LANDASAN TEORI
1.1.
Defenisi Sistem1
Sistem sering didefenisikan dengan berbagai cara, tetapi salah satu
properti dari komponen sistem tersebut. Atribut sistem dicirikan oleh parameterparameter sistem. Saling hubungan antar komponen menjelaskan keterkaitan antar
komponen dan atribut sistem. Keterkaitan atau interaksi antar komponen sistem
dengan atribut tertentu menentukan tujuan dari sistem tersebut. Properti dari
komponen sistem menjelaskan sifat-sifat dari komponen tersebut yaitu :
1. Sifat-sifat dan perilaku setiap komponen dalam perangkat komponen
memberikan efek terhadap sifat-sifat dan perilaku seluruh perangkat dalam
sistem. Apabila salah satu komponen tidak berfungsi maka kinerja seluruh
komponen lain akan terpengaruh.
2. Sifat-sifat dan perilaku masing-masing komponen bergantung pada sifat-sifat
dan perilaku sedikitnya salah satu komponen lainnya. Sejalan dengan butir 1
suatu komponen tidak akan mampu melakukan fungsinya dengan baik apabila
komponen-komponen lain tidak mampu memperlihatkan kinerja yang baik
pula. Seorang dosen misalnya tidak akan mampu berperan dengan baik di kelas
apabila mahasiswa atau fasilitas kelas tidak memadai.
3. Setiap sub-set dari komponen juga memiliki sifat-sifat dan karakteristik 1 dan 2
tatapi komponen-komponen tidak dapat dibagi ke dalam sub-set yang
independen. Jika masing-masing sub-set bersifat independen maka kedua subset tertentu tidak lagi membentuk sistem.
Walaupun sistem dibentuk oleh komponen-komponennya, sebuah sistem
tidak sekedar penjumlahan dari komponen-komponen sistem. Setiap komponen
sistem juga merupakan sebuah sistem tersendiri. Dengan demikian sebuah sistem
merupakan bagian dari sistem yang lebih besar. Sebagai contoh, proses
manufacturing di lantai pabrik adalah sebuah sistem dengan komponenkomponennya antara lain ialah penyiapan bahan baku, permesinan (machining),
pengendalian proses, pengandalian mutu. Pengendalian mutu sebagai sebuah
komponen dari proses manufacturing juga dapat dipandang sebagai sebuah sistem
yang lebih rendah yang komponen-komponennya ialah unit pengujian di
laboratorium, pengambilan sampel dan lain-lain.
1.1.2.
karena perubahan yang terjadi pada sistem ini terutama berlangsung secara halus.
Sedangkan sistem-sistem seperti yang ada pada pabrik dinamakan sistem diskrit,
Karena perubahan yang terjadi padanya terutama berlangsung secara tak malar
(tak kontinu). Hanya sedikit sistem yang benar-benar malar atau diskrit. Sebagai
contoh, perhatikan dua contoh di atas. Pada sistem pesawat terbang, terjadi
penyetalan yang bersifat diskrit pada penyeimbangnya sesuai dengan perubahan
ketinggian pesawat. Sedangkan pada sistem pabrik, pemrosesan produk terjadi
secara malar.
Sistem pesawat terbang yang lengkap dapat dipandang sebagai sistem
diskrit. Jika tujuan mempelajari sistem ini adalah untuk mengikuti jalur
penerbangan pesawat tersebut, katakanlah menyimak problema lalulintas udara,
maka tidak ada gunanya untuk mengamati bagaimana pesawat itu melakukan
pembelokan arah terbangnya. Karena itu, sudah cukup tepat bila yang
diperhatikan hanya titik-titik dimana pesawat tersebut harus berbelok (dilakukan
seketika), sehingga sistem pesawat ini bias dilihat sebagai sistem yang diskrit.
Pada sistem pabrik, jika jumlah suku cadang cukup besar, maka tak akan
terdapat sebuah titik yang dapat diperlakukan sebagai variabel yang bersifat
diskrit. Alih-alih, jumlah suku cadang dapat dipresentasikan oleh variabel malar
dengan aktivitas pemrosesan yang mengendalikan laju perpindahan suku cadang
dari suatu keadaan ke keadaan yang lain.
