Kontroll av metoder med hjälp av simulering

Figur 5.7: Ankomster, serviceintensitet och schema till modellen

5.4 Kontroll av metoder med hjälp av simulering

Modellen simuleras för 500 dagar och metoderna för att ta fram service- och ankomstintensitet jämförs med resultat, baserad på den riktiga datan (se figur 5.6 nedan). Output av simulerad servicetid jämfört med input har ett fel på 0,02%.

Output av simulerade ankomstintensiteter har en genomsnittlig standardavvikelse på 0,15 samtal per kvart och ett maximalt fel på 0,80 samtal per kvart.

Figur 5.8: Jämförelse av ankomstintensitet mellan riktig data (mörkgrå) och 500 simulationer (ljusgrå)

22 5.5 Träffsäkerhet av simuleringsmodell

Simuleringar med lika många dagar som den ursprungliga datamängden för måndag till torsdag jämförs med statistiken för att få en uppfattning om träffsäkerheten.

Jämförelse av totala antal betjänade samtal och måluppfyllnad visas i tabell 5.2 nedan.

Tabell 5.2: Jämförelse mellan beräknade variabler baserad på data och simulering

Totala besvarade samtal Totala misslyckanden

Enligt data Enligt data

16 154 4 096

Simulerade resultat Simulerade resultat

16 246 1 796

15 962 1 597

15 955 1 696

16 227 1 639

16 094 1 549

Måluppfyllnad över dagen baserad på den riktiga och den simulerade datamängderna jämförs. Variabeln uttrycks i procent samtal besvarade efter 150 sekunder. Ett resultat presenteras nedanför.

Figur 5.9: Målmisslyckande över dagen. Data (till vänster) jämfört med simulation (till höger)

För att modellen mer korrekt ska spegla verkligheten genomförs en korrigering av arbetspassens effektivitetsgrad, vilket är modellens input. Om modellen vore felfri hade detta enbart behövts göras under lunchperioden från klockan 12 till 14. då bemanningen ligger på runt 65% vilket redan har korrigerats i resultatet ovanför. Nedanför visas uppskattade effektivitetskorrigeringar (figur 5.10) och effekterna detta har på modellens träffsäkerhet (figur 5.11 och tabell 5.3).

Figur 5.10: Effektivitetsgradsjustering för arbetare under dagen

Figur 5.11: Målmisslyckande över dagen. Data (till vänster) jämfört med korrigerad effektivitetsgrad (till höger)

Tabell 5.3: Jämförelse mellan beräknade variabler baserad på data och simulering efter effektivitetsgradsjustering

Totala besvarade

samtal Totala misslyckanden % misslyckande

Enligt data Enligt data Enligt data

16 154 4 096 25%

Korrigerad input Korrigerad input Korrigerad input

15 360 3 938 26%

Med den slutliga modellen inklusive korrigerade effektivitetsgrader genomförs en schemaoptimering. Denna optimering kan genomföras enligt olika upplägg varav tre exempel presenteras här. Samtliga upplägg visar beroendet mellan kostnad och andel samtal som besvarats efter 150 sekunder för optimala schemaläggningar. Varje punkt i graferna nedan representerar ett enskilt schema vars andel besvarade samtal efter 150 sekunder är lägre och framförallt jämnare per kvart än föregående punkt.

Budget per kvart beräknas till 225,23 kr enligt månadsbudget på 12 heltidsarbetare med en kostnad 25 000 kr/månad vardera, varav två tredjedelar antas arbeta i telefonkundtjänsten enligt intervju. Detta medför en budget för dagarna måndag till torsdag på 10 360 kr per dag samt 8 560 kr för fredagar.

Schemaläggningar ställs upp både under och över budget för att ge en uppfattning av påverkan på systemet för nedskärningar kontra investeringar.

