EXERCISE CHAPTER 5

Supply Chain Management Strategy, Planning, and Operation, Sixth

Edition, Global Edition

Sunil Chopra • Peter Meindl

Oleh :

Alfath Ghani Samsiar

1201174355 / TI-41-05

TEKNIK INDUSTRI

FAKULTAS REKAYASA INDUSTRI

TELKOM UNIVERSITY

2020
1.

a. yang pertama kita lakukan adalah membuat permodelan matematika dari kasus tersebut.
Berikut merupakan hasil permodelan matematika dari permasalahan menentukan lokasi
kantor rumah yang optimal, dan jumlah perjalanan dari masing-masing kantor pusat,
sehingga dapat meminimalkan biaya jaringan secara keseluruhan.

Ada dua pembatas dalam model. Pembatas pertama adalah jumlah yang ditentukan
untuk perjalanan setiap negara j dan pembatas kedua mencegah perjalanan dari rumah
kantor saya kecuali kantor buka. Juga, perhatikan bahwa tidak ada batasan kapasitas di
masing-masing rumah kantor. Sementara solusi yang layak dapat dicapai dengan
menempatkan satu kantor rumah untuk semua perjalanan di semua negara mudah dan
murah, karena tarif perjalanan bervariasi di setiap rumah kantor dan negara bagian. Kita
perlu mengidentifikasi cara yang lebih baik untuk merencanakan perjalanan dari
berbagai kantor pusat kenegara bagian yang berbeda sehingga biaya perjalanan
minimum. Oleh karena itu, kami memerlukan model matematika.

n = 4: kemungkinan lokasi kantor pusat.

m = 16: jumlah negara.
D j = Perjalanan tahunan diperlukan untuk negara j
K i = jumlah perjalanan yang dapat ditangani dari kantor pusat Sebagaimana
dijelaskan, dalam model ini tidak ada batasan
f i = Biaya tetap tahunan untuk mendirikan kantor di rumah
c ij = Biaya perjalanan dari kantor pusat i ke negara j
y I = 1 jika kantor rumah i buka, 0 sebaliknya
x ij = Jumlah perjalanan dari kantor pusat i ke negara j. Itu harus integral dan tidak
negatif

……Persamaan 1

……Persamaan 2

……Persamaan 3
 INPUT
Travel Cost ($) Number of
State
Los Angeles Tulsa Denver Seattle Trips
Washington $ 150 $ 250 $ 200 $ 25 40
Oregon $ 150 $ 250 $ 200 $ 75 35
California $ 75 $ 200 $ 150 $ 125 100
Idaho $ 150 $ 200 $ 125 $ 125 25
Nevada $ 100 $ 200 $ 125 $ 150 40
Montana $ 175 $ 175 $ 125 $ 125 25
Wyoming $ 150 $ 175 $ 100 $ 150 50
Utah $ 150 $ 150 $ 100 $ 200 30
Arizona $ 75 $ 200 $ 100 $ 250 50
Colorado $ 150 $ 125 $ 25 $ 250 65
New Mexico $ 125 $ 125 $ 75 $ 300 40
North Dakota $ 300 $ 200 $ 150 $ 200 30
South Dakota $ 300 $ 175 $ 125 $ 200 20
Nebraska $ 250 $ 100 $ 125 $ 250 30
Kansas $ 250 $ 75 $ 75 $ 300 40
Oklahoma $ 250 $ 25 $ 125 $ 300 55
Los Angeles Tulsa Denver Seattle

