Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Memimpin pasar mobil di kawasan ASEAN dan Asia Tenggara, industri otomotif Indonesia menjadi salah satu pilar penting sektor manufaktur yang memberikan kontribusi signifikan terhadap pertumbuhan ekonomi nasional. Seiring dengan kehadiran revolusi industri baru, Industri 4.0 telah menciptakan katalis bagi pemerintah Indonesia untuk mendorong pertumbuhan industri manufaktur otomotif dalam meningkatkan kontribusinya pada pertumbuhan ekonomi lebih lanjut. Namun, kompleksitas proses yang terdapat di industri manufaktur otomotif telah menimbulkan pertanyaan, aspek atau faktor apa yang bisa mempercepat upaya adopsi teknologi Industri 4.0? Oleh karena itu, penelitian ini bertujuan untuk mengeksplorasi dampak kebijakan pemerintah Indonesia terhadap upaya akselerasi adopsi teknologi Industri 4.0 di industri otomotif Indonesia. Eksplorasi kebijakan dilakukan melalui perancangan model konseptual kualitatif, yang dikembangkan dengan pendekatan pemodelan sistem dinamis, untuk memberikan pemahaman tentang dinamika hubungan antara faktor-faktor yang terlibat di dalam penciptaan ekosistem Industri 4.0 di Indonesia.

---

Leading the car market in ASEAN and Southeast Asia region, the Indonesian automotive industry is being considered as one of the manufacturing sector important pillars that significantly contributes to national economic growth. Along with the presence of the next wave industrial revolution, Industry 4.0 creates the catalyst for the Indonesian government to stimulate the growth of the automotive manufacturing industry to boost its contribution on further national economic growth. However, the complexity or process that exists in automotive manufacturing industry has raised a question, what aspects or factors that could accelerate the Industry 4.0 technology adoption process? Hence, this research aims to explore the policy impact towards the growth of Industry 4.0 technology adoption in Indonesian automotive industry. The policy exploration will be done through a qualitative conceptual model, developed within system dynamics modeling approach, to provide an understanding of the relationship dynamics between factors included in the fourth industrial ecosystem creation in Indonesia.

"

"ABSTRAKIndustri 4.0 telah membuat industri otomotif di dunia mengalami pertumbuhan dan lebih memperhatikan pengemudi yang diklasifikasikan sebagai generasi muda atau modern. Hal tersebut telah mendorong industri otomotif Indonesia sebagai produsen terbesar kedua setelah Thailand di Asia Tenggara untuk mempertimbangkan minat pengemudi generasi muda dalam teknologi digital untuk mengakses data kendaraan, memeriksa dan mendiagnosis kondisi komponen. Internet of Things sebagai istilah dalam teknologi digital memiliki dampak pada pengurangan biaya pemeliharaan dan meningkatkan siklus hidup kendaraan yang merupakan kegiatan penting bagi kendaraan. Salah satunya adalah penggunaan algoritma machine learning yang telah banyak digunakan dalam mendiagnosis masalah kendaraan. Untuk menjadwalkan kegiatan pemeliharaan, algoritma machine learning yang digunakan adalah metode regresi yang akan diperbandingkan dengan perhitungan empirikal rumus. Sebuah perangkat diagnosa dibuat untuk memberikan informasi kendaraan secara real-time menggunakan sambungan yang sudah tersedia pada kendaraan. Informasi tersebut kemudian digunakanuntuk memprediksi kondisi komponen pada kendaraan. Perangkat terhubung dan menyimpan data di cloud. Kemudian pengemudi dapat mengawasi kondisi kendaraan secara langsung melalui smartphone dengan hasil perhitungan baik secara empirikal maupun menggunakan machine learning yang telah diverifikasi oleh uji verifikasi untuk memperbarui program perhitungan dalam mengurangi nilai kesalahan. Perhitungan pada aplikasi tersebut diperoleh dengan melakukan pengujian berdasarkan perilaku berkendara. Kondisi komponen yang diamati memberikan penurunan sebesar 1.35% - 2.38% untuk komponen penyaring udara dengan nilai MAE dan MSE berturut-turutsebesar 0.117 dan 0.017 yang terbesar terjadi pada perilaku Eco. Komponen pelumas juga mengalami penurunan sebesar 2.38% - 36.32% dengan nilai MAE dan MSE secara berturut-turut adalah 0.237 dan 0.082 yang terbesar terjadi pada perilaku Normal. Secara menyeluruh, aplikasi dapat dipercaya memprediksi kondisi komponen dengan tingkat kesalahan pada komponen penyaring udara dan pelumas berturut-turut adalah 0.3163% dan 0.2367%.

