Anda di halaman 1dari 15

DWI SAMTO I0306030

NURJANNAH OD I0306073

INVENTORY MANAGEMENT (STOCASTIK)

Menagemen ketidakpastian
Meskipun berguna untuk memahami hubungan persediaan dalam kondisi kepastian,
perumusan kebijakan persediaan harus realistis mempertimbangkan ketidakpastian. Salah satu
fungsi utama manajemen persediaan adalah untuk merencanakan safety stock untuk melindungi
terhadap out-of-stock. Dua jenis ketidakpastian berdampak langsung pada kebijakan persediaan.
Permintaan ketidakpastian adalah tingkat penjualan persediaan selama pengisian ulang. Kinerja
siklus ketidakpastian kekhawatiran persediaan variasi waktu pemesanan.

Demand Uncertainty (ketidakpastian deman)


Perkiraan perkiraan penjualan unit permintaan selama siklus pengisian ulang persediaan.
Bahkan dengan peramalan yang baik, permintaan selama siklus pengisian ulang sering melebihi
atau jatuh singkat dari apa yang diantisipasi. Untuk melindungi terhadap stockout ketika
permintaan melebihi perkiraan, safety stock ditambahkan ke inventaris basis. Permintaan dalam
kondisi ketidakpastian, persediaan rata-rata mewakili satu-setengah kuantitas pesanan ditambah
safety stock. Gambar 10-6 menggambarkan kinerja persediaan siklus permintaan dalam kondisi
ketidakpastian. Garis putus-putus mewakili peramalan. Garis padat menggambarkan inventarisasi
di tangan dari satu siklus kinerja ke yang berikutnya. Tugas perencanaan memerlukan persediaan
pengaman tiga langkah. Pertama, kemungkinan stockout harus diukur. Kedua, permintaan
potensial selama periode stockout harus diestimasi. Akhirnya, keputusan kebijakan diperlukan
mengenai tingkat yang dikehendaki stockout perlindungan.
Asumsikan untuk tujuan ilustrasi bahwa siklus kinerja persediaan 10 hari. Pengalaman
historis menunjukkan bahwa penjualan harian range 0-10 unit dengan penjualan harian rata-rata
dari 5 unit. Tatanan ekonomi diasumsikan 50, yang menyusun ulang Intinya adalah 50, yang
direncanakan persediaan rata-rata adalah 25, dan penjualan selama kinerja siklus diperkirakan
menjadi 50 unit.
Selama siklus pertama, meskipun mengalami variasi permintaan harian, rata-rata
dari 5 unit per hari dipertahankan. Total permintaan selama siklus 1 adalah 50 unit, sebagai
diharapkan. Selama siklus 2, permintaan mencapai 50 unit dalam 8 hari pertama, mengakibatkan
stockout;
demikian, tidak ada penjualan yang mungkin pada hari ke 9 dan 10. Selama siklus 3, permintaan
mencapai sebanyak 39 unit. Siklus kinerja ketiga berakhir dengan 11 unit yang tersisa dalam
persediaan.
Selama periode 30-hari total penjualan 139 unit, untuk penjualan harian rata-rata 4,6 unit.
Dari sejarah tercatat dalam Tabel 10-8, teramati yang terjadi pada stockouts
2 dari 30 total hari. Sejak penjualan tidak pernah melebihi 10 unit per hari, tidak ada
kemungkinan stockout ada pada 5 hari pertama dari siklus pengisian. Stockouts ada kemungkinan
pada hari ke-6 sampai dengan 10 didasarkan pada remote kemungkinan bahwa permintaan selama
5 hari pertama dari siklus rata-rata 10 unit per hari dan tidak ada persediaan yang dibawa dari
sebelumnya periode. Karena selama tiga siklus kinerja 10 unit yang terjual hanya pada satu
kesempatan, jelaslah bahwa risiko nyata stockout terjadi hanya selama beberapa hari terakhir
siklus kinerja, dan kemudian hanya ketika melampaui penjualan rata-rata yang substansial
margin.5 Beberapa pendekatan yang mungkin mengenai potensi penjualan selama berhari-hari 9
dan 10 dari siklus 2. Maksimal 20 unit mungkin telah terjual jika persediaan telah tersedia. Di sisi
lain, itu adalah jarak jauh mungkin bahwa meskipun saham sudah tersedia, tidak ada permintaan
akan terjadi pada hari ke 9 dan 10. Berdasarkan permintaan rata-rata 4-5 unit per hari, penilaian
yang masuk akal penjualan hilang 8-10 unit.
FIGUR1E0 -7
Historical analysis of demand history
Harus jelas bahwa risiko yang diciptakan oleh stockouts variasi dalam penjualan adalah
terbatas pada waktu yang singkat dan mencakup persentase kecil dari total penjualan. Meskipun
analisa penjualan disajikan pada Tabel 10-8 membantu mencapai suatu pemahaman tentang
kesempatan,sesuai tindakan masih belum jelas. Probabilitas statistik dapat digunakan untuk
membantu manajemen dalam perencanaan safety stock. Diskusi berikut berlaku teknik statistik
untuk masalah ketidakpastian permintaan
Sejarah penjualan selama jangka waktu 30 hari telah diatur dalam Tabel 10-9 dalam hal dari
suatu distribusi frekuensi. Tujuan utama dari suatu distribusi frekuensi adalah untuk mengamati
variasi di sekitar rata-rata permintaan harian. Mengingat yang diharapkan rata-rata 5 unit per hari,
rata-rata melebihi permintaan pada 1 Aku hari dan kurang dari rata-rata 12 hari. Cara alternatif
untuk menggambarkan distribusi frekuensi adalah dengan bar chart, seperti dalam gambar 10-7.

