Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Tersedia online diwww.sciencedirect.com

ScienceDirect
Procedia CIRP 84 (2019) 1094–1100
www.elsevier.com/locate/procedia

Desain CIRP ke-29 2019 (Desain CIRP 2019)

Struktur Data Bayangan Digital untuk Pengetahuan Sistematis

Sistem Manajemen dalam Produksi Batch Tunggal dan Kecil

Gunther SchuhA, Christoph KelzenbergA, Jan WieseA, Tim OchelA,*

ALaboratory for Machine Tools and Production Engineering (WZL) RWTH Aachen University, 52074 Aachen, Jerman

* Prof.Dr.-Ing. Dipl.-Wirt.-Ing G. Schuh. Tel.: +49 241 80-27404 ; Faks: +49 241 80-22293 .Alamat email:G.Schuh@wzl.rwth-aachen.de

Abstrak

Perusahaan produksi batch tunggal dan kecil, yang memasok mesin, peralatan, perlengkapan, dan perangkat, sangat berkontribusi pada kinerja produksi seri
dan kualitas produk yang diproduksi. Untuk mendapatkan posisi pasar saat ini dan membedakan dari pesaing internasional, potensi yang diberikan oleh
Industri 4.0 perlu ditangani. Salah satu potensi terletak pada pengembangan sistem manajemen pengetahuan untuk menyimpan pengetahuan sensitif dan
mengelolanya secara efisien. Prasyarat adalah basis data substansial yang diperoleh bayangan digital untuk melacak kinerja perusahaan mendekati waktu
nyata. Makalah ini berfokus pada pengembangan struktur data untuk perusahaan produksi batch tunggal dan kecil untuk menerapkan bayangan digital
untuk memungkinkan penggunaan sistem manajemen pengetahuan yang efisien.

© 2019 Para Penulis. Diterbitkan oleh Elsevier BV

Tinjauan sejawat di bawah tanggung jawab komite ilmiah Konferensi Desain CIRP 2019.

Kata kunci:Singe dan produksi batch kecil ; Industri alat dan cetakan ; Bayangan digital; Struktur data ; Kembar digital

1. Perkenalan
Dalam konteks produksi industri, istilah produksi batch
tunggal dan kecil berada di antara kelas jenis produksi. Ini
dibedakan dalam produksi tunggal, seri dan massal.
Perbedaan tersebut didasarkan pada jumlah produk per
batch dan frekuensi pengulangan pesanan per tahun.
Jumlah rata-rata sekitar 50 produk per lot, yang diproduksi
rata-rata kurang dari 12 kali setahun [1].
Industri permesinan dan pabrik Jerman, yang terdiri dari
hampir semua perusahaan dalam produksi batch tunggal dan
kecil, mewakili pemberi kerja industri terbesar di Jerman
dengan omset 218 miliar euro. Peningkatan penjualan sebesar
2,8% pada tahun 2015 dibandingkan tahun sebelumnya
menggarisbawahi pentingnya sekitar 6.400 perusahaan
dengan total lebih dari satu juta karyawan [2].
Perusahaan produksi batch tunggal dan kecil menghadapi tantangan untuk
memproduksi barang-barang unik secara efisien. Kebutuhan hasil dari
persyaratan pelanggan tertentu dan keinginan untuk produk yang
dipersonalisasi. Dengan meningkatnya permintaan akan produk individual,
permintaan akan barang-barang unik pun meningkat [3, 4].
Ada juga proses pembuatan yang kurang standar, yang menyebabkan
frekuensi pengulangan yang rendah. Karena variasi produk
manufaktur yang tinggi, perusahaan produksi batch tunggal dan kecil
dapat menerapkan standar produk dan proses hanya sampai batas
tertentu. Efek pembelajaran rendah dibandingkan dengan produksi
massal.
Terlepas dari tantangannya, perusahaan produksi batch tunggal dan
kecil sangat penting dalam proses pembuatan produk manufaktur
industri. Mereka beroperasi misalnya di bidang kedirgantaraan,
percetakan dan teknologi kertas serta industri otomotif dan
pembuatan mesin, perangkat atau alat untuk penggunaan akhir
mereka dalam produksi seri [5]. Dengan demikian, perusahaan dengan
produksi batch tunggal dan kecil berfungsi sebagai pemasok. Dengan
memproduksi apa yang disebut peralatan ini, yang diperlukan untuk
realisasi operatif dari produksi seri yang efisien, perusahaan-
perusahaan ini dianggap sebagai pendukung produksi. Oleh karena
itu, optimalisasi terkait standar produk dan proses berkontribusi pada
peningkatan kualitas, proses yang terstandarisasi dan kuat, serta
margin yang terjamin. Untuk mewujudkan optimalisasi produk dan
pengetahuan proses diperlukan, seperti

