Hasil Pencarian  ::  Simpan CSV :: Kembali

"Simulated annealing merupakan salah satu pendekatan yang relatif baru dalam masalah penjadwalan job shop. Sebagai sebuah heuristik, sirnuiaiea annealing tidak menjamin tercapainya solusi optimal, namun dapat menghasilkan solusi yang baik dalam waktu relatif singkat. Dalam penelitian ini, dirancang empat heuristik yang berbasiskan simulated annealing. Heuristik pertama menerapkan simulaied annealing secara langsung. Heuristik kedua menggunakan simulated annealing dengan rehearing. Heuristik ketiga menggunakan rehealing dan backiracking ke solusi awal, sedangkan heuristik keempat menggunakan rehearing dan baclaracking ke solusi terbaik. Keempat heuristik ini diirnplementasikan dalam program berbaahasa Pascal.Setelah perancangan dan implementasi selesai, dilakukan perbandingan antara hasil penjadwalan dari penelitian terdahulu yang menggunakan pendekatan prioriiy dispatch rule dengan hasil penjadwalan dari penelitian ini menggunakan data dari penelitian terdahulu tersebut. Untuk maksud perbandingan ini, digunakan hasil penelitian yang dilakukan oleh Riswan (1993). Penelitian ini juga membandingkan hasil penjadwalan dari penelitian ini dengan hasil penjadwalan optimal pada masalah bencnmark, yaitu FT 06 dan FT 10.Hasil perbandingan dengan penelitian terdahulu menunjukkan bahwa keempat heuristic marnpu menghasilkan jadwal dengan makeapan lebih balk, rardiness yang sama baik, namun dengan flow time rata-rata yang relatif kurang baik dibandingkan dengan penggunaan pendekatan priority disparch rule. Untuk masalah benchmark FT 06, hasil penelitian ini mampu mendapatkan solusi optimal, scdangkan untuk FT 10, hasil penelitian ini masih belum mampu mencapai solusi optimal."

"Tugas akhir ini membahas suatu variasi dari masalah program linier, yaitu masalah meminimumkan suatu fungsi yang berbentuk bottleneck dengan kendala linier. Permasalahan ini disebut program linier bottleneck dimana fungsi obyektifnya mempunyai bentuk Z = maks (cjIxjc>0). Masalah program linier bottleneck ini pada dasarnya merupakan generalisasi dari masalah transportasi bottleneck. Dalam hal ini disamping kita mencari waktu yang minimum dari sumber ke tujuan, ada kendala tak nyata lain yang turut dipertimbangkan yakni Jenis barang yang dikirim memiliki kondisi—kondisi seperti : Jenis yang tidak tahan lama atau pengiriman pada keadaan mendesak (perang atau bencana alam). Kedua masalah di atas akan diselesaikan dengan metode yang didasarkan pada metode simplek. "

"Sistem manufaktur telah mengalami kemajuan menuju personalisasi massal dalam konteks Industri 4.0, yang memiliki implikasi besar terhadap efisiensi produksi dan kepuasan konsumen. Tujuan dari penelitian ini adalah untuk menentukan metaheuristik mana yang paling berhasil untuk mengatasi masalah penjadwalan job shop umum antara Genetic Algorithm (GA), Particle Swarm Optimization (PSO), dan Ant Colony Optimization (ACO). Masalah-masalah ini dikenal sebagai NP-hard, yang menuntut penggunaan pendekatan metaheuristik. Penelitian ini menilai kinerja setiap metaheuristik pada kumpulan data kecil, menengah, dan besar, dengan fokus pada indikator utama makespan. Hasilnya menunjukkan bahwa GA secara konsisten menawarkan solusi yang mendekati optimal, mengungguli PSO dan ACO. PSO menunjukkan potensi dalam kumpulan data yang lebih besar namun kurang konsisten, sedangkan ACO adalah yang paling tidak berhasil, sering kali menghasilkan nilai makespan yang lebih tinggi. Kesimpulannya, GA direkomendasikan untuk aplikasi masalah penjadwalan job shop karena keandalan dan efektivitasnya.

