SİMÜLASYONUN AVANTAJ VE DEZAVANTAJLARI
-
Stokastik elemanlar içeren, çok karmaşık yapıya sahip gerçek sistemler, analitik matematiksel model aracılığıyla tanımlanmasında güçlükle karşılaşıldığında, simülasyon tekniği uygulanabilir.
Var olan bir sistemin düşünülen çalışma şartları altında performansını tahmin etmek ve değerlendirmek için simülasyon kullanılabilir.
Bir sistem için düşünülen alternatif politikaların seçiminde veya alternatif olarak önerilen sistem tasarımlarının değerlendirilmesinde simülasyon kullanılabilir. Simülasyonda sistemin kendisi ile yapılacak ölçüden daha fazla olarak deney koşulları üzerinde kontrol tesis etmek mümkündür.
Simülasyon, bir sistemin uzun bir zaman boyunca çalışılmasına ve sonuçlarının irdelenmesine imkan verir.
Simülasyon, sistem verilerinin detaylı olmadığı durumlarda kullanılabilir.
Simülasyon modeli üzerinde daha sonra yapılacak analiz için veri, çoğu kez gerçek hayatta olduğundan daha ucuz elde edilir.
Simülasyon, bir sistemdeki dahili karmaşık etkileşimleri, analiz ve bunlar üzerinde deney yapma olanağını sağlar.
Simüle edilen sistemin ayrıntılı gözlemi, sistemin daha iyi anlaşılmasını, daha önce görülmemiş eksikliklerinin giderilebilmesini, daha etkin fiziksel ve operasyonel bir sistemin kurulmasını sağlayabilir.
Simülasyon, değişik koşullar altında sistemin nasıl olacağı hakkında çok az veya hiçbir veriye sahip olmadığımız yeni durumlar üzerinde deney yapma amacıyla kullanılabilir.
Simülasyon, analitik çözümlerin doğruluğunu gerçeklemek üzere kullanılabilir.
Simülasyon ile dinamik sistemlerin gerçek zamanı daraltılmış veya genişletilmiş süre içinde incelenebilir.
Simülasyon, analistleri daha genel düşünmeye zorlar.
-
Simülasyonun bazı dezavantajları da mevcuttur. Stokastik simülasyon modelinin her çalıştırılması sonucunda, belirli bir grup giriş parametreleri için modelin doğru karakteristiklerinin bir tahmini yapılır. Çalışılan her bir giriş parametre grubu için modelin birçok kere bağımsız çalıştırılması gerekecektir. Eğer sistemin bir analitik modeli kurulabiliyor ve geliştirilebiliyorsa bu yöntem, simülasyon modeli kullanımına tercih edilmelidir.
Simülasyon modelleri genellikle pahalıdır ve bir sistemin modellenmesi aşaması da zaman alıcıdır. Ayrıca uzman personel kullanımını gerekli kılar.
Simülasyon çalışmasının sonucunda birçok sayının üretilmesi ve gerçekçi animasyonun yarattığı ikna edici etki genellikle, çalışmanın sonuçlarına ilişkin büyük bir güvenin oluşmasına meyil yaratmaktadır. Eğer model, çalışılan sistemin uygun bir gösterimi değilse, simülasyon sonuçları, ne kadar etkileyici görünse de, gerçek sistem hakkında çok az faydalanılabilecek bilgi sağlayacaktır.
-
Simülasyonun uygulanabileceği alanlara örnek olarak şunları verebiliriz; Üretim sistemlerinin tasarımı ve analizi, bilgisayarların yazılım ve donanım gereksinimlerinin değerlendirilmesi, yeni askeri silah sistemlerinin değerlendirilmesi, envanter sistemlerinde sipariş politikalarının tespiti, haberleşme sistemleri ve bunların mesaj protokollerinin tasarımlanması, ulaşım hizmetlerinin işletilmesi ve tasarımı, hastane veya restoran gibi servis organizasyonlarının tasarımlarının tespiti, ekonomik ve parasal sistemlerin analizi vb. gibi.
