Warum sollte man Simulationsmodellierung verwenden?

Simulationsmodellierung löst reale Probleme sicher und effizient. Es handelt sich um eine wichtige Analysemethode, die einfach überprüft, kommuniziert und verstanden werden kann. Über viele Branchen und Disziplinen hinweg stellt Simulationsmodellierung wertvolle Lösungen zur Verfügung, indem klare Einblicke in komplexe Systeme gegeben werden.

Bits, keine Atome. Bei Simulationsmodellierung handelt es sich um das Experimentieren auf einer gültigen digitalen Abbildung eines Systems. Im Gegensatz zu physikalischer Modellierung, wie der Anfertigung eines Miniaturmodells eines Gebäudes, basiert die Simulationsmodellierung auf Computern und verwendet Algorithmen und Gleichungen. Das Systemmodell ist dynamisch und kann während der Ausführung analysiert und sogar in 2D oder 3D betrachtet werden.

Computersimulationen werden im Geschäftsleben verwendet, wenn die Durchführung von Experimenten auf einem realen System unmöglich oder aufgrund der Kosten oder des Zeitaufwandes unpraktisch ist.

Die Fähigkeit, das Modell während der Ausführung zu analysieren, hebt Simulationsmodellierung von anderen Methoden, wie der Verwendung von Excel oder linearer Programmierung, ab. Dadurch, dass Prozesse untersucht werden können und mit dem Simulationsmodell zur Laufzeit interagiert werden kann, werden sowohl Verständnis als auch Vertrauen schnell aufgebaut.

Ein Beispiel: Simulationsmodellierung für einen effizienten Kundendienst

Dieses konkrete Beispiel ist auch anwendbar für das allgemeinere Problem, personelle und technische Ressourcen zu verwalten. Hierbei bemühen sich beispielsweise Firmen naturgemäß, die Kosten von Ressourcen, technischen Experten oder Ausrüstungsgegenständen, die nicht ausgelastet sind, zu reduzieren.

Bestimmung der optimalen Mitarbeiterzahl zur Erreichung einer vordefinierte Servicequalität für Kunden, die eine Bank besuchen

Zunächst wurde für die Bank die durchschnittliche Warteschlangengröße als das Maß für die Servicequalität definiert. Dann wurden relevante Maße des Systems ausgewählt, um die Parameter des Modells zu setzen – die Anzahl und die Häufigkeit, mit der Kunden ankommen, die Zeit, die ein Bankmitarbeiter benötigt, um einen Kunden zu bedienen und die natürlichen Schwankungen, die hierbei auftreten können, insbesondere der Andrang während der Mittagszeit und komplexe Anfragen.

Ein Ablaufdiagramm, das die Struktur und die Prozesse der Abteilung widerspiegelt, wurde anschließend erzeugt. Modelle müssen nur die Faktoren betrachten, die das zu analysierende Problem beeinflussen. Beispielsweise hatte die Verfügbarkeit von Vor-Ort-Dienstleistungen für Geschäftskunden oder die Kreditabteilung keinen Einfluss auf die Dienstleistungen für Einzelpersonen, da diese räumlich und funktional getrennt sind.

Flowchart

Nachdem die Modelldaten eingespeist wurden, konnte die Simulation ausgeführt und ihr Betrieb im Verlauf der Zeit betrachtet werden. Hierdurch konnten Verfeinerungen vorgenommen und Ergebnisse analysiert werden. Falls die durchschnittliche Warteschlangengröße die angegebene Grenze überschritten hat, wurde die Anzahl der Mitarbeiter erhöht und ein neues Experiment durchgeführt. Dies kann automatisch geschehen, bis eine optimale Lösung gefunden wird.

Data
Results

Insgesamt lassen sich mehrere Szenarien sehr schnell durch unterschiedliche Parameter untersuchen. Sie können während der Ausführung geprüft und angefragt werden und lassen sich auch miteinander vergleichen. Die Ergebnisse sorgen deshalb für Vertrauen und Klarheit bei Analysten, Ingenieuren und Managern gleichermaßen.



Kostenfrei ausprobieren