14.

6 Model Simulasi untuk Kebijakan Pemeliharaan

Simulasi adalah teknik yang berharga untuk menganalisis berbagai kebijakan

pemeliharaan sebelum benar-benar menerapkannya. Perusahaan dapat memutuskan apakah

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

simulasi dalam menetapkan kebijakan pemeliharaan.

Three Hills Power Company

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

kedua dari sisi kanan tabel.

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

hingga 60, menyiratkan waktu 2 jam sejak kerusakan sebelumnya.

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

kanan dari Tabel 14.4. Ini membantu mensimulasikan waktu perbaikan.

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

jatuh dalam interval nomor acak 01 hingga 28.

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

perbaikan selesai dicatat dalam kolom 8 sebagai 03:00

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

dikurangi jam 19.30, atau 3,5 jam.

Cost Analysis of the Simulation

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

kumpulkan sejauh ini.

Dia mengukur tujuannya sebagai berikut:

Biaya layanan = 34jamwaktu kerja * $ 30perjam = $ 1.020

Biaya pemutusan mesin yang disimulasikan = 44jam total kerusakan

x $ 75 hilang per jam waktu henti

= $3,300

Total perawatan yang disimulasikan

biaya sistem saat ini = Biaya layanan + Biaya kerusakan

= $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

digunakan dalam masalah pemeliharaan lainnya, termasuk analisis pemeliharaan preventif.

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.

MEMBANGUN MODEL SIMULASI EXCEL UNTUK PERUSAHAAN TIGA HILLS

Program 14.6 menyediakan pendekatan spreadsheet Excel untuk mensimulasikan masalah

pemeliharaan Three Hills Power.

14.7 Masalah Simulasi Lainnya

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.

Dua Jenis Model Simulasi Lainnya

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

mengaburkan perbedaan ini.

PERMAINAN OPERASIONAL Permainan operasional mengacu pada simulasi yang

melibatkan dua atau lebih pemain yang bersaing. Contoh terbaik adalah permainan militer dan

permainan bisnis. Keduanya memungkinkan peserta untuk mencocokkan keterampilan

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

diberi penghargaan dengan mengetahui bahwa perusahaannya paling berhasil dalam

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

dan pengembangan atau untuk menentukan cakrawala perencanaan jangka panjang

Verifikasi dan Validasi

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

menjadi sangat mudah.