Annual fixed cost $ 165.428,00 $ 131.230,00 $ 140.000,00 $ 145.000,00

Office Capacity 675 675 675 675

Jumlah trip maksimal konsultan per tahun = 25

 DECISIONS VARIABLE
State Los Angeles Tulsa Denver Seattle
Washington 0 0 0 40
Oregon 0 0 0 35
California 100 0 0 0
Idaho 0 0 25 0
Nevada 40 0 0 0
Montana 0 0 25 0
Wyoming 0 0 50 0
Utah 0 0 30 0
Arizona 50 0 0 0
Colorado 0 0 65 0
New Mexico 0 0 40 0
North Dakota 0 0 30 0
South Dakota 0 0 20 0
Nebraska 0 30 0 0
Kansas 0 40 0 0
Oklahoma 0 55 0 0
Offices(1=open) 1 1 1 1
Total Trip 190 70 285 75
Total Consultants
8 3 12 3
needed
Trips Cost $ 15.250,00 $ 7.375,00 $ 25.875,00 $ 3.625,00
Total Cost $ 180.678,00 $ 138.605,00 $ 165.875,00 $ 148.625,00

Trips
Los Angeles Tulsa Denver Denver
Excess trip 485 550 390 600

Jadi dari perhitungan table tersebut diperoleh jumlah trip maksimal dari konsultan per
tahun adalah 25 trip per tahun. Dan total cost nya adalah 633.783,00 dolar.
b. Jika 10 konsultan ditugaskan di kantor pusat, maka kita perlu menambahkan satu lagi
pembatas yaitu jumlah total perjalanan dari kantor tidak boleh melebihi 250. Atau dalam
hal ini model optimasi Ki, untuk nilai i harus mempunyai nilai 250.
 INPUT
Travel Cost ($) Number Minimal
State
Los Angeles Tulsa Denver Seattle of Trips Cost
Washington $ 150 $ 250 $ 200 $ 25 40 $ 25
Oregon $ 150 $ 250 $ 200 $ 75 35 $ 75
California $ 75 $ 200 $ 150 $ 125 100 $ 75
Idaho $ 150 $ 200 $ 125 $ 125 25 $ 125
Nevada $ 100 $ 200 $ 125 $ 150 40 $ 100
Montana $ 175 $ 175 $ 125 $ 125 25 $ 125
Wyoming $ 150 $ 175 $ 100 $ 150 50 $ 100
Utah $ 150 $ 150 $ 100 $ 200 30 $ 100
Arizona $ 75 $ 200 $ 100 $ 250 50 $ 75
Colorado $ 150 $ 125 $ 25 $ 250 65 $ 25
New Mexico $ 125 $ 125 $ 75 $ 300 40 $ 75
North Dakota $ 300 $ 200 $ 150 $ 200 30 $ 150
South Dakota $ 300 $ 175 $ 125 $ 200 20 $ 125
Nebraska $ 250 $ 100 $ 125 $ 250 30 $ 100
Kansas $ 250 $ 75 $ 75 $ 300 40 $ 75
Oklahoma $ 250 $ 25 $ 125 $ 300 55 $ 25

Fixed Cost $ 165.428 $ 131.230 $ 140.000 $ 145.000 675

DECISIONS VARIABLE
State Los Angeles Tulsa Denver Seattle
Washington 0 0 0 40
Oregon 0 0 0 35
California 100 0 0 0
Idaho 0 0 25 0
Nevada 40 0 0 0
Montana 0 0 25 0
Wyoming 0 0 50 0
Utah 0 0 30 0
Arizona 50 0 0 0
Colorado 0 0 65 0
New Mexico 0 0 40 0
North Dakota 0 0 30 0
South Dakota 0 0 20 0
Nebraska 0 30 0 0
Kansas 0 40 0 0
Oklahoma 0 55 0 0
Offices(1=open) 1 1 1 1
Total trips made from
190 70 285 75
office

