Berdasarkan penelitian, biaya operasi gudang diestimasikan sebesar 15% - 70 % dari total biaya manufaktur. Tompkins, et al., 1996

(1)

(2)

2

(3)

“Berdasarkan penelitian, biaya operasi gudang

diestimasikan sebesar

15% - 70 %

dari total biaya

manufaktur”

(4)

“Optimasi Tata Letak Semi Dinamis Raw

Material Fast Moving Pada Gudang Dengan

Pendekatan Matematis”

Abdan Sakur Ad hani 2510100097

(5)

PRODUK A B C D E F G H 2-Jan 0 6720 150150 0 26880 110880 0 0 3-Jan 0 0 0 0 0 0 0 0 4-Jan 0 0 0 0 0 0 0 400 5-Jan 1200 0 0 0 0 800 1530 0 6-Jan 54000 0 38400 52800 0 0 0 0 7-Jan 0 0 0 0 0 0 0 0 8-Jan 0 28800 158400 0 42000 93600 0 0 9-Jan 0 0 0 0 0 0 0 0 10-Jan 1200 1200 2090 0 0 0 0 0 11-Jan 0 0 0 0 0 0 0 0 12-Jan 0 0 0 0 0 0 0 0 13-Jan 0 0 0 0 0 0 0 0 14-Jan 11440 0 0 22880 54054 0 0 0 15-Jan 0 0 0 0 0 0 0 0 16-Jan 0 0 0 0 0 0 0 0 17-Jan 0 0 0 0 0 4800000 0 4800000 PRODUK A B C D E,G,H F 2-Jan 0 6720 150150 0 26880 110880 3-Jan 0 0 0 0 0 0 4-Jan 0 0 0 0 400 0 5-Jan 1200 0 0 0 1530 800 6-Jan 54000 0 38400 52800 0 0 7-Jan 0 0 0 0 0 0 8-Jan 0 28800 158400 0 42000 93600 9-Jan 0 0 0 0 0 0 10-Jan 1200 1200 2090 0 0 0 11-Jan 0 0 0 0 0 0 12-Jan 0 0 0 0 0 0 13-Jan 0 0 0 0 0 0 14-Jan 11440 0 0 22880 54054 0 15-Jan 0 0 0 0 0 0 16-Jan 0 0 0 0 0 0 17-Jan 0 0 0 0 4800000 4800000 Material Dinamis

(6)

No Nama Gabungan Material Digabung 1 Carton Gabung A Carton 49 Carton 14 Carton 75 Carton 93 2 Carton Gabung B Carton 38 Carton 78 Carton 72 Carton 41 3 Carton Gabung C Carton 92 Carton 6

4 Carton Gabung D Carton 16 Carton 85

5 Carton Gabung E Carton 57 Carton 55 Carton 56 Carton 82 Carton 70 Carton 79 Carton 23 6 Carton Gabung F Carton 87 Carton 80 Carton 89 Carton 81 Carton 31

7 Carton Gabung G Carton 90 Carton 18 Carton 20 8 Carton Gabung H Carton 88 Carton 63

9 Carton Gabung I Carton 2 Carton 77 Carton 73 Carton 50

10 Carton Gabung J Carton 94 Carton 74 Carton 10 Carton 40 Carton 17

… … … … … …

Tabel 4.1. Daftar Material Digabung (hal. 41)

Material Dinamis

(7)

Penerimaan Gudang Permintaan Produksi

Lead time supplier

Stock minimum per material Frekuensi Permintaan produksi Pemodelan Matematis

(skenario 1 & skenario 2)

Interpretasi & Analisa Lokasi Optimum Raw Material

1

2

3

4

(8)

Stock minimum per material

1

(9)

1 …..Con’t…

Stock minimum /hari Safety stock /hari Lead Time Produksi Standar deviasi produksi /hari Rerata Produksi /hari Stock minimum /interval pengiriman Rerata pengiriman Supplier /hari

(10)

