Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDalam memperkecil kelambatan total, diasumsikan bahwa pekerjaan N yang harus diproses pada mesin tunggal sekaligus, tersedia pada waktu nol. Diberikan N pekerjaan yang harus dilakukan dengan menggunakan mesin tunggal. Dibahas cara pengurutan N pekerjaan tersebut untuk mengurangi kelambatan total. Dalam hal ini digunakan algoritma heuristik MR. Dengan maksud untuk menentukan pekerjaan mana yang terakhir muncul yang akan direlokasi."

"PT XYZ merupakan sebuah perusahaan farmasi afiliasi Filipina yang menggunakan sistem flexible job shop dalam melakukan kegiatan produksi. PT XYZ memiliki rencana untuk menerapkan sistem produksi lean dalam aktivitasnya, Akan tetapi, tidak adanya metode penjadwalan produksi yang sistematis telah mengakibatkan munculnya banyak waste dalam lini produksi PT XYZ, seperti rendahnya utilisasi mesin, banyaknya mesin yang idle, adanya penumpukan work in process, dan seringnya terjadi perubahan rencana produksi, sehingga sulit bagi PT XYZ untuk menjadi perusahaan berbasis lean. Penelitian ini bertujuan untuk memperoleh sistem penjadwalan produksi yang tepat pada PT XYZ dengan berfokus pada upaya minimalisasi total waktu penyelesaian pekerjaan, sehingga berujung pada peningkatan efisiensi di PT XYZ. Dengan mempertimbangkan parameter job, mesin, operasi, waktu standar, dan bobot prioritas produk, disusunlah sebuah sistem penjadwalan dengan menggunakan aplikasi Visual Basic for Application. Solusi awal penjadwalan diperoleh dengan menggunakan salah satu aturan dispatching rule, yaitu weighted shortest processing time yang menghasilkan nilai makespan selama 67.080 menit. Selanjutnya, solusi kembali ditingkatkan dengan menggunakan metode algoritma tabu search, sehingga diperoleh nilai makespan minimal selama 52.485 menit. Solusi akhir penjadwalan yang dihasilkan mampu untuk meningkatkan efisiensi di PT XYZ sebesar 36.73%.

---

PT XYZ is a pharmaceutical company, which has an affiliation with Philippines, which uses flexible job shop system to its production activities. Right now, PT XYZ is going to implement lean production system to its daily. However, the absence of systematic production scheduling method has brought a lot of waste to PT XYZ production line, such as low machines utilization, many idle machines, many work in process, and frequent changes in its production plan, thus it becomes difficult to implement lean production system.

This research aims to obtain a proper production scheduling system for PT XYZ, which focus on minimizing makespan, so that leads to efficiency improvement in PT XYZ. By considering job, machines, operation, standard time, and product priority as its parameter, formulated a scheduling system using Visual Basic for Application.

Initial solution is obtained by using one of dispatching rule method, namely weighted shortest processing time, which results a 67.080 minutes of makespan. Subsequently, the solution was improved by using tabu search algorithm, so the makespan value would become 52.485 minutes. This solution is able to improve efficiency in PT XYZ by 36.73%."

"ABSTRAKMasalah penjadwalan adalah salah satu masalah klasik optimasi kombinatorial yang ada di berbagai segi seperti sistem manufaktur fleksibel, perencanaan produksi,industri penerbangan, dll. Baru-baru ini, beberapa algoritma yang efektif untukoptimasi global dan memecahkan masalah penjadwalan proyek telah diterapkan.Meta-heuristik adalah sistem cerdas, proses iteratif/perulangan yang menekankanpada proses pencarian dan dapat diterapkan terhadap masalah optimasi, sepertimasalah mesin tunggal. Algoritma Elektromagnetisme-Like Mechanism (EM)berbasis populasi meta-heuristik yang telah diusulkan untuk memecahkan masalahyang berkelanjutan secara efektif. Pendekatan baru ini mencoba untuk mencapai efekkonvergensi dan keragaman ketika iteratif diterapkan untuk memecahkan masalah.Algoritma ini diuji secara komputasi dan hasil perhitungan menunjukkan bahwaalgoritma ini melakukan lebih baik daripada aturan penjadwalan sederhana, sepertimetode penjadwalan EDD (Earliest Due Date), SPT (Shortest Processing Time) danLPT (Largest Processing Time).

---

AbstractScheduling problem are one of the classical combinatorial optimisationproblems which exist in many diverse areas such as flexiblemanufacturing systems, production planning, air lane industry, etc. Recently, several effective algorithms for global optimization and solving the resource-constrained project scheduling problemhave been proposed. A Meta-heuristics is an intelligent, iterative process that guides a search and can be applied towards optimization problem, such as the single machine problem. An Electromagnetism-like Mechanism (EM) Algorithm is a populationbased meta-heuristic which has been proposed to solve continuous problems effectively. This new approach attempts to achieve the convergence and diversityeffects when it is iteratively applied to solve the problem. This algorithm is tested on the computational results show that this algorithm performs better than the simple scheduling rules, such as EDD (Earliest Due Date) scheduling method, SPT (ShortestProcessing Time) and LPT (Largest Processing Time) scheduling method."

