서비스 내용별 고객 분류처리의 효과분석

Abstract

본 연구의 목적은 은행의 고객분류 효과가 시스템 성과에 어떠한 영향을 미치는지를 알아보는 것이다. 즉, 통합형 시스템인 시스템 1과 고객을 분류하여 처리하는 분리형 시스템인 시스템 2간의 성과를 비교·분석하고자 한다. 본 연구에서는 제공되는 서비스의 내용에 따라 고객을 두 가지 유형으로 분류하였다. 유형Ⅰ 고객은 입금업무만을 목적으로 방문한 고객이며, 유형Ⅱ 고객은 입금 업무를 제외한 나머지 업무를 목적으로 방문한 고객을 말한다. 시스템 1은 유형Ⅰ과 유형Ⅱ 고객의 구분 없이 업무를 처리하는 시스템을 말한다. 반면 시스템 2는 유형Ⅰ고객들을 위한 전담창구를 개설하여 업무를 처리하는 시스템을 말하며, 이를 통하여 고객 분류처리의 효과가 시스템 성과에 어떠한 영향을 미치는지를 분석하였다. 고객분류 효과는 다음과 같은 상이한 두 가지 측면에 영향을 줄 수 있다. 즉 시스템의 가용자원이 분산됨으로써 결과적으로 고객분류 효과가 시스템 성과에 부정적인 영향을 줄 수 있는 반면, 이와 반대로 고객분류로 인한 창구 직원의 학습효과(숙련도)가 서비스율의 증가를 가져오며 이는 결국 시스템 성과를 향상시켜주는 측면이 있다. 본 연구에서는 두 시스템간의 성과를 분석·평가하기 위하여 Visual C++를 사용하여 시뮬레이션을 작성하고 실행하였다. 본 논문에서 시뮬레이션을 사용한 이유는 관찰된 도착시간 간격과 서비스 시간의 자료가 이론분포인 지수분포를 정확하게 따르지는 않기 때문이다. 본 연구의 주된 초점은 두 시스템의 성과를 비교·분석함으로써 시스템 2에서의 고객분류 효과가 실제적으로 시스템 성과의 변화에 영향을 미치는지를 알아보는 것이다. 대기시스템의 성과를 측정하는 방법에는 여러 가지가 있으나 본 논문에서는 평균 대기시간(Wq), 평균 시스템내 체류시간(Ws), 평균 대기고객수(Lq), 평균 시스템내 체류고객수(Ls) 등 4가지 척도를 통하여 대기시스템 성과를 측정하였다. 본 연구의 결론은 다음과 같다. 시스템 1에서와는 달리, 시스템 2에서는 서버(Server)의 학습효과로 인한 서비스율의 증가에 따라 시스템 성과가 달리 나타났다. 즉 시스템 2에서 일정 수준 이상의 학습효과가 발생하여 서비스율이 증가하게 되면 시스템 2에서의 시스템 성과가 보다 우수한 것으로 나타났다. 그러나 만약 학습효과가 발생하지 않는다면 반대로 시스템 1에서의 성과가 더 우수한 것으로 밝혀졌다. 결론적으로 대기행렬 시스템에서 서비스 내용에 따른 고객분류 효과는 시스템 성과에 항상 긍정적인 영향을 미치는 것은 아니며, 시스템 성과의 향상은 학습효과의 수준에 따른 서비스율의 증가에 민감하게 반응하는 것으로 분석되었다. ; The purpose of this paper is to analyse and compare the performances of the two systems each of which we call system 1 and system 2, respectively. Each system represents a branch of a bank where customers arrive, get their services and leave. The customers can be classified into a number of types according to the contents of the services they require. For simplicity, the customers are classified into two types in this paper. Type I customers are those who come only to deposit money, which takes relatively short amount of time to be processed. Type II customers are those requiring any service(s) other than that of type I customers. System 1 is the one where both types of customers are served by any server(teller) available in the system, whereas in system 2 a customer is classified into either type I or type II, and is served by a server designated to that type. To analyse and evaluate the performances of the two systems, we use the method of simulation programmed by Visual C++. The reason that we rely on simulation is that some of the observed interarrival times and service times do not exactly follow the desired theoretical distribution so called exponential. It can easily be conjectured that classifying the customers as in system 2 may affect the performance of the system in either good or bad way. The effects of classifying customers on system performance can be decomposed into two: (1) the effect of dichotomizing resources of the system, which may worsen the system performance, and (2) the effect of learning by servers, which will enhance the system performance due to increased service rate. The main focus of this research is to analyse the change of the system performance resulting from classifying customers as in system 2. This is done by comparing the performances of the two systems. There are four performance measures that are used in this research; the average waiting time in the queue, the average waiting time in the system, the average number of customers in the queue and the average number of customers in the system. The performance of system 1 remains the same since there is no change whatsoever. But the performance of system 2 varies depending on how much service rate is increased by the effect of learning. The result shows that without learning effect the performance of system 2 is worse than that of system 1. When learning effect is considered and the effect is above a certain level the performance of system 2 becomes better than that of system 1. The conclusion of this paper is that classifying customers according to service contents in a queueing system does not always improve system performance. The improvement of system performance by classifying customers is sensitively dependent on the magnitude of learning effect.