Як АІ-рішення вирішують проблему управління чергами

Як виникають черги і як можна здопомогою AI прогнозувати та керувати потоками покупців та оптимізувати розклад змін касирів. Саме про це і піде мова.

 

Якщо сильно спростити, то касову лінійку будь-якого супермаркету можна представити як систему масового обслуговування з очікуванням. У нас є потік покупців, інтенсивність якого змінюється і залежить від багатьох факторів. Також є середній час обслуговування одного покупця, який також мінливий. На додаток до цього ми маємо обмежену кількість касирів. У цих умовах наше завдання формулюється досить просто – для кожного n-хвилинного проміжку часу (зазвичай 15 або 30 хвилин) необхідно відкрити максимально можливу кількість кас для обслуговування покупців. Далі розглянемо, як це завдання можна вирішити.

 

Черга біля кас означає, що наша система не справляється з обробкою потоку покупців, тому що ми припустилися однієї або кількох помилок:

 

    Ми неправильно спрогнозували потік у цей проміжок часу

    Ми неправильно розрахували кількість касирів

    Ми неправильно розпланували зміни касирів

 

І хоча потік покупців має відмінну повторюваність за часом доби та днями тижня, але навіть досвідченому адміністратору легко помилитися з прогнозом трафіку, тому що на нього впливає безліч зовнішніх факторів.

У рішенні EffiQueue компанії RBC при прогнозуванні кількості покупців ми використовуємо такі параметри:

 

    дні тижня

    час доби

    календар святкових та передсвяткових днів

    зміни погодних умов

    календар шкільних канікул

    календар сезону відпусток

    дані про проведення заходів на околицях кожного супермаркету

    дані про проведення промо-активностей на околицях кожного супермаркету

    і т.п.

 

Практично всі ці дані доступні, але їх використання при ручному прогнозі з використанням електронних таблиць дуже трудомістко. Автоматизоване прогнозування з використанням методів машинного навчання дозволяє отримати точність від 80% як для горизонту від одного до дванадцяти місяців, так і уточнювати прогноз на тиждень або наступну годину. При цьому прогноз на 5 тижнів будується менше однієї хвилини. Така швидкість, точність та гнучкість прогнозування дає можливість менеджерам супермаркету набагато якісніше підготуватися до прийому покупців та легко отримувати відповіді на запитання:

 

    Який час у супермаркеті буває найменше покупців?

    Як змінюватиметься трафік протягом дня?

    У чому відмінність трафіку у вівторок від трафіку п’ятниці?

    Як осінній ярмарок по сусідству змінить кількість покупців у супермаркеті?

    Як зміниться характер потоку покупців під час оголошення шкільних канікул?

    Як зросте середня кількість покупців на день через 6 чи 12 місяців?

    і т.д.

 

У багатьох супермаркетах встановлені системи відеоспостереження та підрахунку трафіку, за допомогою яких можна отримувати та аналізувати точну інформацію про кількість покупців та довжину черги. Цю інформацію можна використовувати для коригування даних про кількість покупців, що обслуговуються на касі, коли ми знаємо як кількість закритих чеків, так і фактичну довжину черги у своїй.

 

Ці ж дані можна використовуватиме розрахунку потреби в касирах. Це можна зробити з використанням формули Ерланга, яка на вході вимагає вказати:

 

      інтенсивність потоку (скільки покупців потрібно обслужити у цей конкретний проміжок часу)

    середній час обслуговування (за скільки, в середньому, буде обслуговано одного покупця)

    цільової SLA (який час очікування ми вважаємо нормальним. Але простіше вказати яку чергу ми вважаємо нормальною, наприклад, один обслуговується і два чекають, а час очікування вже порахувати через середній час обслуговування)

 

Легко помітити, що всі дані у нас вже є. Інтенсивність потоку ми вираховуємо з прогнозу трафіку, цільової SLA вказують менеджери, відповідальні за клієнтський досвід, а середній час обслуговування можна отримати або залишити з секундомером або взяти час обробки кожного чека і додати час на розрахунок покупця, усереднити отриманий показник. Але, як часто буває, просте рішення не є самим точним. Якщо ми дивимося на діаграму нижче, то легко помітимо, як змінюється середній час обробки чека в залежності від конкретного супермаркету, дня неділі та часу суток. І ці зміни досить істотні і досягають іноді 20%.

