Disusun oleh:
Benaya Willy Aji Pangestu (175060707111016)
TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS BRAWIJAYA
MALANG
2019
Jurnal 1
- Pembahasan diperbanyak
Jurnal 2
Pendahuluan Sejak pengenalan model EOQ oleh Harris, banyak peneliti telah
memperluasnya dengan beberapa cara. Salah satu masalah yang
dibahas dalam bidang ini adalah termasuk keterlambatan
pembayaran, sebagai sistem insentif, dalam model EOQ atau EPQ.
Menurut Piasecki dan Molamohamadi et al., berbagai jenis
keterlambatan pembayaran dapat diklasifikasikan sebagai membayar
sebagai terjual, membayar karena dijual selama periode yang telah
ditentukan, membayar setelah periode yang telah ditentukan, dan
membayar pada pengiriman berikutnya memesan.
Dalam jenis pertama keterlambatan pembayaran, yang disebut
inventori pengiriman, pembeli menolak membayar barang sampai
barang tersebut dijual kepada pelanggan. Tipe kedua mengacu pada
kasus dimana pembeli membayar f segera setelah dia menjual barang
kepada pelanggan selama periode yang telah ditentukan. Pada akhir
periode ini, ia dapat membayar barang yang tersisa di stoknya atau
mengembalikan barang yang tidak terjual ke vendor. Menurut jenis
ketiga keterlambatan pembayaran, yang dikenal sebagai kredit
perdagangan dalam literatur, pembeli harus membayar kepada
vendor pada akhir periode yang telah ditentukan. Selama periode
kredit, pembeli menjual barang kepada pelanggannya dan
mengumpulkan pendapatan dan menghasilkan bunga. Namun,
setelah periode ini, ia akan dikenakan bunga lebih tinggi jika
pembayaran tidak diselesaikan. Berdasarkan jenis keempat,
pembayaran untuk setiap pesanan akan diselesaikan pada saat
pesanan pengisian berikutnya. Oleh karena itu, ada satu penundaan
siklus pengisian ulang untuk setiap pesanan yang diterima dalam
jenis ini. Keuntungan dari keterlambatan dalam kontrak pembayaran
kepada pembeli sudah jelas; dia tidak perlu menginvestasikan
modalnya dalam persediaan dan dapat memperoleh bunga untuk
barang-barang yang dia jual. Selain itu, vendor dapat menerapkan
perjanjian ini sebagai alat promosi penjualan untuk menarik pembeli
baru dan menjual produk baru dan belum terbukti.
Volume dan
Halaman VOL 133, 154-163
Tahun 2011
Penulis Krisztina Demeter, Zsolt Matyusz
Reviewer Benaya Willy A.P
Tanggal 27 November 2019
Abstrak Lean Manufacturing (LM) saat ini sedang menikmati masa kejayaan kedua.
di beberapa industri menerapkan Lean Manufacturing untuk mengimbangi
persaingan dan mencapai hasil yang lebih baik. Dalam artikel ini, akan
berkonsentrasi pada bagaimana perusahaan dapat meningkatkan kinerja
omset persediaan mereka melalui penggunaan Lean Manufacturing.
Perusahaan yang secara luas menerapkan Lean Manufacturing memiliki
omset persediaan yang lebih tinggi daripada mereka yang tidak bergantung
pada Lean Manufacturing. Namun, mungkin ada perbedaan yang signifikan
dalam omset persediaan bahkan di antara produsen LM tergantung pada
kontingensi mereka. Oleh karena itu, juga menyelidiki bagaimana berbagai
faktor kontingensi (sistem produksi, jenis pesanan, jenis produk)
mempengaruhi omset persediaan dari produsen LM. Menggunakan analisis
cluster dan korelasi untuk memisahkan produsen berdasarkan tingkat
leanness dan untuk memeriksa efek kontingensi. Kami memperoleh data
dari International Manufacturing Strategy Survey (IMSS) di sektor ISIC 28
– 35.
