Performansi Model PPIC Adaptif

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. Hasil rancang bangun SPK Intelijen PPIC Adaptif Pada Industri Pangan tidak mencakup model operasional Travelling Salesman Problem, dikarenakan adanya keterbatasan sumber daya waktu yang tersedia. Apabila diinginkan, SPK Intelijen PPIC Adaptif Pada Industri Pangan ini dapat dilengkapi dengan model operasional Travelling Salesman Problem. Walaupun demikian, hasil rancang bangun SPK Intelijen PPIC Adaptif ini sudah dapat menunjukkan keefektifan fungsi PPIC dan fungsi Adaptif dari model-model yang sudah dioperasionalkan pada SPK terkait. Untuk memperjelas rancang bangun model SPK Intelijen PPIC Adaptif Industri Pangan, akan dibuat dekomposisi fungsi yang akan memperjelas fungsi- fungsi yang akan dijalankan sistem pada SPK. Berikut adalah gambar Dekomposisi Fungsi SPK Intelijen PPIC Adaptif.

5.2.2 Pemodelan Database

Setelah dilakukan rancang bangun model keputusan pada SPK Intelijen PPIC Adaptif Industri Pangan, tahapan berikutnya adalah pemodelan database dengan mengembangkan Diagram Keterkaitan Entitas Entity Relationship DiagramERD . Basis Data meliputi Data Master Tabel Data Produk, Bahan Baku, Mesin, Operator Produksi, Job, Proses, Batch Produksi, Supplier, Konsumen, Regular Order, Pemesanan Bahan Baku, Fixed Order, Gangguan serta Rekap Gangguan. Keterkaitan antar data dapat dilihat pada gambar berikut. Pada gambar terlihat hubungan antar tabel data dimana angka 1 menunjukkan data tunggal dan M menunjukkan banyak banyak. Sebagai contoh, Tabel Data Produk dan Tabel Data Bahan Baku memiliki hubungan 1 satu to M banyak mempertimbangkan bahwa tiap produk memiliki komposisi lebih dari 1 Bahan Baku. PRODUK PK Kode Produk Urutan Proses Receipt Ukuran Batch Spesifikasi Stok Harga Jual Biaya Produksi Waktu Proses Kode Gangguan Nama Produk No RO No FO BAHAN BAKU PK Kode Bahan Baku Supplier Lead time pemesanan Biaya Simpan Biaya Pesan Harga beli Stok Kode Produk Kode Gangguan Nama Bahan Baku MESIN PK Kode Mesin Waktu Proses Kapasitas Spesifikasi Kondisi No Job Nama Proses Kode Proses BATCH PRODUKSI PK No Batch Kode Produk Jumlah Due Date Waktu Start Waktu Finish Nama Lini Kasus Ketaksesuaian No Job Urutan Job ID Operator PEMESANAN BAHAN BAKU PK No Order Date Jumlah Nama Bahan Baku Supplier Kode Bahan Baku Kode Supplier REGULER ORDER RO PK No RO Nama Produk Jumlah Due Date ID Konsumen FIXED ORDER PK No FO Nama Produk Jumlah Due Date ID Konsumen 1 M JOB PK No Job Nama Job Jumlah Urutan Proses SUPPLIER PK Kode Supplier Nama Supplier Alamat Supplier Telepon kantor Nama staf No HP staf Email supplier Kode Bahan Baku KONSUMEN PK ID Konsumen Nama Konsumen Alamat Konsumen Telp Konsumen GANGGUAN PK Kode Gangguan Nama Gangguan Aksi Pengendalian Sumber Bahan Baku Terkait Produk Jadi Terkait Kode Bahan Baku Kode Produk Jadi REKAP GANGGUAN PK Kode Rekap Tanggal Frekuensi Keparahan Dampak Nilai Gangguan Sumber Kode Gangguan Rekomendasi Kbjkn Nilai Loss Bahan Baku Nilai Loss Produk Jadi Atribut Penilaian Rekap_Loss Kode Bahan Baku Kode Produk PROSES PK Kode Proses Nama Proses Kode Mesin Waktu Proses No Job Kode Produk 1 1 1 M 1 1 1 M 1 M 1 M 1 1 1 1 1 M OPERATOR LINI PRODUKSI PK ID Operator Kapasitas No Batch Shift 1 M 1 1 1 M 1 M 1 M 1 1 1 1 1 M M 1 Nilai Persediaan Pengaman Bahan Baku dan Produk Jadi Atribut Penilaian Rekap Perhitungan Persed Pengaman Gambar 31 Diagram keterkaitan entitas SPK Intelijen PPIC Adaptif .

