1.2 Tujuan
Secara garis besar, tujuan dari Praktikum Perancangan Sistem Terintegrasi IV Modul
1 Group Technology adalah:
Dapat mengurangi waktu set up mesin, ongkos material handling, serta luas
area lantai produksi.
Dapat mencari alternatif tata letak lain dengan mudah apabila ada urutan
proses yang terhenti.
Mudah mengidentifikasi adanya bottleneck serta cepat dalam merespon
perubahan jadwal.
Makin terlatihnya operator yang berimbas kepada pengurangan terjadinya
produk cacat.
Mengurangi pemborosan waktu dalam perpindahan antar kegiatan yang
berbeda.
Sementara itu, kekurangannya adalah:
Beri bobot biner pada masing-masing kolom dari matriks insiden mesin-
komponen untuk kemudian dihitung ekuivalen desimal bobotnya. Rumusnya
adalah BWj = 2m-j pada masing-masing kolom j.
Hitung nilai ekuivalen desimal bobot dengan rumus:
m
DE i= 2m j a ij
j=1
m= jumlah mesin
Misal, nilai keterkaitan komponen-mesin untuk baris 1 adalah 1 1 1 0 0 1 1,
akan menghasilkan nilai ekuivalen desimal sebesar:
6 5 4 3 2 1 0
1 x 2 +1 x 2 + 1 x 2 +0 x 2 +0 x 2 +1 x 2 +1 x 2
Langkah 1. Tarik garis secara horizontal pada baris pertama. Kemudian pilih
sejumlah entri yang memiliki nilai 1 pada baris tersebut.
Langkah 2. Jika entri bernilai 1 pada matriks hanya dilalui oleh baris
horizontal, lanjutkan ke langkah 2a. Jika entri dilalui oleh baris vertikal,
lanjutkan ke langkah 2b.
Langkah 2a. Buat sebuah garis vertikal yang melewati entri bernilai 1 pada
langkah sebelumnya, kemudian dilanjutkan ke langkah 3.
Langkah 2b. Buat sebuah garis horizontal yang melewati entri bernilai 1 pada
langkah sebelumnya, kemudian dilanjutkan ke langkah 3.
Langkah 3. Jika masih terdapat entri bernilai 1 yang hanya dilewati oleh 1
garis, maka ulangi langkah 2 tergantung kondisinya, hingga tidak ada lagi
entri bernilai 1 yang tidak dilewati oleh 2 buah garis.
Langkah 4. Identifikasi machine cell dan part family yang berkoresponden.
Langkah 5. Pilih baris manapun yang belum dilewati oleh sebuah garis.
Langkah berhenti jika semua baris telah dilalui oleh garis. Jika belum, tarik
garis horizontal pada baris tersebut dan ulangi langkah 2.
Dema
nd
per
Demand per Jam hari
Engine A 96 1536
Gondola 96 1536
Toy Train I Box Car 96 1536
Caboose 96 1536
Pack Train 96 1536
15
Engine B 1 2416
Tanker 15
Car 1 2416
Toy Train 15
II Coal Car 1 2416
15
Log Car 1 2416
15
Pack Train 1 2416
Engine C 49 784
Container 49 784
Open
Toy Train
Cage 49 784
III
Closed
Cage 49 784
Pack Train 49 784
Demand produk per hari, merupakan demand per jam, dikali 2 karena pada 1 hari
terdapat 2 shift kerja, kemudian dikali 8 karena 1 shift kerja terdiri dari 8 jam. Selain
data demand produk, berikut merupakan data efisiensi dan availability mesin yang
ada:
Tabel 2 Efisiensi & Availability mesin
Tabel routing sheet terdiri dari nomor, nama operasi, nama mesin, kapasitas
mesin teoritis per jam, kapasitas mesin teoritis per hari, efisiensi mesin,
availability mesin, kapasitas mesin aktual per hari, persentase reject, jumlah
yang diharapkan per hari, jumlah yang harus disiapkan per hari, jumlah
mesin teoritis, waktu proses dalam menit, serta total waktu proses dalam
menit.
Masukkan kapasitas mesin teoritis per jam berdasarkan data yang diberikan
di modul. Langkah-langkah selanjutnya akan menggunakan proses rakit stack
ke boiler sebagai contoh. Dalam kasus ini, proses rakit stack ke boiler
memiliki kapasitas mesin teoritis 80 buah per jam.
Hitung kapasitas mesin teoritis per hari dengan rumus:
Kapasitas mesin per hari=Kapasitas mesin per jam x 8 ( jam/ shift ) x 2(shift /hari)
Kapasitas mesin teoritis per hari=80 x 8 x 2
Kapasitas mesin teoritis per hari=1280
Nilai efisiensi, availability mesin, serta persen reject diisi sesuai dengan data
yang diberikan di modul, yaitu sebesar 95%, 95%, dan 1%.
