Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

FACILITY DESIGN NURUL UMMI, ST MT. PERENCANAAN FASILITAS Beberapa pertanyaan yang harus dijawab sebelum rencana alternative fasilitas dikembangkan : 

Presentasi serupa


Presentasi berjudul: "FACILITY DESIGN NURUL UMMI, ST MT. PERENCANAAN FASILITAS Beberapa pertanyaan yang harus dijawab sebelum rencana alternative fasilitas dikembangkan : "— Transcript presentasi:

1 FACILITY DESIGN NURUL UMMI, ST MT

2 PERENCANAAN FASILITAS Beberapa pertanyaan yang harus dijawab sebelum rencana alternative fasilitas dikembangkan :  Apa yang akan diproduksi ? Desain produk  Bagaimana produk diproduksi ? Desain Proses  Kapan produk diproduksi ? Schedule desain  Berapa banyak masing-masing produk akan diproduksi ? Schedule desain (peramalan permintaan produk)  Berapa lama produk tersebut akan diproduksi ? Schedule desain  Dimana akan diproduksi ? Penentuan lokasi pabrik

3 Hubungan Desain produk, Desain proses & Schedule desain Hubungan Product, Process, dan Schedle Design dengan Perencanaan Fasilitas Sumber : Thompkins, 2003 Desain proses, desain produk, dan schedule design tidak dilakukan terpisah tetapi dilakukan dengan melihat permasalahan secara menyeluruh. Product Design Process Design Facility Design Schedule Design

4 Desain Produk  Kegiatan ini menentukan produk yang akan diproduksi dan desain detil dari produk tersebut.

5 Desain Proses  Kegiatan ini menentukan bagaimana produk dan masing-masing komponennya diproduksi, dibeli atau sub kontrak.

6 Bill of Material (BOM) Pada tahap ini akan dihasilkan Struktur Produk dan Bill of Material (BOM) yang berisi informasi tentang level perakitan produk, komponen yang dibutuhkan dan jumlahnya serta sumber dari setiap komponen dibuat atau dibeli Definisikan elemen operasi Identifikasi alternative proses untuk setiap operasi Analisis alternative operasi Standarisasi proses Evaluasi alternative proses Pilih proses Prosedur Menyeleksi Proses Sumber : Thompkins : Facilities Planning, 2003

7 Schedule Design  Schedule Design untuk menjawab pertanyaan kapan harus dibuat dan berapa banyak. Berapa banyak yang harus diproduksi berdasarkan peramalan terhadap permintaan.  Dalam merencanakan fasilitas pabrik sebaiknya kapasitas produksi yang akan dibangun dilakukan berdasarkan peramalan jangka panjang yaitu lima sampai sepuluh tahun, karena dengan segera kelebihan fasilitas akan dipakai lebih cepat dari perkiraan

8 Desain Fasilitas  Prosedur pengembangan tata letak dikembangkan oleh Muther (Tompkins, 2003) yang dikenal sebagai Systematic Layout Planning (SLP).  Langkah-langkah dalam SLP dapat diterjemahkan dalam 10 langkah tugas besar perencanaan lay out pabrik sebagai berikut :  Forecasting  Merencanakan urutan proses (OPC, MPPC)  Membuat Routing Sheet  Merencanakan luas lantai produksi  Menentukan luas gudang, organisasi perusahaan dan luas lantai penunjang produksi  Membuat From to Chart  Menghitung ongkos material handling  Membuat ARC  Membuat ARD dan AAD  Membuat Templete

9 Input data dan kegiatan 1. Analisis aliran Operasi 2.An. Keterkaitan Kegiatan 3. Diagram Keterk. Kegiatan 4. Luas lantai yg dibutuhkan 5. Luas lantai yg tersedia 6. Diagram keterk. ruangan 7. Pertimbangan modifikasi 8. Pembatasan praktis 9. Pengembangan alternative lay out 10. Evaluasi

10 Peramalan  :“If we can predict what the future will be like we can modify our behaviour now to be in a better position, than we otherwise would have been, when the future arrives.”  Artinya, jika kita dapat memprediksi apa yang terjadi di masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa yang akan datang

11 Metode Peramalan Rentang WaktuTipe KeputusanContoh Jangka Pendek ( 3 – 6 bulan) Operasional Perencanaan Produksi, Distribusi Jangka Menengah ( 2 tahun) Taktis Penyewaan Lokasi dan Peralatan Jangka Panjang (Lebih dari 2 tahun) Strategis Penelitian dan Pengembangan untuk akuisisi dan merger Atau pembuatan produk baru

12 Model Peramalan Kuantitatif  Deret Berkala (Time Series)  Metode ini menggunakan riwayat permintaan masa lalu dalam membuat ramalan untuk masa depan Metode Rata-rata Bergerak (Moving Average Method) CONTOH

13 TIME-SERIES METHODS MOVING AVERAGES Week 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — |||||| 051015202530 Patient arrivals Actual patient arrivals

