Ž ^óŸg[¢’2X4lÕRGNKx zvthuir.thu.edu.tw/retrieve/22625/101THU00720018-001.pdf ·...

東海大學餐旅管理學系碩士論文

餐廳顧客進場法則之研究

A Study of Restaurant Admission Policies

碩士班研究生黃純芩

指導教授郭振峰博士

中華民國一百零二年六月

http://www.pdfcomplete.com/cms/hppl/tabid/108/Default.aspx?r=q8b3uige22

東

海

大

學

餐

旅

管

理

研

究

所

碩

士

論

文

餐

廳

顧

客

進

場

法

則

之

研

究

研

究

生

黃

純

芩

撰

一

百

零

二

年

六

月


Ⅰ

誌謝

對於不愛唸書的我，能夠考進研究所已經是讓家人很意外也很開心的

事了，經過研究所生涯四年，即將成為家中的第一位研究生，更是能夠

讓家人引以為傲的一件事，而我的心中也有許多道不盡的喜悅與感謝。

首先我要感謝我的指導教授—郭振峰教授，在這四年當中，因為我的優

柔寡斷，論文進度總是斷斷續續的，但郭振峰教授卻不厭其煩的幫助我

總是銜接不上的進度、鼓勵我早已失去的信心、鞭策我時常懶散的態度、

協助我建立模擬模型...等，才能讓我原本打算放棄的論文才得以走完

成；還有百忙之中抽空審閱論文的丁冰和教授及洪國禎教授，針對我在

論文的不足給予我諸多的建議，萬分感謝教授們的幫忙。

接著在四年裡，工作也佔了我大部分的生活。我要特別感謝的是T

餐廳的中區施經理及南區黃經理，以及我所待過的每一間分店的店長—

嚴店長、彭店長、吳店長及曾店長、每位同仁，因為自己的舉棋不定，

在中部及南部來回申請調店，還有店舖對於我在排班上給予我最大的配

合，感謝每位同仁給予我的包容及體諒。

接著是我的朋友、研究所同學、學長姊及老師們，在我求學階段總

是不吝嗇的給予我所需要的幫助，為我解惑，讓我面對諸多疑惑都能迎

刃而解；最後要深切的感謝我的家人，對於我的任何決定，都給予我最

大的支持及鼓勵，僅將畢業的喜悅獻給我親愛的家人以及支持我的朋友

們。

黃純芩謹致

中華民國一百零二年六月


Ⅱ

餐廳顧客進場法則之研究

中文摘要

餐廳遇到顧客盈門時 (如假日)，如果能接受更多的散客，則可提升

餐廳翻檯率。當然「接受更多的散客」這件工作，除了需要仰賴餐廳全

體同仁的努力外，餐廳領檯更扮演直接影響餐廳入座客數多寡的角色。

領檯除了對於訂位顧客的到達率及時間要掌握得非常清楚外，同時對於

接受散客的時間點也很重要。本研究透過 eM-Plant 7.0 軟體，自建的電

腦模擬模式，以模擬某一餐廳的實際營運實況，並將接受散客的時間差

(即座位已被預約時間 – 散客目前到達現場後想入座的時間)，以 30 分

鐘、45 分鐘、60 分鐘、75 分鐘、及 90 分鐘 (現行法則) 進行測試。結

果顯示，現行的作法 (即顯示 90 分鐘) 不是最好的法則，隨著不同的情

況，餐廳可以不同的時間差 (即 30 分鐘、45 分鐘、60 分鐘、或是 75 分

鐘) 讓散客入座，以提高餐廳的翻檯率。

關鍵字：散客、進場法則、電腦系統模擬、領檯、翻檯率


Ⅲ

A Study of Restaurant Admission Policies

ABSTRACT

During the peak time, such as holidays, if restaurant could accommodate

more customers, table turnover rate could be increased. Certainly,

accommodating more walk-in guests is relying on not only the effort from all

staff. However, host/hostess plays an key role to improve seat occupancy.

This research applies eM-Plant 7.0, a computer simulation software, to build

up a computer simulation model, simulate the real operation of a restaurant,

and fine a proper slack time ( i.e., customer reservation time minus arrival

time of walk-in customer ) for each circumstance to host more walk-in

customers. According to our findings, the present policy, 90-minute slack

time, could not result in the highest seat occupancy for each circumstance.

Key Words：Walk In、Admission Policy、Computer Simulation、Host、

Turnover


Ⅳ

目錄

一、前言.................................................................................................1

二、文獻回顧

2.1 進場法則.....................................................................................3

2.2 系統模擬的定義.........................................................................5

2.3 模擬在餐旅產業上的應用.........................................................8

三、研究方法

3.1 餐廳營運現況與研究方法.......................................................14

3.2 研究假設...................................................................................18

3.3 建立模擬模式...........................................................................20

3.4 實驗設計...................................................................................24

四、資料分析與結果

4.1 資料分析………………………………………………...……26

4.2 結果討論……………………………………………………...30

五、結論與建議

5.1 研究結論與建議……………………………………………...33

5.2 研究限制……………………………………………………...36

5.3 未來研究……………………………………………………...36

六、參考文獻…………………………………………………………...38

七、附件 ( Method )................................................................................43


Ⅴ

表圖目錄

表：

表 2-1 模擬系統應用在餐旅研究..........................................................11

表 3-1 系統模擬實體與模擬軟體圖示對照表......................................21

表 3-2 五種時間差..................................................................................27

表 4-1 A 狀況的完成散客狀況 ( 組數及百分比 )...........................26

表 4-2 B 狀況的完成散客狀況 ( 組數及百分比 )............................27

表 4-3 C 狀況的完成散客狀況 ( 組數及百分比 )............................27

表 4-4 D狀況的完成散客狀況 ( 組數及百分比 )............................28

表 4-5 E 狀況的完成散客狀況 ( 組數及百分比 )............................28

表4-6 F狀況的完成散客狀況 ( 組數及百分比 ).............................29

表 4-7 G狀況的完成散客狀況 ( 組數及百分比 )............................29

表 4-8 H狀況的完成散客狀況 ( 組數及百分比 )............................30

表 5-1 判斷訂位狀況的順序及參考值..................................................34

表 5-2 根據八種訂位狀況所建議的時間差..........................................35

圖：

圖 3-1 T餐廳顧客進場流程圖................................................................14

圖 3-2 八種訂位狀況樹狀圖..................................................................16

圖 3-3 T餐廳服務時間流程圖................................................................17

圖 3-4 T餐廳平面圖................................................................................19

圖3-5 eM-Plant 7.0模擬顧客入座流程..................................................22


1

一、前言

餐飲業是個高度競爭的產業，當湧入大量顧客時，餐廳需有對策以避

免流失顧客，其中，常見的方法有：預約、發放號碼牌、提升服務效率…

等等。餐廳若能提升服務效率，便可縮短顧客在餐廳的停留時間，提升

翻檯率，進而提升餐廳的營收。在 iThome ( 2011 ) 成功案例中報導，鼎

泰豐利用資訊系統提高翻檯率，使得其平日的翻檯率可達到 7、8 round，

在假日更高達 12、13 round。在 2008 年商業週刊第 1063 期報導指出，

台北某燒烤店利用精算「黃金翻檯率」，與同性質但營業時間較長的餐廳

相比，該店在假日的翻檯率整整多了 1 round。

在營運現場有許多環節會影響到翻檯的進行，例如，領檯精準的掌

握顧客入座時間 (打電話確認訂位顧客到達餐廳的準確時間 )、決定安排

哪些組顧客優先入座 (決定讓等候最久的顧客，或是人數最多的顧客優先

入座) 、考量第 2 round 顧客的訂位時間來安排第 1 round 的座位 (如果

第 2 round 有 5位以上訂位，在同一區域盡量安排用餐人數較一致的顧客 )

都是業界常用來提升翻檯率的方法。此外，餐廳業者也常利用使營運流

程更順暢及服務更有效率的方式，以提升營運現場的翻檯率，例如，簡

單的點餐程序、讓顧客能迅速決定的餐點 (以單點或套餐的方式呈現)、

不複雜的服務流程、迅速的整理離席餐桌、依顧客的用餐目的將座位區

加以區隔 (商業聚餐用餐時間較短，家庭聚餐用餐時間較長，因此將同一

用餐目的之顧客安排在同一區，以利控制服務時間，提升翻檯率) …等等。

過去，許多顧客到餐廳只為了能夠吃飽，近年來，顧客對餐廳的服

務要求也越來越高，台灣的餐飲趨勢漸漸由大量的吃到飽轉為精緻簡單

化，菜單的變化也漸漸從繁複多樣轉為簡單並容易選擇，越來越多餐廳

是以西式套餐的點餐方式，從開胃菜到甜點、飲料，每一項餐點的選擇

都已經搭配好，不僅可以讓顧客容易選擇，也可以減少顧客挑選餐點的


2

時間，同時餐廳也方便依照餐點的進度而提供適客化的服務流程。台灣

某連鎖餐飲企業的旗下餐廳，在 2013 台灣服務業大評鑑的眾多連鎖品牌

餐廳中，榮獲服務業金牌；我們也會因為某餐廳的服務好而特地去用餐，

漸漸的好吃與否似乎已不再是顧客所談論的主要話題了。一向以服務著

稱的某知名連鎖旗下餐廳 (本研究稱 T 餐廳)，平日的座位已經很難預定

了，往往在假日前幾天座位已經被預訂額滿了，但被預訂的座位也很有

可能會被取消，以業者的角度通常是希望能接受越多顧客越好，而訂位

已經是固定的數量，通常的增加客數的只能仰賴現場的散客了。T 餐廳接

受散客的方式則是先扣除已訂位或已入座的座位後，再觀察現場是否有

座位，或該閒置座位離下一組訂位還差多少時間，也就是時間差(本研究

稱進場法則)。

依照本研究長期對 T 餐廳的觀察，也觀察過三間分店後，發現在一

週來說周六晚上的客數及翻檯率平均是最高的，但拒絕散客的次數也是

最高的。我們要如何從設定時間差的時間，讓領檯能夠接收更多組顧客，

又能使所有顧客都能準時進場用餐呢？本研究將以時間的角度來探討，T

餐廳對進場法則的設定，建立其外場營運流程之模擬模式。本研究目的

為：

(1) 研究餐廳領檯對「時間差」的現場實務作業方式。

(2) 利用模擬軟體 eM-Plant 7.0，建立其外場營運流程之模擬模式。

(3) 分析進場法則 ( Admission policy ) 對進場組數的影響。


3

二、文獻回顧

2.1 進場法則 ( Admission policy )