Upplägg 1:

Optimering för ett upplägg likt det som företaget använder sig av i nuläget för en normal arbetsdag med två olika pass per dag. Följande potentiella arbetspass ingår:

Måndag – Torsdag Fredag Heltid 08:30 – 17:00 08:30 – 17:00 Deltid kväll 16:00 – 20:00 14:00 – 18:00

25 Figur 5.12 nedan visar beroendet av målmisslyckandet, alltså andel samtal som misslyckas med att uppfylla målet på service inom 150 sekunder, på kostnad för ett optimerat schema. Budgetbegränsning för telefonservice på avdelningen är markerat i rött och ett standardschema med 7 heltidsarbetare och 3 kvällsarbetare är ifyllt. 500 dagar simuleras per potentiellt arbetspass. Hela optimeringsprocessen genomförs 5 gånger och ger samma schemauppdelning.

Figur 5.12: Kostnad per schema mot målmisslyckande, måndag-torsdag och fredag

Varje punkt i grafen representerar ett enskilt schema som ser ut som följande:

Tabell 5.4: Scheman enligt upplägg 1, måndag – torsdag

Heltidsarbetare Deltid –

kväll Kostnad % samtal efter

150 sekunder

Marginell nytta per satsad tkr

5 2 7 603 kr 80%

6 2 8 853 kr 54% -21.35

%enheter/tkr

6 3 9 530 kr 47% -10.38

%enheter/tkr

7 3 10 780 kr 27% -15.28

%enheter/tkr

8 3 12 030 kr 15% -10.31

%enheter/tkr

8 4 12 707 kr 13% -3.08

%enheter/tkr

Tabell 5.5: Scheman enligt upplägg 1, fredag

Heltidsarbetare Deltid –

eftermiddag Kostnad % samtal efter

150 sekunder

Marginell nytta per satsad tkr

5 2 7 402 kr 67%

6 2 8 651 kr 43% -19.30

%enheter/tkr

6 3 9 227 kr 39% -6.23

%enheter/tkr

7 3 10 477 kr 22% -13.90

%enheter/tkr

Upplägg 2:

Deltidspassen får variera över dagen med halvtimmesinkrement och kan vara 4 till 6 timmar långa. Totalt finns det 70 potentiella deltidspass för dagar måndag till torsdag och 50 för fredagar. 100 dagar per potentiellt arbetspass simuleras.

Utfallen visas i figur 5.13 och tabell 5.6 nedan. Fullständigt schema för upplägg 2 finns i Bilaga D.

Figur 5.13: Kostnad per schema mot målmisslyckande, måndag-torsdag och fredag

Tabell 5.6: Tabellrepresentation av graferna 5.12, måndag – torsdag och fredag

Upplägg 3:

Fastställt antal heltidsarbetare där resterande budget spenderas enbart på varierande deltidspass som ovan. Ett tillägg för denna metod är att de 10 bästa passen för varje omgång jämförs per marginell nytta för ökad effektivitet. 100 dagar simuleras per potentiellt arbetspass. Utfallen visas i figur 5.14 och tabell 5.7 nedan. Fullständigt schema för upplägg 3 finns i Bilaga D.

Figur 5.14: Kostnad per schema mot målmisslyckande, måndag-torsdag

Tabell 5.7: Tabellrepresentation av graferna 5.13, 4 och 5 heltidsarbetare, måndag-torsdag

6 Diskussion

I detta kapitel diskuteras tillförlitligheten av data och av de metoder som användes för att ta fram modellens intensiteter. Vidare diskuteras den uppställda modellen, dess brister och utvecklingspotential. Slutligen tas implikationerna av fallstudiens resultat upp, vilket är en diskussion som ämnar att belysa intressanta observationer som faller utanför projektets räckvidd.

6.1 Tillförlitlighet

6.1.1 Statistik

Graferna nedan representerar genomsnittliga scheman enligt datamängden respektive intervju. Som det syns, skiljer de sig i väsentlig omfattning, framför allt under lunchtimmarna och på kvällstid. Med hjälp av intervju med chefen och en anställd konstateras att denna skillnad beror på att anställda i många fall inte loggar ut ur systemet när de går på lunch eller avslutar sitt arbetspass. Detta leder till att missvisande antal aktiva arbetare per kvart, Avg No. of Agents, sparas i statistiken.

Figur 6.1: Genomsnittliga scheman enligt intervju och utifrån datan

Denna missrepresentation har en stor påverkan på uträkningen av servicetiden.

