Contoh :
Distribusi yang digunakan pada umumnya adalah distribusi
eksponensial, dengan distribusi ini dapat diketahui waktu
antar kedatangan / inter arrival time. Waktu ini diperoleh
melalui simulasi karena ketidakpastian kedatangan
tersebut pada suatu tempat tertentu sebagai service
fasilitas.
Contoh kasus :
Suatu percobaan simulasi dari suatu system proses antrian diketahui bahwa
distribusi kedatangan adalah eksponensial dengan rata-rata waktu akan kedatangan 60
detik dan waktu pelayanan adalah 40 detik dengan simulasi telah didapat data sebagai
berikut.
Table 1
Arrival Number 1 2 3 4 5 6 7 8 9 10
Inter Arrival Time 38 3 41 20 57 10 46 99 87 221
ti = -60 ln Ri Tabel 2
Service Time 1 2 3 4 5 6 7 8 9 10
t 136 17 23 4 70 55 36 17 12 62
Arrival number 1 2 3 4 5 6 7 8 9 10
Inter arrival time 38 3 41 20 37 10 46 99 87 221
Arrival time 38 41 82 102 159 169 215 314 401 622
Service time 136 17 23 4 70 55 36 17 12 62
Into time 38 174 191 214 218 288 343 379 401 622
Front time 174 191 214 218 288 343 379 396 413 684
Queuing time 0 133 109 112 59 119 128 65 0 0
Idle time 38 0 0 0 0 0 0 0 5 209
System proses time 136 150 132 116 129 174 164 82 12 62
b. Tanpa simulasi
Wg = λ / µ ( µ- λ)
= 60 / 90 (90-60)
` = 60 / 2700
= 0,02 x 3600
= 80 detik
2. Average system proses time
a. Dengan simulasi
WS= total service time / banyak kedatangan
= 1157 /10
= 115, 7 detik
b. Tanpa simulasi
W = 1 / µ- λ
= 1 / (90-60) x 3600
= 120 detik
3.Average queuing length
a.Dengan simulasi
Lgs = total queuing time / total time
= 725 / 684 = 1,06
b.Tanpa simulasi
lg = λ2/ µ (µ- λ)
= 602/ 90 (90-60) = 1,33