Bisnis Anda akhirnya mulai berjalan. Semuanya berjalan lancar dan semua sistem sudah berjalan! 

Namun, di sinilah penjualan bisa menjadi stagnan atau stagnan. Perusahaan tidak dapat berkembang tanpa membuat saluran yang teratur dan bekerja sama. Langkah selanjutnya untuk bisnis yang sedang berkembang adalah mempertimbangkan perangkat lunak perencanaan sumber daya perusahaan (ERP). Perangkat lunak ini membantu menyelaraskan operasi dan memposisikan bisnis Anda untuk pertumbuhan.

Apa yang dimaksud dengan ERP?

Perencanaan sumber daya perusahaan (ERP) adalah perangkat lunak yang digunakan perusahaan untuk mengatur operasi harian. Ini adalah solusi hemat biaya yang memungkinkan aliran data transaksional dari berbagai sumber dan pengelolaan proses bisnis yang sedang berlangsung seperti akuntansi, sumber daya manusia, penjualan, pemasaran, dan keamanan data. 

Perangkat lunak ERP untuk bisnis kecil dikembangkan pada tahun 1992 oleh para insinyur IBM yang ingin menyempurnakan dan mengotomatisasi alur kerja. Sejak saat itu, industri ERP telah membuktikan pasar yang sangat kompetitif dengan berbagai platform yang dapat dipilih. 

Dalam hal manajemen bisnis kecil, komputasi awan mengubah permainan. ERP memberikan integritas data dengan satu sumber kebenaran dan menggabungkan operasi bisnis ke dalam satu dasbor yang dapat dikelola. 

ERP untuk Bisnis Kecil

53% bisnis percaya bahwa ERP adalah salah satu sektor prioritas untuk investasi. Ketika berbicara tentang integrasi ERP yang kuat untuk bisnis Anda, pertimbangkan beberapa faktor berikut:

• Biaya: Lihatlah paket langganan, pemeliharaan, implementasi, dan kustomisasi
• Skalabilitas: Apakah sistem dirancang untuk tumbuh bersama bisnis Anda? Dapatkah sistem tersebut mengatasi dan bekerja di bawah tekanan?
• Integrasi: Menawarkan beberapa aplikasi mandiri yang membantu pengoperasian
• Kegunaan: Memiliki kurva pembelajaran yang singkat, mudah dilatih, dan cepat diimplementasikan
• Mobilitas: Dapatkah Anda menggunakan sistem ini dari mana saja dan kapan saja? Apakah sistem ini memiliki kemampuan cloud?

Setelah mempertimbangkan beberapa poin penting ini, lihat lima solusi perangkat lunak ERP terbaik dan apa yang bisa ditawarkan kepada bisnis kecil Anda saat ini:

• SAP Business One
• Odoo
• Acumatica
• Microsoft Dynamics GP
• Dynamics 365
• SAP Business One

SAP Business One adalah solusi yang terjangkau untuk bisnis kecil atau startup. Solusi ini membantu mengkonsolidasikan dan mengelola seluruh operasi Anda dari satu platform. Merek ini bertujuan untuk memperkenalkan otomatisasi pada fungsi-fungsi bisnis utama seperti keuangan, sumber daya manusia, penjualan, manajemen proyek, dan banyak lagi. Dapatkan kontrol yang lebih besar dengan sistem yang mendorong pertumbuhan yang menguntungkan berdasarkan informasi real-time.

Fitur Utama

1. Mengurangi kesalahan, meningkatkan margin, dan mendorong pengambilan keputusan yang menguntungkan dengan alat akuntansi otomatis
2. Mengawasi seluruh proses penjualan dan siklus hidup pelanggan, mulai dari kontak awal hingga penjualan akhir
3. Mengoptimalkan praktik pembelian dan mengendalikan biaya dengan mengelola siklus pemesanan hingga pembayaran secara lengkap
4. Memberdayakan staf untuk membuat keputusan yang lebih cerdas dengan data penting, tersedia secara instan, di seluruh perusahaan
5. Menghasilkan laporan yang tepat waktu dan akurat berdasarkan data universal dan alat analisis mendalam

Kelebihan

1. Antarmuka pengguna dan dasbor yang sederhana dan mudah digunakan
2. Peta Hubungan menunjukkan seluruh siklus hidup pelanggan dari awal hingga akhir
3. Mudah untuk membayar dan menagih vendor dan pelanggan

Kekurangan

1. Kustomisasi dan fungsi Manajemen Sumber Daya Manusia yang terbatas
2. Biaya pengaya dan fitur tambahan bisa bertambah, sehingga kurang terjangkau
3. Mungkin ada kurva pembelajaran yang tajam dengan implementasi yang sulit

Odoo

Odoo adalah solusi ERP bisnis kecil yang menargetkan berbagai macam industri. Sistem ERP dan CRM sumber terbuka ini dirancang dengan mempertimbangkan bisnis yang lebih kecil. 

Platform Odoo menawarkan alat untuk berbagai fungsi intelijen bisnis yang mencakup aplikasi untuk operasi, penjualan, pemasaran, sumber daya manusia, e-commerce, penyesuaian, dan banyak lagi. 

Program ERP dengan mulus mengintegrasikan aplikasi bisnis fungsional yang membentuk solusi ERP jika digabungkan.

Fitur Utama

• Templat penjualan untuk penawaran yang dipoles dalam hitungan menit. Kirim penawaran dengan harga yang jelas dan biarkan pelanggan yang mengambil alih
• Mengotomatiskan usulan pengadaan, melacak pesanan pembelian, dan mengelola faktur dan data pemasok
• Manajemen proyek kolaboratif dan real-time yang bekerja di dalam saluran penjualan Anda dengan data visual instan
• Perangkat lunak e-commerce dengan katalog produk dan deskripsi konten yang besar
• Manajemen inventaris untuk mengurangi waktu proses, mengurangi tingkat stok, dan mengotomatiskan transaksi

Kelebihan

1. ERP yang sangat intuitif dengan harga yang sangat terjangkau
2. Integrasi tanpa hambatan antar modul dengan catatan yang terperinci
3. Implementasi sederhana dengan manajemen staf dan skalabilitas

Kekurangan

1. Antarmuka pengguna default kikuk dan membutuhkan kustomisasi
2. Sumber daya terbatas pada dukungan dengan waktu tunggu layanan pelanggan yang lama
3. Pengembangan bisa menjadi tantangan karena tersedia dalam banyak bahasa

Acumatica

Acumatica merupakan salah satu ERP terbaik untuk usaha kecil dan menawarkan seperangkat modul lengkap yang menjalankan keseluruhan mulai dari pelaporan hingga keamanan terpusat, sistem dokumen digital terintegrasi, dan manajemen pesanan yang efisien. Platform ini juga menyediakan perangkat lunak akuntansi dan ERP cloud. 

