Integrasi Produksi - Distribusi pada Supply Chain dengan Pendekatan Hybrid Analitik – Simulasi

Abstract: Integrated production-distribution problem resolution using analytical model lacks of consideration of many uncertainties along supply chain line such as delays, queues, machine breakdown, vehicle malfunction, and environmental factor. By utilizing simulation as complex stochastic system modelling, this research aims to develop hybrid analytical-simulation approach to resolve integrated production-distribution model. Time capacity adjustment isrequired if production-distribution plan obtained from analytical model requires longer production and delivery time than available. The adjustment is using a procedure developed based on duration obtained from simulation model and is used to obtain adjusted time capacity. The implementation of hybrid method to resolve integrated production-distribution problem on two echelon supply chain with 2 factories and 5 Distribution Centre (DC) shows a feasible solution was obtained on the third iteration.

Keywords: Supply chain, production-distribution integration, analytical model, simulation

model, stochastic.

Pendahuluan

Proses utama dalam sebuah Supply Chain (SC) adalah perencanaan produksi dan distribusi (Lee dan Sook, [7]). Adanya persaingan ketat dan pasar global telah mendorong perusahaan untuk mengurangi biaya operasi dan persediaan di sepanjang SC sehingga membawa hubungan yang lebih dekat diantara fungsi produksi dan distribusi (Chen, [3]). Sebagai akibatnya perusahaan harus beralih dari pengambilan keputusan yang bersifat terpisah menjadi menjadi terkoordinasi dan terintegrasi diantara fungsi-fungsi yang ada (Thomas dan Paul, [10]).

Linear Programming (LP) dan Mixed Integer Programming (MIP) banyak digunakan untuk membuat model analitik pada problem integrasi produksi distribusi. Namun model analitik memiliki kelemahan karena mengasumsikan waktu produksi dan pengiriman bersifat deterministik, sehingga kurang mampu mengakomodasi ketidakpastian yang ada di dalam SC. diantaranya delay, antrian, kerusakan  mesin, kerusakan kendaraan, dan faktor lingkungan (cuaca, macet). Simulasi telah terbukti sebagai alat evaluasi performansi yang efektif dan alat pemodelan untuk sistem stokastik di dunia nyata yang sangat kompleks. pada

kebijakan replenishment di pabrik dan Distribution Center (DC). Lee dan Sook [7] dan Garside [5] menggunakan model simulasi yang telah mempertimbangkan faktor stokastik SC untuk memvalidasi solusi model analitik yang telah dikembangkan sebelumnya. Kedua model simulasi tersebut menggambarkan network supply chain yang berbeda namun hasil simulasi menunjukkan solusi model analitik menjadi tidak layak karena total waktu simulasi melebihi kapasitas waktu produksi yang tersedia, sehingga diperlukan penyesuaian atau

penambahan kapasitas agar solusi model analitik menjadi layak pada saat diimplementasikan. maka penelitian ini bertujuan mengembangkan pendekatan hybrid analitik-simulasi untuk

menyelesaikan problem integrasi produksi-distribusi pada sebuah SC terdiri dari banyak pabrik yangakan mensuplai berbagai jenis produk ke banyak DC. Penggabungan kelebihan kedua model tersebut akan menghasilkan solusi rencana produksi dan distribusi yang meminimalkan biaya produksi dan distribusi dan layak diimplementasikan di realita.

Metode Penelitian

Penelitian ini mengasumsikan bahwa hubungan antara variabel-variabel dalam fungsi tujuan dan pembatas adalah linear. Selain itu beberapa parameter model dipertimbangkan bernilai stokastik. dikarenakan mengakomodasi ketidakpastian yang berlangsung dalam supply chain. Ketidakpastian berupa delay, variasi kecepatan kendaraan, kerusakan mesin dan kerusakan kendaraan akan mempengaruhi nilai parameter waktu produksi, waktu perjalanan, kapasitas waktu produksi dan kapasitas waktu kendaraan menjadi acak atau berdistribusi peluang tertentu. penelitian ini diputuskan untuk menggunakan model linear deterministik agar penyelesaian masalah lebih mudah dilakukan dan selanjutnya akan digunakan simulasi untuk mengakomodasi ketidakpastian berupa variasi waktu produksi, kecepatan kendaraan, kerusakan mesin dan kerusakan kendaraan.

