2. #bestbpmplatform: Prozessoptimierung durch diskrete Simulation

„Was wäre, wenn …?” – Drei einfache Worte, mit so viel Gewicht. Was wäre, wenn wir mehr Leute einstellen, neues Equipment kaufen oder die Qualität verbessern könnten? Welche Auswirkungen hätte das? Was wäre, wenn wir diese Auswirkungen voraussagen könnten, ohne Kosten für zusätzliche Mitarbeiter oder Material zu verursachen oder den realen Prozess zu stören? Genau hier kommt die Simulation ins Spiel: Sie ermöglicht Ihnen, mit vielen verschiedenen Szenarien zu experimentieren und viele „Was wäre, wenn…?“-Fragen zu stellen, immer mit dem Ziel, Prozesse und Ergebnisse zu optimieren.

Reales Abbild und Prozessoptimierung durch diskrete Simulation

Im Wort „Simulation” steckt mehr als Sie vielleicht denken. Es gibt verschiedene Arten der Simulation. Die beiden häufigsten sind Monte Carlo (statisch) und ereignisorientierte Simulation (dynamisch). Monte-Carlo-Simulation bedeutet einfach gesagt, eine Formel wiederholt zu lösen, so vereinfacht man die Komplexität in der Praxis. Viele Simulationslösungen auf dem Markt bieten eine Monte-Carlo-Simulation. Wenn Sie also Ihre Prozesse vereinfachen möchten, um somit Antworten auf Fragen zu erhalten, ist Monte Carlo möglicherweise der richtige Weg für Sie.

Natürlich können Sie mit der BPM-Plattform von iGrafx Ihr Simulationsmodell nach Monte Carlo vereinfachen – indem Sie eben Einflussgrößen, die bei realen Prozessen auftreten, wie etwa Ressourcen oder Zeitpläne, nicht modellieren – doch es gibt noch so viel mehr, das Sie tun können: Wenn Sie die Leistungsfähigkeit der Simulation voll ausschöpfen möchten, kann Discrete Event Simulation (DES) Resultate liefern, die Monte-Carlo-Tools nicht können, wie beispielsweise Engpässe, tatsächliche Ressourcennutzung, komplexe Wechselwirkungen zwischen Prozesspfaden oder Prozessoptimierung.

Sie können aber auch die statistische Versuchsplanung (Design of Experiments, DoE) anwenden, mit deren Hilfe mehrere zufällige Simulationen ausgeführt werden können, die sich jeweils geringfügig von der tatsächlichen Prozessvariation unterscheiden. Des Weiteren können Sie durch die Integration statistischer Tools wie Minitab oder JMP den „optimalen” Punkt innerhalb der Ergebnisse aus der statistischen Versuchsplanung finden.

Ein Hinweis für Nerds wie mich

Für diejenigen unter Ihnen, die detailverliebt sind: Die dynamische Analyse ist in einer statischen Analyse (deterministisch oder stochastisch) wie der von Monte Carlo einfach nicht möglich. Wie sieht es aus, kann das Simulationstool ihrer Wahl Folgendes?

• Analyse von Ressourcenkonflikten zwischen mehreren Prozessaktivitäten
• Analyse der Arbeitsregeln, z. B. Warten, wenn Ressourcen nicht verfügbar sind, und Regeln für Überstunden
• Aufteilung der Ressourcen zwischen Swimlanes (mono- oder bidirektional) je nach Arbeitsbelastung
• Die Auswirkungen von Warteschlangenarbeit und Warteschlangenregeln (z. B. FIFO, LIFO). Dies ist besonders wichtig, wenn Transaktionen dargestellt werden, die unterschiedliche Produkte oder Dienstleistungen darstellen
• Routing nach Transaktionsattributen (Produkt- oder SKU-Typ, Verarbeitungsdauer, Ressource, Geräteauswahl basierend auf einem Attribut der Arbeit und/oder dem aktuellen Status eines Schritts)
• Maschinen- oder andere Prozesswechsel, die durch das dynamische Eintreffen von Transaktionen mit unterschiedlichen Attributen mit Laufwerkseinstellungen oder Umschaltungen ausgelöst werden.

Sie benötigen eine leistungsfähige, realistische Simulationsanalyse? Dann lassen Sie sich nicht mit viel „Statik“ täuschen. iGrafx unterstützt Sie.

Jetzt testen!

#bestbpmplatform to be continued…