學生餐廳點餐叫號系統需求強度研究及流程與模擬

(1)

國立臺灣科技大學工業管理系

109 學年度實務專題報告

專題名稱：學生餐廳點餐叫號系統需求強度研究 及流程與模擬

專題編號：TR-108-01-108

指導老師：林承哲教授

研究組員：B10601018 高健倫 B10601022 吳俊煜 B10601023 謝承村 B10601125 陳宏

中華民國 1 1 0 年 0 1 月 1 1 日

(2)

109

學生餐廳點餐叫號系統需求強度研究及流程與模擬

108-01-108

林承哲

B10601018 高健倫 B10601022 吳俊煜 B10601023 謝承村 B10601125 陳宏

110 01 11

(3)

I

摘要

國立臺灣科技大學第一學生餐廳（以下簡稱學生餐廳）在用餐尖峰時刻（通常是12 點 20 分到 12 點 40 分）經常因為人潮眾多，擁擠的顧客群聚在店家櫃檯前排隊點餐與等候取餐，造成店家叫號不易、顧客取餐逾時以及用餐經驗不佳等問題，並且在新冠肺炎流行期間容易成為防疫破口。為了解決學生餐廳店家因為擁擠引發的叫號不易、逾時取餐以及衍生的顧客滿意抱怨與健康風險等問題，本專題以學生餐廳之「丼太郎」與「巌茶」兩個店家作為範本，研究導入「點餐叫號系統」是否能夠解決上述問題，先研究整個點餐叫號的流程，確認「點餐叫號系統」的需求強度後，透過系統模擬與使用者測試等兩種方式驗證該系統導入的可行性與有效性。首先本專題以 Google 表單製作線上問卷，調查消費者的消費模式，並實際到學生餐廳收集各項數據作為資料來源，並將所得出之數據透過 EasyFit 做出相對應的數據分佈模型，輸入 Flexsim 系統模擬軟體，依據模擬結果比較流程改善前與改善後之差異；接著以 MIT App Inventor 撰寫出模擬的點餐叫號 App，有著預估餐點完成時間以及餐點製作完成後提醒通知消費者等功能，讓受試者體驗後填寫回饋表單，並針對回饋資料做出分析。驗證結果發現，

Flexsim 流程模擬在改善前時，丼太郎的等候區域最多可高達 8 人，可看出現場非常擁擠；而改善後最多僅高達4 人，使得等候區域相對空曠。巌茶在改善前時，

等候區域最多可高達7 人，而改善後人數僅 3 人，等候區域的擁擠情況有著強烈的對比。另外 App 的受試者回饋資料顯示，近 9 成的受試者都認同此 App 能有效解決學生餐廳擁擠程度及逾時取餐之問題，甚至減少焦慮感的產生。且受試者對於此概念認同並願意使用此 App 及推薦給身邊的朋友使用。綜合 Flexsim 模擬「點餐叫號系統」與 App 體驗「點餐叫號系統」使用經驗的結果，顯示「點餐叫號系統」的導入對於改善學生餐廳之擁擠程度有著明顯的成效，而「點餐叫號系統」App 能有效提升消費者點餐叫號體驗，透過讓顧客掌控自身餐點的狀態而減少等待餐點時的焦慮，並且降低學生餐廳整體的擁擠程度及逾時取餐發生的機率。本研究所提出的「點餐叫號系統」解決方案，可供本校學生餐廳以及其他類似的餐飲機構作為改善架構參考，並有蒐集消費行為資料提供行銷分析的商業化潛力。

關鍵字詞：點餐叫號系統、服務流程改善、 MIT App Inventor、 Goodness of fitting、Flexsim 模擬

(4)

II

摘要 ... I 目錄 ... II 圖目錄 ... VII

一、前言 ... 1

1-1 研究動機 ... 1

1-2 研究目的 ... 1

1-3 研究流程 ... 2

二、文獻探討 ... 3

2-1 叫號系統流程改善 ... 3

2-1-1 叫號系統流程改善緣起 ... 3

2-1-2 叫號系統流程改善原因 ... 3

2-1-3 科技趨勢 ... 3

2-1-4 研究方法（改善前） ... 4

2-1-5 研究方法（改善後） ... 5

2-1-5 叫號系統流程改善結果與建議... 5

2-2 App 系統建置 ... 6

2-3 數據配適度分析 ... 6

2-3-1 數據配適理論 ... 6

2-3-2 蒙地卡羅方法（Monte Carlo method）介紹 ... 7

2-3-3 蒙地卡羅方法理論 ... 8

2-3-4 蒙地卡羅方法可使用之方法參考... 9

2-4 模擬餐廳環境 ... 10

2-4-1 建模軟體選用 ... 10

2-4-2 Flexsim 系統模擬技術帶來的價值 ... 10

三、使用軟體工具 ... 11

3-1 需求強度方面研究工具 ... 11

3-1-1 App 編寫軟體 MIT App Inventor 2 ... 11

(5)

III

3-1-2 Google 表單 ... 11

3-2 模擬方面研究工具 ... 12

3-2-1 數據配適度分析工具 EasyFit 軟體 ... 12

3-2-2 模擬軟體 Flexsim ... 12

四、訪問學餐店家過程 ... 13

4-1 前言 ... 13

4-2 訪問店家之步驟 ... 13

4-3 店家需求強度 ... 14

4-3-1 組裝架構成本與節省綜效 ... 14

4-3-2 動線問題 ... 14

4-3-3 可行性 ... 14

五、點餐叫號系統 ... 15

5-1 前言 ... 15

5-2 點餐叫號系統流程 ... 15

5-3 點餐叫號系統模擬 ... 16

六、顧客端問卷調查 ... 18

6-1 前言 ... 18

6-2 顧客端問卷調查步驟 ... 18

6-3 點餐行為與習慣調查之問卷設計 ... 19

6-4 數據概況 ... 22

6-4-1 點餐後結帳方式 ... 22

6-4-2 進入餐廳後，大概花多少分鐘來決定吃什麼 ... 23

6-4-3 決定好吃甚麼後，從開始排隊到結帳結束，您認為花了幾分鐘 ... 23

6-4-4 影響您決定餐點的因素 ... 24

6-4-5 候餐狀況百分比 ... 24

6-4-6 若您暫時離開會到哪裡呢（96 筆資料） ... 25

6-4-7 在臺科第一餐廳的用餐方式 ... 25

6-4-8 每週 7 天之中，您去臺科第一餐廳是為了吃「早餐」的頻率 ... 26

(6)

