4.3 服務水準與成本的最佳化#

本章導言#

Erlang 與 \(M/M/1\) 給了管理者「等待時間的計算尺」，但計算出等待時間之後，真正的管理問題才開始：等待要花多少錢？服務要花多少錢？兩者加總在什麼水準下最小？ 一位急診室主任不會因「 \(W_q = 16\) 分鐘」就自動知道該開幾個診間；一位客服經理也不會因「服務水準 \(80\%\) 」就自動知道該排幾個班。把排隊論變成投資決策，需要在數學上補上最後一塊：成本函數的最適化。

成本結構：等待的代價 vs. 產能的代價#

設等待一位顧客每小時的成本為 \(c_w\) （顧客時間的機會成本、商譽損失、流失風險），每增加一單位服務率（或一位服務員）每小時的成本為 \(c_s\) 。以 \(M/M/1\) 為例，服務率 \(\mu\) 是決策變數（假設可連續調整，成本與 \(\mu\) 成正比），總成本為

\[ TC(\mu) = c_w \cdot L(\mu) + c_s \cdot \mu = c_w \cdot \frac{\lambda}{\mu - \lambda} + c_s \,\mu, \qquad \mu > \lambda. \]

對 \(\mu\) 微分並令為零：

\[ \frac{dTC}{d\mu} = -\frac{c_w \lambda}{(\mu-\lambda)^2} + c_s = 0 \quad\Longrightarrow\quad (\mu - \lambda)^2 = \frac{c_w \lambda}{c_s}, \]

\[ \mu^* = \lambda + \sqrt{\frac{c_w \lambda}{c_s}}. \]

這個平方根形式的解告訴我們：最適服務率比到達率高出的部分，隨等待成本的平方根成長、隨產能成本的平方根衰減。邊際思考的語言是：加產能應加到「再加快一點所省下的等待成本，剛好等於多花的產能成本」為止。

例題：該把服務率調到多快#

例題 4.3.1：某倉庫出貨口以 \(M/M/1\) 近似，卡車到達率 \(\lambda = 8\) 輛／小時。卡車司機與車輛閒置的總成本 \(c_w = 600\) 元／輛．小時；裝卸速度由外包團隊決定，成本 \(c_s = 900\) 元／（輛／小時）——即把服務率提高 1 輛／小時，每小時多花 900 元。求最適服務率 \(\mu^*\) 、此時的卡車平均在場數與總成本，並比較「只用最低速 \(\mu = 10\) 」的方案。

解：

\[ \mu^* = 8 + \sqrt{\frac{600 \times 8}{900}} = 8 + \sqrt{\frac{4800}{900}} = 8 + \sqrt{5.333} \approx 8 + 2.31 = 10.31 \ \text{輛／小時}. \]

此時系統中平均卡車數

\[ L(\mu^*) = \frac{\lambda}{\mu^* - \lambda} = \frac{8}{2.31} \approx 3.46 \ \text{輛}, \]

總成本

\[ TC(\mu^*) = 600 \times 3.46 + 900 \times 10.31 \approx 2076 + 9279 = 11355 \ \text{元／小時}. \]

比較 \(\mu = 10\) ： \(L = 8/(10-8) = 4\) 輛， \(TC = 600 \times 4 + 900 \times 10 = 2400 + 9000 = 11400\) 元／小時。最適解每年（以 4000 小時計）可省約 \(45 \times 4000 = 18\) 萬元——差異不大，這正是平方根解的特徵：成本曲線在最適點附近平緩，管理者因此有協商空間。

多櫃台排班：呼叫中心的經典問題#

實務上更常見的是決策「開幾個窗口」： \(M/M/s\) 模型、固定 \(\mu\) ，選 \(s\) 。設每位服務員成本 \(c_s\) 、等待成本 \(c_w\) ，總成本 \(TC(s) = c_w L(s) + c_s\, s\) 。 \(L(s)\) 隨 \(s\) 遞減而 \(c_s s\) 遞增，最適的 \(s^*\) 滿足邊際比較：

\[ TC(s^*+1) \ge TC(s^*) \quad \text{且} \quad TC(s^*-1) \ge TC(s^*). \]

計算時用 Erlang C 公式先求「需等待機率」，再求 \(L_q = C(s,a)\cdot \dfrac{\rho}{1-\rho}\) （ \(\rho = a/s\) ）與 \(L = L_q + a\) 。呼叫中心業界通行的「服務水準」指標——如「 \(80\%\) 的來話在 20 秒內接起」——正是把 \(C(s,a)\) 與等待時間分配結合的產物： \(P(W_q \le t) = 1 - C(s,a)\, e^{-(s\mu - \lambda)t}\) 。排班軟體背後就是這條式子在逐小時反解 \(s\) 。

flowchart TD
    A[決策：服務率μ或櫃台數s] --> B[排隊模型 M/M/1 或 M/M/s]
    B --> C[等待指標 W_q, L_q, 服務水準]
    C --> D[等待成本 c_w × L]
    A --> E[產能成本 c_s × μ 或 c_s × s]
    D --> F[總成本 TC]
    E --> F
    F --> G{邊際改善>邊際成本?}
    G -- 是 --> A
    G -- 否 --> H[最適服務水準]

