VISOKAŠKOLA STRUKOVNIH STUDIJA

ZA INFORMACIONE I KOMUNIKACIONE TEHNOLOGIJE

O TEORIJI REDOVA U POŠTI

SPECIJALISTIČKI RAD

Mentor: Kandidat:
mr. Stevan Veličković Hristina Knežević 1092/14

Beograd, 2016.
 VISOKAŠKOLA STRUKOVNIH STUDIJA
ZA INFORMACIONE I KOMUNIKACIONE TEHNOLOGIJE

Elektronsko poslovanje

Predmet: Planiranje komunikacionih modela

Tema: O teoriji redova u pošti

Mentor: Kandidat:
mr. Stevan Veličković Hristina Knežević 1092/14

Beograd, 2016.

3
 SADRŽAJ

SPISAK KORIŠĆENIH SKRAĆENICA 5

SPISAK SLIKA 6
SPISAK TABELA 7

1.Uvod 8
2. Analiza jedinice poštanske mreže u Srbiji 11
3. Pretpostavke za model 15
3.1. Neuro-fazi sistemi 15
3.2. Model za razvoj i pregled rezultata 17
4. Proučavanje problema redova 22
4.1. O čekanju u redovima 22
4.1.1 Parametri koji utiču na efektivnost rada čekanja u redu 25
4.1.2. Period čekanja za usluge u pošti 26
4.1.3. Karakteristike poštanskog klijenta 27
4.1.4. Informacije o čekanju 27
4.2. Redovi čekanja30
4.2.1. M/M/1 redovi čekanja 31
5. Zaključak 32

LITERATURA 35

4
 SPISAK KORIŠĆENIH SKRAĆENICA

FIFO „First In, First Out“ -prvi prispeli – prvi opslužen

„Adaptive Neuro-Fuzzy Inference System“ – prilagodljiv neuro-fazi

ANFIS
zaključak sistema
„First Come, First Served“– prva mušterija koja dođe u red, biće prva i
FCFS
uslužena;
„Last Come, First Served“ – mušterija koja poslednja stane u red, biće
LCFS
prva uslužena;
„Service In Random Order“ – mušterija koja će biti uslužena bira se na
SIRO
slučajan način;

GD „General Queue Discipline“ – bilo koji redosled usluživanja

∞ Beskonačno

PDV Porez na dodatnu vrednost

LCD „Liquid-Crystal Display“ – ravni displej

LED “Light-Emiting Diode“ - svetlećadioda

„MATrix LABoratory“ - „laboratorija za matrice“ - okruženje za

Matlab
numeričke proračune i programski jezik

SPISAK SLIKA
5
Slika 1.: Grafičkiprikazulaznogsignalaklijenatatokomprvogdana

Slika 2.: Distribucija brzine servisa za posmatrani period od 12 dana

Slika 3.: ANFIS arhitektura Sugeno fazi modela sa dva ulaza

Slika 4.: Sistem jednostavnog opsluživanja

Slika 5.: Broj aktivnih kanala opsluživanja

Slika 6.: Brzina opsluge (klijenta/min.)

Slika 7.: Dužina reda (broj klijenata)

Slika 8.: Poređenje snimljenih i dobijenih vrednosti u ANFIS

Slika 9.: Sistem jednostavnog opsluživanja

Slika 10.: Uloga zadovoljstva u modelu ponašanja korisnika

Slika 11.: Integrativni model informacije o čekanju i proceni servisa

SPISAK TABELA

6
 Testiranje kompatibilnosti ulaznog signala sa eksponencijalnom
Tabela 1.:
raspodelom

p-vrednosti ulaznih tokova klijenata u ispitivanju kompatibilnosti sa

Tabela 2.:
eksponencijalnom raspodelom

p-vrednosti izlaznih tokova klijenata prilikom testiranja kompatibilnosti sa

Tabela 3.:
log-normalnom raspodelom tj. distribucijom

Tabela 4.: RMSE i parametri substraktivnom metodom grupisanja

Tabela 5.: Zabeleženo prosečno vreme čekanja/simulacije

7
 1.Uvod
Bezobziranastepentehnološkograzvojauopštinama, nezaobilazna
pojavajepojavačekanja.
Ovasituacijaćesenastavitisvedokpostojipotrebakupcazadirektnimkontaktom
sadobavljačimausluga, kaoštojeslučajuPoštiSrbije. Ciljradajedaseprocenivremekoje će
klijent
provestiučekanjudoksepribližavabrojačuzafinansijskeuslugeujedinicipoštanskemreže.
Opserviranisistemsadržijedanred čekanja, trikanala za manipulisanje, odnosno rukovanje
iusluguuskladusaprincipomFIFO. Ovajradpredstavlja
većrazvijenmodelkojiserealizujeusledećimfazama: evidentiranjepodataka,
pripremapodatkezaobuku, osposobljavanjeneuro-fazisistema,
formiranjeskupapodatakazatestiranjegdeseočekujedobijanje
srednjebrzineuslugakoristećimetod pokretnih sredinaitestiranjeneuro-fazimodela.
Opservacijesistemamasovnog opsluživanja su
dosadabileusmerenekavrednovanjunjihovogponašanjauprošlostikojipredstavljaosnovzaproc
enudalisistemobezbeđujezadovoljavajućeperformanse. Ovajradje
rađenupravcuproceneponašanjasistemamasovnogopsluživanjaubudućnosti,
dabiutvrdiladalijemogućepredvidetinivokvalitetausluga koje će biti pružene klijentu.
Sistemuuovomslučajunijeograničenapobrojutraženihusluga.

8
Dakle,savremenaistraživanjasistemamasovnihopsluživanjasuusmerenakaanalizisistemaupr
ošlosti,
kaoiznačajuponašanjasistemaubudućnostiimogućuprimenunaprocenjenovremečekanja,
zapružanjeadekvatnog nivoauslugeiangažovanje neophodnihresursa. Odlučila
samdaprimenimkombinacijusvihpostojećihmetodaujedinicipoštanskemreženaPoštiSrbije.
Ovajradpodrazumevaonoštosemožesmatratiinovativnimmetodompredstavljajućikombinacij
udvapoznatametoda,ANFISpristupimetod pokretnih sredina. Prethodni
pristupisuzasnovanisamonajednommetodu, npr. nateorijimasovnog
opsluživanjailiMonteKarlometode [RUB11].
Poštometod koji je prikazanuradupredstavljakombinacijupristupaANFISimetoda
pokretnih sredina,
očekujemodaovametodailimodifikacijatogaćenaćiprimenuiudrugimpoštanskim
jedinicamaisvudagde ječekanjeredovnapojava.
Uciljurealizacijeupravljanja sistemom masovnog
opsluživanjaurealnomvremenuskuppodatakakoje
jemodeluANFISjemodifikovanpomoćumetoda pokretne
sredinesaciljemdaseproceniponašanjesistema,
štosemožesmatratikoraknapreduodnosunaprethodnaistraživanja.
Menadžeri sistema masovnog opsluživanja
sesuočavajusaproblemomobezbeđivanjaoptimalnogodnosaizmeđuangažovanihsredstavaivr
emenaprovedenogodstraneklijentauciljuostvarivanjasvojihzahteva.
Satisfakcijasavremenomčekanjanijesamodeterminantazasatisfakcijuusluga, takođemoderira
i odnos satisfakcije - lojalnosti [BIE07].
Tradicionalnistavuteorijimasovnog opsluživanjaimazacilj
optimalnoodređivanjekanalaopsluge, gdeseklijentvidikaospoljnifaktor. Međutim,
višepažnjejenedavnoposvećenoponašanjupotrošačaiujedinjenjuaspekataponašanja,
kaoiproučavanjukojeseodnosi na operacijeusluga.
Uticajčekanaprocenuuslugapredstavljaglavnifokusubrojnimradovima [WHI06].
Pitanjekoje je u vezi sa upravljanjem redovima ne odnosi se samona stvarno vreme
provedeno od strane klijenta u redu, već je vezano, takođei za percepciju klijentao
tomvremenuiodgovarajućemnivounjihovogzadovoljstva sauslugom [DAV94].
Informacijeovremenučekanjaimajupozitivanuticajnasatisfakcijuklijentasavremenomčekanja
[BIE07].
Nakonostvareneusluge, klijentiznajuvremečekanjaprovedenoionikoristeiskustvadabi
prilagodilisvojepogledenaprosečnovremečekanjaprilikomposeteobjekta. Nakontoga,
možesepredstavitistepenklijentovog zadovoljstvakaoprihvatljiv
koeficijentiočekivanovremečekanjanaosnovuprethodnogiskustva [ACK13]. Akose
klijentima obezbedi informacijaoočekivanomvremenučekanja, njihovoprihvatljivo
vremečekanjaćebitiblizuočekivanogvremena, poštotainformacijaćeuticatinaodlukudaliće
pristupitisistemuilineuodređenomvremenskomperiodu.
Problemprovajdera uslugaje taj što morajudasebaveidadovode doalternativnog
kvalitetauslugašto je primećenoufluktuacijizahtevausluga.
Rešavanjeproblemamožedovesti, sa jedne strane
dorazvojafleksibilnijihsistemautokumaksimalnogopterećenjauključenihdodatnihresursailisa
druge stranetomožedautičenamotivacijuklijenta pružajućivišezadovoljavajuće
9
uslovezarealizacijuuslugatokomperiodamalepotražnje [BIE07]. Na isti način,
koordinacijazahtevaikapacitetićeomogućitikorišćenjerazličitihstrategijazaorganizaciju
redovauzimajući u obzirnjihovukonfiguracijuiliformiranjeodređenogambijenta,
takodačekanjemožebitizanimljivo i podnošljivo [ZEI02].
Kadase vreme čekanja proceni razmatraju seistraživanja u oblasti korisničkog
centra koja su usmerenakačekanjeuFIFOsistemu [ARM04].
Uslugeostvareneodtradicionalnihpoštanskihoperatorakarakterišeheterogenost,
štojeposledicarazličitihsadržajapošiljke, kaoiširokspektarfinansijskihusluga.
Potražnjauslugakojepružajutradicionalni
poštanskioperateriimajustohastičkikarakterinemožesepreciznoodrediti,
jervarirauintenzitetuuvremenuiprostoru.
Oveoscilacijeuvezisazahtevimauslugaometajutehnološkeproceseusmislupružanjaadekvatni
hresursazanjihovurealizaciju.
PremaZakonuoplatnomprometu [REP11],
javnompoštanskomoperateruuSrbijijedozvoljeno, poredpružanjapoštanskihusluga,
zapružanjefinansijskihusluge.
Bankarskisektorkaokonkurencijajavnogpoštanskogoperaterauoblastifinansijskihuslugajeko
ncentrisanauglavnomnasegmente klijenatakojisukreditnosposobni.
Veomajevažnodaseobuhvatesegmentistanovništvakojinisuuinteresubanaka. Obziromnato
dadržavaimamestozafinansijskuinkluzijuputemjavnogpoštanskogoperatera.
Kaoposledicatoga,
finansijskadostupnostseogledauprilagođavanjucenenasolventnostsegmenatastanovništvakoj
esuceneoblastifinansijskeinkluzije. Predviđanjezavremečekanjaujedinicama
poštanskemrežejeodvelikogznačajakakobiseosiguraoadekvatankapacitetzapružanjeovihuslu
ga. Istotako, kakobiponudiovećikvalitetkorisnicimafinansijskihusluga,
neophodnojezanjihkaoito daseobezbede sainformacijamaovremenučekanja,
štojeistraživačkatemadalje raspraveuradu.
U radu se drugideo odnosi
naanalizupostojećegstanjaujedinicapoštanskemrežeSrbije, dok
trećideosadržipredlogmodela procene vremena čekanjau pošti, četvrti deo govori o čekanju
u redovima pošte,aposlednjideodajezaključaksauputstvimazabudućnostistraživanje.

