Cost Reduction in Steel-Making Through the Application of Scheduling Using Decision Support System

BUSINESS ADMINISTRATION Vol. 2, No. 14, 2013:1779-1790

COST REDUCTION IN STEEL‐MAKING THROUGH THE APPLICATION OF 

SCHEDULING USING DECISION SUPPORT SYSTEM  

Abstract—  Basic  metal  industries,  which  include  steel  industry,  are  very  sensitive  to  raw  material  costs. As a result, volatility and rate of increase in raw material costs have a significant impact on the  sustainability  of  the  steel  industry.  To  offset  the  margin  pressure  due  to  the  current  problem,  the  company  should  focus  on  improving  operational  efficiency  by  running  various  programs  in  order  to  reduce operating costs and improve the quality of the output. As a complement to these steps, this  paper  will  specifically  introduce  the  Decision  Support  System  (DSS)  to  solve  production  scheduling  issue  in  steelmaking  operations.  The  purpose  of  the  scheduling  are  to  reduce  the  waiting  time  between the processes in the steel making as well as to increase the yield, which in turn can be used  to reduce the cost  of production.  The simple  loading  heuristics  with  forward  and backward  loading  will be used to solve scheduling problems.The basic idea of the proposed system is to treat Continuous  Casting Machine (CCM) process as a capacity‐constrained resource. On this approach, CCM treated as  a determinant of the production rate to entire system. Time scheduling in the steelmaking operation  have high complexity due to the strict requirements and uncertainties. The design solution using the  DSS  is  intended  also  to  anticipate  when  the  assumptions  fail  or  not  fulfilled,  so  that  manual  intervention is needed to bridge the gap in making a feasible schedule.DSS would have an important  role in daily operation of steel making to reduce cost. This role will become a vital role in the future, in  line with the use of hot metal from the Blast Furnace to Electric Arc Furnace (EAF), since arrival of hot  metal would occur periodically in a certain time interval.    Keywords: Steel making, Scheduling, Theory of Constraints, Decision Support System    1.  Introduction  Starting in 2010, the recovery of steel demand in the world market is still far from the expectations,  which resulted steelmakers have to try hard to manage their business as a result from the fluctuating  demand  (Ernst  &  Young,  2010).  However,  while  most  of  the  global  steel  industry  continued  to  feel  pressure from the recessionary trends of 2009, steel demand and related production in the domestic  market  continues  to  be  key  drivers  in  the  growth  of  PT  Krakatau  Steel,  despite  pressure  from  steel  prices  in  global  markets  greatly  affect  the  performance  of  the  company.  Therefore,  to  keep  the  company in order to remain competitive, the strategy should be formulated and selected in order to  maintain business continuity and future growth. Strategies adopted by steelmakers generally include  improvement of operational efficiencies. 

2. Business Issue Exploration 

At  the  end  of  2010,  Ernst  &  Young  stated  that  "The  fluctuation  in  demand,  as  well  as  raw  material  price volatility are the two biggest challenges facing steelmakers" (2010, p. 34). Until now, the issues  remain  major  challenges  for  the  steel  manufacturer,  because  steel  prices  generally  respond  more  slowly than the cost of production, which eventually resulted in the reduction of margin or losses.  

Prolo the  p incre trend produ produ descr which from  A. Co The  p makin indivi   1) Co The  b mate than  impa than  challe few y   Putra an onged the sit profitability  asing  labor  c d increase in  uction or ma uction  cost  ribe the abili h offered. Th each unit so onceptual Fr premise  was ng. Factors a idual basis. T ost of Raw M basic  metals erials”  (Edwin 75% of the t ct on the sus 80% of raw  enging corpo years that dir d Basri  /  The I tuations cou of  Krakatau costs,  energy the convers anufacturing  is  closely  tie ty of organiz hen the incre old.  amework  s  formulated affecting the The map of th Materials    industry,  w n  Basson,  20 total cost. As stainability o materials im orate sustain rectly affect t Indonesian Jour pled with slo u  Steel  (KS).

