supply chain analysis dengan model scor dan simulasi pada

advertisement
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
SUPPLY CHAIN ANALYSIS DENGAN MODEL SCOR DAN SIMULASI
PADA ENGINEER-TO-ORDER (ETO) (STUDI KASUS: PT. X)
1)
Zainuddin1) dan Iwan Vanany2)
Program Studi Magister Teknik Industri, Institut Teknologi Sepuluh Nopember
Kampus ITS Sukolilo, Surabaya, 60111, Indonesia
e-mail: [email protected]
2)Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember
ABSTRAK
Persaingan bisnis yang semakin meningkat memberikan banyak variansi pilihan bagi
pelanggan dalam memenuhi kebutuhannya mempertimbangkan banyak hal diantaranya
waktu. Hal ini menuntut setiap perusahaan untuk melakukan perbaikan dalam jaringan rantai
pasoknya yang memperhatikan proses bisnisnya. Supply chain analysis merupakan sebuah
aktivitas menganalisa dan merancang ulang kondisi rantai pasok saat ini untuk mendapatkan
kondisi yang lebih optimal. Belum banyak penelitian yang membahas tentang supply chain
analysis khusunya pada perusahaan berjenis Engineer-to-Order (ETO). Rantai pasok pada
perusahaan berjenis ETO memiliki proses yang penting seperti menyesuaikan permintaan
design dari konsumen dengan kemampuan operasi atau produksinya. Upaya untuk mengelola
proses yang ada pada perusahaan ETO sangat dibutuhkan model dan metode yang
komprehensif. Pada penelitian ini, supply chain analysis menggunakan model Supply Chain
Operation Reference (SCOR) untuk menggambarkan aliran rantai pasok perusahaan dan
metode simulasi untuk menguji atau memvalidasi aliran rantai pasok eksisting dan perbaikan
dalam mereduksi order fulfillment time. Penelitian ini menggunakan studi kasus salah satu
perusahaan ETO yang memproduski mesin boiler dengan order fulfillment time yang sangat
lama yakni lebih dari 1 tahun. Hasil analisa rantai pasok mengusulkan untuk melakukan
perbaikan pada proses Source sehingga bisa didapatkan order fulfillment time yang lebih
pendek.
Kata kunci: Supply Chain Analysis, ETO, Simulasi, SCOR, Order Fulfillment Time.
PENDAHULUAN
Persaingan bisnis di tingkat global semakin memberikan banyak variasi pilihan untuk
pelanggan, sehingga dalam hal pemilihan produk pelanggan mempertimbangkan banyak hal
diantaranya adalah waktu. Agar dapat memenuhi hal tersebut, perusahaan harus
memperhatikan proses bisnis mereka agar tetap berjalan dengan baik bahkan kalau perlu
ditingkatkan. Berkaitan hal ini, perusahaan tidak mungkin menjalankan proses bisninya tanpa
didukung oleh partner kerjanya, misalnya supplier, retailer, dan lain-lain. Tidak hanya itu,
mereka juga perlu melakukan proses sharing informasi yang berkaitan dengan kondisi
internal masing-masing.
Integrasi, koordinasi, dan sharing informasi merupakan sebuah elemen yang
diperlukan dalam membangun sebuah supply chain (SC) antar kelompok dalam suatu bisnis.
Kalau supply chain adalah jaringan fisiknya, sedangkan Supply Chain Management (SCM)
adalah metode, alat, atau pendekatan pengelolaannya. Krajewski, et al. (2007) meyakini
bahwa upaya mengintegrasikan antar rantai pasok tidak hanya internal rantai pasok tetapi juga
ISBN: 978-602-70604-2-5
A-68-1
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
eksternal rantai pasok seperti dengan pemasok dan distributor adalah tujuan utama dari
pengelolaan rantai pasok.
Setiap perusahaan-perusahan seharusnya dapat menganalisa apa yang bisa SCM
lakukan serta menemukan apa konsekuensi jika rantai pasok dilakukan dengan satu supplier
atau lebih dan satu pelanggan atau lebih (Van der Vorst dan Beulens, 2002). (Jatmiko, 2008,
dalam Ariyanti, 2012) mengatakan bahwa persaingan bisnis yang semakin meningkat
menuntut perusahaan untuk menyusun kembali integrasi rantai pasoknya. Nagurney (2010)
mengatakan bahwa mendesain jaringan rantai pasok dipandang sebagai dasar untuk
manajemen rantai pasok dan tentu saja menentukan sebuah desain atau re-desain rantai pasok
yang optimal mempunyai banyak tantangan. Hal ini tentunya memerlukan analisa rantai
pasok yang komprehensif dalam melakukan desain atau re-desain sebuah rantai pasok.
