تصمیم‌گیری یکی از مهارت‌های مدیریت است، انجام وظایفی مانند برنامه‌ریزی، سازماندهی و کنترل در واقع چیزی جز تصمیم‌گیری درباره نحوه و چگونگی انجام این فعالیت‌ها نیست، به گفته دراکر تصمیم توعی قضاوت است و تصمیم گیری انتخابی است که از میان گزینه های متعدد و متنوع انجام می گیرد.
مونتز معتقد است که وجود طرح، برنامه و سیاست و خط مشی منوط به وجود تصمیم‌گیری است، مدیران نیز معمولا وظیفه اصلی خود را تصمیم‌گیری می دانند زیرا همیشه باید به این فکر باشند که چه راهی را برگزینند،چه کاری را انجام دهند، وظایف را چگونه بین افراد تقسیم کنندو اینکه چه کاری را، چه کسی، چه موقع، کجا و چگونه انجام دهد. کیفیت این تصمیمات میزان توفیق و تحقق اهداف سازمان ها را محقق می‌کند ولیکن امروزه با توجه به هزینه های گزاف تغییر سیستم ها و روش ها کمتر فرصتی برای صحیح و خطا کردن مدیران باقی مانده است چون گاهاً تصمیمات و اجرای طرح های پیشنهادی آن‌هم در خیل متغیرهای پویا، حیات سازمان‌ها علی الخصوص سازمان های بزرگ را تحت تأثیر قرار می دهد ، در این شرایط بهترین تصمیم، تصمیماتی هستند که متکی بر امکانسنجی بوده و قابلیت سناریوپردازی و آینده‌نگری باشند که مدیر بتواند تصمیم عقلایی خود را در طراحی و اجرای مدل لحاظ نماید، از شبیه‌سازی میتوان در مطالعه سیستم‌ها در مرحله طراحی و قبل از ساخت بهره گرفت.
بازارها و سازمان‌های امروزی دارای سیستم های پیچیده ای هستند که از عناصر ناهمگونی تشکیل شده اند و با یکدیگر و محیط تعامل دارند و وابستگی‌های متقابلی را در مقیاس‌های مکانی و زمانی متعدد ایجاد می‌کنند که درک، پیش‌بینی و کنترل آنها دشوار است ، محیط آنها با تغییرات پویا و سریع در دامنه های مختلف مشخص می شود که آنها را مستعد عدم قطعیت، خطرات سیستمی و اثرات شبکه ای می کند. سازمان ها برای اینکه بتوانند با این شرایط کنار بیایند باید مکانیزم هایی برای یادگیری، سازگاری و تکامل در چنین شرایطی ایجاد کنند.
بیشتر پدیده های مرتبط با سازمان های فعلی مستلزم عدم قطعیت و پیچیدگی هستند. درک و مدیریت پیچیدگی ذاتی در سازمان ها مستلزم استراتژی‌هایی است که فراتر از شهود و روش های تحلیلی سنتی است بنابراین، چارچوب های نظری و روش شناختی جدید مورد نیاز است.
شبیه‌سازی تقلید عملیات سیستم یا فرآیند دنیای واقعی در طول زمان است در واقع روشی کاربردی است که می‌تواند رفتار سیستم را بصورت مدل ریاضی یا بصورت مدلی از نمادها توصیف نماید.
اقدام به شبیه‌سازی هر چیزی در ابتدا مستلزم ارائه مدلی از آن می باشد، مدل مزبور بیانگر ویژگی‌ها یا رفتارهای کلیدی فرآیند یا سیستم مورد نظر می‌باشد. مدل خود سیستم را تبیین نموده در حالی که شبیه‌سازی عملیات سیستم را در طول زمان تبیین می‌کند.
روش مدلسازی و شبیه‌سازی روش دقیقی است که مدلساز را قادر می‌سازد سیستم‌های پیچیده را به صورت کامپیوتری و ساختار یافته شبیه‌سازی و در راستای دستیابی به این مهم سیاست‌ها و سازمان‌های مؤثرتری را سازماندهی نماید، در این روش ضمن تسریع در فهم و یادگیری میتوان اثرات جانبی بلندمدت تصمیم‌گیری‌ها را آزمود و ساختارها و استراتژی‌ها را برای موفقیت بیشتر طراحی کرد. یک مدل شبیه‌سازی بطور معمول با توجه به یک سری از فرضیات مرتبط با سیستم که از شناخت سیستم بدست آمده است شکل می گیرد. وقتی شبیه‌سازی شکل گرفت و اعتبارسنجی صورت گرفت، مدل ساخته شده می‌تواند برای طیف گسترده ای از سوال های چه می شود اگر در جهان واقعی مورد استفاده قرار گیرد، بنابراین شبیه‌سازی بعنوان ابزاری تحلیلی برای پیش بینی تاثیر تغییرات بر سیستم موجود و یا بعنوان ابزار طراحی برای پیش‌بینی عملکرد سیستم‌های جدید در شرایط گوناگون محیطی مورد استفاده می شود.
