【数据和分析】模拟和优化之间的关键区别

计算机非常适合解决涉及大量变量的复杂数学关系。这种能力使它们与人类不同；计算机可以被编程，通过求解数百或数千次相同的方程来分析关系。

这种能力的最佳应用之一是系统仿真。在这里，“系统”可以是任何具有一个或多个进程、一组输入和一组输出的东西。模拟使分析师能够对系统进行建模，并分析接下来会发生什么，即在不同的初始条件下实现了哪些输出（输入）。

一个好的建模和仿真方法可以产生准确的模型，即使某些参数具有高度的可变性或不确定性。

仿真编程可以采用简单的仿真建模技术，也可以非常复杂。它们用于促进所有学科的研究，包括气象学、社会学、生物学、物理学和工程学。模拟也被组织广泛用于分析各种业务流程。

例如，考虑一个快餐店的场景。通过对餐厅的不同方面进行建模（例如，一次有多少员工在工作，每个员工为顾客点餐的速度有多快，顾客进来吃饭的频率有多高），可以在各种初始条件下分析餐厅“系统”，以揭示其性能，例如：

• 客户等待多长时间
• 等待食物的最大顾客数量
• 一个工作日可以为多少客户提供服务

这些性能指标可用于确定可以改进的领域，以提高客户吞吐量和店铺盈利能力。

计算机数字处理能力的另一个众所周知的应用是优化。如果已知变量之间的数学关系，计算机可以优化参数，即找到使输出值最大或最小的输入变量的值。将输入与输出联系起来的数学表达式称为“目标函数”

因此，例如，如果给定企业的收入、仓储成本、运输成本和库存成本之间的关系是已知的（或可以估计的），那么可以确定导致总物流成本最小化的一组投入。

模拟和优化有什么区别？

尽管模拟和优化是相似的，并利用了许多相同的计算技术和算法，但它们是不同的活动。每种都有其优点和缺点，每种都更适合某些类型的问题。以下是它们之间的一些关键区别：

• “假设”分析：模拟更适合通过调整初始条件（即输入变量的值）来观察模拟系统的性能。优化更常用于确定最优系统设计。
• 约束：成功的优化取决于正确识别对各种参数的约束——例如，一家企业可能有最多数量的员工可以在生产线上工作。通过模拟，分析师从输入的实际值开始，并在合理范围内对其进行修改，以确定输出会发生什么。
• 随机性的影响：模拟可以解释参数的随机变化——在理发店的例子中，每个理发师的理发速度可以表示为平均值附近的正态分布。这种可变性会对结果的准确性产生很大影响。优化工作更清楚地定义了没有可变性的数学关系。
• 规划和决策支持：优化方法可用于支持战术和战略规划决策，因为它们为给定问题提供了单一的“最佳”答案。这是优化的优点之一。相比之下，模拟被认为更具探索性。
• 建模难度：模拟通常更容易建模，因为需要做的假设更少。优化解决方案需要更多关于输入的假设或更多的计算能力来处理所有不同的变量，以计算优化结果。
   

模拟和优化如何协同工作

尽管模拟和优化有助于解决不同的问题，但它们可以共同推动业务成果。怎么用？

通过在影响接收团队的效率、吞吐量或其他指标的观察因素的基础上，对系统（例如仓库的接收码头）应用模拟技术，企业可以了解对输出影响最大的因素。

有了这些见解和数据模拟技术，企业就可以对参数之间的数学关系做出更好的假设，从而推动更好的优化——也就是说，更好地决定要改变什么以及在多大程度上提高团队的绩效。

模拟在商业中的应用实例

数据模拟工具用于各种规模和所有行业的企业，以分析当前流程并确定改进的重点。以下是一些仿真系统示例：

• 荷兰皇家壳牌公司：使用基于模拟的模型来支持海上石油平台的船舶维修，包括船舶容量、港口设施储存等因素。模拟向壳牌展示了投资改进的最佳地点。
• 癌症中心：中西部的一个主要医疗中心模拟了内部患者护理流程。这有助于他们确定不同类型患者群体的最佳安排，从而最大限度地减少患者、医生和护理人员的旅行时间，并最大限度地提高手术室的利用率。
• 农业物流：巴西的一家甘蔗生产商利用模拟提高了运营能力，降低了资本成本，同时提高了将甘蔗从种植园运送到工厂的车队的效率。
• 沃尔玛：在投资数百万美元用于为其在线杂货取货系统挑选杂货的机器人系统之前，沃尔玛在做出改变之前进行了一次模拟，以测试其可行性——你可以在这里阅读案例研究。

在所有模拟练习中，重要的是要考虑影响系统性能的所有因素，并准确地描述每个因素。仿真建模需要敏锐的观察和数据分析——在某些情况下，需要大量数据——才能获得系统的准确图像。通过将模型数据与真实系统数据进行比较来验证模型也很重要。

模型越好，模拟对不同输入的响应越好；良好的数据建模和仿真可以带来更好的优化。

因此，模拟和优化可以被视为解决业务问题的两种互补方法。随着大数据仿真软件和计算能力的进步，仿真和优化将成为每家公司决策工具包中越来越重要的工具，从而提供更好的见解和更好的业务决策。