Simulaties zijn nabootsingen, om met een zekere mate van nauwkeurigheid te voorspellen of een wijziging of ontwerp van een proces, systeem of product in de praktijk zal voldoen. Ze zijn vooral nuttig in complexe situaties met veel variabelen. Het voordeel van een simulatie is dat je het proces kunt testen in een afgeschermde omgeving. Vrijwel allemaal vragen ze veel rekencapaciteit: zonder computerprogramma’s gaat het niet.
Doelen van processimulaties
- Begrijpen hoe een proces werkt door deze te simuleren (DMAIC: Analyse)
- Het testen van oplossingen/ scenario’s in een proces (DMAIC: Improve)
- Een onderbouwing dat beleid in de praktijk gewenste output heeft
Toelichting
Simulaties doe je aan de hand van een model. Belangrijk is dat het model een redelijk accurate beschrijving is van de werkelijkheid (lees: dat de juiste aannames worden gedaan), dat het vertrekpunt goed wordt gekozen en er oog is voor variatie en/ of eventuele onzekerheden. Anders leiden simulaties mogelijk tot overhaaste of onjuiste conclusies.
Soorten simulaties
Er zijn verschillende simulatiemethoden, die allemaal hun eigen toepassingen hebben. Zo zijn er simulaties die de werkelijke ontwikkeling zo getrouw mogelijk nabootsen, maar er zijn er ook voor het voorspellen van de gevolgen van een (on)verwachte gebeurtenis. Je hebt simulaties waarmee je voorspellingen doet over toekomstige prestaties, en simulaties die zich beperken tot een bepaalde tijd.
Deterministische simulaties zijn volledig causaal bepaald. Daartegenover staan zogenaamde stochastische simulaties die een element van willekeur (variatie) toelaten. Denk bijvoorbeeld aan het simuleren van weersomstandigheden zoals specifiek de neerslag (neerslagmodellen in klimaatstudies).
Maar je kunt ook in een simulatiespel (een vorm van gaming) situaties nabootsen, om de invloed en de waarschijnlijkheid van menselijke beslissingen te beoordelen. Bijvoorbeeld het wel/ niet verhogen van een winterdijk, of binnen Supply Chain de verschillende oplossingen doorrekenen in een keten.
Technieken binnen proces- of computersimulaties
Bij processimulaties maakt men veel gebruik van de stap- of frequentieresponsie.
- Bij een stapresponsie kijk je wat een stapverstoring op het ingangssignaal voor effect heeft op het uitgangssignaal. Je bepaalt zo bij voorbeeld de versterking en de tijdsconstante van het uitgangssignaal, en ziet in één oogopslag of het proces een tijdsvertraging, of dode tijd heeft
- De frequentieresponsie (ook: bodediagram) geeft antwoord op de vraag wat een sinusvormig ingangssignaal voor effect (faseverschuiving/amplitudeverandering) heeft op het uitgangssignaal
- Bij embedded systems en complexe processen maakt men graag gebruik van de HIL (Hardware in the Loop) simulatie om calamiteiten te simuleren, levensduur van componenten te voorspellen en dergelijke (bijvoorbeeld in de automotive)
- De Monte-Carlo simulatie is een statistische of stochastische simulatietechniek die je kunt gebruiken wanneer je een grote variatie in uitgangspunten kunt verwachten. Dan is één simulatie niet representatief. De Monte-Carlo simulatietechniek geeft een groot aantal resultaten, die je vervolgens ordent en analyseert met technieken uit de kansberekening
Een Monte-Carlo simulatie (op basis van een Supply Chain procesmodel) kun je uitvoeren om een range van doorlooptijden te krijgen van een proces.
Hierbij kan rekening worden gehouden met:
- Variaties in de vraag (inclusief laag- en hoogseizoen)
- Variërende bewerkingstijden per stap (variërende duur van order picking, etc.)
- Verschillende defectenpercentages (herbewerking beïnvloed immers de doorlooptijd)
- Aantal medewerkers wat varieert (o.a. rekening houdend met ziekte en flexwerk)
- qVerschil in levertijden van materiaal door verschillende leveranciers
Een dergelijke analyse (een processimulatie(model) maken) kun je gebruiken in DMAIC om
1) Inzicht in het huidige proces of systeem te krijgen (DMAIC: Analyse)
2) Prestaties te verbeteren door oplossingen te testen (DMAIC: Improve)
Voorbeeld processimulatie
Processimulaties worden regelmatig ingezet om het inzicht van bestuurders te vergroten, en om de daaropvolgende besluiten te ondersteunen. Binnen ons waterbeheer is dat vrij gangbaar. Naast een collectieve eis van veiligheid, helpen ook vele metingen en analyses -zoals simulaties- om ons ‘watermanagement’ te brengen tot de ware wereldtop.
In januari 2012 werd het Groningse dorp Woltersum geëvacueerd tijdens een zware noordwesterstorm. Dat er water door de dijk naar het achterland sijpelde was nog niet eens de directe aanleiding voor deze drastische maatregel. Nee: het waren de computersimulaties die voorspelden dat het water nog tientallen centimeters verder zou kunnen stijgen, die het crisisteam in het holst van de nacht deed besluiten tot een niet-vrijwillige evacuatie. Uiteindelijk hield de dijk stand. Maar het simulatiemodel gaf het team informatie die op geen enkele andere manier boven tafel had kunnen komen: een onderbouwde kansberekening van gebeurtenissen in de nabije toekomst.
