Oleh:

Ari Nurdiansyah, Endriana Pratama, Muflih Fadhilah, Junior Researcher dan Supply Chain Indonesia 

Metode statistik sistematis yang dikenal sebagai Desain of Eksperimen (DoE) pertama kali diperkenalkan oleh Sir Ronald A. Fisher dalam karyanya yang berjudul "The Design of Experiments" pada tahun 1930, dan melibatkan penerapan pendekatan analisis varians (ANOVA) sebagai metode utamanya untuk mengembangkan teori dan metode statistik. Desain of Eksperimen (DoE).

DoE mencakup perencanaan dan perancangan eksperimen. Ini termasuk menemukan faktor (variabel bebas) yang mempengaruhi respons (variabel terikat), menentukan tingkat faktor, dan mengatur tata letak eksperimen. Tujuannya adalah untuk mencapai kesimpulan yang masuk akal dan objektif secara efektif dan efisien.

Value Stream Mapping (VSM), yang merupakan bagian dari metodologi Lean Manufacturing, terdiri dari Future State Map (FSM). Ide tentang Value Stream Mapping pertama kali muncul pada tahun 1950-an oleh Toyota Production System (TPS), dan dilanjutkan oleh Taiichi Ohno dan Shigeo Shingo.

Namun, buku "Learning to See" (1999), yang ditulis oleh Mike Rother dan John Shook dari Lean Enterprise Institute, mempopulerkan istilah Future State Map (FSM) sebagai alat perbaikan VSM.

Oleh karena itu, meskipun tidak ada satu pun individu yang secara eksplisit disebut sebagai "penemu" Future State Map, ide ini dikembangkan dan dikembangkan dalam lingkungan manufaktur Lean, terutama oleh Toyota dan para peneliti Lean seperti Mike Rother dan John Shook.

Dalam Lean Manufacturing, Future State Map adalah alat yang dapat digunakan untuk menggambarkan kondisi ideal dari proses bisnis atau produksi di masa depan setelah perbaikan.  Peta ini membantu perusahaan menemukan pemborosan dalam proses mereka saat ini dan membuat alur kerja yang lebih efisien dengan mengurangi atau menghilangkan aktivitas yang tidak bernilai.  Analisis menyeluruh aliran material dan data diperlukan untuk membuat Peta Kondisi Masa Depan.

Design of Experiment (DoE)

Desain Eksperimen adalah suatu metode statistik yang diterapkan dalam penelitian eksperimen untuk meningkatkan kualitas produk dan proses (Costa, dkk. 2006). National Institute of Standards and Technology di Amerika Serikat mendefinisikan Desain Eksperimen sebagai pendekatan sistematis dalam menyelesaikan masalah teknik yang menggunakan prinsip dan teknik pada tahap pengumpulan data untuk mendukung kesimpulan yang valid (Firka, 2011). 

Desain Eksperimen bertujuan untuk mengidentifikasi hubungan sebab-akibat antara output (variabel respon) dan faktor-faktor yang mempengaruhinya. 

Dalam Desain Eksperimen, terdapat dua jenis variabel utama, yaitu variabel independen (faktor) dan variabel dependen (respon). Variabel independen dibagi menjadi dua kategori, yaitu faktor terkontrol (faktor yang dapat dikendalikan) dan faktor tidak terkontrol (kovarian), yang sering disebut sebagai faktor pengganggu (noise factor). Setiap faktor yang diuji memiliki sejumlah level. Perlakuan (treatment) merujuk pada kombinasi level dari semua faktor yang diuji dalam eksperimen, sedangkan replikasi menunjukkan jumlah pengulangan percobaan untuk perlakuan yang sama. 

Ada beberapa alasan atau tujuan dalam melaksanakan eksperimen. Pertama, untuk mengidentifikasi penyebab variasi respon dari unit yang diamati dengan menentukan faktor-faktor yang berpengaruh. Kedua, untuk menemukan kondisi optimum dari respon yang diamati. Ketiga, untuk membandingkan respon dari berbagai perlakuan (kombinasi level) yang berbeda. Keempat, untuk membangun model respon. 

Terakhir, untuk meminimalkan efek dari faktor tak terkontrol sehingga menghasilkan proses atau produk yang lebih robust. Secara keseluruhan, DoE memberikan pendekatan yang sistematis dan efisien dalam melakukan eksperimen, sehingga hasilnya lebih valid dan dapat digunakan untuk meningkatkan kualitas produk dan proses.

