BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Pengumpulan Data 4.1.1. Sejarah Perusahaan CV. Mitra Abadi Teknik merupakan sebuah perusahaan yang bergerak dalam bidang perancangan dan manufaktur untuk peralatan mechanical, electrical, dan hardchrome pada perkapalan dan peti kemas. Perusahaan ini berdiri sejak 21 Agustus 2001 dan berlokasi di Jalan Wibawa Mukti IV/53 RT.002/001 Jatimekar, Jatiasih, Bekasi. CV. Mitra Abadi Teknik memproduksi berbagai perlengkapan perkapalan dan peti kemas, baik untuk perlengkapan mesin kapal maupun perlengkapan pendukung lainnya. Beberapa produk yang dihasilkan oleh CV. Mitra Abadi teknik diantaranya adalah Nozzle, Sleeve, Shaft, Axle Drive dan Twistlock. CV. Mitra Abadi Teknik mendistribusikan barang produksinya ke perusahaan transportasi perkapalan dan peti kemas di seluruh Indonesia. 44

45 Pada penulisan laporan ini, produk yang akan diteliti adalah twistlock. Twistlock merupakan alat pengunci pada spreader yang berfungsi untuk mengangkat peti kemas pada kapal. Tampilan twistlock dan bagian-bagiannya dapat dilihat dalam gambar dibawah ini: Gambar 4.1 Twistlock dan Bagian-Bagiannya CV. Mitra Abadi teknik memprioritaskan kualitas dan target waktu kepada konsumen nya, karena komitmen dari perusahaan ini adalah Customer Satisfaction is Our Priority. CV. Mitra Abadi Teknik memiliki 30 orang karyawan dengan jam kerja Senin Jumat jam 08.00 16.00 WIB dan Sabtu jam 08.00 14.00 WIB. Struktur organisasi CV. Mitra Abadi Teknik dapat dilihat pada gambar berikut ini: 45

46 Direktur/Owner Kepala Administrasi Kepala Operasional Marketing Teknisi Tenaga Ahli Kepala Produksi Drafter Karyawan Produksi Gambar 4.2 Struktur Organisasi 4.1.2. Data Permintaan Dalam melakukan penelitian ini Penulis membutuhkan data terkait dengan jumlah permintaan produk twistlock di CV. Mitra Abadi Teknik. Data permintaan ini akan dibutuhkan Penulis untuk mengolah data peramalan. Data hasil peramalan ini selanjutnya akan dipakai untuk menerapkan metode persediaan fixed period requirement (FPR), lot for lot (LFL), fixed order quantity (FOQ), economic order quantity (EOQ). Keempat metode ini bagian dari analisa penerapan Material Requirement Planning (MRP) di CV. Mitra Abadi Teknik. Berikut data permintaan produk dari bulan Januari 2014 sampai dengan bulan Desember 2014 yang dapat dilihat pada tabel 4.1 dan gambar 4.3 dibawah ini:

47 Tabel 4.1 Permintaan Produk Twistlock Tahun 2014 Periode T Demand (Unit) Januari 1 135 Februari 2 255 Maret 3 198 April 4 235 Mei 5 176 Juni 6 229 Juli 7 287 Agustus 8 300 September 9 156 Oktober 10 200 Nopember 11 165 Desember 12 150 Jumlah - 2486 350 300 250 200 150 100 50 0 Series1 Gambar 4.3 Grafik Data Permintaan Tahun 2014

48 4.1.3. Data Struktur Produk (Bill of Material) Salah satu data yang dibutuhkan untuk MRP adalah harus mengetahui komponenkomponen atau struktur produk yang akan diproduksi. Data struktur produk twistlock dapat dilihat pada tabel 4.2 dibawah ini: Tabel 4.2 Data Struktur Produk Twistlock Lead No Nama Produk Level Kuantitas Satuan Time (Bulan) 1 Twistlock 0 1 Unit - 2 ASSAB 705 1 25 Kg 1 3 ASSAB ST14 1 5 Kg 1 Twistlock Level 0 ASSAB 705 ASSAB ST14 Level 1 Gambar 4.4 Bill of Material (BOM) Produk Twistlock 4.1.4. Struktur Biaya Untuk menganalisa data dalam MRP, juga dibutuhkan data harga bahan baku, data biaya pesan dan data biaya simpan. Dalam penulisan laporan ini, data harga bahan baku didapatkan dari hasil penelitian di CV. Mitra Abadi Teknik.

