Modeling and Analysis


Dupont Simulates Rail Transportation System and Avoids Costly Capital Expense Vignette
       Simulasi Promodel dibuat untuk memberikan gambaran mengenai sistem transportasi.
       Menerapkan what-if analyses
       Visual simulation
       Mengidentifikasi beragam kondisi
       Mengidentifikasi kemacetan
       Memungkinkan untuk menurunkan jumlah armada tanpa mengurangi jumlah yang diantarkan

MSS Modeling
       Elemen utama dalam DSS
       Berbagai jenis model
       Setiap model memiliki teknik yang berbeda
       Memungkinkan adanya pengkajian ulang untuk alternatif solusi
       Seringkali sebuah DSS melibatkan Multiple models
       Trend menuju transparansi
      Multidimensional modeling ditunjukkan seperti halnya  spreadsheet
Simulasi
       Menelusuri masalah
       Mengidentifikasi alternatif solusi
       Dapat berorientasi obyek
       Meningkatkan proses pengambilan keputusan
       Memberikan gambaran dampak dari alternatif keputusan
DSS Models
       Algorithm-based models
       Statistic-based models
       Linear programming models
       Graphical models
       Quantitative models
       Qualitative models
       Simulation models
Identifikasi Masalah
       Memahami dan menganalisa lingkungan luar
       Business intelligence
       Mengidentifikasi variable dan hubungan
      Influence diagrams
      Cognitive maps
       Forecasting
      Ditingkatkan dengan e-commerce
      Meningkatkan jumlah informasi yang tersedia melalui teknologi
Kategori Model
Static Models
       Gambaran sederhana dari situasi
       Single interval
       Time can be rolled forward, a photo at a time
       Biasanya berulang
       Steady state
      Optimal operating parameters
      Continuous
      Unvarying
      Primary tool for process design
Dynamic Model
       Merepresentasikan situasi yang kerap berubah
       Time dependent
       Kondisi yang beragam
       Generate dan menggunakan trends
       Suatu kejadian mungkin saja tak berulang
Decision-Making
       Certainty (Kepastian)
      Diasumsikan sebagai knowledge utuh
      Dapat mengetahui semua hasil yang potensial
      Mudah digunakan
      Dapat menentukan solusi ulang dengan mudah
      Sangat kompleks
       Uncertainty (Ketidak pastian)
      Beberapa hasil untuk setiap keputusan
      Kemungkinan yang terjadi untuk setiap hasil tidak dapat diketahui
      Informasi yang tidak mencukupi
      Membutuhkan resiko dan keinginan untuk mengambil resiko
      Pendekatan Pessimistic/optimistic
       Probabilistic Decision-Making
      Keputusan yang beresiko
      Probabilitas dari beberapa hasil yang memungkinkan bisa saja terjadi
      Analisa Resiko
       Menghitung nilai untuk setiap alternatif
       Memilih nilai terbaik
Influence Diagrams
       Model disajikan dengan grafis
       Menyediakan relationship framework
       Menguji ketergantungan antar variabel
       Semua level disajikan detail
       Menunjukkan dampak perubahan
       Menunjukkan what-if analysis
Influence Diagrams
An Influence Diagram For Profit Model
Modeling dengan Spreadsheets
       Fleksibel dan mudah
       End-user modeling tool
       Memungkinkan penggunaan linear programming dan analisa regresi
       Meliputi what-if analysis, data management, macros
       Sempurna  dan transparan
       Memasukkan Model Statis dan Dinamis
Decision Tables
       Analisa keputusan untuk multi kriteria
       Meliputi:
      Decision variables (alternatif)
      Uncontrollable variables (Variabel tak terkontrol)
      Result variables (Variabel Hasil)
       Menerapkan prinsip-prinsip certainty, uncertainty, and risk
Decision Tree
       Penggambaran dari beberapa hubungan
       Pendekatan multi kriteria
       Menunjukkan hubungan yang kompleks
       Tidak praktis, bila terlalu banyak alternatif
MSS Mathematical Models
       Menyatukan decision variables, uncontrollable variables, parameters, dan result variables
      Decision variables menggambarkan alternatif pilihan.
      Uncontrollable variables adalah sesuatu yang berada diluar kemampuan decision-maker.
      Faktor tetap adalah parameter.
      Intermediate outcomes adalah intermediate result variables.
      Result variables tergantung pada solusi terpilih dan  uncontrollable variables.
       Nonquantitative models
      Hubungan Simbolis
      Hubungan Kualitatif
      Hasil akan tergantung pada
       Keputusan yang dipilih
