Tilburg School of Economics and Management (TiSEM) Over simulatie Jack P.C. Kleijnen Tilburg School of Economics and Management (TiSEM) Tilburg University Brabants Zeeuwse Werkgeversvereniging (BZW)- Studieclub Tilburg IV Goirle, 16 februari 2011

Overzicht Wat is simulatie? Waarom simulatie? Eigen paktijkervaring: simulatie-toepassingen Dit is een voorbeeld 5-4-2017 BZW

Simulatie & verwanten Computerspelletjes (“computer games”) Doel: behendigheid & plezier “Serious games”; bijv. bedrijfsspel Doel: inzicht “Agent-based simulation”; bijv. militair Doel: inzicht, optimalisatie (zie latere slide) Deterministische simulatie; bijv. ruimtevaart Simulatoren; bijv. vliegtuig “Discrete-event” simulatie; bijv. verkeer 5-4-2017 BZW

Wat is simulatie? Dit is een voorbeeld Voorbeelden Definitie Ad 1: Wachten bij 1 “loket” (details: volgende slide) Uitbreidingen: Meerdere loketten naast elkaar (bijv., supermarkt) Meerdere loketten achter elkaar (ziekenhuis, “waferfab”) Terugkoppeling (na test, bijv. Ericsson supply chain) Prioriteiten: FIFO (“eerlijk”), LIFO (“stapel”), kleine-klusjes-eerst, pre-emptie (EHBO) Voorraadbeheer (koelkast thuis) Uitbreiding: supermarkt met 25000 artikelen Kombinatie van a & b: “supply chain” (zie verderop) “Case studies”: eigen advieswerk (zie latere slides) Dit is een voorbeeld 5-4-2017 BZW

Wachten bij 1 “loket” Dit is een voorbeeld Wachttijd (symbool: w) van nieuwe klant (t + 1): w(t + 1) = w(t) + s(t) – a(t + 1) mits positief; anders nul met service-tijd s; (tussen)aankomsttijd a s = -ln r/μ (toevalsgetal r tussen 0 & 1; gemiddelde service-snelheid μ) a = -ln r/λ (gemiddelde aankomst-snelheid λ; loot r opnieuw) Start met leeg systeem: w(1) = 0 Stop na (bijv.) 100,000 gesimuleerde klanten: t = 100,000 Conclusie: Dynamische model (t en t + 1) Start (t = 0) & stop (t = 100,000) toestand van het systeem specificeren Invoer: μ, λ Dit is een voorbeeld 5-4-2017 BZW

“Supply chain”: Ericsson Ketenlogistiek Kleijnen, Bettonvil, Persson (2006): 92 “knoppen” (invoervariabelen) Welke zijn echt belangrijk? Dit is een voorbeeld 5-4-2017 BZW

“Agent-based” simulatie Agent: klein computerprogramma simuleert autonome “beslisser” (Artifical Intelligence, AI) Toepasssingen: Naval Postgraduate School, Monterrey, Cal.: militaire tactiek, wapens (UAV), enz. paniek in stadion 5-4-2017 BZW

Simulatie: definitie Experiment met computermodel van dynamisch systeem Experiment vereist statistische methoden voor proefopzet (“design”) & analyse Validatie van simulatiemodel Toepassing: vergunning Sandia, Schiphol Dit is een voorbeeld 5-4-2017 BZW

Waarom simulatie? Experimenten met echte systeem: Doel van simulatie: Langzaam (bijv. broeikaseffect) Kostbaar (ruimtevaart) Gevaarlijk (nucleair afval) Minder ”scenarios” (combinaties van invoervariabelen) Meer ruis (maar: geen modelfout!) Doel van simulatie: Gevoeligheidsanalyse: Wat als? (“What if?”) Optimalisatie van echt systeem (supermarkt, fabriek, supply chain) Training: manager, piloot, enz. 5-4-2017 BZW

Simulatie: toepassingen Elke wetenschap die dynamische systemen bestudeert: van sociologie tot astronomie (zie Karplus, UCLA) Eigen adviesprojecten (LIFO volgorde; zie volgende slides): ROC: logistiek van het onderwijsproces Sandia (Albuquerque, New Mexico, VS): nucleair afval Wageningen: melkrobot SVR: sociale uitkeringen (WW, enz.) [NAM: investeringsanalyse van gaspijp-netwerk op Java] TNO/FEL: zoeken (via sonar) naar mijnen op zeebodem VBF: productieplanning van stalen buizen RIVM: broeikaseffect (“global warming”) [PTT: telefoonnetwerk (“grading”)] ECT: kadelengte & aantal kranen in Rotterdam [IBM: kosten-batenanalyse van computersysteem] Dit is een voorbeeld 5-4-2017 BZW