در واقع در شبیه‌سازی میتوان بدون در نظر گرفتن فرض های ساده کننده نامطمئن، واقعیات سیستم را در مدل گنجانده و مورد تجزیه و تحلیل قرار داد. همچنین بر خلاف مدل های بهینه سازی که به حل مدل پرداخته و بهترین جواب را ارئه می نمایند، در مدل های شبیه‌سازی گزینه بهینه معرفی نمی شود. بلکه با در نظر گرفتن یکسری شرایط برای مدل و وارد کردن تعدادی متغیرهای ورودی و خصوصیات مدل، مدل اجرا شده و رفتار شبیه‌سازی شده مشاهده می‌گردد. این روند تغییر متغیرها و ویژگی های مدل منتج به ایجاد مجموعه ای از سناریوها می گردد که نتایج آنها توسط شبیه‌سازی ارزیابی شده‌اند و بهترین سیستم بر اساس خروجی‌ها توصیه می‌شود.
انواع مدل‌های شبیه‌سازی
1. روش گسسته پیشامد
شبیه‌سازی گسسته پیشامد عملیات یک سیستم را در بصورت وقایع متوالی گسسته در زمان مدل می نماید. هر واقعه در لحظه‌ای از زمان رخ می هد و تغییری در موقعیت سیستم ثبت می کند .
بطور معمول سیستم های کمی وجود دارند که در عمل بصورت کلی گسسته یا پیوسته نباشند، اما چون یک نوع تغییر در اکثر سیستم ها غالب است، دسته بندی یک سیستم بصورت گسسته یا پیوسته معمولا امکان پذیر است . یک سیستم گسسته سیستمی است که در آن متغیرهای حالت تنها در نقاط گسسته ای از زمان تغییر می‌کنند.
در بسیاری از مواقع اتفاقاتی که در یک سیستم رخ می دهند در بازه ای گسسته از زمان اتفاق می‌افتند. به‌عنوان مثال ورود یک بیمار به درمانگاه ، ورود یک مشتری به بانک، ورود یک قطعه به خط تولید، بارگیری یک کشتی و ... را می توان به عنوان اتفاق‌هایی است که به صورت گسسته در سیستم اتفاق می افتند. برای شبیه‌سازی اینگونه سیستم ها از شبیه‌سازی گسسته پیشامد استفاده می کنیم. واژه شبیه‌سازی گسسته پیشامد عموما برای مدل‌های فرآیند محور مطرح می‌باشند که در آن سیستم به صورت توالی از عملیات‌ها (ورود، تاخیر، استفاده از منابع، مجزا کردن، ترکیب کردن و ...) تجزیه و تحلیل می شود. از شبیه‌سازی گسسته پیشامد به طور بسیار گسترده ای در مدلسازی فرآیندهای کسب و کار، فرآیندهای تولیدی، فرآیندهای لجستیکی و مراکز درمانی و خدماتی استفاده می‌شود.
2. روش پویایی شناسی سیستم
همانطور که گفته شد روش مدلسازی و شبیه سازی روش دقیقی است که مدلساز را قادر می سازد سیستم‌های پیچیده را به صورت کامپیوتری و ساختار یافته شبیه‌سازی و در راستای دستیابی به این مهم سیاست‌ها و سازمان‌های مؤثرتری را سازماندهی نماید، در این روش ضمن تسریع در فهم و یادگیری میتوان اثرات جانبی بلندمدت تصمیم گیری‌ها را آزمود و ساختارها و استراتژی‌ها رابرای موفقیت بیشتر طراحی کرد. منظور از تفکر سیستمی و شبیه‌سازی به روش پویایی‌شناسی سیستم‌ها درک بهتر طرح ها و شناسایی راه‌هایی است که عملکرد یک سازمان را به ساختار داخلی و سیاست‌های اجرایی برساند و یافته‌های خود را برای طراحی سناریوها و سیاستم‌های اهرمی با نفوذ بالا جهت موفقیت به کار بندد ، پویایی شناسی سیستم می‌تواند در مورد هر سیستم پویا و با هر مقیاس زمانی و مکانی به‌کار گرفته شود.