Mengingat permintaan frekuensi historis, adalah mungkin untuk menghitung keselamatan


saham yang diperlukan untuk menyediakan tingkat tertentu stockout perlindungan.Probabilitas
didasarkan pada kesempatan acak kejadian tertentu dalam jumlah besar kejadian. Situasi
iIlustrated menggunakan 28 hari. Dalam aplikasi sebenarnya, yang lebih besar sampIe akan
ukuran yang diinginkan.Probabilitas kejadian mengasumsikan pola sekitar ukuran tendensi
sentral, yang merupakan nilai rata-rata dari semua kejadian. Sementara sejumlah distribusi
frekuensi dapat digunakan dalam pengendalian persediaan, yang paling mendasar adalah
distribusi normal. Distribusi normal ditandai oleh lonceng berbentuk simetris kurva, ilustrasi
Gambar 10-8. Karakteristik yang penting dari distribusi normal adalah bahwa tiga ukuran
tendensi sentral memiliki nilai yang sama. Mean (rata-rata) nilai, mediun (tengah) pengamatan,
dan modus (paling sering teramati) nilai semua sama. Ketika langkah-langkah ketiga hampir
identicaI, distribusi frekuensi normal.
Dasar untuk memprediksi permintaan selama siklus kinerja dengan menggunakan distribusi
normal adalah deviasi standar pengamatan sekitar ukuran tendensi sentral. Deviasi standar adalah
ukuran dispersi peristiwa dalam ditentukan area di bawah kurva normal. Untuk aplikasi
manajemen inventaris, acara ini penjualan unit per hari dan dispersi adalah variasi dalam tingkat
penjualan harian. Dalam f 1 deviasi standar, 68,27 persen dari semua peristiwa terjadi. Ini berarti
bahwa 68,27 persen dari hari-hari selama siklus kinerja penjualan harian akan mengalami f 1
dalam standar deviasi rata-rata penjualan harian. Dalam f 2 standar deviasi, 95,45 persen dari
semua peristiwa terjadi. Pada f 3 standar deviasi, 99,73 persen dari semua peristiwa yang
disertakan. Di hal penyediaan inventory, standar deviasi menyediakan metode memperkirakan
persediaan pengaman diperlukan untuk menawarkan perlindungan tingkat tertentu rata-rata di atas
permintaan. Langkah pertama dalam menetapkan saham keselamatan adalah untuk menghitung
standar deviasi. Sebagian besar kalkulator dan spreadsheet menghitung deviasi standar, tetapi jika
salah satu alat bantu ini tidak tersedia, metode lain untuk menghitung deviasi standar adalah:

Data yang diperlukan untuk menentukan deviasi standar yang terkandung dalam Tabel 10 -
10.Deviasi standar dari data pada Tabel 10-9 adalah dibulatkan menjadi 3 unit. Ketika pengaturan
keselamatan saham, 2 standar deviasi perlindungan, atau 6 unit, akan melindungi terhadap 95,45
persen dari semua aktivitas, termasuk dalam distribusi frekuensi. Namun, satu-satunya situasi
keprihatinan adalah probabilitas dari peristiwa yang melebihi nilai rata-rata. Tidak mengenai
adanya masalah persediaan untuk memenuhi permintaan yang sama dengan atau di bawah rata-
rata.
Jadi, pada 50 persen dari hari-hari, tidak ada safety stock akan dibutuhkan. Safety stock
perlindungan pada tingkat 95 persen akan, pada kenyataannya, melindungi terhadap 97,72 persen
dari semua kemungkinan peristiwa. Liputan yang 95 persen akan mencakup semua situasi ketika
permintaan harian + 2 standar deviasi dari rata-rata ditambah dengan 2,72 persen dari waktu
ketika permintaanadalah lebih dari 2 standar deviasi di bawah rata-rata. Manfaat tambahan ini
hasil dari apa yang biasanya disebut sebagai satu aplikasi statistik ekor. Contoh di atas
menggambarkan bagaimana probabilitas statistik dapat membantu dengan kuantifikasi permintaan
ketidakpastian, namun kondisi permintaan bukan satu-satunya sumber ketidakpastian. Siklus
kinerja juga dapat bervariasi.

Kinerja Siklus Ketidakpastian


Ketidakpastian siklus kinerja berarti bahwa kebijakan inventaris tidak dapat mengasumsikan
konsisten
pengiriman. Perencana harus berharap bahwa pengalaman siklus kinerja aktual akan cluster dekat
rata-rata dan akan bias melebihi durasi yang direncanakan. Jika kinerja siklus ketidakpastian tidak
dievaluasi secara statistik, praktik yang paling umum adalah saham keselamatan dasar persyaratan
pada waktu pengisian ulang yang direncanakan. Namun, jika ada substansial variasi dalam siklus
kinerja, evaluasi formal yang diinginkan.

Tabel 10-1 1 menyajikan distribusi frekuensi sampel siklus kinerja. Meskipun 10 hari adalah yang
paling sering, pengalaman pengisian ulang berkisar dari 6 sampai 14 hari. Jika mengikuti siklus
kinerja normal berbentuk lonceng distribusi, seorang individu siklus kinerja diperkirakan akan
jatuh antara 8 dan 12 hari 68,27 persen waktu.
Dari sudut pandang praktis, ketika siklus hari turun di bawah 10, tidak ada masalah
mendesak
ada dengan safety stock. Jika siklus kinerja secara konsisten di bawah siklus kinerja yang
direncanakan selama periode waktu, maka durasi penyesuaian yang diharapkan akan berada di
urutan. Situasi kekhawatiran paling cepat terjadi ketika durasi siklus kinerja secara konsisten
melebihi 10 hari.
Dari sudut pandang kemungkinan melebihi 10 hari, frekuensi tersebut kejadian dari data dalam
Tabel 10-1 1 dapat disajikan kembali dalam hal kinerja siklus lebih besar dari I0 hari dan sama
dengan atau Iess dari 10 hari. Pada contoh data, deviasi standar tidak akan berubah karena
distribusi normal. Akan tetapi. jika pengalaman nyata telah condong melebihi durasi siklus yang
diharapkan, maka Poisson distribution mungkin lebih tepat. "N Poisson distribusi frekuensi,
standar deviasi sama dengan akar kuadrat dari mean. Sebagai aturan umum, mean yang lebih
kecil, semakin besar tingkat kemiringan. "
Menentukan Safety Stock dengan Ketidakpastian
Situasi khas yang dihadapi perencana inventaris diilustrasikan pada Gambar 10-9,
di mana baik permintaan dan ketidakpastian siklus kinerja ada. Memperlakukan kedua permintaan

