Peramalan permintaan adalah cara untuk memperkirakan seperti apa permintaan pelanggan di masa depan, dan bagaimana hal itu akan memengaruhi rantai pasokan bisnis Anda. Hal ini penting untuk kesehatan, kelangsungan, dan pertumbuhan bisnis, memastikan Anda membuat keputusan yang tepat pada waktu yang tepat.

Jika Anda baru mengenal peramalan permintaan dan ingin menjadikannya sebagai bagian penting dari bisnis Anda, panduan kami dapat membantu. Di sini, kami akan membahas apa itu perkiraan permintaan, mengapa hal itu penting, dan bagaimana cara menerapkannya bersama dengan strategi manajemen rantai pasokan Anda yang sedang berjalan.

Apa itu peramalan permintaan?

Sesuai dengan istilahnya, peramalan permintaan adalah proses untuk memastikan puncak dan lembah permintaan di masa depan. Untuk melakukan hal ini, Anda perlu menganalisis semua faktor internal dan eksternal yang memengaruhi infrastruktur pasokan Anda, sehingga Anda dapat melihat dengan jelas pola dan masalah apa pun yang dapat memengaruhi prakiraan permintaan.

Peramalan permintaan memainkan peran penting dalam manajemen rantai pasokan yang efektif, memastikan pengisian stok tepat waktu, manajemen kapasitas yang lebih baik, serta penjualan dan pendapatan yang optimal. Hal ini juga meningkatkan pengambilan keputusan dan manajemen, sekaligus mempercepat rencana prospektif untuk pertumbuhan dan ekspansi.

Peramalan permintaan yang akurat bergantung pada analisis terperinci dari faktor-faktor yang dapat memengaruhi infrastruktur pasokan bisnis. Mulai dari pola penjualan historis hingga acara atau musim tertentu dalam kalender ritel (misalnya, Natal); memperkirakan permintaan membutuhkan analisis yang cermat terhadap beberapa variabel untuk memastikan kesiapan bisnis, kesinambungan, dan pengalaman pengguna akhir yang luar biasa.

Biasanya, bisnis yang melakukan peramalan permintaan secara teratur membuat beberapa perkiraan untuk memprediksi pasokan dan permintaan stok dalam rentang waktu yang berbeda. Dengan menggunakan berbagai tingkat perincian sebagai bagian dari analisis, Anda dapat memperkirakan kebutuhan stok di masa depan dari beberapa hari hingga beberapa bulan sebelumnya - memungkinkan untuk meningkatkan perencanaan, kontrol, dan kepercayaan bisnis.

Bagaimana peramalan permintaan dapat menguntungkan bisnis anda?

Peramalan permintaan memiliki banyak manfaat, membantu Anda menjaga kesehatan dan kelancaran operasional bisnis Anda dalam jangka panjang. Dan manfaatnya tidak terbatas pada mempertahankan tingkat layanan pelanggan yang sangat baik; mereka dapat mendorong peningkatan di berbagai fungsi, meningkatkan kepercayaan bisnis, dan membantu perusahaan mewujudkan ambisinya untuk berkembang.

Di bawah ini, kami akan membahas lebih jauh beberapa manfaat yang dapat Anda nikmati dengan menggunakan perkiraan permintaan.

• Mengurangi ketidakpastian - Ketidakpastian selalu menjadi hal yang negatif jika dikaitkan dengan manajemen rantai pasokan. Hal ini menghambat pengambilan keputusan, menyebabkan penundaan, dan berdampak pada kepercayaan pemangku kepentingan. Peramalan permintaan dapat mengatasi ketidakpastian, memastikan bahwa fungsi yang terkait dengan pasokan memiliki sumber daya yang memadai, dan bahwa para manajer memiliki informasi yang lebih baik untuk membuat keputusan yang efektif yang mendorong pertumbuhan dan kemajuan.
• Infrastruktur pasokan yang lebih baik - Mengantisipasi naik turunnya permintaan sangat penting untuk kesehatan infrastruktur pasokan Anda. Peramalan permintaan mendukung manajemen rantai pasokan yang lebih baik dengan mengoptimalkan kapasitas, pengisian stok, dan manajemen personel gudang yang efisien.
• Peningkatan pendapatan - Memahami kapan produk kemungkinan besar akan terjual, dan berapa volumenya, dapat menghasilkan peningkatan pendapatan yang signifikan. Perkiraan permintaan juga berarti ketersediaan produk yang optimal, sehingga Anda tidak akan pernah melewatkan penjualan.
• Mengurangi kebutuhan akan stok pengaman dan stok berlebih - Semakin banyak inventaris di gudang Anda, semakin lambat perputaran stok dan semakin besar dampaknya terhadap laba Anda. Peramalan permintaan mengurangi kebutuhan akan stok pengaman, sehingga Anda dapat memangkas biaya inventaris sambil tetap fokus pada produk yang paling menguntungkan.
• Pemenuhan yang lebih baik - advokasi pelanggan jangka panjang yang lebih baik - Peramalan permintaan berarti lebih banyak produk Anda yang tersedia lebih sering, yang dapat menjadi keuntungan besar dari perspektif advokasi pelanggan. Meningkatkan pemenuhan pesanan melalui peramalan permintaan yang akurat dapat mendorong pelanggan tetap dan rekomendasi dari mulut ke mulut, sehingga meningkatkan pendapatan dan basis pelanggan Anda.

Faktor internal dan eksternal apa yang memiliki Ddmpak terbesar pada permintaan?

Saat memperkirakan permintaan, penting untuk mempertimbangkan berbagai faktor yang secara langsung dan tidak langsung memengaruhi pasokan. Ini termasuk variabel internal dan eksternal, yang bersama-sama memiliki dampak signifikan pada volume penjualan dan stok yang dibutuhkan pada waktu yang berbeda sepanjang tahun.

Mari kita lihat lebih dekat faktor-faktor yang harus Anda pertimbangkan saat memperkirakan permintaan.

Faktor internal

• Periode penjualan promosi - Pertimbangkan bagaimana periode penjualan dan penurunan harga dapat mengakibatkan lonjakan permintaan.
• Aktivitas pemasaran yang sedang berlangsung - Dari SEO dan media berbayar hingga menampilkan iklan di koran atau papan iklan lokal; bagaimana aktivitas pemasaran yang sedang berlangsung dapat memengaruhi pasokan dan menyebabkan peningkatan permintaan dalam beberapa minggu dan bulan mendatang?
• Perubahan harga - Apakah harga produk dijadwalkan untuk berubah dalam beberapa bulan mendatang? Bagaimana hal ini dapat memengaruhi permintaan dalam jangka pendek dan jangka panjang?
• Promosi dan pajangan di dalam toko - Jika Anda mengelola toko fisik, bagaimana kampanye promosi, pajangan, dan promosi POS dapat memengaruhi permintaan untuk produk tertentu?
• Tanggal kadaluarsa dan tanggal terbaik sebelum - Apakah Anda menyimpan barang-barang yang mudah rusak? Pertimbangkan bagaimana tanggal kedaluwarsa dapat menyebabkan fluktuasi permintaan, dan rencanakan periode promosi yang sesuai untuk membatasi pemborosan stok dalam rantai pasokan Anda.