y  costs  and  ion costs fro cost and con ed  to  the  co zation to ma easing trend   in  efforts  t e efficiency o he conceptu Figure which  include 012).  In  the  s a result, vo of the steel in mported from ability. Figur the performa Figure 2. Wo rnal of Business owing growt   Challenges  other  costs. om year to ye nversion cost ost  conversio nage cost w , demonstra o  increase  t of the operat al framewor e 1. Conceptu  

es  the  steel  process  of  m olatility and r ndustry. In a m abroad, the re 2 display t ance of the s orld Average s Administration th in the ma that  must  .  These  chall ear that occu t of is used in on.  Given  th hich require ate the less c he  efficiency tion specifie k can be des al Framework industry,  is  making  steel rate of increa addition to th en the impac the volatility  steel industri Raw Material n, Vol.2, No.14, rket has bec be  faced  K lenges  can  b urred at KS. I nterchangea he  conversio d to providin company's ab

y  of  operatio ed, and will b scribed as sho k  “highly  sens ,  raw  mater ase in raw m he case of Kr ct will make  in raw mate ies around th l Prices , 2013:1779‐17 come a serio KS  grew  alon be  clearly  se In this paper bly, since th n  cost  basic ng products  bility to gene

ons  in  the  a be explained own on figur

sitive  to  the  rials  account material costs rakatau Stee the conditio erial prices si he globe.     790  ous threat to ng  with  the en  from  the r the term of e concept of cally  used  to and services erate profits

rea  of  steel‐ d later on an

re 1.  

cost  of  raw ed  for  more s have a real el, with more n worse and nce the past o  e  e  f  f  o  s  s  ‐ n  w  e  l  e  d  t 

2) Co Steel  mark mush subse that o 3) En Energ steelm the  s consu Appli makin electr ost of Raw M market segm ket,  but  the hrooming,  e equently sup occurs can be

nergy price 

gy  is  one  of  making proc same  time  umption.  cation of ga ng  caused  th ricity. As a re Materials  mentation h e  constructio specially  in  ppresses the  e seen in the the  major  c ess; hence t put  pressu s‐based tech he  Krakatau  esult, costs to has a wide va on  of  new 

developing  price. Dema e figures 3 an Figu components  he increase 

re  on  the 

Figure 4. Wo hnology in iro Steel  vulne o be borne K Figure 5. Wo ariety, so ev steelmaking countries.  nd and supp nd 4.  re 3. Supply a of  operatin in energy co company  o orld Average  on making a rable  to  cha Krakatau Stee orld Average      ven though g g  facilities  t Ultimately  ply over the p and Demand g  costs  in  th sts will direc or  the  stee

Raw Material 

and the use o anges  in  the  el is expected Raw Material  globally there to  meet  th global  equil past few year

he  steel  indu ctly impact o lmakers  to  Prices  of Electric Ar domestic  p d to rise for t Prices  e is excess s e  domestic  librium  is  a rs and the pr   ustry,  partic on operating  optimize  t   rc Furnace ( rices  of  natu the next few    supply in the demand  is affected  and rice volatility

ularly  in  the costs and at heir  energy

EAF) in steel ural  gas  and

years.  e  s  d  y  e  t  y  l  d 

Putra and Basri  /  The Indonesian Journal of Business Administration, Vol.2, No.14, 2013:1779‐1790  4) Yield and Quality 

Yield  and  quality  is  the  manifestation  of  an  initiative  that  focuses  on  improving  the  output  of  the  process.  Improving  the  yield  is  meant  to  use  fewer  resources,  require  less  energy  and  processing  facility to obtain more finish product for the same unit cost. Yield improvement covers the complete  process  chain  within  the  steel  making,  from  preparation  of  raw  material  up  to  finished  products  handling.  Yields  are  especially  important  also  from  the  cost  standpoint.  This  is  because,  whilst  the  scrap  steel  can  generally  be  recycled,  all  the  labor  and  energy  costs  associated  with  processing  the  wasted steel volumes are lost and the value added is not achieved.  

Quality is a continuous process where action is taken to increase effectiveness and efficiency of the  process.  In  line  with  yield,  maintaining  quality  products  covering  the  whole  process  chain  from  inspection  of  raw  material  up  to  delivering  of  finish  product  to  ensure  customer  expectations.  Improving the quality of output also reduces costs by reducing rework and scrap levels. 

5) Plant Utilization 

Plant  utilization  usually  is  referring  to  the  rate  a  plant  is  producing  compared  to  what  the  plant  actually could produce. In general, the degree of plant‐capacity utilization has effects on overall costs.  If conditions permit, it is more desired the high utilization rate to obtain lower production cost.  In some trustworthy journals, experts say that global steel production capacity utilization is predicted  to remain below 80% (Ernst & Young, 2011, p. 32). Volatility in demand for steel products is making  managing capacity utilization something of a balancing act. In such conditions, the steel makers are  very careful not to get too much production or keep capacity utilization in low level, because of excess  supply  will  pose  a  risk  to  the  recovery  in  steel  prices,  especially  if  there  is  no  demand  to  match  production.  In  fact,  up  to  a  certain  level  the  decision  to  cease  production  was  the  best  option  and  worth to consider. 