14 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — Week |||||| 051015202530 Patient arrivals

15 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals arrivals 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — Week |||||| 051015202530 Patient WeekArrivals 1400 2380 3411 Patient arrivals

16 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals arrivals 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — Week |||||| 051015202530 Patient WeekArrivals 1400 2380 3411 Patient arrivals

17 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals Week 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — |||||| 051015202530 Patient WeekArrivals 1400 2380 3411 F4 =F4 =F4 =F4 = 411 + 380 + 400 3 Patient arrivals

18 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — Week |||||| 051015202530 Patient WeekArrivals 1400 2380 3411 F 4 = 397.0 Patient arrivals

19 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — Week |||||| 051015202530 Patient WeekArrivals 1400 2380 3411 F 4 = 397.0 Patient arrivals

20 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals Week 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — |||||| 051015202530 Patient WeekArrivals 2380 3411 4415 F5 =F5 =F5 =F5 = 415 + 411 + 380 3 Patient arrivals

21 TIME-SERIES METHODS MOVING AVERAGES Actual patient arrivals 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — Week |||||| 051015202530 Patient WeekArrivals 2380 3411 4415 F 5 = 402.0 Patient arrivals

22 TIME-SERIES METHODS MOVING AVERAGES Week 450 450 — 430 430 — 410 410 — 390 390 — 370 370 — |||||| 051015202530 Patient arrivals Actual patient arrivals 3-week MA forecast

23 Metode Pemulusan Exponensial (Exponential Smoothing Method) Keterangan : F t = nilai ramalan untuk periode waktu ke-t F t-1 = nilai ramalan untuk satu periode waktu yang lalu, t-1 A t-1 = nilai aktual untuk satu periode waktu yang lalu, t-1 α= konstanta pemulusan (Smoothing Constant) (0 <  < 1)

24  F t = F t-1 +  (A t-1 - F t-1 ) F t = Forecast value A t = Actual value  = Smoothing constant Exponential Smoothing Equations CONTOH

25 IF  =.10. and The first period forecast was 175.. PeriodActual 1180 2168 3159 4175 5190 6205 7180 8182 9? Exponential Smoothing Example Find the forecast for the 9 th Period.

26 F t = F t -1 + 0.1( A t -1 - F t -1 ) PeriodActual Forecast, F t ( α =.10) 1 180175.00 (Given) 2168 3159 4175 5190 6 205 175.00 + Exponential Smoothing

27 Period Actua Actual Forecast, F t ( α =.10) 1180 175.00 (Given) 2168 175.00 +.10( 3159 4175 5190 6205 Exponential Smoothing F t = F t -1 + 0.1( A t -1 - F t -1 )

28 PeriodActual Forecast,F t ( α =.10) 1180 175.00 (Given) 2168 175.00 +.10(180 - 3159 4175 5190 6205 Exponential Smoothing F t = F t -1 + 0.1( A t -1 - F t -1 )

29 Actual Forecast,F t ( α =.10) 1180 175.00 (Given) 2168 175.00 +.10(180 - 175.00) 3159 4175 5190 6205 Exponential Smoothing F t = F t -1 + 0.1( A t -1 - F t -1 ) Period

30 Actual Forecast,F t ( αααα =.10) 1180 175.00 (Given) 2168 175.00 +.10(180 - 175.00) = 175.50 3159 4175 5190 6205 Exponential Smoothing F t = F t -1 + 0.1( A t -1 - F t -1 ) Period

31 Actual Forecast, F t ( α =.10) 1180175.00 (Given) 2168 175.00 +.10(180 - 175.00) = 175.50 3159 175.50 +.10(168 - 175.50) = 174.75 4175 5190 6205 Exponential Smoothing Period

32 F t = F t -1 + 0.1( A t -1 - F t -1 ) Actual Forecast, F t ( α =.10) 1995180175.00 (Given) 1996168175.00 +.10(180 - 175.00) = 175.50 1997159175.50 +.10(168 - 175.50) = 174.75 1998175 1999190 2000205 174.75 +.10(159 - 174.75)= 173.18 Exponential Smoothing Period

33 F t = F t -1 + 0.1( A t -1 - F t -1 ) Actual Forecast, F t ( α =.10) 1180175.00 (Given) 2168175.00 +.10(180 - 175.00) = 175.50 3159175.50 +.10(168 - 175.50) = 174.75 4 175174.75 +.10(159 - 174.75) = 173.18 5190173.18 +.10(175 - 173.18) = 173.36 6205 Exponential Smoothing Period

34 F t = F t -1 + 0.1( A t -1 - F t -1 ) Actual Forecast, F t ( α =.10) 1180175.00 (Given) 2168175.00 +.10(180 - 175.00) = 175.50 3159175.50 +.10(168 - 175.50) = 174.75 4175174.75 +.10(159 - 174.75) = 173.18 5190173.18 +.10(175 - 173.18) = 173.36 6205173.36 +.10(190 - 173.36) = 175.02 Exponential Smoothing Period

