Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTIn this paper, a new method proposed for location-allocation of skilled workers in a dual constraint cellular manufacturing systems. The main aim is to determine best trading off values between in-house manufacturing and outsourcing, while performance of human resource is not fixed and part demands are considered uncertain. For this purpose, a multi-period scheduling model is developed which is flexible enough to use in real industries. To solve the proposed model, a hybrid Ant Colony Optimization and Tabu Search algorithms is developed and results are compared with a Branch and Bound algorithms. Results showed that utilizing system capability by operator promoting and using temporary workers can effectively reduce system costs. It is also found that workers performance has significant impact on total system costs. The results also demonstrated the superiority of the proposed method on providing solutions with better quality"

"Studi ini bertujuan untuk merancang kapasitor bank dalam suatu penyulang PLN menggunakan metode Ant Colony Optimization (ACO). Penyulang PLN adalah bagian penting dari sistem distribusi listrik yang memastikan stabilitas dan kualitas tegangan listrik. Kapasitor bank, sebagai sumber daya reaktif tambahan, memainkan peran penting dalam menyeimbangkan beban induktif dan mengkompensasi daya reaktif yang hilang dalam sistem. Dalam konteks ini, ACO digunakan sebagai metode optimasi untuk menemukan penempatan optimal kapasitor bank yang dapat meningkatkan kinerja sistem distribusi listrik. Metode ACO (Ant Colony Optimization) digunakan untuk mengoptimalkan penempatan kapasitor bank pada penyulang PLN. Metode ini meniru perilaku koloni semut dalam mencari jalur terpendek ke sumber makanan, diadaptasi untuk mencari solusi optimal dalam penempatan kapasitor bank. Dengan mempertimbangkan faktor-faktor seperti tegangan, arus, dan rugi-rugi daya, penelitian ini menghasilkan strategi penempatan yang dapat mengurangi rugi-rugi daya, meningkatkan tegangan, serta meningkatkan efisiensi energi pada sistem distribusi listrik. Studi ini melibatkan pemodelan sistem distribusi listrik, analisis aliran daya, dan penggunaan metode ACO untuk menemukan penempatan optimal kapasitor bank. Hasil penelitian menunjukkan bahwa penerapan metode ACO dapat menghasilkan solusi yang efisien dalam penempatan kapasitor bank, sehingga meningkatkan stabilitas dan kualitas tegangan listrik dalam sistem distribusi PLN. Kesimpulan dari studi ini menunjukkan pentingnya penggunaan teknik optimasi seperti ACO dalam merancang kapasitor bank dapat digunakan untuk merancang sistem distribusi listrik, khususnya dalam penempatan kapasitor bank. Dengan menggunakan metode ACO, dapat dicapai peningkatan signifikan dalam kinerja sistem distribusi listrik, sehingga memungkinkan penghematan energi dan peningkatan kualitas layanan listrik bagi pelanggan. Penambahan kapasitor bank dengan metode ACO menunjukkan bahwa drop tegangan menjadi lebih kecil dan sesuai dengan aturan SPLN no. 72 tahun 1987. Ini menunjukkan bahwa dalam konteks penyesuaian load flow, PLN menggunakan penyesuaian kapasitor bank untuk perencanaan distribusi listrik yang lebih baik.

---

This study aims to design capacitor banks in a PLN feeder using the Ant Colony Optimization (ACO) method. PLN feeders are vital parts of the electrical distribution system that ensure stability and quality of electrical voltage. Capacitor banks, as additional reactive power resources, play a crucial role in balancing inductive loads and compensating for reactive power loss in the system. In this context, ACO is used as an optimization method to find the optimal placement of capacitor banks that can enhance the performance of the electrical distribution system. The ACO method is utilized to optimize the placement of capacitor banks in PLN feeders. This method mimics the behavior of ant colonies in finding the shortest path to a food source, adapted to search for optimal solutions in capacitor bank placement. By considering factors such as voltage, current, and power losses, this research generates placement strategies that can reduce power losses, increase voltage, and improve energy efficiency in the electrical distribution system. This study involves modeling of the electrical distribution system, power flow analysis, and the use of the ACO method to find optimal capacitor bank placement. The research results indicate that the application of the ACO method can produce efficient solutions in capacitor bank placement, thereby enhancing the stability and quality of electrical voltage in PLN distribution systems. The conclusion of this study underscores the importance of utilizing optimization techniques such as ACO in designing capacitor banks for electrical distribution systems, particularly in capacitor bank placement. By employing the ACO method, significant improvements in the performance of the electrical distribution system can be achieved, enabling energy savings and enhancing the quality of electrical service for customers. The addition of capacitor banks using the ACO method shows that voltage drops are reduced and comply with SPLN Regulation No. 72 of 1987. This indicates that in the context of load flow adjustment, PLN utilizes capacitor bank adjustments for better electrical distribution planning."

