Grundlagen der diskreten Ereignissimulation

Grundlegende Modellelemente

• Standorte: Feste Orte, an denen Personen verarbeitet oder gelagert werden sowie Entscheidungen oder andere Tätigkeiten stattfinden.
• Entities: Unabhängig von der Modellierung von Prozessen.
• Physikalisches Straßennetz: Bewegte Netze, in denen sich Personen und Ressourcen befinden.
• Resources: Jede Person oder Einrichtung, die für Verkehr, Operationen etc. verwendet wird.
• Process: Definiert den Pfad zu den Instituten, dem Suchsystem und dem operativen Bereich an jedem Standort.
• Anreise: Neue Einheiten, die in das System gelangen.
• Schichten (Shift): Pausen und Wochen, die für Orte oder Ressourcen definiert sind.
• Attributes: Inhaber von Werten, die an eine Stelle oder einen bestimmten Ort gebunden sind.
• Variablen: Entscheidungsträger, die numerische Werte darstellen.
• Reihen-Arrangements: Matrix von Zellen mit reellen oder ganzzahligen Werten; jede Zelle fungiert als Variable.
• Unterprogramm: Befehl, der aufgerufen werden kann, um eine Logik oder einen Logikblock auszuführen und gegebenenfalls einen Wert zurückzugeben.
• Cycles der Ankünfte: Individuelle Anreisemuster, die über einen Zeitraum auftreten.
• Tabellenfunktion: Beziehung zwischen unabhängigen und abhängigen Werten.
• User-Distributionen: Empirische Daten, die in einer Tabelle zusammengefasst sind, wenn Daten nicht einer Standardverteilung entsprechen.
• Externe Dateien: Werden während der Ausführung des Modells verwendet, um Simulations-Output-Daten zu lesen oder zu schreiben.
• Allgemeine Informationen: Fenster zur Angabe grundlegender Modellinformationen.
• Cost: Überwachung der Kosten, die mit jedem Element verknüpft sind.
• Hintergrund-Grafiken: Dienen der Verbesserung der Animation und machen das Modell realistischer.

Diskrete Ereignissimulation

• Definition: Eine Reihe mathematischer Logiken und probabilistischer Beziehungen, die das Verhalten eines Systems bei Eintreten eines Ereignisses beschreiben.
• Vorteile: Ermittlung der Auswirkungen von Prozessveränderungen, Verbesserung des Prozessverständnisses, Unterstützung bei der Entscheidungsfindung durch Schulungen sowie wirtschaftliche und einfache Darstellung von Prozessverbesserungen.
• Nachteile: Optimierung ist teuer, zeitaufwendig und erfordert statistische Kenntnisse zur Dateninterpretation.
• Anwendungsbereich: Enthält alle Objekte und Interaktionen, die zur Erreichung der Ziele relevant sind.
• Detaillierungsgrad: Wird durch die Ziele der Studie bestimmt; das Modell sollte detailliert genug sein, um das Systemverhalten zu replizieren.
• Ziele: Visualisierung (sehen, was passiert), Last (quantifizieren, was im System geschieht), Kommunikation (zeigen, wie das System funktioniert).
• Simulationsprojekt: Systemdefinition, Modellentwicklung, Datenerfassung und -analyse, vorläufige Simulation, Modellprüfung, finale Simulation und abschließende Dokumentation.