35 F t = F t -1 + 0.1( A t -1 - F t -1 ) Actual Forecast, F t ( α =.10) 4175174.75 +.10(159 - 174.75) = 173.18 5190173.18 +.10(175 - 173.18) = 173.36 6205173.36 +.10(190 - 173.36) = 175.02 Exponential Smoothing 7180 8 175.02 +.10(205 - 175.02) = 178.02 9 Period

36 F t = F t -1 + 0.1( A t -1 - F t -1 ) Actual Forecast, F t ( α =.10) 4 175174.75 +.10(159 - 174.75) = 173.18 5 190173.18 +.10(175 - 173.18) = 173.36 6 205173.36 +.10(190 - 173.36) = 175.02 Exponential Smoothing 7 180 8 175.02 +.10(205 - 175.02) = 178.02 9 178.22 +.10(182 - 178.22) = 178.58 182 178.02 +.10(180 - 178.02) = 178.22 ? Period

37  Metode Analisis Garis Kecenderungan (Trend Line Analysis Method) Keterangan : F t = Nilai Ramalan untuk Periode Waktu Ke-t a= Intercep b= Slope dari Garis Kecenderungan (Trend Line) t= Indeks Waktu (t = 1, 2, 3,....., n)

38 Keterangan : b= Slope dari Persamaan Garis Lurus a= Intercep dari Persamaan Garis Lurus t= Indeks Waktu (t = 1, 2, 3,....., n) A= Data Aktual Permintaan tA= Indeks Waktu x Data Aktual Permintaan n= Jumlah Data t_bar= Nilai rata-rata dari t A_bar= Nilai Rata-Rata Permintaan Per Periode Waktu (Rata-Rata dari A) Slope dan Intersep dari persamaan garis lurus dihitung dengan menggunakan formula sebagai berikut :

39 VALLIDASI PERAMALAN  Perhitungan Akurasi Peramalan 1. MAD (Mean Absolute Deviation = Rata- rata Penyimpangan Absolut). Keterangan : |E |= Absolute Error n= Jumlah Data

40 2. MSE (Mean Square Error = Rata-rata Kuadrat Kesalahan) Keterangan : E 2 = Nilai Error yang Dikuadratkan n= Jumlah Data

41 3. MAPE ( Mean Absolute Procentage Error = Rata-rata Persentase kesalahan Absolut) Keterangan : |PE |= Persentase Absolute Error n= Jumlah Data CONTOH

42  Mean Square Error (MSE)  Mean Absolute Deviation (MAD)  Mean Absolute Percent Error (MAPE) Forecast Error Equations

43 How to calculate the accuracy of forecast? Example ActualExponential Smoothing YearSalesForecast (.9) 199811.0 199911.0 200021.9 200122.0 200243.8 Selecting Forecasting Model Example

44 MSE = Σ Error 2 / n = 0.05 / 5 = 0.01 MAD = Σ |Error| / n = 0.3 / 5 = 0.06 MAPE = 100 Σ |Absolute percent errors|/ n = 0.10/5 = 0.02 Exponential Smoothing Methode Evaluation Year 1998 1999 2000 2001 2002 Total Y i 1 1 2 2 4 Y i 1.00.0 1.00.0 1.90.1 2.00.0 3.80.2 0.3 ^ Error 0.00 0.01 0.00 0.04 0.050.3 Error 2 0.0 0.1 0.0 0.2 |Error| Actual 0.00 0.05 0.00 0.05 0.10

45 Exponential Smoothing Methode Evaluation Exponential Smoothing Model: MSE = Σ Error 2 / n = 0.05 / 5 = 0.01 MAD = Σ |Error| / n = 0.3 / 5 = 0.06 MAPE = 100 Σ |Absolute percent errors|/ n = 0.10/5 = 0.02

46 Tracking Signal Keterangan : RSFE = Jumlah Berjalan dari Nilai kesalahan Peramalan (Nilai Kumulatif Error) MAD = Rata-rata Kesalahan Absolut CONTOH merupakan suatu ukuran untuk menentukan seberapa baiknya suatu ramalan dalam memperkirakan nilai-nilai aktual

47 Tracking Signal Equation

48 Tracking Signal Computation

49

50

51

52

53

54

55

56

57

58

59

60

61 Plot of a Tracking Signal Time Lower control limit Upper control limit Signal exceeded limit Tracking signal Acceptable range MAD + 0 -

62 Tugas -1  Buat desain produk untuk produk manufaktur. Gambarkan secara detail masing-masing komponen  Buat desain proses OPC beserta BOM  Ramalkan kebutuhan produk tersebut “asumsi terjadi pertumbuhan per tahun sebesar 7%.


Download ppt "FACILITY DESIGN NURUL UMMI, ST MT. PERENCANAAN FASILITAS Beberapa pertanyaan yang harus dijawab sebelum rencana alternative fasilitas dikembangkan : "

Presentasi serupa


Iklan oleh Google