"Layanan pesan-antar makanan (takeaway-delivery) merupakan salah satu layanan yang ditawarkan oleh platform transportasi online dengan proses pengambilan dan pengantaran pesanan dilakukan oleh kurir (driver). Semakin meningkatnya penggunaan layanan pesan antar makanan ini mengakibatkan tingginya jumlah kurir yang dibutuhkan untuk memenuhi permintaan layanan tersebut. Salah satu solusi untuk mengatasi hal tersebut yaitu diperkenalkan fitur multi-order, dimana satu kurir dapat melayani dua permintaan layanan pesan antar makanan untuk pelanggan-pelanggan yang lokasinya berdekatan. Penelitian pada skripsi ini melakukan optimasi rute layanan pesan-antar makanan yang mengimplementasikan fitur multi-order dan bertujuan untuk meminimumkan biaya operasional dengan tetap mempertimbangkan kepuasan pelanggan. Kepuasan pelanggan yang dimaksud terkait dengan rentang waktu (time windows) yang ditetapkan untuk masing-masing pelanggan untuk pengantaran makanan agar kualitas makanan tetap terjaga. Masalah optimasi ini dimodelkan sebagai Vehicle Routing Problem Pickup and Delivery with Time Windows (VRPPDTW). Untuk penyelesaiannya digunakan Metode Ant Colony Optimization (ACO), yaitu metode heuristik yang terinspirasi dari perilaku semut saat mencari makanan yang meninggalkan jejak berupa zat kimia bernama pheromone pada jalur yang dilewati. Pheromone menjadi sinyal bagi sesama semut untuk menandakan jalur yang sudah pernah dilewati semut sebelumnya. Penerapan metode ACO dilakukan pada data yang terdiri dari 50 pesanan yang masuk dengan 10 kali iterasi dan 10 semut yang tersedia. Hasil yang diperoleh dari penerapan metode ACO untuk optimasi layanan pesan antar dengan fitur multi-order yaitu terjadi penghematan biaya operasional hingga 34,85% dan mengurangi jumlah driver yang beroperasi hingga 48% bila dibandingkan dengan layanan pesan antar tanpa menggunakan fitur multi-order.

---

Food delivery services offered by online transportation platforms involve couriers picking up and delivering orders. The increasing demand for these services has led to a higher number of couriers needed. To address this, the multi-order feature was introduced, allowing one courier to handle two food delivery requests from customers located near each other. This thesis research optimizes the food delivery service route using the multi-order feature, aiming to minimize operational costs while considering customer satisfaction. Customer satisfaction is tied to the time windows set for each customer to ensure food quality is maintained upon delivery. This optimization problem is modeled as a Vehicle Routing Problem Pickup and Delivery with Time Windows (VRPPDTW). The solution uses the Ant Colony Optimization (ACO) method, inspired by ants behavior in searching for food and leaving pheromone trails. These pheromones signal other ants about the paths traveled. The ACO method was applied to data consisting of 50 orders with 10 iterations and 10 available ants. Results from applying the ACO method for optimizing the multi-order food delivery service showed operational cost savings of up to 34.85% and a reduction in the number of drivers by up to 48% compared to delivery services without the multi-order feature."

"Penelitian ini mengeksplorasi penerapan algoritma Ant Colony Optimization (ACO) yang dilengkapi dengan algoritma pencarian A* untuk memecahkan masalah tata letak di galangan kapal, guna meningkatkan produktivitas dan meminimalkan biaya operasional, terutama penanganan material. Menurut Dorigo et al. (1996), ACO adalah teknik probabilistik yang terinspirasi dari perilaku semut dalam mencari makan dan cocok untuk optimasi kombinatorial. Algoritma pencarian A*, seperti yang dijelaskan oleh Hart et al. (1968), adalah algoritma pencarian terbaik-pertama yang menemukan jalur biaya terendah menggunakan heuristik. Penelitian ini memodelkan galangan kapal sebagai masalah optimasi yang kompleks, dengan fokus pada biaya penanganan material. ACO digunakan untuk mengeksplorasi konfigurasi tata letak potensial, sementara algoritma pencarian A* diintegrasikan untuk meningkatkan efisiensi dan akurasi. Melalui simulasi dan analisis data dunia nyata, pendekatan gabungan ACO dan A* menunjukkan peningkatan signifikan dalam efisiensi tata letak dan pengurangan biaya penanganan material. Studi ini berkontribusi pada bidang teknik industri dengan memperkenalkan pendekatan baru untuk optimasi tata letak galangan kapal dan menunjukkan potensi algoritma yang terinspirasi bio dalam menyelesaikan masalah teknik praktis.

