Chapter 6. Ok

6
Tinjauan tentang metodologi OR keras
Peneliti operasi secara luas menyetujui langkah-langkah dasar dari metodologi OR keras yang baik, meskipun mereka
mungkin mengemas beberapa aktivitas dengan sedikit berbeda atau menekankan pada bagian yang berbeda. Bab ini
memberikan versi yang kami sukai dari metodologi OR keras - bersama dengan poin-poin pengalaman praktis.
Enam bagian pertama mencakup gambaran umum metodologi OR keras, sedangkan
sisa bab ini mendemonstrasikan berbagai langkah dengan aplikasi praktis di kehidupan nyata.
6.1 Paradigma keras OR dan gambaran umum diagram
Pendekatan keras ATAU mengasumsikan itu
1. masalah telah didefinisikan dengan jelas, menyiratkan bahwa

• tujuan pembuat keputusan diketahui dan ada kriteria untuk dipastikan ketika mereka telah
dicapai,
• jika ada tujuan yang saling bertentangan, pertukaran dapat ditentukan,

• tindakan alternatif diketahui, baik sebagai daftar opsi atau serangkaian variabel keputusan,
• kendala pada pilihan keputusan diketahui, dan

• data masukan yang dibutuhkan tersedia;
2. masalahnya relatif terstruktur dengan baik, artinya
• hubungan antar variabel mudah diatur,
• perilaku sistem dapat ditangkap dalam model matematika, dan
• upaya komputasi untuk menentukan solusi layak secara ekonomi;
3. masalahnya dapat diisolasi dengan baik dari sistemnya yang lebih luas.
4. optimalisasi tujuan, bila memungkinkan, adalah yang ideal.
5. masalahnya bersifat teknis, tanpa politik; orang terutama dilihat sebagai objek pasif.
113
114 BAB 6 - Ikhtisar metodologi OR keras
6. Jika ada banyak pemangku kepentingan, kesepakatan dapat dicapai tentang semua aspek yang
mempengaruhi seberapa baik tujuan dapat dicapai.
7. pengambil keputusan memiliki kekuasaan dan kewenangan untuk mengimplementasikan 'solusi' atau
menegakkan implementasi melalui rantai komando hirarkis.
(Dalam Bab 7 kita akan membandingkan asumsi ini dengan asumsi lunak ATAU.)
Meskipun dalam praktiknya tidak semua properti ini dapat dipenuhi untuk masalah tertentu, pendekatan
OR yang keras mungkin masih memberikan wawasan yang berharga bagi pembuat keputusan, asalkan sifat
dari perkiraan dan asumsi yang dibuat dan implikasinya dijelaskan dengan jelas dan dipahami, dan analisis
ekstensif "Bagaimana-jika" dilakukan.
Versi OR keras tertentu yang disajikan dalam bab ini melonggarkan beberapa asumsi ini.
Secara khusus, ini tidak mengasumsikan bahwa masalah disajikan dalam bentuk yang sepenuhnya ditentukan, siap
untuk membangun model matematika, tetapi harus terlebih dahulu diekstraksi dan diidentifikasi dari situasi
masalah. Demikian pula, implementasi tingkat tinggi hanya dapat dicapai jika faktor manusia tidak diabaikan.
Dengan ketentuan ini, setiap OR proyek dengan akhir yang bahagia melewati tiga fase utama: (1) perumusan masalah
atau pelingkupan masalah, (2) pemodelan masalah, dan (3) implementasi rekomendasi. Setiap fase terdiri dari beberapa
langkah. Ini digambarkan pada Gambar 6-1. Seperti yang ditunjukkan, ini bukanlah proses linier, dimulai dengan 'meringkas
[situasi] masalah' dan diakhiri dengan 'menindaklanjuti penggunaan solusi'. Dalam praktiknya, ini adalah proses berulang di
mana kita mungkin harus kembali ke fase atau langkah sebelumnya untuk mengatasi kesulitan tak terduga, mengisi
kelalaian yang ditemukan di tahap selanjutnya, dan mengurangi atau menghilangkan konsekuensi yang tidak diinginkan. Ada
juga keterkaitan ke depan. Pada setiap langkah, kami mengingat langkah-langkah masa depan dan mencari kesulitan yang
mungkin kami hadapi. Ini dapat mengarahkan kami untuk mengubah pendekatan awal kami dan mencari tindakan
balasan,
Prosesnya dimulai di dunia nyata - dunia konkret. Untuk fase pemodelan, kita pindah ke dunia
sistem — dunia abstrak. Saat kita melanjutkan ke penerapan, kita kembali ke dunia nyata. Di sisi lain,
sifat analisis berpindah dari dunia kualitatif dan mungkin tidak terstruktur pada tahap awal perumusan
masalah ke dunia kuantitatif dan lebih terstruktur dalam tahap pemodelan, dan kemudian kembali ke
dunia kualitatif untuk implementasi.
6.2 Rumusan masalah atau pelingkupan masalah
Fase pertama bertujuan untuk mengidentifikasi masalah yang akan dianalisis dan menentukan sistem yang relevan
untuk itu. Tingkat kedalaman, detail, dan tingkat penyelesaian definisi ini bergantung pada sejumlah faktor -
pengetahuan sebelumnya tentang masalah, kompleksitasnya, dan hubungan antara pemilik masalah dan analis
masalah.
Jika manfaat potensial sudah pasti dan membenarkan biaya analisis, tahap
pertama berupa penyelesaian formulasi masalah, yang berpuncak pada definisi rinci dari
sistem yang relevan. Di sisi lain, jika tidak cukup diketahui tentang potensi manfaat dan biaya suatu
proyek, atau proyek itu besar dan sangat kompleks,
6.2 Rumusan masalah atau pelingkupan masalah 115
Gambar 6-1 Metodologi ATAU keras.
mungkin disarankan untuk lingkup masalahnya pertama. Pelingkupan berarti mengidentifikasi sifat masalah dan
menilai apa yang dapat dihasilkan oleh analisis mendalam dan apakah kemungkinan biayanya membenarkan kemungkinan
manfaatnya. Sistem yang relevan hanya didefinisikan secara luas dengan mengidentifikasi subsistem utama dan
menggambarkan batas-batasnya. Definisi sistem yang lengkap akan menunggu untuk melihat apakah proyek melanjutkan ke
fase pemodelan masalah. Inilah alasan mengapa pada Gambar 6-1 'Jelaskan sistem yang relevan' ditampilkan pada dua fase
pertama.
Jika pemilik masalah dan analis adalah satu dan sama, latihan pelingkupan secara bertahap dapat berubah menjadi
rumusan masalah yang lengkap, karena analis / pemilik masalah mempelajarinya lebih lanjut. Jika keduanya adalah orang
yang berbeda, maka pelingkupan masalah biasanya mengarah ke formal proposal proyek, diserahkan ke pemilik
masalah untuk evaluasi dan persetujuan.
Rumusan masalah dan penyelesaian masalah mengikuti langkah-langkah yang sama. Mereka hanya berbeda dalam kedalaman
analisisnya. Kami akan mempelajari keduanya pada saat yang sama, meskipun pelingkupan masalah akan lebih ditekankan. Setiap
perbedaan akan ditandai.
Anda sudah terbiasa dengan apa yang terlibat dalam tiga langkah masalah
perumusan atau pelingkupan dari pembahasan kita di Bab 4 dan 5. Langkah pertama - meringkas situasi masalah - sebaiknya
dilakukan dengan menggunakan gambaran yang kaya atau peta pikiran. Ini membantu kami untuk fokus pada masalah atau
masalah yang akan dianalisis dalam konteks lengkapnya dan membantu kami di langkah 2 untuk mengidentifikasi masalah
yang tepat. Kami menyarankan agar pada titik ini Anda secara singkat mengingatkan diri Anda lagi tentang materi di Bagian
4.1 dan 4.2 (halaman 53–59) tentang enam elemen yang menentukan masalah, kompleksitas definisi masalah, dan peran
pemangku kepentingan.
Untuk langkah ketiga - menentukan sistem yang relevan, kami biasanya menggunakan bantuan diabetes. Secara
khusus, diagram pengaruh sering kali ideal untuk menunjukkan aspek mana yang merupakan masukan dan keluaran,
dan variabel sistem mana yang membentuk proses transformasi dari sistem kepentingan yang sempit.
Namun, untuk pelingkupan masalah kita tidak perlu mendefinisikan sistem dengan segala kerumitannya. Kami
terutama tertarik di mana menggambar batas-batas sistem sempit dan sistem kepentingan yang lebih luas. Pada titik
ini, kita tidak memerlukan pemahaman yang sangat rinci tentang semua keterkaitan dan interaksi antara berbagai
komponen sistem. Kita hanya perlu cukup memahami untuk membuat proposal proyek yang kompeten. Ada sedikit
pembenaran untuk menginvestasikan upaya besar dalam analisis ketika kita bahkan tidak tahu apakah proyek
tersebut akan berjalan. Jadi sejauh mana kita melanjutkan dalam mendefinisikan sistem yang relevan tergantung
pada banyak faktor. Untuk masalah yang sesuai dengan struktur terkenal yang menyediakan perangkat lunak
komersial, definisi dapat membatasi dirinya sendiri untuk menilai kesesuaian struktur itu dan mengidentifikasi batas-
batas sistem.
Semua detail akan disempurnakan di awal fase pemodelan. Untuk situasi sederhana yang tidak sesuai dengan struktur
yang diketahui, fase dapat diakhiri dengan diagram pengaruh terperinci yang memberikan definisi lengkap dari
sistem yang relevan. Untuk situasi yang sangat kompleks, definisi sistem mungkin masih agak kasar dan tentatif dan
pada tingkat resolusi yang rendah. Daripada menggambar diagram pengaruh yang rinci, kami membuat diagram
lingkaran sebab akibat yang disederhanakan atau representasi diagram lainnya.
Faktanya, terkadang belum cukup diketahui tentang situasi masalah dan sifat masalah
untuk dapat membuat proposal yang pasti untuk studi skala penuh. Dalam kasus seperti itu, pendekatan yang
lebih bijaksana adalah menyarankan studi pendahuluan dengan tujuan menilai apakah studi skala penuh
dapat dibenarkan.
6.3 Proposal proyek atau keputusan selanjutnya

Setelah analis memperoleh pemahaman yang cukup tentang masalah dan telah menarik
batas-batas sistem yang relevan, dia harus membuat penilaian tentang apakah sulit ATAU dapat berhasil diterapkan untuk
menemukan 'solusi' untuk masalah tersebut. Analis harus mempertimbangkan pertanyaan-pertanyaan berikut:
(a) Bisakah masalah diungkapkan dalam istilah kuantitatif?
(b) Apakah data yang diperlukan tersedia atau dapatkah dibuat dengan biaya yang wajar? (c) Apakah biaya
analisis membenarkan kemungkinan manfaat yang akan diperoleh dari

6.3 Proposal proyek atau keputusan selanjutnya 117
implementasi hasil? Sejauh mana harapan sponsor proyek dapat dipenuhi?
Untuk menjawab beberapa pertanyaan ini, analis harus memberikan pertimbangan sepintas lalu pada tahap
pemodelan dan implementasi. Kami melihat hubungan ke depan beraksi hampir sejak awal. Jelas, pengalaman
ATAU sebelumnya akan sangat membantu di sini - meskipun hal ini tidak terlalu menghibur ilmuwan manajemen
pemula. Jika analis cukup puas bahwa jawaban atas semua pertanyaan ini adalah afirmatif, tahap pelingkupan dapat
diakhiri dengan rekomendasi untuk melanjutkan proyek, yaitu menulis proposal proyek formal kepada pemilik
masalah. Yang terakhir akan mendasarkan keputusan pada apakah akan memberikan izin atau tidak untuk studi
lengkap sebagian besar pada dokumen ini.
Bahkan jika proyek melewati tahap pelingkupan proyek, akan tetap berguna untuk menjawab tiga pertanyaan
ini dengan hati-hati. Wawasan yang diperoleh sejauh ini dapat mengubah penilaian manfaat dan / atau biaya
proyek dan menyebabkan perubahan arah atau ditinggalkannya sebelum upaya besar terbuang percuma.
Proposal proyek formal tidak diragukan lagi merupakan bagian paling penting dari pekerjaan dalam studi apa pun.
Kualitas penyajiannya dan kelayakan alasan yang digunakan sering membuat perbedaan antara penerimaan atau
penolakannya. Dalam beberapa hal, ini adalah promosi penjualan analis. Namun, berbeda dengan sebagian besar transaksi
penjualan, di mana hubungan antara penjual dan pembeli sering kali diakhiri dengan barang yang lewat tangan, penerimaan
proposal proyek oleh pemilik yang bermasalah menandakan dimulainya hubungan yang bahkan lebih dekat. Oleh karena itu,
penting bagi analis untuk mendapatkan kepercayaan dari pemilik masalah dengan bersikap jujur secara cermat mengenai
kemungkinan manfaat dan biaya.
Analis tidak boleh menjanjikan lebih dari yang dia tahu dapat disampaikan dengan sumber daya yang mungkin
tersedia. Tidak etis untuk melakukan sebaliknya. Jika dia adalah konsultan eksternal, klien mungkin memiliki
kewenangan hukum untuk bersikeras agar janji ditepati tanpa menanggung biaya pekerjaan tambahan yang
diperlukan.
Kesulitan potensial utama yang dapat menggagalkan atau menunda proyek harus diungkapkan dan
didiskusikan, dan tanggung jawab untuk tindakan ditetapkan dengan jelas. Sejak pemodelan OR mengklaim memiliki
banyak kesamaan dengan penyelidikan ilmiah, itu juga harus dipandu oleh etika penelitian ilmiah.
Estimasi biaya proyek dan kemungkinan manfaatnya

Kemungkinan suatu proyek dilaksanakan akan sangat bergantung pada apakah manfaat yang diprediksi akan
membenarkan biayanya dan apakah harapan pemilik masalah dapat dipenuhi secara wajar. Jika manfaat dan biaya
dapat dinyatakan dalam istilah moneter, sebuah proyek akan menguntungkan jika ditotal nilai saat ini perbedaan
antara semua manfaat dan total biaya selama masa manfaat proyek adalah positif.
Untuk proyek yang menangani masalah lingkungan, kesehatan, atau sosial, banyak manfaat yang tidak dapat diperoleh
secara memadai dalam bentuk mata uang. Misalnya pelestarian alam atau keindahan pemandangan, atau pencegahan
kecelakaan fatal. Seberapa layak untuk mencegah kerusakan beberapa muara atau habitat satwa liar yang penting secara
ekologis? Demikian pula, evaluasi moneter dari manfaat pengurangan kebisingan atau pengendalian polusi atau
manfaat sosial dari pendidikan pra-sekolah hampir tidak dapat diukur dalam dolar, pound, atau euro. Oleh karena itu,
perbandingan manfaat dan biaya mungkin jauh dari sederhana.
Tetapi bahkan jika kita hanya melihat pada keuntungan moneter, memberikan jawaban yang dapat diandalkan tentang
kemungkinan manfaatnya mungkin tidak langsung. Pada titik ini dalam kehidupan proyek, analis mungkin hanya memiliki
sedikit informasi tentang ukuran potensi manfaat. Seperti yang ditunjukkan sebelumnya, analis mungkin akan merasa
disarankan untuk mengusulkan studi pendahuluan untuk menilai kelayakan ekonomi proyek. Proyek semacam itu serupa
dengan penelitian dan pengembangan usaha. Ini harus didanai berdasarkan potensi yang tidak jelas, bukan fakta yang nyata.
Beberapa akan berhasil dan menuai keuntungan besar; orang lain akan gagal. Harapan dalam melaksanakan proyek semacam
itu adalah bahwa manfaat jangka panjang secara seimbang akan lebih besar daripada biaya jangka panjang.
Namun, analis harus melakukan upaya yang serius dan jujur dalam memprediksi kemungkinan manfaat di luar dugaan
belaka. Ini mungkin memerlukan pengembangan model yang disederhanakan dari operasi atau sistem yang diusulkan. Ini
kemudian dapat digunakan untuk menghitung perkiraan batas bawah ke perkiraan manfaat. Ini juga akan memberikan
gambaran yang lebih baik tentang kemungkinan biaya untuk melaksanakan proyek, meskipun ini biasanya lebih mudah untuk
diperkirakan.
Seringkali, sponsor proyek mungkin memiliki ekspektasi tertentu tentang apa yang
harus dicapai proyek dan kerangka waktu penyelesaiannya. Bahkan jika proyek menguntungkan dari sudut
pandang biaya-manfaat, itu mungkin tidak memenuhi harapan ini. Sponsor harus mengetahui hal ini. Bisa
jadi ekspektasi atau kerangka waktu yang ditawarkan tidak masuk akal. Analis kemudian dapat mencoba
untuk mengubah ekspektasi ini melalui argumen yang beralasan, berdasarkan studi pendahuluan atau
pengalaman dari proyek serupa. Analis juga harus mengingat bahwa mereka mungkin secara tidak sengaja
mendorong pembentukan ekspektasi yang tidak masuk akal.
Manajemen ekspektasi sponsor yang tepat dan diplomatis merupakan aspek penting dari proyek apa pun.
Harapan yang tidak tepat dapat dengan mudah mengakibatkan kegagalan implementasi.
Format proposal proyek

Proposal proyek harus relatif pendek - tiga hingga enam halaman - dan disajikan dengan standar
profesional, dengan ejaan yang benar, tata bahasa dan sintaksis, serta format yang konsisten. Efek visualnya
juga penting.
Bahasa Anda harus ringkas, jelas, dan sederhana. Bosan dengan kesombongan, kata-kata iseng, atau 'pembicaraan
bisnis'. Jangan gunakan Jargon ATAU, kecuali Anda tahu pasti bahwa para pembaca benar-benar paham dengannya.
Penalaran harus dikembangkan dan diselesaikan secara logis, dengan satu poin mengarah ke poin berikutnya. Ini
terdengar jelas, tetapi sering kali dilanggar!
Menulis laporan yang kompeten dan disajikan dengan baik merupakan bagian integral dari citra profesional yang ingin
Anda sampaikan kepada pemilik masalah. Salah satu penyebab paling umum untuk keluhan yang kami dengar dari pemberi
kerja pemula ATAU analis adalah keterampilan menulis yang sering tidak baik dari banyak lulusan baru. Sulit untuk dianggap
kredibel dan kompeten secara profesional jika atasan Anda harus menulis ulang laporan Anda sebelumnya
mereka dapat disajikan kepada sponsor proyek. Faktanya, ini adalah cara tercepat untuk kehilangan pekerjaan Anda.
Laporan harus secara singkat merangkum situasi masalah, memotivasi pendekatan yang
diusulkan dalam istilah non-teknis, membuat daftar langkah-langkah analisis, data dan sumber daya yang dibutuhkan
(waktu, dana, kemampuan komputasi), menunjukkan sifat dan perkiraan ukuran manfaat ( jika ini mungkin pada tahap
itu, atau berikan alasan mengapa hal ini tidak mungkin), tunjukkan daftar biaya dan tabel waktu rinci untuk
menyelesaikan proyek, dan berikan rekomendasi apakah proyek harus dilanjutkan. Jika relevan, disarankan juga untuk
menunjukkan secara singkat mengapa pendekatan potensial lainnya dibuang. Konsultan eksternal harus memberikan
bukti pendukung kompetensi dan menjawab pertanyaan tentang kerahasiaan (misalnya bagaimana menangani data
rahasia). Proposal harus dimulai dengan ringkasan eksekutif.
Kami merekomendasikan bahwa analis menawarkan presentasi lisan kepada pemilik masalah dan pengguna masalah.
Jangan ragu untuk menggunakan rich picture. Ini mungkin menjadi katalisator untuk diskusi animasi. Pertanyaan, keraguan,
dan kecemasan — yang selalu muncul
- dapat ditangani, diklarifikasi, dan diringankan saat itu juga.
Presentasi lisan seperti itu lagi-lagi harus profesional, yaitu jelas, langsung ke intinya, dan dikembangkan secara logis,
dan tidak boleh lebih dari setengah jam. Ini juga membutuhkan persiapan yang cermat untuk overhead yang baik, flip chart,
atau pertunjukan berbasis perangkat lunak. Namun yang paling penting, latih seluruh ceramah dan waktu Anda sendiri
dengan hati-hati. Nyatanya, satu kali latihan mungkin tidak cukup!
Jika pemilik masalah atau pembuat keputusan menemukan bahwa kemungkinan hasil membenarkan biaya
analisis, termasuk biaya implementasi akhirnya, dan memiliki kepercayaan pada kompetensi analis untuk
menyelesaikan proyek dengan sukses, dia biasanya akan memberikan lampu hijau untuk lanjutkan dengan proyek.
6.4 Tahap pemodelan masalah

Fase inilah yang membedakan OR metodologi keras dari OR lunak. Seringkali hard OR dipandang sebagai sinonim
dengan kumpulan alat dan teknik matematika yang kuat, seperti pemrograman linier, simulasi komputer, dan metode
statistik. Kita akan melihat bahwa ini adalah pandangan yang agak terbatas yang menurut kami tidak membantu
(bahkan merugikan) dalam mencapai potensi penuh pemodelan OR yang sulit.
Fase perumusan masalah atau pelingkupan mungkin tidak menghasilkan definisi rinci dari sistem yang relevan. Oleh
karena itu, langkah 4, membangun model matematika, dapat dimulai dengan menyelesaikan definisi sistem yang relevan
secara rinci dan resolusi yang diperlukan untuk menerjemahkannya ke dalam istilah kuantitatif. Jika analisis yang dilakukan
untuk langkah 3 menunjukkan bahwa masalah tersebut sesuai dengan struktur yang terkenal, ini berarti menyempurnakan
detailnya. Namun, untuk masalah kompleks yang tidak sesuai dengan struktur yang diketahui, langkah 3 mungkin hanya
menggambarkan batas sistem. Oleh karena itu, pekerjaan lebih lanjut perlu dilakukan untuk mendefinisikan sistem yang
relevan, biasanya menggunakan pendekatan proses. Ini mungkin dalam bentuk diagram pengaruh yang rinci. Kadang-kadang
mungkin berguna untuk memiliki dua atau lebih tingkat diagram: diagram struktur sistem tingkat tinggi,
menunjukkan kategori masukan, interaksi antara subsistem, dan keluaran utama, dilengkapi dengan diagram
pengaruh rinci untuk setiap subsistem.
Namun, meskipun langkah 3 berakhir dengan definisi lengkap dari sistem yang relevan, disarankan untuk meninjau
kembali dengan hati-hati. Berlalunya waktu mungkin telah mengubah persepsi Anda tentang masalah tersebut.
Setelah puas dengan definisi sistem, kami membangun model matematika. Terkadang
spreadsheet diperlukan untuk menangkap hubungan kuantitatif antara input, variabel sistem, dan output. Jika
masalah sesuai dengan struktur yang terkenal, seperti program linier atau jaringan, perangkat lunak komersial
yang tersedia dapat digunakan untuk merumuskan model matematika dan menemukan solusi. Namun dalam
banyak kasus, kita mungkin tidak punya pilihan selain membangun model tujuan khusus yang
mengekspresikan hubungan antara input kontrol, variabel sistem, dan output. Model seperti itu dapat terdiri
dari banyak persamaan dan pertidaksamaan. Perhatikan bahwa pada titik ini kita sudah memasuki dunia
abstrak. Modelnya bukanlah yang asli.
Sebagaimana dibahas dalam Bagian 5.4, membangun model matematika sebagian merupakan seni. Versi
terakhir model mungkin merupakan hasil dari proses pengayaan dan perumusan ulang.
Pada langkah 5 - menemukan solusi yang disukai - kami memanipulasi model ini untuk mengeksplorasi respons kinerja sistem terhadap
perubahan dalam input yang dapat dikontrol dan tidak terkendali, yaitu kami mengeksplorasi
serangkaian solusi yang layak atau ruang solusi.
Tujuannya adalah untuk menemukan solusi yang disukai dalam kaitannya dengan tujuan pemilik masalah.
Jika pemilik masalah tertarik pada satu tujuan utama, ini berarti menemukan solusi yang optimal. Misalnya,
jika laba adalah ukuran kinerja, solusi optimal adalah solusi yang memaksimalkan laba.
Pengujian dan validasi model dan solusi

Langkah 6 — pengujian dan validasi — menetapkan kredibilitas model. Validasi memiliki dua aspek:
1. Validitas atau verifikasi internal: Memeriksa apakah modelnya logis dan
benar secara matematis dan bahwa data yang digunakan benar. Ini berarti secara hati-hati memverifikasi bahwa
semua ekspresi matematika dengan benar mewakili hubungan yang diasumsikan dan bahwa mereka telah
diterapkan dengan benar dalam program komputer, dicapai dengan mencetak hasil perincian selangkah demi
selangkah. Jika layak secara komputasi, ini harus diverifikasi dengan memeriksa hasil secara numerik dengan
kalkulator tangan untuk berbagai input yang cukup luas. Ini juga melibatkan verifikasi bahwa setiap ekspresi
konsisten secara dimensi. Misalnya, jika ruas kanan suatu persamaan adalah dalam kilogram per jam, ruas kiri
juga harus. Kebenaran dari semua konstanta numerik harus diverifikasi. Dalam spreadsheet, hal ini
disederhanakan jika semua konstanta tersebut disediakan sebagai input ke dalam sel data yang unik,
direferensikan oleh semua rumus yang menggunakannya, daripada disisipkan sebagai angka secara terpisah ke
dalam setiap rumus. Ini memastikan bahwa setiap perubahan akan secara otomatis dibawa ke semua rumus di
mana konstanta itu
digunakan.
Analis yang bijaksana melakukan banyak pemeriksaan untuk validitas internal sambil mengembangkan model. Dengan
demikian, membangun validitas internal tidak dapat dipisahkan dari pembangunan model yang sebenarnya — contoh yang
jelas tentang bagaimana berbagai langkah tumpang tindih atau terjadi secara bersamaan, setidaknya sebagian.
Model kompleks yang terdiri dari banyak ekspresi matematika yang terpisah tetapi saling
terkait juga harus diperiksa konsistensinya secara logis. Apakah bagian-bagiannya telah dipasang bersama dengan benar?
2. Validitas eksternal ( juga hanya disebut sebagai validasi): Apakah model merupakan representasi yang cukup dari realitas? Apakah
itu memberikan wawasan dan jawaban yang berguna dan dalam bentuk yang sesuai untuk pengambilan keputusan? Ini jauh lebih sulit
untuk ditetapkan daripada validitas internal. 'Apakah perkiraan yang cukup dekat atau tidak?' sebagian besar adalah pertanyaan tentang
penilaian. Jawabannya harus bergantung pada tujuan membangun model dan tujuan penggunaan solusinya. Perkiraan kasar mungkin cukup
baik untuk model perencanaan eksplorasi, sementara model yang dimaksudkan untuk keputusan operasional yang terperinci mungkin perlu
menjadi representasi realitas yang cukup akurat. Jadi sekali lagi kita melihat bahwa validasi tumpang tindih dengan definisi sistem yang
relevan (langkah 3 dari metodologi MS / OR) dan pembangunan model (langkah
4) (lihat M. Landry dkk. [ 1983]).

