Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini dilakukan untuk memperoleh keseimbangan lini perakitan yang optimal, sehingga dapat meningkatkan efisiensi lini dan memenuhi target produksi. Hal ini dilakukan dengan optimasi yaitu melalui pengaturan elemen kerja pada stasiun kerja dan waktu siklus tiap stasiun. Optimasi keseimbangan lini dilakukan dengan menggunakan algoritma Differential Evolution. Differential Evolution merupakan salah satu algoritma evolusioner yang strukturnya sederhana, mudah diimplementasikan, dan cepat mencapai tujuan. Setelah penelitian dilakukan, diperoleh efisiensi lini perakitan hydraulic excavator tipe PC300 sebesar 0.9 dengan 12 stasiun kerja dan waktu siklus maksimum 37.03 menit. Untuk lini perakitan kendaraan bermotor efisiensi lini sebesar 0.99 dengan waktu siklus maksimum 53.083 menit.

---

The aim of this research is to obtain the optimum assembly line balancing, in order to increase line efficiency and fulfill production target. Assembly line optimization was achieved using Differential Evolution Algorithm. Differential Evolution is one of evolutionary algorithm with simple, yet powerful, and straightforward. After the research is completely done, the result for efficiency line of hydraulic excavator type PC300 is 0.9 with 12 workstations and maximum cycle time 37.03 minute. Further more for vehicle assembly line the line efficiency is 0.99 with maximum cycle time 53.083 minute."

"Keseimbangan lini lintasan atau assembly line balancing (ALB) perakitan merupakan salah satu masalah penting dalam area produksi. Karena perbaikan performa sistem dapat mempengaruhi segi 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 metaheuristik merupakan cara umum dalam kehidupan nyata. Metode pada penelitian kali ini merupakan metode heuristik Tabu Search. Metode ini merupakan metode pencarian solusi pada daerah yang dianggap optimal sehingga diharapkan efisiensi keseimbangan lini tercapai. Hasil dari penelitian kali ini adalah metode algoritma Tabu Search yang dipakai dapat menghasilkan efisiensi lini perakitan sebesar 80.01% dengan running program dilakukan iterasi sebanyak 1.000.000, dan menghasilkan nilai smoothness sebesar 43.89 menit.

---

Assembly line balancing (ALB) is one of the important problem of production. As small improvement in performance system can lead to significant monetary consequence, it is importance to develop practical solution procedure of assembly line balancing problem and minimal computational time requirement. Heuristic are generally use to solve the problem in real life. In this paper, an efficient heuristic is proposed to solve the deterministic and single problem of ALB. The proposed heuristic is tabu search algorithm. This algorithm searching the optimal solution on local area, and expect for the best result to achieve ALB more efficient. The result of this paper is tabu search can solve ALB with 80.01% line efficiency, and 43.89 minutes of smoothness index."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan otomotif. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi merupakan suatu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk mendapatkan solusi yang optimal untuk masalah ini. Metode penelitian yang digunakan adalah salah satu dari metode meta-heuristik, yaitu algoritma differential evolution (DE).Prinsip algoritma DE sesuai dengan analogi evolusi biologi, yaitu terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang, dan proses seleksi. Algoritma ini memiliki beberapa keunggulan, yaitu konsepnya sederhana, mudah diaplikasikan, cepat dalam menghasilkan solusi, dan tangguh. Fungsi tujuan dari permasalahan ini adalah meminimumkan makespan. Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan makespan sebesar 1.207.624,4 detik, sedangkan jadwal perusahaan menghasilkan 1.253.272,8 detik. Jadi, usulan jadwal menghasilkan penurunan makespan sebesar 3,64% dibandingkan jadwal perusahaan.

---

This research presents job shop scheduling at a automotive company. This system yields large amount of different products with some different manufacture processes. Production scheduling is a complex problem so that appropriated method to produces the optimal solution of it is needed. Method of this research is one of meta-heuristic algorithms, differential evolution (DE) algorithm.

The principle of DE algorithm is based on analogy of biological evolution that consists of population initiation process, mutation process, crossover process, and selection process. This algorithm has some strengths because of its simply structure, ease to use, speed, and robustness. The objective function in this problem is to minimize makespan. The schedule that is obtained from differential evolution algorithm produces makespan of 1.207.624,4 seconds, meanwhile the schedule of company produces 1.253.272,8 seconds. Thus, new schedule produces reduction of makespan about 3.64% compared with schedule of company."

