Hasil Pencarian  ::  Simpan CSV :: Kembali

"Masalah penjadwalan yang sering ditemukan ialah masalah penjadwalan dengan model Flow-shop. Kerumitan dalam masalah penjadwalan ini disebabkan karena dihasilkannya sejumlah besar produk yang berbeda, dengan due-date yang berbeda sehingga terdapat berbagai alternatif jadwal yang mungkin. Tidak jarang jadwal produksi yang sudah dibuat oleh perusahaan tidak dapat dipenuhi dengan dengan baik, dikarenakan adanya keterbatasan, seperti perencanaan kapasitas yang kurang baik, keterlambatan material dan adanya perubahan permintaan konsumen yang juga menyebabkan perubahan jadwal produksi. Untuk itulah adanya penjadwalan yang optimal sangatlah diperlukan dalam sistem produksi di perusahaan. PT Komatsu Indonesia merupakan perusahan yang memproduksi alat-alat berat seperti bull dozer, excavator, dump truck dan sebagainya Waktu produksi rata-rata 1 alat berat adalah kurang lebih 1 bulan. Lamanya waktu pembuatan produk ini menuntut perusahaan untuk merancang sebuah sistem penjadwalan yang efektif dan efisien agar seluruh permintaan dapat dipenuhi tepat waktu dengan meminimalisasi inventori. Oleh karena itu, dibutuhkan suatu metode yang menghasilkan sebuah sistem penjadwalan yang lebih baik, tidak rumit dan dapat dikerjakan dalam waktu yang singkat. Karena kompleksnya masalah penjadwalan produksi, maka solusi penyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatan meta-heuristik yaitu metode algoritma genetika. Algoritma genetika diinspirasi dari proses evolusi Darwin, yaitu suatu prosedur pencarian solusi yang alami berdasarkan pada metode optimasi. Fungsi tujuan dari permasalahan ini ialah meminimalkan total tardiness (keterlambatan posistif) seluruh job. Hasil penjadwalan produksi yang diperoleh melalui algoritma genetika menghasilkan total tardiness seluruh job sebesar 154,680 menit dan jumlah job yang terlambat (tardy jobs) adalah 23 job. Jadi jika dibandingkan dengan jadwal produksi yang lama, maka terjadi penurunan total tardiness yaitu sebesar 73.85% dan pengurangan tardy jobs sebesar 43.9%.

---

The scheduling problem which is often found is the problem of scheduling with the Flow-Shop model. The complication in this scheduling problem is caused by the yielding of a large amount of different products with different due-date so that many possible alternative schedules may exist. The company often cannot meet the production schedule that has been made by the company itself due to the lack of good capacity planning, the delay of material supply, and change of consumer's demands which can also cause some changes to the production schedule. Therefore, optimal scheduling is so needed for a better company's production system. PT Komatsu Indonesia is a company, which produces heavy equipments like bulldozers, excavators, dump trucks, et cetera. The average production time of heavy equipment is more or less one month. The long duration of the making of heavy equipment makes it a must for the company to design an efficient and effective scheduling system in order to fulfill the whole demands on schedule by minimizing inventory. Hence, a method that results in a better, uncomplicated, and feasible scheduling system is necessary. Due to the complicated production schedule, the solution to this problem is by applying a meta-heuristic approach, which is a genetic algorithm method. Genetic algorithm is inspired by Darwin's evolution process that is a procedure to seek a natural solution based on optimization method. The objective function of this problem is to minimize total tardiness of all jobs. The production scheduling result that is obtained from the genetic algorithm produces total tardiness of all jobs of 154,680 minutes and the number of tardy jobs are 23 jobs. Thus, in comparison with the existing production schedule, there is a reduction of total tardiness of about 73.85 % and reduction of tardy jobs of 43.9%."