Semua pemangku kepentingan harus menyadari bahwa tidak mungkin membuktikan bahwa suatu
model valid secara eksternal. Hanya mungkin untuk menunjukkan bahwa itu salah. Oleh karena itu
validasi eksternal adalah pertanyaan untuk menetapkan kredibilitas dari model. Pentingnya
kredibilitas dan kesesuaian model telah ditekankan di Bagian 5.3, berurusan dengan sifat-sifat esensial
dari model yang baik. Jika modelnya kredibel, pengguna akan percaya padanya.
Validitas eksternal seringkali dapat diasumsikan jika model meniru realitas secara akurat. Oleh karena itu, analis
perlu memastikan respons model terhadap perubahan input — apakah seperti yang diharapkan dan jika tidak, mengapa
berbeda? Sistem yang kompleks sering kali menunjukkan perilaku yang berlawanan dengan intuisi. Validitas model
dipertanyakan kecuali perilaku tersebut dapat dijelaskan secara meyakinkan.
Pengujian melihat bagaimana model dan solusinya bekerja. Peningkatan manfaat atau biaya apa yang
ditawarkannya selama mode operasi saat ini? Jika proyek berkaitan dengan sistem masa depan yang diusulkan,
berapa kisaran manfaat potensial yang dapat diharapkan? Jawaban atas pertanyaan-pertanyaan ini akan menentukan
apakah proyek tersebut ditinggalkan, diarahkan kembali, atau dibiarkan berlanjut pada jalurnya saat ini.
Analisis bagaimana-jika atau sensitivitas
Terakhir, pada langkah 7 — analisis sensitivitas - kami mengajukan pertanyaan 'bagaimana jika'. Bagaimana solusi yang
disukai atau optimal dipengaruhi oleh perubahan individu atau simultan dari input yang tidak terkendali ke dalam sistem?
Seberapa mahalkah kesalahan dalam input dalam hal pengurangan manfaat yang dicapai jika solusi yang didasarkan pada
input yang salah diterapkan? Keduanya disebut sebagai analisis sensitivitas.
Analisis sensitivitas tidak diragukan lagi merupakan langkah terpenting dari OR keras. Itu harus
menjadi sifat kedua bagi setiap peneliti operasi. Wawasan yang didapat darinya mungkin lebih berharga daripada
menemukan solusi yang baik atau bahkan solusi yang optimal.
Sensitivitas ekstensif dan analisis kesalahan juga merupakan bagian integral dari pemeriksaan validitas
eksternal - contoh lain dari keterkaitan antara berbagai langkah.
Laporan proyek
Untuk proyek yang memerlukan persetujuan pemilik untuk pelaksanaan, tahap pemodelan diakhiri dengan laporan
proyek rinci tentang analisis yang dilakukan, temuannya, dan rekomendasi analis tentang penerapan. Tindakan lebih
lanjut akan sangat bergantung pada dokumen ini. Formatnya adalah versi proposal proyek yang lebih rinci dan
diperpanjang, sekali lagi didahului dengan ringkasan eksekutif dari temuan dan rekomendasi. Pada titik ini, analis
siap memberikan perkiraan pasti tentang potensi manfaat dan biaya implementasi. Lampiran harus memberikan
perincian tentang aspek teknis model kuantitatif yang digunakan, membenarkan asumsi dan penyederhanaan yang
dibuat dalam analisis dan kemungkinan pengaruhnya terhadap temuan, membuat daftar data masukan yang
digunakan, dan melaporkan temuan penting dari analisis sensitivitas yang dilakukan. . Laporan proyek harus lengkap
dan berdiri sendiri. Agar kredibel, harus memiliki standar profesional yang tinggi dalam hal konten dan presentasi.
Baik kekuatan dan kelemahan dari analisis dan kesimpulan yang dicapai harus dijabarkan. Ini
juga untuk perlindungan analis itu sendiri. Dia kemudian tidak dapat dituduh lalai, atau telah
menyesatkan pemilik masalah dengan menyembunyikan aspek-aspek penting. Ini merupakan bagian
dari etika profesional analis!
Haruskah proyek ditinggalkan?

Saat analisis berlangsung, analis harus secara berkala menilai apakah proyek harus dilanjutkan atau
ditinggalkan. Kelangsungan proyek dipertanyakan ketika kemungkinan manfaat yang dapat diperoleh dari
pelaksanaan hasil tidak membenarkan biaya tambahan yang harus dikeluarkan untuk menyelesaikannya. Jika
ini masalahnya, etika profesional mengharuskan analis melaporkan fakta ini kepada pemilik masalah atau
sponsor.
Poin-poin yang diangkat pada estimasi biaya dan manfaat proyek semuanya relevan di sini.
Perhatikan bahwa penilaian ini tidak memperhitungkan biaya yang telah dikeluarkan hingga saat ini, tetapi hanya
biaya tambahan untuk menyelesaikan proyek. Mengapa kita mengabaikan biaya yang sudah dikeluarkan? Alasannya adalah
tidak ada lagi yang bisa dilakukan tentang mereka; mereka disebut sunk cost (lihat pembahasan rinci tentang hal ini di Bab
9). Namun, jika ada biaya lebih lanjut yang dibenarkan oleh kemungkinan manfaatnya, masih ada gunanya untuk
melanjutkan.
Kami tidak dapat membatalkan biaya yang telah dikeluarkan. Oleh karena itu, penting bagi kami untuk mengetahui sedini mungkin bahwa
biaya lebih lanjut mungkin tidak dapat ditarik kembali oleh manfaat proyek. Ini akan memungkinkan proyek untuk dimusnahkan sebelum sejumlah
besar sumber daya terbuang percuma; oleh karena itu kebutuhan untuk menilai kelanjutan kelanjutan proyek secara teratur.
6.5 Tahap implementasi 123
6.5 Tahap implementasi
Jika pemilik masalah setuju bahwa standar kinerja kemungkinan besar akan dipenuhi, proyek memasuki
tahap terakhir: implementasi solusi. Langkah 8 - implementasi perencanaan - mempersiapkan rencana rinci
dari semua tugas implementasi, tugas mereka kepada individu, dan jadwal untuk koordinasi mereka.
Langkah 9 menetapkan prosedur untuk memelihara dan menetapkan kendali atas solusi. Ini menentukan rentang
nilai apa untuk input penting yang tidak terkendali, solusi saat ini tetap valid dan prosedur yang tepat untuk
memperbarui solusi ketika input menyimpang di luar rentang ini, termasuk siapa yang bertanggung jawab untuk
itu.
Langkah 10 — implementasi solusi yang sebenarnya — menjalankan perubahan yang diperlukan untuk beralih dari mode
operasi saat ini ke mode operasi yang diusulkan. Persiapan dokumentasi model yang lengkap, perangkat lunak apa pun yang
dikembangkan untuk penggunaannya, dan manual pengguna yang berdiri sendiri merupakan bagian integral dari proses
implementasi.
Meskipun penerapan solusi datang hampir di akhir proyek, perencanaan implementasi
dimulai di awal proyek apa pun, ketika kontak pertama dibuat dengan pemilik masalah dan pengguna, dan berlanjut
melalui semua langkah lainnya. Ini menyiratkan membangun jalur komunikasi yang baik, mengeksplorasi dan
mengelola harapan sebelumnya, terutama yang tidak realistis, dan menjaga pemilik masalah dan pengguna mendapat
informasi tentang kemajuan proyek dan berkonsultasi dengan mereka. Pengalaman menunjukkan bahwa semakin
banyak pemilik masalah dan pengguna yang secara aktif terlibat dalam proyek, semakin mereka memiliki hasil, dan
semakin tajam mereka menerapkan hasil dan membuatnya berhasil.
Akhirnya, setelah solusi baru digunakan untuk beberapa periode, analis kembali dan melakukan audit
terhadap solusi (langkah 11). Ini terdiri dari menetapkan sejauh mana solusi memenuhi janjinya dalam hal
manfaat yang dicapai dan biaya yang timbul, serta memeriksa penggunaan solusi yang tepat secara
berkelanjutan dan merekomendasikan kemungkinan perubahan berdasarkan pengalaman praktis yang
diperoleh. Ini mungkin menimbulkan laporan audit proyek akhir.
Bab 8 membahas proses implementasi dan hambatan implementasi, serta cara mengatasinya secara
lebih rinci.
6.6 Sifat proses OR yang sulit
Keterkaitan maju dan mundur

Berbagai langkah biasanya dimulai dalam urutan yang ditunjukkan, tetapi setiap langkah mungkin tumpang tindih dengan
langkah sebelumnya maupun langkah berikutnya. Misalnya, ketika kita mulai mengidentifikasi masalah yang akan dianalisis,
kita mungkin perlu mengumpulkan informasi yang lebih spesifik dan lebih detail tentang situasi masalah, yang kemudian
ditambahkan ke rich picture, yaitu kita kembali dari langkah 2 ke langkah 1. Pada saat kita sampai ke proposal proyek (akhir
langkah 3), kita mungkin sudah mengeksplorasi, setidaknya sementara, bentuk umum dari model matematika (langkah 4).
Hal ini tidak hanya memungkinkan kita untuk menentukan perkiraan kasar dari manfaat potensial, tetapi juga dapat
mempengaruhi pilihan batas
dan tingkat resolusi untuk sistem yang relevan.

Pilihan model matematika yang paling cocok harus dipengaruhi oleh seberapa mahal pengembangan rinci
dan implementasi akhirnya diharapkan. Misalnya, jika penggunaannya mengandaikan tingkat pelatihan dan
keterampilan yang jauh melampaui norma untuk jenis karyawan di posisi itu, kami dapat memilih model yang
lebih sederhana atau untuk aturan yang hanya mendekati solusi optimal. Hal ini kemungkinan akan mengurangi
potensi penghematan atau manfaat, tetapi akan memiliki peluang lebih baik untuk implementasi yang sukses.
Analis yang berpengalaman akan terus mencari keterkaitan maju dan mundur antara fase, serta antara
langkah-langkah dalam suatu fase.
Proses berulang
Metodologi ini berulang. Ini berarti analis dapat kembali ke langkah sebelumnya dan mengulang atau mengubah bagian dari
analisis yang telah dilakukan. Misalnya, mencoba untuk mendefinisikan sistem yang relevan mungkin menunjukkan
kontradiksi atau aspek yang hilang dalam situasi masalah.
Sebelum melanjutkan, ini harus diselesaikan. Ini pada gilirannya dapat menyebabkan perubahan dalam sistem yang relevan.
Selama langkah solusi, analis mungkin menemukan bahwa perangkat lunak dan fasilitas komputasi yang diperlukan untuk
menemukan solusi optimal sangat mahal, meniadakan sebagian besar atau semua manfaat finansial yang diharapkan. Oleh
karena itu, implementasi model mungkin tidak dapat dibenarkan. Analis mungkin harus mengulang kembali ke langkah
pembangunan model dan merumuskan model yang tidak terlalu menuntut secara komputasi. Sayangnya, bahkan mungkin
terjadi selama implementasi, Kelalaian yang melumpuhkan dalam perumusan masalah ditemukan yang membuat sebagian atau
sebagian besar model tidak relevan atau bahkan mengubah sifat masalah. Jika pemilik masalah setuju, analis mungkin harus
memulai hampir dari awal dengan rumusan masalah baru.
Beberapa proyek melewati semua langkah yang berbeda tanpa mengulang kembali ke langkah sebelumnya dalam analisis.
Oleh karena itu, Anda harus ingat dengan jelas bahwa meskipun kita membahas langkah-langkah secara terpisah dalam urutan
aslinya, langkah-langkah tersebut tumpang tindih.
Pengumpulan data
Banyak teks ATAU menunjukkan langkah 'pengumpulan data' yang terpisah. Gambar 6-1
menunjukkan tidak ada. Ini bukan kekeliruan! Alasannya sederhana.
Pengumpulan data tidak terjadi pada titik tertentu dalam analisis sebagai langkah terpisah. Kami mulai
mengumpulkan dan menilai data dan mengidentifikasi sumber data saat kami menghadapi situasi
masalah untuk pertama kalinya. Saat kami melanjutkan, kami terus mengumpulkan lebih banyak data
untuk menjelaskan sistem yang relevan. Untuk beberapa proyek, bagian utama dari data harus tersedia
saat membangun model matematika. Bentuk spesifik dari hubungan kuantitatif hanya dapat ditemukan
jika kita mengetahui karakteristik utama dari data (seperti 'Apakah hubungannya linier?', 'Apakah
distribusi probabilitasnya mendekati normal?'). Dalam kasus lain, data harus langsung dimasukkan ke
dalam hubungan matematis. Dalam kasus lain,
Dalam banyak kasus, data mungkin tidak dalam bentuk yang diperlukan atau bahkan tidak ada. Penting bagi
analis untuk memastikan sebelum langkah 3 apakah sumber data yang diperlukan ada dan dalam bentuk apa. Jika
data hilang atau tidak tersedia dalam bentuk yang berguna, tindakan harus dimulai untuk memulai pengumpulan
data dalam formulir yang diperlukan. Lebih lanjut, jaminan dari berbagai pemangku kepentingan bahwa semua data
tersedia dan mudah diakses harus diperlakukan dengan tingkat skeptisisme yang sehat. Ini bermanfaat untuk
menunjukkan minat yang hidup untuk memeriksa sumber data dan formatnya. Kurangnya data yang memadai dapat
sangat menunda penyelesaian proyek.
Satu kata penting lebih lanjut tentang data. Sebagian besar data yang tersedia mencerminkan mode operasi saat ini atau
sebelumnya. Jika proyek yang diusulkan secara substansial mengubah mode itu, tanggal tersebut mungkin tidak relevan lagi.
Yang benar-benar kami inginkan adalah data seperti yang akan terjadi setelah sistem yang diusulkan diimplementasikan.
Namun, data tersebut belum tersedia, jadi kami harus puas dengan apa yang kami miliki, tetapi mungkin perlu penyesuaian
agar relevan dengan sistem yang diusulkan. Misalnya, jika permintaan produk menunjukkan tren, naik atau turun, tren itu
perlu diekstrapolasi. Jika peralatan diganti, biaya tenaga kerja untuk peralatan baru harus dipastikan. Penggunaan buta data
masa lalu menyiratkan penilaian batas sistem yang tidak disengaja dan tersembunyi.
6.7 Divisi Oli Pelumas - ringkasan situasi
Kami sekarang mendemonstrasikan sebelas langkah metodologi ini dengan kasus di mana salah satu penulisnya
adalah analis utama.
Bagaimana proyek dimulai?

Proyek ini berkaitan dengan operasi Divisi Minyak Pelumas (LOD) dari sebuah perusahaan minyak besar AS. LOD
memproduksi dan menyimpan sekitar 400 jenis oli dan gemuk pelumas otomotif dan industri, untuk penjualan akhir
ke lebih dari 1000 pelanggan. Dorongan untuk proyek ini adalah laporan oleh auditor internal perusahaan kepada
Wakil Presiden Keuangan bahwa dalam penilaian mereka rata-rata perputaran saham saat ini yang dicapai oleh
LOD sebanyak 12 kali per tahun jauh di bawah target perusahaan yaitu 24. (Perputaran saham mengukur berapa kali
per tahun seluruh saham diperbarui.) Akibatnya, dana yang diikat dalam persediaan dianggap berlebihan.
Kekhawatiran ini diteruskan ke Wakil Presiden Pabrik yang, pada gilirannya, memberi tahu manajer LOD dengan
permintaan untuk melapor kepadanya pada waktunya. Sebagai tanggapan, manajer LOD mendekati grup ATAU di
kantor pusat perusahaan untuk meminta bantuan. Di situlah analis masuk.
Permintaan awal agak tidak jelas — manajer menginginkan nasihat. Oleh karena itu,
tahap pertama proyek jelas-jelas bersifat pelingkupan masalah. Tidak ada jaminan bahwa proyek tersebut
akan mendapatkan persetujuan.
Mempelajari jargon teknis para pemangku kepentingan
Tindakan pertama analis adalah mengatur tur ke kantor dan fasilitas LOD. Mengingat nama orang adalah
salah satu kelemahannya. Jadi, setiap kali bertemu dengan orang baru, dia langsung mencatat nama dan
fungsinya di buku catatan. Dia
membuat upaya yang sungguh-sungguh untuk memahami, mempelajari, dan menggunakan terminologi teknis
yang sebagian besar tidak dikenal yang dia temui. Jika dia tidak memahami sesuatu, dia tidak malu untuk bertanya
- bahkan dengan risiko terlihat agak bodoh. Penting untuk tidak berasumsi bahwa arti teknis istilah orang lain sama
dengan Anda. Jadi dia memeriksanya untuk menghindari kebingungan dan kesalahpahaman.
Rincian operasi
Jika dia sudah terbiasa dengan gambar-gambar yang kaya pada saat itu, dia akan menggambar sesuatu seperti
Gambar 6-2 yang diperlihatkan sebaliknya. Dimulai dari sudut kiri atas, ini menunjukkan apa yang memicu
studi dan pandangan dunia tersirat, yaitu perhatian terhadap efisiensi ekonomi investasi. Inti dari gambar
menjelaskan berbagai operasi LOD dan hubungannya dengan bagian lain dari operasi penyulingan dan
pelanggannya. Berikut beberapa komentar tambahan.
Produksi minyak pelumas dan gemuk dilakukan secara bertahap mulai dari 400 liter hingga
100.000 liter. Banyak produk dijual dalam beberapa ukuran wadah — dari drum besar hingga kaleng kecil. LOD
membawa 804 kombinasi ukuran produk-wadah yang berbeda. Seperti yang ditunjukkan dalam gambar yang kaya,
beberapa pelanggan melakukan pesanan besar untuk satu produk sehingga mereka dipenuhi oleh produksi khusus
dan langsung dikirim kepada mereka. Hanya pesanan dari pelanggan kecil yang dipenuhi dari stok gudang. Saat
stok ini dijual, mereka diisi kembali dengan produksi yang berukuran sesuai. LOD mengikuti kebijakan pengiriman
barang apa pun ke pelanggan dalam waktu dua hari setelah menerima pesanan, yaitu waktu tunggu pengiriman
adalah dua hari.
Berbagai minyak dasar dan aditif dicampur ke resep tertentu dalam tong pencampur. Ukuran tong yang dipilih
tergantung pada ukuran kelompok pencampuran. Minyak dasar diambil dari tangki penyimpanan, diumpankan dari
kilang. Setelah pencampuran, produk jadi diuji untuk memastikannya memenuhi spesifikasi yang diinginkan.
Setelah batch lulus pengujian, minyak pelumas yang sudah jadi akan diisi ke dalam wadah, biasanya dalam waktu
4–6 jam. Pola produksi gemuk serupa.
Kapasitas pencampuran dan pengisian LOD yang ada cukup besar sehingga dengan beberapa pengecualian, semua
proses produksi selesai dalam 24 jam. Oleh karena itu, lead time produksi adalah satu hari. Aspek inilah yang memungkinkan
untuk menjadwalkan produksi khusus berjalan untuk pelanggan besar setelah menerima pesanan mereka dan tetap
mengirimkan produk dalam siklus pengiriman dua hari yang direncanakan. Aspek yang sama juga berarti bahwa pengisian
ulang stok harus dijadwalkan hanya setelah penjualan menghabiskan stok ke tingkat yang terlalu kecil untuk memenuhi
pesanan kecil terakhir yang diterima pelanggan. Hasilnya, semua pesanan pelanggan selalu dipenuhi dalam waktu tunggu
pengiriman yang direncanakan. Tidak ada kekurangan atau permintaan pelanggan yang tidak terpenuhi dapat terjadi.
Barang yang dikemas dipindahkan dengan forklift. Barang yang dipasok dari stok dipindahkan dua kali, satu kali
dari produksi ke lokasi stok di gudang dan kedua kali dari sana ke dermaga pengiriman. Sebaliknya, barang untuk
pesanan pelanggan besar hanya dipindahkan satu kali, yaitu dari produksi ke dermaga pengiriman. Oleh karena itu,
total beban kerja untuk operator forklift dan tagihan gaji yang sesuai dapat dikurangi dengan meminta lebih banyak
barang melewati tahap inventaris. Semakin besar fraksi pelanggan yang tergolong besar, maka semakin rendah
tagihan gaji operator forklift.
Gambar 6-2 Gambar yang kaya untuk LOD.
Menilai aliran dokumen dan sumber data

