Optimasi Tata Letak Semi Dinamis Raw Material Fast Moving Pada Gudang Dengan Pendekatan Matematis

JURNAL TEKNIK (2014) - 1

Optimasi Tata Letak Semi Dinamis Raw Material Fast Moving Pada Gudang Dengan Pendekatan Matematis Abdan Sakur Ad hani, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia e-mail: [email protected]

Abstrak - Gudang merupakan tempat penyimpanan yang menjadi tulang punggung sistem logistik. Hingga saat ini, begitu banyak penelitian dengan berbagai metode telah dilakukan untuk mengefisiensikan tata letak dan operasional gudang. Namun demikian, efsiensi yang telah dilakukan hanya berlaku untuk gudang dengan karakteristik yang sama dengan kondisi penelitian. PT. X merupakan salah satu perusahaan manufaktur yang bergerak di bidang consumer goods. Keterbatasan luas gudang dan sistem produksi just in time yang diaplikasikan oleh perusahaan tersebut memaksa penataan raw material di gudang tersebut bersifat semi dinamis dimana penataan beberapa raw material dapat berubah seiring dengan jenis dan kuantitas produk yang diproduksi pada hari itu. Penelitian ini menggunakan model secara matematis dalam dua skenario untuk mendapatkan penataan raw material yang optimal. Skenario pertama memungkinkan tercapainya solusi dengan jarak tempuh material handling yang minimal namun pada beberapa penataan terkesan acak karena adanya jarak beberapa rak yang hampir sama pada baris rak yang berbeda. Pada skenario dua terlihat total jarak sedikit lebih buruk daripada skenario pertama namun dari sisi penataan jauh lebih baik karena material yang sama memiliki letak yang berdekatan. Keywords : Layout Gudang, Optimasi.

I.

PENDAHULUAN

Gudang merupakan salah satu fasilitas logistik yang berfungsi sebagai penyimpanan berbagai macam jenis produk yang memiliki unit penyimpanan dalam jumlah yang besar maupun yang kecil dalam jangka waktu saat produk dihasilkan oleh pabrik (penjual) dan saat produk dibutuhkan oleh pelanggan atau stasiun kerja dalam fasilitas produksi [1]. Berdasarkan penelitian, biaya operasi gudang diestimasikan sebesar 15% - 70 % dari total biaya manufaktur [2]. Secara umum, gudang merupakan fasilitas vital bagi lini produksi karena gudang berfungsi sebagai penyimpanan sementara bahan baku untuk kelancaran proses produksi. Tata letak gudang yang baik adalah yang mampu memanfaatkan ruang penyimpanan secara efektif untuk meningkatkan utilitas ruang demi meminimalisasi biaya material handling [3]. PT. X merupakan perusahaan internasional yang bergerak di bidang consumer goods. Dalam sistem produksinya, PT X Indonesia mengadopsi sistem Just in Time, dimana setiap proses produksi akan dilakukan secara tepat jumlah, tepat