8 5 12 3
Total Consultants needed
Trips Cost $ 15.250,00 $ 7.375,00 $ 25.875,00 $ 3.625,00
Total Cost $ 180.678,00 $ 138.605,00 $ 165.875,00 $ 148.625,00
Capacity Offices 250 250 250 250

c. Dari solusi optimal (b),masing-masing negara bagian dilayani kantor, kecuali untuk
Kansas di mana beban dibagi di antara Denver dan Tulsa. Biaya untuk melayani Kansas
adalah sama dari kedua kantor.
 INPUT
Travel Cost ($) Number Minimal
State
Los Angeles Tulsa Denver Seattle of Trips Cost
Washington$ 150 $ 250 $ 200 $ 25 40 $ 25
Oregon $ 150 $ 250 $ 200 $ 75 35 $ 75
California $ 75 $ 200 $ 150 $ 125 100 $ 75
Idaho $ 150 $ 200 $ 125 $ 125 25 $ 125
Nevada $ 100 $ 200 $ 125 $ 150 40 $ 100
Montana $ 175 $ 175 $ 125 $ 125 25 $ 125
Wyoming $ 150 $ 175 $ 100 $ 150 50 $ 100
Utah $ 150 $ 150 $ 100 $ 200 30 $ 100
Arizona $ 75 $ 200 $ 100 $ 250 50 $ 75
Colorado $ 150 $ 125 $ 25 $ 250 65 $ 25
New Mexico $ 125 $ 125 $ 75 $ 300 40 $ 75
North Dakota
$ 300 $ 200 $ 150 $ 200 30 $ 150
South Dakota
$ 300 $ 175 $ 125 $ 200 20 $ 125
Nebraska $ 250 $ 100 $ 125 $ 250 30 $ 100
Kansas $ 250 $ 75 $ 75 $ 300 40 $ 75
Oklahoma $ 250 $ 25 $ 125 $ 300 55 $ 25

Fixed Cost $ 165.428 $ 131.230 $ 140.000 $ 145.000 675

DECISIONS VARIABLE
State Los Angeles Tulsa Denver Seattle
Washington 0 40 0 0
Oregon 0 35 0 0
California 0 100 0 0
Idaho 0 25 0 0
Nevada 0 40 0 0
Montana 0 25 0 0
Wyoming 0 50 0 0
Utah 0 30 0 0
Arizona 0 50 0 0
Colorado 0 65 0 0
New Mexico 0 40 0 0
North Dakota 0 30 0 0
South Dakota 0 20 0 0
Nebraska 0 30 0 0
Kansas 0 40 0 0
Oklahoma 0 55 0 0
Offices(1=open) 0 1 0 0
Total trips made
0 620 0 0
from office

Total Consultants 0 27 0 0
needed
Trips Cost $ - $ 109.375,00 $ - $ -
Total Cost $ - $ 240.605,00 $ - $ -
Capacity Offices 675 675 675 675

1. DryIce Inc. adalah suatu perusahaan manufaktur AC yang memiliki pertumbuhan

demand signifikan. Perusahaan mengantisipasi demand nasional untuk tahun depan
menjadi 180,000 unit di daerah South, 120,000 di daerah Midwest, 110,000 di daerah
Timur, dan 100,000 di daerah West. Manajer pada DryIce sedang mendesain jaringan
 manufakturing dan memilih beberapa wilayah potensial yaitu, NY, Atlanta, Chicago,
dan San Diego. Pabrik memiliki kapasitas sebesar 200,000 atau 400,000 unit.
Solusi optimal menyarankan pendirian 4 pabrik regional dengan masing-masing
melayani kebutuhan daerahnya sendiri. New York, Atlanta, Chicago dan San Diego
masing-masing harus memiliki pabrik berkapasitas 200.000 dengan tingkat produksi
masing-masing 11000, 180000, 120000, 100000.
INPUT
East South Midwest West Annual FC (Plant A) Low Capacity Annual FC (Plant B) High Capacity
NY $ 211 $ 232 $ 240 $ 300 $ 6.000.000 200000 $ 10.000.000 400000
Atlanta $ 232 $ 212 $ 230 $ 280 $ 5.500.000 200000 $ 9.200.000 400000
Chicago $ 238 $ 230 $ 215 $ 270 $ 5.600.000 200000 $ 9.300.000 400000
San Diego $ 299 $ 280 $ 270 $ 225 $ 6.100.000 200000 $ 10.200.000 400000
Demand 180.000 120.000 110.000 100.000

