BAGIAN 2
STUDI KASUS
KASUS 1 : PENCUCIAN MOBIL 1 SERVER
Kasus pencucian mobil ini melibatkan 1 buah server. Durasi dalam model ini adalah selama
480 satuan waktu. Model ini menggunakan aturan antrian FIFO dengan waktu antar kedatangan
mengikuti distribusi eksponensial dengan rataan sebesar 4 satuan waktu. Dan lama waktu
pencucian adalah 6 satuan waktu.
Langkah – langkah dalam membuat model simulasi ini adalah sebagai berikut :
1. Buka model baru ( file > new model atau gunakan hotkey CTRL+N).
2. Buka library DE ([Link]) dan plotter ([Link]).
3. Ambil blok eksekutif pada library DE dan letakkan pada sisi kiri atas workspace.
4. Klik 2 kali pada blok eksekutif, dan pada tab simulation dalam dialog eksekutif, pilih
end time, hal ini menandakan bahwa model berjalan menurut aturan durasi waktu.
5. Selanjutnya, kita akan melakukan pengaturan lama durasi simulasi dapat diatur
melalui langkah sbb : run > simulation setup atau dengan menekan CTRL+Y dan
pada dialog simulation setup isi 480 pada end simulation at time dan pada global
time units isikan 480. Untuk mengatur satuan waktu dan aturan durasi simulasi dapat
diatur pada tab lain dalam dialog ini. Namun untuk model ini biarkan semua pada
kondisi default.
6. Ambil blok generator untuk membangkitkan waktu kedatangan pada library DE,
kemudian klik dua kali dan pada dialog, pada pilihan distribusi, pilih distribusi
eksponensial, kemudian isikan 4 pada isian mean.
7. Ambil Blok Queue, FIFO pada library DE>Queues, biarkan dalam kondisi default.
8. Hubungkan blok generator dengan blok queue.
9. Ambil blok activity delay sebagai server pencucian pada library DE>activities, pada
dialog isikan 6 pada delay.
10. Hubungkan antara blok queue dengan blok activity, delay.
11. Ambil blok exit pada library DE>Routing untuk mencatat jumlah mobil yang keluar.
12. Hubungkan antara blok activity delay dengan blok exit.
13. Ambil Blok DE, Plotter pada library plotter untuk membuat plot perbandingan antara
jumlah antrian dan jumlah mobil yang selesai dilayani.
14. Hubungkan DE, Plotter dengan blok
15. Jalankan program simulasi dengan menekan simbol panah hijau atau tekan CTRL+R,
dan dapat dilihat hasil simulasi berupa plot perbandigan antara panjang antrian
dengan jumlah mobil yang keluar.
Hasil perancangan model dalam simulasi pencucian mobil ini dapat dilihat pada gambar dibawah
:
KASUS 2 : PENCUCIAN MOBIL 2 SERVER
Model ini pada prinsipnya hampir sama dengan model 1, namun kita akan menambahkan 1
server tambahan. Aturan antrian tetap FIFO, dan antrian mobil akan memilih server yang idle.
Sehingga, dari model 1 terdapat beberapa blok yang disesuaikan untuk model 2 ini, yaitu :
Blok Library Tab Isian Interpretasi
Activity, Delay : Penambahan 1 server dengan karakteristik
DE >Activities Activity
Delay 6 yang sama dengan server sebelumnya
Mencatat mobil yang keluar dari kedua
Exit (4) DE > Routing - Default
server.
Hasil perancangan model simulasi dapat dilihat pada gambar dibawah :
Selanjutnya, hubungkan blok – blok tersebut seperti pada contoh model diatas. dan jalankan
model simulasi, bandingkan dengan plot model ini dengan model 1, kesimpulan apa yang dapat
anda ambil?
KASUS 3 : PENCUCIAN MOBIL PLUS POLES
Pada model ini, terdapat penambahan fasilitas pada proses pencucian mobil, yaitu
pemolesan. Sebelumnya, pelanggan akan memilih untuk mencuci mobil dengan poles (kilap) atau
hanya mencuci mobil saja (biasa) dengan probabilitas cuci biasa adalah 0,75. Server 1 difungsikan
untuk server biasa, sedangkan server 2 difungsikan untuk server kilap.