Faktor eksternal

Tren pelanggan dan kebiasaan membeli - Bagaimana perubahan tren pelanggan dan kebiasaan membeli dapat memengaruhi permintaan? Hal ini sangat penting ketika menilai permintaan jangka panjang di masa depan.

• Aktivitas pesaing - Apa yang dilakukan pesaing Anda untuk menarik penjualan dan mendorong permintaan? Mungkin mereka baru saja meluncurkan periode promosi, atau memperluas jangkauan produk mereka? Atau mungkin ada bisnis baru yang bergabung dengan pasar Anda dengan rencana untuk mengganggu sektor ini? Menilai kondisi permainan pesaing Anda dapat membantu Anda mengidentifikasi kesenjangan dalam pasokan Anda dan memperkenalkan inisiatif baru untuk membantu meningkatkan penjualan dan pendapatan.
• Peristiwa kalender - Selama periode perdagangan 12 bulan, ada beberapa peristiwa yang menyebabkan puncak permintaan. Data penjualan historis dapat memastikan kapan harus mengantisipasi peningkatan musiman ini, sehingga Anda dapat merencanakan dan meningkatkan pasokan Anda.
• Perubahan musiman - Variasi musiman dapat berdampak besar pada permintaan untuk produk dan layanan tertentu, jadi pertimbangkan hal ini dalam strategi manajemen rantai pasokan Anda. Musim, cuaca, dan jumlah cahaya matahari dapat mendorong atau menurunkan permintaan untuk produk tertentu, jadi pastikan untuk memperhitungkan faktor-faktor umum ini sebagai bagian dari perkiraan Anda.

Kiat untuk mengembangkan strategi peramalan permintaan yang kuat

Peramalan permintaan mungkin terdengar sederhana di atas kertas, tetapi untuk melakukannya secara akurat di seluruh inventaris produk dan layanan yang berbeda bukanlah hal yang mudah. Dan mengingat bahwa peramalan yang konsisten dan tepat waktu dapat berdampak besar pada biaya, pertumbuhan, dan kelangsungan bisnis yang sedang berlangsung, penting untuk melakukannya dengan benar.

Di bawah ini, kami membagikan beberapa tips sederhana tentang cara mengembangkan strategi perkiraan permintaan yang kuat, dan menyoroti bagaimana perangkat lunak manajemen rantai pasokan dapat menyederhanakan prosesnya.

Perjelas sasaran dan tujuan

Memperkirakan permintaan akan menjadi sangat berharga jika sesuai dengan tujuan dan sasaran Anda. Misalnya, jika Anda ingin mendorong pertumbuhan bisnis melalui peningkatan pendapatan, perkiraan permintaan dapat membantu menyoroti bagaimana dan kapan peningkatan pendapatan akan mulai memberikan dampak nyata pada pertumbuhan.

Mengumpulkan dan mencatat data yang akurat

Perkiraan permintaan yang akurat dan dapat ditindaklanjuti bergantung pada data yang konsisten, lengkap, dan lengkap. Banyak asumsi Anda tentang permintaan di masa depan akan didasarkan pada data historis penjualan dan perilaku pelanggan, jadi penting bagi Anda dan tim Anda untuk mengandalkan kumpulan data yang komprehensif.

Pertimbangkan juga bahwa fungsi bisnis akan menggunakan perkiraan secara berbeda. Oleh karena itu, data Anda harus dapat diakses dan terintegrasi, namun bebas dari duplikasi dan ketidakakuratan. Memanfaatkan sistem ERP dengan basis data terpusat adalah salah satu cara terbaik untuk memastikan kumpulan data yang dapat digunakan dan akurat untuk keperluan peramalan permintaan. Sistem ini juga dapat menggunakan data Anda untuk memberikan perkiraan perkiraan permintaan kepada tim Anda yang mempertimbangkan berbagai variabel internal dan eksternal dalam perhitungannya.

Jangan lupakan variabel kualitatif

Meskipun data penjualan historis adalah salah satu hal pertama yang harus Anda pertimbangkan untuk memastikan akurasi perkiraan permintaan, Anda juga perlu memperhitungkan variabel kualitatif. Anggap saja ini sebagai kejadian di masa depan yang akan memengaruhi permintaan dan penawaran, tetapi Anda tidak memiliki cara nyata untuk memprediksi.

Tentu saja, memperhitungkan faktor kualitatif tidaklah mudah, tetapi setiap wawasan penjualan dan pemasaran yang dapat Anda sertakan dalam perkiraan Anda akan memastikan akurasi dan kredibilitas yang lebih baik. Pastikan untuk bekerja sama dengan pimpinan departemen untuk memahami pendapat mereka tentang apa yang dapat memengaruhi penawaran dan permintaan dalam beberapa minggu dan bulan mendatang, serta mengandalkan fungsi peramalan dalam ERP atau sistem perangkat lunak bisnis untuk membantu Anda membuat prakiraan permintaan yang akurat.

Contoh Peramalan permintaan dalam tindakan

Di atas kertas, peramalan permintaan dapat terdengar seperti latihan ambigu yang manfaatnya hanya bersifat spekulatif. Itulah mengapa akan sangat membantu jika kita melihat bagaimana praktik semacam itu bekerja di dunia nyata, serta hasil positif yang dapat dihasilkannya.

Kasus ini menggambarkan bagaimana salah satu pelanggan kami memanfaatkan kemampuan Intact iQ untuk mengimplementasikan peramalan permintaan secara efektif di dalam organisasi mereka. Hal ini terjadi selama pandemi virus corona, ketika perusahaan-perusahaan mengawasi masa depan secara spekulatif untuk menyelaraskan operasi mereka dengan permintaan dan perkembangan yang terus berubah.

Bisnis yang dimaksud, pemasok kebersihan, sangat tertarik untuk menilai pelanggan mana yang akan tetap buka selama pandemi, serta produk apa yang mereka beli dan seberapa sehat stok mereka. Mereka kemudian melihat produk yang tidak akan mereka jual, terutama kepada pelanggan di industri perhotelan, dan menghentikan pembelian produk tersebut hingga bisnis tersebut dapat dibuka kembali.