Manfaatkan alat kustomisasi yang kuat untuk menyesuaikan laporan dan mendapatkan wawasan real-time ke dalam data dari mana saja, kapan saja.  Fungsionalitas ERP yang diperluas membantu mengelola aset tetap dan pendapatan yang ditangguhkan untuk memberikan ROI terbaik pada semua investasi teknologi Anda.

Fitur Utama

• Mengelola aset tetap dan pendapatan yang ditangguhkan untuk menghasilkan ROI terbaik pada semua investasi teknologi
• Versi berbeda tersedia berdasarkan industri, seperti Perdagangan, Manufaktur, dan Distribusi
• Manajemen Hubungan Pelanggan (CRM) dengan data waktu nyata tentang wawasan pelanggan, aktivitas, penawaran, dll.
• Akuntansi proyek untuk menangani aturan penagihan yang kompleks pada atribut proyek
• Aplikasi keuangan yang cocok untuk perusahaan multinasional yang kompleks

Kelebihan

1. Antarmuka yang terus diperbarui dan ditingkatkan dengan pengguna tak terbatas
2. Pelaporan dengan kategori pengeluaran yang dapat ditelusuri dan klaim individual
3. CRM untuk mengelola informasi pelanggan dalam satu tempat

Kekurangan

1. Antarmuka pengguna sulit untuk dipersonalisasi dan tidak bisa “menyembunyikan” fitur
2. Integrasi email tidak lancar dan mengharuskan pengguna berbagi kata sandi
3. Penolakan klaim memerlukan email manual untuk mengoreksi

Microsoft Dynamics GP

Microsoft Dynamics GP (sebelumnya bernama Great Plains) menawarkan solusi out-of-the-box untuk perangkat lunak manajemen bisnis yang komprehensif. 

Platform SaaS ini memiliki fungsionalitas universal mulai dari keuangan hingga operasi dan sumber daya manusia. Microsoft Dynamics GP dirancang untuk menghubungkan semua bagian yang bergerak dalam suatu organisasi, memungkinkan kontrol, visibilitas, dan pengawasan yang lebih baik. 

Fitur Utama

• Tersedia di lokasi, cloud publik / pribadi, dan hybrid
• Manajemen rantai pasokan dengan inventaris, produksi, pengembalian, dan lainnya
• Penggajian, akuntansi, dan manajemen keuangan dengan perbankan, kas, dan aset
• Data dan analitik real-time untuk melacak kinerja dan mendapatkan wawasan yang dapat ditindaklanjuti
• Mengelola semua peluang penjualan, layanan profesional, kontrak, dan kebutuhan spesifik lainnya 

Kelebihan

1. Manajemen karyawan yang sederhana dengan basis data universal
2. Mudah dan cepat untuk memproses utang dengan banyak anggota tim
3. Pajak akhir tahun dengan formulir asuransi kesehatan dan dokumen W2 

Kekurangan

1. Tugas yang sederhana bisa jadi rumit karena terlalu banyak opsi dan tombol di dasbor
2. Modul tidak selalu berkomunikasi dengan baik dan data tidak sinkron
3. Pelaporan bisa jadi agak lemah dan templat kata tidak selalu ramah pengguna

Dynamics 365

Microsoft Dynamics merupakan solusi ERP dan mirip dengan Dynamics GP kecuali Anda harus membelinya secara berlangganan. Baru-baru ini telah diubah namanya menjadi Microsoft Dynamics 365 Business Central dan menawarkan fleksibilitas penuh untuk digunakan di awan atau di lokasi. 

Platform ini menangani segala sesuatu mulai dari analisis dan pembuatan faktur hingga media sosial dan CRM. Ini mirip dengan Microsoft NAV, namun dalam skala yang lebih kecil. 

Fitur Utama

• Penerapan yang fleksibel, keamanan, dan keandalan untuk semua kebutuhan bisnis Anda
• Menghubungkan orang, proses, dan wawasan dengan panduan yang disematkan
• Meningkatkan visibilitas dan kinerja dengan metrik penutupan, perkiraan, dan kinerja yang dipercepat
• Tingkatkan layanan pelanggan dan tingkatkan penjualan dengan mengelola seluruh proses penjualan secara menyeluruh
• Dasbor yang sederhana dan mudah yang terintegrasi dengan semua aplikasi MS

Kelebihan

1. Otomatisasi bisnis untuk alur kerja sangat membantu dengan tampilan data yang cepat
2. Semuanya ada di awan yang membuatnya bagus untuk perusahaan dengan pekerja jarak jauh
3. Penilaian prospek dengan segmentasi audiens dan strategi pemasaran 

Kekurangan

1. Mempelajari cara mengambil data tidak selalu intuitif. Ada ratusan opsi 
2. Semakin Anda menyesuaikan sistem, semakin kelihatannya tertinggal
3. Tidak menyediakan HTML untuk formulir. Hanya sebuah DIV yang membutuhkan autentikasi

QuickBooks

QuickBooks Desktop dan QuickBooks Online keduanya berfungsi sebagai perangkat lunak akuntansi hutang untuk usaha kecil. Merek ini sekarang telah berkembang untuk menawarkan beberapa layanan ERP terbaik yang dapat ditemukan oleh bisnis kecil. 

Fitur yang ditawarkan mencakup segala hal mulai dari utang usaha hingga manajemen gudang, pajak, rekonsiliasi bank, dan pelaporan mendalam. Selain itu, QuickBooks Desktop menawarkan versi yang dirancang khusus untuk CPA.