---

This research explores the application of Ant Colony Optimization (ACO) algorithms, supplemented by A* search algorithms, to solve layout problems in shipyards to enhance productivity and minimize operational costs, especially material handling costs. According to Dorigo et al. (1996), ACO is a probabilistic technique inspired by ant foraging behavior, well-suited for combinatorial optimization problems. The A* search algorithm, as described by Hart et al. (1968), is a best-first search algorithm that finds the lowest-cost path using heuristics. This research models the shipyard as a complex optimization problem, focusing on material handling costs. ACO is used to explore potential layout configurations, while the A* search algorithm is integrated to improve efficiency and accuracy. Through simulations and real-world data analysis, the combined ACO and A* approach shows significant improvements in layout efficiency and reductions in material handling costs. This study contributes to industrial engineering by introducing a new approach to optimizing shipyard layouts and demonstrating the potential of bio-inspired algorithms in solving practical engineering problems."

"Traveling Salesman Problem (TSP) adalah masalah mencari jalur terpendek untuk mengunjungi setiap simpul tepat satu kali kecuali simpul awal kunjungan jika diberikan himpunan simpul yang harus dikunjungi. Tiga modifikasi dilakukan pada skripsi ini untuk menyelesaikan masalah TSP dengan menggabungkan metode Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) dan 3-Opt Algorithm. ACO digunakan untuk mencari solusi TSP, PSO digunakan untuk mencari nilai paremeter terbaik 𝛼 dan 𝛽 yang digunakan pada ACO, dan 3-Opt digunakan untuk mengurangi total jarak tempuh solusi yang didapat dari ACO. Pada modifikasi pertama, 3-Opt digunakan untuk mengurangi total jarak tempuh dari solusi terbaik yang didapatkan setiap iterasi. Pada modifikasi kedua, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang didapatkan pada setiap iterasi. Pada modifikasi ketiga, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang berbeda yang didapatkan pada setiap iterasi.Hasil modifikasi diuji menggunakan 6 benchmark problems yang diambil dari TSPLIB dengan menghitung besarnya galat relatif terhadap best known solution dan running time percobaan. Setiap masalah diselesaikan dengan 10 kali percobaan, dengan masing-masing percobaan menggunakan 10 agen dan 50 iterasi. Hasil implementasi menunjukkan modifikasi pertama tidak memberikan hasil yang memuaskan, modifikasi kedua memberikan hasil yang memuaskan namun dengan running time yang cukup besar, serta modifikasi ketiga memberikan nilai galat yang tidak jauh berbeda dengan modifikasi kedua namun dengan running time yang jauh lebih kecil.

---

The Traveling Salesman Problem (TSP) is the problem of finding a shortest tour which visits all the vertices exactly once, except the first vertex, given a set of vertices. This thesis discusses three modification to solve TSP by combining Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) and 3-Opt Algorithm. ACO is used to find the solution of TSP, PSO is used to find the best value of parameters α and β that are used in ACO, and 3-Opt is used to reduce the total of tour length from the solution obtained by ACO. In the first modification, 3-Opt is used to reduce the total of tour length from the best solution obtained at each iteration. In the second modification, 3-Opt is used to reduce the total of tour length from the entire solutions obtained at each iteration. In the third modification, 3-Opt is used to reduce the total of tour length from different solutions obtained at each iteration.Results were tested using 6 benchmark problems taken from TSPLIB by calculating the relative error to the best known solution and the running time. Every problem was solved with 10 trials, where each trial uses 10 agents and 50 iterations. The implementation results showed the first modification did not provide satisfactory results, the second modification gave a satisfactory result, but the running time was quite large, and the third modification gave errors that were close to the second one but with smaller running time."

