10/7/15
Simulation:
Model sebagai imitasi dari real life
Digunakan untuk prediksi
Komponen:
Input
Persamaan (sistem)
Output
Model:
F P 1
m
10/7/15
35
34
30.5
29.5
2.05
1.95
Min
Max
1.95
2.05
1.95
2.05
29.5
30.5
34
35
Hinge.xlsx
Random
Clearance, D-(A+B+C):
Uncertainty propagation
Memunculkan ketidak pastian
Tujuan:
Menentukan efek dari keragaman acak, lack of
knowledge, error terhadap sensitifitas, performance
dan reliabilitas dari sistem yang dimodelkan.
Simulasi Monte Carlo:
Metode penarikan sampel membangkitkan
bilangan acak dari sebaran tertentu
Mensimulasikan proses seolah-olah sampel tersebut
berasal dari populasi yang sebenarnya
Sebaran dari input harus mendekati dari distribusi
data yang ada: current state of knowledge
10/7/15
Data sebagai
output dari
simulasi disajikan
dalam:
Sebaran peluang
Histogram
Selang
kepercayaan
Reliability
prediction
10/7/15
X ~ U(2,4)
Y ~ U(0,1)
Seperti apa sebaran Z = X + Y ?
Secara analitik menggunakan:
Metode fungsi sebaran
Metode konvolusi
Atau simulasi.
10/7/15
Langkah-langkah:
Langkah 1: Bangkitkan X ~ U(2,4)
Langkah 2: Bangkitkan Y ~ U(0,1)
Langkah 3: Hitung Z = X + Y
Langkah 4: Ulangi langkah 1 s/d 3 sebanyak n kali
(simpan setiap Zi, i = 1, , n)
Langkah 5: Analisis hasil Zi menggunakan
histogram statistik deskriptif, selang kepercayaan dll.
10/7/15
UNIFORM
ADD.xl