waktu, dan tepat kualitas. PT. X juga sedang menerapkan world class manufacturing yang berkomitmen mengefisiensikan semua aktifitas produksi serta mengoptimalkan setiap proses dari datangnya raw material dari supplier hingga pengiriman produk untuk meningkatkan daya saing di tingkat dunia. Adapun komponen dasar yang perlu ditingkatkan adalah produk, kualitas, biaya, dan sistem pengiriman. Hampir semua produk diproduksi pada mesin fast moving yang dapat menghasilkan hingga ratusan produk per menit. Produk yang cukup bervariasi membuat PT. X memberlakukan sistem penjadwalan produksi yang menuntut satu mesin dapat memproduksi beberapa varian produk yanga masih dalam product family. Sistem produksi ini dapat berjalan dengan baik jika didukung dari segi logistik yang layak. Salah satu bagian dari logistik yang cukup kritis dalam sistem produksi PT. X adalah gudang raw material. Jumlah permintaan yang dinamis serta variasi produk yang cukup banyak menyebabkan PT. X perlu memperhatikan jadwal produksi yang berujung pada penentuan jumlah dan lokasi raw material di gudang. Lokasi raw material di gudang akan mempengaruhi total jarak yang dilalui oleh material handling, yang dalam kasus ini dilakukan oleh operator palet mover. Saat ini lokasi raw material di salah satu pabrik PT. X cabang Rungkut ditata berdasarkan mesin yang beroperasi. Raw material untuk mesin yang dinilai paling memberikan keuntungan bagi PT. X diletakkan paling dekat dengan pintu produksi. Demikian seterusnya hingga secara berurutan raw material ditata di gudang pabrik ini. Penataan demikian menyebabkan seringkali terjadi penumpukan raw material di area tertentu bersamaan dengan kosongnya beberapa rak raw material di bagian gudang yang lain. Dalam kondisi ideal, raw material akan tertata secara rapi di gudang dengan total jarak tempuh palet mover yang minimal. Kondisi ini dapat didekati dengan efisiensi peletakan dengan memperhitungkan raw material yang akan masuk dan keluar dari gudang. Perubahan pola permintaan juga akan diperhatikan untuk mengetahui pengaruh terhadap perubahan peletekan raw material kedepannya. Seluruh perhitungan ini

JURNAL TEKNIK (2014) - 2 akan dilakukan dengan menggunakan pemodelan secara matematis. II.

MODEL MATEMATIS

Berikut ini adalah model matematis yang digunakan untuk penataan material di gudang [4]. A. Parameter Bobot pinalti yang ditambahkan ke jarak = sebagai konversi jarak secara vertikal, serta menambahkan pinalti untuk mengatasi konstrain availability material handling Jarak setiap rak j terhadap pintu produksi = Kuantitas setiap jenis material i = Frekuensi pengambilan material i = B. Variabel Keputusan =

j

Material i yang menempati rak j

C. Fungsi Tujuan Fungsi tujuan yang diberikan adalah minimasi biaya material handling yang didekati dengan minimasi jarak tempuh material handling.

*merupakan konstrain khusus dimana sebagian material dilarang untuk menempati rak tertentu. **merupakan raw material dalam 1 baris rak yang perlu ditata ulang III.

METODE PENELITIAN

A. Perhitungan minimum stock di gudang Stock minimum dihitung dengan tujuan untuk menghindari stock out dari ketersediaan raw material. Stock minimum akan memberikan gambaran berapa kuantitas raw material yang tersedia di gudang. Minimum stock dihitung berdasarkan rumus: Minimum stock = ((Interval waktu per pengiriman) x (rata-rata konsumsi per interval waktu pengiriman)) + safety stock Sedangkan untuk menghitung safety sock didapatkan dari data produksi per hari yang dihitung menggunakan rumus:

 i,j D. Konstrain Konstrain dalam pemodelan ini terbagi menjadi 2, yakni untuk skenario 1 dan skeanrio 2. Berikut ini adalah konstrain peletakan raw material berdasarkan kondisi eksisting di pabrik A. 

Skenario 1

i j

*merupakan konstrain khusus dimana sebagian material dilarang untuk menempati rak tertentu. 

Dimana : adalah safety stock Z adalah service level yang diinginkan σ merupakan standar deviasi permintaan LT merupakan lead time dari pengiriman B. Forecasting Kebutuhan Raw Material Forecasting dilakukan dengan menggunakan linier regresi sederhana untuk mengetahui perkiraan total produksi di periode setelah pengambilan data. Linier regresi dapat dilakukan jika diketahui R square dari material yang akan di forecast memiliki keterkaitan yang cukup baik dengan waktu. Perhitungan R square dapat dilakukan dengan rumus:

Sedangkan linier regresi dirumuskan dengan:

