Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Permasalahan penjadwalan karyawan secara umum adalah masalah untuk menentukan berapa banyak pekerja yang dibutuhkan untuk ditugaskan terhadap setiap periode waktu kerja yang direncanakan oleh sebuah organisasi dengan tujuan mengcover seluruh penugasan dengan biaya minimum. Permasalahan penjadwalan karyawan mempunyai kompleksitas tinggi karena banyak faktor yang harus dipertimbangkan seperti aturan yang berlaku serta biaya yang ditimbulkan. Metode yang digunakan untuk optimasi penjadwalan karyawan dalam penelitian ini adalah Algoritma Genetika. Solusi melalui metode ini diharapkan dapat membantu perusahaan dalam mengoptimal jadwal karyawan pengawas pembangunan kapal.

---

Crew scheduling problem is in general, the problem of determining how many workers must be assigned to each of the planning periods of work time for an organization in order to cover all assignments at minimum cost. Crew scheduling has a high complexity because of many aspects must be considered, such as work-rule agreements and cost of individual assignment. The method to optimize the crew scheduling problem is Genetic Algorithm. The solution through this method could help the organization to optimize workforce scheduling of ship building surveyor."

"Penelitian ini dilakukan untuk memperoleh jadwal operasi pasien elektif pada sebuah rumah sakit dengan sejumlah ruang operasi sehingga kendala ketersediaan dokter, kapasitas ruangan, dan keterdesakan waktu operasi bisa dipenuhi sebaik mungkin. Optimasi pernjadwalan dilakukan dengan algoritma genetika. Penelitian ini menghasilkan jadwal penggunaan kamar operasi yang cukup baik dalam memenuhi kendala. algoritma yang dihasilkan juga bisa menampung fleksibilitas data pasien, ruang operasi, rentang hari penjadwalan, ketersediaan dokter.

---

Thus research aims to obtain optimum surgery schedule for elective patient for a hospital having several operating rooms so as to satisfy the constraints of surgeon availability, room capacity, and the urgency of some patient. Schedule optimization is achieved by usinf genetic algorithm.

Resulting schedule is satisfactort in satisfying the constraints. the proposed alogrithm can alson accommodate flexibility in number of patients to be operated on, number of operating rooms used, the day spans of scheduling, and availability of the surgeons."

"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 dilakukan untuk memperoleh jadwal mata kuliah pada perguruan tinggi yang optimal, sehingga jumlah mata kuliah yang bentrok dapat dikurangi, beban mahasiswa lebih merata, serta penggunaan ruang kelas lebih optimal. Hal ini dilakukan dengan optimasi yaitu melalui penentuan jadwal mata kuliah. Optimasi jadwal dilakukan dengan menggunakan algoritma genetika. Algoritma genetika adalah salah satu algoritma yang tepat digunakan untuk memecahkan permasalahan dalam skala besar dan memiliki tingkat kompleksitas yang tinggi sehingga cocok untuk digunakan memecahkan masalah penjadwalan mata kuliah pada perguruan tinggi yang terkenal rumit dan memiliki banyak sekali variabel kendala yang harus dipenuhi dalam pembuatan jadwal yang baik. Hasil yang diharapkan dari penelitian ini adalah sebuah jadwal mata kuliah yang optimal berdasarkan jumlah mata kuliah yang bentrok, beban mahasiswa, dan penggunaan ruang kelas. Setelah penelitian dilakukan diperoleh jadwal baru yang optimal.

---

The aim of this research is to gain an optimum schedule for university course timetabling problem, in order to decrease the number of clashed courses, even distribute student's study burden, and optimize class utilization. Schedule optimization were achieved using genetic algorithm.

Genetic algorithm is one kind of algorithms that appropiate to be used for solving large scale problem with high complexity so it suitable to be used for solving university course timetabling problem which is an NP-hard problem and many constraints variable that has to be fulfilled in order to make a good schedule.

The result of this research is an optimum schedule based on number of clashed courses, student's study burden, and class utilization. After the research is completely done, the result is a new optimum schedule."

"Penelitian ini bertujuan untuk menghasilkan jadwal mata kuliah di perguruan tinggi yang optimal, dengan mengurangi jumlah mata kuliah yang bentrok, serta distribusi kelas yang merata untuk meringankan beban mahasiswa. Untuk mencapai tujuan tersebut, optimasi jadwal dilakukan menggunakan algoritma genetika. Algoritma ini sangat cocok untuk menyelesaikan masalah skala besar dan kompleks, seperti penjadwalan mata kuliah di perguruan tinggi yang melibatkan banyak variabel dan kendala. Teknik local search digunakan untuk membantu algoritma genetika dalam meningkatkan kinerja dan mempercepat konvergensi. Penelitian ini diharapkan menghasilkan jadwal mata kuliah yang optimal berdasarkan kriteria jumlah mata kuliah yang bentrok, serta distribusi kelas yang merata untuk meringankan beban mahasiswa. Hasil penelitian menunjukkan bahwa jadwal baru yang optimal berhasil diperoleh.

---

This research aims to produce an optimal college course schedule by reducing the number of conflicting courses and ensuring an even distribution of classes to ease the students' workload. To achieve this goal, schedule optimization uses a genetic algorithm. This algorithm is well-suited for solving large-scale and complex problems, such as college course scheduling that involves many variables and constraints. Local search techniques assist the genetic algorithm in improving performance and accelerating convergence. This research is expected to produce an optimal course schedule based on the criteria of minimizing course conflicts and evenly distributing classes to ease students' workload. The research results show that an optimal new schedule was successfully obtained."

"Menumpuknya pesawat terbang pada saat pemeliharaan berkala menyebabkan kurangnya pesawat terbang yang dapat dioperasikan untuk pelatihan bagi mahasiswa penerbang. Untuk itu diperlukan jadwal pemakaian dan jadwal pemeliharaan pesawat terbang agar diperoleh jadwal yang optimal. Penelitian ini bertujuan untuk memperoleh suatu sistem penjadwalan pemeliharaan pesawat terbang yang optimal dengan meminimumkan terjadinya pemeliharaan 2000 jam secara bersamaan dengan metode algoritma genetik. Hasil yang dicapai adalah jadwal pemeliharaan pesawat terbang dengan meminimumkan terjadinya pemeliharaan 2000 jam selama 10 tahun dengan standard deviasi sebesar 0,43483.

---

Stacked of aircraft at the time in a periodic aircraft maintenance causing the lack of aircraft which is operated for the aviation training students. This require the schedule usage and aircraft maintenance schedule in order to obtain the optimal schedule.

This study aims to obtain a maintenance scheduling system of the optimal aircraft to minimize the occurrence of 2000-hour maintenance in conjunction with genetic algorithm method.

The results are an aircraft maintenance schedule to minimize the occurrence of 2000-hour maintenance for 10 years with a standard deviation of 0.43483."

"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."