Isi nilai kapasitas mesin aktual per hari dengan menggunakan rumus:
Kapasitas mesin aktual=kapasitas mesin teoritis per hari x efisiensi x availability
Kapasitas mesin aktual per hari=1280 x 95 x 95
Kapasitas mesin aktual per hari=1155.2
Menghitung jumlah yang diharapkan per hari berdasarkan urutan proses
paling akhir yaitu rakit benang dan manik pada assembly engine dengan nilai
demand toy train 1 per hari, yaitu sebanyak 1536 unit. Untuk jumlah yang
diharapkan pada proses sebelumnya akan bernilai sama dengan jumlah yang
harus disiapkan pada proses setelahnya.
Jumlah yang harus disiapkan per hari dapat dihitung dengan rumus (contoh
untuk proses rakit benang dan manik):
Jumlah yang diharapkan
Jumlah yang harus disiapkan=
( 1reject )
1536
Jumlah yang harus disiapkan= =1536 unit / hari
(10)
Hitung jumlah mesin teoritis dengan rumus (contoh untuk proses rakit stack
ke boiler):
Jumlah yang harus disiapkan per hari
Jumlah mesin teoritis=
Kapasitas mesin aktual per hari
1551.515152
Jumlah mesin teoritis=
1155.2
Jumlah mesin teoritis=1.343071 mesin
Waktu proses dihitung dengan rumus:
Jumlah menit selama 1 hari kerja
Waktu proses=
Kapasitas mesin aktual per hari
2 x 8 x 60
Waktu proses= =0.831menit
1155.2
Total waktu proses merupakan hasil penjumlahan dari seluruh waktu proses
dalam pembuatan assembly engine.
Berikut merupakan routing sheet assembly secara keseluruhan:
Tabel 4 Routing Sheet Assembly Keseluruhan
Tabel routing sheet terdiri dari nomor, nama operasi, nama mesin, kapasitas
mesin teoritis per jam, kapasitas mesin teoritis per hari, efisiensi mesin,
availability mesin, kapasitas mesin aktual per jam, kapasitas mesin aktual per
hari, persentase reject, jumlah yang diharapkan per hari, jumlah yang harus
disiapkan per hari, ukuran batch, jumlah batch, waktu proses dalam menit,
waktu set up per batch, serta total waktu proses dalam menit.
Masukkan kapasitas mesin teoritis per jam berdasarkan data yang diberikan
di modul. Langkah-langkah selanjutnya akan menggunakan proses 10 side
cab pada routing sheet fabrikasi dan proses 10 lumber pada routing sheet
prefabrikasi sebagai contoh. Dalam kasus ini, proses 10 side cab routing
prefabrikasi memiliki kapasitas mesin teoritis 2020 buah per jam dan 18 buah
per jam untuk proses 10 lumber routing fabrikasi.
Hitung kapasitas mesin teoritis per hari dengan rumus:
Kapasitas mesin per hari=Kapasitas mesin per jam x 8 ( jam/ shift ) x 2(shift /hari)
Kapasitas mesin teoritis per hari ( fabrikasi )=2020 x 8 x 2=32320
Kapasitas mesin teoritis per hari ( prefabrikasi )=18 x 8 x 2=288
Nilai efisiensi, availability mesin, serta persen reject diisi sesuai dengan data
yang diberikan di modul, yaitu sebesar 95%, 95%, dan 2% untuk kedua
proses.
Isi nilai kapasitas mesin aktual per jam dengan menggunakan rumus:
Kapasitas mesin aktual / jam=kapasitas mesin teoritis / jam x efisiensi x availability
Kapasitas mesin aktual per jam ( fabrikasi ) =2020 x 95 x 95 =1823.05/ hari
Kapasitas mesin aktual per jam ( prefabrikasi )=18 x 95 x 95 =16.245 / hari
Isi nilai kapasitas mesin aktual per hari dengan menggunakan rumus:
Kapasitas mesin aktual=kapasitas mesin teoritis per hari x efisiensi x availability
Kapasitas mesin aktual per hari ( fabrikasi )=32320 x 95 x 95 =29168.8 /hari
Kapasitas mesin aktual per hari ( prefabrikasi )=288 x 95 x 95 =259.92/hari
Menghitung jumlah yang diharapkan per hari:
1. Untuk routing sheet fabrikasi, dikarenakan data side cab merupakan data
toy train 1 yang mengalami proses assembly, maka data diambil dari
routing sheet assembly, proses paling atas pada kolom jumlah yang harus
disiapkan. Kemudian hasilnya dikalikan dengan jumlah part, dalam kasus
ini bernilai dua untuk side cab.