Daripada mengandalkan proses dan prediksi manual untuk menginformasikan strategi ini, mereka mengandalkan iQ sebagai cara yang cepat dan efektif untuk meramalkan perubahan permintaan. Bagaimanapun juga, penting bagi mereka untuk dapat bereaksi dengan cepat terhadap perubahan permintaan dan perilaku pelanggan, untuk menghindari investasi yang sia-sia pada produk yang tidak dapat dijual.

Sebagai hasil dari perkiraan permintaan pada sistem iQ, bisnis mereka mampu memberikan layanan baru yang belum pernah mereka tawarkan sebelumnya, seperti penyewaan mesin pembersih. Sistem mereka memungkinkan mereka melakukan semua ini dalam beberapa jam - menyoroti kekuatan perkiraan permintaan ketika dipasangkan dengan solusi otomatisasi yang tepat.

Pandemi COVID-19 juga secara signifikan memengaruhi salah satu pemasok makanan beku kami. Namun, setelah implementasi Intact iQ baru-baru ini, mereka mampu mengoptimalkan sumber daya mereka, sehingga menghasilkan penghematan biaya yang nyata. Direktur keuangan percaya bahwa jika bukan karena Intact iQ, mereka akan sangat kesulitan melewati pandemi.

Disadur dari: intactsoftware.com

Jakarta, CNBC Indonesia - Indonesia memiliki fasilitas pengolahan dan pemurnian mineral (smelter) aluminium di kawasan Kalimantan. Bahkan, baru-baru ini proyek tersebut dikunjungi oleh Presiden RI Joko Widodo (Jokowi).

Fasilitas smelter aluminium terbesar di Indonesia dibangun oleh PT Kalimantan Aluminium Industry (KAI) anak usaha PT Adaro Minerals Indonesia Tbk (ADMR) yang merupakan salah satu perusahaan milik konglomerat Garibaldi Thohir.

Smelter aluminium dengan investasi sekitar US$ 2 miliar atau Rp30,55 triliun (kurs Rp15.278 per US$) ini merupakan bagian dari pengembangan Kawasan Industri Hijau Kalimantan Utara yang dibangun KIPI. Hal itu dalam rangka mendukung program hilirisasi industri sumber daya alam yang dicanangkan pemerintah untuk memberikan nilai tambah bagi bahan mentah serta pemanfaatan energi hijau.

Presiden Direktur PT Adaro Minerals Indonesia Tbk Christian Ariano Rachmat mengatakan, pembangunan smelter sejalan dengan visi dan misi pemerintah untuk melakukan hilirisasi mineral. Dengan begitu bisa memberikan nilai tambah dan berkontribusi bagi pendapatan dan devisa negara.

Ia berharap upaya perusahaan memberikan dampak positif bagi Indonesia dalam mengurangi impor aluminium, memberikan proses dan nilai tambah terhadap alumina, dan meningkatkan penerimaan pajak negara. Selain itu, mampu menyerap lebih dari 6.000 tenaga kerja lokal pada fase konstruksi dan sekitar 1.500 tenaga kerja lokal pada fase operasi.

"Selanjutnya kami terus bekerja keras untuk mencapai target Commercial Operation Date (COD) yang direncanakan pada semester pertama tahun 2025," ujar Christian. PT Kalimantan Aluminium Industry yang merupakan anak perusahaan grup PT Adaro Minerals Indonesia Tbk.

PT Kalimantan Aluminium Industry membangun smelter aluminium di lahan seluas 600 Ha dengan kapasitas produksi aluminium pada fase pertama sebanyak 500.000 tpa aluminium.

Tahapan prakonstruksi smelter aluminium juga telah berjalan. Antara lain pemesanan dan pelunasan beberapa long lead items serta pembangunan jetty untuk kebutuhan konstruksi. Alat-alat berat dan material juga telah masuk ke lokasi untuk pelaksanaan konstruksi.

Selain itu, main equipment pembangkit listrik untuk mendukung operasi aluminium di tahap pertama dalam proses fabrikasi. Upaya KAI dalam meningkatkan ketersediaan aluminium demi peningkatan daya saing produk sumber daya alam di Indonesia ini diharapkan turut membantu pemerintah dalam mengembangkan ekosistem kendaraan listrik. Selain itu, turut berperan dalam mencapai target Net Zero Emission Indonesia.

Presiden RI Joko Widodo (Jokowi) meninjau fasilitas pengolahan dan pemurnian mineral (smelter) aluminium terbesar di Indonesia milik PT Kalimantan Aluminium Industry (KAI) di Tanah Kuning, Kalimantan Utara, Selasa (28/3/2023).

Sumber: www.cnbcindonesia.com

Darwin, (ANTARA/Medianet – AsiaNet)- Unsur tanah jarang akan menjadi fokus utama bagi Unit Mineral Organisasi Sains dan Teknologi Nuklir Australia (ANSTO) dengan menyambut alokasi dana sebesar $13,9 juta di bawah Australian Critical Minerals Research and Development Hub.

Dalam pengumuman yang dibagikan awal pekan ini oleh Menteri Sumber Daya dan Menteri Australia Utara, Hon. Madeleine King MP, dana ANSTO akan digunakan untuk proyek penelitian guna mempercepat penemuan, ekstraksi, dan pengolahan unsur tanah jarang dari endapan tanah liat dan endapan ionic adsorption rare earth.

Dana ini merupakan bagian dari paket senilai $22 juta untuk mendukung tiga proyek penelitian kunci di bawah R&D Hub untuk lembaga ilmu pemerintah Australia yang berpartisipasi; ANSTO, CSIRO, dan Geoscience Australia.

CEO ANSTO, Shaun Jenkinson, mengatakan bahwa pengalaman luas ANSTO Minerals dalam bekerja dengan unsur tanah jarang akan membantu membuka potensi dari deposit Australia yang berkadar rendah.

"Australia sudah memiliki pasokan yang kaya dari deposit unsur tanah jarang berkadar tinggi dan keahlian yang kuat dalam teknik pengolahan untuk mengekstrak sebanyak mungkin dari sumber daya kita, yang menempatkan kita dalam posisi yang kuat secara global," ujar Mr. Jenkinson.

"Dana ini akan memungkinkan kami untuk mendapatkan pemahaman yang lebih besar tentang mineralogi dan rute pengolahan yang diperlukan untuk mengakses deposit tanah liat dan ionic adsorption, yang memiliki rasio tinggi dari logam magnet yang dicari."