Penggambaran sistem lebih menentukan daripada sifat sistem itu sendiri
dalam menetapkan jenis model yang akan dibuat. Pembedaan antara sistem malar
dan diskrit perlu dilakukan karena metode pemrograman umum yang dibuat untuk
kedua sistem ini berbeda. Namun tak ada aturan khusus tentang bagaimana suatu
sistem tertentu dapat digambarkan.
1.1.3.Pemodelan Sistem
Untuk mempelajari sebuah sistem terkadang dimungkinkan untuk
melakukan uji coba dengan sistem itu. Namun, tentu saja tidak mungkin untuk
melakukan suatu uji coba bila sistem tersebut masih hipotesis. Alternatif yang
terkadang dipakai adalah membuat sejumlah prototip dan mengujinya. Tetapi cara
seperti ini dapat menjadi sangat mahal dan menghabiskan waktu. Bahkan dengan
sistem yang telah ada, sering kali pengujicobaan menjadi sistem ekonomi dengan
mengubah penawaran dan permintaan barang secara sembarang. Konsekuensinya,
studi tentang suatu sistem umumnya dilakukan pada model sistem tersebut. Jadi,
model sistem tidak hanya merupakan pengganti sistem, namun juga merupakan
penyederhanaan sistem.
Dalam pemodelan suatu sistem, proses penyeleksian dilakukan
sedemikian rupa sehingga ada beberapa elemen sistem yang dimodelkan dan ada
elemen yang diasumsikan tidak penting dan tidak relevan dalam konteks tujuan
yang ingin dicapai. Jadi, sebuah model tidak hanya merupakan pewujudan tujuan,
namun juga merupakan asumsi.
Secara garis besar, cara pemodelan sistem dapat dibagi menjadi dua ;
penetapan struktur model dan pemasokan data. Penetapan struktur menentukan
kendala atau batas sistem dan menandai entitas, atribut, dan aktivitas sistem.
Sedangkan dat memberikan nilai yang dapat dimiliki oleh atiribut dan
menentukan hubungan yang terkandung dalam aktivitas. Kedua cara ini tak
terpisahkan karena yang satu tak akan dapat dikerjakan tanpa yang lain.
Untuk mengilustrasikan proses di atas, perhatikan penggambaran tentang
sistem swalayan (supermarket) berikut ini :
Pengunjung yang membutuhkan sejumlah barang datang ke sebuah
swalayan. pengunjung mengambil keranjang, jika tersedia, dan mulai berbelanja.
Setelah selesai berbelanja, pengunjung melakukan antrian untuk pemeriksaan
(pembayaran) di salah satu dari beberapa tempat pembayaran yang ada.
Setelah
membayar,
pengunjung
mengembalikan
keranjang
dan
Atribut
Jumlah
Aktivitas
Datang Mengambil.
Keranjang
Barang
Ketersediaan
Belanja
Antri
Counter
1.1.4.
Nomor
Check-Out
Mengembalikan
Kekosongan
Pergi
Jenis-jenis Model
Model-model yang digunakan dalam studi sistem dapat diklasifikasikann
dalam banyak cara. Klasifikasi yang akan dipakai dalam buku ini diilustrasikan
dalam gambar dibawah ini. Secara garis besar, model-model ini dibedakan
menjadi model fisika dan model matematika.
model
matematika
menggunakan
simbol-simbol
dan
Model
Matematis
Fisis
Statik
Dinamik
Numeris
Statik
Analitis
Dinamik
Numeris
Simulasi
Sistem
Model fisika dinamik didasarkan pada analog antara sistem yang dipelajari
dan beberapa sistem yang berbeda secara alamiah. Biasanya analogi tersebut
didasarkan pada kesamaan gaya yang mengatur kelakuan sistem.
Sistem elektris mekanis adalah analog satu sama lain, dan kedayagunaan yang
satu dapat dipelajari dari yang lain. Dalam praktek, lebih mudah
untuk
Untuk model yang bersesuaian dengan kondisi pasasr yang normal dimana
permintaan berkurang dan penawaran mengingkat dengan naiknya harga,
koefisien l dan n merupakan bilangan positif. Untuk hasil yang realistis,
koefisien k juga harus bernilai positif.