Model simulasi untuk kasus ini sebenarnya tidak begitu berbeda dengan model sebelumnya,
namun dalam model ini terdapat mekanisme pemilihan untuk cuci biasa atau cuci poles dengan
nilai probabilitas yang telah ditentukan. Untuk itu, terdapat blok yang ditambahkan dalam model
ini diantaranya :
Blok Library Tab Isian Interpretasi
Set Attribute Mengeset nilai atribut wax
DE > Attribute Wax > 1
Attribute Name > Value dengan nilai 1
Membangkitkan nilai random
Input Lihat
Generic > dengan probabilitas 0,75
Random Distributions gambar
Input/Output untuk no wax dan 0,25 untuk
Number dibawah
wax
Get Attribute
DE > Attribute Wax Mengambil atribut wax
Attribute Name
Chooses
Select DE Invalid Select
DE > Routing Top Memilih atribut wax
Output Value
Output
Activity, Penambahan 1 server untuk
DE >Activities Activity Delay : 8
Delay fasilitas wash + wax
Gambar Input Random Number
Hasil perancangan model simulasi dapat dilihat pada gambar dibawah :
Selanjutnya, hubungkan blok – blok tersebut seperti pada contoh model diatas. dan jalankan
model simulasi, bandingkan dengan plot model ini dengan model 1 dan 2, kesimpulan apa yang
dapat anda ambil? Apakah pengaruh kebijakan penggunaan server wash+wax terhadap panjang
antrian?
KASUS 4 : PRIORITAS
Pada model ini, terdapat pemberian prioritas bagi pelanggan yang memberikan tip. Terdapat
tiga kelas prioritas, yaitu kelas 1, 2, dan 3. Kelas tertinggi adalah kelas 1, masing – masing kelas
memiliki nilai probabilitas tersendiri. Adapun blok tambahan pada model ini adalah sebagai
berikut :
Blok Library Tab Isian Interpretasi
Mengambil nilai prioritas dari
Set
DE > Attribute - Default bangkitan random dengan prioritas
Priority
tertinggi bernilai 1
Membangkitkan nilai random
Input Lihat
Generic > dengan probabilitas 0,1 untuk
Random Distributions gambar
Input/Output kelas 1, dan 0,2 untuk kelas 2, dan
Number dibawah
0,7 untuk kelas 3
Queue, Antrian menggunakan aturan
DE > Queues - Default
Priority prioritas
Gambar Input Random Number
Hasil perancangan model simulasi dapat dilihat pada gambar dibawah :
Selanjutnya, hubungkan blok – blok tersebut seperti pada contoh model diatas. dan jalankan
model simulasi, bandingkan dengan plot model ini dengan model lain, mengapa pada model ini
panjang antrian relatif pendek?
KASUS 5 : ANTRIAN BANK
Model ini berbeda dengan keempat model diatas. Model ini membahas kasus antrian pada
sebuah bank. Waktu antar kedatangan nasabah berdistribusi konstan sebesar 39 detik. Pelayanan
nasabah dilakukan pada Teller yang berjumlah 3 buah dengan waktu pelayanan yang konstan
selama 2 menit. Apabila seluruh teller penuh, pelanggan akan menunggu di area tunggu. Urutan
pelayanan dilakukan sesuai dengan urutan kedatangan pelanggan (aturan FIFO). Apabila proses
pelayanan telah selesai maka pelanggan akan segera meninggalkan bank. Dibawah ini adalah blok
yang dipergunakan dalam model antrian bank.
Blok Library Tab Isian Interpretasi
Model berjalan menurut
Executive DE Simulation End Time
aturan durasi waktu
Distribution : Waktu antar kedatangan
DE >
Generator Items Constant (4) ; Time berdistribusi konstan
Generator
Units : Second; sebesar 4 detik
Queue, Antrian nasabah mengikuti
DE > Queues - Default
FIFO aturan FIFO
Waktu yang diperlukan
Activity,
DE >Activities Activity Delay : 2 untuk melayani nasabah
Delay
adalah 2 menit
Mencatat nasabah yang
Exit (4) DE > Routing - Default
selesai dilayani
Membuat plot data antrian
dengan jumlah
DE Plotter Plotter - Default
nasabah yang selesai
dilayani
Hasil perancangan model simulasi dapat dilihat pada gambar dibawah :
Selanjutnya, hubungkan blok – blok tersebut seperti pada contoh model diatas. Sebelumnya,
atur dahulu global time units pada simulation set up menjadi menit selama 60 menit. Kemudian
jalankan model, dan dapat dilihat hasil simulasi berupa plot perbandingan antara panjang antrian
dengan jumlah nasabah yang selesai dilayani.
KASUS 6: KANBAN
Model ini merupakan simulasi dari mekanisme kanban. Kanban merupakan tools pada
Sistem Produksi Toyota yang berbasis pada sistem tarik. Konsep sistem tarik mensyaratkan bahwa
produksi dijalankan berdasarkan permintaan konsumen, sehingga dapat meminimasi waste berupa
inventori. Pada model ini, permintaan konsumen akan dibangkitkan dengan mengikuti distribusi
eksponensial dengan nilai rataan sebesar 3 satuan waktu. Kemudian permintaan akan menunggu
untuk dipenuhi.
