İstatistiksel dağılımlar
Dağılımlar neden kullanılır?
Gerçek dünyada süreçlerde değişkenlik görülür. Bir müşteri hizmetleri görüşmesi 5 dakika sürerken bir diğeri 25 dakika sürebilir. Bir gün 50 sipariş gelirken ertesi gün 120 sipariş gelebilir. Bu doğal değişkenlik, iş süreçlerinin temel özelliklerinden biridir.
Sabit değerler (örneğin “her etkinlik tam olarak 10 dakika sürer”) gerçekçi olmayan simülasyonlar oluşturur. Dağılımlar değişkenliği matematiksel olarak ifade eder ve gerçek süreçler gibi davranan simülasyonlar üretir.
Değişkenliğin etkisi
Ortalama 10 dakika süren bir Task için iki senaryoyu ele alalım:
| Senaryo | Dağılım | Simülasyona etkisi |
|---|---|---|
| Sabit 10 dk | Değişkenlik yok | Gerçekçi olmayan kuyruklar, öngörülebilir örüntüler |
| Normal (ortalama=10, stdDev=3) | Gerçekçi değişkenlik | Doğal kuyruk davranışı, gerçekçi gecikmeler |
İkinci senaryo gerçeği daha iyi yansıtır. Bazı etkinlikler hızlı tamamlanırken bazıları daha uzun sürer. Bu değişkenlik, gerçek süreçlerde gördüğünüz kuyruk etkilerini oluşturur.
Kullanılabilir dağılımlar
ProcessMind, farklı değişkenlik türlerini modellemek için dokuz dağılım türü sunar:
| Dağılım | En uygun kullanım | Temel parametreler |
|---|---|---|
| Sabit | Sabit, değişmeyen değerler | value |
| Normal | Ortalama çevresinde simetrik değişim | mean, stdDev |
| Tekdüze | Bir aralık içinde eşit olasılık | min, max |
| Üçgensel | En olası değerin bulunduğu aralık | min, mode, max |
| Poisson | Rastgele olay varışları | lambda, rateUnit |
| Lognormal | Sağa çarpık, genellikle kısa, bazen uzun | mean, stdDev |
| Weibull | Güvenilirlik ve arıza analizi | scale, shape |
| Beta | Minimum ve maksimum arasında esnek şekil | min, max, alpha, beta |
| Pearson VI | Karmaşık çarpık örüntüler | alpha1, alpha2, beta |
Sabit dağılım
En basit dağılımdır: her zaman aynı değeri döndürür.
Parametreler
| Parametre | Açıklama |
|---|---|
| değer | Döndürülecek sabit değer |
Özellikler
- Hiçbir değişkenlik yoktur
- Her örnek tam olarak belirtilen değeri döndürür
- Sistem tarafından kontrol edilen veya otomatik adımları modellemek için kullanışlıdır
Ne zaman kullanılır
- Zamanlaması tutarlı otomatik sistem yanıtları
- Mevzuata bağlı zaman aşımı süreleri veya son tarihler
- Değişkenlik eklemeden önceki ilk simülasyon kurulumu
- SLA veya sözleşmeye bağlı zaman sınırlarının modellenmesi
Örnek
Sistem tarafından oluşturulan bir e-posta her zaman tam 5 saniyede gönderilir.
Normal (Gauss) dağılımı
Bilinen “çan eğrisi”: değerler ortalama çevresinde simetrik biçimde kümelenir ve merkezden uzaklaştıkça olasılık azalır.
Parametreler
| Parametre | Açıklama |
|---|---|
| mean | Ortalama değer, eğrinin merkezi |
| stdDev | Standart sapma, değerlerin yayılımı |
Özellikler
- Ortalama çevresinde simetriktir
- Değerlerin %68i 1 standart sapma içinde kalır
- Değerlerin %95i 2 standart sapma içinde kalır
- Değerlerin %99,7si 3 standart sapma içinde kalır
- Teorik olarak negatif değerler üretebilir, simülasyon bunu yönetir
Ne zaman kullanılır
- Ortalama çevresinde simetrik biçimde değişen işlem süreleri
- Rastgele hatalar içeren ölçümler
- Birçok küçük ve bağımsız faktörden etkilenen miktarlar
Örnek
Bir veri girişi etkinliği ortalama 5 dakika sürer ve standart sapması 1 dakikadır:
- Girişlerin %68i 4-6 dakika sürer
- %95i 3-7 dakika sürer
- Çok azı 2 dakikadan kısa veya 8 dakikadan uzun sürer
Uniform dağılımı
Bir aralıktaki her değer eşit olasılığa sahiptir ve düz bir olasılık dağılımı oluşturur.
Parametreler
| Parametre | Açıklama |
|---|---|
| min | Olası en düşük değer |
| max | Olası en yüksek değer |
Özellikler
- Düz olasılık: hiçbir değer diğerinden daha olası değildir
- min ve max değerlerinde keskin sınırlar vardır
- Ortalama tam olarak (min + max) / 2 değeridir
Ne zaman kullanılır
- Tipik değeri değil, yalnızca aralığı bildiğinizde
- Bir aralıktan rastgele seçim yapmak için
- Planlanmış bir olay için bekleme süresini modellemek üzere
- Geçmiş veriniz olmadığında belirsizliği modellemek için
Örnek
Bir onay 2 ile 8 dakika arasında sürer ve tipik sürenin ne olduğu bilinmez. Bu aralıktaki tüm süreler eşit olasılığa sahiptir.
