Linda Mikowati. F34051704. Analisis Sistem Antrian pada Industri Pengolahan Roti (Studi Kasus di PT Nippon Indosari Corpindo). Di bawah bimbingan : Machfud. 2010
RINGKASAN Produktivitas merupakan salah satu hal yang penting untuk diperhatikan dalam upaya pengembangan industri karena nilai produktivitas menjadi indikator tingkat keefektifan dan keefisienan perusahaan. Pencapaian produktivitas yang tinggi sangat ditentukan dari kelancaran proses produksi atau keseimbangan produksi. Keseimbangan produksi ditentukan oleh kecepatan pelayanan dan kecepatan kedatangan atau ada tidaknya hambatan yang terjadi karena masalah antrian. Antrian terjadi pada saat waktu kedatangan bahan lebih cepat dari waktu pelayanannya serta adanya keragaman tingkat kedatangan dan tingkat pelayanan sehingga pengguna fasilitas yang tiba tidak dapat segera dilayani karena kesibukan pelayanan. Pada industri pengolahan roti PT Nippon Indosari Corpindo, proses produksi dilakukan dengan sistem semi otomatis yaitu dengan kombinasi antara kerja mesin dan operator sehingga masih terdapat adanya keragaman tingkat pelayanan yang bersifat probabilistik. Oleh karena itu analisis terhadap antrian perlu dilakukan untuk mengantisipasi adanya tambahan biaya yang berkaitan dengan adanya kerusakan bahan selama proses produksi. Pada industri pengolahan roti hal tersebut akan mengakibatkan over fermentasi pada adonan yang selanjutnya akan mengurangi mutu produk karena adanya waktu bahan menunggu. Apabila hal ini terus terjadi maka akan terjadi kerugian yang semakin besar pada perusahaan oleh karena itu perlu adanya suatu simulasi yang dikembangkan dengan teori antrian. Tujuan dari penelitian ini adalah untuk mengidentifikasi model-model antrian yang terjadi pada suatu lini produksi, menganalisis kinerja sistem antrian yang terjadi pada suatu lini produksi, mengidentifikasi faktor yang menyebabkan terjadinya antrian dan membentuk skenario model antrian. Penelitian ini dibatasi pada analisis dan pengembangan model sistem antrian di lini roti manis pada PT Nippon Indosari Corpindo dari saat bahan baku masuk ke salah satu stasiun produksi hingga stasiun akhir di lini produksi. Pada lini roti manis ini terdapat 16 stasiun pelayanan yang terdiri dari pelayanan mesin atau ruangan dan pelayanan operator. 16 stasiun tersebut adalah stasiun mixing sponge, fermentasi I, mixing dough, floor time, dividing, rounding, intermediate proofing, filling, make up, panning, fermentasi II, baking, depanning, cooling, packaging, dan crating. Terdapat 6 stasiun yang menggunakan pelayanan operator yaitu stasiun filling (1 operator), make up (4 operator), panning (2 operator untuk item roti sobek dan 1 operator untuk item roti bulat), baking (1 operator), depanning (1 operator) dan crating (2 operator). Sistem antrian di lini roti manis ini dinamakan Sistem Antrian Pengolahan Roti di PT. Nippon Indosari Corpindo (SAPR-NIC) dengan 14 model yang menyusunnya. Model tersebut antara lain model analisis keseimbangan aliran bahan pada stasiun mixing sponge (model 1), model analisis keseimbangan aliran bahan di stasiun fermentasi I dan floor time (model 2), model analisis
keseimbangan aliran bahan di stasiun mixing dough (model 3), model simulasi dari stasiun dividing hingga stasiun rounding pada item roti bulat (model 4), model simulasi dari stasiun filling hingga stasiun panning pada item roti bulat (model 5), model analisis keseimbangan aliran untuk stasiun fermentasi II (model 6), model simulasi pada stasiun baking item roti bulat (model 7), model simulasi depanning item roti bulat (model 8), model simulasi dari stasiun packaging hingga stasiun crating pada item roti bulat (model 9), model simulasi dari stasiun dividing hingga stasiun rounding pada item roti sobek (model 10), model simulasi dari stasiun filling hingga stasiun make up pada item roti sobek (model 11), model simulasi pada stasiun baking item roti sobek (model 12), model simulasi pada stasiun depanning item roti sobek (model 13), model simulasi dari stasiun packaging hingga stasiun crating pada item roti sobek (model 14). Model simulasi dijalankan dengan bantuan software QSS 1.0 (Queuing System Simulation) sedangkan model keseimbangan aliran bahan dianalisis dengan cara menyesuaikan