回顧過去的文獻，雖然有提及進場方式與顧客等候時間相關 ( Hwang,

2008 )，或是依照顧客喜好來安排入座方式，可以有助於顧客對於用餐回

憶的製造，但目前尚未發現相關文獻將進場 ( Admission ) 做明顯的區

隔。從餐廳顧客一入門，他們第一接觸到的便是領檯人員，因此，決定

是否讓該組顧客進場 ( Admission ) 用餐，便是領檯人員的一個重要決

定，以期餐廳在第 1 round 與第 2 round 的座位可以緊密配合，提升翻檯

率。

為了確保每張桌子都能更有效率的被使用，有些餐廳採用無訂位的

方式，只接受散客，但散客先報到的不一定會優先入座，有時必須等到

所有人到齊後再一起進場，例如，10 位顧客要一起在餐廳用餐，但是，

先到 3 位還是無法入座，必須要到 10 位一起到了才可以入座；而安排順

序的號碼，順位在前面者，不一定越先入座，很多時候都是以”人數到齊”

為準，尤其該餐廳生意興隆，客源不虞匱乏時，這種現象更是普遍。此

種方法雖可有效避免已訂位而未到的顧客，但是，因為沒有專人安排或

紀錄顧客進場時間，餐廳亦無法將進場時間準確的提供給候位者，而且，

比較晚報到者，也有可能會優先進場，尤其用餐的時間也無法精準的掌

握，如果遇到較大型的顧客 (如 10 位以上) 座位較不易安排，更容易引

起候位者的不滿，也不利翻檯的進行。因此，如果有領檯負責規劃座位，

將可以避免上述的情況發生。

對於選擇散客 ( Walk in ) 進場的方式，許多餐廳會採取 FIFS ( First

in first served )，此方法的好處是不會趕走顧客，避免餐桌的閒置，使領

檯易於做出是否讓顧客進場的決定；然而，此種方式雖很常見，但不見


4

得會提升餐廳的翻檯率， Thompson ( 2011 ) 認為，小組的團體與大組的

團體相較之下，大組團體的顧客的每分鐘平均消費額較少，而且，大組

的團體用餐時間會較小組團體來得長。因此，不論以翻檯率或營收的提

升為考量，餐廳不應優先安排大組團體進場；所以，如何安排散客進場，

現今已成為領檯重要的課題，這是以散客人數的角度來選擇散客進場的

方式，但本研究是以時間差來選擇是否接受該組散客。

領檯是攸關餐桌效率的關鍵人物。本質上，領檯是餐廳的營收經理，

但餐廳通常都會安排經驗不足的員工擔任這個角色 ( Kimes, 2004 )，雖然

這樣可以降低成本，但對於安排座位上可能無法真正將適合的人數安排

入座，因而減少營收，甚至降低顧客滿意度；有些餐廳會安排領檯人員

同時擔任其他額外的工作，這個辦法或許在離峰時間可以使用，因為沒

有很多顧客等候用餐，但是用於尖峰時刻就很有風險 ( Kimes, 2004 )，因

為無法確認訂位客是否有準時入座，亦無法給予散客較準確的候位時間。

而領檯其中一項重要的工作，就是能夠提供正確的等候時間給散

客，而給予準確的等候時間則會影響顧客滿意度 ( Kimes, 2004 )。關於已

訂位的顧客，掌握該顧客的到達率及準時進場，也是領檯的重要職掌之

一；為了避免已訂位卻未到 ( No show ) 或遲到 ( Late show ) 的顧客，

領檯可以在其訂位時間的前半小時或一個小時，再次打電話確認顧客是

否會準時到達，這個動作會避免許多餐桌上的浪費，並可盡快安排下一

組顧客進場。


5

2.2 系統模擬的定義

業者如果每做一些些許的改變，就要花費更多的成本及時間來證明所

做的改變是適合現場營運的，但是以經營的角度來看，每一天所花費的

成本都是造成資源的浪費，因此，到現在發展出許多模擬模型或程式，

在模擬過程中設定與現實相關的數據或資料，透過程式語言讓整個模型

更趨近現實，使模擬結果更能代表真實情況，減少成本付出。所以業者

可以選擇使用模擬模型來模擬現場營運的狀況，又可以在模擬模型上變

更業者所想改變的部份，不僅能避免造成資源浪費，又可使餐廳能夠更

趨近業者理想的狀態。

Banks, et al. ( 2000 ) 定義模擬乃是模仿真實系統的過程，不論是人工

或電腦模擬，模擬就是產生一個過去或未來事件的假系統，並藉由觀察

此模擬系統了解真實系統的運作特性；姜林杰佑 ( 2001 ) 定義模擬乃是

模仿真實系統的行為，也就是對真實世界中的特定體系加以觀察分析

後，將其特性及互動因素關係建立成抽象模式，藉以代表真實體系的動

態現象所使用的技術。模擬藉由抽象化複製真實體系的運轉，從而收集

有關的統計資料，以了解該系統之特質，再透過建構模式以模仿實際體

系的運作。

林則孟 ( 2001 ) 也提出模擬為模式之一種，也屬於未確定模式的一

種方法，其建立在機率與統計、資訊技術及系統理論三個基本理論上。

Shannon ( 1975 ) 認為電腦模擬是為了分析研究或評估不同策略操作所

帶來的影響，對於真實現象進行電腦化模式的構建，並且以此模型在電

腦上進行實驗的過程。

Zeigler ( 1984 ) 指出完整的模擬程序，應該包含：

1. 三個元件 ( entity ) ：

(A) 真實系統：即所要研究之真實事物，如產品生產線、醫院服務流程、


6

餐飲服務系統等，提供模擬數據的來源。

(B) 模式：反映現況之系統說明。

(C) 模擬器：可以進行個案分析之模擬軟體及機器設備。

2. 兩個基本關係：

(A) 模式建立：其為發展出真正能夠正確代表實際現況模式之過程，其模

式是否正確，仍須對於模式進行模式確認 ( Verification )，以符合過程

邏輯性。

(B) 模擬：即利用模擬器執行模式的過程，此處所重視的是模擬過程是否

能正確符合實際作業進行的現況。此驗證的過程稱為模擬驗證

( Validation )，以符合模式預測之準確程度。

一般而言，模擬的模式大致可分為下列三種 ( Hoover，1989 )、(黃榮堯，

1998 )、( Pritzker，1997 )：

1. 離散式/連續式（Discrete/Continuous）

所謂離散式模擬，指的是模擬過程中應變數（dependent variable）是隨

模擬時間的特定點而個別改變，而連續式模擬指的是模式中應變數隨著

模擬時間持續的變化。一般營建作業電腦模擬多採用較易處理的離散式

模擬。

2. 隨機式/常數式（Stochastic/Determinstic）

如果模型內存在任何隨機的變數，那這個模擬可歸類為隨機式模擬；若

模型內之數學關係皆為確定的常態分佈、三角形分佈、指數分佈等，而

不含任何不確定之變數在內時即歸類為常數式模擬。以營建工程項目耗

時而言，隨機式模擬較接近真實情況，事實上電腦模擬亦常以混合方式

進行。

3. 靜態/動態（Static/Dynamic）

所謂動態模擬指的是模型的變數隨時間而改變，相反的，靜態模擬則為


7

模型的變數不隨時間而改變，通常營建作業間的排隊模型都是動態的模

擬。

由於不同模擬系統有其不同的特性，需要不同的統計方法加以分析。

根據其特質，將模擬實驗分析的系統分為以下兩類：中斷式系統

( Terminating System )是指將系統模擬一特定時間TE，也就是當E事件發

生時，系統即停止模擬。此類的模擬系統從時間為0且在一特定的起始狀

態下開始模擬，並且在時間為TE時停止。非中斷式系統 ( Nor-Terminating

System )是指連續執行一段很長時間的系統，如24小時無休止的電話或電

信系統、IC製造業生產、7-11便利商店，或醫院的急診室等。通常此系統

有興趣分析的是其長期穩態，也就是不受起始狀態的系統特性。因此有

所謂的穩態模擬( Steady-State Simulation )，即在模擬分析長期且穩態的非

中斷式系統(林則孟，2001)。

在模式建立後，必須要確認模型的模式程序是否能夠代表或符合現

況，所以需要進行模式確認， Nayani 等 ( 1998 ) 對於提出模式之確認

可以有以下幾種方法：

一、由人員利用電腦化的方式去對每個單元元件作邏輯上的分析；

二、檢查模式程序上是否在某個地方有過長的等待，或者設備上出現大

量的閒置現象，則必須找出其發生的原因；

三、可以利用甘特圖或作業流程表來查核模式是否正確；

四、作對於輸出資料做分析，如增加或減少投入是否輸出會有同樣的變

化。


8

2.3 模擬在餐旅產業上的應用

表 2-1 是將模擬系統使用在餐飲研究的學者及研究的內容，早期的學

者將模擬模型使用在食物製備或是改善作業流程上，後續有學者也將模

擬模型使用在設備產能改善與評估上，模擬模型也漸漸成為經理人做決

策的工具，接著 Lamber 將模擬模型應用在評估飯店預約政策上，也有

效增加訂房率及利潤最大化，在後續有越來越多學者將模擬模型應用在

人力資源的規劃與配置，來預測食物製備時間，以便調整人力配置改善

設備，降低人事成本。因為模擬模型的使用越來越普遍， Feinstein ( 2001 )