10
 2.Analiza jedinice poštanske mreže u Srbiji
Prikupljanjepodatakasprovedeno
jeposmatranjemredovaujedinicipoštanskemrežezapružanjeuslugaklijentima u jednoj pošti u
Srbiji. Posmatrana poštanskajedinicasadrži šalterezafinansijskeusluge,
kaoišalterezaprijemiisporukupoštanskihpošiljki. Ova poštanska jedinica se nalazi u
stambenoj četvrti, kaoiuoblastisabogatombrojemraznovrsnihsadržajaautobuske stanice,
železničke stanice, tržnog centra, doma zdravlja i dr..Shodnotome, klijenti
subililјudikojiživeutompodručju, kaoiposetiocimaautobuske stanice, železničke stanice,
11
tržnog centra, doma zdravlja i dr.Naosnovunavedenog, primetno je da
ovapoštanskajedinica istovremeno je ipredstavnikjedinicazapružanjekorisničkih usluga, jer
nije fokusiranasamonaodređenesegmenteklijenata,
poštokorisnicifinansijskihuslugaformirajujedanred.
Ciljistraživanjaodnosisenašalterezasprovođenjefinansijskihusluga,
takodasuufokusuposmatranja.
Obziromnačinjenicudajeobimfinansijskihusluganajvećiuseptembru, posmatranje je
završenourokuoddvenedelje u septembru (od 5. decembar do 18. decembar),
odnosnouperioduod 12 radnihdana. Radnovremepoštejeod 8:00 do19:00
časovaradnimdanimaiod 8:00 do 15:00 časovasubotom. Posmatranisistemuključuje
trikanala opsluživanja, sajednimredomiusluge sevršepoprincipuFIFO. Posmatranje
uključujebroj5727klijenatasistema. Prateći Kendalovu notaciju teoriju čekanja u redovima,
sistemsemožeklasifikovatikaoM/G/3.
Testiranjeulaznitokklijenata jerealizovanuskladusadanauStatistica 10
(StatSoftsoftverskogpaketa). PrimerzaprvidandatjeuTabeli 1. Možeseprimetitidaširina klasa
je definisana u periodu od50 sekundi.U tabelikolonaObserved Frequencyppredstavlja
frekvencijuzasnimanje, afrekvencijakolonaExpected
Frequencypredstavlјateorijskefrekvencijeposmatranihklasazaeksponencijalneraspodele.
Tabela 1.: Testiranjekompatibilnostiulaznogsignalasaeksponencijalnomraspodelom
[JOV15]

Zaglavlje tabele predstavlja vrednosti χ2 testa, broja stepenislobode, a dobijenu p -

vrednost. Na osnovu predviđene p-vrednosti 0.07217, može se primetiti da je distribucija
ulaznog potoka za prvi dan odgovara eksponencijalnoj raspodeli na nivou značajnosti 0.05.
Slika 1.predstavlja grafički prikaz snimlјenih podataka za predstavljen dan.

12
 Slika1.:Grafičkiprikazulaznogsignalaklijenatatokomprvogdana [JOV15]
Istraživanjasuizvedenazapreostaledane, adobijenirezultatisuprikazaniuTabeli
2.NaosnovurezultataprikazanihuTabeli 2.,
možesezaključitidameđuvremenihintervalaulaznihtokovaklijenata
(protokvremenaizmeđusukcesivnihdolazaka klijenata)
uposmatranomdanaudevetslučajevaodgovarajueksponencijalneraspodelesanivoompouzdan
ostiod 95%, odnosnop-vrednostisunižeod 0,05 utrislučajaodposmatranih 12 dana.
Tabela 2.: p-
vrednostiulaznihtokovaklijenatauispitivanjukompatibilnostisaeksponencijalnomraspodelom
[JOV15]

Integrisanjemprikupljenihpodatakazaposmatraniperiod,
jasnojedavremenskiintervalimeđudolazakaulaznogsignalaklijenataodgovarajueksponencijal
nojraspodelisaparametromKs = 1.026 kupaca / min, sanivoompouzdanostiod 95%
( odnosnop-vrednostjednakaje 0.0964).

Slika 2.:Distribucija brzine servisa za posmatrani period od 12 dana [JOV15]

Nakonispitivanjausklađenostitokaulaznihpodataka, sledeće testiranjejesamausluga.
Utvrđenojedajedinstvenauslugazaposmatraniperiodtežidistribucijilog-normalnoj
13
raspodelisaparametrimaa = 4.722 ib = 0.153 (Slika 2.), sanivoompouzdanostiod 99%
uodnosunadobijene niskep-vrednostod 0,02. Štosetičepodatakadobijenihzaposmatrane
daneu 5 slučajeva, nakontestiranjakompatibilnostisalog-normalnom raspodelom,
tj.distribucijom, možeseprimetitidasudobijenep-vrednostinižeza 0,01 (Tabela 3.),
dokudrugimslučajevimamožesesmatratidanivouslugaodgovaralog-normalnoj distribuciji.
Tabela 3.:p-vrednostiizlaznihtokovaklijenata prilikom testiranjakompatibilnostisalog-
normalnom raspodelom tj.distribucijom [JOV15]

MožemorećidajepreciznaanalizanasistemusaobrascemM/G/nizuzetnozahtevna,
jerseMarkovlјeviprocesidešavajuunutarsistema,
pasuformulezaizračunavanjeparametarasistemakojiseširokoprimenjujuuslučajevima,
naprimer, M/M/n sistemi, nemoguprimenitiuovomslučaju.
Posmatranisistemkarakterišeheterogenost,
štojeposledicarazličitihsadržajapoštanskihpošilјki,
kaoiširokspektarfinansijskihusluga.Potražnjazauslugamakojepružajutradicionalnipoštanski
hoperatoriimastohastičkikarakterinemožesepreciznoodrediti,
jervarirauintenzitetuuvremenuiprostoru. Upraksi, najčešćese
primenjujeanalizaaproksimacijeilisimulacije (kaouslučajupozivnihcentara[ZEL05].
Štosetičeposmatranogsistema,
situacijajejošsloženijasabrojemaktivnihkanalaopsluživanjaizmenjenihuposmatranominterva
lu. Zarazlikuodkolcentara,
poštanskislužbenicisuudirektnomkontaktusakorisnicimauslugaiukupnimambijentom koji
jenastaoušaltersali. Kaoposledicatoga,
radneperformanseslužbenikasuizloženeuticajufenomenazagušenjaštomožedovestidonjihovo
gradnogpogoršanja (zamor operatora) iliunapređenje (kada se težidase što boljim
obavljanjem, poslovaeliminišepojavazagušenja). Na isti način,
mogućnostklijentadatražineograničenbrojuslugadodatnokomplikujepoštovanjesistema.
Obziromnasloženostposmatranogsistema, tj.nesigurnostistohastičnost,
kaonjegovimsvojstvom,
istraživanjejefokusiranonarazvojmodelazasnovanognapristupuneuro-
fazizaprocenuvremenačekanja.