2212-8271 ©2019 Para Penulis. Diterbitkan oleh Elsevier BV

Tinjauan sejawat di bawah tanggung jawab komite ilmiah Konferensi Desain CIRP 2019. 10.1016/
j.procir.2019.04.210
 Günther Schuh dkk. / Procedia CIRP 84 (2019) 1094–1100
pengetahuan adalah totalitas informasi dan keterampilan yang
digunakan individu untuk memecahkan masalah. Ini adalah faktor
kunci untuk kinerja karena memungkinkan realisasi dan optimalisasi
proses bisnis [6]. Sistem manajemen pengetahuan adaptif memiliki
potensi untuk mengurangi implikasi dari efek pembelajaran yang
rendah [7]. Namun, sistem manajemen pengetahuan yang efisien
membutuhkan pemanfaatan bayangan digital. Fokus dari makalah ini
adalah untuk memanfaatkan sistem manajemen pengetahuan dengan
memperkenalkan struktur data yang mendasari bayangan digital
untuk mengatasi masalah yang disebutkan. Penelitian yang disajikan
didanai oleh Deutsche Forschungsgemeinschaft (DFG, German
Research Foundation) – Nomor proyek: 362436663). Hasil yang
disajikan adalah hasil antara dari proyek penelitian yang sedang
berlangsung ini.
2. Tren manufaktur saat ini
Perusahaan produksi single dan batch kecil dipengaruhi
oleh peningkatan derivatisasi produk, globalisasi progresif
dan perubahan demografis [8, 9, 10, 11]. Dalam beberapa
tahun terakhir, derivatisasi produk yang meningkat
dikombinasikan dengan siklus hidup produk yang lebih
pendek telah menyebabkan peningkatan variasi dan
kompleksitas produk serta proses [12]. Hasilnya adalah
peningkatan jumlah varian model dengan penurunan
kuantitas masing-masing varian [13]. Misalnya, di bidang
teknologi koneksi dan otomasi, sekitar 30.000 produk aktif
dan turunannya serta peningkatan tahunan 2.500 produk
dan turunannya adalah hal biasa. Secara bersamaan, biaya
pengembangan dan produksi meningkat karena biaya
insidental untuk setiap varian model dapat dialokasikan ke
unit yang lebih sedikit [13].
Meningkatnya globalisasi perusahaan manufaktur
menyebabkan relokasi dan perluasan lokasi produksi di
dalam dan di luar Eropa. Meningkatnya permintaan
sumber daya adalah hasil dari pembukaan pasar
internasional baru. Tak pelak, hal ini menimbulkan
persaingan antara perusahaan produksi tunggal dan batch
kecil dengan pemasok lokal, yang memiliki biaya faktor
yang jauh lebih rendah (misalnya biaya tenaga kerja dan
gaji), terutama di Asia dan Eropa Timur [14]. Meskipun
mungkin untuk membedakan dari negara-negara dengan
upah rendah melalui nilai peralatan yang lebih tinggi di
masa lalu, pesaing internasional telah mengejar organisasi
dan teknologi [15]. Hal ini mengarah pada standar kualitas
terkait produk yang dapat dibandingkan secara
internasional [16]. Agar tetap kompetitif,
Perusahaan produksi batch tunggal dan kecil juga dipengaruhi
oleh perubahan demografis. Di lintas sektor, lebih sulit untuk
menemukan karyawan khusus dan berketerampilan tinggi, yang
membahayakan daya saing jangka panjang perusahaan atau
industrinya [10]. Oleh karena itu, transfer pengetahuan yang
sukses di perusahaan produksi batch tunggal dan kecil menjadi
semakin penting. Sementara usia rata-rata karyawan di
perusahaan berbasis pengetahuan dan pengalaman produksi
batch tunggal dan kecil telah meningkat menjadi hampir 40
tahun, persentase pekerja magang telah menurun.
1095
dan sekarang di 11,2% [17]. Manajemen pengetahuan yang sistematis
harus diterapkan untuk mendokumentasikan dan melestarikan
pengetahuan yang diperlukan untuk pembuatan peralatan agar tetap
menjadi pendukung jangka panjang produksi seri.
3. Revolusi industri keempat, bayangan digital dan
sistem manajemen pengetahuan
Sementara tren yang dijelaskan di atas memengaruhi
perusahaan produksi tunggal dan kecil, revolusi industri
keempat (Industri 4.0) mengarah pada perubahan
signifikan dalam penciptaan nilai untuk seluruh industri
produksi. Setelah mekanisasi, industrialisasi, dan
digitalisasi, ini merupakan perubahan signifikan dalam
paradigma produksi menggunakan teknologi informasi
dan komunikasi modern untuk meningkatkan
produktivitas. Revolusi industri keempat adalah jaringan
holistik dari sistem yang disempurnakan secara digital
menggunakan internet. Secara khusus, ini memungkinkan
perusahaan manufaktur untuk meningkatkan
produktivitas dan efisiensi dalam proses produksi mereka
melalui pencatatan, evaluasi, dan pemrosesan data yang
sistematis [18]. Proses superordinat analitik data dibagi
menjadi empat fase berturut-turut (lihat gambar 1).
Jalan menuju Bayangan Digital Analisis dan Evaluasi Data
Model struktur data
Multimodal
akuisisi data
Multimodal
fusi data
Konsistensi dan
Prediktif Diagnostik Deskriptif Bersifat menentukan
pemeriksaan yang masuk akal
Gambar 1: Empat fase analitik data dan bayangan digital
sebagai prasyarat [19]
Pada awalnya, sebagai bagian dari analisis deskriptif, data masa lalu
dievaluasi. Peningkatan ketersediaan data dan agregasi ke dalam
angka kunci dapat membantu membuat keputusan awal. Berdasarkan
fase satu, analisis diagnostik dilakukan untuk memahami data
agregat. Karena kemampuan interpretasi yang meningkat, penyebab
dan interaksi dapat diidentifikasi dan pemahaman yang mendalam
dapat dibuat. Dalam analisis prediktif dalam fase ketiga, metode
statistik dan pengenalan pola diterapkan. Ini meningkatkan
