Tidak dapat dipungkiri pandemi COVID-19 membuat kerentanan pada bisnis meningkat selama 18 bulan terakhir, terutama di sektor supply chain dalam menghadapi risiko. Industri manufaktur mulai mengadopsi AI based data driven dan analytics untuk mendapatkan benefit di antara competitor mereka.
AI based insight dan analytics menjadi kunci untuk meminimalisir risiko terhadaa kerentanan proses manufaktur dan logistic supply chain. Dengan insight dan analytics, bisnis bisa mendapatkan value dari data yang dimiliki melalui predicting disruption serta mengoptimalkan proses bisnis Anda.
Tentunya, para manajer saat ini harus memiliki sifat visioner dan dapat menjadi role model untuk membuat metode semakin efisien dalam menjalankan proses produksi, menghemat biaya dan mengurangi risiko. Kelangsungan hidup di masa mendatang akan mengharuskan business owner untuk menjadi organisasi yang gesit dan digerakkan oleh AI (Artificial Intelligence).
HPE dan SAS, bersama dengan Biznet dan Berca akan menunjukkan bagaimana cara cepat dan sederhana dalam mengadopsi AI dan transformasi digital Anda melalui webinar dengan tema “Turn Obstacles to Advantage: Using Analytics and Insights to Optimize Manufacturing and Supply Chain”, Rabu (28/7).
Solusi analitik manufaktur dari SAS memungkinkan Anda menyesuaikan operasi produksi dengan biaya dan risiko rendah. Anda juga dapat memanfaatkan data sebagai aset untuk memberikan layanan yang inovatif dan berkualitas di mana ini hanya dapat dilakukan pada ekonomi yang saling terhubung. SAS dan HPE bersama Berca dan Biznet dapat membantu Anda membuka potensi besar dalam melakukan transformasi digital.
Begitu juga dengan mengoptimasi manufaktur yang dapat membantu Anda menemukan jawaban yang tepat untuk pertanyaan-pertanyaan berikut ini dan mulai mensimulasikan skenario yang berbeda. Coba pertimbangan dua kemungkinan skenario ini:
- Apakah lebih aman dan efisien untuk mengurangi waktu dari shift teams? atau
- Apakah beralih ke two shift model lebih baik daripada three shift?
Kedua pertanyaan ini bagus jika Anda memiliki tujuan untuk melakukan optimasi.
Sifat dasar dari optimasi
Optimasi adalah suatu bentuk analisis matematis yang bertujuan untuk menemukan solusi terbaik dari semua opsi yang ada dengan melihat berbagai variabel.
Model pengoptimalan biasanya memerlukan tujuan yang jelas, seperti memaksimalkan keuntungan, meminimalkan biaya atau meminimalkan kontak antara karyawan di lapangan. Model ini juga memerlukan berbagai variabel, seperti tingkat produksi dan alokasi sumber daya, dan memiliki beberapa kendala, misalnya, kapasitas pabrik atau permintaan dari customers.
Algoritma optimasi kemudian berjalan melalui variable keputusan dan memilih posisi terbaik untuk masing-masing dalam memenuhi tujuan sambil berada pada standar yang ditentukan.
Proses ini membantu organisasi untuk meningkatkan keputusan bisnis, selain itu juga dapat membantu menyelamatkan kesehatan karyawan dalam kondisi pandemi ini. Dalam contoh kasus yang diberikan SAS, keputusan terbaik adalah mengalokasikan sumber daya yang paling efektif sambil meminimalkan risiko terpapar.
Beberapa use case tradisional dalam pengoptimalan dan juga keberhasilan dalam pengambilan keputusan untuk:
- Mengalokasikan produksi ke mesin dengan kapasitas, biaya awal dan biaya operasi yang berbeda, sehingga organisasi dapat memenuhi target produksi dengan biaya minimum dan efisiensi maksimum.
- Mengelola proses pengiriman dari pabrik ke warehouse atau dari warehouse ke customers akhir dengan cara meminimalkan biaya pengiriman namun semua permintaan customer tetap terpenuhi.
- Menjadwalkan shift atau aktivitas karyawan dan kelola tenaga kerja untuk memenuhi persyaratan bisnis seperti kualitas pelayanan dan ketepatan waktu.
Optimalisasi workforce management untuk memaksimalkan keselamatan karyawan
Optimalisasi karyawan saat ini adalah hal penting yang harus organisasi lakukan selama hingga setelah pandemi COVID-19.
Mari kita lihat bagaimana optimalisasi dapat membantu meningkatkan keselamatan tenaga kerja di lingkungan produksi.
Optimalisasi karyawan ditujukan untuk mempertimbangkan baik efisiensi produksi ataupun keselamatan karyawan. Variabelnya mencakup permintaan, kapasitas (termasuk batasan jarak antar pekerja) dan variable seperti waktu tunggu.
Dengan adanya perkiraan penjualan, stok awal produk dan batas kapasitas per pabrik/group produk, Anda dapat membuat rencana produksi yang mempertimbangkan beberapa hal sebagai berikut:
- Pastikan jarak 6 kaki antara setiap karyawan.
- Hindari kehabisan stok sambil meminimalkan kontak antara karyawan dan produk.
- Hindari kerja lembur.
- Mematuhi standar jumlah pesanan minimum.
- Maksimum satu ramp up / ramp down per minggu.
- Maksimalkan waktu produktif mesin.
- Menerima keterampilan per karyawan dan pertimbangkan kemungkinan pelatihan untuk keterampilan tambahan guna meningkatkan fleksibilitas.
- Minimalkan perubahan produksi dari minggu ke minggu.
- Mematuhi waktu pembersihan atau penyiapan antar produk.
Ini adalah salah satu contoh bagaimana analitik dapat membantu dan memungkinkan para Leaders untuk melindungi dan mendukung tenaga kerja yang aman dan produktif dalam menhadapi tantangan COVID-19 yang terus berkembang. Informasi ini sangat berguna karena saat ini ada banyak negara atau wilayah yang perlahan membuka kembali ekonomi mereka.