Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKMasalah penjadwalan yang sering ditemukan ialah masalah penjadwalandengan model Flow-shop (Flow-shop scheduling problem). Kerumitan dalammasalah penjadwalan pada flow-shop disebabkan karena pada flow-shopdihasilkan sejumlah besar produk yang berbeda, dimana setiap produk memilikiproses manufaktur yang sama. Lamanya waktu pembuatan produk ini menuntutperusahaan agar merancang sebuah sistem penjadwalan yang efektif dan efisienagar seluruh permintaan dapat dipenuhi tepat waktu dengan minimalisasi inventoridan minimalisasi waktu penyelesaian total.PT X merupakan perusahan yang memproduksi suku cadang mobil, salahsatunya adalah disc pad. Disc pad ini terdiri dari berbagai jenis untuk berbagaitipe mobil, sehingga meskipun masing-masing melewati proses yang sama, waktuproses untuk setiap jenis tentu berbeda. Waktu pembuatan produk ini menuntutperusahaan untuk merancang sebuah sistem penjadwalan yang efektif dan efisienagar seluruh permintaan dapat dipenuhi dengan meminimalisasi waktupenyelesaian, idle time pada setiap mesin, dan inventori. Oleh karena itu,dibutuhkan suatu metode yang menghasilkan sebuah sistem penjadwalan yanglebih baik, tidak rumit dan dapat dikerjakan dalam waktu yang singkat.Karena kompleksnya masalah penjadwalan produksi, maka solusipenyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatanheuristik yaitu metode algoritma tabu search. Algoritma tabu search, yaitu suatupendekatan heuristik dalam pencarian solusi berdasarkan pada metode optimasi,dimana algoritma ini menggunakan daftar tabu dan iterasi lokal untuk mencegahadanya local optima hingga tercapainya solusi mendekati terbaik. Fungsi tujuandari permasalahan ini ialah meminimalkan waktu penyelesaian (makespan)seluruh job.Hasil penjadwalan produksi yang diperoleh melalui algoritma tabu searchsetelah 20 iterasi menghasilkan minimal makespan seluruh job sebesar 23.5715jam. Jadi, jika dibandingkan dengan jadwal produksi yang lama, maka terjadipenurunan makespan yaitu sebesar 4.499%.

---

ABSTRACTThe scheduling problem which is often found is the problem of schedulingwith the Flow-Shop model. The complication in this scheduling problem is causedby the yielding of a large amount of different products with the same manufactureprocesses so that many possible alternative schedules may exist. Therefore,optimal scheduling is so needed for a better company s production system,PT X is a company, which produces automotive spareparts, such as discpad, etc. There are many kinds of disc pad for many types of car, so they havedifferent times of process. These make it a must for the company to design anefficient and effective scheduling system in order to fulfill the whole demands onschedule by minimizing total makespan, idle time of every machine, andinventory. Hence, a method that results in a better, uncomplicated, and feasiblescheduling system is necessary.Due to the complicated production schedule, the solution to this problem isby applying a heuristic approach, which is a tabu algorithm method. Tabu searchalgorithm is a procedure to seek a solution based on optimization method, whichis use a tabu tenure and local iterations, in order to prevent local optimization. Theobjective function of this problem is to minimize makespan of all jobs.The production scheduling result that is obtained from the tabu searchalgorithm after 20 iterations produces minimal makespan of all jobs of 23.5715hours. Thus, in comparison with the existing production schedule, there is areduction of makespan of about 4.499%."

"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."

"Masalah penjadwalan yang sering ditemukan ialah masalah penjadwalan dengan model Flow-shop. Kerumitan dalam masalah penjadwalan ini disebabkan karena dihasilkannya sejumlah besar produk yang berbeda, dengan due-date yang berbeda sehingga terdapat berbagai alternatif jadwal yang mungkin. Tidak jarang jadwal produksi yang sudah dibuat oleh perusahaan tidak dapat dipenuhi dengan dengan baik, dikarenakan adanya keterbatasan, seperti perencanaan kapasitas yang kurang baik, keterlambatan material dan adanya perubahan permintaan konsumen yang juga menyebabkan perubahan jadwal produksi. Untuk itulah adanya penjadwalan yang optimal sangatlah diperlukan dalam sistem produksi di perusahaan. PT Komatsu Indonesia merupakan perusahan yang memproduksi alat-alat berat seperti bull dozer, excavator, dump truck dan sebagainya Waktu produksi rata-rata 1 alat berat adalah kurang lebih 1 bulan. Lamanya waktu pembuatan produk ini menuntut perusahaan untuk merancang sebuah sistem penjadwalan yang efektif dan efisien agar seluruh permintaan dapat dipenuhi tepat waktu dengan meminimalisasi inventori. Oleh karena itu, dibutuhkan suatu metode yang menghasilkan sebuah sistem penjadwalan yang lebih baik, tidak rumit dan dapat dikerjakan dalam waktu yang singkat. Karena kompleksnya masalah penjadwalan produksi, maka solusi penyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatan meta-heuristik yaitu metode algoritma genetika. Algoritma genetika diinspirasi dari proses evolusi Darwin, yaitu suatu prosedur pencarian solusi yang alami berdasarkan pada metode optimasi. Fungsi tujuan dari permasalahan ini ialah meminimalkan total tardiness (keterlambatan posistif) seluruh job. Hasil penjadwalan produksi yang diperoleh melalui algoritma genetika menghasilkan total tardiness seluruh job sebesar 154,680 menit dan jumlah job yang terlambat (tardy jobs) adalah 23 job. Jadi jika dibandingkan dengan jadwal produksi yang lama, maka terjadi penurunan total tardiness yaitu sebesar 73.85% dan pengurangan tardy jobs sebesar 43.9%.

