Rozkłady statystyczne

Po co stosować rozkłady?

W rzeczywistych procesach występuje zmienność. Jedna rozmowa z obsługą klienta trwa 5 minut, inna 25 minut. Jednego dnia wpływa 50 zamówień, a następnego 120. Taka naturalna zmienność jest nieodłączną cechą procesów biznesowych.

Stałe wartości, na przykład „każde działanie trwa dokładnie 10 minut”, prowadzą do nierealistycznych symulacji. Rozkłady opisują zmienność matematycznie, dzięki czemu symulacje odzwierciedlają rzeczywiste procesy. Można je sprawdzić na własnym procesie w ramach bezpłatnego okresu próbnego.

Wpływ zmienności

Rozważmy dwa scenariusze dla zadania, które trwa średnio 10 minut:

Scenariusz	Rozkład	Wpływ na symulację
Stałe 10 min	Brak zmienności	Nierealistyczne kolejki, przewidywalne wzorce
Normalny (średnia=10, stdDev=3)	Realistyczna zmienność	Naturalne zachowanie kolejek, realistyczne opóźnienia

Drugi scenariusz lepiej odzwierciedla rzeczywistość: część zadań trwa krótko, inne dłużej. Ta zmienność powoduje powstawanie kolejek, które można zaobserwować w rzeczywistych procesach.

Dostępne rozkłady

ProcessMind udostępnia dziewięć typów rozkładów do modelowania różnych rodzajów zmienności:

Rozkład	Zastosowanie	Główne parametry
Stałe	Wartości stałe, które się nie zmieniają	value
Normalny	Symetryczne odchylenia wokół średniej	mean, stdDev
Jednolity	Jednakowe prawdopodobieństwo w danym przedziale	min, max
Trójkątny	Przedział z najbardziej prawdopodobną wartością	min, mode, max
Rozkład Poissona	Losowy napływ zdarzeń	lambda, rateUnit
Lognormalny	Rozkład prawostronnie skośny (zwykle krótki czas, czasem długi)	mean, stdDev
Weibulla	Analiza niezawodności i awarii	scale, shape
Beta	Elastyczny kształt w przedziale od min do max	min, max, alpha, beta
Pearsona VI	Złożone rozkłady skośne	alpha1, alpha2, beta

Rozkład stały

Najprostszy rozkład: zawsze zwraca tę samą wartość.

Parametry

Parametr	Opis
wartość	Stała wartość zwracana przez funkcję

Właściwości

• Brak jakiejkolwiek zmienności
• Każda próbka zwraca dokładnie wskazaną wartość
• Przydatny do modelowania kroków sterowanych przez system lub zautomatyzowanych

Kiedy używać

• Automatyczne odpowiedzi systemu o stałym czasie
• Limity czasu lub terminy wynikające z przepisów
• Wstępna konfiguracja symulacji przed dodaniem zmienności
• Modelowanie SLA lub umownych limitów czasu

Przykład

Wiadomość e-mail generowana przez system jest zawsze wysyłana dokładnie po 5 sekundach.

Rozkład normalny (Gaussa)

Znana „krzywa dzwonowa”: wartości skupiają się symetrycznie wokół średniej, a prawdopodobieństwo maleje wraz z oddalaniem się od środka.

Parametry

Parametr	Opis
mean	Średnia wartość (środek krzywej)
stdDev	Odchylenie standardowe (rozproszenie wartości)

Właściwości

• Symetryczny względem średniej
• 68% wartości mieści się w granicach jednego odchylenia standardowego
• 95% wartości mieści się w granicach dwóch odchyleń standardowych
• 99,7% wartości mieści się w granicach trzech odchyleń standardowych
• Teoretycznie może generować wartości ujemne (symulacja obsługuje takie przypadki)

Kiedy używać

• Czasy przetwarzania zmieniające się symetrycznie wokół średniej
• Pomiary obarczone losowym błędem
• Wielkości zależne od wielu drobnych, niezależnych czynników

Przykład

Wprowadzanie danych trwa średnio 5 minut, a odchylenie standardowe wynosi 1 minutę:

• 68% wpisów zajmuje 4–6 minut
• 95% zajmuje 3–7 minut
• Niewiele wpisów zajmuje mniej niż 2 lub więcej niż 8 minut

Rozkład jednostajny

Każda wartość z danego zakresu jest jednakowo prawdopodobna, co daje płaski rozkład prawdopodobieństwa.

Parametry

Parametr	Opis
min	Najmniejsza możliwa wartość
max	Największa możliwa wartość

Właściwości

• Płaski rozkład prawdopodobieństwa: żadna wartość nie jest bardziej prawdopodobna od pozostałych
• Wyraźne granice min i max
• Średnia wynosi dokładnie (min + max) / 2

Kiedy używać

• Gdy znany jest tylko zakres, a nie typowa wartość
• Losowy wybór wartości z zakresu
• Czas oczekiwania na zaplanowane zdarzenie
• Modelowanie niepewności przy braku danych historycznych

Przykład

Zatwierdzenie trwa od 2 do 8 minut, ale nie wiadomo, jaki czas jest typowy. Każdy czas z tego zakresu jest jednakowo prawdopodobny.

