Discrete Event Simulation, auf Deutsch ereignisdiskrete Simulation, untersucht Systeme, deren Zustand sich zu bestimmten Ereigniszeitpunkten ändert. Häufig wird sie genutzt, um Warteschlangen, Ressourcenauslastung und Durchlaufzeiten in Prozessen zu analysieren.
Funktionsweise und Einsatz
Ein Modell beschreibt Objekte, Aktivitäten, Ressourcen, Verteilungen und Regeln. Ein Ereigniskalender bestimmt, wann beispielsweise ein Auftrag ankommt, eine Bearbeitung endet oder eine Maschine ausfällt. Durch mehrere Simulationsläufe werden mögliche Auswirkungen verschiedener Annahmen sichtbar.
Abgrenzung und Grenzen
Die Methode ist besonders für diskrete Vorgänge geeignet, etwa einzelne Aufträge oder Fahrzeuge. Sie liefert keine automatisch sicheren Zukunftsprognosen; Eingangsverteilungen, Prozesslogik und Zufallseinflüsse bestimmen die Aussagekraft. Für kontinuierliche Rückkopplungen kann System Dynamics besser geeignet sein.
Beispiel aus der Unternehmenspraxis
Ein Logistikbetrieb könnte simulieren, wie sich zusätzliche Rampen, veränderte Lieferfenster oder schwankende Ankünfte auf Wartezeiten und Personalbedarf auswirken.
Hinweise zur Anwendung
Vor Managemententscheidungen sollten das Modell mit beobachteten Daten validiert, Unsicherheiten dokumentiert und alternative Szenarien verglichen werden.
Ereignisse, Zustände und Warteschlangen
Bei der ereignisdiskreten Simulation verändert sich ein Systemzustand zu bestimmten Ereignissen, etwa dem Eintreffen eines Auftrags oder dem Ende eines Arbeitsschritts. Zwischen diesen Zeitpunkten wird der relevante Zustand in der Regel als unverändert behandelt. Ein Modell enthält die Ablauflogik, Ressourcenbeschränkungen, Warteschlangen und mögliche Zufallseinflüsse. Die Methode eignet sich besonders, wenn einzelne Vorgänge um knappe Ressourcen konkurrieren und Wartezeiten entstehen. Sie macht sichtbar, dass eine hohe lokale Auslastung nicht zwangsläufig zu einer kurzen Gesamtdurchlaufzeit führt.
Aufbau eines belastbaren Simulationsmodells
Zuerst muss die Fragestellung präzise formuliert werden: Geht es um benötigte Kapazitäten, Termintreue oder den Vergleich mehrerer Ablaufregeln? Danach werden Prozessgrenzen und relevante Ereignisse definiert. Häufig erfordern Ankunfts- und Bearbeitungszeiten geeignete statistische Verteilungen. Die Parameter stammen idealerweise aus beobachteten Daten und werden auf Plausibilität geprüft. Ein Simulationsmodell sollte zunächst bekannte Betriebszustände hinreichend gut reproduzieren, bevor alternative Zustände bewertet werden. Sensitivitätsanalysen helfen zu erkennen, welche unsicheren Eingangsannahmen das Ergebnis besonders stark beeinflussen.
Interpretation von Simulationsläufen
Ein einzelner Lauf ist bei stochastischen Modellen selten ausreichend. Wiederholte Läufe mit unterschiedlichen Zufallsziehungen ermöglichen es, Ergebnisverteilungen und Schwankungsbreiten zu untersuchen. Kennzahlen wie mittlere Wartezeit, Überschreitungsanteil bestimmter Fristen und Ressourcenauslastung sollten getrennt ausgewertet werden. Auch Anfangsbedingungen und die Länge der Simulationsphase können Ergebnisse verzerren. Ein Modell, das nur Durchschnittswerte berichtet, kann für eine betriebliche Entscheidung wichtige Spitzenbelastungen verdecken. Deshalb ist zu prüfen, welche Risikoperspektive die Unternehmensleitung tatsächlich benötigt.
Typische betriebliche Anwendung
Ein Logistikzentrum könnte verschiedene Personal- und Rampenpläne gegenüberstellen. Die Simulation untersucht dann, wie Fahrzeuge mit schwankenden Ankunftszeiten auf verfügbare Rampen treffen, welche Warteschlangen entstehen und wo Engpässe auftreten. Solche Erkenntnisse sind nicht automatisch übertragbar, wenn sich Nachfrage oder Regeln stark verändern. Vor einer Investition sollten die Modellannahmen mit operativen Verantwortlichen abgestimmt und die wirtschaftlichen Folgen berechnet werden. So wird die Simulation zur überprüfbaren Entscheidungshilfe und nicht zur vermeintlich exakten Vorhersage eines zukünftigen Arbeitstags.