6) Technology  

Since  40  years,  the  development  of  iron  and  steel  technology  has  dramatically  influenced  the  way  steel is made, the quality and variety of products produced. The presence of mini mills is one of the  proofs of the technological developments that have changed the basic structure of the industry. This  technology  development  will  continue  in  line  with  the  growing  competitive  forces  and  market  globalization.  

The  presence  of  the  technology  should  be  coupled  also  with  the  knowledge  of  the  steelmaking  process,  an  understanding  of  the  raw  materials  and  finish  products.  A  better  understanding  and  control of the manufacturing process of steel making will help reduce inefficiencies in every stage of  processes. Implementation of technological developments in Krakatau Steel, covers three main areas,  namely equipment, operating techniques and/or practices as well as modeling and control algorithm. 

B. Method of Data Collection and Analysis 

External  factors  such  as  the  imbalance  of  supply  and  demands  in  the  steel  market,  volatility  of  raw  material costs and energy costs are the problems that must be faced by all of the steel industry. At  Krakatau Steel, with the majority of the raw materials imported from abroad as well as energy supply  is  erratic,  these  external  factors  cause  multiple  effects  on  plant  operations  management  that  ultimately  affect  business  performance.  Especially  in  the  area  of  steel  making,  the  difficulties  encountered  in  the  management  of  operations  reflected  in  the  annual  average  of  achievement  for  importance performance indicators in steel making plant. 

As  a  complement,  the  time  utilization  indicates  number  of  issues  that  exist  in  the  operation  of  the  steel‐making process, which in turn increases the cost of production and erode the competitiveness of  company. The major issues that need particular attention are as follows:  - Lack of order  - Scarcity of raw materials and energy  - Long waiting time between operations (Low speed operation)  Utilization time table describes the actual operating conditions of the production process as well as  provides  important  information  to  be  processed  further.  In  this  case,  the  decrease  in  production  is  also reflected in the decline in the time utilization, i.e. 59.78% in SSP‐1 and 71.09% in the SSP‐2 for 

loadin from  C. An Summ illustr Some gene busin proce 3 To of opera comp throu proce produ D. An The  p obtai and a Probl Theo impro weak In  th bottle and  unde 1) Op As - - - - In  th utiliza a) Flo ng time of C the workcen nalysis of Bu mary of busin rated in the d e of those bu rally  influen ness  issue  w ess, the discu 3. Business  ffset the ma ational  effici plement  to  t ugh  time  ma esses in stee uction.  nalysis of Bu proposed  DS n informatio advice to the lem  solving  ry of Constra ove perform kest compone

e  TOC,  the  f

eneck in the subsequentl rstanding of perating cha spects under Flow proc Current o Current o Current o is  paper  the ation and yie ow process i CCM at 2011 nter CCM, giv siness Situat ness issues t diagram show usiness issue nced  by  exte

hich  is  cont ussion in this

Solution 

rgin pressure iency  in  ord these  steps,  anagement  l making as w siness Soluti SS  should  wo on regarding   operator fo will  be  don aints (TOC) w ance which  ent which lim first  step  to e system. The ly  formulate f the charact aracteristics o r consideratio cess in steel  operating cha operating cha operating cha e  operating  c eld.  in steel maki . The time u ven the prod tion   hat have bee wn at figure  Figur es are uncon ernal  factor rollable.  How s paper will fo es due to iss er  to  reduce this  paper  w in  the  stee well as increa

ion  

ork  in  real‐ti the status o r taking nece e  by  borrow which was in focuses on t mits overall s

o  do  is  to  id

e next step i ed  so  that 

eristics of th of the steel m on in analyzi making  aracteristics  aracteristics  aracteristics  characteristic ng  utilization for duct resulting en described 6.   re 6. Cause‐Eff ntrollable suc s.  While  the wever,  given ocus on tech sues describ e  operating  will  specifica el  making  op ase the yield ime  and/or  of each proce essary action wing  a  gener ntroduced by the operation system perfo dentify  the  r is to determ other  parts he objects is a making proce ng of proces at EAF  at LF and RH at CCM  cs  under  con r the entire s g from the w d previously a fect Diagram ch as raw ma e  productio n  the  produ hnology issue ed above, co costs  and  im ally  introduce peration  to  d, which in tu embedded  w ess at real‐ti n.  ric  solution  y Dr. Eliyahu n that is con ormance (Jaco resource  lim mine effective s  can  suppo a necessity. ess  ss operations H  nsideration  l steelmaking  orkcenter.  as well as co   aterials and  n‐practice  a ction  practic es, particular ompanies ha mprove  the  e  the  improv