IV

6-4-9 每週 7 天之中，您去臺科第一餐廳是為了吃「中餐」的頻率 ... 26

6-4-10 每週 7 天之中，您去臺科第一餐廳是為了吃「晚餐」的頻率 ... 27

6-4-11 餐點完成（叫號後），隔多久您會取到餐？ ... 27

6-4-12 造成您逾時取餐最常的原因... 28

6-4-13 您最常在臺科第一餐廳消費的店家 ... 28

6-5 需求強度之研究 ... 29

6-5-1 用餐體驗 ... 29

6-5-2 動線問題 ... 29

6-5-3 消費者期望 ... 29

七、數據蒐集與配適度分析 ... 30

7-1 前言 ... 30

7-2 數據蒐集要點 ... 30

7-3 數據預處理 ... 31

7-4 配適度分析 ... 31

7-5 配適度檢定與分配採用 ... 33

7-5-1 丼太郎與巖茶 T1 與 Arrival Time 不進行配適 ... 33

7-5-2 巌茶 T3 不進行配適 ... 33

7-5-3 丼太郎 T2 ... 34

7-5-4 丼太郎 T3 ... 35

7-5-5 丼太郎 T4 ... 39

7-5-6 巌茶 T2 ... 40

7-5-7 巌茶 T4 ... 41

八、Flexsim 模擬 ... 42

8-1 前言 ... 42

8-2 Flexsim 環境建置 ... 42

8-2-1 排隊區 ... 43

8-2-2 點餐結帳區 ... 44

8-2-3 餐點備餐區 ... 45

(7)

V

8-2-4 顧客等候區 ... 46

8-2-5 餐點完成叫號 ... 47

8-2-6 取餐區 ... 48

8-3 數據結論 ... 49

8-3-1 丼太郎之模擬數據結論 ... 49

8-3-2 巌茶之模擬數據結論 ... 51

九、使用者體驗回饋 ... 53

9-1 受試流程 ... 53

9-2 體驗回饋問卷 ... 53

9-3 受試者回饋概況 ... 54

9-3-1 第一部分 ... 54

9-3-2 第二部分 ... 55

9-3-3 第三部分 ... 56

9-4 預期效應 ... 56

9-4-1 擁擠程度 ... 56

9-4-2 逾時取餐 ... 57

9-4-3 顧客心理狀態 ... 57

十、建議與結論 ... 58

10-1 結論與討論 ... 58

10-1-1 貢獻與探討 ... 58

10-1-2 消費者真實行為與心理感受... 58

10-1-3 總結 ... 59

10-2 問題與限制 ... 59

10-2-1 App 設計編排與機制 ... 59

10-2-2 Flexsim 模擬與數據收集 ... 60

10-2-3 學生餐廳環境之限制 ... 61

十一、未來展望 ... 63

11-1 商業模式 ... 63

(8)

VI

11-1-1 前期（應用在各大校園與美食街）... 63

11-1-2 中期（完全取代傳統的紙本叫號單） ... 63

11-1-3 後期（與各大線上支付的廠商結合，以下以街口介面舉例） ... 63

11-2 收集數據製作廣告 ... 64

11-3 健康管理 ... 64

11-4 集點功能 ... 64

11-5 運用在行政機構 ... 64

11-6 預訂機制 ... 64

附錄一 ... 65

附錄二 ... 71

附錄三 ... 76

參考文獻 ... 77

(9)

VII

圖目錄

圖1: 研究方法流程圖 ... 2

圖2: 傳統掛號流程圖 ... 4

圖3: 新掛號流程圖 ... 5

圖4 蒙特卡羅模擬方式可輸出可靠度、公差度、信賴區間 ... 8

圖5: MIT App Inventor ... 11

圖6: Google 表單 ... 11

圖7: EasyFit 5.5 Professional ... 12

圖8: Flexsim ... 12

圖9: 學生餐廳尖峰時間擁擠狀況圖 ... 14

圖10: 點餐叫號系統流程圖 ... 15

圖11: App 畫面一 ... 16

圖12: App 畫面二 ... 16

圖13: App 畫面三 ... 17

圖14: App 畫面四 ... 17

圖15: App 畫面五 ... 17

圖16: 問卷調查流程圖 ... 18

圖17: 臺科大校版發文 ... 18

圖18: 臺大校版發文 ... 18

圖19: 消費者點餐行為與習慣調查問卷第 1 頁 ... 19

圖20: 消費者點餐行為與習慣調查問卷第 2-1 頁 ... 19

圖26: 消費者點餐行為與習慣調查問卷第 4 頁 ... 20

圖27: 專題內容敘述之延伸問卷第 1 頁 ... 21

圖28: 專題內容敘述之延伸問卷第 2-1 頁 ... 21

圖32: 專題內容敘述之延伸問卷第 3 頁 ... 22

(10)

VIII

圖33: 點餐後結帳方式比例圖 ... 22

圖34: 消費者選擇店家的時間分佈圖 ... 23

圖35: 消費者選擇店家的時間分佈圖 ... 23

圖36: 決定消費者決定餐點因素分佈圖 ... 24

圖37: 候餐狀況比例分佈圖 ... 24

圖38: 消費者暫時現場後的行為分佈圖 ... 25

圖39: 消費者用餐方式分佈圖 ... 25

圖40: 消費者到餐廳吃早餐比例圖 ... 26

圖41: 消費者到餐廳吃中餐比例圖 ... 26

圖42: 消費者到餐廳吃晚餐比例圖 ... 27

圖43: 消費者認為店家叫號後取到餐的時間分佈圖 ... 27

圖44: 造成逾時取餐的原因比例圖 ... 28

圖45: 消費者店家喜好調查圖 ... 28

圖46: 消費歷程與 T1 ~ T4 數據分段示意圖 ... 30

圖47: 原始數據（左）與數據預處理（右） ... 31

圖48: 數據複製入 EasyFit 軟體後，按下左上角閃電符號即可將數值進行配適處理 ... 31

圖49: 配適處理完成產生之圖表與各分配配適度排名 ... 32

圖50: KS 檢定排名前十結果（丼太郎 T2） ... 34

圖51: 丼太郎 T2 之 PDF－Log-Logistic（3P） ... 34

圖52: 丼太郎 51 筆 T3 由小至大平分成 3 種出餐速度資料 ... 35

圖53: KS 檢定排名前十結果（丼太郎 T3 - Fast） ... 36

圖54: 丼太郎 T3 - Fast 之 PDF－Gen. Extreme Value ... 36

圖55: KS 檢定排名前十結果（丼太郎 T3 – Medium） ... 37

圖56: 丼太郎 T3 - Medium 之 PDF－Log-Logistic（3P） ... 37

圖57: KS 檢定排名前十結果（丼太郎 T3 – Slow） ... 38

圖58: 丼太郎 T3 - Slow 之 PDF－Pearson 5（3P） ... 38

圖59: KS 檢定排名前十結果（丼太郎 T4） ... 39

圖60: 丼太郎 T4 之 PDF－Lognormal（3P） ... 39

圖61: KS 檢定排名前十結果（巖茶 T2） ... 40

圖62: 巖茶 T2 之 PDF－Log-Logistic（3P） ... 40

圖63: KS 檢定排名前十結果（巖茶 T4） ... 41

圖64: 巖茶 T4 之 PDF－Pearson 6 ... 41

(11)

