Computer File

Pengembangan model penjadwalan job shop dinamis kelompok mesin paralel identik untuk meminimasi mean tardiness dengan ant colony system

Penjadwalan pekerjaan merupakan suatu hal yang perlu diperhatikan dan
dilakukan oleh setiap perusahaan. Penjadwalan yang kurang baik akan
menimbulkan biaya-biaya yang tidak perlu seperti biaya penalti keterlambatan,
biaya overtime, biaya simpan, dan lain-lain. Suatu penjadwalan produksi yang
baik akan menghasilkan optimalitas sumber daya yang ada dinilai dari kriteria
yang telah ditetapkan. Jadwal ideal adalah jadwal yaug semua pekerjaannya dapat
selesai tepat pada due date. Penelitian yang dilakukan bertujuan untuk
mengembangkan model penjadwalan yang dapat memecahkan masalah
penjadwalan pekerjaan pada kelompok mesin paralel yang memenuhi kriteria
minimasi mean tardiness dengan menggunakan Algoritma Ant Colony System
(ACS).
Ant Colony System adalah suatu algoritma yang didasarkan pada perilaku
koloni semut saat melakukan perjalanan mencari makanan. Dalam ACS, koloni
semut dalam kehidupan nyata diadaptasikan menjadi semut yang memiliki
beberapa kelebihan seperti memiliki ingatan dan tidak sepenuhnya buta. Semut
ACS berpindah dari suatu node ke node lainnya berdasarkan probabilitas pij.
Besar probabilitas semut memilih suatu jalur (pij) dipengaruhi oleh parameter
kepekaan jejak (pheromone) dan parameter kepekaan visibilitas. Parameter ACS
yang beperan dalam mekanisme perubahan nilai jejak (global update) adalah
parameter penguapan
Model penjadwalan diimplementasikan dalam 3 buah studi kasus yang
memiliki perbandingan jumlah job dan jumlah mesin bervariasi. Dari hasil
implementasi model, dapat dilihat bahwa parameter ACS menghasilkan nilai
mean tardiness yang lebih kecil bila parameter α, β, dan ρ yang ditentukan
bernilai 1, 1, dan 0.005 (minimum).
Hasil implementasi model penjadwalan ACS lalu dibandingkan dengan
penerapan Algoritma Genetika dan Algoritma Tabu Search pada tiga buah studi
kasus yang sama Secara umum, ACS menghasilkan hasil yang hampir sama atau
lebih baik dari algoritma lain pada kasus dengan jumlah job lebih kecil sama
dengan jumlah mesin. Pada kasus dengan jumlah job lebih besar dari jumlah
mesin, ACS relatif menghasilkan nilai mean mean tardiness yang lebih besar
dibandingkan hasil dari Algoritma Genetika.

Ketersediaan

Informasi Detail

Judul Seri

No. Panggil

TI YUL p/04

Penerbit

Bandung : Program Studi Teknik Industri Fakultas Teknologi Industri - UNPAR., 2004

Deskripsi Fisik

xiv, v-14 p. : il. ; 30 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

TI

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Sinta Yuliana

Versi lain/terkait

Lampiran Berkas

Komentar