a. Envanter sistemlerinin simülasyonunu inceleyelim. Öncelikle problemi tam olarak ortaya koymak gerekir. Tek bir ürün satan bir şirket, ilerideki her bir ay için stoklarında kaç adet ürün bulundurması gerektiğine karar verecektir. Problemin çözümü için kontrol (karar) değişkenlerinin belirlenmesi gereklidir. Taleplerin gelişleri arasındaki zaman farkına ait olasılık dağılımı tespit edilir, taleplerin büyüklüğüne ait rassal değişkenler belirlenir. Talep edilen ürünün geliş süresine ait olasılık dağılımı belirlenir. Her bir ürüne ödenecek para miktarı ve stokta başlangıçta bulunacak ürün miktarı sabit ve bilinmektedir. Bu bilgiler ışığında sisteme talep geldikçe, stoktan karşılanmaya çalışılacak, stokta mevcut değilse sipariş verilecek ve gelecek dağıtımlardan karşılanmaya çalışılacaktır. Buraya kadar oluşturulan bir sistemde sipariş giderinden söz edilebilir. Aslında buna iki farklı gider daha eklenebilir: ürünü elde tutmadan kaynaklanan gider (depo kirası, sigorta parası, vergisi, ürünün bozulmaması için giderler) ve elde bulunmamasından kaynaklanan gider (elde bulunmadığından dolayı satamadığı ürünlerin parası, müşteri memnuniyeti kaybı).
b. Tek hizmet merkezli kuyruk simülasyonunu inceleyelim. Şekil 2'de tek hizmet merkezli kuyruk sistemi görülmektedir. Servis almaya gelenlerin gelişleri arasındaki zaman farkı birbirinden bağımsız rassal değişkenlerdir. Bu değişkenler aynı olasılık dağılımından gelmektedirler. Hizmet merkezine gelen ve merkezi boş bulan müşteri, doğrudan hizmet alabilmektedir. Her bir müşteri için farklı rassal sayılarla ifade edilen servis süreleri mevcuttur. Müşterilerden hizmet merkezine gelip de meşgul olduğunu görenler, bir kuyruğun sonuna geçmektedirler. Aynı anda tek bir kişiye hizmet verme özelliği olan hizmet merkezinde, içerideki müşterinin hizmeti bitirildiğinde, bekleme salonunda meydana gelen kuyruğun en önündeki müşteri, diğerlerine göre önce gelen, hizmet verilmek üzere merkeze alınır. Hizmet merkezinin başlangıçta boş kabul edilir ilk müşteri de, rassal olarak üretilen bir süre sonunda gelmektedir. Simülasyon, belirli bir süre gibi sabit bir rakam verilerek bu süre kadar çalıştırılabilir. İstenirse, belli sayıda müşteriye hizmet verilince bitsin gibi bir şart konularak simülasyon süresinin de rassal olması sağlanabilir. Böyle bir tekli hizmet merkezine sahip sistemin performansını belirlemek için üç faktöre bakılabilir. Bunlardan ilki, müşterilerin hizmet alabilmeleri için ortalama kuyrukta bekledikleri süredir. Bu değer, dikkat edilirse hem müşterilerin hizmet merkezine geliş zamanlarına hem de servis sürelerine bağlıdır. Bunların her ikisi de rassal olduğu için müşterilerin ortalama bekleme süreleri de rassaldır. Ayrıca simülasyonun her çalıştırılmasında farklı geliş zamanları ve servis süreleri üretileceğinden simülasyonun bir çok kez çalıştırılması gerekmektedir. Dolayısıyla, kuyrukta bekleme süreleri için beklenen değerden bahsetmek doğru olacaktır. Bir diğer ölçüt ise, belirli bir anda kuyrukta bulunan müşteri sayısının beklenen değeridir. Bu durumda belirli bir süre geçtiği anda kaç adet müşterinin kuyrukta beklediği araştırılır, kısaca, zamana bağlı olarak kuyrukta bekleyen müşteri sayısının değişimi incelenir. Son olarak belirleyebileceğimiz performans ölçütü ise hizmet merkezinin kullanım yüzdesidir. Hizmet merkezinin ne kadar meşgul olduğu simülasyon süresince tespit edilip kullanım oranı hesaplanır. Yüzde olarak hesaplanan bu değerin bire yakın olması hizmet merkezinin simülasyon boyunca sürekli çalıştığını gösterir.
