catatan kuliah sistem manufaktur
TRANSCRIPT
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
1/18
CATATAN KULIAH
SISTEM PERENCANAAN & PENGENDALIAN MANUFAKTUR
Dosen : Ir. Witantyo, M.Sc.Eng
16 Feb 2010
Operation Management
Manager marketingmenangani masalah pemasaran saja
Manager operation bertanggung jawab terhadap semua proses added value (PPC, material,
proses, distribusi dll) .... sehingga tanggung jawabnya lebih luas.
Melakukan improvement .... why? karena tuntutan pasar
First step 1. Merancang (customer driven)..... design + prosesnya
2. Material kesalahan suplier berpengaruh pada penentuan harga jual shg
diperlukan material yang memiliki mutu yang baik namun harga yang murah. Untuk itu pola
penentuan pemesanan material harus dilakukan material yang berada di daerah/lokal terlebih
dahulu shg mempunyai harga yg murah... kalau terpaksa baru lakukan/cari yang jauh.
3. Supplier harus disertakan dalam perancangan produk sehingga mereka dapat
memberikan masukan dan bila terjadi masalah, supplier segera diinformasikan & ditunjukkan
kesalahan desain atau yang lainnya agar mereka dapat segera mengambil langkah untuk
memperbaiki apa yang kurang pada material mereka (bila memang material mempengaruhi atas
terjadinya kesalahan). Hal ini menunjukkan hubungan yang baik antara supplier dan industri.
Agar harga murah namun kualitas tetap baik harus dilakukan improvement seperti melakukan
introduction to new technology.
Bagaimana dikatakan bahwa kualitas kita baik? Harus sesuai keinginan konsumen dan dapat
terukur (kongkritnya dengan melakukan QC... atau melakukan pengukuran terhadap produk kita)
1. Production Planning Control- Untuk memenuhi market yang fluktuatif, dibutuhkan inventory sebagai suspensinya.
Untuk mengatasi fluktuasi harga supply raw material, dibutuhkan inventory sbg tempat
penyimpanan stock/cadangan material.
Sistem ProduksiRaw Material Produk Market
Inventory Control Inventory Forcast
FluktuatifAdded Value Process
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
2/18
2. Quality Improvement3. Perancangan Pabrik
Forcasting berdasarkan :
1. Average (permintaan yang lalu)2. Trend (kecenderungan naik atau turun)3. Seasonal (kecenderungan tinggi/rendah berdasarkan siklus ttt)4. Random tidak bisa diramal
Forcast berdasar average ramalan ini sangat tertinggal karena tidak ada faktor trend dan seasonal
Seasonalmisalnya musim hujan... penjualan es menurun... payung & jas hujan naik dll sifatnya
musim/siklus tertentu
Metode forecast :
1. Permintaan yang akan datang tidak akan berbeda terlalu signifikan terhadap saat ini timeseries / extrapolasi
2. Berdasarkan causal (sebab-akibat) pembangunan perumahan tergantung perekonomian(semakin baik perekonomian suatu daerah, maka kecenderungan untuk membeli rumah
semakin tinggi karena rumah digunakan sebagai asset/investasi)
3. Subjektif berdasarkan pendapat orang lain (ahli, konsultan, pengamat, sales lapangan,panel konsensus dll)
Time Series Analysis :
- Moving average (MA) demand yang diramalkan tertinggal terhadap demand aktual- Weighted MA untuk antisipasi tertinggalnya ramalan maka diberikan bobot tertentu- Exponential Smoothingmemanfaatkan error (selisih peramalan dg data aktual) untuk
mengkoreksi peramalan berikutnya
- Exponential smoothing with trend untuk menghindari ketertinggalan dimasukkankomponen trend
PPC
Konvensional
Forcast
AggregatePlanning
InventoryControl
Modern
ManagementProject
MRP
MRP II
ERP
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
3/18
1. Moving Average
Ft =
= 1067 3 week
Ft =
= 1367 9 week
2. Weighted MA
3. Exponential Smoothing
Ft = Forcast periode tertentuFt-1 = Forcast periode tertentu dikurang 1 periode
Ft =1 3
Ft = Ft-1+ (At-1 Ft-1)
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
4/18
At-1 = Actual periode tertentu dikurang 1 periode
= smoothing constant
4. Exponential Smootihing with trend
Ft = The exponentially smoothed forecast for period t
Tt = The exponentially smoothed trend for period t
FITt = The forecast including trend for period t
FITt-1 = The forcast including trend made for the prior period
At-1 = The actual demand for the prior period
, = Smoothing constant
Example:
Assume an initial starting Ft of 100 unit, a trend of 10 units, an alpha of 0.20, an a delta of
0.30. If Actual demand turned out to be 115 rather than the forecast 100, calculate the
forecast for the next period.