Namun pada umumnya, penawaran digambarkan dengan kurva yang
melengkung ke atas dan permintaan oleh kurva yang melengkung ke bawah.
Maka tidak mungkin untuk menyatakan suatu hubungan yang persamaannya
dapat dipecahkan. Dibutuhkan suatu metode numeric untuk memecahkannya.
4. Model matematika dinamik.
Model matematika dinamik memperbolehkan pengubahan atribut-atribut
sistem yang didapatka sebagai fungsi waktu. Penurunan dapat dilakukan
dengan solusi analitis atau komputasi numeris, bergantung pada kerumitan
model. Persamaan yang diturunkan untuk menjelaskan kelakuan roda-roda
mobil merupakan sebuah contoh model matematik dinamik.
1.1.5.
Sistem Simulasi3
Di dalam mempelajari sistem dari suatu persoalan yang harus
memberikan hasil yang layak (feasible) pada EDP, di mana hasilnya dapat
diperoleh dengan cepat.
Simulasi juga memberikan kemungkinan untuk mengerjakan seluruh
bagian dalam sistem analisis yang sebenarnya merupakan persoalan yang
kompleks yang harus dikerjakan dengn analisis. Dengan demikian hal ini
merupakan keharusan di dalam mempelajari interaksi di antara bagian atau unsurunsur suatu sistem. Di dalam sistem simulasi terdapat suatu deskripsi dari
alternatif-alternatif yang dapat memberikan gambaran yang lebih baik.
1.1.6.Pengertian Simulasi Menurut Para Ahli4
Banyak para ahli memberikan definisi tentang simulasi. Beberapa
diantaranya adalah sebagai berikut.
1. Emshoff dan Simon (1970)
Simulasi didefinisikan sebagai suatu model sistem dimana komponennya
direpresentasikan oleh proses-proses aritmatika dan logika yang dijalankan
komputer untuk memperkirakan sifat-sifat dinamis sistem tersebut.
2. Shannon (1975)
Simulasi merupakan proses perancangan model dari sistem nyata yang
dilanjutkan
dengan
pelaksanaan
eksperimen
terhadap
model
untuk
prosedur
operasional,
fungsi-fungsi
matematis,
distribusi
Operating
Planning
menggunakan
komputer
untuk
dibandingkan
untuk
mendapatkan
efektivitas
dari
memecahkan
masalah
sesuai
kebutuhan
yang
kemudian
4)
5)
1.1.9.
(S A)
A
dimana,
S= nilai rata-rata hasil simulasi
A= nilai rata-rata data aktual
Model dianggap valid bila EI5%
b. Perbandingan Variasi Amplitudo (Amplitude Variation Comparison)
Untuk membandingkan variasi antara output simulasi dan data historis
yang tersedia, kita dapat menghitung standard deviasi model (Ss) dan
standard deviasi historis (SA). Kedua standard deviasi ini kemudian
dibandingkan dengan menggunakan percent error in the variations, atau
E2 dengan rumus sebagai berikut.
S A
S sS A
E 2=
Model dianggap valid bila E2 30%
7. Skenarioisasi. Penyusunan skenario terhadap model, setelah model valid
maka langkah selanjutnya adalah membuat beberapa skenario (eksperimen)
untuk memperbaiki kinerja sistem sesuai dengan keinginan. Secara umum
jenis-jenis skenario dapat dibedakan menjadi dua jenis.
a. Skenario parameter, dilakukan dengan jalan mengubah nilai parameter
model. Skenario jenis ini relatif mudah dilakukan karena kita hanya
melakukan perubahan terhadap nilai parameter model dan melihat
dampaknya terhadap output model.
b. Skenario struktur, dilakukan dengan cara mengubah struktur model.
Skenario jenis ini memerlukan pengetahuan yang cukup tentang sistem
agar struktur baru yang diusulkan/dieksperimenkan dapat memperbaiki
kinerja sistem.
8. Interpretasi model. Proses ini merupakan penarikan kesimpulan dari hasil
output model simulasi.
9. Implementasi merupakan penerapan model pada sistem.
10. Dokumentasi merupakan proses penyimpanan hasil output model.
1.1.10. Promodel dan Elemen-Elemen Dasar Promodel 8
Promodel merupakan suatu software untuk mensimulasikan suatu sistem
dan menganalisis suatu sistem produksi. Promodel memiliki fleksibilitas,
menyajikan kombinasi yang paling tepat dalam memodelkan segala kondisi.
