Günümüzde yönetim son derece güç bir işlev haline gelmiştir. Bunun önemli nedenlerinden bir de örgütlerdeki ve fiziksel sistemlerdeki çok sayıdaki öğenin aralarındaki etkileşimin karmaşık bir yapı oluşturmalarıdır. Bu karmaşık yapı sistemleri de beraberinde taşımakta ve sistem yaklaşımı olarak adlandırılan yeni bir yaklaşımın doğmasına sebep olmuştur.

Somut anlamda belirli bir nesnenin modeli veya temsili bir simülasyonudur. Simülasyon modelinin çeşitli tanımları verilse de simülasyon sürecinin hem modelin kurulmasına hem de problemin incelenmesine ilişkin modelin analitik kullanımına dair geniş bir tanımın yapılması faydalı olacaktır. Böylece;

Simülasyon; sistemin davranışını anlamak veya sistemin işlemesi için gözönüne alınan değişik stratejileri değerlendirmek amacına yönelik olarak, gerçek sistem modelinin tasarımlanması ve bu model ile deneylerin yürütülmesi süreci olarak tanımlanabilir.

Buna göre simülasyon aşağıdaki işlevleri yerine getiren deneysel ve uygulamalı bir yöntemdir:

Sistemin davranışını gözler ve tanımlar.

Gözlenen davranış için geçerli olan teoriler ve hipotezler kurar.

Bu teorileri, gelecekteki davranışı öngörmek için kullanır. Yani sistemdeki veya işleme yöntemindeki değişiklikler sonucu oluşacak olan etkileri araştırır.

Bir bilim dalı olmasının yanısıra bir sanat olarak da algılanan simülasyon yaklaşımının tercih edilmesi, uygulaması ve bu uygulamanın başarılı olabilmesi için böyle bir yaklaşımın kullanımını gerektiren koşullarında gelişmiş olması gereklidir. Bu koşulları şu şekilde sıralayabiliriz:

Davranış analizi: Yönetim ve karar sistemlerinin, belli gelecekteki belli bir noktada içerdikleri çözüm değeri yerine, gelecek sahnesindeki davranışlarının ve farklı politikalara gösterdikleri tepkilerin analiz edilmesi gereksiniminin ön planda olması.

Sisteme ilişkin özel bir bilgiye gereksinim duyulduğunda ve bu bilgi bilinen kaynaklardan sağlanamıyor ise, deneysel bir sorun ortaya çıktı demektir. Gerçek sistem üzerinde doğrudan yapılan deney, model ve mevcut koşullar arasında iyi bir denge sağlanarak, güçlüklerin büyük bir kısmının ortadan kaldırılmasını sağlar. Sonuçta doğrudan deneyinde büyük sakıncaları vardır. Bunlar:

İşletme işlemlerini engelleyebilir.

Kişiler sistemin bütünleyici parçası iseler, gözlemlenmeleri sonucu davranışları değişebilecektir.

Deneyin her yinelenmesinde benzer işlem koşullarının korunması çok güç olabilir.

Aynı örnek hacmini elde etmek daha zaman alıcı ve maliyetli olabilir.

Konuya bu yönüyle bakıldığında simülasyon yöntemini kullanmanın ne zaman yararlı olacağı sorusu ortay çıkacaktır. Bu koşulları şu şekilde sıralayabiliriz:

Analitik yöntemlerin kullanılabilir olduğu ancak matematiksel çözümleme yollarının çok karmaşık olması nedeniyle,

Analitik çözümlerin bulunduğu ancak bu işin sorumlusu olan kişinin matematik becerisini aştığı durumlarda,

Bazı parametrelerin öngörülmesine ek olarak, zaman süresi içinde sürecin simüle edilen öyküsünün gözlenmesinin arzu edildiği durumlarda,

Deneylerin yürütülmesi ve olayların mevcut çevreleri içinde gözlemlenmesindeki zorluk nedeni ile,

simülasyon yöntemi kullanılabilinir.

Bir başka çerçeve içinde simülasyon metodunun yararlarına bakacak olursak:

Simülasyon yaklaşımı ile, dinamik sistemlerin gerçek zamanı, daraltılmış veya genişletilmiş süre içinde incelenebilir.

Matematik modeller ile analitik çözümler bulunduktan sonra, simülasyon bunların doğruluğunu gerçeklemek üzere kullanılabilinir.

Simülasyon, herhangi bir sistemin içsel etkileşimlerini inceleme ve bunlar üzerinde deneyler yapma olanağını verebilir.

Bildiğimiz bir sistemin, değişen koşullar ve yeni durumlar altında nasıl bir davranış göstereceğini araştırmak üzere deneyler yapmak için simülasyondan yararlanılabilinir.

Simülasyon modeli üzerinde yapılacak incelemeler için gerekli veriler çoğu kez gerçek yaşamda olduğundan daha ucuz elde edilir.

Sistemin verilerinin ayrıntılı ve yeterli olmadığı durumlarda simülasyon yöntemleri boşluğu kapatabilir.