針對餐旅系學生使用 FIST 來增加參與者的動態知識，也發現模擬模型

使用在教育上也是可以彰顯其效果。國內學者也陸續使用模擬模型加入

其研究，例如在中式餐盒的生產線、速食業的製程，皆有達到改善產能

的效果；另外在知名餐廳的顧客等候線的研究中應用了模擬模型，該研

究也提出最佳訂位率及最佳管理人數。

西元 1964 年首先將系統模擬使用在餐飲服務的學者是 Montag,

McKinley 與 Klinschmidt ，他們將系統模擬應用在食材的準備，以減少

員工在食物製備的時間，增加員工的工作效率；西元 1965 年，Ostenso,

Moy 及 Donaldson 是最早使用電腦模擬來評估解決問題，並有效進行餐

飲服務的經營；西元 1969 年，Beach 及 Ostenso 則是最早使用模擬來評

估員工服務與顧客間的關係，其結果是有的，同時他們也利用 MTM 法

來衡量是否能精準預測主餐的服務時間。

在西元 1988 年， Lambert 將模擬使用在評估飯店預約政策上，成為

第一位在飯店經營使用模擬做為決策工具的學者；西元 1989 年，該學者

與 Lambert 與 Cullen 又建立 1988 年所設立問題的最適模型，模擬可幫

助增加預約，使房間住房和利益最大化； Thompson ( 1999 ) 在人力資源

規劃上使用系統模擬，來評估比較實際需求與預測需求上，此模型同樣


9

也可以被使用在飯店、主題樂園以及餐廳。西元 2001 年，學者 Feinstein

對餐旅系學生使用餐飲服務教學模擬技術 ( FIST )，而 FIST 顯著增加研

究參與者的動態知識，此外參與者使用 FIST 顯示與成熟間呈負相關關

係，獲得認同來自他們在餐飲服務中的年齡和管理經驗以及在動態知識

中的收穫；西元 2002 年， Brann 與 Kulick 建立了虛擬廚房，模擬工具

用於廚房可執行許多工作，並有效的提高服務速度及服務產能。

而國內學者在餐飲模擬的研究仍屬少數，西元 1994 年，蔡富元使用

模擬系統調整生產線、人員配置規劃，以提高機具使用率及效能許天鐘

( 1998 ) 曾有系統的整理國外有關餐飲模擬的文獻，並將文獻歸納為四大

類，包括作業流程的評核與改善、軟體與硬體設備的改善、人力的規劃

以及餐飲地址的選擇，他在西元 1998 的速食餐廳餐飲生產流程與人力的

研究中發現，廚房配置 2 人，配合特定使用品管表可滿足服務需求；田

本和 ( 1998 ) 於「系統效率評估與模擬技術」中應用 Simscript 模擬語言

模擬福利餐廳之經營，以顧客到達餐廳的時間以及用餐時間來規劃服務

餐廳內座位的數量。

西元 2002 年， Kuo 將模擬使用在學校餐廳的餐飲生產力上，探討

出其影響生產力之因素以及建構學校餐廳模擬模式；白宜弘 ( 2005 ) 針

對王品牛排館模擬餐廳等候線之問題，該研究指出在實際狀況下確實有

嚴重的等候現象，沒有訂位的散客以及在供餐速度與進食速度無法配合

時都會產生等候現象，故研究最後提出建議業者將原本 ( 80 % ) 之開放

預約訂位比率改為 70 % ，因由業者角度來看，在此比率之下平均服務的

顧顧客數較高，但若以顧客角度來看，在 60 % 的預約訂位比率可使其等

候時間及人數較少。

鄒家昇 ( 2005 ) 在整理餐飲模擬相關文獻後，歸納出三項類別，分

別為流程分析、人力分析以及設備或環境規劃；在 2011 年使用模擬軟體


10

找出人力配置之最適化。研究結果顯示，根據該店中資源配置情形，在

模擬改善方案的 18 個方案中，若能增加漢堡作業人員 1 位與兼職櫃檯人

員 1 位，則服務系統能在「顧客於店內等候取餐的時間」減少為原來的

65 %。

張凱嵐 ( 2009 ) 探討預約政策對顧客等候時間及翻桌率的交互影

響，結果顯示，根據研究對象的情況，在不管需求高低 (假平日) 時若使

用「不提供預約」則顧客平均等候時間均為最短。而賴曉逸 ( 2009 ) 也

透過模擬軟體，探討批量生產、人員作業時間及是否使用打菜器皿對整

體製備時間的交互影響。研究結果顯示「有無使用器皿打菜」對降低整

體製備時間的效果最大。 Kuo ( 2011 ) 在顧客等候線的研究中發現，單

行等候線比多行等候線較能減少顧客等候時間。

在近期的研究中，餐廳餐桌的動線擺設及預約制度也都有學者將模

擬模型作為研究的工具，但本研究發現，目前尚未有學者將模擬模型使

用在餐廳顧客進場的研究上，而本研究也將針對餐廳接受散客的服務流

程及閒置餐桌的時間差建立模擬模型。


11

表 2-1 模擬系統應用在餐飲研究

年份作者研究對象研究內容研究結果

2011 郭振峰、鄒家昇速食餐廳

人力配置最適化

增加漢堡作業人員及兼職櫃檯人員各1 位，則服務系統能在「顧客於店內等候取餐的時間」減少為原

來的 65%。 2011 Kuo et al. 速食餐廳顧客等候線單行等候線比多行等候線較能減少顧客等候時間。

2009 張凱嵐涓豆腐板橋店餐廳預約制度不預約的翻桌率最高。

2009 賴曉逸慈濟基金會香積組

食物製備時間影響因素

有無使用器皿打菜對降低整體製備時間的效果最

大。

2009 Hwang & Yoon 餐旅管理學生餐廳餐桌的擺設餐廳中隱密的位子較能提高顧客滿意度。

2009 Kuo & Nelson 學校餐廳人力配置最適化為了平衡勞資雙方以及遵守食物保存時間，建議最

長時間保存，最短時間處理食物的規則。

2008 Thompson & Kworthik 預約制餐廳餐廳預約制度 1. 比較餐廳不同知預約方式對經營效率的影響。

2. Pooling 預約方式在服務水平高、大型餐廳等條件下比較有效。

2007 林冠宏速食餐廳派工法則及資訊設備運用派工法則及資訊設備縮短顧客等候時間。

2007 Edelheim & Ueda

ICTHM (International

College of Tourism and

Hotel Management)

餐旅模擬效能

有足夠的模擬講解課程來幫助學員對系統模擬的

最大理解，並選擇適合的模擬程式，以達到最理想

的學習成果。

2005 盛柏喬軍事院校餐廳作業流程的改善與人力資源規劃

調整調理食品比例與派工法則、減少人員使用率、

製備工時、持有時間。

2005 白宜弘、陳景榮牛排館顧客等候線

提出最佳訂位率 70 %、服務人數 9 位、管理人數 6位為最佳組合。

2005 Curin, et al. 學校餐廳人力資源配置為了減少顧客等候時間，建議操作員工為 5 位。

2005 鄒家昇速食餐廳餐飲人力與資源配置

1.分析員工、設施對忙碌率、等候時間等之影響。 2.用模擬方法找出最適改善建方案。

2002 Kuo 學校餐廳餐飲生產力探討出其影響生產力之因素以及建構學校餐廳模擬模式。

2002 Feinstein & Parks 餐飲業模擬模型使用在

餐飲教育模擬模型被大量使用在餐飲操作及教育上。

2002 Brann & Kulick 虛擬廚房餐飲生產力模擬工具用於廚房可執行許多工作，並有效的提高

服務速度及服務產能。 2001 蕭正安中式餐盒工廠生產線產能預測並調整菜餚生產時間以改善產能。

2001 Feinstein 餐旅系學生

餐飲服務教學模

擬技術 Foodservice Instructional Simulation Technique

( FIST )

FIST 顯著增加研究參與者的動態知識，此外參與者使用 FIST 顯示與成熟間呈負相關關係，獲得認同來自他們在餐飲服務中的年齡和管理經驗以及

在動態知識中的收穫。

2000 Newman 速食餐廳生產及服務傳遞效率

使用模擬軟體可能減少在英國速食業服務傳遞系

統中存在的問題。


12

(續表 2-1)

