Six Sigma

Six Sigma telah menjadi perbincangan dan bahkan telah menjadi simbol tentang kesempurnaan dibidang kualitas. Berbagai pendapat telah mengulas mengenai The Origin os Six Sigma, sebagai misal yang ada di ISix Sigma[1] Masing-masing dengan perspektifnya. Apakah Six Sigma itu ?

Pertama, kosa kata Sigma itu memang digunakan untuk menandai hal yang sama yaitu deviasi terhadap mean atau rata-rata dalam quality control techniques.  Walter A. Shewhart[2] adalah founding father[3]Statistical Process Control atau SPC.  Dalam SPC, sigma dengan notasi σ, digunakan untuk menandai satuan besar penyimpangan atau deviasi terhadap rata-rata sehingga bisa ditetapkan Upper Control Limit dan Lower Control Limit. Satuan sigma dalam SPC ini pada dasarnya sama dengan satuan sigma dalam distribusi Gauss[4] Kurva Gaussian Normal adalah continous distribution yang termasuk dalam kelompok bell shape, dengan expected value μ dan variance σ2. Kurva ini simterik ini menjelaskan bahwa kurva simetrik itu juga mempunyai deviasi simterik pula, yaitu  σ= ± 1, σ= ± 2, dan σ= ± 3 . Jadi, notasi σ atau yang diucapkan dengan sigma memang notasi umum yang digunakan dalam Statistik sejak jaman Gauss untuk distribusi Gauss hingga ke Walter Shewhart untuk Statistical Process Control.

Gauss distribution juga memberi gambaran luas wilayah pada masing-masing interval deviasi. Antara -1σ ke +1σ : 68.26%, -2σ ke +2σ : 95.44%, dan -3σ ke +3σ : 99.72%. Dengan demikian cukup jelas bahwa notasi σ atau sigma yang telah digunakan oleh Gauss dalam distribusinya tetap digunakan pula oleh Walther A. Shewart untuk SPC-nya. Memang ada ada berbagai macam SPC, namun dasarnya tetap sama. Penetapan parameter – Sigma dalam SPC pada dasarnya tergantung kepada manajemen, Semakin besar Sigma, misal 3σ berarti kontrol semakin longgar, namun sebaliknya semakin kecil Sigma misal 1σ maka semakin ketat kontrol.

Ke dua, Six Sigma Motorolla. Fenomena zero defect di Toyota Production System telah membuat gerah tim SPC Motorola. Kerja Deming, Juran, dan Crosby yang mencoba untuk menyibak fenomena Japanese Management Practices itu, masing-masing dengan preposisinya,  tampaknya belum memenuhi rasa penasaran mereka. Maka, Motorolla mengembangkan sebuah model untuk menandai tingkat pencapaian kualitas dengan meng-inovasi distribusi Gauss dan SPC. Lahirlah Six Sigma Motorola[5].

Inovasi yang dilakukan oleh Motorola terhadap SPC nya Shewart ada dua, yaitu:

memperlebar deviasi dari 3σ menjadi 6σ. Sebagai sebuah pdf atau probability density function [6] pelebaran deviasi dari 3σ menjadi 6σ ini membawa digit sampai sembilan untuk 6σ.

  • mengkonversi skala deviasi menjadi setara dengan skala ppm kependekan dari Part Per Milion defect. Perhatikan bahwa 6σ berarti 0.02 ppm, atau dalam satu juta parts yang dihasilkan terdapat 0.02 yang cacad. Dengan demikian, bisa dibayangkan dengan mudah bila menghasilkan satu milyar parts maka akan ada 2 parts yang tidak memenuhi spesifikasi. Bayangkan! Inilah mungkin target zero defect-nya Motorola.

Namun demikian, meskipun stadard deviasi digeser ± 1.5σ maka proses tidak akan mungkin lebih baik dari 3.4 ppm atau 2 ppb atau part per billion defects. Maka, standard ini selanjutnya menjadi target kemampuan Motorola dibidang  disain produk, produksi, dan pelayanan pada tahun 1992[7]

Dalam perkembangan selanjutnya, Six Sigma telah menjadi sebuah metoda untuk contionous iprocess mprovement dengan metodologi tertentu yang dikembangkan oleh berbagai lembaga[8]. Juga, Six Sigma yang pada awalnya dikembangkan oleh Motorola telah menjadi icon bagi jaminan kualitas sebuah lembaga konsultan.

_______________

  1. Pat Q, The Origin of Six Sigma, http://www.isixsigma.com/forum/showmessage.asp?messageID=7235, 2009-05-16 []
  2. Engineering Statistics, 2.2.2.1 Shewhart control chart,  http://www.itl.nist.gov/div898/handbook/mpc/section2/mpc221.htm, 2009-05-10; Wikipedia, Control Chart, http://en.wikipedia.org/wiki/Control_chart, 2009-05-10; Blog Spot, Walter A. Shewhart, http://walter-a-shewart.blogspot.com/2007/10/walter-shewhart.html, 2009-05-10 []
  3. ASQ, Walter A. Shewhart-father os statistical quality control, http://www.asq.org/about-asq/who-we-are/bio_shewhart.html, 2009-05-10 []
  4. Wikipedia, Gaussian Function, http://en.wikipedia.org/wiki/Gaussian_function, 2009-05-10; Wolfram Math World, Gaussian Function, http://mathworld.wolfram.com/GaussianFunction.html, 2009-05-10 []
  5. Motorola, The Motorola Guide To Statistical Process Control Continuous Improvement Toward Six Sigma Quality, 1990 []
  6. Gaussian Distribution Function, http://hyperphysics.phy-astr.gsu.edu/Hbase/math/gaufcn.html, 2009-05-10;  ((Wikipedia, Gaussian Function, http://en.wikipedia.org/wiki/Gaussian_function, 2009-05-10 []
  7. SPC Motorola p 5; lihat pula Zack Swinney, 1.5 Sigma Process Shift Explanation, http://www.isixsigma.com/library/content/c010701a.asp, 2009-05-16 []
  8. Six Sigma,  Project Selection, http://www.isixsigma.com/me/project_selection/,2009-05-16 []

SPC, Statistical Process Control

Statistical Process Control, disingkat SPC, adalah bagan visual untuk memberi gambaran proses yang sedang berjalan, untuk mengetahui apakah proses berada didalam batas-batas yang telah ditetapkan sebelumnya atau tidak. SPC adalah satu diantara tujuh alat kualitas.

SPC tidak lepas dari kerja Walter Andrew Shewhart[1], ahli di bidang fisika, rekayasa, dan statistika ketika ditugasi oleh bosnya Dr George D. Edward untuk membuat sebuah diagram quality control process di May 16, 1924.

Sebelumnya, yaitu tahun 1918, Dr Shewhart terlibat dalam pengawasan produk jadi dan mengeluarkan produk-produk cacad di Engineering Dept, salah satu perusahaan Western Electric[2] Shewhart menggunakan distribusi Gauss dengan μ yang ditransformasi menjadi rata-rata sebaran karakteristik proses, dan ± σ yang ditrasformasi menjadi UCL atau Upper Control Limit dan LCL atau Lower Control Limit sebagai landasannya.

Walter A. Shewhart defined control as follows[3]:

“A phenomenon will be said to be controlled when, through the use of past experience, we can predict, at least within limits, how the phenomenon may be expected to vary in the future. Here it is understood that prediction within limits means that we can state, at least approximately, the probability that the observed phenomenon will fall within the given limits.”

Dari batasan yang dibuat oleh Shewhart ini, tampak bahwa ide menemukan SPC adalah untuk mengetahui apa yang sedang terjadi dan bisa digunakan untuk memprediksi apa yang akan terjadi sehingga tindakan yang dipandang perlu bisa segera dilakukan. Disamping itu bagan SPC tersebut juga memunculkan gambaran mengenai proses yang diluar kendali atau out of control.