"Perusahaan-perusahaan manufaktur job shop sering kali mengalami kesulitas untuk menentukan jenis penjadwalan bagi produksi mereka. Hal ini disebabkan oleh karena sebuah aturan (rule) yang baik untuk suatu tujuan belum tentu baik bagi tujuan lainnya. Sebagai controh sebuah perusahaan mengingnkan agar keterlambatan maksimum yang terjadi pada sebuah job dapat diminimalisasi. Perusahaan tersebut mungkin saja dapat melakukan hal tersebut dengan menerapkan aturan-aturan yang sesuai namun sebagai konsekuensinya sering kali muncul permasalahan lain misalnya jumlah job yang mengalami keterlambatan bertambah banyak. Permasalahan yang disebutkan di atas hanyalah satu dari berbagai macam bentuk permasalahan yang terjadi pada proses penjadwalan job shohlm. Untuk itu maka penulis merasa tertantang dan berniat untuk mendalami masalah penjadwalan job shop dengan mengambilmasalah ini sebagai topik penelitian. Perlu diketahui bahwa dalam melakukan analisis ini, data-data yang digunakan merupakan data-data yang diambil secara dummy. Hal ini dilakukan agar seluruh permasalahan penjadwalan job shop yang terjadi dapat kita analisis seluruhnya. Walaupun demikian, penulis tetap juga melakukan pengamatan langsung di lapangan terhadap kondisi sebenarnya yang terjadi. Secara umum analisis penjadwalan job shop yang penulis lakukan dapat diklasifikasikan menjadi tiga kelompok yaitu penjadwalan job shop pada sebuah mesin tunggal, penjadwalan job shop pada mesin-mesin yang tersusun secara paralel, dan penjadwalan job shop pada mesin-mesis yang tersusun secara seri. Beberapa aturan (FCFS, LCFS, SPT, LPT, EDD, LS, dan CR) dan algoritma tertentu (Hodgson, Johnson, dan Wilkerson-Irwin) akan digunakan nantinya sehingga akan terlihat nantinya perbedaan-perbedaan dari masing-masing aturan atau algoritma yang ada. Dengan demikian diharapkan kita dapat memahami dan mengambil kebijakan berkaitan dengan proses penjadwalan yang dilakukan nantinya."

"Pencegahan kanker dapat dilakukan dengan deteksi dini menggunakan pemindai seperti Computed Tomography (CT) Scan dan Magnetic Resonance Imaging (MRI). Namun, modalitas tersebut memiliki biaya produksi yang tinggi dan ukuran yang besar. Alternatif yang digunakan untuk mengatasi masalah ini adalah menggunakan pencitraan gelombang mikro. Pencitraan gelombang mikro membutuhkan data pengukuran besar untuk meningkatkan kualitas gambar. Untuk mengatasi kelemahan ini, proses penelitian ini adalah merekonstruksi algoritma pencitraan gelombang mikro dengan jumlah pengukuran yang lebih rendah menggunakan pendekatan Compressive Sensing (CS). CS memungkinkan merekonstruksi sinyal dari sejumlah kecil pengukuran daripada yang diperlukan dalam metode pengambilan sampel konvensional. Penelitian ini berkontribusi dengan menambahkan informasi spasial menggunakan Total Variation (TV) dan menyelesaikan masalah optimasi menggunakan Alternating Direction Method of Multipliers (ADMM). Penelitian ini dianalisis untuk kinerja kualitatif dan kuantitatif. Parameter yang digunakan dalam analisis kuantitatif adalah MSE dan SSIM. Hasil penelitian ini menunjukkan bahwa algoritma yang diusulkan berhasil mengimplementasikan rekonstruksi CS dengan menambahkan TV dalam hal kualitas gambar dan parameter kuantitatif.

---

Prevention of cancer can be done by early detection using a scanner such as Computed Tomography (CT) Scan and Magnetic Resonance Imaging (MRI). However, those modalities have high production cost and considerable size. The alternative used to overcome this problem is using microwave imaging. Microwave imaging requires large measurement data to improve image quality. To overcome these weaknesses, this research process is algorithmic reconstruct the microwave images with lower number of measurements using Compressive Sensing (CS) approach. CS enables reconstructing a signal from a smaller number of measurements than which is required in the conventional sampling method. This research contributes by adding spatial information using total variation (TV) and solving the problem of optimization using Alternating Direction Method of Multipliers (ADMM). This research were analyzed for the qualitative and quantitative performance. Parameters used in quantitative analysis are MSE and SSIM. The results of this research show that the proposed algorithm successfully implemented the reconstruction of CS by adding TV in terms of image quality and quantitative parameters."