49 Biaya pemesanan meliputi biaya administrasi, biaya permesinan dan biaya karyawan sebesar Rp 250.000,- per pemesanan. Sedangkan untuk biaya penyimpanan telah ditetapkan oleh perusahaan sebesar 5% dari harga pokok bahan baku per unit per periode. Tabel harga bahan baku pembuatan twistlock selengkapnya disajikan dalam tabel berikut ini: Tabel 4.3 Struktur Biaya Bahan Baku Produk Twistlock No Nama Produk Level Harga (Rp/Kg) Ongkos Pesan (Rp/Pesan) Ongkos Simpan (Rp/Tahun) 1 Twistlock 0 - - - 2 ASSAB 705 1 35.000 250.000 1.750 3 ASSAB ST14 1 10.000 250.000 500 4.2. Pengolahan Data 4.2.1. Peramalan Permintaan Produk Twistlock Peramalan dilmulai dengan menentukan metode yang akan digunakan. Pada penelitian ini akan digunakan 4 metode peramalan yaitu, Metode Linear, Metode Exponential Smoothing, Metode Konstan, dan Metode Moving Average. Metode Linear Berikut adalah hasil dari perhitungan peramalan produk toples plastik yang dapat dilihat pada tabel 4. 4 dengan menggunakan metode linear dan perhitungan kesalahan peramalan untuk metode linear.

50 Tabel 4.4 Peramalan Metode Linear Bulan Periode (t) Demand (y) t.y t 2 Januari 1 135 135 1 Februari 2 255 510 4 Maret 3 198 594 9 April 4 235 940 16 Mei 5 176 880 25 Juni 6 229 1374 36 Juli 7 287 2009 49 Agustus 8 300 2400 64 September 9 156 1404 81 Oktober 10 200 2000 100 Nopember 11 165 1815 121 Desember 12 150 1800 144 Jumlah 78 2486 15861 650 Rata-Rata 6,5 207,17 - - Dari tabel diatas, dapat digunakan untuk menghitung nilai slope (b) dan nilai intercept (a) dengan menggunakan rumus: y(t) = a + b.t

51 a. Menghitung nilai slope (b): b. Menghitung nilai intercept (a): c. Persamaan Peramalan Linear y = a + b.t y = 220,71 2,08.t Dari perhitungan diatas, kemudian digunakan untuk perhitungan peramalan produk twistlock dengan metode linear. Hasil peramalannya adalah sebagai berikut: Tabel 4.5 Hasil Peramalan Metode Linear Bulan T Demand (y) y' y-y' (y-y') 2 y-y' (y-y'/y) x100 (y-y') x100 Jan 1 135 218.63-84 6993.68 84-61.95 61.95 Feb 2 255 216.54 38 1478.84 38 15.08 15.08 Mar 3 198 214.46-16 270.94 16-8.31 8.31 Apr 4 235 212.38 23 511.82 23 9.63 9.63 Mei 5 176 210.29-34 1175.98 46-19.48 19.48

52 Jun 6 229 208.21 21 432.28 21 9.08 9.08 Jul 7 287 206.12 81 6540.81 81 28.18 28.18 Ags 8 300 204.04 96 9208.17 96 31.99 31.99 Sep 9 156 201.96-46 2112.03 46-29.46 29.64 Okt 10 200 199.87 0 0.02 0 0.06 0.06 Nop 11 165 197.79-33 1075.12 33-19.87 19.87 Des 12 150 195.71-46 2088.96 46-30.47 30.47 Jumlah 78 2486 2486 0 31888.66 530-75.53 263.74 Dari tabel diatas, dilakukan perhitungan simpangan error berikut ini: =56,47 = 2657 Metode Eksponential Smoothing Berikut adalah hasil dari perhitungan peramalan permintaan twistlock dengan menggunakan metode Eksponential Smoothing α = 0,7 0,9 dan perhitungan kesalahan peramalan untuk metode Eksponential Smoothing.