Teknologi pada dasarnya lebih deterministik, namun interaksi antara teknologi dengan manusia dalam proses sering memunculkan hasil-hasil yang sifatnya uncontrollable atau diluar kendali.  Dalam hal ini, Shewhart melihat penyimpangan itu disebabkan oleh dua faktor yaitu Common Causes[4] yang tidak perlu di-identifikasi dan Special Causes[5] yang perlu diidentifikasi.

spc1

SPC dibedakan menjadi dua golongan besar sesuai dengan karakteristik data yang diobservasi, yaitu Variable dan Attribute.

Pembedaan antara kategori Variable dan Attribute didasarkan pada jenis distribusi data.  Ada dua jenis kategori data, yaitu Continous dan Discrete. Oleh karena itu, pemilihan teknik SPC perlu memperhatikan jenis data disamping tujuan penggunaan teknik tersebut.

Variable Data

Continuous Distribution menggambarkan data yang memiliki distribusi rapat sekali karena data tersebut bisa terjadi dalam digit dibelakang koma hingga n digit. Contoh data ini adalah untuk mengukur ketebalan kayu yang bisa bervariasi, misal sekitar 10 mm bisa 9.99995 hingga 10.0005 untuk toleransi ±0.005%. Pada perubahan frekuensi listrik sumber PLN yang bisa naik turun dari 50 Hz. Bisa 45, 01 Hz hingga 55.00 Hz, artinya variasi data bisa terjadi diantaraangka tersebut. Juga data tegangan listrik PLN yang bisa bervariasi antara 180 Volt hingga 230 Volt dimana sembarang data diantara interval tersebut mungkin muncul. Juga, berat produk, dimensi,  atau volume dimana variasinya diukur dengan satuan berat, satuan dimensi,  atau satuan volume.

Teknik-teknik SPC yang termasuk dalam kategori data Variable adalah:

  • R Chart
  • X Chart
  • S Chart

R Chart

R kependekan dari Range, mengukur beda nilai terendah dan tertinggi sampel produk yang diobservasi, dan memberi gambaran mengenai variabilitas proses.

LCL

R

UCL1

 

 

UCL : Upper Control Limit
LCL : Lower Control Limit
R : Range
k : jumlah sampel inspeksi

Tabel untuk factor R Chart dan X Chart[6]:

X Chart

X Chart atau Mean Chart, memvisualisasikan fluktuasi rata-rata sampel dan rata-rata dari rata-rata sampel kemudian akan menunjukkan bagaimana penyimpangan rata-rata sampel dari rata-ratanya. Penyimpangan ini akan memberi gambaran bagaimana konsistensi proses. Semakin dekat rata-rata sampel ke nilai rata-ratanya maka proses cenderung stabil, sebaliknya maka proses cenderung tidak stabil. Dalam formulasi berikut, tampak bahwa X Chart Bar juga memasukkan variabel R rata-rata.

uclx

x

lclx

x double bar : rata-rata
n :  jumlah sampel

S Chart

S dalam S Chart menandai Sigma (σ) atau Standard Deviation Chart[7] hendaknya digunakan untuk mendeteksi apakah karakteristik proses stabil[8]. Oleh karena itu, S Chart biasanya di plot bersama dengan X Chart sehingga memberi gambaran mengenai variasi proses lebih baik.

s

LCLsLCLsSc4
Ketiga teknik SPC diatas banyak digunakan dalam industri manufaktur dan rekayasa yang membutuhkan presisi tinggi. Kata kunci adalah jenis data yang diobservasi, yaitu continous.

Attribute Data

Discrete Distribution memberi gambaran data yang terdistribusi secara utuh atau tanpa pecahan atau angka dibelakang koma. Misal 10, 11, 12, dst. Contoh data semacam ini misal: jumlah produksi dalam satuan unit seperti mobil, sepeda motor, botol, karton produk, rokok, dsb.

Teknik-teknik SPC untuk kategori  Attribute Data dibedakan menjadi dua tipe[9], yaitu Yes/No atau Ya/Tidak,  dan Counting atau Terhitung :

Data Ya/Tidak atau Yes/No Data

Tipe data ini hanya membedakan antara cacad atau tidak cacad. Teknik SPC yang termasuk dalam kelompok ini adalah:

  • P Chart
    • Sampel Konstan
    • Sampel Variabel
  • NP Chart

Data Terhitung atau Counting Data

Bila data yang diobeservasi lebih rumit atau dikehendaki analisis yang lebih mendalam, maka P Chart dan NP Chart kurang memadai. Oleh karena itu digunakan:

  • C Chart
  • U Chart

P Chart

P dalam P Chart menandai “proporsi” antara produk cacad atau tidak memenuhi kriteria dengan sampel yang dilakukan secara rutin.  Jadi,  P Chart digunakan untuk memantau apakah variasi proses masih terkendali.

http://fe.uajy.net/fs/as/wp-content/uploads/2009/05/p1.png

P bar : proporsi rata-rata

 

p2

 

 

 

Z = 1, 2, atau 3
n = jumlah sampel

P Chart dengan Sampel Variabel.

P Chart dalam model diatas menggunakan sampel konstan, misal setiap kali sampling ukurannya selalu sama. Bila sampel pada saat sampling berubah-ubah maka model berikut yang digunakan.

p1

P bar = proporsi cacad

p4

 

p5

 

Z = 1, 2, atau 3
ni = jumlah sampel ke i
i = 1, 2, ….., m

Dalam model ini, UCL dan LCL akan tervisualisasikan berfluktuasi. Ini berbeda dengan sampel konstan yang akan tervisualisasikan sebagai sebuah garis lurus. Pembacaan tetap sama, yang diluar UCL dan LCL berarti out of control.

NP Chart

N dalam NP Chart menandai jumlah sampel. Karena P menandai proporsi sampel cacad (P) terhadap jumlah sampel (N) maka NP tidak lain adalah jumlah sampel cacad itu sendiri. NP Chart selalu menggunakan sampel konstan. Dengan demikian, NP chart lebih memberi gambaran besar mengenai sampel cacad dan lebih digunakan oleh tingkat organiosasi yang kurang menghendaki informasi rinci.

p1

P bar = proporsi cacad

 

p6

P7

 

 

 

Z = 1, 2, atau 3
n = jumlah sampel

C Chart

C pada C Chart menandai “count” atau hitung cacad.  Dalam sebuah sampel berapa banyak cacad dijumpai tanpa memperhitungkan jenis cacadnya, segala macam cacad sesuai dengan batasan yang telah dibuat. Misal dalam sebuah proses produksi  mungkin terjadi beberapa cacad, pada setiap produk yang dihasilan,  maka jumlah cacad per satuan produk per satuan waktu yang dihitung.

c1

ci = cacad ke i
i = 1, 2, . . . . , m
n = jumlah sampel

 

c2

c3

 

 

U Chart

U dalam U Chart menandai “Unit” cacad dalam kelompok sampel[10]. Bila dalam teknik yang lain data cacad langsung menjadi data yang di plot ke bagan, maka U Chart perlu untuk menghitung terlebih dahulu U (“Unit”) cacad untuk setiap n, dimana Ui = ci/ni.  Inilah yang terutama membedakan U Chart dari C Chart.

Karakteristik ini memberi gambaran mengenai tujuan penggunaan U Chart, yaitu bila dikehendaki observasi dengan inspeksi rutin dengan cara sampling untuk mengetahui kerusakan cacad proses per sampel pada proses produksi dengan volume  per satuan waktu tinggi. Model yang dikembangkan adalah[11]:

Ui : Unit cacad per sampel
ci : Unit cacad ke i
ni : Jumlah sampel inspeksi ke i

 

U2

U bar : U rata-rata

 

 

U3

U4

Z = 1, 2, atau 3

 

 

U Chart, dalam beberapa kasus penerapan[12], memperluas ni pada Ui=ci/ni sehingga nilai ni kini tergantung kepada Oi yaitu output per satuan waktu dan Ni target inspeksi pada satuan waktu tersebut.