Üçgensel dağılım
Minimum, maksimum ve en olası değerleri bulunan, üçgen biçimli basit bir dağılımdır.
Parametreler
| Parametre | Açıklama |
|---|---|
| min | Olası en düşük değer |
| mode | En olası değer, üçgenin tepe noktası |
| max | Olası en yüksek değer |
Özellikler
- Değerler mode çevresinde kümelenir
- min ve max ile sınırlıdır, bu değerlerin dışında aykırı değer oluşmaz
- mode ≠ (min + max) / 2 olduğunda simetrik değildir
- Uzman bilgisine dayanarak kolayca tahmin edilebilir
Ne zaman kullanılır
- “Genellikle X sürer, ancak Y ile Z arasında değişebilir” dediğinizde
- Uzman tahmini gereken senaryolarda
- Normal dağılımın gerçekçi olmayan negatif değerler üretebildiği durumlarda
Örnek
Bir fatura incelemesi:
- En iyi durum (min): 2 dakika
- Tipik durum (mode): 5 dakika
- En kötü durum (max): 15 dakika
Çoğu inceleme 5 dakika civarında tamamlanır. Karmaşık faturalar için süre 15 dakikaya kadar uzayabilir.
Uzman tahmini
Üçgensel dağılım, uzman tahminleriyle mükemmel biçimde örtüşür. Şunları sorun: “En iyi durum süresi? Tipik süre? En kötü durum süresi?” Böylece min, mode ve max değerlerini doğrudan elde edersiniz.
Poisson dağılımı
Sabit bir zaman aralığında gerçekleşen olayların sayısını modeller. Geliş süreçleri için idealdir.
Parametreler
| Parametre | Açıklama |
|---|---|
| lambda | Olayların ortalama geliş hızı |
| rateUnit | Hız için zaman birimi, perHour, perDay, perWeek, perMonth, perYear |
Özellikler
- Ayrık değerler, tam sayılar: 0, 1, 2, 3…
- Varyans ortalamaya eşittir
- Olaylar bağımsızdır
- “Rastgele gelişleri” iyi modeller
Ne zaman kullanılır
- Sürece gelen vakalar
- Müşteri gelişleri
- Sipariş oluşturma
- Her türlü “zaman aralığı başına olay” senaryosu
Örnek
Lambda=20 ve rateUnit=perDay, günde yaklaşık 20 vakanın gelmesini modeller. Bazı günler 15, bazı günler 25 vaka gelebilir. Bu, rastgele gelişlerin doğal değişkenliğidir.
Lognormal dağılımı
Çoğu değerin küçük, ancak zaman zaman büyük değerlerin görüldüğü sağa çarpık bir dağılımdır. Değerlerin logaritması normal dağılım izler.
Parametreler
| Parametre | Açıklama |
|---|---|
| mean | Temel normal dağılımın ortalaması |
| stdDev | Temel normal dağılımın standart sapması |
Özellikler
- Her zaman pozitiftir, negatif değer oluşmaz
- Sağa çarpıktır, yüksek değerlere doğru uzun bir kuyruğu vardır
- Değerlerin çoğu alt sınıra yakın kümelenir
- Zaman zaman büyük değerler görülür
Ne zaman kullanılır
- Genellikle hızlı tamamlanan, ancak bazen çok daha uzun süren etkinliklerde
- Finansal veriler ve gelir dağılımları için
- Zaman zaman geciken yanıt sürelerinde
- Hata düzeltme sürelerinde
Örnek
Teknik destek talepleri:
- Çoğu 1-2 saat içinde çözülür
- Bazıları tam bir gün sürer
- Nadir görülen karmaşık sorunlar birkaç gün sürebilir
Lognormal dağılımı, “genellikle hızlı, zaman zaman uzun” örüntüsünü yakalar.
Weibull dağılımı
Güvenilirlik mühendisliği ve arıza analizinde yaygın olarak kullanılan esnek bir dağılımdır.
Parametreler
| Parametre | Açıklama |
|---|---|
| scale | Ölçek parametresi, karakteristik ömür |
| shape | Şekil parametresi, dağılım biçimini belirler |
Şekil parametresinin etkileri
| Şekil değeri | Dağılım davranışı |
|---|---|
| shape 1in altında | Azalan arıza oranı, erken arızalar |
| shape = 1 | Sabit arıza oranı, üstel dağılım |
| shape 1in üzerinde | Artan arıza oranı, aşınma |
Ne zaman kullanılır
- Ekipman arıza sürelerinde
- Olay gerçekleşme süresi analizinde
- Güvenilirlik modellemesinde
- Dağılım şeklini esnek biçimde kontrol etmeniz gerektiğinde
Beta dağılımı
Minimum ve maksimum arasında değerler üreten, şekli iki parametreyle kontrol edilen esnek bir dağılımdır. Genelleştirilmiş 4 parametreli Beta dağılımıdır.
