Die Struktur der internationalen Wirtschaft hat sich in den letzten Jahrzehnten stark verändert.
Ein Großteil der westlichen Volkswirtschaften hat sich seit den 1970er Jahren von einer Industrie- zu einer Dienstleistungsgesellschaft gewandelt, in der die Effizienz und vor allem die Kundenzufriedenheit eine immer wichtigere Rolle spielen, um am wettbewerbsintensiven Markt zu bestehen.1 Die Servicequalität ist hierbei neben dem Preis der Leistung ein Entscheidungskriterium auf dessen Basis Kunden sich für einen Anbieter entscheiden.
2 Sie wird zentral über die Unmittelbarkeit der Bedienung bestimmt - lange Wartezeiten reduzieren die Kundenzufriedenheit und sollten vermieden werden.3 Für die Entscheidungsträger entsteht somit ein Trade-Off zwischen der Verkürzung von Wartezeiten und den Kosten zusätzlicher Kapazitäten.4 Das Ziel des Unternehmens ist deshalb eine möglichst kosteneffiziente, gelungene Abstimmung der Kapazität auf die indeterminierte Nachfrage. Durch ihre Potenzialorientierung haben Kapazitätsentscheidungen hierbei eine konstitutive Natur und in erster Linie eine strategische Dimension.5
In der vorliegenden Arbeit soll die Frage geklärt werden, inwieweit der Einsatz stochastischer Simulation auf Prozessebene die Entscheidungsfindung bei der Planung und Gestaltung von Servicekapazitäten unterstützen kann. Die Entwicklung eines aussagekräftigen Simulationsmodells beinhaltet hierbei drei Elemente: das zu analysierende Realsystem, ein theoretisches Modell des Systems und die computerbasierte Repräsentation des Modells im Simulationsprogramm.6
[...]
1 Vgl. Kostecki (1996), S. 1.
2 Vgl. Jahnke et al. (2005), S. 1.
3 Vgl. Chebat/Filiatrault (1993), S. 35.
4 Vgl. Paul/Stevens (1971), S. 213.
5 Vgl. Corsten/Gössinger (2007), S. 163.
6 Vgl. Vincent (1998), S. 55.
Inhaltsverzeichnis
1. Einleitung
2. Service-Systeme im Fokus der Kapazitätsplanung
2.1 Charakteristika von Service-Systemen
2.2 Problemidentifikation und –formulierung
2.2.1 Prozess der Dienstleistungsproduktion
2.2.2 Herausforderungen der Abstimmung von Kapazität und Nachfrage
2.3 Service-Systeme als Warteschlangenmodelle
3. Simulation zur Planung und Gestaltung von Servicekapazitäten
3.1 Simulation als Entscheidungsunterstützung
3.2 Vorgehensweise bei der Simulation unterschiedlicher Servicekapazitäten
3.3 Auswertung von Simulationsläufen
3.4 Statistische Probleme bei endlichen Simulationsläufen
3.4.1 Der Umgang mit der Einschwingphase
3.4.2 Bestimmung der notwendigen Anzahl an Simulationsläufen
4. Anwendungsbeispiel
4.1 Abbildung des Service-Systems als computergestütztes Simulationsmodell
4.2 Auswertung der Simulationsergebnisse
5. Fazit und Ausblick
Zielsetzung und Themen
Die Arbeit untersucht, inwieweit der Einsatz stochastischer Simulation auf Prozessebene die Entscheidungsfindung bei der Planung und Gestaltung von Servicekapazitäten unterstützen kann, um ein Gleichgewicht zwischen Servicequalität, Kosten und Kapazitätsauslastung zu erreichen.
- Analyse der Charakteristika von Service-Systemen und deren Modellierung als Warteschlangensysteme.
- Untersuchung des Trade-Offs zwischen Wartezeiten und Kapazitätskosten.
- Einsatz von Simulationssoftware (WITNESS) zur Quantifizierung von Handlungsalternativen.
- Methodische Vorgehensweise bei der stochastischen Simulation, insbesondere der Umgang mit Einschwingphasen und statistischen Fehlern.
- Entscheidungsunterstützung durch ein fiktives Anwendungsbeispiel einer Bankfiliale unter Unsicherheit.
Auszug aus dem Buch
3.1 Simulation als Entscheidungsunterstützung
Wenn die analytischen Lösungsansätze bei der Komplexität realer Systeme an ihre Grenzen stoßen, finden Simulationsmodelle ihre Anwendung. Besonders Discrete-Event Simulation Software (DESS) bietet ein großes Potenzial bei der Analyse stochastischer, komplexer Prozesse in Service-Systemen mit begrenzten Ressourcen.49
Die Simulation zeichnet sich dadurch aus, dass das Realsystem nicht wie im analytischen Modell in eine vorgefertigte Form mathematischer Strukturen gedrängt wird, sondern sich umgekehrt die Modellierung des Modells nach den Abläufen in der Realität richtet, wobei weitgehende Freiheit bei der Wahl der Prämissen herrscht.50 Die Simulation verfolgt das Ziel, auf Basis mathematischer Methoden ein Modell als Surrogat für das Realsystem zu schaffen, welches durch eine Vielzahl an Zufallsexperimenten mithilfe von Computern numerisch bewertbar ist und das Systemverhalten adäquat abbildet, um so aus den gesammelten Daten eine Schätzung der wahren Systemcharakteristika ableiten zu können.52 Der Einsatz solcher Modelle ist sinnvoll, wenn Experimente mit dem Realsystem zu kostspielig, zeitraubend oder gefährlich sind, das System zerstören könnten oder das Realsystem noch gar nicht existiert.53
Simulationen unterscheiden sich somit in ihrer Arbeitsweise deutlich von den analytischen Verfahren und liefern auch andere Ergebnisse. Wo analytische Optimierungsverfahren noch alle erlaubten Handlungsalternativen untersuchen und innerhalb eines Laufs eine optimale Lösung liefern, wird bei jedem Lauf des Simulationsmodells nur eine Schätzung von realen Systemcharakteristiken für eine bestimmte Kombination von Inputparametern produziert. 54 Simulationsmodelle, in denen stochastische Einflussgrößen vorhanden sind, generieren deshalb mit einem einzelnen Simulationslauf keine repräsentativen Ergebnisse. Um Aussagen über das Systemverhalten treffen zu können, müssen deshalb mehrere Simulationsläufe durchgeführt und statistisch ausgewertet werden.55
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung thematisiert den Wandel zur Dienstleistungsgesellschaft, den daraus resultierenden Trade-Off zwischen Servicequalität und Kapazitätskosten sowie die Zielsetzung der Arbeit, Simulation als Unterstützung für Kapazitätsentscheidungen zu evaluieren.