Simülasyon modeli, kurulduktan sonra sistemin farklı durumlarının incelenmesi için istenildiği kadar süre kullanılabilinir.

Simülasyon modeli kurulacak olan sistemin, ayrıntılı gözlemi, sistemin daha iyi anlaşılmasını, daha önce farkedilmrmiş eksikliklerin giderilmesini ve daha kullanışlı, daha etkin ve daha işlevsel bir sistem kurulmasını sağlayabilir.

Matematik estetikten yoksun olmasına karşın simülasyon, yönetimi sorunlarının analizinde en çok kullanılan nitel tekniklerden bir tanesi olmaya devam etmektedir. Ancak yine de, her yaklaşım gibi simülasyon da belli sakıncaları içermektedir. Bunlar:

İyi bir simülasyon mnodelinin geliştirilmesi sıklıkla, pahalı ve zaman alıcı bir işlemdir. Artı bir yaratıcılık gerektirir.

Simülasyon modelinin sonuçları genellikle sayısaldır. Buise sayılara bağlı kalınmasına neden olabilir.

Simülasyon modeli bir kez kullanıldıktan sonra, araştırmacılar, bu tekniği, analitik yöntemlerin daha uygun olduğu durumlarda da kullanma eğilimini gösterirler.

Buradaki sembollerin anlamı şöyledir:

E: Sistem performansının etkisi

Xi: Denetleyebildiğimiz değişken ve parametreler

Yi: Denetleyemediğimiz değişken ve parametreler

F: Xi ve Yi arasındaki ilişki

Simülasyon açısından hemen hemen tüm modellerin aşağıdaki elemanlardan oluştuğunu söylemek mümkündür:

Bağımsız ve bağımlı

İçsel ve dışsal

Girdi ve çıktı

Sistem değişkenlerinin ilişkilerini bir tablo ile göstermek gerekirse;

Yapısal İlişki: Bileşenleri ve bunların özelliklerini birbirine bağlayan ilişkilerdir.

İşlevsel İlişki: Bileşen ve bileşenlerin davranışını belirleyen ilşkilerdir.

Sayısal İlişki: Birbirine yalnızca zaman açısından bağımlı olan sistem olayları arasındaki ilişkilerdir.

Mekansal İlişki: Fiziksel öğelerin, mekan içinde, kendi aralarında belli bir ilişki içinde bulundukları statik sistemler buna iyi bir örnektir.

Zamansal İlişki: Öğeler arasındaki zamansal ilişki iki ayrı şekilde düşünülebilir. Bunlardan ilki saat zamanı ilişkisidir. Sistem içinde olayların sırasını ayırdetmeye yarar. İkinci tür zaman ilişkisi, psikolojik zaman ilişkisi olarak adlandırılır. Bu ilişki görecelidir. Kişisel algılamalara dayanır.

Neden – Sonuç İlişkisi: Bu ilişki en büyük doğa yasalarından biridir. Sonlu bir zaman süresi içinde gerçekleşen, tersinmez süreçlerde uygulanan bir yasadır. Bir zaman noktasında neden oluşur, etkisini verir ve ileri bir zaman noktasında sonuç doğar.

Enerjinin Korunumu İlişkisi: Maddenin bir biçimden diğerine geçişte görülen bir ilişki türüdür.

Simülasyon, gerçek dünyanın sorunları ile ilgili olduğuna göre, elde edilen sonucun gerçek anlamda, gerçek durumu yansıttığından emin olmalıyız. Herhangi bir model, parametrelerin ve değişkenlerin uç değerlerinde irdelenmelidir. Eğer anlamsız sonuçlar çıkar ise, modelden kuşku duymak ve gözden geçirmek zorunludur.

Son olarak, türetilen bilgilerin kullanıcılarını unutmamaktır. Karar verici tarafından kullanılmayan veya kullanılabilir olmayan bir model hiçbir açıdan savunulabilir olamaz.

Bu açıklamalar çerçevesinde iyi bir simülasyon modelinden neler beklendiğini şöyle sıralayabiliriz:

Kullanıcı tarafından kolaylıkla anlaşılmalıdır.

Amaç ve hedef yönlü olmalıdır.

Anlamsız sonuçlar vermeyecek sağlamlıkta olmalıdır.

Kullanıcı tarafından denetimi ve işletilmesi kolay olmalıdır.

Tam olmalıdır.

Model değişikliği ve güncelleştirilmesi için kolaylıkla uyarlanabilir olmalıdır.

Evrimsel olmalıdır; yani basit bir şekilde başlayıp giderek karmaşıklaşmalıdır.