1999 Thompson 人力資源規劃

1.用模擬來評估比較實際需求與預測需求。 2.卜瓦松分配可表示出晚餐顧客抵達模式。 3.此模型可被用在飯店、主題樂園以及餐廳。

1998 Hueter & Swart 速食餐廳人力資源規劃調整人員配置以降低人事成本。

1998 廖健宏中式餐盒工廠餐飲人力與資源配置

預測製備時間、調整人員配置改善設備、人員使用

率及產能。 1998 田本和福利餐廳餐廳座位建立一個可以評估餐廳坐位數量之模式。

1998 何正義速食餐廳速食餐廳櫃檯與座位

1,研究結果發現速食餐廳之座位數不會影響其經營績效。 2.建議應著重於服務速度。

1998 許天鐘

速食餐廳餐飲生產流程與

人力資源

1,模擬餐飲生產人力與人力。 2.廚房配置 2 人以下，配合特定使用品管表可滿足服務需求。

1997 Field,

McKnew, and Kiessler

歐式自助餐廳作業流程的改善 1.幫助自助餐餐廳經裡考慮餐廳結構的安排。 2.系統模擬可扮演執行決策的最佳工具。

1996 Farahmand

and Martinez

速食餐廳作業流程的改善與人力資源規劃

1.將模擬與敏感性分析結合。 2.以得來速做為個案決策。

1996 Nettles 學校餐廳餐飲人力與顧客流量規劃構建餐廳模式及餐飲消費流量控管。

1995 林秀菁冷凍調理食品

工廠作業流程的改善與

人力資源規劃不同產品、人員配置與設備調整之產能改善成果。

1995 Stout 自助餐廳餐廳設計詳盡解釋如何使用特定的模擬模型軟體。

1995 Shen,

Scheller, and Wolfe

自助餐廳自助餐廳菜餚及餐具的供需

1.解決自助餐廳複雜之供給與需求問題。 2.自助餐廳應該要有半成品的準備、增加餐具的庫存等。

1994 Sabah 等食品加工工廠

設備使用率及生產時間調整設備使用率以降低平均生產時間。

1994 Jaynes & Hoffman 一般餐廳餐廳地點選擇最佳化停車系統之規劃及對於餐廳周遭停車環境

模擬分析。

1994 Godward & Swart 速食餐廳人力資源規劃利用預測、模擬、最佳化三種模式來全面性的解決

此問題。

1992 Vakharia et al. 速食餐廳人力資源規劃考量上班意願，每週最佳的員工排班表。

1991 Kharwat 速食餐廳生產力及效率模擬協助餐飲服務操作得到更快速的答案及更具成本效益，特別針對速食業。

1994 蔡富元罐頭工廠作業流程的改善與人力資源規劃

調整生產線、人員配置規劃以提高機具使用率及產

能。

1993 Cassell et al. 歐式餐廳人力瓶頸改善餐廳送餐人員最佳化。

1989 Lambert, Lambert,

and Cullen 飯店增加房間訂房率及

利潤最大化 1.建立 1988 年所設立問題之最適模型。 2.模擬可幫助增加預約，使飯店住房和利益最大化。

1988 Lambert 飯店 1.第一個在飯店經營使用模擬做為決策之工具。 2.模擬為評估飯店預約政策最有效的工具。 3.解釋如何發展模型。


13

(續表 2-1)

資料來源：本研究整理

1987 Kennedy et al. 速食餐廳廚房人力資源規劃當新產品上市時，餐廳員工任務的調整。

1987 Martinez 速食餐廳人力資源規劃提出在不同銷售水準下，人力安排的建議。

1987 Parkan 速食餐廳顧客到達 1.第一個在餐飲經營上模擬抵達系統 ( arrival system ) 。 2.模擬幫助確認減少員工與服務時間之間的關係。

1986 Andrew,

Lambert, and Lambert

披薩店設備產能評估與改善

1.發展小型餐飲經營之系統模擬。 2.未來模擬會越來越有用。 3.模擬是餐飲業經理人在做決策時的工具。

1981 Swart and Donno 速食餐廳作業流程改善 1.說明如何利用模擬來改善生產、效率及銷售。 2.模擬超過 3000 間漢堡王，來證明系統模擬的成效以及在經營上的適用性。

1980 Guley & Stinson 食品工廠作業規則的方式選擇最短時間傳遞法則為最佳處理原則。

1969 Beach and Ostenso

1.最早使用模擬來評估員工服務與顧客間之關係。 2.模擬利用員工服務時間與菜單來評估員工服務時間，其結果是有效的。 3.利用 MTM 法來衡量是否能精準預測主菜之服務時間。

1965 Ostenso, Moy, and Donaldson 餐飲服務操作 1.餐飲業最早使用電腦模擬。 2.可用模擬來評估解決問題，並有效進行餐飲服務的經營。

1964 Montag,

Mckinley, and Klinschmidt

食物製備 1.餐飲業第一個使用模擬。 2.模擬食材的準備，以減少員工在食物製作的時間。


14

三、研究方法

3.1 餐廳營運現況與資料蒐集

本研究的對象為某連鎖企業旗下餐廳台南分店 (以下簡稱T餐廳)，客

單價為549元，假日 (即禮拜五到禮拜日) 晚上客數 (餐點銷售數量) 平均

在300客(含)以上，點餐時間為 17:00 ~ 21:00 ，在4個小時的營業時間中，

平均可達2次的翻檯率。

顧客 (散客) 的時間差，是在扣除已訂位之餐桌數後，以每位領檯的

經驗不同，來決定在使用該桌的下一組顧客用餐時間之前，而給予散客

不同的候位時間，圖 3-1 為T餐廳領檯接受散客的標準流程。

資料來源：本研究繪製

圖 3-1 T餐廳顧客進場流程圖


15

本研究收集了禮拜六晚上的散客的候位時間共 30 筆，平均時間為

104.83 分鐘；座位佔用時間 37 筆，平均為 126.75 分鐘，其中包含用餐顧

客中有慶生活動或是用餐趕時間的顧客。

在訂位資料部份，向 T 餐廳說明取得的訂位資料為研究用後，依照

本研究的需要，共收集了 16 次禮拜六晚上的訂位資料，依照大組訂位、

訂位取消及散客的參考優先順序與其多寡(取 16 組散客、大組訂位及訂位

取消百分比的平均，得到 29 % (含)以下為散客少，30 % (含)以上為散客

多；8 % (含)以下為大組訂位少，9 % (含)以上為大組訂位多；15 % (含)

以上為取消多，14 % (含)以下為取消少)，整理成八種訂位狀況(圖 3-2 )，

並將 16 組訂位資料分配到以下八種狀況，每種狀況得兩組訂位資料：

狀況一 ( A )：大組訂位多，訂位取消多，散客多。

狀況二 ( B )：大組訂位多，訂位取消多，散客少。

狀況三 ( C )：大組訂位多，訂位取消少，散客多。

狀況四 ( D )：大組訂位多，訂位取消少，散客少。

狀況五 ( E )：大組訂位少，訂位取消多，散客多。

狀況六 ( F )：大組訂位少，訂位取消多，散客少。

狀況七 ( G )：大組訂位少，訂位取消少，散客多。

狀況八 ( H )：大組訂位少，訂位取消少，散客少。


16


圖 3-2 八種訂位狀況樹狀圖

因為 T 餐廳屬於套餐的消費方式，為了更能掌握顧客的用餐時間，T

餐廳設定了從顧客接觸領檯後的每一個環節所需花費的時間，將每一個

步驟的時間標準化，圖 3-3 為 T 餐廳的服務時間流程圖。


17

五分鐘二十分鐘五分鐘二十分鐘

十～十五分八分鐘五分鐘四分鐘

領檯

電話

訂位

主餐

點膳

前菜

開胃

菜

沙拉

送湯

主餐

甜點

飲料

結帳

送客

電訪、

親訪

一分鐘二分鐘五分鐘

●- - - - - - - -● ● ● ● ● ● ● ● 0 1 3 8 12 17 25 ● ● ● ● ● 40 60 65 85 90 資料來源：T 餐廳

圖 3-3 T 餐廳服務時間流程圖


18

3.2 研究假設 ( Assumption )

在格局部份，T 餐廳屬於兩層樓的格局，圖 3-4 為 T 餐廳的平面圖，

在 1 樓屬於大區域，而 2 樓區分成 3 個小區，在圖中的餐桌是可以移動

及合併的，每張餐桌為長方形，可坐兩位，本研究假設，使用在現場的

餐桌數量為 99 張。

在區分進場人數部分，因為在文獻回顧中提到，大組顧客的座位佔

用時間會比小組顧客來的長，而以座位安排來看，通常 9 位(含)以上需要

使用一個區塊的區域 (四張餐桌)，所以本研究假設以進場人數 9 位(含)

以上為大組顧客，8 位(含)以下為小組顧客。

在時間部分，為了能使模擬模型更貼近現況，本研究以收集的平均

時間 126.75 分鐘為假設時間，將時間設定於模擬模型的用餐時間中。顧

客平均候位時間為 104.83 分鐘，因為 T 餐廳是知名連鎖餐廳，而等候的

時間是 T 餐廳普遍的候位時間，此時間是包含等候用餐顧客的整體服務

時間及其他活動 (如慶生、佔用座位聊天) 所佔用的時間，而本時間也將

設定在模擬模型的是否願意等候的候位時間。

在進場法則方面，檢視過 T 餐廳的訂位表發現，在進場時間的差距

最大是相隔 15 分鐘，例如 5：00 接下來是 5：15，所以本研究將進場法

則的時間差設定相差 15 分鐘。在現行法則部份，基於 T 餐廳的整體服務

流程時間，本研究假設顧客在用餐過程中沒有等候餐點、慶生活動而延

長用餐時間，也沒有因為趕時間而縮短用餐時間，在確保給予的候位時

間能夠讓散客準時入座的前提下，將現行法則設定為 90 分鐘。


19

1 樓 (一個區域)

2 樓 (三個區域：A 區、B 區、R 區)