Rozkład trójkątny

Prosty rozkład określony przez wartość minimalną, maksymalną i najbardziej prawdopodobną (modę), którego wykres ma kształt trójkąta.

Parametry

Parametr	Opis
min	Najmniejsza możliwa wartość
mode	Najbardziej prawdopodobna wartość (wierzchołek trójkąta)
max	Największa możliwa wartość

Właściwości

• Wartości skupiają się wokół mody
• Wartości mieszczą się między min a max (brak wartości odstających poza tym zakresem)
• Rozkład jest asymetryczny, jeśli mode ≠ (min + max) / 2
• Parametry można łatwo oszacować na podstawie wiedzy eksperckiej

Kiedy używać

• Gdy wiadomo, że „zwykle jest to X, ale może wynosić od Y do Z”
• Przy szacunkach eksperckich
• Gdy rozkład normalny mógłby generować nierealistyczne wartości ujemne

Przykład

Weryfikacja faktury:

• Najlepszy przypadek (min): 2 minuty
• Typowy przypadek (mode): 5 minut
• Najgorszy przypadek (max): 15 minut

Większość weryfikacji trwa około 5 minut. W przypadku złożonych faktur czas może wydłużyć się do 15 minut.

Rozkład Poissona

Modeluje liczbę zdarzeń w ustalonym przedziale czasu. Sprawdza się przy modelowaniu napływu spraw.

Parametry

Parametr	Opis
lambda	Średnie tempo występowania zdarzeń
rateUnit	Jednostka czasu dla tempa (perHour, perDay, perWeek, perMonth, perYear)

Właściwości

• Wartości dyskretne (liczby całkowite: 0, 1, 2, 3…)
• Wariancja jest równa średniej
• Zdarzenia są niezależne
• Dobrze modeluje „losowy napływ”

Kiedy używać

• Napływ spraw do procesu
• Napływ klientów
• Generowanie zamówień
• Każdy scenariusz opisujący „liczbę zdarzeń w jednostce czasu”

Przykład

Lambda=20, rateUnit=perDay oznacza około 20 spraw napływających dziennie. Jednego dnia może ich być 15, a innego 25. To naturalna zmienność losowego napływu.

Rozkład logarytmiczno-normalny

Rozkład prawostronnie skośny: większość wartości jest niewielka, ale sporadycznie pojawiają się duże. Logarytmy tych wartości mają rozkład normalny.

Parametry

Parametr	Opis
mean	Średnia wygenerowanych wartości (nie ich logarytmów)
stdDev	Odchylenie standardowe wygenerowanych wartości (nie ich logarytmów)

Właściwości

• Wartości są zawsze dodatnie (nie mogą być ujemne)
• Rozkład prawostronnie skośny: długi ogon w kierunku większych wartości
• Większość wartości skupia się przy dolnej granicy
• Sporadycznie pojawiają się duże wartości

Kiedy używać

• Zadania, które zwykle kończą się szybko, ale czasem trwają znacznie dłużej
• Dane finansowe i rozkłady dochodów
• Czasy odpowiedzi z okazjonalnymi opóźnieniami
• Czasy usuwania błędów

Przykład

Zgłoszenia do pomocy technicznej:

• Większość jest rozwiązywana w ciągu 1–2 godzin
• Niektóre wymagają całego dnia
• Rzadkie, złożone problemy mogą wymagać kilku dni

Rozkład logarytmiczno-normalny odwzorowuje ten schemat: „zwykle szybko, czasem długo”.

Rozkład Weibulla

Elastyczny rozkład często stosowany w inżynierii niezawodności i analizie awarii.

Parametry

Parametr	Opis
scale	Parametr skali (charakterystyczny czas życia)
shape	Parametr kształtu (określa postać rozkładu)

Wpływ parametrów kształtu

Wartość shape	Zachowanie rozkładu
shape poniżej 1	Malejące tempo awarii (awarie wczesne)
shape = 1	Stałe tempo awarii (rozkład wykładniczy)
shape powyżej 1	Rosnące tempo awarii (zużycie)

Kiedy używać

• Czasy do awarii urządzeń
• Analiza czasu do wystąpienia zdarzenia
• Modelowanie niezawodności
• Gdy potrzebna jest elastyczna kontrola nad kształtem rozkładu

Rozkład beta

Elastyczny rozkład generujący wartości między minimum a maksimum, którego kształt określają dwa parametry. Jest to uogólniony rozkład beta (czteroparametrowy).