Hampir sebagian besar upaya melakukan desain rantai pasok lebih banyak terkait
dengan kinerjanya dibanding dengan operasi rantai pasoknya (Vanany, 2009; Vanany, et al.,
2005). Tidak banyak yang melakukan untuk desain operasi/proses dari rantai pasoknya.
Penelitian yang berkaitan dengan analisa desain rantai pasok telah dilakukan oleh beberapa
peneliti dengan menggunakan model program integer (Naraharisetti, et al., 2008;
Naraharisetti dan Karimi, 2010; Hammami dan Frein; 2014; Bing, et al., 2015) dan
pendekatan simulasi (Carvalho, et al., 2012; Ariyanti, 2012). Semua penelitian yang telah
digunakan diterapkan pada perusahaan dengan karakteristik make-to-stock (MTS) dan maketo-order (MTO). Persson (2011) berpendapat bahwa SCM merupakan sistem yang lebih
komplek dan alat yang biasa digunakan untuk menganalisa sistem tersebut adalah optimasi,
simulasi, dan teori keputusan. Sebuah solusi optimal dalam optimasi hanya akan valid untuk
skenario tertentu dan solusi akan berubah menjadi tidak valid jika skenario berubah.
Dalam simulasi logistik dan manajemen rantai pasok yang berbasis sistem pendukung
keputusan memberikan solusi untuk berbagai masalah pada dua tingkatan yakni strategis dan
operational/taktis (Tako dan Robinson, 2012). Persson dan Araldi (2009) mengembangkan
alat analisa rantai pasok yang dinamis dengan mengintegrasikan model Supply Chain
Operation Reference (SCOR) dan pendekatan discrete event simulation (DES) yang diujikan
pada perusahaan berkarakteristik MTO dan MTS yang hasilnya mampu menggambarkan
konfigurasi rantai pasok serta mampu untuk melakukan pengujian terhadap skenario what if.
SCOR merupakan sebuah produk dari Supply Chain Council (SCC), organisasi non-profit
global yang menghasilkan metodologi, diagnosa dan alat benchmarking yang membantu
organisasi melakukan perbaikan dalam proses rantai pasok. Model SCOR digunakan untuk
mengevaluasi dan membandingkan kegiatan dan kinerja rantai pasok (Supply Chain Council,
2010).
Beberapa penelitian lain yang menggunakan integrasi model SCOR dan pendekatan
simulasi antara lain dilakukan oleh Dong, et al. (2006) menggunakan program aplikasi
bernama SmartSCOR pada perusahaan yang bergerak di bidang teknologi dan informasi
yakni IBM, Hermann dan Pundoor (2004) melakukan simulasi mengenai hubungan sub model
dalam SCOR, dan Carvalho, et al. (2012) menggunakan alat simulasi untuk mendukung
proses pembuatan keputusan dalam rekayasa rantai pasok pada perusahaan otomotif. Banyak
penelitian yang telah dipublikasikan dalam operasi dan manajemen rantai pasok belum
mengivestigasi pada jenis manufaktur engineer-to-order (ETO) (Gosling dan Naim, 2009)
padahal struktur produk utama ETO jauh lebih kompleks dan detail sehingga meningkatkan
proses assembly serta lead time yang panjang. (McGovern et al., 1999).
Berdasarkan uraian di atas, maka fokus penelitian yang akan dibahas nantinya oleh
peneliti adalah berkaitan dengan menganalisa rantai pasok dengan mensimulasikan proses
bisnis dalam rantai pasok dengan menggunakan model SCOR dan pedekatan simulasi. Selain
itu juga dilakukan beberapa alternatif yang bisa dijadikan dasar pertimbangan untuk
mengambil keputusan perbaikan oleh manajemen perusahaan.
