Hasil Pencarian  ::  Simpan CSV :: Kembali

"1. Pada masa kini kegiatan perusahaan distribusi yang dilakukan oleh perusahaan besar dan perusahaan kecil semakin tumbuh dan berkembang. Hal ini dapat dilihat dari sumbangan sektor pedagang besar dan eceran kepada produk domestik brute yang menunjukkan trend kenaikan yang cukup pesat. Pada tahun 1980 sampai dengan 1990 sumbangan sektor pedagang besar dan kecil ini sekitar 13 s/d 16 persen dari total Produk Domestik Bruto Indonesia.2. Diperkirakan dimasa mendatang persaingan diantara sesama perusahaan distribusi akan semakin ketat. Hal ini merupakan tantangan berat yang harus dihadapi oleh kegiatan usaha yang bergerak dibidang ini.3. Dalam menghadapi persaingan yang ketat, suatu perusahaan distribusi sebagai perusahaan pemasar produk dituntut untuk meningkatkan produktivitas assetnya. Hal ini dapat ditanggulangi melalui manajemen persediaan dan piutang serta improvisasi dalam keputusan stratejik seperti dalam hal penentuan target market, assortimen produk, harga, lokasi cabang dan sebagainya. Selain dari itu keberhasilan perusahaan distribusi sebenarnya tergantung pada kemampuannya membina jaringan kerja. Suatu jaringan kerja perusahaan distribusi yang berupa cabang, berfungsi sebagai penyalur dari produk yang dijual, penghasil pendapatan perusahaan atau sebagai strategic business Unit (SBU) bagi perusahaan distribusi.4. Permasalahan yang penting bagi strategi pengembangan SBU pada perusahaan distribusi, adalah :(a). Bagaimana mengevaluasi secara tepat tentang posisi bisnis ( Business Positioning ) tiap-tiap SBU pada perusahaan distribusi.(b). Bagaimana memilih arah yang tepat pada tiap-tiap SBU, dengan melihat faktor kondisi intern dan kondisi ekstern di wilayahnya.5. Model Portfolio General Electric dapat dijelaskan dengan mempergunakan matrik 2 sumbu, masing-masing sumbu untuk faktor internal perusahaan dan sumbu untuk faktor eksternal. Pada tiap-tiap sumbu terdiri dari beberapa unsur variabel yang diperhitungkan. Tiap-tiap sumbu terbagi dalam 3 kolom terdiri dari rendab, sedang dan tinggi, sebingga matrik terbagi dalam 9 cell. Untuk tiap-tiap portfolio dibitung pada masing-masing sumbunya, kemudian diletakan dikwadrannya ( dalam cell ). Bertitik tolak pada posisi portfolio dalam cellnya dapat diambil berbagai alternatif arab pengembangan portfolio tersebut.6. Konsep analisa portfolio General Electric, dapat dijadikan acuan dalam melibat " business positioning cabang dengan melakukan beberapa modifikasi pada faktor-faktor yang dinilai sesuai dengan kegiatan usaba perdagangan. Penetapan faktor yang dinilai, penentuan bobot faktor serta pemberian rating dapat disesuaikan dengan kebutuban melalui pertimbangan perseorangan ( personal judgement ).7. Dari hasil perbitungan yang mempergunakan konsep General electric. Evaluasi