İşletmecilikte simülasyon, isletmeyi belirten kosulların bir dijital hesap makinasında temsil edilmesidir. Bu temsil olanağı saglandıktan sonra, yine ayrı hesap merkezi programında işletme hakkında gerekli varsayımlar yapılır ve bundan sonra hesap merkezi, işletmenin programla istenen çeşitli yönleri hakkında, örneğin, finansman, stok, boş kapasite, iş gücü ihtiyacı v.b. bilgiyi üreterek işletmecilerin kararlarına sunar. Bundan sonra istendiği takdirde, çesitli olası pazar kosulları ve işletme politikalarının işletmeye tesirleri test edilebilir.

Matematik modellerin tarm olarak temsil edemediği veya temsil ettigi halde de cok karışık ve hesabı zor olan modellerin ortaya çıktığı sistemlerden birisi Siparis Üretimi Atolyelerinin işlemleridir. Bu tip makina atolyelerine yapilan yatırımın büyüklüğü donatım problemleri ve bu tip atolyelerde işçilik ve ortak masraf maliyetinin yüksek olması, ve bir çok hallerde bütün bir üretim kuruluşu icin kritik nokta veya dar bogaz oluşturması, bunlann programlanması ve kontrolüne fazla önem verdirmiştir.

Bilhassa, aşağıdaki iki problem her an yeni çözüm teknikleri beklemektedir:

a — İş ve Tezgah Çesitliliği :

Her iş ünitesi icin değerlendirmeye esas teşkil edecek olan bir bilgi grubu vardır, Bu bilginin saptanması gerekir.

Bu bilgi tecrubeye dayanilarak yapılan programlama calısmalann-da kullanılan bilginin hemen aynısıdır.

— İs numarası veya is emri numarası.

— İş uzerinde yapılacak işlemlerin sırası.

— Farklı tezgahlarda alınacak tedbirler.

— Parçanın malzeme ve ilk işçilik maliyeti v.b.

Ornek olarak, tezgahların anza durumunu ele alalım :

Genellikle uretim programlamada çeşitli zaman etüdü teknikleri ile bulunan standart işlem zamanlan kullanılır. Halbuki fiili işIem zamanları bir araya toplanıp düzenlendiği takdirde bir dağılma gösterir, tek tek ele alındığı takdirde de tesadüfi olduğu görülür. Ayrıca herhangi bir islemin süresi, o işlem fiili olarak tamamlanıncaya kadar da tam olarak bilinemez.

R'nin her degerine karşi gelen yüzde olasılıklara da bir tablo oluturulabilir. Ornegin (Sekil - 6.3) de, R=1.0 oranma %27 nin karşı geldiği görülmektedir. Yani geçmişteki olaylann %27'sinde standart zamanla fiili zaman eşit olmustur.

Bu gibi hallerde deneme- usulu kullanılır.

Fakat deneme usulu de bazı hallerde çok fazla zaman alıcıdır. Bu taktirde Monte-Carlo analizi kullanılabilir.

Burada bilgi bir tesadufi sayilar generatoru ile elde edilir. Çeşitlii tipte tesadufi sayi generatorleri vardir. Tesadufi sayilar asagidaki gibi kullanılır. İlgilenilen bilgi bir kümülatif olasılık dağılış fonksiyonu haline getirilir.

İşletme pratik gordugu aşagidaki dort usulü değerlendirmek istemektedir:

1) Bir valfi sadece bozulduğu zaman tamir etmek.

3) Bir valf için dahi pompa durdugu zaman bütün altı valfi tamir etmek.

4) Her bozulan valfla beraber ortalama servis ömrü olan (560) saat'den fazla kullanılmış olan valflari da tamir etmek.

Valflann servis omurleri icin sirket tarafından tecrübeye dayanılarak verilen bilgiden aşagıdaki kumulatif olasilik dagilisi kurul-mustur (şekil - 6.5).

Bu arada valflarin ömür uzunluklarının normal bir dağılım arzettigi de (normallik testi yapilarak) saptanmıştır.

Bir tesadufi sayılar tablosu kullanarak ve her sayi eksenınde desimal olasılığı göstererek, en yakın 10 saate gore bir valf omurleri takimi elde edilir

de RN - Tesadufi Sayı (Random number) yı göstermektedir.

örnegin 705 0,705 olarak kabul edilerek bunun karşılığında, 740 saat bulunur.

Burada bir seri valf ömürleri elde edilmiştir. Bu ömürler arızaya kadar geçen zamanı gosterir. Ornegin 5'de sira iie 820 saat, 1000 saat 960 saat 380 saatlik omre rastlanacak-tir. Anzadan once bir revizyon yapilirsh, ornegin 5 valf 500 saatte tamir görürse, bundan sonra 1000 saat dayanır. Eğer yine 500 saat sonra revizyon görürse bu sefer 960 saat yasar v.b.

Burada bir «simulasyon» söz konusudur. Bu tablodaki simule değerler dort ayrı bakım politikasi içinde gözönüne alınırsa değerlendirme yapılabilir.

Alternatif bakim politikalannin ekonomiklik analizi, simule edilmiş valf bozulma tecrubesi ve 2300 saatteki islemler esas alinarak aşağıdaki tabloda gösterilmiştir.