IX

圖65: 丼太郎之場域佈置 ... 42

圖66: 巌茶之場域佈置 ... 43

圖67: 丼太郎排隊區 ... 43

圖68: 巌茶排隊區 ... 43

圖69: 丼太郎點餐結帳區 ... 44

圖70: 巌茶點餐結帳區 ... 44

圖71: 丼太郎餐點備餐區 ... 45

圖72: 巌茶餐點備餐區 ... 45

圖73: 丼太郎顧客現場等待區（上）與離開等候區（下） ... 46

圖74: 巌茶顧客顧客現場等待區（上）與離開等候區（下） ... 46

圖75: 丼太郎餐點完成叫號 ... 47

圖76: 巌茶餐點完成叫號 ... 47

圖77: 丼太郎取餐區 ... 48

圖78: 巌茶取餐區 ... 48

圖79: 丼太郎之改善前模擬數據 ... 49

圖80: 丼太郎之改善後模擬數據 ... 50

圖81: 巖茶之改善前模擬數據 ... 51

圖82: 巖茶之改善後模擬數據 ... 52

圖83: App 體驗問卷及受試流程圖 ... 53

圖84: 受試者回饋概況分佈圖-1 ... 54

圖94: 受試者回饋概況分佈圖-11... 56

圖95: 街口等線上支付連結本點餐叫號系統流程圖（街口付費（跳過選擇）- 連接叫號-取餐） ... 63

(12)

1

一、前言

1-1 研究動機

國立臺灣科技大學第一學生餐廳（以下簡稱學生餐廳）長年以來相對於外面餐點售價便宜，而且因為在校園內設立櫃位的關係，成為師生在課餘時間用餐再回到課堂的第一首選；因為餐點便宜、美味多樣、地利之便，使得臺灣大學、公館國小、民族國中、臺電營運處等學生、學生家長及上班族，都會在用餐時間選擇前來，造成中午、晚上用餐時段學生餐廳結帳區和候餐區過於擁擠，以及餐點等候過久、候餐者容易離開現場、或者因為人潮擁擠看不到/聽不到叫號等現象，

導致叫號取餐不易之問題。

2019 年年底，專題小組訪談到聽障人士。在該聽障人士舉出的眾多日常不便中，其中一個困擾就是在餐廳用餐時，若需要自行取餐，其需要格外留意出餐視窗，否則會逾時取餐。

到了2020 年 2 月，新冠肺炎（COVID-19）疫情肆虐全球，學校因應疫情宣佈封校，雖然外校人士無法自由進出校園，但在校師生對於在尖峰時段進入學生餐廳的需求仍然龐大，其擁擠程度遠小於衛福部建議之 1.5 公尺社交安全距離，

加上用餐時有取下口罩的需要，可能形成防疫破口，增加本校師生以及校外人士感染新冠肺炎的風險。

1-2 研究目的

本專題的研究目的為「解決學生餐廳結帳與等候區過於擁擠，以及環境吵雜所造成叫號後的逾時取餐問題」。以百貨公司美食地下街之叫號器做為發想，本專題希望用每個人身上的手機，結合店家點餐 POS 機等系統，提出可以讓顧客安心離開等候區候餐，同時能改善逾時取餐問題的流程；另外透過實際撰寫 App 模擬本專題的顧客端介面，以及店家和顧客使用點餐叫號系統的行為模擬模擬，

驗證本專題改善前後的差異與成效，以確定本專題滿足了店家和顧客之需求。

(13)

2

1-3 研究流程

本研究的實施流程請參考（圖1）。

閱讀論文與資料蒐集（文獻探討）

訪問聽障人士訪問學餐店家

確定叫號取餐問題

暫以線上支付為出發點開始專題

再次訪問學餐店家

改以店家 POS 系統作為基礎解決問題

建立點餐系統流程

製作影片模擬流程

軟體分析與建模探討效益

系統軟體開發

完成專題成果報告顧客端問卷調查

圖1: 研究方法流程圖

(14)

3

二、文獻探討

2-1 叫號系統流程改善

依據（李春雄、劉弘貴，2018）第十期的全球商業經營管理學報中，第 189 頁-197 頁有發表：物聯網之雲端叫號系統在診所上的應用，此研究的出發點與流程改善的概念，與本專題十分相符，都認爲目前市面上的叫號系統大部份都是被動式呈現訊息，因此本章節將會引用李先生與劉先生在發表中之描述來介紹叫號系統的流程改善。

2-1-1 叫號系統流程改善緣起

隨著科技的發達，人們身邊也有許多科技產物漸漸誕生，可隨身攜帶的行動裝置普及程度幾乎到達人手一機的情況，手機不再只能打電話、收發簡訊等功能，行動裝置的進步速度快速，其功能也越來樣化，配合Wi-Fi、5G 網路的發展，行動裝置的出現也漸漸取代了電腦，若把叫號系統也運用在其中，讓其擁有更多功能，那將會使人們的生活更加的便利與進步。

2-1-2 叫號系統流程改善原因

排隊的現象：學生餐廳、美食街、郵局、診所等等的地方，在這些地方享受服務之前往往都會遭遇到排隊的情況發生，在假日或者尖峰的時段更容易遇到，排隊所衍生的問題也很多，例如：過號、佔用其他店家或者其他空間、顧客沒耐心等待、插隊等等情況的發生（吳華宗，2016），另外（Tyagi 等人，2014）

也說到，如果排隊的隊伍太長，顧客沒耐心排隊等待，就會去尋找其他的替代店家，如此對店家無疑也是損失了一筆生意，對於顧客的滿意度也會造成一些

影響。

因此，為了改善排隊過程過於繁瑣的現象，可以開發一套叫號系統，隨時隨地關注目前跳號資訊，一方面顧客不用在原地排隊浪費寶貴的時間，第二方面店家也能夠隨時掌握排隊資訊，對於附近的環境、人潮、顧客的滿意度等等，

都會有不錯的提升。

2-1-3 科技趨勢

物聯網：科技發展迅速，從1950 年代開始，發展了電腦與電腦互相通訊的方式，一直到1990 年代的網際網路，直至最近的 Wi-Fi、5G 等行動網路，上網的方式也從以往的桌上型電腦發展到手機等行動裝置都能上網瀏覽各種資訊，