terhadap 29 cabang perusabaan P.T.Dharma Niaga . Dengan mempergunakan 8 faktor untuk faktor internal dan 7 faktor untuk faktor eksternal diperoleh posisi bisnis masing- masing cabang dan alternatif penetapan arab pengembangannya, sebagai berikut :(a). Sebuah cabang , dalam kondisi yang Rendah , pada faktor internnya, namun kondisi ekternalnya masih dalam kondisi tinggi . Dalam kondisi demikian arah pengembangan sebaiknya lebih memperhatikan kekuransa.n dala.m aspek kondisi intern cabang yang bersifat controlable. Selain itu perlu memanfaatkan peluang yang ada secara selektif sejalan dengan kekuatan yang ada di cabang.(b). Untuk kondisi intern yang sedans namun mempunyai daya tarik pasar yang tinggi, terdapat 9 cabang. Dalam kondisi yang demikian cabang dapat diharapkan untuk dapat tumbuh, namun dalam pemilihan kegiatan usahanya harus secara selektif sesuai dengan kekuatan yang dipunyai cabang.(c). Pada kondisi kekuatan internal yang tinggi dan kondisi eksternal yang tinggi terdapat 6 cabang. Dalam kondisi ini manajemen dapat mengharapkan suatu hasil yang lebih. baik untuk meningkatkan pertumbuhan cabang melalui investasi tambahan. Cabang dalam kondisi ini umumnya dapat diharapkan sebagai cabans andalan perusahaan dalam hal perolehan pendapatan.(d). Dalam kondisi internal yang rendah dan kondisi eksternal yang sedans terdapat 2 cabang. Cabans dalam kondisi ini sulit diharapkan akan dapat tumbuh baik. Manajemen diharapkan dapat menemukan peluang-peluang baru, disampins membina berbagai kekurangan faktor internalnya. Untuk itu apabila kondisi cabang yang bersanskutan sudah begitu sulit diperbaiki, sebaiknya manajemen hila perlu meng hentikan kegiatannya (melikuidasi).(e). Cabang dalam kondisi internal sedang dan kondisi eksternal sedang terdapat 10 cabang. Dalam kondisi ini manajemen perlu lebih selektif dalam berbagai kegiatan yang dilakukan cabang, terutama dalam hal pengembangan kegiatan-kegiatan baru. Manajemen sebaiknya bersifat memelihara kegiatan yang sudah ada saja.(f). Sebuah cabang pada posisi internal yang tinggi dan kondisi eksternal yang sedang. Untuk itu dengan kekuatan internal yang tinggi sebaiknya dimanfaatkan semaksimal mungkin dengan mengadakan diversifikasi kegiatan yang membutuhkan investasi tambahan.8. Dari berbagai kondisi ( business positioning ) cabang, - pada umumnya faktor Posisi eksternalnya masih cukup tinggi 16 cabang ( 55% ) dan sedang 13 cabang (45%). Namun hanya faktor internalnya saja yang begitu variatif dari tinggi 7 cabang (24,1 %), sedang 19 cabang (65,6 %) dan rendah 3 cabang (10,3 %). Hal ini menujukkan bahwa masih terbuka peluang usaha yang cukup baik bagi P.T. Dharma Niaga untuk memperluas/memperbesar kegiatannya. Namun pada beberapa cabang dirasa masih memerlukan pembinaaan yang intensif untuk meraih peluang usaha yang masih terbuka."