Häufige Fragen
Worin liegt der Unterschied zu System Dynamics?
Die ereignisdiskrete Simulation betrachtet häufig einzelne Vorgänge und diskrete Zustandswechsel. System Dynamics untersucht vor allem aggregierte Bestände, Flüsse und Rückkopplungen.
Kann eine Simulation Kapazitätsprobleme sicher lösen?
Nein. Sie kann Varianten und Risiken analysieren. Der Erfolg einer Maßnahme hängt zusätzlich von Annahmen, Umsetzung und nicht modellierten Einflüssen ab.
Praktische Prüffragen
- Beschreiben Sie die zu untersuchenden Ressourcenengpässe, Warteschlangen und Ereignisse, bevor ein detailliertes Simulationsmodell entwickelt wird.
- Schätzen Sie Ankunfts- und Bearbeitungszeitverteilungen möglichst aus geeigneten Betriebsdaten; reine Mittelwerte können Lastspitzen systematisch unterschätzen.
- Prüfen Sie Anfangsbedingungen und die erforderliche Simulationsdauer, da kurze Läufe besondere Anlauf- und Zufallseffekte überbetonen können.
- Führen Sie wiederholte Läufe durch und untersuchen Sie Ergebnisbandbreiten statt nur eine scheinbar genaue durchschnittliche Wartezeit zu veröffentlichen.
- Validieren Sie den modellierten Ist-Zustand mit den operativen Verantwortlichen, bevor Investitionen auf hypothetische Kapazitätsszenarien gestützt werden.
Bei stark saisonalem Betrieb empfiehlt sich außerdem ein Vergleich mehrerer Lastprofile, damit ein für durchschnittliche Tage geeignetes Modell kritische Spitzen nicht unterschätzt.
Aufbau einer ereignisdiskreten Modelllogik
Ein Simulationsmodell kann beispielsweise darstellen, wie Aufträge in einem Servicezentrum eintreffen, vor einer Prüfung warten und nach ihrer Bearbeitung an weitere Arbeitsplätze übergeben werden. Die Übergänge zwischen Zuständen werden als Ereignisse erfasst. Ressourcen wie Mitarbeitende oder Prüfplätze sind begrenzt, wodurch Warteschlangen entstehen können. Für realistische Simulationen reichen durchschnittliche Bearbeitungszeiten häufig nicht aus; unterschiedliche Auftragsarten und schwankende Ankünfte müssen ebenfalls berücksichtigt werden. Die Annahmen werden soweit möglich anhand beobachteter Daten geschätzt. Danach prüft das Projektteam, ob das Modell bekannte Betriebsverläufe hinreichend plausibel reproduziert. Erst auf dieser Grundlage lassen sich hypothetische Veränderungen sinnvoll vergleichen.
Simulationsresultate als Entscheidungsgrundlage
Ein Modell kann etwa untersuchen, ob eine zusätzliche Prüfstation die Wartezeit reduziert oder ob sich der Engpass lediglich an eine andere Stelle verschiebt. Dafür müssen mehrere alternative Szenarien mit vergleichbaren Bedingungen berechnet werden. Bei zufallsbehafteten Eingangsgrößen sind wiederholte Läufe nötig, um Ergebnisschwankungen zu erkennen. Für die Unternehmensführung sollten nicht nur Mittelwerte, sondern auch Spitzenbelastungen, Auslastungen und kritische Grenzwertüberschreitungen dargestellt werden. Die wirtschaftliche Bewertung einer zusätzlichen Ressource erfolgt anschließend gesondert. Eine Simulation liefert mögliche Konsequenzen unter getroffenen Modellannahmen, aber keine Garantie, dass der reale Betrieb nach einer Änderung exakt denselben Verlauf zeigt.
Verwandte Wiki-Begriffe
Weiterführende Erklärungen: Unternehmenssimulation, Monte Carlo Simulation, System Dynamics.
Fachliche Quellen
AnyLogic – Discrete Event Simulation. Anwendungsbeispiele sind ausdrücklich als exemplarische Szenarien zu verstehen.