Frontiers in Operations: Waiting Experience in Open-Shop Service Networks: Improvements via Flow Analytics and Automation
Notice bibliographique
Résumé
Problem definition: We study open-shop service networks where customers go through multiple services. We were motivated by a partnering health screening clinic, where customers are routed by a dispatcher and operational performance is measured at two levels: micro-level, via waits for individual services, and macro-level, via overall wait. Both measures reflect customer experience and could support its management. Our analysis revealed that waits were long and increased along the service process. Such long waits give rise to negative waiting experience and the increasing shape is detrimental as it is known to create perceived waits that are even longer. Our goal is hence to analyze strategies that shape and improve customers’ perceived experience. Methodology/results: Analytically, we use a stylized two-station open-shop network to show that prioritizing advanced customers, jointly with pooling (virtual) queues, can improve both macro- and micro-level performance. We validate these findings with a simulation model, calibrated with our clinic’s data. Practically, we find that an automated routing system (ARS), recently implemented in the clinic, had a negligible impact on overall wait—It simply redistributed waiting among wait-for-routing and wait-for-service. However, ARS renders applicable sophisticated priority and routing policies (that were infeasible under the manual routing practice), specifically the ones arising from the present research. Managerial implications: Our study amplifies performance benefits of accounting for individual customers’ system status in addition to station-level load information. We offer insights into the implementation of new technologies: Firms better plan for fundamental changes in their operation rather than harness new technology to their existing operation, which may be suboptimal due to past technical limitations. History: This paper has been accepted in the Manufacturing & Service Operations Management Frontiers in Operations Initiative. Funding: M. Chen acknowledges the support from the National Natural Science Foundation of China [Grant 72301280]. O. Baron acknowledges the support from the Natural Science and Engineering Research Council of Canada. J. Wang acknowledges the support from the City University of Hong Kong [Grant 11505421]. A. Mandelbaum is partially supported by the Israel Science Foundation [Grant 491/22]. Supplemental Material: The online appendices are available at https://doi.org/10.1287/msom.2022.0590 .
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».