Production smoothing Dalam Sistem Manufaktur Just-In-Time:

Tinjauan Terhadap Model Pendekatan dan Solusi

Production smoothing adalah salah satu yang paling penting dalam kegiatan

perencanaan taktis untuk operasi yang efisien dari produk campuran sistem

manufaktur just-in-time (JIT). Sehingga, perhatian penelitiaan difokuskan pada

topik ini. Namun, pemeriksaan lebih dekat dengan analisis literatur

mengungkapkan bahwa mayoritas pekerjaan yang ada disinkronisasi

berkonsentrasi pada sistem perakitan, yang, sebagian, disebabkan oleh kenyataan

bahwa filsafat JIT berasal dari jalur perakitan lingkungan. Hal ini membatasi

penerapan hasil penelitian analisis dalam praktik pengaturan. Makalah ini pertama

membahas pemodelan praktis dan tantangan yang muncul dalam meratakan

produksi dalam konteks manufaktur JIT. Kemudian, sebuah tinjauan luas dari

literatur yang ada memfokuskan pada model analitis dan solusi algoritma yang

dikembangkan di lapangan telah diberikan.

1. Introduksi

Toyota Production System (TPS) adalah satu set alat terpadu dan metode

yang berfokus pada identifikasi dan penghapusan limbah, dan karena itu

meningkatkan produktivitas. Filsafat 'Just-in-time' (JIT), yang diberi nama setelah

sebuah frasa berasal di Toyota Motor Company, merekomendasikan merancang

dan mengendalikan proses manufaktur seperti barang-barang yang dibutuhkan

diproduksi dalam kuantitas yang diperlukan ketika mereka dibutuhkan. Untuk

tujuan ini, TPS menunjukkan bahwa seharusnya produksi dipicu oleh permintaan,

penganjuran penggunaan sistem penarikan untuk kontrol produksi. Secara khusus,

ketika penarikan kontrol produksi berlaku, jadwal produksi untuk tahapan terakhir

dalam operasi manufaktur disebarkan melalui semua tahapan operasi manufaktur.

Tujuan meratakan produksi, yang merupakan keputusan perencanaan tingkat

taktis juga disebut sebagai Heijunka atau tingkat penjadwalan, adalah untuk

mengurangi variabilitas dari tingkat produksi pada tahap akhir operasi manufaktur

sehingga dapat menciptakan permintaan yang stabil untuk operasi manufaktur lain

pada tahap-tahap sebelumnya. Oleh karena itu, production smoothing merupakan

elemen kunci TPS, dan karena itu sebuah komponen kunci dari filosofi JIT

(Walleigh 1986, Coleman dan Vaghefi 1994, Monden 1998).

Karena harapan pelanggan untuk meningkatkan variasi produk, perusahaan

manufaktur telah memperluas campuran produk mereka untuk memasukkan

jumlah yang lebih besar masing-masing produk akhir dengan beberapa varian

yang berbeda. Oleh karena itu, sistem produk campuran, di mana sumber daya

manufaktur dibagi di antara beberapa kelompok dari produk multipel masing-

masing dengan beberapa jenis yang memungkinkan, telah menjadi lebih umum di

industri manufaktur dan telah dipelajari secara luas. Di beberapa industri seperti

industri elektronik, peningkatan dalam berbagai produk mengarah ke varian tinggi

dalam permintaan. Hal ini, pada akhirnya, memerlukan peningkatan kemampuan

sistem manufaktur untuk menanggapi peningkatan variabilitas, mungkin melalui

adopsi dari manufaktur yang fleksibel dan prinsip-prinsip manufaktur yang

tangkas (Yusuf et al. 1999). Namun, di beberapa industri seperti industri peralatan

industri, meskipun berbagai produk tinggi, variabilitas permintaan mungkin masih

relatif rendah karena perusahaan ini berusaha untuk menstabilkan permintaan

terhadap produk akhir menggunakan strategi manajemen pasokan yang efektif.