dan ketidakpastian siklus kinerja memerlukan menggabungkan dua variabel independen. Itu
Durasi dari siklus ini, setidaknya dalam jangka pendek, tergantung pada kebutuhan sehari-hari.
Namun, dalam menentukan keselamatan saham, dampak gabungan dari kedua kemungkinan
permintaan dan kinerja variasi siklus harus ditentukan. Tabel 10-12 menyajikan ringkasan
penjualan dan kinerja siklus pengisian. Kunci untuk memahami potensi hubungan data pada Tabel
10-12 adalah 10-hari siklus kinerja. Total permintaan selama 10 hari berpotensi berkisar dari 0
sampai 100 unit. Pada setiap hari siklus, permintaan probabilitas independen dari hari sebelumnya
sepanjang 10-hari durasi. Mengasumsikan potensi lengkap situasi yang digambarkan dalam Tabel
10-12,
total penjualan selama siklus kinerja dapat berkisar 0-140 unit. Dengan dasar ini hubungan antara
dua jenis ketidakpastian dalam pikiran, safety stock persyaratan dapat ditentukan baik oleh
simulasi numerik atau prosedur.

Numerik Compounding
Peracikan yang tepat dari dua variabel independen melibatkan multinominal ekspansi.
Jenis prosedur ini memerlukan perhitungan luas. Sebuah metode langsung adalah untuk
menentukan standar deviasi dari permintaan dan ketidakpastian siklus kinerja dan kemudian
untuk perkiraan deviasi standar gabungan dengan menggunakan rumus lilitan:

di mana
o, = Standar deviasi gabungan probabilitas;
T = rata-rata waktu siklus kinerja;
S, = Standar deviasi siklus kinerja;
D = Rata-rata penjualan harian dan
S.5 = Standar deviasi penjualan harian.