Den vidtagna åtgärden blir att avdela en datamängd där antal inloggade arbetare närmre följer det egentliga schemat. Detta ger en genomsnittlig servicetid som å ena sidan ligger mycket nära en anställds uppskattning, men å andra sidan medför att en stor del data, omkring tre fjärdedelar, går förlorad i beräkningen av servicetiderna. Det skulle underlätta beräkningen och förbättra noggrannheten avsevärt om statistiken innehöll informationen om de enskilda samtalen.

30 6.1.2 Metoder

Metoderna för att beräkna intensiteter har kontrollerats på simuleringar av systemet där vi exakt vet vad de underliggande intensiteterna är. Resultatet är att metoderna på ett väldigt träffsäkert sätt beräknar intensiteterna, åtminstone när antalet simuleringar är väldigt stort. Problemet är dock att det inte finns så stor mängd datapunkter ur statistiken och det bidrar till större osäkerhet. Simuleringar på lika många dagar som statistiken innehåller visar att denna osäkerhet är obetydlig för beräkning av serviceintensiteten, medan ankomsterna varierar något mer.

6.1.3 Bekräftande av antaganden

Ankomster

Som grafen nedanför visar, ser antagandet om Poissonfördelade ankomster rimligt ut.

Figur 6.2: Fördelning av ankomster (ljusgrå) jämfört med Poissonfördelningen (mörkgrå)

Fördelningen av ankomstinstensiteter utspritt över dagen bekräftas dessutom i en intervju med en anställd som ej på förhand har fått se resultatet.

Service

När det kommer till att bekräfta att servicetiderna är lik- och exponentialfördelade råder det något större osäkerhet. Vi har använt oss av

31 egenskapen hos Erlangfördelningen som säger att en hopslagning av flera identiska och oberoende exponentialfördelningar antar formen av en Erlangfördelning. Denna egenskap verkar vara väldigt passande att använda, eftersom datan aggregeras kvartvis och vi har tillgång till summorna av ett visst antal servicetider, approximerade med den effektiva arbetstiden. Histogrammen jämförs med Erlangfördelningskurvor och det visar sig att de liknar varandra.

Osäkerheten kvarstår dock i och med det faktum att datan är uppdelad i kvarter, vilket leder till att samtalstider för vissa samtal kan gå över till nästa kvart. Detta medför att fall med få samtal får en kraftig påverkan på samtalstiden och får den att framstå som längre än vad den egentligen är. Det omvända kan även sägas om fall med väldigt många samtal, där den totala samtalstiden med större sannolikhet har spillt över till nästa kvart.

Det är dessutom denna anledning som ligger bakom att det inte fås ut en exponentialfördelning, när man undersöker kvarter där samtal uppgår till ett. I de fallen bör Erlangfördelning vara detsamma som en exponentialfördelning.

Enligt intervju är det väldigt få korta samtal. I och med det verkar det som att servicetidens fördelning är mer lik en gammafördelning vars form är över ett.

Men enligt histogrammen kan den i så fall antagna underliggande gammafördelningen inte ha en form som skiljer sig för mycket från ett. Detta betyder att en approximation med exponentialfördelning är passande för syftet att bygga upp modellen som en födelse-döds-process.

Ett beslut togs att använda den genomsnittliga samtalstiden för att ta fram en simpel modell där servicetiden antas vara konstant även om det visade sig finnas bevis för att serviceintensitet skiljer sig i starten på dagen.

6.2 Modell

6.2.1 Trovärdighet

Resultatet i kapitel 5 visar att det simulerade totala antalet besvarade samtal träffar väldigt nära det riktiga antalet. En betydlig skillnad finns dock mellan det simulerade och det riktiga misslyckandet att uppfylla målen.

Den period där skillnaden uppstår motsvarar ungefär klockan 14.00 – 17.00 och sammanfaller med delen av dagen då lunchpasset är över, vilket är en period där ankomster är detsamma som under lunchen. Därför är det logiskt utifrån den uppställda modellen att det är få misslyckanden under just denna period, eftersom antalet arbetare är större än under lunchen.

