CONTOH PERENCANAAN DISAGREGAT Oleh: Ir. Roesfiansjah Rasjidin, MT., PhD.

dokumen-dokumen yang mirip
BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PEMECAHAN MASALAH

BAB V ANALISIS. Tabel 5.1. Kesalahan Estimasi Peramalan Metode Linear Regression

PRODUCTION PLANNING FOR DUTA PAINT ROOF TINT TO DECREASE OVERSTOCK (Case Study: CV. Dharma Utama)

Penelitian Operasional II Programma Dinamik 9. S2 : Musim gugur S3 : Musim dingin S4 : Musim semi

MODEL KEBIJAKAN CAN ORDER PADA DUA ESELON RANTAI PASOK DENGAN SISTEM VENDOR MANAGED INVENTORY

BAB III METODOLOGI PENELITIAN

Bab 2 Tinjauan Pustaka

MODEL NETWORK. Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi

ABSTRAK. iv Universitas Kristen Maranatha

LAMPIRAN 1 CONTOH PERHITUNGAN PERAMALAN. 1. Contoh perhitungan peramalan permintaan dengan metode regresi linier, regresi

PENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE)

Bab II Landasan Teori

4.10 Minimum Order Struktur Produk BAB 5 ANALISA 5.1 Pengolahan Data Perhitungan Coefficient of Variance

Perencanaan Inventori Bahan Baku SPM dengan Model P Back Order

MODEL TRANSPORTASI - II MATAKULIAH RISET OPERASIONAL Pertemuan Ke-9. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

BAB VI. DUALITAS DAN ANALISIS POSTOPTIMAL

BAB X PERENCANAAN PRODUKSI

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

3.3.Daerah Layanan DI. Karau 4. Studi Literatur 4.1.Efisiensi Irigasi 4.2.Definisi Efisiensi Irigasi 4.3.Efisiensi Penyaluran

PEMODELAN SISTEM Asumsi Penyusunan Model Rancang Bangun Sistem Penunjang Keputusan

ABSTRAK. Universitas Kristen Maranatha

Perencanaan Inventori Bahan Baku SPM Dengan Model P Back Order

Gabungan Kontrol Congestion, Perutean, Dan Alokasi Sumber Daya Kooperatif Untuk Daya Tradeoff Di Dalam Gedung.

OPERATIONS RESEARCH. Industrial Engineering

PENJADWALAN PRODUKSI DENGAN METODE TABU SEARCH PADA LANTAI PABRIK PADA PD. ANEKA INDUSTRI DAN JASA (PDAIJ) SUMATERA UTARA.

BAB IV JADWAL INDUK PRODUKSI

BAB 4 METODE PENGURANGAN RUGI-RUGI DAYA AKTIF

BAB 2 TINJAUAN PUSTAKA

BAB 5 ANALISIS 5.1. Analisis Forecasting (Peramalan)

BAB II KAJIAN PUSTAKA

MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-6

Oleh ALIK KUSWARA NIM Jurusan Teknik Industri Fakultas Teknik Dan Ilmu Komputer Universitas Komputer Indonesia. Bandung, Agustus 2006

BAB III TINJAUAN PUSTAKA

PENERAPAN DAN ANALISIS MODEL PENJADWALAN DENGAN TEKNIK SISIPAN

Model Jaringan. Asumsikan himpunan C sebagai himpunan simpul yang terhubung dan C sebagai himpunan simpul yang tidak terhubung.

Optimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO)

2

PENENTUAN UKURAN BATCH DAN SEQUENCE OPTIMAL DALAM SISTEM PRODUKSI DUA STAGE

BAB III METODOLOGI PENELITIAN

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Gerak satu dimensi ialah : gerak benda dimana perubahan posisi benda hanya terjadi pada satu dimensi atau satu sumbu koordinat

BAB 4 METODOLOGI PEMECAHAN MASALAH

PERENCANAAN BAHAN BAKU DENGAN MENGGUNAKAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI PT. ITU AIRCON

Data untuk Perhitungan Biaya Kirim Data untuk Perhitungan Biaya Simpan Pembeli Data untuk Perhitungan Biaya

ABSTRAK. Muhamad Hidayat 1, Ratna Ekawati 2, Putro Ferro Ferdinant 3 1,2, 3 Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa

BAB III MODEL TRANSPORTASI. memperkecil total biaya distribusi (Hillier dan Lieberman, 2001, hlm. 354).

Interval Estimation. Tjipto Juwono, Ph.D. May TJ (SU) Interval Estimation May / 19

Bab 2 Tinjauan Pustaka

Basic Design of Experiment. Dimas Yuwono W., ST., MT.