：兩人桌：可移動椅子：沙發資料來源：本研究繪製

圖 3-4 T 餐廳平面圖


20

3.3 建立模擬模式

3.3.1 模擬模式建立

經現場觀察後，我們依照圖 3-1 之服務流程圖進行模擬建構，圖 3-5

為本研究所建構的模擬模型圖。本研究屬於離散形模擬模式 ( Discrete

Event Simulation )，即當時間連續往前推時，在特定的時間點上會有實體

( Entity ) 到達或是發生改變系統的狀態。在模擬模式中，將實體分為散客

及預約客，其到達時間及訂位人數則以實際訂位資料來設定，每當在時間

點有顧客到達時，則由 Source 物件來擷取 TableFile 及 Party_Size_Table

file 內所輸入的資料，在進入 FlowCortrol 分辨為散客或是訂位客，如果

是訂位客將帶有人數的 Entity 直接進場用餐，如果是散客則將 Entity 帶

入是否等候座位及是否有適合座位，如果沒有適合座位則會分辨是否願意

等候，如果願意等候則進入是否有取消座位，如果不願等候座位則直接離

開。

本餐廳屬於中斷式系統 ( Terminating System ) 的特性，係指系統模

擬在一特定的時間，也就是當 E 事件發生時，系統即立即停止模擬。對餐

廳來說，當營業時間達到固定時間點時，就不讓顧客進入；本模擬的時間

為週六的晚餐時段 ( 17:00~21:00 )，共計 4 個小時，但為了能讓系統內的

所有實體能完全離開系統，系統設定總共為 8 小時。

座位佔用時間在系統內分成兩階段，分別是用餐時間和使用甜點及

飲料的時間，資料來源是收集現場營運中顧客實際的用餐時間及使用甜點

飲料的時間分別 30 筆。本研究使用 StaFit2 將 30 筆的使用甜點及飲料的

時間做三角分配，得到 540 秒、0 秒及 1800 秒；而用餐時間則是將 30 筆

的座位佔用時間作均勻分配得到 4800 秒及 10500 秒再扣除使用甜點及飲

料的時間。


21

表 3-1 系統模擬實體與模擬軟體圖示對照表

eM-Plant 軟體基本

物件圖例

本研究中行為類別說明模擬參數設定

Source

顧客進入餐廳當顧客進入餐廳時

即開始進行模擬。

擷取 TableFile 的顧客訂位時間及人

數。

TableFile

基本資料表

在此表格中，可輸

入顧客訂位時間、

人數及屬性各項參

數，以提供相關統

計資料。

表格內需有的資料

有顧客訂位時間、

訂位人數、屬性。

Method 模擬程式程式中可進一步設

定為了貼切於現況

之模擬狀況。

Connector

進行動線為顧客之行進方

向。無設定。

Enity

主體此即為本研究之顧

客，會因應步驟而

判斷流程途徑。

內部可撰寫顧客屬

性，配合所通過之

buffer、SingleProc 輸入或輸出。

FlowControl

分流點各組顧客須前往的

路徑控制點，在此

決定分流途徑。

當顧客通過時，可

檢測其具備之屬

性，分流至各工作

途徑。

SingleProc

單工作站台

顧客到達後，由領

檯判斷是否讓該組

顧客進入及分配顧

客入座的座位。

為本研究設計的候

位時間。

PlaceBuffer 等候區為各工作站台執行

前之等候區。系統容量為無限

大。

ParallelProc

多工作站台為本研究的候位區、用餐區。

依照收集的時間輸

入平均候位時間、

用餐時間。

Drain 顧客離開系統

此為顧客不願候位

或用餐結束後離

開。

EventController 時間起迄設定

為模擬時間開始及

結束運作之控制物

件。模擬時間無限制。



22


圖 3-5 eM-Plant7.0 模擬顧客入座流程


23

3.3.2 模擬模式確認 ( Verification )

本研究模擬模式之確認，主要是透過與 T 餐廳的各領檯訪談與實際

收及進場時間及人數、座位佔用時間、散客接受候位時間所紀錄之結果來

建構初步模擬模式。

3.3.3 模擬模式驗證 ( Validation )

為追求模擬模式之精確性，本研究利用 eM-Plant 7.0 版模擬軟體，

因本研究所關心的是在不同的時間差內，是否能夠將當天實際的進場數

量及人數全數接受，故主要以顧客使用餐桌時間與為模式與現況檢定主

要驗證數據。

本研究除了用模擬軟體建立模擬模式外，需測試設計的模型是否能與

現況相符，或是最接近現況，本研究選用一天的訂位資料及人數做測試，

輸入 30 個種子數字，將模擬模型產生的 30 筆佔用座位的時間與實際在現

場收集的 30 筆座位佔用時間做 T 檢定，我們假設變異數不同，得到的 P

值為 0.72，檢定結果並無顯著差異 ( P>0.05 )，表示本研究所建構的模擬

型是可以代表現況的。

當母體標準差未知，而以樣本標準差取代母體標準差，進行對期望值

(平均數) 之檢測。T 檢定亦可進行雙尾及單尾檢定，其條件如下：

雙尾檢定 ( Two-tailed testing ) 單尾檢定 ( One-tailed testing ) 左尾檢定右尾檢定

1. H 0 ：μ = μ 0 μ ≥ μ 0 μ ≤ μ 0 2. H 1 ：μ ≠ μ 0 μ < μ0 μ > μ 0 3. α → 檢定值 tα/2，n-1 tα，n-1 tα，n-1


24

4. 計算統計值：

5. 作決策：若 | t | > t (檢定值) 則拒絕 H 0 (支持 H 1 ) 否則接受 H 0 (無足夠證據拒絕 H 0 )

3.4 實驗設計

現況：

( 1 ) 首先，散客到達時，第一線接觸的人員為領檯，在顧客進門後，

領檯會先確認顧客是否有預約，如果無預約即為散客。

( 2 ) 接著領檯查看現場是否有適合的座位 (含已用完甜點及飲料但

尚未離席的顧客)，如果有即立刻登記進場。

( 3 ) 如果現場無適合座位，各領檯會查看目前空桌與下一組使用該座

位的顧客時間差 (本研究簡稱時間差)，並提供給散客適當的候位

時間。

( 4 ) 詢問顧客是否等候座位，如果願意等候，將會保留該組顧客的進

場優先權。

以下為五種時間差 (依時間排序)：

1. 第一種 (新法則)：散客到達的時間與下一組使用該桌的訂位時間

相差約 30 分鐘 (含以上) ，則領檯會將座位安

排給該組散客。

2. 第二種 (新法則)：散客到達的時間與下一組使用該桌的訂位時間



3. 第三種 (新法則)：散客到達的時間與下一組使用該桌的訂位時間



25


4. 第四種 (新法則)：散客到達的時間與下一組使用該桌的訂位時間



5. 第五種 (現行法則)：散客到達的時間與下一組使用該桌的訂位時

間相差約 90 分鐘 (含以上) ，則領檯會將座

位安排給該組散客。

本研究針對以上五種進場時間，整理出以下表格 (表 3-2)：

表 3-2 五種時間差時間差

第一種 (新法則) 30 分鐘

第二種 (新法則) 45 分鐘

第三種 (新法則) 60 分鐘

第四種 (新法則) 75 分鐘

第五種 (現行法則)

90 分鐘



26

四、資料分析與結果討論 4.1 資料分析

因為本研究所輸入的資料為當日晚上的進場時間及進場人數，包含

已訂位及散客，所以所呈現的數量是固定的，而我們所要取得的資訊為時

間差在 30 分鐘、45 分鐘、60 分鐘、75 分鐘以及 90 分鐘的情況下接受散

客的組數以及完成百分比，使領檯能以此時間為參考值。

以八種的訂位狀況來比較，每一種狀況取兩天的散客接受組數，針

對八種的訂位狀況來做以下的分析：

A 狀況：從表 4-1 的結果我們可以以清楚發現，A1 及 A2 在 45 分鐘到 90

分鐘的時間差，其散客完成的組數及百分比都是一樣的，在 30 分鐘的時

間差才有明顯的成長，成長百分比分別為 60 %及 28.6 %。

表 4-1 A 狀況的完成散客狀況(組數及百分比)

訂位日時間差 A1 A2

30 分鐘 (新法則) 8 ( 160.0 % ) 24

( 128.6 % )

45 分鐘 (新法則) 5 ( 100.0 % ) 23

( 100.0 % )

60 分鐘 (新法則) 5 ( 100.0 % ) 23

( 100.0 % )

75 分鐘 (新法則) 5 ( 100.0 % ) 23

( 100.0 % )

90 分鐘 (現行法則) 5 ( 100.0 % ) 23

( 100.0 % ) 資料來源：本研究整理

B 狀況：從表 4-2 的結果可以看到，B1 在時間差 90 分鐘到 75 分鐘有些

許成長，成長百分比只有 20%；B2 同樣也是在 90 分鐘及 75 分鐘有一段


27

明顯的差距，其成長百分較大，有 800 %；這兩組在 30 分鐘到 75 分鐘的

完成組數及百分比是一樣的。

表 4-2 B 狀況的完成散客狀況(組數及百分比)

訂位日時間差 B1 B2

30 分鐘 (新法則) 6 ( 120.0 % ) 8

( 800.0 % )

45 分鐘 (新法則) 6 ( 120.0 % ) 8

( 800.0 % ) 60 分鐘 (新法則) 6

( 120.0 % ) 8

( 800.0 % )

75 分鐘 (新法則) 6 ( 120.0 % ) 8

( 800.0 % )

90 分鐘 (現行法則) 5 ( 100.0 % ) 1


C 狀況：從表 4-3 的結果可以看到，C1 及 C2 在時間差 60 分鐘到 90 分

鐘的完成組數及百分比是相同的；在 30 分鐘及 45 分鐘有小幅成長，其

成長百分比分別為 28.6 %及 9 %。

表 4-3 C 狀況的完成散客狀況(組數及百分比)

訂位日時間差 C1 C2

30 分鐘 (新法則) 18 ( 128.6 % ) 12

( 109.0 % )

45 分鐘 (新法則) 18 ( 128.6 % ) 12

( 109.0 % )

60 分鐘 (新法則) 14 ( 100.0 % ) 11

( 100.0 % )

75 分鐘 (新法則) 14 ( 100.0 % ) 11

( 100.0 % )


28

90 分鐘 (現行法則) 14 ( 100.0 % ) 11


D 狀況：從表 4-4 的結果可以看到， D1 及 D2 在 45 分鐘到 90 分鐘其完

成組數及成長百分比是一樣的，在時間差 30 分鐘時才有些微的成長，其

成長率分別為 33 %及 20 %。

表 4-4 D 狀況的完成散客狀況(組數及百分比)

