Die Anwendung der Simulationsmodellierung

Die Modellierung ist eine Methode der Problemlösung, in der das untersuchte System durch ein einfaches Objekt ersetzt wird, welches das reale System und/oder seine Verhaltensweisen beschreibt und welches als Modell bezeichnet wird.

Die Simulation kommt dann zum Einsatz, wenn die Durchführung von Experimenten in einem realen System unmöglich oder nicht praktikabel ist: beispielsweise wegen der hohen Kosten von Prototypen und Tests, weil das System für extensive Tests zu fragile, oder die Dauer des Experiments in Echtzeit nicht praktikabel ist.

Bits, keine Atome. Wir müssen zwischen der physischen und der mathematischen Modellierung unterscheiden. Ein Beispiel für ein physisches Modell wäre eine maßstabsgerechte Kopie eines Flugzeugs in einem Windkanal. Simulationen gehören zu den mathematischen, rechnergestützten Modellen, deren Verhalten von Gleichungen und Algorithmen bestimmt wird, die normalerweise datenbasiert sind und über eine Benutzeroberfläche dargestellt werden. Diese Modelle imitieren das Verhalten eines realen Systems und entwickeln, basierend auf den unterschiedlichen Eingangsdaten, theoretische Werte. Dadurch kann der Benutzer der Simulation komplexes Verhalten und Szenarien in einem Bereich mit sehr unterschiedlichen Bedingungen viel schneller und kostengünstiger untersuchen, als das in einem physischen System möglich wäre.

Beispiel eines Simulationsmodells

Wie Simulation angewendet wird, kann am Beispiel einer Kundendienstabteilung einer Bank veranschaulicht werden. Angenommen, wir versuchen, die personelle Mindestausstattung zu ermitteln, die erforderlich ist, um ein gewisses Maß an bewährtem Service zu erfüllen.

Wir entwickeln eine Maßzahl für Servicequalität; die durchschnittliche Länge der Warteschlange darf nicht größer sein als die Anzahl N Personen. Um diese Fragestellung zu lösen, benötigen Sie gewisse Grundkenntnisse über das System, beispielsweise, wie viele Kunden die Bank besuchen, mit welcher Häufigkeit und wie lange es dauert, bis ein Bankangestellter einen einzelnen Kunden bedient hat. Da wir versuchen, eine reale Situation abzubilden, müssen wir außerdem die Ankunftszeit der Kunden variieren (Stoßzeiten) und die Länge der Dienstleistung für einfache und komplexe Transaktionen berücksichtigen.

Diese Aufgabe erscheint zunächst sehr speziell, ist aber ein allgemeingültiger Fall von ähnlichen Wartschlangenproblemen, die in vielen Bereichen auftreten, in denen menschlicher und technischer Ressourceneinsatz involviert sind. Unternehmen versuchen immer, die Kosten von unausgelasteten Ressourcen zu senken, seien es nun technische Fachkräfte oder Kapitalausstattung. Wenn optimale Ressourcenpläne ermittelt und die Systemkosten auf die Arbeitslast abgestimmt werden, werden Kosten reduziert und die Profite steigen.

Der erste Schritt der Problemlösung besteht darin, ein Modell zu erstellen, das der Struktur und den Geschäftsprozessen der Bank entspricht. Das Modell muss nur die Faktoren berücksichtigen, die das zu analysierende Problem beeinflussen. Beispielsweise hat die Verfügbarkeit von Office-Dienstleistungen für Firmenkunden oder die Kreditabteilung keinerlei Einfluss auf die Dienstleistungen für den einzelnen Kunden, da sie sowohl physisch als auch funktional getrennt sind. Dieses Modell kann schematisch als eine Abfolge dieser Aktionen dargestellt werden.

 what_is_simulation_flow

Run the model…

Der zweite Schritt besteht darin, Rohdaten für unser Modell einzugeben: Die Schwankungen und Spitzen der ankommenden Kunden, die durchschnittliche Länge der Kundenberatung, die Anzahl an verfügbaren Bankangestellten und anderen Kundenservicemitarbeitern. Auf der Basis dieser Daten simuliert oder reproduziert das Modell die Arbeit der Bank innerhalb einer festgelegten Zeitspanne.

 what_is_simulation_table

In einem nächsten Schritt werden die Statistiken analysiert, die das Modell erfasst und geliefert hat. Wenn die durchschnittliche Länge der Warteschlange größer als das festgelegte Limit N ist, sollte die Anzahl des verfügbaren Personals erhöht und das Experiment wiederholt werden.

 what_is_simulation_chart

Nach mehreren Experimenten wird der User die optimale Personalbesetzung für das zu erwartende Kundenprofil eruiert haben. Diese Art der Versuchsdurchführung wurde natürlich automatisiert, sodass der Benutzer schnell ein breites Spektrum an Parametern variieren oder für die beste Lösung optimieren kann, statt mehrfache Tests zu wiederholen.

Vorteile der Simulation

Experimente via Simulationsmodell haben gegenüber physischen Experimenten ein paar bedeutende Vorteile:

  • Wert. Ein Simulationsmodell kann Ihnen eine enorme Investitionsrentabilität bieten. Angenommen, ein Unternehmen hat Einnahmenausfälle und reagiert mit Personalabbau. Dadurch wird der Kundenservice und die Antwortzeit reduziert, was wiederum die Verkaufszahlen reduziert und die Einnahmen weiter zurückgehen lässt. Eine Simulation könnte verwendet werden, um wichtige Parameter wie Discounts, Prozessänderungen, Werbung und viele andere Faktoren abzustimmen, die erforderlich sind, um dieses neu definierte System auszugleichen.
  • Zeit. Bei der realen Auswertung kann der langfristige Einfluss von Prozess- oder Konzeptionsänderungen Monate oder gar Jahre dauern. Ein Simulationsmodell gibt Ihnen die Informationen innerhalb von Minuten.
  • Wiederholbarkeit. Heutzutage müssen Organisationen schnell auf veränderte Marktbedingungen reagieren können. Analysen wie zum Beispiel Prognosen zur Produktnachfrage müssen schnell erstellt werden, da die Ergebnisse sehr wichtig sein können. Ein Marketing-Team könnte ein Simulationsmodell einsetzen und Parameter wie Preis- und Marktsegment für eine unbegrenzte Anzahl an Experimenten variieren.
  • Genauigkeit. Herkömmliche rechnergestützte mathematische Methoden erfordern einen hohen Abstraktionsgrad und lassen wichtige Details außer Acht. Durch die Simulationsmodellierung können wir die Struktur des Systems und seiner Prozesse auf natürliche Weise beschreiben, ohne auf Formeln oder strenge mathematische Zusammenhänge zurückzugreifen.
  • Anschaulichkeit. Durch ein Simulationsmodell wird das System im Zeitablauf visualisiert; Animationen illustrieren das aktive System und graphische Ausgaben bestimmen die Ergebnisse quantitativ. Somit können wir die resultierende Entscheidung visualisieren, was es erheblich einfacher macht, diese Idee dem Kunden und Kollegen zu vermitteln.
  • Vielseitigkeit. Dank der Simulation können wir Probleme in beliebigen Bereichen lösen: Produktion und Fertigung, Logistik, Finanzen, Gesundheitswesen, und viele andere. In jedem Fall simuliert das Modell die Realität und ermöglicht Experimente in einem breiten Spektrum, ohne auf reale Objekte einzuwirken.