c. Simülasyonun uygulanabileceği bir başka örnek olarak da zaman paylaşımlı bilgisayar modelini verebiliriz. Bir şirketin tek bir merkezi işlem birimi ve terminallerden oluşan bir bilgisayar sistemine sahip olduğunu düşünelim. Her bir terminalin operatörü, rassal bir süre kadar bekledikten sonra, merkezi işlem birimine rassal servis süresine sahip bir iş gönderir. İşler, merkezi işlem biriminin önünde bir kuyruk boyunca sırada beklerler. Merkezi işlem birimince hizmet verme işlemi ilk giren ilk işlem görür mantığı ile gerçekleşmemektedir. Merkezi işlem birimi tarafından kuyruktaki her bir iş için belirli bir miktar süre ayrılır. Eğer işin bitmesi için gerekli olan süre merkezi işlem birimi tarafından ayrılan süreden daha az ise, merkezi işlem birimi, gereken miktar kadar süreyi o işe ayırır ve belli bir süre boyunca da işin terminaline geri gönderilmesini sağlar. Bu süre farklı terminallerin işlemleri arasında geçen işlem değiştirme zamanı ile aynıdır. Eğer, işin tamamlanması için gerekli olan süre, iş için ayrılan sabit süreden daha fazla ise, merkezi işlem birimi tarafından ayrılan süre kadar hizmet verilir ve buna işlemler arası sabit değişim süresi de eklenir. Bahsedilen işin tamamlanması için gereken süreden hizmet verilen sabit süre kadar çıkartılarak tekrar kuyrukta yerini alması sağlanır. Bu işlem, terminalden gönderilen işin bitip tekrar terminaline gönderilmesine kadar devam eder. Terminaldeki operatör ise rassal bir süre sonra tekrar merkezi işlem birimine iş gönderecektir. Simülasyon, belirli sayıdaki işin tamamlandığı anda bitirilebilir. Sistemin performans ölçütleri ise şunlar olabilir: terminalden işin gönderilmesi ile işin bitiş zamanı arasında geçen sürenin ortalama beklenen değeri, merkezi işlem birimi önünde belirli bir zamanda bekleyen ortalama beklenen iş sayısı ve merkezi işlem biriminin beklenen kullanım yüzdesi. Bu ölçütler dikkate alınarak, bir işin yapılması için gerekli ortalama bekleme süresinin belli bir değerin altında olması şartıyla, tek bir merkezi işlem birimine bağlı en fazla kaç adet terminalin olabileceği simülasyon yardımıyla tahmin edilebilir.
d. Bankalarda bir simülasyon uygulaması yapmak istersek şöyle bir örnek verebiliriz: bankada olabilecek en uygun veznedar sayısı tespit edilecektir. Başlangıçta belirli sayıda veznedar vardır. Müşteriler, kuyrukta beklerlerken diğer kuyrukta daha az kişi olduğunu farkettiklerinde diğer kuyruğa geçebilmektedirler. Bankaların mesaisinin sabit olduğu ve akşam belirli bir saatte kapandıkları an, içeride kalan müşterilere hizmet vererek işlemlerini bitirdikleri bilinmektedir. Müşterilerin bankaya geliş zamanları arasındaki süreler ve veznedarların hizmet süreleri rassaldır. Her veznedarın önünde ayrı birer kuyruk oluşmaktadır. Yeni gelen her müşteri en kısa kuyruğu tespit ederek o kuyruğa geçer. Burada bir kısıtlama yapmak uygun olacaktır: uzunlukları aynı olan birden fazla kuyruk varsa soldakini tercih etmektedir. Bankada sırada olan müşteri, diğer bir kuyruğa geçtiğinde önündeki insan sayısı o anda önünde bulunan insan sayısından daha az olacaksa ya da hemen hizmet alabilecekse, diğer kuyruğa geçmektedir. Banka yönetimi, veznedarlara ödenen para ile müşterilere sağlanan servis kalitesinin getirisini düşünerek, kaç tane veznedarın uygun olacağını araştırmaktadır. Bu simülasyonun yapılması sırasında ölçülebilecek değerler şunlardır; zamana bağlı olarak kuyrukta bekleyen müşteri sayısının beklenen değeri, kuyruktaki gecikmenin ortalama beklenen değeri ve kuyruktaki maksimum gecikmenin beklenen değeri.