"Masalah penjadwalan yang sering terjadi adalah masalah penjadwalan pada industri manufaktur yang menggunakan sistem flow shop. Kerumitan dalam penjadwalan sistem flow shop tersebut disebabkan karena pada sistem ini akan dihasilkan sejumlah besar produk yang berbeda dimana setiap produk tersebut memiliki proses manufaktur yang sama. Karena kompleksnya masalah penjadwalan produksi, maka solusi penyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatan metaheuristik yaitu metode algoritma differential evolution (DE). Penggunaan DE dalam penyelesaian masalah ini memiliki keuntungan karena konsepnya yang sederhana, mudah untuk digunakan, cepat dalam menghasilkan solusi (waktu komputasinya lebih kecil daripada metode lainnya), dan tangguh. Fungsi tujuan dari permasalahan ini ialah meminimalkan waktu penyelesaian (makespan) seluruh job.Hasil penjadwalan produksi yang diperoleh melalui algoritma differential evolution setelah dilakukan iterasi sebanyak 5 kali adalah jumlah makespan yang dihasilkan sebesar 32.220 menit, dengan lama waktu run program 8.5963 detik. Hasil ini setelah dibandingkan dengan penjadwalan yang dilakukan perusahaan mengalami penurunan nilai makespan sebesar 18.6%. Sedangkan jika dibandingkan dengan hasil keluaran dengan algoritma genetik mengalami penurunan makespan sebesar 2.46% dan dapat menghasilkan keluaran 30 kali lebih cepat.

---

The scheduling problem which is often found is the problem of scheduling with the Flow-Shop model. The complication in this scheduling problem is caused by the yielding of a large amount of different products with the same manufacture processes so that many possible alternative schedules may exist. Therefore, optimal scheduling is so needed for a better company's production system. Due to the complicated production schedule, the solution to this problem is by applying a metaheuristic approach, which is a differential evolution (DE) algorithm. Applying DE to solve this problem has advantages because its simply concept, easy to applicate, fast to get solution (computation time is the leat among the other algorithm) and robust. The objective function in this problem is to minimize makespan of all jobs.

The result that is obtained from differential evolution algorithm after 5 iterations gives makespan 32.220 minutes, that requires 8.5963 second of computation time. Thus, in comparison with company production schedule, there is a reduction of makespan of about 18.6% and in comparison with output produced by genetic algorithm, there is a reduction of makespan of about 2.46% and can produced output 30 times faster than genetic algorithm does."

"ABSTRAKMasalah penjadwalan yang sering ditemukan ialah masalah penjadwalandengan model Flow-shop (Flow-shop scheduling problem). Kerumitan dalammasalah penjadwalan pada flow-shop disebabkan karena pada flow-shopdihasilkan sejumlah besar produk yang berbeda, dimana setiap produk memilikiproses manufaktur yang sama. Lamanya waktu pembuatan produk ini menuntutperusahaan agar merancang sebuah sistem penjadwalan yang efektif dan efisienagar seluruh permintaan dapat dipenuhi tepat waktu dengan minimalisasi inventoridan minimalisasi waktu penyelesaian total.PT X merupakan perusahan yang memproduksi suku cadang mobil, salahsatunya adalah disc pad. Disc pad ini terdiri dari berbagai jenis untuk berbagaitipe mobil, sehingga meskipun masing-masing melewati proses yang sama, waktuproses untuk setiap jenis tentu berbeda. Waktu pembuatan produk ini menuntutperusahaan untuk merancang sebuah sistem penjadwalan yang efektif dan efisienagar seluruh permintaan dapat dipenuhi dengan meminimalisasi waktupenyelesaian, idle time pada setiap mesin, dan inventori. Oleh karena itu,dibutuhkan suatu metode yang menghasilkan sebuah sistem penjadwalan yanglebih baik, tidak rumit dan dapat dikerjakan dalam waktu yang singkat.Karena kompleksnya masalah penjadwalan produksi, maka solusipenyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatanheuristik yaitu metode algoritma tabu search. Algoritma tabu search, yaitu suatupendekatan heuristik dalam pencarian solusi berdasarkan pada metode optimasi,dimana algoritma ini menggunakan daftar tabu dan iterasi lokal untuk mencegahadanya local optima hingga tercapainya solusi mendekati terbaik. Fungsi tujuandari permasalahan ini ialah meminimalkan waktu penyelesaian (makespan)seluruh job.Hasil penjadwalan produksi yang diperoleh melalui algoritma tabu searchsetelah 20 iterasi menghasilkan minimal makespan seluruh job sebesar 23.5715jam. Jadi, jika dibandingkan dengan jadwal produksi yang lama, maka terjadipenurunan makespan yaitu sebesar 4.499%.

