Keterkaitan Model PPIC dan Model Pengendalian Gangguan

sistem dengan tiap entitas terlihat pada gambar panah yang terhubung antara entitas dengan sistem. Dekomposisi fungsi SPK Intelijen PPIC Adaptif Industri Pangan meliputi 2 level fungsi seperti pada gambar 23 berikut ini. Untuk memperjelas aliran data yang terjadi pada setiap proses akan dibuat ekstraksi Diagram Konteks dalam bentuk Data Flow Diagram Level 0 dalam hal ini dikaitkan dengan implementasi model-model yang terdapat dalam SPK Intelijen PPIC Adaptif Industri Pangan, maka digambarkan Diagram Konteks level berikutnya level 1 atau sering disebut dengan Data Flow Diagram DFD Level 1 Lihat gambar 24 berikut. Berdasarkan diagram konteks dan dekomposisi fungsi SPK Intelijen PPIC Adaptif industri pangan, model-model yang dijalankan SPK Intelijen PPIC Adaptif dibuatkan model secara lebih rinci untuk memperjelas aliran proses ataupun aliran data atau informasi antara entitas dengan pengguna sistem. Berikutnya, untuk mendukung operasional SPK Intelijen PPIC Adaptif Pada Industri Pangan, dilakukan perancangan Data Flow Diagram DFD Level 2 untuk memperjelas ekstraksi sistem yang terdiri atas basis model sebagai berikut : 1. Basis model Prakiraan Permintaan Demand Management berdasarkan metode Artificial Neural Network ANN. 2. Basis model Penjadwalan Induk Produksi Master Production SchedulingMPS berdasarkan metode Fuzzy Multi Objective Linear Programming. 3. Basis model Perencanaan Persediaan Bahan Baku berdasarkan metode Material Requirement Planning MRP. 4. Basis model Pengendalian Persediaan Bahan Baku, 5. Basis model Penentuan Urutan Job Produksi berdasarkan metode penjadwalan Flowshop Genetic Algorithm. 6. Basis model Pengendalian Gangguan. Gambar DFD untuk masing-masing model dapat dilihat pada gambar-gambar berikut ini. Departemen Penjualan dan Pemasaran Riwayat Penjualan Departemen PPIC Prakiraan Permintaan Jk Pendek Prakiraan Permintaan Jk Menengah KONSUMEN Pesa nan R O, F O Va ria n

1. PRAKIRAAN PERMINTAAN :

Metode ANN Produk Jadi Gambar 25 Data flow diagram level 2 Prakiraan Permintaan. Dengan memanfaatkan informasi riwayat penjualan dari Departemen Penjualan dan Pemasaran dilakukan pemrosesan SPK untuk fungsi PPIC model Manajemen Permintaan, menghasilkan output yang akan diterima oleh Departemen PPIC berupa data Prakiraan Permintaan Jangka Pendek berikutnya akan dimanfaatkan sebagai input model Penjadwalan Induk Produksi serta data Prakiraan Permintaan Jangka Menengah berikutnya akan dimanfaatkan sebagai input model Perencanaan Persediaan Bahan Baku. Departemen Produksi Departemen PPIC Prakiraan Permintaan Jk Pendek P er sed iaa n Ka p a si ta s

2. PENJADWALAN INDUK PRODUKSI : Metode Fuzzy Multi

Objective Linear Programming Operator Produksi Ka pa sit as Mesin Bahan Baku P er se di aa n Produk Jadi JIP Loss Produk Jadi Gambar 26 Data flow diagram level 2 Penjadwalan Induk Produksi Sistem akan menggunakan input Prakiraan Permintaan Jangka Pendek Model Penjadwalan Induk Produksi yang dimiliki Departemen PPIC sekaligus input data persediaan pengaman Produk Jadi yang didapatkan dari pemrosesan model Pengendalian Gangguan periode sebelumnya. Untuk awal pemrosesan, sistem akan menggunakan data awal persediaan pengaman Produk Jadi yang merupakan nilai batas minimum persediaan pengaman yang sesuai dengan kebijakan perusahaan terkait berdasarkan pertimbangan pengguna sistem. Departemen PPIC Departemen Pembelian Waktu dan Ukuran Pemesanan SUPPLIER Prakiraan Pemintaan Jk Menengah Lot P em esa nan