Bab 2 LANDASAN TEORI

PERTEMUAN 9 MENENTUKAN SOLUSI FISIBEL BASIS AWAL

IMPLEMENTASI MODEL PERSEDIAAN YANG DIKELOLA PEMASOK (VENDORS MANAGED INVENTORY) DENGAN BANYAK RETAILER

BAB II LANDASAN TEORI

JADWAL PRAKTIKUM ILAB TINGKAT 1

PENJADWALAN DENGAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara

Manajemen Persediaan

BAB 4 PENGUMPULAN DAN ANALISA DATA

BAB 4 METODOLOGI PEMECAHAN MASALAH

PERANCANGAN PROGRAM. struktur/hirarki menu, State Transition Diagram (STD), modul dan pseudocode, serta

IV HASIL DAN PEMBAHASAN

BAB 1 PENDAHULUAN. adanya kemampuan manusia dalam mempertimbangkan segala kemungkinan sebelum

PERBANDINGAN KEKUATAN KOLOM PENDEK BETON BERTULANG DENGAN PENAMBAHAN VARIASI UKURAN PROFIL BAJA SIKU YANG DIKENAI BEBAN KONSENTRIK

UNIVERSITAS BINA NUSANTARA

Perencanaan Produksi Disagregasi Dengan Pendekatan Reguler Knapsack Method Pada Produk Mini Boom ZX 25 YYZX22B Dan Mini Boom ZX 30 YYZX30B.

Perencanaan dan Pengendalian Produksi

MATERIAL REQUIREMENT PLANNING (MRP)

PERBAIKAN SISTEM PERSEDIAAN GUDANG MENGGUNAKAN ECONOMIC ORDER QUANTITY PROBABILISTIC MODEL

Contoh Penerapan Algoritma Genetik Untuk Menentukan Fungsi Keanggotaan Misalkan system dengan input dan output tunggal seperti pada table berikut.

OPTIMASI NURSE SCHEDULING PROBLEM

Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global

BAB III SOLUSI OPTIMAL MASALAH FUZZY TRANSSHIPMENT

Perencanaan Agregat. Perencanaa & Pengendalian Produksi_TI-UG

Teori Dualitas dan Penerapannya (Duality Theory and Its Application)

Penjadwalan Produksi Job Shop dengan Menggunakan Metode Shifting Bottleneck Heuristic (SHB)

BAB 3 METODOLOGI PENELITIAN

PERENCANAAN DAN PEMODELAN TRANSPORTSI

Daniel Tri Effendi NRP Dosen Pembimbing : Tri Joko Wahyu Adi, ST., MT., Ph.D Yusroniya Eka Putri, ST., MT

BAB 2 LANDASAN TEORI

3. Jika y1 = y2 (garis horisontal), maka (a) x = x + 1 dan y tetap (b) gambar titik (x,y) di layar (c) Selesai

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.

MANAJEMEN PERSEDIAAN. Perencanaan Kebutuhan Barang (MRP) -EOQ. Prepared by: Dr. Sawarni Hasibuan. Modul ke: Fakultas FEB. Program Studi Manajemen

Design and Analysis of Algorithm

Meilinda Ayundyahrini Pembimbing: Ir. Rusdhianto Effendie A. K, MT Nurlita Gamayanti, ST., MT

III. METODOLOGI PENELITIAN

Presentasi Tugas Akhir

MATERIAL REQUIREMENT PLANNING (MRP)

RPS TIN303 Sistem Produksi Ir. Roesfiansjah Rasjidin, MT., PhD.

EFISIENSI BIAYA DISTRIBUSI DENGAN METODE TRANSPORTASI

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB 4 PENGUMPULAN DAN ANALISA DATA

MINGGU VI UJI CHI SQUARE. Dyah Maharani, Ph.D.

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi

MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-7. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

SKRIPSI PENERAPAN METODE EOQ PADA SISTEM PEMESANAN (STUDI KASUS PT. Y)


STUDI DIAGRAM INTERAKSI SHEARWALL BETON BERTULANG PENAMPANG C DENGAN BANTUAN VISUAL BASIC 9

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB III PROGRAM MODEL PROBABILISTIK Q

Transkripsi:

CONTOH PERENCANAAN DISAGREGAT Oleh: Ir. Roesfiansjah Rasjidin, MT., PhD. Metoda Hax dan Bitran Metode ini terdiri dari 2 algoritma yaitu : 1) Algoritma untuk memecah rencana agregat dalam jumlah produksi famili 2) Algoritma untuk memecah jumlah produksi famili dalam jumlah produk individu (item) Menentukan famili produk yang akan diproduksi - Mempertimbangkan jumlah produk tersedia dan jumlah permintaan setiap produk dalam famili - Jika ekspektasi jumlah produk pada akhir periode < safety stock, maka seluruh produk dalam famili tersebut diproduksi Jika min { q ij,t SS ij } 0 (1) j εi maka j εi diproduksi pada periode t Dimana : q ij,t = I ij,t -1 - D ij,t (2) j : produk i : famili produk q ij,t : ekspektasi jumlah produk j famili i pada akhir periode t I ij,t 1 : jumlah persediaan produksi j famili i pada periode t-1 D ij,t : jumlah permintaan produk j famili i pada periode t SS ij : persediaan pengaman produk j famili I Ir. Roesfiansjah Rasjidin, MT., PhD. 1

Tabel 1 i j I ij,t-1 D ij,t Faktor Konversi SS ij Ekspektasi Jumlah (K ij ) (I ij,t-1 - D ij,t ) A 1 240 170 0,85 50 70 A 2 285 200 1,1 75 85 A 3 122 100 0,9 40 22 B 4 223 130 1,15 50 93 B 5 290 170 1,05 50 120 B 6 193 110 1,2 40 83 B 7 420 210 1,15 60 210 C 8 235 150 0,75 40 85 C 9 135 100 0,85 50 35 C 10 180 140 0,8 50 40 - Tabel 1 menggambarkan 10 produk dengan 3 famili. Dengan membandingkan dua kolom terakhir (SS ij & q ij,t ) diketahui produk 3,9 & 10 mempunyai q ij,t < SS ij sehingga famili A dan C diproduksi - Kumpulan produk yang diproduksi disebut set produk z. - Berapa banyak dari tiap famili terpilih untuk diproduksi? Formulasi model oleh Hax dan Bitran : hi Xi Si Min Z = + Kij Dij, t (3) i Z 2 Xi j i dengan kendala : Di mana : Xi = X* (4) i z Si : biaya setup memproduksi famili i Xi LBi (5) Xi UBi (6) X* : kebutuhan produksi yang ditentukan oleh rencana agregat Kij : factor konversi untuk unit item j famili i ke unit produksi agregat Dij, t : permintaan produk j dalam famili i pada periode t hi : biaya simpan famili i Ir. Roesfiansjah Rasjidin, MT., PhD. 2

Xi : jumlah unit famili i yang diproduksi LBi : batas bawah untuk produksi famili i UBi : batas atas untuk produksi famili i Z : kumpulan famili yang diproduksi Batas bawah ditentukan oleh kebutuhan untuk memenuhi persediaan pengaman pada periode berikutnya LBi = max [ 0, Kij (Dij, t - Iij, t -1 + SS ij)] (7) j i Batas atas diperlukan untuk menjamin kelebihan persediaan tidak terakumulasi. Misalkan suatu kebijakan menentukan tidak lebih dari n periode pasokan disimpan. Perhitungannya : n-1 UBi = Kij [ ( Dij, t + k) - Iij, t 1 + SS ij ] (8) j i Jika UBi < X* maka solusi menghasilkan unit di atas batas atas i Z Kelebihan produksi dialokasikan relatif terhadap biaya persediaan. Jika biaya tiap famili sama, maka tingkat produksi : X* UBi Yi* = (9) UBi i Z Jika LBi > X* maka masalah tidak fisible dan persediaan akan dibawah batas i Z persediaan pengaman. Sehingga rencana produksi didistribusikan pada famili lain untuk menyeimbangkan biaya kekurangan persediaan. Pada biaya konstan, resiko Back- Order diratakan dengan : X* LBi Yi* = (10) LBi i Z Ir. Roesfiansjah Rasjidin, MT., PhD. 3

Jika LBi X* UBi maka algoritma berikut akan mendistribusikan i Z i Z kapasitas produksi tersedia Family Disagregation Algorithm Tentukan = 1, p¹ = X* dan Z¹ = Z, untuk iterasi 1 Langkah 1 Hitung untuk semua i Z¹ Si ( Kij Dij, t) j i Yi = Si ( Kij Dij, t) i Z j I. P Langkah 2 Untuk i Z¹ Jika LBi Yi UBi maka Yi* = Yi Untuk famili lain lanjutkan langkah 3 Langkah 3 Bagi famili lain dalam dua grup Z+ = { i Z : Yi > UBi} Z - = { i Z : Yi < LBi} + Hitung : = (Yi UBi) i Z+ - = (LBi Yi ) i Z Ir. Roesfiansjah Rasjidin, MT., PhD. 4