---

ABSTRACTThe scheduling problem which is often found is the problem of schedulingwith the Flow-Shop model. The complication in this scheduling problem is causedby the yielding of a large amount of different products with the same manufactureprocesses so that many possible alternative schedules may exist. Therefore,optimal scheduling is so needed for a better company s production system,PT X is a company, which produces automotive spareparts, such as discpad, etc. There are many kinds of disc pad for many types of car, so they havedifferent times of process. These make it a must for the company to design anefficient and effective scheduling system in order to fulfill the whole demands onschedule by minimizing total makespan, idle time of every machine, andinventory. Hence, a method that results in a better, uncomplicated, and feasiblescheduling system is necessary.Due to the complicated production schedule, the solution to this problem isby applying a heuristic approach, which is a tabu algorithm method. Tabu searchalgorithm is a procedure to seek a solution based on optimization method, whichis use a tabu tenure and local iterations, in order to prevent local optimization. Theobjective function of this problem is to minimize makespan of all jobs.The production scheduling result that is obtained from the tabu searchalgorithm after 20 iterations produces minimal makespan of all jobs of 23.5715hours. Thus, in comparison with the existing production schedule, there is areduction of makespan of about 4.499%."

"Penelitian ini mengenai pemodelan untuk penjadwalan proses produksi pada industri pembuatan silicon polished wafer 5 - dan 6 - . Proses produksi untuk kedua produk ini memiliki tipikal flexible flow shop dengan variasi type barang mencapai 12 jenis. Setiap type barang harus melalui empat tahapan proses yang harus dilakukan secara berurut. Adanya limitasi fleksibilitas proses pada tiga buah tahapan menyebabkan masalah penjadwalan menjadi kompleks Pendekatan yang dilakukan untuk memecahkan masalah penjadwalan ini adalah dengan menerapkan dua metode dispatching rule, yaitu SPT (shortest processing time) dan EFT (earliest finish time). Metode lain yang digunakan adalah pengelompokan unit pesanan ke dalam sebuah family untuk meminimalkan kendala limitasi fleksibilitas proses pada dua buah tahapan. Kombinasi ketiga metode ini dituangkan ke dalam suatu algoritma multiproduct-multistage dan diaplikasikan pada inisialisasi solusi. Dari inisialisasi solusi ini dihasilkan penjadwalan awal untuk masing-masing tahapan. Optimasi dilakukan terhadap inisisalisasi solusi dengan menggunakan Algoritma Genetika. Algoritma Genetika akan mencari solusi terbaik yang mendekati optimal melalui serangkaian proses seleksi terhadap sekumpulan alternatif solusi yang ada.

---

The study concerns in modeling the production schedule of 5' and 6' Silicon Polished Wafer manufacturing. The process of both products is categorized as flexible flow shop with 12 different types of product. Each product is processed through four stages with fixed sequence. There are some limitation of process flexibility among three of four stages that also causes the scheduling become difficult to arrange. Some dispatching rule is applied to solve the schedule problem. SPT (shortest processing time) and EFT (earliest finish time) is the two of dispatching rule which used for this kinds of problem.

The other method that also carried out with those two dispatching rule is job families approaching. Job families approaching will minimize the effect of limited process flexibility. Those combined methods will be developed to be an algorithm called multiproduct-multistage algorithm and applied to the initial solution. The initial solution consists of the schedule of each stage. Initial solution is optimized by using Genetic Algorithm. Genetic Algorithm is search process of the best solutions among possible solutions by simulating the natural evolutionary process."