Metode Penelitian akan menjelaskan tahapan-tahapan penelitian yang dilakukan yaitu:

(1) formulasi model analitik (matematika)

(2) perancangan model simulasi, dan

(3) pengembangan prosedur hybrid analitik-simulasi.

Formulasi Model Analitik

Garside [6] mengembangkan model integrasi produksi-distribusi untuk menentukan jenis produk yang harus diproduksi, jumlah produksi, kuantitas dan jumlah pengiriman dari masing-masing pabrik ke masing-masing DC, serta persediaan di pabrik dan DC. Persediaan tersebut berfungsi sebagai safety stock sehingga pabrik dan DC dapat mengantisipasi

ketidakpastian permintaan dan pasokan yang berlangsung dalam supply chain dan anticipation / seasonal stock dimana pabrik dan DC menggunakan persediaan yang dibuat pada periode permintaan rendah untuk memenuhi permintaan pada musim puncak. Model ini memodifikasi model yang telah dikembangkan sebelumnya dengan mengijinkan permintaan tidak terpenuhi jika tidak menggunakan alokasi persediaan dan pabrik akan kehilangan biaya kesempatan untuk memenuhi permintaan tersebut dan ada beberapa Variabel keputusan dalam model integrasi produksi.

Perancangan Model Simulasi

Perancangan model simulasi menggunakan software ARENA dan VBA yang terintegrasi dalam software tersebut. Data-data yang diinputkan pada model simulasi meliputi:

(1) Rencana produksi – distribusi yang dihasilkan dari model analitik. Untuk mempermudah

proses input dikembangkan Worksheet Excel yang terintegrasi dengan VBA ARENA sehingga setiap perubahan secara otomatis akan merubah model simulasi.

(2) Waktu produksi tiap produk di tiap pabrik.

(3) Jarak dari tiap pabrik ke tiap DC.

(4) Kecepatan kendaraan.

(5) Waktu antar kerusakan dan perbaikan mesin di masing-masing pabrik.

(6) Waktu antar kerusakan dan waktu perbaikan masing-masing kendaraan.

Model simulasi untuk aktivitas produksi pada pabrik terdiri dari proses kedatangan produk setengah jadi dari line production yang lain, proses produksi, penentuan jumlah produk yang

akan dikirim, penentuan kendaraan dan distribution center yang akan dituju. Produk yang telah digolongkan berdasarkan ukuran pengiriman, tujuan, dan kendaraan, selanjutnya dikirimkan dengan menggunakan kendaraan menuju distribution center. Dalam penelitian ini, sub model travel dan distribution center merupakan model simulasi untuk aktivitas distribusi yang berlangsung dari pabrik ke DC.

Pengembangan Prosedur Hybrid Analitik-

Simulasi

Prosedur hybrid analitik-simulasi yang dikembangkan mengacu pada prosedur yang diusulkan Lee and Sook [7] dengan perbedaan terletak pada prosedur penyesuaian kapasitasnya. Penyesuaian tersebut berdasarkan waktu dari model simulasi sehingga diperoleh kapasitas waktu yang disesuaikan (adjusting capacity). Ada 10 Step penyesuaian kapasitas produksi untuk Menghitung selang kepercayaan rata-rata waktu simulasi di masing-masing pabrik pada tiap periode dengan menggunakan uji t pada tingkat kepercayaan 95%. Serta menetapkan batas atas/nilai maksimum dari selang kepercayaan sebagai waktu

simulasi di abrik ke-p pada periode k-t dan sebagainya.

