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.