REVIEW JURNAL INDUSTRI

Menghubungkan Manajemen Spare Parts dengan Jumlah Biaya

Kepemilikan: Sebuah Agenda Riset Masa Depan

Orlando Duran 1

, Irene Roda 2

, Marco Macchi 2

1 Escuela de Ingeniería Mecanica, Pontificia Universidad Católica de Valparaiso (Chile)

2 Dipartimento di Ingegneria Gestionale, Politecnico di Milano (Italia)

orlando.duran@pucv.cl , irene.roda@polimi.it , marco . macchi@polimi.it

Menerima: Juli 2016

Diterima: Oktober 2016

Abstraksi:

Tujuan: Naskah ini bertujuan untuk mengeksplorasi hubungan antara Manajemen Suku Cadang dan Total Biaya, Biaya kepemilikan atau Life Cycle (LCC).

Desain / metodologi / pendekatan: Pertama, pekerjaan ini menyebutkan manajerial yang berbeda keputusan pada beberapa kasus onderdil yang hadir selama siklus hidup dari aset fisik. Kedua, dilakukan pula analisis bagaimana contoh-contoh keputusan dapat mempengaruhi TCO aset fisik (dari sudut pandang ekonomi) yang pada akhirnya, kami mengusulkan kerangka kerja konseptual untuk menggabungkan onderdil menjadi model TCO.

Temuan: kekurangan literatur terbaru dan diskusi tentang integrasi onderdil dengan Total Biaya Kepemilikan (TCO). Berbasis di revisi literatur yang luas kita dapat menyatakan bahwa perhitungan biaya yang berkaitan dengan onderdil telah diabaikan oleh Model TCO.

Orisinalitas / nilai: Kontribusi dari makalah ini ada dua. Pertama, tinjauan pustaka dan

Identifikasi dari serangkaian kasus cadang keputusan bagian manajemen dan hubungannya dengan TCOs disajikan dalam makalah ini. Kedua, kerangka konseptual disarankan untuk menghubungkan mereka. Beberapa pertanyaan penelitian dan tantangan penelitian masa depan disajikan pada akhir pekerjaan ini.

Kata kunci: suku cadang, biaya total kepemilikan, siklus hidup, aset manajemen

1. Perkenalan

Total Biaya Biaya Kepemilikan (TCO) atau Biaya Life Cycle (LCC) sesuai dengan sistem manajerial yang berfokus pada pemodelan, kuantifikasi dan kontrol dari semua biaya yang hadir selama tahap desain aset fisik (sistem, garis atau komponen), tahap operasi atau eksploitasi yang berakhir dengan pembuangan aset. Serangkaian publikasi pada evaluasi total biaya kepemilikan aset industri dapat ditemukan dalam literatur sejak tahun 1970 (Kaufman, 1970; Ntuen, 1985; Taylor, 1981).

Dewasa ini, penelitian ilmiah tentang pentingnya TCO meningkat (Thiede, Spiering & Kohlitz, 2012). Namun demikian, beberapa kesenjangan masih bisa diidentifikasi, misalnya, sebagian besar model biaya siklus hidup yang ada saat ini menganggap tidak ada pendekatan yang sistematis dan fragmentaris (Xu, Elgh & Erkoyuncu, 2013). Selain itu, masih kurangnya model biaya yang memadai yang memperhitungkan hubungan antara sistem parameter kinerja, dan biaya yang terlibat, dan kompleksitas konfigurasi sistem aset (Chen, Zheng, Feng & Li, 2013). Akhirnya, perhitungan biaya yang berkaitan dengan onderdil diabaikan oleh model-model TCO.

Pada bagian berikutnya kita membahas dan mendiskusikan keputusan contoh utama dalam onderdil selama kehidupan siklus aset dan implikasinya dalam TCO. Kami mengusulkan kerangka kerja referensial yang dimaksudkan untuk menggambarkan hubungan antara manajemen suku cadang yang berbeda fase dari siklus hidup aset. Di sana kami melihat masalah dari perspektif berikut.Pertanyaan: "bagaimana semua keputusan yang diambil oleh manajer suku cadang dapat mempengaruhi TCO?". melalui tinjauan literatur yang luas dan pembangunan kerangka acuan yang diusulkan berasal pada pertanyaan penelitian. Pertanyaan-pertanyaan yang berkomentar di bagian akhir naskah ini.

2. Tinjauan Literatur

Total biaya kepemilikan merupakan perhatian utama selama siklus hidup aset fisik. Melalui adopsi model TCO, manajer akan meningkatkan keputusan mereka di seluruh siklus hidup aset. Menurut Hokstad (1998), untuk mendapatkan biaya siklus hidup total, diperlukannya menurunkan biaya istirahat total menjadi serangkaian elemen biaya. Mengidentifikasi unsur-unsur dan lingkup masing-masing, serta perlu ditentukan biaya mogok total. Roda dan Garetti (2015) mengusulkan penggunaan Biaya Struktur Breakdown untuk mendukung penilaian TCO. Dalam makalah ini kami menyarankan tiga dimensi: kategori biaya, tingkat indenture rendah produk dan waktu dalam siklus hidup ketika pekerjaan / kegiatan akan dilakukan. Demi relevansi, kami akan berkonsentrasi pada dimensi ketiga.

Fase siklus hidup juga akan diperhitungkan sebagai kategori biaya yang akan membedakan antara:

• biaya investasi (sebelum memulai operasi) dan

• pemeliharaan / operasi, dan biaya "risiko" yang terjadi secara teratur selama operasi.

Seperti yang akan kita bahas nanti dalam pekerjaan ini, perilaku biaya onderdil sangat tergantung pada fase fase siklus hidup di mana biaya kepemilikan yang sedang diukur. Satu di beberapa karya yang disajikan oleh Carpentieri dan Papariello (2006), menggabungkan aspek suku cadang biaya menjadi model LCC.