kemampuan untuk meramalkan peristiwa dan dampak di masa depan.
Dalam analisis preskriptif, rekomendasi untuk tindakan berdasarkan
algoritma optimasi dan pendekatan simulasi diturunkan. Oleh karena
itu, pengoptimalan diri dengan pengambilan keputusan, berdasarkan
data cerdas, diimplementasikan [20].
Prasyarat untuk penerapan metode dan model analisis dan evaluasi
data, dan dengan demikian untuk menerapkan empat fase analitik
data, adalah bayangan digital. Bayangan digital menggambarkan
refleksi yang tepat dari proses produksi, pengembangan, dan bidang
yang berdampingan. Tujuannya adalah untuk membuat basis evaluasi
realtime dari semua data perusahaan yang relevan [21]. Istilah kembar
digital sering keliru digunakan sebagai sinonim untuk bayangan
digital. Kembar digital berbasis pada digital
1096
bayangan, yang mendigitalkan proses nyata, dan menggunakan
pemodelan dan simulasi proses untuk membuat salinan realitas
seidentik mungkin [22]. Jalur migrasi untuk mengembangkan
bayangan digital untuk perusahaan produksi dimulai dengan
pengembangan model struktur data. Pada langkah pertama ini, data
yang diperlukan untuk bayangan digital termasuk perinciannya
dijelaskan, disusun, dan dimodelkan. Berdasarkan ini, akuisisi data
multimodal diwujudkan dengan teknologi sensor yang berbeda.
Dengan menggunakan apa yang disebut jaringan sensor, keunggulan
teknologi sensor individu digabungkan dan digunakan untuk replikasi
yang realistis. Fusi data multimodal selanjutnya melibatkan kombinasi
data sensor dari berbagai sumber. Menggabungkan data yang
berbeda dan mengoreksi kesalahan memungkinkan format presentasi
yang unik. Akhirnya, pemeriksaan konsistensi dan plausibilitas
dilakukan untuk menjamin konsistensi, kelengkapan, dan kebenaran
data. Hasil dari eksekusi seluruh jalur migrasi adalah kumpulan data
perusahaan dan pesanan yang jelas, terstruktur, dan bebas kesalahan
dari masa lalu yang dapat digunakan untuk melakukan analitik data
[20].
Karena pengetahuan didasarkan pada data dan informasi,
kualitas struktur data menunjukkan kegunaan pengetahuan yang
disimpan dalam sistem manajemen pengetahuan. Manajemen
data, informasi dan pengetahuan harus selalu berinteraksi [23].
Data yang dianalisis berfungsi sebagai dasar dari sistem
manajemen pengetahuan dan titik data mewakili ketersediaan,
relevansi, dan kelengkapan pengetahuan proses. Untuk
menggambarkan proses holistik, model proses manajemen
pengetahuan harus dibuat terlebih dahulu. Model proses
diturunkan melalui metode tiga langkah, yang mendefinisikan
elemen penting, melakukan analisis pengetahuan dan menyusun
model proses (lihat gambar 1). Bagian selanjutnya memberikan
wawasan singkat tentang status quo penataan data dalam
perusahaan tunggal dan produksi batch kecil.
Bisnis Pengetahuan
Antarmuka
proses transfer
Pengetahuan Pengetahuan Pengetahuan
identifikasi evaluasi kategorisasi
Gambar 2: Proses derivasi generik dari suatu pengetahuan
model proses manajemen
Günther Schuh dkk. / Procedia CIRP 84 (2019) 1094–1100
4. Status quo dan penggunaan penataan data dalam produksi
batch tunggal dan kecil untuk manajemen pengetahuan
Untuk menentukan status quo penataan data dalam
produksi batch tunggal dan kecil, database umum dari
Laboratory for Machine Tools and Production Engineering
(WZL) dari RWTH Aachen University dan Fraunhofer Institute
for Production Technology IPT dievaluasi. Ini berisi lebih dari
1.000 kumpulan data perusahaan berbahasa Jerman dengan
produksi tunggal dan kecil, yang tidak lebih dari lima tahun.
Defisit diidentifikasi sepanjang seluruh proses pemenuhan pesanan,
menunjukkan kurangnya penataan data termasuk perincian yang
diperlukan: sekitar 41% dari semua perusahaan memperkirakan
bagian produksi teknologi manufaktur mereka di seluruh rentang
produk. Dalam hal jatuh tempo rata-rata per alat mesin, bahkan satu
dari dua perusahaan memperkirakan jumlah jam hingga 100 jam
terdekat. Berdasarkan perincian data, perencanaan produksi yang
tepat tidak dapat diwujudkan. Di bidang manufaktur, sekitar dua
pertiga finalis kompetisi “Excellence in Production 2016” tidak
mencatat kesalahan pemasok mereka terkait kualitas dan waktu
pengiriman secara berbasis data dan real-time. “Excellence in
Production” adalah kompetisi tahunan yang diselenggarakan oleh
Laboratory for Machine Tools and Production Engineering (WZL) dari
RWTH Aachen University dan Fraunhofer Institute for Production
Technology IPT untuk menemukan perusahaan manufaktur tool & die
terbaik di negara-negara berbahasa Jerman. Hasilnya membuktikan
bahwa data eksternal tidak cukup direkam dan terintegrasi untuk
optimalisasi kinerja secara umum. Selain itu, 74% dari semua
perusahaan tidak dapat mengatur struktur biaya mereka dengan
benar dalam hal jenis pesanan (pesanan baru, perbaikan,
pemeliharaan, dll.), jenis produk (alat cetakan injeksi, alat pembentuk
lembaran logam, perlengkapan, dll.) dan departemen (desain,
manufaktur, perakitan, dll.). Hubungan data yang tidak ada ini
membuatnya sangat sulit untuk mengontrol pesanan. Dengan
Definisi dari demikian dapat ditentukan bahwa perusahaan dalam produksi batch
elemen penting
tunggal dan kecil seringkali tidak memiliki struktur data sepanjang