Model dari suatu sistem dibangun sesuai dengan yang diinginkan,
software promodel menyediakan beberapa elemen-elemen yang telah disesuaikan
untuk membuat model sistem produksi. Beberapa elemen dasar yang ada seperti
8 A. Sofyan Yusuf, dkk, Komputer Industri (PROMODEL). diakses dari
http://muhglbkt.files. iwordpress.com /2011/01/promodel3.pdf pada tanggal 20 Oktober
2014 pukul 20.00 WIB
dimana dalam hal ini untuk node n1 menggunakna location gudang bahan baku
dan untuk node n2 menggunakna location mesin milling. Hal ini dapat diartikan
sebagai jaringan yang menghubungkan aliran jalannya bahan antara gudang bahan
baku ke mesin milling, untuk net 2 dan seterusnya caranya sama seperti diatas.
Berikut ini adalah tampilan dari langkah tersebut.
Tahap selanjutnya yaitu klik Build lalu klik Arrivals, lalu kemudian
dilakukan penginputan data pada kolom Entity dengan bahan baku, Location
dengan gudang bahan baku, Cty each dengan 100, Occurrences dengan 1,
frequency dengan n (1,1). Hal ini digunakan agar mekanisme entities dapat masuk
kedalam sistem tersebut, sehingga model simulasi dapat berjalan. Berikut ini
adalah tampilan dari langkah tersebut.
1.2.
1.2.1.Pendahuluan
Kepuasan pelanggan merupakan perhatian utama bagi perusahaan. Tanpa
pelanggan, tidak akan ada bisnis yang berjalan, dan ada pula nilai aliran. Nilai
aliran adalah semua kegiatan, baik nilai tambah dan non-nilai tambah, yang
diperlukan untuk mengubah produk atau jasa dari tahap bahan baku ke konsumen.
Alat lean manufacturing tidak untuk industri tertentu, tapi dapat memberikan
keuntungan untuk layanan dan lingkungan manufaktur.
Namun, banyak
perbaikan telah dicapai pada industri manufaktur karena alat lean berasal dari
lingkungan manufaktur. Prinsip-prinsip lean yang dipelopori oleh Toyota Motor
Company telah menyebar di seluruh industri manufaktur dan merupakan alat yang
efektif dan efisien yang digunakan di sektor lain dari industri seperti jasa
keuangan, asuransi, kesehatan, minyak dan gas, pendidikan, makanan, teknologi
informasi, perdagangan dan bengkel.
Dalam beberapa kali, perusahaan jasa dan manufaktur berjuang untuk
mengelola kepuasan pelanggan.
Merupakan hal
yang
lazim meskipun
kerja tertentu) dan bahwa alat statis yang menunjukkan satu tingkat pada suatu
waktu (beberapa interaksi peta sulit). VSM tradisional dikombinasikan dengan
simulasi kejadian diskrit yang dalam penelitian ini untuk menghasilkan Dynamic
Value stream Model (DVSM). DVSM ini lebih cocok dalam arti bahwa meniru
sistem nyata, mengandung semua unsur VSM tradisional, dan hal itu akan
menguji dan menganalisis ide-ide perbaikan sebelum pelaksanaannya. DVSM
tidak statis seperti VSM dan memberikan umpan balik yang cepat pada
perubahan. Gambar yang meniru karakteristik dinamik dari proses nyata, sehingga
memungkinkan pengguna untuk bereksperimen pada keputusan yang berbeda
yang akan menjadi sangat mahal di dunia nyata. Karya ini menggunakan VSM
untuk mengevaluasi kinerja bengkel. Sebuah alat dinamis yang digunakan untuk
menjelaskan perilaku proses dinamis. Aliran dan model keseluruhan fokus berasal
dari VSM sedangkan analisis, fleksibilitas, dan dinamika berasal dari DVSM.
1.2.2.