---

ABSTRACTIndustry 4.0 has made the automotive industry in the world experience growth and pay more attention to drivers who are classified as young or modern generation. This has pushed the Indonesian automotive industry as the second largest producer after Thailand in Southeast Asia to consider the interest of young generation drivers in digital technology to access vehicle data, examine and diagnose component conditions. Internet of Things as a term in digital technology has an impact on reducing maintenance costs and increasing vehicle life cycles which are important activities for vehicles. One of them is the use of machine learning algorithm which has been widely used in diagnosing vehicle problems. To schedule maintenance activities, the machine learning algorithm used is a regression method that will be compared with the empirical calculation of the formula. A diagnostic device is made to provide vehicle information in real-time using the connectionthat is already available on the vehicle. The information is then used to predict the condition of the components on the vehicle. The device is connected and stores data in the cloud. Then the driver can monitor the condition of the vehicle directly through a smartphone with the results of calculations both empirically and using machine learning that has been verified by a verification test to update the calculation program in reducing the error value. Calculations in the application were gained by doing test based on driving behavior. Observed component condition had decreasing value around 1.35% - 2.38% for air filter component with MAE and MSE number 0.117 and 0.017 respectively which thebiggest error occurred at Eco behavior. Engine lubricant also experienced decreasing value around 2.38% - 36.32% with MAE and MSE number 0.237 and 0.082 respectively which the biggest error occurred at Normal behavior. Overall, the application can reliablypredict component conditions with an error rate in the air filter and lubricant components respectively 0.3163% and 0.2367%."

"ABSTRAKIndustri otomotif merupakan salah satu sektor terbesar yang memberikan pengaruh terhadap perkembangan manufaktur di Indonesia. Namun, tantangan industri terkait turnover karyawan masih sulit untuk dapat hindari khususnya, pada sektor industri manufaktur yang sejak lama terjadi selama bertahun-tahun. Untuk perusahaan, mengindari niat karyawan resign dan menjaga agar mereka tetap setia merupakan hal yang sangat penting bagi perusahaan untuk menghemat biaya serta meningkatkan efektivitas waktu. Sebagaimana faktor-faktor terkait isu turnover telah dipelajari, riset ini akan membahas mengenai efek dari job satisfaction mempengaruhi turnover intention yang dimediasi oleh work-life enrichment, dan trust terhadap manajemen di PT Excel Metal Industry. Distribusi kuisioner dan pengumpulan data sebanyak 293 operator produksi telah dilakukan untuk menguji modelriset. Penelitian ini diklasifikasikan hanya khusus untuk responden yang berasal dari departemen Casting, Maching, dan Finishing saja. Dibawah keterbatasan lingkungan manufaktur, penelitian ini menunjukan hasil signifikan dari pengaruh job satisfaction terhadap turnover intention yang didukung oleh work-life enrichment dan trust tehadapmanajemen. Yang terpenting, penelitian ini diharapkan dapat memperkaya ilmu pengetahuan secara akademik dan memberikan manfaat kepada PT Excel Metal Industry dalam mengurangi niat karyawan untuk resign dari perusahaan. Hal terkahir yang tidak kalahpenting adalah implikasi manajerial dan saran untuk penelitian lebih lanjut akan dibahas juga dalam penelitian ini.

---

ABSTRACTThe automotive industry is one of the most significant contributing sectors to manufacturing growth in Indonesia. However, the technical challenge regarding voluntary workforce turnover is still unavoidable, especially in the manufacturing sector, which has been occurredfor years. Avoiding departure voluntarily and retaining employees are both very important for the company to attain cost reduction and enhance time efficiency. As many factorsrelated to turnover issues had been studied for years, this research examines the effect of job satisfaction mediated by work-life enrichment and trust to management toward employee turnover intention in PT Excel Metal Industry. A local questionnaire survey on 293 production operators was collected to test the proposed conceptual model in this study. Thisresearch is only classified as only Casting, Machining, and Finishing department. Under limited scopes and manufacturing circumstances, this study shows that the effect of job satisfaction supported by work-life enrichment and management trust affects employee turnover intentions significantly. More importantly, it is hoped that this study may enrich academic knowledge and give a beneficial contribution to PT Excel Metal Industry in reducing reducing employee's intention to leave the company permanently. Last but not least, Managerial implications and suggestions for further study are also discussed."