UOi : Ouput ke i
Ni : Observasi

 

Perluasan ini memungkinkan organisasi untuk mengetahui dinamika karakteristik proses dalam suatu kurun waktu tertentu. Misal, dalam waktu satu tahun kerja akan dilakukan 100 hari observasi untuk memeriksa sampel. Maka,

Perluasan ini memungkinkan organisasi untuk mengetahui dinamika karakteristik proses dalam suatu kurun waktu tertentu. Misal, dalam waktu satu tahun kerja akan dilakukan 100 hari observasi untuk memeriksa sampel. Maka,

Dengan demikian semakin jelas bahwa dengan U Chart, gambaran mengenai jumlah rata-rata cacad dalam setiap produk bisa diperoleh. Gambaran tersebut akan menjadi langkah awal untuk menjalankan manajemen kualitas, planing-process-control

___________________

  1. Wikipedia, Walter A. Shewhart, http://en.wikipedia.org/wiki/Walter_A._Shewhart, 2009-05-17; []
  2. Wikipedia, Walter A. SchewartIbid []
  3. Statistical Process Control: the Founders’ Way, Statistical Process Control (SPC), http://statistical-process-control.blogspot.com/2007/10/statistical-process-control.html, 2009-05-22 []
  4. Statistical Process Control: the Founders’ Way, Common Causes and Special Causes, http://statistical-((rocess-control.blogspot.com/2007/10/common-and-special-causes.html, 2009-05-22 []
  5. Ibid []
  6. bama-ua, http://bama.ua.edu/~sga/TestFile/OM%20300/OM%20300%20Fall%202006%20Exam%202.pdf, 2009-05-19; Engineering Statistics Handbook, Shewhart R bar, X bar, and S control chart, http://www.itl.nist.gov/div898/handbook/pmc/section3/pmc321.htm []
  7. Midas, Using an XBar and s Chart to Compare Samples from Different Applications, http://www.statit.com/support/quality_practice_tips/compare_samples_diff_apps.shtml, 2009-05-23; Quality America, When to Use an X-bar/S Chart, http://www.qualityamerica.com/knowledgecente/knowctrWhen_to_Use_an_Xbar_S_Chart.htm, 2009-05-23 []
  8. Engineering Statistics Hand Book,
    Shewhart X-bar and R and S Control Charts, http://www.itl.nist.gov/div898/handbook/pmc/section3/pmc321.htm, 2009-05-23; []
  9. BPI Consulting, U Control Chart, July 2007, http://www.spcforexcel.com/u-control-charts#uControlChartInfections, 2009-05-21 []
  10. Data Plot Reference Manual, U Control Chart, March 11, 1997, http://www.itl.nist.gov/div898/software/dataplot/refman1/ch2/ucontrol.pdf, 2009-05-21; Quality Adiviser, u-chart: When is it used?, http://www.qualityadvisor.com/sqc/u_chart_when.php, 2009-05-22 []
  11. Center for ISO 9000, Statistical Control for Atribute Data. U Chart, http://www.iso-9000.ro/eng/techstat/uchart.htm, 2009-05-22; Quality America Inc., U Chart Calculations, http://www.qualityamerica.com/knowledgecente/knowctrU_Chart_Calculations.htm; 2009-05-22; Issa Bass, Statistical Process Control, http://www.sixsigmafirst.com/controlcharts1.htm, 2009-05-22 []
  12. Department of Energey Hanford Site, The U Chart, http://www.hanford.gov/rl/uploadfiles/VPP_uchart.pdf, 2009-05-22; BPI Consulting, U Control Chart, http://www.spcforexcel.com/u-control-charts#uControlChartInfections, 2009-05-22; MIDAS, u Charts, p Charts and i Charts, http://www.statit.com/support/quality_practice_tips/ucharts_pcharts_icharts.shtml, 2009-05-22; Stephenson W. Robert, Radiator Grille: All Defects, Initial U chart (n=10), http://www.public.iastate.edu/~wrstephe/stat495/Tape20charts.pdf []

M R P – Material Requirement Planning

MRP atau Material Requirement Planning dikembangkan secara bertahap sehingga Material Resource Planing dan kemduian dikenal dengan MRP II yang memasukkan unsur akutansi kedalamnya dan kemudian dinamakan MRP II sebagai kelanjutan MRP I.

Pokok masalah dalam persediaan adalah:

  1. berapa banyak persediaan harus tersedia untuk menjaga kontinuitas proses produksi
  2. kapan pesanan harus dibuat agar persediaan tersebut datang tepat waktu saat dibutuhkan
  3. agar butir 1 dan 2 meminimumkan biaya total persediaan.

Bila variasi dan jenis persediaan sedikit serta proses produksi sederhana maka mungkin pengendalian persediaan biasa bisa digunakan, termasuk JIT [lihat pula Inventory Theory, EOQ, Wagner Within, dan Silver Meal, EOQ dan JIT ]. Namun, ketika jenis dan variasi persediaan besar, seperti dalam proses perakitan, maka pengendalian persediaan atau inventory control akan menjadi tidak sederhana lagi.

Kanban dalan JIT merupakan terobosan manajemen persediaan di Gemba atau Shop Floor atau tempat kerja dimana manajemen persediaan diintegrasikan kedalam manajemen penjadwalan agar persediaan selalu tersedia pada saat persediaan itu dibutuhkan sesuai dengan rencana. Konsep Pull  System telah mengubah konsep konsumen menjadi next to us, atau siapa  saja yang membutuhkan produk atau jasa kita adalah konsumen,  sehingga setiap departemen akan selalu memenuhi kebutuhan departemen berikut tepat waktu, tepat jumlah, dan tepat kualitas.

Bagaimanapun juga, fenomena Kanban bisa menjelaskan kelahiran MRP dimana manajemen persediaan diintegrasikan dengan manajemen penjadwalan untuk menjamin kepastian kedatangan persediaan dengan menetapkan kapan persediaan harus dipesan. Berbagai model yang telah ada dalam literatur barat sebelumnya memandang manajemen persediaan berdiri sendiri dan demikian pula dengan manajemen penjadwalan.  MRP  memungkinkan ide Kanban yang manual ditransformasi ke CBIS atau Computer Based Information System.

Basis MRP adalah Pull System, sehingga memunculkan istilah dependent demand karena permintaan suatu komponen tergantung kepada permintaan komponen pada proses sebelumnya. Juga MRP memunculkan istilah indrpendent demand karena permintaannya tidak tergantung lagi pada proses sebelumnya, yaitu berupa final produk misal Mobil, Televisi, Computer yang dirakit dari puluhan hingga ribuan komponen. Maka, Bill of Material atau Product Stracture akan memberi gambaran mengenai relasi antar komponen-komponen suatu produk dalam konteks perakitan produk itu. Selanjutnya,  Assembly Chart atau Gozinto Chart memberi gambaran bagaimana arus komponen-komponen dirakit hingga menghasilkan sebuah produk jadi atau produk akhir..

Product Structure atau Bill of Material : Clipboard, sebuah contoh

 

 

 

 

 

 

Product Structure Tree: Clipboard.

Di Product Structure Tree Cliboard  di atas, level 0 menandai final product yaitu Clipboard. Angka dalam kurung menandai unit yang dibutuhkan. Artinya, kalau Clipboard di produkas1 maka dibutuhkan Clip Assembly 1 unit yang terdiri dari empat komponen atau spare parts masing-masing 1 unit.  Sedang Rivets dibutuhkan 2 unit untuk pembuatan 1 unit Clipboard.

Disamping itu, Product Structure Tree juga memberi gambaran tentang :

  1. Tahap perakitan. Yang pertama, di level o yaitu perkaitan akhir untuk merakit Clipboard, ke dua di tahap perakitan Clip di level 1.
  2. Kebutuhan komponen untuk memenuhi independent demand di level 0. Artinya, seluruh komponen atau spareparts setelah level 0 adalah dependen demand yaitu tergantung kepada permintaan di level 0.
  3. Komponen-komponen atau spare parts yang dibutuhkan pada setiap level
  4. Intgrasi perencanaan produksi- scheduling dan persediaan

MRP adalah sebuah work sheet yang mrngintegrasikan Scheduling dengan Inventory Management dan membantu Manager Operasi untuk mengendalikan Operasi yang berada dibawah tanggungjaswabnya. Maka, struktur MRP melibatkan :

  1. Master Production Scheduling, yang memberi petunjuk apa, berapa harus diproduksi dan kapan dibutuhkan
  2. Product Structur yang menjelaskan kebutuhan komponen-komponen produk.
  3. Data Persediaan produk dan komponen.