در دنیای کسب و کار و سیاست عمومی، سیستم های اجتماعی، مدیریتی، اقتصادی، اکولوژیکی و فیزیولوژیکی و موضوع هایی از قبیل ایدز تا اصلاح ساختار سیستم رفاهی به کار گرفت. دینامیک سیستم (SD) رویکردی برای درک رفتار غیرخطی سیستم‌های پیچیده در طول زمان با استفاده از سهام، جریان‌ها، حلقه‌های بازخورد داخلی، توابع جدول و تاخیرهای زمانی است.
3. روش عامل بنیان
مدلسازی عامل بنیان رویکردی نسبتاً جدید برای مدلسازی سامانه هایی است که از عوامل مستقل ولی در تعامل با هم تشکیل شده اند. شبيه‌سازی مبتنی بر عامل روشی است که طی سال‌های گذشته در حوزه علوم اجتماعی مورد توجه قرار گرفته است. در اين کاربرد، عامل‌ها افراد موجود در يک جامعه با ويژگی‌های مورد نظر را مدلسازی می‌کنند. سپس فاکتورهايی وارد سيستم شده و تاثير آنها در رفتارهای عامل‌ها و يا رفتار سطح کلان جامعه بررسی می‌شود. امروزه عامل های هوشمند بطور وسیعی در پروژه های عملیاتی و تحقیقاتی مورد استفاده قرار می گیرند. موسسات و شرکت هایی مانند آی بی ام، دایملر کرایسلر، وزارت دفاع آمریکا و ناسا بطور موفقیت آمیزی از سیستم های مبتنی بر عامل استفاده می کنند و بکارگیری عامل ها رفته رفته به یک موضوع حیاتی در فرآیندهای توزیع شده و غیر متمرکز تبدیل شده است.
مدلسازی عامل بنیان یک پارادایم نسبتاً جدید است و از زمان پیدایش پایگاه‌های داده، یکی از مهم ترین پیشرفت‌ها در مدلسازی محسوب می‌شود. علوم مهندسی و علوم مدیریت مشترکاً برای توصیف، درک و مدیریت پدیده‌ها به دنبال مدلسازی دنیای واقعی هستند، با این تفاوت که علوم مهندسی پدیده‌های دنیای طبیعی و علوم مدیریت، سامانه‌های انسانی را مدلسازی می‌نمایند.
مدل عامل بنیان بخشی از مدل های محاسباتی برای شبیه‌سازی فعالیت‌ها و تعاملات عامل‌های خود مختار (هم موجودیت های فردی و هم موجودیت های اجتماعی نظیر سازمان ها یا گروه ها) با نگاهی به ارزیابی اثرات آنها بر روی سیستم بعنوان یک کل می باشد. این تکنیک عناصری از تئوری بازی ها، سیستم های پیچیده، فوریت ها، جامعه شناسی محاسباتی، سیستم های چند عاملی و برنامه ریزی تکاملی را با یکدیگر تر کیب می کند. مدلسازی عامل بنیان را مدلسازی فرد محور نیز می نمایند.
واژه عامل بنیان بدین معنی است که در ساخت مدل ازعامل‌هایی استفاده می شوند که می تواند افراد، شرکت ها، پروژه‌ها، دارایی ها، وسایل، شهرها، کشتی ها، محصولات و ... باشند. می توان برای تمامی عامل‌های وارد شده به مدل به صورت جداگانه رفتار تعریف کرد. بهترین مثالی که می توان از کاربرد روش عامل بنیان بیان کرد، مشتریان بازار می‌باشد. رفتار مشتریان در خرید یک محصول کاملا پویا بوده و بستگی به مشخصات بسیار زیادی دارد. می توان با استفاده از روش عامل بنیان برای تک تک عامل‌های استفاده شده در مدل، مشخصات مخصوص آنها را تعریف کرد تا بتوان رفتار آنها را با تطابق بسیار بالایی نسبت به واقعیت مدل نمود.
4. روش ترکیبی
در روش ترکیبی از دو یا سه روش شبیه سازی در کنار یکدیگر استفاده می شود. به عنوان مثاال به این صورت که بخشی از مدل از طریق شبیه سازی گسسته پیشامد و بخشی دیگر از آن با استفاده از شبیه سازی عامل بنیان انجام می شود.