2. Untuk routing sheet prefabrikasi, data diambil dari sheet kebutuhan
lumber fabrikasi pada kolom jumlah kebutuhan RL per hari dengan
mengakumulasikan data pada rough lumber untuk seluruh part.
Jumlah yang harus disiapkan per hari dapat dihitung dengan:
Jumlah yang diharapkan
Jumlah yang harus disiapkan=
( 1reject )
3124.8669
Jumlah yang harus disiapkan(fabrikasi)= =3131. 129131unit /hari
(10,2 )
261.067
Jumlah yang harus disiapkan( pre fabrikasi )= =261. 59 unit / hari
( 10,2 )
Masukkan data ukuran batch, kemudian hitung jumlah batch dengan rumus:
261.59
Jumlah batch ( prefabrikasi )=Roundup (
2 )
=131
146
Jumlah part per 1 RL=Rounddown (
2.5 )
x 3=174
3.4.1 ROC
ROC merupakan sebuah algoritma yang menentukan nilai biner dari setiap baris
dan kolom, untuk kemudian diurutkan berdasarkan nilai biner dari masing-masing
baris dan kolom, sehingga membentuk cluster-cluster tertentu. Berikut merupakan
langkah-langkah pembuatannya:
Buat sebuah matriks part-machine [aij], dengan i mewakili part yang dibuat,
serta j merupakan mesin yang memproses, yang mana elemen pada matriks
tersebut akan bernilai 1 jika part i diproses oleh mesin j, dan bernilai 0 jika
part i tidak diproses mesin j. Berikut merupakan sebagian contoh dari part-
machine matrix:
Tabel 9 Part Machine Matrix
Beri bobot biner pada masing-masing kolom dari matriks insiden mesin-
komponen untuk kemudian dihitung ekuivalen desimal bobotnya. Rumusnya
adalah BWj = 2m-j pada masing-masing kolom j, dengan m menyatakan jumlah
mesin. Misalkan untuk mesin prefabrikasi C.O. Saw, maka bobot biner nya
adalah:
BW 1=2 81 =27=128
Berikut merupakan nilai bobot biner dari seluruh kolom:
Tabel 10 Bobot biner kolom
DE 1=( 1 x 128 )+ (1 x 64 ) + ( 1 x 32 ) + ( 0 x 16 )+ ( 0 x 8 ) + ( 0 x 4 ) + ( 0 x 2 )+ ( 0 x 1 )
DE 1=128+64+32
DE 1=224
Urutkan baris berdasarkan nilai DE, dimulai dari yang terbesar hingga yang
terkecil. Berikut merupakan contoh hasil pengurutan baris berdasarkan nilai
DE:
Tabel 12 Pengurutan baris
BOBO
T
240
224
224
224
15
15
15
14
14
14
14
14
13
13
13
12
12
Beri bobot biner pada masing-masing baris dari matriks insiden mesin-
komponen untuk kemudian dihitung ekuivalen desimal bobotnya. Rumusnya
adalah BWi = 2n-i pada masing-masing baris i, dengan n menyatakan jumlah
part. Contoh perhitungannya adalah sebagai berikut:
Tabel 13 Bobot biner
BOBO
T
3.6E+1
6
1.8E+1
6
9.01E+
15
4.5E+1
5
2.25E+
15
1.13E+
15
5.63E+
14
2.81E+
14
1.41E+
14
7.04E+
13
3.52E+
13
1.76E+
13
n= jumlah part
Berikut merupakan contoh perhitungan DE untuk mesin prefabrikasi C.O.
Saw:
55
DE 1= 2
55i
aij=6.7754E+16
i=1
Urutkan kolom berdasarkan nilai DE, dimulai dari yang terbesar hingga yang
terkecil. Berikut merupakan contoh hasil pengurutan baris berdasarkan nilai
DE:
Tabel 15 Pengurutan baris
p
p c.o. p circ. f circ. f f disc f drill p
planne
saw saw Saw jointer sand press jointer
r
1 2 3 6 5 7 8 4
6.31E+ 6.31E+ 6.31E+ 9.01E+ 9.01E+ 8.97E+ 7.91E+
0
16 16 16 15 15 15 15
2. Dari beberapa nilai entri yang bernilai 1 dan dilewati oleh garis, pilih salah
satu entri yang hanya dilewati oleh 1 garis. Jika entri tersebut dilewati oleh
garis horizontal maka lanjutkan ke langkah 3. Akan tetapi, jika entri dilewati
oleh garis vertikal, lanjutkan ke langkah 4.