"Penjadwalan produksi pada sebuah perusahaan menjadi penting agar dapat mengetahui seberapa lama suatu produk dapat dibuat dan diselesaikan sehingga tidak terjadi keterlambatan. Salah satu yang sering digunakan dalam sistem penjadwalan adalah pola flow shop. Permasalahan penjadwalan menjadi kompleks ketika banyak mesin dan pekerjaan yang harus disinkronkan.FCFS dan CDS adalah metode yang paling banyak digunakan, metode ini menjadwalkan pekerjaan tanpa memperhatikan makespan, sehingga dengan metode ini sering terjadi keterlambatan dan biaya produksi yang tidak efisien. Menurut Baker (1974) metode CDS memiliki berbagai kelemahan oleh karenanya Jin dan kawan-kawan (2007) menyatakan bahwa metode NEH menghasilkan solusi yang lebih optimal daripada metode CDS, tetapi metode NEH memberikan waktu komputasi yang lebih lama. Tujuan dari penelitian ini adalah untuk mengembangkan algoritma baru dalam pemecahan masalah penjadwalan flow shop berdasarkan konsep metode CDS dan NEH yaitu algoritma LPD, LPD2, LPD3 kemudian mengujinya pada kasus acak.Penelitian ini menghasilkan algoritma baru dalam penjadwalan flow shop dan berdasarkan hasil pengujian pada 30 kasus, ditemukan bahwa: algoritma LPD menghasilkan solusi dengan makespan 22,37 menit lebih singkat dibanding metode CDS dengan waktu komputasi 2,73 menit lebih lambat, menghasilkan solusi dengan makespan relatif sama dengan metode NEH (1,7 menit lebih singkat) dengan waktu proses program 1,77% atau 0,07 menit lebih lambat. Algoritma yang dikembangkan (LPD, LPD2, LPD3) memerlukan waktu komputasi yang lebih cepat dari metode NEHFF sekaligus menghasilkan solusi makespan yang sama (LPD2) atau lebih singkat 23,67 menit untuk algoritma LPD dan 12,90 menit untuk algoritma LPD3.

---

Every company engaged in the manufacturing industry must implement a productivity improvement program. In avoiding queues in the manufacturing process, an overall solution is needed. One that is often used in scheduling systems is the flow shop pattern. Scheduling problems become complex when many machines and jobs have to be synchronized.

FCFS, CDS is the most widely used method, this method schedules work without regard to makespan, so that with this method there are frequent delays and inefficient production costs. According to Baker (1974) the CDS method has various weaknesses, therefore Jin and friends (2007) stated that the NEH method produces a more optimal solution than the CDS method, but the NEH method provides a longer computation time. The purpose of this research is to develop a new algorithm for solving flow shop scheduling problems based on the concept of the CDS and NEH methods, namely the LPD, LPD2, LPD3 algorithms, then test it on random cases.

Based on the test results on 30 cases, it was found that: The LPD algorithm produces a solution with a makespan of 22.37 minutes faster than the CDS method with a computation time of 2.73 minutes slower, produces a solution with relatively the same makespan as the NEH method (1.7 minutes more fast) with a program processing time of 1.77% or 0.07 minutes slower. The developed algorithms (LPD, LPD2, LPD3) require faster computation time than the NEHFF method while at the same time producing the same makespan solution (LPD2) or 23.67 minutes faster for the LPD algorithm and 12.90 minutes for the LPD3 algorithm."

