Studi Kasus Rantai Pasokan Nvdia: Teknologi Membantu Nvidia Mengantisipasi Masa Depan

(C) JohnKwan / Shutterstock

Studi kasus dibawah ini bisa menjadi ilustrasi tentang peranan penting dari sistem manajemen rantai pasokan dalam bisnis. Studi kasus ini mengambil contoh salah satu perusahaan chip paling terkemuka di dunia, Nvidia. Kinerja bisnis Nvidia menemui problem karena tidak bisa menyeimbangkan pasokan dan permintaan (suppply and demand) untuk berbagai macam produknya. Biaya menjadi tinggi karena perusahaan tidak mampu menentukan secara akurat jumlah yang tepat untuk masing-masing chip yang diperlukan untuk memenuhi pesanan dan sehingga menyimpan banyak persediaan. Perencanaan produksi dilakukan berdasarkan tebakan sehingga terkadang memiliki terlalu banyak persediaan yang tidak bisa dijual atau terkadang tidak cukup punya persediaan untuk memenuhi pesanan pelanggan.

Manajemen Nvidia menyadari hal ini dan perlu tool untuk estimasi yang lebih baik dan menunjuk panitia pengarah rantai pasokan untuk membuat rekomendasi solusi. Akhirnya perusahaan mampu membuat estimasi persediaan yang jauh lebih akurat dengan menggunakan SAP BusinessObjects Web Intelligence and BusinessObjects Dashboards untuk menganalisa data yang sudah diambil dalam sistem yang sudah dimilikinya yaitu SAP Advanced Planning and Optimization (APO). Kedua tool tersebut membuat manajemen Nvidia jauh lebih mudah untuk mengakses dan menganalisa data produksi untuk membuat estimasi dan perencanaan persediaan, sehingga memperbaiki dan meningkatkan pengambilan keputusan dan efisiensi operasional.

--o0o--

Studi Kasus

Pada tahun 1999, NVIDIA membuat sejarah baru ketika menemukan graphics processing unit (GPU). Saat ini, chip Nvidia bisa didapati di berbagai macam produk, antara lain video game console, smartphone, komputer tablet, berbagai sistem infotainment digital, dan super-komputer. Bermarkas besar di Santa Clara, California, perusahaan ini memiliki 7.000 karyawan yang tersebar di 20 negara, dan memperoleh pendapatan $3,5 miliar pada tahun 2011.

Karena begitu banyak chip Nvidia yang diproduksi untuk industri elektronik, salah satu tantangan terberat perusahaan ini adalah membuat estimasi permintaan pelanggan secara akurat dan menyesuaikan dengan tingkat persediaannya. Sementara, tren konsumen bisa berubah-ubah secara dinamis dan bahkan bisa berubah secara mendadak. Jika, misalnya, permintaan untuk video game console turun drastis secara tak terduga, Nvidia mungkin akan menghadapi masalah serius dengan kelebihan ribuan chip untuk sistem tersebut yang tak terpakai, yang berarti merupakan kerugian signifikan bagi perusahaan.

Chip Nvidia diproduksi jauh sebelum dijual kepada pelanggan, sehingga para perencana produksi perlu membuat perkiraan berapa banyak material yang dibutuhkan perusahaan dan berapa banyak waktu produksi yang dijadwalkan di tempat pengecoran Nvidia, terutama yang berlokasi di Asia. Ketika pelanggan Nvidia memperkirakan berapa banyak chip Nvidia yang mereka butuhkan, para perencana produksi di Nvidia membuat estimasi independen mereka sendiri. Dengan berdasarkan perkiraan ini, Nvidia akan membeli material yang cukup (terutama silikon wafer) sebelumnya dan menjadwalkan kapasitas volume yang cukup di pengecoran perusahaan (terutama yang di Asia) untuk memenuhi apa yang dianggap sebagai tingkat demand/permintaan yang tepat.

Unit-unit bisnis akan bertemu dengan unit keuangan di Nvidia untuk membahas jumlah chip yang akan diproduksi, berdasarkan estimasi yang sudah dibuat. Di sisi lain, bagian operasional chip Nvidia, yang bertanggung jawab atas produksi aktual, tidak pernah menerima perkiraan tersebut dan hanya bisa melihat pada inventaris/persediaan yang ada. Departemen produksi Nvidia menggunakan spreadsheet untuk membuat perkiraan inventaris secara kasar, tetapi spreadsheet itu tidak memungkinkan para perencana untuk menelusuri data, mengurutkan data berdasarkan produk, membandingkan berbagai jenis inventaris, atau melihat data berdasarkan segmen bisnis, dan data untuk spreadsheet ini harus dikumpulkan dari sejumlah sistem yang ada.