Skenario 2

Skenario 2 terbagi kedalam 2 tahap. Pada tahap 1, pemodelan yang digunakan tidak berbeda dengan skenario 1. Perbedaannya hanya terletak di jarak rak dengan pintu produksi yang merupakan rata-rata dari jarak rak dalam 1 baris. Hasil dari tahap 1 akan menjadi konstrain tambahan di tahap 2, sehingga pada tahap 2 konstrain menjadi seperti dibawah ini .

i

Identify applicable sponsor/s here. If no sponsors, delete this text box. (sponsors)

Dimana : Yi merupakan variabel tidak bebas untuk pengamatan ke i i merupakan variabel bebas untuk pengamatan ke i merupakan residu (error) C. Perhitungan Frekuensi Pengambilan Setiap Material Frekuensi pengambian material dirumuskan dengan

JURNAL TEKNIK (2014) - 3

D. Penyelesaian Permodelan Dengan Metode Eksak Hasil dari perhitungan minimum stock dan frekuensi kemudian dimasukkan ke dalam model dan diselesaikan dengan bantuan lingo. IV.

HASIL PERHITUNGAN

A. Perhitungan Skenario 1 Perhitungan skenario 1 dilakukan dengan bantuan software lingo. Hasil running menunjukkan bahwa lingo mampu mencari solusi optimal dalam kurun waktu 18,22 detik. Berikut adalah resume hasil dari running tersebut. Global optimal solution found. Objective value: 2708315. Objective bound: 2708315. Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 394 Elapsed runtime seconds: 18.22 Model Class:

PILP

Total variables: Nonlinear variables: Integer variables:

367275 0 367275

Total constraints: Nonlinear constraints: Total nonzeros: Nonlinear nonzeros:

2348 0 1132650 0

Hasil dari running tersebut menunjukkan bahwa reduce cost untuk keseluruhan jarak dan frekuensi bernilai 0, namun tidak untuk setiap variabel keputusan X. Di sisi lain, nilai dual price untuk setiap row juga 0 kecuali pada row 1 yang memiliki nilai dual price -1 dengan slack or surplus 2.708.315. Persentase perbaikan dapat dihitung dengan membandingkan dengan jarak total pada penataan eksisting. Perhitungannya menggunakan rumus sebagai berikut. Improvement=(Jarak eksisting)

eksisting-jarak

perbaikan)/(Jarak

Global optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: Total solver iterations: Elapsed runtime seconds: Model Class: Total variables: Nonlinear variables: Integer variables: Total constraints: Nonlinear constraints: Total nonzeros: Nonlinear nonzeros:

2755509. 2755509. 0.000000 0 5020 18.97 MILP

734550 0 367275 2348 0 1132650 0

Sama halnya dengan hasil running pada skenario 1, hasil dari running tersebut menunjukkan bahwa reduce cost untuk keseluruhan jarak dan frekuensi bernilai 0, namun tidak untuk setiap variabel keputusan X. Di sisi lain, nilai dual price untuk setiap row juga 0 kecuali pada row 1 yang memiliki nilai dual price -1 dengan slack or surplus 2.755.509. Hasil dari tahap 1 kemudian dijadikan konstrain tambahan pada tahap 2. Pada tahap ini, jarak yang digunakan adalah jarak rak sebenarnya yang sudah ditambah dengan pinalti jarak seperti pada skenario 1. Berikut adalah hasil running lingo untuk tahap 2. Global optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: Total solver iterations: Elapsed runtime seconds: Model Class: Total variables: Nonlinear variables: Integer variables:

Berdasarkan rumus tersebut, perbaikan pada seknario 1 adalah sebesar 27,2% dari kondisi eksisting.

Total constraints: Nonlinear constraints:

B. Perhitungan Skenario 2 Perhitungan skenario 2 dilakukan melalui 2 tahap. Pada tahap 1, jarak rak yang digunakan adalah rata-rata jarak dari keseluruhan rak per baris. Perhitungan tahap 1 dilakukan dengan bantuan software lingo. Berikut adalah hasil dari running lingo tahap 1.