Dalam tulisan itu, penulis memperhitungkan biaya pemeliharaan untuk dua kebijakan pemeliharaan yang berbeda, yaitu preventif dan korektif. Model ini memungkinkan juga numerik perhitungan suku cadang yang setiap tahunnya diperlukan, biaya, dan waktu untuk pemeliharaan dan penggantian. Jun dan Kim (2007) menggabungkan dengan lebih rinci aspek suku cadang menjadi siklus hidup model untuk kendaraan kereta api. Mereka menyoroti bahwa strategi dioptimalkan dalam pengelolaan cadangan bisa mengurangi biaya operasional. Carpintieri, Guglielmini dan Mangione (2007) menyajikan LCC yang disederhanakan, dengan model yang mengintegrasikan beberapa aspek onderdil. Yaitu, pekerjaan yang mengusulkan penggunaan model simulasi dimana perilaku permintaan dapat diekstraksi dan digunakan sebagai masukan untuk TCO sebuah model. Namun, hal itu tidak mempertimbangkan efek bahwa kebijakan persediaan yang beragam dapat menyebabkan keberagaman TCOs. Carpientieri dan Papariello (2006) memasukkan semacam aspek manajemen suku cadang ke model LCC, dan kemudian memperhitungkan biaya pemeliharaan untuk model. Jun dan Kim (2007) menambahkan lebih rincian yang berkaitan dengan onderdil menjadi model LCC sistem kereta api. Beberapa karya terakhir telah dikhususkan untuk model perubahan tingkat kegagalan untuk mempertimbangkan semua tahapan yang berbeda sepanjang waktu kehidupan aset siklus (Mahmoud & Farouq-Mohammed, 2010; Tian, Tian & Zhu, 2014).

Setelah revisi sastra, kita bisa memastikan bahwa ada sedikit pekerjaan yang dilakukan mengenai integrasi suku cadang biaya dalam siklus hidup atau biaya kepemilikan model, menjadi sebagian besar terkait dengan kasus aplikasi tertentu atau dalam situasi tertentu. Oleh karena itu, ada kebutuhan dari lebih banyak pekerjaan dan pembangunan untuk memecahkan sejumlah pertanyaan yang belum terjawab dan pengembangan model global yang memberikan kontribusi dalam perhitungan yang lebih akurat dari TCO.

3. Contoh Keputusan Manajemen Suku Cadang

Berikut ini, kita membahas secara singkat beberapa keputusan yang diusulkan oleh Roda dan Garetti (2014) sesuai perspektif pengguna / sebagai salah satu operator, dan mengidentifikasi setiap contoh keputusan yang terkait dengan fase siklus kehidupan.

Salah satu keputusan yang paling penting yang terkait dengan rantai bagian pasokan spare adalah pemilihan supplier dan penyediaan awal. Seleksi yang terkait yaitu segala hal yang berhubungan dengan serangkaian logistik, operasional dan keadaan ekonomi. Terutama aspek logistik, ruang yang tersedia, lokasi peralatan, dll, dapat mempengaruhi biaya sepanjang siklus hidup aset '. Pan (2015) mengusulkan sebuah model pemrograman matematis pemilihan vendor untuk pengadaan bersama dari biaya total perspektif kepemilikan. Inisial penyediaan suku cadang pada saat instalasi peralatan harus didasarkan pada analisis kekritisan sebelumnya, pemetaan kebutuhan pemeliharaan dan suku cadang konsumsi. Pemetaan yang dilakukan harus didasarkan pada literatur teknis tentang peralatan dan satu set keputusan kualitatif yang mengambil dan memperhitungkan rekomendasi produsen, pengalaman sendiri atau dari pengguna peralatan lain. Yang dan Du (2004) memberikan metode evaluasi untuk memfasilitasi penyediaan awal dari suku cadang kritis yang memiliki dampak signifikan terhadap ketersediaan operasional dan biaya siklus hidup total yang diusulkan. Lendermann, Thirunavukkarasu, Low dan McGinnis (2012) menerapkan optimasi berbasis simulasi untuk multi-lokasi masalah persediaan dan menunjukkan bagaimana total biaya layanan siklus hidup dapat dikurangi tanpa meningkatkan risiko segera dari tahap Provisioning awal dengan menempatkan ke dalam praktek yang tepat untuk kebijakan logistik.

Berdasarkan sudut pandang ekonomi, para pengambil keputusan harus melihat pada sisi penghematan dan pembatasan anggaran untuk berinvestasi di layanan. Akhirnya, aspek operasional memiliki hubungan dengan kondisi penggunaan peralatan yang akan dihadapi selama siklus hidupnya. Kondisi operasional, di samping strategi pemeliharaan, menyebabkan pengaruh dan dampak terhadap ketersediaan peralatan dan kehandalan. Oleh karena itu, mereka para operasional parameter memberikan pengaruh penting pada waktu konsumsi suku cadang bersama. Di sisi lain, tingkat stok menyebabkan pengaruh ke dalam pemeliharaan dari aset, karena, dari jumlah cukup yang diberikan komponen dalam saham dapat menyebabkan keterlambatan dalam waktu kembalinya aset untuk operasi. Perlu dikatakan bahwa sebuah level stok suku cadang yang berlebihan menimbulkan biaya saham. Pembaca harus mengamati Gambar 1, di mana perbandingan dibuat antara dua skenario yang berbeda. Dalam Gambar 1a, adalah dibuat sebuah penyediaan awal, dan pada Gambar 1b, tidak ada suku cadang yang dibeli pada awal fase operasional. ini jelas bahwa kedua skenario menghasilkan efek yang berbeda di Present Value dari arus kas.

Gambar 1. Efek dari Provisioning awal di Arus Kas

Serupa dengan keputusan penyediaan awal, tingkat konsumsi suku cadang selama tahap operasi tergantung pada strategi pemeliharaan dan, tentu saja, kondisi operasional. Kebutuhan suku cadang tergantung pada keandalan peralatan dan pemeliharaan. Selain itu, karakteristik lingkungan asset yang sedang dioperasikan (misalnya suhu, kelembaban, dan keterampilan pengguna / operator dan kemampuan) (Ghodrati, Akersten & Kumar, 2007).