14
3. Pretpostavke za model
15
 Glavnirezultatisupredstavljeniuovompoglavlju.
OniopisujuteorijskeosnovezamodelkreiransaANFIS. Nakontoga,
postojipredlogzamodelzaprocenuvremenačekanja.
PripremapodatakazaobukuANFISjerealizovana.ObukaANFISsesprovodifazilogikom,
programskim paketom, MatlabR2007b.
Zatimsledepripremepodatakazatestiranjemodela.
RezultatitestiranjasupredstavljeniRMSE (korenomsrednjekvadratnegreške),
koeficijentdeterminacijeidistribucijevrednostigrešaka
(razlikaizmeđusimuliraneisnimljenevrednosti). Nakrajuovogpoglavlja, posmatra
seprosečnovremečekanjazasvakidan, kaoikretanjedužineredazačekanjeuodabranim danima.

3.1. Neuro-fazi sistemi

Različitetehnikeveštačkeinteligencijesurazvijene
darešeproblemeurealnomsvetukoristećiinteligentnesistemekojiposedujuveštinesličneljudski
mveštinamaupojedinimoblastima. Međunjima, fazilogikaineuronskemrežesunajpopularnije
iširokose primenjujuuindustrijskimaplikacijama[PAL09].
Fazilogikasistemiimajuširokuprimenuusaobraćajnoj[TEO99] adaptivnoj neuro-faziizlaz
sistema je višeslojno prilagodljivamrežazasnovananafazisistemu zaključivanja[JAN92].
ANFISjefazisistem zaključivanjakojimožebitiosposobljennaosnovudobijenihulazno-
izlaznihpodataka.
Metodosposobljenostiomogućavasistemudaprilagodisvojeparametrekakobisesagledaoulazn
o-izlazniodnossakrivenuskupupodataka.
Obziromdasesastojioddvapristupa(neuronskemrežeifazimodelovanja)
odgovarajućizazaključivanjeukvalitetuikoličinisemožepostići[ALI12].
UslučajuSugenofazimodelaprvogtipasadvaulazaxiy, pravilasudatausledećojformi:
 pravilo 1: ako x je A1iy je B1 onda f1 = p1x + q1y + r1;
 pravilo 2: ako x je A2i y je B2 onda f2 = p2x + q2y + r2;
gde su A1, A2, B1, B2fazi skupovi za ulaze x i y respektivno, dok su p1, q1, r1, p2, q2, r2,
parametri izlaznih funkcija [TAK85]. Odgovarajuća ANFIS konstrukcija se sastoji od pet
slojeva koji se realizuju po različitim funkcijama čvorova za obuku i podešavanje
parametara u fazi sistema (slika 3.). Čvorovi locirani unutar istom sloja imaju slične
funkcije pripadnosti. Izlaz i-tog čvora u okviru sloja l mogu da se nazivaju O1,
i.Funkcionisanje predstavlјenog ANFIS sistem može grafički predstaviti na sledeći
način[JAN93]:

16
 Slika3.:ANFIS arhitektura Sugeno fazi modela sa dva ulaza[JAN93]

Sloj 1: čvorovi ovog sloja generišu funkcije pripadnosti za ulazne promenljive.

Izlaz čvorova O1,i definisan je sledećim izrazima:
O1,i = μ A1 (x) za i=1,2 ili
O1,i = μ Bi-2 (y) za i=3,4.
gde su x i y ulazi u čvor, Ai i Bi su redom fazi skupovi koji se nalaze u posmatranom čvoru
i koji su definisani oblikom njegove funkcije pripadnosti. Funkcije pripadnosti Ai i Bi
mogu se predstaviti funkcijom:

Parametri ovog sloja odgovaraju parametrima premise (pretpostavke) fazi modela. Izlazi
prvog sloja su vrednosti funkcije pripadnosti premise.
Sloj 2: čvorovi označeni sa П sačinjavaju drugi sloj, što znači da se ulazni signali u
čvoru množe i izlaz čvora O2,ipredstavlja snagu i-tog pravila wikoja se izračunava:

Sloj 3: u ovom sloju čvorovi su označeni sa N računaju odnos snage i-tog pravila i
sume snaga ostalih pravila, odnosno dobija se normalizovana snaga i-tog pravila:

Sloj 4: čvorovi četvrtog sloja računaju doprinos i-tog pravila izlazu sistema sa
sledećom funkcijom čvora:

gde je 𝑤𝑖 izlaz trećeg sloja, dok skup parametara (pi, qi, ri) odgovara parametrima
konsekvenci.

17
m
n
a
r
i
t
s
e
v
k
o
A
u
p
g
b
S
I
F
N
đ
d
j
c
l
z Sloj 5: oOvaj sloj sastoji se od jednog čvora koji je označen sa Σ i koji izračunava
ukupan izlaz ANFIS-a:

Može se primetiti da u okviru ANFIS arhitekture postoje dva adaptivna sloja,

odnosno prvi i četvrti sloj. Parametri koji se podešavaju u okviru prvog sloja povezani su
sa ulaznom funkcijom pripadnosti (u opisanom primeru to su parametri ai, bii ci) odnosno
to su tzv. parametri premise.
U okviru četvrtog sloja parametri koji se podešavaju odnose se na polinom prvog
stepena (pi, qii ri) i označavaju se kao parametri posledice [JAN93].
Neuro-fazisistem
zaključakajeoptimizovanzaprilagođavanjeparametaraprostoraiparametreposledicenanačink
aodaminimiziradefinisanufunkcijucilja
razlikaizmeđumodelaizlazaistvarnihrezultata).

Ovde
Metodezapoboljšanje

prostiranja unazad.

4.):
3.2.Model za razvoj i pregled rezultata

(klijenata/min). OvevrednostisekoristekaoulaziuANFIS.

Prilikompripreme

učinjenicida,
(najčešće,

ANFISparametramoguobuhvatatinagibspuštanjeinajmanjekvadratnegreške (LSE) [JAN93].

Razvojmodelakojijepredstavljen uovomradujeimplementirankrozsledećefaze (slika

evidentiranjemaseusluga sistema,

sledećevarijablesuuključene:
brojaktivnihkanalazaopsluživanje, dužina reda, odnosno broj klijenataibrzinausluge

Slika 4.: Model za vremensku procenu čekanja

su
primenjenialgoritmihibridnogučenjakojisukombinacijanajmanjihkvadrataproceneialgoritmi

stvaranjeskupapodatakazaobukuANFIS,
obukaANFIS, utvrđivanjepodatakazatestiranje,ispitivanjeiocenjivanjemodela.
Tokomprocesasnimanja,

podatkezasistemsku
obukubilojeneophodnodaseizmeniulaznaveličinubrzineopsluživanja. Naime, problemkoji
se dešavaogledase kadaklijentpristupaprekoreda,
potrebnojepredvidetibrzinuuslugedodolaskanamesto usluge. Povodom toga, posmatrana
jebrzinauslugausegmentima za desetkupaca, zakojejeobračunataprosečnabrzinausluge.
Odlučenojedaseneobučavasistemsapodacimaobrziniuslugakojijesnimljenzasvakogkupca,
jernatajnačinsistemćepostatisuviše„osetljiv“naovajparametar.
metodepredviđanjanisumogledadajutačnepodatkeonivoudobijenihnanivousnimanja.
18
Drugimrečima,
 Sledećafazauposmatranommodelujeobukasistem.
ObukasistemaserealizujeuANFISEditorGUI, uokviruprogramaMatlabR2007b.
Primenomsubstraktivnognačinagrupisanja,
savrednostimapodrazumevanihparametarakaorasponuticaja 0,5, squash faktora 1,25,
accept ratio0.5 ireject ratio0,15, inicijalnifazisistemobukejeformiran,
tjSugenofazimodelsatriulazaslika 8.
Svakiodtriulazajepovezanasadvefunkcijepripadnostislike 5, 6, 7. Funkcijeuslici 5.,
definisanesusledećim parametrima:
2 2
− ( χ−1,968 ) − ( χ−2,032 )
plava−e 0,25 icrvena−e 0,2429 . Funkcijeuslici 6.,definišesledećiparametre: plavu
2 2
− ( χ−0,47) − ( χ−0,6041 )
0,0561 icrvenu−e 0,5 . Dok parametrizafunkcijepripadanjanaslici 7., su: plava
−e
2 2
− ( χ−6,001 ) − ( χ−17 )
76,6322 icrvena −e 76,5579 .
−e

Slika 5.: Broj aktivnih kanala opsluživanja [JOV15]

19
 Slika 6.: Brzina opsluge (klijenta/min.)[JOV15]

Slika 7.: Dužina reda (broj klijenata)[JOV15]

Sistemjedefinisanosnovicomdvapravila, kaoi strane dve izlaznefunkcijepripadnosti.
Brojvremenskog razdobljazaobukusistemaje 300, dokhibridni algoritamzaobukuje
implementiran. Osobenostisistemasu sestabilizovalenakon 20 vremenskih razdoblja, koji
suvećdoRMSEvrednostiod 80 sekundi.