ISBN: 978-602-70604-2-5
A-68-2
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
METODE
Terdapat beberapa tahapan dalam melakukan penelitian ini. Tahap pertama adalah
mengidentifikasi dan merumuskan permasalahan serta melakukan pengumpulan data yang
relevan dengan objek penelitian. Pada tahap ini dilakukan studi pustaka dari berbagai
referensi dan mereview penelitian sebelumnya yang relevan serta melakukan studi lapangan
di PT. X guna mengumpulkan data yang relevan dengan melakukan wawancara dengan pihak
PT. X. Tahapan kedua adalah memodelkan rantai pasok di PT. X dengan menggunakan model
SCOR. Tahap selanjutnya adalah pembuatan model kondisi eksisting. Tahap terakhir adalah
pembuatan dan perbandingan alternatif perbaikan.
Tahap Pembuatan Model Eksisting
Pada tahapan ini terdiri dari beberapa langkah yang perlu dilakukan sebagai berikut:
1. Melakukan fitting distribusi terhadap data-data yang akan digunakan sebagai input
paramater dalam simulasi.
2. Membuat model simulasi kondisi eksisting dengan menggunkan software ARENA.
3. Melakukan verifikasi terhadap model simulasi. Verifikasi dilakukan dalam dua tahap.
Tahap pertama dilakukan pengecekan error terhadap model simulasi dan verifikasi tahap
kedua dilakukan dengan menggunakan rancangan logika dan perhitungan matematis
jumlah komponen yang diproduksi.
4. Melakukan uji validasi terhadap model simulasi dengan menggunakan uji signifikansi T
guna mengetahui apakah ada perbedaan yang signifikansi antara hasil model simulasi dan
real system.
5. Menghitung jumlah replikasi running simulasi dengan
dimana n= jumlah replikasi, hw = α x rata-rata ,
(1)
= nilai t tabel, dan s= standar
deviasi.
6. Melakukan analisa output hasil simulasi model eksisting, diantaranya order fulfillment
time, waktu antrian, dan jumlah antrian.
Tahap Pembuatan dan Perbandingan Alternatif Perbaikan
Pada tahap membuat alternatif perbaikan pada rantai pasok serta membandingkan
semua alternatif memiliki langkah-langkah sebagai berikut:
1. Membuat beberapa alternatif perbaikan pada elemen proses di Model SCOR.
2. Mensimulasikan alternatif perbaikan yang telah dirancang.
3. Menghitung jumlah replikasi running simulasi pada setiap alternatif dengan
menggunakan persamaan (1).
4. Melakukan perbandingan rata-rata order fulfillment time model eksisiting dengan
alternatif perbandingan menggunakan pendekatan uji berpasangan paired-t test dengan
(2)
dimana t= nilai t tabel dengan df= n-1, = rata-rata selisih model eksistung dan alternatif,
= 0,
= standar deviasi selisih model eksisting dan alternatif, dan n= banyaknya data.
HASIL DAN PEMBAHASAN
ISBN: 978-602-70604-2-5
A-68-3
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
Berdasarkan hasil diskusi dengan pihak PT. X yang menyatakan ada perbedaan rantai
pasok elemen proses pada level 3 model SCOR untuk setiap proses inti Source, Make, dan
Delivery yang dibuat oleh SCC dapat dilihat pada Gambar 1.
(a) SCC
(b) PT. X
Gambar 1. Rantai Pasok Model SCOR Level 3
Berdasarkan Gambar 1 diketahui bahwa pada proses Source ada penambahan dua
elemen proses pada level 3 Model SCOR di PT. X yaitu receive purchase request (PR) dan
release purchase order (PO) sedangkan untuk pada proses Make ada perbedan pada urutan
elemen proses pertama dan kedua. Elemen proses schedule production activities dilakukan
terlebih dulu daripada finalize production engineering. Perbedaan elemen proses pada model
SCOR juga terjadi pada proses Delivery yang dapat dapat diketahui bahwa terdapat beberapa
proses elemen proses pada model SCOR versi SCC yang tidak dilakukan di PT. X.