Substitusi dari Tabel 10 - 1 2,

Formulasi ini memperkirakan rumit atau deviasi standar gabungan T hari dengan rata-rata
permintaan D per hari ketika individu deviasi standar adalah S, dan S, 5, masing-masing. Rata-
rata untuk distribusi gabungan adalah produk T dan D, atau 50,00 (10.00 x 5.00). Jadi, diberi
distribusi frekuensi penjualan harian dari O sampai 10 unit per hari dan kisaran dalam durasi
siklus pengisian ulang dari 6 sampai 14 hari, 13 unit (1 standar deviasi dikalikan dengan 13 unit)
dari stok pengaman diperlukan untuk melindungi 84,14 persen dari semua kinerja siklus. Untuk
melindungi pada tingkat 97,72 persen, a 26-unit persediaan pengaman diperlukan. Tingkat ini
mengasumsikan satu ekor distribusi karena tidak diperlukan untuk melindungi terhadap lead time
permintaan di bawah rata-rata. Penting untuk dicatat bahwa peristiwa tertentu dilindungi terhadap
adalah stockout selama siklus kinerja. Para 68,27 dan 97,72 persen tidak tingkat produk tingkat
ketersediaan. Persentase ini mencerminkan probabilitas dari stockout selama perintah diberikan
siklus. Sebagai contoh, dengan 13-unit persediaan pengaman, Persyaratan persediaan rata-rata
akan menjadi 25 unit jika tidak ada safety stock yang diinginkan.
Persediaan rata-rata dengan 2 standar deviasi dari safety stock adalah 5 1 unit [25 + (2 x 13)].
Tingkat persediaan ini akan melindungi terhadap stockout selama 97,72 persen siklus kinerja.
Tabel 10-13 meringkas a1 menghadapi tematives perencana dalam hal dampak sesuai asumsi dan
rata-rata persediaan.diharapkan stockouts terjadi selama 31,73 (100 - 68,27) persen dari siklus
kinerja. Meskipun persentase ini menyediakan probabilitas dari stockout, ia tidak memperkirakan
besar. Stockout relatif besar menunjukkan persentase unit yang ditebar keluar relatif terhadap
permintaan.
Permasalahan persediaan dengan permintaan dan lead time yang tidak pasti mempunyai
struktur matematika yang kompleks. Di dalam bagian ini, diilustrasikan model stokastik dengan
jumlah terbatas. Pertama-tama, Newsboy Problem klasik, di mana suatu taksiran keputusan
pemesanan yang dibuat akan diuji. Lalu, kebijakan ( s, S) diperkenalkan untuk suatu varian dari
Newsboy Problem. Akhirnya, kebijakan persediaan yang paling umum yang digunakan oleh
praktisi-praktisi (yakni, metode reorder level, metode reorder cycle, metode ( s, S) dan teknik
two-bin) ditinjau dan dibandingkan. Tiga kebijakan yang pertama menggunakan data peramalan,
sedangkan kebijakan yang keempat tidak memerlukan setiap perkiraan data.

The Newsboy Problem


Di dalam Newsboy Problem, suatu keputusan resupply harus dilakukan di permulaan dari
suatu periode (contohnya penjualan pada musim musim semi) untuk single komoditas dimana
permintaan tidak diketahui terlebih dahulu. Permintaan d dimodelkan sebagai suatu variabel acak
dengan fungsi sebaran kumulatif Fd (δ) yang berkelanjutan. c adalah biaya pembelian atau
variabel biaya pabrikasi, tergantung pada siapakah barang-barang itu dibeli dari eksternal supplier
atau oleh yang dihasilkan perusahaan. Selain itu, r dan u adalah harga penjualan dan biaya
pengangkutan per unit dari komoditas, secara berturut-turut tentunya.
r > c >u

Tidak ada fixed reorder cost ataupun initial inventory. Sebagai tambahan, biaya
kekurangan diasumsikan bersifat sepele. Jika perusahaan memesan q unit dari komoditas,
pendapatan yang diharapkan ρ(q) adalah :

Dengan menambahkan dan mengurangi ke ruas kanan ρ(q)

Dimana E[d] adalah permintaan yang diharapkan. Dapat mudah dilihat bahwa ρ(q) adalah
cekung untuk q > 0 dan ρ(q) dengan harapan bahwa q adalah nol. Oleh karena itu, dengan
menerapkan aturan Leibnitz, kondisi optimal menjadi :

Dimana dengan definisi Fd(q) adalah probabilitas Pr (d < q) dimana permintaan tidak
lebih dari q. hasilnya, jumlah order yang optimal S memuaskan seperti kondisi berikut :
Emilio Tadini & Sons adalah pengecer kemeja buatan tangan, yang berada di Roma
(Italia), dekat dengan Piazza di Spagna. Tahun ini Mr Tadini menghadapi masalah mengenai
pemesanan kemeja dengan warna cerah yang baru dibuat oleh firma Florentine. Ia berasumsi
bahwa permintaan tersebut distribusinya seragam yaitu antara 200 dan 350 unit. Biaya pembelian
adalah c = €18 sedangkan harga penjualan adalah r = €52 dan biaya pengangkutan itu adalah u =
€7. Menurut persamaan (4.36), Pr(d < S) = ( S - 200)/(350 -200) untuk 200 < S < 350. Karena itu,
Mr Tadini seharusnya memesan S = 313 unit. Menurut persamaan (4.35), pendapatan yang
diharapkan adalah