Fitur Utama

• Memantau harga pokok barang, tingkat produk, dan menerima pemberitahuan ketika persediaan rendah
• Tangkap tanda terima dengan smartphone, jalankan laporan dasar, dan mengotomatiskan estimasi pajak kuartalan
• Semua jenis pelacakan mulai dari pendapatan dan pengeluaran hingga jarak tempuh, faktur, profitabilitas proyek, dan menerima pembayaran
• Mengelola tagihan dan melacak status, membuat pembayaran berulang, dan membayar beberapa pemasok sekaligus
• Memaksimalkan potongan pajak dan menyortir pengeluaran bisnis secara otomatis ke dalam kategori pajak yang tepat

Kelebihan

1. Dapat membuat anggaran organisasi dan juga anggaran untuk setiap program tertentu
2. Kustomisasi dasar faktur dan bahasa agar sesuai dengan kebutuhan pelanggan
3. Memungkinkan aturan yang ditetapkan untuk pendapatan dan pengeluaran yang umum dan berulang

Kekurangan

1. Mungkin sulit untuk memperbaiki kesalahan posting, memodifikasi pengkodean dalam faktur, atau mencocokkan pembayaran yang belum diterapkan
2. Fitur anggaran meninggalkan banyak hal yang diinginkan, sulit untuk diisi, dan dipelihara 
3. Dukungan pelanggan bisa jadi tidak konsisten dan kurang pengetahuan

Jenis perangkat lunak ERP apa yang tepat untuk bisnis kecil Anda?

88% organisasi menganggap implementasi ERP sebagai bagian besar dari kesuksesan mereka. Ketika ingin membeli ERP yang tepat, harus dimulai dengan pendekatan khusus industri. Carilah sistem yang disesuaikan dengan kebutuhan pasar spesifik Anda. 

Anda mungkin juga ingin melihat bagaimana sistem di-host. Perangkat lunak ERP terbaik untuk perusahaan kecil adalah sistem berbasis cloud. Sistem ini tidak terlalu rumit dan lebih mudah diatur.

Terakhir, pertimbangkan sistem ERP seperti yang ada dalam daftar ini, yang dirancang dengan mempertimbangkan bisnis kecil. Ini adalah jenis program yang akan merampingkan platform dengan cepat dan memposisikan bisnis kecil dengan lebih baik untuk pertumbuhan. 

Disadur dari: https://tipalti.com/

Alat manajemen bisnis adalah semua sistem, aplikasi, kontrol, solusi penghitungan, metodologi, dll. yang digunakan oleh organisasi untuk dapat mengatasi perubahan pasar, memastikan posisi kompetitif di dalamnya, dan meningkatkan kinerja bisnis.

Gambaran Umum

Ada alat yang terkait dengan setiap departemen organisasi yang dapat diklasifikasikan untuk setiap aspek manajemen. Misalnya: alat perencanaan, alat proses, alat pencatatan, alat yang berhubungan dengan karyawan, alat pengambilan keputusan, alat kontrol, dll. Klasifikasi berdasarkan fungsi akan mempertimbangkan aspek-aspek umum ini:

• Alat yang digunakan untuk input dan validasi data di departemen mana pun.
• Alat yang digunakan untuk mengendalikan dan meningkatkan proses bisnis.
• Alat yang digunakan untuk konsolidasi data dan pengambilan keputusan.

Saat ini, alat manajemen telah berkembang secara dramatis dalam dekade terakhir berkat kemajuan teknologi yang cepat, begitu cepatnya sehingga sulit untuk memilih alat bisnis terbaik untuk situasi apa pun di perusahaan mana pun. Hal ini disebabkan oleh perjuangan tanpa henti untuk menurunkan biaya dan meningkatkan penjualan, keinginan untuk memahami kebutuhan pelanggan, dan perjuangan untuk memberikan produk yang memenuhi kebutuhan mereka dengan cara yang mereka inginkan.

Dalam skenario ini, para manajer harus mengambil sikap strategis terhadap alat manajemen bisnis alih-alih menggunakan alat yang terbaru. Biasanya, para manajer bergantung pada alat tersebut tanpa adanya adaptasi yang mengarah pada situasi yang tidak stabil. Alat manajemen bisnis harus dipilih dengan hati-hati, dan kemudian disesuaikan dengan kebutuhan organisasi dan bukan sebaliknya.

Paling banyak digunakan

Pada tahun 2013, sebuah survei yang dilakukan oleh Bain dan Company menunjukkan bagaimana alat bantu bisnis digunakan di seluruh dunia. Alat-alat ini mencerminkan bagaimana hasil yang mereka berikan berkontribusi pada kebutuhan masing-masing wilayah, dengan mempertimbangkan situasi pasar dan perusahaan. Sepuluh besar di antaranya meliputi:

• Perencanaan strategis
• Manajemen hubungan pelanggan
• Survei keterlibatan karyawan
• Pembandingan (benchmarking)
• Kartu skor berimbang (Balanced scorecard)
• Kompetensi inti
• Pengalihdayaan
• Program manajemen perubahan
• Manajemen rantai pasokan
• Pernyataan misi dan pernyataan visi
• Segmentasi pasar
• Manajemen kualitas total

Aplikasi perangkat lunak untuk bisnis

Perangkat lunak atau kumpulan program komputer yang digunakan oleh pengguna bisnis untuk menjalankan berbagai operasi bisnis disebut sebagai perangkat lunak bisnis (atau aplikasi bisnis). Aplikasi bisnis ini digunakan untuk meningkatkan hasil, mengukur hasil, dan melaksanakan berbagai tugas perusahaan lainnya secara tepat.

Dimulai dengan sistem informasi manajemen dan berkembang menjadi sistem perencanaan sumber daya perusahaan. Kemudian manajemen hubungan pelanggan ditambahkan ke dalam solusi dan akhirnya seluruh paket pindah ke ruang manajemen bisnis cloud.

Meskipun terdapat korelasi yang nyata antara upaya TI dan kinerja organisasi, ada dua elemen yang menjadi kunci untuk menambah nilai pada hasil akhirnya, yaitu efektivitas implementasi dan pemilihan alat yang tepat serta proses adaptasi.

Perangkat untuk UKM

Alat-alat yang difokuskan untuk UKM adalah penting karena mereka menyediakan cara untuk menghemat uang dan membuat bisnis pengusaha lebih menguntungkan. Alat-alat ini memiliki fungsi yang berbeda seperti manajemen proyek, melacak keuangan, mengelola proyek, berbagi dokumen, terhubung dan berjejaring dengan orang lain, mengelola media sosial, dan melakukan pemasaran, serta penggunaan sehari-hari seperti pengolah kata atau spreadsheet. Kelemahan yang perlu dipertimbangkan adalah bahwa beberapa aplikasi mungkin tidak dapat diandalkan atau mengharuskan organisasi untuk mengiklankannya.