Secara umum, terdapat enam langkah utama dalam pelaksanaan prosedur DoE (Ranga, dkk. 2014). Langkah pertama adalah merumuskan tujuan dari eksperimen. Langkah kedua melibatkan penentuan variabel-variabel yang relevan. Langkah ketiga adalah merancang desain eksperimen. Langkah keempat mencakup pelaksanaan eksperimen, yaitu pengumpulan data. Langkah kelima adalah memeriksa konsistensi data yang diperoleh dengan asumsi-asumsi yang telah ditetapkan dalam eksperimen. Langkah terakhir, yang keenam, adalah menganalisis dan menginterpretasikan hasil dari eksperimen tersebut. 

Dalam DoE, terdapat lima prinsip dasar yang harus diperhatikan. Prinsip-prinsip tersebut meliputi pengacakan (randomization), replikasi (replication), pemblokiran (blocking), ortogonalitas (orthogonality), dan eksperimen faktorial (factorial experimentation). Pengacakan adalah metode untuk mengacak unit-unit eksperimen agar dialokasikan secara acak dalam eksperimen. Proses ini penting untuk menghindari bias yang dapat mempengaruhi hasil eksperimen. Replikasi merujuk pada jumlah pengulangan eksperimen untuk setiap perlakuan yang sama, yang bertujuan untuk meningkatkan akurasi hasil. Pemblokiran adalah metode untuk mengelompokkan perlakuan ke dalam grup atau batch tertentu. 

Ortogonalitas dalam eksperimen memastikan bahwa efek dari faktor-faktor tidak saling berkorelasi, sehingga memudahkan dalam interpretasi. Dalam desain eksperimen yang ortogonal, faktor-faktor bervariasi secara independen satu sama lain. Sementara itu, eksperimen faktorial adalah metode di mana efek dari setiap faktor dan interaksi antara faktor-faktor tersebut diestimasi. Secara geometris, desain faktorial melibatkan semua faktor secara bersamaan dan dalam bentuk ortogonal (Telford, 2007).

Konsep Dasar Desain of Eksperimen (DoE) merupakan suatu pendekatan sistematis yang digunakan untuk menganalisis hubungan sebab-akibat antara variabel input (independen) dan variabel output (dependen). Tujuan dari metode ini meliputi: - Mengidentifikasi faktor input yang paling berpengaruh. - Mengoptimalkan pengaturan faktor input untuk mencapai hasil output yang optimal. - Memahami interaksi antara berbagai faktor input. DoE memanfaatkan model matematis untuk memprediksi dan menganalisis hasil yang diperoleh.

Sebagai contoh, dalam proses produksi komponen elektronik, DoE dapat digunakan untuk mengevaluasi pengaruh suhu, tekanan, dan durasi terhadap kualitas produk. Melalui DoE, para insinyur dapat menemukan kombinasi pengaturan yang paling efektif untuk meminimalkan cacat produk. Dalam Pengembangan Produk: Pada tahap pengembangan formula obat baru, DoE dapat diterapkan untuk menguji pengaruh berbagai bahan dan konsentrasi terhadap efektivitas obat. Metode ini membantu para ilmuwan dalam mengidentifikasi formula yang paling aman dan efektif.

Dalam Sektor Pertanian: Para petani dapat memanfaatkan DoE untuk mengevaluasi pengaruh berbagai jenis pupuk, jumlah air, dan jarak tanam terhadap hasil panen. Dengan menggunakan DoE, petani dapat mengoptimalkan praktik pertanian mereka guna meningkatkan hasil panen. Dalam Pengujian Perangkat Lunak: Dalam pengembangan perangkat lunak, DoE dapat digunakan untuk menguji pengaruh berbagai faktor seperti jumlah pengguna, kecepatan jaringan, dan konfigurasi server terhadap kinerja aplikasi. Metode ini membantu para pengembang dalam mengidentifikasi faktor-faktor yang mempengaruhi kinerja dan menemukan solusi yang paling efektif.