---

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 different due-date so that many possible alternative schedules may exist. The company often cannot meet the production schedule that has been made by the company itself due to the lack of good capacity planning, the delay of material supply, and change of consumer's demands which can also cause some changes to the production schedule. Therefore, optimal scheduling is so needed for a better company's production system. PT Komatsu Indonesia is a company, which produces heavy equipments like bulldozers, excavators, dump trucks, et cetera. The average production time of heavy equipment is more or less one month. The long duration of the making of heavy equipment makes it a must for the company to design an efficient and effective scheduling system in order to fulfill the whole demands on schedule by minimizing inventory. Hence, a method that results in a better, uncomplicated, and feasible scheduling system is necessary. Due to the complicated production schedule, the solution to this problem is by applying a meta-heuristic approach, which is a genetic algorithm method. Genetic algorithm is inspired by Darwin's evolution process that is a procedure to seek a natural solution based on optimization method. The objective function of this problem is to minimize total tardiness of all jobs. The production scheduling result that is obtained from the genetic algorithm produces total tardiness of all jobs of 154,680 minutes and the number of tardy jobs are 23 jobs. Thus, in comparison with the existing production schedule, there is a reduction of total tardiness of about 73.85 % and reduction of tardy jobs of 43.9%."

"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."

"Arti penting penjadwalan perawatan unit pembangkit disebabkan oleh kenyataan bahwa keandalan dan biaya operasi dari sebuah sistem tenaga listrik sangat dipengaruhi oleh hilangnya pasokan daya dari unit pembangkit yang sedang dirawat. Beberapa metode yang biasa digunakan untuk penjadwalan adalah metode pemrograman integer, metode pemrograman dinamis, dan metode heuristik dengan menggunakan sistim pakar. Tesis ini akan membahas penggunaan metode Algoritma Genetik (AG) untuk penjadwalan perawatan unit pembangkit di sistem interkoneksi Jawa-Bali. AG adalah suatu metode optimalisasi yang ampuh dan cocok untuk digunakan dalam persoalan yang kompleks dan berskala besar. Algoritma ini meniru suatu mekanisme seleksi alam pada makhluk hidup yang ditemukan oleh Charles Darwin yaitu "Survival of the fittest", yang menyatakan individu yang kuatlah yang akan bertahan. Dari hasil eksekusi program diperoleh jadwal perawatan yang optimum dengan standar deviasi cadangan day a ± 8. 7 %. (934 ± 82 MW).

---

The importance of generator unit maintenance scheduling is due to the fact thaf reliability and operating cost of power system utilities are affected by the maintenance outage of generating facilities. Several methods have been used in finding maintenance scheduling, ie. integer programming, dynamic programming, and heuristic using expert system. This thesis will introduce an application of genetic algorithm on generator maintenance scheduling in the Java-Bali interconnected system. Genetic algorithm is a powerful/optimization method that can solve a large scale combinatorial optimization problem. This algorithm imitate a natural individu selection mechanism found by Charles Darwin, ie. "survival of the fittest" in which the strongest individu will survive. Program execution gives an optimum maintenance schedule with standard deviation of reserve capacity :t 8. 7 %. (934 :t 82 MW)."

"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."

"Proyek konstruksi dengan segala kerumitan dan keterbatasan dalam berbagai aspek diharuskan memenuhi target waktu dan biaya. Proses perencanaan yang terintegrasi diperlukan untuk merancang suatu skenario optimasi waktu-biaya proyek yang realistis dengan mempertimbangkan pilihan dan kemungkinan yang bisa digunakan. Metode penjadwalan dituntut dapat mengakomodasi: perluasan asumsi untuk mempertimbangkan pilihan yang akan diambil, perhitungan waktu dan biaya berdasar sumberdaya yang realistis, dan pencarian solusi berupa kombinasi dari pilihan yang dapat memenuhi batasan serta tujuan proyek. Pada sebuah kasus proyek konstruksi, dengan menerapkan algoritma genetik pada penjadwalan berbasis sumberdaya, dicari sebuah solusi berupa skenario penjadwalan bagi optimasi waktu-biaya proyek untuk dibandingkan dengan realisasi pelaksanaan di lapangan. Dari hasil perbandingan didapatkan kesimpulan bahwa algoritma genetik mampu mencari solusi optimal dan sesuai dengan pola pencarian solusi secara analitis berdasarkan pada pengetahuan dan pengalaman.