"Keseimbangan lini lintasan perakitan merupakan salah satu masalah penting di area produksi atau area manajemen operasi. Karena keseimbangan dalam penempatan elemen-elemen kerja dan beban kerja pada tiap stasiun kerja akan memberikan pengaruh yang besar pada performa sistem, 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 heuristik adalah salah satu cara yang umum digunakan untuk memecahkan masalah keseimbangan lini perakitan ini.Dalam penelitian ini, metode heuristik yang efisien digunakan untuk memecahkan masalah keseimbangan lini 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.Pada penelitian ini keseimbangan lini perakitan yang dihasilkan dengan menggunakan metode Algoritma Genetika akan dibandingkan dengan keseimbangan lini perakitan lama yang telah diterapkan, dan terbukti menghasilkan keseimbangan lini perakitan yang lebih baik. Dengan penurunan jumlah stasiun kerja, efisiensi lintasan serta nilai smoothness yang meningkat, penggunaan Algoritma Genetika mampu memberikan solusi yang optimal untuk memecahkan permasalahan keseimbangan lini perakitan. Oleh karena itu, pada penelitian ini metode Algoritma Genetika juga digunakan dalam menghitung keseimbangan lini dengan waktu siklus yang akan dicapai yaitu menghasilkan sistem keseimbangan lini perakitan Hydraulic Excavator tipe PC300-8 untuk waktu siklus (cycle time) 38.33 menit dengan jumlah stasiun kerja sebanyak 13 stasiun kerja, efisiensi lintasan sebesar 0,8028, dan nilai smoothness sebesar 37,8320 detik.

---

Assembly Line Balancing is one of the most important issue in operation management area. Balancing in assigning task and work load in every workstation will give big influence in assembling system performance and can affect positive to finance point of view, hence of vital importance to develop the practical solution to solve assembly line balancing problems as well as requirement of minimum calculation time, meta-heuristic method is one of most often used to solve assembly line balancing problem.

In this research, meta-heuristic method will be used to solve an assembly line balancing problem with approach of single model and deterministic which called by Genetic Algorithm.

In this research, result that achieved in balancing of assembly line by using Genetic Algorithm method will be compared with the former balancing of line which have been applied, and its proven better line characteristic. With decreasing sum of workstation among the assembly line, as well as smoothness index and also increasing line efficiency, using Genetic Algorithm can give optimal solution to solve assembly line balancing problems.

Therefore, continuing in this research, Genetic Algorithm method also applied in balancing the new assembly line with cycle time to be reached. And its proven balancing of Hydraulic Excavator type of PC300-8 Assembly line for cycle time of 38.33 minutes with 13 Workstations amount, and 0.8028 line efficiency."

"Semakin meningkatnya pengguna telepon seluler di Indonesia berakibat pada munculnya berbagai operator baru. Hal ini tentu juga berdampak pada semakin banyaknya Base Transceiver Station (BTS) yang dipasang pada menara yang harus diletakkan di berbagai tempat guna memenuhi kebutuhan pengguna telepon seluler agar dapat menggunakan jasa telepon seluler dimanapun mereka berada. Hal ini mendorong para operator untuk membangun banyak menara sehingga letaknya terkesan tidak tertata dan tidak teratur sehingga dikeluarkanlah suatu peraturan pemerintah baru yang mengharuskan bahwa satu menara telekomunikasi harus digunakan oleh lebih dari satu operator untuk mengatasi permasalahan ini. Hal ini pun telah mendorong munculnya perusahaanperusahaan yang menyediakan jasa penyewaan BTS yang diantaranya adalah PT SK. Penelitian ini bertujuan untuk menentukan titik-titik optimum dari peletakan BTS pada Kabupaten Purwakarta dimana titik-titik tersebut digunakan untuk merelokasi BTS yang sebelumnya digunakan secara sendiri-sendiri oleh tiga operator, yaitu A, B, dan C di 66 titik di Kabupaten Purwakarta yang dilakukan oleh PT SK. Selain itu, relokasi juga dilakukan dengan menambahkan 32 titik baru sehingga memiliki total lokasi sebanyak 98 buah. Penentuan titik-titik optimum tersebut menggunakan metode optimasi algoritma Differential Evolution. Hasil yang diperoleh dari penelitian ini adalah peningkatan area layanan secara berturut-turut sebesar 41%, 58%, dan 120% untuk Operator A, B, dan C.