Analis menindaklanjuti tur fasilitas dengan kunjungan diperpanjang ke kantor LOD. Dia menggambar diagram
rinci dari dokumen dan aliran informasi untuk memproses pesanan pelanggan, dari penerimaan hingga
pengiriman, dan untuk memulai dan memproses pengisian stok, dan memverifikasinya di tempat dengan
orang-orang yang melakukan setiap tugas.
Secara alami, keingintahuan yang kuat dari analis dalam melihat semua file data diartikan sebagai
antusiasme untuk proyek tersebut. Dia meminta fotokopi semua dokumen yang digunakan dan memeriksa seberapa jauh file
data disimpan dan apakah selama periode itu telah terjadi perubahan dalam operasi dan dalam pemrosesan informasi atau
dalam format file data, untuk memastikan bahwa data yang benar dalam bentuk yang benar adalah tersedia saat
dibutuhkan.
Begitu kembali ke kantor, dia segera mengatur semua informasi yang dikumpulkan dalam bentuk sistematis, mengisi
celah apa pun dari ingatan, dan menyoroti aspek-aspek yang memerlukan klarifikasi atau verifikasi lebih lanjut pada
kunjungan berikutnya.
6.8 Mengidentifikasi masalah yang akan dianalisis
Mengidentifikasi masalah yang akan dianalisis
Gambaran yang kaya menunjukkan sejumlah kemungkinan masalah, seperti proses penjadwalan produksi yang
berjalan untuk mencapai koordinasi yang ketat dari operasi pencampuran dan pengisian dan mengurangi biaya
peralihan dari satu produk ke produk lainnya, terutama pada mesin pengisi; atau keputusan tentang pesanan
pelanggan mana yang diklasifikasikan sebagai besar dan mana yang kecil (diagram alir keputusan pada Gambar 5-11
di halaman 10 4 menggambarkan proses ini); atau apakah menguntungkan untuk memungkinkan perpanjangan waktu
tunggu produksi dari periode 1 hari saat ini. Yang terakhir ini akan memungkinkan perataan dan koordinasi yang lebih
baik dari beban kerja pencampuran dan pengisian dan mungkin dapat mengurangi jumlah operator yang diperlukan
untuk melakukan tugas yang sama. Batasan dalam mempertahankan tingkat layanan pelanggan saat ini tampaknya
menghalangi tindakan yang terakhir.
Stimulus untuk proyek tersebut pada awalnya adalah kepedulian yang disuarakan oleh
Wakil Presiden Keuangan. Pernyataannya tentang rata-rata perputaran saham yang tidak memadai di LOD
membawa implikasi bahwa dia menganggap terlalu banyak uang yang diikat di saham. Perputaran saham rata-
rata untuk LOD secara keseluruhan adalah
rata-rata tertimbang untuk semua produk. Seperti yang ditunjukkan dalam gambar yang kaya, perilaku
persediaan normal dari waktu ke waktu untuk setiap produk memiliki pola gigi gergaji yang khas. Setiap gigi
sesuai dengan satu pengisian ulang stok dan mewakili satu perputaran stok lengkap untuk produk itu.
Semakin sedikit perputaran saham per tahun, semakin besar pula penambahan stok. Misalnya, jika
permintaan untuk suatu produk adalah 120.000 liter per tahun dan ukuran setiap pengisian ulang stok adalah
5.000 liter, perputaran stok adalah 24 kali per tahun. Jika perputaran stok dikurangi menjadi 12 kali per tahun,
maka setiap pengisian stok harus sama dengan 10.000 liter. Jadi kita melihat bahwa perputaran stok untuk
setiap produk secara langsung terkait dengan ukuran pengisian stok yang sesuai, yang dapat dikontrol oleh
LOD. Masalah ini diambil sebagai fokus proyek.
Diskusi dengan LODmanager menunjukkan bahwa dia berbagi pandangan dunia yang diungkapkan oleh Wakil
Presiden Keuangan, yaitu untuk memastikan penggunaan sumber daya LOD yang paling efisien. Yang terakhir melihat dana
yang diikat dalam saham sebagai menganggur, sedangkan perputaran saham yang tinggi diartikan sebagai tanda efisiensi.
Dari perspektif sempit ini, pengurangan ukuran pengisian ulang stok akan meningkatkan perputaran saham. Ini akan
memungkinkan tercapainya tujuan Wakil Presiden atau ekspektasi sebelumnya dari perputaran saham
6.8 Mengidentifikasi masalah yang akan dianalisis 129
24 kali per tahun, sehingga mengurangi total investasi di saham. Namun, dari gambaran yang kaya kita melihat bahwa setiap proses
pencampuran dan pengisian juga melibatkan penyiapan — waktu yang dihabiskan operator untuk menyiapkan proses pencampuran dan
pengisian - dan teknisi lab perlu menguji produk.
Meningkatkan tingkat perputaran untuk produk tertentu berarti lebih banyak penambahan stok dan karenanya lebih banyak pengaturan
produksi. Akibatnya, waktu yang dihabiskan oleh operator untuk penyiapan juga akan meningkat. Dengan $ 16 per jam, ini bisa berarti
bahwa penghematan apa pun yang dilakukan dengan mengurangi investasi dalam saham dapat hilang dengan biaya tenaga kerja tahunan
yang lebih tinggi.
Besar kecilnya stok yang dibutuhkan juga tergantung pada seberapa kecil pesanan yang ditentukan.
Menurunkan titik potong mengurangi permintaan yang dipenuhi dari stok. Akibatnya, dibutuhkan stok yang lebih kecil, yang pada
gilirannya berarti pengurangan investasi saham. Tetapi menurunkan titik potong berarti bahwa lebih banyak pesanan pelanggan
dipenuhi oleh produksi khusus yang dijalankan, menyebabkan peningkatan biaya pengaturan produksi tahunan.
Masing-masing tindakan yang mungkin dilakukan ini menyebabkan beberapa biaya
menurun dan yang lainnya meningkat. Pendekatan efisiensi yang sempit yang difokuskan hanya pada investasi
mungkin bukan untuk kepentingan terbaik perusahaan (kecuali karena alasan lain perusahaan ingin mengurangi
investasinya terlepas dari pengaruhnya terhadap biaya operasi). Kita perlu mempertimbangkan semua biaya yang
dipengaruhi oleh perubahan kebijakan.
Dengan kata lain, kami mencari kebijakan pengendalian produksi / inventaris yang paling efektif
— kebijakan yang menjaga biaya total operasi serendah mungkin, sementara pada saat yang sama mempertahankan
atau bahkan meningkatkan tingkat layanan pelanggan saat ini. Bahkan jika sistem yang relevan terbatas pada operasi
pengendalian produksi / inventaris, perspektif yang diambil haruslah yang melihat pada efek pada perusahaan secara
keseluruhan, bukan hanya sistem sempit (sub) yang terlibat. (Ingat pembahasan tentang efisiensi dan penilaian batas
di Bagian 2.2 dan 3.5.) Jika ini juga memenuhi target perputaran saham Wakil Presiden, itu lebih baik, tetapi
harapannya seharusnya tidak menjadi kekuatan pendorong. Pemilik masalah — Manajer LOD — harus,
bagaimanapun, sepenuhnya memahami alasan untuk ini dan setuju dengan mereka. Oleh karena itu, beberapa
manajemen ekspektasi sebelumnya mungkin diperlukan tepat pada awal proyek.
Hierarki sistem yang terlibat

Masalahnya tertanam dalam hierarki sistem. Sistem perhatian terluas adalah perusahaan secara keseluruhan, dengan
kilang sebagai salah satu subsistemnya. LOD pada gilirannya merupakan subsistem dari sistem penyulingan. Dalam
sistem LOD, operasi pengendalian produksi / inventaris merupakan salah satu subsistem utamanya. Yang terakhir
inilah yang merupakan sistem minat sempit di sini. Karena operasi LOD secara keseluruhan memiliki kendali atas
sumber daya yang dibutuhkan oleh sistem yang sempit, serta memiliki keputusan akhir dalam hal proyek, itu
menjadi sistem kepentingan yang lebih luas.
Stakeholder
Dengan sistem kepentingan yang sempit dipilih secara tentatif, analis cukup tahu tentang situasi untuk
mengidentifikasi berbagai pemangku kepentingan. Ini didefinisikan sehubungan dengan sistem kepentingan yang
sempit ini. Di sini, peran analis diemban oleh konsultan
internal perusahaan.
Tampaknya ada beberapa tingkatan pemilik masalah atau pengambil keputusan. Ini adalah tipikal situasi
masalah dengan hierarki sistem, seperti yang terjadi di sini. Di atas adalah Wakil Presiden Keuangan, yang
mengkoordinasikan penggunaan dana di dalam perusahaan. Dia menyatakan kriteria investasi dana yang
akan dievaluasi. Wakil Presiden Manufaktur (sistem penyulingan) beroperasi dalam kriteria ini. Dia telah
mendelegasikan wewenang untuk membuat keputusan operasional sehari-hari tentang produksi dan
pengendalian stok untuk produk kemasan kepada manajer LOD (sistem LOD). Untuk proyek yang tidak
melibatkan investasi besar apa pun, yang terakhir adalah pengambil keputusan langsung dari situasinya.
Namun, dia harus merujuk keputusan investasi besar kepada Vice-President of Manufacture.
A priori, satu-satunya penggunaan dana baru adalah biaya proyek itu sendiri. Setelah proyek selesai, analis dapat
merekomendasikan perubahan tingkat investasi dalam persediaan.
Rekomendasi tersebut kemudian akan dievaluasi dalam hal kriteria investasi yang ditentukan oleh Wakil Presiden
Keuangan. Pada tahap analisis ini, biaya proyek adalah satu-satunya penggunaan dana yang harus dievaluasi.
Ternyata, bahkan itu melebihi otoritas manajer dan karenanya harus dirujuk lebih tinggi. Tetapi setelah disetujui,
setiap perubahan pada pengoperasian LOD sehari-hari berada di bawah kendalinya. Ini adalah pandangan
dunianya bahwa pemecah masalah harus digunakan sebagai dasar untuk menentukan tujuan atau sasaran proyek.
Penting untuk memastikan bahwa pandangan dunia dari semua tingkat pemilik masalah kompatibel. Jika
tidak, para pemangku kepentingan di berbagai tingkat harus diberi tahu tentang konflik dan kebutuhan untuk
menyelesaikannya sebelum melangkah lebih jauh.
Penyelesaian konflik semacam itu dalam pandangan dunia biasanya di luar cakupan proyek OR keras, karena
menangani masalah organisasi dasar dan memerlukan pendekatan sistem lunak. Persistensi pandangan dunia yang
saling bertentangan antara berbagai tingkat pengambil keputusan kemungkinan besar akan mengakibatkan
suboptimisasi yang serius, yaitu manfaat yang diperoleh dapat dinegasikan seluruhnya atau sebagian oleh biaya
tambahan yang ditimbulkan di tempat lain dalam organisasi, misalnya di subsistem lain pada tingkat yang sama atau
berbeda. . Untuk LOD, analis telah memastikan bahwa ada kesepakatan dasar antara pandangan dunia dari Wakil
Presiden Keuangan dan Manajer LOD dalam hal memaksimalkan keuntungan. Namun, salah satu sumber konflik
dapat muncul jika solusi optimal tidak memenuhi target perputaran saham yang ditetapkan oleh Wakil Presiden
Keuangan. Aspek ini perlu dibahas dalam proposal proyek.
Untuk menentukan pengguna yang bermasalah, kita perlu mengidentifikasi siapa yang bertanggung jawab untuk
memulai proses produksi untuk pengisian ulang stok atau pesanan pelanggan dalam jumlah besar. 'Keputusan' ini, dalam
kebijakan yang ditentukan oleh pemilik masalah
- Manajer LOD - dibuat oleh petugas stok. Setiap perubahan pada aturan kebijakan pengendalian inventaris / produksi harus
sedemikian rupa sehingga ia mampu menerapkannya tanpa perlu pelatihan lanjutan yang ekstensif.
Pelanggan produk LOD adalah pelanggan bermasalah. Salah satu poin pertama yang diangkat oleh manajer LOD
adalah bahwa setiap kebijakan baru harus mempertahankan atau meningkatkan tingkat layanan saat ini yang ditawarkan
kepada semua pelanggan, khususnya yang berkaitan dengan waktu tunggu pengiriman dua hari.
6.9 Sistem yang relevan untuk masalah pengisian stok 131
Selain persyaratan ini, ada kendala lain yang harus dipenuhi oleh setiap kebijakan pengendalian
produksi / inventaris yang diusulkan. Persyaratan ruang gudang dan kapasitas produksi dari setiap kebijakan
baru harus tetap, setidaknya dalam jangka pendek hingga menengah, dalam kapasitas yang tersedia saat
ini.
Elemen masalah
Singkatnya, enam elemen masalahnya adalah:
• Pengambil keputusan langsung: manajer LOD.
• Tujuan: mencapai biaya operasi yang rendah untuk operasi LOD, subjek memiliki tingkat layanan
pelanggan yang sama.
• Ukuran kinerja: total biaya operasi LOD.

• Kriteria keputusan: meminimalkan biaya total.
• Tindakan alternatif: ukuran batch pengisian ulang stok dan titik batas untuk
mengklasifikasikan pesanan pelanggan sebagai besar atau kecil.
• Sistem kepentingan yang lebih luas: operasi LOD dan kilang.
6.9 Sistem yang relevan untuk masalah pengisian stok

Setelah menyelesaikan masalah yang akan dianalisis, sekarang kita dapat melanjutkan untuk menentukan sistem yang
relevan. Pemeriksaan sepintas menunjukkan adanya semua aspek pengendalian produksi / persediaan biasa. Seorang
analis berpengalaman mungkin tergoda untuk menggunakan pendekatan struktural, dengan memilih salah satu model
pengendalian produksi / inventaris standar. Ini, bersama dengan identifikasi produk yang akan dikontrol, akan
menggambarkan batas sistem. Tetapi analisis yang lebih cermat mengungkapkan bahwa ada aspek yang biasanya
tidak ditemukan dalam struktur produksi / inventaris yang khas; khususnya, aturan yang berbeda berlaku untuk
memenuhi pesanan pelanggan besar dan kecil. Oleh karena itu pendekatan proses, mulai dari prinsip pertama,
lebih tepat.
Apa tingkat resolusi yang cocok untuk definisi sistem? Pada titik ini, sedikit yang diketahui tentang potensi
penghematan yang dapat dihasilkan proyek. Jadi memilih pelingkupan masalah, daripada rumusan masalah lengkap,
lebih tepat. Oleh karena itu, hanya diperlukan diagram struktur sistem tingkat tinggi, seperti pada Gambar 6-3, yang
menghubungkan berbagai subsistem dan menunjukkan batas-batas sistem.
Masukan tak terkendali yang ingin dikelola LOD secara efektif adalah pesanan pelanggan yang masuk dan fasilitas
operasi yang ada. Pesanan dikelompokkan menjadi 'besar' dan 'kecil'. Pengolahan masing-masing merupakan subsistem yang
terpisah, yaitu subsistem yang memenuhi pesanan dalam jumlah besar dengan menjadwalkan proses produksi khusus, dan
subsistem lainnya yang memenuhi pesanan kecil dari persediaan dan mengisi kembali persediaan secara berkala. Fasilitas
dan kapasitas produksi yang ada, termasuk operasi forklift untuk memindahkan stok, diambil sebagaimana mestinya (input
yang tidak terkendali). Mereka dibagi oleh kedua subsistem. Demikian pula, kapasitas pergudangan yang ada diberikan dan
digunakan oleh 'subsistem pesanan kecil'. Menentukan input, baik yang dapat dikontrol maupun yang tidak, menggambarkan
batas-batas dari sistem yang sempit dalam detail yang cukup untuk pelingkupan masalah.
Gambar 6-3 Diagram struktur sistem tingkat tinggi untuk LOD.
Pesanan pelanggan Ada

pergudangan
fasilitas
Klasifikasikan pesanan
berdasarkan ukuran.
Keputusan: penghentian
titik
Pesanan 'besar'
Pesanan 'kecil'
subsistem:
bertemu oders by subsistem:
memenuhi pesanan
pro khusus dari stok. Keputusan: ukuran stok
duction berjalan. Produksi yang ada dan fasilitas fork lift
Keputusan: potong-
off point
Kirim produk
kepada pelanggan
Penting juga untuk diperhatikan bahwa dua kontrol masukan, yaitu titik potong mengklasifikasikan pesanan
pelanggan sebagai besar, dan ukuran penambahan stok, harus ditentukan satu per satu untuk masing-masing dari 804
produk. Apa yang mungkin merupakan pasangan yang baik untuk satu produk mungkin buruk untuk produk lainnya. Produk
tidak bergantung satu sama lain. Dalam arti tertentu, tidak ada satu masalah besar, tetapi 804 masalah kecil, satu untuk setiap
produk.
Satu-satunya ketergantungan mereka adalah bahwa mereka berbagi fasilitas produksi dan pergudangan yang sama.
Penggunaan gabungan fasilitas ini tidak dapat melebihi kapasitas yang ada.
Ada satu konsekuensi lagi dari ini. Ukuran kinerja sistem sempit, yaitu total biaya
operasi LOD untuk memenuhi permintaan pelanggan, adalah jumlah dari 804 biaya untuk masing-
masing produk.
Penilaian batas, eksplisit dan implisit

Gambar 6-3 menunjukkan pesanan pelanggan dan gudang yang ada, fasilitas produksi dan forklift sebagai input. Sebenarnya,
ini berarti bahwa LOD mengambil semua ini sebagai pemberian atau aspek di luar kendalinya. Asumsi tersebut ternyata lebih
kuat. Mereka berada di luar kendali sistem (pengendalian) yang lebih luas, yaitu perusahaan secara keseluruhan. Ini hampir
tidak benar untuk fasilitas operasi. Apa yang diasumsikan di sini adalah bahwa perusahaan dengan sengaja memilih untuk
tidak menggunakan kontrol itu dan membiarkannya tidak berubah dalam hal jenis dan kapasitas. Namun, bagaimana mereka
digunakan diasumsikan dapat dikontrol dan pasti akan berubah sebagai hasil dari penelitian.
Permintaan akan produk perusahaan juga dapat dipengaruhi oleh promosi dan tindakan lainnya. Karena sebagian
besar 'pelanggan' adalah distributor grosir milik perusahaan-
6.10 Proposal proyek untuk LOD 133
utors, bahkan pola permintaan dapat dikontrol. Misalnya, perusahaan dapat memberikan jadwal kepada masing-masing
'pelanggan' ini kapan mereka harus melakukan pemesanan. Jadwal tersebut akan dikoordinasikan antara pakaian ini untuk
mencapai pola tertentu yang diinginkan, seperti aliran pesanan yang merata atau sinkronisasi pemesanan untuk produk
tertentu agar dapat digabungkan ke dalam produksi bersama khusus. Sekali lagi, LOD dengan sengaja memutuskan bahwa
kontrol tersebut bukan bagian dari studi ini.
Ada juga asumsi yang dibuat tentang faktor biaya, berbagai kapasitas operasi
fasilitas, dan ketersediaan base oil serta aditif yang digunakan untuk pencampuran oli, seperti aditif
selalu tersedia saat dibutuhkan.
Aktivitas:
• Sebelum Anda melanjutkan ke bagian berikutnya, baca ulang tiga pertanyaan di awal Bagian 6.3 di halaman 116. Cobalah untuk
menjawab masing-masing dari informasi dan pembahasan di Bagian 6.8 dan 6.9. Jika Anda tidak bisa, tunjukkan mengapa
atau informasi tambahan apa yang Anda perlukan untuk melakukannya.
• Buat daftar penilaian batas tambahan yang dibuat dalam kasus LOD untuk biaya, ketersediaan minyak dasar, dan
kapasitas operasi, dan diskusikan implikasinya.
6.10 Proposal proyek untuk LOD

Pada titik ini, kita dapat menjawab dua pertanyaan pertama yang tercantum dalam Bagian 6.3, yaitu masalah dapat
dengan mudah diungkapkan secara kuantitatif dan data yang diperlukan tampaknya tersedia atau dapat ditentukan
dengan biaya yang wajar. LOD memiliki database komputer lengkap tentang semua pesanan pelanggan yang
diproses setidaknya selama dua tahun terakhir, dari mana pola pesanan pelanggan dapat ditentukan. Data biaya
produk dan operasi produksi dan pergudangan dapat diperoleh baik secara langsung dari data akuntansi biaya atau
dihitung tanpa biaya besar dengan memperhatikan waktu dan bahan operator yang diperlukan untuk berbagai
tugas.
Pertanyaan ketiga tentang potensi manfaat dan biaya analisis agak lebih sulit
dijawab tanpa benar-benar menyelesaikan masalah, yang menimbulkan pertanyaan. Kami belum
merumuskan model matematis, juga belum mengumpulkan data input produk secara rinci. Yang kami
miliki hanyalah kisaran kasar untuk faktor biaya produk dan gambaran umum tentang bentuk ukuran
kinerja.
Cara untuk mengatasinya adalah dengan melakukan penyederhanaan. Dengan bantuan petugas stok, setengah lusin
produk yang mewakili dapat diidentifikasi, mencakup rentang dari volume kecil hingga besar. Dia juga memiliki akses ke
perkiraan nilai produk dan informasi tentang operasi pencampuran dan pengisian dari mana perkiraan kasar mengenai biaya
penyiapan dapat diperoleh. Acall to Finance Section dari perusahaan tersebut menegaskan bahwa investasi diharapkan
mencapai pengembalian setidaknya 18% per tahun. Ini adalah biaya peluang untuk penggunaan dana. Pada tahap ini,
tampaknya tepat untuk menggunakan salah satu model kontrol inventaris paling dasar yang merupakan bagian dari kotak alat
OR keras. Model ini menentukan ukuran pengisian ulang stok terbaik dengan asumsi bahwa semua pesanan diperoleh dari
stok. Model yang akan kita kembangkan jauh lebih canggih dan karena itu cenderung menghasilkan penghematan yang lebih
besar. Akibatnya, perkiraan biaya yang dihasilkan oleh model sederhana sangat konservatif
batas bawah. Biaya ini kemudian dibandingkan dengan biaya tahunan dari praktik saat ini dan penghematan biaya yang
dihasilkan diekstrapolasi untuk semua 804 produk.
Dalam kasus aktual, penghematan biaya untuk enam produk yang digunakan sebagai sampel berkisar antara $ 32 hingga
$ 253 per tahun, dengan rata-rata sekitar $ 114 dan deviasi standar 30. Dengan menggunakan prinsip estimasi statistik standar,
estimasi interval 95% untuk perkiraan penghematan untuk semua 804 produk adalah $ 90.000 hingga $ 94.000.
Perkiraan kasar mengenai total waktu yang dimasukkan oleh analis, akuntansi biaya
dan pemrosesan data, serta staf LOD, adalah sekitar 120 hari. Dengan tarif pembebanan internal sebesar $ 400
per hari, biaya analisis akan pulih dalam waktu sekitar setengah tahun sejak penerapan hasil — lebih rendah
dari kriteria penerimaan satu tahun yang digunakan oleh perusahaan untuk proyek 'penelitian' ini. Tipe.
Namun, pendekatan yang lebih bijaksana adalah pertama-tama melakukan studi pendahuluan untuk
mendapatkan estimasi penghematan yang lebih andal, berdasarkan versi model yang diusulkan, dan menggunakan
sampel acak berstrata sekitar 5% dari semua produk. Jika hasil mengkonfirmasi perkiraan di atas, maka rekomendasi
untuk studi skala penuh dapat dengan mudah didukung. Di sisi lain, jika studi pendahuluan yang lebih rinci
menunjukkan bahwa potensi penghematan jauh lebih kecil daripada perkiraan awal, maka fakta ini ditemukan
sebelum komitmen skala penuh yang mahal dibuat - pendekatan yang lebih masuk akal di sini. Pelajaran seperti itu
dapat diselesaikan dalam waktu sekitar 16 hari kerja.
Dalam proyek ini, banyak pekerjaan dasar yang dilakukan dalam studi
pendahuluan juga dapat dilanjutkan ke studi skala penuh. Akibatnya, total biaya studi pendahuluan yang
diikuti dengan perluasan ke semua produk tidak akan jauh lebih tinggi daripada melakukan studi skala
penuh sejak awal. Hal ini disebabkan oleh fakta bahwa porsi yang jauh lebih besar dari total biaya
studi skala penuh dikeluarkan untuk pengumpulan data dan perhitungan kebijakan yang optimal (dan
implementasinya), sedangkan biaya tahap pemodelan relatif kecil.
Alasan lebih lanjut untuk memilih studi pendahuluan adalah karena kami berurusan dengan
sejumlah besar produk. Hanya untuk beberapa lusin produk, banyak pembenaran untuk studi
pendahuluan akan hilang. Biaya studi skala penuh hanya akan menjadi minimal lebih besar.
Faktor penting apakah akan melakukan studi pendahuluan atau skala penuh bergantung pada fase metodologi
OR mana yang menghasilkan porsi paling substansial dari biaya analisis. Jika ini adalah fase pemodelan,
kecenderungannya adalah untuk memilih studi skala penuh secara langsung. Jika ini adalah tahap implementasi,
seperti dalam kasus LOD, studi pendahuluan tidak terlalu berisiko.
Lampiran 1 pada bab ini berisi proposal proyek untuk studi pendahuluan. Jika
ditulis oleh konsultan luar, deskripsi singkat model matematika akan dimasukkan sebagai lampiran.
Pelajarilah sekarang sebelum melanjutkan!
6.11 Definisi lengkap dari sistem LOD yang relevan
Untuk masalah LOD proposal proyek, diperkuat dengan presentasi lisan,

