Statistická rozdělení

Proč používat rozdělení?

Skutečné procesy se vyznačují proměnlivostí. Jeden hovor na zákaznickou podporu trvá 5 minut, jiný 25 minut. Jeden den přijde 50 objednávek, další den 120. Tato přirozená proměnlivost je běžnou vlastností podnikových procesů.

Pevně zadané hodnoty (například „každá činnost trvá přesně 10 minut“) vedou k nereálným simulacím. Rozdělení popisují proměnlivost matematicky, a simulace se tak chovají podobně jako skutečné procesy. Můžete si je vyzkoušet na vlastním procesu v bezplatné zkušební verzi.

Vliv proměnlivosti

Porovnejte dva scénáře pro úlohu, která trvá v průměru 10 minut:

Scénář	Rozdělení	Vliv na simulaci
Pevně 10 min	Bez proměnlivosti	Nereálné fronty, předvídatelné vzorce
Normal (průměr=10, stdDev=3)	Realistická proměnlivost	Přirozené chování front, realistická zpoždění

Druhý scénář lépe odpovídá skutečnosti: některé úlohy jsou rychlé, jiné trvají déle. Tato proměnlivost vytváří fronty podobné těm ve skutečných procesech.

Dostupná rozdělení

ProcessMind nabízí devět typů rozdělení pro modelování různých druhů proměnlivosti:

Rozložení	Vhodné použití	Hlavní parametry
Pevná	Stálé, neměnné hodnoty	value
Normální	Symetrické kolísání kolem průměru	mean, stdDev
Uniformní	Stejná pravděpodobnost v daném rozsahu	min, max
Trojúhelníkové	Rozsah s nejpravděpodobnější hodnotou	min, mode, max
Poissonovo rozdělení	Náhodné příchozí události	lambda, rateUnit
Lognormální	Zešikmené doprava (obvykle krátké, někdy dlouhé)	mean, stdDev
Weibullovo	Analýza spolehlivosti a poruch	scale, shape
Beta	Pružný tvar mezi minimem a maximem	min, max, alpha, beta
Pearson VI	Složitá zešikmená rozložení	alpha1, alpha2, beta

Rozdělení Fixed

Nejjednodušší rozdělení: vždy vrací stejnou hodnotu.

Parametry

Parametr	Popis
hodnota	Konstantní hodnota, která se vrátí

Vlastnosti

• Žádná proměnlivost
• Každý vzorek vrátí přesně zadanou hodnotu
• Vhodné pro modelování kroků řízených systémem nebo automatizovaných kroků

Kdy použít

• Automatické odpovědi systému s konzistentní dobou
• Regulatorní časové limity a lhůty
• Počáteční nastavení simulace před přidáním proměnlivosti
• Modelování SLA nebo smluvních časových limitů

Příklad

E-mail vytvořený systémem se vždy odešle přesně za 5 sekund.

Rozdělení Normal (Gaussovo)

Známá „zvonová křivka“: hodnoty se symetricky shlukují kolem průměru a s rostoucí vzdáleností od středu jejich pravděpodobnost klesá.

Parametry

Parametr	Popis
mean	Průměrná hodnota (střed křivky)
stdDev	Směrodatná odchylka (rozptyl hodnot)

Vlastnosti

• Symetrické kolem průměru
• 68 % hodnot spadá do rozmezí jedné směrodatné odchylky
• 95 % hodnot spadá do rozmezí dvou směrodatných odchylek
• 99,7 % hodnot spadá do rozmezí tří směrodatných odchylek
• Teoreticky může vytvářet záporné hodnoty (simulace s tím počítá)

Kdy použít

• Doby zpracování, které se symetricky mění kolem průměru
• Měření s náhodnou chybou
• Veličiny ovlivněné mnoha malými nezávislými faktory

Příklad

Zadání údajů trvá v průměru 5 minut se směrodatnou odchylkou 1 minuta:

• 68 % zadání trvá 4–6 minut
• 95 % trvá 3–7 minut
• Jen málokteré trvá méně než 2 nebo více než 8 minut

Rozdělení Uniform

Všechny hodnoty v daném rozsahu mají stejnou pravděpodobnost. Výsledkem je rovnoměrné rozdělení.

Parametry

Parametr	Popis
min	Nejnižší možná hodnota
max	Nejvyšší možná hodnota

Vlastnosti

• Rovnoměrná pravděpodobnost: žádná hodnota není pravděpodobnější než jiná
• Ostré hranice min a max
• Průměr je přesně (min + max) / 2

Kdy použít

• Když znáte pouze rozsah, nikoli obvyklou hodnotu
• Náhodný výběr z rozsahu
• Doba čekání na naplánovanou událost
• Modelování nejistoty bez historických dat

Příklad

Schválení trvá 2 až 8 minut a nevíme, jaká doba je obvyklá. Všechny délky v tomto rozsahu jsou stejně pravděpodobné.