Disadur dari: https://en.wikipedia.org/

Pendahuluan

Dalam lingkungan bisnis global yang semakin kompleks, manajemen inventaris yang efisien menjadi kunci keberhasilan perusahaan manufaktur. Alfa Laval, sebagai perusahaan dengan jaringan produksi global, menghadapi tantangan dalam mengelola inventaris dan menyeimbangkan pasokan serta permintaan. Untuk mengatasi tantangan ini, mereka mengembangkan ATHENA, sebuah inisiatif yang bertujuan untuk meningkatkan pengelolaan inventaris melalui pendekatan yang lebih terstruktur dan terintegrasi.

Artikel ini membahas studi kasus implementasi ATHENA di Alfa Laval, menguraikan tantangan utama, strategi yang diterapkan, serta dampaknya terhadap performa rantai pasok.

Tantangan dalam Manajemen Inventaris Global

Alfa Laval menghadapi beberapa tantangan utama dalam manajemen inventarisnya, termasuk:

1. Ketidakseimbangan antara pasokan dan permintaan, yang menyebabkan kelebihan atau kekurangan stok.
2. Kurangnya visibilitas data inventaris di seluruh lokasi produksi.
3. Ketergantungan pada forecasting yang kurang akurat, menyebabkan pengambilan keputusan yang kurang tepat.

Seperti banyak perusahaan lain yang menerapkan sistem Make-to-Order (MTO), Alfa Laval harus memproyeksikan kebutuhan inventaris berdasarkan permintaan pelanggan, bukan sekadar tren historis.

Inisiatif ATHENA dan Strategi Optimalisasi Inventaris

ATHENA dirancang untuk mengatasi tantangan tersebut dengan beberapa pendekatan utama:

1. Klasifikasi Inventaris yang Lebih Terstruktur

ATHENA mengklasifikasikan inventaris menjadi enam kategori utama:

• Cycle stock (stok reguler yang terus diperbarui)
• Safety stock (stok cadangan untuk mengantisipasi ketidakpastian)
• Pipeline stock (stok dalam proses pengiriman)
• Anticipation stock (stok untuk mengantisipasi permintaan musiman)
• Hedge stock (stok untuk mengatasi risiko pasar)
• Overstock (stok berlebih yang perlu dikurangi)

Pendekatan ini membantu Alfa Laval mengoptimalkan persediaan dan menghindari pemborosan modal pada inventaris yang tidak diperlukan.

2. Penggunaan Data dan Teknologi dalam Forecasting

Alfa Laval mengimplementasikan model forecasting berbasis data, termasuk:

• Moving average dan exponential smoothing, untuk memprediksi pola permintaan.
• Analisis berbasis historis dengan software demand planning, yang dapat menghasilkan forecast hingga 15 bulan ke depan.
• Sistem kolaboratif dengan pemasok, di mana perusahaan berbagi data forecasting dengan mereka untuk memastikan kesiapan pasokan.

Pendekatan ini membantu Alfa Laval mengurangi dampak efek bullwhip, yang sering terjadi ketika setiap tahap rantai pasok membuat perkiraan yang berbeda.

3. Peningkatan Kolaborasi dalam Rantai Pasok

Kolaborasi antara berbagai unit bisnis dan pemasok menjadi fokus utama ATHENA. Beberapa langkah yang diterapkan termasuk:

• Berbagi data inventaris secara real-time antar pabrik di berbagai lokasi.
• Meningkatkan transparansi dengan pemasok utama untuk menghindari ketidakseimbangan persediaan.
• Memanfaatkan pendekatan Collaborative Planning, Forecasting, and Replenishment (CPFR), meskipun implementasi penuh masih menghadapi kendala.

Dampak dari pendekatan ini adalah peningkatan akurasi forecasting dan pengurangan ketidakpastian dalam perencanaan produksi.

Dampak ATHENA terhadap Performa Alfa Laval

Implementasi ATHENA telah membawa beberapa perbaikan signifikan bagi Alfa Laval:

1. Penurunan Inventory Days of Supply (IDS)
   • IDS berkurang secara signifikan setelah penerapan ATHENA, yang berarti Alfa Laval dapat menyimpan lebih sedikit stok tanpa mengorbankan ketersediaan produk.
2. Peningkatan Return on Capital Employed (ROCE) dan Return on Sales (ROS)
   • ATHENA membantu meningkatkan efisiensi modal kerja, yang berdampak langsung pada profitabilitas perusahaan.
3. Efisiensi dalam Manajemen Gudang
   • Dengan sistem klasifikasi stok yang lebih baik, Alfa Laval mengurangi stok berlebih di gudang mereka, sehingga menghemat biaya penyimpanan.
4. Peningkatan Kolaborasi dengan Pemasok
   • Dengan berbagi data forecasting dan kapasitas produksi lebih awal, pemasok dapat merencanakan produksi mereka dengan lebih baik, mengurangi keterlambatan pasokan.

Studi Kasus: Implementasi ATHENA di Alfa Laval

Dalam salah satu kasus spesifik, penerapan ATHENA di fasilitas produksi gasketed plate heat exchanger (GPHE) menunjukkan hasil yang positif:

• Forecasting permintaan meningkat hingga 20% lebih akurat dibandingkan sebelumnya.
• Jumlah stok komponen utama berkurang 15%, menghemat jutaan dolar dalam biaya inventaris.
• Kolaborasi dengan pemasok utama meningkat, mengurangi risiko keterlambatan produksi.

Hasil ini menunjukkan bahwa ATHENA berhasil menciptakan sistem manajemen inventaris yang lebih responsif dan efisien, meskipun masih ada tantangan dalam standarisasi sistem di seluruh unit bisnis.

Kesimpulan: ATHENA sebagai Model Manajemen Inventaris Masa Depan

Dari analisis ini, dapat disimpulkan bahwa ATHENA merupakan langkah strategis yang membantu Alfa Laval meningkatkan efisiensi rantai pasoknya. Dengan klasifikasi inventaris yang lebih baik, pemanfaatan teknologi forecasting, dan peningkatan kolaborasi dengan pemasok, Alfa Laval berhasil mengurangi biaya dan meningkatkan efektivitas operasional.

Namun, masih ada beberapa area yang dapat diperbaiki:

• Peningkatan standarisasi forecasting di semua unit bisnis.
• Implementasi penuh sistem CPFR untuk meningkatkan visibilitas rantai pasok.
• Mengintegrasikan AI dalam analisis data inventaris untuk hasil yang lebih akurat.