"zooplankton terdiri dari berbagai jenis lrava dan bentuk dewasa yang mewakili hampir seluruh filum hewan,mulai dari filum Protozoa (hewan bersel tunggal) sampai ke filum Chordata (hewan bertulang belakang)

---

..."

"Upaya kesehatan perlu dilakukan oleh seorang apoteker sebagai tenaga kesehatan dalam rangka mewujudkan derajat kesehatan masyarakat setinggi-tingginya. Salah satu pekerjaan kefarmasian yang dapat dilaksanakan oleh apoteker adalah penyaluran atau pendistribusian sediaan farmasi di fasilitas distribusi. Fasilitas distribusi yang digunakan sebagai sarana pendistribusian sediaan farmasi adalah Pedagang Besar Farmasi (PBF). Dalam pelaksanaan seluruh kegiatannya, PBF dan PBF Cabang wajib menerapkan Cara Distribusi Obat yang Baik (CDOB), yang mana CDOB ini menjadi standar kefarmasian pada sarana distribusi yang ditetapkan oleh Menteri. Apoteker di Pedagang Besar Farmasi (PBF) harus memahami penerapan CDOB yang merujuk pada Peraturan Badan Pengawasan Obat dan Makanan (BPOM) Nomor 6 Tahun 2020, dimana pada tugas khusus ini menganalisis terkait implementasi BAB X, XI, dan XII. Tujuan dari tugas khusus ini yaitu mengamati dan menganalisa terkait penerapan dan implementasi PerBPOM No. 6 Tahun 2020 tentang Cara Distribusi Obat yang Baik (CDOB) terkait penanganan bahan obat, produk rantai dingin (cold chain product), serta narkotika, psikotropika, dan prekursor farmasi di KFTD Cabang Jakarta 2. Metode yang digunakan dalam pengerjaan tugas khusus ini adalah dengan menggunakan studi literatur dan observasi. Hasil diperoleh bahwa proses distribusi obat yang dilaksanakan di KFTD Cabang Jakarta 2, terkait dengan penanganan bahan obat, produk rantai dingin (cold chain product), serta narkotika, psikotropika, dan prekursor farmasi telah berpedoman pada CDOB yang diatur dalam Peraturan BPOM No. 6 Tahun 2020.

---

Health efforts need to be carried out by a pharmacist as a health worker in order to realize the highest degree of public health. One of the pharmaceutical jobs that can be carried out by pharmacist is the distribution or distribution on pharmaceutical dosage form in distribution facilities. The distribution facility used as a means of distributing pharmaceutical dosage form is the Pharmaceutical Wholesaler (PBF). In carrying out all its activities, PBF and PBF branches are required to apply CDOB, where this CDOB becomes a pharmaceutical standard in distribution facilities determined by the Minister. Pharmacists at PBF need to understand the application of CDOB which refers to the Regulation of the PerBPOM No. 6 Tahun 2020, where on this task analyses the implementation of X, XI, and XII chapters. The aim of this task is to observe and analyze related to the implementation and implementation of PerBPOM No. 6 Tahun 2020 concerning CDOB related to handling drug ingredients, cold chain product, as well as narcotics, psychotropics, and pharmaceutical precursors at KFTD Jakarta 2. The method used in working on this task is to use literature studies an dobservation. The results obtained that the drug distribution process carried out at KFTD Jakarta 2, related to the handling of grug ingredients, cold chain products, as well as narcotics, psychotropics, and pharmaceutical precursors has been guided by CDOB regulated in PerBPOM Nomor 6 Tahun 2020."

"ABSTRAKTelah dilakukan penelitian distribusi temporal Cyanophyta di Danau Lido Cigombong, Sukabumi, Jawa Barat pada bulan April--Mei 1994. Penelitian bersifat deskriptif analitik dengan tujuan mengetahui genusgenus, kepadatan, frekuensi kehadiran, serta pola distribusi temporal Cyanophyta di Danau Lido. Pengambilan sainpel djlakukan secara horizontal sepanjang 5 m dengan interval waktu 6 jam, yaitu pukul 06.00, 12.00, 18.00, dan 24.00 masing-masing pada arah utara, selatan, barat, dan timur yang saling tegak lurus pada satu stasiun penelitian dan diukur pula parameter lingkungan. Dari hasil penelitian diperoleh 3 genus Cyanophyta, yaitu 2 genus dari ordo Osoillatoriales dan 1 genus dan ordo Chroocoecales. Kepadatan genus tertinggi yaitu pada pukul 24.00 (Lyngbya 64 koloni/l; Microcystis 66 koloni/l; Oscillatoria 90 koloni/l), sedangkan kepadatan terendah pada pukul 12.00 (Lyngbya 15 koloni/l; Microcystis tidak ada; Oscillatoria 33 koloni/l). Frekuensi kehadiran Cyanophyta tinggi pada pukul 06.00, 18.00, dan 24.00 sedangkan frekuensi kehadiran rendah pada pukul 12.00. Distribusi Cyanophyta di Danau Lido menunjukkan pola acak dan merumpun. Dari hasil penelitian dapat disimpulkan bahwa Danau Lido kurang baik untuk pertumbuhan Cyanophyta secara optimal."