Rozdělení Triangular

Jednoduché rozdělení s minimální, maximální a nejpravděpodobnější hodnotou (modus), které má tvar trojúhelníku.

Parametry

Parametr	Popis
min	Nejnižší možná hodnota
mode	Nejpravděpodobnější hodnota (vrchol trojúhelníku)
max	Nejvyšší možná hodnota

Vlastnosti

• Hodnoty se shlukují kolem modu
• Hodnoty jsou omezeny parametry min a max, mimo tento rozsah se nevyskytují
• Rozdělení je nesymetrické, pokud mode ≠ (min + max) / 2
• Snadno se odhaduje na základě zkušeností odborníků

Kdy použít

• Když víte, že „obvykle to trvá X, ale může to být od Y do Z“
• Situace, kdy odhadují odborníci
• Když by rozdělení Normal mohlo vytvářet nereálné záporné hodnoty

Příklad

Kontrola faktury:

• Nejlepší případ (min): 2 minuty
• Obvyklý případ (mode): 5 minut
• Nejhorší případ (max): 15 minut

Většina kontrol trvá přibližně 5 minut. U složitých faktur může doba dosáhnout až 15 minut.

Rozdělení Poisson

Modeluje počet událostí v pevném časovém období. Hodí se pro procesy, do kterých přicházejí případy.

Parametry

Parametr	Popis
lambda	Průměrná četnost událostí
rateUnit	Časová jednotka četnosti (perHour, perDay, perWeek, perMonth, perYear)

Vlastnosti

• Diskrétní hodnoty (celá čísla: 0, 1, 2, 3…)
• Rozptyl se rovná průměru
• Události jsou nezávislé
• Dobře modeluje „náhodné příchody“

Kdy použít

• Příchody případů do procesu
• Příchody zákazníků
• Vytváření objednávek
• Jakýkoli scénář typu „počet událostí za časové období“

Příklad

Lambda=20, rateUnit=perDay modeluje přibližně 20 případů za den. Některé dny jich může přijít 15, jiné 25. To je přirozená proměnlivost náhodných příchodů.

Rozdělení Lognormal

Rozdělení s pravostrannou šikmostí, u kterého je většina hodnot nízká, ale občas se objeví vysoké hodnoty. Logaritmy hodnot mají normální rozdělení.

Parametry

Parametr	Popis
mean	Průměr vytvořených hodnot (nikoli jejich logaritmů)
stdDev	Směrodatná odchylka vytvořených hodnot (nikoli jejich logaritmů)

Vlastnosti

• Vždy kladné hodnoty, záporné nejsou možné
• Pravostranná šikmost: dlouhý ocas směrem k vyšším hodnotám
• Většina hodnot se pohybuje u dolní hranice
• Občas se objeví vysoké hodnoty

Kdy použít

• Úlohy, které obvykle skončí rychle, ale někdy trvají mnohem déle
• Finanční údaje a rozdělení příjmů
• Doby odezvy s občasnými zpožděními
• Doba opravy chyb

Příklad

Technické požadavky na podporu:

• Většina se vyřeší za 1–2 hodiny
• Některé zaberou celý den
• Řešení ojedinělých složitých problémů trvá několik dní

Rozdělení Lognormal zachycuje vzorec „obvykle rychle, občas dlouho“.

Rozdělení Weibull

Flexibilní rozdělení, které se běžně používá při analýze spolehlivosti a poruch.

Parametry

Parametr	Popis
scale	Parametr měřítka (charakteristická životnost)
shape	Parametr tvaru (určuje podobu rozdělení)

Vliv parametru shape

Hodnota shape	Chování rozdělení
shape menší než 1	Klesající četnost poruch (časné poruchy)
shape = 1	Konstantní četnost poruch (exponenciální rozdělení)
shape větší než 1	Rostoucí četnost poruch (opotřebení)

Kdy použít

• Doba do poruchy zařízení
• Analýza doby do události
• Modelování spolehlivosti
• Když potřebujete flexibilně řídit tvar rozdělení

Rozdělení Beta

Flexibilní rozdělení, které vytváří hodnoty mezi minimem a maximem. Jeho tvar určují dva parametry. Jde o zobecněné rozdělení Beta se čtyřmi parametry.