Karakteristik tersebut memiliki pengaruh yang signifikan terhadap keandalan sistem dan, akibatnya, pada jumlah suku cadang yang dibutuhkan. Selain itu, salah satu harus mempertimbangkan apakah strategi yang ditetapkan penggantian pencegahan atau hanya koreksi.Selain itu, strategi perbaikan atau mengganti memiliki peran penting dalam tingkat konsumsi suku cadang. Aspek lain yang harus diperhitungkan adalah kemungkinan kerusakan pada suku cadang. Mekanisme kerusakan diperparah ketika kondisi fisik yang tidak tepat untuk menjamin ketersediaan dan tingkat layanan dari gudang. Situasi yang dapat mempengaruhi keandalan secara langsung yang didukung peralatan atau sistem. Van Volkenburg, Montgomery, Banjevic dan Jardine (2014) mengembangkan sebuah model yang membahas efek suku cadang kehidupan rak pada optimalisasi pemilihan suku cadang. Ketika peralatan tersebut dijual, serangkaian situasi bisa terjadi, seperti: pembaharuan dari peralatan, pembelian peralatan serupa atau penghapusan total instalasi. Berdasarkan kombinasi dengan skenario ini, ada kemungkinan berbeda dalam kaitannya dengan keberadaan tersisa suku cadang saham. Artinya, bagaimana tingkat stok dari masing-masing suku cadang? Tergantung pada Jawaban dari pertanyaan itu, biaya akan berbeda dan akan mempengaruhi dalam arah yang berbeda LCC tersebut. Itu adalah,

jika ada kemungkinan kliring sisa saham, tingkat tertentu dari pendapatan akan diperoleh (Gambar 2a). Jika tidak, mungkin organisasi akan diwajibkan untuk mengeluarkan uang tambahan untuk menghapus "Mati saham" dari perusahaan (Gambar 2b).

Gambar 2. (a) arus kas dengan pembuangan akhir dan penjualan saham yang tersisa. (b) Arus kas dengan pembuangan akhir dengan pengeluaran tambahan yang terkait dengan penarikan stok yang tersisa

Salah satu perhatian utama dalam manajemen suku cadang adalah definisi kebijakan persediaan yang tepat. Menurut Roda, Macchi, Fumagalli dan Viveros (2014) klasifikasi suku cadang sangat penting untuk melakukan pilihan yang efektif tentang kebijakan persediaan dalam manajemen suku cadang dan mendefinisikan tepat parameter yang terkait dengan kebijakan yang dipilih dan diperlukan. Oleh karena itu, memiliki skema klasifikasi yang terstruktur dan benar sangat penting. Sementara untuk menerapkan kebijakan manajemen stok dan mendefinisikan parameter terkait, perusahaan perlu memilih model persediaan. Sastra adalah produktif dalam model untuk pengendalian persediaan; daftar hadiah berikut paling digunakan atau majorly dikutip model (Macchi, Fumagalli, Pinto & Cavalieri, 2011; Cavalieri, Garetti, Macchi & Pinto, 2008).

• Ulasan Model berkelanjutan (Q, r), yang beroperasi dengan titik pemesanan tetap, r, tetap kuantitas pemesanan ulang, Q;

• berkelanjutan Ulasan (s, S), dengan titik pemesanan tetap (s) dan ketertiban-up-to tingkat (S);

• Periodic review (T, R), dengan interval waktu pemesanan tetap, T, dan ketertiban-up-to tingkat (R);

• Ulasan berkelanjutan dan ketertiban-up-to tingkat (S) dalam mode 1f1 pengisian, disebut (S-1, S).

Hal ini sangat jelas bahwa salah satu kebijakan tersebut menghasilkan dampak yang berbeda. Tunai perusahaan mengalir dan, akibatnya, biaya kepemilikan (mempertimbangkan nilai uang dalam waktu). Bahkan, jika mereka digabungkan dengan kebijakan perawatan yang berbeda efek yang diamati akan lebih kompleks. Amati situasi yang ditunjukkan pada Gambar 3a. Dalam skenario bahwa kebijakan pemeliharaan secara preventif. Pemeliharaan (PM) pada tanggal konstan tersebut akan mengubah posisi saham yang dibuat sesuai dengan ulasan berkelanjutan Model (Q, r). Mari kita bandingkan dengan skenario yang ditunjukkan pada Gambar 3b, yang mana strategi pemeliharaan Preventif dengan usia konstan dikombinasikan dengan model persediaan yang sama. Pembaca dapat mengamati bahwa kedua skenario dapat menyebabkan efek ekonomi yang berbeda. Dari sudut pandang TCO, hubungan ini penting dan ada kebutuhan untuk membangun metodologi yang memungkinkan kuantifikasi dan evaluasi skenario yang berbeda untuk mengukur dampak dari kebijakan persediaan menjadi biaya kepemilikan. Tidak ada bukti dalam literatur penelitian tentang pengaruh model persediaan yang berbeda dikombinasikan dengan kebijakan pemeliharaan yang berbeda menghasilkan total biaya kepemilikan.

Di sisi lain, setelah Kebijakan manajemen suku cadang dipilih dan dimasukkan ke dalam tindakan, ada aspek lain yang harus didefinisikan; terutama dalam organisasi besar yang memiliki jaringan situs, persediaan suku cadang terletak di atas jumlah situs dalam struktur didefinisikan dengan baik eselon. Setiap salah satu situs memiliki sendiri ukuran, omset, produktivitas, dll. Oleh karena itu, persediaan harus ditingkatkan dan didistribusikan melalui jaringan yang sesuai. Dari sini timbul beberapa pertanyaan tentang lokasi persediaan, yaitu penyatuan, konsolidasi, kesamaan, dll. Suomala, Sievänen dan Paranko (2002) meneliti efek dari kustomisasi di bisnis suku cadang dan menunjukkan konsekuensi pada operasi bisnis bagian cadang. Sebuah Pertanyaan penting dalam manajemen suku cadang dan yang menyebabkan dampak total biaya kepemilikan adalah akhir akhirnya memesan kehidupan. Ini adalah situasi di mana spare part tidak lagi tersedia untuk memesan, tapi kewajiban pelayanan masih ada. Sebelum ujung pasokan, sup-tang memberikan kesempatan terakhir kepada perusahaan untuk menjamin tingkat persediaan yang cukup sampai akhir kehidupan pelayanan peralatan. Dalam hal ini, jika jumlahnya suku cadang tidak cukup, perusahaan menghadapi biaya stockout. Jika tidak, jika persediaan yang besar, di akhir fase EOL perusahaan harus membuang bagian tambahan, yang juga menyebabkan biaya tambahan. Kaki (2007) mengusulkan sebuah metode peramalan untuk menentukan kuantitas pesanan akhir.