Möjliga förklaringar till denna skillnad kan vara feluppskattningar av modellens intensiteter eller det faktum att statistiken inte korrekt visar antalet inloggade

32 arbetare. Vad skillnaden än beror på, leder det till att det finns ett hål i modellen som inte speglar verkligheten på ett korrekt vis.

Som en lösning på detta problem introduceras en effektivitetsgrad per arbetare.

Lösningen leder till att modellen blir väldigt träffsäker, men det bygger återigen på antagandet om att den genomsnittliga schemaläggningen är korrekt. Vidare antas det att effektivitetsgraden är konstant och enbart beror på om den gäller heltids- eller deltidsarbetare. Någon analys om exakt hur denna effektivitetsgrad beter sig har vi inte genomfört. Möjligtvis kan den bero på hur många arbetare som är på plats samtidigt. Detta skulle i så fall leda till att schemaoptimeringarna är något missvisande när schemaläggningen skiljer sig från det genomsnittliga schemat enligt intervju. fortfarande en del som kan förbättras. Vidare nämns de identifierade aspekter där modellen kan utvecklas:

• Det bevisades finnas skillnader för måndagar och fredagar jämfört med aggregatet baserat på hypotestest och standardavvikelser vilket medför att dessa dagar kan anta separata modeller.

• Eftersom ankomstberäkning baseras på när samtalen betjänats finns det risk att den riktiga underliggande intensiteten är något förskjuten till tidigare på dagen, vilket är värt att undersökas. Det kan också finnas ett bortfall av kunder från kön vilket skulle innebära att ankomstintensiteterna är något högre än vad som beräknats. Hur detta eventuella bortfall beter sig är värt att reda ut.

• Mer omfattande analys av servicetiderna kan urskilja om den bör variera över dagen samt möjligtvis en uppdelning där heltids- och deltidsarbetare har särskilda intensiteter.

• Kundtjänsten är uppdelad i telefonservice och email-support. En enhetlig modell som inkorporerar bägge delar ses också som en potentiell vidareutveckling av modellen. Exakt hur detta kan implementeras har inte undersökts. Dock är det av intresse eftersom arbetare från email-supporten har möjlighet att bidra till telefonservicen.

33 6.3 Optimering

6.3.1 Schemaläggning

Att ställa upp ett optimerat schema med hjälp av simuleringar, som det görs i detta projekt, ger möjligheten att ta fram väldigt specialiserade arbetspass för optimerade scheman. Tre olika typer av upplägg har presenterats och visar att när man låter deltidsarbetares pass variera leder till mer optimala schemaläggningar.

Resultaten som presenterats ger stöd för att optimering av schemaläggning är fullt möjligt med den givna metoden, givet att den uppställda modellen är korrekt.

Nyttan för optimeringen bestäms till företagets egna målsättning vilket har nackdelen att grundschemat kräver minst fyra heltidsarbetare och en kvällsarbetare för att tillägg av potentiella pass har någon meningsfylld skillnad.

Om nyttan exempelvis baserats på genomsnittlig kötid per kvart kunde vi istället byggt upp schemat från en grund på noll arbetare. Beslutet togs dock att använda oss av företagets målsättning som nytta för att resultaten ska bli mer meningsfullt för samtliga läsare.

6.3.2 Jackson-nätverk

Förutom schemaläggningar finns det en till typ av optimering som kunnat genomföras, s.k. uppställning av systemet som ett Jackson-nätverk. Detta innebär en stor förändring av systemet där arbetare delas upp till specialiserade poster där varje arbetare enbart behandlar specifika typer av samtal. En sådan uppställning hade krävt ett mer omfattande analysarbete av frågetyper samt utökad statistik.

Detta diskuterades i ett tidigt skede av arbetet men utelämnades som en eventuell vidareutveckling av projektet.

6.4 Implikationer av fallstudiens resultat

Den här delen innehåller intressanta observationer som faller utanför räckvidden för det här projektet. Dessa observationer gäller dels själva datan som har använts för modelleringen, och dels det sätt som denna data insamlas på.

6.4.1 Överblick av analys

Utifrån vår analys av den av företaget framställda datan kan följande poängteras:

• Antalet ankommande kunder skiljer sig inte nämnvärt mellan veckodagarna (se figur 6.3). Detta medför att schemaläggning inte behöver vara så dagsspecifikt som det är för tillfället.

