Le tecniche di simulazione più recenti

Oltre 60 anni di presenza delle simulazione nei settori della produzione e nel business hanno fatto emergere un ampio spettro di applicazioni di successo in diversi settori quali la progettazione, la pianificazione e il controllo, la strategia di realizzazione, l’allocazione delle risorse, la formazione, ecc. L’articolo pubblicato da Jahangirian et al. (2010) sembra utile per presentare al lettore i risultati ottenuti da una revisione delle applicazioni di simulazione riscontrate in letteratura tra il 1997 e il 2006, utili a fornire un quadro aggiornato del ruolo delle tecniche di simulazione nel settore manifatturiero e commerciale degli ultimi anni. Sebbene la recensione degli autori non abbia coperto l’intero gruppo di pubblicazioni internazionali, si ritiene che essa si distingua da precedenti tentativi rispetto a tre prospettive: una più ampia copertura della fonti presenti in letteratura; un più ampio ambito delle tecniche di simulazione e una maggiore attenzione alla applicazioni del mondo reale. Nello specifico la revisione è stata attuata in due fasi in cui è stato ridotto il processo di ricerca verso il basso, passando da circa 20.000 a 281 articoli ed è stata effettuata comprendendo il database “Scopus” per identificare le principali riviste accademiche, mentre lo strumento di visualizzazione “CiteSpace” è stato impiegato per escludere alcuni giornali meno rilevanti. Come risultato, la letteratura è stata visivamente organizzata per parole chiave in moda da riuscire a distinguere tra gli articoli pertinenti e le pubblicazioni non significative.

Al fine di analizzare e interpretare i risultati in modo standardizzato, i documenti sono stati classificati sulla base di due attributi: la natura empirica e l’applicazione delle simulazioni utilizzate. Allo stesso modo per comprendere la natura empirica dei documenti, questi sono stati suddivisi in tre gruppi: la classe A o i testi sul “Problem Solving reale”, dove le simulazioni sono state applicate su un problema reale con dati reali, con un notevole livello di coinvolgimento dei partecipanti; la classe B o gli articoli sul “Problem-Solving ipotetico”, in cui la simulazione è stata applicata allo scopo di risolvere un problema reale, ma utilizzando dati artificiali ed infine la classe C o i testi a carattere “metodologico”, nei quali sono state presentate le ricerche condotte per migliorare la metodologia di simulazione.

136 I risultati sull’impiego delle tecniche di simulazione suggeriscono che:

a) La “simulazione ad eventi discreti” è un modello dinamico in cui il sistema viene rappresentato con variabili che mutano in modo istantaneo il loro valore in momenti di tempo definiti, inclusi in un insieme numerabile. Dal momento che questi istanti sono quelli in cui accadono gli eventi, per queste simulazioni si vede necessaria la definizione di un meccanismo che registri l’avanzamento del tempo da un valore ad un altro; il parametro che può assolvere a questa funzione è definito “simulation clock” (AA.VV). La simulazione ad eventi discreti sembra esser stata trattata in oltre il 40% delle pubblicazioni e risulta pertanto la tecnica più utilizzata nella produzione e nel business, così come avevano precedentemente sostenuto anche Kellner et al. (1999). Questa infatti sembra esser stata applicata in una varietà di organizzazioni per una vasta gamma di funzioni gestionali, compresa la pianificazione della produzione ed il controllo delle scorte (Jahangirian et al., 2010).

b) Sulla base della ricerca al secondo posto è emersa la tecnica di simulazione “System Dynamics”, con un tasso di popolarità di oltre il 15%. Questo tipo di simulazione, insieme al precedente sono quelli più frequentemente utilizzati nelle decisioni logistiche e nel Supply Chain Management, ma il suo utilizzo è stato incentrato anche sui domini quali la politica e la strategia di sviluppo, il project management, così come nella gestione della conoscenza (Jahangirian et al., 2010). I modelli “System Dynamics” rappresentano un sistema come un insieme di flussi e stock in cui i cambiamenti di stato avvengono in modo continuo nel tempo. Questa tipologia di simulazione è generalmente deterministica e le variabili in essa contenute di solito rappresentano dei valori medi (Tako e Robinson, 2012).

c) Una parte delle simulazioni ibride risultano come la successiva tecnica più diffusa, seguite dalle “simulazioni basate su agenti”, la quarta tecnica con un tasso di utilizzo del 5%. Questa categoria di modelli rappresenta una valida tecnica di modellazione per simulare l’interazione tra individui che fanno parte di un sistema dinamico, e si contraddistingue per la sua capacità di riprodurre situazioni incerte (Jahangirian et al., 2010). Un elemento fondamentale legato a questa simulazione è quindi il concetto di agente, che si può definire come un’entità fisica o virtuale in grado di incidere sul contesto, di relazionarsi con altri agenti e di raggiungere degli obiettivi; entità che possiede delle risorse, che è capace di interpretare l’ambiente e che in base a questi elementi si attiva nella realizzazione delle proprie finalità (Lampert, 2002).

d) A seguire l’idea di “simulazione intelligente” è stata applicata nell’ambito dell’intelligenza artificiale, allo scopo di affrontare la volatilità della vita reale o l’eccessiva complessità di alcuni problemi come la pianificazione, rendendo l’approccio risolutivo più rapido e più gestibile. Le tecniche di intelligenza artificiale infatti, come le reti neurali artificiali e gli algoritmi genetici, hanno contribuito in modo significativo allo sviluppo di approcci di simulazioni ottimizzati (Jahangirian et al., 2010).

