Pengembangan Model Kebijakan Persediaan Produk Multi Agro-Perishable dengan Mempertimbangkan Biaya Energi dan Kapasitas Ruang Simpan

Transkripsi

1 Pengembangan Model Kebijakan Persediaan Produk Multi Agro-Perishable dengan Mempertimbangkan Biaya Energi dan Kapasitas Ruang Simpan TUGAS AKHIR Nama Mahasiswa : Galuh Putri Wahyuningtyas NRP : Dosen Pembimbing : Dr. Eng. Ir. Ahmad Rusdiansyah, M.Eng., CSCP

2 Pendahuluan Latar Belakang Penelitian Perumusan Masalah Penelitian Tujuan Penelitian Kontribusi atau Manfaat Penelitian Batasan dan Asumsi Penelitian Metodologi Penelitian Pengembangan Model Percobaan Numerik Kesimpulan dan Saran

3

4 Supply Chain Management Food Supply Chain Perishable Product Grocery Market Penurunan Kualitas Inventory for Shelf Space

5 Demand Info VENDOR Product Delivery RETAILER Penurunan Kualitas Energi Keterbatasan Ruang Simpan

6 Bagaimanakah model kebijakan persediaan yang digunakan Bagaimanakah suhu cooling optimal pada rak penyimpanan produk agro-perishable % Bagaimanakah komposisi persediaan terbaik untuk masing-masing produk agro-perishable pada rak penyimpanan Bagaimanakah siklus replenishment dan order size terbaik yang dilakukan untuk tiap siklus

7 Mengembangkan model terintegrasi untuk menghitung total biaya persediaan dalam sistem dengan mempertimbangkan keterbatasan kapasitas rak simpan (display) dan biaya energi akibat pengaruh suhu. Mengetahui pengaruh biaya energi dan keterbatasan kapasitas rak simpan (display) terhadap kebijakan persediaan. Membuat strategi penyimpanan dan kebijakan persediaan produk dengan mempertimbangkan konstrain yang ada

8 Mengetahui behaviour dari kebijakan persediaan yang menggunakan produk multi agro-perishable (buahbuahan). Mengetahui dampak biaya energi dan keterbatasan kapasitas rak simpan (display) terhadap berbagai komponen di dalam sistem. Mengisi gap penelitian yang mempelajari kebijakan persediaan pada industri makanan di mana kebijakan replenishment rutin dan lot size digunakan untuk mengelola persediaan produk multi agro-perishable.

9 SUHU KONSTAN MEMILIKI KETERBATASAN KAPASITAS DEMAND DETERMINISTIK PENGIRIMAN DILAKUKAN MENGIKUTI LOT SIZE YANG TELAH DITENTUKAN REPLENISMENT CYCLE RUTIN SHORTAGES TIDAK DIIJINKAN KONDISI AWAL RAK PENUH KUALITAS PRODUK DATANG = 90% Sistem supply chain yang dibuat terdiri dari satu vendor dan satu retailer. Data yang digunakan pada pengujian model merupakan data sekunder. Rak penyimpanan digunakan untuk buahbuahan dengan dimensi yang sejenis Biaya yang dipertimbangkan dari sisi retailer

10

11

12

13

14

15 MULTI AGRO- PERISHABLE PRODUCT SUHU COOLING OPTIMAL PROPORSI TIAP PRODUK EOQ TIAP PRODUCT TOTAL BIAYA SISTEM PENGGUNAAN ENERGI MEMILIKI PERBEDAAN KARAKTERISTIK SIKLUS REPLENISHMENT DERAJAT PENURUNAN KUALITAS (θ) SUHU PENYIMPANAN REKOMENDASI

16 ROUTINE REPLENISMENT LOT SIZE SINGLE VENDOR HOLDING COST ORDER COST SINGLE RETAILER DETERIORATION COST INVENTORY COST ENERGY COST DISCOUNT COST

17 Qi = 2 OC i D i m Hb i + Ac S i BELUM MEMPERTIMBANGKAN PENURUNAN KUALITAS KETERBATASAN KAPASITAS

18 TC bi = T i + D ih bi θ 2 e θc 1 D ih bi C θ + p i Q i D i C /C BELUM MEMPERTIMBANGKAN BIAYA ENERGI FAKTOR PENURUNAN KUALITAS BERUPA KONSTANTA