---

The growing number of cellular phone users in Indonesia has accelerated the emerging of new providers. This phenomenon results in encouraging the providers to locate many Base Transceiver Stations installed on towers in many spots in order to fulfill the customers' needs to use the cellular phone services. The locating of many BTS in many spots done by a number of providers has resulted in disorganized locating of the BTS. To solve the problem, the Indonesian government issued decree that requires every tower to be used by more than one BTS. The decree also resulted in the emergence of many companies that offer tower renting service to cellular phone providers. One of those companies is PT SK.

The goal of this research is to determine the optimum coordinates of BTS locating in Kabupaten Purwakarta where those coordinates are used to relocate BTS in 66 locations that had been previously used individually by three providers, Provider A, B, and C by PT X and to increase the coverage of the each provider. In addition, PT X also added new 32 spots to locate the BTS. This problem is solved using Differential Evolution algorithm. The result of this research is the increase of the coverage of each provider which are increase of 41%, 58%, and 120% for Provider A, B and C respectively."

"Persediaan merupakan aset penting yang membantu perusahaan dalam mengoptimalkan customer service. Agar dapat memberikan tingkat pelayanan yang tinggi kepada para pelanggannya, perusahaan akan berusaha memenuhi permintaan pelanggan secara baik. Konsekuensi dari upaya ini adalah tingginya tingkat persediaan yang harus dimiliki oleh perusahaan dan hal ini bertentangan dengan upaya memaksimalkan efektifitas dan efisiensi biaya. Penelitian ini mempresentasikan algoritma differential evolution (DE) pada permasalahan optimasi persediaan di PT. Tigaraksa Satria Tbk, yaitu dengan meminimumkan system wide cost (modal inventori, biaya set-up/pemesanan, dan biaya stock-out) namun tetap dapat mempertahankan service level terhadap pelanggan pada setiap saluran (pabrik, gudang, dan retailer) dalam supply chain. Dengan ukuran populasi, parameter kontrol mutasi, parameter kontrol pindah silang, dan jumlah iterasi secara berturut-turut adalah 80, 0.8, 0.5 dan 2000, serta dengan jumlah persediaan maksimal pada supply chain adalah 5,350 unit karton, diperoleh penurunan total system wide cost sebesar 39.95%. Hasil ini menunjukkan bahwa algoritma DE bisa membantu untuk menyediakan persediaan dalam jumlah, waktu, dan tempat yang tepat.

---

Inventories are an important asset for company to optimize its customer service. A company has to fulfill well all customers? needs in order to give high-level service. Its consequence is higher inventory level that has to be had by a company and it is in contradiction with maximizing cost?s effectiveness and efficiency.

This research represents differential evolution (DE) algorithm for optimizing inventory level. It will be minimizing system wide cost (supply chain inventory cost, supply chain order cost, and supply chain stock-out cost) and also maintaining specified service level to customers in every supply chain?s channels, which consists a manufacture, warehouses, and retailers.

This model which is implemented in PT. X is acquired by setting the population size, the mutation constant, the crossover constant and maximum number of generations to 80, 0.8, 0.5, and 2,000 and the supply chain inventory not more than 5,350 units at any instant of time. It succeed to decrease 39.95% of total system wide cost. The result shows that DE algorithm can help company to make availability of inventory at right place and at right time."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan tertentu. Permasalahan job shop merupakan permasalahan yang sudah umum, akan tetapi pada penelitian ini ada keunikan dimana ada pengulangan proses dari job tertentu yang harus dikerjakan pada mesin tertentu sebelumnya. Sebagai akibatnya ?ditambahkan? mesin dummy untuk membantu mempermudah penyelesaian masalah ini, penambahan mesin mana menjadikan uniknya persoalan job shop. Sebagai model job shop digunakan 10 jobs dengan 85 pesanan dan 6 mesin yang berbeda, ditambah dengan 2 mesin dummy. Masalah penjadwalan dalam job shop ini diselesaikan dengan menggunakan metode algoritma differential evolution (DE) yang meminimalkan total biaya produksi. Penjadwalan dengan metode algoritma DE memberikan solusi yang cepat. Hasil dari penjadwalan dapat menghemat 0.19% total biaya produksi, juga makespan mengalami perbaikan 24% terhadap jadwal lama. Dengan demikian perusahaan bisa meningkatkan jumlah pesanan.