Struktur MRP :

Yang terakhir, work sheet Clipboard akan menjelaskan bagaimana MRP bekerja sebagai alat kendali manajemen sejak dari Planning hingga Controlling. Marilah kita mulai dengan level 0 yaitu work sheet untuk Clipboard sebagai generator plan.

Permintaan Clipboard yang harus dipenuhi muncul di Gross Requirement. Chalenge: bagaimana memenuhi permintaan Clipboard tersebut bila tersedia inventory 40 dan akan diterima , artinya itu telah selesai diproses di assembly line 10 => Scheduled receipt.

Maka, ketika on hand inventory 40 dan scheduled receipt 10 dan Gross Requirement 30, Projected on hand menjadi 40+10-30 = 20 pada periode 1.

Pada Periode 2, ketika on hand inventory dari periode 1 adalah 20 , sedang Gross Requirement 10 maka Projected on Hand menjadi 20-10 = 10.

Selanjutnya, pada Periode 3, Gross Requiment 40, namun on hand inventory dari periode sebelumnya hanya 10, maka itu ditetapkan sebagai Net Requirement 40 sehingga  Projected on hand akan menjadi 10+40-40 = 10. Maka, Planned Order Receipt pada Periode 3 adalah sebesar Net Reqirement yaitu 40. Karena lead time atau takt time 2 period maka Planned order releases 40 dibuat pada period 1. Penjelasan untuk Period 4 dan 5 sama dengan Periode 3.

Berikut adalah worksheet untuk seluruh level, seluruh komponen atau spare parts, dan assembly parts.

Ini contoh hipotetik mengenai MRP untuk produksi Clip board yang hanya terdiri dari 2 assembly line, satu assembly part, dan 6 komponen atau spare parts adalah sangat sederhana. Bayangkan saja kalau pesawat terbang, mobil, kapal, dsb yang melibatkan ribuan komponen, ratusan indendent project. Maka, MRP semacam ini untuk unit operasi dan bukan detil keseluruhan operasi. Product Structure atau Bill of Material pada top assembly hanya akan mencantumkan  assembly parts  dari sebuah unit operasi. Lihat sebagai contoh adalah Clip Assembly di level pertama, maka level ke dua tidak perlu dicantumkan.

.Dalam perkembangan berikutnya, MRP melibatkan accounting sehingga menjadi MRP II. Selanjutnya, karena perkembangan teknologi dan tuntutan efektifitas dan efisiensi maka MRP II berkembang menjadi Enterprise Resource Planning yang melibatkan seluruh resource organisasi.

EOQ, Wagner Within, dan Silver Meal

EOQ atau Economic Order Quantity memiliki rangkaian asumsi yang harus dipenuhi untuk membuat model tersebut valid  bila henda diterapkan. Namun, ada asumsi yang sangat penting namun jarang dicantumkan dan bahkan merebak diberbagai kampus dan skripsi  sampai Wagner and Within yang pertama kali memperhatikannya. Kerja Wagner and Within yang telah memunculkan masalah EOQ di masalah Demand bervariasi, namun belum berhasil memberi jawaban yang memuaskan atas kritik yang dibuat oleh mereka sendiri. Maka, Silver and Meal melanjutkan kerja tersebut dan menjadi pedoman mengenai validitas demand bila hendak menggunakan model EOQ.

EOQ

EOQ atau Economic Order Quantity, adalah model penentuan persediaan yang meminimumkan biaya total persediaan. D atau demand dalam model EOQ = √2DS/h adalah salah satu dasar bagi penentuan pembelian persediaan optimal. Karakateristik atau asumsi D tidak pernah diperhatikan dan seakan-akan dianggap tidak bermasalah.

 

Demand selama periode perencanaan diasumsikan linier dan kemudian output EOQ, yaitu persediaan Q menjadi pembagi bagi D untuk memunculkan berapa banyak N atau frekuensi pemesanan, N=D/Q. Jadi, pemahaman D memang sesederhana itu sejak model tersebut diusulkan.

Wagner & Within

Wagner dan Within memperhatikan karaketristik D tersebut dengan membuat sebuah simulasi D yang bervariasi selama satu tahun dengan kemudian membuat sebuah model tandingan untuk membuktikan. Model heuristik yang dikembangan oleh Wagner dan Within memang berhasil membuktikan bahwa untuk data hipotetik D bervariasi selama satu tahun yang mereka buat,  model Wagner dan Within memberikan biaya total persediaan lebih rendah untuk parameter yang sama.

Cara kerja model Wagner Within adalah mulai dari periode terakhir perencanaan kedepan; Misal dari bula Desember ke bulan Januari. Model pertema kali memperhatikan kebutuhan bulan Desember dengan memperhitungkan parameter biaya pesan dan simpan. Kebutuhan bulan Desember dipenuhi pada bulan Desember. Kemudian gergerak maju ke bulan November dengan membandingkan mana lebh murah memenuhi kebutuhan bulan Desember sekaligus dengan bulan November, artinya hanya membeli sekali dan menyimpan kebutuhan Desember di bulan November, atau membeli kebutuhan November dan Desember masiung-masing sendiri. Perbedaan biaya tortal yang merupakan penjumlahan biaya persediaan dan biaya pesan dibandingkan. Memenuhi kebutuhan setiap bulan berarti biaya pesan naik tetapi biaya simpan turun, sebaliknya membeli skaligus di bulan November jelas akan menaikkan biaya simpan namun biaya pesan lebih murah. Inilah hakekat penghitungan biaya persediaan model Wagner dan Within. Cara seperti itu diteruskan ke bulan selumnya hingga januari.

Jadi, pembuktian ini telah menunjukkan bahwa D dalam model EOQ harus diperhatikan.

Sayang sekali proposal Wagner dan Within ini mempunyai dua kelemahan utama, yaitu:

  1. Dengan model heuristik folding back, model Wagner Within menjadi tidak praktis, bahkan kalah praktis dibanding model EOQ meskipun dipertanyakan.
  2. Proposal Wagner dan Within tidak memberi jalan keluar mengenai batasan D sehingga modelnya lebih valid dibanding EOQ.

Silver & Meal

Silver Meal melihat kelemahan tersebut dan kemudian melakukan penelitian dan menghasilkan sebuah batasan yang dinamakan Variance Coeficient atau VC. Bila VC> 0.25 maka penggunaan EOQ tidak direkomendasikan disarankan menggunakan model SM, namun sebaliknya bila VC< 0.25 maka penggunaan EOQ direkomendasikan

 

VC = Variance Coefficient
N = Jumlah data
Dj = Demand ke j, j= 1, 2 …, N

Setelah Silver Meal memunculkan batasan Variance Coeficient atau VC untuk menilai apakah EOQ valid digunakan atau tidak maka adopsi EOQ deterministik selanjutnya mengikuti flow chart sbb,

Kejelian Silver Meal dalam mencermati model heuristik Wagner Within yang selalu membandingkan biaya total persediaan yang dipengaruhi S/h oleh dua komponen biaya, yaitu Biaya Simpan dan Biaya Pesan, bukan hanya menemukan VC namun juga menemukan batasan kapan pesanan harus dibuat. Terobosan ini mematahkan model heuristik Wagner Within. Batasan kapan memesan Silver Meal adalah:

 

Dj : Demand ke j
S : Biaya Pesan
h : Biaya Simpan

Jadi, bila D1+D2 ≤ S/h maka pesanan belum dibuat, maka perlu ditambah lagi dengan D3. Bila D1+D2+D3 ≥ S/h maka itu berarti bahwa kebutuhan D1, D2, dan D3 dipesan sekaligus pada periode pertama. Sebaliknya, bila sebagai misal D4 ≥ S/h maka pesanan hanya dibuat untuk memenuhi D4.  Formulasi ini sebenarnya berdasar pada model EOQ dimana Q* diperoleh bila terjadi keseimbangan antara biaya pesan dan biaya simpan, yaitu D/Q (S) = Q/2(h), dimana Q = √2DS/h atau Q2 = 2DS/h; sehingga Q2/2D =S/h. Rasio S/h tidak lain mencerminkan perbandingan relatif antara biaya pesan S dengan biaya simpan h. Bila Q2/2D atau Dj (j=1,2…,n) ≥  S/h maka pemesanan segera dilakukan agar D/Q(S) dijaga seimbang atau tidak jauh berbeda dengan Q/2(h)

 

 

 

EOQ dan JIT

Apakah dengan JIT,  EOQ tidak dipakai?

