Diskrete Ereignissimulation: eine Warteschlange von Hand nachrechnen

Ein Ereignis verändert den Modellzustand

Stellen Sie sich eine Prüfperson und eine Warteschlange nach Eingangsreihenfolge vor, also First in, first out (FIFO). Eine Auftragsankunft verändert die Warteschlange. Das Prüfende gibt die Ressource frei. Die Uhr springt zum nächsten relevanten Ereignis, statt jede Millisekunde neu zu rechnen.

Die Aufträge sind die beweglichen Einheiten, die Prüfperson ist die Ressource. Zum Zustand gehören die wartenden und geprüften Aufträge sowie die aktuelle Zeit. Die Regeln bestimmen, ob ein bereiter Auftrag die Prüfperson belegen darf und was nach Prüfende geschieht.

Das Modell startet zum Zeitpunkt null leer. Pausen, Nacharbeit, Vorrangregeln und fehlende Angaben sind ausgeschlossen. Das sind bewusst gesetzte Grenzen des Lehrbeispiels, keine Behauptungen über ein echtes Team.

Drei Aufträge ohne Simulationspaket nachrechnen

Die fiktiven Eingaben verwenden Minuten auf derselben Uhr. A kommt bei Minute null an und braucht vier Minuten. B kommt bei Minute eins und braucht zwei. C kommt bei Minute fünf und braucht drei. Ein begonnener Prüfvorgang wird nicht unterbrochen.

Das kleinste Modell für die Frage aufbauen

Das Excel-Arbeitsblatt berechnet Ankunft, Beginn, Ende und Wartezeit für dieses Beispiel mit drei Aufträgen und einer Bedienstation. Ändern Sie Ankunfts- und Bearbeitungszeiten, um die Warteschlange zu prüfen. Es bildet weder zufällige Ankünfte noch mehrere Ressourcen ab.

Eine spezialisierte Bibliothek hilft bei mehreren Ressourcen, parallelen Wegen oder komplexeren Ereignisbeziehungen. Mit der freien Python-Bibliothek SimPy können Sie prozessbasierte diskrete Ereignismodelle mit gemeinsam genutzten Ressourcen aufbauen. Die offizielle Dokumentation erklärt, wie Prozesse auf Ereignisse warten. Prüfen Sie die Prozessannahmen unabhängig davon, welche Bibliothek Sie wählen.

Die fünf Schritte unten sind eine praktische Folge für diese Übung, keine vorgeschriebene branchenweite Schrittzahl. Trennen Sie Verifikation und Validierung auch dann, wenn ein kleines Projekt andere Tätigkeiten zusammenfasst.

1. Die Entscheidung beschreiben

   Etwa prüfen, ob ein zusätzliches Prüffenster Wartezeit senken könnte, ohne die Verzögerung zu verlagern.

2. Die Eingaben sammeln und nennen

   Ankünfte, Prüfdauern, Ressourcenkalender, Prioritäten und anfangs vorhandene Arbeit sichtbar halten.

3. Die Ereignisregeln aufbauen

   Ankunft, Eintritt in die Warteschlange, Ressourcennutzung und Abschluss umsetzen. Ereignisse zum selben Zeitpunkt ausdrücklich regeln.

4. Einen kleinen Lauf verifizieren

   Jedes Ereignis von Hand gegenrechnen und prüfen, ob jeder eingetroffene Auftrag genau einen schlüssigen Zustand hat.

5. Vor dem Änderungsvergleich validieren

   Aufgezeichnete Wartezeiten, Abschlüsse und offene Arbeit über einen passenden realen Zeitraum vergleichen. Dann ein geändertes Szenario samt Unsicherheit prüfen.

Zufallsstichproben sind keine konkurrierende Methode

Das Drei-Aufträge-Beispiel ist deterministisch: Gleiche Eingaben erzeugen dasselbe Ergebnis. Streuen Ankünfte oder Prüfdauern, kann ein DES-Modell Zufallswerte ziehen. Diese Monte-Carlo-Stichproben werden innerhalb des Ereignismodells verwendet. DES und Monte Carlo schließen sich deshalb nicht gegenseitig aus.

Ein kontinuierliches Modell beschreibt stetig veränderliche Größen, etwa die Temperatur nach einer festgelegten physikalischen Gleichung. Manche Aufgaben verbinden kontinuierliches Verhalten mit diskreten Änderungen. Wählen Sie die Modellart nach der Frage, statt eine grundsätzlich beste Art zu behaupten.