r l va ta 15 ck mu prprove la p se P
o a l m e al e tu ro
d d nn an re se
d
uu tcot nn mp
pfo
A b p u
a ctio
cc t cio u u l'm stoe a o S
t i s a r
n
tchco
t sl la
est tfrotterd
m st f
pn o
r
L
n ca
ts 2 k
T OD
m stock
re n
r
n
e
r
6 ota
p stou A
a lflo
co l'
st m
m
n
llp st ld ckn e
c
k
b
e
u
a
r
e
ro in ua n
cts l
r g
u
ple replenish
t
in S m sizn e
ve stove to
ck A i
ce stm
r m ck sh
fo e e e
r a n
entsystem t
8
mn a d
lu g
n
t
A
an n
d ua e In le stove
ve ck ra
l
l
41 v
F g
c a in
lo o 7
E fo h
r p
o
v
e r
st/
l$
d o
st
m
U
l
u e
d
un
it
.
tc. r g e
sp n
pro a
ce
p du sp
ct in ro
u dc e a
e F
ts d
e ce
d e lo
/u
n
r
menyelesaikan Tahap 1 dari proses ATAU. Definisi terperinci dari sistem yang relevan hanya akan diperlukan
jika proyek disetujui, yang terjadi di sini. Diskusi kita akan didasarkan pada diagram pengaruh pada Gambar
6-4.
Diagram pengaruh menunjukkan proses transformasi input kontrol dan input yang tidak dapat dikontrol
melalui variabel sistem menjadi output. Itu tidak menunjukkan aspek optimisasi. Itu adalah sistem lain. Kami
telah mengidentifikasi input kontrol untuk setiap produk jadi, yaitu ukuran pengisian ulang stok dan titik batas
untuk mengklasifikasikan pesanan pelanggan sebagai besar atau kecil. Pengukuran kinerja sistem dan keluaran
utama yang menarik adalah jumlah biaya operasi atas semua produk LOD. Total ruang lantai gudang yang
dibutuhkan adalah output lain yang menarik.
'Total biaya operasi' agak tidak jelas. Biaya timbul seiring waktu. Tetapi kami tidak terlalu tertarik dengan total biaya
untuk tahun tertentu, katakanlah periode 12 bulan terakhir. Sebaliknya, tujuannya adalah untuk merancang aturan keputusan
untuk masa depan. Karena masa depan itu tidak diketahui, kami menganggapnya akan tetap sama dengan masa lalu —
asumsi yang adil untuk sistem yang stabil seperti LOD. Jadi kami mengambil total biaya rata-rata jangka panjang selama
interval waktu tertentu, seperti satu tahun, sebagai ukuran kinerja. Pilihan ini sewenang-wenang. Interval satu bulan akan
bekerja sama baiknya.
Total biaya operasi terdiri dari biaya-biaya yang berubah saat kita mengubah input kontrol dan biaya-biaya yang
tidak terpengaruh olehnya. Tidak ada gunanya memasukkan yang terakhir saat ini. Mereka selalu dapat ditambahkan
di akhir, jika perlu. Jadi istilah 'biaya operasi total' hanya berhubungan dengan biaya yang, untuk perusahaan secara
keseluruhan, berubah jika kita mengubah input kontrol. Mereka adalah biaya yang relevan.
Lebih lanjut, seperti yang telah kita lihat, biaya total adalah jumlah biaya individual yang dikeluarkan untuk masing-
masing dari 804 produk. Struktur biaya untuk setiap produk pada prinsipnya identik; hanya input data yang berbeda dari
produk ke produk. Jadi yang kita butuhkan hanyalah diagram pengaruh yang mencakup satu produk generik. Setelah
diterjemahkan ke dalam model matematis, model ini dapat diterapkan ke setiap produk secara individual.
Gambar 6-4 adalah diagram pengaruh versi kami. Ini menunjukkan detail lengkap untuk satu produk, saya. Pola yang
sama diulangi untuk semua 803 produk lainnya. Ukuran kinerja keseluruhan (ditunjukkan dengan warna abu-abu di bagian
bawah) adalah jumlah 'total biaya relevan tahunan' individu. Demikian pula, total ruang gudang yang dibutuhkan (juga
ditampilkan dalam warna abu-abu) adalah jumlah dari semua 804 produk.
Kami menemukan bahwa pendekatan termudah adalah pertama memasukkan persegi panjang untuk input
kontrol - dalam kasus kami 'cutoff for large order' dan 'stock replenishment size' - di bagian atas diagram dan oval (s) )
untuk keluaran di bagian bawah. Selanjutnya kami memetakan proses transformasi dalam urutan top-down yang logis.
'Batas waktu untuk pesanan besar' membagi 'pola pesanan pelanggan' - input data - menjadi dua kelompok: pesanan
besar dipenuhi oleh proses produksi khusus dan pesanan kecil dipenuhi dari stok. Oleh karena itu, dua set panah
dikeluarkan dari 'cutoff for large order' dan 'customer order pattern' ke dua variabel sistem 'Large order pattern'
(lingkaran 1) dan ke 'Small order pattern bertemu dari stok' (lingkaran 2). Variabel sistem 'Pola pesanan besar'
menentukan 'Volume tahunan [dipenuhi] oleh produksi khusus berjalan' (3) dan 'jumlah tahunan produksi khusus
berjalan' (4). Ingatlah bahwa produk yang dikirim langsung dari produksi hanya ditangani satu kali. Jadi jika kita tahu
'volume tahunan menurut khusus
produksi berjalan 'dan data input' biaya / unit penanganan produk) kita dapat menentukan 'biaya penanganan tahunan
untuk pelanggan besar' (9). Demikian pula, setiap proses produksi khusus menimbulkan biaya penyiapan. 'Jumlah
tahunan produksi khusus berjalan' dan input data 'biaya penyiapan produksi per batch' menentukan 'biaya penyiapan
tahunan untuk operasi produksi khusus' (10). Variabel sistem 9 dan 10 merupakan kontributor untuk output 'total
biaya tahunan yang relevan' (oval 15). Sebagai latihan, jelaskan semua hubungan lainnya itu sendiri.
Diagram pengaruh memungkinkan kita untuk melacak pengaruh setiap pilihan keputusan pada dua
ukuran keluaran. Pilihan atas semua 804 produk hanya menghasilkan solusi yang layak jika total luas
lantai yang dibutuhkan tidak lebih dari ruang yang tersedia. Jika batasan ini dilanggar, kami harus
mengurangi semua ukuran pengisian ulang stok agar sesuai dengan gudang atau mendapatkan
persetujuan untuk membangun lebih banyak ruang gudang. Jika kita mengusulkan untuk menambah
lebih banyak ruang gudang, kita berurusan dengan proyek baru — evaluasi investasi (dibahas dalam
Bab 10). Perbedaan biaya total antara solusi terbatas (yang sesuai dengan gudang saat ini) dan biaya
solusi optimal tanpa batasan adalah penghematan yang dihasilkan dari pembangunan gudang baru
dengan ukuran yang sesuai. Jika tabungan ini, didiskon selama umur gudang,
6.12 Model matematika
Model matematika mengungkapkan, dalam istilah kuantitatif, hubungan antara berbagai komponen, seperti yang
didefinisikan dalam sistem relevan yang dikembangkan dalam fase perumusan. Terkadang, dimungkinkan untuk
merepresentasikan hubungan ini dalam tabel yang relatif sederhana menggunakan spreadsheet. Seringkali mungkin
lebih mudah atau perlu untuk merumuskan hubungan dengan ekspresi matematika atau seluruh sistem ekspresi
matematika, seperti persamaan (mis. Q = ax + by), ketidaksetaraan (mis ax + oleh <_ c), atau fungsi (mis f (x) = kapak
+ [b / x]).
Sebelum melanjutkan, akan berguna untuk mendefinisikan beberapa terminologi. Aspek yang
dapat dikontrol dari suatu masalah disebut sebagai variabel keputusan atau itu tindakan alternatif, istilah terakhir ini
terutama digunakan jika pilihan yang tersedia terpisah dan biasanya jumlahnya sedikit.
Misalnya, ketika Anda mempertimbangkan untuk mengganti mobil Anda dengan yang lain, alternatifnya mungkin: tidak
melakukan apa-apa (yaitu mempertahankan mobil yang sekarang), atau menggantinya dengan mobil tipe A, B, C, ..., atau K.
A variabel keputusan, di sisi lain, dapat berupa bilangan bulat atau variabel bernilai nyata dalam rentang tertentu. Dalam
masalah LOD, 804 pasangan 'size of a replenishment' dan 'cutoff level untuk mengklasifikasikan pesanan pelanggan sebagai
besar atau kecil', satu set untuk setiap produk, adalah variabel keputusan. Keduanya dapat mengasumsikan
nilai bilangan bulat non-negatif (jumlah wadah, misalnya drum, atau wadah wadah, misalnya karton kaleng liter).
Aspek-aspek yang mengukur seberapa baik tujuan pembuat keputusan dicapai
disebut ukuran kinerja atau mengukur efektivitas. Jika bisa
diekspresikan sebagai fungsi dari variabel keputusan, maka kami biasanya menyebutnya fungsi objektif.
Untuk masalah LOD, ukuran kinerja yang relevan adalah jumlah total biaya tahunan untuk semua
804 produk yang dibawa.
Tujuan kami mungkin untuk menemukan nilai untuk variabel keputusan yang memaksimalkan atau meminimalkan
fungsi tujuan, mana yang relevan. Dalam kasus LOD, kami ingin meminimalkan total biaya tahunan. Ini adalah kriteria
pengoptimalan yang digunakan.
Input yang tidak terkendali sering disebut sebagai parameter, koefisien, atau
konstanta. Misalnya harga pembelian awal dan konsumsi bahan bakar merupakan parameter input dalam
keputusan penggantian mobil, sedangkan nilai suatu produk atau biaya setup produksi merupakan parameter input
pada masalah LOD. Mereka adalah masukan yang tidak terkendali dari sistem atau lingkungan yang lebih luas.
Ekspresi matematika yang membatasi rentang nilai yang dapat diasumsikan oleh variabel keputusan disebut kendala.
Misalnya, Anda dapat memberlakukan kondisi pada ukuran minimum mesin atau pada tingkat konsumsi bahan bakar
maksimum yang harus dipenuhi oleh sebuah mobil untuk menjadi kandidat yang memungkinkan. Demikian pula, jumlah
total ruang lantai gudang yang tersedia untuk menyimpan semua produk dalam masalah LOD mungkin dibatasi hingga
2000 meter persegi. Solusi apa pun, yaitu kombinasi variabel keputusan, yang membutuhkan lebih dari itu tidak layak, yaitu
tidak layak.
Sejak awal 1950-an peneliti menjadi OR keras telah berkembang banyak model
tujuan umum, seperti pemrograman linier dan berbagai ekstensi, model jaringan, seperti
penjadwalan jalur kritis, dan model garis tunggu dan sebagainya. Mereka memiliki struktur matematis
yang jelas dan metode solusi terkait, biasanya dalam bentuk algoritma (Bagian 6.19 memiliki diskusi
singkat tentang metode solusi).
Mereka biasanya disebut sebagai teknik OR dan membentuk inti dari sebagian besar pengajaran OR
dan buku teks.
Untuk masalah yang tidak cocok dengan teknik OR tertentu, analis menggunakan pendekatan proses untuk membangun
a model tujuan khusus dengan struktur yang disesuaikan dengan masalah. Ini mungkin juga berarti merancang teknik
solusi yang sesuai. Masalah seperti itu seringkali lebih sulit untuk dirumuskan dan dipecahkan, tetapi juga menawarkan
lebih banyak tantangan.
Jika semua input dan semua hubungan diketahui dengan pasti, modelnya adalah deterministik.
Jika masukan tertentu tidak pasti atau acak, maka keluaran model juga tidak pasti atau acak. Jika distribusi
probabilitas dapat ditentukan untuk input acak, model yang dihasilkan adalah probabilistik atau
stokastik.
Mengapa membangun model matematika?
Sebuah perusahaan farmasi yang melakukan penelitian untuk mengembangkan pengobatan medis akan menguji
sejumlah besar senyawa atau kombinasi senyawa pada hewan laboratorium, dan kemudian satu atau dua senyawa
yang telah menunjukkan harapan luar biasa juga pada manusia. Sebaliknya, ketika seorang ilmuwan manajemen ingin
menentukan mode operasi terbaik untuk proses yang ada, tidak ada kelinci percobaan yang tersedia, dan eksperimen
pada fasilitas yang ada juga merupakan pilihan yang layak. Ini akan terlalu mengganggu, terlalu berisiko, dan biasanya
terlalu mahal. Seringkali, masalah berkaitan dengan proyek potensial yang masih ada di papan gambar. Karenanya
tes kehidupan nyata tidak genap
bisa jadi. Tetapi bahkan jika pengujian nyata dapat dilakukan, penundaan waktu yang disebabkan oleh pengujian satu konfigurasi,
apalagi beberapa lusin konfigurasi yang berbeda, berarti pengujian di kehidupan nyata tidak mungkin dilakukan. Dalam kebanyakan
kasus, tes semacam itu mungkin memerlukan beberapa bulan atau tahun untuk menjadi konklusif. Jawaban akhir mungkin hanya tersedia
jika masalah sudah lama menjadi tidak relevan! Oleh karena itu, model matematika adalah satu-satunya cara praktis untuk mendapatkan
jawaban atas masalah tersebut dengan cepat dan cukup murah.
Dengan paket pemodelan matematika interaktif saat ini, model semacam itu dapat
dikembangkan dengan cukup mudah — seringkali dalam beberapa jam atau hari analisis. Pengecualian dapat berupa
model yang mencoba untuk mewakili seluruh operasi perusahaan, seperti seluruh perusahaan minyak, yang terdiri
dari ekstraksi minyak mentah, pengangkutan ke kilang, operasi rinci di setiap kilang, dan akhirnya distribusi produk
olahan. Proyek semacam itu mungkin membutuhkan waktu beberapa orang-tahun untuk menyelesaikannya. Biaya
utama adalah gaji para analis.
Model matematika biasanya mudah dimanipulasi. Hal ini memungkinkan eksplorasi
cepat dari efek perubahan input pada fungsi tujuan, terutama dengan bantuan komputer. Berbeda dengan
eksperimen kehidupan nyata, jawaban baru atau yang diperbarui sering kali dapat ditemukan dalam beberapa
detik waktu komputer, meskipun ada beberapa pengecualian penting. Atribut inilah yang membuat model
matematika menjadi pekerja keras OR.
Pertimbangan penting saat membangun model matematika

Saat membangun model matematika, analis harus menjaga sifat penting dari model yang baik, dibahas
dalam Bagian 5.3, dengan tegas di benak mereka. Secara khusus, modelnya harus sesederhana mungkin, sambil
tetap mencakup semua aspek penting. Ini harus kuat dan, di atas segalanya, sesuai untuk situasi dan memberikan
keluaran yang relevan dalam bentuk yang berguna untuk pengambilan keputusan.
Seperti yang telah kita lihat di Bagian 3.5, semua definisi sistem menyiratkan hakim batas. Analis membuat
beberapa dengan sengaja untuk menjaga masalah dalam batas yang dapat dikelola
atau karena kebutuhan karena beberapa aspek mungkin berada di luar kendali mereka. Praktik yang baik
mengharuskan ini dibenarkan dan dicatat secara kritis. Demikian pula, ketika menangkap hubungan struktural sistem,
analis dapat memperkenalkan asumsi atau pertimbangan batas lebih lanjut. Beberapa mungkin tersirat oleh bentuk
model yang digunakan. Sekali lagi, ini penting untuk dievaluasi secara kritis. Apakah mereka sesuai atau cukup
mendekati kenyataan? Bagaimana mereka dapat mempengaruhi keluaran dari model atau bahkan mungkin
membuat beberapa tidak valid?
Dua jenis keputusan batas dapat dibuat tanpa pertimbangan yang disengaja. Yang pertama, validitas penggunaan data
masa lalu untuk memprediksi masa depan, telah tercakup. Penghakiman batas kedua yang umumnya tersirat lebih merusak
dan sulit untuk ditangani. Seperti yang ditunjukkan oleh diskusi tentang efisiensi di Bagian 2.2 dan hierarki sistem di Bagian
3.8, kebanyakan sistem pada kenyataannya hanya merupakan subsistem dari entitas yang lebih besar; mereka berbagi
sumber daya dengan subsistem lain dan menerima masukan dari dan memberikan keluaran ke subsistem lain.
Asumsi implisit yang dibuat ketika 'mengoptimalkan' subsistem tertentu adalah bahwa semua subsistem lainnya sudah
beroperasi secara optimal dan bahwa setiap perubahan yang dibuat tidak akan mempengaruhi itu — pertanyaan yang agak
besar! Disana mungkin
Sedikit analis yang dapat melakukan tentang bagaimana operasi subsistem lain mempengaruhi subsistem mereka, kecuali
membuat mereka yang mengontrol menyadarinya. Namun, penting bagi mereka untuk memeriksa bagaimana perubahan
dalam subsistem mereka dapat mempengaruhi operasi subsistem lainnya. Sedikit yang diperoleh jika perbaikan mereka
menyebabkan kerusakan pada subsistem lain.
Kegiatan: Untuk setiap uraian berikut, tunjukkan apakah itu melibatkan penggunaan model matematika. Jika ya,
identifikasi komponennya, yaitu variabel keputusan, input yang tidak terkendali, output kinerja (termasuk fungsi
tujuan), kendala, dll., Dan diskusikan penilaian batas yang dibuat.
• Tinggi badan laki-laki umur 20 tahun di suatu kota cenderung mengikuti distribusi normal dengan
rata-rata 178 cm dan deviasi standar 4 cm. Kebijakan saat ini menyatakan bahwa semua calon anggota kepolisian harus
memiliki tinggi setidaknya 174 cm. Oleh karena itu, sebagian orang yang tertarik dengan pekerjaan polisi dikecualikan oleh
kriteria ini.
• Jarak lemparan batu tergantung pada berat batu, sudut lemparan, dan kecepatan awal
batu saat lepas dari tangan.
• Jumlah yang bersedia dipertaruhkan oleh penjudi yang kecanduan di kasino.
6.13 Model matematika untuk LOD: pendekatan pertama
Dua bagian berikutnya akan mendemonstrasikan proses pemodelan pengayaan dan reformulasi, yang
dibahas dalam Bagian 5.4.
Kami telah menemukan bahwa satu-satunya hubungan antar produk diberikan oleh batasan pada total ruang
gudang yang tersedia (dan juga kapasitas pencampuran dan pengisian).
Penyederhanaan pertama yang jelas adalah mengabaikan batasan ini. Jika solusi tidak terbatas terbaik untuk semua
produk memenuhi batasan, maka ini tidak membatasi dan mengabaikannya adalah tebakan yang bagus. Jika salah
satu kendala dilanggar, misalnya lebih banyak ruang daripada yang dibutuhkan, kami mencoba memperkaya model
dengan mengubah solusi yang tidak dibatasi secara tepat atau dengan memulai babak baru membangun model yang
lebih komprehensif.
Kami mengidentifikasi dua variabel keputusan: titik potong untuk apa ukuran pesanan pelanggan diklasifikasikan
sebagai besar dan ukuran pengisian ulang stok. Sebagai penyederhanaan pertama, kami lebih suka menangani hanya satu
variabel keputusan per produk. Perhatikan bahwa masalah asli yang diangkat oleh manajer LOD berkaitan dengan ukuran
investasi di saham. Jadi model sederhana pertama kami hanya membahas itu. Memeriksa kembali dengan diagram pengaruh,
sekarang kita hanya mempertimbangkan konsekuensi yang mengikuti dari variabel sistem (2). Ini adalah subsistem pengisian
stok pada Peraga 6-3. Namun, daripada mengabaikan variabel keputusan untuk titik potong, kami memperbaikinya pada nilai
yang berubah-ubah, katakanlah L = 12. Dengan kata lain, kami tidak menggunakannya sebagai variabel keputusan, tetapi
memperlakukannya sebagai input tetap lainnya. Bersama dengan pola pesanan pelanggan secara keseluruhan, menentukan
pola pesanan untuk permintaan yang dipenuhi dari stok, seperti yang ditunjukkan pada diagram pengaruh (Gambar 6-4).
Selanjutnya, subsistem untuk menangani pesanan besar (lingkaran 1, 3,
4, 9, dan 10 pada Gambar 6-4) tidak terpengaruh oleh kebijakan pengisian ulang stok dan dapat diabaikan pada saat ini.
6.13 Model matematika untuk LOD: pendekatan pertama 141
Kami sekarang siap untuk membangun pendekatan pertama dari model matematika untuk LOD. Dari diagram
pengaruh, setiap variabel atau hasil sistem dinyatakan sebagai fungsi dari semua masukan dan / atau variabel sistem
lainnya yang memiliki tanda panah yang berakhir pada variabel atau hasil tersebut. Melanjutkan langkah ke bawah,
kita dapat mengumpulkan ungkapan untuk 'Total biaya tahunan yang relevan untuk produk saya '(oval 15).
Kami mulai sewenang-wenang dengan lingkaran 6. Panah masuk menunjukkan bahwa 'Jumlah tahunan pengisian
kembali stok' adalah fungsi dari volume permintaan tahunan yang dipenuhi
dari stok, dilambangkan dengan D 1 ( awalnya variabel sistem lingkaran 5, tetapi sekarang menjadi
input), dan ukuran pengisian stok, Q ( variabel keputusan tunggal). Yang lebih besar
nilai dari Q, semakin sedikit pengisian yang dibutuhkan untuk memenuhi permintaan itu. Sedikit pemikiran (atau coba-
coba) menunjukkan hal itu
Jumlah pengisian ulang stok tahunan = D 1 / Q.
Biaya penyiapan tahunan untuk pengisian ulang stok (lingkaran 12) adalah fungsi dari
jumlah tahunan pengisian ulang stok (lingkaran 6) dan biaya penyiapan produksi per batch, s. Faktanya, ini adalah produk
dari keduanya:
Biaya penyiapan tahunan untuk pengisian ulang stok = [ D 1 / Q] s.
Gambar yang kaya (Gambar 6-2 di halaman 12 7) menunjukkan bahwa persediaan untuk setiap produk
mengikuti pola gigi gergaji dari waktu ke waktu - setiap kali persediaan diisi oleh pengisian ulang (variabel
keputusan), mereka secara bertahap dikurangi dengan penarikan untuk memenuhi pola pesanan pelanggan kecil
(lingkaran 2). Memperkirakan penarikan saham ini sebagai tingkat konstan, maka setiap gigi adalah segitiga siku-
siku dan karenanya tingkat stok rata-rata adalah setengah tingginya, atau
Tingkat stok rata-rata = 0,5 Q.
Jika setiap unit yang tersedia memiliki nilai v, itu
Investasi saham rata-rata = 0,5 Qv.
Setiap dolar yang diinvestasikan per tahun dikenakan denda sebesar r, begitu
Rata-rata biaya penyimpanan saham = 0,5 Qvr.
Abit pemikiran menunjukkan bahwa lingkaran 14 adalah produk dari dua masukan (ingat bahwa 'Volume tahunan yang
dipenuhi dari stok' adalah masukan dalam perkiraan pertama):
Nilai permintaan tahunan = vD 1
Lingkaran 11 juga merupakan hasil kali dari dua masukan:
Biaya penanganan tahunan untuk pelanggan kecil = h 1 D 1.
Menjumlahkan hasil antara ini memberikan total biaya tahunan yang relevan untuk perkiraan pertama,
dilambangkan dengan T (Q):
T (Q) = 0,5 Qvr + (sD 1 / Q) + h 1 D 1 + vD 1 (6-1)
T (Q) adalah fungsi dari satu variabel keputusan, Q. Secara alami, ini juga merupakan fungsi dari input lain dalam bentuk
parameter biaya dan permintaan. Merupakan kebiasaan untuk tidak menunjukkan ini secara eksplisit sebagai argumen dalam T (Q).
Namun, akan berguna untuk menunjukkan hal itu
T (Q) sebenarnya diekspresikan untuk titik potong tetap tertentu L.
Kriteria keputusan kami adalah menemukan nilai Q yang meminimalkan ekspresi (6-1). Perhatikan bahwa untuk setiap
titik potong tertentu L, dua bagian terakhir dari (6-1) adalah konstanta yang tidak bergantung pada variabel keputusan Q.
Karenanya nilai Q yang meminimalkan (6-1) sama dengan meminimalkan
T (Q) = 0,5 Qvr + (sD 1 / Q)

(6-1A)
Dengan kalkulus diferensial dapat ditunjukkan bahwa nilai optimal Q yang
meminimalkan (6-1A) diberikan oleh
(6-2)
Ekspresi (6-2) dikenal sebagai Rumus Kuantitas Pesanan Ekonomis (EOQ).