Pertanyaan tersebut  sering muncul bagi mereka yang masih pada tahap awal memahami fenomena The Japanese Management Practices dan Teori Persediaan.

EOQ atau Economic Order Quantity adalah model persediaan yang bisa menjelaskan kapan  pembelian harus dilakukan dan berapa banyak harus dibeli dari sudut pandang ekonomi. Model ini memadukan dua model paling primitif yaitu Periodical atau P System dimana pembelian dilakukan secara rutin dengan jumlah yang belum tentu sama; dan Quantity atau Q System dimana pembelian dilakukan dalam jumlah tetap namun dalam periode pembelian yang belum tentu sama.  Paduan P System dan Q System ini menghasilkan Model EOQ yaitu P System dan Q System. Artinya, siklus pembelian tetap demikian pula jumlah yang dibeli. Perhatikan gambar berikut, Q selalu sama dan demikian pula P. Itulah paduan P System dan Q System yang ada di EOQ.

 

Paduan itu turun dari karakteristik model matematik EOQ = √(2DS/h) yang menghasilkan Q optimal dan akan membuat Biaya Pesan D/Q(S)= Biaya Simpan Q/2(h) serta Biaya Total Persediaan D/Q(S) + Q/2(h) minimum. Model menurunkan Q optimal yang akan selalu sama pada setiap periode pesanan P yang akan selalu sama pula. Ilustrasi hubungan antara perilaku biaya pesan dan biaya simpan dengan Q Optimal yang memberi Biaya Total Persediaan minimum serta Biaya Pesan = Biaya Simpan adalah:

Model EOQ menggunakan Variabel Kebutuhan persediaan D atau kebutuhan selama satu periode perencanan misal satu tahun. Model, dalam hal ini, menurunkan pembelian pesediaan setiap kali pesan sebesar Q. Maka, D/Q tidak lain adalah berapa kali siklus pesanan dalam satu periode perencanaan.

Jadi, berdasar kebutuhan satu periode D, komposisi parameter biaya persediaan maka jumlah siklus pesanan optimal pada setiap periode perencanaan diturunkan oleh model. Gambaran lengkap setiap siklus pesanan adalah sbb:

Dalam satu siklus Persediaan Y, saat memesan adalah t1 atau pada saat Persediaan tinggal R. Lead Time L adalah selang waktu antara pesanan dibuat dan pesanan datang. Maka, selama t1-t2, proses
menggunakan persediaan selama L. Ketika pesanan Q datang pada saat t0, pada t2 persediaan akan tepat habis namun pada saat itu pula pesanan tepat datang. Inilah Teori dasar Persediaan EOQ yang deterministik, artinya bisa ditentukan sebelumnya. Pemahaman teori dasar persediaan EOQ deterministik ini penting diketahui untuk memahami perilaku persediaan.

Perilaku model persediaan EOQ deterministik menjelaskan situasi kritis dimana persediaan harus tersedia agar proses tidak terganggu namun biaya total persediaan tetap minimum. ΔR/ΔL adalah tingkat penggunaan persediaan sejak pesanan dibuat. Artinya, selama itu pula titik kritis dimulai, karena penyimpangan atau perubahan ΔR/ΔL akan menyebabkan persediaan tidak tepat habis di t2 padahal persediaan yang sudah dipesan saat t1 atau ketika persediaan tinggal R akan datang tepat di t1.

Bagaimana dengan JIT ?

JIT tidak mengenal Zero Inventory, tetapi Few Inventory. Bagaimana konsepnya? Pull System adalah cara pikir baru dan cara pandang baru yang membalik cara pikir dan cara pandang lama dalam hal siapa konsumen dan bagaimana cara melayani konsumen. Agar konsumen memperoleh apa yang dibutuhkan pada saat yang tepat, jumlah yang tepat dan sepefisifikasi yang tepat, maka Pull System adalah landasannya. Implementasi Pull System dalam hal Persediaan memunculkan Kanban, yaitu sebuah sistem pemenuhan persediaan yang menggunakan kartu sebagai sistem informasi yang menjelaskan properti persediaan, minimum pesanan, unit kerja yang membutuhkan.

Implikasi dari Pull System membuat pemasok atau unit kerja sebelumnya selalu aktif untuk mememenuhi kebutuhan konsumennya tepat waktu, tepat jumlah, dan tepat spesifikasi.  Jadi, berbeda dengan cara pandang dan cara pikir lama. Akibat selanjutnya, mudah dimengerti bila biaya pemesanan dalam teori persediaan menurun. Penurunan bisaya persediaan ini ternyata membawa akibat turunan yaitu penurunan jumlah pesanan setiap kali memesan.

Penurunan  biaya pesan S dalam model EOQ mengakibatkan D/Q(S) lebih rendah sehingga perpotongan antara Q/2(h) dengan D/Q(S) agar Biaya Persediaan Total minimum bergeser ke kiri. Dengan demikian,  Q menjadi lebih sedikit dibanding Q optimal pada EOQ. Disamping itu,  penurunan Q menjelaskan pula bahwa frekuensi pesanan atau D/Q menjadi lebih banyak dan ini juga memodifikasi model P system dan Q system yang diadopsi oleh EOQ. Baik Q maupun P kini sangat tergantung kepada permintaan konsumen atau unit kerja yang membutuhkan.Klik EOQ untuk download file.

Dalam praktek di Gemba, perencanaan kebutuhan satu tahun diurai secara bertahap menjadi perencanaan 6 bulan, 3 bulan, 12 bulan, mingguan, hingga menjadi perencanaan harian. Maka, target kebutuhan operasi harian ini yang menjadi isu Kanban dengan kebutuhan tepat waktu, tepat jumlah, dan tepat spesifikasi. Di Pabrik Honda yang saya kunjungi, hari itu target produksi ditetapkan 40 mobil yang terdiri dari beberapa tipe. Dengan model Pull System, target ini kemudian diturunkan menjadi target-target operasi dan pemenuhan kebutuhan persediaan hari itu. Inilah misteri manajemen persediaan yang berbasis Pull System dengan menggunakan Kanban sebagai bagian dari Sistem Informasi Manajemen Persediaan. Dengan demikian, jelas sekali kalau JIT tidak berarti Zero Inventory dari preposisi manapun, namun few inventory sebagai akibat eliminasi Muda.

Esensi dari perubahan cara pandang dan cara pikir dalam perencanaan harian yang Pull System ini adalah menghindari kegiatan yang tidak bernilai tambah atau MUDA sehingga setiap kegiatan yang dilakukan adalah bernilai tambah dan semata-mata hanya untuk memenuhi kebutuhan konsumen. Dalam Push System, resiko kegiatan tidak bernilai tambah diambil. Dalam manajemen persediaan eliminasi kegiatan yang tidak bernilai tambah itu menyebabkan S menjadi lebih dan mengakibatkan Q turun dan dikenal sebagai few inventory

Jumlah Persediaan yang turun tersebut akhirnya akan mempengaruhi modal kerja yang dibutuhkan dan mengubah proporsi unsur dalam Current Aset sehingga kualitas likuiditas juga akan menjadi semakin baik.

Inventory Theory

Pertanyaan yang harus dijawab ketika akan mengadakan persediaan bahan baku atau bahan pembantu adalah berapa harus dibeli, kapan harus dibeli, dan dimana harus dibeli pada saat proses perencanaan. Jawaban terhadap pertanyaan ini dicari  agar efisiensi dan efektifitas operasi dijaga.  Secara teoritik, masalah utama persediaan atau Inventory adalah meminumkan Biaya Total Persediaan atau Total Inventory Cost.