Figur 6.3: Fördelning av kundankomster för varje veckodag samt aggregatet

• Som man kan se i jämförelser av data och simulering av modellen, skiljer sig måluppfyllnaden (se figur 6.4 nedan).

Figur 6.4: ‘% Ans After Thld’, fördelning baserad på statistik (till vänster) jämfört med simulering av modell (till höger)

Som det visas, är den simulerade måluppfyllnaden mer optimistisk, speciellt mellan klockan 14.00 och 17.00. Som en förklaring till detta har effektivitetsgrad per arbetare introducerats. Den nya variabeln justerar det antalet samtal som en arbetare hinner att ta emot före passering av 150-sekunders tröskel. Man kan

35 vidare fundera över orsaker som ligger bakom den drastiska minskningen av arbetseffektiviteten på eftermiddag. Möjliga förklaringar kan vara att man emellanåt gör övriga arbetsuppgifter eller är trött och avslappnad i väntan på att deltidsarbetarna kommer in.

6.4.2 Statistikinsamling

När det kommer till statistikinsamlingen är det värt att poängtera vikten av att samla in rätt data. Beroende på analysens ändamål kan olika variabler vara av intresse. Dessutom är det inte minst viktigt att samla in datan så noggrant som möjligt. Dessa två kriterier ligger i grunden av en pålitlig och träffsäker modell.

Med det sagt, tar vi upp två moment som skulle bidra till skapandet av en mycket mer noggrann modell.

För det första, är det viktigt med rutinmässig korrekt inloggning i och utloggning ur systemet vid följande tillfällen:

• När man anländer till jobbet

• När man går på lunch

• När man kommer tillbaka från lunchen

• När man slutar för dagen

Detta är en enkel lösning som avsevärt skulle förbättra den svagaste delen av statistikföringen, nämligen antal arbetare som ger betjäning. Denna del av statistiken är väldigt viktig för att få fram den genomsnittliga servicetiden. Den behöver vara så korrekt som möjligt för framtagandet av en modell som ska läggas i grunden för optimeringsarbetet.

För det andra, är det viktigt att utöka hantering och insamling av data. Detta skulle möjliggöra mer ingående analys och optimering. I detta sammanhang kan exempelvis följande nya variabler att loggas i statistiken:

• Ankomster till systemet med individuella tidpunkter, vare sig man får betjäning direkt eller behöver ställa sig i kö. Med en sådan statistik kan fördelningen av inkommande kunder struktureras helt korrekt.

• Kötiden för varje kund, samt om köandet har lett till att kunden har fått service eller hoppat ur systemet. En fördel med sådan statistik är att den ger möjlighet att analysera bortfallet av kunder.

• Längden för varje enskilt samtal kopplat till tidpunkt som samtalet startar vid. Detta ger möjligheten att korrekt ställa upp fördelningen för service och gör det möjligt att se om servicegraden varierar under dagen.

36 organisationsteorin och dess HR-perspektiv (Human Resources). Detta ämne är både mycket intressant och viktigt att undersöka. Att det akademiska intresset för ämnet är starkt bekräftas av att ett stort antal relevanta artiklar publiceras regelbundet (se, exempelvis, Dixon (2018), Groysberg (2020), Frankiewicz (2020), Kraus et al. (2020)). Vikten av det undersökta ämnet framgår av det faktum att antalet organisationer växer och konkurrensen mellan dem, inklusive konkurrensen på marknaden av arbetskraften, blir allt hårdare. Härmed är också relationer inom organisationerna mer komplicerade än förut, då parter börjar ställa högre krav på varandra. Besittning av trogen och stark arbetskraft förvandlas till en stor konkurrensfördel, vilken är i sin tur omöjlig att få utan noggrann personalhantering.