Menjanjevrednostipočetnihzadatihparametarazaprimenusubstraktivnemetodegrupisanjaned
onosinikakavznačajannapredakuvezisaRMSE, čakisapovećanjembrojafunkcijapripadnosti
(tabela 4.).
Uslučajusmanjenjavrednostiurasponuoduticaja,
povećavasebrojostvarenihfunkcijapripadnosti. MalosmanjenjeRMSEna 77
sekundiseposmatra, iakopovršinafunkcijeprenosajedramatičnoprekinuta.
Sličnasituacijaseodnosinaizmenudrugihparametaraupravcupovećanjabrojafunkcijepripadan
ja.
Tabela 4.: RMSE i parametri substraktivnom metodom grupisanja [JOV15]

Dobra karakteristikadobijenihpovršinaseogledaučinjenicidanemajunikakvevrhove,
tojest, postojiblagprelaznapromenuulaznevrednosti.
Naime nakonobukemodela, osnovanje novisetpodatakazatestiranjesistema.
Poredulaznihvrednosti, brojkanalaopsluživanja idužinareda,

20
vrednostkojajeprocenjivalabrzinusistemaopsluživanjakadasepristupin-ti klijent.
Procenabrzinestopepostignutajekorišćenjemjednostavnognačina pokretnogproseka, tako što
se uzmebrzinaodprethodna 3 intervalaodpo desetsnimlјenihpodataka.
Setpodatakazatestiranjejesmanjenna 5376, zbogpočetnihsegmenatazametod
pokretnogprosekazasvakidan.
Dabiseispitaostepensličnostirazvijenogmodelasa
snimlјenimuslovimaujedinicipoštanskemreže, izračunate
suapsolutnegreškesimulirnihpodataka. Na osnovu distribucijegrešakamožemo uočiti
dajeočekivanavrednostgreške 0.451 sekundisa standardnomdevijacijomod 154 sekundi.
Nivosličnostisimuliranihi snimlјenihpodaciseizražavakoeficijentomodređivanja (slika 8.):

Slika 8.: Poređenje snimljenih i dobijenih vrednosti u ANFIS [JOV15]

gdeSrsnimlјenavrednost, dokSssimulirnevrednosti.
Uodnosunazabeležene podatke, simuliranipodacipredstavljenogmodela
imajuRMSEod 154 sekundiikoeficijentodređivanjasavrednošću 0,826. Istotako,
simulacijamodeljerealizovanauzpokretneprosekeod 4 i 10 intervali,
gdesudobijenizaRMSErezultatibili 158 sekundii 167 sekundi,
dokkoeficijentideterminacijesu 0,817 i 0.796, respektivno.
Modelkoji je korišćenuradujeonajsapokretnihprosekaizprethodna 3 intervala.
Takođeposedujeprednostučinjeniciposmatranja
dapreviševremenaneprođeprenegoštojemodelpočeoprocenuuodnosunapočetakradnogvreme
naujedinicapoštanskemrežezapružanjeuslugaklijentima. Naravno, prepočetka procene,
manjibrojnezadovolјnihkupacamožedaočekujeodčekanjaizglede
kaodatrajedužeklijentusanedostatkominformacijaonjenomtrajanjuuodnosunaklijente kojima
jepoznatovremečekanja[MAI84].
Unastavku, prosečnovremečekanjapodanu
jezabeleženokaoivrednostiprosečnihvremenačekanjadobijenihsimulacijom. Tabela 5.,
21
dajeodnosprosečnihvremenačekanjakojisuevidentiraniiprosek
vremenadobijenihsimulacijom, gdemožedaseprimetitidaovevrednostisuveomaslične
(maksimalnadevijacijaje 17 sekundi).
Tabela 5.: Zabeleženo prosečnovremečekanja/simulacije [JOV15]

Minimalno prosečnovremečekanjaod 176 sekundišto

jeprimećenočetvrtogdanasnimanja,
odnosnoudevetomdanuumesecukadarazličitipitanjakojautičunapovećanjeobimafinansijskih
uslugajošnisudošaodokašnjenjanjihovog dospeća. Tokomdana,
vrhovikojiseodnosenadužinuredazačekanjedostigle suvrednostod 7 kupacau 9:50 i 11:30
ujutro. Upopodnevnimsatima, dužinaredadostigla jemaksimalnuvrednostod 3 klijentau
14:00, 15:00 i 18:00.
Najvećaprosečnovremečekanjajeprimećeno 11. dansnimanja.
Razlogzatoogledaseučinjenicidaje 17. danumesecukadana naplatu dospeva različita pitanja.
Dodatniudarjeuzrokovansituacijomdajetobioposlednjiradnidanzavećinuklijenata,
kaoičinjenicomdaposlovnapolitikanekihkompanijaobezbedisvojimklijentimaodređenipopus
tzauplatedo 20. umesecu. Maksimalnadužinaredaujutrodostigla jebrojod 24 klijentau 10:30.
Upopodnevnimsatima, najdužiredjeprimećenau 16:20, sa 28 klijenta. Kaoprosečnogdana,
tuje 8. dansnimanja. Ujutro, dužinaredadostigla jemaksimalnuvrednostod 27 klijenatau
11:30, dokjeupopodnevnimsatimamaksimalnadužinaredasa 14 klijenata 13:45.

22
 4. Proučavanje problema redova
4.1. O čekanju u redovima
U bankama, poštama i drugih kompanija koje rade sa klijentima u transportu, i na
drugim mestima su često suočeni sa procesima koji stvaraju gužve. Dakle, ljudi čekaju
uslugu:
 u prodavnici na blagajnama;
 u bankama i poštama;
 u restoranima;
 putnici čekaju voz ili autobus;
 na aerodromima;
 u automobilima na crveno svetlo na raskrsnici ili ispred naplatne stanice, itd.
Pogledajmo poštu u kojoj je predviđeno da radi samo jedan šalter. Svi korisnici koji
dolaze u poštu, dakle smeštaju se u jedan red. Poštanski radnik može pružati usluge samo
na jednoj partiji u onom vremenu koje je predviđeno za pružanje usluga i ono nije isto za
sve stranke. Neki klijenti žele obaviti i druge usluge (na primer, plaćanje velikog broja
naloga, slanjeveliki broj pisama i paketa, itd), što zahteva više vremena.
Sistem čekanja može biti prikazan na slici 9.:

23
 Slika 9.: Sistem jednostavnog opsluživanja [BOG00]
gde:
a –predstojeći klijent
b –čekajući red
c - usluga
d –odlazak usluženog klijenta
Čekajući red se može smanjiti sa visokim nivoom korisničke usluge, na dva
različita načina:
1. da skratiti vreme ili promeni objekat;
2. poveća broja opsluživanja na toj lokaciji.
Postavlja se pitanje zaštojenastao sistem u kojem se stvorio čekajući redi koje
usluge treba obezbediti da ne dođe do reda.
Odgovor je jednostavan - zato što su troškovi pružanja nivoa usluga viši koji bi
eliminisali redove, odnosno veći od dodatnih pogodnosti koje pružaju takve povećane
kapacitete. U podizanju nivoa sadržaja u našem slučaju, to znači skraćivanje vremena koji
je služio zapovećanje broja operativnih šalterašto znači povećanu potrošnju.
Čekanje korisnika na usluge je jedan od najvažnijih problema koji se postavljaju i
pred pružaoce finansijskih usluga. Troškovi čekanja mogu da obuhvate finansijske
troškove, troškove mogućnosti i socijalno/emotivne troškove [HOU98].
U zavisnosti od toga da li uzrokuju značajne ili manje značajne troškove mogu se
razlikovati čekanja sa visokim i niskim troškovima [CAM03]. U konkurentom okruženju
čak i čekanja sa niskim troškovima mogu negativno uticati na korisničko zadovljstvo
uslužnom organizacijom. Troškovi koje korisnici imaju tokom čekanja nisu nužno
povezani sa stvarnim trajanjem čekanja, već su više funkcija osobe, situacije i prirode
troškova čekanja.
Uprkos naporima koji se ulažu od strane provajdera prvi utisak korisnika je red
čekanja i vreme koje će se provesti u njemu. Osnovna karakteristika ove vrste usluga da se
redovi čekanja ne mogu izbeći [ZEI93]. Budući da se korisnik pri poštanskim šalterima
susreće neposredno sa poštanskim osobljem, korisnici se još više uzbuđuju budući da
osećaju da osoblje treba da služi smanjenju reda [GUR90].
Stvarni problem sa kojim se susreće menadžment je upravljanje redovima čekanja i
ne ogleda se samo u vremenu koje će korisnik zaista provesti u čekanju, već se odnosi i na
korisnikovu percepciju koja je povezana sa njegovim celokupnim nivoom zadovoljstva.
Obezbeđenje visokog nivoa zadovoljstva korisnika je krajnji cilj koji se postavlja pred
menadžment. Ovde treba naglasiti zadovoljstvo korisnika, budući da omogućava vezu
između nivoa usluge koja se obezbeđuje, korisnikove percepcije usluge i njegovog
budućeg ponašanja (da li će ponovo koristiti uslugu ili ne). Veoma zadovoljan korisnik
nastaviće sa korišćenjem usluga i sa visokom verovatnoćom doprineti uvećanju prihoda
kroz povećanje frekvencije poseta i pozitivne preporuke drugima [DAV94].
Nasuprot tome, nezadovoljan korisnik zasigurno će ostvariti negativan uticaj na
prihod i profit. Koncept zadovoljstva korisnika je deo obuhvatnog modela ponašanja