"

Tujuan dari riset ini adalah memberikan penyesuaian metodologi atau prosedur langkah-langkah instalasi dan implementasi sistem biaya kualitas termasuk penyesuaian model perhitungan biaya kualitas untuk kalangan industri otomotif manufaktur khususnya pabrik mobil penumpang. Pendekatan tinjauan literatur digunakan dan studi percontohan dipilih untuk aspek empiris riset guna memperkaya campuran data kualitatif dan kuantitatif. Meskipun tinjauan literatur menunjukkan begitu banyak ahli yang menulis riset sejenis, penyesuaian model biaya kualitas tetap direkomendasikan. Hasil studi percontohan menjelaskan bahwa implementasi biaya kualitas pada tahap awal dirasa cukup sampai dengan pelaporan. Riset selanjutnya disarankan untuk berlatih dalam melacak biaya kualitas. Riset dimulai dari persiapan hingga pelaporan biaya kualitas. Ruang lingkup riset terbatas pada biaya kualitas di area operasional (produksi). Metodologi implementasi sistem biaya kualitas dapat memandu organisasi mendapatkan gambaran internal biaya kualitas. Riset ini mengkonfirmasi bahwa organisasi memang perlu memodifikasi model biaya kualitas yang tersedia sesuai tujuan, kebutuhan, dan lingkungan organisasi. Dengan demikian, model-model sederhana yang ditawarkan pada riset ini menjadi bernilai sekaligus berkontribusi terhadap literatur ekonomi kualitas.

 

---

The purpose of this research is to provide methodological adjustments or procedures for installation steps and the implementation of a quality cost system, including adjusting the quality cost calculation model for the automotive manufacturing industry, especially passenger car factories. A literature review approach is used and pilot studies are chosen for empirical aspects of research to enrich the mix of qualitative and quantitative data. Although the literature review shows that many experts write similar research, adjusting the quality cost model is still recommended. The results of the pilot study explain that the implementation of quality costs at an early stage is considered sufficient until reporting. Further research is advised to practice tracking quality costs. Research starts from preparation to reporting on quality costs. The scope of research is limited to quality costs in the operational area (production). The methodology for implementing a quality cost system can guide organizations to get an internal view of quality costs. This research confirms that organizations do need to modify the available quality cost models according to the organization's goals, needs, and environment. Thus, the simple models offered in this research are both valuable and contribute to quality economic literature.

 

"

"Industri otomotif merupakan salah satu industri yang berperan besar dalam sumber pemasukan Indonesia salah satunya dalam pemenuhan kebutuhan sehari-hari terutama untuk transportasi dan logistik. Hal ini menyebabkan terus bertumbuhnya target produksi truk tiap tahunnya. Hal ini sudah menjadi salah satu fokus Indonesia yang menargetkan 1,29 juta unit truk diproduksi di tahun 2020. Oleh karena itu, dibutuhkan optimalisasi dalam lini produksi truk untuk merealisasikan target tersebut. Penelitian ini memiliki tujuan untuk meminimalkan waktu produksi dengan jumlah stasiun kerja yang optimal untuk meminimalkan biaya-biaya yang akan keluar apabila ingin meningkatkan kapasitas produksi dalam lini perakitan truk di Indonesia. Penelitian dilakukan dengan pendekatan lean manufacturing untuk menganalisis waste yang terdapat pada lini perakitan. Penelitian dimulai dengan melihat dan mencatat waktu setiap stasiun kerja, kemudian dilakukan perhitungan waktu setiap pekerjaan dengan menggunakan metode time study. Waktu yang sudah didapat kemudian di-input ke model matematika programa linear mixed integer linear programming yang dikembangkan dalam perangkat lunak LINGO 17.0. Hasil dari pengolahan data pada perangkat lunak LINGO 17.0 adalah alokasi setiap pekerjaan ke stasiun kerja yang baru untuk mendapat cycle time produksi yang sesuai dengan takt time produksi, dan juga total idle time dari lini perakitan yang baru. Penelitian ini juga membahas hasil dari beberapa skenario perubahan parameter yang mungkin terjadi pada perusahaan.