reduce  the urn can be us with  existing ime as well a approach  of  M Goldratt, nstraining a c obs & Chase ited  capacit e ways to ex ort  the  con

s in steel mak limited  to  th process is u ntributing fa energy issue and  technolo ce  is  the  do

ly scheduling as focused o quality  of  o ved  operatio   waiting  tim sed to reduce g  process  au as providing  f  Theory  of  , is a logical  critical proce , 2011, p. 71 ty  that  could xploit system nstraints.  Th

king are as fo

he  issue  of  e

usually taken

actors can be

es which are ogy  are  the main  of  the g.  on improving output.  As  a on  efficiency me  between e the cost of tomation  to information Constraints. approach to ess or on the 19).  d  become  a m constraints herefore,  an ollows:  energy,  time n  e  e  e  e  g  a  y  n  f  o  n  .  o  e  a  s  n  e 

As de in sec produ In the are a with  path. In cer opera perfo there the d Sched variet techn opera the  s batch proce reflec b) Cu From consu follow - - c) Cu Refer the  d accor heat  with t - - - d) Cu The  c conta Putra an escribed prev condary met uction proce e process flo lso possible  the  desired   A restriction rtain cases, t ation  for  eac ormed twice  e are additio

imensions o duling opera ty  of  opera nology.  In  do ating charact steel  making  h;  limitation essed  are  ha cted in the ut urrent opera m  the  data  co umption  can wing figures: μT‐T = 135 μspecEn = 6 urrent opera rring to the p data  show  a rdance  with  loss will be  the following μLF‐time = 6 μLF‐energy = Temperat urrent opera casting  proc ainer that is  d Basri  /  The I viously, the s tallurgy (LF a ss flow as sh ow, each batc in parallel.  process,  so  n for paralle the number  ch  batch  is  p in the ladle  nal restrictio f the machin tions in stee ations,  includ oing  schedul teristics that process  can s  of  electric andled  at  hig tilization tim ting charact ollected,  the n  be  summa   5 minute and 635.27 kwh/t ting charact practice of o a  wide  variat its  function  greater follo g figures:   63.8 minute  = 46.34 kwh/ ture decreas ting charact ess  begins  b located on t Indonesian Jour steel making  nd RH) and c hown in figur Figure ch can be fre However, us there  is  a  d l operations  of batch ope preferred.  Fo furnace to m ons for castin ne, liquid stee el making is a ding  transpo ing  batch  op t must be co n  occur  at  a cal  energy  a gh  temperat me as shown i eristics at EA e  frequency  d arized  as  fo d  σT‐T = 22.12 t and σspecEn = eristics at LF operation, no tion  in  the 

as  a  buffer  owing the du and σLF‐time = /t and σLF‐ener se during hol eristics at CC by  pouring  m op of the mo rnal of Business process con continuous c re 7.   e 7.  Process F eely allocated sually there  efault route in general is erations in th or  instance,  maintain fea ng facility th el temperatu a complex ta ortation  and perations,  th onsidered in  ny  time  on  and  downtim ture.  A  resu in Table x.   AF  distribution  ollows.  The  2 minute   = 69.15 kwh/ F & RH  ormal operat duration  of  or  process  uration of th = 29.9 minute rgy = 26.5 kwh lding operat CM  molten  meta old, which is s Administration sists of three casting. The t Flow Diagram d to the prod is a preferen e/preferred p s the availab he secondary for  some  ba sible sequen at is the wid ure etc.  sk because i d  waiting  ti here  are  seve

each facility each  operat me  that  ma lt  from  sche

of  the  proce data  show  /t  tions at LF ta the  process requirement e process. D e,   h/t   ion 0.3° C pe

al  from  the  s used to hol n, Vol.2, No.14, e phases: me three phases duction facil nce for this a path and  alte bility of raw m y is not limite atches  the  re nce in casting dth of the fin t involves str me  as  well  eral  constrai y. Disturbanc tion,  includin ay  occur  giv eduling  work

essing  time  a  fairly  wid

akes betwee s.  This  is  no ts.  However, Data distribut er minute.   ladle  into  th d the molten , 2013:1779‐17 elting in the E s can be desc ity and batch allocation in ernative rou materials an ed, although efining opera g operation. nal product a rict processin as  its  rela ints  that  are ces that occu ng  material  v ven  the  pro k  that  has  b