Parametry

Parametr	Opis
min	Najmniejsza możliwa wartość
max	Największa możliwa wartość
alpha	Pierwszy parametr kształtu (α > 0)
beta	Drugi parametr kształtu (β > 0)

Właściwości

• Wartości zawsze mieszczą się w przedziale od min do max
• Kształt rozkładu zależy od parametrów α i β
• Gdy α = β, rozkład jest symetryczny względem środka przedziału [min, max]
• Gdy α < β, wartości skupiają się bliżej min (rozkład lewostronnie skośny)
• Gdy α > β, wartości skupiają się bliżej max (rozkład prawostronnie skośny)
• Gdy α = β = 1, otrzymujemy rozkład jednostajny na przedziale [min, max]
• Średnia = min + (max − min) × α / (α + β)

Wpływ parametrów kształtu

Parametry	Charakterystyka rozkładu
α = 1, β = 1	Jednostajny (płaski) na przedziale [min, max]
α = β	Symetryczny, dzwonowy kształt ze środkiem w połowie przedziału
α < β	Skośny w lewo (wartości skupiają się przy min)
α > β	Skośny w prawo (wartości skupiają się przy max)
α < 1, β < 1	Kształt litery U (wartości skupiają się przy obu krańcach)

Kiedy używać

• Wartości ograniczone do znanego przedziału, gdy potrzebna jest kontrola nad kształtem rozkładu
• Czasy zadań skupione przy jednym krańcu znanego przedziału
• Modelowanie prawdopodobieństwa lub wskaźnika sukcesu (min=0, max=1)
• Oceny jakości, odsetek ukończenia lub wskaźnik uzysku
• Szacunki ekspertów, gdy znany jest przedział i wiadomo, w którym miejscu zwykle skupiają się wartości

Przykład

Zadanie polegające na weryfikacji trwa od 2 do 15 minut, a większość weryfikacji kończy się bliżej dolnej granicy. Zastosuj Beta(min=2, max=15, α=2, β=5). Średnia wynosi około 2 + 13 × 2/7 ≈ 5,7 minuty. Wartości skupiają się przy dolnej granicy, ale nigdy nie spadają poniżej 2 ani nie przekraczają 15.

Rozkład Pearsona VI

Zaawansowany rozkład do modelowania złożonych, skośnych wzorców, których nie opisują prostsze modele.

Parametry

Parametr	Opis
alpha1	Pierwszy parametr kształtu
alpha2	Drugi parametr kształtu
beta	Parametr skali

Kiedy używać

• Złożone rozkłady wyznaczone na podstawie analizy danych
• Gdy prostsze rozkłady nie pasują do danych historycznych
• Zaawansowane modele statystyczne

Jak dobrać rozkład

Szybki wybór: czasy realizacji

Sytuacja	Zalecany rozkład
Czasy zmieniają się symetrycznie wokół średniej	Normalny
Znany jest tylko zakres (od min do max)	Jednolity
Znane są typowy, najlepszy i najgorszy przypadek	Trójkątny
Zwykle jest krótko, ale czasem znacznie dłużej	Lognormalny
Czas jest stały (rzadko)	Stałe
Udziały lub prawdopodobieństwa (od 0 do 1)	Beta

Szybki wybór: tempo napływu

Sytuacja	Zalecany rozkład
Losowy, niezależny napływ	Rozkład Poissona
Napływ ze stałą częstotliwością	Stałe

Dobre praktyki

Zacznij od prostego rozwiązania

Na początek wybierz rozkład Normal lub Triangular. Są łatwe do zrozumienia i skonfigurowania, a zwykle wystarczają do symulacji. Sięgaj po bardziej złożone rozwiązania tylko wtedy, gdy są potrzebne.

Wykorzystaj wiedzę ekspertów

Eksperci w danej dziedzinie mogą podać trafne szacunki:

• „Najlepszy przypadek?” → minimum
• „Typowy przypadek?” → średnia lub moda
• „Najgorszy przypadek?” → maksimum

Sprawdź wyniki na danych

Jeśli dostępne są dane historyczne:

1. Dopasuj rozkłady do danych
2. Porównaj wyniki symulacji z rzeczywistymi wynikami
3. Dostosuj parametry rozkładu

Uwzględnij wartości odstające

W rzeczywistych procesach często występują wartości odstające. Rozkłady Lognormal i Weibull mogą je odwzorować lepiej niż Normal lub Triangular.

Dopasuj rozkład do przebiegu procesu

• Zmienność symetryczna → Normal
• Zmienność w ograniczonym przedziale → Triangular lub Uniform
• Skośność w prawo → Lognormal
• Udziały (od 0 do 1) → Beta
• Złożone wzorce → Weibull lub Pearson VI

Wygeneruj własny model BPMN

Następne kroki

Jak to działa

Sprawdź, jak silnik symulacji wykorzystuje rozkłady.