1 …..Con’t…

No Nama Produk Total Hari Produksi Rerata Produksi (pcs, hari) Kuantitas Material (pallet) Safety stock (pcs, hari) Minimum Stock (pcs, hari) Rerata Frekuensi Pengiriman supplier (pcs, hari) Minimum Stock (pcs, pengiriman) Minimum Stock (pallet, pengiriman) 1 Barrel 1 21 21025.05 7710 57665.33 78690.38 1 78690.38 11 2 Barrel 2 54 30868.56 7710 61839.15 92707.70 1 92707.70 13 3 Barrel 3 48 36372.38 6750 74091.46 110463.84 1 110463.84 17 4 Barrel 4 57 41044.74 6750 92315.52 133360.25 1 133360.25 20 5 Barrel 5 10 19026.00 6300 37533.75 56559.75 1 56559.75 9 6 Barrel 6 1 2100.00 6300 0.00 2100.00 1 2100.00 1 7 Barrel 7 23 30630.00 6300 73543.86 104173.86 1 104173.86 17 8 Bottle 1 1 2750.00 8250 0.00 2750.00 2 1375.00 1 9 Carton 1 80 85268.75 54000 110342.61 195611.36 1 195611.36 4 … … … … …

(11)

Perhitungan f (frekuensi) per material dihitung dengan cara : f = 𝒕𝒐𝒕𝒂𝒍 𝒑𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏 𝒔𝒆𝒍𝒂𝒎𝒂 𝟔 𝒃𝒖𝒍𝒂𝒏 𝒎𝒊𝒏𝒊𝒎𝒖𝒎 𝒔𝒕𝒐𝒄𝒌 Frekuensi Permintaan produksi

2

(12)

Frekuensi Permintaan produksi

2

No Nama Produk Minimum Stock (pallet, pengiriman) Total Kebutuhan Selama 6 Bulan (pcs) Total Kebutuhan Selama 6 Bulan (pallet) Frekeunsi Total Pengambilan Material 1 Barrel 1 11 441526.00 58 5.27 2 Barrel 2 13 1666902.00 217 16.69 3 Barrel 3 17 1745874.00 259 15.24 4 Barrel 4 20 2339550.00 347 17.35 5 Barrel 5 9 190260.00 31 3.44 6 Barrel 6 1 2100.00 1 1.00 7 Barrel 7 17 704490.00 112 6.59 8 Bottle 1 1 2750.00 1 1.00 9 Carton 1 4 6821500.00 127 31.75 … … … … … …

Lampiran 2. Resume Data dan Perhitungan (hal. 130)

(13)

𝒎𝒊𝒏 _𝒋=𝟏𝑱 _𝒊=𝟏𝑰 (𝒘 + 𝑫_𝒋)𝒙_𝒊𝒋 𝒇_𝒊  i,j Subject to 𝒋=𝟏 𝑱 𝒙_𝒊𝒋 = 𝑸_𝒊 𝒊=𝟏 𝑰 𝒙_𝒊𝒋 = 𝟏 𝒙∗_𝒊𝒋 = 𝟎 𝒙_𝒊𝒋 = 𝟎 , 𝟏 Pemodelan Matematis

3

j  { 1 , 2 , … , J } merupakan indeks

untuk rak yang tersedia.

i  { 1 , 2 , … , I } merupakan indeks untuk setiap jenis material.

𝑤 merupakan bobot yang ditambahkan ke jarak sebagai konversi jarak secara

vertikal

𝐷_𝑗 merupakan jarak setiap rak j terhadap pintu produksi

𝑥_ℎ𝑖𝑗 material i yang menempati rak j pada hari h

𝑄_ℎ𝑖 kuantitas setiap jenis material i pada hari h 𝑓_ℎ𝑖 frekuensi pengambilan material i pada

hari h

(14)

Global optimal solution found.

Objective value: 2708315.

Objective bound: 2708315.