DECISION VARIABLE
East South Midwest West Plant A Plant B
NY 0 0 0 0 0 0,1125
Atlanta 0 0 0 0 0 0,1125
Chicago 0 0 0 0 0 0,1125
San Diego 0 0 0 0 0 0,1125

Constraint
Excess Capacity
NY 45000
Atlanta 45000
Chicago 45000
San Diego 45000
East South Midwest West
Unmet Demand 0 120.000 110.000 100.000

Objective Functions
Cost $ 4.353.750,00
2.
a. Sunchem dapat menggunakan proyeksi untuk membangun model optimasi seperti yang
ditunjukkan di bawah ini. Dalam hal ini, pengiriman dari setiap pabrik ke setiap pasar
diasumsikan

variabel dan diselesaikan untuk menemukan biaya total minimum. Ini dilakukan dengan
memanfaatkan
batasan-batasan berikut:
• Setiap pabrik beroperasi setidaknya setengah kapasitas.
• Jumlah semua pengiriman dari pabrik harus kurang dari atau sama dengan
kapasitas di pabrik itu.
• Semua volume produksi adalah non-negatif.
• Semua perhitungan dilakukan dengan nilai tukar yang disediakan.
Persamaan optimasi nya adalah sebagai berikut :

n = 5: lima pabrik

m = 5: jumlah pasar regional.

Dj = Tinta tahunan yang dibutuhkan untuk pasar regional j

Ki = Kapasitas maksimum yang dimungkinkan dari pabrik.

Khusus untuk (a) batas bawah untuk kapasitas adalah 50% * Ki.

cij = Biaya pengiriman satu ton tinta cetak dari pabrik i ke pasar regional j

pi = Biaya produksi satu ton tinta cetak di pabrik i

xij = Banyak tinta cetak dikirim dari situs i ke pasar regional j.

Itu harus integral dan tidak negative

Input :
Capacity 50% of Production Production
N.America Europe Japan S.America Asia
Tons/Year Capacity Cost/Ton Cost/Ton ($)
United States $ 600,00 $ 1.300,00 $ 2.000,00 $ 1.200,00 $ 1.700,00 185 50% $ 10.000,00 $ 10.000,00
Germany $ 1.300,00 $ 600,00 $ 1.400,00 $ 1.400,00 $ 1.300,00 475 50% € 15.000,00 $ 7.530,00
Japan $ 2.000,00 $ 1.400,00 $ 300,00 $ 2.100,00 $ 900,00 50 50% ¥ 1.800.000,00 $ 16.740,00
Brazil $ 1.200,00 $ 1.400,00 $ 2.100,00 $ 800,00 $ 2.100,00 200 50% 13.000,00 .‫س‬.‫ر‬ $ 7.306,00
India $ 2.200,00 $ 1.300,00 $ 1.000,00 $ 2.300,00 $ 800,00 80 50% ₹ 400.000,00 $ 9.200,00

Demand (tons/year) 270 200 120 190 100

Tabel Hasil :
 Dollars Mark Yen Real Rs.
Production Cost per ton 10.000 15000 1800000 13000 400000
Exch Rate 1 0,502 0,009 0,562 0,023
Prod Cost per ton 10000 7530 16740 7306 9200
Prod Cost in US dolars 1000000 3576750 418740 1461200 736000
Tpt Cost in US dolar 60000 487000 7500 164000 64000