proses pemenuhan pesanan. Oleh karena itu, prasyarat untuk
pengembangan bayangan digital tidak ada, sehingga analitik data
tidak dapat diimplementasikan dalam proses pemenuhan pesanan
Konduksi dari
perusahaan produksi batch tunggal dan kecil.
pengetahuan rinci
analisis
Mengembangkan model struktur data untuk proses
pemenuhan pesanan merupakan langkah awal pengembangan
bayangan digital. Seperti disebutkan sebelumnya, bayangan
digital diperlukan untuk mengimplementasikan analitik data
Komposisi dari
yang sistematis dalam proses manufaktur. Penggunaan struktur data untuk
pengetahuan
produksi batch tunggal dan kecil dengan demikian menciptakan
pengelolaan
model proses prasyarat dasar untuk dapat memanfaatkan potensi yang
diberikan oleh revolusi industri keempat. Perkembangan lebih
lanjut dari keahlian tradisional menjadi perusahaan industri dan
integrasi solusi dan sistem digital telah menggambarkan bahwa
perusahaan dengan produksi tunggal dan kecil dapat mengejar
pengembangan industri, tetapi mengalami kesulitan dalam
penerapannya [24]. Secara khusus, peralihan dari revolusi industri
ketiga (digitalisasi) ke revolusi industri keempat (Industri 4.
 Günther Schuh dkk. / Procedia CIRP 84 (2019) 1094–1100
data terkait menjadi semakin penting. Data bahkan disebut
sebagai “emas dari 21stabad” [25]. Model struktur data membantu
perusahaan produksi batch tunggal dan kecil untuk
mengidentifikasi struktur dan memodelkan data yang dihasilkan
dalam proses pemenuhan pesanan. Berkenaan dengan manfaat
perusahaan produksi batch tunggal dan kecil, model struktur data
menjelaskan data yang akan direkam dan dianalisis sepanjang
proses pemenuhan pesanan. Ini mencakup akuisisi pesanan,
pengembangan, persiapan kerja, manufaktur mekanik serta
perakitan dan kualifikasi [1].
Oleh karena itu, model tersebut merupakan prasyarat dasar untuk
menerapkan “belajar dari data nyata”. Pada saat yang sama, model
struktur data juga membantu mengidentifikasi korelasi dan
ketergantungan serta aliran data, yang menunjukkan indikasi
pengaruh aktif perusahaan. Efek perubahan demikian dapat dipahami.
Pemodelan praktis dari struktur data sepanjang proses pemenuhan
pesanan juga memungkinkan tingkat kepraktisan yang tinggi dalam
aplikasi.
5. Pengembangan struktur data bayangan digital untuk
sistem manajemen pengetahuan dengan contoh desain
Basis data manajemen pengetahuan terdiri dari pengetahuan
individu dan kolektif yang dapat dimanfaatkan organisasi
untuk menyelesaikan tugas-tugasnya. Untuk menghasilkan
nilai, kompleksitas data yang mendasari perlu disusun. Berikut
ini akan dijelaskan konsep model struktur data untuk
perusahaan produksi batch tunggal dan kecil. Karena
penataan sistematis yang diperlukan dan kompleksitasnya,
kerangka peraturan dirancang, sebelum konsep kasar dan
deskripsi teladan dari desain langkah proses disajikan.
Kerangka kerja ini berbeda dari struktur data produksi batch
besar dengan mempertimbangkan karakteristik umum dalam
produksi batch tunggal dan kecil serta implikasinya.
5.1. Kerangka model struktur data untuk perusahaan
produksi batch tunggal dan kecil
Proses pemenuhan pesanan generik untuk produksi batch
tunggal dan kecil berfungsi sebagai kerangka kerja untuk
pengembangan model struktur data. Prosesnya dimulai dengan
akuisisi pesanan, sebelum pengembangan dilakukan. Langkah-
langkah proses berikut adalah persiapan kerja, manufaktur
mekanik, perakitan dan kualifikasi. Orientasi terhadap proses
pemenuhan pesanan umum disederhanakan dengan
mempertimbangkan perbedaan dalam proses atau langkah
proses masing-masing. Heterogenitas dalam produksi batch
tunggal dan kecil dari peralatan manufaktur, misalnya perkakas,
perangkat dan mesin, tercermin dalam proses pemenuhan
pesanan dan proses manufaktur.
pribadi mesin
nama durasi penamaan
TIDAK. TIDAK.
karyawan M
bekerja
M mesin
pada
Gambar 3: Presentasi Dasar ERM (Contoh)
1097
Perlunya penyelarasan berorientasi proses dari model struktur
data adalah karena data tidak harus dibuat di departemen
khusus, melainkan dalam langkah-langkah proses yang berbeda,
yang harus tersirat dalam model struktur data. Sebagai contoh,
data dari manufaktur dan perakitan digunakan untuk perhitungan
dan perencanaan proyek mendatang. Implementasi operasional
dari apa yang disebut "belajar dari data" membutuhkan penataan
dan pemodelan data secara holistik di seluruh proses pemenuhan
pesanan. Selain itu, ini merupakan prasyarat untuk penyimpanan,
analisis, dan visualisasi dan interpretasi data yang sistematis,
sehingga keputusan berbasis database dapat dibuat.
Visualisasi struktur data dalam perusahaan produksi tunggal
dan kecil memfasilitasi pemahaman hubungan dan
ketergantungan antara data. Ini juga membantu menggunakan
data untuk pengoptimalan. Pentingnya pemodelan sistem dan
proses dalam industri manufaktur terus berkembang untuk
memastikan kepraktisan. Untuk pengembangan model struktur
data untuk proses pemenuhan pesanan dalam produksi batch
tunggal dan kecil, pemodelan memberikan dukungan yang
diperlukan untuk visualisasi struktur data yang dijelaskan. Tidak
ada definisi standar untuk deskripsi formal model dalam literatur.
Secara umum, model dipahami sebagai representasi fakta yang