53 a. Metode Eksponential Smoothing α = 0,7 Tabel 4.6 Hasil Perhitungan Metode Eksponential Smoothing α = 0,7 Demand Forecast (y-y'/y) (y-y'/y) Bulan t (y) (y') y-y' (y-y') 2 y-y' x100 x100 Jan 1 135 - - - - - - Feb 2 255 135 120 14400 120 47.06 47.06 Mar 3 198 219-21 441 21-10.61 10.61 Apr 4 235 204.30 30.70 942.49 30.7 13.06 13.06 Mei 5 176 225.79-49.79 2479.04 49.79-28.29 28.29 Jun 6 229 190.94 38.06 1448.79 38.06 16.62 16.62 Jul 7 287 217.58 69.42 4818.98 69.42 24.19 24.19 Ags 8 300 266.17 33.83 1144.18 33.83 11.28 11.28 Sep 9 156 289.85-133.85 17916.44 133.85-85.80 85.8 Okt 10 200 196.16 3.84 14.78 3.84 1.92 1.92 Nop 11 165 198.85-33.85 1145.60 33.85-20.51 20.51 Des 12 150 175.15-25.15 632.72 25.15-16.77 16.77 Total - 2486 2318.79 32.21 45384.03 559.49-47.85 276.11

54 = 3782 b. Metode Eksponential Smoothing α = 0,8 Tabel 4.7 Hasil Perhitungan Metode Eksponential Smoothing α = 0,8 Demand Forecast (y-y'/y) (y-y'/y) Bulan t (y) (y') y-y' (y-y') 2 y-y' x100 x100 Jan 1 135 - - - - - - Feb 2 255 135 120 14400 120 47.06 47.06 Mar 3 198 231-33 1089 33-16.67 16.67 Apr 4 235 204.60 30.40 924.16 30.4 12.94 12.94 Mei 5 176 228.92-52.92 2800.53 52.92-30.07 30.07 Jun 6 229 186.58 42.42 1799.12 42.42 18.52 18.52 Jul 7 287 220.52 66.48 4420.02 66.48 23.16 23.16 Ags 8 300 273.70 26.30 691.51 26.30 8.77 8.77 Sep 9 156 294.74-138.74 19248.97 138.74-88.94 88.94 Okt 10 200 183.75 16.25 264.12 16.25 8.13 8.13 Nop 11 165 196.75-31.75 1008.04 31.75-19.24 19.24 Des 12 150 171.35-21.35 455.82 21.35-14.23 14.23 Total - 2486 2326.91 24.09 47101.29 579.61-50.57 287.73

55 = 3925,10 c. Metode Eksponential Smoothing α = 0,9 Tabel 4.8 Hasil Perhitungan Metode Eksponential Smoothing α = 0,9 Demand Forecast (y-y'/y) (y-y'/y) Bulan t (y) (y') y-y' (y-y') 2 y-y' x100 x100 Jan 1 135 - - - - - - Feb 2 255 135 120 14400 120 47.06 47.06 Mar 3 198 243-45 2025 45-22.73 22.73 Apr 4 235 202.50 32.50 1056.25 32.50 13.83 13.83 Mei 5 176 231.75-55.75 3108.06 55.75-31.68 31.68 Jun 6 229 181.58 47.43 2249.13 47.43 20.71 20.71 Jul 7 287 224.26 62.74 3936.62 62.74 21.86 21.86 Ags 8 300 280.73 19.27 371.50 19.27 6.42 6.42 Sep 9 156 298.07-142.07 20184.62 142.07-91.07 91.07 Okt 10 200 170.21 29.79 887.61 29.79 14.90 14.9

56 Nop 11 165 197.02-32.02 1025.33 32.02-19.41 19.41 Des 12 150 168.20-18.20 331.32 18.20-12.13 12.13 Total - 2,486 2332.31 18.69 49575.43 604.77-52.24 301.8 = 4131,28 Metode Konstan Berikut adalah hasil dari perhitungan peramalan permintaan twistlock dengan menggunakan metode konstan dan perhitungan kesalahan peramalan untuk metode konstan. Tabel 4.9 Hasil Perhitungan Metode Konstan Demand Forecast (y-y'/y) (y-y'/y) Bulan t (y) (y') y-y' (y-y') 2 y-y' x100 x100 Jan 1 135 207-72 5208.03 72-53.46 53.46 Feb 2 255 207 48 2288.03 48 18.76 18.76 Mar 3 198 207-9 84.03 9-4.63 4.63

