Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"PT XYZ merupakan sebuah perusahaan farmasi afiliasi Filipina yang menggunakan sistem flexible job shop dalam melakukan kegiatan produksi. PT XYZ memiliki rencana untuk menerapkan sistem produksi lean dalam aktivitasnya, Akan tetapi, tidak adanya metode penjadwalan produksi yang sistematis telah mengakibatkan munculnya banyak waste dalam lini produksi PT XYZ, seperti rendahnya utilisasi mesin, banyaknya mesin yang idle, adanya penumpukan work in process, dan seringnya terjadi perubahan rencana produksi, sehingga sulit bagi PT XYZ untuk menjadi perusahaan berbasis lean. Penelitian ini bertujuan untuk memperoleh sistem penjadwalan produksi yang tepat pada PT XYZ dengan berfokus pada upaya minimalisasi total waktu penyelesaian pekerjaan, sehingga berujung pada peningkatan efisiensi di PT XYZ. Dengan mempertimbangkan parameter job, mesin, operasi, waktu standar, dan bobot prioritas produk, disusunlah sebuah sistem penjadwalan dengan menggunakan aplikasi Visual Basic for Application. Solusi awal penjadwalan diperoleh dengan menggunakan salah satu aturan dispatching rule, yaitu weighted shortest processing time yang menghasilkan nilai makespan selama 67.080 menit. Selanjutnya, solusi kembali ditingkatkan dengan menggunakan metode algoritma tabu search, sehingga diperoleh nilai makespan minimal selama 52.485 menit. Solusi akhir penjadwalan yang dihasilkan mampu untuk meningkatkan efisiensi di PT XYZ sebesar 36.73%.

---

PT XYZ is a pharmaceutical company, which has an affiliation with Philippines, which uses flexible job shop system to its production activities. Right now, PT XYZ is going to implement lean production system to its daily. However, the absence of systematic production scheduling method has brought a lot of waste to PT XYZ production line, such as low machines utilization, many idle machines, many work in process, and frequent changes in its production plan, thus it becomes difficult to implement lean production system.

This research aims to obtain a proper production scheduling system for PT XYZ, which focus on minimizing makespan, so that leads to efficiency improvement in PT XYZ. By considering job, machines, operation, standard time, and product priority as its parameter, formulated a scheduling system using Visual Basic for Application.

Initial solution is obtained by using one of dispatching rule method, namely weighted shortest processing time, which results a 67.080 minutes of makespan. Subsequently, the solution was improved by using tabu search algorithm, so the makespan value would become 52.485 minutes. This solution is able to improve efficiency in PT XYZ by 36.73%."

"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 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."

"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."

"Penelitian ini membahas permasalahan suatu perusahaan kontraktor tambang dalam menentukan jumlah dan biaya alat training yang harus dikeluarkan untuk melaksanakan kegiatan training operator. Untuk memperoleh solusi optimal pada permasalahan ini diperlukan suatu sistem penjadwalan training operator dengan metode yang tepat. Metode yang digunakan dalam penelitian ini adalah algoritma Differential Evolution (DE). DE membantu penelitian yang memiliki fungsi tujuan meminimumkan total biaya pembelian alat training ini untuk memperoleh solusi yang optimal. Solusi yang dihasilkan memberikan penurunan jumlah alat yang dibeli sebesar 36,7% yaitu 19 alat dari 30 alat dengan biaya yang juga mengalami penurunan sebesar 69,6% yaitu $3.702.163,20 dibandingkan dengan penjadwalan yang dilakukan perusahaan.

---

This research discusses a mining contractor company's problem in determining the amount and cost of purchasing training equipment that must be issued to conduct the operator training. Getting the optimal problem solution require a right method of operator training scheduling system.

The method used in this research that has the objective function to minimize the total of the purchasing training equipment cost is Differential Evolution (DE) algorithm. DE assist it to obtain the optimal solution.

The solution reduce 36.7% amount of equipment purchased from 30 to 19 equipment and 69.6% equipment purchasing cost as much as $3,702,163.20 compared to the company scheduling result."

"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."

"Banyak riset telah dilakukan untuk meningkatkan hasil produksi, meminimumkan downtime mesin, mengoptimalkan penjadwalan produksi, menyediakan bahan baku dan bahan kemasan, dll. Fluktuasi permintaan konsumen menjadi faktor yang sulit untuk diprediksi. Penjadwalan produksi memiliki peranan yang penting untuk memberikan hasil produksi yang optimal.Pada awal riset ini metode Autoregresif Integrated Moving Average ARIMA digunakan untuk melakukan peramalan dengan menggunakan data historikal, optimasi yang dilakukan untuk meningkatkan hasil produksi, adalah dengan meminimumkan makespan dan jumlah lini mesin yang digunakan. Model yang digunakan mixed integer linear programming. Metode branch and bound B B dikembangkan untuk penyelesaian masalah ini. Riset ini juga membandingkan antara model meminimumkan makespan dengan meminimumkan makespan dan jumlah lini yang digunakan. Total biaya yang dibutuhkan menjadi faktor penentu, model mana yang lebih baik. Beberapa skenario juga disertakan untuk mengetahui kemungkinan model ini diterapkan pada keadaan nyata. Pada tesis ini studi kasus yang dilakukan adalah meminimumkan makespan dan meminimumkan jumlah lini yang digunakan. Hasil yang diperoleh pada studi kasus ini adalah 295,4 jam dengan lini yang digunakan adalah satu lini mesin.

---

Researches has been done to improve production output, minimize machine downtime, optimize production scheduling, provide raw materials and packaging materials, etc. Fluctuations in consumer demand is a difficult factor to predict. Production scheduling has an important role to provide optimal production results.

At the beginning of this research, the method of Autoregressive Integrated Moving Average ARIMA is used to forecast using historical data, the optimization done to improve the production yield, is to minimize the makespan and the number of machine lines used. The model used mixed linear integer programming. The branch and bound method B B was developed to solve this problem.

This research also compares the minimize makespan model with minimize makespan and number of lines used. The total cost required becomes the deciding factor, which model is better. Several scenarios are also included to find out the possibility of this model being applied to real circumstances. In this thesis, the case study is minimizing the makespan and minimizing the number of lines used. The results obtained in this case study was 295.4 hours with the line used being one machine line."

"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."