Total 1060000 4063750 426000 1625200 800000 7974950

b. Jika tidak ada pembatas baru maka akan dilakukan langkah yang sama dengan
sebelumnya (a) yaitu sebagai berikut.
Dollars Mark Yen Real Rs.
Production Cost per ton 10.000 15000 1800000 13000 400000
Exch Rate 1 0,502 0,009 0,562 0,023
Prod Cost per ton 10000 7530 16740 7306 9200
Prod Cost in US dolars 1000000 3576750 418740 1461200 736000
Tpt Cost in US dolar 60000 487000 7500 164000 64000

Total 1060000 4063750 426000 1625200 800000 7974950

Jelas dengan tidak memiliki batasan pada kapasitas SunChem dapat mengurangi biaya
$557.590. Analisis menunjukkan bahwa ada keuntungan pengalihan sebagian besar
produksi ke Brasil dan produksi di Jepang, AS, dan India ditiadakan.

c. Dari skenario dalam (a) kita melihat bahwa dua pabrik memproduksi dengan kapasitas
penuh. Dan dalam (b), kita melihat bahwa lebih ekonomis untuk menghasilkan volume
yang lebih tinggi di Brasil. Setelah kami menambahkan 10 ton / tahun ke Brasil, biaya
berkurang menjadi $ 7.795.510.
Dollars Mark Yen Real Rs.
Production Cost per ton 10.000 15000 1800000 13000 400000
Exch Rate 1 0,502 0,009 0,562 0,023
Prod Cost per ton 10000 7530 16740 7306 9200
Prod Cost in US dolars 1000000 3576750 418740 1461200 736000
Tpt Cost in US dolar 60000 487000 7500 164000 64000

Total 1060000 4063750 426000 1625200 800000 7974950

d. Dari hasil diatas bahwa fluktuasi nilai tukar akan mengubah struktur biaya setiap pabrik.
Jika biaya di pabrik menjadi terlalu tinggi, ada manfaat dalam mengalihkan sebagian
produksi ke pabrik lain. Demikian pula jika struktur biaya pabrik menjadi lebih
menguntungkan, ada manfaat dalam mengalihkan sebagian produksi dari pabrik lain ke
pabrik ini. Salah satu dari skenario ini mensyaratkan bahwa pabrik telah membangun
 dalam kapasitas berlebih. Sunchem harus berencana membuat kelebihan kapasitas
tersedia di pabriknya.
3. Berikut merupakan hasil perhitungan
a.

Total Biaya untuk sleekfon adalah $564.39

Total biaya untuk sturdyfon adalah $512.68

b. Dalam kondisi tidak ada shutdown pabrik, model sebelumnya masih berlaku. Namun,
kita perlu meningkatkan jumlah fasilitas menjadi 6, yaitu, 3 dari Sleekfon dan 3 dari
Sturdyfon. Dan permintaan pasar di suatu daerah perlu direvisi dengan menggabungkan
permintaan dari kedua perusahaan. Pembuat keputusan memiliki lebih banyak fasilitas
dan pangsa pasar yang lebih besar di setiap wilayah, dan karenanya memiliki lebih
banyak pilihan untuk rencana produksi dan distribusi. Hasil optimal dirangkum dalam
tabel berikut.
 Total biaya untuk area gabungan 1066,82
c. Model ini lebih rumit karena memungkinkan fasilitas untuk diperkecil atau dimatikan.
Karenanya kita membutuhkan lebih banyak variabel untuk mencerminkan kompleksitas
baru.
Model optimisasi untuk Sleekfon:
n = 6: Fasilitas produksi Sleekfon dan Sturdyfon.
m = 7: jumlah pasar regional.
Dj = Ukuran pasar tahunan j pasar regional, jumlah pangsa pasar Sleekfon dan
Sturdyfon.
Ki = kapasitas fasilitas produksi i
Li = kapasitas fasilitas produksi jika ditingkatkan
cij = Biaya variabel untuk produksi, pengangkutan dan tugas dari fasilitas i ke pasar j
fi = Biaya tetap tahunan fasilitas i
gi = Biaya tetap tahunan untuk fasilitas i jika ditingkatkan kembali
hi = Biaya penutupan fasilitas i
xij = Jumlah unit dari fasilitas i ke pasar regional j.
Itu harus integral dan tidak negatif.
yi = Variabel biner yang menunjukkan apakah akan mengurangi fasilitas i. yi = 1 berarti
untuk memperkecil kembali, 0 sebaliknya.
Karena dua fasilitas, Sleekfon S America dan Sturdyfon Rest of Asia, tidak dapat
ditingkatkan, indeks I tidak termasuk dua fasilitas ini.
zi = Variabel biner yang menunjukkan apakah akan mematikan fasilitas i. zi = 1 berarti
mematikannya, 0 sebaliknya.
(1-yi –zi) akan menjadi variabel biner yang menunjukkan apakah fasilitas tidak
terpengaruh.
 Model di atas memberikan solusi optimal sebagaimana dirangkum dalam tabel berikut.
Biaya terendahmungkin dalam model ini adalah $ 988,93, jauh lebih rendah dari hasil
yang kami dapatkan (b) $ 1066,82. Seperti yang ditunjukkan padahasilnya, fasilitas
Sleekfon N.America dimatikan, dan pasar sebagian besar dilayani olehFasilitas
Sturdyfon N. Amerika. Pangsa pasar Amerika adalah 22, dan ada 40 dalam halkapasitas
produksi, maka itu bijaksana untuk mematikan satu fasilitas mana yang lebih mahal.