57 Apr 4 235 207 28 774.69 28 11.84 11.84 Mei 5 176 207-31 971.36 31-17.71 17.71 Jun 6 229 207 22 476.69 22 9.53 9.53 Jul 7 287 207 80 6373.36 80 27.82 27.82 Ags 8 300 207 93 8618.03 93 30.94 30.94 Sep 9 156 207-51 2618.03 51-32.80 32.8 Okt 10 200 207-7 51.36 7-3.58 3.58 Nop 11 165 207-42 1778.03 42-25.56 25.56 Des 12 150 207-57 3268.03 57-38.11 38.11 Total - 2486 2486 0 32509.67 540-76.95 275 = 2709,13 Metode Moving Averages Berikut adalah hasil peramalan produk twistlock dengan menggunakan metode rata-rata bergerak pada bulan ke-3, ke-4 dan ke-5 dan perhitungan kesalahan untuk metode rata-rata bergerak (Moving Averages).

58 a. Moving Average 3 Bulan Tabel 4.10 Hasil Perhitungan Metode Moving Average 3 Bulan Demand Forecast (y-y'/y) (y-y'/y) Bulan t (y) (y') y-y' (y-y') 2 y-y' x100 x100 Jan 1 135 - - - - - - Feb 2 255 - - - - - - Mar 3 198 - - - - - - Apr 4 235 196 39 1521 39 16,60 16,6 Mei 5 176 229,33-53,33 2844,44 53,33-30,30 30,3 Jun 6 229 203 26 676 26 11,35 11,35 Jul 7 287 213,33 73,67 5426,78 73,67 25,67 25,67 Ags 8 300 230,67 69,33 4807,11 69,33 23,11 23,11 Sep 9 156 272-116 13456 116-74,36 74,36 Okt 10 200 247,67-47,67 2272,11 47,67-23,83 23,83 Nop 11 165 218,67-53,67 2880,11 53,67-32,53 32,53 Des 12 150 173,67-23,67 560,11 23,67-15,78 15,78 Total - 2486 1984-86,33 34443,67 502,34-100,07 253,53

59 = 3827,04 b. Moving Average 4 Bulan Tabel 4.11 Hasil Perhitungan Metode Moving Average 4 Bulan Demand Forecast (y-y'/y) (y-y'/y) Bulan t (y) (y') y-y' (y-y') 2 y-y' x100 x100 Jan 1 135 - - - - - - Feb 2 255 - - - - - - Mar 3 198 - - - - - - Apr 4 235 - - - - - - Mei 5 176 205.75-29.75 885.06 29.75-16.90 16.90 Jun 6 229 216 13 169 13 5.68 5.68 Jul 7 287 209.50 77.50 6006.25 77.5 27 27 Ags 8 300 231.75 68.25 4658.06 68.52 22.75 22.75 Sep 9 156 248-92 8464 92-58.97 58.97 Okt 10 200 243-43 1849 43-21.50 21.50 Nop 11 165 235.75-70.75 5005.56 70.75-42.88 42.88 Des 12 150 205.25-55.25 3052.56 55.25-36.83 36.83 Total - 2486 1795-132 30089.50 449.77-121.66 232.51

60 = 3761,19 c. Moving Average 5 Bulan Tabel 4.12 Hasil Perhitungan Metode Moving Average 5 Bulan Demand Forecast (y-y'/y) (y-y'/y) Bulan t (y) (y') y-y' (y-y') 2 y-y' x100 x100 Jan 1 135 - - - - - - Feb 2 255 - - - - - - Mar 3 198 - - - - - - Apr 4 235 - - - - - - Mei 5 176 - - - - - - Jun 6 229 199.80 29.20 852.64 29.20 12.75 12.75 Jul 7 287 218.60 68.40 4678.56 68.40 24 24 Agus 8 300 225 75 5625.00 75 25 25 Sep 9 156 245.40-89.40 7992.36 89.40-57.31 57.31 Okt 10 200 229.60-30 876 30-14.80 14.80 Nop 11 165 234.40-69.40 4816.36 69.40-42.06 42.06 Des 12 150 221.60-71.60 5126.56 71.60-47.73 47.73 Total - 2486 1574-87 29967.64 433-100.32 223.65

61 = 4281,09 4.2.2. Analisa Kesalahan Peramalan Tabel 4.13 Perbandingan Nilai Kesalahan SEE, MAD, MAPE dan MSE Metode Peramalan SEE MAD MAPE MSE Linear 56.47 44.17 21.97 2657 Eksponensial Smoothing α = 0,7 67.37 46.62 23 3782 Eksponensial Smoothing α = 0,8 68.63 48.3 23.97 3925.1 Eksponensial Smoothing α = 0,9 70.4 50.39 25.15 4131.28 Konstan 57.01 45 22.91 2709.13 Moving Average 3 70.14 55.81 28.17 3817.04 Moving Average 4 70.82 56.22 29.06 3761.19 Moving Average 5 77.41 61.85 31.95 4281.09 Dari tabel 4.13 terlihat bahwa metode peramalan Linear mempunyai nilai akurasi kesalahan terkecil, sehingga metode Linear akan dipilih untuk pengolahan data selanjutnya.