3. PERENCANAAN PERSEDIAAN BAHAN BAKU : Metode Material

Requirement Planning : Netting Lotting : EOQ Time Offsetting Bahan Baku P er se di aan Persediaan Pengaman Bahan Baku Gambar 27 Data flow diagram level 2 Perencanaan Persediaan Bahan Baku. Output model Prakiraan Permintaan berdasarkan metode Artificial Neural Network ANN berupa informasi Prakiraan Permintaan Jangka Menengah akan digunakan sebagai input pemrosesan model Perencanaan Persediaan Bahan Baku berdasarkan metode Material Requirement Planning MRP dengan tahapan proses sebagai berikut : 1. Netting, yaitu penentuan nilai bersih berdasarkan data kebutuhan bahan baku hasil konversi data prakiraan permintaan sesuai dengan receipt produk yang telah mempertimbangkan data stok persediaan pada awal periode perencanaan. 2. Lotting, yaitu penentuan ukuran pemesanan ekonomis berdasarkan optimasi antara biaya simpan dan biaya pesan untuk tiap jenis bahan baku dengan menggunakan rumus EOQ. 3. Penentuan kebutuhan ketersediaan bahan baku yang dioperasionalkan dalam penentuan Planned Order Receipt sejumlah lot tertentu yang telah disesuaikan dengan kebijakan pemasok supplier terkait. dengan mempertimbangkan nilai kebutuhan bersih yang nilainya ≤ nilai safety stock persediaan pengaman Bahan Baku. 4. Time Offsetting. Pada tahapan ini dilakukan pemesanan sejumlah ukuran pemesanan bahan baku dengan mempertimbangkan waktu ancang-ancang Lead Time tertentu untuk mendapatkan bahan baku. Informasi pemrosesan adalah berupa data waktu dan ukuran pemesanan bahan baku yang akan diterima oleh Departemen Pembelian untuk kemudian ditindaklanjuti dengan kegiatan administrasi pemesanaan kepada pemasok terkait. Berikut adalah penjelasan pemrosesan model Pengendalian Persediaan Bahan Baku yang akan memanfaatkan input data Stok Opname Bahan Baku dari Departemen Gudang, data hasil Jadwal Induk Produksi JIP output model Penjadwalan Induk Produksi yang dimiliki Departemen Produksi. Apabila ada perbedaan antara output model Perencanaan Persediaan Bahan Baku informasi Planned Order Release, maka akan dilakukan revisi sesuai hasil model ini berupa data Revisi Waktu Pemesanan yang akan diterima oleh Departemen Pembelian dan berikutnya didiskusikan dengan pemasok bahan baku terkait. Departemen PPIC Departemen Pembelian Revisi Waktu Pemesanan SUPPLIER Pla nn ed Orde r Re lease Revis i W aktu Pem esanan

4. PENGENDALIAN PERSEDIAAN BAHAN BAKU : Pendekatan

Continuous Review System Probabilistic : EOQ Safety Stock Reorder Point ROP Stok O pname B ahan B aku Departemen Produksi JI P Departemen Gudang Gambar 28 Data flow diagram level 2 Pengendalian Persediaan Bahan Baku. Model berikut adalah pemrosesan yang dilakukan SPK PPIC Adaptif untuk mendapatkan data urutan job produksi yang memberikan nilai waktu penyelesaian seluruh job makespan minimum dengan menggunakan metode Penjadwalan Flowshop Genetic Algorithm. Proses pembagian job dilakukan oleh sistem berdasarkan data Jadwal Induk Produksi JIP, output model Penjadwalan Induk Produksi, data urutan proses untuk tiap job dan waktu proses mesin yang digunakan untuk melakukan proses. Departemen Produksi Departemen PPIC Urutan Job Pembagian Job U ru ta n P ro se s Wa ktu P ros es 5.PENENTUAN URUTAN JOB PRODUKSI : Metode FlowShop Genetic Algorithm Mesin Job Gambar 29 Data flow diagram level 2 Penentuan Urutan Job Produksi. Untuk mempermudah pengguna sistem mempelajari hasil pemrosesan, sistem juga akan memberikan output berupa diagram yang menunjukkan waktu penyelesaian untuk tiap-tiap job sesuai dengan urutan job yang sudah mendekati optimal berdasarkan running model yang memanfaatkan metode Genetic Algorithm. Hal-hal yang membedakan hasil rancang bangun SPK Intelijen PPIC Adaptif Industri Pangan dengan SPK PPIC lainnya adalah adanya model Pengendalian Gangguan yang dapat memberikan output aksi pengendalian gangguan berdasarkan input gangguan yang terjadi, hasil rekomendasi kebijakan lanjutan berdasarkan rekapitulasi nilai gangguan serta informasi toleransi persediaan berupa persediaan pengaman Bahan Baku dan persediaan pengaman Produk Jadi hasil perhitungan persediaan pengaman yang juga sudah mempertimbangkan gangguan sistem produksi yang terjadi.