disederhanakan dan bertujuan [26]. Jenis model ditentukan
dengan membagi model menjadi deskriptif, jelas, peramalan dan
model keputusan [27]. Sementara model deskriptif
menggambarkan fakta realitas yang ada, model penjelasan
menentukan kausalitas. Model peramalan berfungsi untuk
memprediksi keadaan dan perilaku sistem di masa mendatang.
Model keputusan berfungsi untuk menentukan pilihan tindakan
dan menggambarkan kondisi normatif. Berdasarkan diferensiasi
ini, model yang akan dikembangkan merepresentasikan model
deskripsi, yang memetakan kelas, objek, dan atribut sepanjang
proses pemenuhan pesanan produksi batch tunggal dan kecil.
5.2. Pemilihan bahasa pemodelan yang sesuai
Struktur data yang dijelaskan dan diterapkan pada berbagai
jenis perusahaan produksi batch tunggal dan kecil dimodelkan
dengan menggunakan bahasa pemodelan. Untuk menyusun
komponen individu, bahasa pemodelan mengurangi kompleksitas
sistem yang dipertimbangkan. Pemodelan meningkatkan
penerapan struktur data di perusahaan, karena koneksi,
hubungan, dan atribut data yang berbeda divisualisasikan
sepanjang seluruh proses pemenuhan pesanan [28]. Pendekatan
Entity Relationship Modeling (ERM) yang dikembangkan oleh C
INDUK AYAMdidirikan sebagai bahasa pemodelan data untuk model
data semantik [29]. Komponen pemodelan dasar adalah entitas,
hubungan dan atribut [30] (lihat gambar 2).
Entitas mewakili objek abstrak atau konkret dari dunia nyata,
seperti mesin atau lokasi penyimpanan, dan dapat ditentukan
oleh karakteristik atau properti. Entitas yang dijelaskan oleh tipe
karakteristik yang sama digabungkan menjadi tipe entitas.
Misalnya, mesin tipe entitas mengelompokkan semua mesin
produksi menjadi satu. Dalam praktiknya, istilah entitas umumnya
mengacu pada jenis entitas tertentu. Hubungan merujuk
1098 Günther Schuh dkk. / Procedia CIRP 84 (2019) 1094–1100
untuk menghubungkan antara setidaknya dua entitas. Entitas
tertaut tidak harus ditetapkan ke jenis entitas yang berbeda. Tipe
relasi mengelompokkan relasi dengan cara yang sama seperti tipe
entitas, dan relasi yang berbeda dapat muncul di antara tipe
entitas yang sama. Atribut menggambarkan dan mencirikan
entitas dan hubungan. Rentang nilai atau nilai konkret
dialokasikan ke atribut. Biasanya, suatu entitas diberi jumlah
minimum atribut yang secara unik mengidentifikasi entitas di
dalam tipe entitasnya. Atribut ini kemudian menjadi atribut kunci
dan dapat, misalnya, menjadi nomor mesin untuk sebuah mesin.
Dalam pemodelan grafis ERM, entitas dan tipe entitas
direpresentasikan sebagai persegi panjang, relasi dan tipe relasi
sebagai belah ketupat dan atribut sebagai oval, di mana masing-
masing atribut kunci digarisbawahi. [30]
5.3. Definisi tipe data
Data dalam proses pemenuhan pesanan dibedakan
berdasarkan frekuensi perubahan, konsistensi volume,
dan tingkat independensi eksistensial [31]. Namun, tidak
ada definisi standar dari tipe data individu dalam literatur
[32]. Pemisahan yang umum adalah data master dan data
transaksi [33]. Data master mengacu pada data yang valid
dalam jangka waktu yang lebih lama tanpa penjadwalan
akhir. Ini juga memiliki volatilitas yang rendah. Berbagai
jenis data master terjadi dalam organisasi perusahaan.
Misalnya, data master bahan berisi informasi dasar untuk
mengklasifikasikan dan mengidentifikasi bahan yang ada,
seperti nomor bahan dan nomor artikel. Data master
sumber daya menggambarkan informasi dasar tentang
karyawan, stasiun kerja, peralatan, dan sumber daya
produksi dalam suatu perusahaan. Untuk pembuatan bill
of material (BOM) dan rencana kerja, tidak hanya data
master yang merupakan data dasar, tetapi juga data
transaksi digunakan. Tidak seperti data master, data
transaksi dihasilkan berdasarkan aktivitas dalam proses
perusahaan [33]. Data transaksi yang berasal dari data
master berisi referensi waktu yang konkret dan ditandai
dengan masa hidup yang terbatas [33]. Akibatnya, data
transaksi untuk pesanan tidak dapat ada tanpa data
master pelanggan yang sesuai [34]. Data transaksi dapat
dibagi lagi menjadi data persediaan, data pesanan dan
data operasi. Data operasi mengacu pada data stok
material, tempat kerja, peralatan, sumber daya produksi,
peralatan dan personel yang dibuat dalam proses
pemenuhan pesanan [33]. Berdasarkan tipe datanya,
Memesan Menggambar
Akuisisi Pesanan
Melepaskan
Desain BOM dll.
Persiapan Kerja
Definisi kebutuhan
Penentuan fungsi
Pengembangan prinsip
Desain
Detail desain
Gambar 4: Aliran informasi desain elemen model
5.4. Penurunan informasi yang diperlukan dalam subnetwork
dengan contoh desain
Desain didasarkan pada informasi pelanggan yang
terdokumentasi dan persyaratan dalam spesifikasi dan dimulai
dengan definisi persyaratan produk. Proses selanjutnya ditandai
dengan konkretisasi fungsi, prinsip, dan komponen yang
berurutan. Perbandingan pedoman VDI yang menjelaskan
prosedur ini mengarah pada turunan dari lima langkah desain,
definisi kebutuhan, penentuan fungsi, pengembangan prinsip,
desain dan perincian [36] (lihat Gambar 3).
Saat persyaratan ditentukan, spesifikasi persyaratan diturunkan dari pesanan penjualan (langkah 1). Spesifikasi persyaratan