Lanjutkan langkah 4 Langkah 4 + - Jika maka yi* = UBi untuk semua i Z+ + - Jika < maka yi* = LBi untuk semua i Z - Misalkan = + 1 Z + 1 + 1 = Z - (semua famili Yi* yang ditemukan) P = P - Yi* (untuk semua i yang dijadwalkan pada iterasi ) + 1 - Jika Z = maka hentikan - Jika tidak, ulangi langkah 1 Contoh : Masalah pada tabel 1 Batas atas adalah tiga kali permintaan periode mendatang dikurangi persediaan awal. Rencana produksi agregat 450 unit. Biaya setup famili A dan C secara berurutan adalah Rp 2000,- dan Rp 1000,- Maka : SA Kij Dij, t = 953 j A SC Kij Dij, t = 556 j C X* = 450 LBA = 16,2 UBA = 736 LBC = 20,8 UBC = 493 Ir. Roesfiansjah Rasjidin, MT., PhD. 5

Untuk iterasi = 1 953 YA¹ = * 450 = 284 1509 556 YC¹ = * 450 = 166 1509 Karena keduanya berada dalam batas bawah & batas atas maka YA* = 284 YC* = 166 Item Disaggregation Algorithm Langkah 1 Untuk setiap famili yang diproduksi, tentukan jumlah N yang memenuhi dengan : N Yi* Kij [ Dij, n + SS ij - Iij, t 1] j i n=1 Langkah 2 Hitung : N Ei = Kij [ Dij, n + SS ij - Iij, t 1 ] - Yi* j i n=1 Langkah 3 Untuk setiap produk dalam famili I, hitung jumlah produksi N Yij* = Dij, n + SS ij - Iij, t 1 - Ei Dij, n n=1 Kij Dij, n j i Jika Yij* < 0 untuk suatu produk, misal j = g maka -Yij* = 0 keluarkan g dari famili A Ir. Roesfiansjah Rasjidin, MT., PhD. 6

Contoh sebelumnya : YA* = 284 Langkah 1 : YA* = 284 < 0,85 (170 + 170 + 50 240) + 1,1 (200 + 200 + 75 285) + 0,9 (100 YA* = 284 < 442,7 N =2 Langkah 2 : + 100 + 40 122) E = 442,7 284 = 158,7 Langkah 3 : YA1* = (170 + 170 + 50 + - 240) YA2* = (200 + 200 + 75 + - 285) YA3* = (100 + 100 + 40 + - 120) 158,7*170 454,5 158,7*200 454,5 158,7*100 454,5 = 90,6 91 unit = 120,2 120 unit = 83,1 83 unit Dengan cara yang sama untuk famili C, hasil algoritma : YC8* = 42 YC9* = 73 YC10* = 91 Ir. Roesfiansjah Rasjidin, MT., PhD. 7

Diketahui : SA = 500, SB = 1.000, SC = 1.500, SSB6 = 90 Produksi agregat, X* = 500 Batas atas : 3 Dij, t Ditanya : - Disagregasi famili Jawab : - Disagregasi item i J I ij,t-1 D ij,t (K ij ) SS ij (I ij,t-1 - D ij,t ) A 1 240 170 0,85 50 70 A 2 285 200 1,1 75 85 A 3 122 100 0,9 40 22 B 4 223 130 1,15 50 93 B 5 290 170 1,05 50 120 B 6 193 110 1,2 40 83 B 7 420 210 1,15 60 210 C 8 235 150 0,75 40 85 C 9 135 100 0,85 50 35 C 10 180 140 0,8 50 40 Sehingga famili yang diproduksi adalah Z = {A, B,C } Penentuan batas bawah famili (LBi) & batas atas famili (UBi) LBi = max [0,Kij (Dij, n - Iij, t 1 + SS ij )] j i LBA = max [0, 0.85 (-20)] + max [0, 1.1 (-10)] + max [0, 0.9 (18)] = 0 + 0+ 16.2 = 16.2 LBB = max [0, 1.15 (-43)] + max [0, 1.05 (-70)] + max [0, 1.2 (7)] + max [0, 1.15 (- 150) = 0 + 0+ 8.4 + 0 = 8.4 LBC = max [0, 0.75 (-45)] + max [0, 0.85 (15)] + max [0, 0.8 (10) = 0 + 12.75 + 8 = 20.75 n - 1 UBi = Kij [ (Dij, t + k) - Iij, t 1 + SS ij ] ; SS ij = 0 j i k = 0 UBA = 0.85 (3*170 240) + 1.1 (3* 200 285) + 0.9 (3*100 122) = 736.2 UBB = 1.15 (3*130 223) + 1.05 (3* 170 290) + 1.2 (3*110 193) + 1.15 (3*210 420) = 828.95 UBC = 0.75 (3*150 235) + 0.85 (3* 100 135) + 0.8 (3*140 180) = 493.5 Ir. Roesfiansjah Rasjidin, MT., PhD. 8