Total nonzeros: Nonlinear nonzeros:

2736688. 2736688. 0.000000 0 606 26.25 PILP

367275 0 367275 2556 0 1107590 0

Hasil running dari tahap ini menunjukkan bahwa reduce cost untuk keseluruhan jarak dan frekuensi bernilai 0, namun tidak untuk setiap variabel keputusan X. Di sisi lain, nilai dual

JURNAL TEKNIK (2014) - 4 price untuk setiap row juga 0 kecuali pada row 1 yang memiliki nilai dual price -1 dengan slack or surplus 2.736.688. Tahap 1 menunjukkan perbaikan sebesar 25,9% dan setelah melalui tahap 2, perbaikannya naik menjadi 26,4%. V.

ANALISA HASIL PERHITUNGAN

A. Analisa Model Matematis  Model Matematis Skenario 1 Model matematis skenario 1 hanya dilakukan untuk satu kali iterasi dimana hasil dari pemodelan ini adalah komposisi penataan yang memiliki jarak paling minimum. Kelemahan dari model ini adalah penataan akan terlihat agak acak jika terdapat beberapa rak yang memiliki jarak yang hampir sama di lain baris.  Model Matematis Skenario 2 Model matematis skenario 2 terdiri dari 2 tahap. Tahap pertama adalah penentuan sejumlah raw material ke dalam setiap baris rak. Pada tahap ini, akan tercipta penataan yang optimal, namun penataan di setiap baris rak akan terlihat acak akibat jarak setiap rak dalam 1 baris yang dirata-rata. Dengan demikian, langkah optimasi tahap kedua adalah dengan menambahkan konstrain yang didapatkan dari tahap kedua untuk mendapatkan penataan optimal setiap raknya. Model matematis skenario 2 dapat digunakan untuk mengatasi kelemahan dari skenario 1. Hasil yang didapatkan dari skenario 2 tidak akan lebih baik daripada skenario 1. Namun demikian, penataan untuk setiap raw material akan terlihat lebih rapi dengan dengan material sejenis yang akan saling berdekatan. B. Analisa Hasil Perhitungan  Hasil Perhitungan Skenario 1 Hasil perhitungan dengan software lingo untuk skenario 1 menunjukkan bahwa seluruh reduce cost bernilai 0 kecuali untuk seluruh variabel keputusan (X) dimana X merupakan bilangan biner. Hal ini menunjukkan bahwa penambahan nilai X akan menyebabkan penambahan total jarak sejauh nilai reduce cost untuk X terkait. Pada skenario 1, nilai reduce cost tertinggi dimiliki oleh X untuk Tube 22 jika diletakkan di Rak ke 2047 dengan nilai 110.202,4. Disisi lain, seluruh nilai dual price atau shadow price adalah 0, kecuali untuk row 1 yang berisi fungsi tujuan. Dengan demikian, penambahan RHS pada konstrain tidak akan berpengaruh terhadap hasil dari fungsi tujuan, kecuali penambahan di fungsi tujuan itu sendiri. Nilai negatif pada dual price di fungsi tujuan menunjukkan bahwa penambahan RHS di fungsi tujuan hanya akan membuat nilai dari fungsi tujuan lebih buruk. Dari segi tatal jarak tempuh material handling, skenario 1 memberikan total jarak yang paling minimum, yakni 2.708.315. Namun demikian, penataan raw material terkesan sedikit acak ketika ada rak di suatu baris yang memiliki jarak hampir sama dengan beberapa rak di baris