Gambar 3. (a) arus kas menggunakan PM (pada tanggal konstan) dan model persediaan Ulasan berkelanjutan. (b) Arus kas menggunakan PM (pada usia konstan) dan berkelanjutan Ulasan model persediaan

Gambar 4. Pengaruh membuat atau tidak pembelian akhir-of-hidup

4. Kerangka Usulan

Gambar 5 menyajikan kerangka referensial, yang memungkinkan pembaca untuk mengeksplorasi hubungan antara kehidupan fase siklus dan hal-hal utama dalam onderdil. Kolom pertama menyebutkan tiga kehidupan siklus (LC) tahap: Mulailah Hidup (BOL), Tengah Kehidupan (MOL) dan End of Life (EOL) (Roda & Garetti 2014).

Kolom kedua menunjukkan tahap keputusan utama yang terkait dengan masing-masing dari sistem Fase LC. Namun, sesuai fase LC, kami mengidentifikasi di kolom ketiga suku cadang utama keputusan yang harus dibuat selama fase LC. Sepanjang siklus hidup seluruh, ada serangkaian kovariat eksternal yang dapat mempengaruhi proses pengambilan keputusan, yang mampu membuat manajer mengubah beberapa karakteristik atau parameter dari dalam sistem semacam revisi permanen mekanisme. Di antara kovariat, kami menyebutkan proses kerusakan, kemajuan teknologi, proyek standardisasi, dll

Gambar 5. Kerangka hubungan antara Life Cycle dan manajemen suku cadang

Akhirnya, kolom terakhir mengusulkan serangkaian teknik yang akan membantu para manajer dalam memecahkan bagian masalah manajemen dan tantangan. Kami percaya bahwa semua teknik ini dapat digunakan dengan baikdalam setiap fase dari siklus hidup.

5. Kesimpulan

Makalah ini mengusulkan sebuah kerangka kerja referensial untuk menghubungkan onderdil atau suku cadang untuk total biaya kepemilikan manajemen aset fisik. Kerangka kerja ini menggabungkan semua aspek yang relevan dari onderdil yang diberikannya, pengaruh pada biaya kepemilikan, dan membuka agenda penelitian masa depan. Secara khusus, langkah-langkah penelitian selanjutnya meliputi pertanyaan penelitian berikut:

1.        Bagaimana keputusan tentang penyediaan awal yang mempengaruhi TCO?

2.        Apakah kebijakan persediaan yang berbeda menyebabkan perubahan penting dalam perilaku TCO?

3.        Apa kombinasi yang optimal dari strategi perawatan dengan kebijakan persediaan yang menjamin hasil terbaik dari titik TCO pandang?

4.        Lakukan akhir kondisi kehidupan dan keputusan mempengaruhi perilaku TCO ini?

5.        Apa saja teknik terbaik untuk menjawab ini dan pertanyaan terkait lainnya?

Dalam tahap kedua, efek dari perubahan lingkungan ke dalam TCO harus dimodelkan dan dianalisis. Secara khusus, kami percaya bahwa efek dari kesamaan / standarisasi komponen merupakan isu yang sangat menarik dan layak untuk diselidiki.

Referensi

Carpentieri, M., & Papariello, M. (2006). A Life Cycle Kerangka Biaya untuk Otomotif Production Lines.

Prosiding LCE2006. 

Carpentieri, M., Guglielmini, A., & Mangione, F. (2007).Sebuah biaya kerangka siklus hidup untuk manajemen dari suku cadang. 14 CIRP Konferensi Life Cycle Engineering, 4, 473-478. https: /doi.org/10.1007/978-1-84628- 935-4_82

Cavalieri, S., Garetti, M., Macchi, M., & Pinto, R. (2008). Sebuah pengambilan keputusan kerangka untuk mengelola pemeliharaan suku cadang. Produksi Plan-ning & Control, 19 (4), 379-396. https: /doi.org/10.1080/09537280802034471

Chen, G., Zheng, S., Feng, Y., & Li, J. (2013). Analisis yang komprehensif keandalan sys-tem dan strategi pemeliharaan berdasarkan biaya siklus hidup yang optimal. Pada 2013 Konferensi Internasional tentang Kualitas, Keandalan, Risiko, Pemeliharaan, dan Keselamatan Teknik, 654-658. https: /doi.org/10.1109/QR2MSE.2013.6625663

Ghodrati, B., Akersten, P., & Kumar, U. (2007): bagian estimasi cadang dan penilaian risiko yang dilakukan di Choghart Tambang Bijih Besi; Studi kasus. Jurnal Kualitas dalam Rekayasa Perawatan, 13 (4), 353-363. https: /doi.org/10.1108/13552510710829452

Hokstad, P. (1998). Hidup Analisis Siklus Biaya di Railway Systems, SINTEF Report.

Juni, HK, & Kim, JH (2007). Modeling Biaya Siklus Hidup untuk Railway Vehicle. Prosiding Internasional Konferensi Mesin Listrik dan Sistem. Seoul, Korea.

Kaki, A. (2007). Peramalan di Akhir-of-Life Spare Parts Pengadaan. Tesis master. Helsinki University of Teknologi.

Karsten, F., & Basten, R. (2014).Pooling suku cadang antara beberapa pengguna: Bagaimana untuk berbagi manfaat? European Journal of Operational Research, 233 (1), 94-104. ISSN: 0377-2217.

Kaufman, RJ (1970). Siklus hidup biaya: alat pengambilan keputusan untuk akuisisi peralatan modal. Biaya dan Manajemen, 26, 21-28.

Lendermann, P., & Thirunavukkarasu, A., Low, M., & McGinnis, L. (2012). Provisioning awal Dan

Spare Parts Inventarisasi Optimization Jaringan Dalam Multi Pemeliharaan Basis Lingkungan. Musim dingin Simulasi Conference, 129: 1-129: 10.

Macchi, M., Fumagalli, L., Pinto, R., & Cavalieri, S., (2011). Sebuah pengambilan keputusan kerangka untuk mengelola pemeliharaan suku cadang dalam kasus permintaan kental: suatu penelitian tindakan di sektor avionik. Di Altay N., & Litteral, LA (Eds.). Layanan Parts Manajemen Permintaan Peramalan dan Inventory Control, 171-202,

Springer-Verlag London. ISBN: 978-0-85729-038-0. https: /doi.org/10.1007/978-0-85729-039-7_9

Mahmoud, MAW, Farouq-Mohammad, AA (2010). The umum distribusi eksponensial linear. Statistik & Probabilitas Surat, 80 (11-12), 1005-1014. https: /doi.org/10.1016/j.spl.2010.02.015

Ntuen, CA (1985). Siklus hidup model biaya berbasis ketersediaan: Sebuah pendekatan simulasi. mikroelektronika Keandalan, 25 (2), 331-342. https: /doi.org/10.1016/0026-2714 (85) 90021-6

Pan, F. (2015). Model optimalisasi seleksi vendor untuk pengadaan bersama dari total biaya perspektif kepemilikan. Jurnal Teknik dan Manajemen Industri, 8 (4), 1251-1269. ISSN: 2013-0953. https: /doi.org/10.3926/jiem.1551

Roda, I., & Garetti, M. (2014). Hubungan antara biaya dan kinerja untuk total biaya kepemilikan evaluasi aset fisik: Negara ulasan seni. Teknik, Teknologi dan Inovasi (ICE), ICE internasional.