---

The automotive industry is one of the industries that plays a major role in Indonesia's revenue sources, one of which is in meeting daily needs, especially for transportation and logistics. This causes the growth of truck production targets each year. This has become one of Indonesia's focus to target 1.29 million trucks produced in 2020. Therefore, optimization in the truck production line is needed to realize this target. This study aims to minimize production time with the optimal number of workstations to minimize costs that will come out if you want to increase production capacity in truck assembly lines in Indonesia. The study was conducted with a lean manufacturing approach to analyze the waste contained in the assembly line. The study began by looking at and recording the time of each workstation, then time was calculated for each work using the time study method. The time obtained is then inputted to the linear mixed integer linear programming mathematical programming model developed in the LINGO 17.0 software. The result of data processing in the LINGO 17.0 software is the allocation of each job to the new workstation to get the production cycle time in accordance with the production takt time, and also the total idle time of the new assembly line. This study also discusses the results of several scenario changes in parameters that might occur in the company."

"This volume of the Lecture Notes in Mobility series contains papers written by speakers at the 22nd International Forum on Advanced Microsystems for Automotive Applications (AMAA 2018) "Smart Systems for Clean, Safe and Shared Road Vehicles" that was held in Berlin, Germany in September 2018. The authors report about recent breakthroughs in electric and electronic components and systems, driver assistance, vehicle automation and electrification as well as data, clouds and machine learning. Furthermore, innovation aspects and impacts of connected and automated driving are covered. The target audience primarily comprises research experts and practitioners in industry and academia, but the book may also be beneficial for graduate students alike. "

"This volume includes selected and reviewed papers from the 4th International Congress of Automotive and Transport Engineering, held in Cluj, Romania, in September 2018. Authors are experts from research, industry and universities coming from 14 countries worldwide. The papers are covering the latest developments in automotive vehicles and environment, advanced transport systems and road traffic, heavy and special vehicles, new materials, manufacturing technologies and logistics, accident research and analysis and innovative solutions for automotive vehicles.The conference is organized by SIAR (Society of Automotive Engineers from Romania) in cooperation with FISITA. "

"Pertumbuhan industri otomotif khususnya roda empat di Indonesia dalam dua dekade terakhir membuat industri ini menjadi salah satu andalan bagi negara dalam hal pendapatan dan investasi negara oleh para pemegang saham di dunia. Data menunjukan bahwa jumlah jumlah produksi kendaraan roda empat dalam lima tahun terakhir menunjukan prospek yang membaik dari sekitar 1 juta pada tahun 2015 menjadi 1,2 juta pada tahun 2019, walaupun tahun 2020 menunjukan penurunan dan hal ini dialami oleh semua negara dan hampir semua sektor industri. Fenomena saat ini menunjukan bahwa persaingan di otomotif membuat pabrikan dan aliansi untuk bersaing dalam produktifitas sistem produksinya, salah satunya dengan mengukur line efisiensi, untuk itu dalam penelitian ini akan dilakukan pengukuran line efisiensi dengan cara melakukan line balancing, tahap awal pengumpulan data dimulai dengan melakukan observasi dan pengambilan waktu aktual di line perakitan, hasil menunjukan bahwa saat ini terdapat 185 stasiun dengan line efisiensi 80%. Selanjutnya dibuatkan grafik setiap stasiun kerja dengan diagram batang model Yamazumi chart untuk mempermudah proses analisis, setelah itu dilakukan line balancing dengan metode Moodie Young dan Helgeson Birnie, hasil menunjukan bahwa metode Helgeson-Birnie lebih baik dibandingkan dengan metode Moodie Young dengan line efisiensi sebesar 89%, balance delay 11% dan smoothly index 92 dibandingkan dengan dengan line efisiensi 88%, balance delay 13% dan smoothly index 90. Analisis penelitian menunjukan bahwa untuk meningkatkan line efisiensi dapat dilakukan dengan peningkatan sistem otomasi untuk beberapa stasiun kerja dan melakukan relayout dan re-routing untuk mendapatkan perbaikan yang lebih baik dengan membandingkan kelayakan investasi juga memberikan kontribusi bagi para praktisi sebagai pedoman dalam melakukan penerapan metode di industri terkait, untuk penelitian selanjutnya dari penelitian ini dapat dilakukan dengan membandingkan metode lain line balancing seperti Hoffmann–Moodie Young atau Hoffmann–Helgeson Birnie