Kemudian, manajemen menerima suatu wake-up call ketika Nvidia mengalihkan proses pembuatannya yang lama ke proses yang baru 40 nanometer. Perusahaan terpaksa menghadapi data persediaan yang dibuat oleh proses manufaktur lama dan juga untuk pelanggan yang tidak siap untuk berubah. Manajemen menemukan bahwa sistem saat ini tidak memiliki kemampuan untuk menangani kompleksitas dari dua set persediaan yang terpisah dan tidak dapat menyeimbangkan pasokan/persediaan dan permintaan (supply and demand) untuk produk-produk baru dan produk-produk yang sudah ada, serta memperkirakan berapa lama waktu yang dibutuhkan bagi para pelanggan untuk melakukan transisi ke metode 40 nanometer. Nvidia akhirnya menghadapi problem terlalu banyak persediaan, dan ketika mulai mengurangi, pemasoknya justru lengah.

Untuk mengatasi masalah ini, Nvidia membentuk komite pengarah rantai pasokan (supply chain) untuk meninjau proses rantai pasokannya. Panitia pengarah ini kemudian merekomendasikan agar Nvidia mengganti sistem estimasi persediaannya yang berbasis spreadsheet dengan sesuatu yang lebih terkini. Software SAP menjadi pilihan yang logis. Sebagian besar data Nvidia sudah berada dalam sistem perencanaan dan optimisasi lanjutan (APO / advanced planning and optimization) SAP. Nvidia membangun interface yang disesuaikan di atas sistem APO untuk solusi yang baru tentang estimasi persediaan dengan menggunakan SAP BusinessObjects Web Intelligence. SAP BusinessObjects Web Intelligence adalah tool untuk menganalisis data bisnis dan membuat laporan ad hoc, dengan akses ke data perusahaan melalui interface berbasis web yang mudah digunakan.

Bagian lain dari solusi tersebut adalah menggunakan Dashboard SAP BusinessObjects untuk membuat dashboard pasokan dan permintaan (supply and demand) yang canggih di mana para eksekutif dapat dengan mudah mengakses data persediaan. Dengan menggunakan dashboard ini, eksekutif Nvidia dapat menelusuri secara detail di tingkat produk dan melakukan perhitungan ke depan dan ke belakang, dengan atau tanpa cadangan persediaan. Informasi ini disajikan dalam berbagai bagan dan tabel yang mudah digunakan.

Solusi ini memungkinkan Nvidia untuk memperkirakan tingkat persediaan untuk empat kuartal berikutnya berdasarkan permintaan yang sudah diantisipasi, dan juga bisa melihat persediaan saat ini senilai enam bulan. Tingkat kesalahan (estimasi) berkurang hingga menjadi 3 persen atau bahkan kurang dibandingkan dengan tingkat kesalahan 5 persen dalam estimasi berbasis spreadsheet sebelumnya. Dengan nilai $500 juta yang berupa persediaan, perusahaan menghemat $25 juta karena mampu mengurangi kesalahan estimasinya.

Sistem tidak hanya meningkatkan akurasi, tetapi dashboard juga membantu mengurangi jumlah waktu yang diperlukan untuk eksekutif dan para perencana di Nvidia untuk membuat dan menyetujui jumlah estimasi. Sistem manual yang lama membutuhkan 140 jam untuk menyiapkan estimasi triwulanan; sistem baru telah mengurangi hanya menjadi 30 jam saja. Puncak dari semua manfaatnya, semua data persediaan Nvidia menjadi terpusat dan dapat diakses oleh semua divisi bisnis perusahaan yang berbeda-beda. Nvidia sekarang memiliki metode estimasi yang konsisten, alih-alih menerapkan berbagai macam model, dan para manajer dapat membuat keputusan yang lebih baik.

Sumber: David Hannon, "Perkiraan Inventaris di Nvidia," SAP InsiderPROFILES, April – Juni 2012; www.nvidia.com, diakses 20 Juli 2012; dan www.mysap.com, diakses 20 Juli 2012.