Catatan Kuliah Sistem Manufaktur

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


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


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)


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)


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


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


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.


8/18

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


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)


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!


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.......


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 =


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.


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


15/18


16/18


17/18


18/18

Example 15.6 ???????

CHAPTER 16

AGGREGATE SALES AND OPERATIONS PLANNING

Catatan Kuliah Sistem Manufaktur

Documents

Transcript of Catatan Kuliah Sistem Manufaktur