Bersama dengan Geoscience Australia dan CSIRO, proyek dua tahun ini akan memungkinkan ANSTO untuk:

• menilai potensi Australia untuk deposit unsur tanah jarang berkadar tanah liat dan ionic adsorption,
• mengembangkan dan menguji opsi pengolahan mineral yang khusus untuk deposit ini,
• menunjukkan bagaimana deposit ini dapat diintegrasikan ke dalam proses pemisahan unsur tanah jarang yang ada untuk menghasilkan unsur tanah jarang berkemurnian tinggi,
• mendirikan fasilitas pengujian khusus di ANSTO, dan
• meningkatkan hasil lingkungan dari penambangan dan pengolahan mineral kritis.

ANSTO juga akan memberikan masukan untuk setiap proyek yang didanai secara terpisah yang dipimpin oleh CSIRO dan Geoscience Australia seperti yang diumumkan oleh Menteri. ANSTO akan berkontribusi pada:

• proyek metallisasi senilai $5,2 juta dari CSIRO, untuk mengembangkan pemahaman teknis tentang konversi konsentrat mineral tungsten menjadi konsentrat kimia bernilai tinggi dan oksida tungsten, dan 
• proyek penelitian senilai $2,7 juta dari Geoscience Australia, untuk mengeksplorasi pemulihan teknis gallium dari cairan proses penyulingan bauksit, dan menentukan bagaimana pabrik bauksit yang ada akan memberikan peluang bagi Australia.

Mr. Jenkinson mengatakan bahwa mineral kritis dan unsur tanah jarang membentuk komponen penting dari teknologi kunci seperti perangkat elektronik pribadi, transportasi, dan telekomunikasi.

"Mineral kritis menyentuh hampir setiap aspek kehidupan sehari-hari kita, mulai dari smartphone, komputer, dan baterai, hingga kabel serat optik yang kita gunakan di rumah dan tempat kerja. Tetapi yang tidak kalah penting, mereka juga sangat penting untuk memproduksi teknologi hijau seperti mobil listrik, turbin angin, dan panel surya," ujar Mr. Jenkinson.

"Mineral kritis dan strategis seperti unsur tanah jarang, uranium, dan lithium sudah menjadi bagian besar dari bisnis Mineral ANSTO. Pergeseran fokus baru-baru ini menuju diversifikasi dan pengamanan rantai pasokan mereka adalah arah yang menarik untuk membuka sumber daya mineral kritis Australia dan mendukung komitmen kita terhadap netralitas karbon.

"ANSTO berharap dapat melanjutkan pekerjaan berharga ini dengan mitra R&D Hub kami - Geoscience Australia, dan CSIRO - serta Critical Minerals Office di Departemen Industri, Sains, dan Sumber Daya."

Didirikan pada bulan Oktober 2022, R&D Hub menggabungkan keahlian lembaga ilmu terkemuka Australia untuk bekerja dengan industri, universitas, dan komunitas penelitian untuk mengatasi tantangan teknis. Hub ini juga mendorong penelitian kolaboratif di seluruh rantai nilai mineral kritis, yang diperlukan untuk mendukung energi bersih dan agenda kebijakan nol emisi bersih Australia sesuai dengan Strategi Mineral Kritis Australia 2023-2030.

R&D Hub saat ini memfasilitasi tujuh proyek penelitian yang didanai, dengan ANSTO juga memimpin proyek Kuarsa Murni Tinggi (HPQ) mengembangkan kemampuan pemrosesan mandiri untuk produksi HPQ bagi produsen Australia. Untuk informasi lebih lanjut tentang R&D Hub dan proyek-proyeknya, kunjungi situs web R&D Hub.

Tentang kami:

Tentang Unit Mineral ANSTO

Sebagai pusat keunggulan nuklir Australia selama lebih dari 70 tahun, ANSTO adalah rumah bagi beberapa landmark dan infrastruktur nasional yang paling signifikan untuk sains dan penelitian. Setiap tahun, ribuan ilmuwan, pengguna industri, dan orang di dunia akademis mendapatkan manfaat dari akses ke instrumen terkini dan keahlian ilmuwan, peneliti, dan insinyur kami di ANSTO.

Selama lebih dari 40 tahun, Unit Mineral ANSTO di Lucas Heights, Sydney, telah bekerja langsung dengan industri pertambangan Australia, menyediakan solusi pengolahan yang inovatif dan praktis bagi industri.

Unit Mineral ANSTO memiliki keahlian terkemuka dunia dalam pengolahan logam kritis dan strategis, seperti unsur tanah jarang scandium, lithium, zirkonium, niobium, dan hafnium.

Sumber: www.antaranews.com

Manajemen rantai pasok adalah penanganan seluruh aliran produksi barang atau jasa-mulai dari komponen mentah hingga pengiriman produk akhir ke konsumen. Sebuah perusahaan menciptakan jaringan pemasok yang memindahkan produk dari pemasok bahan baku ke organisasi yang berhubungan langsung dengan pengguna.

Mengapa manajemen rantai pasok penting?

Sistem manajemen rantai pasok yang efektif meminimalkan biaya, pemborosan, dan waktu dalam siklus produksi. Standar industri telah menjadi rantai pasokan tepat waktu di mana penjualan ritel secara otomatis memberi sinyal pesanan pengisian ulang kepada produsen. Pengecer kemudian dapat mengisi kembali rak-rak hampir secepat mereka menjual produk. Salah satu cara untuk meningkatkan proses ini lebih lanjut adalah dengan menganalisis data dari mitra rantai pasokan untuk melihat di mana perlu ditingkatkan lebih lanjut.

Dengan menganalisis data mitra, CIO mengidentifikasi tiga skenario di mana manajemen rantai pasokan yang efektif dapat meningkatkan nilai pada siklus rantai pasok.

Mengidentifikasi masalah potensial

Ketika pelanggan memesan lebih banyak produk daripada yang dapat dikirim oleh produsen, pembeli dapat mengeluhkan layanan yang buruk. Melalui analisis data, produsen mungkin dapat mengantisipasi kekurangan tersebut sebelum pembeli kecewa.

Mengoptimalkan harga secara dinamis

Produk musiman memiliki umur simpan yang terbatas. Pada akhir musim, pengecer biasanya membuang produk ini atau menjualnya dengan diskon besar-besaran. Maskapai penerbangan, hotel, dan lainnya yang memiliki “produk” yang mudah rusak biasanya menyesuaikan harga secara dinamis untuk memenuhi permintaan. Dengan menggunakan perangkat lunak analitik, teknik peramalan serupa dapat meningkatkan margin, bahkan untuk barang yang tidak tahan lama.