以這些例子為基礎發展的便是「物聯網」，（劉雲浩，2013）。智創工作坊（2016）

一書說到，物聯網最初是來自比爾蓋茲的「未來之路」一書中提到「物物互聯」、

「智慧家庭」的想法，直到1998 年的美國麻省理工學院自動識別（Auto-ID）

中心主任凱文‧艾希頓（Kevin Ashton）以物聯網為構想，提出了將物品與網路連結之後將如何改變生活，也使「物聯網」一詞首次被提出來，最後國際電信聯盟（ITU）於 2005 年 11 月在訊息世界峰會上發布了《ITU 網際網路告報 2005：

(15)

4

物聯網》，指出未來「物聯網」的時代即將來臨，（陳世昕，2013）。何謂「物聯網」？物聯網就是以網際網路或傳統電信載體等等的方式，在世界上各自獨立的物體上賦予一個能夠被搜尋到的位址，並且可以使他們能夠藉由網際網路被搜尋與連結，使他們擁有感知、傳遞訊息等等功能，（陳世昕，2013）。物聯網可將零碎、分散的資訊全部整理統合起來，統整物與物的數位資訊，也因為其應用的範圍廣泛，運輸、物流、醫療、智慧型環境、個人、社會等，在未來非常具有潛力以及市場，（Luigi Atzori 等，2010）。物聯網的演進又分為三個階段：

IoT1.0：連網（監看、控制）例如可以透過電腦或行動裝置知道冰箱溫度。

IoT2.0：資料雲端同步（最佳化）家電運作所累積的資訊，可透過將訊息提供給在屋外的家人。

IoT3.0：大量、即時個人化訊息（自主性）例如系統會自動感測室內溫度，利用空調將溫度調整至最適當溫度。

2-1-4 研究方法（改善前）

該研究目的主要為改善現行診所掛號等待之流程，將傳統掛號流程中等待的時間做更加充分的利用，讓不管是現場掛號或者是來電掛號或者是線上預約掛號的民眾都能即時得知目前叫號進度，使民眾能夠在不過號的前提下利用這些零碎的時間去完成其他排程，也能夠充分掌握所需時間。按照以往掛號流程，

如下圖（圖2）所示：

圖2: 傳統掛號流程圖

(16)

5

2-1-5 研究方法（改善後）

為了能夠改善傳統流程中過號的情況，因此開發此系統並發展出一個新的流程，如下圖（圖3）所示：

經由這個新的流程所示，能夠讓電話預約掛號的民眾不用親自跑到診間確認號碼即可在雲端叫號系統使用者的 APP 上確認目前進度已到幾號，充分安排自己的時間，減少浪費的時間，以及多餘的等待。

本研究的創新性及實用性如下所示：

（1）雲端叫號系統 App 結合雲端資料庫來記錄目前的看診號碼。

（2）每位病患只要透過智慧手機安裝雲端叫號系統 App，就可觀看目前看診號碼。

（3）當病患忘記觀看目前看診號碼時，雲端叫號系統 App 也會主動推播訊息提醒顧客。

2-1-5 叫號系統流程改善結果與建議

如何提供「顧客輕鬆等待，以節省寶貴的時間」必須要透過「雲端資料庫 ThingSpeak」再結合本研究的「雲端叫號系統」，並且它也是目前國內外都在積極推動「AI 智能裝置」的重要項目。因此，本研究計畫的結果應可以提供下列兩方面的貢獻：

圖3: 新掛號流程圖

(17)

6

（1）學術方面，本研究提出「雲端叫號主動推播演算法」，整合雲端資料庫，

以實際開發一套「雲端叫號系統」，並透過雲端大數據來分析顧客或病患是否願意使用「雲端叫號系統」，以提高顧客或病患對公司機構的滿意度。其研究結果，可作為未來研究人員探討雲端叫號系統對一般民眾使用意願的影響。

（2）國家發展方面，雲端叫號系統的應用不會僅限於醫院及餐廳。雲端叫號系統更可應用於美食街取餐、郵局、銀行、美容院、大型遊樂場等機構，進而提供企業對顧客的加值服務。

2-2 App 系統建置

陳會安在《 App Inventor 2 程式設計與應用 : 開發 Android App 一學就上手》中表示， MIT App Inventor2 是一款功能性強大，對於程式開發初學者容易上手的軟體。其拖拉塊拼圖結構的程式撰寫頁面，使開發者容易釐清程式流程，

並且有警告圖案以提醒撰寫者此部分程式有缺陷。另外此軟體的使用者介面開發相對簡易，並且有多種附加功能，如：計時、掃描器、清單、網絡定位等等，使得整體開發環境友善且強大。

依照文獻指出之特點，小組成員認爲此 App 亦適合用於建置本專題之「點餐叫號 App」，其倒計時之功能完全符合本專題之重點，使顧客預知餐點製作完成所需時間，以及震動功能幫助使用者利用觸覺感官接收訊息。

此軟體對於程式開發初學者非常友善，能在簡單的程式基礎上製作出符合預期的草圖 App，讓使用者對於上市 App 的開發有深刻概念，並在此領域上繼續專研。

2-3 數據配適度分析 2-3-1 數據配適理論

當我們要確定所選用的模式能夠適用於分析的樣本分配時，必須先檢定模式與資料間是否具有滿意的適合度（本專題稱為配適度）；當我們需要做出適當的推論時，需要對資料母體作一些假設，然而在未知母體分佈狀況，又未知母體標準差時，僅憑樣本所需制定的假設相當繁雜，計算也相當複雜，因此在本專題確定不對母體進行假設的前提下，需要尋求有效度的無母數適合度檢定法。

林宗嶽（2011）的研究指出，我們可以使用假設檢定的技巧進行配適度檢定（goodness of fit test），虛無假設 𝐻₀是指資料符合特定分佈，相反的其對立假設就是不符合。大部分配適度檢定會將原始資料轉為累積密度函數（CDF）

或是經驗累積分佈函數（EDF），以 d(x) = 𝐹̂(𝑥) − 𝐹(𝑥)進行差異驗證，其中 𝐹̂(𝑥)為原始數據配適某分配之 CDF 或 EDF， 𝐹(𝑥)為樣本採取某分配時的參數、再形成的某分配之 CDF 或 EDF。最後，我們假設結果傳回的預設結果都會是 P 值（P-value），因此在配適度檢定中，P 值越小，資料就越不可能來自所指定的分佈。以下為不同適合度檢定的名稱、適用型式、條件敘述：

(18)

7

適用於單（雙）變量資料之配適度檢定

檢定名稱適用型式條件敘述

Anderson Darling 連續資料考慮 E [𝐹(𝑥)(1−𝐹(𝑥))^𝑑(𝑥)² ] Cramer Von Mises 連續資料考慮 E[𝑑(𝑥)²]