Das lokale Beispiel enthält außerdem einen Lehrversuch mit festgelegtem Startwert des Zufallszahlengenerators. Jede Prüfdauer wird mit einem zufällig gezogenen Faktor zwischen 0,8 und 1,2 multipliziert. Das endliche Drei-Aufträge-Szenario wird 100-mal wiederholt. Die Faktoren sind erfunden und nicht an eine reale Prüfperson angepasst. Die Ergebnisse zeigen Wiederholbarkeit und Streuung, keine Empfehlung zur Personalplanung.

Einschwingphase und Wiederholungen dienen verschiedenen Fragen

Ein leer startendes, endliches Drei-Aufträge-Beispiel benötigt keinen künstlich verworfenen Anlauf: Alle drei Aufträge gehören zur gestellten Frage. Für einen laufenden Betrieb kann dagegen realistische Anfangsarbeit oder eine begründete Einschwingphase nötig sein, um den leeren Start nicht mit dem normalen Zustand zu verwechseln.

Verwenden Sie unabhängige Zufallsfolgen über wiederholte Szenarien und berichten Sie Unsicherheit statt nur eines günstigen Laufs. Beim Vergleich von Änderungen müssen Eingabeannahmen und Versuchsaufbau zusammenpassen. Ein deterministischer Lauf beschreibt keine Verteilung möglicher Ergebnisse.

Achten Sie auch auf das Ende der Messung. Ein Stopp zu einem festen Zeitpunkt kann offene Arbeit hinterlassen. Wer nur abgeschlossene Aufträge auswertet, übersieht möglicherweise deren lange Wartezeiten. Erfassen Sie die Restwarteschlange und erklären Sie, ob Ankünfte enden, bevor die übrige Arbeit fertig bearbeitet wird.

Wann ein Modell eine Entscheidung unterstützen kann

Verifikation prüft, ob der Code die beabsichtigten Regeln umsetzt. Validierung prüft, ob Regeln und Eingaben den realen Ablauf für die geplante Entscheidung ausreichend abbilden. Die Handrechnung hier verifiziert einen kleinen Algorithmus. Sie validiert keinen Unternehmensablauf.

Der Leitfaden zur Simulationsvalidierung hilft bei der Glaubwürdigkeitsprüfung. Der Methodenvergleich unterstützt die Auswahl; die Wertstromanalyse verbindet das geplante Modell mit einem beobachteten Ist-Zustand.

Vrolen nutzt Simulation als Funktion der Wertstromkarte. Das Artikelbeispiel behauptet weder, dass dieses eigenständige lokale Skript eine Produktfunktion sei, noch dass es eine Prognose des privaten Piloten liefere.

Kostenlose Werkzeuge für die Simulation betrieblicher Abläufe

SimPy ist eine Python-Bibliothek für diskrete Ereignissimulation unter MIT-Lizenz. JaamSim ist ein grafischer Simulator für diskrete Ereignisse; sein aktueller Quellcode steht unter Apache 2.0. Beide lassen sich ohne den Kauf einer kommerziellen Simulatorlizenz nutzen. Modellaufbau, Eingangsprüfung und Validierung bleiben nötig. Kostenlose Software macht ein Modell noch nicht zur geeigneten Grundlage für einen betrieblichen Eingriff.

Das kleine JavaScript-Beispiel dieses Artikels bietet einen weiteren kostenlosen Lernweg. Es ist bewusst begrenzt und enthält bereits ein geprüftes Ergebnis. Wählen Sie nach der tatsächlichen Flussfrage und den Fähigkeiten des Teams. Allgemeine Zeichenprogramme und Process-Mining-Produkte simulieren nicht automatisch Warteschlangen, gemeinsam beanspruchte Ressourcen oder Zeitverläufe.

Warum Listen von Simulationsarten unterschiedlich lang sind

Eine Dreierliste nennt häufig diskrete Ereignissimulation, kontinuierliche Simulation und Monte-Carlo-Simulation. Eine Viererliste ergänzt gegebenenfalls agentenbasierte Simulation. Das sind hilfreiche Unterscheidungen, keine vier überschneidungsfreien Schubladen. NIST beschreibt zeitbezogene diskrete und kontinuierliche Ansätze, ihre Verbindung in einem hybriden Modell sowie Monte-Carlo-Stichproben, die auch innerhalb beider Ansätze vorkommen können.

Diskrete Ereignisse eignen sich für Ankünfte, Warteschlangen und Ressourcenfreigaben; kontinuierliche Modelle für Größen, die sich im Zeitverlauf verändern. Monte Carlo bildet Unsicherheit durch wiederholte Zufallsziehungen ab. Agentenbasierte Regeln helfen, wenn einzelne Akteure und ihre Wechselwirkungen das Ergebnis bestimmen. Ein hybrides Modell kann Ansätze kombinieren. Wählen Sie die Methode für die offene Frage und prüfen Sie ihre Annahmen, statt nach der Zahl der Kategorien zu entscheiden.