3. Tarik garis vertikal pada kolom yang bernilai 1. Ulangi langkah ke 2.
Tabel 18 Tahap 2 algoritma RCM
Tabel 23 Sel 1A
Tabel 24 Sel 1B
Tabel 25 Sel 2
Tabel 26 Sel 3
Tabel 27 Sel 3A
Tabel 28 Sel 3B
Tabel 29 Sel 4
Tabel 30 Sel 5
Tabel 31 Sel 6
Tabel 32 Sel 7
Tabel 33 Sel 7A
Tabel 34 Sel 7B
Tabel 35 Sel 7C
Tabel 36 Sel 7D
Tabel 37 Sel 7E
Tabel 38 Sel 7F
Tabel 39 Sel 7G
Tabel 40 Sel 8
Tabel 41 Sel 8A
Tabel 42 Sel 8B
Tabel 43 Sel 8C
Tabel 44 Sel 8D
Tabel 45 Sel 8E
Tabel 46 Sel 8F
ROC RCM
Kelebihan Pengelompokkan Waktu yang
dilakukan secara digunakan dalam
kuantitatif karena pencarian solusi
diberikan relatif singkat
pembobotan Mudah dimengerti
Hasilnya lebih dan dijalankan
mendetail dan rinci prosesnya
Dapat memberikan
info mengenai
mesin apa yang
menjadi bottleneck
saat produksi
Urutan kelompok
selalu diverifikasi
pada tiap iterasi
Kekurangan Perhitungan cukup Akan lebih sulit
lama dan kompleks dalam
apalagi jika mesin mengelompokkan
yang terlibat mesin jika dilihat
sangat banyak dari aspek visual
karena Tidak
membutuhkan memperhatikan
banyak iterasi kemungkinan
Kompleks dalam terjadinya
hal pemberian bottleneck pada
bobot biner pada sebuah stasiun
tiap part dan mesin kerja
Solusi yang
dihasilkan kurang
rinci dan bersifat
general karena
tidak menunjukkan
urutan
penggunaan mesin
Berdasarkan pada tabel di atas, dapat diambil kesimpulan bahwa hasil yang
diberikan oleh algoritma ROC dapat menjabarkan pengelompokkan part dan mesin
secara lebih mendetail walaupun membutuhkan perhitungan yang sedikit kompleks.
Algoritma ROC dapat memberikan hasil yang lebih terperinci karena memberikan
bobot pada setiap mesin dan part, sehingga dapat diketahui derajat kedekatannya.
Selain itu, karena dilakukan secara kuantitatif, metode ini bebas dari subjektivitas
manusia sehingga dapat mengurangi resiko terjadinya error. Dikarenakan hal
tersebut, PT. Kereta Kayu Mainan dapat memakai hasil dari algoritma ROC sebagai
dasar dalam perancangan tata letaknya agar meningkatkan daya saing perusahaan
dalam pasar.
Famili
Rough Lumber 3/4" 1
Rough Lumber 1/4"
Famili
Rough Lumber 1/2"
2
Rough Lumber 2"
Body Box Car Famili
Boiler 1
3
Boiler 3
End Coal Car
Side Coal Car
Famili
Roof Container
4
Bumper
Diesel
Side Cab 1
Famili
Side Caboose
5
Side Cab 2
Front Cab 1
Side Tender
Back tender
Side Gondola
End Gondola Famili
End Caboose 6
Front Cab 2
Side Cab 3
Back Cab 3
Top Opened Cage
Front Cab 3
Side Container
Chassis Engine 1
Chassis Gondola
Chassis Caboose
Chassis Engine 2
Chassis Tanker Famili
Chassis Coal Car 7
Chassis Log Car
Chassis Engine 3
Chassis Container
Chassis Closed Cage
Chassis Opened Cage
Body Tanker
Back Cab 2 Famili
Clamp Coal Car 8
End Container
Side Opened Cage
Roof Cab 1
Roof Box Car
Roof Caboose
Roof Cab 2
Roof Cab 3
Roof Closed Cage
Stack 1
Stack 3
Pin Tanker
Log
Pin Log Car
Pin Closed Cage
Pin Opened Cage
DAFTAR PUSTAKA
http://chikalorenthia.blogspot.co.id/2014/12/group-technology-layout.html
https://riawanbangkit.wordpress.com/2013/06/11/rank-order-clustering/
https://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwjXhO
K529rPAhUKqo8KHVZsCl8QFggeMAA&url=http%3A%2F%2F222.124.203.59%2Ffiles
%2Fdisk1%2F29%2Fjbptunikompp-gdl-s1-2005-nununurkar-1429-bab-
2.doc&usg=AFQjCNG8UMgoFEg2E8No8q4mYZP6XE9Fig