at  EAF  and  t de  distributio

en 30 to 45 m ormal  and  m

,  as  a  conse tion can be  he  tundish.  T n metal and  790  EAF, refining cribed in the h operations  accordance tes/optional d electricity. h a minimum ation can  be  In addition, according to ng time on a ted  process e  part  of  the urred during variations  in oducts  being been  done  is

their  energy on  with  the

minutes, but may  occur  in equence,  the represented Tundish  is  a at the same g  e  s  e  l  .  m  e  ,  o  a  s  e  g  n  g  s  y  e  t  n  e  d  a  e 

time  meta simul interf stead In cas pract from  amou liquid with  long s proce Yield  avera last c In 20 2) Cu Curre level  the  E Plann produ of the as an filling the m l  into  solid ltaneously  w face  in  a  co dy state.   sting, the tun tice is betwe the molten  unt are left i d steel in the a length bet sequence in  ess and sever calculations  age values of rop with res 11, the achie urrent sched ently, inform scheduling w ERP  system  a ning  (MRP)  f uction progr e batch to be  information mold during t   form  cont withdrawn  fr nstant  posit ndish can be  een 4 to 7). T metal. There n the tundis e tundish and tween 0.5 to the casting  ral types of w for several d f net weight  pective value Figure  evement of C uling system ation system with the prim and  impleme for material  am. Product e produced.  n system for t the casting p tinuously.  A om  the  bott ion  with  tim  used for sev Tundish also efore at the  h to be disca d ladle which o 1.5 meters process is hi waste genera Figure 8. C different seq of the liquid e of 114.32,  9. Relationsh CCM yield in  m  ms available t mary function ented  using  planning pu ion program The product the shop floo process. True At  CCM,  mo tom  of  the  m me.  Therefor veral batches  serves as th end of the c arded becau h are not cas s) was calcul ighly desirab ated.  CCM Process a quences rates d steel, rest s 1.83, 6.47, 1 ip between Se SSP2 was 95 to do the sch n to do the o SAP.  The  re rposes, as  w m contains inf tion program or or referred e to its name olten  metal 

mold  at  a  ra re  this  proce s in accordan he place whe casting oper use it contain ted, along w ated as the  ble to increas and Type of w s are shown  steel in ladle .03 and 1.72 equence Rate 5.32% with Se heduling in K order manag sults  of  this  well as the p formation ab m is produced d as Manufa e, continuou solidifies  in ate  that  mai ess  works  be nce with des ere slag and  ation, molte ns a lot of im with the first  loss in this p se the yield.  waste  in Figure 9. C e, rest steel i 2 (in tones).    es vs. CCM Yie equence Rat rakatau Stee ement. This  function  are roduction or bout the num d in Producti cturing Exec s casting cha n  the  mold  intains  the  s est  when  op ired steel qu impurities a en metal with mpurities. The and last crop process. For  Figure 8 sho   Calculation b in tundish, fi ld  es 2.92.   el are still lim function is e e  the  Mater rder  as the  b mbers and ch ion Control S ution System ange molten wall  while solid  /  liquid perating  in  a uality (mmon are removed hin a certain e rest of the ps (or pieces this reason, ows the CCM based on the irst crop and mited to high‐ embedded in rial  Resource basis  for the haracteristics System (PCS) m (MES).  n  e  d  a  n  d  n  e  s  ,  M  e  d  ‐ n  e  e  s  ) 

Furth pape manu the  o opera 3) Po The  p dedic layer  in figu 4) So The  consi viewp of sch   On th const batch can b addit differ accou windo The m as gu In  or proce algor algor Putra an hermore,  bas rwork  to  sc ually with pla output  (num ations at cast osition on the proposed  sy cated to the  on the IT la ure 10.  olution Meth basic  idea  o dering  CCM  point has diff heduling thro his approach traints resou h can begin t be obtained b tional time is rence  betwe unt  the  leng ow available main objectiv ides the ope rder  to  funct ess  requirem ithms  can  b ithm (with a

d Basri  /  The I

sed  on  prod hedule  oper anning horiz mber  of  batch

ting facility.  