Bagi perusahaan lain yang menghadapi tantangan serupa dalam manajemen inventaris, pendekatan ATHENA dapat menjadi model yang dapat diterapkan untuk meningkatkan efisiensi rantai pasok dan mengoptimalkan modal kerja.

Sumber Referensi : Schiro, D., & Librelotto Rubin, L. (2023). Inventory Management: A High-Level Analysis of Selected Process Elements, and Factors Impacting Plan Performance – A Case Study at Alfa Laval. Lund University, Department of Mechanical Engineering Sciences, Division of Engineering Logistics.

 

Pendahuluan

Dalam dunia bisnis yang semakin kompetitif, manajemen rantai pasok (Supply Chain Management/SCM) berperan penting dalam meningkatkan efisiensi dan daya saing perusahaan. Paper berjudul Concept Paper on Supply Chain Management oleh Md. Maksudul Haque dan Marzina Akhter, yang diterbitkan di IOSR Journal of Economics and Finance (2022, Vol. 13, Issue 3, pp. 31-35), membahas konsep dasar SCM, perbedaannya dengan logistik, serta tren terbaru seperti green supply chain.

SCM mencakup koordinasi berbagai aspek bisnis seperti produksi, persediaan, lokasi, dan transportasi. Tujuan utamanya adalah meningkatkan kepuasan pelanggan sekaligus mengurangi biaya operasional dan inventaris.

Konsep Dasar Manajemen Rantai Pasok

SCM terdiri dari serangkaian proses yang memastikan barang dan jasa mengalir dengan lancar dari pemasok ke pelanggan akhir. Beberapa komponen utama SCM yang dibahas dalam paper ini meliputi:

1. Perbedaan Supply Chain Management dan Logistik

• Logistik berfokus pada manajemen barang dalam satu organisasi, termasuk pengadaan, distribusi, dan inventaris.
• SCM melibatkan jaringan beberapa perusahaan yang bekerja sama untuk memenuhi kebutuhan pelanggan secara efektif.
• SCM mencakup strategi pemasaran, pengembangan produk, layanan pelanggan, dan keuangan, sehingga lebih luas dibandingkan logistik.

2. Elemen Utama dalam Supply Chain

SCM terdiri dari beberapa elemen yang saling terhubung:

1. Pelanggan: Memulai rantai pasok dengan melakukan pemesanan barang.
2. Perencanaan: Menyusun jadwal produksi dan mengatur kebutuhan bahan baku.
3. Pengadaan: Membeli bahan baku dari pemasok.
4. Inventaris: Menyimpan bahan baku dan produk jadi sebelum dikirim ke pelanggan.
5. Produksi: Proses manufaktur produk berdasarkan permintaan pasar.
6. Lokasi: Menentukan lokasi pabrik dan gudang untuk efisiensi biaya.
7. Transportasi: Memilih metode pengiriman yang optimal.
8. Informasi: Menggunakan data untuk pengambilan keputusan yang lebih baik.

Strategi Efisiensi dalam SCM

Paper ini menyoroti pentingnya keseimbangan antara efisiensi biaya dan responsivitas terhadap permintaan pasar. Beberapa strategi utama yang dapat diterapkan perusahaan meliputi:

1. Manajemen Produksi dan Persediaan

• Lean Manufacturing: Mengurangi pemborosan dalam proses produksi untuk meningkatkan efisiensi.
• Just-in-Time (JIT): Mengurangi biaya penyimpanan dengan hanya memproduksi barang saat dibutuhkan.
• Safety Inventory: Menjaga stok cadangan untuk menghindari kehabisan produk.

2. Optimalisasi Lokasi dan Transportasi

• Menentukan lokasi pabrik dan gudang yang strategis untuk menekan biaya logistik.
• Menggunakan metode pengiriman yang paling efektif dan efisien sesuai dengan kebutuhan bisnis.

3. Penggunaan Teknologi dan Informasi

• Big Data dan AI untuk analisis permintaan pasar.
• Sistem ERP (Enterprise Resource Planning) untuk meningkatkan koordinasi antar divisi.

Green Supply Chain: Tren Masa Depan SCM

Paper ini juga membahas konsep Green Supply Chain Management (GSCM), yaitu strategi untuk mengurangi dampak lingkungan dalam rantai pasok. Beberapa aspek penting GSCM meliputi:

1. Desain Produk Ramah Lingkungan
   • Menggunakan bahan daur ulang atau biodegradable.
2. Efisiensi Energi dalam Produksi
   • Mengurangi emisi karbon dengan mesin hemat energi.
3. Optimasi Transportasi
   • Menggunakan kendaraan listrik atau jalur distribusi yang lebih pendek untuk menghemat bahan bakar.

Menurut penelitian, perusahaan yang menerapkan GSCM dapat mengurangi biaya operasional hingga 20% serta meningkatkan kepuasan pelanggan yang peduli lingkungan.

Kesimpulan

Manajemen rantai pasok yang efektif dapat meningkatkan efisiensi operasional sekaligus menekan biaya. Paper ini menyoroti perbedaan SCM dengan logistik, strategi optimalisasi, serta pentingnya transisi ke Green Supply Chain.

Dengan mengadopsi teknologi canggih, strategi persediaan yang efisien, dan pendekatan ramah lingkungan, perusahaan dapat meningkatkan daya saing mereka di pasar global.

Sumber: Md. Maksudul Haque, Marzina Akhter. Concept Paper on Supply Chain Management. IOSR Journal of Economics and Finance, 13(3), 2022, pp. 31-35.

 

Pendahuluan

Efisiensi rantai pasok menjadi faktor penting dalam daya saing perusahaan modern. Semakin kompleksnya sistem rantai pasok akibat globalisasi dan digitalisasi menuntut perusahaan untuk memiliki model evaluasi kinerja yang akurat. Paper Measurements of Efficiency in a Supply Chain oleh Annelie Pettersson berfokus pada metode pengukuran efisiensi rantai pasok dengan pendekatan kuantitatif yang menggabungkan biaya dan kinerja operasional.

Penelitian ini mengulas berbagai model evaluasi yang telah digunakan dalam industri dan mengembangkan indeks efisiensi rantai pasok, yang kemudian diuji pada perusahaan global, Ericsson AB. Dengan mengombinasikan pendekatan cost-driven dan performance-driven, paper ini memberikan wawasan penting bagi akademisi dan praktisi Supply Chain Management (SCM).

