As you read the case, consider how you would utilize Discrete Event Simulation to model services provided  by the company’s tech teams . There are several challenges and  issues one  has to consider  in  analyzing  the  case.  The  following  guidelines  should  help  in  developing  key assumptions of the modeling process.

The first task is to model the current state. The case provides some information to assist in making  assumptions,  although the  data  is  incomplete.  The  key  results  are that  technicians dedicated  to  traditional  servers  are  utilized  more  than  90%  of the time  and  customers  of traditional severs wait over 2.5 hours, on average, for a technician. Mainframe customers wait one hour, on average, while these technicians face much lower utilization.

1.   One important issue to address is the length of each replication in Arena (under Run, Setup). I assumed that each replication is 240 hours. Reflecting a schedule of about 1.5 weeks.

2.   Service times for technicians follow an exponential distribution with a mean of 0.8 hours for service (including travel time), for both types of servers.  In the current state there are 4 technicians dedicated to traditional servers, and one technician dedicated to mainframes.

3.   Instead  of  analyzing the  individual  machine, you  may  assume that  service  requests  are distributed  over  the  course  of  the  simulation  trial.  In  other  words,  machines  are  the customers. Arrival times for service follow an exponential distribution.

a.    For traditional servers: In a 24 hour period there should be about 114 arrivals. Choose the mean inter-arrival time accordingly (= 0.21 hours). There are 4 technicians.

b.   For mainframes: In a 24 hour period there should be about 17 arrivals. Choose the mean inter-arrival time accordingly (= 1.4 hours), with one technician.

c.    Growth  over  the  next  few  years.  The  increase  in  mainframes  and  reduction  in traditional servers will impact the inter-arrival times each year. Use the following inter-arrival times to evaluate technician utilization and the waiting time for each time of server:

4.    Analyze a single region. From there, you can extrapolate to the entire company.

5.   Approach Suggested by Paul Phixitt: implies increasing the number of dedicated technicians for traditional servers in each shift. Find the number of these technicians required to meet the objectives  laid out  by the  committee. Then  calculate the  implications for  increasing technicians in each region and extrapolate to the entire company. Also verify that in the current format, waiting time for mainframes is about 1 hour.

Evaluate the number of technicians of each type needed each year. If needed, increase the number of technicians, of either type, to meet the objectives. Once a technician is added, they should not be reduced in future years.

6.   Approach  Suggested  by  the  Vice  President  for  Engineering:  This  implies  changing  the distribution of service time. Assume a Triangular Distribution for service times. Focus only on the traditional servers.  For the  base case, assume  parameters  (0, 0.4, 2.05). This should generate results similar to the base case (with the exponential distribution). Verify this. To model  the  approach  suggested  by  Engineering,  lower  only  the  maximum  value  of  the

distribution to achieve the target. What implications are there for the new technology? Don’t worry about mainframes in this alternative.

7.   Approach Suggested by the Chief Financial Officer: In this scenario all technicians are the same and repair both types of servers. There are 5 technicians available to repair traditional and mainframe servers. Evaluate if you need to add technicians in each of the following years, to meet the objectives. Is it true that in the first year, wait time for mainframes increase, because the mainframe technicians also repair traditional servers (as stated by the marketing department)?

8.   Approach Suggested by the Vice President for Marketing: At the current staffing levels wait times for mainframes will exceed the target soon. To resolve this problem, they recommend adding  a  mainframe  technician.  This  is  similar  to  the  recommendation  by  Mr.  Phixxit, although less expensive, since only one type of technician is being added. Your answer here can be based on your previous analysis. Is it true that the reduction in traditional servers will shorten wait times sufficiently to meet the targets?

9.   Important: see the note on the next page .

10. For the final submission, replicate each simulation for at least 400 trials. However, while developing models use only 50 or 100 replications.

11. Remember to make a final recommendation, comparing alternatives on both quantitative and  qualitative  factors.  A  discussion  of  qualitative  factors  is  an  essential  part  of  a comprehensive analysis. Which approach would you recommend to senior management?

Arena – IMPORTANT NOTE