"Satu parameter distribusi Lindley (𝜃) telah banyak digunakan di berbagai bidang seperti Biologi, teknik, medis, dan industri. Distribusi Lindley mampu memodelkan data dengan tingkat bahaya monoton yang meningkat. Namun, dalam kehidupan nyata, ada situasi di mana tingkat bahaya bukan monoton. Oleh karena itu, untuk meningkatkan kemampuan distribusi Lindley untuk pemodelan data, suatu modifikasi dapat digunakan dengan menggunakan metode transformasi Alpha Power. Hasil dari modifikasi distribusi Lindley biasa disebut distribusi Alpha Power Transformed Lindley (APTL) yang memiliki dua parameter (𝛼, 𝜃). Distribusi APTL baru ini sesuai dalam memodelkan data dengan bentuk pdf menurun atau unimodal dan meningkatkan, mengurangi, dan bak terbalik berbentuk tingkat bahaya. Berbagai sifat dari distribusi yang diusulkan dibahas termasuk kepadatan probabilitas fungsi, fungsi distribusi kumulatif, fungsi survival, fungsi tingkat bahaya, fungsi momen, dan momen r.Parameter model diperoleh dengan menggunakan metode kemungkinan maksimum. Data waktu tunggu digunakan "sebagai ilustrasi untuk menggambarkan kegunaan distribusi APTL"Satu parameter distribusi Lindley (𝜃) telah banyak digunakan di berbagai bidang seperti Biologi, teknik, medis, dan industri. Distribusi Lindley mampu memodelkan data dengan tingkat bahaya monoton yang meningkat. Namun, dalam kehidupan nyata, ada situasi di mana tingkat bahaya bukan monoton. Oleh karena itu, untuk meningkatkan kemampuan distribusi Lindley untuk pemodelan data, suatu modifikasi dapat digunakan dengan menggunakan metode transformasi Alpha Power. Hasil dari modifikasi distribusi Lindley biasa disebut distribusi Alpha Power Transformed Lindley (APTL) yang memiliki dua parameter (𝛼, 𝜃). Distribusi APTL baru ini sesuai dalam memodelkan data dengan bentuk pdf menurun atau unimodal dan meningkatkan, mengurangi, dan bak terbalik berbentuk tingkat bahaya. Berbagai sifat dari distribusi yang diusulkan dibahas termasuk kepadatan probabilitas fungsi, fungsi distribusi kumulatif, fungsi survival, fungsi tingkat bahaya, fungsi momen, dan momen r.Parameter model diperoleh dengan menggunakan metode kemungkinan maksimum. Data waktu tunggu digunakan " sebagai ilustrasi untuk menggambarkan kegunaan distribusi APTL. Satu parameter distribusi Lindley (𝜃) telah banyak digunakan di berbagai bidang seperti Biologi, teknik, medis, dan industri. Distribusi Lindley mampu memodelkan data dengan tingkat bahaya monoton yang meningkat. Namun, dalam kehidupan nyata, ada situasi di mana tingkat bahaya bukan monoton. Oleh karena itu, untuk meningkatkan kemampuan distribusi Lindley untuk pemodelan data, suatu modifikasi dapat digunakan dengan menggunakan metode transformasi Alpha Power. Hasil dari modifikasi distribusi Lindley biasa disebut distribusi Alpha Power Transformed Lindley (APTL) yang memiliki dua parameter (𝛼, 𝜃). Distribusi APTL baru ini sesuai dalam memodelkan data dengan bentuk pdf menurun atau unimodal dan meningkatkan, mengurangi, dan bak terbalik berbentuk tingkat bahaya. Berbagai sifat dari distribusi yang diusulkan dibahas termasuk kepadatan probabilitas fungsi, fungsi distribusi kumulatif, fungsi survival, fungsi tingkat bahaya, fungsi momen, dan momen r.Parameter model diperoleh dengan menggunakan metode kemungkinan maksimum. Data waktu tunggu digunakan sebagai ilustrasi untuk menggambarkan kegunaan distribusi APTL.