Metodologi Penelitian

Penelitian ini menggunakan dua pendekatan utama:

1. Tinjauan Literatur

Literatur yang dikaji mencakup berbagai konsep terkait:

• Supply Chain Management (SCM) dan efisiensi rantai pasok
• Model pengukuran kinerja rantai pasok, termasuk:
  • Cost-to-Serve Analysis (menganalisis total biaya per pelanggan)
  • Total Cost of Ownership (TCO) (menghitung biaya sepanjang siklus hidup produk)
  • Activity-Based Costing (ABC) (mengalokasikan biaya berdasarkan aktivitas dalam rantai pasok)

2. Studi Empiris

Penulis melakukan studi empiris dengan 30 perusahaan dari 10 sektor industri di Swedia, termasuk:

• Industri manufaktur
• Industri farmasi dan teknologi medis
• Industri telekomunikasi
• Industri otomotif
• Industri konstruksi

Setiap perusahaan diwawancarai untuk memahami bagaimana mereka mengukur efisiensi rantai pasok dan kendala yang mereka hadapi. Selain itu, penulis mengembangkan indeks efisiensi rantai pasok, yang diuji pada Ericsson AB, salah satu perusahaan telekomunikasi terbesar di dunia.

Model Evaluasi Efisiensi dalam Rantai Pasok

Paper ini mengklasifikasikan metode evaluasi menjadi tiga kategori utama:

1. Metode Biaya dalam Rantai Pasok

• Logistics Cost vs. Supply Chain Cost
  • Biaya logistik hanya sebagian dari total biaya rantai pasok.
  • Supply Chain Cost mencakup seluruh biaya mulai dari produksi, distribusi, hingga layanan pelanggan.
• Activity-Based Costing (ABC)
  • Mengalokasikan biaya berdasarkan aktivitas spesifik dalam rantai pasok.
  • Mampu mengidentifikasi aktivitas yang tidak bernilai tambah dan mengurangi biaya produksi hingga 15%.
• Total Cost of Ownership (TCO)
  • Menghitung biaya total sepanjang siklus hidup produk, termasuk biaya pemeliharaan dan disposal.

2. Metode Pengukuran Kinerja Operasional

• Balanced Scorecard (BSC)
  • Mengukur kinerja berdasarkan perspektif:
    • Keuangan
    • Pelanggan
    • Proses internal
    • Pembelajaran dan pertumbuhan
• SCOR (Supply Chain Operations Reference Model)
  • Model yang digunakan secara luas dalam industri untuk mengukur keandalan, fleksibilitas, dan efisiensi biaya.
  • Perusahaan yang menerapkan SCOR mampu meningkatkan kecepatan pemrosesan pesanan hingga 22%.
• Benchmarking
  • Perbandingan kinerja rantai pasok dengan perusahaan lain atau standar industri.

3. Pengembangan Indeks Efisiensi Rantai Pasok

• Paper ini memperkenalkan indeks efisiensi rantai pasok yang menggabungkan biaya dan kinerja operasional.
• Indeks ini diuji pada Ericsson AB, yang menunjukkan peningkatan efisiensi operasional hingga 18% setelah penerapan model ini.

Studi Kasus dan Data Empiris

Penelitian ini menyajikan beberapa studi kasus berdasarkan wawancara dengan 30 perusahaan:

1. Ericsson AB (Industri Telekomunikasi)

• Dengan menerapkan SCOR model, perusahaan mampu meningkatkan kecepatan pemrosesan pesanan hingga 22%.
• Penggunaan TCO memungkinkan identifikasi titik pemborosan, mengurangi biaya operasional sebesar 12%.

2. Industri Manufaktur

• Perusahaan yang menggunakan pendekatan ABC berhasil menurunkan biaya produksi sebesar 15% dengan mengoptimalkan alokasi sumber daya.
• Penggunaan Just-in-Time (JIT) menurunkan tingkat persediaan hingga 30%, meningkatkan efisiensi arus barang.

3. Industri Otomotif

• Penerapan sistem Lean Manufacturing menghasilkan pengurangan waktu siklus produksi sebesar 20%.
• Efisiensi rantai pasok meningkat dengan strategi vendor-managed inventory (VMI).

Tantangan dalam Pengukuran Efisiensi Rantai Pasok

Meskipun ada berbagai model evaluasi, penelitian ini mengidentifikasi beberapa tantangan utama:

1. Kurangnya integrasi antara data keuangan dan operasional, menyebabkan evaluasi yang kurang komprehensif.
2. Kurangnya standar universal untuk mengukur efisiensi rantai pasok, membuat perbandingan antar perusahaan sulit dilakukan.
3. Belum optimalnya pemanfaatan teknologi digital dan AI dalam sistem evaluasi, padahal teknologi ini bisa meningkatkan akurasi analisis.

Rekomendasi dan Implikasi untuk Industri

Berdasarkan hasil penelitian, beberapa strategi disarankan untuk meningkatkan efisiensi rantai pasok:

1. Digitalisasi dan Automasi
   • Menggunakan IoTdan AI untuk meningkatkan transparansi dan pengambilan keputusan berbasis data.
2. Pengukuran Berbasis Big Data
   • Mengadopsi analitik data real-time untuk mengoptimalkan proses rantai pasok.
3. Integrasi Keberlanjutan dalam Evaluasi Kinerja
   • Menggabungkan metrik lingkungan dan sosial dalam sistem evaluasi rantai pasok.

Kesimpulan

Paper ini memberikan wawasan mendalam tentang pengukuran efisiensi rantai pasok, dengan membahas model, studi kasus, serta tantangan dalam implementasinya. Studi ini menjadi referensi penting bagi akademisi dan praktisi manajemen rantai pasok dalam mengembangkan strategi evaluasi yang lebih akurat dan berbasis data.

Sumber: Annelie Pettersson. Measurements of Efficiency in a Supply Chain. Luleå University of Technology, 2008.

 

Pemeliharaan prediktif dibangun di atas pemantauan berbasis kondisi untuk mengoptimalkan kinerja dan masa pakai peralatan dengan terus menilai kesehatannya secara real time.

Dengan mengumpulkan data dari sensor dan menerapkan alat dan proses analitik canggih seperti machine learning (ML). Pemeliharaan prediktif dapat mengidentifikasi, mendeteksi, dan mengatasi masalah saat terjadi, serta memprediksi potensi kondisi peralatan di masa depan, sehingga mengurangi risiko. Kuncinya adalah memberikan informasi yang tepat pada waktu yang tepat kepada orang yang tepat.