Roda, I., & Garetti, M. (2015). Penerapan Total Biaya berbasis kinerja Kepemilikan (TCO) model evaluasi untuk pengelolaan aset fisik. 9 WCEAM Penelitian Papers (23/11). Peloncat Internasional. https: /doi.org/10.1007/978-3-319-15536-4_2

Roda, I., Macchi, M., Fumagalli, L., & Viveros, P. (2014). Sebuah tinjauan multi-kriteria klasifikasi cadang bagian - Dari analisis literatur untuk bukti industri. Jurnal Manufacturing Technology Management, 25 (4), 528-549. https: /doi.org/10.1108/JMTM-04-2013-0038

Suomala, P., Sievänen, M, & Paranko, J. (2002). Efek dari kustomisasi pada bagian bisnis spare: A studi kasus di industri logam. Int. J. Produksi Ekonomi, 79, 57-66. https: /doi.org/10.1016/S0925- 5273 (00) 00060-8

Taylor, W. (1981). Penggunaan siklus hidup biaya dalam memperoleh aset fisik. Panjang Perencanaan Range, 14 (6), 32-43. https: /doi.org/10.1016/0024-6301 (81) 90058-3

Thiede, S., Spiering, T., & Kohlitz, S. (2012). Dinamis Total Biaya Owner-kapal (TCO) Perhitungan Injection Mesin Moulding. Memanfaatkan Teknologi untuk Dunia Berkelanjutan (275-280). Springer Berlin. https: /doi.org/10.1007/978-3-642-29069-5_47

Tian, Y.-Z., Tian, M.-Z., & Zhu, Q.-Q. (2014). Sebuah umum distribusi eksponensial linear baru dan yang aplikasi. Acta Mathematicae Applicatae Sinica, Inggris Series, 30, 1049-1062. https: /doi.org/10.1007/s10255- 014-0442-4

Van Volkenburg, C., Montgomery, N., Banjevic, D., & Jardine, A. (2014). Pengaruh kerusakan suku cadang memegang. Prosiding Keandalan Tahunan dan rawatan Simposium, https: /doi.org/10.1109/RAMS.2014.6798445

Wong, H., Van Oudheusden, D. & Cattrysse, D. (2007). Alokasi biaya dalam cadang pooling bagian persediaan. Transportasi Penelitian (Bagian E). Logistik dan Transportasi Review, 43 (4), 370-386. ISSN 1366-5545, http://dx.doi.org/10.1016/j.tre.2006.01.001 

Xu, Y., Elgh, F., & Erkoyuncu, J. (2013). Teknik biaya untuk pembuatan: Saat ini dan masa depan penelitian. International Journal of Computer Integrated Manufacturing, 37-41.

Yang, SC & Du, ZW (2004). Evaluasi kritis untuk suku cadang awal pro-visioning. Prosiding Keandalan dan rawatan 2004 Simposium Tahunan - RAM, 507-513. https: /doi.org/10.1109/RAMS.2004.1285498

 

(Jurnal Teknik dan Manajemen Industri 2016 (www.jiem .org )

Jurnal Teknik dan Manajemen Industri - http://dx.doi.org/10.3926/jiem.2083)

Data Sekunder (Review Jurnal)

KESALAHAN DAN ISU DALAM DATA SEKUNDER yang

DIGUNAKAN DALAM PENELITIAN PEMASARAN 
 MA Svetlana Tasic

London School of Commerce, Belgrade

Alfa Univerzitet, Beograd

Fakultas Ekonomi dan Ilmu Politik

Abstrak

Riset pemasaran menggunakan dua sumber data: primer dan sekunder. Ada banyak keuntungan dalam penggunaan sekunder. Data tetapi juga ada banyak keterbatasan seperti berbagai jenis kesalahan dan bias yang dapat timbul dalam data ini. Data sekunder harus akurat, handal, tepat, berisi, valid, dan tepat waktu. Empat kategori potensi kesalahan dapat mengurangi akurasi data sekunder: sampling dan non-sampling error, kesalahan yang membatalkan data, kesalahan yang memerlukan reformulasi data dan kesalahan yang mengurangi keandalan. Semua sumber kesalahan dapat menurunkan reliabilitas dan validitas hasil. Ini berarti bahwa data sekunder harus diperlakukan dengan hati-hati.

Kata Kunci: Data sekunder, kesalahan, bias, akurasi.

1. Pendahuluan

Konsep pemasaran mengharuskan kepuasan pelanggan menjadi tujuan dari sebuah organisasi daripada maksimalisasi keuntungan. Ini berarti bahwa pemasaran harus mendapatkan informasi tentang kebutuhan konsumen dan menerjemahkan bahasa konsumen untuk membantu memenuhi kebutuhan ini secara tepat dan efisien. Riset pemasaran adalah bagian penting dari pemasaran seperti sistem intelijen. Bagian ini membantu meningkatkan pengambilan keputusan manajemen dengan menyediakan informasi yang akurat dan tepat waktu. Setiap keputusan membutuhkan informasi dan strategi yang relevan berdasarkan informasi yang dikumpulkan melalui riset pemasaran. Riset pemasaran menggunakan dua sumber data, yaitu primer dan sekunder. Data primer dikumpulkan melalui survei ad-hoc khusus yang dibangun untuk tujuan penelitian. Data sekunder dilakukan dengan mengakses informasi yang tersedia seperti studi literatur, statistik resmi dll, termasuk karya yang dipublikasikan atau tidak dipublikasikan berdasarkan penelitian yang bergantung pada sumber-sumber primer. Penggunaan data sekunder memiliki keuntungan (salah satu yang termurah dan termudah untuk menapatkan informasi), tetapi juga tetap memiliki  

keterbatasan, masalah dan kekhawatiran sehingga penggunaan data sekunder harus hati-hati dan

benar-benar dipertimbangkan.