Tabel 1. Fitting Distribusi Elemen Proses
Proses
Elemen Proses
Receive Purchase
Requisition (PR)
Identify Source of Supply
Select Final Supplier(s) and
Negoatiate
Schedule Product Deliveries
Release PO
a. Fin dan Tube
Source
b. Pipe dan
Plate untuk TS
Header
c. Pipe dan
Plate untuk
Manifold Assy
Verify and Quality Check of
Product
Receive
Product
Transfer Product
Make
Schedule Production
Activities
Jenis
Distribusi
Triangular
(0.3, 0.5, 1)
Triangular
(0.3, 0.5, 1)
Normal (13.3,
6.52)
Triangular
(0.1, 0.3, 0.5)
Triangular
(0.1, 0.3, 0.5)
Eksponensial
(18.3) + 115
Proses
Elemen Proses
a. Finned
Tube
b. TS Header
Produce
and Test
c. Manifold
Assy
d. Harp Assy
Make
e. Module
Assy
Package
Jenis
Distribusi
Normal (24,69,
3,7)
Normal (6.1,
0,98)
Normal (39,21,
6,27)
Normal (50,4,
8,06)
Normal (434,4,
69,5)
Triangular
(0.5, 0.7, 1)
Eksponensial
(33.7) + 115
Release Product to Deliver
Triangular
(0.5, 1, 2)
Eksponensial
(26.2) + 136
Schedule Installation
Triangular
(0.3, 0.5, 1)
Select Carriers and Rate
Shipments
Triangular
(0,5, 0.7, 1)
Receive from Source or
Make
Triangular
(0.3, 0.5, 1)
Load Product & Generate
Shipping Docs
Triangular
(0.3, 0.5, 1)
Triangular (1,
2, 3)
Triangular
(0.05, 0.1,
0.15)
Triangular
(0.5, 1, 2)
Deliver
ISBN: 978-602-70604-2-5
A-68-4
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
Finalize Production
Engineering
Issue Sourced/In-Process
Product/Service
Triangular (3,
4, 5)
Triangular
(0.1, 0.2, 0.3)
Ship Product
Receive and Verify Product
by Customer
Triangular
(0.1, 0.2, 0.3)
Triangular (1,
2, 3)
Rantai pasok PT. X berdasarkan model SCOR selanjutnya dilakukan simulasi model
kondisi eksisting namun dilakukan terlebih dahulu dilakukan fitting distribusi terhadap data
yang digunakan seperti pada Tabel 1 yang menyajikan hasil fitting distribusi untuk elemen
proses rantai pasok, khusus untuk elemen proses receive product dan produce and test
memiliki subproses didalamnya. Pada elemen proses select final supplier and negotiate
memiliki data yang berdistribusi normal dengan rata-rata 13,3 hari dan standar deviasi 6,25
hari. Subproses pada elemen proses receive product terdiri dari 3 bagian, yaitu a, b, dan c.
Pembagian ini disesuaikan dengan kedatangan jenis bahan baku yang berbeda-beda namun
tetap memiliki pola distribusi data yang sama dengan nilai mean yang beragam, misalnya
untuk bagian a merupakan kedatangan material berdistribusi eksponensial (18,3) + 115.
Hasil fitting distribusi dimasukkan kedalam model simulasi kondisi eksisting pada
software ARENA yang disajikan pada Gambar 2.
Gambar 2.Model Simulasi
Hasil verifikasi dan validasi model simulasi dengan jumlah replikasi 10 kali di atas
disajikan pada Gambar 3 yang menunjukkan bahwa tidak ada error dalam model sehingga
simulasi bisa dijalankan sedangkan hasil validasi dengan uji T diperoleh nilai p-value sebesar
0,206 (> α= 0,05) artinya tidak ada perbedaan mean yang signifikan antara model simulasi
dengan kondisi real system sehingga model dikatakan valid.
(a) Verifikasi
(b) Validasi
Gambar 3. Validasi dan Verifikasi Model Simulasi
Dengan menggunakan persamaan (1) dan hasil pada Gambar 3(b) didapatkan jumlah
replikasi yang nilainya lebih kecil dari replikasi awal, sehingga tidak perlu dilakukan running
ISBN: 978-602-70604-2-5
A-68-5
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
simulasi tambahan. Hasil simulasi model eksisting menunjukkan bahwa rata-rata order
fulfillment time 427,95 atau 428 hari, selain itu terjadi waktu antrian yang sangat lama pada
proses Make seperti pada Gambar 4.
Diagram Pareto Waktu Antrian
6000
100
5000
Waktu Antrian
60
3000
2000
40
1000
20
0
Proses
Waktu Antrian
Percent
Cum %
Finned Tube Manifold Assy
1869
1583
35,4
30,0
35,4
65,4
TS Header
1276
24,2
89,5
Harp Assy
514
9,7
99,3
Other
39
0,7
100,0
Percent
80
4000
0
Gambar 4. Analisa Waktu Antrian pada Proses Make
Berdasarkan hasil analisa waktu antrian pada Gambar 4, diketahui bahwa sebanyak
80% antrian terjadi pada proses Finned Tube, Manifold Assy, dan TS Header sehingga perlu
dilakukan perbaikan pada proses-proses tersebut. Alternatif perbaikan yang dapat dilakukan
adalah perbaikan pada proses Source dan Make.