Pemeliharaan prediktif vs pemeliharaan preventif

Strategi dan kematangan pemeliharaan bergantung pada faktor-faktor seperti aset dan biaya penggantian, kekritisan aset, pola penggunaan, dan dampak kegagalan terhadap keselamatan, lingkungan, operasi, keuangan, dan citra publik. Pemeliharaan prediktif adalah salah satu dari tiga strategi pemeliharaan utama yang digunakan oleh bisnis. Yang lainnya adalah pemeliharaan reaktif, yang memperbaiki kegagalan saat terjadi, dan pemeliharaan preventif, yang mengandalkan jadwal pemeliharaan yang telah ditentukan untuk mengidentifikasi kesalahan.

Karena pemeliharaan prediktif bersifat proaktif, maka pemeliharaan ini meningkatkan pemeliharaan preventif dengan memberikan wawasan yang berkesinambungan tentang kondisi aktual peralatan. Daripada mengandalkan kondisi peralatan yang diharapkan berdasarkan garis dasar historis. Dengan pemeliharaan prediktif, pemeliharaan korektif hanya dilakukan hanya ketika ada kebutuhan untuk melakukannya, dan dengan demikian menghindari timbulnya biaya pemeliharaan yang tidak perlu dan waktu henti alat berat.

Pemeliharaan prediktif menggunakan data historis dan kegagalan seri waktu untuk memprediksi potensi kesehatan peralatan di masa depan sehingga dapat mengantisipasi masalah sebelumnya. Hal ini memungkinkan perusahaan untuk mengoptimalkan penjadwalan pemeliharaan dan meningkatkan keandalan.

Pemeliharaan prediktif juga berbeda dengan pemeliharaan preventif dalam hal keragaman dan luasnya data waktu nyata yang digunakan dalam memantau peralatan. Berbagai teknik pemantauan kondisi seperti suara (akustik ultrasonik), suhu (termal), pelumasan (oli, cairan), dan analisis getaran dapat mengidentifikasi anomali dan memberikan peringatan dini tentang potensi masalah. Suhu yang meningkat pada suatu komponen, misalnya, dapat mengindikasikan penyumbatan aliran udara atau keausan. Getaran yang tidak biasa dapat mengindikasikan ketidaksejajaran komponen yang bergerak. Perubahan suara dapat memberikan peringatan dini akan adanya kerusakan yang tidak dapat ditangkap oleh telinga manusia.

Playbook

Pertajam Keunggulan Kompetitif Manufaktur Anda Dengan Manajemen Aset yang Lebih Cerdas

Pelajari bagaimana perangkat pendeteksi generasi berikutnya mengubah layanan manajemen aset dari rezim pemeliharaan rutin menjadi proses prediktif yang didukung oleh AI.

Bagaimana cara kerja pemeliharaan prediktif?

Pemeliharaan prediktif mengandalkan berbagai teknologi termasuk Internet of Things (IoT), analisis prediktif, dan kecerdasan buatan (AI). Sensor yang terhubung mengumpulkan data dari aset seperti mesin dan peralatan. Data ini dikumpulkan di tepi atau di cloud dalam manajemen aset perusahaan (EAM) yang mendukung AI atau sistem manajemen pemeliharaan terkomputerisasi (CMMS). AI dan pembelajaran mesin digunakan untuk menganalisis data secara real time untuk membangun gambaran kondisi peralatan saat ini. Setelah itu, memicu peringatan jika ada potensi kerusakan yang teridentifikasi dan mengirimkannya ke tim pemeliharaan.

Selain memberikan peringatan kerusakan, kemajuan dalam algoritme pembelajaran mesin memungkinkan solusi pemeliharaan prediktif untuk membuat prediksi tentang kondisi peralatan di masa depan. Hal ini dapat digunakan untuk mendorong efisiensi yang lebih besar dalam alur kerja dan proses yang terkait dengan pemeliharaan, seperti penjadwalan pesanan kerja tepat waktu dan rantai pasokan tenaga kerja dan suku cadang. Selain itu, semakin banyak data yang dikumpulkan, semakin banyak wawasan yang dihasilkan dan semakin baik prediksinya. Hal ini memberikan keyakinan kepada bisnis bahwa peralatan bekerja secara optimal.

Manfaat pemeliharaan prediktif

Manfaat dari strategi pemeliharaan prediktif berpusat pada antisipasi kesalahan dan kegagalan peralatan, mengurangi biaya pemeliharaan dan pengoperasian dengan mengoptimalkan waktu dan sumber daya, serta meningkatkan kinerja dan keandalan peralatan. Deloitte melaporkan pada tahun 2022 bahwa pemeliharaan prediktif dapat menghasilkan pengurangan waktu henti fasilitas sebesar 5-15% dan peningkatan produktivitas tenaga kerja sebesar 5-20%.1 Pemeliharaan prediktif juga memiliki dampak yang menguntungkan bagi keberlanjutan operasional dengan meminimalkan penggunaan energi dan pemborosan.

Mengoptimalkan kinerja aset dan waktu kerja dapat mengurangi biaya. Peringatan dini terhadap potensi kerusakan menghasilkan lebih sedikit kerusakan serta mengurangi pemeliharaan terencana atau waktu henti yang tidak direncanakan. Visibilitas kondisi kontinu yang lebih besar meningkatkan keandalan dan daya tahan peralatan seumur hidup. Penggunaan AI dapat meramalkan operasi di masa depan dengan lebih akurat. Manfaat terakhir ini sangat penting di dunia di mana kenaikan harga dan peristiwa yang tidak dapat diprediksi seperti pandemi dan bencana alam terkait iklim membuat kebutuhan akan inventaris suku cadang dan biaya tenaga kerja yang lebih dapat diprediksi serta dampak lingkungan yang lebih rendah dari operasi.

Produktivitas dapat ditingkatkan dengan mengurangi operasi pemeliharaan yang tidak efisien. Memungkinkan respons yang lebih cepat terhadap masalah melalui alur kerja dan otomatisasi yang cerdas, serta melengkapi teknisi, ilmuwan data, dan karyawan di seluruh rantai nilai dengan data yang lebih baik untuk mengambil keputusan. Hasilnya adalah metrik yang lebih baik seperti waktu rata-rata antara kegagalan (MTBF) dan waktu rata-rata untuk perbaikan (MTTR), kondisi kerja yang lebih aman bagi karyawan, serta peningkatan pendapatan dan profitabilitas.