2. Service-Systeme im Fokus der Kapazitätsplanung: Dieses Kapitel erläutert die Besonderheiten von Service-Systemen, ihre Modellierung in Warteschlangensystemen und die Herausforderungen bei der Abstimmung von schwankender Nachfrage auf eine fixe Kapazität.
3. Simulation zur Planung und Gestaltung von Servicekapazitäten: Hier wird der Einsatz der stochastischen Simulation als Instrument der Entscheidungsunterstützung vorgestellt, inklusive der Vorgehensweise, statistischer Auswertungsmethoden und dem Umgang mit Fehlern bei Simulationen.
4. Anwendungsbeispiel: Das Kapitel veranschaulicht die theoretischen Erkenntnisse anhand einer fiktiven Bankfiliale, bei der die optimale Anzahl an Kundenschaltern mittels WITNESS-Simulation und einer Entscheidungsmatrix ermittelt wird.
5. Fazit und Ausblick: Das Fazit fasst die Ergebnisse zusammen, betont die Nützlichkeit von Simulationen trotz des notwendigen statistischen Hintergrundwissens und unterstreicht die Relevanz für das Kapazitätsmanagement.
Schlüsselwörter
Servicekapazitäten, Stochastische Simulation, Warteschlangenmodelle, Dienstleistungsproduktion, Kapazitätsplanung, Entscheidungsunterstützung, WITNESS, Nachfrageschwankungen, Servicequalität, Discrete-Event Simulation, Einschwingphase, Konfidenzintervall, Prozessorientierung, Auslastungsgrad, Simulation Optimization.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Planung und Gestaltung von Servicekapazitäten in Dienstleistungsunternehmen. Der Fokus liegt darauf, wie Unternehmen ihre Kapazitäten so dimensionieren können, dass sie einer schwankenden Nachfrage gerecht werden, ohne unnötige Kosten durch Leerstände oder zu geringe Servicequalität durch lange Wartezeiten zu verursachen.
Was sind die zentralen Themenfelder der Arbeit?
Zentrale Themen sind die Charakteristika von Service-Systemen, die Modellierung von Nachfrage- und Kapazitätsbeziehungen, die Anwendung stochastischer Simulationsmethoden sowie statistische Verfahren zur Validierung und Auswertung solcher Simulationsergebnisse.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist es zu untersuchen, inwieweit stochastische Simulation auf Prozessebene die Entscheidungsfindung bei der Planung von Servicekapazitäten quantitativ unterstützen kann, um eine nachvollziehbare und belegbare Grundlage für Investitionsentscheidungen zu schaffen.
Welche wissenschaftliche Methode wird primär verwendet?
Die Arbeit nutzt die stochastische Simulation, insbesondere die Discrete-Event Simulation (DES), als primäre Methode. Ergänzend dazu werden betriebswirtschaftliche Produktionstheorien und die Warteschlangentheorie herangezogen, um das zu simulierende System theoretisch zu fundieren.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in eine theoretische Fundierung (Service-Systeme als Warteschlangenmodelle), die methodische Vorgehensweise bei der Simulation (inklusive statistischer Fehlerkorrektur) und ein praktisches Anwendungsbeispiel einer Bankfiliale, das die theoretischen Konzepte in die Anwendung überträgt.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Wichtige Begriffe sind Servicekapazitäten, stochastische Simulation, Warteschlangenmodelle, Kapazitätsplanung, Servicequalität und Entscheidungsunterstützung.
Warum wird im Anwendungsbeispiel eine Bankfiliale als Modell genutzt?
Die Bankfiliale dient als fiktives, aber anschauliches Szenario, um die Komplexität der Kapazitätsdimensionierung transparent zu machen. Sie ermöglicht es, Parameter wie Kundenankünfte, Bearbeitungsdauer und Warteverhalten praxisnah abzubilden und die Auswirkungen verschiedener Kapazitätsniveaus (Anzahl der Schalter) zu evaluieren.
Was besagt die Einschwingphase in Bezug auf die Simulationsergebnisse?
Die Einschwingphase ist die Initialphase der Simulation, in der das System noch nicht den stabilen "Steady State" erreicht hat. Da die Daten in dieser Phase verzerrt sein können, erläutert die Arbeit, warum und wie dieser Abschnitt bei der statistischen Auswertung berücksichtigt oder ausgeschlossen werden sollte, um valide Schlussfolgerungen zu ziehen.
- Arbeit zitieren
- Daniel Gurski (Autor:in), 2011, Simulation zur Planung und Gestaltung von Servicekapazitäten, München, GRIN Verlag, https://www.hausarbeiten.de/document/200579