訂位日時間差 D1 D2

30 分鐘 (新法則) 4 ( 133.0 % )

12 ( 120.0 % )

45 分鐘 (新法則) 3 ( 100.0 % ) 10

( 100.0 % )

60 分鐘 (新法則) 3 ( 100.0 % ) 10

( 100.0 % )

75 分鐘 (新法則) 3 ( 100.0 % ) 10

( 100.0 % )

90 分鐘 (現行法則) 3 ( 100.0 % ) 10


E 狀況：從表 4-5 的結果可以看到， E1 及 E2 在時間差 75 分鐘及 90 分

鐘的成長百分比各有差距，E1 有 70.6 %，E2 有 6 %；而兩次的 30 分鐘

到 75 分鐘其散客完成組數及成長百分比各是相同的。

表 4-5 E 狀況的完成散客狀況(組數及百分比)

訂位日時間差 E1 E2

30 分鐘 (新法則) 29 ( 170.6 % ) 18

( 106.0 % )

45 分鐘 (新法則) 29 ( 170.6 % ) 18

( 106.0 % )


29

60 分鐘 (新法則) 29 ( 170.6 % ) 18

( 106.0 % )

75 分鐘 (新法則) 29 ( 170.6 % ) 18

( 106.0 % )

90 分鐘 (現行法則) 17 ( 100.0 % ) 17

( 100.0 % ) 資料來源：本研究整理 F 狀況：從表 4-6 的結果可以看到，這兩次的散客完成組數及成長百分

比在 30 分鐘到 90 分鐘都是一樣的；F1 皆為 0，F2 的成長百分比皆為 0%。

表 4-6 F 狀況的完成散客狀況(組數及百分比)

訂位日時間差 F1 F2

30 分鐘 (新法則) 0 ( 0.0 % ) 2

( 100.0 % )

45 分鐘 (新法則) 0 ( 0.0 % ) 2

( 100.0 % )

60 分鐘 (新法則) 0 ( 0.0 % ) 2

( 100.0 % )

75 分鐘 (新法則) 0 ( 0.0 % ) 2

( 100.0 % )

90 分鐘 (現行法則) 0 ( 0.0 % ) 2

( 100.0 % ) 資料來源：本研究整理 G 狀況：從表 4-7 的結果可以看到，這兩次的成長百分比並不大，G1 為

10 %，G2 為 7.7 %；這兩次在 45 分鐘到 90 分鐘的散客完成組數及百分

比各是一樣的，只有在 30 分鐘時才有稍微的成長。

表 4-7 G 狀況的完成散客狀況(組數及百分比)

訂位日時間差 G1 G2

30 分鐘 (新法則) 11 ( 110.0 % ) 14

( 107.7 % )


30

45 分鐘 (新法則) 10 ( 100.0 % ) 13

( 100.0 % )

60 分鐘 (新法則) 10 ( 100.0 % ) 13

( 100.0 % )

75 分鐘 (新法則) 10 ( 100.0 % ) 13

( 100.0 % )

90 分鐘 (現行法則) 10 ( 100.0 % ) 13


H 狀況：從表 4-8 的結果可以看到，H1 在 75 分鐘及 90 分鐘的完成組數

及成長百分比是相同的，在 60 分鐘有 300 %的成長率，45 分鐘有 600 %

的成長率，30 分鐘有 700 %打的成長率；H2 在五個時間差各有不同的散

客完成組數及成長率。兩組皆是在時間差 30 分鐘的成長率最高。

表 4-8 H 狀況的完成散客狀況(組數及百分比)

訂位日時間差 H1 H2

30 分鐘 (新法則) 7 ( 700.0 % ) 16

( 266.7 % )

45 分鐘 (新法則) 6 ( 600.0 % ) 10

( 166.7 % )

60 分鐘 (新法則) 3 ( 300.0 % ) 9

( 150.0 % )

75 分鐘 (新法則) 1 ( 100.0 % ) 7

( 116.7 % )

90 分鐘 (現行法則) 1 ( 100.0 % ) 6


4.2 結果討論

本研究所收集的八種訂位資料各屬不同的類型，包含大組訂位組


31

數、訂位顧客取消的組數多寡，雖然在完成組數的數字上較無法看出其

中的變化，但我們可以從成長百分比來觀察當天的訂位狀況；我們回顧

表 3-1 的八種訂位類型，本研究在時間差的設定間距為 15 分鐘，將以四

種不同的訂位類型來探討 15 分鐘的差距與完成散客組數之間的變化。以

下為八種訂位狀況及結果的分析：

A 狀況：大組訂位多，訂位取消多，散客多。

散客較多的比例下相對就表示小組訂位比較少，而在大組訂位離席及確

認取消訂位後，陸續接受散客。根據結果顯示在 30 分鐘的時間差，雖然

成長百分比不高，兩組分別是 60.0 %及 28.6 %，但與 45 分鐘到 90 分鐘

相比，完成的組數是最高的。

B 狀況：大組訂位多，訂位取消多，散客少。

這組雖然在大組訂位離席及確認訂位取消後會有許多閒置的餐桌，但這

組用餐離席較晚，現場散客也較少，導致領檯沒有接受太多散客。在時

間差 90 分鐘的散客是最少的，而在 30 分鐘到 75 分鐘的組數及百分比，

兩次訂位都有成長。

C 狀況：大組訂位多，訂位取消少，散客多。

這組狀況在大組訂位離席後，現場有較多的閒置餐桌，雖然訂位取消少，

但現場散客較多。在 30 分鐘及 45 分鐘在成長百分比上有明顯的成長，

但如果時間差設定在 60 分鐘到 90 分鐘其成長率是沒有改變的。

D 狀況：大組訂位多，訂位取消少，散客少。

這組雖然在大組訂位離席後，現場會產生較多的閒置餐桌，但在小組訂

位多及取消少的情況下，領檯因為擔心如果接受太多散客會導致後續訂

位顧客無法準時進場，所以沒有接受太多散客。這天的雖然在 30 分鐘有


32

些許的成長，但成長率及完成組數並沒有增加太多。

E 狀況：大組訂位少，訂位取消多，散客多。

這組的訂位狀況較不理想，因為在訂位的顧客少，而訂位取消多，會讓

現場有更多的閒置餐桌，所以領檯有陸續接受更多的散客，且時間都是

較相近的。在時間差 30 分鐘到 75 分鐘散客完成及成長率有明顯增加。

F 狀況：大組訂位少，訂位取消多，散客少。

這組狀況是小組的訂位比較多，表示現場的離席狀況是比較零散的，雖

然訂位取消較多，但領檯擔心後續訂位無法準時進場或是當天散客詢問

的時間較零散，領檯沒有接受太多組的散客。而時間差 30 分鐘到 90 分

鐘是沒有成長率的，建議當天領檯能夠針對已訂位顧客進場後，現場閒

置的餐桌來接受散客，如此一來，散客就會呈現較多，與狀況五的建議

時間差就會相同。

G 狀況：大組訂位少，訂位取消少，散客多。

這組是小組訂位較多，表示現場離席的時間較零散，這組用餐顧客在座

位佔用時間較短，雖然訂位取消少，但現場仍有許多閒置餐桌，所以領

檯在後續有接受較多的散客。在時間差 30 分鐘有些許的增加其散客組數

及成長率，但在 45 分鐘到 90 分鐘是沒有成長的。

H 狀況：大組訂位少，訂位取消少，散客少。

這組狀況是小組訂位較多，表示離席的時間也較零散，訂位取消也少，

在現場的閒置餐桌也較少，所以領檯在接受散客的時間也較零散。雖然

兩次的散客接受組數及成長率在時間差 30 分鐘是最高的，但 H2 的 75 分

鐘與 90 分鐘差距不大，在 60 分鐘時有較明顯的差距，H1 亦同。


33

五、結論與建議 5.1 研究結論與建議

餐廳的經營是瞬息萬變的，如果都使用同一種決策是無法因應各種

不同的突發狀況，但如果每做一次的決策改變就要以現場營運為試驗，勢

必會讓現場人員因為每天所給予的命令而感到混亂，也會因為試驗失敗而

造成許多資源浪費。因此本研究以 T 餐廳的流程現況建構一個仿真的模擬

模型，只要決策者把想改變的部份，將正確的資料數據輸入到正確的系統

位置，就可以使系統模擬與現場營運有相似的狀況，而決策者也可以降低

使營運現場混亂的風險而達到想要的效果。

在文獻回顧有提到領檯對整間餐廳的營收是最直接的影響者，在領

檯決定是否接受該組散客或是將時間差設定在幾分鐘，都會直接影響到當

天的餐桌是否能被完全利用而創造更多營收。但是因為每天的訂位狀況不

盡相同，本研究收集了 16 次的訂位，分類出八種不同的訂位狀況。

在訂位狀況的判別，本研究將收集到訂位整理出大組訂位、取消訂

位及散客，分別計算其百分比及平均，在平均以上為多，在平均以下為少

(表 5-1)。而在散客的部分因為與訂位的總和為 100 %，領檯可以先計算已

訂位顧客的餐桌數量後，在依照現場閒置的餐桌來接受散客。因為載文獻

中有提到大組訂位的座位佔用時間會較長，所以領檯餐可的順序可由大組

訂位多寡開始；接著在營運前或營運中陸續會有已訂位顧客取消，因為取

消訂位現場才有閒置餐桌，所以領檯可將參考訂位取消為第二順位；最後

領檯要確定後續訂位的顧客都能準時進場，所以要保留已訂位顧客的餐

桌，才能在接受散客，所以將散客的參考放在第三順位。

表 5-1 判斷訂位狀況的順序及參考值


34

大組訂位百分比取消訂位百分比散客百分比

參考順序 1 2 3

9 % (含)