d. Dan e. jika diubah k enol maka nilai total biaya untuk jaringan gabungan adalah
memiliki nilai sama yaitu 988.93.

4. a. Model yang kami kembangkan dalam 4.d dapat diterapkan untuk pertanyaan ini.
hanya memperbarui permintaan data yang sesuai. Dan struktur permintaan baru
menghasilkan konfigurasi optimal berbeda antar jaringan.
b. Menambahkan 10 juta unit kapasitas dikenakan biaya tetap tambahan $ 40 juta per
tahun. Menambah 20 juta unit kapasitas tambahan tambahan biaya tetap $ 70 juta per
tahun. Dari kedua opsi tersebut hasil paling optimal adalah didapatkan ketika
menambahkan kapasitas tambahan sebesar 20 juta unit dengan tambahan biaya tetap
$70 juta per tahun.
c. Tidak terjadi perubahan apabila yang tereduksi nilainya adalah 0.
d.
8. Mulai dari model dasar di (a), kami akan membangun model yang lebih maju di
selanjutnyabagian dari pertanyaan ini. Sebelum merger, Hot & Cold dan CaldoFreddo
beroperasi secara independen, dankita perlu membangun model terpisah untuk masing-
masing model.
INPUTS
Variable Production and Shipping Costs
North East South West Capacity Annual Fixed Cost
France 100 110 105 100 50 € 1.000,00
Hot&Cold Germany 95 105 110 105 50 € 1.000,00
Finland 90 100 115 110 40 € 850,00
Demand 30 20 20 35
U.K 105 120 110 90 50 € 1.000,00
CaldoFreddo
Italy 110 105 90 115 60 € 1.150,00
Demand 15 20 30 20

Inputs
Variable Production and Shipping Costs
North East South West Capacity Annual Fixed Cost
France 100 110 105 100 50 € 1.000,00
Hot&Cold Germany 95 105 110 105 50 € 1.000,00
Finland 90 100 115 110 40 € 850,00
a. Demand 30 20 20 35

Decisions Variable
North East South West Plant A
France 0 0 20 30 1
Germany 0,136355 9,863645 0 5,000001 1
Finland 29,86364 10,13635 0 0 1
Constraint
Excess Capacity
France 8,05593E-08
Germany 34,99999919
Finland 3,51442E-07
Unmet North East South West
demand -2,067377E-07 2,56805E-07 0 -4,2E-07
Hasil biaya dari fungsi tujuan 133225