Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKBesarnya kapasitas operasi yang dapat dihasilkan oleh fasilitas produksi yang dimiliki merupakan salah satu faktor yang ikut menentukan keberhasilan dalam persaingan yang semakin ketat dan luas dalam dunia industri. Tetapi pada kebanyakan industri manufaktur yang bertipe produksi job-shop/batch; aspek kapasitas ini menjadi sulit untuk diukur, karena tingkat variasi produk yang harus diproses sangat tinggi dan selalu berubah-ubah.Untuk itu diupayakan membuat suatu model yang fleksibel dengan memanfaatkan konsep pemrograman berorientasi obyek. Pada model ini menggunakan algoritma simpleks untuk mensimulasikan besarnya kapasitas operasi optimal yang dapat dihasilkan oleh fasilitas produksi yang ada. Kemudian dilakukan analisa keseimbangan antara kapasitas operasi optimal ini dengan tingkat pesanan produk yang diterima Setelah kondisi seimbang dicapai dilakukan pembuatan jadwal pembebanan mesin menggunakan metode trial and error.Keluaran-keluaran dari model simulasi ini akan dapat dijadikan sebagai acuan/bahan pertimbangan dalam pembuatan jadwal produksi detil secara akurat. Disamping itu dapat juga dijadikan sebagai alat evaluasi terutama terhadap teknologi proses yang digunakan dalam fungsi manufakturnya. Semua ini akan sangat berguna dalam membantu usaha peningkatan daya saing produk-produk yang dihasilkan oleh industri manufaktur bersangkutan baik dari segi price, quality, flexibility maupun delivery time sesuai dengan tuntutan konsumen.

---

ABSTRACT

Rates of the operations capacity are result by production facility itself, which one of determines on more tight and global competition in the industrial era. In most of the manufacturing industry with the job-shop/batch production type; the capacities become difficult to measure aspect, because the kind and the variation level of products must be process more fluctuate.

To solve this problem, we apply the flexible model with object-oriented programming concept. This model used the simplex algorithm principle to simulate the rate of the optimum operations capacity from the capability of production facility. The next activities are the balance analysis between ordered product and optimum operations capacity. If the balanced condition can get, we make the schedule loading machine with trial and error method.

The result of simulation model can be references to scheduling the detail production planning, which more accurate. The simulation model used for a toot to evaluated the process technology on the manufacturing function. We concluded that the model will be useful to help improvement effort of the product competitiveness, such as price, quality, flexibility and delivery time in accordance with the requirement."

"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."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi 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 nilai makespan (waktu total penyelesaian keseluruhan job). Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan nilai makespan sebesar 3198 menit, sedangkan jadwal perusahaan menghasilkan 3209 menit. Jadi, dengan menggunakan algoritma differential evolution terjadi pengurangan total waktu proses seluruh job yaitu 11 menit. Dalam penelitian ini digunakan data waktu proses yang sama agar hasil perhitungan dapat lebih akurat terhadap fungsi tujuan yang diinginkan.

---

This research presents job shop scheduling at a company. This system yields large amount of different products with some different manufacture processes. 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, easy to use, speed, and robustness. The objective function in this problem is to minimize total of finish time process of all jobs.

The result of scheduling that is obtained from differential evolution algorithm produces total of finish time process is 3198 minutes, meanwhile the schedule of company produces 3209 minutes. So, there are some reducing time of total finish time process of all jobs as much as 11 minutes. In this research, we use same data in order to get more accurate calculation based on objective function."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan otomotif. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi merupakan suatu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk memperoleh 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 adalah meminimumkan makespan.Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan makespan sebesar 286.432,4 detik, sedangkan jadwal perusahaan menghasilkan 313.325 detik. Jadi, usulan jadwal menghasilkan penurunan makespan sebesar 8,58 % dibandingkan jadwal perusahaan.

---

This research discusses job shop scheduling problems in the automotive company. This system yields large amount of different products with some different manufacture processes. Production scheduling is the complex problems so that approriated method to produces the optimal solution of it is needed.

Method of this research is one of meta-heuristic algorithms, differential evolution (DE) algorithm. The principle of DE algorithm is based on analogy of biology evolution that consists of population initiatilization 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 makespan.

This schedule that is obtained from differential evolution algorithm produces makespan of 286,432.4 seconds, meanwhile the schedule of company produces 313,325 seconds. Thus, new schedule produces reduction of makespan about 8.58% compare with schedule of company."

"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."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan tertentu. Permasalahan job shop merupakan permasalahan yang sudah umum, akan tetapi pada penelitian ini ada keunikan dimana ada pengulangan proses dari job tertentu yang harus dikerjakan pada mesin tertentu sebelumnya. Sebagai akibatnya ?ditambahkan? mesin dummy untuk membantu mempermudah penyelesaian masalah ini, penambahan mesin mana menjadikan uniknya persoalan job shop. Sebagai model job shop digunakan 10 jobs dengan 85 pesanan dan 6 mesin yang berbeda, ditambah dengan 2 mesin dummy. Masalah penjadwalan dalam job shop ini diselesaikan dengan menggunakan metode algoritma differential evolution (DE) yang meminimalkan total biaya produksi. Penjadwalan dengan metode algoritma DE memberikan solusi yang cepat. Hasil dari penjadwalan dapat menghemat 0.19% total biaya produksi, juga makespan mengalami perbaikan 24% terhadap jadwal lama. Dengan demikian perusahaan bisa meningkatkan jumlah pesanan.

---

This study presents a job shop scheduling problem on a specific company. Job shop is a common problem, but in this study, there is a uniqueness of the job shop involving a repetition process of operation on certain jobs. As a result, dummy machine is ?added? to ease the problem. The model used 10 jobs, 85 orders and 6 different machines with 2 additional dummy machines. Differential evolution (DE) algorithm method is used to solve the problem, which minimizes the total cost of production. Scheduling with DE algorithm provides a quick solution. The results save 0.19% of total production costs, and improve makespan 24% compared to old scheduling. With the proposed method the company can increase the numbers of orders."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi 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 menghasilkan total biaya keterlambatan seluruh job sebesar 28395 menit, sedangkan jadwal perusahaan menghasilkan 33190 menit. Jadi, usulan jadwal menghasilkan penurunan total biaya keterlambatan sebesar 14,45% dibandingkan jadwal perusahaan. Selain itu; jumlah job yang terlambat, total keterlambatan, dan total waktu penyelesaian seluruh job juga mengalami penurunan; yaitu secara berurutan sebesar 11,11%; 11,47%; dan 0,1%.

---

This research presents job shop scheduling at a company. This system yields large amount of different products with some different manufacture processes. 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 total of tardiness costs of 28395 minutes, meanwhile the schedule of company produces 33190 minutes. Thus, new schedule produces reduction of total of tardiness costs about 14.45% compared with schedule of company. Moreover, the number of tardy jobs, total of tardiness, and makespan also show reduction about 11.11%, 11.47%, and 0.1% respectively."