2. Sumber dan sifat dari data sekunder dalam riset pemasaran

Data sekunder yang telah dikumpulkan berguna untuk menganalisis berbagai pemasaran dan penelitian konsumen. Satu data primer entitas dapat menjadi data sekunder entitas. Misalnya, ketika data sensus digunakan dalam evaluasi pasar untuk studi pasar, mereka menjadi data sekunder. Setiap data demografi dan ekonomi yang dihasilkan oleh pemerintah lembaga (federal, negara bagian, atau lokal) untuk tujuan apa pun yang mereka butuhkan, akan diperlukan oleh orang lain untuk menjadi data sekunder. Peneliti pemasaran dan analis perlu memahami isu yang terdapat dalam data primer karena data sekunder yang mereka gunakan juga berasal dari data primer. Proses seperti menambah, memodifikasi, merangkum, mensintesis, memgupdate, atau dengan cara apapun memanipulasi data, output dari proses yang merupakan sumber sekunder data sekunder (Rabianski 2006, pp.44).

Setiap kali data melewati suatu proses, menyebabkan kemungkinan kesalahan meningkat. Catatan internal sebuah perusahaan, akuntansi dan sistem kontrol, merupajan dasar dari proses input pemasaran dan hasil yang dihasilkan. Data masukan dapat berkisar dari anggaran dan jadwal pengeluaran, atau laporan panggilan tenaga penjual. Dalam banyak industry, yang dihasilkan laporan penjualan adalah item paling penting dari data yang digunakan oleh manajer pemasaran. Sumber utamanya adalah berbagai

publikasi pemerintah, majalah dan jurnal, dan laporan yang tersedia secara publik dari swasta seperti yayasan, penerbit, asosiasi perdagangan dan perusahaan.

Data sekunder sering tersedia dari dua sumber, yaitu dari sumber aslinya, yang mengumpulkan dan mengatur data, dan dari sumber-sumber yang hanya merangkum data yang dikumpulkan oleh orang lain dan memasarkan informasi. Misalnya, sumber asli dari data sekunder untuk karakteristik populasi adalah Sensus populasi. Ketika data diperoleh langsung dari publikasi sensus, didapatkan semua informasi backup yang tersedia tentang teknik pengumpulan data dan metodologi statistik yang digunakan, kemungkinan ketidakakuratan, dan masukan latar belakang berharga lainnya. Oleh karena itu, data sekunder harus akurat, handal, tepat, padat, valid, sesuai dan tepat waktu. Data yang akurat harus mencerminkan parameter populasi yang sebenarnya. Keandalan mengacu pada variabel yang sama diukur beberapa kali, hasil yang dapat dapat diandalkan sehingga diperkiraan kurang lebih sama. Bias adalah penyimpangan dari perkiraan statistik berdasarkan parameter yang benar. Validasi adalah proses cheking untuk memastikan prosedur yang tepat diikuti dalam mengumpulkan, mengorganisir, dan menganalisis data. Data yang memiliki validasi dianggap lebih akurat karena lebih yang diketahui tentang asal-usul dan karakteristik. Namun di sisi lain, peneliti juga khawatir bahwa data sekunder yang digunakan tidak sesuai.

3. Kesalahan dan bias dalam data sekunder

Data sekunder memperlihatkan analisis yang digunakan untuk berbagai kemungkinan kesalahan dan bias, tetapi tersedia tindakan pencegahan untuk menanganinya. Analis tidak akan dapat menghapus atau mengatasi beberapa kesalahan, tetapi pengetahuan tentang kesalahan tersebut akan membantu dalam menarik kesimpulan informasi dan membangun beberapa tingkat kepercayaan dalam penilaian yang dihasilkan.

Ada 4 kategori potensi kesalahan dalam data sekunder (Rabianski 2006, pp.49):

1. Sampling dan non-sampling error

2. Kesalahan yang membatalkan data

3. Kesalahan yang memerlukan data reformulasi

4. Kesalahan yang mengurangi keandalan

Sampling error terjadi ketika sampel yang dipilih oleh peneliti tidak akuratmencerminkan total populasi yang dipelajari. Dalam arti statistik, sampling error terjadi karena sampel tidak sampel acak dari populasi yang berarti bahwa setiap elemen dari populasi tidak memiliki kesempatan yang sama untuk menjadi terpilih. Kesalahan ini bisa muncul jika populasi adalah stratified tetapi sampel hanya mewakili satu atau beberapa strata. Misalnya, jika populasi yang benar adalah bimodal mengenai usia, akan terjadi kesalahan sampling saat sampel hanya memiliki satu anak. Kesalahan sampling dapat ditangani melalui sampel probabilistik yang memungkinkan pengukuran dan pengendalian komponen kesalahan ini. Namun, dalam banyak situasi kesalahan sampling cukup rendah dibandingkan dengan non-sampling dan kesalahan berpotensi sistematis, terutama ketika proporsi non-responden tinggi. Ini adalah sebuah ancaman serius selama proses penyelesaian pengumpulan data (Assael dan Keon, 1992, pp.119).

Pencegahan jelas lebih baik daripada mengobati. Pencegahan didasarkan pada pemeriksaan yang akurat dari setiap masalah yang muncul selama pengumpulan data.cLima jenis kesalahan non-sampling bisa timbul pada fase ini, yaitu error bingkai, kesalahan pengukuran, urutan Bias, wawancara bias dan non-respon Bias (Mazzocchi 2008, pp.48).  Frame error dapat terjadi karena survei tidak bisa menghubungi orang-orang yang tidak memiliki akses ke komputer. Frame error juga dapat terjadi ketika entitas fisik dianggap. Pengukuran error, yaitu kesalahan respon muncul ketika orang yang menanggapi pertanyaan

memberikan informasi yang tidak benar. Urutan Bias terjadi ketika urutan pertanyaan pada kuesioner atau dalam sebuah wawancara menunjukkan atau menginduksi ide atau pendapat dalam pikiran responden sebagai akibat langsung dari cara pertanyaan yang diurutkan.

Bias pewawancara terjadi karena kehadiran atau pengaruh pewawancara dalam tatap muka atau

wawancara telepon. Non-respon bias terjadi karena individu dalam sampel tidak merespon meskipun analis mencoba untuk menghubungi mereka, atau ketika individu tidak menjawab pertanyaan-pertanyaan tertentu.