---

Manufacturing systems have progressed toward mass personalization in the context of Industry 4.0, with substantial implications for production efficiency and consumer satisfaction. The goal of this study is to determine which metaheuristic is most successful for addressing general Job Shop Scheduling Problems (JSSP) among Genetic Algorithm (GA), Particle Swarm Optimization (PSO), and Ant Colony Optimization (ACO). These issues are known to be NP-hard, demanding the use of metaheuristic approaches. The research assesses the performance of each metaheuristic on small, medium, and big datasets, with a focus on the key indicator of makespan. The results show that GA consistently offers near-optimal solutions, outperforming PSO and ACO. PSO demonstrated potential in larger datasets but lacked consistency, whereas ACO was the least successful, frequently producing higher makespan values. Consequently, GA is recommended for actual JSSP applications because of its dependability and effectiveness."

"Tugas akhir ini membahas masalah penjadwalan n job yang akan diproses melalui 2 buah mesin A dan 3 dengan transportasi tak hingga terdapat diantara kedua buah mesin. Tujuannya adalah mendapatkan urutan job yang optimal yang dapat memberikan total waktu penyelesaian yang minimal. Penjadwalan ini mempunyai kekhususan yaitu diantara n job tersebut terdapat k job (k≥2) yang dikelompokkan (diblok) dan dianggap sebagai 1 job yaitu job β. Waktu proses job β di mesin A dan B diperoleh dengan menggunakan teorema Equivalent Job untuk Job Block. Sedangkan untuk mendapatkan urutan yang optimal, disusun sebuah algoritma baru yang dikembangkan berdasarkan algoritma Johnson."

"Penjadwalan job shop dengan kriteria biaya keterlambatan merupakan permasalahan yang jarang digunakan dalam penelitian job shop. Umumnya penjadwalan job shop diselesaikan dengan menggunakan metode metaheuristik, salah satu metode metaheuristik yang populer dibicarakan adalah algoritma Bee Colony. Algoritma Bee Colony merupakan algoritma yang tidak memiliki metode untuk lepas dari local optimum, seperti yang dinyatakan pada penelitian Chong (Chong, et al. 2005), maka penelitian ini akan melakukan modifikasi terhadap algoritma Bee Colony dengan menggunakan tabu list, untuk meningkatkan perfroma pencarian solusi dan waktu komputasi untuk permasalahan penjadwalan job shop dengan kriteria biaya keterlambatan.Hasil penelitian menunjukan bahwa algoritma Bee colony-Tabu memberikan perfroma yang serupa untuk kriteria biaya keterlambatan dan waktu komputasi terhadap algoritma Tabu Search dan lebih baik daripada algoritma Bee Colony dan Differentialial Evolution untuk kriteria biaya keterlambatan. Sedangkan untuk waktu komputasi algoritma Bee colony dengan Tabu List lebih unggul daripada algoritma Tabu Search dan Bee Colony, namun waktu komputasi algoritma Differentialial Evolution lebih unggul daripada algoritma Bee colony-Tabu, Tabu Search dan Bee Colony.

---

Job shop scheduling with tardiness cost is a problem that rarely exist in paper research. Generally, job shop scheduling solved using metaheuristik method, one of metaheuristik methods popular discussed in many paper are Bee Colony algorithm. Bee Colony Algorithm is an algorithm that does not have a method to escape from local optimum, as stated in the Chong?s research (Chong, et al. 2005), because of that this research will make modifications to the Bee Colony algorithm using the taboo list, to improve searching solution and computing time for job shop scheduling problems with late fees criteria.

The results showed that the Bee colony-Tabu algorithm gives perfromance similar to the Tabu Search algorithm and better than Bee Colony algorithm for late fees criteria and computation time, and Differentialial Evolution for the criteria for late fees. As for computational time Bee colony with Tabu List algorithm is superior to Tabu Search algorithm and the Bee Colony, but the computing time algorithm Differentialial Evolution algorithm is superior to Bee Colony-Tabu, Tabu Search and Bee Colony."