---

This study presents a job shop scheduling problem on a specific company. Job shop is a common problem, but in this study, there is a uniqueness of the job shop involving a repetition process of operation on certain jobs. As a result, dummy machine is ?added? to ease the problem. The model used 10 jobs, 85 orders and 6 different machines with 2 additional dummy machines. Differential evolution (DE) algorithm method is used to solve the problem, which minimizes the total cost of production. Scheduling with DE algorithm provides a quick solution. The results save 0.19% of total production costs, and improve makespan 24% compared to old scheduling. With the proposed method the company can increase the numbers of orders."

"Bahan bakar adalah salah satu komponen terbesar dalam biaya penyediaan tenaga listrik. Oleh karena itu, diperlukan mekanisme optimasi yang bertujuan untuk menghasilkan daya sesuai permintaan dengan konsumsi biaya bahan bakar minimum. Di sisi lain, penyediaan tenaga listrik kini jarus memperhatikan faktor keberlanjutan / sustainability, diantaranya faktor jumlah emisi yang dihasilkan operasi pembangkitan. Tujuan tesis adalah untuk membuat program optimasi pembagian beban antar jenis pembangkit yang dapat memenuhi persamaan tujuan tertentu. Program optimasi dapat merespon perubahan siklus beban harian, sehingga hasil optimasi dapat langsung diaplikasikan dalam operasi harian pembangkit. Terdapat beberapa jenis fungsi tujuan dalam program optimasi, diantaranya : biaya bahan bakar total minimum, optimasi emisi total minimum dan optimasi total biaya bahan bakar dan eksternalitas emisi. Khusus untuk optimasi biaya bahan bakar minimum, diuji dua bentuk kurva, yaitu kurva polynomial convex dan kurva non convex. Fungsi pembatas optimasi adalah tegangan, kapasitas pembangkit dan kesetimbangan daya dalam sistem tenaga listrik IEEE 14 Bus. Tiga jenis pembangkit disimulasikan, yaitu Pembangkit Listrik Tenaga Gas Siklus Terbuka, Pembangkit Listrik Tenaga Gas Siklus Kombinasi (CCGT) dan Pembangkit Listrik Tenaga Uap berbahan bakar Batubara. Metode yang dipilih adalah algoritma evolusi diferensial. Untuk menguji validitas, digunakan algoritma pemrograman linier sebagai pembanding. Hasil simulasi menunjukkan bahwa algoritma evolusi diferensial bekerja dengan handal untuk jenis persamaan tujuan convex dan non convex. Evolusi diferensial juga dapat merespon perubahan jenis persamaan tujuan. Untuk optimisasi biaya bahan bakar minimum, evolusi diferensial memprioritaskan pembangkit listrik berbahan bakar batubara, yang memiliki harga bahan bakar $/MW terendah. Sedangkan untuk optimasi emisi minimum, evolusi diferensial akan memprioritaskan pembangkit listrik berbahan bakar gas, yang memiliki nilai emisi tCO2/MW yang terendah.

---

Fuel is one of the main components of electricity cost. An optimization method is needed to produce required power with minimum fuel cost. On the other side, powerplants are required to pay adequate attention to sustainability nowadays. One of the major sustainability factor is the emission product which result from fuel combustion. The purpose of this thesis is to develop an optimization program related to generator dispatch with several objective functions. Optimization program could respond to daily load variation, hence its output could be directly applied in daily generator dispatch operation.

Several objective functions being tested in this paper are : minimum fuel cost, minimum emission, minimum fuel & emission externality cost. For fuel cost, two types of objective functions are being tested : polynomial convex and non convex functions. Constraints for optimization program consist of : system voltage, powerplant real and reactive capacity and loadflow balance of IEEE 14 Bus power system. Three types of generation unit are being tested : Open Cycle Gas Turbine, Combined Cycle Gas Turbine, and Coal Fueled Steam Turbine.