---

Construction project with all its complexity and limits in many aspects is entitled to fulfill time and cost targets. Integrated planning process is needed to design a realistic time-cost optimation project scenario, respective of options possible to use. Scheduling method is obliged to accomodate : assumption expand to consider options to make, calculation of project time-cost based on realistic resource usage, and solution finder.

In a construction project case, by applying genetic algorithm in a resource based scheduling, a solution of time-cost optimation in a form of scheduling scenario is searched to be compared to the real applied scenario of the project. From the comparation, its concluded that genetic algorithm is able to find an optimal solution that matches the optimation effort done manually, based on knowledge and experience."

"Skripsi ini mempresentasikan algoritma differential evolution pada permasalahan job shop dengan fungsi tujuan meminimumkan makespan. Representasi populasi individu diperoleh dari bilangan acak. Bilangan acak tersebut menjadi acuan aturan smallest position value yang akan digunakan untuk mengkonversikan nilai posisi kontinyu bagi permutasi job, yang kemudian diterjemahkan menjadi job repetition vector. Penjadwalan dihasilkan dengan menggunakan prosedur job repetition vector. Metode ini diaplikasikan menggunakan data sekunder penelitian seseorang di PT X. Metode tersebut selanjutnya akan dibandingkan dengan metode lain pada permasalahan job shop.

---

This skripsi presents a differential evolution algorithm for job shop scheduling problem with makespan criterion. The individual representation of the problem is based on random keys. The random key representations develops smallest position value rule in order to convert the continuous position values to the discrete job permutations. The schedules are constructed using job repetition vector procedure. The approach is tested on a standard instance taken from the literature which uses data from PT X. The approach is then compared with other approaches."

"Besarnya kebutuhan akan kemasan kayu dalam kegiatan perdagangan menuntut produsen kemasan kayu untuk mengembangkan sistem penjadwalan produksi yang optimal agar dapat memenuhi permintaan pasar. Penelitian ini membahas optimasi penjadwalan produksi kemasan kayu, khususnya pallet, dengan system job shop melalui penerapan algoritma Differential Evolution. Prinsip algoritma DE sesuai dengan analogi evolusi biologi yang terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang, dan proses seleksi. Tujuan dari penelitian ini adalah untuk meminimumkan total biaya (dalam satutan waktu) yang timbul sebagai akibat dari keterlambatan dalam proses produksi kemasan kayu, khususnya pallet yang dipergunakan untuk mengemas barang-barang ekspor. Penelitian dilakukan melalui studi kasus dengan mengamati proses produksi pallet pada suatu produsen pallet. Hasil dari penelitian ini adalah diperolehnya usulan penjadwalan produksi dengan penurunan total biaya keterlambatan sebesar 25,22%, (dari 23590 menit menjadi 17640 menit) serta penurunan pada kriteria lainnya seperti jumlah pesanan yang terlambat, total waktu keterlambatan, dan waktu penyelesaian. Simulasi penambahan kapasitas menunjukkan bahwa penambahan jumlah mesin pada stasiun serut dan potong dapat menghilangkan keterlambatan dan meningkatkan output hingga 95%.

---

The ever increasing need of wooden packaging , whether for international as well as inter-islands transportation of traded goods, has required the producers of wooden packaging to develop an optimized production scheduling system to fulfill the market demand. This research studies the optimization of the job shop production scheduling system of wooden packaging, particularly pallet, through the application of the Differential Evolution (DE) algorithm. The principles of the DE algorithm is in line with the biological evolution analogy which consists of the initialization of population, mutation, crossover, and selection processes. The DE algorithm has some excellent features namely the concept is simple, easy to apply, quick in producing solutions, and robust. The objektif of this research is to minimize the total cost (in time unit) resulting from the delay in the production process of wooden packaging, particularly pallet.

This research is a case-study which is carried-out by observing pallet production process at a wooden packaging manufacturer. The company produces wood packaging, mainly pallet, which are used for the packaging of exported goods. This research leads to a recommendation on the wooden packaging production schedule with more efficient cost. The total cost resulting from the delay in the production is reduced by 25,22% (from 23590 minutes to 17640 minutes). There are also reductions in the total of tardy job, total of tardiness, and makespan. A simulation of work station capacity upgrade also shows that the addition of the number of machineries in planing and sawing station will eliminate delay and increase output up to 95%."