Pengembangan Model Kebijakan Persediaan Produk Multi Agro...
-
Upload
nguyenduong -
Category
Documents
-
view
220 -
download
0
Transcript of Pengembangan Model Kebijakan Persediaan Produk Multi Agro...
Pengembangan Model Kebijakan Persediaan Produk Multi Agro-Perishable
dengan Mempertimbangkan Biaya Energi dan Kapasitas Ruang Simpan
TUGAS AKHIR
Nama Mahasiswa :
Galuh Putri Wahyuningtyas
NRP :
2510 100 124
Dosen Pembimbing :
Dr. Eng. Ir. Ahmad Rusdiansyah, M.Eng., CSCP
Pendahuluan
Metodologi Penelitian
Pengembangan Model
Latar Belakang Penelitian
Perumusan Masalah Penelitian
Tujuan Penelitian
Kontribusi atau Manfaat Penelitian
Batasan dan Asumsi Penelitian
Percobaan Numerik
Kesimpulan dan Saran
Supply Chain Management
Food Supply Chain
Perishable
Product Grocery
Market
Inventory
for Shelf Space
Penurunan
Kualitas
VENDOR RETAILER
Demand Info
Product Delivery
Penurunan Kualitas
Keterbatasan Ruang Simpan
Energi
Bagaimanakah komposisi persediaan
terbaik untuk masing-masing produk
agro-perishable pada rak penyimpanan
Bagaimanakah model kebijakan persediaan
yang digunakan
Bagaimanakah suhu cooling optimal pada
rak penyimpanan produk agro-perishable
Bagaimanakah siklus replenishment
dan order size terbaik yang
dilakukan untuk tiap siklus
%
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
Mengetahui behaviour dari kebijakan persediaan yang
menggunakan produk multi agro-perishable (buah-
buahan).
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.
•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 buah-
buahan dengan dimensi
yang sejenis
•Biaya yang
dipertimbangkan dari sisi
retailer
SUHU KONSTAN
MEMILIKI KETERBATASAN
KAPASITAS SHORTAGES TIDAK
DIIJINKAN
KONDISI AWAL RAK PENUH
DEMAND DETERMINISTIK
KUALITAS PRODUK DATANG = 90%
REPLENISMENT CYCLE RUTIN
PENGIRIMAN DILAKUKAN MENGIKUTI LOT SIZE YANG TELAH DITENTUKAN
MULTI AGRO-PERISHABLE
PRODUCT
MEMILIKI PERBEDAAN
KARAKTERISTIK
DERAJAT PENURUNAN KUALITAS (θ)
SUHU PENYIMPANAN REKOMENDASI
PENGGUNAAN ENERGI
SUHU COOLING OPTIMAL
PROPORSI TIAP PRODUK
EOQ TIAP PRODUCT
SIKLUS REPLENISHMENT
TOTAL BIAYA SISTEM
SINGLE VENDOR SINGLE RETAILER
ORDER COST
INVENTORY COST
DISCOUNT COST
ROUTINE REPLENISMENT
LOT SIZE
HOLDING COST
DETERIORATION COST
ENERGY COST
𝑄𝑖 = 2 𝑂𝐶𝑖 𝐷𝑖 𝑚
𝐻𝑏𝑖 + 𝐴𝑐 𝑆𝑖
KETERBATASAN KAPASITAS
BELUM MEMPERTIMBANGKAN PENURUNAN KUALITAS
𝑇𝐶𝑏𝑖 = 𝑇𝑖 + 𝐷𝑖𝐻𝑏𝑖𝜃2 𝑒𝜃𝐶 − 1 −
𝐷𝑖𝐻𝑏𝑖𝐶
𝜃+ 𝑝𝑖 𝑄𝑖 − 𝐷𝑖𝐶 /𝐶
FAKTOR PENURUNAN KUALITAS BERUPA
KONSTANTA BELUM
MEMPERTIMBANGKAN BIAYA ENERGI
𝑞 = 𝑞0 − 𝑘𝑜
𝑚
𝑖=1
𝑡𝑖 . 𝑒𝑥𝑝 −𝐸𝑎/𝑅𝑇𝑖 MENGGANTIKAN
TETA (θ)
𝐶𝑂𝑃𝑐𝑜𝑜𝑙𝑖𝑛𝑔 =𝑄𝑐𝑜𝑙𝑑
𝑄ℎ𝑜𝑡 − 𝑄𝑐𝑜𝑙𝑑=
𝑇𝑐𝑜𝑙𝑑𝑇ℎ𝑜𝑡 − 𝑇𝑐𝑜𝑙𝑑
DIKALIKAN DENGAN RATA-RATA PERSEDIAAN (ZANONI & ZAVANELLA,
2012)
𝑄𝑖 = 2 𝑂𝐶𝑖 𝐷𝑖 𝑚
𝐻𝑏𝑖 + 𝐴𝑐 (𝑆𝑖 + 𝜃)
𝑄𝑖 = 2 𝑂𝐶𝑖 𝐷𝑖 𝑚
𝐻𝑏𝑖 + 𝐴𝑐 (𝑆𝑖 + 𝑘𝑜. 𝑒[−𝐸𝑎 𝑅𝑇 ])
MEMASUKKAN UNSUR PENURUNAN KUALITAS PRODUK
Variabel keputusan
Tl suhu cooling
Qi Lot size pemesanan
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑒 𝑇𝐶
=
𝐷𝑖 𝐻𝑏𝑖