Untuk 0 < q < 200

Untuk 0 < q < 350

Untuk q > 350, pendapatan maksimum yang diharapkan yaitu ρ (313) = €8726.65

Kebijakan (s, S) untuk permasalahan periode tunggal


Jika ada initial inventory q0 dan biaya pesan tetap k, kebijakan penyelesaian yang optimal
dapat diperoleh sebagai berikut. Jika q 0 > S, tidak ada pemesanan kembali yang dibutuhkan.
Dengan kata lain kebijakan terbaik adalah dengan memesan S-q 0, dengan ketentuan bahwa
pendapatan yang diharapkan pada pilihan ini lebih besar dari pendapatan yang diharapkan dengan
tidak memproduksi apapun. Karenanya, dua kasus dapat terjadi:
(i) jika pendapatan yang diharapkan ρ(S)-k-cq 0 berhubungan dengan pemesanan kembali
yang lebih besar daripada pendapatan yang diharapkan ρ(q 0)-cq0 berhubungan dengan
bukan pemesanan ulang, maka S-q0 unit harus dipesan lagi;
(ii) jika tidak, tidak ada pesanan yang harus dilakukan.
Sebagai konsekuensi, jika q0 <S, kebijakan optimum yaitu memesan S-q0 unit, jika ρ(q0) <
ρ(S)-k. Dengan kata lain, jika s adalah jumlah seperti pada :
ρ (s) = ρ (S)-k,

Kebijakan optimum itu untuk memesan S-q 0 unit jika tingkat initial inventory q 0 adalah kurang
dari atau sama dengan s, jika tidak, maka tidak dilakukan pemesanan. Kebijakan-kebijakan seperti
ini dikenal sebagai kebijakan ( s, S). Parameter s bertindak sebagai reorder point, sedangkan S
disebut order-up-to-level.

Jika q0 = 50 and k = €400 pada permasalahan Emilio Tadini&Sons, ρ(s) = ρ(S)−k =


€8526.65 sehingga s = 277. Dan q0 < s, maka kebijakan pemesanan yang optimal adalah S − q0 =
253 unit.

Kebijakan Reorder Point


Pada kebijakan reorder point (atau kebijakan fixed order quantity), tingkat persediaan
dijaga di bawah pengamatan secara berkelanjutan. Ketika I nilai bersih nya ( t) ( jumlah
persediaan dikurangi permintaan lebih yang tidak memuaskan ditambah pesanan tapi belum
diterima) akan mencapai suatu titik pesan ulang l, suatu kuantitas tetap q dipesan (lihat Gambar
410).

Ukuran pemesanan kembali q dihitung melalui prosedur-prosedur yang digambarkan


pada bagian sebelumnya, dengan menggantikan d dengan d . Secara khusus, di bawah hipotesis
EOQ jumlah pesanan ekonomis):

Reorder point l diperoleh dengan syarat bahwa tingkat persediaan tidak negatif selama t l
,dengan probabilitas α. Ini setara mengasumsikan bahwa permintaan mestinya tidak melebihi l
selama interval tl .Hal tersebut diasumsikan bahwa :
 tingkat permintaan d didistribusikan menurut suatu distribusi normal dengan diharapkan
bahwa nilai d dan standar devisi σd
 d dan σd bersifat konstan pada waktunya;
 Lead time tl adalah deterministic atau didistribusikan menurut suatu distribusi normal
dengan nilai harapan t l dan standar devisi σtl ;
 tingkat permintaan dan lead time tersebut bersifat independent secara statistik

Tingkat permintaan rata-rata d dapat diramalkan dengan salah satu dari metode-metode
yang telah digambarkan di Bab 2, Selama standar deviasi σ d dapat diperkirakan sebagai akar dua
dari MSE. Prosedur-prosedur dapat diadopsi untuk penilaian dari t l dan σtl.
Biarkan zα adalah nilai di bawah wilayah dengan suatu standar peubah acak yang normal
di mana jatuh dengan probabilitas α (eg. z α =2 untuk α =0.9772 dan zα=3 untuk α =0.9987). Jika tl
adalah deterministik, lalu