---

The growth of the automotive industry, especially four-wheelers in Indonesia in the last two decades, has made this industry one of the mainstays for the country in terms of income and state investment by shareholders in the world. Data shows that the total production of four-wheeled vehicles in the last five years shows an improving prospect from around 1 million in 2015 to 1.2 million in 2019, although in 2020 it showed a decline and this was experienced by all countries and almost all industrial sectors. The current phenomenon shows that competition in automotive makes manufacturers and alliances compete in the productivity of their production systems, one of which is by measuring line efficiency, for this reason, in this study, line efficiency measurements will be carried out by doing line balancing, the initial stage of data collection begins with observing and taking the actual time on the assembly line, the results show that currently there are 185 stations with line 80%, next, a graph of each workstation was made with a bar chart of the Yamazumi chart to facilitate the analysis process, after that line balancing with the Moodie Young and Helgeson Birnie methods, the results showed that the Helgeson-Birnie method was better than the Moodie Young method with line efficiency of 89% , balance delay is 11% and smoothly index is 92 compared to line efficiency 88%, balance delay 13% and smoothly index is 90. Research analysis shows that to improve line efficiency can be done by increasing the automation system for several work stations and layout to get improvements better way to compare the feasibility of investment also contributes to practitioners as a guide in implementing the method in related industries, for further research from this research can be done by comparing other line balancing as Hoffmann–Moodie Young or Hoffmann - Helgeson Birnie."

"Saat pandemi Covid-19 masuk ke Indonesia April 2020, industri otomotif menjadi sektor yang mengalami penurunan paling signifikan dibandingkan dengan sektor lainnya. Hal ini terjadi karena lemahnya permintaan mobil dan motor secara domestik dan luar negeri yang menyebabkan pemangkasan produksi. Dari kejadian ini, seluruh industri otomotif harus cepat beradaptasi dari disrupsi yang terjadi untuk mengembalikan keadaan secara normal pasca terjadinya disrupsi. Key Performance Indicator (KPI) dengan konteks Supply Chain Resilience (SCR) yang digunakan organisasi untuk mengontrol dan mengelola rencana target industri dapat menjadi salah satu tindakan preventif bagi industri ketika terjadi disrupsi. Tujuan dari penelitian ini adalah membuat KPI dengan konteks SCR agar indikator yang berhubungan dengan disrupsi dapat lebih diperhatikan sebagai tindakan jangka panjang. Penelitian ini menggunakan literatur review untuk mengumpulkan indikator, metode Content Validity Index (CVI) untuk validasi indikator yang dinilai oleh ahli, dan Dematel based ANP untuk mengetahui hubungan antar setiap indikator. Hasil dari CVI menunjukkan bahwa dari 11 Indikator dan 46 sub indikator SCR yang dikumpulkan, semua indikator dan 27 sub indikator SCR dinyatakan valid oleh 6 ahli di bidang otomotif dengan rata-rata nilai I-CVI 0.81. Dari keseluruhan indikator, indikator security merupakan indikator yang sangat mempengaruhi indikator lainnya sedangkan indikator risk management merupakan indikator yang paling mudah terpengaruh oleh indikator lainnya

---

Since the Covid-19 pandemic entered Indonesia in April 2020, the automotive industry experienced the most significant decline compared to the other sectors. The downfall was due to weak demand for cars and motorcycles from the domestic and foreign market, leading to production cuts. This incident forced the entire automotive industry to adjust to returning to normal conditions after the disruption occurred as quickly as possible. There in need for Key Performance Indicators (KPI) for Supply Chain Resilience (SCR) to control and manage the company's target plans when a disruption occurs. This study aims to design KPI to assessing the indicators related to disruption as long-term measures. This study utilized literature review for collect the indicators, Content Validity Index (CVI) for validation of indicators that already assessed by ahli, and Dematel based ANP to know the relation between each indicator. CVI result showed from 11 indicators and 46 sub-indicators of SCR, all indicators and 27 sub-indicators were validated by six ahlis in the sector, with an average I-CVI value of 0.81. Of all the indicators, the security indicator is an indicator that greatly influences other indicators, while the risk management indicator is the indicator that is most easily affected by other indicators."