Dalam industri, penggunaan prinsip-prinsip manufaktur JIT masih merupakan

pilihan. Dengan meningkatnya kompleksitas struktur produk dan tingkat

diversifikasi produk konfigurasi, operasi manufaktur menjadi semakin lebih rumit,

render production smoothing untuk campuran produk sistem JIT masalah yang

cukup menantang.

Semakin banyak perusahaan dari berbagai industri yang tertarik untuk

mengadopsi filsafat JIT untuk meningkatkan produktivitasnya, dan dengan

demikian juga meningkatkan daya saing mereka di pasar. Pada kenyataannya,

sebuah studi baru-baru ini melaporkan bahwa filsafat JIT telah diadopsi oleh

banyak perusahaan manufaktur dari keseluruhan industri, termasuk elektronik,

industri mesin, makanan dan tekstil, dan lain-lain (Fullerton dan McWatters

2001). Adopsi filsafat JIT mengharuskan perusahaan untuk merestrukturisasi

operasi manufaktur mereka. Walleigh (1986) menekankan pentingnya production

smoothing dan menyatakan bahwa kemungkinan untuk menjadi salah satu

langkah pertama dalam transformasi manufaktur JIT. Lummus (1995) melakukan

studi simulasi tiga stasiun perakitan (yang menarik dari sub-majelis tiga sub-baris

dengan satu, dua dan tiga stasiun, masing-masing) di mana produk yang berbeda

memiliki setup yang berbeda dan waktu pemrosesan yang diperlukan, dan

menunjukkan bahwa jadwal produksi yang diperoleh dengan metode production

smoothing terutama dirancang untuk mensinkronkan jalur perakitan. Oleh karena

itu, dalam rangka untuk memfasilitasi adopsi yang lebih luas dalam JIT

manufaktur, ada kebutuhan yang jelas untuk mengembangkan seperangkat solusi

analitis model dan algoritma yang membahas masalah smoothing produksi (PSP)

dalam berbagai lingkungan manufaktur realistis.

Tujuan makalah ini adalah untuk memberikan tinjauan kritis dari analitis

literatur saat ini tentang smoothing production untuk campuran produk sistem

manufaktur JIT. Alat analisis alternatif, seperti simulasi, dikutip sebagai relevan,

namun berada di luar lingkup dari tinjauan ini, karena minat penulis terletak

dalam menempatkan penekanan pada pemodelan analitik dan pembangunan

algoritma untuk mendukung pengambilan keputusan. Setelah menyelidiki sejauh

mana alamat literatur yang ada PSP dalam berbagai lingkungan manufaktur yang

ditemui dalam praktik, penulis akan meninjau pemodelan yang ada dan solusi

pendekatan dan mengidentifikasi jalan-jalan baru dari penelitian.

2. Pembahasan tentang isu-isu praktis dan pemodelan dalam production

smoothing

2.1. Masalah praktis

Kubiak (1993) memberikan tinjauan komprehensif dari literatur analisis ini

sampai 1993. Namun, pemeriksaan lebih dekat tentang lingkungan manufaktur

yang melekat pada industri manufaktur JIT sekarang menjadi semakin lebih luas

mengungkapkan bahwa tahap akhir operasi manufaktur tidak harus terdiri dari

jalur perakitan yang selaras; itu mungkin (i) mesin satu toko, (ii) aliran toko, atau

(iii) pekerjaan toko juga. Masing-masing lingkungan manufaktur model analitis

yang berbeda menimbulkan tantangan untuk PSP, di mana keuntungan yang akan

diperoleh dari production smoothing adalah sama dan sangat penting.

Production smoothing di Toyota berfokus pada pengurangan variabilitas

tingkat konsumsi sub-perakit yang digunakan pada tahap akhir (Monden 1983).

Miltenburg dan Sinnamon (1989) memperluas pendekatan Monden's (1983)

dengan mempertimbangkan smoothing kedua produk akhir tingkat produksi dan

sub-perakitan tingkat konsumsi pada tahap sebelumnya dari sistem manufaktur.