---

One Lindley distribution parameter (𝜃) has been widely used in fields such as Biology, engineering, medical, and industry. The Lindley distribution is able to model data with an increased level of monotonous danger. However, in real life, there are situations where the level of danger Therefore, to improve Lindleys distribution capabilities for data modeling, a modification can be used using the Alpha Power transformation method. The results of the Lindley distribution modification are commonly called the Alpha Power Transformed Lindley distribution (APTL) which has two parameters (𝛼 , 𝜃) This new APTL distribution is suitable for modeling pdf data in a declining or unimodal form and increasing, reducing, and inverted body in the form of hazard level.The various properties of the proposed distribution are discussed including probability density functions, cumulative distribution functions, survival functions, functions danger level, moment function, and moment r. Parameter model is obtained uh using the maximum likelihood method. Wait time data is used as an illustration to illustrate the usefulness of the APTL distribution. One Lindley distribution parameter (𝜃) has been widely used in fields such as Biology, engineering, medical, and industry. Distribution Lindley is capable modeling data with an increased level of monotonous danger. However, in real life, there are situations where the level of danger is not monotonous. Therefore, to improve Lindleys distribution capabilities for data modeling, a modification can be used using the Alpha Power transformation method. The result of the modification of the Lindley distribution is called the Alpha Power Transformed Lindley (APTL) distribution which has two parameters (𝛼, 𝜃). This new APTL distribution is suitable in modeling data in pdf format in a declining or unimodal form and increasing, reducing, and inverted like a hazard level. Various properties of the proposed distribution are discussed including the probability density function, cumulative distribution function, survival function, hazard level function, moment function, and moment r. Parameter models are obtained using the maximum likelihood method. The waiting time data is used as an illustration to illustrate the usefulness of the APTL distribution. One Lindley distribution parameter (𝜃) has been widely used in fields such as Biology, engineering, medical, and industry. The Lindley distribution is able to model data with an increased level of monotonous danger. However, in real life, there are situations where the level of danger is not monotonous. Therefore, to improve Lindleys distribution capabilities for data modeling, a modification can be used using the Alpha Power transformation method. The result of the modification of the Lindley distribution is called the Alpha Power Transformed Lindley (APTL) distribution which has two parameters (𝛼, 𝜃). This new APTL distribution is suitable in modeling data in pdf format in a declining or unimodal form and increasing, reducing, and inverted like a hazard level. Various properties of the proposed distribution are discussed including the probability density function, cumulative distribution function, survival function, hazard level function, moment function, and moment r. Parameter models are obtained using the maximum likelihood method. Wait time data is used as an illustration to illustrate the usefulness of the APTL distribution. "

"Distribusi Generalized Exponential diperkenalkan oleh Rameshwar D. Gupta dan Debasis Kundu pada tahun 2007. Distribusi Generalized Exponential tersebut merupakan hasil transformasi generalized dari distribusi Exponential. Skripsi ini menjelaskan distribusi Generalized Exponential Marshall Olkin yang merupakan hasil dari perluasan distribusi Generalized Exponential menggunakan metode Marshall Olkin. Distribusi Generalized Exponential Marshall Olkin lebih fleksibel dari distribusi sebelumnya terutama pada fungsi hazardnya yang memiliki berbagai bentuk, baik monoton (naik atau turun) maupun non monoton (bathub atau upside down bathup) sehingga dapat memodelkan data survival dengan lebih baik. Sifat fleksibelitas ini disebabkan karena penambahan parameter baru ke dalam distribusi Generalized Exponential. Selanjutnya dijelaskan beberapa karakteristik dari distribusi Generalized Exponential Marshall Olkin antara lain fungsi kepadatan peluang (fkp), fungsi distribusi kumulatif, fungsi survival, fungsi hazard, momen ke-n, mean, dan variansi. Penaksiran parameter dilakukan dengan metode maximum likelihood. Pada bagian aplikasi ditunjukkan data survival yang berasal dari data Aarset (1987) berdistribusi Generalized Exponential Marshall Olkin. Selanjutnya distribusi Generalized Exponential Marshall Olkin dibandingkan dengan distribusi Alpha Power Weibull untuk mencari distribusi mana yang lebih cocok dalam memodelkan data Aarset (1987). Dengan menggunakan AIC dan BIC distribusi Generalized Exponential Marshall Olkin lebih cocok dalam memodelkan data Aarset (1987).