memberikan dokumentasi informal tentang bagaimana persyaratan produk diterapkan. Untuk tujuan ini, persyaratan dibagi lagi
menjadi sub-persyaratan dan dikategorikan menjadi persyaratan tetap (harus dipenuhi dalam hal apapun), persyaratan minimum
(menentukan ambang yang harus dicapai) dan persyaratan yang diinginkan (harus diperhitungkan jika memungkinkan). Daftar
persyaratan membentuk daftar internal persyaratan produk. Ini merekam semua permintaan pada fungsi sistem, layanan,
antarmuka, dan kendala teknis dan ekonomi lainnya. Dalam definisi fungsional (langkah 2), model abstrak dari produk yang akan
direalisasikan dibuat dan definisi tugas direduksi menjadi aspek-aspek penting. Dengan demikian, fungsi keseluruhan dari tugas
desain dapat dikenali secara langsung dan juga dibagi menjadi fungsi-fungsi dasar dengan kompleksitas yang lebih rendah. Ini
kemudian dihubungkan ke struktur fungsi dengan variabel input dan output yang sesuai. Dalam pemrosesan prinsip berikut
(langkah 3), efek fisik atau kimia ditugaskan ke sub-fungsi dengan variabel fungsi terkait. Pada langkah selanjutnya, parameter
desain dari efek individu ditentukan secara kualitatif dan kuantitatif dalam karakteristik geometris dan material. Terjemahan dari
efek yang dijelaskan secara kualitatif menjadi karakteristik geometris dan material menghasilkan prinsip operasi. Kombinasi dari
prinsip-prinsip operasi individu mengarah pada solusi prinsip dari keseluruhan sistem. Dengan langkah desain (langkah 4), struktur
solusi utama diubah menjadi superstruktur modular. Di dalam struktur, masing-masing modul dibagi menjadi rakitan dan bagian-
bagian individual dan kontur serta geometrinya ditentukan dan diukur. Struktur produk yang dihasilkan dijabarkan lebih lanjut pada
langkah terakhir detailing (langkah 5). Dalam apa yang disebut proses fine-tuning, masing-masing bagian dan rakitan dioptimalkan
melalui perhitungan atau metode simulasi. Toleransi akhirnya ditentukan, sifat struktural dan permukaan ditentukan dan geometri
dirinci. Hasil dari pekerjaan desain adalah gambar bagian individual, gambar perakitan, BOM, dll. Lima fase desain yang dijelaskan
menghasilkan kebutuhan akan informasi, yang harus dipertimbangkan dalam model struktur data untuk bayangan digital. Di dalam
struktur, masing-masing modul dibagi menjadi rakitan dan bagian-bagian individual dan kontur serta geometrinya ditentukan dan
diukur. Struktur produk yang dihasilkan dijabarkan lebih lanjut pada langkah terakhir detailing (langkah 5). Dalam apa yang disebut
proses fine-tuning, masing-masing bagian dan rakitan dioptimalkan melalui perhitungan atau metode simulasi. Toleransi akhirnya
ditentukan, sifat struktural dan permukaan ditentukan dan geometri dirinci. Hasil dari pekerjaan desain adalah gambar bagian
individual, gambar perakitan, BOM, dll. Lima fase desain yang dijelaskan menghasilkan kebutuhan akan informasi, yang harus
dipertimbangkan dalam model struktur data untuk bayangan digital. Di dalam struktur, masing-masing modul dibagi menjadi
rakitan dan bagian-bagian individual dan kontur serta geometrinya ditentukan dan diukur. Struktur produk yang dihasilkan
dijabarkan lebih lanjut pada langkah terakhir detailing (langkah 5). Dalam apa yang disebut proses fine-tuning, masing-masing
bagian dan rakitan dioptimalkan melalui perhitungan atau metode simulasi. Toleransi akhirnya ditentukan, sifat struktural dan
permukaan ditentukan dan geometri dirinci. Hasil dari pekerjaan desain adalah gambar bagian individual, gambar perakitan, BOM,
dll. Lima fase desain yang dijelaskan menghasilkan kebutuhan akan informasi, yang harus dipertimbangkan dalam model struktur
data untuk bayangan digital. modul individu dibagi menjadi rakitan dan bagian individu dan kontur serta geometrinya ditentukan
dan diukur. Struktur produk yang dihasilkan dijabarkan lebih lanjut pada langkah terakhir detailing (langkah 5). Dalam apa yang
disebut proses fine-tuning, masing-masing bagian dan rakitan dioptimalkan melalui perhitungan atau metode simulasi. Toleransi
akhirnya ditentukan, sifat struktural dan permukaan ditentukan dan geometri dirinci. Hasil dari pekerjaan desain adalah gambar
bagian individual, gambar perakitan, BOM, dll. Lima fase desain yang dijelaskan menghasilkan kebutuhan akan informasi, yang
harus dipertimbangkan dalam model struktur data untuk bayangan digital. modul individu dibagi menjadi rakitan dan bagian
individu dan kontur serta geometrinya ditentukan dan diukur. Struktur produk yang dihasilkan dijabarkan lebih lanjut pada langkah
terakhir detailing (langkah 5). Dalam apa yang disebut proses fine-tuning, masing-masing bagian dan rakitan dioptimalkan melalui
perhitungan atau metode simulasi. Toleransi akhirnya ditentukan, sifat struktural dan permukaan ditentukan dan geometri dirinci.
Hasil dari pekerjaan desain adalah gambar bagian individual, gambar perakitan, BOM, dll. Lima fase desain yang dijelaskan menghasilkan kebutuhan aka
 Günther Schuh dkk. / Procedia CIRP 84 (2019) 1094–1100
5.5. Subnetwork dari model struktur data dengan contoh
desain
Berikut ini, contoh subnetwork dari struktur data untuk
bayangan digital dalam produksi batch tunggal dan kecil
dimodelkan. Mengikuti pendekatan pengembangan struktur