Hasil dan Pembahasan

Pada bagian ini diberikan contoh numerik sebagai gambaran implementasi pendekatan hybrid analitik-simulasi. Prosedur hybrid analitik-simulasi digunakan untuk menyelesaikan sebuah problem integrasi produksi-distribusi yang berlangsung pada two echelon supply chain yang terdiri dari 2 pabrik dan 5 DC. Masing-masing pabrik dapat memproduksi 2 produk dan mengirimkannya secara langsung ke DC dengan menggunakan 2 kendaraan yang dimiliki tiap pabrik. Horison perencanaan yang dipertimbangkan adalah 3 periode dimana masing-masing memiliki waktu tersedia sebesar 48 jam. maka langkah pertama adalah mendapatkan

rencana produksi-distribusi dengan menggunakan model analitik yang telah dikembangkan.

SIMPULAN

Penelitian lanjutan yang bisa dilakukan untuk menyempurnakan yang ada saat ini adalah: Mengembangkan model simulasi dengan menggunakan module-based modeling sehingga waktu yang dibutuhkan untuk membangun sistem supply chain yang kompleks menjadi lebih singkat dan memiliki fleksibilitas yang tinggi dengan adanya perubahan konfigurasi sistem. Merancang agar output model simulasi di-generate secara otomatis dan disimpan dalam bentuk file Excel sehingga mempercepat penyesuaian kapasitas pada model analitiknya. Memasukkan biaya-biaya yang diperlukan untuk melakukan penyesuaian kapasitas.

Daftar Pustaka

1.      Alfieri, A., and P. Brandimarte, Object Oriented Modelling and Simulation of Integrated Production Distribution System. Computer Integrated Manufacturing Systems, 10(4), 1997, pp. 261-266.

2.      Chairunisah, Model Program Stokastik dalam Transportasi dan Logistik. Thesis,                 Program Studi Magister Matematika, Universitas Sumatera Utara, 2009..

3.      Chen, Z. L., Integrated Production and Distribution Operations: Taxonomy, Models, Review. in Handbook of Quantitative Supply chain Analysis: Modelling in the E-Business Era, Kluwer Academic Publishers, 2004.

4.      Fahimnia, B., Lee L., and Romeo M., Optimization/ Simulation Modeling of The Integrated Production-Distribution Plan: An Innovative Survey. WSEAS Transactions on Business and Economics, 3(5), 2008, pp. 44-57.

5.      Garside, A. K., A Simulation Model for Integrated Production - Distribution Problem. International Seminar On Industrial Engineering and Management, Bali-Indonesia, 2009, pp. 22-34.

6.      Garside, A. K., Model Simultan dan Decoupled untuk Penyelesaian Problem Integrasi Produksi - Persediaan - Distribusi – Persediaan. Jurnal Teknik Industri, 10(1), 2008, pp. 11-25.

7.      Lee, Y. H., and Sook, H. K., Optimal Production – Distribution Planning in Supply Chain Management Using a Hybrid Simulation – Analytic Approach. Proceedings of the 2000 Winter Simulation Conference, 2000, pp. 1252-1259.

8.      Lim, S. J., Suk J. J., Kyung S. K., and Myon W. P., A Simulation Approach for Production Distribution Planning with Consideration Given to Replenishment Policies. The International Journal of Advanced Manufaturing Technology, 27(5), 2006, pp. 593-603.

9.      Sumarwan, U., Dadang S., Ali K., dan Yekti H.E., Model Perencanaan Konsumsi pangan yang Memenuhi Kebutuhan Gizi, Kebiasaan Pangan dengan Biaya Minimum (Studi Kasus di Desa Cibitung Kulon, Kecamatan Pamijahan, Kabupaten Bogor, Jawa Barat). Media Gizi dan Keluarga, XXI (2), 1997, pp. 17-27.

10.  Thomas, D. J., and Paul M. G., Coordinated Supply Chain Management. European Journal of Operational Research, 94, 1996, pp. 1-15.

11.  Wang X., and Soemon T., Moduled – Based  Modelling of Production-Distribution Systems Considering Shipment Consolidation. Proceedings of the 2006 Winter Simulation Conference, 2006, pp. 1477-1484.

 Note: Jurnal ini adalah ringkasan untuk Tugas M11 Mata Kuliah TTKI