Ada empat macam kategori biaya yang terlibat dalam masalah Persediaan, yaitu:

Biaya Pesan atau Ordering Cost, yaitu biaya-biaya langsung yang timbul atau bisa di-iedentifikasi karena pengadaan persediaan seperti Biaya Telp, Fax, Perjalanan, dan biaya lain-lain.

Biaya Pembelian atau Purchase Cost, yaitu biaya langsung yang berhubungan atau bisa di-identifikasi dengan harga persediaan.  Jenis biaya ini disamping dibutuhkan pada saat penentuan parameter biaya persediaan yang berupa proporsi atau persentase antara biaya simpan per unit per periode dengan harga persediaan, juga dibutuhkan oleh model Quantity Discount ketika Volume persediaan menjadi penentu harga.

Biaya Kehabisan Persediaan atau Stock Out Cost, yaitu biaya yang timbul karena persediaan tidak tersedia pada saat proses berjalan. Biaya jenis ini pada umumnya berupa opportunity cost dan bisa dipisahkan menjadi dua yaitu internal opportunity cost dan external opportunity cost. Internal Opportunity Cost berupa idle capacity baik tenaga kerja maupun mesin. Akibatnya adalah average cost naik karena unit yang diproduksi per periode turun. Dengan kata lain, satuan biaya produk pasti akan naik. Ini rentetannya akan menjadi panjang karena hitumngan investasi didasarkan pada proceed yang bersumber pada kemampaun organisasi untu menghasilkan output.  Sedang External Opportunity Cost berupa opportunity gain yang hilang karena kepuasan pelanggan menurun atau pasar di-isi oleh pesaing karena output berkurang sehingga pasar mencari subtitusi. Dampaknya akan etrlihat pada penurunan penjualan yang juga akan berakibat panjang bagi organisasi, mulai dari kembalian investasi,  retrurn on investment. hingga pertumbuhan organisasi.

Biaya Persediaan atau Holding Cost berupa biaya langsung yang bisa di-identifikasi dengan munculnya persediaan di gudang seperti biaya asuransi, keamanan, listrik, perawatan, dan biaya-lain-lain. Jenis biaya ini bisa dinyatakan dalam  biaya satuan persediaan per unit per periode atau dalam proporsi antaraharga persediaan dengan total biaya persediaan dalam satu periode.

Inventory Management

Dimensi Manajemen Persediaan atau Inventory Management mencakup:

Diantara ke-empat dimensi persediaan tersebut, persediaan dalam proses atau work in process lebih berkaitan dengan Job Shop Management atau Gemba. Kebijaksanaan yang bersumber pada filosofi Tata Ruang dan Proses akan menentukan besar kecilnya atau perlu tidaknya persediaan dalam proses. Sedang dimensi persediaan bahan pembantu tidak terkait langsung dalam proses utama namun lebih merupakan turunan dari kegiatan proses utama. Agar lebih memudahkan untuk memahami manajemen persediaan dari awal hingga akhir maka bagan berikut mungkin membantu.

 

Kegiatan bisnis dimulai dari penjualan atau sales. Apa yang akan dijual dan berapa banyak akan dijual, serta kapan akan dijual adalah awal pertanyaan yang harus dijawab dalam proses perencanaan. Setelah jawaban diperoleh dari hasil sebuah rangkaian analisis yang bisa dipertanggungjawabkan maka pertanyaan berikutnya adalah apa yang harus diproduksi,  berapa unit harus diproduksi, dimana harus diproduksi, dan kapan harus diproduksi.Jawaban terhadap pertanyaan-pertanyaan ini merupakan output dari Proses Penjadwalan atau Scheduling Process.

Persediaan barang jadi dan rencana persediaan barang jadi di akhir periode menjadi parameter proses penjadwalan, sedang Prediksi Penjadwalan menjadi Variabel. Outputnya sdalah unit yamng akan diproduksi. Secara sederhana, unit yang akan diproduksi= persediaan awal + rencana penjualan – persediaan akhir. Output dari proses penjadwalan ini adalah Rencana Produksi yang kemudian akan diturunkan menjadi kebutuhan bahan baku, tenaga kerja, dan factory overhead.

Manajemen Persediaan bila domainnya adalah persediaan bahan baku maka inputnya adalah output proses penjadwalan. Berapa unit yang akan diproduksi menjadi variabel proses manajemen persediaan dengan parameter persediaan awal bahan baku dan persediaan akhir bahan baku, sedang outputnya adalah berapa unit persediaan yang harus dibeli, kapan harus dibeli, dan dimana harus dibeli. Dalam hal ini, jelas sekali terminologi Production Planning and Inventory Control atau Perencanaan dan Pengendalian Produksi dan Persediaan yang menjelaskan hubungan antara perencanaan dan ;pengendalian produksi dalam proses penjadwalan dengan perencanaan produksi dan pengendalian persediaan bahan baku. Dalam praktek, masih banyak dijumpai proses tersebut tidak terintegrasi sehingga sering menyebabkan persediaan menumpuk yang berakibat pada rendahnya perputaran persediaan dan opportunity cost positif dana yang tertanam di persediaan.

 

Model-Model Persediaan lebih lengkap di Bab 13, Siswanto, Operations Research, Erlangga 1997

Model-model persediaan dikelompokkan dalam dua kategori besar yaitu Deterministik dan Probabilistik.

Model-model determinstik adalah model persediaan yang variabelnya bisa ditetapkan sebelumnya atau diasumsikan tidak berubah-ubah. Variabel-variabel itu adalah Input yaitu Kebutuhan bahan baku yang merupakan output dari proses penjadwalan, dan kedatangan persediaan setelah dipesan atau lead time. Maka, barang akan datang tepat etika persediaan habis. Model-model determinisnistik adalah:

  • Periodical System
  • Quantity System
  • Economic Order Quantity (EOQ)
  • EOQ Quantity Discount
  • EOQ with constratints
    • warehouse capacity
    • time
    • quantitiy ordered
    • working capital
    • dll
  • EOQ Back Order
  • Economic Production Quantity (EPQ)
  • Material Requirement Planning (MRP)

Dalam hal ini, ABC Inventory  tidak masuk dalam bahasan model-model persediaan karena tujuan model berbeda.

Model-model Probabilistik adalah model-model persediaan dimana variabel-variabel yang terlibat yaitu Input dan lead time fluktuatif sehingga harus didekati dengan distribusi probabilitas. Maka, kemunginan persediaan habis dan kapan persediaan akan datang juga probabilistik sifatnya. Beberapa literatur mencoba untuk  menggabungkan model EOQ deterministik dengan pendekatan probabilistik guna mendekati safety stock yang harus disediakan ketika barang datang dan tingkat pemakaian bersifat fluktuatif. Pendekatan gabungan ini sangat pragmatis sifatnya karena tidak sesuai dengan tujuan pembentukan model yaitu untuk meminimumkan biaya persediaan. Dalam hal ini optimalitas  safety stock tidak termasuk dalam model. Dengan kata lain, safety stock dalam model gabungan tersebut, pada dasarnya berdiri sendiri. Model-model probabilistik adalah:

  • EOQ Probabilistik
  • Marginal Analysis
  • Simulasi

Dengan perkembangan teknologi digital yang luar biasa maka praktis model simulasi lebih menjawab masalah persediaan probabilistik.

QUEUEING THEORY

Queueing Theory atau Teori Antrian adalah teori yang menjelaskan bagaimana  fenomena antrian terjadi dan kemudian mencari solusi optimal terhadap fenomena tersebut.

Fenomena Antrian pertama kali diamati oleh Agner Krarup Erlang[1] Meskipun fenomena awal antrian itu diamati di kantor telp manual pada abad 18, namun untuk memudahkan pemahaman terhadap fenomena antrian tersebut bisa digambarkan melalui model berikut:

Antrian terjadi kaena sistem sedang sibuk. Mereka yang antri adalah mereka yang mengharpkan proses dalm sistem. Ada kemungkinan populasi pelanggan sistem datang dan melihat antrian lalu pergi atau balking tidak diprhitungkan sebagai antri. Oleh karena itu, mereka yang ada dalam Sistem Antrian adalah mereka yang sedang antri dan mereka yang sedang dalam proses.