以上

8 % (含)

以下

15 % (含)

以上

14 % (含)

以下

30 % (含)

以上

29 % (含)

以下

多 V V V

少 V V V


判斷訂位狀況完成後接著就是設定接受散客的時間差，根據研究結

果發現，設定不同的時間差會為餐廳帶來不同的客量。在文獻中有提到，

提供準確的候位時間能提高顧客滿意度，設定適當的時間差，才能讓候

位顧客及已訂位顧客都能準時進場，才不致讓顧客因候位不耐煩而產生

客怨。依照本研究的結果，提供八種不同的訂位狀況適合的時間差(表

5-2)，讓領檯能夠提供準確的候位時間給散客。在研究結果中出現兩個以

上的時間差的結果是一樣的，建議可以將時間差設定為較長的那一組，

因為時間差長一點，可以讓現場顧客用餐節奏較不急促，也讓候位散客

可以做需要較長後位時間的心理準備，如果提早安排散客進場，也可讓

散客感受會更好。


35

表 5-2 根據八種訂位狀況所建議的時間差

時間差

狀況別

30 分鐘 45 分鐘 60 分鐘 75 分鐘

A V

B V

C V

D V

E V

F V(調整散客

數量後)

G V

H V 資料來源：本研究整理

在現場的營運中，每天都有不同的狀況，如果每天都使用同一種時

間差或是以直覺隨意接受散客或拒絕散客，對餐廳的營收會有直接影

響；另外對於顧客期望到餐廳用餐，卻對於餐廳沒有精確的安排進場的

時間而感到大失所望，長期下來對餐廳都會造成顧客流失及營收的傷

害。本研究雖以套餐方式的 T 餐廳為研究對象，但其研究結果亦可適用

在單點餐廳，因為模型內的候位時間、座位佔用時間、以及訂位資料可

自行輸入想研究的餐廳資料，只要資料來源及收集的方法正確，可提高

結果的精準度。因此建議餐廳業者能夠使用本研究所建立的模擬模型，

來做下決策前的測試，不僅可以減少許多資源浪費，又可不必花費更多

的時間，即可證實欲做的決策是否適用於營運中了。


36

5.2 研究限制

在收集資料方面，因為以不影響 T 餐廳現場營運為主，無法收集同一

組顧客候位時間、進場時間及座位佔用時間，所以在座位佔用時間收集

30 筆，取三角分配近似及均勻分配，這都是在模擬系統中較常使用到的

方式；而候位時間也是收集現場 30 筆資料的平均所得到的時間 ( 104.8

分鐘)，而當天訂位類型的部份，也無法掌握當天是屬於四種訂位的哪一

種，所以針對領檯，建議可以依照四種訂位類型，設定本研究的結果而

建議的時間差來給予更準確的候位時間；針對業者，建議可以請專人收

集當天較詳細的訂位狀況，包含訂位類型、同一組散客的進場時間及座

位佔用時間，配合本研究所建立的模擬模型，來增加時間差的準確性。

在餐廳的營運現場中，有許多的因素影響顧客佔用座位的時間，從入

座有可能等候點餐、用餐過程中等候餐點，或是顧客在用完餐點後繼續

聊天或從事其他活動，如 T 餐廳有提供顧客慶生的活動，或是大型公司

聚餐，餐後的摸彩活動……等，會延遲顧客離席的時間；或是顧客用餐

趕時間，或是用餐過程中突然離席......等，會縮短顧客佔用座位的時間。

5.3 未來研究

另外在未來研究的部份，建議可以將領檯在選擇散客的方式也一併考

慮，例如領檯可以選擇安排三位顧客或四位顧客進場，因為在本文的研究

假設中有提到，座位都是以兩人位為主，如果選擇三位顧客，又無法與其

他組顧客併桌使用，勢必有一個座位會造成浪費，但如果選擇四位顧客，

四個座位都可以製造營收；另外領檯也可考慮選擇是否有小孩的顧客，因

為通常小孩會與大人一起分享餐點，雖然 T 餐廳有提供兒童餐，但是大人

還是會因為餐點份量考量與小孩共同使用一個套餐，這樣座位也是造成浪


37

費，無法創造該座位能創造的營收；此外領檯也可以選擇本文在文獻回顧

中所提到的 FIFS 的方式，此方式因為只要有散客優先詢問，如果有適合

的座位或是適合當天訂位狀況的時間差，該組散客就會成為進場順位的第

一優先，可以大幅降低餐桌閒置的風險。

除了在領檯選擇散客人數及方式之外，在餐廳桌子的使用數量上也可

以做調整，因為 T 餐廳使用的是長方形的餐桌，就可以利用轉桌來減少餐

桌的使用數量，也可以節省空間，例如五位顧客通常會使用三張餐桌，但

是如果使用轉桌，五位可以減少到使用兩張餐桌；八位顧客會使用四張餐

桌，如果使用轉桌的方式可減少到使用三張餐桌。使用轉桌不僅可增加營

運現場可使用的餐桌，也可縮小用餐空間，設置更多餐桌數量安排更多散

客進場。

上述提到的兩種因素，在未來的研究上也可以一併考慮，讓領檯在

四種不同的訂位狀況下，除了設定適合當天狀況的時間差外，在散客的

選擇中也可以視是否有小孩同行搭配轉桌的方式，不僅能夠創造更多的

用餐空間及餐桌，又可以創造更高的客量及翻桌率。


38

六、參考文獻田本和，1998，系統效率評估與模擬技術，電子發展月刊，122，42-48。白宜宏與陳景榮，2005，餐飲業等候線之電腦模擬 - 以王品牛排館為例，東海學報，46: 95-110。林則孟，2001，系統模擬理論與應用，滄海書局。許天鐘，1998，西式速食餐廳生產作業之個案模擬分析，東海大學食品科學研究所食品工業管理組碩士論文。盛柏喬，2005，國軍團體膳食製程之模擬研究，國防大學國防管理學院後勤管理研究所碩士學位論文。郭振峰與鄒家昇，2011，速食餐廳人力配置之模擬研究，東海學報，52: 99-120。詹彥倫，2005，eM-Plant 於物流中心模擬模式應用之研究，國立交通大學交通運輸研究所碩士論文鄒家昇，2005，速食餐飲人力與資源配置之模擬研究，國防大學國防管理學院後勤管理研究所。蔡富元，1994，花生麵筋罐頭工廠生產管理之電腦模擬，東海大學食品科學研究所碩士論文。謝斌麒，2000，資源物件化之營建作業模擬系統研究，國立中央大學土木工程學系碩士論文。 iThome，廣告部企劃(2011)，化被動為主動，讓 IT 人員不再疲於奔命，成功案例。 Beach, B. L. and Ostenso, G. L. (1969). "Entree serving times." Journal of American Dietetic Association 54: 290-296. Bloetjes, M. K. and Aleta, J. R. et al. (1971). "Production Models for dietary department operations." Journal of American Dietetic Association 59: 150-160.


39

Brann, D. M. and Kulick, B. C. (2002). "Simulation of restaurant operations using the restaurant modeling studio." Winter Simulation Conference: 1448-1453. Carson, J. S. (1989). "Verification and validation: a consultant's perspective." Winter Simulation Conference: 552-558. Church, I. and Newman, A. J. (2000). "Using simulations in the optimization of fast food service delivery." British Food Journal 102(5/6): 398-405. Curin, S. A., Vosko, J. S. et al. (2005). "Reducing service time at a busy fast food restaurant on campus." Winter Simulation Conference: 2628-2635. Edelheim, J. and Ueda, D. (2007). "Effective use of simulations in hospitality management education - a case study." Journal of Hospitality, Leisure, Sport and Tourism Education 6(1): 18-28. Eldridge, D. L. and Watson, H. J. (1996). "Reports &communications: an ongoing study of the practice of simulation in industry." Simulation & Gaming 27(3): 375-386. Farahmand, K. and Martinez, A. F. G. (1996). "Simulation and animation of the operation of a fast food restaurant." Winter Simulation Conference 1264-1271. Feinstein, A. H. (2001). "An assessment of the effectiveness of simulation as an instructional system in foodservice." Hospitality & Tourism Research 25(4): 421-443. Feinstein, A. H. and Parks, S. J. (2002). "Simulation research in the hospitality industry." Developments in Business Simulation and Experiential Learning 29: 45-57. Field, A., Mcknew, M. et al. (1997). "A simulation comparison of buffet restaurant: applying Monte Carlo modeling." Cornell Hotel and Restaurant Administration Quarterly 38(6): 68-79. Godward, M. and Swart, W. (1994). "An object oriented simulation model for determining labor requirements at taco bell." Winter Simulation Conference: 1067-1073. Harpell, J. L., Lane, M. S. et al. (1989). "Operations research in practice: a longitudinal study." Interfaces 19(3): 65-74.


40

Hueter, J. and Awart, W. (1998). "An integrated labor-management system for taco bell." Interfaces 28(1): 75-91. Hwang, J. (2008). "Restaurant Table Management to Reduce Customer Waiting Times." Foodservice Business Research 11(4): 334-351. Hwang, J. and Yoon, S.-Y. (2009). "Where Would You Like To Sit? Understanding Customers’ Privacy-Seeking Tendencies and Seating Behaviors to Create Effective Restaurant Environments." Foodservice Business Research 12: 219–233. Ingalls, R. G. (2002). "Introduction to simulation." Winter Simulation Conference: 7-16. Jaynes, S. L. and Hoffman, J. O. (1994). "Discrete event simulation for quick service restaurant traffic analysis." Winter Simulation Conference: 1061-1066. Kharwat, A. K. (1991). "Computer simulation: an important tool in the fast-food industry." Winter Simulation Conference: 811-815. Kimes, S. E. (2004). "Restaurant Revenue Management." Cornell Hotel and Restaurant Administration Quarterly 4(2). Kimes, S. E. and Robson, S. K. A. (2004). "The impact of restaurant table characteristics on meal duration and spending." Cornell Hotel and Restaurant Administration Quarterly 45(4): 333-346. Kimes, S. E. and Thompson (2004). "Restaurant revenue management at Cbevys: Determining the best table mix." Decision Sciences 35(3): 371-392. Kuo, C. F. (2002). "The evaluation of factors influencing labor productivity of college University foodservice production." Doctoral dissertation, Purdue University, Department of Hospitality and Tourism Management. Kuo, C.F. and Nelson, D. C. (2009). "A simulation study of production task scheduling for a university cafeteria." Cornell Hospitality Quarterly 50(4): 540-552.