Kesalahan yang dapat membatalkan data, bisa terjadi karena adanya kemungkinan data sekunder terkontaminasi dan direpresentasikan sebagai valid karena tindakan atau sikap dari orang atau orientasi organisasi yang mengumpulkan data. Data mungkin mencerminkan manipulasi, kontaminasi yang disebabkan oleh ketidaktepatan, kebingungan atau kecerobohan, atau kesalahan konsep (Iacobucci & Churcill 2009, pp.201).

Data organisasi pengumpulan mungkin memanipulasi atau mereorganisasi data untuk memenuhi tujuan yang tidak diketahui orang lain. Data bisa saja ditata kembali sehingga lembaga pengumpul bisa menunjukkan tujuan organisasi yang sesungguhnya. Kesalahan juga dapat disebabkan oleh ketidaktepatan, kebingungan atau kecerobohan. Organisasi mungkin mengumpulkan, mengatur, dan mendistribusikan data tanpa benar menentukan keterangan dari proses pengumpulan, prosedur perakitan data mereka atau sintesis data yang digunakan. Mereka juga mungkin tidak peduli tentang kualitas dan validitas data.

Kesalahan konsep mewakili kelas yang luas dari kesalahan yang dapat secara signifikan membatalkan data. Data yang mengandung kesalahan konsep masih bisa digunakan, namun, jika analis dapat memperoleh informasi tentang sifat kesalahan. Kesalahan konsep didefinisikan sebagai kesalahan yang timbul karena terdapat perbedaan antara konsep yang akan diukur dengan indikatornya, atau item tertentu yang digunakan untuk mengukur konsep (Berry & Linoff 1997, pp.87).  Ada banyak variabel indikator di pasar yang dapat menggantikan data yang tidak dapat diperoleh pleh analis. Misalnya, analis mungkin akan mencari informasi tentang pendapatan rumah tangga, yang meliputi gaji, pendapatan sewa, bunga pendapatan dan dividen. Indikator yang digunakan untuk mengukur pendapatan rumah tangga mungkin hanya melaporkan gaji data. Dalam hal ini, indikator mengandung komponen besar pendapatan rumah tangga tetapi tidak mencakup semua sumber pendapatan yang rumah tangga diterima. Penggunaan variabel indikator ini mungkin menyebabkan hanya kesalahan kecil di antara rumah tangga yang dikepalai oleh penerima gaji tapi akan menyebabkan kesalahan besar dalam komunitas pensiun. Kesalahan hasil didapat dari variabel indikator yang tidak

menunjukkan kompleksitas variabel konsep (Dehmater & Hanckok 2001, pp.108). Akhirnya, analis pasar kadang-kadang mencoba untuk mengukur daya beli di daerah perdagangan ritel dengan mengalikan jumlah rumah tangga dengan pendapatan rumah tangga rata-rata.

Kesalahan konsep bisa, tapi tidak selalu membatalkan data dan analisis. Analis dapat memutuskan untuk menggunakan data meskipun konsep error hadir dan menanganinya dengan berbagai teknik. Berikut pertimbangannya (Houston, 2004, pp.159):

• Ukuran perbedaan antara konsep dan indikator.

• Tujuan dari analisis.

 • Ketersediaan data yang valid dan akurat.

3. Kesalahan yang memerlukan reformulasi data. Data sekunder kadang-kadang tidak langsung berguna untuk

Analis karena tidak memadai mengukur konsep yang sedang dipelajari. Kesalahan umum hasil

dari empat jenis berikut situasi (Patzer, 1995, pp.78):

• keadaan Mengubah

• transformasi pantas

• ekstrapolasi sementara Pantas

• pengakuan sementara Pantas

Kesalahan yang disebabkan oleh keadaan yang berubah, disebabkan oleh perubahan yang mempengaruhi series data tetapi tidak nampak dalam seri data. Misalnya, perubahan dalam geografis batas-batas wilayah statistik dapat terjadi ketika lembaga statistik resmi menambah county kepada daerah statistik. Perubahan dalam unit yang mendasari pengukuran juga dapat terjadi. Misalnya, data seri yang disajikan statistik bulanan sekarang disajikan secara dua bulan sekali. Demi konsistensi, analis mungkin harus memilih satu atau format presentasi lainnya. Analis harus baik menggabungkan data bulanan sebelumnya ke dalam kelompok dua bulan sekali seperti yang digunakan saat atau membagi data dua bulan sekali saat ini menjadi statistik bulanan. Unit pengukuran juga bisa berubah karena pergeseran dalam periode waktu pengumpulan.

Kesalahan yang timbul dari transformasi yang tidak pantas, didapat dari data asli yang sering disajikan dalam sumber data sekunder dalam kategori yang diciptakan untuk membuat data lebih rapi dalam format tabel, atau kategori asli tidak mencerminkan kebutuhan analis untuk menangani tugas di tangan (Biemer et al., 2004, pp.431). Selain itu, data dapat disajikan sebagai rasio yang masuk akal karena mereka merupakan tujuan asli tapi tidak masuk akal dalam konteks studi analis saat ini.

Kesalahan dari ekstrapolasi duniawi yang tidak pantas, didapat dari data sekunder yang seringkali tidak tersedia untuk periode intervensi (bulan, kuartal atau tahun) antara laporan yang diterbitkan. Data untuk intervensi periode harus diinterpolasi dari dua pelaporan tahun terdekat.

Perubahan dapat diperkirakan dengan menganalisis data seri lain terkait yang bergerak variabel di sekitar arah yang sama dan besarnya sama.

Kesalahan dari pantas pengakuan temporal, memiliki kesalahan paling umum, yaitu dari

kesalahpahaman dari dimensi waktu dari data sekunder. Sebagai contoh, jika data yang digunakan di tahun publikasi mereka bukan tahun yang mereka dikumpulkan. Selalu ada

jeda waktu antara waktu data primer dikumpulkan dan waktu mereka dibuat tersedia. Sebuah data di tahun 2005 publikasi misalnya, lebih dari mungkin berisi data yang dikumpulkan pada tanggal yang lebih awal seperti 2004.