Meningkatkan alokasi inventaris “tersedia untuk dijanjikan”

Perangkat lunak analitik membantu mengalokasikan sumber daya secara dinamis dan menjadwalkan pekerjaan berdasarkan perkiraan penjualan, pesanan aktual, dan pengiriman bahan baku yang dijanjikan. Produsen dapat mengonfirmasi tanggal pengiriman produk ketika pembeli melakukan pemesanan-secara signifikan mengurangi pesanan yang salah.

Bagaimana cara kerja manajemen rantai pasok?

Sebagian besar ahli dan praktisi mengacu pada lima komponen penting dalam manajemen rantai pasok:

Perencanaan

Rencanakan dan kelola semua sumber daya yang diperlukan untuk memenuhi permintaan pelanggan akan produk atau layanan perusahaan. Ketika rantai pasokan sudah terbentuk, tentukan metrik untuk mengukur apakah rantai pasokan tersebut efisien, efektif, memberikan nilai kepada pelanggan, dan memenuhi tujuan perusahaan.

Sumber

Pilih pemasok untuk menyediakan barang dan jasa yang dibutuhkan untuk membuat produk. Kemudian, tetapkan proses untuk memantau dan mengelola hubungan dengan pemasok. Proses utama meliputi: pemesanan, penerimaan, pengelolaan inventaris, dan otorisasi pembayaran pemasok.

Manufaktur

Mengatur kegiatan yang diperlukan untuk menerima bahan baku, memproduksi produk, menguji kualitas, mengemas untuk pengiriman, dan menjadwalkan pengiriman.

Pengiriman dan logistik

Mengkoordinasikan pesanan pelanggan, menjadwalkan pengiriman, mengirim muatan, menagih pelanggan, dan menerima pembayaran.

Pengembalian

Buat jaringan atau proses untuk mengambil kembali produk yang cacat, berlebih, atau tidak diinginkan.

Fitur-fitur utama dari manajemen rantai pasok yang efektif

Rantai pasokan adalah “wajah” bisnis yang paling jelas bagi pelanggan dan konsumen. Semakin baik dan efektif manajemen rantai pasokan suatu perusahaan, semakin baik pula perusahaan tersebut melindungi reputasi bisnis dan keberlanjutan jangka panjangnya.

IDC mendefinisikan manajemen rantai pasokan dengan mengidentifikasi lima C dari manajemen rantai pasokan yang efektif di masa depan:

• Terhubung (Connected): Mengakses data tidak terstruktur dari media sosial, data terstruktur dari Internet of Things (IoT), dan kumpulan data yang lebih tradisional yang tersedia melalui perencanaan sumber daya perusahaan (ERP) tradisional dan alat integrasi bisnis-ke-bisnis (B2B).
• Kolaboratif: Meningkatkan kolaborasi dengan pemasok semakin berarti penggunaan jaringan perdagangan berbasis cloud untuk memungkinkan kolaborasi dan keterlibatan multi-perusahaan.
• Sadar dunia maya: Memperkuat sistem dan melindunginya dari gangguan dan peretasan dunia maya merupakan perhatian penting bagi rantai pasokan perusahaan.
• Diaktifkan secara kognitif: Mengumpulkan, mengoordinasikan, dan melakukan keputusan dan tindakan di seluruh rantai pasokan, platform AI berfungsi sebagai menara kontrol rantai pasokan modern, yang memungkinkan sebagian besar rantai pasokan diotomatisasi dan belajar mandiri.
• Komprehensif: Meningkatkan kemampuan analitik dengan data secara real time untuk memastikan bahwa wawasan yang komprehensif dan cepat sangat penting, karena latensi tidak dapat diterima dalam rantai pasokan masa depan.

Banyak rantai pasok yang telah memulai proses ini, dengan partisipasi dalam jaringan perdagangan berbasis cloud yang mencapai titik tertinggi sepanjang masa dan dengan upaya besar yang sedang dilakukan untuk meningkatkan kemampuan analitik.

Evolusi manajemen rantai pasokan

Sementara rantai pasokan kemarin berfokus pada ketersediaan, pergerakan, dan biaya aset fisik, rantai pasokan saat ini adalah tentang pengelolaan data, layanan, dan produk yang digabungkan ke dalam solusi. Sistem manajemen rantai pasokan modern lebih dari sekadar di mana dan kapan. Manajemen rantai pasokan memengaruhi kualitas produk dan layanan, pengiriman, biaya, pengalaman pelanggan, dan pada akhirnya, profitabilitas.

Baru-baru ini pada tahun 2017, rantai pasokan biasa mengakses data 50 kali lebih banyak daripada lima tahun sebelumnya. Namun, para ahli hanya menganalisis kurang dari seperempat dari data ini. Itu berarti nilai dari data yang penting dan sensitif terhadap waktu-seperti informasi tentang cuaca, kekurangan tenaga kerja yang tiba-tiba, kerusuhan politik, dan lonjakan permintaan-bisa hilang.

Rantai pasokan modern memanfaatkan sejumlah besar data yang dihasilkan oleh proses rantai pasokan dan yang dikurasi oleh para ahli analisis dan ilmuwan data. Para pemimpin rantai pasokan di masa depan dan sistem ERP yang mereka kelola kemungkinan besar akan berfokus pada pengoptimalan kegunaan data ini-menganalisisnya secara real time dengan latensi minimal.

Konsultasi rantai pasokan

Anda dapat mengembangkan proses rantai pasok Anda menjadi alur kerja yang cerdas untuk mencapai tingkat responsif dan inovasi yang baru. Tantang proses-proses yang terkotak-kotak untuk menemukan efisiensi dan memungkinkan tim Anda untuk mengeksekusi dan menghasilkan. Gunakan teknologi baru seperti AI dan blockchain untuk membuka peluang di setiap langkah rantai nilai-mulai dari perencanaan permintaan hingga orkestrasi dan pemenuhan pesanan.

Disadur dari: www.ibm.com

1. Pendahuluan

Algoritma evolusioner dan, secara umum, metaheuristik yang terinspirasi dari alam semakin populer sebagai metode kecerdasan komputasi, yang sangat berguna untuk masalah optimasi global. Keberhasilan kerangka kerja berbasis populasi ini terutama disebabkan oleh fleksibilitas dan kemudahan adaptasi terhadap masalah optimasi yang paling berbeda dan kompleks, tanpa memerlukan fitur atau kondisi khusus pada fungsi objektif dan kendala terkait, seperti kontinuitas, turunan, atau cembung. Masalah optimasi diskrit dan kombinatorial, serta masalah campuran, tidak menjadi batasan untuk kelas pengoptimal ini. Selain itu, persyaratan kuantifikasi ketidakpastian dalam proses pencarian, seperti dalam optimasi berbasis keandalan dan desain yang kuat, bukan merupakan batasan untuk pendekatan ini. Akhirnya, algoritma optimasi berbasis populasi dapat menangani masalah multiobjektif secara alami, dan hal ini telah membuat lompatan besar ke depan dalam kemampuan untuk menangani kelas masalah ini secara efektif. Keuntungan-keuntungan ini, bersama dengan peningkatan kinerja komputer yang stabil, mendorong peningkatan penggunaannya dalam penelitian dan industri di berbagai cabang teknik.

