Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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 total biaya keterlambatan seluruh job. Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan total biaya keterlambatan seluruh job sebesar 28395 menit, sedangkan jadwal perusahaan menghasilkan 33190 menit. Jadi, usulan jadwal menghasilkan penurunan total biaya keterlambatan sebesar 14,45% dibandingkan jadwal perusahaan. Selain itu; jumlah job yang terlambat, total keterlambatan, dan total waktu penyelesaian seluruh job juga mengalami penurunan; yaitu secara berurutan sebesar 11,11%; 11,47%; dan 0,1%.

---

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, ease to use, speed, and robustness. The objective function in this problem is to minimize total of tardiness costs of all jobs. The schedule that is obtained from differential evolution algorithm produces total of tardiness costs of 28395 minutes, meanwhile the schedule of company produces 33190 minutes. Thus, new schedule produces reduction of total of tardiness costs about 14.45% compared with schedule of company. Moreover, the number of tardy jobs, total of tardiness, and makespan also show reduction about 11.11%, 11.47%, and 0.1% respectively."

"Penelitian ini membahas masalah penjadwalan job shop. Pada sistem ini akan dilakukan kegiatan pemuatan barang ke dalam kontainer ekspor dimana waktu kedatangan dari kendaraan pembawa barangnya adalah bervariasi atau dinamis. Penjadwalan suatu kegiatan 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 total biaya keterlambatan seluruh job. Penjadwalan yang diperoleh melalui algoritma differential evolution pada proses kegiatan pemuatan barang ekspor di perusahaan third party logistics dengan studi kasus PT.X menghasilkan total biaya lembur seluruh job sebesar Rp.8.244.000. Jadi, usulan jadwal menghasilkan penurunan total biaya keterlambatan sebesar 9% dibandingkan jadwal perusahaan.

---

This research presents job shop scheduling. This system will imply for stuffing activity where the arrival time of truck is dynamic. 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, ease to use, speed, and robustness. The objective function in this problem is to minimize total of tardiness costs of all jobs. The schedule that is obtained from differential evolution algorithm produces in stuffing process of PT. X as a Third Party Logistics company, the total of overtime costs are 8.244.000 rupiah, Thus, new schedule produces reduction of total of tardiness costs about 9% compared with schedule of company."

"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."

"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 memperoleh 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 286.432,4 detik, sedangkan jadwal perusahaan menghasilkan 313.325 detik. Jadi, usulan jadwal menghasilkan penurunan makespan sebesar 8,58 % dibandingkan jadwal perusahaan.

---

This research discusses job shop scheduling problems in the automotive company. This system yields large amount of different products with some different manufacture processes. Production scheduling is the complex problems so that approriated 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 biology evolution that consists of population initiatilization 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.

This schedule that is obtained from differential evolution algorithm produces makespan of 286,432.4 seconds, meanwhile the schedule of company produces 313,325 seconds. Thus, new schedule produces reduction of makespan about 8.58% compare with schedule of company."

"Skripsi ini mempresentasikan algoritma differential evolution pada permasalahan job shop dengan fungsi tujuan meminimumkan makespan. Representasi populasi individu diperoleh dari bilangan acak. Bilangan acak tersebut menjadi acuan aturan smallest position value yang akan digunakan untuk mengkonversikan nilai posisi kontinyu bagi permutasi job, yang kemudian diterjemahkan menjadi job repetition vector. Penjadwalan dihasilkan dengan menggunakan prosedur job repetition vector. Metode ini diaplikasikan menggunakan data sekunder penelitian seseorang di PT X. Metode tersebut selanjutnya akan dibandingkan dengan metode lain pada permasalahan job shop.

---

This skripsi presents a differential evolution algorithm for job shop scheduling problem with makespan criterion. The individual representation of the problem is based on random keys. The random key representations develops smallest position value rule in order to convert the continuous position values to the discrete job permutations. The schedules are constructed using job repetition vector procedure. The approach is tested on a standard instance taken from the literature which uses data from PT X. The approach is then compared with other approaches."

"Besarnya kebutuhan akan kemasan kayu dalam kegiatan perdagangan menuntut produsen kemasan kayu untuk mengembangkan sistem penjadwalan produksi yang optimal agar dapat memenuhi permintaan pasar. Penelitian ini membahas optimasi penjadwalan produksi kemasan kayu, khususnya pallet, dengan system job shop melalui penerapan algoritma Differential Evolution. Prinsip algoritma DE sesuai dengan analogi evolusi biologi yang terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang, dan proses seleksi. Tujuan dari penelitian ini adalah untuk meminimumkan total biaya (dalam satutan waktu) yang timbul sebagai akibat dari keterlambatan dalam proses produksi kemasan kayu, khususnya pallet yang dipergunakan untuk mengemas barang-barang ekspor. Penelitian dilakukan melalui studi kasus dengan mengamati proses produksi pallet pada suatu produsen pallet. Hasil dari penelitian ini adalah diperolehnya usulan penjadwalan produksi dengan penurunan total biaya keterlambatan sebesar 25,22%, (dari 23590 menit menjadi 17640 menit) serta penurunan pada kriteria lainnya seperti jumlah pesanan yang terlambat, total waktu keterlambatan, dan waktu penyelesaian. Simulasi penambahan kapasitas menunjukkan bahwa penambahan jumlah mesin pada stasiun serut dan potong dapat menghilangkan keterlambatan dan meningkatkan output hingga 95%.

---

The ever increasing need of wooden packaging , whether for international as well as inter-islands transportation of traded goods, has required the producers of wooden packaging to develop an optimized production scheduling system to fulfill the market demand. This research studies the optimization of the job shop production scheduling system of wooden packaging, particularly pallet, through the application of the Differential Evolution (DE) algorithm. The principles of the DE algorithm is in line with the biological evolution analogy which consists of the initialization of population, mutation, crossover, and selection processes. The DE algorithm has some excellent features namely the concept is simple, easy to apply, quick in producing solutions, and robust. The objektif of this research is to minimize the total cost (in time unit) resulting from the delay in the production process of wooden packaging, particularly pallet.

This research is a case-study which is carried-out by observing pallet production process at a wooden packaging manufacturer. The company produces wood packaging, mainly pallet, which are used for the packaging of exported goods. This research leads to a recommendation on the wooden packaging production schedule with more efficient cost. The total cost resulting from the delay in the production is reduced by 25,22% (from 23590 minutes to 17640 minutes). There are also reductions in the total of tardy job, total of tardiness, and makespan. A simulation of work station capacity upgrade also shows that the addition of the number of machineries in planing and sawing station will eliminate delay and increase output up to 95%."

"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%."

"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."