1 / 62

FACILITY DESIGN

FACILITY DESIGN. NURUL UMMI, ST MT. 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 ?

bendek
Download Presentation

FACILITY DESIGN

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. FACILITY DESIGN NURUL UMMI, ST MT

  2. PERENCANAAN FASILITAS Beberapapertanyaan yang harusdijawabsebelumrencana alternative fasilitasdikembangkan : • Apa yang akandiproduksi ? Desainproduk • Bagaimanaprodukdiproduksi ? DesainProses • Kapanprodukdiproduksi ? Schedule desain • Berapabanyakmasing-masingprodukakandiproduksi ? Schedule desain (peramalanpermintaanproduk) • Berapa lama produktersebutakandiproduksi ? Schedule desain • Dimanaakandiproduksi ? Penentuanlokasipabrik

  3. HubunganDesainproduk, Desainproses & Schedule desain Desainproses, desainproduk, danschedule design tidakdilakukanterpisahtetapidilakukandenganmelihatpermasalahansecaramenyeluruh. Hubungan Product, Process, dan Schedle Design dengan Perencanaan Fasilitas Sumber : Thompkins , 2003

  4. DesainProduk • Kegiataninimenentukanproduk yang akandiproduksidandesaindetildariproduktersebut.

  5. DesainProses • Kegiataninimenentukanbagaimanaprodukdanmasing-masingkomponennyadiproduksi, dibeliatau sub kontrak.

  6. Definisikan elemen operasi Identifikasi alternative prosesuntuksetiapoperasi Analisis alternative operasi Standarisasi proses Evaluasi alternative proses Pilih proses Bill of Material (BOM) PadatahapiniakandihasilkanStrukturProdukdanBill of Material (BOM) yang berisiinformasitentang level perakitanproduk, komponen yang dibutuhkandanjumlahnyasertasumberdarisetiapkomponendibuatataudibeli ProsedurMenyeleksiProses Sumber : Thompkins : Facilities Planning, 2003

  7. Schedule Design • Schedule Design untukmenjawabpertanyaankapanharusdibuatdanberapabanyak. Berapabanyak yang harusdiproduksiberdasarkanperamalanterhadappermintaan. • Dalammerencanakanfasilitaspabriksebaiknyakapasitasproduksi yang akandibangundilakukanberdasarkanperamalanjangkapanjangyaitu lima sampaisepuluhtahun, karenadengansegerakelebihanfasilitasakandipakailebihcepatdariperkiraan

  8. DesainFasilitas • ProsedurpengembangantataletakdikembangkanolehMuther (Tompkins, 2003) yang dikenalsebagai Systematic Layout Planning (SLP). • Langkah-langkah dalam SLP dapat diterjemahkan dalam 10 langkah tugas besar perencanaan lay out pabrik sebagai berikut : • Forecasting • Merencanakanurutanproses (OPC, MPPC) • Membuat Routing Sheet • Merencanakanluaslantaiproduksi • Menentukanluasgudang, organisasiperusahaandanluaslantaipenunjangproduksi • Membuat From to Chart • Menghitungongkos material handling • Membuat ARC • Membuat ARD dan AAD • MembuatTemplete

  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

  12. Model PeramalanKuantitatif • 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. 450 — 430 — 410 — 390 — 370 — Patient arrivals Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  14. 450 — 430 — 410 — 390 — 370 — Patient arrivals Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  15. 450 — 430 — 410 — 390 — 370 — Patient Week Arrivals 1 400 2 380 3 411 Patient arrivals Actual patient arrivals Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  16. 450 — 430 — 410 — 390 — 370 — Patient Week Arrivals 1 400 2 380 3 411 Patient arrivals Actual patient arrivals Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  17. 450 — 430 — 410 — 390 — 370 — Patient Week Arrivals 1 400 2 380 3 411 Patient arrivals 411 + 380 + 400 3 F4 = Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  18. 450 — 430 — 410 — 390 — 370 — Patient Week Arrivals 1 400 2 380 3 411 Patient arrivals F4 = 397.0 Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  19. 450 — 430 — 410 — 390 — 370 — Patient Week Arrivals 1 400 2 380 3 411 Patient arrivals F4 = 397.0 Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  20. 450 — 430 — 410 — 390 — 370 — Patient Week Arrivals 2 380 3 411 4 415 Patient arrivals 415 + 411 + 380 3 F5 = Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  21. 450 — 430 — 410 — 390 — 370 — Patient Week Arrivals 2 380 3 411 4 415 Patient arrivals F5 = 402.0 Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

  22. 450 — 430 — 410 — 390 — 370 — 3-week MA forecast Patient arrivals Actual patient arrivals | | | | | | 0 5 10 15 20 25 30 Week Time-Series MethodsMoving Averages

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

  24. Exponential Smoothing Equations • Ft= Ft-1 + (At-1 - Ft-1) Ft = Forecast value At = Actual value  = Smoothing constant CONTOH

  25. Exponential Smoothing Example IF  = .10. and The first period forecast was 175..Period Actual 1 180 2 168 3 159 4 175 5 190 6 205 7 180 8 182 9 ? Find the forecast for the 9th Period.