Ini adalah model kontrol inventaris ATAU yang paling sederhana, tetapi juga yang paling banyak digunakan. Faktanya, ini adalah model yang
digabungkan dalam sebagian besar paket perangkat lunak manajemen inventaris yang tersedia secara komersial.
Perhatikan contoh berikut: suatu produk Y memiliki permintaan total dalam drum dari D = 7132.
Untuk titik potong L = 12, hanya D 1 = 4140 dipenuhi dari stok, sisanya dipenuhi dengan produksi
khusus. Nilai produk adalah v = $ 320 / drum, produksi biaya penyiapan s = $ 18, dan penalti biaya
penyimpanan r = $ 0,18 / $ diinvestasikan / tahun. Dengan
Ekspresi (6-2), EOQ optimal adalah
Sejak Q adalah bilangan bulat, kami membulatkan menjadi 51. Dengan (6-1A) biaya tahunan yang relevan adalah
T (EOQ) = 0,5 (51) 320 (0,18) + 18 (4140/51) = $ 2.930.
Aktivitas: Untuk input data berikut: D 1 = 3600, s = $ 20, v = $ 15, r = 20%,

h 1 = $ 0,50, tentukan
• total biaya tahunan yang relevan T (Q) untuk Q = 300.
• optimal Q * = EOQ dan total biaya tahunan yang terkait T (Q *).
6.14 Pendekatan kedua untuk model LOD

Untuk perkiraan pertama, kami memperbaiki titik potong untuk mengklasifikasikan pesanan pelanggan secara sewenang-wenang di L
= 12. Ini memungkinkan kami menemukan bahwa rumus EOQ dapat digunakan
untuk menemukan ukuran pengisian ulang stok yang optimal Q. Volume permintaan tahunan terpenuhi
dari stok, D 1, adalah salah satu parameter input dari rumus EOQ. Rumus itu
masih berlaku meskipun D 1 perubahan, misalnya, sebagai akibat dari perubahan titik potong L. Maka tidak mungkin
menemukan nilai-nilai gabungan terbaik Q dan L dengan sederhana
proses pencacahan? Baik! Untuk semua kemungkinan nilai itu L dapat berasumsi bahwa kami menentukan nilai optimal dari
Q dan juga menghitung total biaya yang terkait dengan kombinasi yang sesuai L dan Q. Biaya terendah dari total biaya ini
akan memungkinkan kami untuk mengidentifikasi nilai-nilai optimal bersama L dan Q.
Sebuah fitur menarik muncul. Model sederhana pertama yang dikembangkan untuk
menemukan ukuran pengisian stok yang optimal menjadi sub model dari model baru. Seperti itu
bersarang dari satu model di dalam model lain cukup sering terjadi.
Total biaya sekarang juga harus mencakup biaya yang terkait dengan proses produksi khusus. Karena ini adalah
fungsi dari dua variabel keputusan, L dan Q, kami akan menandainya sebagai T (L, Q). Diagram pengaruh pada
Gambar 6-4 menunjukkan bahwa ada dua biaya tambahan yang terkait L, biaya penyiapan tahunan untuk proses
produksi khusus (lingkaran 10) dan biaya penanganan tahunan untuk pesanan pelanggan besar (lingkaran 9). Berikut
adalah ekspresi yang sesuai:
Biaya penanganan tahunan untuk pelanggan besar = h 2 D 2,
dimana D 2 adalah permintaan tahunan dari pelanggan besar, yaitu jumlah pesanan sama atau lebih besar dari L, dan h 2
adalah biaya penanganan unit yang sesuai, dan
Biaya penyiapan tahunan untuk produksi khusus berjalan = sN,
dimana N menunjukkan jumlah tahunan produksi khusus yang dijalankan untuk pesanan pelanggan besar. Ini diberikan oleh jumlah
pesanan pelanggan sama dengan atau lebih besar dari L. Untuk apapun
diberikan L, kedua D 2 dan N dapat dengan mudah ditentukan.
Total biaya relevan untuk T (L, Q) Oleh karena itu sebagai berikut:
T (L, Q) = [sN] + [jam 2 D 2] + [ 0,5 Qvr + sD 1 / Q] + [h 1 D 1] (6-3)
Biaya penanganan tahunan untuk pelanggan kecil meningkat atau menurun sebagai titik potong L meningkat
atau menurun. Berbeda dengan model EOQ sederhana, dimana biaya ini tetap konstan dan dapat diabaikan,
sekarang dipengaruhi oleh salah satu variabel keputusan dan menjadi bagian dari total biaya yang relevan.
6.15 Menjelajahi ruang solusi untuk T (L, Q)

Gambar 6-5 menunjukkan keluaran dari spreadsheet untuk produk Y. Ini menghitung, untuk berbagai
nilai L, nilai optimal terkait dari Q ( menggunakan rumus EOQ), dan berbagai komponen biaya, serta
total biaya yang relevan.
Nilai produk tahunan tetap konstan untuk semua kombinasi L dan
6.15 Menjelajahi ruang solusi untuk T (L, Q) 145
Q. Oleh karena itu, ini bukan biaya yang relevan bahkan untuk model yang lebih lengkap ini dan tidak ditampilkan
secara eksplisit dalam spreadsheet. Biaya terendah $ 11.494 diperoleh untuk kombinasi L = 20 dan Q = 61.8. Namun,
keduanya L dan Q harus bilangan bulat. Begitu
Q dibulatkan ke bilangan bulat terdekat 62. Oleh karena itu, kebijakan yang optimal adalah memenuhi semua ukuran pesanan
pelanggan L = 20 dan lebih besar dengan menjadwalkan proses produksi
khusus, memasok pesanan pelanggan kurang dari 20 dari stok, dan mengisi ulang inventaris pada Q = 62 setiap kali tidak
mencakup pesanan pelanggan kecil terakhir yang diterima. Ini terjadi setiap hari ketiga.
Volume permintaan yang dipenuhi dari stok adalah 6108 drum. Keseimbangan 1024 dipasok oleh proses produksi khusus.
Ternyata barang disimpan di palet yang masing-masing terdiri dari empat drum. Oleh karena itu, manajemen mungkin lebih suka
menggunakan a Q yaitu kelipatan 4. Kebijakan sebenarnya yang direkomendasikan kemungkinan besar adalah pasangan ( L = 20, Q =
60). Verifikasikan bahwa total biaya relevan tahunan yang sesuai adalah
T (L = 20, Q = 60) = $ 756 + $ 7.280 + $ 3.560 = $ 11.495,
atau sekitar satu dolar lebih besar dari biaya minimum.

Gambar 6-6 menunjukkan total biaya relevan sebagai fungsi dari L. Perhatikan bahwa ini cukup datar. Oleh karena itu,
sedikit penyesuaian pada nilai optimal L dan Q, sehingga memiliki lebih banyak angka 'menarik', hanya akan menyebabkan
kenaikan biaya yang dapat diabaikan di atas total biaya relevan minimum.
Bagaimana model kedua membandingkan dari segi biaya dengan kebijakan L = 12 dan Q = 80 saat ini digunakan oleh
LOD? Dengan ekspresi (6-3), total biaya tahunan yang relevan dari kebijakan saat ini sama dengan
Gambar 6-6 Total biaya yang relevan T (L, Q) untuk produk Y.
total
penanganan
EOQ
pengaturan khusus
T (L = 12, Q = 80) = (18) 187 + (0,45) 2992 + [0,5 (80) 320 (0,18)
+ (18) 4140/80] + (1,10) 4140 = $ 12,502
atau sekitar $ 1007 lebih tinggi daripada kebijakan yang direkomendasikan untuk model kedua — penghematan yang
cukup besar. Selanjutnya, investasi rata-rata dalam saham berkurang $ 3.200, pengurangan 25%. (Verifikasi angka-
angka ini, menggunakan ekspresi (6-3).)
Apakah ada aspek yang belum ditangkap oleh model kedua? Karena menangani
masing-masing produk secara terpisah, maka kendala kapasitas produksi dan ruang gudang masih diabaikan. Namun
seperti yang telah kami uraikan, hal tersebut hanya akan dipertimbangkan setelah kebijakan optimal telah
ditemukan untuk semua produk. Pada titik itu, pengaruh keseluruhan pada kapasitas kemudian dapat dinilai. Jika tidak,
model tersebut tampaknya merupakan representasi yang baik dari situasi nyata.
Masih ada beberapa kemungkinan untuk merampingkan model. Beberapa dari Anda mungkin
bertanya-tanya apakah LOD akan membuat lebih dari satu produksi khusus dijalankan jika beberapa pelanggan memesan ukuran L atau
lebih besar diterima untuk produk yang sama pada hari tertentu. Mengapa tidak menggabungkannya menjadi satu proses yang lebih besar
dan membaginya hanya pada saat pengiriman, sehingga menghemat biaya penyiapan produksi?
Menggabungkan pesanan menghasilkan ide baru. Jika satu atau lebih pesanan pelanggan kecil
juga diterima pada hari yang sama dengan pesanan pelanggan besar, semuanya dapat digabungkan menjadi satu proses
produksi khusus yang besar. Oleh karena itu, bahkan beberapa pesanan kecil dalam kasus seperti itu akan terpenuhi tanpa
barang melalui tahap persediaan. Efek dari ini adalah bahwa sebagian kecil lebih besar dari total permintaan dipasok oleh
proses produksi khusus, yang mengarah ke penurunan kecil lebih lanjut dalam investasi saham.
Perluasan logis dari gagasan ini menjadi sangat jelas. Daripada melihat pesanan pelanggan tunggal untuk memutuskan
apakah akan menjadwalkan proses produksi khusus atau tidak, semua pesanan pelanggan untuk hari tertentu dijumlahkan,
terlepas dari ukurannya. Jika total ini sama dengan atau lebih besar dari titik batas, semua pesanan yang diterima pada hari
itu dipasok oleh proses produksi khusus. Jika totalnya kurang dari titik potong, mereka dipasok dari stok. (Perhatikan bahwa
batas optimal untuk kebijakan yang dimodifikasi ini mungkin tidak sama dengan titik batas yang paling baik ditemukan untuk
model asli.) Jadi, kami melihat peluang untuk putaran pengayaan lainnya.
Ini adalah contoh menghasilkan bentuk kebijakan baru - selalu merupakan aspek yang menarik dari pemodelan
ATAU. Perpanjangan ini sebenarnya diadopsi. Aspek yang menguntungkan adalah model yang sama dapat menangani
ekstensi ini. Satu-satunya perbedaan adalah data permintaan sekarang harus dikompilasi dalam bentuk distribusi frekuensi
permintaan harian, bukan dalam distribusi ukuran pesanan. Agar tidak semakin memperumit masalah, kami akan,
bagaimanapun,
mengabaikan ekstensi ini di sini dan mendasarkan semua diskusi lebih lanjut pada aslinya T (L, Q) - model yang dikembangkan
sebelumnya.
Kemungkinan lain adalah memanfaatkan proses produksi khusus untuk juga mengisi
kembali stok untuk produk itu. Hal ini selanjutnya akan mengurangi biaya penyiapan produksi dan pada saat yang
sama juga menurunkan ukuran pengisian ulang stok. Model ketiga ini dieksplorasi dan ditinggalkan, karena upaya
komputasi yang diperlukan untuk menemukan solusi optimal menjadi penghalang.
6.16 Pengujian model LOD 147
Kegiatan: Menggunakan ekspresi 6-3 di Bagian 6-14, verifikasi hasil pada Gambar 6- 5 untuk titik potong 8.
6.16 Menguji model LOD

Model LOD didasarkan, setidaknya sebagian, pada teori pengendalian produksi / inventaris yang telah teruji dengan baik.
Oleh karena itu, validitas eksternalnya tidak diragukan lagi. Validitas internal diuji dengan memverifikasi kalkulasi
spreadsheet secara manual untuk produk tipikal.
Pengujian solusi model LOD kedua untuk kinerjanya cukup banyak mengikuti
langkah-langkah yang diuraikan dalam proposal proyek (Lampiran 1). Produk 804 dikelompokkan ke dalam empat
kelas: tiga kelas untuk oli pelumas dan satu untuk semua gemuk. Klasifikasi minyak didasarkan pada distribusi
menurut volume nilai penjualan tahunan — metode yang biasa digunakan untuk mengelompokkan produk untuk
tujuan pengendalian produksi / inventaris. Produk Kelas A volume tinggi terdiri dari kelompok produk dengan
penjualan terbesar yang mencapai sekitar 50% dari total nilai penjualan tahunan, produk Kelas C volume rendah
terdiri dari produk dengan penjualan paling lambat yang mencapai sekitar 10% dari total nilai penjualan . Semua
produk lainnya termasuk dalam kelas B volume sedang.
Biasanya, rincian jumlah produk di setiap kelas kira-kira 10% untuk A, 40% untuk B, dan 50% untuk C.
Sampel acak bertingkat sekitar 5% dari semua produk dianggap sesuai. Menetapkan
ukuran setiap subsampel yang proporsional dengan volume nilai penjualan tahunan mengakui fakta bahwa
semakin besar volume penjualan suatu produk, semakin besar potensi penghematannya. Hasilnya ditunjukkan
pada Lampiran 2 pada bab ini. Mereka menunjukkan bahwa penghematan biaya tahunan yang diharapkan
berjumlah lebih dari $ 90.000.
Karena pengujian dilakukan produk per produk, aspek penting lainnya, seperti variasi beban kerja harian untuk pencampuran dan
pengisian serta penggunaan ruang gudang, tidak dapat diamati. Namun, ekstrapolasi kasar penggunaan kapasitas setiap tahun
menunjukkan beban kerja yang serupa dengan yang ada saat ini. Hal ini disebabkan oleh dua perubahan yang berlawanan dalam pola
operasi yang saling membatalkan secara dekat. Kebijakan yang diusulkan secara umum memiliki titik potong yang lebih tinggi dan
karenanya penggunaan kapasitas yang lebih sedikit untuk operasi produksi khusus, tetapi mereka memiliki pengisian ulang stok yang
lebih kecil dan karenanya memiliki penggunaan kapasitas yang lebih tinggi untuk bagian operasi tersebut.
6.17 Analisis sensitivitas dan kesalahan dari solusi LOD

Setelah solusi optimal ditemukan, dua masalah lebih lanjut perlu ditangani:
1. Bagaimana solusi optimal menanggapi perubahan parameter input?
2. Apa kesalahan, dalam hal kehilangan manfaat atau tabungan, yang terjadi karena menggunakan model berdasarkan
nilai yang salah untuk parameter input?
Meski keduanya bisa disebut analisis sensitivitas, kami memesan istilah ini untuk yang pertama, sedangkan
yang kedua lebih tepat disebut sebagai analisis kesalahan.
Analisis sensitivitas
Analisis sensitivitas mengeksplorasi bagaimana solusi optimal menanggapi perubahan dalam parameter masukan tertentu, menjaga
semua masukan lainnya tidak berubah. Kami akan mendemonstrasikan ini menggunakan ekspresi biaya total (6-1A). Jika ekspresi (6-
2) dimasukkan ke dalam (6-1A) dan disederhanakan dan diatur ulang, kita dapatkan
(6-4)
(Ekspresi (6-4) hanya berlaku untuk yang optimal EOQ, bukan untuk nilai lain dari Q!)
Bagaimana ekspresi (6-2) dan (6-4) menanggapi perubahan parameter input
D, s, v, dan r? Asumsikan bahwa salah satunya berubah oleh suatu faktor k, yaitu [nilai baru] = [nilai asli] × k.
Kemudian T (Q) berubah dengan faktor , sedangkan EOQ berubah faktor
untuk D dan s, tetapi faktor 1 /. untuk v dan r. Jadi, 50% ( k = 1,5) peningkatan
permintaan atau biaya setup meningkatkan keduanya EOQ dan biaya totalnya dengan faktor =
1,225, atau sekitar 22,5%. Tetapi peningkatan produk sebesar 50% nilai mengurangi EOQ dengan faktor 1 /
= 0.8165 atau 18.35% (100% - 81.65%),
sementara T (Q) masih meningkat 22,5%. Untuk peningkatan jangka pendek yang lebih sederhana dan lebih
mungkin dalam permintaan, katakanlah, 5%, kenaikan dalam EOQ dan biayanya hanya sekitar
2,5%.
Analisis sensitivitas memiliki tiga tujuan utama:
1. Jika solusi optimal relatif tidak sensitif terhadap perubahan parameter input yang cukup besar,
solusi dan modelnya dikatakan kuat. Ini meningkatkan kredibilitas model. Pengambil keputusan
dan pengguna dapat lebih percaya pada validitas dan kegunaan model. Itu benar untuk model
EOQ.
2. Untuk sumber daya yang langka, analisis sensitivitas menemukan informasi tentang nilai jumlah tambahan dari
setiap sumber daya. (Ini adalah konsep yang sangat penting bagi ekonomi dan OR dan dibahas lebih rinci di Bab
13.) Jadi, jika ruang gudang ternyata terbatas, maka analisis sensitivitas sehubungan dengan ruang gudang akan
memberi tahu kita berapa banyak total biaya akan berubah.
3. Mungkin ada ketidakpastian yang cukup besar tentang nilai beberapa data masukan. Analisis sensitivitas digunakan
untuk mengeksplorasi bagaimana solusi optimal berubah sebagai fungsi dari data tersebut. Jika solusi terbaik tetap
tidak berubah atau hanya sedikit terpengaruh untuk penyimpangan yang cukup besar dari data ini dari kisaran yang
paling mungkin, maka pembuat keputusan dapat menaruh kepercayaan besar pada solusi tersebut. Di sisi lain,
sensitivitas tinggi dari solusi terbaik untuk perubahan kecil pada data ini akan menjadi sinyal kehati-hatian. Upaya
yang lebih besar harus dilakukan untuk mendapatkan perkiraan yang sangat akurat untuk data tersebut atau sebagai
gantinya, kebijakan keamanan bermain diterapkan.
6.17 Analisis sensitivitas dan kesalahan dari solusi LOD 149
Aktivitas: Nilai saat ini adalah: D = 4140, s = $ 18, v = $ 320, r = 0.18. Temukan persentase perubahan
yang optimal EOQ dan biaya minimum terkait T (EOQ) untuk:
• perubahan permintaan tahunan D dari 4140 hingga 2070.
• penurunan biaya tahunan per dolar yang diinvestasikan r dari $ 0,18 menjadi $ 0,09. Bisakah Anda menjelaskan mengapa ada
perubahan T (EOQ) sama dalam kedua kasus, sedangkan perubahan pada EOQ berada di arah yang berlawanan?
Analisis kesalahan
Banyak dari parameter masukan diperkirakan pada data masa lalu. Mereka kemudian digunakan untuk mengoptimalkan
operasi di masa mendatang. Tidak ada jaminan bahwa masa depan akan sama dengan masa lalu. Misalnya, permintaan akan
suatu produk dapat meningkat atau menurun secara signifikan. Biaya penyimpanan dapat meningkat karena kenaikan suku
bunga di seluruh dunia, dll. Jadi, parameter input yang diperkirakan tidak tepat mungkin telah digunakan dalam model.
Solusi 'optimal' yang diturunkan atas dasar itu hanya optimal di atas kertas, tetapi tidak pada kenyataannya. Berapa
penggunaan biaya input data yang salah dalam hal hilangnya manfaat potensial atau potensi penghematan? Analisis
kesalahan mengeksplorasi aspek ini.
Ucapkan nilai (salah) p sebenarnya digunakan sama dengan k dikalikan nilai yang benar P, atau
p = kP. k < 1 berarti lebih kecil, dan k> 1 berarti lebih besar dari nilai yang benar. Persentase kenaikan
biaya sebenarnya atas t biaya minimum diberikan oleh
{[( k + 1) / 2 ] - 1} × 100%
Fakta yang agak mengejutkan muncul. Persentase kesalahan ini hanya merupakan fungsi dari k dan bukan nilai parameter
yang sebenarnya. Tabel di bawah mencantumkan beberapa contoh:
Nilai dari k
0.2 0,5 0.8 1.2 1.5 2 4
tersirat% kesalahan dalam parameter
digunakan dari nilai yang benar
- 80% –50% –20% + 20% + 50% + 100% + 300% 34%
kenaikan biaya melebihi minimum
6,1% 0,6% 0,4% 2,1%
6,1% 25%
Misalnya, melebih-lebihkan salah satu dari D, s, v, atau r sebesar 100% menghasilkan peningkatan biaya aktual yang dikeluarkan
melebihi biaya seminimal mungkin yang hanya 6,1%. Angka-angka ini menunjukkan bahwa EOQmodel sangat tidak sensitif terhadap
kesalahan yang cukup besar dalam parameter masukan, yang menegaskan kembali ketahanannya. Ada sedikit kebutuhan untuk
prakiraan permintaan yang sangat canggih dan karenanya sangat akurat ketika menggunakan model EOQ, juga tidak ada kebutuhan
untuk memperkirakan berbagai parameter biaya dengan tingkat akurasi yang tinggi.
Analisis kesalahan dilakukan karena dua alasan utama:
1. Menentukan akurasi yang dibutuhkan untuk mengestimasi input data; semakin sensitif solusinya untuk memasukkan
kesalahan, semakin akurat parameter masukan yang dibutuhkan.
2. Untuk menetapkan rentang kendali untuk perubahan di semua parameter masukan di mana kebijakan optimal saat
ini tetap mendekati optimal; selama parameter masukan tetap dalam batas ini, tidak perlu menghitung ulang
kebijakan yang optimal. Keuntungan atau penghematan terlalu kecil untuk menjamin biaya pembaruan. Ini
adalah im-
masukan penting untuk langkah 9 dari metodologi OR keras, yaitu, kontrol dan pemeliharaan
solusi.
, menentukan persentase kesalahan dalam biaya sebenarnya yang timbul untuk biaya penyiapan yang salah digunakan sebesar $ 14,40 dan $ 25,90, dan denda bia
6.18 Laporan dan implementasi proyek