---

Generalized Exponential distribution was introduced by Rameshwar D. Gupta and Debasis Kundu in 2007. Generalized Exponential distribution was generated by generalized transformation of the Exponential distribution. This thesis explained the Generalized Exponential Marshall-Olkin distribution which is the result of the expansion of the Generalized Exponential distribution using the Marshall-Olkin method. The Generalized Exponential Marshall Olkin distribution has a more flexible form than the previous distribution, especially in its hazard function which has various forms that it can represent survival data better. The flexibility characteristic is due to the addition of new parameters to the Generalized Exponential distribution. Futhermore, some characteristics of the Generalized Exponential Marshall Olkin distribution was explained such as, the probability density function (PDF), cumulative distribution function, survival function, hazard function, moment, mean, and variance. Parameter estimation was conducted by using the maximum likelihood method. In the application section was shown survival data from Aarset data (1987) which distributed Generalized Exponential Marshall-Olkin distribution. Futhermore, Generalized Exponential Marshall Olkin distribution was compared with Alpha Power Weibull distribution to decided the prominent distribution in modeling Aarset data (1987). Using AIC and BIC, Generalized Exponential Marshall Olkin distribution more suitable in modeling Aarset data (1987)."

"Masalah klasik yang sering dialami oleh manajemen sistem logistik adalah bagaimana menyeimbangkan antara tuntutan kepuasan pelanggan dan tuntutan perusahaan untuk menghemat biaya. Logistik adalah salah satu komponen perusahaan yang memberikan kontribusi pengeluaran terbesar. Bagian dari logistik yang paling berpengaruh terhadap penciptaan biaya ini adalah sistem transportasi. Selalu ada tank menarik kepentingan antara komponen-komponen sistem logistik dalam upaya penghematan biaya karena penghematan pada salah satu komponen seperti transportasi tidak seialu memberikan basil yang memuaskan. Sebab dalam suatu sistem logistik penurunan biaya di satu sisi dapat berarti peningkatan biaya di sisi lain. Tantangan bagi manajemen adalah mencari solusi yang seimbang antara sisi yang tank menarik ini agar pengehematan akhir yang dapat dicapai adalah optimal bukan suboptimal.Dalam memecahkan permasalahan sistem seperti sistem logistik yang saling tank menarik tersebut diperlukan suatu pendekatan sistemik dan sistematik. Pendekatan kualitatif yang mengandalkan pengetahuan dan intuisi belaka sering kali menghasilkan solusi parsial dan temporal. Hal ini disebabkan keterbatasan Cara berpikir manusia yang cenderung simtomatis dan linier. Pada kenyataannya permasalahan didunia nyata seperti permasalahan di sistem logistik bukanlah liner namun sering melibatkan hubungan kausalitas yang kompleks. Oleh karena itu guna mendapatkan keyakinan yang lebih tinggi dalam mengambil keputusan, manajemen juga membutuhkan pendekatan kuantitatif yang melibatkan pemodelan dan simulasi sistem. Satu dari beberapa pendekatan analisis berbasis pola pikir sistem adalah System Dynamics. Pendekatan ini memungkinkan manajemen mengidentifikasi hubungan kausalitas dalam sistem serta memodelkannya menggunakan piranti lunak tertentu seperti Powersim dan mengamali perilaku sistein melalui proses simulasi tahap demi tahap.Langkah awal dari upaya analisis sistem ke arah penghematan yang optimal dari suatu sistem logistik dapat dimulai dari analisis apakah sistem transportasi itu sendiri dapat ditingkatkan efisiensinya terutama jika gejala ke arah tersebut cukup kuat. Kasus dalam penelitian ini menunjukkan sistem transportasi perusahaan masih kurang efisien dengan utilisasi angkutan hanya sekitar 50% hingga 55%. Untuk memahami lebih dalam permasalahan ini maka dibuatlah sebuah model konseptual yang menggambarkan hubungan kausalitas antar komponen dan model simulasi sederhana yang kedua-duanya menggambarkan pola penggunaan sarana transportasi. Sebagai masukan untuk model simulasi tersebut digunakan data historis distribusi barang dari bulan Juni 2005 hingga Agustus 2005 serta sejumlah informasi terkait yang menggambarkan kondisi sistem sehari-hari di lapangan.Setelah melalui tahap pemodelan dan simulasi diperoleh basil yang menunjukkan bahwa faktor yang memiliki pengaruh terkuat terhadap tingkat efisiensi sistem transportasi adalah pola permintaan dari pelanggan. Sementara faktor internal yaitu konfigurasi armada truk walau juga memiliki pengaruh narnun tidak setinggi faktor permintaan. Dengan demikian upaya yang mungkin dilakukan perusahaan untuk meningkatkan efisiensi sistem transportasi adalah merangsang pelanggan untuk menyesuaikan pola permintaannya. Penerapannya dapat dilakukan dengan cara mendorong pelanggan untuk berbagi informasi stok dan penjualannya secara kontinyu dengan perusahaan. Sistem informasi yang terintegrasi berperan penting dalam hal ini.

