Pengembangan model Chain Dispersion dengan mempertimbangkan faktor jarak antar pelanggan

Resiko cacat produk pasti dialami oleh setiap industri, dalam industri makanan, cacat produk dapat mengganggu kemanan produk. Kecacatan produk terjadi dikarenakan terdapat variasi yang lebar pada bahan bakunya. Selanjutnya, proses pengolahan yang bersifat batch dapat meningkatkan resiko terjadinya ketidaksesuaian produk. Resiko cacat produk tidak dapat dihindari oleh setiap industri, oleh karena itu Dupuy et al, (2005) mengembangkan model batch dispersion untuk meminimalkan penyebaran batch dalam lingkup produksinya. Lalu Rong dan Grunow, (2010) berpendapat bahwa pengendalian produk juga perlu dilakukan hingga jaringan distribusinya sehingga Rong dan Grunow, (2010) mengembangkan model chain dispersion sebagai pengembangan dari model batch dispersion. Pada teknologi saat ini sangat memungkinkan untuk memperoleh informasi jarak antar pelanggan. Hal tersebut dimanfaatkan dalam penelitian ini sebagai parameter baru dalam pengembangan model. Model matematis yang dikembangkan dalam penelitian ini berbasis Mixed Integer Linear Programming (MILP). Rong dan Grunow, (2010) menggunakan besaran nilai chain dispersion (D) sebagai fungsi tujuan. Dalam dunia praktisi hal tersebut sangat sulit dipahami sebagai sebuah tolak ukur, oleh karena itu, dalam penelitian ini fungsi tujuan yang akan digunakan adalah biaya dalam satuan mata uang. Model biaya yang digunakan dalam fungsi tujuan ini adalah meminimalkan biaya penyebaran batch. Pengembangan model tersebut diterapkan dalam perusahaan makanan yang memiliki 9 retailer yang tersebar diwilayah Jawa Timur dan 3 batch produksi dalam 2 periode. Berdasarkan hasil pengolahan didapatkan penyebaran batch 1, 2, dan 3 untuk periode 1 menghasilkan jarak cluster distribusi sebesar 273, 105, dan 78. Untuk periode 2 batch 1, 2, dan 3 menghasilkan jarak cluster distribusi sebesar 201, 78, dan 137. Jika semua peroduk dari periode 1 mengalami kecacatan dan harus dilakukan recall. Perusahaan mampu mereduksi jarak recall produk sebesar 93km dibandingkan metode yang diterapkan perusahaan saat ini