e IT landscap

ystem  is  a  co shop‐floor o ndscape. Illu

hodology 

of  the  propo process  can ferences wit ough the ope , CCM treate urce  (Jacobs  o be process by adjusting  s between 15 een the mini gth  of  a  stan e is considere ve of the DSS erator by pro tion  properl ments  to  ens be  used  to  s

ll its derivativ

Indonesian Jour

uction  progr rations  of  e zon typically  hes  to  be  p

pe  omplement  perators and ustration of I Fi osed  system n  be  seen  as h the concep eration of Po Fig ed as a dete & Chase, 20 sed in the pr the speed o 5 to 26 minu mum and  m ndard  proces ed adequate. S is to make  oviding sugge

y,  the  syste sure  the  pra solve  the  sc ves) and heu rnal of Business ram  which  h ach  batch  a 1  shift or 8  roduced)  wi

of  the  exist d serve as gu T landscape 

igure 10.  IT La

m  is  to  treat s  the  bottle pt of the pre ower Demand ure 11. Produ rminant of p 011, p. 724)  revious stage f casting in C utes (from th maximum  spe ss  in  LF  in  t .  optimal sche estions to av em  needs  to ctical  feasib cheduling  pr uristics (Simc s Administration

has  been  rel at  the  produ

hours. This  ith  a  primar

ting  schedul uidelines for o

in KS with a

andscape 

t  CCM  proc neck  of  the  sent conditio d Control (PD uction Flow  production ra as well as d e. Moreover,  CCM. Accord he initial cast eed. Althoug the  range  be eduling whic void interrupt o  consider  th bility  of  the 

roblems  are  chi‐Levi, 2008 n, Vol.2, No.14, eased,  supe uction  facilit paperwork  ry  focus  on  t

ing  system  operators an additional pr

cess  as  a  re system  as  s on, which se DC).  ate of the en efining a tim additional t ing to the sla ting) by calcu gh  it is not to etween  30  t h eliminates tion of seque he  limitation resulting  sch classified  in 8, p. 424).  , 2013:1779‐17 ervisor  on  du ty.  This  proc is  intended t the  scheduli in  KS  and  is nd located on oposed syste   eference  for  shown  in  fig ems EAF is a   ntire system  me window  i ime on the t ab dimensio ulating the a oo wide,  but to  45  minute  machine co ence to elim ns  of  the  re hedule.  Seve n  two  categ 790  uty  prepares cess  is  done to maximize ing  of  batch

s  specifically n the second em is shown scheduling, ure  11.  This  major point or capacity‐ in which the ime window ns, obtained average time t taking into es,  the  time nflict as well inate waste. sources  and eral  types  of gories:  exact s  e  e  h  y  d  n  ,  s  t  ‐ e  w  d  e  o  e  l  .  d  f  t 

Algor consi (Fred optim Levi,  The  d fulfill appro backw deter Takin / RH,  Basic that m In − − − rithm  that  w dering  the  p derick S & Lie mal solutions 2008, p. 425 design  soluti ed, so that m oach used to ward loading rmining hold ng into accou then the ado ally,  Weirs  m might occur.   addition, th − Gantt chart schedule.  operator/m − Operator G expected a − Real‐time i machines 

will  be  used presence  of  eberman, 20 s, but in gene 5).   ion  using  th manual inter o solve sched g) with the ad ing time in L unt that the a option of the Figure 12. D

model  as  sho Meanwhile, e main featu t that shows This  feature manual interv Guidance/Ale rrival of batc ntegration to

d  in  the  pro uncertainty  001, pp. 15,  eral most of t

e  DSS  is  int rvention is n duling proble ddition of the F.   amount of u e Wiers Mod Decision Suppo

own  in  figur , the heuristi ures that sho s the results o e  also  provi

vention.  ert: such info

ch or ladle in o existing au

oposed  DSS  and  a  fairly 604). Althou the algorithm ended  also  needed to br ems, based o e rules and/o ncertainty th del will be sub ort System mo

e  12  is  need c algorithms ould be prese of the algorit ides  transpa ormation to c n CCM for op utomation sy is  heuristic y  wide  varia ugh these alg ms used in th to  anticipate ridge the gap on the simple or logics for s hat might oc bject to revie odel (adopted ded to  accom s used are sh ent in DSS inc thm and sho arency  abou change the c erator LF & R ystem, in ord c  algorithm  nce  at  each gorithms doe he DSS is heu e  when  the  p in making  e loading heu setting the c ccur during th ew as shown d from Wiers M mmodate the own in figure clude:  ow how the s ut  the  plann asting speed RH operator  der to have c to  simplify    stage  of  th es not guara uristic algorit assumption a feasible sc uristics (forw asting speed he process in n in figure 12   Model)   e  aspects  of e 13.  sequence of  ning  situatio d for CCM op etc.   current statu solution  by he  operation antee to find thm (Simchi‐ s  fail  or  not chedule. The ward and / or d in CCM and n EAF and LF :  f  uncertainty the work on on,  to  allow perator CCM, s of batch in y  n  d  ‐ t  e  r  d  F  y  n  w  ,  n 