ROC: onderwijslogistiek Logistiek: “balans” tussen - bezettingsgraad van middelen (“resources”: student, docent, PC, lokaal) - doorlooptijd van student (service) Stuur-variabelen (knoppen): - Aantal middelen - Prioriteitsregels (SPT, resterende tijd, enz.) Doelen van ROC-simulatie: Kwantificeren prestatiecriteria Opsporen “bottleneck resource” Creëer inzicht: evalueren van prioriteitsregels & scenario’s (middelen, student-instroom, enz.) “Flexibel leren” = “job shop”? Zie volgende slide Dit is een voorbeeld 5-4-2017 BZW

“Job shop”: voorbeeld (school, garage, ziekenhuis) Bron: Arena-programmatuur (“screen shot”) Dit is een voorbeeld 5-4-2017 BZW

Wageningen: melkrobot Ilan Halachmi (2002): optimale melk-stal (aantal robots) Nu: Israel (8 robots, 500 koeien) Dit is een voorbeeld 5-4-2017 BZW

Sandia: nucleair medisch afval Vergunning voor bouw van “Waste Isolation Pilot Plant (WIPP)” in Carlsbad, New Mexico (NM) Opdrachtgever: Department of Energy (DOE) / Environmental Protection Agency (EPA) Uitvoerder: Sandia Labs in Albuquerque, NM Planning-horizon: 10.000 jaar! Criterium: kans op “ongeluk” Simulatie: fysisch/chemisch & menselijke activiteit zie volgende slide Dit is een voorbeeld 5-4-2017 BZW

WIPP (bron: Jon Helton, Sandia) 5-4-2017 BZW

SVR: uitkeringen Opdrachtgever: Sociale Verzekeringsraad Uitvoerder: Economisch Instituut voor Midden- en Kleinbedrijf (EIM) Stuurcommissie (voorzitter: Kleijnen) Probleem: Lonen & uitkeringen zijn duur! Oplossing: “Micro-simulatie” Steekproef uit bestand met werknemers Zie: Bosch et al. (1994) Dit is een voorbeeld 5-4-2017 BZW

Mijnenjacht via sonar Dit is een voorbeeld Opdrachtgever: Marine Uitvoerder: TNO/FEL (Fysisch Electronisch Lab) Simulatiemodel: Sonar system Scheepskoers, operator Omgeving: mijnenveld, akoestische karakteristiek (watertemperatuur, enz.) Technische vraag: “valide” model? Modelmodules: input/output gedrag vs. experts’ kwalitatieve kennis Definieer invoerscenario’s; simuleer; analyseer Model als geheel: gelijke ontdekkingkans van mijnen in simulatie en echte proef? Dit is een voorbeeld 5-4-2017 BZW

VBF, Verenigde BuizenFabrieken Probleem: productieplanning van stalen buizen (diverse diameters, wanddiktes) Decision Support System: optimaliseer 15 inputs Criterium #1: productieve machine-uren (excl. omsteltijden) Criterium #2 (voorwaarde): levertijden < …dagen Technische vraag: 1 + 2 x 15 = 31 simulatieruns? Maar: 1 run kost 6 uur computertijd Oplossing: 214 - 10 proefopzet met 16 runs! Analyse: “RSM”, enz. Dit is een voorbeeld 5-4-2017 BZW

RIVM Probleem: broeikaseffect (nu: Al Gore, Cancun-verdrag) “Global heating”: groot model 1. Validatie per submodel (module) Techniek: gevoeligheidsanalyse: verrassende effecten programmeerfouten ontdekt 2. Totaal: 281 factoren Belangrijkste: 15 (sommige verrassend!) “Bewaak” die 15! Dit is een voorbeeld 5-4-2017 BZW

ECT, Europe Container Terminals ECT: kadelengte & aantal kranen in Rotterdam Modules: Schepen (klanten): aankomst Kranen (servers; resources): planning 6 factoren (bijv. aantal containers per schip, jaaromzet, verblijfstijd, onbalans laden/lossen) Interacties tussen factoren ontdekt Dit is een voorbeeld 5-4-2017 BZW

Research problems Steps in simulation study (Law 2007, p. 67): Formulate the real-world problem Collect real-world data Construct & verify computer model Make pilot simulation runs ('debug') If model is not valid, then return to step 2 Design the full simulation experiment Make production runs with the model Analyse simulation’s Input / Output data Present & implement results Dit is een voorbeeld 5-4-2017 BZW

Conclusie Verbazend veel types simulatietoepassingen Veel simulatie-onderzoek: jaarlijkse “Winter Simulation Conference” (2008: 1000 deelnemers; 13 parallel sessies) Literatuur: Law, A.M. (2007), 'Simulation modeling and analysis; fourth edition', McGraw-Hill, Boston Kleijnen, J.P.C. (2008), 'Design and analysis of simulation experiments', Springer, New York (Chinese vertaling: Peking, 2010) Zie www.tilburguniversity.edu/center/staff/kleijnen/ Dit is een voorbeeld 5-4-2017 BZW