137 e) La “simulazione Monte Carlo” invece, rappresenta un modello da impiegare in due circostanze:

per risolvere numericamente un problema nel quale possono essere comprese delle variabili aleatorie, in quanto è in grado di produrre un numero elevato di possibili combinazioni dei valori che le variabili possono assumere e di calcolarne il relativo risultato; per testare gli effetti di un cambiamento nelle variabili in entrata o nella funzione di output. Sebbene sia stata una delle prime tecniche di simulazione sviluppate, sembra aver svolto un ruolo banale all’interno dell’ambiente produttivo e del contesto di business. Il suo utilizzo è stato infatti principalmente limitato verso problemi “statici” o per risolvere questioni numeriche di natura stocastica, come nella valutazione della proprietà e della gestione del rischio (Jahangirian et al., 2010).

f) La “simulazione del traffico” è il nome di un gruppo di tecniche di simulazione specificamente sviluppato per risolvere i problemi di gestione del traffico. Un numero relativamente elevato di documenti che hanno proposto questa tecnica, hanno dimostrato la sua idoneità nell’affrontare le applicazioni di trasporto e i problemi di scambio in particolare (Jahangirian et al., 2010). g) Il tema principale della “simulazione distribuita” è invece quello di disperdere le funzioni di

simulazione attraverso una rete, che è in armonia con la crescente tendenza verso sistemi di decentramento all’interno delle organizzazioni. Il sistema in questione rappresenta quindi una serie di simulazioni eseguite da più macchine che vengono legate attraverso una rete LAN o WAN. Questo approccio è attualmente applicato proprio alle organizzazioni e ai problemi con una struttura a rete, come il trasporto, il settore di generazione di elettricità, oppure in ambito militare (Jahangirian et al., 2010).

h) I “giochi di simulazione” rappresentano un’altra tecnica che sta ricevendo particolare attenzione da parte dei settori di istruzione e formazione ed è stata applicata in settori quali la formazione per la gestione delle situazioni incerte. Questa tecnica ha anche dimostrato il suo uso pratico dove sono presenti alcuni giochi pre-sviluppati per le industrie specifiche come le assicurazioni, i servizi finanziari o le catene di fornitura. I giochi di simulazione assolvono a molte funzioni, ma la più importante per gli educatori sembra essere quella di fornire al giocatore una vera e propria situazione di vita virtuale, che gli permette di usare le sue conoscenze e abilità per scoprire e apprendere nuove capacità decisionali (Boocock e Schild., 1968).

i) Le “reti di Petri” sono state introdotte come strumento grafico e matematico per modellare sistemi informatici e possono essere definite come delle rappresentazioni matematiche di un sistema discreto. Generalmente possono essere usate per descrivere e studiare sistemi che sono caratterizzati come concorrenti, asincroni, paralleli e stocastici. Tuttavia, la revisione non ha trovato alcun particolare modello di utilizzo per questa tecnica, come è stato rilevato in un’ampia varietà di applicazioni e settori industriali (Jahangirian et al., 2010).

j) Le “simulazioni virtuali” offrono alle aziende la possibilità di modellare e simulare un sistema in un ambiente tridimensionale; solitamente fanno parte di un più ampio lavoro che i dirigenti e gli ingegneri usano per avere un quadro più chiaro e più affidabile di qualsiasi cambiamento

138 possa impattare sul sistema. La ricerca sembra mostrare alcuni modelli di similarità relativi all’applicazione di queste simulazioni virtuali nelle aree di ingegneria di processo e nella pianificazione della produzione (Jahangirian et al., 2010).

k) Il presente riesame ha identificato 29 lavori che utilizzano una “simulazione ibrida”, inseriti al terzo posto con oltre il 10% di popolarità. Questi studi riuniscono varie tecniche di simulazione per risolvere un problema. L’esempio più noto di tale approccio è la combinazione di quelle ad eventi discreti e di sistemi dinamici, riscontrate in 11 documenti della recensione (Jahangirian et al., 2010).

In sintesi quindi questa ricerca ha dimostrato che oltre ad alcune applicazioni classiche, come la programmazione e l’ingegneria di processo, le tecniche di simulazione sembrano molto utili per una varietà di altre aree come la strategia, il Supply Chain Management, la gestione della conoscenza, la formazione manageriale e la progettazione organizzativa. Nello specifico la simulazione di gioco è stata utilizzata prevalentemente in ambienti educativi con gli studenti come parti interessate che prendono parte attiva nel gioco.