Kami sekarang siap untuk menyiapkan laporan proyek. Mengingat proyeksi penghematan bersih yang menguntungkan, laporan tersebut
merekomendasikan untuk memperpanjang studi pendahuluan untuk semua produk. Pelajari sekarang versi laporan proyek kami di
Lampiran 2. Catat lagi formatnya.
Laporan proyek juga menyentuh implementasi, khususnya fakta bahwa efek kebijakan baru akan
terjadi secara bertahap, karena semakin banyak stok produk jatuh dalam kisaran baru Q
direkomendasikan oleh kebijakan.
Faktor manusia menjadi pertimbangan penting yang perlu memasuki perencanaan pelaksanaan dan
transisi itu sendiri. Bab 8 membahas aspek-aspek ini secara lebih rinci.
6.19 Mendapatkan solusi untuk model

Solusi optimal untuk model EOQ diturunkan dengan kalkulus, tetapi kita bisa menggunakan trial and error. Untuk
banyak model matematika dibutuhkan pendekatan yang lebih kuat. Kami meninjau secara singkat pendekatan umum
yang digunakan dalam MS / OR.
Pencacahan
Jika jumlah tindakan alternatif relatif kecil, katakanlah dalam puluhan daripada ribuan, dan upaya
komputasi untuk mengevaluasi setiap alternatif relatif kecil, seperti dalam kasus LOD, kemudian
menemukan solusi optimal hanya dengan mengevaluasi ukuran kinerja. untuk setiap tindakan alternatif
atau setiap nilai diskrit dari variabel keputusan mungkin sederhana dan cepat. Solusi terbaik adalah
solusi yang mencapai nilai terbaik dari ukuran kinerja - nilai minimum atau maksimum, mana saja yang
sesuai dengan tujuannya.
Pencacahan biasanya digunakan jika masalah berkaitan dengan situasi satu kali saja. Daripada menghabiskan banyak
sumber daya dalam waktu dan dana untuk mengembangkan pendekatan solusi yang lebih elegan dan efisien, pencacahan
mungkin menjadi cara termurah untuk menemukan alternatif terbaik.
Metode pencarian
Jika ukuran kinerja yang akan dioptimalkan berupa fungsi obyektif dalam satu atau beberapa variabel
keputusan, berbagai metode pencarian dapat mengurangi komputasi.
upaya nasional untuk menemukan solusi yang optimal. Beberapa metode pencarian yang berhasil
didasarkan pada gagasan untuk secara berturut-turut menghilangkan semakin banyak ruang solusi yang telah
diidentifikasi sebagai tidak mengandung solusi optimal sampai interval kecil yang sewenang-wenang tetap
berisi solusi optimal. Untuk alasan ini mereka disebut metode eliminasi interval. Beberapa dari metode
eliminasi interval yang lebih terkenal yang dikembangkan oleh matematikawan telah diberi nama yang
berwarna-warni, seperti 'pencarian bagian emas'. Metode eliminasi interval, bagaimanapun, hanya bekerja
jika fungsi tujuan berperilaku baik. Jika fungsi objektif hanya berisi satu variabel keputusan, ini menyiratkan
bahwa fungsinya berbentuk U atau unimodal, yaitu hanya memiliki satu maksimum tunggal (untuk masalah
maksimalisasi) atau satu minimum (untuk masalah minimisasi),
Metode solusi algoritmik

Metode solusi yang paling kuat didasarkan pada file algoritma. Ini adalah serangkaian operasi
logika dan matematika yang dilakukan berulang kali dalam urutan tertentu. Setiap pengulangan aturan
disebut pengulangan. Untuk memulai algoritme, solusi awal harus disediakan. Pada iterasi pertama,
solusi yang masuk diperbaiki, menggunakan aturan algoritme. Solusi baru yang dihasilkan menjadi
solusi masuk untuk iterasi berikutnya. Proses ini diulangi sampai kondisi tertentu - disebut sebagai
menghentikan aturan - puas. Aturan penghentian ini menunjukkan bahwa solusi optimal telah
ditemukan, atau bahwa tidak ada solusi yang layak dapat diidentifikasi (jika solusi awal yang disediakan
juga tidak layak), atau bahwa jumlah iterasi maksimum tertentu telah tercapai atau jumlah maksimum
komputer waktu telah terlampaui. Kebanyakan metode pencarian didasarkan pada beberapa
algoritma. Gambar 6-7 merangkum pendekatan ini sebagai diagram alir.
Untuk menjadi metode solusi praktis, algoritme harus memenuhi empat properti:
1. Setiap solusi yang berurutan harus merupakan perbaikan dari yang sebelumnya.
2. Solusi yang berurutan harus bertemu, yaitu semakin dekat ke solusi optimal.
3. Konvergensi yang mendekati solusi optimal harus terjadi dalam jumlah iterasi yang wajar.
4. Upaya komputasi pada setiap iterasi harus cukup kecil agar tetap dapat diterima secara
ekonomi.
Untuk hampir semua masalah kehidupan nyata, perhitungan selalu harus dilakukan oleh komputer.
Banyak teknik MS / OR tujuan umum, seperti pemrograman linier (dibahas dalam Bab 14), menggunakan
algoritme untuk menemukan solusi optimal. Mengenal sepenuhnya algoritme ini biasanya merupakan bagian
utama dari sebagian besar kurikulum universitas MS / OR.
Metode klasik kalkulus

Dalam beberapa contoh, metode klasik matematika, khususnya diferensial
Gambar 6-7 Diagram alir umum untuk suatu algoritme.
Memulai
MULAILAH
larutan
Transformasi
aturan
saya
T
E
R
SEBUAH
Baru
T larutan
saya
HAI
N
Henti
aturan
TIDAK puas?
IYA
BERHENTI
kalkulus, dapat digunakan untuk mencari solusi optimal. Ini adalah kasus untuk masalah yang melibatkan fungsi objektif
dengan satu atau dua variabel keputusan yang dapat mengasumsikan bilangan real apa pun, seperti kasus untuk EOQ.
Ide dasarnya dapat dengan mudah dipahami secara grafis. Pertimbangkan fungsi berbentuk U. f (x) dalam variabel x
dari Gambar 6-8. Ini pertama kali menurun sebagai x meningkat dari Sebuah untuk b dan kemudian meningkat sebagai x
meningkat lebih lanjut. Wawasan tambahan diperoleh dengan mempelajari bagaimana kemiringan fungsi berubah
sebagai x meningkat. Kemiringan fungsi di titik mana pun x = p hanya diberikan oleh tangen ke fungsi pada titik
tersebut p. Amati itu di sebelah kiri b, garis singgung miring ke bawah, yaitu kemiringannya negatif, sedangkan ke
kanan b itu miring ke atas, artinya kemiringannya positif. Sebagai x meningkat dari Sebuah, lereng menjadi semakin
negatif, di b itu sendiri itu horizontal atau 0, dan sebagai x menjauh dari b itu menjadi semakin positif. Minimum f
(x) diasumsikan pada b, di mana kemiringannya 0. (Namun, perhatikan bahwa mungkin ada titik lain di mana
kemiringan fungsinya adalah nol dan di mana tidak ada minimum atau maksimum yang terjadi!)
Itu turunan dari f (x) mengukur kemiringan. Ini dilambangkan dengan d f (x) / d x atau hanya dengan
f '(x). Untuk menentukan minimum, kami mencari turunannya f '(x) dan tentukan nilainya
dari x 0 untuk itu f '(x) = 0. (Kami juga memeriksanya f (x 0) adalah minimum dengan memverifikasi nilai itu x hanya
kurang dari x 0 turunannya negatif, sedangkan untuk nilai x hanya lebih besar dari x 0 itu positif.)
Gambar 6-8 Fungsi dan turunannya.
f (x)
Penalaran analogi dapat digunakan untuk menemukan fungsi maksimal yang memiliki bentuk U terbalik.
Kami menyerahkan kepada Anda untuk mengerjakan detailnya.
Metode solusi heuristik

Beberapa model memiliki tingkat kerumitan tertentu, atau secara komputasi sangat sulit, sehingga tidak
mungkin untuk menemukan solusi optimal dengan sarana komputasi yang tersedia saat ini. Ada juga contoh
di mana dimungkinkan untuk menemukan solusi optimal, tetapi manfaat potensial tidak membenarkan upaya
komputasi yang diperlukan. Metode solusi heuristik mungkin menjadi satu-satunya alternatif praktis.
Metode heuristik menggunakan kecerdasan, kreativitas, intuisi, dan pengalaman pikiran manusia untuk menemukan solusi yang
baik atau untuk memperbaiki solusi yang ada. Ini adalah proses mempelajari bagaimana fungsi tujuan menanggapi berbagai strategi
solusi dan kemudian menggunakan wawasan yang diperoleh untuk merancang atau menemukan aturan solusi yang lebih baik. Kadang-
kadang dimungkinkan untuk menemukan penjelasan mengapa aturan berhasil untuk menemukan solusi yang baik atau bahkan solusi
terbaik. Di lain waktu, mereka dapat diadopsi hanya karena percobaan menunjukkan bahwa mereka berhasil.
Kita semua menggunakan pemecahan masalah heuristik dalam kehidupan kita sehari-hari. Misalnya, anggaplah Anda ingin
melakukan perjalanan dari titik A ke titik B. Anda tahu bahwa secara umum cara terpendek untuk mencapai tujuan Anda adalah
menempuh rute yang sedekat mungkin dengan garis lurus.
bisa jadi. Namun, pengalaman juga memberi tahu Anda bahwa perjalanan melalui pusat kota itu lambat. Melakukan jalan memutar di
sekitarnya, mungkin menggunakan sistem satu arah, lebih cepat meskipun jaraknya lebih jauh. Anda juga dapat menemukan jalan
samping dengan sedikit lalu lintas yang memungkinkan Anda melakukan perjalanan pada batas kecepatan, daripada diperlambat.
Saat mengemas kotak dengan berbagai ukuran ke dalam wadah, Anda akan menemukan setelah beberapa percobaan bahwa kecuali Anda
memasukkan kotak terbesar ke dalam wadah terlebih dahulu, Anda mungkin tidak dapat memasukkannya nanti. Jadi wawasan yang didapat adalah
bahwa yang terbaik adalah meletakkan kotak terbesar ke
dalam wadah terlebih dahulu, dan kemudian mengisi ruang dengan yang lebih kecil.
Meskipun terkadang mungkin untuk membuktikan bahwa metode solusi heuristik yang diberikan
menemukan solusi yang optimal, hal ini tidak dapat dijamin. Analis mungkin harus puas dengan
menemukan solusi yang baik, bukan solusi yang optimal.
Peraih Nobel Amerika untuk Ekonomi yang terkenal, Herbert Simon, menciptakan kata ' kepuasan ' untuk ini. Jadi,
metode solusi heuristik biasanya dikaitkan dengan kepuasan, bukan pengoptimalan.
Simulasi
Seperti yang telah kita lihat di Bab 3, perilaku suatu sistem dapat secara akurat dijelaskan oleh bagaimana keadaan
sistem berubah dari waktu ke waktu. Menyimpan catatan rinci tentang perubahan status ini dan mengekstrak statistik
tentang nilai rata-rata variabel kritis dapat memberikan informasi yang berguna tentang kinerja sistem dalam
menanggapi kebijakan operasi yang berbeda. Mengumpulkan data semacam itu dari pengamatan sistem 'nyata'
mungkin tidak dapat dilakukan karena sejumlah alasan - mungkin terlalu mahal atau terlalu memakan waktu, atau
sistem mungkin belum ada, dll. Jadi kami meniru, selangkah demi selangkah, bagaimana sistem akan berperilaku
seiring waktu. Ini dapat dilakukan dengan kertas dan pensil, tetapi biasanya lebih efisien dengan komputer. Peniruan
seperti itu disebut
simulasi. Untuk sistem dinamis yang kompleks, terutama jika mereka juga melibatkan aspek acak, simulasi mungkin
satu-satunya cara untuk mengumpulkan informasi tentang bagaimana sistem bekerja di bawah berbagai kebijakan. Sekali
lagi, untuk penyelesaian masalah heuristik, semua analis dapat mengharapkan untuk dapat mengidentifikasi kebijakan yang
baik, daripada yang optimal.
Simulasi adalah salah satu alat yang lebih penting untuk analis MS / OR. Ini tidak hanya digunakan untuk
mengidentifikasi solusi yang baik, jika bukan solusi optimal, tetapi juga merupakan sarana yang ideal untuk memverifikasi
seberapa baik solusi yang diperoleh dengan metode lain mungkin untuk bekerja di dunia nyata, serta mendemonstrasikan
solusi kepada pemilik masalah dan pengguna bermasalah.
Simulasi dibahas secara rinci di Bab 17 dan Bagian 18.6 dan 18.7.
6.20 Refleksi pada metodologi OR keras

Kita telah melihat bahwa Fase 1 dari metodologi OR keras diakhiri dengan definisi sistem yang relevan untuk
masalah yang diminati. Tahap 2 mengambil sistem itu dan menerjemahkannya ke dalam model matematika.
Kemudian menerapkan metode matematika untuk menemukan 'solusi', biasanya yang mengoptimalkan beberapa
ukuran kinerja. Beberapa dari
6.20 Refleksi pada metodologi OR keras 155
Metode yang digunakan adalah metode tradisional, seperti kalkulus, sedangkan metode lain telah dikembangkan secara khusus
untuk tujuan ini, seperti pemrograman linier, pemrograman dinamis, berbagai teknik pencarian, simulasi, dan sebagainya.
Seringkali solusinya ditemukan dengan coba-coba dengan bantuan spreadsheet.
Sungguh mengungkapkan untuk melihat proses ini sebagai urutan sistem yang terkait, di mana keluaran dari satu
menjadi masukan ke yang berikutnya. Ini digambarkan pada Gambar 6-9.
Gambar 6-9 Diagram struktur untuk hard OR.
Tak terkendali
masukan
Keluaran:
Sistem S:
kinerja
Sistem sempit mengukur
Kontrol
bunga
masukan
Memasukkan
Sistem M:
Sistem pemodelan
Keluaran:
matematis
Memasukkan
model
Sistem
O:
Keluaran:
Perbaikan/ optimal
Sistem pengoptimalan larutan
Tahap 1 mengembangkan sistem minat sempit, S. Proses membangun model matematika itu sendiri dapat
dilihat sebagai sistem— a sistem pemodelan, M. Ini digunakan sebagai sistem masukan S, dan kemudian
menerjemahkan transformasi dalam S ke dalam ekspresi matematika
- model. Ini adalah keluarannya. Model tersebut pada gilirannya menjadi masukan bagi sebuah perbaikan
/ optimalisasi sistem, O. Sistem O memanipulasi model matematika dengan menjelajahi ruang solusi model,
sering kali dalam rangka menemukan perbaikan dalam output kinerja sistem S. Manipulasi ini dapat melibatkan
penggunaan teknik yang canggih, terutama jika tujuannya adalah untuk menemukan input kontrol yang terbaik atau
optimal. ke sistem S yang mengoptimalkan tingkat kinerjanya. Perhatikan bagaimana penilaian batas mempengaruhi
semua aspek.
6.21 Bab menyoroti

• Metodologi OR keras adalah proses berulang yang mencakup tiga fase yang didefinisikan dengan baik: perumusan
masalah, pemodelan matematika, dan implementasi solusi, masing-masing terdiri dari beberapa langkah, dengan
keterkaitan maju dan mundur.
• Fase 1 berupa rumusan masalah lengkap atau studi pelingkupan masalah.
• Masalah penanganan biasanya mengarah pada proposal proyek yang membuat rekomendasi, dan jika demikian,
bagaimana melanjutkannya.
• Fase 1 dapat menghasilkan definisi lengkap dari sistem yang relevan, misalnya dalam
bentuk diagram pengaruh, identifikasi struktur sistem yang diketahui tipikal untuk disempurnakan dalam
fase pemodelan masalah, atau hanya deskripsi resolusi rendah, penggambaran batas-batas sistem yang
relevan, misalnya dalam bentuk diagram struktur tingkat tinggi. Pilihan batas harus dievaluasi secara kritis
untuk implikasinya.
• Model matematika mengungkapkan hubungan sistem dalam bentuk kuantitatif. Dengan memanipulasi input (baik
yang dapat dikontrol maupun yang tidak dapat dikontrol), dimungkinkan untuk menjelajahi ruang solusi sistem
dan sering kali menemukan solusi yang mencapai nilai terbaik dari ukuran kinerja.
• Model matematika selalu merupakan pendekatan pada 'hal yang nyata', bukan 'hal yang nyata' itu
sendiri. Mereka mungkin menyiratkan penilaian batas lebih lanjut.
• Versi akhirnya biasanya tidak diturunkan dalam sekali jalan, tetapi merupakan hasil dari proses
perumusan ulang dan pengayaan yang berulang-ulang. Proses ini berakhir ketika analis yakin bahwa
model tersebut mendekati dan menangkap hubungan yang paling signifikan dari situasi nyata dan akan
menghasilkan jawaban yang tidak terlihat, relevan, dan sesuai untuk pengambilan keputusan. Analis
harus menemukan kompromi yang cocok antara kesederhanaan dan kelengkapan.
• Untuk masalah yang melibatkan menemukan solusi optimal, sejumlah teknik, metode, dan
pendekatan yang sering kali kuat telah dikembangkan. Keakraban dengan mereka membentuk aspek inti dari
pelatihan di OR keras.
• Analisis sensitivitas mengeksplorasi bagaimana nilai optimal dari ukuran kinerja menanggapi
perubahan input yang tidak terkendali, sementara analisis kesalahan menetapkan hilangnya manfaat sebenarnya yang
timbul jika solusi berdasarkan masukan tak terkendali yang salah digunakan (bukan solusi yang benar-benar optimal).
Ini membantu menetapkan seberapa kuat model dan solusinya.
• Verifikasi model dan data masukannya serta validasi model dan pendekatan pemodelan
merupakan fitur penting untuk menetapkan kredibilitas model dan kepercayaan sponsor dan
pengguna pada hasilnya.
• Laporan proyek adalah dokumen yang memungkinkan pemilik masalah untuk memutuskan apakah
temuan harus dilaksanakan. Ini harus mengungkapkan kekuatan dan kelemahan model dan solusinya.
• Kepedulian untuk implementasi adalah proses yang berkelanjutan dari awal
• proyek. Metodologi OR keras dapat dilihat sebagai urutan sistem terkait: sistem formulasi,
sistem pemodelan, dan sistem perbaikan.
Latihan
1. Baca Champignons Galore Situation Summary di Lampiran Bab 9, halaman 24 5 –2 50. Kasus tersebut digunakan di sana
sebagai latihan dalam mengidentifikasi berbagai jenis biaya. Di sini kami ingin menggunakannya untuk tujuan
mengidentifikasi sistem yang cocok, dll.
(a) Gambarkan diagram struktur sistem tingkat tinggi, mirip dengan Gambar 6-3, yang menggambarkan
batas-batas sistem yang relevan.
(b) Diskusikan penilaian batas yang tersirat oleh pilihan batas Anda. (c) Buat daftar pemangku
kepentingan dan enam elemen masalah.
(d) Buatlah diagram pengaruh untuk menghitung biaya tahunan sebagai fungsi dari angka tersebut
dari flushes per siklus tumbuh / panen.
(e) Asumsikan bahwa Anda telah diminta untuk melakukan studi pemeriksaan awal dan menyiapkan proposal proyek untuk menemukan
kebijakan yang optimal untuk jumlah flush. Masalah dapat diselesaikan tanpa teknik MS / OR khusus. Asumsikan bahwa
pada saat Anda menulis proposal proyek, belum ada data biaya, maupun data hasil dan tingkat pengambilan, yang telah
dikumpulkan. Oleh karena itu,
pengumpulan tersebut merupakan bagian dari pelaksanaan proyek. Selain itu, berdasarkan ringkasan situasi, tidak ada
perkiraan potensi penghematan yang dapat diperoleh.
2. Pertimbangkan 'Penggergajian sebagai sistem yang memaksimalkan keuntungan' di Bagian 3.6 dari Bab 3. (a) Identifikasi
pemangku kepentingan masalah.
(b) Sebutkan enam elemen masalah.
(c) Diagram tingkat tinggi Drawa, mirip dengan Gambar 6-3, menunjukkan batas yang relevan
sistem dan subsistem utamanya.
(d) Diskusikan penilaian batas yang tersirat oleh pilihan batas Anda.
3. Pertimbangkan masalah penyesuaian mesin yang dijelaskan dalam latihan 5 Bab 4. Tujuannya adalah untuk
menemukan waktu antara penyesuaian atau jumlah penyesuaian per jam untuk memaksimalkan kontribusi
laba bersih per jam.
(a) Gunakan diagram pengaruh yang dikembangkan dalam latihan 7 dari Bab 5 untuk merumuskan a model matematika. Bangun
langkah demi langkah dengan menemukan ekspresi yang sesuai dengan setiap variabel status dan variabel keluaran
dalam diagram pengaruh. Setelah selesai, gabungkan menjadi satu ekspresi yang menunjukkan kontribusi laba bersih per
jam sebagai fungsi dari variabel keputusan. Anda akan memerlukan informasi tambahan berikut untuk menemukan
hubungan antara kerusakan yang dihasilkan dan waktu pengoperasian mesin. Lim membuat 5 uji coba masing-masing
satu jam, mencatat jumlah kumulatif cacat yang diproduksi secara berkala. Sebelum menjalankan setiap mesin telah
diatur dengan benar. Jumlah yang cacat adalah:
Uji coba 1 2 3 4 5
Mesin 6 menit 0 0 1 0 0
Lari 12 menit 1 1 2 0 0
waktu 24 menit 2 3 3 1 1
36 menit 5 5 5 4 2
(b) Kembangkan spreadsheet dengan 48 untuk setiap sistem dan8variabel keluaran
barismenit 7 dan kolom9untuk penyetelan
7 mesin 4
60 48,
setelah setiap 12, 18, 24, 36, menit 11 waktu11penyetelan).
dan 60 menit (termasuk 13Plotkan laba
12 bersih 8
sebagai fungsi waktu antar penyesuaian. Tunjukkan kisaran di mana solusi optimal tampaknya
berada.
(c) Dengan trial and error atau pencarian sistematis, temukan waktu antara penyesuaian itu
memaksimalkan kontribusi laba bersih per jam. Di spreadsheet, cukup gunakan salah satu dari
kolom untuk uji coba ini, seperti kolom 60 menit. Tentukan waktu ini dengan akurat ke satu tempat desimal.
Tentukan kerugian laba bersih untuk membulatkan waktu optimal ke angka yang sesuai, seperti kelipatan
5 menit.
(d) Buat daftar semua perkiraan utama yang dibuat untuk model di (c). Seberapa masuk akal mereka?
4. ELMO, produsen motor listrik, baru saja membeli alat mesin untuk kumparan lilitan motor listrik. Uji coba awal dengan
mesin menunjukkan bahwa jumlah penolakan yang dihasilkan bervariasi dengan kecepatan jalan mesin. Hasil dari enam
percobaan untuk berbagai pengaturan kecepatan adalah sebagai berikut:
kecepatan mesin 30 40 50 60 70 80 90 kumparan / jam