62 Pada penelitian ini penulis hanya menggunakan 4 metode peramalan. Metode Quadratic, Eksponensial dan metode Siklis tidak dapat diterapkan karena tidak sesuai dengan jumlah permintaan yang ada. 4.2.3. Perhitungan Peramalan Periode Selanjutnya Pada perhitungan diatas telah dipilih metode peramalan Linear dan dari metode tersebut dilakukan perhitungan peramalan untuk bulan yang akan datang dengan menggunakan rumus sebagai berikut: y = 220,71 2,08.t Dengan data dari permintaan konsumen yang akan datang didapat hasil peramalan sebagai berikut: Tabel 4.14 Hasil Peramalan Permintaan Tahun 2015 Berdasarkan Metode Linear Forecast Bulan t (Unit) Jan 13 193.62 Feb 14 191.54 Mar 15 189.51 Apr 16 187.43 Mei 17 185.35 Jun 18 183.27 Jul 19 181.19 Ags 20 179.11

63 Sep 21 177.03 Okt 22 174.95 Nop 23 172.87 Des 24 170.70 4.2.4. Peta Rentang Bergerak (Moving Range) Langkah selanjutnya dalam menentukan metode peramalan terbaik adalah melakukan pengujian verifikasi (pemeriksaan) dengan menggunakan peta Moving Range dengan membandingkan nilai peramalan Linear. Hasil perhitungan nilai Moving Range untuk peramalan Linear adalah sebagai berikut: Tabel 4.15 Perhitungan Moving Range Metode Linear Bulan t y' y MR Jan 1 218.63 135 - Feb 2 216.54 255 122.08 Mar 3 214.46 198 54.92 Apr 4 212.38 235 39.08 Mei 5 210.29 176 56.92 Jun 6 208.21 229 55.08 Jul 7 206.12 287 60.08 Ags 8 204.04 300 15.08 Sep 9 201.96 156 141.92 Okt 10 199.87 200 46.08

64 Nop 11 197.79 165 32.92 Des 12 195.71 150 12.92 Total 637.08 Kemudian diperoleh apakah hasil peramalan yang dilakukan berada pada batas kontrolnya atau berada diluar batas kontrolnya dengan perhitungan sebagai berikut: 200,00 150,00 100,00 50,00 0,00-50,00-100,00-150,00-200,00 Peta Moving Range Metode Linear 1 2 3 4 5 6 7 8 9 10 11 12 y'-y BKA BKB Gambar 4.5 Grafik Peta Pengendali Uji Verifikasi Peramalan Metode Linear Dari hasil pemeriksaan dan pengendalian data peramalan metode Linear tersebut, maka dapat dikatakan bahwa peramalan tersebut valid dan layak untuk

65 digunakan karena seluruh data hasil peramalan dapat dikontrol dalam peta kendali rentang bergerak. 4.2.5. Penentuan Lotting Penentuan ukuran lot didapatkan dengan melihat total biaya yang paling minimum yaitu total biaya pemesanan dan biaya penyimpanan selama satu tahun. Jenis ukuran lot yang dibandingkan dalam penelitian ini adalah: Lot for Lot (LFL) Economic Order Quantity (EOQ) Fixed Order Quantity (FOQ) Fixed Period Requirement (FPR) Untuk perbandingan total biaya dari keempat ukuran lot dapat dilihat pada tabel 4.16, untuk perhitungan lengkapnya dapat dilihat pada lampiran. Tabel 4.16 Perbandingan Total Biaya Keempat Ukuran Lot Metode Biaya Simpan (Rp) Biaya Pesan (Rp) Total (Rp) LFL - 6.000.000 6.000.000 FPR 50.412.500 3.000.000 53.412.500 EOQ 49.998.500 4.000.000 53.998.500 FOQ 74.127.500 3.750.000 77.877.500