41

Kuo, C.F., Tsou, A.H. et al. (2011). "The impact of waiting lines and interracial time distributions on customer waiting time at a fast food restaurant." The 9th ApacCHRIE Conference, Hong Kong. Lambert, C. U., Lambert, J. M. et al. (1989). "The overbooking question: A simulation." Cornell Hospitality Quarterly 30(2). Martinez, J. R., Coll, I. et al. (1987). "Labor/service implications of introducing a new product in the fast food industry." Methodology and Validation: Proceedings of the Conference: 71-76. Montag, G. M., Mckinley, M. M. et al. (1964). "Predetermined motion times- a tool in food production management." Journal of American Dietetic Association 45: 206-211. Nettles, M. F. and Gregoire, M. B. (1996). "Use of computer simulation in school foodservice." Foodservice Systems 9: 143-156. Ostenso, G. L., Moy, W. A. et al. (1965). "Developing a generalized cafeteria simulator: application to interactions of food systems." Journal of American Dietetic Association: Perspectives in practice 46: 379-390. Parkan, C. (1987). "Simulation of a fast-food operation where dissatisfied customers renege." The Operational Research Society 38(2): 137-148. Robson, S. K. A. (1999). "Turning the tables: The psychology of design for high-volume restaurants." Cornell Hotel and Restaurant Administration Quarterly 40(3): 56-63. Sargent, R. G. (1996). "Verifying and validating simulation models." Winter Simulation Conference: 55-64. Shen, X., Scheller, W. L. Scheller, et al. (1995). "Solving a cafeteria dish circulation problem by computer simulation." 17th International Conference on Computers and Industrial Engineering 29(1-4): 555-559. Stout, W. A. (1995). "Modeling a hospital main cafeteria." Winter Simulation Conference 1060-1065. Swart, W. and Donnp, L. (1981). "Simulation modeling improves operations, planning, and productivity of fast food restaurants." The Institute of Management Sciences 11(6).


42

Thompson, G. M. (1995). "Labor scheduling using NPV estimates of the marginal benefit of additional labor capacity." Operations Management 13: 67-86. Thompson, G. M. (1999). "Labor scheduling, part 4." Cornell Hotel and restaurant administration quarterly 40(3): 85-96. Thompson. G. M (2002). "Optimizing a restaurant's seating capacity: Use dedicated or combinable tables?" Cornell Hotel and Restaurant Administration Quarterly 43(4): 48-57. Thompson, G. M. (2003). "Optimizing restaurant-table configurations: Specifying combinable tables." Cornell Hotel and Restaurant Administration Quarterly 44(1): 53-60. Thompson, E. M. and Verma, R. (2003). "Computer simulation in hospitality teaching, practice, and research." Cornell Hotel and restaurant administration quarterly 44(2): 85-93. Thompson, G. M. and Kwortnik, R. J. (2008). "Pooling restaurant reservations to increase service efficiency." Journal of Service Research 10(4): 335-346. Thompson, G. M. and Sohn, H. (2009). "Time- and capacity-based measurement of restaurant revenue." Cornell Hospitality Quarterly 50(4): 520-539. Thompson, G. M. (2011). "Cherry-picking customers by party size in restaurants." Service Research 14(2): 201-213. Vakharia, A., Selim, H. et al. (1992). "Efficient scheduling of part-time employees." Omega 20(2): 201-213. Zeigler, B.P.(1984). "System-theoretic representation of simulation model." Transactions of Institute of Industrial Engineers 16(1):19-34.


43

七、附件 ( Method ) is do if .models.frame.parallelproc.numMU < 99 then parallelproc_numMU := .models.frame.parallelproc.numMU; print "parallelproc_numMU= ", parallelproc_numMU; print "yes, table(s) is/are available= ", 99-parallelproc_numMU; wait 0.001; else @.move(buffer); end; end;

( Method 1 ) is do count_ID := count_ID + 1; if @.name = "non_create" then @.party_size := party_size_table[1, count_ID]; else @.party_size := 0; end; @.MU_ID := count_ID; @.time_in := .models.frame.eventcontroller.simtime; party_size_table[2, count_ID] := @.party_size; @.attribute := tablefile[5, count_ID]; print "----------------++++++++++++++++++++++++";


44

print "count_ID = ", count_ID; print "tablefile[1, count_ID] = ", tablefile[1, count_ID]; print "tablefile[5, count_ID] = ", tablefile[5, count_ID]; if @.attribute = 2 then check_reservation_ID := count_ID + 1; print "==="; print "check_reservation_ID = ", check_reservation_ID; if .models.frame.parallelproc.numMU < 99 then while check_reservation_ID = time_gap then bingo := bingo +1; print "Bingo ======>>> ", bingo; check_reservation_ID := 80; @.attribute := 2; @.create(buffer); else check_reservation_ID := check_reservation_ID + 1; end; end; check_reservation_ID := 0; @.attribute := 3; @.move(buffer); end;


45

( Method 4 ) is do if @.dine_or_not = "yes" then table_125 := table_125 + @.table_used; end; @.time_out := .models.frame.eventcontroller.simtime; table_count[2, @.MU_ID] := @.table_used; table_count[3, @.MU_ID] := @.MU_ID; table_count[4, @.MU_ID] := @.time_in; table_count[5, @.MU_ID] := @.time_out; table_count[7, @.MU_ID] := @.name; table_count[8, @.MU_ID] := @.attribute; table_count[9, @.MU_ID] := @.time_to_sit; table_count[10, @.MU_ID] := @.meal_duration; end; ( Method 5 ) is do @.dine_or_not := "yes"; table_count[1, @.MU_ID] := table_125; @.route := 1; @.after_dessert := Z_triangle(seed_num, 540, 0, 1800); @.meal_duration := z_uniform(1, 4800, 10500)[email protected]_dessert;


46

tablefile2[1, @.MU_ID] := @.MU_ID; tablefile2[2, @.MU_ID] := .models.frame.eventcontroller.simtime; end ( Method 6 ) is do @.route := 2; @.TimeOut_af_admit := .models.frame.eventcontroller.simtime; tablefile3[1, @.MU_ID] := @.MU_ID; tablefile3[2, @.MU_ID] := @.TimeIn_af_admit; tablefile3[3, @.MU_ID] := @.TimeOut_af_admit; tablefile3[4, @.MU_ID] := @.TimeOut_af_admit - @.TimeIn_af_admit; tablefile3[5, @.MU_ID] := @.reserved ; end; ( Method 7 ) is do if .models.frame.parallelproc.numMU < 99 then -- 99 (tables) is the max capacity parallelproc_numMU := .models.frame.parallelproc.numMU; print "parallelproc_numMU= ", parallelproc_numMU; print "yes from ===1st PRIORITY===, table(s) is/are available= ", 99-parallelproc_numMU; wait 0.001; else @.move(placebuffer10); end;


47

( Method 8 ) is do tablefile1[1, @.MU_ID] := @.MU_ID; tablefile1[2, @.MU_ID] := .models.frame.eventcontroller.simtime; tablefile1[3, @.MU_ID] := @.after_dessert; end; ( Method 9 ) (部分) is do tablefile2[3, @.MU_ID] := .models.frame.eventcontroller.simtime; tablefile2[4, @.MU_ID] := tablefile2[3, @.MU_ID] - tablefile2[2, @.MU_ID]; tablefile2[5, @.MU_ID] := @.reserved; inspect @.party_size when 0 then print "create ", creation; creation := creation + 1; when 1 then @.table_used := 1; tablefile2[6, @.MU_ID] := @.table_used - 1; when 2 then @.table_used := 1; tablefile2[6, @.MU_ID] := @.table_used - 1;


48

when 3 then @.table_used := 2; tablefile2[6, @.MU_ID] := @.table_used - 1; if @.reserved = 1 then @.create(placebuffer8); else @.create(placebuffer8); end; when 4 then @.table_used := 2; tablefile2[6, @.MU_ID] := @.table_used - 1; if @.reserved = 1 then -- to create a MU to use one more table for the group @.create(placebuffer8); else @.create(placebuffer8); end; ( Method 11 ) is do @.TimeOut_af_admit := .models.frame.eventcontroller.simtime; tablefile3[1, @.MU_ID] := @.MU_ID; tablefile3[2, @.MU_ID] := @.TimeIn_af_admit; tablefile3[3, @.MU_ID] := @.TimeOut_af_admit; tablefile3[4, @.MU_ID] := @.TimeOut_af_admit - @.TimeIn_af_admit; tablefile3[5, @.MU_ID] := @.reserved ; end;


49

( Method 13 ) is do if @.attribute = 3 then wait 0.1; else @.move(placebuffer31); end; end;

Ž ^óŸg[¢’2X4lÕRGNKx zvthuir.thu.edu.tw/retrieve/22625/101THU00720018-001.pdf ·...

Documents

Transcript of Ž ^óŸg[¢’2X4lÕRGNKx zvthuir.thu.edu.tw/retrieve/22625/101THU00720018-001.pdf ·...