percobaan 1 1 2 3 5 6 8 11 menolak
2 0 1 4 6 7 9 10 penolakan
3 1 3 4 4 5 7 9 menolak
4 2 3 2 4 5 7 11 menolak
5 2 1 2 4 7 10 10 penolakan
6 1 2 3 5 6 7 10 penolakan
Penolakan harus dibuang. Biaya material setiap kumparan adalah saya 2.60. Operator mesin dibayar dengan tarif saya 22 / jam. Ini
berharga saya 6 untuk mengoperasikan mesin selama satu jam. 10.000 kumparan yang baik harus diproduksi untuk jenis motor
tertentu. Total biaya produksi batch ini digunakan sebagai ukuran kinerja untuk menyetel kecepatan mesin. Perhatikan bahwa
untuk mendapatkan 10.000 kumparan yang baik, lebih dari 10.000 kumparan harus dililitkan. Ukuran kelompok yang perlu
dijadwalkan sama dengan 10.000 / (1 - fraksi penolakan). Fraksi penolakan merupakan fungsi dari kecepatan mesin.
(a) Kembangkan diagram pengaruh yang menunjukkan hubungan antara kecepatan lari
mesin dan total biaya produksi batch 10.000 kumparan. (b) Keputusan batas apa yang diimplikasikan oleh sistem
yang didefinisikan dalam (a)? ( c) Gunakan diagram pengaruh tersebut untuk mendapatkan ekspresi matematika
untuk setiap sistem
variabel dan ukuran kinerja biaya total. Gabungkan ekspresi ini menjadi satu ekspresi
untuk total biaya sebagai fungsi dari pengaturan kecepatan mesin. Apakah model itu membuat penilaian batas
tambahan? Jika ya, apakah itu? (Perhatikan asumsi lebih lanjut seperti itu mungkin dalam bentuk
penyederhanaan.)
( d) Kembangkan tabel atau spreadsheet yang berisi satu baris untuk setiap variabel dan satu untuk biaya total dan kolom untuk
kecepatan lari yang tercantum di atas. Buat grafik hasil dan identifikasi
kisaran di mana kemungkinan biaya terendah berada. Gunakan tabel untuk menentukan pengaturan kecepatan terbaik.
5. (a) Kembangkan spreadsheet untuk menghitung total biaya tahunan yang sesuai dengan ekspresi (6-1) dalam teks untuk nilai
Q = 24, 32, 40, 48, 56, 64, 72, menggunakan data yang tercantum di halaman 14 2. Temukan solusi optimal ke nilai bilangan
bulat terdekat dengan coba-coba.
(b) Kembangkan spreadsheet untuk mereproduksi konten Gambar 6-5, menggunakan data yang sama.
6. Salah satu produk di LOD hanya dijual dalam kelipatan 4 drum. Sebanyak 120 pesanan diterima tahun
lalu sebagai berikut:
Ukuran pesanan 4 8 12 16 20
Jumlah pesanan 70 32 11 5 2
Mereka tersebar merata sepanjang tahun, dengan sangat sedikit hari yang memiliki lebih dari satu pesanan. Pola penjualan untuk tahun mendatang
diperkirakan akan serupa. Biaya pengaturan pencampuran dan pengisian gabungan adalah $ 15. Biaya penanganan produk adalah $ 1 / drum untuk
pesanan yang dipasok dari stok, dan $ 0,40 / drum untuk pesanan yang dipenuhi oleh proses produksi khusus. Setiap
drummemiliki nilai $ 400. Biaya penyimpanan saham adalah $ 0,18 / $ 1 / tahun. (Disarankan agar Anda mengembangkan
spreadsheet yang mirip dengan Gambar 6-5.)
(a) Asumsikan bahwa semua pesanan lebih dari 8 drum dipenuhi oleh proses produksi khusus. Apa
yang dimaksud dengan ukuran pengisian ulang inventaris yang optimal, total biaya tahunannya, dan total biaya tahunan keseluruhan untuk
memenuhi seluruh permintaan?
(b) Temukan kebijakan optimal gabungan untuk memenuhi permintaan pelanggan, yaitu batas optimal
poin untuk produksi khusus berjalan dan kebijakan pengisian stok yang optimal. Berapa biaya minimum yang
terkait dengan kebijakan yang optimal?
7. Pertimbangkan data berikut untuk produk LOD lainnya: nilai produk $ 180 / drum, biaya penyiapan produksi $ 12 /
penyiapan, biaya penanganan produk $ 1.50 / drum melalui penyimpanan, $ 0.30 / drum melalui proses produksi khusus,
biaya penahanan investasi 25% dari nilai yang diinvestasikan per tahun; dan distribusi permintaan sebagai berikut
selama satu tahun yang mencakup 250 hari kerja:
permintaan 0 2 4 6 8 12 16 20 24 32
hari
(Sebua 82 65 32 23 17 10 8 5 4 4
Mh)enggunakan model EOQ, untuk menemukan ukuran pengisian stok yang optimal jika titik potong untuk pengisian ulang
langsung ditetapkan pada 12 drum. Perhatikan bahwa permintaan tidak diberikan sebagai distribusi frekuensi menurut ukuran
pesanan pelanggan, tetapi oleh total permintaan untuk setiap hari.
Implikasinya adalah bahwa proses produksi khusus dibuat untuk mencakup semua pesanan pelanggan pada hari tertentu, bukan
pesanan pelanggan individu. (Ini adalah ekstensi yang disebutkan secara singkat di
Bagian 6.8.)
(b) Kembangkan spreadsheet yang mirip dengan Gambar 6-5 untuk menemukan nilai optimal gabungan untuk ukuran
pengisian kembali stok dan titik cutoff run produksi khusus.
8. Cairan dicampur dalam wadah pencampur dan kemudian dikemas ke dalam kaleng satu liter pada mesin pengisian
otomatis. Teknisi pencampur membutuhkan waktu 2 jam untuk mencampur cairan, berapa pun jumlah yang akan
dicampur. Biaya bahan yang digunakan £ 1,60 / liter. Dua operator mesin membutuhkan waktu 30 menit untuk
menyiapkan mesin untuk proses pengisian. Kaleng diisi dengan kecepatan 60 / menit. Kedua operator mesin harus hadir
saat mesin mengisi kaleng. Harga sebuah kaleng, termasuk labelnya, adalah £ 0,15. Biaya tenaga kerja untuk teknisi dan
operator mesin, termasuk biaya tunjangan yang diperoleh, berjumlah £ 18 per jam kerja. Perusahaan menargetkan
tingkat pengembalian investasinya sebesar 24% per tahun.
(a) Tentukan biaya persiapan batch 3600 kaleng untuk produk yang bersangkutan. (b)
Permintaan tahunan untuk produk tersebut adalah 180.000 kaleng. Gunakan EOQ
rumus untuk menemukan ukuran tumpukan optimal dan total biaya tahunan yang relevan.
(c) Kaleng dikemas ke dalam karton yang masing-masing terdiri dari 48 kaleng. Karton disimpan di palet. Setiap palet menampung 24
karton. Praktiknya adalah selalu menghasilkan batch yang menghasilkan beberapa palet penuh, yaitu kelipatan 24 kali 48
kaleng. Jika praktik ini akan dilanjutkan, ukuran tumpukan apa yang akan Anda rekomendasikan sebagai yang terbaik
dalam hal total biaya?
9. Tahun lalu, Q-Imports menjual 750 set peralatan makan stainless steel, diimpor dari Jerman dengan biaya
£ 60 per set, termasuk pengiriman barang. Perusahaan menjual set tersebut ke pengecer dengan harga £
96. Penjualan terjadi pada tingkat yang cukup stabil sepanjang tahun. Set tersebut diimpor dalam dua pengiriman, yang pertama
250, yang kedua 500. Untuk setiap pengiriman, perusahaan mengenakan biaya administrasi, biaya bank, dan biaya kliring agen,
dengan total £ 200. Q-import biasanya membiayai sebagian besar pembeliannya melalui cerukan bank. Tarif cerukan saat ini
adalah 18% per tahun. Ada juga biaya asuransi untuk penyimpanan barang dalam persediaan sebesar 2% dari nilai barang
tersebut. Manajer Q-Imports memperkirakan penjualan tahun depan akan sekitar 1/3 lebih tinggi dari tahun lalu. Oleh karena itu,
dia berencana untuk menempatkan dua pesanan masing-masing 500 set.
(a) Berapa total biaya tahunan dari kebijakan pemesanan yang diusulkan? (b) Bisakah dia berbuat lebih
baik? Kenapa dan bagaimana?
10. A-Electronics menjual sekitar 2000 chip sim baru per bulan dengan harga $ 35 / chip. Biaya produksi
$ 25 / chip. Kebijakan saat ini adalah mengganti chip apa pun yang gagal dalam enam bulan pertama pemasangan.
Dealer yang melakukan penggantian juga mendapat $ 10 untuk menutupi biaya tenaga kerja untuk penggantian.
Kompetisi baru-baru ini meningkatkan masa garansi dari 6 menjadi 9 bulan. A-Electronics sekarang berada di bawah
tekanan untuk mengikuti atau bahkan pergi ke masa garansi 12 bulan. Departemen teknik telah mengumpulkan data
ekstensif tentang penggantian chip, baik di bawah garansi maupun setelah masa garansi. Mereka menunjukkan gambar
berikut, di mana waktu mengacu pada jumlah bulan setelah pemasangan awal chip:
Waktu 3 4 5 6 7 8 9 10 11
Pengganti 0 1 2 2 5 5 6 6 9
Waktu 12 13 14 15 16 17 18
Pengganti 9 13 14 18 22 23 27 per 1000 chip
(SebuaMh) anajemen ingin mengetahui kenaikan biaya tahunan dari perpanjangan masa jaminan
dari enam bulan menjadi 9, 12, 15, atau 18 bulan. Anda perlu menemukan hubungan
fungsional antara waktu dan jumlah penggantian. Perkiraan, asumsi, atau penilaian batas
apa yang Anda buat?
(b) Berapa penjualan bulanan yang harus ditingkatkan untuk memulihkan kenaikan biaya jaminan?
Jawab kedua pertanyaan dengan membuat spreadsheet yang sesuai.
11. Produsen merakit pompa dari suku cadang yang dibeli dari subkontraktor. Untuk jenis pompa tertentu, dibutuhkan seorang
teknisi 8 jam untuk mengatur jalur perakitan. Gajinya, termasuk semua tunjangan, adalah £ 24 / jam. Biaya penyiapan
produksi lainnya, seperti pengambilan jumlah suku cadang yang diperlukan dari subkontraktor, berjumlah £ 80. Setelah
teknisi mengatur jalur perakitan, empat orang melakukan perakitan pompa yang sebenarnya. Mereka dapat merakit 24
pompa per hari. Nilai pompa rakitan, termasuk semua suku cadang dan biaya tenaga kerja, adalah £ 216. Perusahaan
memperkirakan bahwa biaya kepemilikan sahamnya adalah 25% per tahun dari rata-rata investasi saham. Permintaan
tahunan untuk pompa tersebut adalah sekitar
1250. Kebijakan pengisian ulang yang digunakan adalah untuk memulai proses perakitan baru Q memompa setiap kali persediaan
untuk pompa itu telah habis. Oleh karena itu teknisi akan menyiapkan
perakitan baru yang dijalankan satu atau dua hari sebelum persediaan untuk pompa tersebut telah terjual. Setelah
perakitan dimulai, produksi 24 pompa setiap hari ditambahkan ke inventaris pompa itu. Pompa ini kemudian tersedia
untuk dijual. Dengan kata lain, selama produksi,
beberapa pompa telah terjual. Akibatnya, sekali ukuran Q telah selesai, kurang dari Q pompa masih tersedia. (Perhatikan
bahwa situasi ini sedikit berbeda dari model EOQ yang dikembangkan dalam bab ini, di mana seluruh kelompok Q
ditambahkan ke saham sebagai satu lot.)
(a) Sesuaikan diagram pengaruh dari Gambar 6-4 untuk situasi ini. Perhatikan bahwa tidak ada opsi produksi
khusus, sehingga seluruh bagian tidak relevan. Di sisi lain, bagian yang berhubungan dengan investasi
persediaan rata-rata sekarang lebih kompleks dan membutuhkan lebih banyak detail.
(b) Dengan menggunakan diagram pengaruh ini, kembangkan serangkaian ekspresi yang pada
akhirnya akan berujung pada biaya pengisian ulang dan inventaris tahunan yang relevan.
(c) Buat daftar perkiraan yang Anda buat untuk mengembangkan ekspresi biaya total.
(d) Dengan menggunakan pencacahan dengan spreadsheet, temukan ukuran pengisian yang optimal dan ukurannya biaya tahunan yang
relevan.
Latihan komputasi berikut tentang sensitivitas dan analisis kesalahan paling mudah dilakukan dengan menggunakan
spreadsheet yang dikembangkan untuk latihan asli di atas.
12. Untuk contoh yang digunakan pada Peraga 6-5, telusuri efeknya pada optimal EOQ dan biayanya untuk
perubahan berikut dalam parameter masukan:
(a) Perubahan biaya penyiapan pengisian ulang dari $ 18 menjadi $ 12, 24, dan 36.
(b) Perubahan biaya penyimpanan investasi dari 18% menjadi 12%, 24%, dan 30%.
13. Untuk solusi optimal untuk masalah penyetelan mesin yang diturunkan dalam latihan 3 di atas, lakukan
analisis sensitivitas berikut:
(a) Perubahan harga jual bersih –10%, –20%, dan + 25%.
(b) Perubahan pecahan cacat yang dapat dikerjakan ulang dari 0,5 menjadi 0,4, 0,6, dan 0,75.
(c) Perubahan kemiringan fungsi barang cacat dari 10 menjadi 8, 6, dan 12 / jam.
14. Untuk solusi optimal untuk masalah produksi kumparan ELMO pada latihan 4 di atas lakukan analisis
sensitivitas berikut:
(a) Perubahan ukuran pesanan dari 10.000 menjadi 5.000, 20.000, dan 40.000.
(b) Perubahan tingkat barang cacat per jam, yang saat ini berjalan pada 0,0125 × (berjalan kecepatan mesin) 2,
hingga 0,0015, dan 0,001 × (kecepatan lari) 2.
15. Untuk contoh pada Peraga 6-5, lakukan analisis kesalahan untuk kasus-kasus berikut: Biaya penyiapan
(Sebuaphe) ngisian ulang yang sebenarnya sebesar $ 12 dan $ 24, bukan $ 18 yang digunakan. Biaya
(b) kepemilikan investasi sebenarnya sebesar 12% dan 24%, bukan 18% yang digunakan.
(c) Tabel kesalahan untuk EOQ di Bagian 6.17 tidak hanya valid untuk kesalahan dalam permintaan tahunan, tetapi
untuk kesalahan dalam biaya pengaturan pengisian ulang atau rasio biaya pengaturan pengisian ulang dan biaya
penyimpanan investasi. Karenanya perkirakan perkiraan efek dari kesalahan berikut:
- kesalahan sebesar –80%, –20%, + 50%, dan + 100% pada biaya penyiapan;
- biaya setup yang sebenarnya dan penalti biaya penyimpanan investasi sebesar [$ 12 dan 12%], [$ 15 dan 25%], dan [$ 24 dan
15%].
16. Untuk masalah penyetelan mesin pada latihan 3 di atas, lakukan jenis berikut
analisis kesalahan (perhatikan bahwa hasil latihan 2 di atas akan berguna): (a) Terjadi kesalahan pada
harga jual bersih -20%.
(b) Kesalahan dalam tingkat cacat yang dapat dikerjakan ulang sebesar + 25%, –33,33%.
(c) Kesalahan dalam kemiringan fungsi untuk tingkat cacat + 25%, –16,67%.
17. Untuk masalah produksi kumparan ELMO pada latihan 4 di atas, lakukan jenis analisis kesalahan
berikut (perhatikan bahwa hasil dari latihan 4 di atas akan berguna):
(a) Ukuran sebenarnya dari urutan 20.000 daripada 10.000.
(b) Koefisien sebenarnya untuk tingkat cacat 0,001 daripada 0,00125.
18. Diskusikan kontradiksi nyata berikut: Jika pada awal proyek MS / OR semua biaya dan potensi manfaat
diketahui secara akurat, proyek tidak akan dimulai. Namun, jika total biaya dan potensi manfaat hanya
dapat dipastikan dengan keyakinan tertentu setelah model diuji kinerjanya, tetapi sebelum
penerapannya, keputusan yang tepat mungkin adalah melanjutkan penerapan. Implikasi apa yang
dimilikinya untuk mengevaluasi biaya dan manfaat proyek MS / OR?
19. Berdasarkan analisis Anda tentang kasus ELMO pada latihan 4 dan 17 di atas, serta analisis tambahan mengenai potensi
penghematan dari solusi terbaik atas kebijakan saat ini, tulis laporan proyek singkat, mengikuti format pada
Lampiran 2.
20. Informasi / wawasan apa yang (a) manajer atau pembuat keputusan, dan (b) analis masalah mencari dalam sensitivitas
dan analisis kesalahan? Katakan dengan kata-katamu sendiri.
21. Mengapa menetapkan validitas internal dan eksternal penting bagi (a) pembuat keputusan /
pengguna solusi, dan (b) analis masalah.
Lampiran 1: Proposal proyek LOD 163
Lampiran 1
PROPOSAL PROYEK
STUDI PENGENDALIAN PRODUKSI / INVENTARISASI
DIVISI MINYAK LUBRIKASI, SANDPOINT REFINERY
Daftar isi
1. Pernyataan pengantar Halaman 1
2. Ringkasan eksekutif dari rekomendasi Halaman 1
3. Pernyataan situasi masalah Halaman 1
4. Uraian singkat tentang analisis yang diusulkan halaman 2
5. Sumber daya yang dibutuhkan dan tabel waktu halaman 3
1. PERNYATAAN PENDAHULUAN
Pada pertengahan bulan Maret, Tn. Black, Manajer LOD, mendekati Grup Ilmu Manajemen di Kantor Pusat Perusahaan
dengan permintaan untuk mempelajari operasi produksi / inventaris LOD dari barang kemasan dan membuat rekomendasi
mengenai tingkat stok yang sesuai. Menurut pemahaman saya, permintaan ini merupakan tindak lanjut dari komentar dalam
laporan auditor internal Perusahaan tentang tingkat investasi saham di LOD saat ini. Secara khusus, auditor menunjukkan
bahwa perputaran saham LOD untuk barang-barang dalam kemasan jauh di bawah target Perusahaan yaitu 24 kali per
tahun, yang mengakibatkan tingkat dana yang diikat dalam barang-barang dalam kemasan dinilai berlebihan.
Saya mengatur kunjungan ke fasilitas produksi dan pergudangan LOD di Sandpoint pada 27 dan 28 Maret, di mana
saya berdiskusi ekstensif dengan Tn. Black, Mary Clarke, petugas kontrol stok, Bill Quick, supervisor pemrosesan data, dan
keempat operasi supervisor. Saya juga berkonsultasi dengan Departemen Pengendalian Biaya di Kantor Pusat. Laporan
berikut menguraikan rekomendasi saya untuk studi pendahuluan, secara singkat memotivasi dan menjelaskan analisis yang
diusulkan, dan mencantumkan sumber daya yang diperlukan dan tabel waktu untuk melakukan studi.
2. RINGKASAN EKSEKUTIF REKOMENDASI

Dianjurkan agar Grup Ilmu Manajemen Perusahaan melakukan studi pendahuluan tentang operasi produksi / inventaris.
Studi ini akan mengembangkan model untuk menemukan ukuran pengisian ulang stok yang optimal serta ukuran minimum
ketika menjadi lebih ekonomis untuk memenuhi pesanan pelanggan individu dengan proses pencampuran dan pengisian
yang terpisah. Berdasarkan model ini, perkiraan yang dapat diandalkan dari potensi penghematan dalam biaya operasi
dapat dihitung dengan tujuan untuk menetapkan apakah penyelidikan skala penuh dapat dibenarkan. Hasil studi akan
tersedia dalam 4 minggu dan biaya internal ke LOD akan berjumlah $ 6.400.
3. PERNYATAAN SITUASI MASALAH

Laporan auditor menyatakan bahwa tingkat perputaran saham LOD selama dua tahun terakhir rata-rata 12 kali per tahun dan karenanya jauh di
bawah tingkat target perusahaan yaitu 24. Akibatnya, mereka menyimpulkan bahwa jumlah dana yang terikat dalam saham adalah sekitar dua
kali lebih tinggi dari yang seharusnya.
Apa implikasi biaya dari tingkat perputaran saham tertentu? Untuk kebijakan pengiriman pelanggan saat
ini dan waktu tunggu produksi, jumlah rata-rata dana yang diikat
halaman 2
stok dan karenanya biaya membawa investasi ini untuk produk tertentu, sebanding dengan ukuran batch pengisian ulang stoknya. Di
sisi lain, biaya penyiapan produksi tahunan berbanding terbalik dengan ukuran batch pengisian ulang. Oleh karena itu, setiap
pengurangan tingkat stok rata-rata dan biaya tahunan untuk melaksanakan investasi yang sesuai hanya dapat dicapai dengan
meningkatkan biaya pengaturan produksi tahunan. Dapat dengan mudah ditunjukkan bahwa ada ukuran terbaik untuk setiap kelompok
pengisian yang jumlah dari kedua biaya ini berada pada tingkat serendah mungkin. Ini juga menyiratkan tingkat perputaran terbaik
untuk setiap produk, yang mungkin berbeda dari produk ke produk. Hanya secara kebetulan tingkat perputaran rata-rata untuk semua
produk akan sama dengan tingkat target
24. Dengan demikian, tingkat perputaran target 24 mungkin tidak mencapai total biaya terendah untuk operasi LOD. Jika tujuannya
adalah untuk mengurangi total investasi dalam persediaan, lebih disukai untuk menetapkan batas atas dari jumlah total, daripada
tingkat perputaran target. Model tersebut kemudian dapat digunakan untuk menemukan kebijakan yang paling murah agar tetap dalam
batas ini. Ini mengakui fakta bahwa tingkat perputaran terbaik berbeda dari produk ke produk.
Kebijakan pengiriman pelanggan saat ini menawarkan kemungkinan penjadwalan produksi khusus berjalan untuk pengiriman
langsung ke pelanggan, dengan barang melewati tahap persediaan. Mereka kemudian hanya akan ditangani sekali, bukan dua kali. Ini
saat ini dilakukan untuk produk-produk di mana pesanan pelanggan dalam jumlah besar sering terjadi. Penurunan titik potong di mana
pesanan pelanggan dipenuhi oleh produksi khusus yang dijalankan mengurangi sebagian kecil dari total permintaan yang dipenuhi dari
persediaan. Hal ini pada gilirannya akan mengurangi ukuran pengisian ulang terbaik dan karenanya investasi rata-rata dalam persediaan,
dan menurunkan biaya penanganan produk, tetapi meningkatkan jumlah penyiapan tahunan yang dikeluarkan untuk proses produksi
khusus dan karenanya menjadi biaya penyiapan tahunan. Ini juga akan mempengaruhi rasio perputaran saham terbaik untuk porsi dari
total permintaan yang dipenuhi dari saham.
Kebijakan terbaik adalah kebijakan yang menetapkan titik potong untuk proses produksi khusus dan ukuran batch pengisian ulang stok yang
meminimalkan jumlah semua biaya yang relevan.
Perhitungan perkiraan menunjukkan bahwa pengurangan biaya operasi tahunan bervariasi dari $
32 hingga lebih dari $ 250, tergantung pada produknya. Ini memperkirakan setidaknya $ 90.000 per tahun untuk semua
produk. Biaya studi skala penuh akan berjumlah sekitar $ 48.000, berdasarkan sekitar 120 hari orang dengan tarif internal $
400 / hari.
Namun, daripada langsung memulai studi skala penuh, disarankan untuk melakukan analisis pendahuluan terlebih dahulu.
Tujuannya adalah untuk memastikan tanpa keraguan apakah penghematan potensial dari studi skala penuh dapat dibenarkan oleh biaya
studi semacam itu. Alasan untuk rekomendasi tersebut adalah bahwa (1) pada tahap ini sulit untuk memberikan perkiraan yang dapat
diandalkan tentang potensi penghematan yang dapat dicapai tanpa upaya tambahan yang substansial dan pengumpulan data, dan
(2) biaya untuk memperpanjang analisis untuk semua produk secara kasar sebanding dengan jumlah produk. Oleh karena itu, sebagian
besar pekerjaan yang dilakukan untuk studi pendahuluan dapat dilanjutkan ke studi skala penuh.
Jika temuan mengkonfirmasi bahwa semua biaya lebih lanjut untuk studi skala penuh dapat dipulihkan dalam tahun pertama
perubahan ke kebijakan baru, yaitu dalam periode pengembalian yang diperlukan untuk proyek tersebut oleh Perusahaan, rekomendasi
dan jadwal untuk studi semacam itu akan diserahkan untuk persetujuan.
4. URAIAN SINGKAT ANALISIS YANG DIUSULKAN