19 q = q 0 m k o t i. exp E a /RT i MENGGANTIKAN TETA (θ) i=1 COP cooling = Q cold Q hot Q cold = T cold T hot T cold DIKALIKAN DENGAN RATA-RATA PERSEDIAAN (ZANONI & ZAVANELLA, 2012)

20 Qi = 2 OC i D i m Hb i + Ac (S i + θ) MEMASUKKAN UNSUR PENURUNAN KUALITAS PRODUK Qi = 2 OC i D i m Hb i + Ac (S i + ko. e [ E a RT] )

21 Minimize TC = n i=1 D i Hb i ko. e [ E a RT] 2 eko.e [ Ea RT ] C i 1 D i Hb i C i T o ko. e [ E a RT] T H T o OC i + P i Q i D i C i T o T H T L + /C i Variabel keputusan Tl suhu cooling Qi Lot size pemesanan

22

23 Single product Multi products Skenario Pengaruh suhu terhadap: Derajat penurunan kualitas Faktor energi Biaya Simpan Uji numerik teta, proporsi dan EOQ masih-masing product Penentuan kebijakan persediaan optimal Pengaruh perubahan demand Sisi profit

24 Ko = 6,00404 Ko = 3, Suhu rekomendasi = 0 0 C-1,5 0 C Suhu rekomendasi = 2,5 0 C-5 0 C Ko = 3, Suhu rekomendasi = 4,5 0 C-7,5 0 C

25 Biaya simpan memiliki trend positif dengan peningkatan derajat penurunan kualitas Suhu cooling memiliki trend positif dengan peningkatan derajat penurunan kualitas

26 Trade off terjadi antara pengali energi dengan derajat penurunan kualitas. Nantinya akan didapatkan Total Cost minimal pada saat suhu cooling tertentu

27 EOQ memiliki hubungan trend negatif dengan θ, semakin besar nilai θ maka EOQ semakin kecil Apel memiliki perubahan θ yang paling signifikan, disusul oleh jeruk dan tomat

28 Dengan memperhatikan kapasitas, terjadi subtitusi EOQ buah berdasarkan θ Dengan memperhatikan kapasitas, terjadi subtitusi proporsi buah berdasarkan θ

29 Goal : Minimize Cost Kebijakan : -Suhu : 4 0 C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674

30 Demand = 50 (Rendah) Kebijakan : -Suhu : 1,5 0 C -Siklus : 13 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674

31 Demand = 75 (Sedang) Kebijakan : -Suhu : 4 0 C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674

32 Demand = 100 (Tinggi) Kebijakan : -Suhu : 6 0 C -Siklus : 6 hari sekali -EOQ apel : 651 -EOQ jeruk : 671 -EOQ : 678

33

34 Goal : Maximize Profit Kebijakan : -Suhu : 1,5 0 C -Siklus : 13 hari sekali -EOQ apel : 660 -EOQ jeruk : 669 -EOQ : 671 Kebijakan yang diambil sama dengan tujuan minimize cost

35 Demand = 75 (Sedang) Kebijakan : -Suhu : 4 0 C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674 Kebijakan sama dengan tujuan minimize cost

36 Demand = 100 (Tinggi) Kebijakan : -Suhu : 5,5 0 C -Siklus : 6 hari sekali -EOQ apel : 652 -EOQ jeruk : 671 -EOQ : 677 Kebijakan berbeda dengan tujuan minimize cost dikarenakan masih mampu menutupi pengeluaran (biaya energi) yang terjadi dengan memilih suhu 0,5 0 C lebih dingin

37 1. Ada trade off yang terjadi antara derajat penurunan kualitas dengan pengali energi. Semakin tinggi suhu pendingin derajat penurunan kualitas (biaya penurunan kualitas) semakin naik dan pengali energi (biaya energi) semakin turun sehingga akan didapatkan Total Cost minimum pada suatu titik suhu pendingin tertentu. 2. Kebijakan persediaan dengan tujuan minimasi total cost berbeda dengan tujuan maksimasi profit jika revenue yang didapatkan masih mampu menutupi biaya energi yang muncul akibat memilih suhu pendingin lebih rendah. 3. Hasil dari penelitian tugas akhir ini adalah model kebijakan persediaan meliputi suhu pendingin, proporsi, EOQ dan siklus replenishment untuk multi agro-perishable product dengan mempertimbangkan biaya energi dan kapasitas rak simpan (display).

