akan menambah lebih banyak staf pemeliharaan berdasarkan biaya waktu henti alat berat dan
biaya tenaga kerja tambahan. Ini dapat mensimulasikan mengganti bagian yang belum gagal
dalam mencari cara untuk mencegah kerusakan di masa mendatang. Banyak perusahaan
menggunakan model simulasi terkomputerisasi untuk memutuskan apakah dan kapan harus
menutup seluruh pabrik untuk kegiatan pemeliharaan. Bagian ini memberikan contoh nilai
Three Hills Power Company menyediakan listrik ke wilayah metropolitan yang besar melalui
hampir 200 pembangkit listrik tenaga air. Manajemen menyadari bahwa bahkan generator yang
dirawat dengan baik akan mengalami kegagalan atau kerusakan secara berkala. Permintaan
energi selama tiga tahun terakhir secara konsisten tinggi, dan perusahaan prihatin atas downtime
generator. Saat ini ia mempekerjakan empat orang reparasi yang sangat terampil dan bergaji
tinggi ($ 30 per jam). Masing-masing bekerja setiap shift 8 jam keempat. Dengan cara ini ada
seorang tukang reparasi yang bertugas 24 jam sehari, tujuh hari seminggu. Semahal gaji staf
pemeliharaan, biaya perincian bahkan lebih mahal. Untuk setiap jam ketika salah satu
generatornya mati, Three Hills kehilangan sekitar $ 75. Jumlah ini adalah biaya untuk cadangan
listrik yang harus “dipinjam” oleh Three Hills dari perusahaan utilitas tetangga. Stephanie
Robbins telah ditugaskan untuk melakukan analisis manajemen atas masalah kerusakan tersebut.
Dia menentukan bahwa simulasi adalah alat yang bisa diterapkan karena sifat probabilistik dari
masalah ini. Stephanie memutuskan bahwa tujuannya adalah untuk menentukan (1) biaya
pemeliharaan layanan, (2) biaya kerusakan mesin yang disimulasikan, dan (3) total biaya
kerusakan dan pemeliharaan ini (yang memberikan total biaya sistem ini). Karena total waktu
henti mesin diperlukan untuk menghitung biaya kerusakan, Stephanie harus tahu kapan setiap
mesin rusak dan kapan setiap mesin kembali ke layanan. Oleh karena itu, model simulasi
langkah peristiwa berikutnya harus digunakan. Dalam perencanaan simulasi ini, dibuat diagram
alir seperti yang terlihat pada Gambar 14.4. Stephanie mengidentifikasi dua komponen sistem
pemeliharaan yang penting. Pertama, waktu antara kerusakan generator berturut-turut bervariasi
secara historis dari paling sedikit satu setengah jam hingga tiga jam. Untuk 100 kerusakan
terakhir, Stephanie membuat tabel frekuensi berbagai waktu antara kerusakan mesin (lihat Tabel
14.12). Dia juga membuat distribusi probabilitas dan menetapkan interval angka acak ke setiap
rentang waktu yang diharapkan. Robbins kemudian mencatat bahwa orang-orang yang
melakukan perbaikan mencatat waktu pemeliharaan mereka dalam blok waktu satu jam. Karena
waktu yang dibutuhkan untuk mencapai generator yang rusak, waktu perbaikan biasanya
dibulatkan menjadi satu, dua, atau tiga jam. Pada Tabel 14.13 dia melakukan analisis statistik
dari waktu perbaikan yang lalu, serupa dengan yang dilakukan untuk waktu kerusakan. Robbins
mulai melakukan simulasi dengan memilih serangkaian bilangan acak untuk menghasilkan
waktu simulasi antara kerusakan generator dan rangkaian kedua untuk mensimulasikan waktu
perbaikan yang diperlukan. Simulasi 15 kegagalan mesin disajikan pada Tabel 14.14. Kami
sekarang memeriksa elemen dalam tabel, satu kolom dalam satu waktu.
Kolom 1: Nomor Rincian. Ini hanyalah hitungan kerusakan saat terjadi, dari 1 hingga 15.