e. Simülasyonu üretim modellemede de kullanabiliriz. Bu örnekte de simülasyonun üretim işlemi sırasında, darboğazların tespitinde nasıl kullanıldığını görebiliriz. Bir atölyenin birden fazla biriminin olduğunu, atölyeye gelen her bir işin farklı sırayla bu birimlerde işlendiğini ve her bir birimin aynı özelliğe sahip birden fazla sayıda tezgahlardan oluştuğunu düşünelim. Atölyeye gelen işlerin varışlar arası zamanları rassal sayılarla ifade edilmektedir. Atölyeye farklı birim sıralamasıyla işlenmek üzere farklı işler geldiği için her bir işin gelme olasılıkları da farklıdır. Gelen her bir iş farklı sayıda birimden geçmektedir ve bu birimlerden hangi sırayla geçtiği de önemlidir. Eğer bir iş bir üniteye geldiğinde bütün tezgahların dolu olduğunu görürse, burada ilk gelen ilk hizmet alır prensibine göre kuyrukta sıraya geçer. Her bir ünitenin servis süresi olasılık dağılımlarla ifade edilebilir. Bu atölyenin günlük çalışma süresinin kesilmesinin bir etkisi olmadığı düşünülerek bir yıl boyunca simülasyon çalıştırılabilir. Her bir iş için kuyrukta toplam bekleme süresinin beklenen değeri, tüm ortalama iş gecikmesi, kuyruktaki iş sayısının beklenen değeri, beklenen kullanım yüzdeleri, her bir ünite için kuyruktaki beklenen ortalama gecikmeler simülasyonun sonunda elde edilerek sistem davranışı hakkında bilgi edinilebilir. Sistemde yer alan tezgahların her birinin maliyetinin de yaklaşık aynı olduğu bilindiğinde, bir adet tezgah alınmak istense hangi üniteye bu tezgahı almanın doğru olacağı sorulduğunda yapılacak işlem: her defasında bir üniteye fazladan bir tezgah ekleyerek, tüm işlemlerin ortalama gecikme süresinin beklenen değeri hesaplanır ve bunu en aza indiren ünite tezgahın alınması gereken yer olarak belirlenir.
- SONUÇ
Bir analiz tekniği olarak simülasyon, yöneylem araştırması ve yönetim biliminde en çok kullanılanlardan birisidir. Case Western Reserve Üniversitesinin Yöneylem Araştırması bölümünün yüksek lisans mezunları arasında yapılan araştırmada, mezuniyetten sonraki önemi bakımından, onbeş konu arasında simülasyon; istatistiksel yöntemler, tahmin yöntemleri, sistem analizi ve bilişim sistemlerinden sonra beşinci olarak değerlendirilmiştir (Rasmussen,George,1978). Doktora yapmış kişiler ise doğrusal programlama ile simülasyonu, istatistiksel yöntemlerden sonra ikinci sıraya yerleştirmişlerdir. 137 firmada çalışan farklı kişilere ondört farklı teknikten hangisini kullandıkları sorulduğunda simülasyon ikinci gelmiştir (Thomas,Dacosta,1979). Amerikan Enstitüsü Endüstri Mühendisliği Yöneylem Araştırması Bölümünün üyeleri arasında yapılan araştırmada simülasyon aşinalık bakımından doğrusal programlamadan sonra ikinci, fayda ve kar bakımından ise oniki yöntem arasında birinci gelmiştir (Shannon, Long, Bruckles,1980). Büyük şirketler arasında yapılan araştırmada ise kullanım olarak sekiz teknik arasında ikinci olmuştur (FORGIONNE,1983) (HARPELL, LANE, MANSOUR,1989). Bütün bu araştırmaların oldukça eski tarihe sahip olduğunu ve günümüzde de yazılım ve donanımın ne derece geliştiğini düşünürsek, simülasyonun günümüzdeki değeri ve kullanımını tahmin edebiliriz.