Infeasibilities: 0.000000

Extended solver steps: 0 Total solver iterations: 394 Elapsed runtime seconds: 18.22

Model Class: PILP

Total variables: 367275 Nonlinear variables: 0 Integer variables: 367275 Total constraints: 2348 Nonlinear constraints: 0 Total nonzeros: 1132650 Nonlinear nonzeros: 0

…..Con’t…

Pemodelan Matematis

3

Skenario 1

(15)

LAMPIRAN 11A. Penataan Skenario 1 (Gudang C)

…..Con’t…

(16)

𝑲𝒆𝒍𝒆𝒃𝒊𝒉𝒂𝒏

•

Perhitungan cepat

•

Tercapainya global optimum (total jarak tempuh material handling minimum)

𝑲𝒆𝒌𝒖𝒓𝒂𝒏𝒈𝒂𝒏

•

Penataan beberapa material terlihat acak akibat adanya jarak beberapa rak yang hampir sama di baris rak yang berbeda

…..Con’t…

(17)

𝒎𝒊𝒏 _𝒋=𝟏𝑱 _𝒊=𝟏𝑰 (𝒘 + 𝑫_𝒋)𝒙_𝒊𝒋 𝒇_𝒊  i,j Subject to 𝒋=𝟏 𝑱 𝒙_𝒊𝒋 = 𝑸_𝒉𝒊 𝒊=𝟏 𝑰 𝒙_𝒊𝒋 = 𝟏 𝒙∗_𝒊𝒋 = 𝟎 𝒙_𝒊𝒋 = 𝟎 , 𝟏 Skenario 2 tahap 1

Langkah optimasi pada skenario 2 tahap 1 sama dengan skenario 1.

Perbedaannya terletak pada jarak rak dalam satu baris bernilai sama dengan rata-rata jarak setiap rak pada baris tersebut.

…..Con’t…

(18)

𝒎𝒊𝒏 _𝒋=𝟏𝑱 _𝒊=𝟏𝑰 (𝒘 + 𝑫_𝒋)𝒙_𝒊𝒋 𝒇_𝒊  i,j Subject to 𝒋=𝟏 𝑱 𝒙_𝒊𝒋 = 𝑸_𝒉𝒊 𝒊=𝟏 𝑰 𝒙_𝒊𝒋 = 𝟏 𝒙∗_𝒊𝒋 = 𝟎 𝒙∗∗_𝒊𝒋 = 𝟏 𝒙_𝒊𝒋 = 𝟎 , 𝟏

Hasil dari tahap 1 adalah peletakan optimum untuk material per baris. Namun material dalam 1 baris masih acak. Untuk itu tujuan dari tahap 2 adalah mengoptimumkan penataan material di setiap baris rak. Hasil dari tahap 1 akan menjadi konstrain

tambahan pada tahap 2.

Skenario 2 tahap 2 Pemodelan Matematis

3 …..Con’t…

(19)

Global optimal solution found.

Objective value: 2755509.

Objective bound: 2755509.

Infeasibilities: 0.000000

Extended solver steps: 0

Total solver iterations: 5020 Elapsed runtime seconds: 18.97

Model Class: MILP

Total variables: 734550 Nonlinear variables: 0 Integer variables: 367275 Total constraints: 2348 Nonlinear constraints: 0 Total nonzeros: 1132650 Nonlinear nonzeros: 0 Skenario 2 tahap 2 Pemodelan Matematis

3 …..Con’t…

(20)

LAMPIRAN 13A. Penataan Skenario 2 Tahap 2 (Gudang C) Skenario 2 tahap 2 Pemodelan Matematis

3 …..Con’t…

(21)

𝑲𝒆𝒍𝒆𝒃𝒊𝒉𝒂𝒏

•

Penataan lebih baik dari skenario 1 karena material sejenis akan tertata berdekatan

𝑲𝒆𝒌𝒖𝒓𝒂𝒏𝒈𝒂𝒏

• Perhitungan lebih lama dari skenario 1 karena terdapat 2 tahap

• Hasil perhitungan sedikit lebih buruk dari skenario 1

Skenario 2 Pemodelan

Matematis

3

(22)

Analisa

4

Perbandingan Hasil Perhitungan

Jarak Eksisting Skenario 1 Skenario 2

Dengan Tambahan Pinalti 3.719.813 m 2.708.315 m 2.736.688 m

Tanpa Pinalti 1.857.283 m 1.615.331 m 1.640.144 m

Jarak Skenario 1 Skenario 2

Dengan Tambahan Pinalti 27,2% 26,4%

Tanpa Pinalti 13,0% 11,7%

Persentase Perbaikan Dari Kondisi Eksisting

Jarak Skenario 1 Skenario 2

Keacakan Penataan Agak Acak Tidak Acak

(23)

RUANG LINGKUP PENELITIAN

Batasan penelitian

•

Penelitian hanya dilakukan untuk optimasi gudang di bagian Pabrik A PT. Unilver, Tbk cabang Rungkut, Surabaya.