Kolom 2: Nomor Acak untuk Perincian. Ini adalah angka yang digunakan untuk mensimulasikan
waktu antara kerusakan. Nomor-nomor di kolom ini telah dipilih dari Tabel 14.4, dari kolom
Kolom 3: Waktu Antara Kerusakan. Nomor ini dihasilkan dari nomor acak kolom 2 dan interval
nomor acak ditentukan dalam Tabel 14.12. Nomor acak pertama, 57, jatuh dalam interval 28
Kolom 4: Waktu Kerusakan. Ini mengubah data di kolom 3 menjadi waktu aktual dalam sehari
untuk setiap perincian. Simulasi ini mengasumsikan bahwa hari pertama dimulai pada tengah
malam (jam 00.00). Karena waktu antara kerusakan nol dan kerusakan pertama adalah 2 jam,
kerusakan pertama dicatat kerusakan mesin pada jam 02:00. Perincian kedua, Anda perhatikan,
terjadi 1,5 jam kemudian, pada waktu jam yang dihitung 03:30 (atau 3:30 A.M.).
Kolom 5: Tukang Reparasi Waktu Bebas untuk Memulai Perbaikan. Ini adalah jam 02:00 untuk
kerusakan pertama jika kami berasumsi bahwa tukang mulai bekerja pada jam 00:00 dan tidak
terikat dari kerusakan generator sebelumnya. Namun, sebelum mencatat waktu ini pada baris
kedua dan semua baris berikutnya, kita harus memeriksa kolom 8 untuk melihat jam berapa
tukang menyelesaikan pekerjaan sebelumnya. Lihat, misalnya, pada rincian ketujuh. Kerusakan
terjadi pada jam 15:00 (atau 3:00 sore). Tetapi tukang reparasi tidak menyelesaikan pekerjaan
sebelumnya, kerusakan keenam, hingga jam 16:00. Makanya, entri di kolom 5 adalah jam 16.00.
Satu asumsi lebih lanjut dibuat untuk menangani fakta bahwa setiap tukang hanya bekerja dalam
shift 8 jam: Ketika setiap orang digantikan oleh shift berikutnya, dia akan menyerahkan
peralatannya kepada pekerja baru. Tukang reparasi baru terus mengerjakan generator rusak yang
sama hingga pekerjaan selesai. Tidak ada waktu yang hilang dan tidak ada pekerja yang tumpang
tindih. Oleh karena itu, biaya tenaga kerja untuk setiap hari 24 jam adalah tepat.
Kolom 6: Nomor Acak untuk Waktu Perbaikan. Ini adalah angka yang dipilih dari kolom paling
Kolom 7: Diperlukan Waktu Perbaikan. Ini dihasilkan dari nomor acak kolom 6 dan distribusi
waktu perbaikan Tabel 14.13. Nomor acak pertama, 07, mewakili waktu perbaikan 1 jam karena
Kolom 8: Perbaikan Waktu Berakhir. Ini adalah jumlah entri di kolom 5 (waktu perbaikan bebas
untuk memulai) ditambah waktu perbaikan yang diperlukan dari kolom 7. Sejak perbaikan
pertama dimulai pada 02:00 dan membutuhkan waktu satu jam untuk menyelesaikannya, waktu
Kolom 9: Jumlah Jam Mesin Mati. Ini adalah selisih antara kolom 4 (waktu kerusakan) dan
kolom 8 (waktu perbaikan berakhir). Dalam kasus kerusakan pertama, perbedaannya adalah 1
jam (03:00 dikurangi 02:00). Dalam kasus perincian kesepuluh, perbedaannya adalah jam 23.00
Simulasi 15 kerusakan generator pada Tabel 14.14 berlangsung selama 34 jam operasi. Jam
dimulai pada jam 00:00 hari 1 dan berjalan sampai perbaikan terakhir pada jam 10:00 hari 2.