atribut kecepatan pelayanan dan kedatangan bahan dengan sistem penjadwalan yang dilakukan perusahaan sehingga perhitungan mengenai entity antrian dilakukan secara manual. Setelah data pengamatan diuji kecukupannya, selanjutnya dilakukan uji distribusi data waktu kedatangan bahan dan waktu pelayanan bahan untuk menentukan sebaran distribusi beserta parameternya sebagai input simulasi dengan QSS 1.0. Uji distribusi ini dilakukan dengan perangkat statistik Easyfit 5.1 Professional dengan metode Kolmogorov-Smirnov tes goodness of fit. Setelah uji distribusi, dilakukan input komponen-komponen yang menyusun simulasi SAPRNIC tiap modelnya. Simulasi dijalankan sesuai dengan waktu pada kondisi nyata di tiap itemnya, pada item roti bulat simulasi dilakukan selama 16920 detik dan item roti sobek selama 67680 detik setiap harinya, sedangkan pada analisis keseimbangan aliran bahan dilakukan selama pengamatan dan didukung dengan data historis perusahaan selama 1 hari. Dari hasil analisis keseimbangan aliran bahan pada kondisi nyata, kinerja sistem antrian menunjukan bahwa pada model 1 tidak terjadinya antrian dengan nilai utilitas mesin sebesar 39,44%, pada model 2 juga tidak terdapat antrian dengan nilai utilitas 83,90%, pada model 3 juga tidak terdapat antrian dengan nilai utilitas 92,99%, dan pada model 6 dilakukan analisis mengenai waktu keterlambatan kedatangan bahan untuk mengisi ruang fermentasi yang telah kosong yang mana menjadi waktu idle ruang fermentasi II sebesar 16,80 menit untuk item roti bulat pada pengamatan total 48 rak yang masuk serta nilai utilitas ruang fermentasi sebesar 87,72% dan pada item roti sobek waktu keterlambatan sebanyak 100 menit dan nilai utilitas sebesar 41,20% pada pengamatan sebanyak total 24 rak yang masuk. Berdasarkan hasil simulasi, kinerja sistem antrian pada model simulasi menunjukan bahwa pada stasiun dividing hingga stasiun crating memiliki nilai rata-rata antrian yang rendah karena nilai antrian tersebut merupakan nilai tengah (µ) atau expected value. Pada item roti bulat, nilai rata-rata antrian terkecil bernilai 0,04 kg dan nilai rata-rata antrian terbesar bernilai 0,91 kg sedangkan pada item roti sobek nilai rata-rata antrian terkecil bernilai 0,01 kg dan nilai ratarata antrian terbesar bernilai 0,68 kg. Secara signifikansi, nilai tersebut tidak menyebabkan pengaruh besar sebagai hambatan dalam proses produksi.
Nilai rata-rata utilitas tiap model berbeda-beda, nilai rata-rata utilitas terkecil pada item roti bulat sebesar 79,63% dan nilai utilitas terbesarnya bernilai 95,30% sedangkan pada item roti sobek nilai rata-rata utilitas terkecil sebesar 81,69% dan nilai utilitas terbesarnya bernilai 94,38%. Nilai utilitas tersebut bernilai relatif tinggi namun tetap diperlukan upaya peningkatan agar waktu idle dapat berkurang. Faktor yang menyebabkan terjadinya antrian pada lini roti manis ini adalah kecepatan kedatangan dan atau kecepatan pelayanan yang bersifat probabilistik karena kerja dari operator, waktu pelayanan yang kurang seimbang antar stasiun kerja dan kecepatan operator yang kurang bisa mengimbangi kecepatan pelayanan mesin. Model antrian dikembangkan dengan skenario perubahan kecepatan mesin atau perubahan komposisi operator pada stasiun yang memiliki nilai antrian tertinggi. Skenario yang dilakukan pada model item roti bulat adalah dengan menambah 1 operator pada stasiun crating (model 9) dan hasilnya adalah tidak adanya antrian dan waktu menunggu namun terjadinya penurunan nilai utilitas. Pada item roti sobek, skenario dilakukan dengan meningkatkan kecepatan mesin packaging (model 14) dari 60 pack/menit menjadi 64 pack/menit sehingga menghasilkan kinerja berupa tidak adanya antrian dan waktu menunggu serta penurunan nilai utilitas. Uji kesamaan nilai tengah (Uji-t) waktu pelayanan data historis dengan waktu pelayanan data hasil simulasi yang dilakukan terhadap simulasi antrian kondisi nyata menunjukan p-value > α, dengan selang kepercayaan 95% (α=0,05). Hal ini menunjukan tidak terdapat perbedaan signifikan antara nilai tengah data waktu pelayanan kondisi historis dengan nilai tengah data waktu pelayanan hasil simulasi pada model kondisi nyata sehingga hasil simulasi valid untuk digunakan sebagai model dari kondisi nyatanya.