Solution:
Ft = 100; Tt = 10; = 0.2
= 0.3; At-1 = 115; Ft-1 = 100
Menjumlahkan starting forcast dengan trend:
FITt-1 = Starting Forcast + Trend
= 100 + 10
= 110
Ft = FITt-1 + (At-1 FITt-1)
= 110 + 0.2 (115 110 )
= 111
Tt = Tt-1+ (Ft FITt-1)
= 10 + 0.3 (111 110)
= 10.3
FITt = Ft + Tt
Ft = FITt-1 + (At-1 FITt-1)
Tt = Tt-1+ (Ft FITt-1)
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
5/18
FITt = Ft + Tt
= 111 + 10.3
= 121.3
MEASUREMENT OF ERROR
Beberapa istilah umum yang digunakan untuk menjelaskan tentang derajat error adalah :
- standard error- mean squared error (or variance)- Mean absolute deviation (MAD)
Mean Absolute Deviation (MAD) adalah rata-rata error dalam forecast yang menggunakan nilai
absolute.
1 MAD 0,8 standard deviasi
1 standard deviasi 1,25 MAD
Semakin besar nilai MAD, semakin tidak akurat model yang dibuat.
MAD = =0
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
6/18
5. Linier Regression Analysis (LRA)Didefinisikan sebagai suatu hubungan fungsional antara dua atau lebih variabel yang saling
berhubungan. LRA ini digunakan untuk memperkirakan satu variabel yang diberikan oleh
variabel lainnya. Hubungan variabel ini dikembangkan dari data hasil observasi.
Bentuk umum LRAY = a + bx
Y = dependent variable computed by the equation
y = the actual dependent variable data point (used below)
a = y intercept
b = slope
x = independent variable (in time series analysis, x is units of time)
Sxy = The standard error of estimate
a = - b b = . Sxy = ()=1
2
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
7/18
b = . b =
2.22 22
b = 359,62
a = - b = .2 2779,17
= 2 6,50a = 2779,17 - (359,62 x 6,50)
a = 441,67
Maka untuk tahun ke-13 dst menggunakan rumus
Y = 441,67 + 359,6 x
Y13 = 441,67 + 359,6 (13) 5.116,4
Y14 = 441,67 + 359,6 (14) 5.476,0
Y15 = 441,67 + 359,6 (15) 5.835,6
6. Decomposition of a time seriesDekomposisi untuk meramalkan masing-masing komponen ......... (AV, trend,seasonal) dan
kemudian digabungkan lagi....
Additive seasonal variationmengasumsikan bahwa jumlah musiman konstant.
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
8/18
Forecast include trend and seasonal = Trend + Seasonal
Multiplicative seasonal variation
Forecast include trend and seasonal = Trend x Seasonal factor
Forecast Including Trend and Seasonal factors (FITS)
FITSt = Trend x Seasonal Factor
I 2008 FITS9 = [170 + 55(9)] x 1,25 = 832
II - 2008 FITS10 = [170 + 55(10)] x 0,78 = 560
III - 2008 FITS11 = [170 + 55(11)] x 0,69 = 534
IV - 2008 FITS12 = [170 + 55(12)] x 1,25 = 1040
DECOMPOSITION USING LEAST SQUARES REGRESSION
More formally, the process is:1. Decompose the time series into its components.
a. Find Seasonal componentb. Deseasonalize the demandc. Find trend component
2. Forecast future values of each component.a. Project trend component into the futureb. Multiply trend component by seasonal component
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
9/18
Regresi menggunakan data deseasonalize:
b =(2)()()()
(2)()() = 39,64
a = - ba = 679 39,64(4,5) = 500,6
sehingga deseasonalized regression-nya adalah :
CONTOH:
Symple Decomposition
Hal. 489 (Operation & Supply Management)
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
10/18
300 200 220 530 520 420 400 700
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10
Average th I :222
= 312,5
Average th II :22
= 510
Forecast untuk average tahun III adalah : Mean th II + Selisih tahun II dg tahun I
Maka 510 + ( 510 312,5 ) = 707,5
2(510) 312,5 = 707,5Jadi Forecast average th II : 797,5
Index Q1 & Q5 =300315 505102 = 0,99
Index Q2 & Q6 =
00315 40510
2 = 0,73
Index Q3 & Q7 =
0315 400510
2 = 0,74
Index Q4 & Q8 =
50315 00510
2 = 1,53
Sehingga untuk forcast Q9 , Q10 , Q11 , Q12 adalah sbb:
Q9 = 707,5 x 0,99 = 700,425 700
Q10 = 707,5 x 0,73 = 517,72 518
Q11 = 707,5 x 0,74 = 526,49 526
Q12 = 707,5 x 1,53 = 1085,49 1085
7. FOCUS FORCASTINGData diplot (Scatter Diagram) untuk memperkirakan bentuk termasuk siklus/periode
pengulangan kemudian meramalkan dengan membangun rumusan sederhana.