The chosen method is differential evolution. To test the validity of this algorithm, linear programming is used as benchmark. Simulation result shows that differential evolution is a robust algorithm for convex and non convex objective functions. Differential evolution could also respond well to different types of objective functions. For fuel cost constrained optimization, differential evolution will prioritize the coal fueled generation unit, which has lowest fuel cost $/MW. On the other hand, for emission constrained optimization, differential evolution will prioritize gas fueled generation unit, which has lowest emission value tCO2/MW compared to other units. "

"Istilah keseimbangan lini (assembly line balancing) merupakan suatu metode penugasan sejumlah pekerjaan ke dalam stasiun kerja yang saling berkaitan dalam satu lini produksi dimana setiap stasiun kerja memiliki waktu yang tidak melebihi waktu siklus dari stasiun kerja tersebut. Keterkaitan sejumlah pekerjaan dalam suatu lini produksi harus dipertimbangkan dalam menentukan pembagian pekerjaan dengan pekerjaan lainnya. Keterkaitan antar pekerjaan ini digambarkan dalam suatu diagram keterkaitan (precedence diagram), sedangkan hubungan antar pekerjaan disebut precedence job atau precedence network . Metode heuristik 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 salah satu pabrik otomotif. 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.

---

The term equilibrium line (assembly line balancing) is a method of assignment of a job into work stations interconnected in a production line where each work station has a time not exceeding the cycle time from the work station. Linkage amount of work within a production line must be considered in determining the division of labor with other jobs. Links between this work is described in a relationship diagram (precedence diagram), while the relationship between job is called job precedence or precedence network. Heuristic methods are one of the ways commonly used in real life to solve the problem of the balance of these assembly-line trajectory. In this thesis, an efficient heuristic method is used to solve the problem of balancing assembly line with a deterministic approach and a single model. The heuristic method is heuristic methods Genetic Algorithms. Genetic algorithms are used to solve the problem of balancing lines assembly line was formed with the specific chromosome structure and applied through MATLAB software. The results of the calculation of the balance lines assembly line using Genetic Algorithms will be compared with the balance of the assembly line of the track that has been applied by one of the automotive factory. Genetic Algorithm method proved to produce a balance line assembly line is more optimal than the old equilibrium line. It can be proved by comparing the number of work stations, the efficiency of the track, and the value of smoothness."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi merupakan suatu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk mendapatkan solusi yang optimal untuk masalah ini. Metode penelitian yang digunakan adalah salah satu dari metode meta-heuristik, yaitu algoritma differential evolution (DE). Prinsip algoritma DE sesuai dengan analogi evolusi biologi, yaitu terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang, dan proses seleksi. Algoritma ini memiliki beberapa keunggulan, yaitu konsepnya sederhana, mudah diaplikasikan, cepat dalam menghasilkan solusi, dan tangguh. Fungsi tujuan dari permasalahan ini ialah meminimumkan nilai makespan (waktu total penyelesaian keseluruhan job). Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan nilai makespan sebesar 3198 menit, sedangkan jadwal perusahaan menghasilkan 3209 menit. Jadi, dengan menggunakan algoritma differential evolution terjadi pengurangan total waktu proses seluruh job yaitu 11 menit. Dalam penelitian ini digunakan data waktu proses yang sama agar hasil perhitungan dapat lebih akurat terhadap fungsi tujuan yang diinginkan.

---

This research presents job shop scheduling at a company. This system yields large amount of different products with some different manufacture processes. Production scheduling is a complex problem so that appropriated method to produces the optimal solution of it is needed.

Method of this research is one of metaheuristic algorithms, differential evolution (DE) algorithm. The principle of DE algorithm is based on analogy of biological evolution that consists of population initiation process, mutation process, crossover process, and selection process. This algorithm has some strengths because of its simply structure, easy to use, speed, and robustness. The objective function in this problem is to minimize total of finish time process of all jobs.

The result of scheduling that is obtained from differential evolution algorithm produces total of finish time process is 3198 minutes, meanwhile the schedule of company produces 3209 minutes. So, there are some reducing time of total finish time process of all jobs as much as 11 minutes. In this research, we use same data in order to get more accurate calculation based on objective function."