LBi = 16.2 + 8.4 + 20.75 = 45.35 j i UBi = 736.2 + 828.95 + 493.5 = 2,058.65 j i X* = 500 Karena LBi X* UBi terpenuhi maka dilanjutkan pada algoritma i Z i Z Disagregasi Famili Iterasi 1. = 1, p¹ = X* dan Z¹ = Z Si ( Kij Dij, t) j i Yi = Si ( Kij Dij, t) i Z j I. P SA ( KAj Dij, t) = 500 (0.85*170 + 1.1*200 + 0.9*100) = 476.7 j A SB ( KBj Dij, t) = 1,000 (1.15*130 + 1.05*170 + 1.2*110 + 1.15*210) j B = 837.6 SC ( KCj Dij, t) = 1,500 (0.75*150 + 0.85*100 + 0.8*140) = 681.4 j C 476,7 YA¹ = * 500 = 119,4 476,7 + 837,6 + 681,4 837,6 YB¹ = * 500 = 209,9 476,7 + 837,6 + 681,4 Ir. Roesfiansjah Rasjidin, MT., PhD. 9

681,4 YC¹ = * 500 = 170,7 476,7 + 837,6 + 681,4 Karena LBA YA¹ UBA maka YA* = 119.4 Karena LBB YB¹ UBB maka YB* = 209.9 Karena LBC YC¹ UBC maka YC* = 170.7 Algoritma Disagregasi Item Langkah 1 (Menentukan N tiap famili) N Yi* Kij [ Dij, n + SS ij - Iij, t 1 ] j i n=1 i = A 2 2 119,4 0,85 [ ( 170) + 50-240 ] + 1,1 [ ( 200) + 75-285 ] + n=1 n=1 2 0,9 [ ( 100) + 40-122 ] = 127,5 + 209 + 106,2 n=1 N =2 i = B 2 2 209,9 1,15 [ ( 130) + 50-223 ] + 1,05 [ ( 170) + 50-290 ] + n=1 n=1 2 2 1,2 [ ( 110) + 90-193 ] + 1,15 [ ( 210) + 60-420 ] n=1 n=1 = 100,1 + 105 + 140,4 + 69 N =2 i = C 2 2 170,7 0,75 [ ( 150) + 40-235 ] + 0,85 [ ( 100) + 50-135 ] + n=1 n=1 2 0,8 [ ( 140) + 50-180 ] = 78,75 + 97,75 + 120 n=1 N =2 Langkah 2 (Menentukan error tiap famili) Ir. Roesfiansjah Rasjidin, MT., PhD. 10

N Ei = Kij [ Dij, n + SS ij - Iij, t 1 ] - Yi* j i n=1 EA = 127,5 + 209 + 106,2 119,4 = 323,3 EB = 100,1 + 105 + 140,4 + 69 209,9 = 204,6 EC = 78,75 + 97,75 + 120 170,7 = 125,8 Langkah 3 (Menentukan produksi tiap item) N Yij* = Dij, n + SS ij - Iij, t 1 - Ei Dij, n n=1 Kij Dij, n j i i = A, j = 1,2,3 YA1* = 2*170 + 50 240-323,3 (170) = 150 - = 29 454,5 YA2* = 2*200 + 75 285-323,3 (200) = 190 - = 48 454,5 YA3* = 2*100 + 40 122-323,3 (170) = 118 - = 47 454,5 323,3 (170) 0,85 (170) + 1,1 (200) + 0,9 (100) 323,3 (200) 0,85 (170) + 1,1 (200) + 0,9 (100) 323,3 (100) 0,85 (170) + 1,1 (200) + 0,9 (100) Ir. Roesfiansjah Rasjidin, MT., PhD. 11

i = B, j = 4,5 YB4* = 2*130 + 50 223-204,6 (130) 1,15 (130) + 1,05 (170) + 1.2 (110) + 1,15 (210) 204,6 (130) = 87 - = 49,1 701,5 YB5* = 2*170 + 50 290-204,6 (170) 1,15 (130) + 1,05 (170) + 1.2 (110) + 1,15 (210) 204,6 (170) = 100 - = 50,4 701,5 Ir. Roesfiansjah Rasjidin, MT., PhD. 12