Jarque Bera ALM 常態基於偏度與峰度

Kolmogorov Smirnov 連續資料基於 𝑠𝑢𝑝_𝑥|𝑑(𝑥)|

Kuiper 連續資料考慮 𝑠𝑢𝑝_𝑑(𝑥)>0𝑑(𝑥) − 𝑖𝑛𝑓_𝑑(𝑥)<0𝑑(𝑥)

Pearson Chi-Square 連續或離散資料基於期望值與觀察的直方圖

Shapiro Wilk 常態基於分位數

Waston U Square 連續資料考慮 E[(𝑑(𝑥) − 𝑑̅)²] 適用於多變量資料之配適度檢定

檢定名稱適用型式條件敘述

Distance To Boundry 均勻考慮到邊界距離

Mardia Combined 常態基於 Mardia 的偏度與峰度

Mardia Kurtosis 常態考慮多元峰態

Mardia Skewness 常態考慮多元偏態

2-3-2 蒙地卡羅方法（Monte Carlo method）介紹

蒙地卡羅方法（也稱統計類比方法），提供了一種以機率統計理論為基礎，

透過多次反覆計算進行評估的數值計算方法，再利用亂數（或更常見的偽亂數）

來解決很多計算問題，例如在金融工程學、巨集觀經濟學、生物醫學、計算物理學（如粒子輸運計算、量子熱力學計算、空氣動力學計算）、機器學習等領域應用廣泛。

通常蒙地卡羅方法可以粗略地分成兩類：

（1）求解的問題本身具有內在的隨機性：

例如在核子物理研究中，分析中子在反應爐中的傳輸過程。量子力學的世界中，人們只能知道中子與原子核相互作用發生的機率，卻無法準確獲得中子與原子核作用時的位置，以及裂變出的新中子之行進速率和方向。科學家依據其機率進行隨機抽樣得到裂變位置、速度和方向，

這樣類比大量中子的行為後，經過統計就能獲得中子傳輸的範圍，作為反應爐設計的依據。

（2）求解問題可以轉化為某種隨機分佈的特徵數：

例如隨機事件出現的機率，或者隨機變數的期望值。通過隨機抽樣的方法，以隨機事件出現的頻率估計其機率，或者以抽樣的數字特徵估算隨機變數的數字特徵，並將其作為問題的解。這種方法多用於求解複雜的多維積分問題。

(19)

8

2-3-3 蒙地卡羅方法理論

學者Wittwer（2004）指出，蒙地卡羅方法（Monte Carlo method）之基本原理是將原有事件發生機率，訂定出機率密度函數（以下簡稱 PDF），且 PDF 的總值等於1、PDF 所反映出來的事件機率為一個小於 1 的數值，而透過模型中的亂數產生，可使實際問題與模擬情境的有所對應。如此經由預測定的模擬函數模型進行亂數抽樣，可將實際案例中的可靠度、公差度、信賴區間等資訊模擬出來（如圖4）。

以下概述蒙地卡羅的五個步驟（Manno,1999）：

（1）建立模型（非線性方程模型、機率密度函數模型…等）

（2）產生隨機變數

（3）評估並更新模型

（4）重複步驟（2）、（3）

（5）分析統計結果

蒙地卡羅之隨機抽取變數是以樣本空間 S 為定義域的實際函數，換言之，

隨機變數X 為一機率空間之函數，可寫成X(S) → R。該函數將 S 的某一子集合映射至實數領域R，以下透過數學是進行隨機變數定義（陳鐘誠，2019）：

X(s) ；其中 s ∈ S, X(s) ∈ R

而機率密度函數則是一個符合機率公理的函數 P，當我們定義P = [𝑋 = 𝑥]時，

意謂x 是一個特定實數，其機率定義如下：

P = [𝑋 = 𝑥] = 𝑃(𝑆_𝑥) = 𝑃({𝑠: X(s) = 𝑥}) = ∑ 𝑃(𝑠)

s∈𝑆_𝑥

其中𝑆_𝑥為一個S 的子集合，定義為：

𝑆_𝑥= {𝑠: X(s) = 𝑥}

圖4 蒙特卡羅模擬方式可輸出可靠度、公差度、信賴區間

(20)

9

接著進行蒙地卡羅數值積分，所求積分直如下：

S = ∫ 𝑓(𝑥)

1 0

𝑑𝑥

然後將積分區域切成[0,1]區間，並將積分切成 M 個，積分方程式如下：

S = 1

𝑀∑ 𝑓(𝑥) + 0(1/𝑀²)

𝑀

𝑛=1

透過隨機數M 之生產，產生一組均勻分配的隨機數，均勻的產生 n = 1,2,3…M，

且𝑋_𝑛均勻的分佈於[0,1]區間內，於是𝑋_𝑛構成區域面積之趨近方程式以及𝑋_𝑛之誤差波動如下所示：

S ≈ 〈𝑓_𝑛〉= 1

𝑀∑ 𝑓(𝑋_𝑛)

𝑀

𝑛=1

△ S√〈𝑓_𝑛²〉− 〈𝑓_𝑛〉² 𝑀

對於任意隨機變數 X，並滿足連續型隨機機率分配（CDF）函數者，都可被當成機率密度函數（以下簡稱PDF），而透過上述演算會將數據其擬合為一個 PDF、隨機變數 X 於區間中之機率可由 PDF 之定積分表示，透過 X 之 PDF 可求出期望值、變異數、平均值、該PDF 分佈參數等等統計量。

2-3-4 蒙地卡羅方法可使用之方法參考

在 ResearchGate 網站中，學者 Gnyawali（2018）曾回答「如何對資料進行機率密度函數的配適（How to fit a probability distribution function to data?）」，其下解答大概有三種：

（1）使用 R 軟體 MASS 套件中的 fitdistr 函數，得出各種分配的模擬參數，

再配合 ks-test 等配適度檢定函數進行 P 值（P-value）的分析。

（2）使用 MATLAB 的 ezyfit 工具或 histfit 函數。

（3）使用其他軟體，如： EasyFit、MathWave 等。

然而方法（1）中 fitdistr 函數所提供之分配不盡完善，只提供 Beta、Cauchy、

Chi-squared 等 14 種分配；方法（2）的方法不易查詢，也較少人應用。於是採取方法（3）的 EasyFit 及為我們的首選，其支援多達 61 種單（雙）變數分配與多變數分配，並包含大部份可導入 Flexsim 之分配，詳細可參考 3-2-1 數據配適度分析工具 EasyFit 軟體以及七、數據蒐集與配適度分析。

(21)

10

2-4 模擬餐廳環境 2-4-1 建模軟體選用

秦天寳、周向楊（2016）指出生產製造、物流等諸多行業中許多決策問題都具有隨機因素，適合利用系統模擬方法去解決。餐廳內有著許多的隨機因素例如製作餐點速度、顧客的間隔時間、店家點餐的速度等等，每個流程都相互影響。而 Flexsim 具有非常高效的模擬建模。建模人員可以自由地操作部件、