"Keseimbangan lini lintasan perakitan merupakan salah satu masalah penting di area produksi atau area manajemen operasi. Karena perbaikan yang sedikit pada performa sistem dapat membuat pengaruh yang signifikan terhadap keuangan, maka sangat penting untuk mengembangkan suatu solusi yang praktis dari permasalahan keseimbangan lini dan juga kebutuhan akan waktu perhitungan yang minimal untuk memecahkan masalah keseimbangan lini tersebut. Metode heurisfik adalah salah satu cara yang umum digunakan dalam kehidupan nyata untuk memecahkan masalah keseimbangan lini lintasan perakitan ini.Dalam skripsi ini, metode heuristik yang efisien digunakan untuk memecahkan masalah keseimbangan lini lintasan perakitan dengan pendekatan deterministik dan model tunggal. Metode heuristik tersebut adalah metode heuristik Algoritma Genetika. Algoritma Genetika yang digunakan untuk memecahkan masalah keseimbangan lini lintasan perakitan ini dibentuk dengan struktur kromosom yang khusus dan diaplikasikan melalui software MATLAB.Hasil dari perhitungan keseimbangan lini lintasan perakitan dengan menggunakan metode Algoritma Genetika akan dibandingkan dengan keseimbangan lini lintasan perakitan yang telah diterapkan oleh PT XYZ. Metode Algoritma Genetika terbukti menghasilkan keseimbangan lini lintasan perakitan yang lebih optimal dibandingkan keseimbangan lini yang lama. Hal itu dapat dibuktikan dengan membandingkan jumlah stasiun kerja, efisiensi lintasan, dan nilai smoothness. Selain itu, metode Algoritma Genetika mampu untuk memecahkan masalah keseimbangan lini lintasan perakitan dengan 172 elemen pekerjaan dengan waktu di bawah 150 detik. Metode Algoritma Genetika yang digunakan dalam skripsi ini menghasilkan sistem keseimbangan lini lintasan perakitan Trimming PT XYZ dengan jumlah stasiun kerja sebanyak 16 stasiun kerja, efisiensi lintasan sebesar 94,82%, dan nilai smoothness sebesar 197,79 detik.

---

Assembly Line Balancing (ALB) is one of the important problems of production/ operations management area. As small improvements in the performance of the system can lead to significant monetary consequences, it is utmost importance to develop practical solution procedures of ALB problems and minimal computational time requirement. Heuristics are generally used to solve ALB problems in real life.

In this paper, an efficient heuristic is proposed to solve the deterministic and single-model ALB problem. The proposed heuristic is a Genetic Algorithm (GA). This GA is built with special chromosomes structure and applied with MATLAB. In this paper, the result of ALB using GA will be compared with old ALB that has been used by PT XYZ.

It can be proven by comparing total workstations, line efficiency, and smoothness index. Furthermore, GA can solve ALB problems with 172 task elements in 150 seconds. GA used in this paper, solve Trimming PT XYZ line balancing problem with 16 workstations, 94,82% line efficiency, and 197,79 seconds smoothness index."

"Penelitian ini dilakukan untuk memperoleh jadwal operasi pasien elektif pada sebuah rumah sakit dengan sejumlah ruang operasi sehingga kendala ketersediaan dokter, kapasitas ruangan, dan keterdesakan waktu operasi bisa dipenuhi sebaik mungkin. Optimasi pernjadwalan dilakukan dengan algoritma genetika. Penelitian ini menghasilkan jadwal penggunaan kamar operasi yang cukup baik dalam memenuhi kendala. algoritma yang dihasilkan juga bisa menampung fleksibilitas data pasien, ruang operasi, rentang hari penjadwalan, ketersediaan dokter.

---

Thus research aims to obtain optimum surgery schedule for elective patient for a hospital having several operating rooms so as to satisfy the constraints of surgeon availability, room capacity, and the urgency of some patient. Schedule optimization is achieved by usinf genetic algorithm.

Resulting schedule is satisfactort in satisfying the constraints. the proposed alogrithm can alson accommodate flexibility in number of patients to be operated on, number of operating rooms used, the day spans of scheduling, and availability of the surgeons."

"Penjadwalan perkuliahan dalam sebuah institusi pendidikan sering kali menjadi kendala, sebab penyusunan sebuah jadwal perkuliahan dengan skala besar, membutuhkan waktu yang cukup lama dengan kompleksitas yang tinggi.untuk menyusun jadwal perkuliahan, harus mempertimbangkan beberapa komponen seperti mata kuliah. selain itu penjadwalan perkuliahan, waktu berlangsungnya proses perkuliahan, kebijakan dari institusi pendidkan tersebut. apabila dalam penjadwalan tidak dilakukan dengan tepat, akan menjadi kendala dikemudian hari. pembuatan sistem penjadwalan perkuliahan dengan menggunakan algoritma genetika ini mempermudah penyusunan jadwal perkuliahan dengan cara menggunakan metoda genetika dalam proses penjadwalannya."