Taylor dan mitra kerjanya, Henry L. Gantt serta Frank dan Lillian
Gilberth termasuk yang pertama kali mencari cara yang sistematis dan terbaik
untuk memproduksi.
Konsep Deming
Tenaga kerja
Modal PROSES PRODUK
Material TRANSFORMASI ( Barang/atau jasa)
Energi NILAI TAMBAH
Tanah
Informasi
Manajerial
Produk yang dihasilkan dalam jumlah yang besar dengan variasi yang
sedikit dan sudah di standarisasikan.
Produk yang dihasilkan dalam jumlah yang sangat kecil dengan variasi
yang sangat besar dan di dasarkan atas pesanan
Flow Shop, yaitu proses konversi dimana unit unit output secara berturut
turut melalui urutan operasi sama padamesin mesin khusus, biasanya di
tempatkan sepanjang satu lintasan produksi . Contoh : Industri
pengalengan, pembotolan dan pabrik pakaian jadi
Continuous, proses ini merupakan bentuk ekstrim dari flow shop dimana
terjadi aliran material yang konstan. Contoh : industri penyulingan
minyak, pemrosesan kimia, dan industri industri lain dimana kita tidak
dapat mengidentifikasikan unit unit output urutan prosesnya secara
tepat
SISTEM PRODUKSI
Job Shop, yaitu proses konversi dimana unit untuk pesanan yang bebeda
akan mengikuti urutan yang bebeda pula dengan melalui pusat pusat
kerja yang di kelompokkan berdasarkan fungsinya. Contoh : produk:
komponen mesin, komputer untuk riset
Sangat efektif untuk mengetahui apakah suatu hasil peramalan selama periode
tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak bias, maka
nilai MFE akan mendekati nol.
Dua formulasi yang sering digunakan dalam menghitung kesalahan adalah MAD
dan MSE ( Drs. Zulian Yamit, Msi, MANAJEMEN PERSEDIAAN )
UKURAN AKURASI HASIL PERAMALAN
TRACKING SIGNAL
Suatu tracking signal di sebuat baik apabila memiliki RSFE yang rendah, dan
mempunyai positif error yang sama banyak atau seimbang dengan negatif error
sehingga pusat dari tracking signal mendekati nol.
Beberapa ahli dalam sistem peramalan George Possl dan Oliver Wight, dua pakar
PPIC , menyarankan untuk menggunakan nilai tracking signal maksimum ±4
UKURAN AKURASI HASIL PERAMALAN
MAD = 60/6 = 10
MFE = -1,67
METODE METODE DALAM PERAMALAN
Diperoleh dengan merata rata permintaan berdasarkan beberapa data masa lalu.
Semakin besar nilai N, maka semakin halus perubahan nilai MA dari periode ke
periode, semakin kecil nilai N maka hasil peramalan akan lebih agresif dalam
mengantisipasi perubahan data terbaru yang dipertimbangkan
ANALISIS DERET WAKTU ( TIME SERIES )
Lebih responsif terhadap perubahan, karena data yang baru di beri bobot lebih
besar
Apabila pola historis dari data aktual permintaan sangat begejolak atau tidak
stabil, dari waktu ke waktu, kita dapat memilih α yang mendekati 1, semakin
tidak stabil nilai α harus semakin tinggi menuju ke nilai 1
Apabila pola historis dari data aktual permintaan tidak berfluktuasi atau relatif
stabil, dari waktu ke waktu, kita dapat memilih α yang mendekati 0, semakin
stabil nilai α harus semakin kecil menuju ke nilai 0
ANALISIS DERET WAKTU ( TIME SERIES )
a = Intersep
t = Indeks waktu
A-bar = nilai rata rata permintaan per periode waktu, rata rata dari A