Metodologi ini memberdayakan peningkatan dalam desain teknik dan praktik optimasi di bidang-bidang di mana teknik optimasi klasik masih belum dapat efektif. Memang persyaratan dan batasan yang disebutkan di atas adalah hal yang biasa, seperti pemodelan yang tidak dapat dibedakan, dalam masalah rekayasa dunia nyata. Sebagai contoh, hal ini terjadi pada industri otomotif, industri penerbangan dan kedirgantaraan, serta teknik sipil, struktur, dan mesin, di mana perhitungan nilai fungsi objektif membutuhkan penyelesaian model numerik, menggunakan persamaan diferensial parsial (nonlinier), berdasarkan elemen hingga, elemen batas, volume hingga, dan sebagainya. Seperti yang dinyatakan dalam asal-usul Strategi Evolusi selama pertengahan tahun enam puluhan di Universitas Berlin (Jerman) dipicu oleh kebutuhan untuk menyelesaikan masalah “bentuk optimal benda dalam aliran” selama percobaan terowongan sayap di Institut Teknik Aliran, setelah upaya yang gagal dengan strategi koordinat dan gradien sederhana. Aplikasi awal algoritma evolusioner yang berhubungan dengan desain teknik dan optimasi dimulai pada akhir tahun delapan puluhan [3, 4] dan awal tahun sembilan puluhan seperti pada [5, 6]. Ada beberapa aplikasi yang dikompilasi dalam volume buku seperti di [7-10], dan bidang ini terus berkembang, seperti dalam kasus aplikasi multiobjektif evolusioner di mana tinjauan mutakhir dapat ditemukan di [11], atau [12, 13]. Volume terbaru dari kontribusi ilmiah di bidang ini dicakup oleh [14-16].

Kemajuan dalam penggunaan algoritma evolusioner dan metaheuristik yang terinspirasi oleh alam dalam aplikasi teknik membawa peluang dan juga tantangan bagi para peneliti untuk meningkatkan dan memajukan desain dan optimasi produk, sistem, dan layanan untuk kepentingan masyarakat. Tujuan dari edisi khusus ini adalah untuk mempublikasikan penelitian berkualitas tinggi atau artikel ulasan yang membahas perkembangan terbaru dari berbagai bidang teknik dalam kaitannya dengan penerapan algoritma evolusioner dan metaheuristik untuk desain dan optimasi, dan diharapkan dapat menstimulasi para peneliti lain untuk melanjutkan upaya untuk meningkatkan keadaan terkini dari bidang yang disebutkan di atas.

2. Kontribusi ilmiah dari edisi khusus

Dalam edisi khusus ini, proses penelaahan telah dilakukan di mana setidaknya dua penelaah per makalah telah ditugaskan, di mana tingkat penerimaan 15% telah diadakan.

Makalah yang diterima dapat diklasifikasikan menurut kategori teknik/aplikasi berikut: (a) teknik energi dan kelistrikan; (b) teknik struktur dan sipil; (c) penjadwalan transportasi dan optimasi kombinatorial; (d) kontrol; (e) aplikasi lain/militer.

Penjelasan singkat mengenai setiap kontribusi yang dipublikasikan dalam edisi khusus ini diberikan dalam paragraf-paragraf berikut ini sesuai dengan klasifikasi sebelumnya.

2.1. Teknik energi dan kelistrikan

Sebuah algoritma particle swarm optimization menggunakan strategi elang (ESPSO), sebuah metode kombinasi pencarian global dan pencarian lokal intensif, diperkenalkan untuk memecahkan masalah minimalisasi kerugian daya reaktif, oleh H. Yapıcı dan N. Cetinkaya. Eksperimen mencakup sistem daya IEEE 30-bus dan IEEE 118-bus dan subsistem distribusi daya nyata. Perbandingan dengan metaheuristik lain juga disediakan.

Rekonfigurasi smart grid dengan pembangkit terdistribusi dipelajari oleh C. Ma dkk., menggunakan optimasi particle swarm optimization hibrida ganda (algoritma optimasi particle swarm optimization biner yang lebih baik digunakan dalam pencarian grup cabang, dan algoritma pencarian optimasi particle swarm optimization biner grup yang diusulkan digunakan untuk pencarian di dalam grup). Dari simulasi pada sistem tenaga distribusi IEEE 33-bus, setelah konfigurasi ulang jaringan listrik terdistribusi, kehilangan jaringan distribusi berkurang, dan kualitas tegangan catu daya dan kualitas daya jaringan ditingkatkan.

M. Tan dkk. memperkenalkan model optimasi multiobjektif dari Masalah Penjadwalan Produksi Hot Rolling di bawah harga listrik Waktu Penggunaan, untuk meminimalkan biaya listrik secara simultan dalam produksi dan meminimalkan total penalti yang disebabkan oleh lompatan di antara lempengan yang berdekatan. Penjadwalan produksi berbasis algoritma genetika pengurutan tak berdominan (nondominated sorting genetic algorithm-II (NSGA-II)) dilakukan untuk mendapatkan solusi tak berdominan, dan metode pengambilan keputusan TOPSIS digunakan untuk pemilihan solusi akhir. Eksperimen mengkonfirmasi keberhasilan pendekatan tersebut.

2.2. teknik struktur dan sipil

J. I. Pelaez dkk. menyajikan algoritma memetika untuk desain Komposit dan Struktur Laminasi Simetris, dengan mempertimbangkan fungsi fitness kriteria ekonomi dan keamanan dalam desain dan mengimplementasikan satu set operator pencarian lokal. Algoritma ini dibandingkan dengan empat metaheuristik lainnya. Model ini telah diuji dengan desain pelat dengan pembebanan yang didistribusikan dan dibandingkan dengan dua model literatur, dan desain optimum yang divalidasi dengan paket perangkat lunak ANSYS.

F. Wu dan J. Xu menyajikan metode optimasi untuk mengevaluasi porositas reservoir yang rapat dengan menggunakan model multikomponen yang dimodifikasi menjadi model matriks campuran dan algoritma anil simulasi. Metode ini divalidasi dengan satu set data dari reservoir ketat.

