입장 태깅 기록 620건으로 지금의 점심 줄을 재현한 뒤, 대안 세 가지를 같은 조건에서 30번씩 돌렸습니다. 돈이 드는 배식 라인 추가는 줄을 좌석 대기로 옮겼을 뿐이고, 공사가 필요 없는 시차 점심이 대기를 가장 크게 줄였습니다.
11:30~13:30 입장 태깅을 5분 단위로 묶었습니다. 처리 능력이 모자란 게 아니라, 2시간 중 10분에 수요가 몰리는 구조입니다.
12:00~12:20 사이 줄 선 40명의 대기를 스톱워치로 재고, 1인 배식 시간을 바꿔 가며 시뮬레이션이 같은 값을 내는 지점을 찾았습니다. 이 단계를 통과해야 대안 비교를 믿을 수 있습니다.
평균 대기를 배식 줄 대기와 자리 없어 기다린 시간으로 나눴습니다. 오른쪽은 식판을 들고 자리를 기다린 사람 수입니다.
| 시나리오 | 평균 대기 | 오래 기다린 10% | 배식 줄 대기 | 최대 줄 | 자리 기다린 사람 | 만석 시간 |
|---|---|---|---|---|---|---|
| 현재 (12시 일제히, 3줄) | 10.3분 | 21.7분 | 9.7분 | 277명 | 275명 | 7.4분 |
| 시차 점심 (40%를 11:40 출발) | 3.8분 | 9.9분 | 3.6분 | 145명 | 88명 | 2.8분 |
| 배식 라인 1줄 추가 (4줄) | 8.9분 | 19.2분 | 6분 | 238명 | 299명 | 10.6분 |
| 반찬 셀프바 (배식 시간 -25%) | 9.1분 | 19.5분 | 6.5분 | 244명 | 299명 | 9.9분 |
실제로는 사람을 무작위로 나눌 수 없고 부서 단위로 옮겨야 합니다. 최적화 솔버로 "가장 몰리는 시각의 인원 한도"별 최소 변경 배정을 구하고, 각 배정을 시뮬레이션으로 30번씩 돌렸습니다.
| 부서 | 인원 | 출발 가능 | 검토 중인 안 | 최적 배정 |
|---|---|---|---|---|
| 경영지원 | 40명 | 11:30~12:20 | 12:00 | 12:00 |
| 인사 | 25명 | 11:30~12:20 | 12:00 | 12:00 |
| 재무 | 30명 | 11:30~12:20 | 12:00 | 12:10 |
| 영업1팀 | 70명 | 12:00~12:20 | 12:00 | 12:10 |
| 영업2팀 | 60명 | 12:00~12:20 | 12:00 | 12:10 |
| 마케팅 | 55명 | 11:30~12:20 | 12:00 | 12:00 |
| 개발1팀 | 80명 | 11:30~12:20 | 11:40 | 12:00 |
| 개발2팀 | 75명 | 11:30~12:20 | 11:40 | 11:50 |
| 디자인 | 35명 | 11:30~12:20 | 12:00 | 11:50 |
| 데이터 | 45명 | 11:30~12:20 | 12:00 | 11:50 |
| 고객지원 | 60명 | 11:30~11:40 | 11:40 | 11:40 |
| 연구소 | 45명 | 11:40~12:20 | 12:00 | 11:50 |
| 결과 | 4,300 사람·분 · 평균 3.8분 · 오래 기다린 10% 10분 | 4,800 사람·분 · 평균 2.1분 · 오래 기다린 10% 4.5분 |
교차 검증: 같은 배정을 파이썬 OR-Tools(CP-SAT)와 웹 도구의 HiGHS가 12개 한도 모두 똑같이 골랐고, 평균 대기는 SimPy 10.4·3.9·2.1분, 웹 엔진 10.3·3.8·2.1분(지금·검토 중인 안·최적 배정)으로 맞았습니다. 몰림 한도를 낮춘다고 대기가 항상 줄지는 않아서(곡선 가운데 볼록한 구간), 최적화 결과도 시뮬레이션으로 확인해야 합니다.
이 리포트는 4단계까지의 결과물입니다. 적용 후 같은 방식으로 다시 재서 효과를 확인합니다.
데이터팝콘 현업 시뮬레이션 진단 · simulation.datapopcorn.ai/business · [email protected]