یک روش ابتکاری (هیوریستیک) مبتنی بر شبیه‌سازی که سود تجاری را ارتقا می‌دهد در حالی که کیفیت درک شده صنایع خدماتی را افزایش می‌دهد

این مقاله به بررسی مشکل به حداقل رساندن هزینه‌های مستقیم سیستم های صف بندی چند سرور پیچیده می‌پردازد در حالی که کیفیت درک شده توسط مشتریان را بهبود می‌بخشد. این مشکل با وارد کردن فهرست سرور به عنوان تخصیص هر سرور فعال در هر بازه زمانی از روز کاری حل می‌شود. از آنجا که در حال حاضر هیچ راه‌حل بسته ای در دسترس نیست، این با مدل‌سازی شبیه‌سازی به دست آمده‌است. سیستم صف‌بندی پیچیده توسط یک روش اکتشافی (در علوم کامپیوتر، هوش مصنوعی و بهینه‌سازی، الگوریتم جستجوی کاشف، هیوریستیک یا ابتکاری، روشی برای حل مسائلی است که راه‌های کلاسیک حل آن‌ها بسیار کند می‌باشند یا راه‌حل تقریبی برای مسائلی است که راه‌های کلاسیک نمی‌توانند برای آن‌ها جواب دقیقی پیدا کنند.) مبتنی بر شبیه‌سازی که شامل ورودی‌های دینامیک، reneging (پیوستن به صف و ترک کردن صف بدون آنکه خدماتی ارائه شود ) و / یا بالکینگ (شخصی از انتظار خسته می شود و قبل از شروع خدمت سیستم را ترک می کند.)، سرویس‌های چندگانه، و توزیع زمان سرویس منفرد سرورها می‌باشد، حل شده‌است. توزیع متغیرهای تصادفی تجارت‌های یک یا چند شعبه با رویه‌های نمونه‌گیری برای ا

This paper tackles the problem of minimising the direct server costs of complex multiple-server queueing systems while improving the quality perceived by customers. The problem is solved by finding the server roster, defined as the allocation of active individual servers in each time interval of the working day. As no closed solution is available at this time, it was obtained by simulation modelling. The complex queueing system was solved by a simulation-based heuristic that includes the dynamic arrivals, entity reneging and/or balking, multi-servicing, and the individual service-time distributions of servers. The distributions of the random variables of single or multiple-branch businesses were identified by sampling procedures for multiple company-branch deployment. The beneficial financial impact of the proposed solution is confirmed in numerical real-life banking scenarios. The quality perceived by customers (evaluated through the expected queueing time) was also improved. Finally,