•

Penelitian tidak memperhitungkan kejadian khusus dimana supplier terkait dilarang menyuplai raw material selama batas waktu tertentu akibat isu kualitas yang terjadi.

•

Data untuk penelitian diambil selama 6 bulan, terhitung sejak Oktober 2013 hingga Maret 2014.

(24)

Asumsi penelitian

• Tipe gudang tidak berubah.

• Operator dan mesin dapat bekerja dengan baik dan dapat selalu memenuhi target produksi.

• Tidak ada raw material yang kembali ke gudang setelah terkirim ke bagian produksi.

• Seluruh raw material yang masuk akan keluar pada hari itu juga.

(25)

(26)

Forecasting

•

Perhitungan R square dilakukan untuk mengetahui hubungan variabel waktu terhadap permintaan produksi. Perhitungan R square dilakukan dua kali untuk setiap material, yakni berdasarkan permintaan per hari maupun permintaan yang diakumulasikan selama 1 minggu.

•

Perhitungan R square menunjukkan bahwa keterkaitan antara produksi dan waktu untuk permintaan per minggu maupun per hari sangat kecil. Nilai R square terbesar untuk permintaan per minggu adalah 0,53 yang dimiliki oleh Tube 23. Sedangkan untuk permintaan per hari R square terbesar adalah 0,23 yang dimiliki oleh Thinner 2

(27)

1. Jenis material sama

2. Ukuran material dalam 1 kelas

3. Total hari produksi terkecil

4. Minimum stock tidak berbeda jauh

Prioritas Penggabungan

(28)

Perhitungan Minstock/Frekuensi

Gabungan

Minstock Gabungan

•

Minstock terbanyak dalam satu kelompok Frekuensi Gabungan 𝐹𝐺 = 𝑖=1 𝑛 _{(𝑀𝑖𝑛𝑠𝑡𝑜𝑐𝑘} 𝑖 x 𝐹𝑖) 𝑀𝑎𝑥𝑚𝑖𝑛𝑠𝑡𝑜𝑐𝑘

(29)

Minstock/

Interval waktu Material Waktu Jumlah Pengiriman

Carton 27 10/19/13 6:00 20,594,304 Carton 27 10/19/13 6:47 20,594,304 Carton 27 10/19/13 7:16 15,445,728 Carton 27 10/19/13 10:52 15,445,728 Carton 27 10/21/13 9:47 20,594,304 Carton 27 10/21/13 11:36 25,742,880 Carton 27 10/22/13 6:44 20,594,304 Carton 27 10/22/13 8:22 25,742,880 Carton 27 10/22/13 10:23 10,297,152 Carton 27 10/22/13 12:01 5,148,576 Carton 27 10/23/13 5:04 30,891,456 Carton 27 10/23/13 6:55 30,891,456 Carton 27 10/23/13 10:14 10,297,152 Carton 27 10/23/13 11:18 10,297,152 Carton 27 10/24/13 5:03 30,891,456 Carton 27 10/24/13 6:56 30,891,456 Carton 27 10/24/13 11:12 30,891,456 Carton 27 10/24/13 12:04 30,891,456 .. .. ..

(30)

Validasi Model

Terdapat 3 material dengan masing-masing minimum stock

M

₁

= 5 , M

₂

= 7, M

₃

= 4.

Frekuensi pengambilan untuk masing-masing material adalah

f

₁

= 5 , f

₂

= 6 , f

₃

= 4.

(31)

Validasi Model

(32)

Validasi Model

Skenario 2

(33)

Validasi Model

Skenario 2