Algoritma hybrid reliability-based design optimization (RBDO) diusulkan oleh H. M. Gomes dan L. L. Corso, yang menggabungkan karakteristik algoritma genetika dan particle swarm optimization dan sequential quadratic programming untuk pencarian lokal. Metode hibrida ini dianalisis berdasarkan tiga contoh benchmark RBDO rangka batang struktural untuk optimasi ukuran dengan batasan tegangan, perpindahan, dan frekuensi.

2.3. penjadwalan, transportasi, dan optimasi kombinatorial

Algoritma genetika (GA) berbasis dua fase optimasi diusulkan oleh D. Morillo dkk. untuk menyelesaikan perluasan berbasis energi dari Masalah Penjadwalan Proyek dengan Keterbatasan Sumber Daya Multimode, di mana pencarian difokuskan pada Daftar Moda dan bukan pada Daftar Aktivitas. Lima varian GA dibandingkan, di mana algoritma yang diusulkan mengungguli yang lain dalam kumpulan masalah dari pustaka masalah penjadwalan proyek PSP-LIB.

Masalah alokasi lokasi berkapasitas stokastik dua tahap dalam logistik darurat dipertimbangkan oleh Y. Deng dkk., di mana jumlah dan kapasitas pusat pasokan tidak pasti dan harus ditentukan. Untuk mengatasi masalah ini, sebuah model nilai ekspektasi dua tahap dan fungsi biaya yang digeneralisasi diusulkan. Sebuah particle swarm optimizer yang ditingkatkan dengan operator awan Gaussian, strategi restart, dan strategi parameter adaptif digunakan, serta menggunakan metode titik interior sebagai pengganti metode simpleks pada tahap kedua. Metode yang diusulkan meningkatkan presisi dan tingkat konvergensi jika dibandingkan dengan model nilai ekspektasi satu tahap klasik.

T. A. S. Masutti dan L. N. de Castro menyajikan tinjauan menyeluruh terhadap metode-metode yang terinspirasi oleh lebah yang dirancang untuk menyelesaikan masalah perutean kendaraan. Taksonomi metode dijelaskan secara rinci dan tinjauan tersebut diikuti dengan mempertimbangkan masalah yang diselesaikan dan modifikasi yang diperkenalkan dalam algoritme yang terinspirasi oleh lebah. Selain itu, algoritma TSPoptBees, modifikasi dari optBees asli yang sengaja difokuskan untuk memecahkan masalah salesman keliling (TSP), dibandingkan dengan metode optimasi lain yang terinspirasi oleh perilaku lebah untuk memecahkan satu set 28 contoh TSPLIB dengan hasil yang kompetitif.

Differential Evolution dibandingkan dengan algoritme genetika untuk menyelesaikan Electric Vehicle Routing Problem, oleh J. Barco dkk. Masalahnya didasarkan pada skema untuk mengoordinasikan penjadwalan rute dan pengisian ulang kendaraan listrik baterai (BEV), dengan mempertimbangkan biaya operasi dan degradasi baterai. Model ini didasarkan pada persamaan dinamika longitudinal gerak yang memperkirakan konsumsi energi setiap BEV, di mana studi kasus, skenario layanan antar-jemput bandara, diselesaikan.

Masalah pengemasan strip yang tidak beraturan, yang ada di banyak proses produksi di pabrik, dengan panggung persegi panjang, lebar tetap, dan panjang tidak terbatas, diselesaikan dalam penelitian yang diusulkan oleh B. A. Júnior dkk., yang menggabungkan prosedur penempatan wilayah bebas tabrakan dengan Algoritme Genetika Acak-Kunci Berfaktor Paralel dengan beberapa subpopulasi, di mana tujuannya adalah meminimalkan area yang diperlukan untuk mengalokasikan permintaan. Pendekatan ini diuji dalam satu set masalah EURO Special Interest Group on Cutting and Packing (ESICUP) dan dibandingkan dengan enam algoritma optimasi lainnya.

F. Alonso-Pecina dan D. Romero mengusulkan sebuah metode dua langkah untuk menyelesaikan Masalah Optimasi Desain Kereta Api, di mana langkah pertama bertujuan untuk menghasilkan solusi awal yang layak dan langkah kedua menggunakan simulated annealing untuk meningkatkan solusi awal, diikuti dengan prosedur yang mencoba untuk mengurangi jumlah kereta api yang dibutuhkan tanpa meningkatkan biaya keseluruhan. Eksperimen-eksperimen yang dilakukan meliputi contoh-contoh yang telah dikenal untuk memperbaiki metode-metode optimasi lainnya.

I. Stojanović dkk. menyelesaikan masalah Weber optimasi nonkonveks terkendala dengan daerah layak yang dibatasi oleh busur, dengan empat teknik swarm-intelegence: koloni lebah buatan (ABC) untuk optimasi terkendala, algoritma ABC berbasis crossover, algoritma kunang-kunang untuk optimasi terkendala, dan algoritma kunang-kunang yang disempurnakan; juga algoritma heuristik yang didasarkan pada prosedur Weiszfeld yang dimodifikasi. ABC berbasis crossover mengungguli metaheuristik lainnya (dan juga algoritma heuristik) dalam hal kualitas hasil, ketahanan, dan efisiensi komputasi, dalam eksperimen yang dipublikasikan dalam penelitian ini.

2.4. Kontrol

Metode kontrol distribusi torsi yang dioptimalkan merupakan teknologi penting untuk wheel loader listrik gandar depan/belakang (FREWL) untuk meningkatkan kinerja operasi dan efisiensi energi. Pendekatan jumlah tertimbang untuk meminimalkan rata-rata dan varians beban kerja ban dan memaksimalkan efisiensi motor total pada model dinamika longitudinal FREWL diusulkan oleh Z. Yang dkk. Algoritme pengoptimalan berikut digunakan untuk menyelesaikan masalah: metode pengali Lagrangian quasi-newton, pemrograman kuadratik berurutan, algoritme genetik adaptif, dan pengoptimalan kawanan partikel dengan pembobotan acak dan seleksi alam. Hasil penelitian mengkonfirmasi keunggulan FREWL terkontrol dibandingkan FREWL yang tidak terkontrol.

Pengontrol dual fuzzy immune Proportional-Integral-Derivative (GODFIP) diusulkan oleh A. Dai dkk., dengan mempertimbangkan penghematan energi, stabilitas, akurasi, dan kecepatan. Strukturnya terdiri dari dua pengendali fuzzy, pengendali PID, algoritma kekebalan, dan algoritma optimasi genetik. Kontroler ini dirancang dan disimulasikan untuk mengontrol radiasi inframerah dan pengering biji-bijian konveksi yang diwakili oleh model autoregressive teridentifikasi dengan input eksogen (NARX), yang meningkatkan kinerja kontroler PID imun fuzzy.

