بهبود زمان انتظار با استفاده از الگوريتم اولويت دهي بر اساس بالاترين امتياز در صفوف انساني

Waiting Time Improvement in Human Queues by Using First-best Customer Priority Rule Algorithm

در اين مقاله به بيان يك الگوريتم جديد در اولويت دهي صفوف انساني پرداخته شده است. اين شيوه اولويت دهي در صفوفي قابل استفاده است كه حجم تقاضا در آنها متفاوت باشد. در اين الگوريتم زمان انتظار هر مشتري متناسب با حجم مورد تقاضا است. يك مثال بارز چنين صفي، صف نانوايي است. در روش پيشنهادي در اين مقاله، زمان ورود مشتري ذخيره سازي شده و هنگام فراخواني يك مشتري براي سرويس دهي، امتياز همه مشتريان (طبق رابطه تعريف‌شده) محاسبه شده و مشتري با بيشترين امتياز فراخواني مي شود. با اجراي اين الگوريتم زمان انتظار به طور قابل ملاحظه اي بهبود مي يابد. با ارايه يك مدل رياضي براي شبيه سازي الگوريتم مذكور اثبات شده است كه زمان انتظار از نظر تيوري تا حداكثر 25 درصد قابل بهبود است. همچنين در اجراي عملي براي يك صف نمونه، زمان انتظار حدود 20 درصد بهبود يافته است. نكته قابل توجه ديگر پيش‌بيني زمان انتظار به صورت كاملا شهودي با توجه به تعداد افراد حاضر در صف است. از ديگر مزاياي اين روش مي توان به تنظيم خودكار ازدحام، عادلانه‌تر بودن صف و افزايش رضايتمندي مشتريان اشاره كرد. اين روش در يك دستگاه نوبت دهي براي استفاده در نانوايي پياده سازي شده و نتايج آن ارايه شده است. اين نتايج تاييدي بر اثرات مثبت برشمرده شده است. نتيجه نظرسنجي نيز حاكي از افزايش رضايتمندي مشتريان است.

In this paper we introduced a new priority rule algorithm in human queues. The suggested method is applicable in human lines with different demands (serving times) for different customers. In this method, the waiting time for each customer is related to the volume of demand. A common example of such a system is a bakery line. The usual priority rule algorithm in this kind of queue is First-In-First-Out where its waiting time is not optimal. In this new priority rule algorithm, the login time is saved for each customer and for choosing the customer for the service at each turn, the ratio of waiting time to the service time is calculated for each customer, and the customer with the highest value of this ratio is selected for the service. A mathematical model was extracted to simulate the algorithm and the model indicated that waiting time could be optimized up to 25%. In addition, in our case study the waiting time was reduced by 20 % after the implementation of the algorithm. Another advantage of our approach is the prediction of waiting time by an intuitive method. Moreover, the volume of demand is regulated automatically by using this algorithm. This algorithm was developed in a queue ordering system and the results are presented. The result proved the advantages of this algorithm. The customer satisfaction was also measured that showed improvements.