Professional Documents
Culture Documents
Elemen dasar : 1. distribusi kedatangan customer. 2. distribusi waktu pelayanan. 3. disain fasilitas pelayanan (seri, paralel atau jaringan). 4. disiplin antrian (pertama datang pertama dilayani, terakhir datang pertama dilayani, pelayanan secara acak) dan prioritas pelayanan. 5. ukuran antrian (terbatas atau tidak terbatas). 6. sumber pemanggilan (terbatas atau tidak terbatas). 7. perilaku manusia.
Poisson : pn (t ) =
(t )n e t
n!
, n = 0, 1, 2, dimana E{n t } = t
Karakteristik Poisson: 1. proses acak sempurna 2. rata-rata dan ragam sama. forgetfulness.
Contoh : Mesin pelayanan selalu mempunyai pengganti yang siap setiap saat menggantikan mesin yang sedang beroperasi jika rusak. Selang waktu kerusakan mesin atau pengganti adalah eksponensial dengan rata-rata 10 jam.
Maka distribusi eksponensial waktu kerusakan adalah sebagai berikut ( = 1/10 kerusakan per jam=0.1):
pn
(0.1t )n e 0.1t (t ) =
n!
n = 0, 1, 2,
Misalnya kita ingin mengetahui peluang bahwa satu kerusakan akan terjadi dalam 5 jam, maka probabilitasnya adalah:
Kita juga dapat menghitung satu kerusakan akan terjadi 6 jam mendatang, diberikan kerusakan terakhir 3 jam sebelumnya adalah:
Pure birth
pn
(t )n e t (t ) =
n!
, n = 0, 1, 2,
(pure birth)
= laju kedatangan per satuan waktu Ekspektasi jumlah kedatangan selama periode t = t.
Contoh: Misalkan kelahiran dalam salah satu propinsi didata sepanjang waktu mengikuti distribusi eksponensial dimana rata-rata satu kelahiran setiap 7 menit.
Ekspektasi jumlah kelahiran dalam propinsi tersebut per tahun adalah 205.7 x 365 = 75080.
pn
Pure death
customer yang masuk ke dalam sistem dalam suatu periode waktu tertentu.
( t ) N n e t , pn (t ) = (N n )!
p0 (t ) = 1
Contoh : n =1
n = 1, 2, , N
Pn (t )
Pada awal setiap bulan, 15 unit item distok untuk penggunaan selama minggu itu. Penarikan dari stok terjadi hanya selama 6 hari pertama (karena took tutup pada hari Minggu) dan mengikuti distribusi Poisson dengan rata-rata 3 unit/hari. Ketika level stok mencapai 5, order baru dengan jumlah 15 unit dibuat ke supplier untuk diantarkan pada awal minggu berikutnya. Karena sifat produk yang mudah rusak, semua barang yang sisa pada akhir minggu harus dibuang.
Ada beberapa cara untuk menyelesaikan masalah ini: 1. = 3 unit/hari. Misalkan kita tertarik untuk menghitung peluang ada 5 unit dalam stok pada hari ke-t, maka :
2. jika kita tertarik probabilitas membuat order pada hari ke-t, kita harus menghitung probabilitas kumulatif memiliki 5 atau kurang dari 5 pada hari ke-t, yaitu: pn5(t) = p0(t) + p1(t) + p2(t) + p3(t) + p4(t) + p5(t)
t (hari) t Pn5(t)
1 3 0.0011
2 6 0.0839
3 9 0.4126
4 12 0.7576
5 15 0.9301
Informasi lain yang bisa didapat adalah rata-rata unit yang dibuang pada akhir setiap minggu.
E{n t = 6} =
n 0 1
n =0
2
npn (6) , t = 18
3 4 5 6 7 8 9 10 11
15
pn(6) 0.792 0.0655 0.0509 0.0368 0.0245 0.015 0.0083 0.0042 0.0018 0.0007 0.0002 0.0001
Server tunggal sistem Garis antrian/ menunggu Customer tiba X X X X server keberangkatan
Server seri sistem Garis antrian/ menunggu Customer tiba X X X X 1 server 2 3 keberangkatan
Server jaringan sistem server Garis antrian/ menunggu Customer tiba X X X X c 1 2 2 2 i i i keberangkatan
Antrian Poisson dengan state-dependent arrival and departure rates. n-1 n-1 n n n+1 n n+1
0 pn = n 1 n 2 p n n 1 1 0
, n= 1, 2, ... dan
n =0
Contoh :
pn = 1
Perhatikan situasi antrian server tunggal dimana laju kedatangan konstan 3 per jam dan keberangkatan konstan 8 perjam, untuk semua n 0.
3 pn = p0 = p0 = (0.375 )n p0 , n = 0, 1, 2, ... 8
1 p0 =1 1 0.375
1 0.234 2 0.088 3 0.033 4 0.012
p0 = 0.625
n pn
0 0.625
5 0.005
6 0.002
7 0.001
8 0.000
Pn
Ls =
n =0
npn
Ws =
eff
Ls
Wq = W s
Lq = eff Wq c = Ls Lq
eff =
n=0
n pn
eff =
Ls =
n=0
n=0
Ws =
eff
Ls