24
J
Z
L
P
I
O
N
D
T
S
C
R
A
V
K
Č
E
korisnika koji evoluira tokom vremena [BEA83]. Uloga zadovoljstva u modelu ponašanja
korisnika predstavljena je na slici 10. gde:





očekivanje - reflektuje korisnikovo predviđanje performansi usluge pre realizacije;
performansa - primarna uloga performanse je da obezbedi standard za poređenje
putem koga se zadovoljsto ili nezadovoljstvo može oceniti;
diskonfirmacija - razlike koje su izražene od strane korisnika između prethodnih
očekivanja u pogledu performansi usluge i trenutnih performansi opaženih od
strane korisnika;
stavovi - korisnikova trajna povoljna ili nepovoljna ocena, emocionalna osećanja i
tendencija aktivnost usmerena ka usluzi ili kompaniji koja je pruža;
namera - odluke korisnika koje se odnose na buduće aktivnosti prema kompaniji;
buduće ponašanje - stvarne buduće aktivnosti preduzete prema određenoj usluzi ili
kompaniji na osnovu aktuelnog iskustva.

Slika 10.: Uloga zadovoljstva u modelu ponašanja korisnika [DAV94]

U pogledu pružanja usluga korisnikova percepcija performansi usluge je značajnija
za njega od stvarnih vrednosti performansi. Relacija na osnovu koje se može izraziti odnos
između zadovoljstva, percepcije i korisnikovog očekivanja je [MAI85]:

Percepcija zavisi od korisnikove interpretacije susreta sa uslugom i trenutnim

performansama usluge podjednako. Dva direktna pristupa za povećanje zadovoljstva
korisnika u odnosu na redove čekanja su:

25
 1) smanjenje trenutnog vremena čekanja (performansa) i
2) upravljanje korisnikovim očekivanim vremenom čekanja [DAV94].
Percepcija iskustva korisnika u redu čekanja je bitan element pri susretu sa
uslugom, koji može biti efektivno upravljan tako da poveća ukupno zadovoljstvo
korisnika. Odnos između korisnikovog zadovoljstva i vremena čekanja može značajno da
se rаzlikuje između operatora koji pružaju usluge i između samih korisnika u okviru
jednog operatora [LAR87].
Faktori koji utiču na taj odnos mogu se podeliti na [DAV94]:
 faktori koji su prvenstveno orijentisani na operatora;
 faktori koji su prvenstveno orijentisani ka korisniku i
 fakori koji su orijentisani i na korisnika i na operatora.
Menadžeri uslužnih operacija koji mogu da naprave razliku između ovih faktora u
mogućnosti su da bolje razumeju kako oni utiču na njihove operacije, razdvajajući one nad
kojima imaju potpunu ili delimičnu kontrolu, naspram onih koje ne mogu uopšte da
kontrolišu. Generalno, zadovoljstvo korisnika je obrnuto proporcionalno korisnikovom
vremenu čekanja. Odnosno, što korisnik duže čeka biće manje zadovoljan ili više
nezadovoljan.

4.1.1 Parametri koji utiču na efektivnost rada čekanja u

redu
Karakteristike čekanja u redu utiču na:
 svojstva stanovništva koji ulaze u sistem;
 svojstva samih redova i
 svojstvo usluge.
Osobine stanovništva, koji ulaze u sistem:
 u zavisnosti od razmere stanovništvo može biti beskonačno, ili konačno (konačno
stanovništvo se smatra kada je promena u broju klijenata zajedan, već napravila
značajan uticaj na ponašanje sistema čekanja);
 u zavisnosti od karakteristika dolazaka, dolasci su odvojeni, gde su trenuci unosa u
sistem prethodno definisani, i slučajni dolasci;
 što se tiče ponašanja u integraciji sistema odvojene su strane onih koji stoje
strpljivo u redu od onih koji, kada red postane preteran, nastave svoj put u neki
drugi sistem ili se odreknu usluge.
Svojstva redova:
 redovi mogu biti ograničeni (nedostatak raspoloživog prostora u sali), ili
 neograničeni.
Karakteristike objekata:
 fizički dizajn sistema čekanja u redovima(sistem čekanja može imati samo jedan
kanal ili više paralelnih kanala - jedan kanal može imati samo klijente na ovoj
lokaciji ili opsluživati više mesta);
 disciplina u objekti određuje koji redovi imaju prioritet u služenju;

26
  vreme distributivnih objekata može biti konstantno za sve strane, ali to vreme se
takođe može distribuiratipreko podela akata, odnosno zakona.
Tako da matematički modeli koji nam pomažu da se poštuju redovi i oni koji se
koriste za podršku u donošenju odluka o novoj organizaciji i ulaganju, odnosno
investiranju u sisteme redova, najčešćese obavljaju modelom gde su dolasci raspoređeni
podelom klijenata Poissonovim rasporedom, odnosno distribucijomuslužuju se
eksponencijalno. To znači da je verovatnoća P (x), tako da odabrani vremenski interval o
korisnicima x-pošte je dat z izraz:

gde  je λ matematičko očekivanje, ili prosečan broj dolazaka u jedinici vremena.

4.1.2. Period čekanja za usluge u pošti

Korisnici poštanskih usluga koji žele da pošalju pošiljku i istovremeno koriste
novčane usluge moraju poštanske usluge obavljatina jednom šalteru koji je određen za to, a
novac na šalteru blagajne.To uzrokuje mnogo frustracija među korisnicima, jer su
prinuđeni da čekaju uslugu dva puta.
Netrpeljivost raste među zaposlenima, jer se može desiti da primanje klijenata bude
različito, nejednako. Naime, ovo dovodi do situacije da je kod radnikana jednom šalteru
ogromna gužva, a kod drugog nema nikoga, međutim on zbog svoje specijalizacije ne
može pomoći kolegi.
Iz ovoga po logici stvari sledi da su jedni radnicipreopterećen, dok drugi nisu. To
svakako utiče na dobrobit i kvalitet dela radnika, ali i stvara loš utisak na klijente čekaju u
redu na mestu usluge.
Rad u pošti mora biti urađen tako da ispred šaltera ne postoje redovi ili da
klijentvreme koje potroši na čekanje usluge bude najkraće moguće. Za ovaj problem u
poštama Srbije bi bilo moguće rešiti uvođenjem radnih poslova gde će se istovremeno
moći obavljati i poštanske usluge i gotovinske usluge, to bi značilo uvođenje univerzalnih
poštanskih šaltera, što je slučaj Evropske Unije na primer u Sloveniji. 
Uvođenje univerzalnog poštanskogšaltera u svim poštama u Srbiji bi omogućilo
pružanje poštanskih i finansijskih usluga na jednom mestu i to sa ravnomernom
distribucijom, odnosno raspodelom stranaka pred poštanskim šalterom. 
Pre svega, ovo bi smanjilo vremečekanja klijenta u redu, što bi
povećalozadovoljstvo, rada u pošti, jer bi radbio bolje organizovan, a to bi doprinelo
zadovoljstvu zaposlenih.

4.1.3.Karakteristike poštanskog klijenta

Pošta Srbije ima dve velike grupe klijenata. Prvu, koja ima veći promet i niže je
brojnosti, predstavlja glavne stranke, drugu, manjeg prometa i veće brojnosti, to su male
stranke. Veliki klijenti sujavni organi, preduzeća i samostalnipreduzetnici. Mali klijenti su
preduzeća, preduzetnici i fizička lica.

27
 Za pošte su važne obe grupe klijenata. Zapravo, veliki klijenti zbog saobraćaja
generišu i na taj način čak i omogućavaju poslovanje pošte, maliklijentibudu za
pružanjekomunalnih usluga, potencijalni veliki klijenti i integracija u uslugama izmeđudve
grupe klijenata.
Veliki potrošači prilično predstavljaju većinu saobraćaja i prihoda, dok su
istovremeno i klijenti sa posebnim, odnosno specijalnim potrebama koje pošta mora
ispuniti. 
U strukturi svih klijenata, mali klijenti pošte Srbije predstavljaju pojedince koji
postavljaju usluga i ponuda proizvoda u poštama. Mali klijenti u svojim kontaktima sa
poštom uglavnom su u vezi sa poštom i poštarima koji im isporučuju pošilјke.
Rad sa klijentima je izazov, odgovoran i izazovan, jer zahteva poštansko osoblje
stalno staloženo, kontrolu i prilagođavanje.

