Hasil Pencarian  ::  Simpan CSV :: Kembali

"Industri galangan kapal memerlukan efisiensi tinggi dalam proses produksi, khususnya dalam pemanfaatan material pelat baja. Salah satu tantangan utama adalah optimasi nesting atau penempatan pola potong pada pelat agar limbah material dapat diminimalkan. Penelitian ini mengaplikasikan algoritma Simulated Annealing (SA) untuk mengoptimasi proses nesting pada pemotongan pelat kapal. Metode SA dipilih karena kemampuannya untuk mengeksplorasi ruang solusi secara luas dan menghindari solusi sub-optimal dengan mekanisme probabilistik. Data pola potong diolah menggunakan pemrograman Python untuk menghasilkan layout nesting yang optimal. Hasil penelitian menunjukkan bahwa metode SA mampu meningkatkan yield rate menjadi 69,61% dengan scrap sebesar 30,39%, lebih baik dibandingkan metode manual yang menghasilkan yield rate 62,97% dan scrap 37,03%. Selain itu, waktu pengerjaan optimasi menggunakan SA jauh lebih singkat, yaitu 60 detik dibandingkan satu jam pada metode manual. Dengan demikian, penerapan algoritma SA pada proses nesting pelat kapal dapat meningkatkan efisiensi material dan waktu produksi sekaligus mengurangi biaya dan limbah. Penelitian ini memberikan kontribusi dalam mendukung praktik produksi yang lebih berkelanjutan di industri galangan kapal.

---

The shipbuilding industry demands high efficiency in the production process, especially in the utilization of steel plates. One of the main challenges is nesting optimization, which involves arranging cutting patterns on the plates to minimize material waste. This study applies the Simulated Annealing (SA) algorithm to optimize the nesting process in ship plate cutting. SA was chosen due to its capability to explore a wide solution space and avoid sub-optimal solutions through probabilistic acceptance. Cutting pattern data were processed using Python programming to generate an optimal nesting layout. The results show that the SA method improved the yield rate to 70.89% with scrap at 29.11%, outperforming the manual method which yielded 62.97% and 37.03% scrap. Additionally, the optimization time using SA was significantly shorter at 20 seconds compared to one hour manually. Therefore, applying the SA algorithm in ship plate nesting enhances material efficiency and production time, reducing costs and waste. This research contributes to promoting more sustainable production practices in the shipbuilding industry."

"Masalah penyusunan barang dalam kontainer atau yang dikenal sebagai Container Loading Problem (CLP) adalah salah satu tantangan utama dalam industri logistik. Penelitian ini berfokus pada penggunaan algoritma Cat Swarming Optimization (CSO) untuk mengoptimalkan penyusunan barang dengan tujuan memaksimalkan penggunaan ruang dalam kontainer, mengurangi ruang kosong, dan menjaga stabilitas muatan. Algoritma CSO didasarkan pada perilaku kucing dalam dua mode utama, yaitu Seeking Mode dan Tracing Mode, yang secara kolaboratif mencari solusi terbaik untuk menyusun barang dalam kontainer dengan berbagai ukuran dan dimensi. Penelitian ini menerapkan model optimasi berbasis CSO untuk mencari solusi optimal dari berbagai kombinasi penyusunan barang dengan memanfaatkan fleksibilitas rotasi barang dan pengaturan posisi berdasarkan berat dan volume. Efektivitas algoritma ini diuji dengan menggunakan data sampel berupa barang berbentuk persegi panjang yang disusun di dalam kontainer dengan dimensi tertentu. Hasil penelitian menunjukkan bahwa algoritma CSO mampu meningkatkan efisiensi penggunaan ruang kontainer dengan meminimalkan ruang kosong dan memastikan stabilitas tumpukan barang. Dengan menggunakan visualisasi tiga dimensi (3D) yang interaktif, sistem ini juga memungkinkan pengguna untuk memantau dan menyesuaikan susunan barang secara real-time, memberikan solusi penyusunan yang aman, efisien, dan siap digunakan dalam skenario logistik nyata. Penelitian ini diharapkan dapat memberikan kontribusi yang signifikan dalam meningkatkan efisiensi operasional di sektor logistik dan transportasi.

---

The Container Loading Problem (CLP) is one of the main challenges in the logistics industry. This research focuses on the use of the Cat Swarming Optimization (CSO) algorithm to optimize item arrangement with the goal of maximizing container space utilization, reducing empty space, and maintaining load stability. The CSO algorithm is based on the behavior of cats in two main modes, namely Seeking Mode and Tracing Mode, which collaboratively search for the best solution to arrange items of various sizes and dimensions within a container. This study applies a CSO-based optimization model to find optimal solutions for various item arrangement combinations by utilizing the flexibility of item rotation and position adjustments based on weight and volume. The effectiveness of this algorithm is tested using sample data of rectangular items arranged in a container with specific dimensions. The results demonstrate that the CSO algorithm is able to improve container space efficiency by minimizing empty space and ensuring the stability of stacked items. By using interactive three-dimensional (3D) visualization, this system also allows users to monitor and adjust item arrangements in real-time, providing safe, efficient, and ready-to-use solutions for real-world logistics scenarios. This research is expected to contribute significantly to enhancing operational efficiency in the logistics and transportation sectors.

"