İş Süreci Simülasyonunda İstatistiksel Dağılımlar
Neden Dağılımlar Kullanılır?
Gerçek hayatta süreçlerde farklılıklar olur. Bir müşteri hizmeti çağrısı 5 dakika sürerken diğeri 25 dakika sürebilir. Bir gün 50 sipariş gelirken, ertesi gün 120 gelebilir. Bu doğal değişkenlik, iş süreçlerinin temel bir özelliğidir.
Fixed değerler (örneğin “her adım tam 10 dakika sürer”) gerçekçi olmayan simülasyonlar üretir. Dağılımlar, değişkenliği matematiksel olarak gösterir ve gerçek süreçlere yakın simülasyonlar sunar.
Varyasyonun Etkisi
Süresi ortalama 10 dakika olan bir görev için iki senaryo düşünün:
| Senaryo | Dağılım | Simülasyon Etkisi |
|---|---|---|
| Sabit 10 dk | Varyasyon yok | Gerçek dışı kuyruğa girme, öngörülebilir desenler |
| Normal (ortalama=10, standart sapma=3) | Gerçekçi varyasyon | Doğal kuyruk davranışı, gerçekçi gecikmeler |
İkinci senaryo gerçeği daha iyi yansıtır: bazı görevler hızlı biterken bazıları daha uzun sürer. Bu varyasyon, gerçek süreçteki kuyruklanma etkisini doğurur.
Mevcut Dağılımlar
ProcessMind, farklı değişkenlik türlerini modellemek için sekiz dağılım türü sunar:
| Dağılım | En uygun kullanım alanı | Temel parametreler |
|---|---|---|
| Sabit | Sabit, değişmeyen değerler | value |
| Normal | Ortalama etrafında simetrik değişkenlik | mean, stdDev |
| Uniform | Bir aralıkta eşit olasılık | min, max |
| Üçgensel | En olası değerin bulunduğu aralıklar | min, mode, max |
| Poisson | Rastgele olay gelişleri | lambda, rateUnit |
| Lognormal | Sağa çarpık (genelde hızlı, bazen uzun) | mean, stdDev |
| Weibull | Güvenilirlik ve arıza analizi | scale, shape |
| Beta | min ile max arasında esnek biçim | min, max, alpha, beta |
| Pearson VI | Karmaşık, çarpık örüntüler | alpha1, alpha2, beta |
Fixed Dağılımı
En basit dağılım; her zaman aynı değeri döndürür.
Parametreler
| Parametre | Açıklama |
|---|---|
| value | Döndürülecek sabit değer |
Özellikler
- Değişkenlik yoktur
- Her örnek tam olarak belirlenen değeri döndürür
- Sistem kontrollü ya da otomatik adımlar için faydalı
Ne Zaman Kullanılır
- Süresi sabit otomatik sistem yanıtlarında
- Yasal zaman aşımı veya deadline durumlarında
- Varyasyon eklemeden önce ilk simülasyon kurulumunda
- SLA ya da sözleşme ile belirlenen zaman sınırlarının modellenmesinde
Örnek
Sistemde üretilen bir email her zaman tam 5 saniyede gönderilir.
Normal (Gaussian) Dağılım
Klasik “çan eğrisi”—değerler ortalama çevresinde simetrik toplanır, merkezden uzaklaştıkça olasılık azalır.
Parametreler
| Parametre | Açıklama |
|---|---|
| mean | Ortalama değer (eğrinin merkezi) |
| stdDev | Standart sapma (değer yayılımı) |
Özellikler
- Ortalama çevresinde simetriktir
- Değerlerin %68’i 1 standart sapma içinde
- %95’i 2 standart sapma içinde
- %99,7’si 3 standart sapma içinde yer alır
- Teorik olarak negatif değer verebilir (simülasyon bunu yönetir)
Ne Zaman Kullanılır
- Ortalama değer etrafında simetrik değişen işlem sürelerinde
- Rastgele hatalı ölçümlerde
- Birçok küçük ve bağımsız faktörün etkilediği değerlerde
Örnek
Bir veri giriş işi ortalama 5 dakika, standart sapması 1 dakika:
- Girişlerin %68’i 4-6 dakika sürer
- %95’i 3-7 dakika
- Çok azı 2 dakikadan az ya da 8 dakikadan fazla sürer
Uniform Dağılım
Belirli bir aralıktaki tüm değerler eşit olasılıktadır—düz olasılık dağılımı sunar.
Parametreler
| Parametre | Açıklama |
|---|---|
| min | Alınabilecek en düşük değer |
| max | Alınabilecek en yüksek değer |
Özellikler
- Düz olasılık: hiçbir değer diğerinden daha olası değildir
- Min ve max’te keskin sınır
- Ortalama tam olarak (min + max) / 2’dir
Ne Zaman Kullanılır
- Sadece aralığı biliyor, tipik değeri bilmiyorsanız
- Bir aralıktan rastgele seçim gerektiğinde
- Planlı bir event için bekleme süresi modellemede
- Hiç veri yoksa belirsizlik modellemede
Örnek
Bir onay işlemi 2 ila 8 dakika sürer, tipik bir süre bilinmiyor. Bu aralıktaki tüm süreler eşit olasılıktadır.
