Agyl Tri Pramesti CHAPTER 9 Resume [PDF]

Citation preview

AGYL TRI PRAMESTI 155060701111076 Resume book of Harrell−Ghosh−Bowden: Simulation Using ProModel, Second Edition CHAPTER 9 : Simulation Output Analysis Pada chapter ini mengulas tentang perbedaan antara terminating dan nonterminating simulasi dengan menggunakan ProModel yang dibahas di laboratorium. Selain itu pada bab ini juga menggambarkan bagaimana Perangkat lunak dapat digunakan untuk membantu menentukan apakah pengamatan oleh ProModel untuk simulasi adalah independen dan terdistribusi secara normal. 9.1 Terminating vs Nonterminating Simulations Simulasi terminating memiliki kondisi awal yang tetap dan kondisi akhir yang tetap (titik penghentian). Contoh sebuah studi kasus : model simulasi pada sebuah toko yang terbuka di 9:00 PAGI, dimulai dengan kondisi awal tidak ada pelanggan dalam sistem lalu berakhir setelah tutup toko jam 7:00 malam dan pelanggan terakhir diproses. Banyak sistem berorientasi layanan (bank, kantor dokter, kantor pos, sekolah, hiburan taman, restoran, dan toserba) dianalisis dengan penghentian simulasi. Sistem kembali ke kondisi awal yang tetap setelah mencapai akhir dari proses. Simulasi nonterminating tidak memiliki kondisi awal yang tetap. kondisi akhir pada simulasi ini tidak bisa berjalan tanpa batas, jadi mengakhirinya setelah outputnya dapat mencerminkan perilaku rata-rata sistem jangka panjang. Rumah sakit atau pom bensin 24 jam dapat dianalisis dengan simulasi nonterminating tergantung pada tujuan penelitian. Ketika membuat report dari respon model simulasi ini berdasarkan output dari simulasi terminating atau simulasi nonterminating, penting untuk menggunakan interval perkiraan daripada perkiraan titik sederhana dari parameter yang diukur. Keuntungan dari estimasi selang adalah bahwa ia menyediakan ukuran variabilitas dalam output yang dihasilkan oleh simulasi. Interval perkiraan atau interval kepercayaan memberikan kisaran nilai sekitar estimasi titik yang telah ditentukan dan kemungkinan mengandung nilai parameter tapi tidak diketahui nilainya. Untuk tingkat kepercayaan tertentu, interval kepercayaan yang lebih kecil dianggap lebih baik daripada yang lebih besar. Demikian pula, untuk interval kepercayaan tertentu, tingkat kepercayaan yang lebih tinggi menunjukkan perkiraan yang lebih baik. Untuk membangun interval kepercayaan, pengamatan yang dihasilkan oleh replikasi harus independen dan terdistribusi secara identik. Selanjutnya, pengamatan harus didistribusikan secara normal saat menggunakan distribusi Student's t untuk menghitung interval kepercayaan. 9.2 Terminating Simulations Studi Kasus : Spuds-n-More oleh Seashore adalah resort favorit di antara wisatawan di tepi laut. Spuds-n-More, restoran makanan cepat saji takeout, mengkhususkan diri pada makanan kentang, menyajikan berbagai jenis kentang goreng, kentang goreng wafel, dan kayu kentang 1



bersama hamburger dan minuman. Pelanggan yang berjalan di sepanjang boardwalk mengakses restoran melalui satu jendela pemesanan tunggal, tempat mereka memesan, membayar, dan menerima makanan mereka. Tidak ada tempat duduk di restoran. Waktu interarrival pelanggan ke Spuds-n-More didistribusikan secara eksponensial dengan rata-rata enam menit. Area tunggu di depan jendela walkup hanya bisa menampung lima pelanggan. Jika ruang tunggu sudah terisi penuh saat pelanggan tiba,Taylor menutup pintu masuk ke ruang tunggu di depan restorannya setelah delapan jam operasi. Namun, setiap pelanggan yang sudah berada di area tunggu pada saat penutupan dilayani sebelum dapur dimatikan untuk hari itu. Waktu kegiatan diberikan pada Tabel L9.1.



`Mr. Taylor sedang berpikir untuk memperluas ke tempat surat kabar kecil di samping Spuds-n-More yang telah ditinggalkan. Ini akan memungkinkan dia menambahkan jendela kedua untuk melayani pelanggannya. Jendela pertama akan digunakan untuk menerima pesanan dan mengumpulkan pembayaran, dan jendela kedua akan digunakan untuk mengisi pesanan. Sebelum berinvestasi di ruang baru, Mr. Taylor perlu meyakinkan pemegang saham utama Spuds-n-More, Pritchard Enterprises, bahwa investasi tersebut akan memungkinkan restoran tersebut melayani lebih banyak pelanggan per hari. Langkah pertama adalah membangun model baseline (as-is) dari konfigurasi restoran saat ini dan kemudian memperindah model dengan jendela baru dan mengukur pengaruhnya terhadap jumlah pelanggan yang diolah per hari. Mr Taylor tertarik untuk melihat interval kepercayaan 90 persen untuk jumlah pelanggan yang diproses per hari dalam simulasi baseline. 9.2.1 Starting and Terminating Conditions (Run Length) Membangun model baseline restoran as-is dan melakukan simulasi penghentian untuk memperkirakan jumlah pelanggan yang diharapkan yang dilayani setiap hari. Kondisi awal untuk simulasi adalah bahwa sistem dimulai pada pagi hari yang kosong dari pelanggan dengan pelanggan pertama yang tiba pada waktu nol. Pelanggan masuk ke antrian restoran selama delapan jam operasi. Simulasi berakhir setelah mencapai delapan jam dan setelah mengolah pelanggan terakhir masuk ke antrian. Tata letak model simulasi ditunjukkan pada Gambar L9.1, dan hasil cetakan model diberikan pada Gambar L9.2. Perhatikan bahwa panjang lokasi Order_Q adalah 25 kaki dan kecepatan perjalanan entitas Pelanggan adalah 150 kaki per menit. Nilai ini mempengaruhi waktu perjalanan entitas dalam antrian (waktu bagi pelanggan untuk berjalan sampai akhir antrian). Daftar model pada Gambar L9.2 adalah kriteria penghentian yang diimplementasikan. Lokasi Masuk berfungsi sebagai gerbang untuk memungkinkan pelanggan ke dalam antrian sampai waktu simulasi jam mencapai delapan jam. Entitas tiba setelah jam simulasi mencapai delapan jam yang berpaling (diarahkan untuk Keluar) oleh Kondisi aturan routing yang Pengguna ( JIKA jam (jam)> 8) di lokasi Entri. Entitas tiba dalam waktu delapan jam yang 2



diarahkan ke lokasi Order_Q (lihat routing yang Kondisi aturan Pengguna JIKA jam (jam)