Perbaikan pada proses Source dilakukan dengan mengurangi waktu pada proses
receive PR yang semula 45 hari menjadi 23 hari sedangkan perbaikan pada proses Make
dilakukan dengan menambahkan jumlah resource yang dalam hal ini menambahkan mesin
dan line produksi pada beberapa subproses produce and test sebagai berikut.
Tabel 2. Jumlah Resource Elemen Proses Produce and Test
Sub Proses
Eksiting
Finned Tube
TS Header
Manifold Assy
Harp Assy
Module Assy
2
2
2
5
3
Alternatif
1
3
2
2
5
3
2
2
2
3
5
3
3
3
2
3
5
3
4
3
3
3
5
3
Seperti simulasi pada model eksisting, pada simulasi alternatif perbaikan juga
dilakukan perhitungan jumlah replikasi dengan menggunakan α=5% yang hasilnya disajikan
pada Tabel 3 yang menunjukkan bahwa jumlah replikasi pada setiap alternatif berbeda-beda
dan jumlahya lebih kecil daripada replikasi awal sebanyak 10 kali.
Tabel 3. Replikasi Simulasi Alternatif Perbaikan
Alternatif Perbaikan
Proses
Make_1
Make_2
Make_3
Make_4
Hw
20,31
21,32
20,85
20,9
21,02
T tabel
2,262
2,262
2,262
2,262
2,262
Jumlah Replikasi (n)
0,77 ≈ 1
0,78 ≈ 1
1,26 ≈ 2
0,97 ≈ 1
1,07 ≈ 2
Hasil dari simulasi alternatif perbaikan dengan menggunakan jumlah replikasi 10 kali
selanjutnya dilakukan perbandingan rata-rata order fulfillment time dengan model eksisting
menggunakan pendekatan uji berpasangan yang hasilnya disajikan pada Gambar 5 yang dapat
diketahui bahwa semua alternatif mempunyai rata-rata order fulfillment time lebih pendek
ISBN: 978-602-70604-2-5
A-68-6
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
daripada kondisi eksisting. Perbaikan pada Source memiliki waktu yang paling optimal
dengan nilai rata-rata order fulfillment time 407 hari sedangkan perbaikan pada poses Make,
alternatif 2 memiliki waktu yang lebih pendek diantara alternatif lainnya yaitu 417 hari.
Berdasarkan uji berpasangan diperoleh hasil bahwa hanya alternatif 1 yang
mempunyai perbedaan yang tidak signifikan dengan kondisi eksisting. Penambahan resource
pada perbaikan proses Make juga berpengaruh pada biaya operasional yang semakin
meningkat.
Gambar 5. Perbandingan Order Fulfillment Time Kondisi Eksisting dan Alternatif Perbaikan
KESIMPULAN DAN SARAN
Kesimpulan dari hasil penelitian ini adalah sebagai berikut:
1. Hampir sebagian besar elemen proses pada Model SCOR level 3 untuk perusahaan
Engineer-to-Order (ETO) yang dibuat oleh SCC diterapkan di PT. X namun masih ada
beberapa perbedaan pada elemen proses pada proses Source, Make, dan Deliver.
2. Dalam upaya menganalisa ranati pasok, maka pendekatan simulasi cukup baik untuk
memodelkan aliran rantai pasok PT. X. Hasil simulasi kondisi eksisting menunjukkan
rata-rata order fulfillment time pada proyek A di PT. X memiliki waktu selama 428 hari
dan memiliki waktu antrian yang cukup lama khususnya pada proses Make.
3. Perbaikan pada Source memiliki waktu yang paling optimal dengan nilai rata-rata order
fulfillment time 407 hari sedangkan perbaikan pada poses Make, alternatif 2 memiliki
waktu yang lebih pendek diantara alternatif lainnya yaitu 417 hari.
Saran untuk penelitian selanjutnya adalah perlu ditambahkan indikator-indikator
perbaikan lain selain order fulfillment time misalnya biaya dan reject rate selain itu perlu juga
menggunakan studi kasus selain perusahaan boiler.