Üçgensel Dağılım
Minimum, maksimum ve en olası (mode) değerlerle üçgen şekli oluşturan basit bir dağılımdır.
Parametreler
| Parametre | Açıklama |
|---|---|
| min | Alınabilecek en düşük değer |
| mode | En olası değer (üçgenin tepesi) |
| max | Alınabilecek en yüksek değer |
Özellikler
- Değerler mode çevresinde toplanır
- Min ve max’la sınırlıdır (dışında değer çıkmaz)
- Mode ≠ (min + max) / 2 ise asimetrik olur
- Uzman görüşü ile kolayca tahmin edilir
Ne Zaman Kullanılır
- “Genellikle X, ama Y ile Z arasında olabilir” dediğiniz zamanlarda
- Uzman tahmini gereken durumlarda
- Normal dağılım gerçekçi olmayan negatif değerler üretiyorsa
Örnek
Bir fatura incelemesi:
- En iyi durum (min): 2 dakika
- Tipik (mode): 5 dakika
- En kötü durum (max): 15 dakika
İncelemelerin çoğu 5 dakika civarı sürer, karmaşık faturalar için 15 dakikaya kadar çıkabilir.
Uzman Tahmini
Triangular dağılımı, uzman tahminlerine tam uyar. Sorun: “En iyi süre? Tipik süre? En kötü süre?” Min, mode ve max’ı doğrudan alırsınız.
Poisson Dağılımı
Belirli bir zaman diliminde gerçekleşen event sayısını modeller. Geliş süreçleri için idealdir.
Parametreler
| Parametre | Açıklama |
|---|---|
| lambda | Ortalama event hızı |
| rateUnit | Hızın zaman birimi (perHour, perDay, perWeek, perMonth, perYear) |
Özellikler
- Ayrık değerler (tam sayılar: 0, 1, 2, 3…)
- Varyans ortalamaya eşittir
- Eventler bağımsızdır
- “Rastgele gelişler”i iyi modeller
Ne Zaman Kullanılır
- Sürece case girişi olduğunda
- Müşteri girişi olduğunda
- Sipariş oluşturulurken
- Belli bir sürede gerçekleşen event senaryolarında
Örnek
Lambda=20, rateUnit=perDay günlük ~20 case gelişi simüle eder. Bazı günler 15, bazı günler 25 olabilir—rastgele gelişlerin doğal değişimi.
Lognormal Dağılımı
Sağa kayık dağılımda çoğu değer küçüktür, arada büyük değer çıkabilir. Değerlerin logaritması normal dağılıma uyar.
Parametreler
| Parametre | Açıklama |
|---|---|
| mean | Altta yatan normal dağılımın ortalaması |
| stdDev | Altta yatan normal dağılımın standart sapması |
Özellikler
- Her zaman pozitif (negatif değer olmaz)
- Sağ kuyruklu: yüksek değerlere doğru uzun kuyruk
- Çoğu değer düşük tarafta toplanır
- Bazen çok büyük değerler görülür
Ne Zaman Kullanılır
- Çoğunlukla hızlı biten ancak bazen uzun süren görevlerde
- Finansal data, gelir dağılımlarında
- Ara sıra gecikmeli yanıt sürelerinde
- Hata giderme sürelerinde
Örnek
Teknik destek talepleri:
- Çoğu 1-2 saat içinde çözülür
- Bazıları tam 1 gün sürebilir
- Ender karmaşık sorunlar birkaç gün alabilir
Lognormal dağılımı bu “genellikle hızlı, bazen çok uzun” yapıyı yansıtır.
Weibull Dağılımı
Güvenilirlik mühendisliği ve hata analizi gibi alanlarda yaygın olarak kullanılan esnek bir dağılımdır.
Parametreler
| Parametre | Açıklama |
|---|---|
| scale | Ölçek parametresi (karakteristik ömür) |
| shape | Şekil parametresi (dağılım şekli) |
Şekil Parametrelerinin Etkisi
| Shape Değeri | Dağılım Davranışı |
|---|---|
| shape below 1 | Azalan arıza oranı (infant mortality) |
| shape = 1 | Sabit arıza oranı (üstel dağılım) |
| shape above 1 | Artan arıza oranı (eskime) |
Ne Zaman Kullanılır
- Ekipman arıza sürelerinde
- Time-to-event analizlerinde
- Güvenilirlik modellemesinde
- Dağılım şekli üzerinde esnek kontrol gerektiğinde
Beta Dağılımı
En küçük ve en büyük değer arasında değerler üreten, biçimi iki parametreyle belirlenen esnek bir dağılımdır. Bu, genelleştirilmiş (4 parametreli) Beta dağılımıdır.
