Protsesside simulatsioon hoiab kokku raha ja aega

Lihtsamate projektide puhul piisabki sellistest arvutustest. Kuid kui muutujaid on mitu ja analüüsimine muutub keerukamaks, siis ei ole tabelarvutusest enam abi. Laialt levinud arvutuslikud keskmised ei peegelda enam tegelikku olukorda. Näiteks kui keskmine töötsükli aeg on 14 minutit, siis olenevalt tootest võib see tegelikkuses kõikuda 4 minutist kuni 45 minutini. Ja nii on iga tootmisetapiga. Tabelarvutusega ei ole enam võimalik näidata seoseid, et välja arvutada protsessi terviklikku läbilaskevõimet või tuvastada tekkida võivaid pudelikaelu.

Simulatsioonitarkvara aga arvestab variatsioonidega. Mudeli koostamisel saab kasutada erinevaid matemaatilisi jaotusmeetodeid ning lisada seadistus-, oote-, või tsükliaegu, rahalisi püsi- ja muutuvkulusid ning teisi protsessi karakteristikaid. See võimaldab simulatsioonitarkvaras peegeldada tegelikkusele vastavat olukorda ning läbi mängida erinevaid stsenaariume protsessi parendamiseks.

Mis juhtub, kui mitu erinevat paralleelprotsessi vajavad korraga ühte ja sama ressurssi? Näiteks võib sama operaator olla seotud mitme erineva funktsiooni- või seadmega. Tabelarvutuse keskmise (summaarse) koormuse järgi peaks tal selleks aega olema küllalt. Kuid see oleks nii vaid ühtlase koormuse korral.

Tegelikus elus, nagu me teame, jaotub koormus ebaühtlaselt. Seega on operaator osa ajast ilma tööta ja osa ajast nii ülekoormatud, et see tekitab viivitusi (tööd jäävad ootele). Isegi, kui need viivitused on vaid mõned sekundid või minutid iga toote kohta, siis summaarselt moodustavad need ajakaod vägagi märkimisväärse kahju ahelale tervikuna. Nagu me teame, siis väikesed probleemid ahela alguses järjest võimenduvad iga tööetapiga, tekitades lõpuks suure probleemi. Seda fenomeni kutsutakse ka Forresteri, või piitsaplaksu efektiks (ingl. k. Bullwhip effect). Ajakaod on tihedalt seotud ka varude juhtimisega. Nii hakkavad nähtamatult kogunema ka pooltoodete puhvervarud tööetappide vahel.

Selliste probleemide tulemused on nähtavad ja kulukad. Kuid põhjused on paljale silmale tihtipeale nähtamatud. Simulatsioonid aitavad ka siin, muutes nähtamatud seosed nähtavaks ning tuues esile kohad, mida saab efektiivsemaks muuta.

Eksperimenteerimine päris protsessidega tootmisliinil on kulukas, ebamõistlik ja selleks puudub ka vajadus. Simulatsiooni käigus saab protsessi kulgemist läbi mängida pikema aja jooksul. Näiteks kui soovime teada saada, mis juhtub tootmisahelaga aasta või kolme aasta pärast, kui nõudlus kasvab samas tempos edasi. Simulatsioone saab teha korduvalt, varieerides algandmetega ja protsessi parameetritega. Näiteks kui soovime analüüsida nõudluse muutuse mõju läbilaskevõimele ja tuvastada pudelikaelte tekkepõhjuseid.