SIMULASI ANTRIAN PELAYANAN BANK DENGAN MENGGUNAKAN METODE GAMMA
Notice bibliographique
Résumé
Penelitian ini membahas simulasi antrian di bank dengan menggunakan metode gamma. Tujuan penelitian ini adalah untuk merancang dan menerapkan metode gamma untuk mensimulasikan antrian layanan pelanggan bank. Dalam sistem antrian biasanya ada tiga komponen yang saling berhubungan satu sama lain kedatangan, antrian atau antrean. Melalui simulasi yang akan dilakukan dapat dilihat bahwa kinerja sistem yang diamati akan dikoreksi sehingga mendapatkan perbaikan agar benchmark untuk layanan dapat berjalan lebih baik lagi. Dalam penelitian ini peneliti menggunakan distribusi Poisson untuk kedatangan pelanggan tunggal dengan teller tunggal dan antrian tunggal mengikuti aturan FIFO. Berdasarkan hasil penelitian, ada empat server yang memadai untuk melayani, jika hanya satu server akan menghasilkan waktu tunggu rata-rata yang sangat panjang yang menyebabkan pelanggan bosan, sementara dengan dua server masih menghasilkan rata-rata lama menunggu waktu dan menyebabkan antrian, jika menggunakan tiga server jumlah waktu tunggu tidak terlalu lama dan tidak membuat antrean panjang. Untuk penelitian selanjutnya diharapkan akan dikembangkan simulasi antrian yang memiliki kedatangan atau layanan dengan distro lain dan dapat digunakan sebagai acuan dalam pengambilan keputusan guna memaksimalkan waktu layanan pelanggan atau menambah jumlah server sebagai pelayan, dan meminimalkan server jika dianggap berlebihan dalam layanan untuk meminimalkan biaya operasional
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,009 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».