Hasil Pencarian  ::  Simpan CSV :: Kembali

"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 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."

"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 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."

"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. 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."

"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."

"Biaya transportasi merupakan salah satu komponen utama dalam struktur biaya logistik total. Transportasi yang efisien dapat memberikan kontribusi pada penurunan biaya logistik total. Salah satu komponen utama transportasi yang harus diperbaiki untuk mengurangi biaya transportasi adalah penentuan rute kendaraan yang dikenal dengan istilah vehicle routing problem. Tujuan dari VRP adalah mengatur urutan rute pengiriman sehingga menghasilkan jarak tempuh total seminimal mungkin. Untuk menyelesaikan permasalahan pengiriman produk di perusahaan pembuatan komponen otomotif ini, maka dikembangkan model penyelesaian VRP menggunakan algoritma Differential Evolution. Keunggulan DE adalah strukturnya yang sederhana, mudah diimplementasikan, cepat dalam mencapai tujuan, dan tangguh. Rute usulan hasil penelitian menghasilkan perbaikan, yaitu pengurangan jarak tempuh sebesar 23,87% dan biaya transportasi sebesar 17%.

---

Transportation cost constitute a main component in total logistic cost. Efficient transportation can contribute in saving total logistic cost. One of transportation component that should be corrected to reduce cost of transportation is vehicle routing problem. The objective of VRP is to set delivering routes order so that its total distance can be minimize. In order to solve delivery problem in this Component Automotif Manufacturing Industry, VRP model was developed using Differential Evolution algorithm. DE is a population based and direct stochastic search algorithm which simple, yet powerful and straightforward The result of this research shows the improvement that reduce total distance traveled by and transportation cost by 11,13%."

"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."

"Tujuan tugas akhir ini adalah untuk meminimalisasi biaya pemindahan bahan dengan cara merancang ulang tata letak pabrik. Perancangan ulang tata letak pabrik adalah sebuah permasalahan yang rumit, oleh karena itu kita memerlukan metode yang tepat untuk mendapatkan solusi optimal. Metode penelitian yang digunakan dalam tugas akhir ini merupakan salah satu metode meta-heuristic yaitu Algoritma Differential Evolution (DE). Prinsip Algoritma DE sesuai dengan analogi evolusi biologi yang terdiri atas inisialisasi populasi, mutasi, pindah silang dan seleksi. Algoritma ini mempunyai banyak keunggulan yaitu : sederhana, mudah digunakan dan cepat.

---

The purpose of this final project is to minimize material handling cost by relayout the plant facilities. The re-layout of plant facilities is a complicated problem therefore we need the right method to get the optimum solution. The research method used in this final project is one of meta-heuristic method that is Differential Evolution Algorithm (DE). The principal of DE Algorithm as according to biology evolution analogy, which is consist of population initialization, mutation, crossover and selection. This algorithm has many of advantages that are: simple, easy to be used and fast."