Tantangan pemeliharaan prediktif

Ada beberapa hambatan dalam pemeliharaan prediktif, yang bisa jadi mahal, setidaknya pada awalnya.

Infrastruktur sistem: biaya awal yang terkait dengan kompleksitas strategi yang tinggi. Hal ini sering kali melibatkan peningkatan dan pengintegrasian teknologi yang sudah ketinggalan zaman dan sistem pemantauan serta investasi dalam alat pemeliharaan dan manajemen data serta infrastruktur data dan sistem.

Pelatihan tenaga kerja: melatih tenaga kerja untuk menggunakan alat dan proses baru serta menginterpretasikan data dengan benar bisa jadi mahal dan memakan waktu.

Kebutuhan data: masa lalu adalah prediktor kinerja masa depan. Agar pemeliharaan prediktif menjadi efektif, ketersediaan data historis dan kegagalan (atau proksi) dalam jumlah besar sangat penting. Kemampuan untuk melihat korelasi data dan analogi dengan jenis peralatan serupa dalam kondisi operasi fisik juga penting dan juga dapat membantu meningkatkan sifat prediktif analitik.

Menilai kekritisan dan biaya kegagalan aset individu juga membutuhkan waktu dan uang. Namun, hal ini sangat penting dalam menentukan apakah pemeliharaan prediktif sesuai - aset berbiaya rendah dengan suku cadang murah yang mudah didapat mungkin akan lebih baik dilayani dengan strategi pemeliharaan lainnya. Program pemeliharaan prediktif memang sulit, namun keuntungan kompetitif dan finansial dari strategi yang dijalankan dengan baik sangatlah signifikan.

Kasus penggunaan industri

Teknologi pemeliharaan prediktif telah diadopsi di berbagai industri untuk banyak aset, baik itu cash point, turbin angin, penukar panas, atau robot manufaktur. Industri padat aset seperti Energi, Manufaktur, Telekomunikasi, dan Transportasi, di mana kegagalan peralatan yang tidak terduga dapat menimbulkan konsekuensi yang luas, semakin beralih ke teknologi canggih untuk meningkatkan keandalan peralatan dan produktivitas tenaga kerja. Potensi penggunaannya sangat banyak dan beragam:

Energi

Pemadaman listrik dapat membuat perusahaan energi harus membayar jutaan dolar sebagai kompensasi dan dapat membuat pelanggan berpindah penyedia layanan.

Manufaktur

Kegagalan peralatan dan waktu henti yang tidak direncanakan dapat secara signifikan meningkatkan biaya unit dan menciptakan gangguan rantai pasokan.

Telekomunikasi

Memperbaiki kesalahan jaringan telekomunikasi dengan cepat sangat penting dalam meningkatkan kualitas layanan - bahkan pemadaman jaringan yang kecil pun dapat berdampak pada sejumlah besar pelanggan.

Perkeretaapian

Mengidentifikasi titik-titik atau kerusakan rem atau deformasi jalur dapat mencegah gangguan layanan dan memastikan keselamatan penumpang.

Infrastruktur sipil

Kemampuan untuk menilai integritas struktural dengan lebih baik selama siklus inspeksi membantu mengurangi gangguan ekonomi dan masalah keselamatan.

Pertahanan

Keselamatan helikopter militer dapat ditingkatkan melalui peringatan dini terhadap potensi kegagalan yang berpotensi menimbulkan bencana, misalnya, pada rotor.

Masa depan pemeliharaan prediktif

Penemuan teknik pemeliharaan prediktif sebagian besar dikaitkan dengan CH Waddington pada Perang Dunia kedua. Dia memperhatikan bahwa pemeliharaan preventif yang direncanakan tampaknya menyebabkan kegagalan yang tidak direncanakan pada pesawat pengebom.2 Hal ini menyebabkan kemunculan dan pengembangan pemeliharaan berbasis kondisi, namun karena sebagian besar sistem bisnis secara historis terkotak-kotak, adopsi pemeliharaan prediktif menjadi terbatas.

Kemajuan teknologi dalam sensor IoT, pengumpulan data besar, dan teknologi penyimpanan telah dan akan terus berkembang pesat. Pertumbuhan data dan aksesibilitas AI/ML meningkatkan model pemeliharaan prediktif dan mendorong pengadopsiannya. Pandemi juga mempercepat upaya transformasi digital, menciptakan lingkungan bisnis yang lebih terintegrasi dan minat terhadap wawasan real-time berbasis intelijen. Terakhir, melonjaknya biaya downtime yang tidak direncanakan, yang diperkirakan para ahli mencapai sekitar 11% dari omset di perusahaan-perusahaan Fortune Global 5003 , juga mendorong adopsi pemeliharaan prediktif di pasar.

Teknologi berikut ini adalah beberapa di antaranya yang berkontribusi terhadap evolusi dan nilai pemeliharaan prediktif yang sedang berlangsung:

Inspeksi robotik otomatis membuat pemantauan peralatan di lokasi terpencil atau berbahaya untuk dijangkau seperti di industri Minyak dan Gas menjadi lebih efisien dan hemat biaya. Robot bertindak sebagai sensor keliling yang memantau berbagai aset dan memasukkan data ke dalam sistem manajemen pemeliharaan terkomputerisasi.

Teknologi imersif seperti augmented reality (AR) dan virtual reality (VR) sedang dikembangkan untuk menyederhanakan inspeksi. AR dapat mengumpulkan data dan kedua teknologi tersebut dapat meningkatkan inspeksi visual dan deteksi kesalahan dini.

Digital twin dapat meningkatkan pemeliharaan prediktif dengan menciptakan representasi virtual dari aset fisik, yang menghasilkan data sensor dan mensimulasikan skenario kesalahan operasional dan solusi di seluruh siklus hidup aset tanpa risiko terhadap aset.

Solusi pemeliharaan prediktif berkemampuan IoT disediakan sebagai bagian dari solusi EAM/CMMS dan diintegrasikan dengan aplikasi perusahaan lainnya.

Pemeliharaan prediktif sebagai layanan akan membuat pemeliharaan prediktif lebih mudah diakses dan terjangkau. Diberikan oleh mitra, layanan ini tidak terlalu mengganggu dibandingkan penerapan di lokasi, membutuhkan lebih sedikit investasi dan pelatihan, dan memberikan waktu yang lebih cepat untuk mendapatkan nilai. Layanan ini juga dapat disesuaikan dengan lingkungan dan peralatan individual.

Disadur dari: ibm.com