Dimana dt l dan  d t l nilai yang diharapkandan standar deviasi dari permintaan di dalam
interval dari durasi tl, secara berturut-turut. Jika tl adalah acak maka

2
Dimana d t l dan  d2 t l   tl2 d nilai yang diharapkan dan standar deviasi dari permintaan pada
interval waktu dari durasi acak tl,secara berturut-turut. Reorder point l dikurangi permintaan rata-
rata pada periode pemesanan kembali adalah safety stock I s. sebagai contoh, pada kasus t l konstan,
safety stock nya adalah :

Papier adalah retail chain di Prancis. Outletnya berada di pusat kota Lyon, permintaan
yang diharapkan pada mouse pad adalah 45 unit per bulan. Nilai dari suatu item dalam
persediaannya adalah €4, dan biaya pemesanan kembali yang ditetapkan sama dengan €30.
Tingkat bunga tahunan adalah 20%. Peramalan permintaan MSE adalah 25. Lead time selama 1
bulan dan suatu kualitas pelayanan yang disyaratkan sepadan dengan 97.7%. Atas dasar
persamaan (4.2), biaya penyimpanan itu adalah
h = 0.2 x 4 = 0.8 euros/tahun per item = 0.067 euros/tahun per item
Untuk itu, dari persamaan (4.13),

Selebihnya, σd dapat diperkirakan dengan cara :


σd = 25 = 5
Dari persamaan (4.37), reorder point l adalah :
L = 45 + 2 x 5 = 55 unit
Konsekuennya, safety stock Is adalah :
Is = 55 – 45 = 10 unit

Kebijakan tinjauan ulang berkala/Periodic review


Pada kebijakan reorder cycle atau kebijakan periodic review tingkat persediaan dijaga di
bawah pengamatan pada waktu tertentu pada waktu t i ( ti+1 = ti + T ,T ≥ 0). Pada waktu ti, qi = S-
I(ti)unit dipesan (lihat Gambar 4.11). Parameter S (dikenal sebagai order-up-to-level)
menunjukkan tingkat persediaan yang maksimum jika lead time tl tidak terlalu diperhatikan.
Periodisitas T dari penarikan sampel (review period) dapat dipilih menggunakan
prosedur-prosedur analisator untuk menentukan q* di dalam model deterministik. Sebagai contoh,
di bawah hipotesis EOQ,

Parameter S ditentukan dengan suatu cara dimana probabilitas tingkat persediaan menjadi
negatif tidak melebihi dari nilai yang diberikan (1-α). Saat risk interval sama dengan T plus t l, S
harus lebih besar atau sama dengan permintaan saat T+ t l , dengan probabilitas sama dengan α.
Jika lead time tl adalah deterministik, maka :

Dimana d (T+tl) dan  d T  t l adalah nilai yang diharapkan dan standar deviasi permintaan
adalah T+tl. jika lead time merupakan sebuah variabel acak, maka :

Dimana d (T  t l ) dan
2
 d2 (T  t l   tl2 d adalah nilai yang diharapkan dan standar deviasi
permintaan adalah T  t l .
Perbedaan antara S dan rata-rata permintaan pada (T  t l ) adalah safety stock Is. Sebagai
contoh, jika lead time konstan,
Bandingkan persamaan (4.41) dengan persamaan (4.38), dapat dilihat bahwa kebijakan
persediaan reorder cycle melibatkan level yang lebih tinggi dari safety stock. Bagaimanapun,
seperti kebijakan tidak membutuhkan pengawasan secara berkelanjutan pada level persediaan.