例題：該開幾個櫃台#

例題 4.3.2：郵局某時段 \(\lambda = 16\) 位／小時，每位服務員 \(\mu = 10\) 位／小時（指數近似）， \(c_w = 300\) 元／小時、 \(c_s = 220\) 元／小時（每人）。計算 \(s = 2, 3\) 的總成本並選優。（已知 \(s=2\) 時 \(L_q \approx 2.844\) 、 \(s=3\) 時 \(L_q \approx 0.380\) 。）

解： \(s = 2\) ： \(L = 2.844 + 16/10 = 4.444\) ，

\[ TC(2) = 300 \times 4.444 + 220 \times 2 = 1333 + 440 = 1773 \ \text{元／小時}. \]

\(s = 3\) ： \(L = 0.380 + 1.6 = 1.980\) ，

\[ TC(3) = 300 \times 1.980 + 220 \times 3 = 594 + 660 = 1254 \ \text{元／小時}. \]

\(s = 4\) 時 \(L_q\) 更小但 \(c_s s = 880\) 上升，粗算 \(TC(4) \approx 300 \times 1.68 + 880 \approx 1384 > 1254\) 。故 ** \(s^* = 3\) **。注意多開一個櫃台的年效益（ \(1773 - 1254 = 519\) 元／小時）遠超其人事成本（220 元／小時）——集中排班、尖峰加開，是排隊成本模型最直接的省錢手段。

服務水準的訂價本質#

「服務水準 \(80\%\) ／20 秒」不該是行業慣例，而是等待成本函數的影子。若能估出顧客流失與時間成本，服務水準應由最適化反推；若估不出，敏感度分析（如例題 4.3.1 中成本曲線平緩）至少告訴你容許誤差的範圍。這種「把服務品質翻譯成貨幣再最佳化」的思路，是作業研究帶給服務業最重要的心智工具。

前因後果與驅動關係#

管理問題驅動理論：戰後美國服務業與電腦分時系統的擴張，使「人力排班」成為億元級問題；呼叫中心產業在 1980–90 年代把 Erlang C 排班推成標準作業，醫院則在急診壅塞危機後跟進。
理論如何改變實務：成本最適化使「服務品質」從抽象口號變成可預算的變數；排班軟體、急診分流標準（如五級檢傷的產能對應）、快遞取件時段承諾，都是「等待成本×排隊模型」的應用。
對後續章節的影響：4.1 節的 Erlang B（損失制）與本節的等待制是同一框架的兩端；5.1 節 EOQ 的「訂購成本 vs. 持有成本」結構與本節的「產能 vs. 等待」同構，最適解都呈現「兩股反向成本的拉鋸」；8.1 節決策樹中顧客流失的期望值估計，正是 \(c_w\) 的來源之一。
與兄弟書的連結：《經濟的數學》第 4 章的成本函數與邊際分析提供了本節的微積分語言；《會計的數學》第 7 章預算差異可用來回饋校正 \(c_w\) 、 \(c_s\) 的估計值。

練習#

\(\lambda = 9\) 輛／小時、 \(c_w = 500\) 元／小時、 \(c_s = 800\) 元／（輛／小時）。求 \(\mu^*\) 與最適時的 \(L\) 。
承例題 4.3.2，若等待成本升至 \(c_w = 500\) 元／小時，重算 \(TC(3)\) 與 \(TC(4)\) （設 \(L(4) \approx 1.68\) ），最適櫃台數是否改變？
證明 \(M/M/1\) 成本模型中 \(\mu^* - \lambda = \sqrt{c_w\lambda/c_s}\) ，並說明為何 \(\mu^*\) 恆大於 \(\lambda\) （穩定性自動滿足）。
某呼叫中心要求「 \(90\%\) 來話在 30 秒內接起」。以 \(M/M/s\) 等待時間分配式 \(P(W_q \le t) = 1 - C(s,a)e^{-(s\mu-\lambda)t}\) 說明：話務量 \(a\) 上升 1 Erlang 時，維持同一服務水準所需的 \(s\) 通常不止增加 1 人。原因為何？
思考題：急診室對「重病症人」的等待成本遠高於輕症。單一佇列、單一 \(c_w\) 的模型必然失真。你會如何改進模型（例如分類多佇列、優先權排隊），且這與檢傷分類制度的設計有何呼應？

名詞速查表#

**等待成本 \(c_w\) **：顧客（或工件）每單位時間等待的貨幣成本。
**產能成本 \(c_s\) **：提高服務率或增設服務員的單位成本。
**最適服務率 \(\mu^*\) **：使 \(TC = c_w L + c_s\mu\) 最小的服務率， \(M/M/1\) 下為 \(\lambda + \sqrt{c_w\lambda/c_s}\) 。
服務水準（service level）：如「 \(x\%\) 顧客在 \(t\) 時間內被服務」，由 Erlang C 與等待時間分配反解。
邊際分析： \(s^*\) 滿足 \(TC(s\pm1) \ge TC(s)\) 的離散最適條件。
敏感度：總成本曲線在最適點附近平緩，估計誤差容忍度高。

（本節完）