4.1.4. Informacije o čekanju

Među strategijama, koje dovode do smanjenja negativnih uticaja na korisnikovo
iskustvo sa redovima čekanja su:
 obezbeđivanje informacije o trajanju kašnjenja i
 obezbeđivanje informacije o redu (očekivanoj dužini reda ili o korisnikovoj poziciji
u redu)[LAR87].
Hui i Tse [HUI96]ukazuju na tri kritična pitanja koja se odnose na uticaj
informacije trajanja kašnjenja i informacije o redu na korisnikovu reakciju o čekanju.
Prvo je identifikacija ,,podmetnutog” mehanizma ponašanja putem koga ove dve
vrste informacija utiču na procenu usluge. Postoji stanovište da informacija o čekanju
odvlači pažnju korisnika od protoka vremena, tako da oni opažaju kraću dužinu proteklog
vremena nego što je ono zaista [ZAK91].
Drugo pitanje odnosi se na efikasnost dva vida informacija o čekanju u pogledu
dužine reda. U slučaju kada je čekanje kratko da li je važno koja je informacija
obezbeđena? Takođe, može se razmatrati i da li ova dva vida informacija podjednako
efikasno stimulišu različite mehanizme ponašanja. Osnovno pitanje je koju od ovih
informacija obezbediti korisniku u slučaju različite dužine reda.
Treći segment odnosi se konstrukcije koje ukazuju na mehanizme ponašanja kao
ključne medijatore između dve vrste informacija o čekanju i evaluaciji usluga.
Takva stanovišta obuhvataju percipirano vreme čekanja, osećajni odgovor na
čekanje i prihvatljivost čekanja. Ključni negativni ishod čekanja sa stanovišta korisnika je
gubitak vremena.
Jedan od pristupa je da se putem percipiranog vremena čekanja objasni korisnikova
reakcija na čekanje, odnosno, što korisnik smatra da je duže čekao negativnije će proceniti
kvalitet usluge. Način na koji informacija utiče na percipirano vreme čekanja može se
definisati putem procene vremena koje je ,,funkcija broja vremenskih jedinica
memorisanih od kognitivnog časovnika koji se aktivira kada se pažnja korisnika usmeri na
protok vremena” [ZAK89a]. Svaki stimulans koji može da omete korisnikovu svesnu
pažnju od protoka vremena, vodi ka smanjenju percipiranog trajanja čekanja, što uzrokuje
veći stepen zadovoljstva ukupnom uslugom. Informacije o dužini trajanja čekanja ili dužini
reda smanjuju potrebu da korisnik posvećuje pažnju njegovom protoku [HUI96].
28
 Ukoliko su korisnici upoznati sa ovim informacijama može doći do smanjenja
neizvesnosti dužine čekanja, što se reflektuje ukupnim stepenom stresa koje korisnik
doživi [OSU85].Model, koji ukazuje na međusobni uticaj informacija o trajanju čekanja i
dužini reda na korisnika i njegovu evaluaciju usluge razvijen je od strane Hui-a (1996.).
Može se videti, da ove vrste informacija neposredno utiču na faktore od kojih zavisi
ukupna evaluacija usluge (opaženo čekanje, afektivni odgovor na čekanje i prihvatljivost
čekanja).

Slika 11.: Integrativni model informacije o čekanju i proceni servisa [HUI96]

Takođe pojedini rezultati ukazuju da osećaj kontrole značajno utiče na ljudske i
psihološke reakcije u stresnim situacijama poput gužvi i čekanja [HUI91a]. Personalna
kontrola odnosi se na potrebu osobe da demonstrira svoju kompetenciju, superiornost i
dominaciju nad okruženjem [HUI96]. Mogu se razlikovati bihevioralna, odlučna i
kognitivna kontrola [AVE73].
Bihejvioralna kontrola odnosi se na mogućnost odgovora koji ima neposredan
uticaj na objektivne karakteristike događaja (radnje koje korisnik može da obavi kako bi
skratio stvarnu dužinu reda).
Odlučna kontrola odgovara mogućnosti izbora korisnika da li da ostane u redu, da
ga napusti ili da se vrati kasnije nadajući se da će red biti kraći.
U slučaju pružanja informacija o čekanju korisnici doživljavaju čekanje
predvidljivijim i upravljivijim, što je posledica emotivnog odgovora koji je pozitivniji,
nego u slučaju kada nikakva informacija nije obezbeđena.
Informacija olakšava korisnicima i interpretaciju čekanja odnosno tzv. kognitivno-
ponovno-ocenjivački efekat tj. efekat kopiranja strategije kada ne postoje fizička sredstva
ili izbegavanje situacije [FOL84]. Korisnik ne samo da iskazuje stav koji je pozitivniji, već
smatra da je trenutna situacija okarakterisana sa manjim intenzitetom klijenata, kada on
zna unapred da će se možda taj intenzitet povećati za vreme njegove posete [LAN77].
U slučaju zarobljavanja korisnika u redu bilo kakva informacija koja se odnosi na
njegovo stanje verovatnije će stimulisati kognitivno-ponovno-ocenjivanje koje će voditi
korisnikovom percepcijom da je čekanje prihvatljivije.
U situaciji kratkog reda, sa ili bez ijednog tipa informacija, za očekivati je da
korisnikovo iskustvo bude manje stresno. Shodno tome, prateći efekti koji su vezani za
čekanje nisu značajni. Kada čekanje postaje srednje dužine, oba tipa informacija dobijaju
na svojoj važnosti. Pre svega, na taj način omogućava se ometanje korisnika od
29
usmeravanja svesti ka protoku vremena i unapređuje se evaluacija kvaliteta servisa kroz
efekte percipiranog trajanja čekanja. Paralelno sa prethodnim, smanjuje se neizvesnost,
koja navodi na značajan posredan efekat afektivnog odgovora na čekanje pri evaluaciji
servisa, kao i olakšavanje kognitivnog kopiranja (čekanje postaje više prihvatljivije).
Najzanimljivija je situacija ukoliko je red dugačak. Kako je informacija o dužini
čekanja bitnija, za očekivati je da ometajući efekti i efekat smanjenja neizvesnosti nastave
da funkcionišu. Ipak ukoliko se korisniku saopšti da će čekati ekstremno dugo, predviđanje
značajnog gubitka vremena može umanjiti pozitivne efekte informacije na njenu reakciju
[OSU85].
Problem koji se postavlja je kako proceniti šta je prihavtljivo za korisnika. Podatak
o dužini reda ne pruža korisniku preciznu informaciju o proceni trajanja čekanja. Izjava da
je 10-ti u redu može uzrokovati manju zabrinutost tokom vremena nego u slučaju kada se
saopšti da se mora čekati pola sata. Korisnici mogu nastojati da okrivljuju uslužnu
organizaciju u slučaju iskustva sa dugim redom usled nepostojanja informacije[BIT92].
Odgovarajuća informacija u pogledu dužine vremena ima veći uticaj na
zadovoljstvo vremenom čekanja nego zadovoljstvo ambijentom u kojem se čeka. Na
osnovu toga, prilikom investiranja u unapređenje servisa, potrebno je razmotriti da li veću
korist može doneti ulaganje u informisanje i komunikaciju pre nego u fizičke objekte.
Razvijanje sistema koji će moći da garantuju određeno vreme čekanja, može
predstavljati značajno sredstvo za obavešavanja korisnika o njihovom očekivanom
vremenu čekanja. U slučaju postojanja ovakvog podatka, može doći do povećanja
satisfakcije korisnika ili smanjenja praga prevremenog završetka procesa čekanja od strane
korisnika [KUM97].
U slučaju da kompanije imaju problema da smanje korisničko vreme čekanja, na
raspolaganju stoje mehanizmi za upravljanje drugim elementima koji bi čekanje (koje ne
može objektivno da se smanji) učinili prihatljivijim za korisnika. Razmatrani su različiti
faktori za smanjenje percipiranog vremena čekanja poput uticaja muzike [OAK03],
kombinacije boja u hladnijem opsegu spektra [GOR04], obezbeđivanju zabave
[JON96],uključivanje korisnika u obezbeđivanju servisa [CHE93] itd.
U nekoliko studija je pokazano da se nezadovoljstvo korisnika čekanjem smanjuje,
ukoliko se u prostoru izvrši instaliranje displeja sa vestima ili televizora [KAT91].

4.2. Redovi čekanja

Analiza redova čekanja (poznata i kao teorija redova iliteorija masovnog
opsluživanja) pojavila se u prvoj deceniji dvadesetog veka, zahvaljujući danskom
matematičaru A. K. Erlangu, koji je rešavao praktične zadatke opsluživanja u telefonskoj
centrali. Inače, među prvim asocijacijama kada se pomenu redovi čekanja jesu redovi
formirani u supermarketu, pošti, banci, ispred gradskih garaža. Međutim, mušterije ne
moraju biti fizički prisutne na mestu pružanja usluge da bi došlo do formiranja redova
čekanja.
Naime, redovi čekanja se mogu formirati putem telefonskih poziva, na primer,
prilikom narudžbi kataloških proizvoda, poziva taksi službe, ili poziva korisničkih servisa
za softversku podršku, recimo, korisničkih servisa mobilne telefonije. Pored toga, mnogi
ljudi svoje poslove obavljaju preko Interneta, pri čemu se u ovom slučaju redovi čekanja
javljaju kao posledica usporenog pristupa određenom sajtu, usled preopterećenosti servera.

