поле ввода»

Таким образом, для каждой случайной величины и события можно задать определенное значение, чтобы затем, по нажатию на кнопку «Запустить», проиграть модель именно с указанными параметрами и получить результаты (выходные данные).

После того, как мы запустили моделирование, перед нами предстает второе окно, в котором мы можем наблюдать схему работы в реальном времени самой системы, а также различные статистические данные, такие как: Статистика очереди, статистика общего использования ресурсов (операторов и экспертов) и статистика времени (время ожидания и пребывания клиента в системе) (рис. 3.5)

Рис. 3.5 - Окно моделирования

В этом окне, как и в предыдущем, есть возможность задать период, шаг моделирования, поставить моделирование на паузу или вообще закончить его по средствам соответствующих кнопок на панели управления системы. То есть, изменять эти параметры можно прямо во время работы системы в режиме реального времени.

3.2 Описание тестового примера и реализация разработанного моделирующего алгоритма

Проведем тестовый запуск модели. Значение количества операторов укажем равным 35, а экспертов - 4. Период моделирования - сутки. В качестве входных данных для случайных величин были указаны значения случайных величин, найденные при идентификации законов распределения, а именно:

· СВ1 - Интенсивность потока обращений - была задана экспоненциальным законом распределения со значением л = 0,85;

· СВ2 - Длительность рассмотрения обращения - была задана нормальным законом распределения со значением СКО = 1,81 и Хв = 3,35;

· СВ3 - Возможная суть обращения клиента - была задана биноминальным законом распределения со значением P = 0,864;

· СВ4 - Длительность выбора процедуры - была задана была задана нормальным законом распределения со значением СКО = 1,64 и Хв = 2,96;

· СВ5 - Длительность консультации - была задана была задана нормальным законом распределения со значением СКО = 10,63 и Хв = 20,28;

· СВ6 - Возможная трудность в выборе процедуры - была задана биноминальным законом распределения со значением P = 0,691;

· СВ7 - Возможная трудность в оказании консультации - была задана биноминальным законом распределения со значением P = 0,006;

· СВ8 - Длительность консультации с экспертом - была задана была задана нормальным законом распределения со значением СКО = 4,51 и Хв = 9,57;

· СВ9 - Длительность работы с клиентом - была задана была задана нормальным законом распределения со значением СКО = 9,98 и Хв = 20,19;

· СВ10 - Возможное не решение проблемы - была задана биноминальным законом распределения со значением P = 0,539;

· СВ11 - Длительность создания технической заявки - была задана была задана нормальным законом распределения со значением СКО = 1,88 и Хв = 6,66;

· СВ12 - Длительность фиксирования обращения - была задана была задана нормальным законом распределения со значением СКО = 0,89 и Хв = 1,81;

Окно с входными данными представлены на рисунке 3.6.

Рис. 3.6 - Окно ввода входных данных

После ввода входных данных осуществляется моделирование. Ход моделирования и его выходные данные (результаты) отражаются в специальном окне, которое содержит схему алгоритма бизнес-процесса, статистику очереди, статистику времени и статистику общего использования ресурсов (рис. 3.7).

Рис. 3.7 - Результаты моделирования

3.2.1 Постановка, разработка и реализация оптимизационных задач функционирования моделируемого бизнес-процесса

Осуществив имитационное моделирование бизнес-процесса «Обработка обращений в службе технической поддержки», можно выявить направления для возможной оптимизации различных параметров системы. Например, не маловажным для бизнеса будет являться расход денежных средств на заработную плату рабочим. В случае нашего бизнес-процесса рабочими являются операторы и эксперты. Тогда задачей по оптимизации могло бы стать нахождение такого количества операторов и экспертов, которые требуются системе чтобы минимизировать затраты на выплату заработной платы рабочим, и чтобы при этом, в целом, уровень оказания услуг оставался на высоком уровне.