Faktor penting yang menarik minat Robbins adalah jumlah total jam generator tidak berfungsi
(dari kolom 9). Ini dihitung menjadi 44 jam. Dia juga mencatat bahwa menjelang akhir periode
simulasi, backlog mulai muncul. Kerusakan ketigabelas terjadi pada jam 01:00 tetapi tidak dapat
dikerjakan hingga jam 04:00. Kerusakan keempat belas dan kelima belas mengalami penundaan
yang serupa. Robbins bertekad untuk menulis program komputer untuk melakukan beberapa
ratus lebih kerusakan simulasi tetapi pertama-tama ingin menganalisis data yang telah dia
= $3,300
= $1,020 + $3,300
= $4,320
Biaya total sebesar $ 4.320 hanya masuk akal jika dibandingkan dengan opsi perawatan lain
yang lebih menarik atau kurang menarik. Haruskah, misalnya, Three Hills Power Company
menambahkan tukang reparasi penuh waktu kedua untuk setiap shift? Haruskah itu
menambahkan hanya satu pekerja lagi dan membiarkan dia datang bertugas setiap shift keempat
untuk membantu mengejar ketertinggalan? Ini adalah dua alternatif yang dapat dipilih oleh
Robbins untuk dipertimbangkan melalui simulasi. Anda dapat membantu dengan memecahkan
Soal 14-25 di akhir bab ini. Seperti yang disebutkan di awal bagian ini, simulasi juga dapat
Mungkin Three Hills Power Company harus mempertimbangkan strategi untuk mengganti motor
generator, katup, kabel, sakelar, dan bagian lain-lain yang biasanya rusak. Ini dapat (1)
mengganti semua bagian setelah jenis tertentu ketika salah satu generator gagal, atau (2)
memperbaiki atau mengganti semua bagian setelah masa kerja tertentu berdasarkan perkiraan
masa pakai rata-rata. Ini lagi akan dilakukan dengan menetapkan distribusi probabilitas untuk
tingkat kegagalan, memilih nomor acak, dan mensimulasikan kegagalan masa lalu dan biaya
terkait.
Simulasi adalah salah satu alat yang paling banyak digunakan dalam bisnis. Seperti yang telah
kita lihat di bagian awal bab ini, aplikasi berlimpah, karena kita tidak dibatasi oleh asumsi dalam
beberapa model matematika yang dibahas di bab sebelumnya. Di bagian ini, kami melihat
beberapa masalah lain yang terkait dengan simulasi, termasuk beberapa alat perangkat lunak
yang tersedia.
Model simulasi sering dibagi menjadi tiga kategori. Pertama, metode Monte Carlo yang baru saja
dibahas, menggunakan konsep distribusi probabilitas dan bilangan acak untuk mengevaluasi
respons sistem terhadap berbagai kebijakan. Dua kategori lainnya adalah permainan operasional
dan simulasi sistem. Meskipun secara teori ketiga metode ini sangat berbeda, perkembangan
simulasi terkomputerisasi cenderung menciptakan dasar yang sama dalam prosedur dan
melibatkan dua atau lebih pemain yang bersaing. Contoh terbaik adalah permainan militer dan
manajemen dan pengambilan keputusan mereka dalam situasi konflik hipotetis. Permainan
militer digunakan di seluruh dunia untuk melatih perwira militer tertinggi suatu negara, untuk
menguji strategi ofensif dan defensif, dan untuk memeriksa keefektifan peralatan dan tentara.
Permainan bisnis, yang pertama kali dikembangkan oleh perusahaan Booz, Allen, dan Hamilton
pada 1950-an, populer di kalangan eksekutif dan mahasiswa bisnis. Mereka memberikan
kesempatan untuk menguji keterampilan bisnis dan kemampuan pengambilan keputusan dalam
lingkungan yang kompetitif. Orang atau tim yang berkinerja terbaik dalam lingkungan simulasi
menghasilkan laba terbesar, meraih pangsa pasar yang tinggi, atau mungkin meningkatkan nilai
perdagangan perusahaan di bursa saham. Selama setiap periode kompetisi, baik itu seminggu,
sebulan, atau kuartal, tim menanggapi kondisi pasar dengan mengkodekan keputusan manajemen
terbaru mereka sehubungan dengan inventaris, produksi, pembiayaan, investasi, pemasaran, dan
penelitian. Lingkungan bisnis yang kompetitif disimulasikan oleh komputer, dan cetakan baru
yang merangkum kondisi pasar saat ini disajikan kepada para pemain. Hal ini memungkinkan
tim untuk mensimulasikan tahun kondisi operasi dalam hitungan hari, minggu, atau semester.