Parametreler
| Parametre | Açıklama |
|---|---|
| min | Mümkün olan en küçük değer |
| max | Mümkün olan en büyük değer |
| alpha | Birinci şekil parametresi (α > 0) |
| beta | İkinci şekil parametresi (β > 0) |
Özellikler
- Değerler her zaman min ile max arasındadır
- Biçim, α ve β’ya bağlı olarak son derece esnektir
- α = β olduğunda dağılım [min, max] aralığının orta noktasına göre simetriktir
- α < β iken değerler min’e doğru kümelenir (sola çarpık)
- α > β iken değerler max’a doğru kümelenir (sağa çarpık)
- α = β = 1 olduğunda, [min, max] üzerinde Uniform dağılıma dönüşür
- Ortalama = min + (max − min) × α / (α + β)
Şekil Parametrelerinin Etkisi
| Parametreler | Dağılımın davranışı |
|---|---|
| α = 1, β = 1 | [min, max] aralığı boyunca uniform (düz) |
| α = β | Orta nokta etrafında simetrik çan eğrisi |
| α < β | Sola çarpık (değerler min’e yakın kümelenir) |
| α > β | Sağa çarpık (değerler max’a yakın kümelenir) |
| α < 1, β < 1 | U şeklinde (değerler her iki uçta kümelenir) |
Ne Zaman Kullanılır
- Aralığını bildiğiniz ve biçimini kontrol etmek istediğiniz, sınırları belli büyüklükler
- Bilinen bir aralığın bir ucuna yakın kümelenen görev süreleri
- Olasılıkları veya başarı oranlarını modellemek (min=0, max=1 kullanın)
- Kalite puanları, tamamlama yüzdeleri veya verim oranları
- Aralığı bilinen ve değerlerin nerede kümelendiğine dair uzman görüşü içeren tahminler
Örnek
Bir inceleme görevi 2 ile 15 dakika arasında sürer; çoğu inceleme daha kısa uca yakın tamamlanır: Beta(min=2, max=15, α=2, β=5) kullanın. Ortalama yaklaşık 2 + 13 × 2/7 ≈ 5,7 dakikadır; değerler alt uca doğru kümelenir ancak asla 2’nin altına ya da 15’in üstüne çıkmaz.
Pearson VI Dağılımı
Karmaşık, asimetrik desenler için gelişmiş bir dağılım tipidir. Basit modellerle tam örtüşmez.
Parametreler
| Parametre | Açıklama |
|---|---|
| alpha1 | 1. şekil parametresi |
| alpha2 | 2. şekil parametresi |
| beta | Ölçek parametresi |
Ne Zaman Kullanılır
- Data analiziyle elde edilmiş karmaşık dağılımlar için
- Basit dağılımlar geçmiş veriye uymadığında
- Gelişmiş istatistiksel modelleme ihtiyaçlarında
Doğru Dağılımı Seçmek
Hızlı Referans: İşlem Süreleri
| Durum | Önerilen dağılım |
|---|---|
| Süreler ortalama etrafında simetrik değişir | Normal |
| Yalnızca aralığı biliyorsunuz (min ile max arası) | Uniform |
| Tipik, en iyi ve en kötü durumları biliyorsunuz | Üçgensel |
| Genelde hızlıdır, bazen çok daha uzar | Lognormal |
| Süre sabittir (nadir) | Sabit |
| Oranlar veya olasılıklar (0 ile 1 arası) | Beta |
Kısa Referans: Geliş Hızları
| Durumunuz | Önerilen Dağılım |
|---|---|
| Rastgele, bağımsız gelişler | Poisson |
| Sabit hızda gelişler | Fixed |
En İyi Uygulamalar
Basit Başlayın
Normal veya Triangular (Üçgen) dağılım ile başlayın. Bunlar kolay anlaşılır ve parametreleştirilir, genellikle yeterli olur. Gerekirse karmaşıklık ekleyin.
Uzman Görüşünden Faydalanın
Alan uzmanları şu şekilde tahminler verebilir:
- “En iyi durum?” → minimum
- “Genel?” → ortalama veya mod
- “En kötü durum?” → maksimum
Veri ile Doğrulama
Eğer geçmiş veri varsa:
- Verinize uygun dağılımı seçin
- Simülasyon çıktısını gerçek performans ile karşılaştırın
- Dağılım parametrelerini geliştirin
Aykırı Değerleri Düşünün
Gerçek süreçlerde genellikle aykırı değerler vardır. Lognormal ve Weibull, aykırıları Normal veya Triangular’dan daha iyi gösterir.
Süreç Davranışına Göre Seçim
- Simetrik değişkenlik → Normal
- Sınırları belirli değişkenlik → Üçgensel veya Uniform
- Sağa çarpık → Lognormal
- Oranlar (0 ile 1 arası) → Beta
- Karmaşık kalıplar → Weibull veya Pearson VI