Personalens välmående, upplevelser av sitt arbete och uppgifter påverkar alltså en hel rad av interna och externa aspekter, såsom effektivitet, servicekvalitet, kommunikation och stämning på en arbetsplats. Vi kopplar dessutom personalvård till problemet av hög personalomsättning, vilket många företag drabbas av. Mer specifikt stannar vi på personalomsättningsproblemet på kundtjänstavdelningar, där problemet påverkar även välfungerande av tekniska system genom ökade kötider och på så sätt kopplar den delen av arbetet till den matematiska delen.

7.1.1 Problemformulering

Personalomsättning är ett stort problem som leder till ökade kostnader för företagen, minskad effektivitet och därmed utgör ett onödigt hinder på väg till målet att göra kunderna nöjda. Kundtjänstavdelningar lider av en av de högsta personalomsättningarna i hela affärsvärlden med en procentsats på 27 i genomsnitt (Dixon, 2018).

7.1.2 Syfte

Syftet med den här delen av projektet är att undersöka personalvård på organisationer, i synnerhet på kundtjänstavdelningar, samt dess påverkan på problemet av en hög personalomsättning.

37 7.2 Teoribakgrund

Valet av teorin förklaras genom relevans utifrån de ställda målen. Den generella teoretiska grunden finner vi i organisationsteorin som är en mycket omfattande lära om organisationer. Vi lägger sedan vår uppmärksamhet mer specifikt på X och Y teorier, som är två motsatta förhållningssätt när det kommer till psykologiska relationer just mellan chefer och anställda. Den ekonomiska sidan av deras relationer betraktas ur lean-förhållningssättets prisma.

7.2.1 Organisationsteori och HR-perspektivet

Organisationsteori är en kunskap som betraktar organisationer och hur de fungerar. Bolman och Deal (2017) skriver om fyra olika perspektiv utifrån vilka organisationer kan studeras:

• strukturellt perspektiv (regler och policy inom organisationer)

• maktperspektiv (ägande, delegering, överföring av makten)

• HR-perspektiv (mänskliga resurser)

• symboliskt perspektiv (organisationskultur och dess anammande bland anställda)

Varje av de fyra perspektiven kan ses som en mental karta med varsin krets av definitioner, frågeställningar och utvecklingsvägar. För att få en fullständig bild på en organisation är det viktigt att använda sig av alla fyra perspektiv och växla mellan dem (Bolman & Deal, 2017). Det finns dessutom många överlappande områden som kan studeras utifrån flera olika perspektiv; till exempel, organisationsuppbyggnad kan betraktas både från synpunkten av markfördelning (maktperspektivet) och som en uppsättning av officiella företagsregler (strukturella perspektivet).

HR-perspektivet är det ramverk som berör människor på organisationen, personalens välmående, incitamentsystem och även i viss mån interagerande mellan ledare och underordnade. Enligt Bolman & Deal (2017) vilar HR-perspektivet på följande antaganden:

1. Organisationer existerar för att uppfylla människors behov, och inte tvärtom.

2. Människor och organisationer känner ömsesidigt behov av varandra: de förstnämnda strävar efter karriär, bättre löner och möjligheter; de sistnämnda behöver nya idéer, energi och färdigheter.

3. Dålig överrensstämmelse skadar bägge sidorna: någon av parterna (eller båda) blir utnyttjad.

4. God överrensstämmelse gynnar båda parterna: människor får meningsfullt och tillfredställande arbete, organisationer får de färdigheter och energi de behöver för att lyckas.

38 7.2.2 Teori X och Teori Y

Idén bakom X och Y teorierna tillhör Douglas McGregor (1960) och baseras på välkända Maslows behovstrappa (se figur 8.1) till vilken McGregor tillade en viktig tanke: ledarnas antaganden om sina anställda har tendens att bli självuppfyllande profetior (Bolman & Deal, 2017). Med detta menade McGregor att ledarnas tro på att de underordnade är passiva och lata (teori X) utmynnar i att de anställda sänker sin arbetsnivå till ledarnas förväntningar, även om de inte är passiva och lata i verkligheten. McGregor argumenterade dessutom för att de flesta företag håller sig till teori X, i dess mjuka form, då konflikter dämpas och låtsasglädjen sprids, eller hårda form, med strikta kontroller och

In document MODELING AND OPTIMIZATION OF CUSTOMER SERVICE SYSTEMS (Page 31-70)