1
DASAR
SIMULASI
PEMODELAN
2 SIMULASI
PEMODELAN
DAN ANALISIS
Sebagai contoh penggunaan simulasi , pertimbangkan sebuah perusahaan
yang besar ke salah satu pabriknya tetapi tidak yakin apakah potensi peningkatan
produktivitas akan membenarkan biaya konstruksi. Tentu tidak akan hemat biaya
untuk membangun ekstensi dan kemudian menghapusnya nanti jika tidak berhasil.
Namun, studi simulasi yang cermat dapat menjelaskan pertanyaan tersebut dengan
mensimulasikan pengoperasian pabrik seperti yang ada saat ini dan seperti yang
akan terjadi jika pabrik diperluas.
Area aplikasi untuk simulasi sangat banyak dan beragam. Di bawah ini adalah
beberapa jenis dari masalah yang simulasi telah ditemukan menjadi alat yang
berguna dan kuat:
Sebagai teknik, simulasi adalah salah satu yang paling banyak digunakan
dalam riset operasi dan ilmu manajemen. Dalam survei lulusan lulusan Departemen
Riset Operasi di Case Western Reserve University (salah satu departemen pertama
dari jenis ini), Rasmussen dan George (1978) menemukan bahwa di antaraMS ,
simulasi menduduki peringkat kelima di antara sekitar lima belas bidang studi.
dalam hal nilainya setelah lulus (di balik apa yang mereka sebut " metode
statistik", "peramalan", "analisis sistem", dan "sistem informasi", yang semuanya
bisa dibilang berada di luar bidang riset operasi dan
ilmu manajemen). Di antara Ph.D. lulusan, simulasi terikat (dengan program linier
ming) untuk kedua (di belakang "metode statistik"). Thomas dan DaCosta (1979),
dalam survei jenis yang berbeda, meminta sekitar 137 perusahaan besar untuk
menunjukkan mana dari empat belas teknik yang mereka gunakan, dan simulasi
berada di urutan kedua, dengan 84 persen perusahaan menjawab bahwa mereka
menggunakannya (apa yang mereka sebut "analisis statistik" menempati urutan
pertama dalam survei ini, dengan 93 persen). Anggota dari Divisi Riset Operasi
American Institute of Industrial Engineers disurvei oleh Shannon, Long, dan
Buckles (1980), yang melaporkan bahwa simulasi menduduki peringkat kedua
dalam "keakraban" (tepat di belakang pembuatan program linier), tetapi pertama
dalam hal utilitas dan bunga, di antara beberapa dua belas metodologi. Forgionne
(1983) dan Harpell, Lane, dan Mansour (1989) juga melaporkan bahwa simulasi
menduduki peringkat kedua dalam pemanfaatan (sekali lagi di belakang "analisis
statistik" saja) di antara delapan alat dalam survei perusahaan besar. Semua
4 SIMULASI
MODELANALISISmengkategorikan DAN Kami
. sistem menjadi jenis , diskrit dan· kontinuSistem diskrit sistem adalah yang
variabel keadaannya berubah seketika pada titik waktu . Sebuah bank adalah contoh
dari sistem diskrit, karena variabel keadaan--misalnya, jumlah pelanggan atau di
bank--<:bergantung hanya ketika pelanggan tiba ketika pelanggan selesai dilayani
dan pergi. Sistem kontinu sistem adalah di mana variabel keadaan berubah terus
menerus terhadap waktu. Sebuah pesawat terbang yang bergerak di udara adalah
contoh dari sistem kontinu, karena variabel keadaan seperti posisi dan kecepatan
dapat berubah terus menerus terhadap waktu. Beberapa sistem dalam praktiknya
sepenuhnya diskrit atau sepenuhnya kontinu, tetapi karena satu jenis perubahan
mendominasi sebagian besar sistem, biasanya dimungkinkan untuk
mengklasifikasikan suatu sistem sebagai diskrit atau kontinu.
Di beberapa titik dalam kehidupan besar sistem, ada kebutuhan untuk
mempelajarinya untuk mencoba mendapatkan beberapa wawasan tentang hubungan
di antara berbagai komponen, atau untuk memprediksi kinerja di bawah beberapa
kondisi baru yang sedang dipertimbangkan. Gambar 1. 1 memetakan berbagai cara
di mana suatu sistem dapat dipelajari.
Eksperimen dengan
aktualEksperimen
layu sistem!
yang
tentang model model
syslCm Physica1 Solusi
analitik mempelajari
Model
matematis Simulasi
Cara
sistem
GAMBAR 1.1
suatu.
Meskipun mungkin ada unsur kebenaran pada gergaji tua yang merendahkan seperti
"metode terakhir " yang kadang-kadang digunakan untuk menggambarkan simulasi,
kenyataannya adalah bahwa kita kompleksitas sistem situasi karena minat dan model
yang diperlukan untuk mewakili mereka dengan cara yang valid.
Mengingat, kemudian, bahwa kita memiliki model matematika untuk dipelajari
melalui simulasi (selanjutnya disebut sebagai model simulasi), kita kemudian harus
mencari alat tertentu untuk melakukan ini. Hal ini bergunauntuk tujuan ini untuk
mengklasifikasikan model simulasi di sepanjang tiga dimensi yang berbeda:
• Model Simulasi Statis vs Dinamis: Model simulasi adalah statis representasi dari
sistem pada waktu tertentu, atau yang dapat digunakan untuk mewakili sistem di
di mana waktu tidak memainkan peran; contoh simulasi statis adalah model Monte
Carlo, dibahas di Sec. l.8.3. Di sisi lain, dinamis mewakili sistem yang
berkembang dari waktu, seperti sistem konveyor model di pabrik.
• Model Simulasi Deterministik vs. Stochastic: Jika model simulasi tidak
mengandung komponen probabilistik (yaitu, acak), itu disebut de terministic ;
sistem persamaan diferensial yang rumit (dan tidak dapat dipecahkan secara
analitik) yang menggambarkan reaksi kimia mungkin merupakan model seperti
itu. Dalam model deterministik, output ditentukan " setelah himpunan kuantitas
input dan hubungan dalam model telah ditentukan, meskipun mungkin
memerlukan banyak waktu komputer untuk mengevaluasi apa itu. Banyak sistem,
bagaimanapun, harus dimodelkan sebagai memiliki setidaknya beberapa
komponen input acak, dan ini menimbulkan stokastik model simulasi(Untuk
contoh bahaya dalam keacakan pemodelan sistem, lihat Bagian 4.7.) Sebagian
besar sistem antrian dan inventaris dimodelkan secara stokastik. Model simulasi
stokastik menghasilkan keluaran yang acak , dan karena itu harus diperlakukan
hanya sebagai perkiraan karakteristik sebenarnya model ; ini adalah salah satu
kelemahan utama simulasi (lihat Bagian l.9) dibahas dan dalam Bab . 9 sampai 12
dari buku ini.
• Model Simulasi Kontinu vs. Diskrit: Secara longgar, kami mendefinisikan diskrit
dan kontinu analog dengan cara diskrit
Model simulasi yang kami pertimbangkan di sisa buku ini, kecuali yang ada di
Sec. 1.8, akan bersifat diskrit, dinamis, dan stokastik dan selanjutnya akan disebut
model simulasi kejadian diskrit. (Karena model deterministik adalah kasus khusus
dari model stokastik, pembatasan untuk model stokastikls tidak melibatkan
kehilangan keumuman.)