Ada dua variabel yang terlibat dalam Teori Antrian, yaitu λ atau tingkat kedatangan, dan μ atau tingkat pelayanan. Asumsi: Fenomena antrian terjadi ketika λ > μ. Bila kondisi ini tidak terpenuhi maka antrian tidak terjadi. Memang tidak seluruh waktu akan terjadi antrian, namun seperti digambarkan oleh proses Poisson diatas, selalu ada traffic jam pada interval waktu tertentu. Maka, tingkat kedatangan atau λ mengikuti proses Poisson adalah asumsi yang lain. Oleh karena itu, Queueing System Equilibrium mengikuti konsep sbb:

Model Sistem Antrian dalam gambar diatas adalah model antrian dasar. Ada empat  konfigurasi model antrian:

  1. Fasa Tunggal Kanal Tunggal atau Single Phase Single Channel
  2. Fasa Tnggal Multi Kanal atau Single Phase Multi Channel
  3. Multi Fasa Kanal Tunggal atau Multi Phase Sngle Channel
  4. Multi Fasa Multi Kanal atau Multi Phase Multi Channel

Fenomena antrian, mngin sering mngundang penjelasan mengenai teori dasar terbentuknya antrin. Erlang menggunakan proses Poisson ntuk memodel terbentuknya antrian sbb:

Arrival rate atau tingkat kedatangan, dengan notasi λ terdistribusi secara Poisson. Dalam model di atas, tampak waktu yang diobsrvasi di bagi ke dalam beberpa interval waktu yang sama. Ternyata, ada interval waktu yang kosong dan ada yang banyak penggunanya. Demikianlah fenomena yang diatamti dalam fenoena telp yang melahirkan Teori Antrian. Fenomena serpa juga terjadi pada traffic light sekitar jam 07:00 namun sangat sepi pada malam hari biasa.

Berikut adalah gambaran bagaimana λ diturunklan dari Poisson process:

artinya, setiap proses selesai, dan sebagai konsekuensinya, ada satu pelanggan yang keluar,  maka akan ada satu pelanggan yang masuk. Demikian seterusnya, sistem berjalan.  Lebih lengkap bisa dilihat di Siswanto, Operations Research, Erlangga, 2007, Bab 15.

5S

Fenomena lain dari Japanese Management Practices adalah 5S. kependekan dari 5 kata Jepang yaitu Seiri, Seiton, Seiso, Seiketsu, Shitsuke. Literatur barat sering menyebutnya sebagai House Keeping Management dan diubah menjadi 5C , sedang di Indonesia diperkenalkan sebagai 5R, misal di Telkom. Semua dengan padanan kosa kata yang dipadankan

5S sangat penting sebagai landasan eliminasi Muda, yaitu untuk membentuk perilaku manusia di Gemba agar di sub sadarnya, eliminasi muda adalah hal yang harus dilakukan tanpa mereka harus berpikir .

 

整理 Seiri Langkah awal implementasi 5S di organisasi adalah Seiri, artinya pemilahan mana yang barang dan peralatan yang masih akandipakai dan mana yang sudah tidak akandipakai lagi. Digunakan istilah Red Tag Campaign, yaitu menandai barang dan peralatan yang sudah tidak akan dipakai lagi dengan label merah. Barang dan peralatan dengan label merah kemudian disingkirkan dari tempat kerja
整頓 Seiton Langkah ke dua setelah pemilahan adalah penataan barang dan peralatan yang telah dipilah untuk digunakan dalam kerja.Penataan adalah mengatur barang dan peralatan secara rapi dan teratur agar pada saat akan digunakan mudah dan cepat diakses untuk mengeliminasi Muda mondar-mandir mencari barang atau alat.  Dua langkah pertama ini dilakukan terutama bila 5S pertema kali diterapkan.
清掃 Seisō Langkah ke tiga adalah pembersihan, Barang dan Peralatan yang telah ditata dengan rapi kemudian dibersihkan, termasuk tempat kerja dan lingkungan serta serta mesin. Pembersihan ini dalam rangka membangun tempat kerja yang nyaman dan juga bagian dari preventive maintenance.Dengan menjaga kebersihan barang, peralatan, dan tempat kerja maka ada aspek afeksi yang diharapkan muncul, yaitu mencintai kerja dan pekerjaan dengan cara merawatnya. Dalam falsafah Jawa, rumongso handarbeni, murat sariro hangroso wani
清潔 Seiketsu Langkah ke empat adalah menata prosedur operasi agar disetiap unit kerja diberlakukan standardisasi dan mudah dipahami. Misal, alat yang telah dipakai harus kembali ketempatnya, alat yang kembali ke tempat harus dalam keadaan bersih dan  baik agar siap dipakai kembali, menggunakan alat bantu keamanan kerja, mengikuti rambu-rambu kerja, dll. Standardisasi ini juga bagan dari penggarapan afeksi sehingga identitas dan kesatuan corp terasa.
Shitsuke Langkah terakhir ini merupakan jaminan agar empat langkah sebelumnya dijalankan secara teratur dan berkesinambungan. Langkah ini adalah pelatihan dan disiplin untuk menjamin agar setiap operator atau karyawan tahu persis bagaimana mengoperasikan alat, mesin, peralatan, prosedur operasi, dan tahu apa arti menjaga kedisiplinan serta menjaga agar apa yang telah dicapai tidak kembali ke keadaan sebelumnya namun terus meningkat tiada henti kearah yang semakin baik.

5S sebagai pembentuk perilaku di Gemba tidak lepas dari Ruh cara pandang dan cara pikir baru di Japanese Management Practices, yaitu Kyzen yang kurang lebih berarti perbaikan terus menerus yang tiada henti serta melibatkan seluruh anggota organisasi.

Shitsuke dalam gambar berada ditengah karena 4S yang lain tidak akan bertahan bila tidak ada Shitsuke. Siklus proses yang dimulia dari Seiri itu tentu saja sudah dimulai dari semangat dan pemahaman yang sama mengapa perbaikan perlu dilakukan dengan cara menerapkan 5S. Jadi, setiap orang yang terlibat dalam proses tahu persis arah perubahan sehingga resistance to change dieliminasi pada tingkat yang paling rendah.

Intensitas proses yang berawal dari Seiri semakin lama akan semakin berkurang seiring terbentukanya sistem nilai dominan yang sudah tertanam di sub sadar setiap orang dan akhirnya menjadi sebuah budaya. Bagaimanapun juga penguatan positif melalui Shitsuke perlu terus menerus dilakukan seiring dengan perkembangan lingkungan.

 

 

 

 

Siapakah Konsumen

Cara pandang dan cara pikir baru mengenai Muda, yaitu segala sesuatu yang tidak memiliki nilai tambah, telah memunculkan pula mengenai cara pandang dan cara pikir baru mengenai terminologi konsumen. Dalam cara pandang dan cara pikir lama, konsumen adalah mereka yang berada diluar organisasi dan membutuhkan jasa atau produk organisasi. Dalam cara pandang dan cara pikir baru, konsumen adalah next to us, siapapun mereka, dari dalam maupun dari luar organisasi yang membutuhkan jasa atau produk yang kita hasilkan.

Maka,

  • Jangan menerima Muda
  • Jangan menciptakan Muda
  • Jangan mengirim Muda

karena next to us,  siapapun mereka berhak untuk memperoleh segala sesuatu yang bernilai tambah.

Next to us

Inilah konsep dasar zero defect, both tangible and intangible ouput,  dimana quality control built in process yang menggunakan

  • JIDOKA sebagai landasan manajemen organisasi
  • Eliminasi Muda sebagai landasan sistem nilai pembentuk perilaku
  • next to us sebagai landasan referensi

Konsep ini kemudian dipahami sebagai sistem nilai organisasi. Bila sistem nilai itu dominan maka dia akan membentuk budaya organisasi. Nuansa budaya dalam konsep ini kental sekali sehingga implementasi tanpa memahami budaya yang berkembang bisa menghasilkan hasil yang tidak seperti diharapkan.