𝑘𝑜. 𝑒[−𝐸𝑎 𝑅𝑇 ]2 𝑒𝑘𝑜 .𝑒 [−𝐸𝑎 𝑅𝑇 ]𝐶𝑖 − 1 −
𝐷𝑖 𝐻𝑏𝑖 𝐶𝑖
𝑘𝑜. 𝑒[−𝐸𝑎 𝑅𝑇 ]
𝑇𝑜𝑇𝐻 − 𝑇𝑜
𝑇𝑜𝑇𝐻 − 𝑇𝐿
+
𝑂𝐶𝑖 + 𝑃𝑖 𝑄𝑖 − 𝐷𝑖 𝐶𝑖
/𝐶𝑖
𝑛
𝑖=1
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
Ko = 6,00404
Suhu rekomendasi = 00C-1,50C
Ko = 3,6024246
Suhu rekomendasi =
2,50C-50C
Ko = 3,0020205
Suhu rekomendasi =
4,50C-7,50C
Suhu cooling memiliki trend positif dengan peningkatan derajat penurunan kualitas
Biaya simpan memiliki trend positif dengan peningkatan derajat penurunan kualitas
Trade off terjadi antara pengali energi dengan derajat penurunan kualitas. Nantinya akan didapatkan Total Cost minimal pada saat suhu cooling tertentu
Apel memiliki perubahan θ yang paling signifikan, disusul oleh jeruk dan tomat
EOQ memiliki hubungan trend negatif dengan θ,
semakin besar nilai θ maka EOQ semakin kecil
Dengan memperhatikan kapasitas, terjadi subtitusi proporsi buah berdasarkan θ
Dengan memperhatikan
kapasitas, terjadi subtitusi EOQ buah
berdasarkan θ
Goal : Minimize Cost Kebijakan : -Suhu : 40C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Demand = 50 (Rendah) Kebijakan : -Suhu : 1,50C -Siklus : 13 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Demand = 75 (Sedang) Kebijakan : -Suhu : 40C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Demand = 100 (Tinggi) Kebijakan : -Suhu : 60C -Siklus : 6 hari sekali -EOQ apel : 651 -EOQ jeruk : 671 -EOQ : 678
Goal : Maximize Profit Kebijakan : -Suhu : 1,50C -Siklus : 13 hari sekali -EOQ apel : 660 -EOQ jeruk : 669 -EOQ : 671
Kebijakan yang diambil sama dengan tujuan minimize cost
Demand = 75 (Sedang) Kebijakan : -Suhu : 40C -Siklus : 8 hari sekali -EOQ apel : 656 -EOQ jeruk : 670 -EOQ : 674
Kebijakan sama dengan tujuan minimize cost
Demand = 100 (Tinggi) Kebijakan : -Suhu : 5,50C -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 0,50C lebih dingin
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).
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.
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. 1515-1536.
Buzzell, R.D., Ortmeyer, G. (1995), “Channel Partnerships Streamline Distribution”, Sloan Management
Review, 36, hal. 85–96. 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. 75-95. 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. 251-258. 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. 285-295. 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. 421-429.
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. 11-18. 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. 218-235. Waller, M., Johnson, M.E., Davis, T. (1999), “Vendor Managed Inventory in the Retail Supply chain”,
Journal of Business Logistics, 20, hal. 183-203. 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. 361-373.
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. 673-682. 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. 368–382. 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. 266-274.