E. Sc Sched real‐t resch sched ideal  occur   The s − − Lim − − − Putra an cope of Solut duling on rea time  events  heduling  stra dule repair, a fit for DSS. W rs. The event scopes of the − Scheduling This proces that the re liquid  stee allocation o preliminary − Optimizatio Optimizatio to avoid dis and time o mitations in  − The  seque Manufactu − The main s − Transport t   d Basri  /  The I tion   al‐time syste (Ouelhadj  & ategies.  Gene and complete With the hyb t is usually co e proposed m  the sequenc ss should be  esulting sche l.  Based  on  of batches fo y start and fi on  on must be  sruption of s f all the batc this DSS are  nces  of  the  ring Executio cope are sta times include Indonesian Jour Figur em as propo &  Petrovic,  erally,  there  e reschedulin brid system, r onsidered a b modeling on t ce.  determined dule is feasib the  planned or the all sta nish dates.  performed t sequence cas ches as well a as follows: batches  are on System (M ges of the pr e in static tab rnal of Business re 13. Heuristi sed needs to 2009,  p.  41 are  two  op ng. On the is rescheduling batch arrival, the DSS are a  the start an ble with resp d  start  dates ages of the p to maintain c sting. The res as informatio e  available  f MES)   rocess in CCM ble of proces s Administration ic algorithms o address tw 19).  The  firs ptions  that  c ssue of when g is done per , change of c as follows:  nd end dates pect to the u s  of  the  seq process, inclu continuity fo sults of this s on about the rom  high‐lev M and LF/RH ssing time in  n, Vol.2, No.14, wo issues: ho st  issue  con can  be  select n to reschedu iodically and casting speed s as well as c upstream fac uence,  the  a uding the pr or continuou step are adju  expected ar vel  planning   each stages. , 2013:1779‐17   ow and when ncerns  the  d ted  as  need ule, hybrid sy d also when a d, delay etc.  casting speed cilities and a algorithm  m oduction seq s casters. It  ustment of ca rrival of a bat ,  which  is  p .  790  n to react to definition  of ed,  which  is ystem are an an exception d such a way vailability of ust  produce quences and is necessary asting speed tch.  performed  in o  f  s  n  n  y  f  e  d  y  d  n 

4 F. Co Expec ">=4" − − Assum can b − − − − In thi time  rate f CCM  equiv As 4 can − − − − In thi time  incre value G. Im DSS  o mont budg partie budg do no 4. Conclusio onclusion   cted  results  "), with the f − μLF‐time[s<4] − μLF‐time[s>=4 mption I or p be recovered − single casti − 2 sequence − 3 sequence − Target distr • 4 seque • 5 seque is case, the d below 77 m from the pre with a value valent to the  ssumption II  n be recovere − single casti − 2 sequence − 3 sequence − Target distr • 4 seque • 5 seque is case, the d under  115  ase  of  seque e is equivalen

mplementatio

overall  imple th. Given the et  necessary es,  it  would  et refers to  ot include ha on and Imple calculated  following res  = 77 min an 4] = 58 min, σ pessimistic va  in accordan ng: 80 %  (28 e : 45% (456  e : 5% (55 he ribution of se ence : 90% (7 ence : 10% (7 determinatio inutes or μLF evious 2.92 t e of 95.84%  addition of S or optimistic ed without p ng: 90 %  (31 e : 90% (912  e : 25% (274  ribution of se ence : 80% (1 ence : 20% (3 determinatio minutes  or  ence  rate  fro nt with increa

F on 

ementation  e DSS would 

y  to  build  th require  cost the Bappena rdware and  ementation P by  classifyin ults:  nd σ LF‐time[s<4] σ LF‐time[s>=4] = 2 alues obtain ce with the f 80 heats from heats from 1 ats from 109 equence cast 712 heats)  79 heats)  on of 60% is F‐time[s<4]. The  o 3.15. With or an increa SSP2 yield by c values obta enalty of ene 15 heats from heats from 1 heats from 1 equence cast 1201 heats)  300 heats)  on of 75% is μLF‐time[s<4]  pl

