Modelling the operation of a dynamic queue management system in supermarkets

W artykule przeanalizowano kluczowe aspekty optymalizacji obsługi klienta. Opracowano algorytm i implementację programową dyskretno-zdarzeniowego modelu symulacyjnego stanowiska kasowego w supermarkecie dla różnych konfiguracji organizacji kolejek, co pozwala na analizę porównawczą ich efektywności według określonych kryteriów. Opracowano algorytm i implementację programową dynamicznego sterowania liczbą funkcjonujących stanowisk kasowych, które dostosowują się do bieżącej intensywności przepływu klientów i długości kolejek w celu optymalizacji czasu oczekiwania i obciążenia personelu. Model umożliwia oszacowanie kluczowych wskaźników wydajności, takich jak średni czas oczekiwania klienta, długość kolejki, wskaźnik wykorzystania kas, liczba klientów, którzy opuścili kolejkę bez oczekiwania na obsługę oraz całkowita liczba obsłużonych klientów. Wyniki symulacji można wykorzystać do podejmowania świadomych decyzji dotyczących liczby i typów kas, strategii zatrudnienia i obsługi klienta.

Słowa kluczowe:

systemy kolejkowe (QMS), modelowanie, identyfikacja, analiza danych

Cele Zrównoważonego Rozwoju (SDG)

Innowacyjność, Przemysł, Infrastruktura

Bibliografia

[1] Antczak, T., Weron, R., & Zabawa, J. (2020). Data-Driven Simulation Modeling of the Checkout Process in Supermarkets: Insights for Decision Support in Retail Operations. IEEE Access, 8, 228841–228852. https://doi.org/10.1109/ACCESS.2020.3045919

[2] Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, 99(suppl_3), 7280–7287. https://doi.org/10.1073/pnas.082080899

[3] Borshchev, A. (2013). The big book of simulation modeling: Multimethod modeling with AnyLogic 6. AnyLogic North America.

[4] Cayirli, T., & Veral, E. (2003). Outpatient Scheduling in Health Care: A Review of Literature. Production and Operations Management, 12(4), 519–549. https://doi.org/10.1111/j.1937-5956.2003.tb00218.x

[5] Gross, D., Shortle, J. F., Thompson, J. M., & Harris, C. M. (2008). Fundamentals of Queueing Theory (4th edn). Wiley. https://doi.org/10.1002/9781118625651

[6] Hillier, F. S., & Lieberman, G. J. (2014). Introduction to operations research (10th ed.). McGraw-Hill Education.

[7] Holland, J. H. (1992). Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. The MIT Press. https://doi.org/10.7551/mitpress/1090.001.0001

[8] Kelton, W. D., Sadowski, R. P., & Zupick, N. B. (2014). Simulation with Arena (6th Edition). McGraw-Hill Education.

[9] Laguna, M., & Marklund, J. (2018). Business Process Modeling, Simulation and Design (3rd edn). Chapman and Hall/CRC. https://doi.org/10.1201/9781315162119

[10] Meuter, M. L., Ostrom, A. L., Roundtree, R. I., & Bitner, M. J. (2000). Self-Service Technologies: Understanding Customer Satisfaction with Technology-Based Service Encounters. Journal of Marketing, 64(3), 50–64. https://doi.org/10.1509/jmkg.64.3.50.18024

[11] Newell, G. F. (1982). Applications of Queueing Theory. Springer Netherlands. https://doi.org/10.1007/978-94-009-5970-5

[12] Raeis, M., Tizghadam, A., & Leon-Garcia, A. (2021). Queue-Learning: A Reinforcement Learning Approach for Providing Quality of Service (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2101.04627

[13] Ross, S. M. (2014). Introduction to probability models (Eleventh edition). Academic Press is an imprint of Elsevier.

[14] Schranz, M., Di Caro, G. A., Schmickl, T., Elmenreich, W., Arvin, F., Şekercioğlu, A., & Sende, M. (2021). Swarm Intelligence and cyber-physical systems: Concepts, challenges and future trends. Swarm and Evolutionary Computation, 60, 100762. https://doi.org/10.1016/j.swevo.2020.100762

[15] Sztrik, J. (2016). Basic queueing theory. GlobeEdit.

[16] Toopchinezhad, M. P., & Ahmadi, M. (2024). Machine Learning Approaches for Active Queue Management: A Survey, Taxonomy, and Future Directions (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2410.02563

[17] Wang, Y. (2023). Research on the Queuing Theory based on M/M/1 Queuing Model. Highlights in Science, Engineering and Technology, 61, 80–87. https://doi.org/10.54097/hset.v61i.10276

[18] Welch, G., & Bishop, G. (2006). An introduction to the Kalman filter (TR 95-041). University of North Carolina at Chapel Hill.

Gumeniuk, L., Lotysh, V., & Humeniuk, P. (2026). Modelowanie działania dynamicznego systemu zarządzania kolejkami w supermarketach. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 16(3), 49-58. https://doi.org/10.35784/iapgos.8292

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 16 Nr 3 (2026)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Cele Zrównoważonego Rozwoju (SDG)

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja