(11) analisis data input

ANALISIS DATA INPUT

IE 3353 – Pemodelan dan Simulasi

Outline

• Data Collection – Guideline• Langkah-langkah pengumpulan data

Introduction

Dalam simulasi, pengumpulan data merupakan pekerjaan yang paling menantang dan menghabiskan waktu

• Sistem baru: hanya tersedia estimasi dalam garis besar• Sistem existing: data yang ada mentah dan tak

terorganisir

Hasil dari pengumpulan data adalah berupa konseptual model tentang bagaimana suatu sistem di-configure dan beroperasi.

Data Collection - Guideline

1. Identifikasikan kejadian yang memicu (trigerring events)

2. Fokus hanya pada faktor kunci yang berpengaruh3. Isolasikan waktu aktivitas aktual4. Carilah pengelompokan yang biasa (common

grouping) digunakan5. Fokus pada esensi, bukan pada substansi6. Pisahkan variabel input dari variabel respon.

1. Identifikasi kejadian yang memicu

• Apakah yang memicu pergerakan entitas?• Apakah yang memicu sumber-sumber tertentu?• Contoh:

Pada suatu kejadian downtime suatu mesin, harus diketahui penyebab downtime tersebut, apakah dari failure, scheduled downtimes atau idle period karena ketiadaan stock.

2. Fokus hanya pada faktor kunci yang berpengaruh

• Jangan menghabiskan waktu dengan meneliti informasi yang memiliki pengaruh kecil atau tidak berpengaruh terhadap kinerja sistem

• Contoh: off-shift activities, extremely rare downtimes, negligible move times, external setups.

3. Isolasikan waktu aktivitas aktual

• Hilangkan waktu tunggu material dan resources yang tak ada hubungannya dengan aktivitas

• Contoh: melakukan operasi perakitan seharusnya tidak memasukkan waktu tunggu untuk item atau parts.

4. Cari common groupings

• Carilah pengelompokan yang “biasa” digunakan saat menghadapi banyaknya variasi dalam simulasi (contoh: ratusan tipe parts, profil pelanggan, dsb)

• Identifikasi kategori umum untuk menempatkan data• Persentase kasus yang ada dalam setiap kategori

dihitung atau diperkirakan.

5. Fokus pada esensi, bukan substansi

• Abstraksi sistem: sebuah definisi sistem yang digunakan untuk pemodelan sebaiknya mencakup relasi sebab-akibat mendapatkan esensi dari perilaku sistem dan menghindari rincian yang tak berarti (meaningless)

• Menggunakan pendekatan “blackbox” untuk definisi sistem

• Fokus pada pengaruh yang ditimbulkan.

6. Pisahkan variabel input dari variabel respon

• Variabel input menentukan bagaimana sistem bekerja fokus pada pengumpulan data

• Variabel respon menggambarkan bagaimana sistem bereaksi bila diberikan sekumpulan variabel input

• Variabel respon tidak “mengatur” perilaku model.

Langkah-langkah pengumpulan data

1. Tentukan kebutuhan data:a) Data strukturalb) Data operasionalc) Data numerik

2. Identifikasi sumber data3. Kumpulkan data4. Buat asumsi bila perlu5. Analisa data6. Dokumentasikan dan approve data,

Menentukan kebutuhan data – Data Struktural

• Menyangkut semua obyek dalam sistem• Semua komponen relevan yang mempengaruhi

perilaku sistem• Termasuk elemen seperti:– Entitas (produk, pelanggan)– Sumber/resources (operator, mesin)– Lokasi (waiting areas, workstations)

Menentukan kebutuhan data – Data Operasional

• Menjelaskan bagaimana sistem beroperasi (kapan, dimana, bagaimana kejadian dan aktivitas terjadi)

• Terdiri dari informasi logis atau perilaku tentang sistem (routings, schedules, downtime behavior, resource allocation).

Menentukan kebutuhan data – Data Numerik

• Menyediakan informasi kuantitatif tentang sistem (kapasitas, rata-rata kedatangan, waktu aktivitas, waktu antar kegagalan)

• Untuk sistem baru dimana data tidak tersedia sulit ditentukan

• Contoh: kapasitas, waktu kedatangan, waktu aktivitas, waktu antar kegagalan.

2. Identifikasi Sumber Data

• Sistem saat ini (existing system): catatan dan orang-orang dengan pengetahuan dari tangan pertama (firsthand knowledge) mengenai sistem sumber yang luas

• Sistem baru: terbatas pada orang yang langsung terlibat dalam perancangan sistem

• Pertimbangkan reliabilitas dan aksesibilitas.

Identifikasi Sumber Data (2)

Sumber data yang baik:Catatan historis: Production, sales, scrap rates, equipment reliability

Dokumentasi sistem: Process plans, facility layouts, work procedures

Observasi pribadi: Facility walk-through, time studies, work sampling

Wawancara pribadi: Operators (work methods), maintenace personnel (repair procedures), engineers (routings), managers (schedules and forecasts)

Perbandingan dengan sistem serupa:

Dalam perusahaan, dalam industri, dengan industri yang lain

Klaim dari Penjual (vendor claims):

Waktu proses, reliabilitas mesin baru

Estimasi rancangan: Process times, move times (untuk sistem baru)

Literatur penelitian: Penelitian tentang learning curves, predetermined time studies.

3. Pengumpulan Data

1. Tentukan aliran entitas (entity flow) keseluruhan2. Kembangkan deskripsi operasi3. Tentukan rincian insidental dan nilai data.

Pengumpulan Data – Tentukan Entity Flow (1)

Tujuan:1. Mendokumentasikan keselutuhan aliran entitas

dalam sistem2. Menyediakan bantuan visual untuk

mengkomunikasikan aliran entitas pada pihak lain.


Entity Flow vs. Process Flowchart:• Process flowchart: memperlihatkan urutan logis

aktivitas dimana entitas berjalan dan mendefinisikan apa yang terjadi pada entitas, bukan dimana terjadinya.

• Entity flow diagram: lebih berupa peta urutan (routing chart) yang memperlihatkan gerakan fisik entitas melalui sistem dari satu lokasi ke lokasi yang lain.


Produk A

Station 1 Station 2 Station 3A

Station 3B

Entity flow diagram

Pengumpulan Data – Deskripsi Operasi (1)

• Menjelaskan bagaimana entitas diproses melalui sistem• Dapat ditulis langkah demi langkah (step-by-step), naratif

singkat, atau dalam bentuk tabel• Seharusnya mengidentifikasi masing-masing tipe entitas pada

tiap lokasi dalam sistem– Kebutuhan waktu dan resource aktivitas operasi– Dimana, kapan dan dalam jumah berapa entitas diproses

selanjutnya– Kebutuhan waktu dan resource untuk memindahkan ke

lokasi berikutnya.


Contoh:Pasien memasuki kantor Dr. Brown dan memberikan tanda

tangan di bagian penerimaan (check-in counter) sebelum duduk menunggu panggilan suster.

Pasien diantar menuju salah satu dari tiga ruang pemeriksaan saat salah satu ruangan tersedia. Seorang perawat menemani pasien menuju ruang pemeriksaan, tempat dimana mereka menunggu untuk diperiksa Dr. Brown.

Setelah pemeriksaan, pasien kembali sendiri ke checkout counter, dimana mereka membayar dan menjadwalkan kemungkinan kedatangan berikutnya.


Pasien

Check-in counter

Waiting Room

Exam Room (3)

Check-out counter

Contoh: Entity flow diagram bagi pasien yang diproses di kantor Dr. Brown


Process Description for Dr. Brown’s Office

Location Activity Time

Activity Resource

Next Location

Move Trigger

Move Time

Move Resource

Check-in counter

N(1,2)min Secretary Waiting room

None 0.2 min None

Waiting Room

None None Exam room

When room is available

0.8 min* None

Exam Room

N(15,4)min Doctor Check-out counter

None 0.2 min None

Check-out counter

N(3,5)min Secretary Exit None None None

*Stops to get weighed on the way

Contoh: Deskripsi Operasi untuk Kantor Dr. Brown

Pengumpulan Data – Rincian Insidental dan Nilai Data

• Untuk mendapatkan model yang lengkap dan akurat• Untuk sistem saat ini (existing system) mengamati

data lebih akurat dengan cara mengadakan studi waktu (time study) menggunakan sampel.

4. Membuat Asumsi (1)

Sebuah model simulasi dapat dijalankan dengan data yang tidak tepat (incorrect), tapi tidak dapat dijalankan dengan data yang tidak lengkap (incomplete).

• Manfaat simulasi adalah memperkirakan kinerja sistem berdasarkan asumsi yang diberikan

• Kita mungkin menghadapi keadaan dimana tidak ada informasi atau informasi yang ada tidak dapat dipercaya

• Kita harus membuat asumsi untuk kondisi masa depan yang tidak diketahui (unknown future conditions)

• Tidak ada salahnya membuat asumsi, sepanjang kepercayaan yang mendasari hasil simulasi tidak melebihi kepercayaan yang mendasari asumsi.

Membuat Asumsi (2)

• Analisis sensitivitas (Sensitivity Analysis): sejumlah nilai yang diuji pengaruh potensialnya pada kinerja model untuk mengetahui seakurat apa seharusnya sebuah asumsi

• Jika derajat variasi dalam waktu aktivitas khusus memiliki sedikit pengaruh atau tidak memiliki pengaruh sama sekali terhadap kinerja sistem, maka waktu aktivitas konstan bisa digunakan.

Membuat Asumsi (3)• Jika tipe distribusi memiliki pengaruh yang dapat

diamati pada perilaku model, maka perlu untuk memilih tipe distribusi secara selektif

• Cara mudah melakukan analisis sensitivitas untuk asumsi tertentu adalah menjalankan 3 skenarion yang berbeda:– Kasus terbaik atau yang paling optimis (A “best” or most

optimistic case)– Kasus terburuk atau yang paling pesimis (A “worst” or

most pessimistic case)– Kasus yang paling mungkin atau tebakan terbaik (A “most

likely” or best-guess case).

5. Analisis Data Statistik (1)

• Karakteristik data seharusnya dianalisis untuk memastikan kecocokannya untuk digunakan dalam model simulasi:– Independensi (keacakan)– Homogenitas (data berasal dari distribusi yang sama)– Stasionaritas (stationarity): distribusi data tidak berubah

sejalan dengan berubahnya waktu

• Dapat menggunakan program Stat:Fit (terdapat dalam ProModel)

Analisis Data Statistik (2)


Descriptive statistics for a sample data set of 100 observations


Mean The average value of the data

Median The value of the middle observation when data are sorted in ascending order

Mode The value that occurs with the greatest frequency

Standard deviation

A measure of the average deviation from the mean

Variance The square of the standard deviation

Coefficient of variation

The standard deviation divided by the mean. This value provides relative measure of the standard deviation to the mean

Skewness A measure of symmetry: skewes to the left (negatively skewed) or skewed to the right (positively skewed)

Kurtosis A measure of the flatness or peakedness of the distribution

Range The difference between the maximum and minimum values.


1. Test for Independence• Data disebut independent apabila nilai dari suatu

observasi tidak dipengaruhi oleh nilai observasi lainnya.

• Data dependencyDalam populasi yang tidak terbatas, ketika nilai satu observasi dipengaruhi oleh nilai observasi sebelumnya correlated.


Teknik untuk menentukan Data Dependence dan Correlation:

1. Scatter Plot2. Autocorrelation Plot3. Runs Tests:– Median test– Turning point test


Test for Independence - example


Test for Independence – ExampleScatter Plot

Scatter Plot menunjukkan Independency:

• Uncorelated • tersebar secara random

Plotted point represents a pair of consecutive observations (Xi,Xi+1) for i=1,2,…,n-1


Test for Independence - Example

Scatter Plot menunjukkan:• corelated temperatur

data

6. Distribution Fitting

Data sampel numerik yang telah dikumpulkan dapat digambarkan dalam model simulasi dengan 3 cara:

1. Data dapat digunakan dengan cara yang sama dengan cara saat mereka dicatat

2. Distribusi empiris dapat digunakan3. Pilih distribusi teoritis yang paling sesuai dengan

data.

Distribusi Frekuensi

• Distribusi Frekuensi Diskrit• Distribusi Frekuensi Kontinu

Distribusi Teoritis• Distribution fitting adalah penentuan distribusi teoritis yang

paling sesuai dengan data sampel• Ada sekitar 12 distribusi statistik yang biasa digunakan dalam

simulasi• Distribusi teoritis dapat didefinisikan sebagai himpunan

sederhana dari parameter yang biasanya menentukan dispersi dan densitas

• Contoh:– Binomial– Uniform– Triangular– Normal– Exponential

Fitting Distribusi Teoritis terhadap Data

• Usaha mengidentifikasikan distribusi yang mendasari data yang dibangkitkan

• Prosedur dasar (3 langkah):1. Satu atau lebih distribusi dipilih sebagai kandidat untuk

menjadi good fits bagi data sampel2. Estimasikan parameter tiap distribusi yang harus

dihitung3. Uji Goodness-of-fit dapat dilakukan untuk memastikan

sebagus apa distribusi sesuai dengan data.

Fitting Distribusi Teoritis terhadap Data – Goodness of Fit

• Setelah suatu distribusi bersama parameternya telah ditentukan, pengujian Goodness-of-Fit dilakukan untuk mengevaluasi seberapa akurat distribusi ‘fit’ dengan data.

• Ho Distribusinya Good FitH1 Distribusinya tidak Good Fit

• Common Goodness-of-Fit test:– Chi-Square– Komolgorov-Smirnov– Anderson-Darling Test

Fitting Distribusi Teoritis terhadap Data

The chi-square, goodness-of-fit test can be broken into 9 steps:• Analyze the data and infer an underlying distribution• Create a frequency distributions of the data with equipropable cells based

on the inferred distribution• Calculate the expected frequency for each cell (ei)• Adjust cells if necessary so that all expected frequencies are at least 5• Calculate the chi-square statistic• Determine the number of degrees of freedom (k-1)• Choose a desired level of significance• Find the critical chi-square value from the chi-square table• Reject the distribution if the chi-square statistic exceeds the critical value.

The Chi-Square Goodness-of-Fit Test


Analyze the data and infer an underlying distribution

Dokumentasi Data dan Approval

• Ketika semua data relevan telah terkumpul dan teranalisa, kita dapat mendokumentasikan data-data tersebut menggunakan tabel, diagram dan daftar asumsi.

• Dokumentasi data penting untuk:– Memudahkan review oleh pihak yang berwenang melakukan approval

dan mengevaluasi validitas.– Memudahkan proses konstruksi modelling.

Contoh – Dokumentasi Data Operasi Perakitan Monitor

Tujuan:Menentukan utilisasi dan throughput sistem.

Entity Flow Diagram:

Station 1 Station 2 Inspection

Station 3

19”, 21”, & 25”monitors

Rejected Monitors

Reworked Monitors

19” & 21” monitor

25” monitor


Entitas:• Monitor 19”• Monitor 21”• Monitor 25”

Informasi Stasiun Kerja:

Stasiun Kerja Kapasitas Buffer Tingkat DefectStasiun 1 5 5%Stasiun 2 8 8%Stasiun 3 5 0%Inspeksi 5 0%


Sekuens Proses:Entitas Stasiun Waktu Operasi dalam Menit

(min, mode, max)Monitor 19” Stasiun 1 0.8,1,1.5

Stasiun 2 0.9,1.2,1.8

Inspeksi 1.8,2.2,3

Monitor 21” Stasiun 1 0.8,1,1.5

Stasiun 2 1.1,1.3,1.9

Inspeksi 1.8,2.2,3

Monittor 25” Stasiun 1 0.9,1.1,1.6

Stasiun 2 1.2,1.4,2

Inspeksi 1.8,2.4,3.2

Stasiun 3 0.5,0.7,1


Penanganan Monitor Defect:• Monitor defect dideteksi pada inspeksi dan dikembalikan ke

stasiun yang menjadi sumber defect.• Monitor rework yang menunggu memiliki prioritas lebih tinggi

daripada monitor bukan rework.• Monitor yang sudah diperbaiki dirutekan kembali ke inspeksi.• Monitor yang sudah diperbaiki hanya memiliki persen defect

2%, dan jika defect kembali terjadi, monitor akan dikeluarkan dari sistem.


Kedatangan (Arrival):Setiap 4 jam akan datang 4 monitor assembly dengan aturan

kedatangan distribusi normal, standar deviasi 0.2 jam.Probabilitas tipe monitor yang datang adalah:

Tipe monitor Probabilitas

19” 0.6

21” 0.3

25” 0.1


Waktu pergerakan:Asal Tujuan Waktu (detik)

Stasiun 1 Stasiun 2 12

Stasiun 2 Inspeksi 15

Inspeksi Stasiun 3 12



Stasiun 1 Inspeksi 18

Pemicu pergerakan (move triggers):Entitas bergerak dari satu lokasi ke lokasi berikutnya berdasarkan

ketersediaan kapasitas buffer di lokasi berikutnya.


Jadwal kerja:Stasiun dijadwalkan untuk beroperasi 8 jam perhari.

Daftar asumsi:• Tidak ada downtime.• Operator di setiap stasiun kerja selalu ada.• Waktu rework adalah setengah dari waktu operasi normal.

Waktu simulasi dan replikasi:• Simulasi dijalankan selama 40 jam (10 jam warm-up). • Dengan 5 replikasi.

Terima kasih

(11) analisis data input

Documents