Analisis pendahuluan akan dilakukan untuk sampel produk secara acak. Hasilnya akan diekstrapolasi ke semua produk yang
dibawa oleh LOD. Melibatkan langkah-langkah utama berikut:
halaman 3
(SebuaPhe) ngembangan model: Setelah studi lapangan lebih lanjut, model untuk total biaya tahunan yang relevan, cocok untuk
digunakan pada semua produk yang dibawa oleh LOD, akan dikembangkan. Ini akan digunakan untuk menentukan kombinasi
terbaik dari penambahan stok dan titik potong untuk proses produksi khusus untuk setiap produk. Tujuannya adalah untuk
meminimalkan total biaya operasional tahunan. Model akan berbentuk spreadsheet komputer.
(b) Pemilihan sampel dan pengumpulan data: Dengan tujuan untuk meningkatkan keakuratan perkiraan
penghematan potensial untuk polis baru, produk akan dikelompokkan berdasarkan penjualan tahunan dan sampel representatif
yang dipilih dari masing-masing, menghasilkan sekitar 5% dari semua produk. Data permintaan dan biaya akan diperkirakan
untuk semua produk dalam sampel menggunakan data yang tersedia dari basis data LOD pesanan pelanggan dan data biaya
dari Departemen Pengendalian Biaya.
(c) Estimasi total penghematan: Total biaya operasi tahunan untuk kebijakan terbaik akan ditentukan secara
individual untuk setiap produk dalam sampel. Biaya ini akan diekstrapolasi untuk setiap grup produk dan terakhir ke
seluruh lini produk. Ekstrapolasi ini adalah perkiraan total biaya tahunan menggunakan kebijakan terbaik untuk semua
produk. Perkiraan ini akan dibandingkan dengan biaya tahunan yang dikeluarkan untuk polis saat ini. Perbedaannya
mewakili potensi penghematan tahunan. Diharapkan tidak ada perubahan dalam biaya kantor yang diharapkan untuk
menjalankan kebijakan baru.
(d) Estimasi biaya lebih lanjut untuk studi skala penuh: Biaya dalam hal tarif pembebanan
karyawan internal, bahan, dan biaya pengoperasian komputer untuk melakukan studi skala penuh akan
diperkirakan.
) Pembentukan rekomendasi dan penyusunan laporan proyek: Rekomendasi tersebut akan menyatakan
apakah studi skala penuh harus dilakukan, berdasarkan kriteria normal perusahaan bahwa semua biaya untuk studi
semacam itu harus dipulihkan dengan penghematan yang dihasilkan dalam waktu satu tahun setelah implementasi
rekomendasi. Jika sesuai, laporan proyek juga akan menyajikan anggaran rinci sumber daya yang dibutuhkan dan jadwal
untuk melakukan studi skala penuh.
RESOURCES DIPERLUKAN DAN JADWAL

5.
Tugas Waktu analis Waktu staf lainnya Waktu berlalu
Pengembangan model 2 hari 1 hari (staf LOD) 2 hari
Desain pengambilan sampel 1 hari 2 hari (staf LOD) 4 hari
Pengumpulan data 4 hari 3 hari (pengendalian biaya) 8 hari
3 hari (staf LOD)
Perkiraan penghematan 2 hari 1 hari (pengendalian biaya) 4 hari
2 hari (staf LOD)
Rekomendasi Penulisan 3 hari 4 hari
Total 12 hari 4 hari (pengendalian biaya) 22 hari
8 hari (staf LOD)
Biaya yang dikenakan: 12 hari dengan $ 400 / hari $ 4.800
Tanggal: 11 April 200X Analis proyek: HG Daellenbach

Kelompok Ilmu Manajemen
Lampiran 2
LAPORAN PROYEK
PENGENDALIAN PRODUKSI / INVENTARISASI BARANG
KEMASAN DIVISI MINYAK LUBRIKASI, SANDPOINT
REFINERY
Meja dari Isi

1. Pernyataan pengantar Halaman 1
2. Ringkasan eksekutif dari temuan dan Halaman 1
3. rekomendasi Pernyataan masalah Halaman 1
4. Langkah-langkah utama analisis
5. Temuan-temuan utama halaman 2
6. Rekomendasi untuk implementasi halaman 3
Lampiran: Spreadsheet untuk menemukan kebijakan yang optimal untuk produk Y halaman 4
Perhitungan dilakukan halaman 5
Deskripsi rinci tentang model halaman 5
halaman 5
1. PERNYATAAN PENDAHULUAN
Laporan ini berisi temuan studi pendahuluan yang meliputi operasi pengendalian produksi
/ inventaris untuk barang dalam kemasan di gudang LOD di Sandpoint Refinery. Mr Black, Manajer LOD,
menyetujui studi ini pada 18 April, berdasarkan proposal proyek yang diajukan kepadanya oleh Management
Science Group pada 11 April. Kami melakukan studi pendahuluan selama periode dari 27 Mei hingga 5
Juli.
Tujuan dari penelitian ini adalah (1) untuk mengembangkan model matematis untuk menemukan produksi terbaik dan kebijakan
pengisian stok yang meminimalkan jumlah semua biaya yang dipengaruhi oleh pilihan kebijakan, dan (2) untuk memperkirakan potensi
penghematan biaya operasi yang dapat dicapai dengan menggunakan kebijakan seperti itu untuk semua produk.
2. RINGKASAN EKSEKUTIF DARI TEMUAN DAN REKOMENDASI

Penemuan utama berikut dibuat:
(a) Penerapan kebijakan yang diusulkan dalam laporan ini untuk seluruh lini produk LOD diperkirakan
menghasilkan penghematan tahunan biaya operasi dan investasi lebih dari $ 90.000. Ini akan meningkatkan rata-rata perputaran
saham menjadi sekitar 32 kali per tahun.
(b) Biaya tambahan untuk mengembangkan perangkat lunak komputer yang diperlukan untuk mengimplementasikan kebijakan dan memastikan
pembaharuannya yang berkelanjutan, dan untuk implementasi aktual dari kebijakan tersebut, berjumlah sekitar $ 32.000 dengan tarif pembebanan
internal.
(c) Kebijakan baru dapat diterapkan sepenuhnya dalam 14 minggu.
Mengingat rasio penghematan terhadap biaya yang sangat menguntungkan ini, disarankan agar LOD segera melanjutkan
dengan menerapkan model yang diusulkan.
3. PERNYATAAN MASALAH
Kebijakan produksi dan pengisian ulang stok saat ini untuk barang kemasan yang diikuti oleh LOD membedakan
antara dua kelompok produk: kelompok 1 hanya mencakup produk bervolume tinggi dengan pesanan pelanggan
yang sering, dan kelompok 2 mencakup semua produk lainnya. Grup 1 saat ini mencakup 78 produk (semua
dikemas dalam drum 200 liter),
Lampiran 2: Laporan proyek LOD 167
halaman 2
sedangkan kelompok 2 meliputi 726 produk sisanya. Setiap kelompok menyumbang sekitar 50% dari total dolar yang
dikeluarkan barang kemasan. Kebijakan produksi dan penambahan stok dicirikan sebagai berikut:
1. Grup 1: setiap pesanan pelanggan yang sama atau lebih besar dari titik batas yang diberikan dipasok dengan menjadwalkan
proses produksi khusus, sementara pesanan pelanggan di bawah titik batas dipenuhi dari stok. Stok diisi ulang secara
berkala. Saat ini, titik potong untuk semua produk adalah 12 drum, sedangkan ukuran pengisian ulang stok bervariasi
dari produk ke produk dan mencakup antara 2 hingga 6 minggu pesanan pelanggan yang dipasok dari stok.
2. Kelompok 2: semua pesanan pelanggan dipasok dari stok. Pengisian ulang stok bervariasi dalam ukuran dengan volume penjualan dan
mencakup 3 dan 12 minggu penjualan.
Analisis kami menunjukkan bahwa, pada prinsipnya, kebijakan yang diikuti untuk produk kelompok
1 dapat diterapkan ke semua produk: drum serta produk yang dikemas dalam wadah lain. Selain itu, pilihan titik potong
terbaik tidak hanya bergantung pada pola pesanan pelanggan, tetapi juga pada berbagai biaya produksi dan pergudangan.
Daripada mengklasifikasikan produk secara sewenang-wenang ke dalam dua grup ini, kami memutuskan, setelah berdiskusi dengan Tn.
Black dan staf LOD lainnya, untuk membangun model yang memungkinkan semua produk mengikuti kebijakan grup 1, tetapi dengan titik potong
yang ditentukan secara individual dan ukuran pengisian ulang stok. . Jika titik potong untuk suatu produk ditetapkan pada tingkat yang lebih besar
dari pesanan pelanggan terbesar yang kemungkinan besar akan diterima, kebijakan untuk produk tersebut sesuai dengan seluruh permintaan yang
dipasok dari stok.
Meskipun beberapa produk menunjukkan pola musiman yang sedikit, model tersebut didasarkan pada
premis bahwa permintaan rata-rata tetap konstan sepanjang tahun. Efek penyederhanaan ini dapat diabaikan. Untuk menyesuaikan
tren, kebijakan optimal harus diperbarui setiap tahun.
Sebagai hasil dari memilih kebijakan yang seragam untuk semua produk, masalahnya menjadi salah satu pengembangan model
yang menemukan titik potong dan ukuran pengisian ulang stok untuk setiap produk sehingga meminimalkan jumlah semua biaya
operasi yang dipengaruhi oleh dua variabel ini. Biaya yang relevan adalah (a) bahan baku produk dan biaya produksi, (b) biaya
pengaturan operasi pencampuran dan pengisian, (c) biaya penanganan produk, dan (d) biaya penyimpanan produk dalam persediaan,
yang sebagian besar terdiri dari biaya dana yang diinvestasikan dalam saham.
Tujuan kedua dari studi, yaitu estimasi potensi penghematan yang akan bertambah jika
model diterapkan pada semua barang kemasan, dilakukan dengan mengekstrapolasi hasil yang diperoleh dari suatu
sampel ke semua produk.
4. LANGKAH UTAMA ANALISIS

Ini mengikuti langkah-langkah yang diuraikan dalam proposal proyek.
(a) Mengembangkan model yang sesuai: Kunjungan pertama saya ke LOD pada 27 Maret diikuti hingga
kunjungan lebih lanjut pada tanggal 26 dan 27 Mei. Setelah diskusi ekstensif dengan Tuan Black dan stafnya, kami
menyimpulkan bahwa model yang didasarkan pada kebijakan kelompok 1 harus digunakan, pada prinsipnya, untuk semua
produk. Program spreadsheet komputer dikembangkan untuk menemukan kebijakan terbaik. Rincian model dan contoh keluaran
dari spreadsheet ditampilkan di Lampiran laporan ini.
(b) Pengumpulan data untuk sampel produk yang akan dianalisis: Mengingat banyaknya
produk, model diterapkan pada sampel 5%, dengan hasil diekstrapolasi ke semua produk. Untuk
mencapai akurasi estimasi yang lebih tinggi, produk dikelompokkan ke dalam kelas yang relatif
homogen. Distribusi biasa berdasarkan volume penjualan dolar tahunan diterapkan, dengan tiga kelas:
tinggi, sedang, dan
halaman 3
volume dolar rendah. Karena biaya penyiapan produksi gemuk jauh lebih tinggi daripada minyak, kelas
keempat untuk semua gemuk diciptakan. Komposisi kelas dan ukuran subsampel dirangkum di bagian atas
Tabel 1 di bawah ini. Produk yang akan dianalisis dipilih dengan metode random sampling. Pola pesanan
pelanggan untuk setiap produk sampel diekstraksi dari file pesanan pelanggan 200X, tahun lengkap terbaru
dari data pelanggan yang tersedia. Angka-angka untuk semua faktor biaya yang relevan disediakan oleh
Departemen Pengendalian Biaya atau dihitung berdasarkan uji waktu kasar.
(c) Estimasi total penghematan: Untuk setiap produk dalam sampel, kebijakan terbaik, yang terdiri dari titik potong
untuk pesanan pelanggan dalam jumlah besar dan ukuran pengisian stok, dihitung menggunakan spreadsheet yang
dikembangkan.
Program simulasi sederhana ditulis untuk mensimulasikan kinerja kebijakan yang diusulkan saat
danini untuk produk tertentu. Program ini digunakan untuk memperkirakan perbedaan total antara
biaya kedua kebijakan untuk setiap produk dalam sampel. Ini pada gilirannya disediakan
semua masukan yang diperlukan untuk mengekstrapolasi hasil yang diperoleh menjadi keseluruhan dari semua produk. Temuan dirangkum dalam
Tabel 1.
Tabel 1 Estimasi potensi penghematan tahunan.
Kelas Oli volume tinggi Oli volume sedang Oli volume rendah Gemuk
Secara keseluruhan:
Persen dari total 45% 35% 12% 8%

volume Jumlah produk 64 205 411 124
Ukuran sub-sampel 20 15 5 4
Rasio (kelas # / subsampel) 3.2 13.67 82.5 31
Per produk:
Perbedaan biaya rata-rata $ 431 $ 147 $ 74 $ 39
Simpangan baku $ 125 $ 26 $ 21 $ 19
Ekstrapolasi ke kelas:
Perbedaan biaya $ 27.584 $ 30.135 $ 30.414 $ 4.836
Kesalahan standar $ 1.000 $ 372 $ 425 $ 212
Perkiraan perbedaan biaya total: Kesalahan

$ 92.969
standar (dari perkiraan total):
$ 1.168
5. TEMUAN UTAMA
Tabel 1 merangkum hasil ekstrapolasi penghematan ke seluruh lini produk barang dalam kemasan yang dibawa oleh LOD.
Ini menunjukkan bahwa penerapan kebijakan terbaik untuk setiap produk akan menghasilkan penghematan atas biaya
operasi saat ini lebih dari $ 90.000 per tahun.
Perbandingan terperinci dari kebijakan terbaik saat ini dan yang diusulkan menunjukkan hal-hal berikut:
(a) Seperti yang diharapkan, titik potong terbaik berbeda dari produk ke produk. Biasanya, cenderung demikian antara 3200 dan 4400 liter
per pesanan — agak lebih tinggi dari 2400 saat ini (yang setara dengan 12 drum). Oleh karena itu, proporsi yang lebih
besar dari semua penjualan dipasok dari stok daripada yang terjadi saat ini.
halaman 4
(b) Untuk sebagian besar produk, ukuran pengisian stok terbaik juga lebih kecil dari kebijakan saat ini,
ini terlepas dari titik potong yang lebih tinggi.
(c) Konsekuensi dari (b) adalah pengurangan substansial dalam total investasi, serta gudang ruang yang dibutuhkan. Hal
ini dapat mengurangi kekurangan ruang gudang yang mudah diakses saat ini yang diderita oleh LOD.
(d) Rata-rata perputaran saham yang terkait dengan kebijakan terbaik tampaknya jauh lebih tinggi
dari target perusahaan 24 kali / tahun. Perkiraan kasarnya sekitar 32 kali / tahun.
(e) Kebijakan terbaik yang diusulkan relatif tidak sensitif terhadap perubahan wajar dalam total tahunan permintaan dan sebagian besar
faktor biaya, yaitu perubahan dalam salah satu dari ini hingga 25% yang terjadi setelah penerapan kebijakan terbaik untuk
produk tertentu hanya akan menghasilkan sedikit pengurangan dalam potensi penghematan. Akibatnya, dalam banyak kasus, akan
cukup untuk memperbarui kebijakan terbaik sekali setiap tahun, kecuali produk tertentu mengalami perubahan besar.
6. REKOMENDASI PELAKSANAAN
Implementasi model untuk semua produk akan membutuhkan program yang efisien secara komputasi yang akan dikembangkan untuk
menemukan nilai gabungan terbaik dari titik potong dan pengisian ulang stok.
Selain itu, format yang saat ini digunakan untuk merekam data pesanan pelanggan membutuhkan manipulasi data yang substansial.
Oleh karena itu, penghematan waktu yang cukup besar dapat diperoleh di masa depan ketika variabel kontrol diperbarui jika beberapa
penambahan kecil dilakukan pada program yang ada untuk mencatat pesanan pelanggan dan menyimpannya dalam database tahunan.
Oleh karena itu, implementasi melibatkan sebagian besar waktu staf, dengan semua biaya lain dapat diabaikan. Tabel 2 menunjukkan
waktu staf untuk berbagai tugas. Menurut jadwal ini, kebijakan baru bisa digunakan akhir Oktober.
Meja 2 Sumber daya staf diperlukan untuk implementasi penuh.
Tugas (waktu dalam hari) Analis Staf lainnya Penyelesaian
(a) Program untuk penggunaan 12 1 (LOD) minggu 4

model (b) Perubahan pada file data 3 30 (EDP) minggu 9
(c) Pengumpulan data 5 20 (LOD) minggu 8

10 (pengendalian biaya)
(d) Perhitungan kebijakan 5 minggu 12
(e) Persiapan rencana implementasi (f) 2 2 (LOD) minggu 12
Instruksi pengguna 3 5 (LOD) minggu 13
(g) Perubahan kebijakan baru (h) 2 2 (LOD) minggu 14
Pemantauan tindak lanjut 8 minggu ke 26
Total 40 30 (LOD)
40 (lainnya)
Biaya yang dibebankan: 80 hari dengan $ 400 / hari

$ 32.000.
halaman 5
Perkiraan potensi penghematan tahunan menunjukkan bahwa biaya implementasi penuh akan dipulihkan oleh kebijakan baru dalam
waktu kurang dari empat bulan. Namun, perlu dicatat bahwa simpanan hanya akan naik ke tingkat potensi penuhnya setelah masa
transisi. Selama periode ini, tingkat stok berlebih dari
produk-produk dengan ukuran pengisian ulang yang direkomendasikan lebih rendah akan secara bertahap dikurangi ke level baru yang
lebih rendah, sementara produk dengan ukuran pengisian ulang yang direkomendasikan lebih tinggi akan mencapai level baru dengan
sangat cepat. Oleh karena itu, penghematan biaya investasi hanya akan terwujud sepenuhnya setelah tingkat rata-rata baru tercapai
untuk semua produk. Ini bisa memakan waktu hingga 6 bulan.
Berdasarkan analisis ini, saya merekomendasikan agar model yang dikembangkan diimplementasikan.
Tanggal: 10 Juli 200X
Analis proyek: HG Daellenbach, Management Science Group
LAMPIRAN: KOMPUTASI SPREADSHEET UNTUK MENEMUKAN KEBIJAKAN OPTIMAL

UNTUK PRODUK Y
(Gambar 6-5 direproduksi di sini)
LAMPIRAN KOMPUTASI YANG DILAKUKAN

(Tidak diperlihatkan di sini secara rinci.) Lampiran ini memberikan rincian lengkap untuk setiap produk tentang parameter input yang
digunakan untuk menemukan kebijakan yang optimal dan solusi yang dihasilkan dalam bentuk tabel. Ini juga menunjukkan hasil dari simulasi
yang berjalan dan biaya yang dikeluarkan untuk kebijakan saat ini. Ini menjadi dasar untuk memperkirakan potensi penghematan pada Tabel 1.
Rincian analisis sensitivitas yang dilakukan juga disertakan.
LAMPIRAN: DESKRIPSI RINCI MODEL

(Tidak diperlihatkan di sini secara rinci.) Lampiran ini menunjukkan formulasi beranotasi dari fungsi biaya total untuk
T (Q, L) - model. It also lists all important assumptions, in particular that there are no warehouse or production facility
capacity restrictions. If such a constraint turns out to be binding, once the optimal policies for all products have been
computed, suitable adjustments would need to be made. It also refers to the possibility to generate additional savings
if the stock level is reviewed whenever a special production run is scheduled for a given product, and topped up at the
same time. This would have increased the complexity of themodel substantially at onlymodest further saving.
However, no tests weremade to confirm this conclusion.

Chapter 6. Ok

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Chapter 6. Ok

Diunggah oleh

Hak Cipta:

Format Tersedia

6

Tinjauan tentang metodologi OR keras

6.1 Paradigma keras OR dan gambaran umum diagram

Pendekatan keras ATAU mengasumsikan itu

1. masalah telah didefinisikan dengan jelas, menyiratkan bahwa

• jika ada tujuan yang saling bertentangan, pertukaran dapat ditentukan,

• kendala pada pilihan keputusan diketahui, dan

6.2 Rumusan masalah atau pelingkupan masalah

Gambar 6-1 Metodologi ATAU keras.

6.3 Proposal proyek atau keputusan selanjutnya

(a) Bisakah masalah diungkapkan dalam istilah kuantitatif?

analisis membenarkan kemungkinan manfaat yang akan diperoleh dari

implementasi hasil? Sejauh mana harapan sponsor proyek dapat dipenuhi?

Estimasi biaya proyek dan kemungkinan manfaatnya

Format proposal proyek

6.4 Tahap pemodelan masalah

Pengujian dan validasi model dan solusi

relevan (langkah 3 dari metodologi MS / OR) dan pembangunan model (langkah

4) (lihat M. Landry dkk. [ 1983]).

Analisis bagaimana-jika atau sensitivitas

Haruskah proyek ditinggalkan?

6.5 Tahap implementasi

6.6 Sifat proses OR yang sulit

Keterkaitan maju dan mundur

dan tingkat resolusi untuk sistem yang relevan.

6.7 Divisi Oli Pelumas - ringkasan situasi

Bagaimana proyek dimulai?

Mempelajari jargon teknis para pemangku kepentingan

Menilai aliran dokumen dan sumber data

6.8 Mengidentifikasi masalah yang akan dianalisis

Mengidentifikasi masalah yang akan dianalisis

Hierarki sistem yang terlibat

• Ukuran kinerja: total biaya operasi LOD.

• Sistem kepentingan yang lebih luas: operasi LOD dan kilang.

6.9 Sistem yang relevan untuk masalah pengisian stok

Gambar 6-3 Diagram struktur sistem tingkat tinggi untuk LOD.

Pesanan pelanggan Ada

Penilaian batas, eksplisit dan implisit

6.10 Proposal proyek untuk LOD

6.11 Definisi lengkap dari sistem LOD yang relevan

Untuk masalah LOD proposal proyek, diperkuat dengan presentasi lisan,

6.12 Model matematika

Mengapa membangun model matematika?

Pertimbangan penting saat membangun model matematika

6.13 Model matematika untuk LOD: pendekatan pertama

Jumlah pengisian ulang stok tahunan = D 1 / Q.

Biaya penyiapan tahunan untuk pengisian ulang stok = [ D 1 / Q] s.

Tingkat stok rata-rata = 0,5 Q.

Jika setiap unit yang tersedia memiliki nilai v, itu

Investasi saham rata-rata = 0,5 Qv.

Rata-rata biaya penyimpanan saham = 0,5 Qvr.

Nilai permintaan tahunan = vD 1

Lingkaran 11 juga merupakan hasil kali dari dua masukan:

Biaya penanganan tahunan untuk pelanggan kecil = h 1 D 1.

T (Q) = 0,5 Qvr + (sD 1 / Q) + h 1 D 1 + vD 1 (6-1)

T (Q) = 0,5 Qvr + (sD 1 / Q)

Ekspresi (6-2) dikenal sebagai Rumus Kuantitas Pesanan Ekonomis (EOQ).

T (EOQ) = 0,5 (51) 320 (0,18) + 18 (4140/51) = $ 2.930.

Aktivitas: Untuk input data berikut: D 1 = 3600, s = $ 20, v = $ 15, r = 20%,

6.14 Pendekatan kedua untuk model LOD

Biaya penanganan tahunan untuk pelanggan besar = h 2 D 2,

Biaya penyiapan tahunan untuk produksi khusus berjalan = sN,

T (L, Q) = [sN] + [jam 2 D 2] + [ 0,5 Qvr + sD 1 / Q] + [h 1 D 1] (6-3)

6.15 Menjelajahi ruang solusi untuk T (L, Q)