Тому EffiQueue використовує для розрахунку потреби в касирах та надає аналіз часу обслуговування одного клієнта у наступних розрізах:

 

    супермаркети

    типи кас

    конкретні каси

    конкретні касири

    місяці

    дні тижня

    час доби

    календар святкових та передсвяткових днів

    і т.п.

 

Що дозволить менеджерам проводити детальний аналіз факторів впливу на середній час обслуговування клієнта та отримати відповіді на запитання:

 

Хто з касирів працює найшвидше, а хто є «слабкою ланкою»?

Як швидко нові касири досягають цільової продуктивності?

На яких касах відбувається найповільніше обслуговування?

Чим один супермаркет відрізняється від інших щодо часу обслуговування?

Як супермаркети поєднуються у групи за характером обслуговування?

 

Використання детального та точного прогнозу трафіку, а також середнього часу обслуговування дозволяє EffiQueue дуже точно розраховувати потребу в касах, що працюють, як на завтра, так і на будь-які 15 хвилин робочого часу супермаркету в найближчі сім тижнів.

 

Додатково, при інтеграції із системою контролю трафіку та відеоспостереження, EffiQueue уточнює прогноз на наступні 30-45 хвилин, а також інформує менеджерів про прогнозовані відхилення у плані на найближчі 2-3 п’ятнадцятихвилинки.

Складання графіка роботи касирів

 

Тепер ми маємо точні дані про потребу у відкритих касах і нам необхідно перетворити цю інформацію на план виходу на роботу реальних касирів. Якщо витрати на персонал не мають значення, це дуже легке завдання. Але в реальності на її вирішення необхідно витратити багато часу тому, що крім побажань кожного касира щодо початку роботи та вихідних необхідно також врахувати безліч інших правил, наприклад:

 

Мінімальна зміна – 4 години, максимальна – 12 годин

При зміні менше 6,5 години тривалість обіду становить 0,5 години, при зміні більше 6,5 години – 1 год.

Має бути не більше 5 змін поспіль

Вихідні можуть бути не поспіль, але 1 раз на місяць – поспіль

1 раз на 2 місяці вихідні повинні потрапляти на суботу та неділю

Норма годинника не більше 180 годин у календарний місяць

 

Врахувати ці фактори при ручному плануванні навіть для десяти касирів непросте завдання. Але EffiQueue дозволяє за 5 хвилин скласти план змін на тиждень для 15 касирів.

EffiQueue також дозволяє провести аналіз того, як різні варіанти планування змін покривають потреби у відкритих касах та вибрати найбільш відповідний конкретним умовам. Варіанти змін можуть бути складені вручну або отримані автоматично на підставі прогнозного трафіку на місяць та існуючих правил формування змін.

Такий підхід дає можливість збільшити доступність кас, а значить і зменшення черг приблизно в 3 рази, при цьому оплачувані трудовитрати касирів будуть зіставні з закладеними в планах, які раніше складалися вручну.

 

Звичайно, EffiQueue не контролює фактичне дотримання плану роботи касирами. Це завдання інших систем, які можуть одержувати від EffiQueue дані про зміни для співвіднесення їх з конкретними касирами та подальшого контролю виконавчої дисципліни. Але наше рішення дозволяє підвищити ефективність роботи всієї касової лінійки, а значить і покращити задоволеність клієнтів, що дорівнює збільшенню виручки.

 

Звичайно, це рішення не буде ефективним для магазинів з однією-двома касами, але вже від чотирьох кас можна оптимізувати кількість і розклад змін касирів.

 

Рішення EffiQueue застосовується не тільки для супермаркетів, але може бути використане в контакт-центрах, банках, магазинах електроніки та одягу, де необхідно прогнозувати не так касирів, як консультантів.