Setelah permintaan datang, maka selanjutnya akan dilakukan proses produksi melalui dua
mechine center. Pada tahap pertama, proses permesinan memakan waktu 1 satuan waktu,
sedangkan tahap kedua memakan waktu 1,5 satuan waktu. Tiap machine center memiliki buffer,
dimana kapasitas maksimal tiap buffer adalah 2. Bila kapasitas buffer penuh maka proses produksi
akan berhenti. Blok yang dipergunakan pada model ini antara lain :
Blok Library Tab Isian Interpretasi
Executive DE Simulation End Time Model berjalan menurut aturan
durasi waktu
Blok Library Tab Isian Interpretasi
Distribution : Waktu antar permintaan
DE >
Generator Items Exponential; berdistribusi eksponensial dengan
Generator
Mean : 3 rataan 3
Queue, DE > Antrian permintaan mengikuti
- Default
FIFO Queues aturan FIFO
Mfg > Initial Number of Kapasitas produksi yang dimiliki
Bin Bin
Resource Item : 1000 adalah 1000 item
Machine Center 1 memiliki waktu
Mfg > Processing Time : proses 1 sedangkan MC 2
Machine Machine
Activities 1 dan 1,5 memiliki waktu proses 2 satuan
waktu
Mfg > Maximum Buffer Kapasitas maksimal buffer adalah
Buffer Buffer
Queues Length : 2 2 item
DE > Lihat Gambar Menggabungkan antara produk
Batch Batch
Batching Dibawah dengan permintaan
DE > Mencatat permintaan yang telah
Exit - Default
Routing dipenuhi
Gambar Input Batch
Hasil perancangan model simulasi dapat dilihat pada gambar dibawah :
Selanjutnya, hubungkan blok – blok tersebut seperti pada contoh model diatas. Sebelumnya,
atur dahulu global time units pada simulation set up menjadi generik selama 100 satuan waktu.
Kemudian jalankan model, dan lihat apakah model simulasi ini sudah cukup merepresentasikan
sistem kanban?
KASUS 7 : CAFETARIA
Student cafeteria di Teknik Industri Undip berusaha untuk meningkatkan pelayanannya
pada jam makan siang dari pukul 11:30 sampai dengan 13:00. Pelanggan datang secara
berkelompok dengan jumlah pelanggan 1, 2, 3, dan 4 orang dengan probabilitas kedatangan
Random masing-masing 0,5; 0,3; 0,1; dan 0,1. Waktu antar kedatangan berdistribusi
eksponensial dengan rataan 30 detik. Kondisi awal sistem masih kosong dan menganggur,
kemudian simulasi berjalan selama 90 menit. Setiap kedatangan pelanggan sendirian
maupun bagian darikelompok memilih satu dari tiga rute pemesanan menu. Tiga rute
pemesanan terdiri dari:
1. Pemesanan Nasi Rames, Es Teh, lalu ke kasir, dengan probabilitas kedatangan 0,8
2. Pemesanan Nasi Kucing, Es Teh, lalu ke kasir, dengan probabilitas kedatangan 0,15
3. Pemesanan Es Teh saja, lalu ke kasir, dengan probabilitas kedatangan 0,05
Di counter Nasi Rames dan nasi Kucing, pelanggan dilayani satu per satu oleh satu
pelayan dalam satu waktu. Sedangkan di counter Es Teh pelanggan langsung mengambil
minuman sendiri tanpa pelayan, sehingga diasumsikan tidak terdapat antrian pelanggan di
counter es teh. Jumlah kasir yang tersedia ada 2 kasir dengan antriannya masing-masing.
Pelanggan akan memilih antrian terpendek dari kedua kasir yang ada. Semua antrian dalam
model FIFO.
Dalam setiap counter, terdapat waktu pelayanan, dan prakira waktu pembayaran di
kasir dengan distribusi Uniform sebagai berikut:
Counter Waktu Pelayanan Prakira Waktu Pembayaran
Nasi Rames U(50,120) U(20,40)
Nasi Kucing U(60,180) U(5,15)
Es Teh U(5,20) U(5,10)
Sebagai contoh, audy memesan menu pada rute 1. Audy akan memesan Nasi Rames
dengan waktu pelayanan antara 50 hingga 120 detik, dan prakira waktu pembayatan 20
hingga 40 detik. Kemudian menuju counter es teh dengan waktu pelayanan Uniform antara
5 hingga 20 detik dan prakira waktu pembayaran 5 hingga 10 detik. Sehingga waktu
pelayanan Audy di kasir merupakan penjumlahan prakira waktu pembayaran nasi rames
U(20,40) dan es teh U(5,10).