Tinjauan Literatur
Rother dan Shook menyatakan bahwa cara mengambil informasi untuk
VSM adalah dengan berjalan di sepanjang jalur bahan dan informasi. Shook
menggambar peta sederhana di lantai toko yang menunjukkan aliran fisik saat
keluarga produk dan arus informasi yang sesuai sebagai produk wisata melalui
value stream yang kompleks. Rother dan Shook dianalisis VSM sebagai
kumpulan informasi umum yang dapat menyesatkan menanam manajer dan
insinyur selama perbaikan operasi. Argumennya adalah bahwa VSM subjektif dan
pengetahuan tentang variabilitas proses lebih membantu dalam menggambarkan
situasi saat ini. Data statis, dalam banyak kasus, tidak mengandung petunjuk yang
signifikan dari kondisi saat ini yang sebenarnya. Dengan demikian, penting untuk
mengadopsi alat-alat yang dapat meniru dinamika sistem nyata.
Belokar membuat peta value stream saat keadaan menggunakan
perusahaan manufaktur mobil di India sebagai studi kasus. Peta value stream
perubahan yang diusulkan dapat meningkatkan waktu prosedur operasional dan
produktivitas. Pekerjaan mereka merekomendasikan bahwa peta negara masa
depan harus terus berubah untuk peta keadaan saat sepanjang masa bisnis apapun.
Guo quang Pan membahas penerapan VSM untuk proses produksi pabrik mesin
logam. Peta saat mengungkapkan masalah yang mempengaruhi waktu pengiriman
dan peta negara masa depan menyarankan skema dioptimalkan yang mengurangi
waktu pengiriman siklus sebesar 57% (dari 21 hari menjadi 9 hari). Melvin
dibahas VSM dalam makanan dan minuman industri (misalnya, industri
manufaktur yoghurt). Modelnya menemukan beberapa inefisiensi dan tidak pantas
kegiatan pemeliharaan yang mempengaruhi arus barang, sehingga downtime yang
berlebihan.
Melvin
menyimpulkan
makalahnya
dengan
mengusulkan
Sumber: Azubuike Chukukere, Krystel K. Castillo-Villar dan HungDa Wan, Improving Operations
through Dynamic Value Stream Mapping and Discrete-Event, 2014
Metodologi
Makalah ini mengadopsi konsep VSM dibahas oleh Rother dan Shook.
Tugas pertama adalah untuk mengidentifikasi value stream, keluarga produk yang
relevan, dan memilih produk tertentu untuk model. Perusahaan digunakan sebagai
studi kasus dalam makalah ini tidak memproduksi atau menghasilkan barang
tetapi perusahaan jasa yang memperbaiki kerusakan mobil. Mobil yang rusak
adalah value stream yang akan dimodelkan. Kinerja toko perbaikan tabrakan, dari
waktu mobil yang rusak tiba garasi perbaikan untuk waktu yang keluar detail-toko
sebagai mobil diperbaiki, dievaluasi dalam tulisan ini seperti yang dijelaskan
dalam Gambar 1.10 langkah kedua adalah observasi dan pengumpulan data di
body shop, pekerja (pengrajin di body shop) dan operator di setiap stasiun proses
diwawancarai untuk memahami berbagai deskripsi pekerjaan mereka dan waktu
siklus dibutuhkan untuk beberapa jenis pekerjaan variabel mereka. Data
dikumpulkan saat bekerja di sekitar body shop dengan pensil dan kertas. Jumlah
mobil yang rusak yang masuk bengkel dan jumlah mobil diperbaiki yang keluar
toko dalam waktu tiga bulan dikumpulkan. Variasi dalam stasiun proses ini
disebabkan perbedaan jenis kendaraan, model, tingkat keparahan kerusakan, dan
kompetensi dari orang-orang di tubuh. Variasi dalam waktu siklus dalam stasiun
dikumpulkan di lantai toko sementara mobil didorong melalui value stream untuk
jangka waktu satu bulan. Ketiga, data yang terkumpul dianalisis dan digunakan
dalam proses pemetaan.
Makalah ini menggunakan data sampel yang dikumpulkan di lantai toko
untuk memahami tren dan distribusi yang cocok untuk model simulasi. Statistik
merupakan perangkat lunak yang digunakan agar sesuai dengan distribusi yang
memadai untuk setiap stasiun proses dalam model. Tahap akhir dari metodologi
adalah simulasi dan verifikasi hasil.