38 1. Pada penelitian ini biaya yang dipertimbangkan hanya dari sisi retailer, belum memperhatikan dari sisi vendor. Jika mampu dikembangkan ke sisi vendor maka bisa didapatkan Joint Total Cost. 2. Asumsi untuk kualitas produk datang ke retailer pada penelitian ini adalah 90%, belum dilakukan pengamatan langsung dalam proses distribusi dari vendor ke retailer. 3. Pada penelitian ini seluruh produk di akhir siklus replenishment akan dikenakan diskon dan terjual habis, selanjutnya bisa dilakukan proporsi produk diskon yang terjual dan produk diskon yang ter-disposal. 4. Pada penelitian ini belum memperhatikan perubahan kebijakan persediaan yang akan terjadi jika diterapkan dynamic temperature menyesuaikan dengan kondisi stok produk.

39 Andersson, H., Hoff, A., Christiansen, M., Hasle, G., Lokketangen, A. (2010), Industrial Aspects and Literature Survey: Combined Inventory Management and Routing, Computers & Operations Research, 37, hal Buzzell, R.D., Ortmeyer, G. (1995), Channel Partnerships Streamline Distribution, Sloan Management Review, 36, hal Chopra, S., Meindl, P. (2004), Supply chain Management: Strategy, Planning, and Operation, Pearson Education. Dong, Y., Xu, K. (2002), A Supply Chain Model of Vendor Managed Inventory. Transportation Reserach Part E, 38, hal Hammond, J.H. (2003), The Value of Information, McGraw-Hill, Singapore. Hsieh, T.P., Dye, C.Y. (2010), Optimal Replenishment Policy for Perishable Items with Stock-Dependent Selling Rate and Capacity Constraint, Computers & Industrial Engineering, 59, hal Labuzza, T.P. (1982), Shelf-Life Dating of Foods. Food & Nutrition Press, Westport. Osvald, A., Stirn, L.Z. (2008), A Vehicle Routing Algorithm for the Distribution of Fresh Vegetables and Similiar Perishable Food, Journal of Food Engineering, 85, hal Pujawan, I Nyoman (2011), Supply Chain Management, Guna Widya, Surabaya Putri, Winda Aprilia Kusuma (2013), Pengembangan Model Strategi Persediaan Bersama untuk Produk- Produk Perishable Multi-Suhu dalam Sistem Vendor Managed Inventory (VMI), Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Rong, A., Akkerman, R., Grunow, M. (2011), An Optimization Approach for Managing Fresh Food Quality throughout the Supply Chain, Int. J. Production Economics, 131, hal

40 Trihardini, L. (2011), Pengembangan Model Distribusi Produk Perishable Multi Temperatur dengan Mempertimbangkan Biaya Energi, Institut Teknologi Sepuluh Nopember, Surabaya. Tyan, J., Wee, H.M. (2003), Vendor Managed Inventory: a Survey of the Taiwanese Grocery Industry, Journal of Purchasing and Supply Management, 9, hal USDA (2008). Protecting Perishable Foods during Transport by Truck. In: Agriculture, U.S.D.O (Ed.) Transportation and Marketing Programs Ed. United States. Van Donk, D.P., Akkerman, R., Van der Vaart, T. (2008), Opportunities and Realities of Supply Chain Integration: the Case of Food Manufacturers, British Food Journal, 110, hal Waller, M., Johnson, M.E., Davis, T. (1999), Vendor Managed Inventory in the Retail Supply chain, Journal of Business Logistics, 20, hal Waters, C.D.J. (1992), Inventory Control and Management, John Wiley & Sons Ltd, England. Yu, Y., Huang, G.Q. (2010), Nash Game Model for Optimizing Market Strategies, Configuration of Platform Products in a Vendor Managed Inventory (VMI) Supply Chain for a Product Family, European Journal of Operational Research, 206, hal Yu, Y., Huang, G.Q., Hong, Z., Zhang, X. (2011), An Integrated Pricing and Deteriorating Model and a Hybrid Algorithm for a VMI (Vendor-Managed-Inventory) Supply chain, IEEE Transactions on Automation Science and Engineering, 4, hal Yu, Y., Wang, Z., Liang, L. (2009), Stackelberg Game Theory Model for Optimizing Advertising, Pricing and Inventory Policies in Vendor Managed Inventory (VMI) Supply Chains, Computers & Industrial Engineering, 57, hal Yu, Y., Wang, Z., Liang, L. (2012), A Vendor Managed Inventory Supply Chain with Deteriorating Raw Materials and Products, Int. J. Production Economics, 136, hal

41

42

43