Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
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%.

Abstrak :
Salah satu bentuk nyata dari globalisasi dalam bidang ekonomi adalah terciptanya perdagangan bebas yang kini telah diterapkan oleh hampir seluruh negara di dunia. Pergerakan global menuju pasar bebas ini telah mengubah pasar global menjadi sangat kompetitif. Oleh karena itu, para produsen dipaksa untuk terus mempertahankan atau meningkatkan daya saing mereka. Menerapkan metode penjadwalan yang efisien adalah salah satu strategi efektif dalam meningkatkan efisiensi dan daya saing manufaktur. Oleh karena itu, penelitian ini berfokus pada pemecahan masalah penjadwalan toko aliran permutasi (PFSP) yang dapat diterapkan secara luas di industri. Pertama, heuristik Nawaz, Enscore, dan Ham (NEH) akan dimodifikasi dengan menambahkan strategi pencarian lokal. Kemudian heuristik yang diusulkan tersebut akan dibandingkan dengan NEH oleh Nawaz et al. (1983) dan NEHKD oleh Kewal et al. (2019). Hasil penelitian menunjukkan bahwa heuristik yang diusulkan dapat mengungguli heuristik pembanding dalam memperoleh solusi dengan makespan yang lebih rendah bagi PFSP. Selain itu, nilai indikator dari median yang dikombinasikan dengan standar deviasi dapat meningkatkan kinerja lebih jauh. ......One of the real examples of globalization in economy is the creation of free trade policy which is currently applied by almost all countries in the world. This global movement towards the free market has turned the global market to become highly competitive. Therefore, manufacturers are forced to continuously maintain or enhance their competitiveness. Applying an efficient scheduling method is one of the effective strategies in increasing the manufacturing efficiency and competitiveness of the manufacture. Therefore, this paper focuses on solving permutation flow shop scheduling problem (PFSP) that can be widely applied in the industry. First, Nawaz, Enscore, and Ham (NEH) heuristic will be modified by adding a local search strategy. Then the proposed heuristic will be compared with NEH by Nawaz et al. (1983) and NEHKD by Kewal et al. (2019). The result shows that the proposed heuristic can outperform other compared heuristics in obtaining a better solution with smaller makespan for PFSP. Moreover, indicator value of median combined with standard deviation can enhance the heuristic performance even further.

Abstrak :
Tugas akhir ini membahas masalah penjadwalan n job yang akan diproses melalui 2 buah mesin A dan 3 dengan transportasi tak hingga terdapat diantara kedua buah mesin. Tujuannya adalah mendapatkan urutan job yang optimal yang dapat memberikan total waktu penyelesaian yang minimal. Penjadwalan ini mempunyai kekhususan yaitu diantara n job tersebut terdapat k job (k≥2) yang dikelompokkan (diblok) dan dianggap sebagai 1 job yaitu job β. Waktu proses job β di mesin A dan B diperoleh dengan menggunakan teorema Equivalent Job untuk Job Block. Sedangkan untuk mendapatkan urutan yang optimal, disusun sebuah algoritma baru yang dikembangkan berdasarkan algoritma Johnson.

Abstrak :
ABSTRAK
To minimize makespan in the permutation flow shop scheduling problem, a modified immunogulobulin-based artificial immune system algorithm (M-IAIS) is developed to search for a job sequence. The basic structure of immunoglobulin-based artificial immune system algorithm consists of three parts, somatic recombination, hypermutation, and isotype switching. A special process, named B cell repertoire updating, is considered in M-IAIS algorithm to accelerate the deviation, hypothesis test, convergence speed. Taillard's benchmark problems are chosen as test instances. Percentage paper to evaluate the performance of M-IAIS algorithm. Computational result show that M-IAIS algorithm is competitive for the permutation flow shop scheduling problem.

Abstrak :
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.

Abstrak :
Penelitian ini mengenai pemodelan untuk penjadualan produksi mini boom dan mini arm di PT. Hitachi Construction Machinery Indonesia. Proses produksi untuk kedua produk ini memiliki tipikal flexible flow shop dengan variasi type barang mencapai 12 jenis. Setiap type barang harus melalui tiga tahapan proses yang harus dilakukan secara berurut. Adanya limitasi fleksibilitas proses pada dua buah tahapan menyebabkan masalah penjadualan menjadi kompleks. Pendekatan yang dilakukan untuk memecahkan masalah penjadualan 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 penjadualan awal untuk masing-masing tahapan. Optimasi dilakukan terhadap inisisalisasi solusi dengan menggunakan Genetic Algorithm. Genetic Algorithm 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 mini boom and mini arm in PT. Hitachi Construction Machinery Indonesia. The process of both products is categorized as flexible flow shop with 12 different types of product. Each product is processed through three stages with fixed sequence. There is a limitation of process flexibility among two of three 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.