"Penelitian ini membahas permasalahan suatu perusahaan kontraktor tambang dalam menentukan jumlah dan biaya alat training yang harus dikeluarkan untuk melaksanakan kegiatan training operator. Untuk memperoleh solusi optimal pada permasalahan ini diperlukan suatu sistem penjadwalan training operator dengan metode yang tepat. Metode yang digunakan dalam penelitian ini adalah algoritma Differential Evolution (DE). DE membantu penelitian yang memiliki fungsi tujuan meminimumkan total biaya pembelian alat training ini untuk memperoleh solusi yang optimal. Solusi yang dihasilkan memberikan penurunan jumlah alat yang dibeli sebesar 36,7% yaitu 19 alat dari 30 alat dengan biaya yang juga mengalami penurunan sebesar 69,6% yaitu $3.702.163,20 dibandingkan dengan penjadwalan yang dilakukan perusahaan.

---

This research discusses a mining contractor company's problem in determining the amount and cost of purchasing training equipment that must be issued to conduct the operator training. Getting the optimal problem solution require a right method of operator training scheduling system.

The method used in this research that has the objective function to minimize the total of the purchasing training equipment cost is Differential Evolution (DE) algorithm. DE assist it to obtain the optimal solution.

The solution reduce 36.7% amount of equipment purchased from 30 to 19 equipment and 69.6% equipment purchasing cost as much as $3,702,163.20 compared to the company scheduling result."

"Masuknya industri 4.0 di Indonesia membuat mesin dapat terintegrasi dengan komputer melalui perangkat IoT sehingga membuat proses produksi lebih efisien. Salah satu upaya untuk mempertahankan hal tersebut adalah dengan melakukan maintenance menggunakan metode predictive maintenance. Kegagalan mesin dalam predictive maintenance dapat diprediksi menggunakan machine learning. Metode sequence processing adalah algoritma machine learning yang cocok digunakan dalam predictive maintenance berbasis timeseries. Penelitian ini mencoba berbagai macam cara penerapan sequence processing untuk memprediksi kegagalan pada mesin. LSTM merupakan metode sequence processing yang populer digunakan untuk predictive maintenance. Terdapat tiga cara penerapan model LSTM yang diuji pada penelitian ini, yaitu model klasifikasi, regresi, dan regresi menggunakan sequence to sequence Ketiga model tersebut akan diuji menggunakan data yang didapat dari database terbuka. Setiap model akan dievaluasi dan dikomparasi untuk mengetahui model yang terbaik. Penelitian ini menunjukkan bahwa model klasifikasi memiliki kinerja yang buruk karena mengalami overfitting. Sementara itu, model regresi sequence to sequence memiliki kinerja yang paling baik, yaitu dengan nilai f-1 score mencapai 57.45%.

---

The implementation of Industry 4.0 in Indonesia enables machines to be integrated with computers through IoT devices, resulting in more efficient production processes. One of the efforts to maintain this is by performing maintenance using predictive maintenance methods. Machine learning can be used to predict machine failures in predictive maintenance. Sequence processing is a suitable machine learning algorithm for predictive maintenance based on timeseries data. This research explores various ways to apply sequence processing for predicting machine failures. LSTM is a popular sequence processing method used in predictive maintenance. Three approaches for implementing LSTM models were tested in this study: classification, regression, and sequence to sequence regression. These models were tested using data obtained from an open database. Each model was evaluated and compared to determine the best-performing model. The research findings indicate that the classification model performed poorly due to overfitting. On the other hand, the sequence to sequence regression model achieved the best performance, with an f-1 score of 57.45%."

"ABSTRAKMasalah penjadwalan kereta merupakan masalah optimasi yang termasuk dalam kelas NP-Complete. Masalah penjadwalan kereta di sini dibatasi pada sistem rel tunggal dimana kereta-kereta hanya boleh bersilangan di loop-loop persimpangan. Untuk menghindari tabrakan maupun tubrukan, ada kereta-kereta yang hams berhenti menunggu di loop-loop untuk bersilangan. Dalam praktek, masalah penjadwalan mi diharapkan dapat diselesaikan dalam waktu yang cepat. Oleh karena itu heuristik Greedy dikembangkan untuk menurunkan kriteria optimal lokal agar kereta-kereta tidak bertabrakan atau bertubrukan. Solusi fisibel yang mendekati optimal dapat diperoleh dengan cepat dalam polinomial waktu. Model yang diperoleh kemudian digeneralisasi untuk kecepatan kereta yang berbeda-beda. Kemudian dipilih biaya termurah yang berkaitan dengan keterlambatan akibat menunggu."