Future State Map 

Dalam pendekatan Lean Manufacturing, Future State Map (FSM) adalah komponen penting dari metode Value Stream Mapping (VSM). Setelah perbaikan, FSM dapat digunakan untuk memvisualisasikan kondisi ideal suatu proses bisnis atau produksi di masa depan. FSM sangat bermanfaat untuk membantu menemukan dan menghilangkan aktivitas yang tidak berguna selama proses. Ini dapat meningkatkan produktivitas dan efisiensi. 

Selain itu, FSM membantu dalam perencanaan perbaikan dengan menyediakan pedoman tindakan khusus. FSM memudahkan komunikasi dan pemahaman antar tim tentang perubahan yang diperlukan karena memberikan gambaran visual dari alur kerja yang ideal.

Untuk memahami aliran material dan data, implementasi FSM dimulai dengan analisis peta kondisi saat ini (Current State Map). Setelah itu, pemborosan diidentifikasi melalui evaluasi proses untuk menemukan tugas yang mempersulit atau tidak efisien. 

Setelah analisis ini selesai, langkah selanjutnya adalah merancang kondisi masa depan FSM (Future State Map) dengan mengoptimalkan alur kerja untuk meningkatkan efisiensi. Setelah menyusun desain FSM, tahap selanjutnya adalah menerapkan perubahan sesuai dengan perencanaan. Untuk memastikan bahwa perbaikan berhasil, evaluasi dan pengawasan harus dilakukan untuk memastikan bahwa proses yang dioptimalkan telah berjalan sesuai harapan atau apakah penyesuaian tambahan diperlukan.

Manfaat dan penerapan FSM dalam industri telah dibahas dalam berbagai penelitian. Dalam jurnal Performa: Media Ilmiah Teknik Industri, Apriliana dan Astuti (2017) membahas bagaimana VSM dapat membantu mengurangi keterlambatan dalam proses pengadaan barang dengan menyarankan perbaikan pada desain FSM. 

Fernando dan Noya (2014) juga membahas bagaimana FSM dapat digunakan untuk mengoptimalkan lini produksi dengan mengurangi pemborosan dan meningkatkan efisiensi. Selain itu, penelitian yang diterbitkan oleh Setiawan dan Wibowo (2021) dalam Jurnal Teknik Industri membahas literatur tentang penerapan VSM di berbagai industri, serta keuntungan dan kerugian yang terkait dengan penerapan VSM.

Perusahaan e-commerce menggunakan sistem manajemen gudang Warehouse Management System (WMS), teknologi robotik, dan sistem distribusi yang lebih efisien untuk mempercepat waktu pengiriman barang dalam industri logistik. Sebagai contoh, setelah menerapkan sistem yang lebih terotomatisasi, sebuah perusahaan dapat memangkas waktu pengiriman dari 7 hari menjadi 3,5 hari. 

Perusahaan dapat mengidentifikasi dampak perubahan dan menerapkan strategi perbaikan yang lebih terarah dengan membandingkan Current State Map (CSM) yang menunjukkan inefisiensi dalam penyimpanan dan distribusi dengan Future State Map (FSM) yang menunjukkan alur kerja yang lebih optimal. Implementasi ini meningkatkan kecepatan layanan, akurasi pengiriman, biaya operasional, dan kepuasan pelanggan.(*) 

References

Muttaqin, B. I. A. (2017). Telaah kajian dan literature review Design of Experiment (DoE). Jurnal Artificial Intelligence dan Internet of Things, 1(1), 1-10.

Imam, B., & Muttaqin, A. (n.d.). Telaah Kajian dan Literature Review Design of Experiment (DOE). Journal of Advances in Information and Industrial Technology (JAIIT), 1(1).

Fernando, Y. C., & Noya, S. (2014). Optimasi lini produksi dengan Value Stream Mapping dan Value Stream Analysis Tools. Jurnal Ilmiah Teknik Industri, 12(2), 125-132.

Apriliana, D., & Astuti, R. D. (2017). "Penerapan Value Stream Mapping (VSM) Sebagai Upaya Untuk Mengurangi Keterlambatan Waktu Proses Pengadaan Barang." Performa: Media Ilmiah Teknik Industri, 16(1), 64-70.

Setiawan, I., & Wibowo, A. D. (2021). "Implementasi Metode Value Stream Mapping pada Industri: Tinjauan Literatur Sistematis." Jurnal Teknik Industri, 12(1), 45-56.