Dalam cara pandang dan cara pikir baru mengenai konsumen ini, tidak ada satupun orang dalam organisasi yang tidak berguna. Kalau ada karyawan atau orang didalam organisasi tidak berguna maka dia adalah Muda. Siapapun mereka, bahkan karyawan pada tingkat service yang paling dasarpun berfungsi dalam mewujudkan eliminasi Muda. Hasil kerja Cleaning Service akan dinikmati oleh siapa saja maka Muda yang diciptakan oleh Cleaning Serive akan secara berenteng menciptakan Muda yang lain, misal tempat yang kotor akan mengganggu suasana kerja,  lantai licin yang sedang dibersihkan tidak diberi tanda bisa menyebabkan kecelakaan.  Seorang sekretaris yang keliru membuat jadwal bosnya bisa berakibat fatal kepada organisasi. Jadi, konsep Tiga Jangan diatas sebenarnya merupakan sebuah sistem nilai bila organisasi akan menghasilkan produk atau jasa yang mempunyai nilai tambah bagi konsumennya.

Sistem nilai ini sebenarnya sederhana sekali dan merupakan sistem nilai umum yang sangat manusiawi, yaitu: jangan merugikan orang lain. Ketika hakekat manusia hidup adalah menciptakan karya serta karsa untuk membangun dunia sebagai ungkapan rasa syukur manusia atas rahmat dan karunia yang diterima dari sang Pencita; ketika harkat manusia adalah membuat yang salah menjadi benar dan membuat baik yang kurang baik, maka sistem nilai ini adalah harkat manusia agar menjadi semakin bermartabat, semakin menjadi manusia yang manusiawi.  Jadi, konsep zero defect, yaitu tidak mengirim Muda ke next to us adalah harkat manusia dalam menjalani hakekatnya agar manusia semakin bermartabat.

Bahkan dalam keluarga, yaitu lembaga terkecil dimana cinta kasih dan pendidikan disemai pertama kali, sistem nilai itu juga disemai. Jujur dan menghargai sesama dan mereka yang lebih tua, selalu dijalan yang benar dan selalu berperilaku utama adalah sistem nilai yang pada umumnya disemai dalam keluarga. Jadi, mengapa harus merasa asing terhadap sistem nilai yang pernah disemai oleh orang tua.

Dalam organisasi, sistem nilai tiga jangan itu sebuah keharusan disamping nilai khusus yang akan membuat sebuah organsiasi menjadi unik agar semakin kompetitif.

Push vs Pull System

Dalam disiplin ilmu Manajemen Operasi,  dikenal dua macam proses yaitu Job Shop untuk memenuhi permintaan pemesan dan Flow Shop untuk memenuhi permintaan pasar. Maka, sesuai perkembangan ilmu pengetahuan dengan lingkungan budayanya, muncul paradigma Push System yaitu propoduksi berdasar rencana bukan kebutuhan yang sudah ada.

Proses1

Kunci pengendalian Push System sepenuhnya berada ditangan supervisor dan inspector. untuk menjamin bahwa persediaan dan produk yang dihasilkan seperti yang direncanakan dan dikehendaki. Pada setiap titik proses peran Inspector dan Supervisor tersebut sangat menentukan.

pull4

Paradigma tersebut berubah sejak pratek manajemen di Gemba berorientasi pada elimnasi Muda atau Waste, yaitu segala sesuatu yang tidak mempunyai nilai tambah. Paradigma baru ini lebih memperhatikan Non Added Value yang harus dieliminasi untuk meningkatkan produktivitas sistem operasi. The new of thingking, the new way of looking.

pull6

Inspector menurut praktek di Gemba dipandang sebagai Muda atau Waste karena tidak memiliki Nilai Tambah atau Non Added Value. Inilah awal berangkat perubahan paradigma itu. Maka, Pemasok atau Supplier harus mengirim barang sesuai dengan permintaan dimana kepercayaan adalah dasarnya. Inspector dilihat sebagai Muda yang harus dieliminasi. Inilah awal perubahan yang memicu berbagai perubahan di Manajemen Operasi seperti Persediaan secukupnya, Cacad Nol,Tata Ruang, Inovasi Teknologi, dan Perilaku pekerja yang berdampak dipenurunan biaya dan bermuara di kenaikan laba serta perbaikan Return On Investment

pull7

Gerakan Eliminasi Muda berdampak pada penghapusan fungsi Inspector yang dipandang sebagai Muda di Gudang bahan baku. dan Supplier harus memasok sesuai dengan kebutuhan operasi. Praktek di Gemba ini unik dan sangat kental dengan pengaruh budaya di Jepang dimana kepercayaan dan harga diri dijunjung tinggi

pull8

Selanjutnya, Inspector dan Supervisordiproses juga dipandang sebagai Muda sehingga harus dihilangkan. Dikenal Jidoka atau pemberian wewenang yang lebih besar kepada mereka yang terlibat dalam proses. Menurut Allan, CEO Xerox, mereka yang paling dekat masalah adalah yang paling tahu masalah. Maka, setiap orang bertanggung jawab terhadap masalah yang muncul ditempat kerja dan lingkungannya, JIDOKA

pull9

Setiap orang kemudian bertanggung jawab terhadap kualitas pekerjaan yangdihasilkan. Sekali lagi, dasarnya adalah kepercayaan dan nuansa budaya sangat kental dimana sangsi sosial lebih dominan dibanding sangsi administratif. Bekerja tidak baik adalah cemar diri, maka bekerja baik adalalah martabat. Jadi Supervisor dan Inspector tidak berkeliaran di Gemba karena itu akan dipandang sebagai Muda.

Ketika proses telah baik demikian pula tahap sebelumnya, maka output proses dijamin baik sehingga Inspector produk jadi atau hasil akhir otomatis menjadi Muda. Reworkatau Scrap juga dilihat sebagai muda maka harus dihilangkan. Pertanyaannya sekarang adalah, Quality Cotrol System berada dimana?QCS berada di setiap proses yang melibatkan manusia. Mungkin istilah Total QualityManagement atau Total Quality ControlSystem menjadi lebih jelas disini.

pull11

Ketika seluruh tahapan proses sejak input hingga ke output benar dan setiap proses ditujukan untuk  memenuhi kebutuhan proses berikutnya dimana ditahap akhir adalah konsumen, maka definisi kebutuhan dan spesifikasi output sebenarnya dibuat oleh konsumen. Inilah sebenarnya esensi dari Pull System yang merupakan anti tesa dari Push System.

http://fe.uajy.net/fs/as/wp-content/uploads/2009/02/pull3.png

Tiga kalimat bertuah yang terpampang dalam papan besar tergantung diberbagai tempat di Gemba Honda. Artinya, tiga kalimat bertuah itu adalah sistem nilai atau values system yang harus dimiliki oleh setiap orang yang terlibat didalam proses. Ketika sistem nilai tersebut menjadi dominan maka budaya organisasi untuk bekerja baik guna menghasilkan hasil kerja yang baik menjadi sebuah kebiasaan yang dilakukan tanpa beban.

Ketika 3 Don’t itu telah menjadi sebuah sistem nilai maka dari Pemasok hingga kebagian akhir proses sebelum produk sampai ke tangan konsumen,  setiap orang pada setiap proses dengan sub-sadarnya tidak menerima produk atau pekerjaan cacad dari bagian sebelumnya, tidak membuat produk cacad, dan tidak mengirim produk cacad ke bagian berikutnya.

http://fe.uajy.net/fs/as/wp-content/uploads/2009/02/pull12.png

The new way of looking, the new way of thinking akhirnya menjadi sebuah pemicu perubahan yang berbeda sama sekali dari kebiasaan dan kebenaran dunia operasi sebelumnya. Akhirnya, mandat untuk eliminasi Muda itu ditandai berdampak pada Cost Reduction, Inventory Reduction, dan Quality Improvement yang memunculkan fenomena Zero Defect dan Few Inventory.