Kesimpulan Makalah ini menyoroti peran yang dimainkan oleh perusahaan dan
dalam merancang dan mencapai praktik terbaik untuk memenuhi
hasil yang diinginkan IPC. Wacana ini menjelaskan tujuan IPC dan
proses umum operasi IPC dengan praktik terbaik di tempatnya.
Makalah ini memberikan kontribusi untuk memberikan pengetahuan
yang mendalam dari tahap perencanaan tahap akhir dari IPC
mengenai bagaimana kegiatannya direncanakan, diorganisasi dan
dimasukkan ke dalam tindakan Hasil.
Keunggulan Menurut pendapat saya :
Metodologi Data dikumpulkan dari industri kasus, survei dan melalui observasi.
Data yang dikumpulkan mengungkap masalah dan pentingnya
jaringan distribusi yang diimplementasikan. Survei telah dilakukan
tentang layanan pengiriman kasus industri di Muscat dan wilayah
terdekat. Survei ini outlet di mana truk yang sama dapat digunakan
untuk memuaskan telah berfokus pada hypermarket menengah dan
menyimpan lebih dari satu outlet karena permintaan sedang. Semua
truk yang digunakan oleh industri kasing dipantau dan dilacak
menggunakan GPS. Selain itu, industri kasing menggunakan sistem
barcode memantau tingkat penjualan dan persediaan setiap produk.
Informasi seperti ini digunakan oleh analisis pasar di perusahaan dan
dibagikan dengan manajer dan perwakilan lainnya.
Informasi yang dikumpulkan dianalisis dengan menggunakan model
matematika yang dikembangkan Untuk dianalisis, perangkat lunak
optimasi Lingo digunakan untuk mendapatkan rute yang optimal
untuk mendistribusikan produk industri kasus.. Untuk mengatasi
masalah ini, kami menyarankan metode heuristik.
Karena masalah yang kami pecahkan adalah NP hard dalam arti
terkuatnya, kami mengusulkan metode heuristik untuk
menyelesaikan masalah kompleks dalam waktu yang wajar.
Algoritma Divide and Conquer adalah salah satu jenis algoritma
heuristik. Algoritma ini membagi masalah utama menjadi sub
masalah yang lebih kecil yang dapat diselesaikan dengan mudah.
Solusi dari masalah kecil ini kemudian digabungkan dengan solusi
dari yang asli. Dalam proses pembagian, informasi geografis outlet
dipertimbangkan. Ini berarti bahwa outlet dengan jarak paling sedikit
di antara mereka dikelompokkan ke dalam kelompok yang sama.
Dalam persamaan di atas menunjukkan total perjalanan truk per
bulan rata-rata saat ini. Ini menunjukkan bahwa dengan
menggunakan metode yang diusulkan pengurangan jarak dengan
truk akan menjadi 31,5% yang sangat signifikan. Dengan demikian,
pengurangan yang signifikan akan berdampak besar pada biaya
bahan bakar, biaya perawatan, dan biaya penyusutan.
Kesimpulan Dalam penelitian ini kami telah mengembangkan model
deterministic linear programming (LP) untuk jaringan rantai pasokan
untuk Industri perunggasan di Oman. Model yang dikembangkan
diuji sehubungan dengan data nyata yang dikumpulkan dari
perusahaan kasus, serta, melalui survei pasar. Uji menggunakan
perangkat lunak optimasi Lingo menunjukkan bahwa masalah
ukuran sedang dan besar tidak dapat diselesaikan dalam waktu
komputasi yang wajar. Oleh karena itu, untuk memecahkan masalah
industri skala besar diusulkan metode heuristik yang membagi
masalah keseluruhan menjadi beberapa sub-masalah. Tes metode
heuristik untuk masalah ukuran sedang menghasilkan hasil yang
memuaskan. Hasil numerik menunjukkan bahwa metode yang
diusulkan dapat mengurangi jarak perjalanan hingga 31,5%
sehubungan dengan sistem yang ada.