SIMULASI SISTEM Simulasi sistem mirip dengan permainan bisnis yang memungkinkan
pengguna untuk menguji berbagai kebijakan dan keputusan manajerial untuk mengevaluasi
pengaruhnya terhadap lingkungan operasi. Variasi model simulasi dinamika sistem besar. Sistem
tersebut mencakup operasi perusahaan, * ekonomi nasional, rumah sakit, atau sistem pemerintah
kota. Dalam sistem operasi perusahaan, penjualan, tingkat produksi, kebijakan pemasaran,
investasi, kontrak serikat pekerja, tingkat utilitas, pembiayaan, dan faktor lainnya semuanya
terkait dalam serangkaian persamaan matematika yang diperiksa dengan simulasi. Dalam
simulasi pemerintahan kota, simulasi sistem dapat digunakan untuk mengevaluasi dampak
kenaikan pajak, belanja modal untuk jalan dan gedung, ketersediaan perumahan, rute sampah
baru, imigrasi dan migrasi keluar, lokasi sekolah baru atau pusat warga senior, angka kelahiran
dan kematian, dan banyak lagi masalah penting lainnya. Simulasi sistem ekonomi, sering disebut
model ekonometrik, digunakan oleh lembaga pemerintah, bankir, dan organisasi besar untuk
memprediksi tingkat inflasi, suplai uang dalam dan luar negeri, serta tingkat pengangguran. Input
dan output dari simulasi sistem ekonomi khas diilustrasikan pada Gambar 14.5. Nilai dari
simulasi sistem terletak pada kelonggaran what-if? pertanyaan untuk menguji dampak dari
berbagai kebijakan. Grup perencanaan perusahaan, misalnya, dapat mengubah nilai input apa
pun, seperti anggaran iklan, dan memeriksa dampaknya pada penjualan, pangsa pasar, atau biaya
jangka pendek. Simulasi juga dapat digunakan untuk mengevaluasi berbagai proyek penelitian
Dalam pengembangan model simulasi, penting agar model tersebut diperiksa untuk melihat
bahwa model tersebut berfungsi dengan baik dan memberikan representasi yang baik dari situasi
dunia nyata. Proses verifikasi melibatkan penentuan bahwa model komputer konsisten secara
internal dan mengikuti logika model konseptual. Validasi adalah proses membandingkan model
dengan sistem nyata yang diwakilinya untuk memastikan keakuratannya. Asumsi model harus
diperiksa untuk melihat bahwa distribusi probabilitas yang tepat digunakan. Analisis masukan
dan keluaran harus dilakukan untuk melihat bahwa hasilnya masuk akal. Jika kita mengetahui
keluaran aktual untuk sekumpulan masukan tertentu, kita dapat menggunakan masukan tersebut
dalam model komputer untuk melihat bahwa keluaran simulasi konsisten dengan sistem dunia
nyata. Dikatakan bahwa verifikasi menjawab pertanyaan "Apakah kita membuat model dengan
benar?" Di sisi lain, validasi menjawab pertanyaan "Apakah kita membangun model yang tepat?"
Hanya setelah kita yakin bahwa modelnya bagus barulah kita merasa nyaman menggunakan
hasilnya
Role Of Computers in Simulation
Kami menyadari bahwa komputer sangat penting dalam mensimulasikan tugas-tugas kompleks.
Mereka dapat menghasilkan angka acak, mensimulasikan ribuan periode waktu dalam hitungan
detik atau menit, dan memberikan laporan kepada manajemen yang membuat pengambilan
keputusan lebih mudah. Faktanya, pendekatan komputer hampir menjadi keharusan bagi kita
untuk menarik kesimpulan yang valid dari sebuah simulasi. Karena kita membutuhkan simulasi
dalam jumlah yang sangat banyak, akan menjadi beban nyata jika hanya mengandalkan pensil
dan kertas. Sementara bahasa pemrograman tujuan umum dapat digunakan untuk simulasi,
beberapa perangkat lunak simulasi khusus telah dikembangkan yang membuat proses simulasi
menjadi lebih mudah. Beberapa dari alat ini adalah Arena, ProModel, SIMUL8, ExtendSim,
Proof 5, dan banyak lainnya. * Selain alat yang berdiri sendiri ini, ada beberapa add-in Excel,
seperti @Risk, Crystal Ball, RiskSim, dan XLSim , yang dapat membuat simulasi dengan Excel