"Proses penjadwalan kuliah merupakan proses yang cukup rumit karena komponen-komponen yang dijadwalkan saling berkaitan dan memiliki kondisi yang berbeda-beda. Biasanya penjadwalan mata kuliah dilakukan secara manual. Namun prosesnya akan memakan waktu yang cukup lama, dan penyesuaian kendala yang cukup sulit. Beberapa metode penyelesaian penjadwalan yang telah digunakan yaitu Algoritma Genetik, Algoritma Tabu Search dan gabungan dari keduanya yaitu Algoritma Hybrid Genetic-Tabu Search. Dalam penelitian ini akan dicari hasil perbandingan Algoritma Tabu Search dan Algoritma Hybrid Genetic-Tabu Search dalam penyelesaian masalah penjadwalan mata kuliah. Data yang digunakan berupa data dummy. Berdasarkan hasil simulasi, Algoritma Hybrid Genetic-Tabu Search memiliki konvergensi menuju solusi optimal lebih cepat dengan memberikan nilai fitness yang lebih baik dibandingkan dengan Algoritma Tabu Search dalam menyelesaikan masalah penjadwalan kuliah.

---

The course scheduling process is a fairly complicated process because the components scheduled are related and have different conditions. Usually the scheduling of courses is done manually. But the process will take a long time, and the adjustment of obstacles is quite difficult. Several scheduling settlement methods that have been used are Genetic Algorithm, Tabu Search Algorithm and a combination of the two, Hybrid Genetic-Tabu Search Algorithm. In this study, the results of the comparison of Tabu Search Algorithm and Hybrid Genetic-Tabu Search Algorithm in solving the problem of scheduling courses. The data used in simulation is dummy data. Based on the simulation results, Hybrid Genetic-Tabu Search Algorithm has convergence to an optimal solution faster by providing better fitness values compared to Tabu Search Algorithm in solving university course scheduling problems."

"Penelitian ini membahas mengenai kasus distribusi Premium, Kerosin dan Solar di perusahaan Migas yang mengalami masalah deviasi jumlah pendistribusian produk di beberapa depot utama (pelabuhan bongkar) yang disebabkan oleh keterlambatan kapal, keterbatasan draft pelabuhan dan fluktuasi permintaan. Pengoptimalan rute dan jadwal pendistribusian bahan bakar ini menggunakan Algoritma Tabu Search dengan mengintegrasikan 2 kapal yang berbeda jenis Medium Range (MR) dan General Purpose (GP), konsumsi harian di tiap pelabuhan bongkar berbeda akan tiap produk, stok pelabuhan muat tidak terbatas, keterbatasan draft pelabuhan sehingga menghasilkan sebuah solusi yang menjaga keberadaan persediaan pengaman dengan biaya transportasi yang minimum. Rute usulan dari penelitian ini dirancang dengan penjadwalan 30 hari menggunakan perangkat lunak Matlab versi 7 (R2000b). Hasil yang diperoleh memberikan performansi yang baik karena rute dan jadwal yang dihasilkan dapat menjaga keberadaan persediaan pengaman dengan total biaya sebesar Rp. 6,265,337,216 dengan pertimbangan Kapal MR digunakan dedicated untuk pelabuhan bongkar TTM.

---

This research discusses about case of fuel distribution (Premium, Kerosene and Solar) in an oil company which involved in quantity of product distribution problem in some main depot (unloading port) which are caused by ship lateness, limitation of draft and demand fluctuation. It is solved by using Tabu Search Algorithm which have model that integrate two different ships consist of Medium Range (MR) and General Purpose (GP), different daily consumption product of every unloading port, unlimited inventory loading port, and limited port draft for give a solution to maintain safety stock with low transportation cost. This routes were designed by planning horizon 30 days using Matlab 7th version (R2000b). The result prove that safety stock in each unloading port can be maintained with total cost is Rp. 6,265,337,216. MR (Medium Range) ship is dedicated to fulfill TTM port demand."