  26. 175.00 + Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Period Actual α ( = .10) 1 180 175.00 (Given) 2 168 3 159 4 175 5 190 205 6

  27. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Period Actual α ( = .10) 1 180 175.00 (Given) 2 168 175.00 + .10( 3 159 4 175 5 190 6 205

  28. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Period Actual α ( = .10) 1 180 175.00 (Given) 2 168 175.00 + .10(180 - 3 159 4 175 5 190 6 205

  29. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Actual Period α ( = .10) 1 180 175.00 (Given) 2 168 175.00 + .10(180 - 175.00) 3 159 4 175 5 190 6 205

  30. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Period Actual α ( = .10) 1 180 175.00 (Given) 2 168 175.00 +.10(180 - 175.00) = 175.50 3 159 4 175 5 190 6 205

  31. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Period Actual α ( = .10) 1 180 175.00 (Given) 2 168 175.00 + .10(180 - 175.00) = 175.50 3 159 175.50+.10(168 -175.50)= 174.75 4 175 5 190 6 205

  32. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Actual Period α ( = .10) 1995 180 175.00 (Given) 1996 168 175.00 + .10(180 - 175.00) = 175.50 1997 159 175.50 + .10(168 - 175.50) = 174.75 1998 175 174.75+.10(159- 174.75)= 173.18 1999 190 2000 205

  33. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Actual Period α ( = .10) 1 180 175.00 (Given) 2 168 175.00 + .10(180 - 175.00) = 175.50 3 159 175.50 + .10(168 - 175.50) = 174.75 4 175 174.75 + .10(159 - 174.75) = 173.18 5 190 173.18 + .10(175 - 173.18) = 173.36 6 205

  34. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Period Actual α ( = .10) 1 180 175.00 (Given) 2 168 175.00 + .10(180 - 175.00) = 175.50 3 159 175.50 + .10(168 - 175.50) = 174.75 4 175 174.75 + .10(159 - 174.75) = 173.18 5 190 173.18 + .10(175 - 173.18) = 173.36 6 205 173.36 + .10(190 - 173.36) = 175.02

  35. Exponential Smoothing Ft = Ft-1 + 0.1(At-1 - Ft-1) Forecast, F t Period Actual α ( = .10) 4 175 174.75 + .10(159 - 174.75) = 173.18 5 190 173.18 + .10(175 - 173.18) = 173.36 6 205 173.36 + .10(190 - 173.36) = 175.02 7 180 175.02 + .10(205 - 175.02) = 178.02 8 9

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

  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 : E2 = 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. Forecast Error Equations • Mean Square Error (MSE) • Mean Absolute Deviation (MAD) • Mean Absolute Percent Error (MAPE)

  43. Selecting Forecasting Model Example How to calculate the accuracy of forecast? Example Actual Exponential SmoothingYearSales Forecast (.9) 1998 1 1.0 1999 1 1.0 2000 2 1.9 2001 2 2.0 2002 4 3.8

  44. Exponential Smoothing Methode Evaluation |Error| ^ Y Y Year Error Error2 |Error| Actual i i 1998 1 1.0 0.0 0.00 0.0 0.00 0.00 1999 1 1.0 0.0 0.00 0.0 2000 2 1.9 0.1 0.01 0.1 0.05 0.00 0.0 2001 2 2.0 0.0 0.00 0.05 2002 4 3.8 0.2 0.04 0.2 0.10 Total 0.3 0.05 0.3 MSE = Σ Error2 / 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

  45. Exponential Smoothing Methode Evaluation Exponential Smoothing Model: MSE = Σ Error2 / 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 merupakan suatu ukuran untuk menentukan seberapa baiknya suatu ramalan dalam memperkirakan nilai-nilai aktual Keterangan : RSFE = Jumlah Berjalan dari Nilai kesalahan Peramalan (Nilai Kumulatif Error) MAD = Rata-rata Kesalahan Absolut CONTOH

  47. Tracking Signal Equation

  48. No Fcst Act Error RSFE Abs Cum MAD TS |Error| Error 1 100 90 2 100 95 3 100 115 4 100 100 5 100 125 6 100 140 Tracking Signal Computation

  49. No Forc Act Error RSFE Abs Cum MAD TS Error |Error| 1 100 90 -10 2 100 95 3 100 115 Error = Actual - Forecast = 90 - 100 = -10 4 100 100 5 100 125 6 100 140 Tracking Signal Computation

  50. No Forc Act Error RSFE Abs Cum MAD TS Error |Error| 1 100 90 -10 -10 2 100 95 3 100 115 RSFE =  Errors = NA + (-10) = -10 4 100 100 5 100 125 6 100 140 Tracking Signal Computation

More Related