Kesalahan yang mengurangi keandalan seperti satu set data yang dapat diandalkan jika jumlah berturut menghasilkan hasil yang sama. Seperti dijelaskan sebelumnya, kehandalan yaitu kumpulan data yang akurat hanya jika ia bebas dari prosedural dan pengukuran kesalahan. Set data yang tidak akurat dapat diandalkan jika ia mempertahankan sama tingkat ketidaktepatan. Keandalan data adalah fungsi dari organisasi yang mengumpulkan, mengatur,

catatan, dan menerbitkan data sekunder. Beberapa isu harus dipertimbangkan ketika mengevaluasi organisasi yang mengumpulkan dan menyebarkan data. Masalah lainnya adalah apakah individu dan staf yang melakukan pengumpulan data sudah terlatih dan berpengalaman dalam pengumpulan data atau tidak. Analis juga harus menentukan apakah organisasi memiliki sumber daya yang memadai untuk melakukan pekerjaan menyeluruh. keandalan data dapat dibagi menjadi tiga kategori (Baumgartner & Steenkamp, 2006, pp.438):

• Clerical

• Perubahan prosedur pengumpulan

• Kegagalan untuk menggunakan data yang benar

Kesalahan administrasi terjadi bahkan untuk orang-orang yang paling hati-hati. Untuk mendeteksi adanya kesalahan administrasi, data tersebut mungkin ditampilkan dalam mudah

dipahami secara (misalnya, diagram scatter plot atau meja sederhana). Dengan cara ini, outlier dapat terdeteksi lebih mudah. Prosedur ini akan memungkinkan analis untuk melihat desimal salah, yang menambahkan nol, atau digit tambahan. Kesalahan lain dari jenis ini adalah transposisi angka di seri dengan jumlah digit yang sama. Sebuah plot dari nilai-nilai akan memungkinkan analis untuk menangkap kesalahan outlier ini.

Kesalahan karena perubahan dalam prosedur koleksi, terjadi ketika hasil kesalahan dari perubahan dalam koleksi prosedur data yang dihasilkan mungkin sangat berbeda dari data sebelumnya pada set data yang sama. Kesalahan ini dapat muncul karena metode yang berbeda dari koleksi atau keadaan yang berbeda di sekitar koleksi. Misalnya, saat pengumpulan (waktu hari, hari minggu, musim, tahun, dll) mungkin telah berubah. Cara di mana data tersebut diringkas mungkin juga berubah.

            Kesalahan karena data yang dikoreksi, berawal dari data dapat konsisten dari satu laporan ke yang lain dalam seri yang sama diterbitkan karena kesalahan yang telah ditemukan, dikoreksi dan kemudian tercermin dalam versi berikutnya dari kumpulan data. Paling sering terletak pada kesalahan administrasi. Analis perlu menggunakan versi paling baru-baru ini untuk mengurangi kesalahan. Juga, jika mungkin, analis harus tahu kapan data diperiksa dan ketika versi bersih dari data yang dicetak. Bila menggunakan data sekunder yang telah ditata ulang di beberapa titik, selalu memeriksa terhadap versi terbaru dari data set.

4. Kesimpulan

"Dia yang tidak membuat kesalahan yang membuat tidak ada" adalah pepatah yang pasti dapat diterapkan pada masalah kesalahan dalam data sekunder yang digunakan dalam semua bidang termasuk riset pemasaran. Hal ini jelas bahwa kesalahan data sekunder yang tidak dapat dihindari. Namun, analis pemasaran dapat melakukan banyak tindakan untuk meminimalkan kesalahan ini sehingga akan menghasilkan data sekunder yang akurat, handal dan tepat. Kesalahan pengambilan sampel dapat ditangani dengan proses pengambilan sampel yang memadai melalui dan memungkinkan evaluasi serta pengendalian. Karena kesalahan non-sampling tidak bisa diukur sebelum survey, dan karena ia juga agak sulit untuk dideteksi. Sebagai alat terbaik untuk menangani jenis kesalahan adalah pencegahan yang didasarkan pada pemeriksaan yang akurat dari masalah dalam proses pengumpulan

data utama. Analis juga harus memperhatikan sumber-sumber lain dari kesalahan (error yang membatalkan data, kesalahan yang memerlukan reformulasi data dan kesalahan yang mengurangi kehandalan) yang serius bisa melemahkan data dan karena itu mempengaruhi hasil dari seluruh analisis. Meskipun ada banyak berbagai sumber kesalahan dalam data sekunder, seperti yang disajikan dalam makalah ini, ada juga banyak prosedur untuk menghasilkan temuan yang lebih valid dari penelitian yang akan memberikan dasar yang dapat diandalkan untuk proses pengambilan keputusan pemasaran.

Referensi

1. Aaker, DA & Day, GS [1999]. Marketing Research, John Wiley and Sons, New

York

2. Assael, H. & Keon, J. (1998) Non-sampling vs kesalahan pengambilan sampel dalam penelitian survei.

Journal of Marketing. 46 (2), hlm. 114-123.

3. Baumgartner, H. & Steenkamp, JBE (2006) Sebuah paradigma diperpanjang untuk pengukuran

analisis pemasaran konstruksi berlaku untuk data panel. Journal of Marketing

Penelitian. 23 (3), pp. 431-442.

4. Berry, M., & Linoff, G. [1997]. Teknik data mining: Untuk pemasaran, penjualan, dan

dukungan pelanggan, Wiley, New York:

5. Biemer, PB, Groves, RM, Lyberg, LE, Mathiowetz, NA & Sundman, S. [2004].

Pengukuran Kesalahan dalam Survei, John Wiley & Sons, Hobaken

6. Dehmater, R. & Hancock, M. [2001]. Data mining menjelaskan: panduan Seorang manajer untuk

pelanggan intelijen bisnis centric, Digital Press, Burlington, MA

7. Houston, MB (2004) Menilai validitas proxy data sekunder untuk pemasaran

konstruksi. Jurnal Penelitian Bisnis. 57 (2), hlm. 154-161.

8. Iacobucci D. & Churchill A. [2009]. Riset Pemasaran: Yayasan Metodologi

(dengan Kartu Qualtrics), South-Western College Pub, London

Sumber Jurnal :
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwit6tu1l6fRAhUmTY8KHa7yCYwQFggbMAA&url=http%3A%2F%2Fwww.socioeconomica.info%2Fjspui%2Fbitstream%2F11171%2F67%2F1%2FSvetlana%2520Tasic.pdf&usg=AFQjCNF4_G8PCA2Exz0ffslB74gCKTZcUg&sig2=LnV1ItPVwD6Ag8T31EaZUQ