Pada permasalahan Papier, parameter dari kebijakan persediaan reorder cycle, memperhitungkan
persamaan (4.39) dan (4.40) yaitu :
2  30
T   4.47 bulan
0.067  45
S  45  ( 4.47  1)  2  5  4.47  1  269.54 unit
Hubungan dengan safety stock, ditunjukkan dengan persamaan (4.41), yaitu:
Is  2  5  4.47  1  23.39 unit

Kebijakan (s, S)
Kebijakan persediaan (s, S) adalah perluasan dari kebijakan (s, S) digambarkan untuk satu
kasus. Pada waktu ti, S-I(ti) item dipesan jika I(ti) < s (lihat gambar 4.12). jika s lebih besar (s →
S), maka kebijakan (s, S) mirip dengan metode persediaan reorder cycle. Dengan kata lain, jika s
kecil (s → 0), kebijakan (s, S) mirip dengan kebijakan reorder level dengan suatu titik reorder
yang sepadan dengan s dan kuantitas pemesanan ulang q ~  S. pada observasi dasar, kebijakan
(s, S) dapat dilihat hubungan antara reorder level dan kebijakan reorder cycle. Sayangnya,
parameter T, S dan s sulit ditentukan secara analitik. Untuk itu, simulasi sering digunakan dalam
latihan.

Pansko, suatu perusahaan kimia Orang Bulgaria yang berada di Plovdiv, merupakan agen
supplier bahan kimia untuk laboratorium-laboratorium klinik. Produknya Merofosphine
mempunyai permintaan dari 400 kemasan per minggu, suatu biaya variabel dari 100 levs per unit,
dan keuntungannya 20 levs per unit. Setiap waktu proses produksi itu disiapkan, suatu biaya tetap
sebesar 900 levs dibutuhkan. Tingkat bunga tahunan p adalah 20%. Jika suatu komoditas tidak
mempunyai persediaan, penjualan akan hilang. Pada kasus ini, biaya sepadan dengan keuntungan
dari penjualan yang hilang. Peramalan MSE sama dengan 2500. Lead-time itu dapat diasumsikan
konstan dan sepadan dengan satu minggu. Persediaan diatur dengan kebijakan ( s, S) dengan suatu
periode T selama dua minggu. Nilai-nilai s dan S dipilih dengan menyimulasikan sistem untuk
semua kombinasi dari s (sama dengan 800, 900, 1000, 1100 dan 1200, berturut-turut) dan S (sama
dengan 1500, 2000 dan 2500, berturut-turut). Menurut hasil-hasil pada Table 4.1, s = 1100 dan S
= 2000 adalah pilihan yang terbaik. Ini akan mengakibatkan biaya rata-rata per minggu sama
dengan 6127 levs.

Kebijakan two-bin
Kebijakan two bin dapat dilihat sebagai suatu variasi dari metode persediaan titik
pemesanan ulang dimana tidak dibutuhkan peramalan permintaan, dan level persediaan tidak
harus diawasi secara berkelanjutan. Item dalam stock diasumsikan disimpan dalam dua peti yang
identik. Bila salah satu dari keduanya kosong, dilakukan pemesanan sejumlah kapasitas dari peti.

Supermarket Browns menggunakan kebijakan two-bin untuk tomat dan botol jus.
Kapasitas dari tiap peti adalah 400 kotak, memuat 12 botol tiap kotaknya. Pada sebuah
supermarket

Table Biaya rata-rata per minggu (dalam levs) dalam problem Pansko. Biaya tetap rata-
rata, biaya variable rata-rata dan biaya kekurangan rata-rata dilaporkan dalam table.

Tabel Penjualan harian jus tomat (dalam botol) selama minggu pertama akhir Desember di
Supermarket Browns.
Untuk Los alamos (New Mexico, USA) level persediaan dalam akhir 1 Desember adalah
780 kotak dari 12 botol tiap kotaknya. Pada 6 Desember, level persediaan kurang dari 400 kotak
dan pesanan sejumlah 400 kotak (lihat tabel 4.2). pesanan dipenuhi pada hari yang berurutan.