30
Takođe, mušterije koje čekaju na pružanje usluge ne moraju biti samo ljudi, već to mogu
biti i mašine, automobili, brodovi, avionic, i sl. Svaki sistem u kome figurišu redovi
čekanja može se opisati sa 6 karakteristika:
1 / 2 / 3 / 4 / 5 / 6.
Prva karakteristika se odnosi na prirodu procesa pristizanja mušterija i pri tome su
uvedene sledeće skraćenice:
 M – slučajne promenljive koje opisuju vreme proteklo između uzastopnih
pristizanja mušterija su nezavisne, identično distribuirane slučajne promenljive sa
eksponencijalnom raspodelom.
Druga karakteristika se odnosi na prirodu procesa usluživanja mušterija:
 M – slučajne promenljive koje opisuju vreme potrebno za usluživanje mušterija su
nezavisne, identično distribuirane slučajne promenljive sa eksponencijalnom
raspodelom.
Treća karakteristika predstavlja broj servera u sistemu, dok se četvrta odnosi na
redosled usluživanja mušterija:
 FCFS (First Come, First Served) – prva mušterija koja dođe u red, biće prva i
uslužena;
 LCFS (Last Come, First Served) – mušterija koja poslednja stane u red, biće prva
uslužena;
 SIRO (Service In Random Order) – mušterija koja će biti uslužena bira se na
slučajan način;
 GD (General Queue Discipline) – bilo koji redosled usluživanja.
Peta karakteristika precizira maksimalno dopušten broj mušterija u sistemu.
Na kraju, šesta karakteristika nam daje veličinu populacije iz koje mušterije
pristižu. Primer jednog tipa redova čekanja jesu M / M /s / GD / c / ∞ redovi čekanja s
servera u sistemu i kapacitetom odc mušterija.
U mnogim važnim modelima 4 / 5 / 6 je GD / ∞ / ∞, pa je u tim slučajevima 4 / 5 /
6 izostavljeno. Za sisteme u kojima dolazi do formiranja redova čekanja, metričke
karakteristike koje su nam od značaja su prosečan broj mušterija prisutnih u sistemu (redu,
procesu pružanja usluge), kao i prosečno vreme zadržavanja mušterije u sistemu (redu,
procesu pružanja usluge).

4.2.1. M/M/1 redovi čekanja

Razmotrićemo primer najjednostavnijih M/M/1 redova čekanja. Kod sistema u
kojima figurišu ovakvi redovi čekanja, postoji jedan red u kojem mušterije čekaju da budu
uslužene od strane jedinog servera, dok je redosled usluživanja FCFS.
Pri tome, svaka mušterija koja zatekne slobodan server odmah biva uslužena, dok u
situaciji u kojoj je server zauzet staje u red za pružanje usluge. Nakon pružene usluge
mušterija napušta sistem.
Što se tiče metričkih karakteristika sistema u kojima figurišu redovi čekanja, od
naročitog nam je značaja prosečan broj mušterija u sistemu L, kao i prosečan broj mušterija
koje čekaju u redu Lq . Analitički oblik navedenih metričkih karakteristika sistema zavisi,
31
kako od brzine pristizanja mušterije u sistem λ tako i od brzine pružanja usluge µ , odnosno
zadovoljeno je:
λ
L=
µλ
λ²
L q=
µ( µ−λ)

Inače, da bi jednakosti bile zadovoljene, mora važiti nejednakost λ < µ, odnosno

brzina pristizanja mušterija mora biti striktno manja od brzine usluživanja, u suprotnom će
doći do nagomilavanja mušterija u sistemu i formiranja beskonačnih redova čekanja.
Redovi čekanja se veoma često koriste za testiranje efikasnosti algoritama
stohastičke optimizacije, s obzirom da spadaju u retke složene probleme iz realnog sveta
koji imaju analitički oblik rešenja, koji je od koristi za proveru dobijenih rezultata.
Navedite literature koju ste koristili za ovu glavu (4.2)

32
 5. Zaključak
U radu je prikazan model za procenu vremena čekanja u redu u pošti na osnovu
ANFIS. Razvijeni model pokazuje zadovoljavajući rezultat obzirom na vrednost
koeficijenta određivanja R2 = 0,826, kao i vrednost RMSE od 154 sekundi. Prosečno
vreme čekanja evidentira se po danu, a prosečno vreme čekanja dobiti predloženom
modelu daju slične rezultate što je predstavljeno u tabeli 5.
Doprinos ovog modela je u pružanju informacija kako klijentimatako i u
upravljanju jedinicama poštanske mreže. Pružanje informacija o vremenu čekanja
predstavlja dodatni kvalitet usluge, jer korisnici mogu da očekuju koliko vremena da
izdvoje, zbog čega će proces čekanja biti prihvatljiviji. Iste informacije pruža priliku za
poštanske menadžere da upravljaju brojem aktivnih šaltera u realnom vremenu. Drugim
rečima, promenom parametara u predloženom sistemu adekvatnom simulacijom se može
implementirati, koji će zatim ukazati da li je određeni postupak opravdan, odnosno da li se
raspoloživi resursi koriste na optimalan način.
Osnovni cilj specijalističkog rada je formulisanje problema koji se javljaju pri
redovima čekanja i razvijanje modela koji će omogućiti, da se u ovom delu procesa
realizacije usluga pri jedinicama poštanske mreže, omogući viši nivo kvaliteta usluga.
Načinjen je doprinos, da se u realnom vremenu omogući predviđanje veličine vremena
čekanja kao parametra kvaliteta u prijemnoj fazi, i kao resursa koji stoji na raspolaganju za
razvijanje marketing koncepta u okvirima poštanskog saobraćaja.
Dobijena veličina, očekivano vreme čekanja, može se dalje koristiti u dva pravca.
Sa jedne strane može poslužiti menadžmentu jedinice poštanske mreže za pružanje usluga
korisnicima kao pomoć za utvrđivanje broja aktivnih kanala. Druga mogućnost je da se
pruža informacija korisniku kakav kvalitet realizacije usluge može očekivati.
Kao podrška za definisanje broja aktivnih kanala opsluge razvijen je Mamdani fazi
logički sistem. Ulazna veličine u okviru ovog sistema su procenjeno vreme čekanja
korisnika, procenat aktivnih kanala opsluge i stepen ispunjenosti uslužnog prostora.
Stanje u pogledu redova čekanja u jedinicama poštanske mreže je realizovano ili
putem barijera stubova ili odsustvom ikakvog mehanizma kontrole. Kako bi se unapredilo
korisničko iskustvo tokom procesa čekanja na realizaciju usluge razmatrane su mogućnosti
poštanskih jedinica kao oglašavačkih kanala. Primena sistema za upravljanje redovima
čekanja koji se zasnivaju na izdavanju listića sa brojevima svakako se može smatrati
dominantnom opcijom. Pionirski poduhvati u pogledu ovih sistem realizuju se pre svega u
bankarskom sektoru. Sistemi koji su trenutno u upotrebi realizuju se putem LED displeja,
tako da se ne mogu u potpunosti realizovati benefiti koje ovakvi sistemi upravljanja
33
redovima donose. U slučaju LED displeja korisnikova pažnja se fokusira na pojavljivanje
broja koji poseduje, tako da je njegova pažnja potpuno fokusirana na iščekivanje. Na takav
način se ne postiže željeni cilj odvlačenja pažnje od protoka vremena.
Realizacija sistema upravljanja redovima čekanja sa izdavanjem listića, gde se
primenjuju LCD monitori, iako zahteva značajnija početna ulaganja, može da ostvari sve
ciljeve koji se postavljaju pred njih. Takvim pristupom u jedinicama poštanske mreže
stvara se okruženje koje doprinosi boljem pozicioniranju pošte na tržištu oglašavanja.
Stubovi na kojima se treba zasnivati takva orijentacija ogledaju se u: promovisanju
sopstvenog asortimana usluga, javnoj ulozi poštanskih operatora, komercijalnoj ulozi za
treća lica i uticaju na subjektivni osećaj bržeg protoka vremena. Na osnovu realizovanih
istraživanja i sprovedenih analiza, obuhvaćenih u specijalističkom radu mogu se izvesti
sledeći zaključci:
 potvrđena je polazna hipoteza da se može formirati model koji omogućava
predviđanje vremena čekanja korisnika u jedinicama poštanske mreže. Razvijeni
model se može primeniti gde god se javlja fenomen redova čekanja;
 procesi koji se odvijaju na tržištima na kojima posluju javni poštanski operatori
utiču na procese koji se odvijaju prilikom formiranja redova čekanja u jedinicama
poštanske mreže;
 najveći broj nacionalnih poštanskih operatora ističe značaj realizacije finansijskih
usluga kao važnog činioca u sopstvenom poslovanju i načina sa se realizuje
koncept finansijske inkluzije;
 stanje na tržištu ekspres usluga u Republici Srbiji je takvo da javni poštanski
operator trpi negativne posledice od postojanja privatnog sektora, pored toga što su
njegove usluge oslobođene naplate PDV-a;
 određen broj poštanskih uprava u svetu, intenzivno radi na unapređenju
ambijentalnih uslova i tehnoloških rešenja pri jedinicama poštanske mreže kao bi
unapredili nivo kvaliteta u realizaciji usluga;
Pošta Srbije se prilično usmerila na razvoj tehnoloških rešenja, dok je sa druge
strane ostao značajan potencijal u pogledu razvoja marketing koncepta, u svom punom
svom obimu. Primetan je izostanak pažnje sa problema koji se javljaju na području
upravljanja redovima čekanja.
Doprinos specijalističkog rada se ogleda u:
 kreiranju modela koji može da predvidi veličinu očekivanog vremena čekanja u
jedinicama poštanske mreže i u drugim sistemima masovnog opsluživanja (banke,
marketi, naplatne rampe, bolnice itd.);
 sagledane su mogućnosti da se u punoj meri iskoriste potencijali savremenih
sistema za upravljanje redovima čekanja, sa ciljem unapređenja doživljaja veličine
subjektivnog vremena čekanja;
 istraživanje nivoa zadovoljenja korisnika, obezbeđivanjem pojedinih vrsta
informacija koje se odnose na redove čekanja;
 realizovanje ispitivanja različitih metoda i njihovog kombinovanog dejstva na
doživljaj subjektivnog vremena čekanja.
Klijenti imajuslobodu mogućnosti,
ilićeseodlučitizauslugePošteSrbijeilikonkurencije poslove sa novcemiprenospošilјaka.
Cilјklijenatapoštemoraosiguratiobostranukoristizadovolјstvo. Uverena

34
samdajePoštaSrbijeuspelasameramaiuvođenjenovihznanjaitehnologijaojačauticajimoćnatrž
ištu.