DAFTAR PUSTAKA
Ariyanti, V. (2012). Supply Chain Redesign dengan Metode ARIS-SCOR dan Simulasi pada
Industri Pengolahan Makanan (Studi Kasus: PT. Kelola Mina Laut). Tugas Akhir,
Institut Teknologi Sepuluh Nopember, Surabaya.
Bing, X., Ruwaard, J.B., Chaabane, A., & van der Vorst, D. (2015). Global Reverse Supply
Chain Redesign for Household Plastic Waste under The Emission Traading Scheme.
Journal of Cleaner Production, pp.1-12.
Carvalho, H., Barroso, A.P., Machado, V.H., Azevedo, S., & Machado, V.C. (2012). Supply
Chain Redesign for Resilience Using Simulation. Computers & Industrial
Engineering, Vol.62, pp.329-341.
ISBN: 978-602-70604-2-5
A-68-7
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
Dong, J., Ding, H., Ren, C., & Wang,W. (2006). IBM SmartSCOR-A SCOR Based Supply
Chain Transformation Platform Through Simulation and Optimization Techniques.
Proceedings of the 2006 Winter Simulation Conference, pp.650–659.
Gosling, J., & Naim, M.M. (2009). Engineer-to-Order Supply Chain Management: A
Literature Review and Research Agenda. International Journal of Production
Economics, Vol.122, pp.741-754.
Hammami, R., & Frein, Y. (2014). Redesign of Global Supply Chain with Integration of
Transfer Pricing: Mathematical Modeling and Managerial Insights. International
Journal Production Economics, Vol.158, pp.267-277.
Herrmann, J.W., & Pundoor,G. (2004). A Hierarchical Approach Supply Chain Simulation
Modeling Using the Supply Chain Operations Reference Model. Inderscience
Enterprises Ltd.
Krajewski, L.J., Malhotra, M.K., & Ritzman, L.P. (2007). Operations management: processes
and supply chains. Prentice Hall.
McGovern, T., Hicks, C., & Earl, C.F. (1999). Modelling Supply Chain Management
Processes in Engineer-to-Order Companies. International Journal of Logistics
Research and Application: A Leading Journal of Supply Chain Mangement, Vol.2,
No.2, pp.147-159.
Nagurney, A. (2010). Optimal Supply Chain Network Design and Redesign at Minimal Cost
and with Demand Satisfaction. International Journal Production Economics, Vol.128,
pp.200-208.
Naraharisetti, P.K., Karimi, I.A., & Srinivasan, R. (2008). Supply Chain Redesign Through
Optimal Asset Management and Capital Budgeting. Computers and Chemical
Engineering, Vol. 32, pp. 3153-3169.
Naraharisetti, P.K., & Karimi, I.A. (2010). Supply Chain Redesign and New Process
Introduction in Multipurpose Plants. Chemical Engineering Science, Vol.65, pp.25962607.
Persson, F. (2011). SCOR Template-A Simulation Based Dynamic Supply Chain Analysis
Tool. International Journal of Production Economics, Vol.131, pp.288-294.
Persson, F., & Araldi, M. (2009). The Development of A Dynamic Supply Chain Analysis
Tool-Integration of SCOR and Discrete Event Simulation. International Journal of
Production Economics, Vol.121, pp.574-583.
Supply Chain Council. (2010). Supply Chain Operations Reference Model Overview of SCOR
version 10.0. http://www.supply-chain.org.
Tako, A.A., & Robinson, S. (2012). The Aplication of Discrete Event Simulation and System
Dynamic in The Logistics and Supply Chain Context. International Journal of
Decision Support System, Vol.52, pp.802-815.
Van der Vorst, J.G.A.J., & Beulens, A.J.M. (2002). Identifying Sources of Uncertainty to
Generate Supply Chain Redesign Srategies. International Journal of Physical
Distribution & Logistic Management, Vol.32, No.6, pp.409-430.
Vanany, I. (2009). Performance measurement: model & aplikasi. ITS Press, Surabaya.
ISBN: 978-602-70604-2-5
A-68-8
Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015
Vanany, I., Suwignjo, P., & Yulianto, D. (2005). Design of Supply Chain Performance
Measurement System for Lamp Industry. 1st International Conference on Operations
and Supply Chain Management, pp.78-86.
ISBN: 978-602-70604-2-5
A-68-9
Download