Мы можем решить поставленную задачу используя оптимизацию, при которой выбранные параметры модели будут систематически изменяться для минимизации или максимизации значения целевого функционала. В программе AnyLogic был создан и настроен «Оптимизационный эксперимент» (рис. 3.8).

Рис. 3.8 - Окно эксперимента оптимизации бизнес-процесса «Обработка обращений в службе технической поддержке»

В настройках целевой функцией была указана формула суммы заработной платы, которую операторы и эксперты получают за указанный период моделирования. Также было установлено требование, что средний размер очереди за весь период моделирования не должен превышать 5 человек. Кроме того, была включена опция использования репликаций в значение 2. Это означает, что каждый шаг моделирования будет проигрываться 2 раза и итоговые значения шага будут представлены средним значением 2-ух проигрываний модели с заданными параметрами.

И так, установив все параметры моделирования на необходимые значения, можно запустить оптимизацию и получить результаты (рис.3.9)

Рис. 3.9 - Результаты оптимизационного эксперимента

Таким образом, в процессе описания тестового примера был отобран наилучший сценарий поведения имитационной модели исследуемого бизнес-процесса, в соответствии с поставленной оптимизационной задачей.

3.3 Разработка рекомендаций по повышению эффективности бизнес-процесса

На основе результатов, полученных в процессе имитационного моделирования и решенной оптимизационной задачи, нами разработаны практические рекомендации по повышению эффективности бизнес-процесса «Обработка обращений в службе технической поддержки», а также по повышению эффективности управления этим процессом.

Во-первых, эффективность бизнес-процесса можно улучшить путем снижения вероятности появления трудностей в процессе консультации клиентов и при выборе процедур обработки обращений. Это может быть достигнуто путем повышения уровня компетентности операторов, то есть необходимо регулярно проводить обучающие тренинги, периодически проверять знания операторов по ключевым моментам их работы, а также совершенствовать существующие алгоритмы действий операторов, исключая возможность появления недопонимания.

Во-вторых, исходя их результатов эксперимента по оптимизации, эффективность управления процессом может быть улучшена с точки зрения минимизации финансовых ресурсов. А именно, количество ресурсов (операторов и экспертов) можно сократить до необходимого уровня, следуя заданным требованиям: за период моделирования равным 24 часа средняя очередь обращений клиентов не должна превышать пять человек, размер заработной платы оператора равен 4100 руб., а эксперта - 5000 руб. Результаты эксперимента показали, что количество требуемых операторов составляет 28 человек, экспертов - 7 человека, а сумма их заработной платы равна 149800 тыс. рублей.

Заключение

Целью данной дипломной работы была разработка имитационной модели бизнес-процесса обработки обращений в службе технической поддержки на примере ООО «Скартел».

В процессе изучения данной предметной области данной работы были затронуты проблемы инфокоммуникационных компаний, а также роль имитационного моделирования в их деятельности. При изучении компании ООО «Скартел» были выделены девятнадцать основных бизнес-процессов, а также более подробно рассмотрен один из них - бизнес-процесс «Обслуживание клиентов». Основным каналом данного бизнес-процесса является контактный центр, который принимает обращения клиентов и оказывает им консультационную помощь или же помогает решить проблемы технической направленности.

В ходе статистического анализа были выделены тринадцать случайных факторов, влияющих на бизнес-процесс обработки обращений в службе технической поддержки. Построив математическую модель, укрупненный и детализированный алгоритмы, получилось реализовать имитационную модель в среде моделирования AnyLogic.

С помощью данного программного обеспечения оказалось возможным провести эксперименты с моделью, изменяя входные данные. Также были разработаны экранные формы, позволяющие пользователю свободно взаимодействовать с параметрами модели.

Результатом бакалаврской работы являются данные, полученные в процессе программной реализации бизнес-процесса обработки обращений, которые позволяют вынести рекомендации по оптимизации финансовых затрат, путем моделирования условий, при которых требуется наименьшее количество операторов.

Размещено на Allbest.ru