"Uang tunai yang digunakan sebagai alat tukar utama dalam transaksi ekonomi, dicetak dan diedarkan oleh Bank Sentral suatu Negara. Pendistribusian uang tunai dari Bank Sentral ke bank-bank umum, agar dapat digunakan oleh masyarakat, dilakukan oleh Perusahaan Jasa Cash-in-Transit (CIT). CIT merupakan proses pengiriman dan pengangkutan uang tunai dari satu tempat ke tempat lainnya. Salah satu risiko perjalanan yang mungkin terjadi dalam proses ini yaitu hilangnya uang akibat perampokan. Oleh karena itu, pada skripsi ini dilakukan optimasi distribusi pengantaran uang tunai yang bertujuan meminimumkan biaya perjalanan sekaligus meminimumkan risiko perjalanan akibat perampokan. Masalah optimasi tersebut dimodelkan dalam bentuk Vehicle Routing Problem with Time Windows (VRPTW) yang merupakan sebuah modifikasi dengan fungsi tujuan yang menggabungkan dua aspek, yaitu biaya perjalanan dan risiko, menjadi suatu nilai yang tidak memiliki satuan. Untuk menyelesaikan permasalahan tersebut digunakan metode Ant Colony Optimization (ACO), yaitu metode heuristik berdasarkan perilaku semut dalam mencari jejak perjalanan, dengan pembentukan solusi awal menggunakan metode Nearest Neighbor. Eksperimen diimplementasikan pada contoh kasus terdapat 1 depot dan 15 kantor bank umum. Hasil eksperimen menunjukkan bahwa metode Ant Colony Optimization (ACO) dapat mengoptimalkan solusi yang sebelumnya dihasilkan oleh metode Nearest Neighbor dengan mengalami penurunan sebesar 4,87%, hasil tersebut meliputi penurunan nilai risiko sebesar 3,67% dan total biaya perjalanan yang meningkat sebesar 0,02%.

---

Cash is used as the primary medium of exchange in economic transactions, printed and circulated by the Central Bank of a country. The distribution of cash from the Central Bank to commercial banks, for use by the public, is carried out by Cash-in-Transit (CIT) companies. CIT involves the transportation and delivery of cash from one location to another. One of the risks in this process is the potential loss of money due to robbery. Therefore, this thesis aims to optimize the distribution of cash delivery with the dual objectives of minimizing travel costs and reducing the risk of robbery during transportation. The optimization problem is modeled as a Vehicle Routing Problem with Time Windows (VRPTW), which is a modification with an objective function combining two aspects: travel costs and risk, resulting in a unitless value. To address this problem, the Ant Colony Optimization (ACO) method is employed, a heuristic approach based on the behavior of ants in finding travel paths, with the initial solution formed using the Nearest Neighbor method. Experiments were implemented on a sample case with data from 1 depot and 15 commercial bank offices. The experimental results show that the Ant Colony Optimization (ACO) method can optimize solutions compared to the Nearest Neighbor method, resulting in a decrease of 4.87%. This improvement includes a 3.67% reduction in risk and a marginal increase of 0.02% in total travel costs."

"Masalah penjadwalan batching machines adalah masalah kombinatorial untuk menyusun produk-produk sedemikian sehingga lama pengolahannya menjadi minimum. Produk-produk memiliki ukuran dan lama proses produksi yang berbeda-beda yang akan dikelompokkan dalam batches. Jumlah ukuran produk dalam suatu batch tidak boleh melebihi kapasitas mesin. Lama proses batch adalah lama proses produk terpanjang dalam batch tersebut. Mesin yang sedang berkerja tidak diperkenankan diganggu hingga semua produk didalamnya selesai diproses.Masalah ini akan diselesaikan dengan algoritma improved ant colony optimization menggunakan metropolis criterion untuk menghindari solusi konvergen yang prematur. Pada implementasi, dilakukan modifikasi dengan mengubah parameter-parameter dari susunan parameter artikel. Dari hasil percobaan, modifikasi susunan parameter menunjukkan solusi yang lebih baik.

---

Scheduling batching machines problem is a combinatorial problem to arrange jobs thus the processing time is minimum. Jobs have arbitrary size and processing time which will be assigned into batches. Total of jobs size in a batch can?t be more than machines capacity. Batch processing time is the longest jobs processing time inside the batch. While working, machines can?t be interrupted until all the jobs have done processed.

This problem is solved with improved ant colony optimization algorithm using metropolis criterion to prevent premature convergent solution. In implementation, parameter modification is made by changing parameters from the parameters arrangement of main article. Based on the result, the modification of parameters showed a better solution."

"Nowadays, the plug-in electric vehicle industry vastly grows into transportation sector worldwide. hence, the public fast charging stations (FCSs) must be prepared to serve this emerging plug-in electric vehicle charging demand. Moreover, planning for FCSs within the urb­an area is quite important. a hybrid swarm optimization technique blending beneficial charac­teristics of Ant Colony Optimization (ACO) with Bees Algorithm (BA), named HACOBA, is developed in this paper to find the optimal locations of FCSs that are placed on the residential power distribution grid such that it maximizes the fast charging serviceability su­bject to power distribution system limit and public road traffic constraints. In order to verify the effectiveness of the proposed method, it has been investigated on the IEEE-69-bus test system for two sizes of the fast charger of FCSs. from the obtained simulation results, it is found that the proposed algorithm shows its competitiveness with traditional techniques."