data menurut SBERSORAK[28], konsep keseluruhan perlu
diperinci menjadi elemen model untuk pemodelan hubungan
yang lebih sederhana. Setelah itu, elemen perlu disintesis
menjadi model struktur data secara keseluruhan. Elemen
model menggambarkan hubungan dan hubungan di antara
mereka. Substruktur berorientasi pada proses pemenuhan
pesanan produksi batch tunggal dan kecil. Dalam tulisan ini,
subnetwork untuk desain dijelaskan.
Desain didasarkan pada persyaratan produk, didokumentasikan
dalam urutan atau spesifikasi, dan hasil studi kelayakan. Fungsi,
prinsip operasi, dan komponen yang diperlukan dikonkretkan.
Akibatnya, ini berarti bahwa sistem dokumentasi dalam desain
mewakili struktur data untuk deskripsi geometrik dan teknis
dalam bentuk gambar dan BOM. Perancang adalah spesialisasi
karyawan dan karenanya mewarisi semua atribut deskriptif dari
karyawan tipe entitas. Selain itu, perancang tidak termasuk dalam
satu atau lebih tim proyek, sementara beberapa perancang dapat
bekerja dalam satu tim proyek. Seorang desainer mengerjakan
satu atau lebih pesanan dan satu pesanan dapat diproses oleh
beberapa desainer.
Hubungan yang dijelaskan berlaku secara analog antara jenis
entitas Perancang dan Dokumen. Dokumen dapat berupa gambar
atau BOM dan diidentifikasi secara unik dengan atribut Document_ID.
Terakhir, sebuah dokumen adalah bagian dari satu permintaan yang
tepat, sementara beberapa dokumen dapat ditugaskan ke satu
permintaan. Dalam sistem dokumentasi desain, gambar dan BOM
digunakan untuk menggambarkan masing-masing komponen dalam
versi dan jumlah yang diperlukan. Sebuah BOM dimodelkan
menggunakan relasi rekursif komponen. Modul diklasifikasikan
dengan cara yang sama. Ini menghasilkan struktur untuk modul yang
berkaitan dengan grup tingkat tinggi (utama) dan subgrup bawahan.
Modul dapat memiliki satu atau lebih utama atau subkelompok.
Hubungan antara produk dan komponen individu dibuat
menggunakan modul. Sejumlah komponen dapat ditugaskan ke suatu
produk. Penafsiran ulang modul memungkinkan sejumlah prinsip
operasi untuk ditugaskan padanya. Yang terakhir ini dapat dijelaskan
dengan masing-masing arah tindakan dan prinsip fisik yang
mendasarinya. Selain itu, suatu komponen dapat dikhususkan pada
bagian yang dibeli atau bagian sendiri, yang keduanya memiliki
sejumlah spesifikasi. Hubungan BOM memungkinkan untuk
mendokumentasikan komponen dan jumlahnya. Ini dapat
dikhususkan sehubungan dengan tujuan penggunaannya. BOM untuk
dokumen digeneralisasikan, yang memungkinkan pewarisan tanggal
pembuatan dan karakteristik identifikasi ke tingkat yang lebih tinggi.
Versi hubungan rekursif dapat digunakan untuk membuat versi
dokumen yang berbeda. Gambar adalah spesialisasi dokumen dan
dapat lebih dikhususkan pada gambar CAD dan gambar desain.
Organisasi submodel dan Manajemen Dokumen dalam Desain
digabungkan menggunakan Dokumen tipe entitas. Di satu sisi, ini
mewakili koneksi ke data yang diperlukan dari produk yang akan
diproduksi dan di
1099
Di sisi lain, memungkinkan penugasan penanggung jawab
insinyur desain, yang diatur dalam struktur organisasi
divisi perusahaan.
6. Ringkasan & pandangan
Untuk mempertahankan dan meningkatkan daya saing di masa
depan, perusahaan produksi tunggal dan kecil perlu mengelola
kompleksitas, biaya dan proses dalam operasi bisnis serta
pengembangan lebih lanjut dari kemampuan kinerjanya. Oleh karena
itu, perusahaan menghadapi tantangan untuk mendapatkan
transparansi yang komprehensif tentang proses yang terlibat dalam
proses pemenuhan pesanan. Dengan menyimpan, mengakses, dan
mengelola pengetahuan secara efisien, sistem manajemen
pengetahuan menciptakan dasar solusi untuk meningkatkan
transparansi dalam proses pemenuhan pesanan perusahaan produksi
batch tunggal dan kecil. Makalah ini berisi derivasi dari sistem
manajemen pengetahuan, yang dijelaskan oleh model proses yang
mendasarinya. Prasyarat adalah pemanfaatan bayangan digital, yang
dapat diimplementasikan dengan pengembangan dan penerapan
model struktur data untuk bayangan digital. Untuk mendukung
perusahaan produksi batch tunggal dan kecil di jalur penerapan
Industri 4.0, pendekatan pengembangan model struktur data untuk
bayangan digital dijelaskan dalam makalah ini. Sehubungan dengan
kemajuan ilmiah, model struktur data digunakan untuk
menggambarkan representasi digital dari proses nyata produksi batch
tunggal dan kecil dan untuk memperluas solusi yang ada.
Referensi
[1] Hirsch BE, CIM in der Unikatfertigung und -montage, Verlag TÜV
Rheinland, 1992, hlm. 11.
[2] Asosiasi Teknik Jerman (VDMA: Verband Deutscher Maschinenund
Anlagenbau), Teknik mesin – gambar dan bagan, VDMA, Frankfurt,
2016, hal. 6-7.
[3] Novshek W, Thoman L, Permintaan untuk produk yang disesuaikan, fleksibilitas
produksi dan persaingan harga, Wissenschaftszentrum Berlin für
Sozialforschung GmbH, Berlin, 1999, hal. 2.
[4] Flynn A, Flynn-Vencat E, Custom Nation: Mengapa Kustomisasi adalah Masa
Depan Bisnis, BenBella Books, Dallas, 2012, hlm. 4.
[5] Asosiasi Teknik Jerman (VDMA: Verband Deutscher Maschinenund
Anlagenbau), status terakhir 27.11.2017:http://www.vdma.org/fachver-
baende
[6] Goh, S. 2002. Mengelola transfer pengetahuan yang efektif: Kerangka kerja