5.2.3 Perancangan Sistem Dialog

Berikut ini akan ditunjukkan menu-menu sistem yang akan menjadi fasilitas dialog antara pengguna SPK Intelijen PPIC Adaptif dengan sistem. Pengguna SPK Intelijen PPIC Adaptif Pada Industri Pangan adalah bervariasi sesuai dengan struktur organisasi pada perusahaan terkait. Sesuai dengan fungsinya, pengguna sistem adalah adalah Kepala Divisi atau Manajer Supply Chain Management atau Manajer Umum yang membawahi departemen PPIC, departemen Produksi, departemen Pembelian, departemen Gudang, departemen Penjualan dan Pemasaran juga departemen Distribusi. SPK Intelijen PPIC Adaptif ini dibutuhkan untuk membantu pihak manajemen untuk menjalankan fungsi PPIC sekaligus memberikan informasi- informasi yang mendukung keefektifan fungsi PPIC yakni fungsi Prakiraan Permintaan Demand Management berdasarkan metode Artificial Neural Network ANN, fungsi Penentuan Jadwal Induk Produksi Master Production SchedulingMPS berdasarkan metode Fuzzy Multi Objective Linier Programming, fungsi Perencanaan Persediaan Bahan Baku berdasarkan metode Material Requirement Planning MRP , fungsi Pengendalian Persediaan Bahan Baku berdasarkan pendekatan Continuous Review System dengan permintaan yang tidak pasti menggunakan nilai safety stock pada disertasi ini akan disebut persediaan pengaman, fungsi Penentuan Urutan Job Produksi Flowshop berdasarkan Algoritma Genetika Genetic Algorithm dan khususnya, yang menjadi kebaruan pada disertasi ini adalah fungsi Pengendalian Gangguan yang berkolaborasi dengan fungsi PPIC untuk meningkatkan fungsi PPIC menjadi PPIC Adaptif. Output perhitungan toleransi persediaan pengaman Bahan Baku persediaan pengaman RM akan menjadi input pada model MRP, sedangkan perhitungan toleransi persediaan pengaman Produk Jadi persediaan pengaman FG akan menjadi input pada model MPS. Untuk memudahkan pengguna dalam menjalankan SPK, dirancang menu dialog sesuai dengan model-model yang tersedia. Rancangan SPK ini dibuat dengan basis data yang tersimpan pada format Microsoft Excell dengan sofware aplikasi berdasarkan program Visual Basic dan program Mathlab. Untuk membuka Menu Utama, tampilan dijalankan dalam program Mathlab versi 2010b karena integrasi SPK akan dijalankan dengan program ini walaupun sebenarnya Program aplikasi Mathlab tidak memiliki banyak variasi perancangan tampilan. Menu utama berisi nama sistem, yaitu SPK Intelijen PPIC Adaptif Pada Industri Pangan SPK IPRADIPA, dimana pada bagian atas Menu Utama akan ditunjukkan nama-nama model yang disediakan pada SPK ini yang akan menjadi Sub Menu pada SPK. Sub Menu yang tersedia adalah : a. Sub Menu Demand Management untuk model Prakiraan Permintaan b. Sub Menu MPS untuk model Penjadwalan Induk Produksi c. Sub Menu MRP untuk model Perencanaan Persediaan Bahan baku dan model Pengendalian Persediaan Bahan Baku d. Sub Menu Genetic Algorithm untuk model Penentuan Urutan Job e. Sub Menu Gangguan untuk model Pengendalian Gangguan Sub Menu Demand Management, Genetic Algorithm dan Gangguan akan dijalankan dengan menggunakan program Mathlab untuk menyimpan basis data dan menjalankan aplikasi sedangkan sub menu MPS dan MRP akan menggunakan Microsoft Excel untuk menyimpan data dan memanfaatkan Excel Solver untuk proses perhitungan dan optimasi dan menggunakan software Visual Basic perancangan aplikasi data. Sub menu MPS dan MRP ini akan diintegrasikan dengan sub menu yang lain dibawah menu aplikasi Mathlab. Hasil rancang bangun menu dialog SPK IPRADIPA akan ditampilkan hasilnya pada bahasan Implementasi.