Miltenburg (1989) berkenaan dengan mengurangi variabilitas dari tingkat

produksi untuk produk akhir pada tahap akhir saja. Lebih khusus lagi, pendekatan

Miltenburg dan Sinnamon's (1989) berfokus pada pengendalian seberapa sering

sub-perakit yang diperlukan untuk produk akhir yang menarik serta produk akhir

selesai, sedangkan pendekatan Miltenburg's (1989) adalah pengendalian

berkonsentrasi hanya pada bagaimana sering produk akhir selesai.

2.2. Model masalah

Monden (1983) mengidetifikasi penggunaan dari sub-assembly dan sumber

beban menjadi 2 object penting pada manufaktur JIT. Kesuksesan pengguaan

dititikberatkan pada rata-rata produk akhir, yang sebaik pada rata-rata konsumsi

sub assembly yang akan ke produk jadi. Kesuksesan merupakan sebuah fungsi

deviasi dari produksi actual/konsumsi disbanding produksi ideal/konsumsi.

Kesuksesan beban dititikberatkan pada kebutuhan proses dan bagian deviasi dari

level beban kerja actual pada sumber produksi dari level beban kerja ideal.

Asumsi bahwa kebutuhan rata-rata dari produk akhir adalah konstan dan

berkelanjutan, kuantitas ‘ideal’ kumulatif untuk produk akhir semua waktu biasa

dimodelkan dalam fungsi linier (gambar 1 ). Bagaimanapun, sejak sumber

produksi tidak dapat membuat produk berbeda secara simultan, pencapaian

tingkat produk ideal tidak nyata pada prakteknya. Kuatitas produksi actual

kumulatif untuk produk akhir dalam jadwal dapat dibuat tidak kontinyu sebagai

fungsi linier piecewise, linier bertambah ketika produk akhir sedang diproduksi da

tidak meningkat, dimana tertuang dalam gambar 1. Kemudian, area yang diarsir

antara fungsi linear dan diskontinyu piece-wise fungsi diberikan pada deviasi

kuantitas aktual produksi dari kuantitas ideal. Sesungguhnya, total area yang lebih

kecil diluar horiso perencanaan adalah lebih baik, lebih halus daripada jadwal

aktualnya.

Baik untuk penggunaan dan pembebanan, baik positif dan negative

deviasinya dapat diobservasi. Untuk itu, dalam penformulaan dan fungsi objektif,

kita dapat mengambil baik pangkat atau niali absolute deviasinya, dimana menjadi

nilai pangkat atau nilai absolute fungsi objectif. Akhirnya, problem optimasi dapat

diformulakan untuk baik meminimalisir deviasi total atau deviasi maximum, yang

disebut dengan fungsi minsum dan minmax.

Asumsi permodelan awal yang menentukan karakteristik menyebabkan

kesulitasn dalam pemecahan problem optimasi. Dalam literature terdapat banyak

pekerjaan dimana mengasumsikan waktu setup nol, dan memungkinkan

pergantian. Sama dengan, penggiunaan waktu akan mempegaruhi seberapa rumit

problem optimasi yang akan dipecahkan. Pekerjaan biasanya mengasumsikan

waktu proses unit, dimana kebanyakan pekerjaan berfokus waktu proses.

Dalam review literature, kita dapat memperhatikan empat identifikasi

karakteristik yang berhbugan dengan prektik dan kasus permodelan, dinamakan

(i) karakteristik tingkat final dari operasi menufaktur

(ii) penghalusan aktivitas produksi

(iii) karakteristik dan formulasi dari fungsi objektif

(iv) asumsi yang berhubungan dengan set up dan waktu proses

Setelah didiskusikan, setiap karakteristik tersebut memiliki akibat pada

praktik yang relevan dalam system dan kompleksitas komputasi dari model

optimasinya.