35
 LITERATURA
[ACK13] A. van Ackere, C. Haxholdt, E. R. Larsen, „Dynamic Capacity Adjustments
with Reactive Customers“., Omega, 41(4), 689-705, 2013.

[ALI12] M. Alizadeh, F. Jolai, M. Aminnayeri, R. Rada, „Comparison of Different

Input Selection Algorithms in Neuro-Fuzzy Modeling“, Expert Systems with
Applications, 39(1), 1536-1544, 2012.

[ARM04] M. Armony, C. Maglaras, „Contact Centers with a Call-Back Option and

Real-Time Delay Information“, Operations Research, 52(4), 527-545, 2004.

[AVE73] Averill, J. R., „Personal Control Over Aversive Stimuli and Its Relationship
to Stress“, Psychological Bulletin, 80 (4), pp. 286-303, 1973.

[BEA83] Bearden W. O., Teele, J. E. „Selected Determinants of Consumer

Satisfaction and Complaint Reports“, Journal of Marketing Research, Vol.
20, No. 1, pp. 21-8, 1983.

[BIE07] F. Bielen, N. Demoulin, „Waiting Time Influence on the Satisfaction-

Loyalty Relationship in Service“, Managing Service Quality, 17(2), 174-193,
2007.

[BIT92] Bitner M. J., „Servicescapes: the impact of physical surroundings on

customers and employees“,The Journal of Marketing, pp 57-71, 1992.

[BOG00] Bogataj, M. Zastoji s čakajočimi vrstami in riziki odpoved celic aktivnosti v

36
 logističnih verigah. Univerza v Ljubljani, RIUS Center, Ljubljana, 2000.

[CAM03] Cameron M. A., Baker J., Peterson M., Braunsberger K. „The effects of
music, wait-length evaluation, and mood on a low-cost wait experience“,
Journal of Business Research 56 (6), pp. 421– 430, 2003.

[CHE93] Chebat J. C., Gelinas-Chebat C., Filiatrault P., „Interactive Effects of

Musical and Visual Cues on Time Perception: An Application toWaiting
Lines in Banks“, Perceptual and Motor Skills, 77 (3), pp. 995–1020, 1993.

[DAV94] M. M. Davis, J. Heineke, „Understanding the Roles of the Customer and the
Operation for Better Queue Management“, International Journal of
Operations & Production Management, 14(5), 21-34, 1994.

[FOL84] Folkman S., „Personal Control and Stress and Coping Processes: A
Theoretical Analysis“, Journal of Personality and Social Psychology, 46 (4),
pp. 839-852, 1984.

[GOR04] Gorn G. J., Chattopadhyay A., Sengupta J., Tripathi S., „Waiting for the
Web: How Screen Color Affects Time Perception“, Journal of Marketing
Research, 41 (2), pp. 215–225, 2004.

[GUR90] Gurney P. „Wait a minute“, Bank-Marketing, Vol. 22 No.4, pp.37-9, 1990.

[HOU98] Houston M. B., Bettencourt L. A., Wenger S. „The relationship between

waiting in a service queue and evaluations of service quality: a field theory
perspective“, Psychol Mark,15(8), pp. 735– 53, 1998.

[HUI96] Hui M. K., Tse D. K. „What to Tell Consumers in Waits of Different

Lengths: An Integrative Model of Service Evaluation“, Journal of
Marketing, 60 (2), pp. 81–90, 1996.

[HUI91a] Hui M. K., Bateson J. E., „Perceived Control and the Effects of Crowding
and Consumer Choice on the Service Experience“, Journal of Consumer
Research, 18 (2), pp. 174-84, 1991.

[JAN93] J. S. Jang, „ANFIS: Adaptive-Network-based Fuzzy Inference System“,

Systems, Man and Cybernetics, IEEE Transactions on, 23(3) 665-685, 1993.

[JAN92] J. S. Jang, „Self-Learning Fuzzy Controllers Based on Temporal Back

Propagation“, Neural Networks, IEEE Transactions on, 3(5), 714-723, 1992.

[JON96] Jones P., Peppiatt E., „Managing Perceptions of Waiting Times in Service
Queues“, International Journal of Service Industry Management, 7 (5), pp.
47–61, 1996.

[JOV15] Jovanović B., Grbić T., Bojović N., Kujačić M., Šarac D. „Application of
37
 ANFIS for the Estimation of Queuing in a Postal Network Unit: A Case
Study“, Acta Polytechnica Hungarica. 2015.

[KAT91] Katz L. K., Larson B. M., Larson R. C., „Prescription for the waiting-in-line
blues: Entertain, enlighten, and engage“, Sloan Management Rev. 4, pp. 44–
53, 1991.

[KUM97] Kumar P., Kalwani M. U., Dada M., „The impact of waiting time guarantees
on customers’ waiting experiences“, Marketing Science, Vol. 16 No. 4, pp.
295-314, 1997.

[LAN77] Langer E. J., Saegart S., „Crowding and Cognitive Control“, Journal of
Personality and Social Psychology, 35 (3), pp. 175-82, 1977.

[LAR87] Larson R. C. „Perspectives on Queues: Social Justic and the Psychology of

Queuing“, Operations Research, 35(6), pp. 895-904, 1987.

[MAI84] D. H. Maister, „The Psychology of Waiting Lines“ (pp. 71-78) Harvard

Business School, 1984.

[MAI85] Maister D. The Psychology of Waiting Lines, in Czepiel J.A., Solomon

M.R., Surprenant C. (Eds), The Service Encounter, Lexington Books, D.C.
Heath and Co., Lexington, MA, 1985.

[OAK03] Oakes S., „Music Tempo and Waiting Perceptions“, Psychology and
Marketing, 20 (8), pp. 685–706, 2003.

[OSU85] Osuna E. E., „The psychological cost of waiting“, Journal of Mathematical

Psychology, 29, pp. 82–105, 1985.

[PAL09] M. Paliwal, U. A. Kumar, „Neural Networks and Statistical Techniques: A

Review of Applications“, Expert Systems with Applications, 36(1), 2-17,
2009.

[REP11] Republika Srbija, Zakon o platnom prometu, Službeni list SRJ, br 3/2002 i
5/2003, i Službeni glasnik RS, br 43/2004, 62/2006 i 31/2011.

[RUB11] R.Y. Rubinstein, D.P. Kroese, „Simulation and the Monte Carlo Method“
(Vol.707) John Wiley&Sons, 2011.

[TAK85] T. Takagi, M. Sugeno, „Fuzzy Identification of Systems and its Applications

to Modeling and Control, Systems, Man and Cybernetics“, IEEE
Transactions on, (1) 116-132, 1985.

[TEO99] D. Teodorović, „Fuzzy Logic Systems for Transportation Engineering: the

38
 State of the Art“, Transportation Research Part A: Policy and Practice,
33(5), 337-364, 1999.

[WHI06] A. Whiting, N. Donthu, „Managing Voice-to-Voice Encounters Reducing

the Agony of Being Put on Hold“, Jurnal of Service Research, 8(3), 234-
244, 2006.

[ZAK91] Zakay D., Hornik J. How Much Time Did You Wait in Line? A Time
Perception Perspective, in Time and Consumer Behavior, Jean-Charles
Chebat and V. Venkatesan, eds. Montreal: University du Quebec a Montreal,
1991

[ZAK89a Zakay D. „Subjective time and attentional resource allocation: an integrated

] model of time estimation“, In: Time and human cognition: a life-span
perspective (Eds. I. Levin and D. Zakay). North-Holland, Amsterdam, pp.
365-397, 1989.

[ZEI93] Zeithaml V. A., Berry L. L., Parasuraman A. „The nature and determinant of
customer expectations of service“, Journal of Academy of Marketing
Science, 21(1), pp. 1-12, 1993.

[ZEI02a] V. Zeithaml, J. Bitner, Services Marketing: Integrating Customer Focus

across the Firm, 3rd ed., McGraw-Hill Higher Education, New York, 2002.

[ZEL05] S. Zeltyn, A. Mandelbaum, „Call Centers with Impatient Customers: Many-

Server Asymptotics of the M/M/n+ G Queue“, Queueing Systems, 51(3-4),
361-402, 2005.

39