"Tabu Search merupakan salah satu metode pemecahan permasalahan optimasi kombinatorial yang tergabung ke dalam local search methods. Metode ini bertujuan untuk mengefektifkan proses pencarian solusi terbaik dari suatu permasalahan optimasi kombinatorial yang berskala besar (bersifat np-hard), contohnya permasalahan penjadwalan job shop, dengan waktu komputasi yang relatif lebih kecil, namun tanpa ada jaminan akan tercapainya solusi yang optimal.Dalam penelitian ini, Tabu search diterapkan pada sebuah permasalahan penjadwalan job shop dengan tujuan untuk meminimalkan waktu proses total atau makespan (Cmax). Penjadwalan menggunakan algoritma Tabu Search ini dilakukan terhadap tiga kasus, yaitu paket pesanan bulan September, Oktober dan Nopember, dimana untuk setiap paket pesanan dilakukan variasi terhadap initial solution dan panjang tabu list.Hasil penjadwalan ini kemudian dibandingkan dengan hasil penjadwalan lain yang menggunakan 4 macam metode basic dispatching rules , yaitu Shortest Processing Time (SPT), Earliest Due Date (EDD), Most Work Remaining (MWKR) dan First Come First Served (FCFS). Hasil pengolahan data menunjukkan bahwa penjadwalan yang menggunakan algoritma Tabu Search sensitif terhadap perubahan yang diberikan pada variabel yang ada didalamnya dan makespan yang dihasilkan secara keseluruhan lebih kecil apabila dibandingkan dengan hasil penjadwalan menggunakan ke-4 metode lainnya.

---

Application of Tabu Search Algorithm in Job Shop Scheduling. Tabu Search is one of local search methods which is used to solve the combinatorial optimization problem. This method aimed is to make the searching process of the best solution in a complex combinatorial optimization problem(np hard), ex : job shop scheduling problem, became more effective, in a less computational time but with no guarantee to optimum solution.

In this paper, tabu search is used to solve the job shop scheduling problem consists of 3 (three) cases, which is ordering package of September, October and November with objective of minimizing makespan (Cmax). For each ordering package, there is a combination for initial solution and tabu list length.

These result then compared with 4 (four) other methods using basic dispatching rules such as Shortest Processing Time (SPT), Earliest Due Date (EDD), Most Work Remaining (MWKR) dan First Come First Served (FCFS). Scheduling used Tabu Search Algorithm is sensitive for variables changes and gives makespan shorter than scheduling used by other four methods."

"Tabu Search merupakan salah satu metode pemecahan permasalahan optirnasi kombinatorial yang tergabung ke dalam local search methods. Metode ini bertujuan untuk mengefektifkan proses pencarian solusi terbaik dari suatu permasalahan optimasi kombinatorial yang berskala besar (bersifat np-hard) dengan waktu komputasi yang relatif lebih kecil, namun tanpa ada jaminan akan tercapainya solusi yang optimal. Dalam penelitian ini, Tabu search diterapkan pada sebuah permasalahan penjadwalan job shop dengan tujuan untuk meminimalkan waktu proses total atau makespan (Cwnr). Penelitian yang dilakukan menggunakan data sekunder, dimana data-data yang didapat merupakan sebuah kasus permasalahan di PT.DC pada tahun 1992. Pengolahan data dilakukan melalui program komputer yang ditulis dnlam bahasa pemograman Pascal, dimana dalam program tersebut terdapat algoritma Tabu Search yang berfungsi melakukan optimasi terhadap permasalahan penjadwalan yang ada. Data yang didapat kemudian diolah menggunakan program komputer tersebut. Hasil penjadwalan menggunakan algoritma Tabu Search ini dilakukan terhadap tiga kasus, yaitu paket pesanan bulan September. Oktober dan Nopember '92, dimana untuk setiap paket pesanan dilakukan variasi terhadap initial solution dan panjang tabu list. Hasil penjadwalan ini kemudian dibandingkan dengan hasil penjadwalan lain yang menggunakan 4 macam metode basic dispatching rules. Hasil pengolahan data menunjukkan bahwa penjadwalan yang menggunakan algoritma Tabu Search memiliki makespan yang lebih kecil apabila dibandingkan dengan ke-4 metode lainnya"