3. PSP dalam garis sistem Assembly

Dalam literature utama PSP, yang didukung oleh buku Monden’s (1983),

terkonsen dengan garis assembly. Waktu proses yang dibutuhkan untuk setiap

produk akhir saat si tiap stasiun harus disinkroka dengan waktu assembly juga.

Untuk itu, berdasarkan durasi waktu yang berputar dan produk akhir

meninggalkan tempat assembly menjadi produk jadi, semua unit line diproses

dalam stasiun itu dan secepatnya diberikan produk jadi lagi. Terlebih lagi, waktu

set-up terpengaruh jika antara produk akhir yang berbeda diasumsikan diabaikan.

3.1 Preliminaries

Produk campuran system JIT disumsikan kosisten dalam level manufaktur

L. dan diindekskan dengan ℓ. Tahap akhir adalah line assembly dan ini

ditunjukkan sebagai level pertama (i.e. ℓ=1). Sama dengan tahap awal proses

manufaktur adalah L level (i.e. ℓ= L). Setiap level ℓ memproses nℓ item yang

berbeda. Misalnya level pertama memproses n1 produk akhir yang berbeda,

dimana tahap selanjutnya memproses nℓ sub assembly yang berbeda untuk ℓ=2,

…, L. kuantitas untuk sebuah sub assembly i pada level ℓ yang dibutuhkan untuk

mengasembly sebuah unit produk akhir h diberika pada bℓih. Permintaan utuk

item i dalam level ℓ dinoktahkan dengan : dℓI untuk ℓ=1,…,L dan i= 1,…, n ℓ.

Akhirnya, Dℓ total level permintaan ℓ,i.e. dan level permitaan

untuk tiap item i dalam tiap item ℓ dinoktahkan dengan

Jadwal produksi untuk level yang pertama dinoktahkan dengan .

mengandung tahap D1 secara total, dan tiap tahap sebuah produk single akhir

dapat diproses i.e. untuk K=1,…, D1. Jika x1,i,k kumulatif

kuatitas dari produk akhir i produksi tahap k pertama dari i=1,…, n1 da k=0,…,

D1. kita memiliki x1,i,0 = 0 dan . Begitu juga dengan

xℓ,i,k sebagai kuatitas kumulatif sub assembly pada konsumsi i untuk ℓ=2,…L.

i=1,…nℓ. dan k=0,…D1. disinio kita medapatkan xℓ,i,0 = 0 dan

Disii, kumulatif asumsi sub assembly adalah old an tiap

tahap meningkat kebutuhan kuantitas dap roses produk akhirnya. Model yang

memungkikan kosumsi kuantitas dari fungsi diskontiyu terdapat pada gambar 2

dimana deviasi berada diantara 2 fungsi tersebut.

Dengan kata lain, jika nilai-nilai permintaan untuk produk akhir yang

berbeda memiliki kesamaan pembagi, maka dapat dibagi menjadi Faktor

persekutuan terbesar dan terkecil sehingga hal ini dapat dipecahkan. Dalam

bagian ini, diasumsikan tidak memiliki pembagi lebih besar dari satu.

Miltenburg (1989) berfokus pada tujuan penggunaan akhir produk di akhir

tahap dari sistem manufaktur dan merumuskan masalah sebagai integer kuadrat

model optimasi dengan fungsi objektif

Aigbedo (2000) mempelajari struktur properti dari formula berikut

Solusi paling efisien dari permasalahan berdasar (Kubiak dan Sethi)

(1991,1994) yang mencatat bahwa , untuk tiap unit dapat dimungkinkan untuk

menentukan posisi yang ideal dari langkah tersebut. Hal ini juga memungkinkan

untuk mendefinisikan sebuah fungsi biaya yang meningkat jika salinan dari suatu

barang menyimpang dari yang posisi yang ideal. Kuniak dan Sethi (1991) definisi

dari biaa mengacu pada reformulasi dari model Miltenburg sebagai problem

penugasan dengan elemen-elemen D dan dapat diselesaikan. Lebih lagi,

reformulasi ini dapat digunakan ketika tujuan dari formula ini dalam bentuk

Dimana Fi(.) adalah fungsi unimodal conveks yang

bernilai minimum = 0.