yang lain. Hal ini tentu merupakan kesulitan tersendiri bagi operator material handling ketika akan menata atau mengambil raw material.  Hasil Perhitungan Skenario 2 Skenario 2 dibagi menjadi 2 tahap. Tahap 1 merupakan tahap untuk melakukan penataan optimum per baris rak. Cara yang dilakukan adalah menggunakan pemodelan yang sama dengan skenario 1, namun jarak rak yang digunakan di satu baris dalam 1 level merupakan jarak rak rata-rata pada baris dan level tersebut. Penataan dari tahap 1 akan mengelompokkan setiap material di setiap baris rak secara optimal namun material di setiap baris itu sendiri cenderung acak dikarenakan jarak rak yang sama di setiap baris. Hasil running lingo untuk tahap 1 menunjukkan bahwa seluruh reduce cost bernilai 0 kecuali untuk seluruh variabel keputusan (X) dimana X merupakan bilangan biner. Hal ini menunjukkan bahwa penambahan nilai X akan menyebabkan penambahan total jarak sejauh nilai reduce cost untuk X terkait. Sedangkan nilai shadow price adalah 0, kecuali untuk row 1 yang merupakan fungsi tujuan. Hal ini menunjukkan bahwa penambahan RHS pada konstrain tidak akan menambah hasil dari fungsi tujuan, kecuali penambahan pada fungsi tujuan itu sendiri. Nilai shadow price negatif menunjukkan bahwa penambahan RHS hanya akan menjadikan hasil dari fungsi tujuan bertambah buruk. Tahap 2 merupakan tahap perbaikan untuk menata setiap material yang berada di satu baris rak. Hasil dari tahap 1 akan dimasukkan sebagai konstrain tambahan pada tahap 2. Sama halnya dengan tahap 1, hasil dari running lingo juga menunjukkan bahwa seluruh reduce cost bernilai 0 kecuali untuk seluruh variabel keputusan (X). dan nilai dari shadow price adalah 0, kecuali untuk row 1 yang merupakan fungsi tujuan. Hasil running lingo pada tahap 2 menunjukkan total jarak material handling yang ditempuh sebesar 2.736.688. Dari segi jarak tempuh, skenario 2 memang memiliki total jarak tempuh yang sedikit lebih buruk jika dibandingkan dengan skenario 1. Namun penataan yang didapatkan dari skenario 2 mampu membuat material yang sejenis berkelompok dalam 1 baris sehingga lebih memudahkan operator untuk mengingat letak dari material tersebut. VI.

KESIMPULAN

Skenario 1 menunjukkan tingkat efisiensi sebesar 27,2% dari kondisi eksisting. Sedangkan pada skenario 2 menunjukkan tingkat efisiensi sebesar 25,9% dari kondisi eksisting. Skenario 1 memiliki kelebihan berupa total jarak yang minimum, namun beberapa penataan material masih terkesan acak akibat adanya beberapa rak yang memiliki jarak hampir sama di baris yang berbeda. Pada skenario 2, acaknya penataan tersebut dapat diatasi namun dengan konsekuensi total jarak tempuh menjadi lebih jauh.

JURNAL TEKNIK (2014) - 5 Penataan material yang optimum bukan berarti harus memiliki total jarak tempuh yang minimum. Penataan optimum bisa didapatkan dari persilangan antara total jarak minimum dan kemudahan pengambilan material, yang dalam hal ini tergantunga dari jenis dan jumlah material handling yang digunakan oleh PT. X serta kemudahan bagi operator material handling untuk mengingat lokasi dari material tersebut. VII. REFERENCES [1] D. E. Mulcahy, Warehouse and Distribution Operation Handbook, New York: McGraw Hill, 1994. [2] Tomkins, J. A. and White, J. A., Faciliies Planning, New York: Wiley, 1984. [3] S. S. Heragu, Facilites Design, USA: iUniverse, 1997. [4] K. K. Lai, J. Xue and G. Zhang, "Layout design for a paper reelwarehouse: A two-stage heuristic approach," Elsevier, vol. 75, no. International Journal of Production Economics, pp. 231-243, 2002.