視窗、圖形用戶介面、菜單、選擇列表和部件參數，可以在部件裡增加自定義的邏輯、改變或刪掉既存的編碼，也可以從零開始建立一個全新的部件。此外，

建模可同時運行模擬和模型視圖（可視化），並且可以加速模擬的運行速度，因此 Flexsim 很適合讓初學者針對不同的情境做模擬。

2-4-2 Flexsim 系統模擬技術帶來的價值

李秀妍、劉俊婷（2017）在價值工程 2017 年 34 期的文獻中指出利用 Flexsim 模擬軟體構建了速食店排隊系統模擬模型，採取在取餐視窗增加一名員工、改變點餐視窗排隊方式兩種改進措施，解決顧客因排隊等待時間過長導致的滿意度下降的問題。模擬實驗表明，該改進模型不僅真實地重現速食店排隊現象，

而且較有效地控制了運營成本，減少了高峰期顧客的平均等待時間以提高服務效率，從而提升顧客滿意度和忠誠度。

在沒有類似的軟體成功開發時，要解決問題只能確實嘗試，必須花費大量的人力、資源與時間，而實驗得到的卻不是預期想要的效果。但是有了模擬軟體之後不僅可以減少人力、金錢、時間等，也可以提供店家做出預測性的模擬，

幫助店家預測或應對突發狀況。

在實施之後才發現並糾正錯誤的代價通常是非常昂貴的。利用模擬技術，

在變動前對變動結果進行預測，對餐點流程的合理性、製作餐點的效率等進行模擬分析和驗證才能避免錯誤方案的實施，降低投資的風險。

(22)

11

三、使用軟體工具

3-1 需求強度方面研究工具

3-1-1 App 編寫軟體 MIT App Inventor 2

MIT App Inventor（圖 5）有類似於 Scratch 語言的 App 程式編寫介面，非常適合 App 程式設計初學者使用，而用戶可以拖放圖形，來創造一個可以在 Android 作業系統上運作的應用，並且可以與許多手機設備相容。專題中，我們使用的是 MIT App Inventor 2，作為我們「 POS 系統與客戶端介面」的建置後臺。

3-1-2 Google 表單

在顧客端意見收集部分我們使用最常見的 Google 表單（圖 6），此表單除了管理活動報名資料、快速製作意見調查外，還有更多功能待發掘，可讓我們直接在行動或網路瀏覽器中建立及分析問卷調查，無需額外安裝特殊軟體。本專題之問卷可以在系統收到回應後立即查看結果，並透過圖表彙整出一目瞭然的問卷調查結果摘要。

圖5: MIT App Inventor

圖6: Google 表單

(23)

12

3-2 模擬方面研究工具

3-2-1 數據配適度分析工具 EasyFit 軟體

本專題採用的是 EasyFit 5.5 Professional 的試用版（圖 7），此軟體特色在於輸入數據後，可以使用 Kolmogorov Smirnov（KS）檢定、 Anderson Darling

（AD）檢定、 Chi-Squared（卡方）檢定三種配適度檢定方式，並透過檢定方法給與多達 61 種分配模組進行配適度排名，並可顯示數據在不同分配的分佈圖表。

3-2-2 模擬軟體 Flexsim

Flexsim（圖 8）在生產製造、物流、服務等諸多行業中許多決策問題都具有隨機因素，適合用系統模擬方法解決，但是傳統上由於模擬建模非常複雜，

嚴重阻礙了模擬技術的應用。隨著現代視覺化建模的模擬套裝軟體的出現和普及，模擬技術的使用門檻大大降低，已經可以在企業中大規模推廣應用。Flexsim 有著突出的 3D 圖形顯示功能，建模的設定和調適的方便，以及開放性佳的特性。因此本專題為了要讓整個流程視覺化，故建置了這次的模型模擬現實狀況，

並希望藉由模型模擬做出改善前與改善後的比較。

圖8: Flexsim 圖7: EasyFit 5.5 Professional

(24)

13

四、訪問學餐店家過程

4-1 前言

在第一階段的訪問中，因專題目標尚未擬定，因此訪問對象較為發散，以瞭解對象之困擾、痛點為訪問目標。而此階段訪問後，瞭解到聽覺障礙族群在日常生活中之不便結合自身經驗與新冠肺炎（COVID-19）疫情趨勢，決定以發展「點餐叫號系統」為目標，訪問多個學生餐廳店家在叫號取餐時遇到的困擾。

4-2 訪問店家之步驟

（1）評估臺灣科技大學校內學生餐廳之店家。

評估標準為：

I. 餐點需要等候出餐的時間，並且包含點餐、叫號兩流程的餐廳。

II. 老闆願意接受第一階段訪問與配合本專題後續調查。

III. 同質性的餐廳只取一間。

本階段訪問店家依訪問先後順序為：第一學生餐廳（以下簡稱一餐）

巖茶飲料店、一餐丼太郎日式丼飯、第三學生餐廳（以下簡稱三餐）

八方雲集、一餐福客亭早餐店、三餐豪享來麵館。

（2）與店家擬定訪談時間。

（3）設計問題，主要問題有：

I. 是否有點餐叫號時叫不到人的經驗？

II. 如何解決客人點餐後逾時取餐的問題？

III. 學生餐廳叫號器有何缺點與需要改善的空間？

IV. 臺科學生餐廳是否適合建置類似麥當勞等連鎖速食店的點餐叫號系統

（該系統中會顯示餐點準備中與已完成的即時狀態。）

V. 本專題的方法與流程是否有效解決點餐區與等候區過於擁擠的動線問題，以及能否降低逾時取餐的發生率？

（4）訪問店家主要問題並瞭解各店狀況。

（5）介紹本專題內容瞭解店家想法與建議。

（6）彙整各店家答覆。

（7）鎖定 2 間店家作為研究對象：

I. 巖茶飲料店。

II. 丼太郎日式丼飯。

原因為：

I. 老闆接受第一階段訪問，認同本專題之目的，並願意配合本專題後續調查（三餐豪享來麵館不認同本專題之效益）。

II. 在尖峰時段，排隊區或等候區人潮超過 5 人，且數據易於蒐集。如一餐福客亭早餐店人潮過多有蒐集數據上之困難、三餐八方雲集旁邊為自助餐夾菜動線而不易測量到數據。

(25)