2.5. Aplikasi Lain/Militer

Masalah multiobjective weapon target assignment (WTA) di bawah ketidakpastian, yang bertujuan untuk mendapatkan efisiensi intersepsi maksimum dan konsumsi intersepsi minimum, dioptimalkan oleh H. Xu dkk., dengan multiobjective quantum-behaved particle swarm optimization dengan double/single well (MOQPSO-D/S), dan dibandingkan dengan varian PSO yang lain.

Disadur dari: hindawi.com

Di beberapa negara - misalnya di Jerman - penurunan permintaan sangat buruk sehingga beberapa pejabat telah membandingkannya dengan kemerosotan pandemi yang disebabkan oleh krisis Covid-19 yang parah. Salah satunya adalah Norsk Hydro di Norwegia, produsen aluminium terbesar di Eropa non-Rusia.

Pal Kildemo, kepala keuangan perusahaan, menyatakan bahwa kemerosotan permintaan ini, yang didasarkan pada biaya pembangunan yang meningkat dengan cepat serta perkembangan suku bunga, jelas merusak potensi pendapatan grup Hydro. Kildemo cukup jujur tentang apa yang dialami perusahaan: Permintaan aluminium untuk keperluan konstruksi dan juga bangunan turun sekitar 50% - dihitung dari tahun ke tahun.

Alasan lain juga bekerja ke arah yang sama. Sekitar seperempat dari seluruh aluminium untuk industri konstruksi digunakan untuk rangka gedung pencakar langit dan juga fasad bangunan.

Namun, kebakaran hebat seperti kasus Grenfell di pusat kota London beberapa tahun yang lalu dan kebakaran besar di Valencia, Spanyol, membuat para arsitek dan juga perusahaan asuransi enggan menggunakan aluminium untuk fasad bangunan.

Permintaan aluminium Eropa 'anemia'

Secara keseluruhan, Kildemo saat ini mengesampingkan pemulihan permintaan aluminium setidaknya untuk enam bulan pertama di tahun ini. Pada saat yang sama, ia secara umum memperkirakan pasar aluminium yang cukup fluktuatif dan tidak stabil. Produsen aluminium besar lainnya di dunia juga memiliki pendapat yang sama dengan manajemen puncak Hydro.

Sebuah contoh yang baik adalah produsen aluminium Australia, South32 di Perth. Kepala eksekutifnya, Graham Kerr, baru-baru ini mengkarakterisasi permintaan aluminium Eropa sebagai 'anemia' secara keseluruhan. Volatilitas pasar aluminium Eropa yang diperkirakan akan terjadi juga memengaruhi pasar untuk beberapa logam lain yang digunakan dalam konstruksi dan bangunan. Hal ini terutama terjadi pada baja, tetapi juga beberapa logam industri, seperti tembaga.

Semuanya menderita akibat kemerosotan konstruksi - namun dengan tingkat yang berbeda. Prospek Global Standard & Poors serta prospek Bank Komersial Hamburg menekankan fakta bahwa indeks manajer pembelian untuk bulan Desember tahun lalu menunjukkan kontraksi yang dalam pada akhir 2023 yang menghasilkan prospek yang sangat suram untuk semua tahun berjalan.

Namun, kembali lagi ke situasi aluminium yang sangat buruk. Salah satu alasan penting untuk situasi sulit pasar aluminium saat ini adalah masalah besar LME dengan aluminium, terutama dengan logam Rusia dari produsen aluminium Rusal. Hal ini dikarenakan gudang-gudang di London Metal Exchange, bursa logam terbesar di dunia, saat ini dibanjiri oleh aluminium Rusia yang telah mencapai lebih dari 90% dari keseluruhan kapasitasnya.

Kildemo dari Norsk Hydro memperkirakan bahwa hal ini akan menjadi “risiko besar terhadap volatilitas yang lebih tinggi pada harga LME (aluminium) ketika pasar kembali mengalami shortage dan orang-orang harus menarik logam tersebut dari LME.”

Banyak pedagang di LME melihat masalah aluminium saat ini sebagai sesuatu yang terutama berasal dari perkembangan di Jerman. Ekonomi Jerman yang berorientasi ekspor telah terpukul oleh hilangnya gas Rusia yang murah. Selain itu, perlambatan ekonomi Tiongkok juga menimbulkan kekhawatiran yang lebih luas tentang kecenderungan umum untuk melakukan deindustrialisasi di Jerman.

Ketika perusahaan-perusahaan industri Jerman masih memutuskan untuk berinvestasi, investasi ini semakin sering dilakukan di Amerika Serikat. Hal ini semakin memperparah kemerosotan dalam industri konstruksi dan bangunan Jerman - yang sejauh ini merupakan yang terbesar di Eropa.

Pasar logam tertekan oleh rendahnya harga nikel

Namun, aluminium dan kemerosotan konstruksi dan bangunan bukanlah satu-satunya faktor yang saat ini menekan pasar logam. Masalah besar lainnya adalah situasi industri nikel, yang baru-baru ini memaksa pemerintah Australia untuk mendukung perusahaan-perusahaan pertambangan nikel di negara tersebut. Khususnya di Australia, industri nikel sedang menghadapi krisis dengan sejumlah perusahaan yang menghentikan operasinya karena jatuhnya harga nikel yang disebabkan oleh melimpahnya suplai dari Indonesia. Pemerintah Australia mengkhawatirkan potensi hilangnya ribuan pekerjaan di industri pertambangan.

Pemerintah telah menawarkan kredit pajak produksi, keringanan royalti dan pinjaman serta hibah untuk mendukung industri nikel di negara ini. Namun, kepala eksekutif grup raksasa BHP menyatakan: “Hal itu mungkin tidak cukup, mengingat tantangan-tantangan di pasar nikel saat ini, untuk mengubah arah.”

Dari Perancis, kata-kata serupa juga muncul. “Pemasok nikel berbiaya rendah di Indonesia akan menyingkirkan para pesaing dalam beberapa tahun ke depan, mengukuhkan Indonesia sebagai produsen dominan di dunia,” kata Christel Bories, kepala eksekutif penambang nikel Prancis Eramet.

Menurutnya, negara di Asia Tenggara ini dapat dengan mudah menguasai lebih dari tiga perempat produksi nikel murni kelas tertinggi di dunia dalam waktu sekitar lima tahun dari sekarang. Hal ini benar-benar membuat sebagian besar industri nikel tradisional menjadi tidak kompetitif di masa depan. Menurut Bories: “Bagian dari industri ini akan hilang atau disubsidi oleh pemerintah.”

Disadur dari: www.aluminium-journal.com