(Kubiak dan Sethi 1991,1994) mencatat bahwa definisi ini mencakup antara

nilai kuadrat dan nilai absolut pada fungsi objektif, dan dapat digeneralisasi untuk

kasus-kasus dimana berat berhubungan dengan produk akhir.

Menggunakan cara yang sama (Inman dan Bulfin (1991) menentukan posisi

ideal untuk masing-masing salinan dari setiap produk akhir yang dihasilkan.

Kemudian mengukur penggunaan aktual produk dalam setiap tahap dari urutan

dan kemudian membandingkannya untuk penggunaan yang ideal. Masalah ini

dipecahkan dengan awal yang efisien-duedate (EDD) pendekatan yang juga

menemukan solusi yang baik bagi perumusan asli dari Miltenburg (1989).

Steiner dan Yeomans(1993) menggunakan fungsi tujuan mutlak minmax

dan menunjukkan bahwa formulasi ini dapat dikembalikan ke Release Date /

Jatuh Tempo Keputusan Masalah, yang dapat diselesaikan agar optimal dengan

algoritma EDD, dalam O (D1) waktu. Perumusan minmax kuadrat menggunakan

fungsi objektif diselesaikan dalam 0(n1D1) (Brauner dan Crama 2004).

Model yang ada mengingat tujuan pemuatan di bawah pendekatan PRV

menggunakan fungsi tujuan dari penggunaan dan memuat tujuan, di mana wu dan

wL menunjukkan bobot masing-masing tujuan ini. (Miltenburg, 1990).

(Korkmazel dan Meral, 2001) membedakan waktu pemrosesan persyaratan pada

stasiun yang berbeda, dan perbedaan antara waktu produksi aktual yang

dibelanjakan untuk produk i pada workstation m dan waktu produksi ideal yang

seharusnya dipakai untuk produk i pada workstation m, di posisi k pertama dari

urutan:

dimana Wm adalah berat terkait dengan stasiun m, ti, m adalah waktu pemrosesan

dari endproduct di stasiun m, TM. Para penulis menyatakan bahwa masalah

dengan fungsi tujuan tertimbang dapat dikurangi ke masalah tugas dan dipecahkan

secara efisien. Pengamatan lebih dekat menunjukkan bahwa kunci untuk

transformasi ini adalah dekomposisi dari total beban kerja menjadi potongan-

potongan dari beban kerja yang dibuat oleh masing-masing endproduct. Formulasi

yang mengambil total kumulatif beban kerja secara keseluruhan, seperti akan

terlihat dalam seksi berikutnya, tidak dapat diselesaikan secara efisien.Ventura

dan Radhakrishnan (2002) memperkenalkan batch processing untuk PSP di garis

perakitan menggunakan pendekatan PRV. Penulis menganggap ukuran batch yang

diberikan untuk produk akhir. Dalam kasus ini, setup kali dapat dengan mudah

dimasukkan ke dalam (integer) batch processing kali yang berbeda-beda di antara

produk-produk. Sebagai produk yang berbeda membutuhkan waktu yang berbeda

untuk memproses, para penulis menyatakan bahwa munculnya masalah optimisasi

sulit dan mengusulkan prosedur heuristik yang efisien untuk solusi. Karya ini

adalah sebuah kontribusi penting bagi PSP sastra, dalam hal ini memungkinkan

batch processing.