integratif dan beberapa implikasi praktik.Jurnal manajemen
pengetahuan.6, 1 (Januari 2002),
[7] Probst G, Raub, S, Romhardt K, Wissen managen : Wie Unternehmen ihre
wertvollste Ressource optimal nutzen, Gabler Verlag, 2012, hal.33
[8] Feldhusen J, Gebhardt B, Siklus Hidup Produk: Manajemen untuk Praksis. Ein
Leitfaden zur modularen Einführung, Umsetzung und Anwendung, Springer-
Verlag, Wiesbaden, 2008, hal. 1.
[9] Kleiner M, Maevus F, Rahmenkonzept „Forschung für die Produktion von
morgen“, Institut für Umformtechnik und Leichtbau, Dortmund, 2007, hal. 6.
[10] Brühl V, Wirtschaft des 21. Jahrhunderts. Herausforderungen in der
Hightech-Ökonomie, Springer-Gabler Verlag, Wiesbaden, 2015, hlm. 3.
[11] Westkämpfer E, Spath D, Constantinescu C, Lentes J, Digitale Produktion,
Springer Verlag, Berlin, 2013, hal. 6.
[12] Friedli T, Schuh G, Wettbewerbsfähigkeit der Produktion an
Hochschulstandorten, Springer Verlag, Berlin, 2012, hal. 33.
[13] Schuh G, Kuhlmann K, Pitsch M, Komorek N, Varnhagen V, Bechthold J,
Stich C, Lauenstein C, Fokus Automobilindustrie: Digitale Wertschöp-
1100 Günther Schuh dkk. / Procedia CIRP 84 (2019) 1094–1100
fungsnetzwerke im Werkzeugbau, Apprimus Verlag, Aachen, 2013, hal. 13- 17.
[14] Zwanzig F, Taktung der Unikatfertigung am Beispiel des Werkzeugbaus,
Apprimus Verlag, Aachen, 2010, hal. 28.
[15] Narula R, Dunning JH, Pengembangan Industri, Globalisasi dan
Perusahaan Multinasional, Studi Pembangunan Oxford, Volume 28,
Oxford, 2000, hal. 141-167.
[16] Henriques E, Novos Modelos de Negócio para la Indústria de Moldes e
Ferramentas – Model Bisnis Baru untuk Industri Perkakas, CENTIMFE,
Marinha Grande, Portugal, 2008, hlm. 105.
[17] Boos, W.; Salmen, M.; Kelzenberg, C.; Johannsen, L.; Helbig, J.; Ebbecke,
C., Perkakas di Jerman, 2018, hal. 32.
[18] WGP, Standpunkt Industrie 4.0, WGP, Darmstadt, 2016, hal. 6-9.
[19] WGP, Standpunkt Industrie 4.0, WGP, Darmstadt, 2016, hal. 25.
[20] Stich V, Hering N, Daten und Software als entscheidender
Wettbewerbsfaktor, di: Industri 4.0 Magazin – Zeitschrift untuk Sistem
Produk Terintegrasi, Berlin, 2015, hal. 8-13.
[21] Schuh G, Blum M, Reschke J, Birkmeier M, Der digitale Schatten der
Auftragsabwicklungs, dalam: Zeitschrift für wirtschaftlichen Fabrikbetrieb, ZWF
111(1/2), Carl-Hanser Verlag, München, 2016, hlm. 48-51.
[22] WGP, Standpunkt Industrie 4.0, WGP, Darmstadt, 2016, hal. 23.
[23] Probst G, Raub, S, Romhardt K, Wissen managen : Wie Unternehmen ihre
wertvollste Ressource optimal nutzen, Gabler Verlag, 2012, hal.24
[24] Klotzbach C, Gestaltungsmodell für den industriellen Werkzeugbau,
Shaker-Verlag, Aachen, 2007, hlm. 36 dst.
[25] Steiner H, Welker P, Wird der Controller zum Datra Scientist?, dalam: Tinjauan
Pengendalian & Manajemen Sonderheft 1, Springer-Gabler Verlag, Wiesbaden,
2016, hal, 68-74.
[26] Fink A, Schneidereit G, Voß S, Grundlagen der Wirtschaftsinformatik,
Physica-Verlag, Heidelberg, 2005, hal. 91 f.
[27] Patzak G, Systemtechnik – Inovator kompleks Planung Systeme, Springer-
Verlag, Berlin, Heidelberg, 1992, hal. 315 dst.
[28] Frank U, van Laak BL, Anforderung an Sprachen zur Modellierung von
Geschäftsprozessen, dalam: Arbeitsberichte des Institutes für
Wirtschaftsinformatik der Universität Koblenz, 2003, hal. 25 dst.
[29] Scheer AW, Wirtschaftsinformatik – Informationssysteme im Industriebetrieb,
Springer-Verlag, Berlin, Heidelberg, New York, 1990, hal. 20.
[30] Chen PP, Model Hubungan Entitas, dalam: ACMTODS, Volume 11, 1976,
hal. 9 ff.
[31] Wedekind H, Bestandsdaten, Bewegungsdaten, Stammdaten. dalam: Mertens P
et al., Lexikon der Wirtschaftsinformatik, Springer-Verlag, Verlin, Heidelberg,
1997, hal. 72.
[32] Smith HA, McKeen, JD, Perkembangan dalam Praktek: Manajemen Data
Master: Keselamatan atau Minyak Ular, dalam: Komunikasi AIS (CAIS),
Volume 4, 2008, hal. 63.
[33] Loos P, Grunddatenverwaltung und Betriebsdatenerfassung als Basis der
Produktionsplanung und -steuerung, dalam: Corsten H et al., Einführung in das
Produktionscontrolling, Vahlen-Verlag, München, 1999, hlm. 227-252.
[34] Dreibelbis A, Hechler E et al., Manajemen Data Master Perusahaan: Pendekatan
SOA untuk Mengelola Informasi Inti, Pearson Education, Boston, 2008, hal. 35.
[35] Schuh G, Brandenburg U et al., Aufgaben in der PPS, dalam: Schuh G et al.,
Grundlagen der PPS, Springer-Verlag, Berlin, 2012, hal. 72 dst.
[36] VDI (Richtlinien 2210E, 2222), Datenverarbeitung in der Konstruktion,
Konstruktionsmethodik, VDI, Düsseldorf, 1975, 1977.
[37] Eversheim W, Organisasi di der Produktionstechnik, Band 1: Grundlagen,
Springer-Verlag, Berlin, 1996, hal. 71 dst.
[38] Weber J, Gabler Wirtschaftslexikon, Stickwort: Kostenplanung, status terakhir:
21.11.2017, Springer-Gabler-Verlag, 2013.
[39] Giehler F, Erhöhung der Planungsproduktivität am Beispiel der
Auftragsabwicklung im Werkzugbau, Disertasi der RWTH Aachen, Apprimus-
Verlag, Aachen, 2010, hlm. 35.
[40] Boos W, Salmen M et al., Jaringan digital yang sukses di lantai pabrik dalam
pembuatan perkakas, Eigendurck der WBA Aachener Werkzeugbau Akademie
GmbH, Aachen, 2016, hlm. 12 ff.
[41] Boos W, Methodik zur Gestaltung und Bewertung von modularen
Werkzeugen, Disertasi der RWTH Aachen, Apprimus Verlag, Aachen,
2008, hal. 44.