Sumber: Azubuike Chukukere, Krystel K. Castillo-Villar dan HungDa Wan, Improving Operations
through Dynamic Value Stream Mapping and Discrete-Event, 2014
dijawab: apa nilai, apa value stream dan apa maknanya? Nilai aliran adalah apa
yang pelanggan bersedia untuk membayar, value stream ditetapkan tindakan yang
diperlukan untuk membawa produk atau layanan kepada pelanggan. Nilai aliran
terdiri dari nilai tambah dan kegiatan non-nilai tambah. Limbah adalah nama
untuk non-nilai tambah kegiatan dalam lean manufacturing. Ini memiliki dua
bentuk, non-nilai tambah dan yang diperlukan non-nilai tambah kegiatan adalah
limbah. Non-nilai yang diperlukan menambahkan kegiatan yang tidak dapat
dihindari tetapi kegiatan non-nilai tambah yang signifikan karena memiliki efek
negatif pada bottom line dari perusahaan mana pun. Nilai aliran dalam karya ini
adalah proses perbaikan mobil yang rusak. Kegiatan yang diperlukan untuk
mengubah mobil rusak dari periode pelanggan sampai periode pelanggan
mengambil mobil.
1.2.5.
disingkat sebagai CT dan Waiting Time disingkat sebagai WT. Tidak ada WT
karena kertas ini mengasumsikan bahwa pelanggan mengambil mobil mereka
diperbaiki segera mereka keluar dari toko rinci. Mobil rusak dan mobil diperbaiki
yang masuk dan keluar toko perbaikan tabrakan berjarak 66 hari.
1.2.6.
Pemetaan Proses
Data yang dikumpulkan digunakan untuk mengembangkan peta keadaan
saat ini. Peta keadaan dimulai saat informasi dilewatkan dari pelanggan untuk
perbaikan kontrol dalam bentuk perintah perbaikan pra-estimasi dihitung pada
kontrol perbaikan dan tanda pelanggan perbaikan otorisasi. Otorisasi pelanggan
dikirim ke perusahaan asuransi dimana persetujuan akhir untuk perbaikan
diterima dalam bentuk kode otorisasi. Begitu bengkel menerima kode otorisasi,
bagian-bagian yang diperlukan akan diperbaiki. Mobil pelanggan yang rusak
akan berada di garasi perbaikan menunggu untuk bagian-bagian yang diperbaiki
untuk tiba. Waktu menunggu di garasi perbaikan adalah 21 jam, rata-rata. Begitu
bagian tiba, perjalanan mobil yang rusak melalui stasiun proses mulai. Blok
persegi panjang mewakili stasiun proses, segitiga mewakili waktu tunggu di setiap
stasiun proses. Angka dalam kotak persegi panjang merupakan rata-rata siklus
atau nilai tambah rata-rata waktu dan angka di bawah segitiga di antara stasiun
proses mewakili non-nilai tambah waktu. Jumlah rata-rata nilai tambah waktu
2.46 hari sedangkan jumlah dari nilai tambah dan non-nilai tambah waktu juga
dikenal sebagai lead time, adalah 9.24 hari. VSM menunjukkan bahwa waktu
tunggu rata-rata melalui semua stasiun proses per mobil diperbaiki adalah sekitar
6.78 hari (nilai tambahan waktu). Selain itu, garasi perbaikan dan toko memiliki
waktu tunggu masing-masing sebesar 21 dan 30 jam. Salah satu manfaat dari
VSM adalah bahwa hal itu menunjukkan daerah pengguna yang membutuhkan
perbaikan terus-menerus. Kaizen merupakan simbol yang melekat di atas waktu
tunggu untuk perbaikan, body shop dan toko persiapan menunjukkan bahwa
prioritas harus diberikan kepada proses ini.
1.2.7.
Simulasi
VSM memberikan snapshot dari seluruh stasiun proses tetapi informasi
Simulasi Model
Entitas yang digunakan dalam model ini adalah dalam empat bentuk.