CONTOH:
Langkah : Data diplot dg scatter diagram. Lihat siklusnya!
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
11/18
Diperkirakan data berulang setiap 12 bulan sehingga data 6 bulan pertama tahun I data 6 bulan
pertama tahun 2.
Forcast untuk 6 bulan kedua dapat dilakukan dengan menggunakan data 6 bulan tahun I dan II.
Maka :
Mean data 6 bulan pertama tahun I = 153
Mean data 6 bulan pertama tahun II = 163
Besar kenaikannya adalah:
= 0,05978 5,9%
Kenaikan < 10% tidak signifikan
Untuk bulan ke 19 adalah : (Actual bulan ke-7 tahun I x kenaikan) + Actual bulan ke-7 tahun I
Bulan 19 150 x 5,9% + 150 = 158,85
Atau
Bulan 19 150 x 105,9% = 158,85
Bulan 20 140 x 105,9% = 148,26
Dst.......
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
12/18
Contoh Soal No. 26 (Hal.511)
Cara Penyelesaian:
- Data berulang dari puncak ke puncak. (Data berulang setiap 7 periode data ke-8 akansetara dengan data ke-1; data ke-9 setara dengan data ke-2, dst....)
- Mean data 4 tahun pertama periode I (1997-2000) = 5294,425- Mean data 4 tahun pertama periode II (2004-2007) = 5564,575- Besar kenaikannya adalah: 2222 = 0,051 5,1%- Sehingga Forcast untuk :
o Tahun 2008 = 5497,7 x 105,1% 5778,1o Tahun 2009 =
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
13/18
Menurut Methodology of Focus Forecasting hal.496, the simple forecasting rules could include:
1. Berapapun yang dijual pada 3 bulan yang lalu, mungkin akan kita jual pada 3 bulan yangakan datang
2. Apapun yang dijual pada periode 3 bulanan yang sama pada tahun lalu, mungkin akan kitajual pada periode 3 bulanan tahun ini.
3. Kita mungkin menjual 10% lebih tinggi pada 3 bulan yang akan datang dibandingkan dengan3 bulan yang lalu
4. Kita mungkin menjual 50% lebih tinggi pada 3 bulan yang akan datang dibanding 3 bulanyang sama pada tahun lalu
5. Berapapun perubahan prosentase pada 3 bulan yang lalu tahun ini dibandingkan dengan 3bulan yang sama pada tahun lalu kemungkinan sama perubahan prosentasenya dengan 3
bulan yang akan datang tahun ini.
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
14/18
Soal Quiz I Tgl. 3 Maret 2010
No. 5 - Hal. 509
- Data berulang dari puncak ke puncak. (Data berulang setiap 6 periode data ke-7 akansetara dengan data ke-1; data ke-8 setara dengan data ke-2, dst....)
- Mean data 3 periode pertama periode I (Jan-Jun) = 121- Mean data 3 periode pertama periode II (Jan-Jun) = 129- Besar kenaikannya adalah: 222 = 0,062 6,2%- Sehingga Forecast next year untuk :
o Jan-Feb = 115 x 106,2% 122,13o Mar-Apr = 112 x 106,2% 118,94o Mei-Jun = 159 x 106,2% 168,86
- Mean data 3 periode kedua periode I (Jul-Des) = 130- Mean data 3 periode kedua periode II (Jul-Des) = 138- Besar kenaikannya adalah: = 0,058 5,8%- Sehingga Forecast next year untuk :
o Jul-Ags = 182 x 105,8% 192,56o Sep-Okt = 126 x 105,8% 133,31o Nov-Des = 106 x 105,8% 112,15
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
15/18
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
16/18
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
17/18
-
8/14/2019 Catatan Kuliah Sistem Manufaktur
18/18
Example 15.6 ???????
CHAPTER 16
AGGREGATE SALES AND OPERATIONS PLANNING