SIMULASI PERMODELAN

( I G Bagus Verdhi V - 201731215)

I. Pengertian Simulasi dan Permodelan

Pemodelan adalah proses untuk membuat sebuah model. Model adalah representasi dari sebuah bentuk nyata, sedangkan system adalah saling keterhubungan dan ketergantungan antar elemen yang membangun sebuah kesatuan, biasanya dibangun untuk mencapai tujuan tertentu. Sebuah pemodelan sistem, dengan demikian, merupakan gambaran bentuk nyata yang dimodelkan secara sederhana, menggambarkan konstruksi integrasi hubungan dan ketergantungan elemen, fitur-fitur dan bagaimana sistem tersebut bekerja.

Dilakukannya sebuah modelling system bertujuan untuk menganalisa dan memberi prediksi yang sangat mendekati kenyataan sebelum sebuah sistem nantinya diimplementasikan. Pemodelan secara umum merupakan pengembangan model matematika dengan bantuan software komputer. Simulasi pemodelan sistem diperlukan sebelum sistem yang ada diubah, bertujuan untuk meminimalkan terjadinya kesalahan atau ketidak sesuaian yang bakal terjadi. Pengembangan simulasi pemodelan system mempertimbangkan komponen-komponen seperti entitas yang terlibat dalam sistem, variable input, pengukuran kinerja dan hubungan fungsional . Validitas merupakan isu utama dari sebuah pemodelan sistem. Tehnik validasi sebuah model dilakukan dengan cara mensimulasikan sebuah model menurut input yang diketahui dan kemudian membandingkan output yang dihasilkan model dengan output sistem sebenarnya.

Kesulitan untuk memprediksi dan mengamati proses tertentu pada real world, persoalan dimana model bisa saja memformulasikan sebuah proses tertentu namun tidak memungkinkan untuk melakukan analisa demi sebuah solusi, kurangnya data yang tidak memunginkan dilakukannya validasi atas model matematik, secara umum merupakan alasan dibutuhkannya modelling system dan simulasi modelling system sebagai tool yang membantu dalam membuat keputusan pilihan. Namun, sebuah formulasi pemodelan sistem dan simulasinya sekaligus juga akan memakan banyak waktu bila berhadapan dengan sejumlah hambatan seperti ketidak jelasan sasaran, model yang diformulasikan dengan tidak tepat (terlalu komplek atau terlalu sederhana), menggunakan ekemen dan pengukuran kinerja yang tidak sesuai.

Penerapan pemodelan sistem dan simulasinya secara meluas dipergunakan pada bidang pemerintahan, pertahanan dan keamanan, sistem komunikasi, manufaktur, transportasi, kesehatan, lingkungan dan analisa bisnis. Kemampuan untuk mempelajari pengaruh informasi tertentu dan pengaruh dinamika lingkungan terhadap sebuah sistem operasi melalui sebuah pemodelan sistem dan simulasi pemodelan sistem tanpa mengganggu atau membebani sistem yang sedang berjalan, merupakan salah satu manfaat dari pemodelan sistem.

II. Contoh Model fleksibel Untuk Menganalisa Sistem Produksi Melalui Simulasi Discrete Event

Dinamika market memberikan bagi manufaktur komplesitas produk dan perubahan permintaan yang hampir tidak dapat diprediksi. Menghadapi situasi yang demikian, perusahaan diminta untuk meningkatkan kinerja logistiknya sekaligus mempertimbangkan trade off antara biaya dan layanan pelanggan. Parameter product planning control (PPC) terpilih dan investasi atas kapasitas harus ditetapkan untuk mempengaruhi keputusan yang menghasilkan kinerja logistik.

Model simulasi discrete even digunakan untuk menganalisa sistem produksi. Dengan basis BOM (Bill Of Material) dan rute informasi sebuah model simulasi dibuat untuk menganalisa struktur shop floor. Ide dasarnya adalah bahwa sejumlah modul tidak terhubung satu sama lain, sehingga aliran material diarahkan menurut BOM dan rute informasi. Pada akhirnya berbagai modul yang berbeda tersebut digunakan untuk menghasilkan apa yang diminta oleh pelanggan dan sekaligus mengendalikan aliran material hingga mencapai apa yang diinginkan pelanggan. Tantangan terbesar dalam membangun simulasi berbasis discrete event adalah pengumpulan data input dan pengembangan model yang menghabiskan waktu. Simulasi discrete event kemudian dikembangkan melalui software Analogyc 6.5, dimana semua data input dikumpulkan menjadi sebuah database.

Untuk memungkinkan terjadinya pengembangan model, maka data-data BOM, rute informasi, kapasitas dan perilaku pelanggan disimpan dalam databese; model simulasi kemudian akan didasari atas data-data ini. BOM dan rute informasi berisi data tentang item-item parent dan child serta di line mana eksekusi proses produksi akan dilakukan dengan mempertimbangkan parameter waktu, waktu set up dan lead time. Kapasitas memberikan informasi jumlah mesin yang menampilkan kapasitas produksi dan data perilaku konsumen memberikan data tentang interval antara ketersediaan barang dengan waktu pemesanan dan jumlah pemesanan pelanggan. Gambar 1 menunjukan model simulasi yang meggambarkan bagaimana material dan aliran informasi. Secara mendasar, model simulasi terdiri dari 6 modul terpisah. Masing-masing modul terdiri dari satuan-satuan kecil proses kerja.

Modul order generation menciptakan permintaan pelanggan yang digunakan bagi kelompok pelanggan untuk menarik produk dari FGI. Permintaan pelanggan ini juga sekaligus merupakan input bagi production planning.  Berdasarkan adanya permintaan pelanggan ini kemudian production planning membuat order produksi (MRP II). Order produksi yang dilakukan oleh modul production planning akan memicu proses pembelian dan penyediaan material pada modul procurement atau dapat juga menggunakan material dalam persediaan (inventory) yang ada di area modul production control. Modul production control juga merepresentasikan persediaan bahan baku , bahan setengah jadi dan produk jadi. Setelah mengeluarkan melalui order pembelian (dari modul procurement) atau mengelarkan persediaan (dari modul production control), selanjutnya material akan dikirim kepada prosesing mesin pada modul kelompok mesin. Barang yang telah jadi (setengah jadi atau produk jadi) yang kel ar dari proses mesin akan dikembalikan lagi untuk disimpan sebagai sediaan pada modul production planning.

Gambar 1. Model Simulasi Berbasis Discrete Event

  

Dikutip dari: Creassey, et.al. 2011.”Flexible Model For Analyzing Production System With Discrete Event Simulation”.

Literature:

Maria, Anu. “Introduction To Modelling System And Simulation”. Winter Simulation Confrence, 1997.

Jain. S, et.al.”Flexible Model For Analyzing Production System With Discrete Event Simulation”.Winter Simulation Confrence, 2011.

Fowler, John. W dan Rose, Oliver. “Grand Challenges In Modelling And Simulation Of Complex Manufacturing System”. Undated.