       Faktor-faktor diluar kemampuan decision maker
       Hubungan antar variabel
Gambaran Umum Quantitative Model
Variabel Hasil (Result Variables)
Variabel ini merefleksikan efektivitas dari sistem. Variabel hasil tergantung pada variabel keputusan dan variabel tak terkontrol.
Variabel Keputusan (Decision Variables)
Menggambarkan alternatif tindakan/aksi. Harga dari variabel ini ditentukan oleh pengambil keputusan.
Variabel tak terkontrol (Uncontrollable Variables or Parameters)
Faktor yang mempengaruhi variabel hasil tapi tidak dalam kendali pengambil keputusan. Faktor ini bisa tetap -> parameter, juga bisa bervariasi -> variabel.
Variabel Antara (Intermediate Variables)
Variabel yang menghubungkan variabel keputusan dengan variabel hasil.
Sebagai contoh:
Gaji atau penghasilan (variabel keputusan), kepuasan karyawan (variabel antara) dan tingkat produktivitas (Variabel hasil)
Mathematical Programming
       Tools untuk menyelesaikan masalah manajerial
       Decision-maker harus mengalokasikan sumber daya
       Optimisasi tujuan tertentu
       Linear programming
      Terdiri dari decision variables, objective function and coefficients, uncontrollable variables (constraints), capacities, input and output coefficients
Multiple Goals
       Seringkali manajemen menginginkan tujuan yang dapat saling menimbulkan konflik
       Sulit menentukan ukuran efektifitas
       Metode Penanganan:
      Utility theory
      Goal programming
      Linear programming with goals as constraints
      Point system
Sensitivity, What-if, and Goal Seeking Analysis
       Sensitivity
      Mengkaji dampak dari perubahan input atau parameter terhadap  solusi
      Dapat disesuaikan dan fleksibel
      Mengurangi variabel
      Otomatis atau  trial and error
       What-if
      Mengkaji solusi berdasarkan pada perubahan variabel atau asumsi
      Struktur : “What will happen to the solution if an input variable, an assumption, or a parameter value is changed?”
       Goal seeking
      Pendekatan mundur (Backwards approach), dimulai dengan tujuan
      Menentukan nilai input yang diperlukan untuk mencapai tujuan
      Contoh: Penentuan break-even point
Search Approaches
       Teknik Analisis (algoritma) untuk masalah terstruktur
      General, step-by-step search
      Mencapai solusi yang optimal
       Blind search
      Complete enumeration 
       Semua alternatif dipertimbangkan dan sehingga solusi optimal dapat ditemukan.
      Incomplete/Partial search
       Dikerjakan sampai menemukan solusi yang “good enough”.
      Mencapai tujuan tertentu
      Mungkin mencapai tujuan yang optimal
       Heurisitic
      Repeated, step-by-step searches
      Rule-based, hanya digunakan untuk situasi tertentu
      Solusi yang “Good enough” , tetapi, akhirnya mencapai tujuan yang optimal
      Contoh heuristics
       Tabu search
       Mengingat dan mengarahkan pada pilihan yang lebih berkualitas
       Genetic algorithms
       Menjalankan solusi dan mutasi secara random
Simulations
       Bentuk imitasi dari kenyataan
       Memungkinkan eksperimentasi dan waktu yang lebih singkat
       Deskriptif, bukan normatif
       Mencakup kompleksitas, tetapi membutuhkan keterampilan khusus
       Menangani masalah tidak terstruktur
       TIdak menjamin tercapainya solusi optimal
       Metodologi
      Mendefinisikan masalah
      Membuat model
      Testing dan validasi
      Merancang eksperimen
      Eksperimentasi
      Evaluasi
      Implementasi
       Probabilistic independent variables
      Discrete or continuous distributions
       Time-dependent atau time-independent
       Visual interactive modeling
      Grafis
      Decision-makers berinteraksi dengan simulated model
      Dapat digunakan dengan artificial intelligence
       Dapat berorientasi obyek
Proses Simulasi
Model-Based Management System
       Software yang memungkinkan pengaturan  model dengan  transparent data processing
       Kemampuan
      DSS user memiliki kontrol
      Fleksibel dalam merancang
      Memberikan feedback
      GUI based
      Pengurangan redundancy
      Meningkatkan konsistensi
      Komunikasi antar model kombinasi
       Relational model base management system
      Virtual file
      Virtual relationship
       Object-oriented model base management system
      Logical independence
       Database and MIS design model systems
      Data diagram, ERD diagrams managed by CASE tools

No comments:

Post a Comment