什么是流程仿真？定义、方法、局限

Inhaltsverzeichnis+

定义

过程仿真是在模型中对一个流程进行人工执行。 与其描述应该发生什么，不如让事件真实地通过模型运行：带时钟、带等待队列、带随机抽取的持续时间。测量的是输出结果。

与电子表格计算的区别在于一个关键术语：等待时间。表格将处理时间相加。仿真反映出如果下一步正被占用，某个项会等待。在行政与服务流程中，等待时间通常占总通过时间的90到99％。因此表格精确计算了不重要的部分，却忽略了重要的部分。

三种方法

对于带有步骤、角色和审批的业务流程，事件驱动几乎总是合适的方法。当参与者做出会改变流程的自主决策（例如客户流失）时，基于主体的方法更有意义。系统动力学不用于单个事项的结果，而用于长期存量的演变。

一个仿真模型所需的内容

每个步骤需要五项信息，其他的不需要：

1. 到达： 有多少事项到达，波动有多大？仅有平均值不足以说明问题；损失发生在高峰日。
2. 处理时间范围： 不是“10分钟”，而是“5到15”。范围才是关键信息：它产生等待队列。
3. 产能： 人员×有效工时，或当设备决定边界时的固定节拍。
4. 分支： 有多少比例的事项走哪条路径，哪些事项离开流程（被拒、撤回、流失）？
5. 日历与成本： 何时工作，以及该角色每小时成本是多少（全面成本，而非毛薪除以2080）。

仿真模型不需要：事件日志、系统接入或完整数据。估算值是允许的，前提是这些估算以假设的形式可见。一个假设公开的模型优于一个隐藏假设的表格。

一次运行如何进行

1. 将时钟置零。抽取第一次到达时间。
2. 跳到下一个事件（到达、处理结束、班次变更）。
3. 推进状态：队列、被占用的产能、计数器。
4. 计划下一个事件，从分布中抽取持续时间。
5. 返回步骤2，直至达到时间范围。
6. 将整个运行重复数百次，每次使用新的随机数。

步骤6是Monte Carlo重复。真正的结果由此产生：不是单一数字，而是一个分布。由此可读出P10、P50和P90：最佳情况、中位数以及您据此做承诺的情况。

最终得到的内容

• 吞吐量： 该流程每天能处理多少事项？
• 通过时间： 以区间表示，而非均值。P50和P90。
• 每个步骤的利用率： 影响瓶颈的数值。大约在85％以上会很昂贵，因为等待时间按 ρ/(1−ρ) 增长。
• 等待队列： 在何处有多少事项在排队？
• 成本： 每项事务的人力成本，推算到全年。

以及在前后比较中回答那个证明工作量合理的问题：如果我解决了瓶颈，瓶颈会迁移到哪里，它值多少钱？

何时值得进行仿真，何时不值得

值得：

• 流程存在等待队列，且等待时间占通过时间的大部分。
• 量或持续时间波动明显。
• 您想在实施前计算某项变更的影响。
• 有人需要为数字签字并会提出质询。

不值得：

• 流程远低于产能上限且无拥堵。这时处理时间即为通过时间，简单相加即可。
• 您想要的是文档而非计算。为此应使用绘图工具。
• 您想知道昨天实际发生了什么。为此应使用 Process Mining。仿真计算的是一种假设，而非记录。

常见误解

“仿真需要完美的数据。” 不需要。它需要诚实的范围。一个范围为五到十五分钟的模型能给出有用的区间；一个捏造的十分钟只会产生表面上的精确。

“仿真能预测未来。” 不能。它显示在特定假设下会发生什么。价值在于对两个状态在相同假设下的比较，而非绝对数值。

“越详细越好。” 不是。五到十个步骤几乎总是足够。瓶颈位于利用率最高的位置，这在粗略建模下与精细建模同样显而易见。每增加一项活动都会增加输入字段，却未必改变结果。

总结

• 过程仿真是对流程的人工执行，而不是描述。区别在于等待队列。
• 对于业务流程，事件驱动仿真是合适的方法。
• 每步五项信息足够；估算可用，但须公开。
• 结果是一个分布，不是单一数值：P10、P50、P90。
• 主要价值在于前后比较以及瓶颈的迁移。