om  the  prev asing of 0.81 igure 14. LF‐ti is  planned  in be applied u he  solution.  t  of  IDR  1,80 as. Given the system com Plan   ng  LF‐time  d = 38 min,  29 min  ed with the  following com m 350 heats) 1013 heats) 95 heats)  ting,  s obtained fr result obtain h interpolatio se of 0.52%  y 0.46% or co ained with th ergy in accor m 350 heats) 1013 heats) 1095 heats) ting,  s obtained fr us  σ LF‐time[s<4 vious  2.92  to 1% in SSP yiel ime distributio n  7  months  using existing However,  in 04,612,500.  e DSS would  ponent.  data  into  2  g premise of 6 mposition:  )  rom the "bat ned with ass on data acco with energy ost reduction he premise o rdance with t )  rom the "bat 4].  The  result o  3.67  and  n ld or cost red on with ‘sequ with  schedu g systems w n  the  case  o Consultant  applied usin groups  of  se 60% of the ca tch number" umption I is  rding to figu y penalty 5.2 n of $ 2.37 pe of 75% of the the following tch number" t  obtained  w no  power  or 

duction of $ 4 ence < 4’   uled  Go‐Live ith internal r of  application rate  used  in ng existing sy equence  rat asting seque " in LF with a an increase  re xxx, the r 0 kwh/ton. T er ton of pro e casting sequ g compositio " in LF with a with  assump   electricity  p 4.80 per ton  

  at  the  end  resources, so n  developm n  the  prepar ystems, then e  ("<4"  and ence below 4 a processing of sequence esult is yield This result is oduct.   uence below on:   a processing ption  II  is  an penalty.  This  of product.

of  the  sixth o there is no ent  by  third ration  of  the n the budget d  4  g  e  d  s  w  g  n  s  h  o  d  e  t 

Putra and Basri  /  The Indonesian Journal of Business Administration, Vol.2, No.14, 2013:1779‐1790  H. Recommendation 

As mentioned, the process parameters were recorded in several stages showed a fairly wide variation.  These  issues  in  some  cases  will  provide  its  own  difficulties  to  the  scheduling  algorithm,  and  quite  possibly  scheduling  cannot  find  a  feasible  solution.  Therefore,  to  obtain  optimum  results  some  operating practices that correlated with process time must be improved so that solutions offered will  be maximized. Solutions offered can be further developed to obtain better results by applying a more  comprehensive  scheduling  algorithms  were  consider  energy  constraints  in  EAF.  So  that  energy  consumption can be reduced as low as possible. DSS would have a vital role in the future in line with  the use of hot metal from the Blast Furnace to EAF, since arrival of hot metal as a partial substitution  of raw materials would occur periodically in a certain time interval. Hence the concept of pull systems  needs attention, to improve throughput as well as lower the costs (Heizer & Render, 2011, p. 656).  References  Accenture. (2012). Three Steps for Sustainable Cost Reduction.   AGI ‐ Goldratt Institute. (2009). The Theory of Constraints and its Thinking Processes. Connecticut:  AGI ‐ Goldratt Institute.  Association, W. S. (n.d.). Steel Statistical Yearbook archive. Retrieved from  http://www.worldsteel.org  Committe on Economic Studies. (2011). Steel Statistical Yearbook 2011. Brussels: World Steel  Association (worldsteel).  Committee on Economic Studies, IISI. (2001). Steel Statistical Yearbook 2001. Brussels: International  Iron and Steel Institute.  Edwin Basson. (2012). Global economic outlook and steel demand trends. Barclay's Capital Global  Resources Conference. World Steel Association.  Ernst & Young. (2010). Global Steel ‐ 2010 Trends, 2011 Outlook.   Ernst & Young. (2011). Global Steel ‐ 2011 Trends, 2012 Outlook.   Ernst & Young. (2013). Global Steel 2013.   Frederick S, H., & Lieberman, G. J. (2001). Introduction To Operation Research. McGraw‐Hill.  Heizer, J., & Render, B. (2011). Operations Management, tenth edition. Pearson.  Horch, A. (2010). Production Optimization: Handling Complexity. ABB Corporate Research Germany.  Jacobs, F. R., & Chase, R. B. (2011). Operations And Supply Chain Management (Thirteenth Edition).  McGraw‐Hill.  McKay, K. N., & Wiers, V. C. (2006). The Human Factor in Planning And Scheduling. In J. W. Herrmann,  Handbook of Production Scheduling (pp. 23‐57). Springer.  Ouelhadj, D., & Petrovic, S. (2009). A survey of dynamic scheduling in manufacturing systems. Journal  of Scheduling 12 , 417–431.  Simchi‐Levi, K. S.‐L. (2008). Designing and Managing the Supply Chain: Consepts, Strategies and Case  Studies (Third Edition). McGraw‐Hill.