Parametreler
| Parametre | Açıklama |
|---|---|
| min | Olası en düşük değer |
| max | Olası en yüksek değer |
| alpha | Birinci şekil parametresi, α > 0 |
| beta | İkinci şekil parametresi, β > 0 |
Özellikler
- Değerler her zaman min ile max arasındadır
- α ve β değerlerine bağlı olarak son derece esnek bir şekle sahiptir
- α = β olduğunda dağılım, [min, max] aralığının orta noktası çevresinde simetriktir
- α < β olduğunda değerler min yönünde çarpılır, sola çarpıktır
- α > β olduğunda değerler max yönünde çarpılır, sağa çarpıktır
- α = β = 1 olduğunda [min, max] aralığında Uniform dağılımına dönüşür
- Ortalama = min + (max − min) × α / (α + β)
Şekil parametresinin etkileri
| Parametreler | Dağılım davranışı |
|---|---|
| α = 1, β = 1 | [min, max] aralığında Uniform, düz dağılım |
| α = β | Orta noktada merkezlenen simetrik çan şekli |
| α < β | Sola çarpık, değerler min çevresinde kümelenir |
| α > β | Sağa çarpık, değerler max çevresinde kümelenir |
| α < 1, β < 1 | U biçimli, değerler her iki uçta kümelenir |
Ne zaman kullanılır
- Aralığını bildiğiniz ve şeklini kontrol etmek istediğiniz sınırlı miktarlarda
- Bilinen bir aralığın bir ucuna yakın kümelenen etkinlik sürelerinde
- Olasılıkları veya başarı oranlarını modellemek için, min=0 ve max=1 kullanın
- Kalite skorlarında, tamamlanma yüzdelerinde veya verim oranlarında
- Aralığı bilinen ve değerlerin nerede kümelendiğine dair fikriniz olan uzman tahminlerinde
Örnek
Bir inceleme etkinliği 2 ile 15 dakika arasında sürer ve incelemelerin çoğu kısa süreye yakın tamamlanır. Beta(min=2, max=15, α=2, β=5) kullanın. Ortalama yaklaşık 2 + 13 × 2/7 ≈ 5,7 dakikadır. Değerler alt sınıra doğru kümelenir, ancak hiçbir zaman 2 dakikanın altına veya 15 dakikanın üstüne çıkmaz.
Pearson VI dağılımı
Daha basit modellere uymayan karmaşık çarpık örüntüler için kullanılan gelişmiş bir dağılımdır.
Parametreler
| Parametre | Açıklama |
|---|---|
| alpha1 | Birinci şekil parametresi |
| alpha2 | İkinci şekil parametresi |
| beta | Ölçek parametresi |
Ne zaman kullanılır
- Veri analizinden türetilen karmaşık dağılımlarda
- Daha basit dağılımlar geçmiş verilerinize uymadığında
- İleri düzey istatistiksel modelleme senaryolarında
Doğru dağılımı seçme
Hızlı başvuru: İşlem süreleri
| Durumunuz | Önerilen dağılım |
|---|---|
| Süreler bir ortalama çevresinde simetrik değişiyor | Normal |
| Yalnızca aralığı, minimumdan maksimuma, biliyorsunuz | Tekdüze |
| Tipik, en iyi ve en kötü durumu biliyorsunuz | Üçgensel |
| Genellikle kısa, bazen çok daha uzun | Lognormal |
| Süre sabit, nadir bir durum | Sabit |
| Oranlar veya olasılıklar, 0 ile 1 arasında | Beta |
Hızlı başvuru: Geliş oranları
| Durumunuz | Önerilen dağılım |
|---|---|
| Rastgele ve bağımsız gelişler | Poisson |
| Sabit hızda gelişler | Sabit |
En iyi uygulamalar
Basit başlayın
Normal veya Üçgensel dağılımlarla başlayın. Bunları anlamak ve parametrelerini belirlemek kolaydır ve genellikle yeterince iyi sonuç verir. Karmaşıklığı yalnızca gerektiğinde artırın.
Uzman bilgisinden yararlanın
Konu uzmanları çok iyi tahminler sağlayabilir:
- “En iyi durum?” → minimum
- “Tipik durum?” → ortalama veya mode
- “En kötü durum?” → maksimum
Verilerle doğrulayın
Geçmiş verileriniz varsa:
- Dağılımları verilerinize uydurun
- Simülasyon çıktısını gerçek performansla karşılaştırın
- Dağılım parametrelerini iyileştirin
Aykırı değerleri dikkate alın
Gerçek süreçlerde genellikle aykırı değerler bulunur. Lognormal ve Weibull bu değerleri Normal veya Üçgensel dağılımlardan daha iyi yakalayabilir.
Süreç davranışıyla eşleştirin
- Simetrik değişkenlik → Normal
- Sınırlı değişkenlik → Üçgensel veya Uniform
- Sağa çarpık → Lognormal
- Oranlar, 0 ile 1 arası → Beta
- Karmaşık örüntüler → Weibull veya Pearson VI