"Kegiatan bisnis di industri otomotif dapat berjalan dengan baik dan efisien jika SCM dalam kondisi optimal dan terlindungi dari risiko [1]. Menurut Alitosa dan Kusumah [2], risiko yang paling potensial dalam SCM di industri otomotif adalah antara jaringan pemasok anggota dan antara jaringan pasokan dan lingkungan. Contoh peningkatan risiko non-organisasi yang dapat memengaruhi rantai pasokan saat ini adalah adanya COVID-19. Hal ini secara langsung mempengaruhi aktivitas SC di berbagai sektor, salah satunya adalah industri otomotif [3]. Kerugian akibat risiko tersebut harus ditekan untuk mendukung Kebijakan Industri Nasional 2005 yang dikeluarkan Kementerian Perindustrian pada tahun 2005, bahwa pada tahun 2025 industri otomotif akan menjadi andalan industri masa depan. Hasil penelitian menunjukkan masih banyak kesenjangan pada penelitian-penelitian sebelumnya, untuk itu metode HOR akan digabungkan dengan metode SCBS untuk mengurangi risiko kerugian yang ditimbulkan dan menentukan skala prioritas untuk resolusi risiko. Hasil penelitian menunjukkan bahwa berdasarkan perspektif pertumbuhan dan pembelajaran adalah menghitung ROI untuk investasi sumber daya untuk mendukung inovasi, benchmarking ke perusahaan lain, membuat jadwal pelatihan reguler dan mengevaluasi kemampuan tenaga kerja operator. Dari perspektif bisnis internal, membuat jadwal pelatihan berkala dan mengevaluasi kemampuan tenaga kerja operator, membuat rencana evaluasi pemasok setiap 6 bulan, menjadwalkan penggantian alat, jig, dies, perlengkapan sesuai masa pakai, melakukan perawatan preventif mesin sesuai jadwal. Berdasarkan perspektif pelanggan, buat standar, dan kendalikan proses di shift awal, buat standar dan kendalikan fungsi poka-yoke di shift awal, buat standar dan pengecekan produk di shift awal. Dari perspektif keuangan adalah merencanakan bisnis dengan hati-hati, meningkatkan operasi pabrik untuk mengurangi waktu kerugian dan penolakan, merencanakan produksi berdasarkan prioritas pengiriman

---

Business activities in the automotive industry can run well and efficiently if SCM is in optimal condition and is protected from risks [1]. According to Alitosa and Kusumah [2], the most potential risks in SCM in the automotive industry are between the supplier network of members and between the supply network and the environment. An example of increased non-organizational risk that can affect the supply chain today is the presence of COVID-19. This directly affects SC activities in various sectors, one of which is the automotive industry [3]. The losses caused by these risks must be suppressed to support the 2005 National Industrial Policy issued by the Ministry of Industry in 2005, that by 2025 the automotive industry will be the mainstay of the future industry. The results of the research show that there are still many gaps in previous studies, for that the HOR method will be combined with the SCBS method to reduce the risk of losses incurred and determine the priority scale for risk resolution. The results show that based on growth and learning perspectives is calculating ROI for resource investment to support innovation, benchmarking to other companies, making regular training schedules and evaluating operator manpower capability. From an internal business perspective, make periodic training schedules and evaluate operator manpower capability, make supplier evaluation plans every 6 months, schedule replacement of tools, jigs, dies, fixtures according to lifetime, do a machines preventive maintenance according to schedule. Based on the customer's perspective, make standards, and control the process at the beginning shift, make standards and control the poka-yoke function at the beginning shift, make standards and product checks at the beginning shift. From financial perspective is planning the business carefully, improve factory operations to reduce loss time and rejects, plan production based on delivery priorities."