Linda Mikowati. F34051704. Queuing System Analysis In Bread Processing Industry (Case Study at PT Nippon Indosari Corpindo). Supervised by Machfud. 2010
SUMMARY Productivity is one of important thing to be concerned in industrial development efforts because the productivity value becomes an indicator of company efficiency and effectiveness. Achievement of high productivity is determined from the continuity of production process or production balancing. Production balancing is determined by service velocity and arrival velocity or the existence of bottleneck due to queuing. The queue occured when the arrival of raw materials exceed than production capacity and at the time when arrival time faster than service time so that the following materials which arrived could not be serviced directly because of busyness services. In the bread processing industry PT Nippon Indosari Corpindo, production processed with semi-automatic system which combined between machine and operator so that there are a variety of service rate with probabilistic patterns. Therefore, production queuing of company needs to be analyzed to anticipate any additional costs due to material damage during production process. In the bread processing industry, it will cause over-fermentation and then will reduce the quality of product because of waiting time materials. If that condition continues, the material loss in company will be larger. Therefore, need a simulation to be developed with queuing theory. The research purposes was identifying queuing models that occurs in a production line, analyzing queuing system performance, identifying causing factors of queue and developing queuing models scenario. This research is limited to queuing system analysis and development models in sweet bread line PT Nippon Indosari Corpindo from raw material which arrived into first production station until the end of production station. This sweet bread line had 16 service stations that consisted of machine or room service and operator service. Sixteen stations was mixing sponge stations, first fermentation, mixing dough, floor time, dividing, rounding, intermediate proofing, filling, make up, panning, second fermentation, baking, depanning, cooling, packaging and crating. There was 6 stations using operators that was filling station (1 operator), make-up (4 operators), panning (2 operators at ripped bread items and 1 operator at filled bread items), baking (1 operator), depanning (1 operator) and crating (2 operators). Queuing system in this sweet bread line called Queuing System of Bread Processing in PT. Nippon Indosari Corpindo (SAPR-NIC) with 14 models. The models included the model analysis of material flow balancing on mixing sponge station (model 1), the model analysis of material flow balancing on first fermentation and floor time station (model 2), model analysis of material flow balancing on mixing dough station (model 3), Simulation model from dividing station untill station of rounding at filled bread items (model 4), Simulation model from filling station untill station of panning at filled bread items (model 5), model analysis of material flow balancing on second fermentation (model 6), Simulation
model on baking station at filled bread items (model 7), model simulations on depanning station at filled bread items (model 8), Simulation model from packaging station untill station of crating at filled bread items (model 9), Simulation model from dividing station untill station of rounding at ripped bread items (model 10), Simulation model from filling station untill station of panning at ripped bread items (model 11), Simulation model on baking station at ripped bread items (model 12), model simulations on depanning station at ripped bread items (model 13), Simulation model from packaging station untill station of crating at ripped bread items (model 14). Simulation model was developed by using QSS 1.0 (Queuing System Simulation) whereas the model of material flow balancing would be analyzed by adjusting the attributes service velocity and material arrival velocity with a scheduling system that company had performed so that the queuing entities calculations conducted manually. After observational data had sufficient, distribution test would be performed on data of arrival time and service time to determine the distribution and its parameters as the simulation input with QSS 1.0. Distribution test was conducted with statistical tools Easyfit 5.1 Professional with KolmogorovSmirnov method goodness of fit test. After the test distribution, input the components in SAPR-NIC simulation for each model. The simulation was running on real time condition, simulation time for filled bread item is 16,920 seconds and 67,680 seconds for ripped bread item, while the analysis of material flow balancing conducted during the observations and supported by historical data company for 1 day. From the results of material flow balancing analysis in real conditions, queuing system performance showed that in model 1 there was no queue with 39.44% utility value, in model 2 there was also no queue with 83.90% utility value, in model 3 there was also no queue with 92.99% utility value, and in model 6 performed time delayed analysis of material which arrived to fill the fermentation room and the delayed time that occurs will become the idle time of second fermentation II room. The idle time was 16.80 minutes for filled bread items on 84 racks observation which came and was followed with 87.72% utility value of the fermentation room. In the ripped bread items, there was 100 minutes delay time with 41.20% utility value on 24 racks observation. Based on simulation results, the performance of queuing system in a simulation model showed that on dividing station until crating station had low of queue average value because its queue value is mean value (µ) or expected value. In filled bread items, the smallest queue average was 0.04 kg and the biggest queue average was 0.91 kg whereas on ripped bread items, the smallest queue average was 0.01 kg and the biggest queue average was 0.68 kg. In significance, its value was not causing a major influence as a barrier in the production process. The utility of each model had different average value, the smallest utility average in filled bread items was 79.63% and the largest utility average was 95.30% while the smallest utility average of ripped bread items was 81.69 % and the largest utility average was 94.38%. The utility value is relatively high but still needed improvement so that the idle time can be reduced. Factors that cause the existance of queue in this sweet bread line was the interarrival velocity and or service velocity which had probabilistic pattern,
service time was unbalanced between work stations and work speed of operators that could not equalize with machine speed. Queuing model was developed by changing the speed of machine or operators composition on work station which had the highest queue value. The scenario on the filled bread item model was conducted by adding one operator at crating station (model 9) and the result showed that there was no material queue and waiting time but followed by the decline of utility value. In ripped bread items, the scenario was conducted by increasing the packaging machine speed (model 14) from 60 packs/min into 64 packs/min and the result showed that there was no queue, waiting time and the decline of utility value. Mean equality test (t-test) from service time historical data and service time simulation on real conditions showed that p-value> α, with 95% confidence interval (α = 0.05). It indicated that there was no significant difference between the mean value of service time historical data and mean value of service time simulation results so that the simulation results was valid to be used as a model of the real condition.