Bagaimanapun juga asusmsi ukuran dibatasi oleh permasalahan. Yavus dan

Tufekci (2004) memperhitungkan batch processing ,dan Aigbedo (2000) terikat

pada fungsi tujuan untuk menjelaskan ukuran batch. Terakhir yang penting, dan

praktis relevan, varian dari PSP pada jalur perakitan

bawah pendekatan PRV dipelajari oleh Drexl dan Kimms (2001), di mana PSP

dipertimbangkan dalam kaitannya dengan apa yang disebut masalah sequencing

mobil (CSP). The CSP adalah berdasarkan pilihan-pilihan, yaitu properti yang

mobil mungkin atau mungkin tidak miliki. Merumuskan CSP, salah satu proses

pra-persyaratan waktu pemrosesan mobil dengan pilihan pada stasiun perakitan

yang menginstal pilihan, dan menghasilkan kendala (dari bentuk Ho : Tidak)

sedemikian rupa sehingga Ho mobil paling banyak dalam setiap subsequence of

No mobil dapat memiliki pilihan itu. Misalnya, waktu pemrosesan persyaratan

dapat mandat bahwa pada kebanyakan tiga mobil dengan atap matahari-opsi yang

diurutkan dalam setiap sub-urutan lima mobil, kendala yaitu atap: 3:5

ditambahkan ke model. Drexl dan Kimms (2001) menggunakan Inman dan

Bulfin's (1991) fungsi objektif dan kendala di samping

(Ho : Tidak ada type) kendala yang diperkenalkan oleh CSP. Untuk solusi tepat

dari gabungan masalah metode generasi kolom disajikan dalam Drexl dan Kimms

(2001) dan cabang-dan-algoritma terikat dalam Drexl et al. (2006).

3.3 ORV on assembly lines

Monden(1998) merumuskan pendekatan ORV menggunakan fungsi tujuan

yang dibentuk dengan menyimpulkan kuadrat penyimpangan dalam sub-perakitan

tingkat konsumsi atas sub-asembli dan tahap:

Miltenburg dan Sinnamon (1989) generalisasi Monden's perumusan masalah

dengan mempertimbangkan deviasi antara yang ideal dan aktual di empat jadwal

tingkat. Fungsi tujuan mereka menggabungkan semua empat tingkat, dengan rasa

hormat untuk mereka bobot w ',' ¼ 1,. . . , 4, dan menetapkan jumlah konsumsi

ideal menggunakan total jumlah konsumsi (X ', k ¼ Pn'

i ¼ 1 x ', i, k) pada tingkat tertentu, sampai tahap tertentu dalam urutan:

Kubiak (1993) mengembangkan generalisasi dari ORV, yang meliputi baik

Monden dan Miltenburg dan model Sinnamon sebagai kasus khusus. Ia juga

menunjukkan bahwa formulasi umum adalah NP-keras.Melengkapi karyanya,

Kubiak et al. (1997) menunjukkan bahwa pendekatan dengan ORV squared

minmax / nilai mutlak fungsi objektif NP-sangat keras. Mereka mengembangkan

prosedur DP yang mampu menangani baik minsum / minmax kuadrat / nilai

mutlak fungsi objektif, berjalan di Walaupun kompleksitas ini adalah terlalu

tinggi, yang penulis mencatat bahwa :

Seperti PSP dengan pendekatan ORV adalah suatu masalah optimisasi yang

sulit, prosedur solusi heuristik menemukan bahwa solusi-solusi yang baik dengan

perhitungan yang layak, diinginkan untuk memecahkan masalah kejadian-

kejadian hidup yang nyata.Beberapa peneliti sudah menerapkan metoda-metoda

meta-heuristic termasuk algoritma-algoritma genetik, optimisasi dan suatu metoda

multi-agent pada pendekatan ORV untuk memperoleh solusi-solusi lebih baik

dibanding (secara relatif) pendekatan heuristik sederhana.

Penolakan varian dari pendekatan ORV adalah pertimbangan kumpulan

proses. Dalam hal ini, tidak hanya urutan sub pemasangan dan hasil akhir, tapi

juga perlu untuk ditentukan proses masing-masing dari mereka yang

mengelompokkan ukuran-ukuran.

Penulis mengusulkan suatu metoda solusi yang memerlukan pemakai untuk

memprioritaskan pemakaian dan memuat sasaran untuk dua tingkatan, dan