Kommercielle simuleringsprojektfejl

Simulering af diskret hændelse har eksisteret i lang tid. Voksende regnekraft har hjulpet anvendelsen af diskrete hændelsessimulering i de seneste år. Dette gælder især med hensyn til visualisering og animation af selve modellerne. Metoden, relaterede procedurer, processen og software relateret til simulering af diskret hændelse blev dog også anvendt for 20 år siden. Siden da har mange simuleringsprojekter hjulpet virksomheder med at forbedre deres layout, processer og øge deres overskud og kundetilfredshed. Men mange projekter slog fejl. I dagens blogindlæg kommenterer jeg på kommercielle simuleringsprojektfejl.

Fejlrater for simuleringsprojekter med diskrete hændelser

Det er vanskeligt at generalisere om fejlraten for simuleringsprojekter med diskrete hændelser. Ikke desto mindre er der udgivet forskellige undersøgelser om dette emne. Deres estimat for succesrater for projekter varierer fra 40 % til 75 %. Det antages generelt, at omkring halvdelen af alle kommercielle simuleringsprojekter inden for supply chain management og produktionsplanlægningsdomænet ikke opfylder de grundlæggende forventninger fra relevante interessenter. Denne succesrate menes generelt at være væsentligt under den gennemsnitlige succesrate for analyseprojekter inden for supply chain management og produktionsplanlægning.

Traditionelle analyseprojekter involverer generelt brugen af statistiske og dataanalyseteknikker for at få indsigt og træffe datadrevne beslutninger. Driftsforskningsprojekter på den anden side gør desuden brug af matematiske modeller og koncepter, der hovedsageligt er udviklet til driftsforbedring. Dette omfatter f.eks. programmering og optimering med blandet heltal, begrænsningsprogrammering, ikke-lineær optimering, heuristisk, genetisk optimering og simulering af diskret hændelse.

Mens traditionelle analyse- og driftsforskningsprojekter kan være komplekse, involverer de ofte relativt statiske datasæt og kan gennemføres ved hjælp af analytiske værktøjer og teknikker. Som et resultat kan succesraten for analyseprojekter være relativt høj, især sammenlignet med DES- projekter. DES- projekter kræver på den anden side en dyb forståelse af komplekse systemer og processer samt evnen til at udvikle nøjagtige og effektive simuleringsmodeller . Disse projekter involverer dynamiske data og kræver mere avancerede modellerings- og simuleringsteknikker . Dette høje niveau af kompleksitet kan være en af hovedårsagerne til, at simuleringsprojekter har en højere fejlrate end traditionelle analyser.

Grundårsager til fejl i simuleringsprojekter

Effektiv projektledelsespraksis, herunder grundig planlægning, involvering af interessenter og effektiv kommunikation, påvirker i høj grad succesraten for kommercielle simuleringsprojekter.

Simuleringsprojekter kan mislykkes af forskellige årsager, men nogle af de mest almindelige årsager til fejl i simuleringsprojekter omfatter:

Mangel på klare projektmål
Dårlig datakvalitet
Mangel på ekspertise
Utilstrækkelig test, verifikation og validering
Utilstrækkelig involvering af interessenter
Dårlig kommunikation
Omfang kryb
Urealistiske antagelser
Urealistiske forventninger
Mangel på ressourcer

Ved at løse disse grundlæggende årsager kan simuleringsprojekthold forbedre deres chancer for succes. Simuleringsteams og ingeniører skal således løbende forbedre deres projektledelse og kommunikationsevner, tekniske færdigheder og interessentstyring.

Vigtige færdigheder for at undgå fejl i simuleringsprojektet

Diskret-hændelsessimulering ( DES ) afdelinger i en supply chain management eller produktionsplanlægning kræver en række tekniske og ikke-tekniske færdigheder for at få succes. Nogle vigtige færdigheder omfatter:

Tekniske færdigheder
Dataanalyse
Proces kortlægning
Meddelelse
Projektledelse
Problemløsning
Samarbejde

På den tekniske ende af spektret bør følgende færdigheder kræves og forbedres:

Systemkendskab, dvs forståelse for produktions- og logistikprocesserne samt dermed tilhørende relevant udstyr og systemer
Statistisk analyse, dvs. at kunne vurdere pålideligheden af resultater fra simuleringen og evnen til at udlede generaliserbare resultater fra simuleringsresultaterne
Dataanalyse – indhentning, skænderi og visualisering af data
Systemtænkning, altså evne til konceptuelt at modellere et komplekst system
Objektorienteret programmering
Software engineering færdigheder