Entity memasuki sistem (perbaikan garasi) sebagai mobil yang rusak, di garasi
perbaikan entitas adalah semacam menjadi dua dan memasuki body shop sebagai
mobil yang rusak atau mobil rusak total. Pemilahan pada tahap ini diperlukan
karena kesenjangan yang besar dalam jam kerja antara mobil rusak. Mobil rusak
membutuhkan kurang dari 3 hari jam kerja diklasifikasikan sebagai mobil rusak
sementara mobil rusak yang membutuhkan lebih dari 3 hari jam kerja
diklasifikasikan sebagai mobil rusak total. Hal ini juga didirikan dari data yang
diamati bahwa sekitar 30% dari mobil rusak yang tiba ke toko perbaikan tabrakan
adalah rusak sementara 70% adalah rusak total pekerjaan masing-masing. Kedua
bentuk mobil yang rusak bergabung di toko persiapan sebagai mobil diperbaiki.
Lokasi yang sama dengan stasiun proses VSM menjadi sumber daya yang
merebut, delay, dan melepaskan entitas sebanyak 4, yaitu penduga di garasi
perbaikan, 10 pekerja di body shop, 4 persiapan-orang di persiapan shop, 2
pelukis di booth cat, dan pekerjaan di toko detail seperti yang ditunjukkan pada
Gambar 1.12.
Sumber: Azubuike Chukukere, Krystel K. Castillo-Villar dan HungDa Wan, Improving Operations
through Dynamic Value Stream Mapping and Discrete-Event, 2014
1. Sebanyak 30% dari mobil yang rusak adalah HH sementara 70% adalah LH.
2. Pekerja di bagian body shop 1, 2 & 3 lebih berpengalaman, oleh karena itu,
mereka menangani 30% pekerjaan HH atau pekerjaan LH ketika tidak ada
pekerjaan HH tersedia tersedia. Tubuh manusia 4, 5, 6, 7, 8, 9, & 10 hanya
dapat menangani pekerjaan LH.
3. Simulasi memiliki 66 ulangan.
4. Model diasumsikan sembilan jam kerja dalam satu hari.
5. Tidak ada pengerjaan ulang, hanya hasil yang dianggap.
6. Perbaikan di garasi diasumsikan titik masuk (entitas) ke dalam sistem.
7. Lead time didefinisikan sebagai waktu rata-rata suatu entitas dalam sistem.
8. Orang-orang di body shop memiliki pengalaman yang sama dan pengetahuan
teknis dalam peta negara masa depan.
manusia
tubuh
untuk
menangani
setiap
kelas
kerusakan,
WIP rata-rata dalam sistem akan turun 90,13-43,68 (6.26 + 6.89 + .83 + 29.7
= 43,68) mobil
3. Pemanfaatan sumber daya rata-rata di body shop yang seimbang, tenaga kerja
yang fleksibel akan berfungsi sebagai penyangga terhadap variasi besar isi
pekerjaan di bengkel. Rata-rata perbaikan / bodyman merupakan jumlah ratarata mobil diperbaiki oleh masing-masing manusia tubuh dan variasi ini
disebabkan perbedaan tingkat keparahan mobil rusak. Berdasarkan hasil peta
masa depan negara, kelompok kerja harus dipertahankan pada setiap stasiun
dan rencana dibuat untuk pelatihan mingguan.
Sebuah keberhasilan pelaksanaan kelompok kerja di stasiun proses akan
menyebabkan tenaga kerja yang fleksibel dan standar kerja di stasiun proses.
Rekomendasi tidak digunakan dalam model simulasi tapi berguna untuk terus
perbaikan di bengkel tabrakan adalah: faktor Visual, 5S, dan JIT. Bengkel harus
mengadopsi proses penilaian kerusakan yang komprehensif sebelum loading
mobil rusak ke bengkel dan juga memperkenalkan kali stempel kolom pada log
perbaikan agar mudah evaluasi nilai tambah waktu. Penerapan alat lean tidak
spesifik industri; kombinasi DVSM dan simulasi kejadian diskrit dapat
bermanfaat bagi industri jasa, bukan hanya untuk lingkungan manufaktur seluas
dirasakan. Akhirnya, jalan masa depan penelitian dapat mempertimbangkan ulang
dan kualitas sempurna dalam model simulasi dan menggunakan teknologi RFID
untuk membedakan nilai tambah waktu dan non-nilai tambah waktu.