14

4-3 店家需求強度

4-3-1 組裝架構成本與節省綜效

店家都看重組裝成本的部分，因為如果成本較高，但系統又處於測試階段，

有很大的風險，那寧願使用原來的點餐流程；反之，如果技術成熟且價格實惠，

可以汰換叫號機並省下叫號單，並降低其他無形的成本，產生綜效。

4-3-2 動線問題

所有店家都覺得動線是極大的問題。在學生餐廳尖峰時間，各店家結帳區與等候區顧客擠成一團（如圖9），連帶壓縮到移動至各處的走道空間。

而其影響有二：

（1）想排隊點餐的客人常常因為誤入等候區域，甚至引起插隊糾紛。

（2）點餐區與等候區人太多，造成點餐叫號不易，進而發生不少逾時取餐案例，

甚至產生同份餐點「後來者先拿」的過號糾紛，使得先來者耽誤太長的時間候餐。

綜上兩點，不只是增加了消費歷程，也會讓店家損失很多潛在客戶。

4-3-3 可行性

八成店家聽了本專題的敘述後決定可行性較高，也能有效解決逾時取餐與動線混亂的問題。假設本專題成功建製，加上學校的推廣，店家會非常願意嘗試本專題設計的點餐系統。

圖9: 學生餐廳尖峰時間擁擠狀況圖

(26)

15

五、點餐叫號系統

5-1 前言

為了減少顧客現場等待的時間以及配合防疫安全距離的政策，並根據店家訪問之結果，因此本專題提出一個簡易使用的點餐叫號系統，使店家與顧客達到最高效益。本專題模擬在日常使用的手機建置一個顧客端叫號軟體，來與店家的點餐 POS 機做連線，透過網絡的即時資訊傳遞，消費者可以透過軟體知道自己的餐點狀態以及預計的等候時間，並在餐點完成時震動提醒消費者前往取餐。

5-2 點餐叫號系統流程

叫號點餐系統（圖 10）的流程為：點餐 → 確認餐點 → 結帳 → 選擇 → 連結叫號 → 叫號取餐，導入顧客端叫號軟體後，消費者仍可依據傳統的點餐方式點餐，不同的是「消費者可以透過軟體的方式得知叫號的次序以及餐點的狀態」，不必在擁擠的人群中等待店家叫號。消費者在結帳之後，可以「選擇」在店家的點餐機螢幕掃取二維條碼，或是領取印有二維條碼的取餐收據，以便連結顧客端的手機軟體以及店家的點餐叫號 POS 系統。當餐點完成時，店家會透過點餐叫號 POS 系統，使消費者的手機震動，提醒消費者即時取餐，達成減少逾時取餐之目的。

圖10: 點餐叫號系統流程圖

(27)

16

5-3 點餐叫號系統模擬

經過專題小組內部多次研討和評估與組員吳俊煜的程式撰寫上的研究，決定將點餐叫號系統之程式開發視為專題的一環，並選用 MIT App Inventor 來撰寫使用者介面。在撰寫程式上採用「設計思考」五步驟來釐清設計路線：

第一步 – 「同理」，藉由觀察和聆聽「使用者」在點餐叫號的情緒感受，詢問為什麼以尋找真實需求。

第二步 – 「定義」，找出真實需求後，定義使用者的痛點。

第三步 – 「發想」，寫下所想得到的點子，並與專題指導教授討論。

第四步 – 「原型」，將想到的點子透過草圖建構，並製作出一款手機 App。

第五步 – 「測試」，讓使用者測試製作出來的手機 App 原型是否適用，並觀察使用狀況、回應等，再去更改手機App 的建置，從而達到一個較完整的手機App。

以下為使用者介面與使用者說明：

步驟畫面步驟說明

第一步

打開點餐叫號系統掃描店家 QR code 或輸入手上的號碼單的號碼。

確認號碼無誤後按下確定按鈕將進入第二畫面。

第二步

觀看餐點即時狀態、等待程式叫號。

此頁面將顯示：

（1）您的號碼

（2）目前叫號

（3）預計等待的時間

（4）餐點當下狀態

若發現輸入錯誤，可選擇「回上一頁」修改號碼。

圖11: App 畫面一

圖12: App 畫面二

(28)

17

第三步

餐點已完成後，手機跳至第三畫面並震動。

顧客點擊「我知道了！」按鈕並前往店家櫃檯取餐。

第四步

顧客至店家掃描 QR code，作為餐點銷單用途，

表示顧客已取得餐點，並使店家端做到電子化銷帳，同時避免顧客與店家間取餐糾紛。

第五步

取餐成功後點擊「是」程式將會終止。

若無，則點擊「否」，程式將回到第三畫面。

圖13: App 畫面三

圖14: App 畫面四

圖15: App 畫面五

(29)

18

六、顧客端問卷調查

6-1 前言

為使流程的模擬能與現實狀況相符，需蒐集顧客端的真實數據，瞭解顧客的消費模式與影響用餐的因素等，故設計本問卷來輔佐專題與作為模擬的數值參考。

本問卷調查流程圖如（圖16），在設計問卷時會著重於候餐行為的部分，因尖峰時間學生餐廳結帳區和候餐區過於擁擠、尖峰時間顧客留意出餐窗口餐點狀況不易，導致逾時取餐問題產生，希望通過問卷能得到顧客的心聲之外，也希望能得到預期之外的意見與想法。

6-2 顧客端問卷調查步驟

問卷初步發想與擬定

與教授討論與修改

問題確認問卷最後內容

問卷發布校版分別為臺科大（圖17）

與臺大（圖18）

發布約一個月後關閉問卷數據整理與圖表視

覺化

圖17: 臺科大校版發文圖18: 臺大校版發文圖16: 問卷調查流程圖

(30)

19

6-3 點餐行為與習慣調查之問卷設計

「臺科第一學生餐廳消費者點餐行為與習慣調查」之主要問卷畫面問卷內容請參考附錄一

第 1 頁主要概括本專題內容，人員與設計問卷目的，註明抽獎辦法。最後聲明絕不洩露個資保證。

第 2-1 頁主要收集顧客的身份與結帳方式，方便我們瞭解目前線上支付的推廣程度及普及率。

第2-2 頁主要探討消費者點餐前的行為，包含使用多少時間決定吃的餐點，從開始排隊到結帳結束所花的時間，以及影響決定餐點的因素。

第 2-3 頁主要探討消費者點餐後的行為，也就是侯餐的行為，探討消費者是會選擇原地等，暫時離開現場或是先找位置的百分比。

圖19: 消費者點餐行為與習慣調查問卷第 1 頁圖20: 消費者點餐行為與習慣調查問卷第 2-1 頁

圖21: 消費者點餐行為與習慣調查問卷第 2-2 頁圖22: 消費者點餐行為與習慣調查問卷第 2-3 頁

(31)