66 Dari keempat ukuran lot, metode Lot for Lot memiliki total biaya yang paling minimum yaitu Rp 6.000.000,-. Namun, metode ini tidak bisa diterapkan di perusahaan karena perusahaan menginginkan adanya persediaan, maka metode yang akan digunakan adalah Fixed Period Requirement (FPR) dengan menggabungkan jumlah permintaan 2 periode. 4.2.6. Jadwal Induk Produksi (Master Production Schedule) Data MPS ini didapat didapat dari perhitungan peramalan permintaan dengan metode Linear dan diasumsikan bahwa kapasitas perusahaan dapat memenuhi peramalan permintaan, yaitu sebagai berikut: Tabel 4.17 Jadwal Induk Produksi Tahun 2015 (MPS) No Bulan Permintaan (Unit) Kebutuhan Bahan Baku ASSAB ASSAB 705 ST14 1 Jan 194 4850 970 2 Feb 192 4800 960 3 Mar 190 4750 950 4 Apr 188 4700 940 5 Mei 186 4650 930 6 Jun 184 4600 920 7 Jul 182 4550 910 8 Ags 180 4500 900 9 Sep 178 4450 890

67 10 Okt 175 4375 875 11 Nop 173 4325 865 12 Des 171 4275 855 Total 2193 54825 10965 4.2.6. Perhitungan MRP Pada Bahan Baku Produk Twistlock 4.2.6.1.Metode Fixed Period Requirement (FPR) Konsep ini menggunakan konsep permintaan dengan interval tetap, tetapi jumlah yang dipesan bervariasi. Jumlah yang dipesan merupakan penjumlahan dari permintaan dari periode-periode yang ada. Misalnya kebutuhan dua periode telah ditetapkan, teknik ini dapat memaskan pesanan periode lainya, kecuali saat kebutuhan bersih dalam suatu periode yang di tentukan sama dengan nol dapat memajukan interval permintaan. Karena dalam penulisan laporan ini tentang merencanakan kebutuhan material pada satu tahun mendatang, maka agar lebih efisien interval waktu yang digunakan adalah tiap dua periode. Hasil perhitunganya adalah sebagai berikut:

Tabel 4.18 Perhitungan MRP Twistlock dengan Metode Fixed Period Requirement MRP for Twistlock (Level 0) Lead Time = 1 Lot Size = FPR Product on Hand = 0 Safety Stock = 0 0 1 2 3 4 5 6 7 8 9 10 11 12 Total GR 194 192 190 188 186 184 182 180 178 175 173 171 2193 POH 0 192 0 188 0 184 0 180 0 175 0 171 0 1090 NR 194 192 190 188 186 184 182 180 178 175 173 171 PORec 386 0 378 0 370 0 362 0 353 0 344 0 6 PORel 386 0 378 0 370 0 362 0 353 0 344 0 68

Tabel 4.19 Perhitungan MRP ASSAB 705 dengan Metode Fixed Period Requirement MRP for ASSAB 705 (Level 1) Lead Time = 1 Lot Size = FPR Product on Hand = 0 Safety Stock = 0 0 1 2 3 4 5 6 7 8 9 10 11 12 Total GR 4850 4800 4750 4700 4650 4600 4550 4500 4450 4375 4325 4275 54825 POH 0 4800 0 4700 0 4600 0 4500 0 4375 0 4275 0 27250 NR 4850 4800 4750 4700 4650 4600 4550 4500 4450 4375 4325 4275 PORec 9650 0 9450 0 9250 0 9050 0 8825 0 8600 0 6 PORel 9650 0 9450 0 9250 0 9050 0 8825 0 8600 0 69

Tabel 4.20 Perhitungan MRP ASSAB ST14 dengan Metode Fixed Period Requirement MRP for ASSAB ST14 (Level 1) Lead Time = 1 Lot Size = FPR Product on Hand = 0 Safety Stock = 0 0 1 2 3 4 5 6 7 8 9 10 11 12 Total GR 970 960 950 940 930 920 910 900 890 875 865 855 10965 POH 0 960 0 940 0 920 0 900 0 875 0 855 0 5450 NR 970 960 950 940 930 920 910 900 890 875 865 855 PORec 1930 0 1890 0 1850 0 1810 0 1765 0 1720 0 6 PORel 1930 0 1890 0 1850 0 1810 0 1765 0 1720 0 70