---

The classical problem frequently faced by logistics managements is on how to make a good balance between delivering customer satisfaction and reducing costs. Logistics is generally considered as a component of a firm which gives the largest contribution to costs. Part of logistics which contributes most to these costs is transportation system. There is always conflicting interests among logistics components in their efforts in reducing costs, because cost reduction on one component such as transportation does not always give satisfying result. This happens because in logistics systems, cost reduction on one part of the systems could increase costs on others. It is a challenge for management to find balanced solutions for these conflicting parts so as to make the final results optimal but not suboptimal.

In solving problems like the one previously mentioned, logistics managements have to use systemic and systematic approach. Qualitative approaches which solely rely on knowledge and intuitions often give partial and temporary results. It comes from our limitation in the way we think which tends to be symptomatic and linear. In fact, problems in the real world such as problems in logistics systems are not linear but often involve causal relationships which are complex by nature. Therefore, in order to gain stronger confidence in decision making, logistics managements have also to use quantitative approach which involves systems modeling and simulations. One of a few analysis based on systems thinking is System Dynamics. Such analysis allows managements to identify causal relationships in systems and to model them using software such as Powersim, and finally to investigate systems behavior through simulation process, step by step.

The first step of systems analysis, which objective is to find an optimal cost reduction, is to analyze whether the efficiency of the transportation system itself could be increased, especially when the symptoms are sufficiently strong. The case of this research shows that the company transportation system is still inefficient. Trucks utilization is only between 50% and 55%. In order to understand the problems in hand better, a conceptual model, which depicts causal relationships between components, and a simple simulation model are made. Both show trucks utilization patterns. Historical products distribution data from June through August, 2005, and some related information which shows daily system activities are used as the simulation input.

After going through some modeling and simulation steps, the final result shows that the factor which gives the largest contribution to the transportation system's efficiency level is the customers demand. Meanwhile, the internal factor, which is trucks fleet configuration, though also has some influence, gives smallest contribution to the efficiency level. It can be concluded that the most promising move the company could exercise in its effort to improve its transportation system efficiency is to stimulate its customers to adjust their demand patterns. This can be done by stimulating the customers to share their stock and sales information with the company. Integrated information systems could play significant roles in this case."