20

第3-1 頁主要收集消費者的用餐習慣，一週的用餐次數，以及用餐方式是外帶或內用居多。

第 3-2 頁主要探討消費者的消費時段，瞭解大多數消費者的習慣用餐時間，從此推斷出一日三餐之中對學生餐廳需求量最大的高峰時段。

第 3-3 頁主要研究消費者餐點完成叫號後前來取餐的時間逾時取餐問題與店家喜好。

第 4 頁是有附完整的專題介紹鏈接以及收集填問卷者的電子郵件作為抽獎使用。

圖23: 消費者點餐行為與習慣調查問卷第 3-1 頁圖24: 消費者點餐行為與習慣調查問卷第 3-2 頁

圖25: 消費者點餐行為與習慣調查問卷第 3-3 頁圖26: 消費者點餐行為與習慣調查問卷第 4 頁

(32)

21

「學生餐廳點餐叫號系統強度模擬研究及流程與專題內容敘述」之延伸問卷畫面

（詳細介紹本專題內容，以更深入瞭解學生餐廳顧客想法。）

問卷內容請參考附錄二

第 1 頁主要介紹本專題帶來的預期效應，最後註明抽獎方式。

第2-1 頁以流程圖方式詳細介紹本專題設計流程。

第2-2 頁以影片方式詳細介紹本專題設計流程。第2-3 收集填問卷者對本專題瞭解程度。

圖27: 專題內容敘述之延伸問卷第 1 頁圖28: 專題內容敘述之延伸問卷第 2-1 頁

圖29: 專題內容敘述之延伸問卷第 2-2 頁圖30: 專題內容敘述之延伸問卷第 2-3 頁

(33)

22

第 2-4 頁主要收集消費者對於本專題以及餐廳想法與建議。

第3 頁是收集填問卷者的電子郵件作為抽獎使用。

6-4 數據概況

6-4-1 點餐後結帳方式

如（圖 33），本專題設計的叫號系統對行動支付較有利，因此希望未來系統的成熟，可以帶動行動支付的使用率，並針對推動線上支付的瓶頸點做出改善，使願意使用行動支付的比例變高，在商業行為方面可以給折扣等等優惠來吸引消費者。

圖33: 點餐後結帳方式比例圖

圖31: 專題內容敘述之延伸問卷第 2-4 頁圖32: 專題內容敘述之延伸問卷第 3 頁

(34)

23

6-4-2 進入餐廳後，大概花多少分鐘來決定吃什麼

如（圖34），5 分鐘人的比例最多，因此使用本專題的程式後，因為程式會即時回饋各店家等候狀況，所以除了有效縮短候餐狀況，預期可以讓現場的人更快決定要吃什麼餐點，加快整個點餐的流程。

6-4-3 決定好吃甚麼後，從開始排隊到結帳結束，您認為花了幾分鐘

如（圖 35），這是顧客現實的心理因素時間，與本專題在現場測量所得知數據不符，現場觀測的數據為：一分鐘以內和1～3 分鐘約在 50%左右，但調查結果只有24%； 7～10 分鐘和 10 分鐘以上為 10～20%，但調查結果總和來到 30%。所以可以預期有了程式之後的，顧客心理時間可大幅縮短的。

圖34: 消費者選擇店家的時間分佈圖

圖35: 消費者選擇店家的時間分佈圖

(35)

24

6-4-4 影響您決定餐點的因素

如（圖 36），若可以做到對顧客的 ID 追蹤，則可幫助店家做出預估與排程，或做針對特定餐點的做即時銷售量預估，例如在寒冷天氣推出有熱湯的特餐或套餐組合。亦可做類似 Google 評論功能同時更兼具即時性的店家回饋系統。

6-4-5 候餐狀況百分比

如（圖37），此表顯示離開現場與現場候餐的比例，此比例也應用在 Flexism 的模擬。數據中 50%和 16%的加總是現場候餐的人數比例，25%和 9%的加總則是離開現場的人數比例。此比例與我們現場觀察的情況相符。

圖36: 決定消費者決定餐點因素分佈圖

圖37: 候餐狀況比例分佈圖

(36)

25

6-4-6 若您暫時離開會到哪裡呢（96 筆資料）

如（圖 38），大部分會去買飲料或上廁所，本專題設計程式上有時間提醒的功能，能提醒消費者還剩多少時間，讓消費者評估候餐時間應該如何運用。

6-4-7 在臺科第一餐廳的用餐方式

如（圖39），外帶的顧客通常會現場候餐，內用的顧客則不一定，且容易逾時取餐。調查結果顯示在臺科大第一學生餐廳內用與外帶比例相當接近（約為 4：5）。

圖38: 消費者暫時現場後的行為分佈圖

圖39: 消費者用餐方式分佈圖

(37)

26

6-4-8 每週 7 天之中，您去臺科第一餐廳是為了吃「早餐」的頻率如（圖 40），少部分消費者到第一學生餐廳是為了吃早餐。

1 代表 0～20%，2 代表 21～40%，3 代表 41～60%，4 代表 61～80%，5 代表 81～100%

6-4-9 每週 7 天之中，您去臺科第一餐廳是為了吃「中餐」的頻率如（圖41），大部分消費者到第一學生餐廳是為了吃中餐。

1 代表 0～20%，2 代表 21～40%，3 代表 41～60%，4 代表 61～80%，5 代表 81～100%

圖40: 消費者到餐廳吃早餐比例圖

圖41: 消費者到餐廳吃中餐比例圖

(38)

27

6-4-10 每週 7 天之中，您去臺科第一餐廳是為了吃「晚餐」的頻率

如（圖 42），不少消費者到第一學生餐廳是為了吃晚餐，但會少於解決中餐的頻率。

1 代表 0～20%，2 代表 21～40%，3 代表 41～60%，4 代表 61～80%，5 代表 81～100%

6-4-11 餐點完成（叫號後），隔多久您會取到餐？

如（圖 43），估計是設計問題上的瑕疵，真實數據上，1 分鐘以上應該在 20%以內，否則 37.2%的逾時取餐狀況將成為店家嚴重的候餐區問題。

圖42: 消費者到餐廳吃晚餐比例圖

圖43: 消費者認為店家叫號後取到餐的時間分佈圖

(39)

28

6-4-12 造成您逾時取餐最常的原因

如（圖44），數據顯示本專題主要解決方向，等候人潮眾多是最大的原因，

達到了 62.8%。本專題除瞭解決人潮眾多的困境，連帶解決前兩點的問題。雖然可能會使不在餐廳附近的比例增加，但是會提高消費者體驗和解決其他的問題。

6-4-13 您最常在臺科第一餐廳消費的店家

如（圖 45），此調查證明瞭我們選擇巖茶和丼太郎的合理性，除去不需要在現場等候餐點的自助餐與資料收集困難的早餐店，這兩間店家是第一學生餐廳最受歡迎、專題呈現上最具代表性的餐廳。

圖44: 造成逾時取餐的原因比例圖

圖45: 消費者店家喜好調查圖