Parametry

Parametr	Popis
min	Nejnižší možná hodnota
max	Nejvyšší možná hodnota
alpha	První parametr tvaru (α > 0)
beta	Druhý parametr tvaru (β > 0)

Vlastnosti

• Hodnoty jsou vždy mezi min a max
• Velmi flexibilní tvar v závislosti na α a β
• Když α = β, je rozdělení symetrické kolem středu intervalu [min, max]
• Když α < β, hodnoty se soustřeďují blíže k min (zešikmení doleva)
• Když α > β, hodnoty se soustřeďují blíže k max (zešikmení doprava)
• Když α = β = 1, jde o rovnoměrné rozdělení na intervalu [min, max]
• Průměr = min + (max − min) × α / (α + β)

Vliv parametru shape

Parametry	Chování rozdělení
α = 1, β = 1	Rovnoměrné (ploché) na intervalu [min, max]
α = β	Symetrický zvonovitý tvar se středem v polovině intervalu
α < β	Zešikmení doleva (hodnoty se soustřeďují blízko min)
α > β	Zešikmení doprava (hodnoty se soustřeďují blízko max)
α < 1, β < 1	Tvar U (hodnoty se soustřeďují u obou krajních hodnot)

Kdy použít

• Ohraničené veličiny, u kterých znáte rozsah a chcete ovlivnit tvar rozdělení
• Doby trvání úloh, které se soustřeďují u jednoho konce známého rozsahu
• Modelování pravděpodobností nebo úspěšnosti (nastavte min=0, max=1)
• Hodnocení kvality, procento dokončení nebo výtěžnost
• Odhady odborníků, kteří znají rozsah a tuší, kde se hodnoty obvykle soustřeďují

Příklad

Kontrola trvá 2 až 15 minut a většina kontrol se blíží kratší době. Použijte Beta(min=2, max=15, α=2, β=5). Průměrná doba je přibližně 2 + 13 × 2/7 ≈ 5,7 minuty. Hodnoty se soustřeďují u dolní hranice, nikdy však neklesnou pod 2 ani nepřekročí 15 minut.

Rozdělení Pearson VI

Pokročilé rozdělení pro složité, zešikmené vzorce, které nelze popsat jednoduššími modely.

Parametry

Parametr	Popis
alpha1	První parametr tvaru
alpha2	Druhý parametr tvaru
beta	Parametr měřítka

Kdy použít

• Složitá rozdělení odvozená z analýzy dat
• Když jednodušší rozdělení neodpovídají vašim historickým datům
• Pokročilé případy statistického modelování

Jak vybrat správné rozdělení

Rychlý přehled: doby zpracování

Vaše situace	Doporučené rozložení
Časy symetricky kolísají kolem průměru	Normální
Znáte pouze rozsah (minimum až maximum)	Uniformní
Znáte obvyklý, nejlepší a nejhorší případ	Trojúhelníkové
Obvykle krátké časy, někdy výrazně delší	Lognormální
Čas je stálý (vzácně)	Pevná
Podíly nebo pravděpodobnosti (0 až 1)	Beta

Rychlý přehled: četnost příchodů

Vaše situace	Doporučené rozložení
Náhodné, nezávislé příchozí případy	Poissonovo rozdělení
Příchozí případy se stejnou četností	Pevná

Doporučený postup

Začněte jednoduše

Začněte s rozdělením Normal nebo Triangular. Snadno se vysvětlují i nastavují a obvykle postačí. Složitější rozdělení použijte jen v případě potřeby.

Využijte znalosti odborníků

Odborníci na danou oblast mohou poskytnout kvalitní odhady:

• „Nejlepší případ?“ → minimum
• „Obvyklý případ?“ → průměr nebo modus
• „Nejhorší případ?“ → maximum

Ověřte výsledek na datech

Pokud máte historická data:

1. Přizpůsobte rozdělení svým datům
2. Porovnejte výstup simulace se skutečným výkonem
3. Upravte parametry rozdělení

Počítejte s odlehlými hodnotami

Ve skutečných procesech se často vyskytují odlehlé hodnoty. Rozdělení Lognormal a Weibull si s nimi poradí lépe než Normal nebo Triangular.

Zvolte rozdělení podle chování procesu

• Symetrické odchylky → Normal
• Ohraničené odchylky → Triangular nebo Uniform
• Zešikmení doprava → Lognormal
• Podíly (0 až 1) → Beta
• Složité vzorce → Weibull nebo Pearson VI

Vytvořte vlastní BPMN model

Další kroky

How It Works

Zjistěte, jak simulační engine využívá rozdělení.