BAB III ANALISIS. job[0] <no_mesin1 waktu_operasi1> <no_mesin2 waktu_operasi2>.. job[1] <no_mesin1 waktu_operasi1> <no_mesin2 waktu_operasi2>..
|
|
- Suharto Kusumo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB III ANALISIS 3.1 Pendahuluan Dalam tugas akhir ini, permasalahan job shop scheduling diselesaikan dengan menerapkan sistem multiagent dengan kemampuan pembelajaran (learning) dan penalaran (reasoning) dan. Sistem multiagent ini akan melakukan simulasi pemrosesan job yang didefinisikan user untuk menghasilkan jadwal pemrosesan yang optimal. Setiap agen akan belajar menentukan aksi (dalam hal ini, dispatch priority rule yang dipakai untuk memilih job) yang memberikan hasil optimal saat menghadapi kondisi tertentu (digambarkan dengan kondisi job pada tiap mesin). Pembelajaran dilakukan dengan metode reinforcement learning, jadi agen akan belajar melalui interaksi dengan lingkungan (dalam hal ini, memproses job dan memperoleh reward). Pengetahuan yang diperoleh agen melalui pengalamannya saat memproses job disimpan dalam bentuk kasus-solusi (case-solutions). Penalaran pengetahuan dilakukan agen dengan memanfaatkan paradigma penalaran berbasis kasus (case-based reasoning). 3.2 Representasi Job Shop Problem Representasi job shop problem pada tugas akhir ini mengacu pada definisi permasalahan job shop scheduling pada Operational Research (OR) Library ( : jumlah_job jumlah_mesin job[0] <no_mesin1 waktu_operasi1> <no_mesin2 waktu_operasi2>.. job[1] <no_mesin1 waktu_operasi1> <no_mesin2 waktu_operasi2>.. job[jumlah_job] <no_mesin1 waktu_operasi1> <no_mesin2 waktu_operasi2> contoh: III-1
2 III jumlah_job adalah jumlah job yang harus diselesaikan. jumlah_mesin adalah jumlah mesin yang tersedia untuk menyelesaikan seluruh job yang ada. Tiap job memiliki dua atribut, yaitu : 1. no_mesin adalah mesin yang harus dilalui oleh job tersebut untuk dapat dinyatakan selesai. 2. waktu_operasi adalah waktu operasi pada setiap mesin ke-no_mesin. jumlah_mesin dan definisi tiap job harus konsisten. Jika di dalam urutan_mesin terdapat instans mesin yang indeks nya berada di luar batas jumlah_mesin, maka masalah job shop scheduling tersebut tidak dapat diselesaikan. Untuk melakukan simulasi penyelesaian tiap job yang ada, maka dibuat sebuah struktur data untuk memuat informasi setiap job Job: <urutan_mesin, urutan_waktu_operasi, penghitung>. Mengacu pada contoh representasi permasalahan job shop scheduling di atas maka struktur data dari job pertama adalah Job[0] < { }, { },0> Penghitung adalah nilai yang akan terus dimutakhirkan sesuai dengan lama proses yang telah dialami job tersebut (jadi diinisialisasi dengan 0). 3.3 Representasi Agen Pendekatan Sistem multiagent untuk penyelesaian permasalahan job shop scheduling ini dilakukan dengan membuat agen, yaitu machine agent, untuk tiap mesin yang bertugas untuk mengambil keputusan (job atau operasi yang dipilih) pada tiap kondisi dan melakukan pembelajaran dari tiap keputusan yang diambil. Penjelasan lebih lanjut tentang representasi
3 III-3 pengetahuan machine agent dan proses pembelajarannya akan dijelaskan di subbab representasi pengetahuan agen dan pembelajaran agen. Tugas dari machine agent hanyalah untuk mengambil keputusan dan melakukan pembelajaran, karena itu diperlukan sebuah agen lagi, yaitu control agent, yang bertugas mengatur seluruh proses pembuatan jadwal. Control agent bertugas untuk memulai dan menghentikan proses simulasi, melakukan simulasi pemberian daftar job ke setiap machine agent, melakukan pemutakhiran status tiap job dan status tiap machine agent saat simulasi dan mencatat semua aksi yang diambil seluruh machine agent di setiap waktu ke dalam sebuah jadwal. Interaksi antar kedua jenis agen ini menghasilkan sebuah simulasi penyelesaian masalah job shop scheduling yang hasil akhirnya adalah jadwal penyelesaian seluruh job. Tahap-tahap interaksi machine agent dan control agent dapat dilihat pada flowchart pada Gambar III-3 Flowchart global program. Pada lampiran A, dapat dilihat interaksi antara control agent dan machine agent dalam salah satu contoh permasalahan job shop scheduling. 3.4 Representasi Pengetahuan Agen Representasi pengetahuan yang dimiliki oleh machine agent berupa sejumlah kasus Casebase = <state, solution>. Diagram dari representasi pengetahuan agen dapat dilihat pada Gambar III-1. Gambar III-1 Diagram representasi pengetahuan agen
4 III-4 Bagian state yang merupakan identifier dari tiap kasus direpresentasikan oleh keadaan sistem yang digambarkan oleh status tiap job dan mesin. Menurut [RIE99] keadaan sistem dapat dibedakan menjadi dua yaitu: 1. Keadaan sistem statik, yaitu spesifikasi awal dari sistem tersebut. Contoh: jumlah job, jumlah mesin, estimasi makespan (dengan perhitungan) 2. Keadaan sistem dinamis, yaitu keadaan sistem yang berbeda dari waktu ke waktu. Keadaan sistem dinamis, menggambarkan progress sistem tersebut saat beroperasi. a. Kondisi job : due date setiap job, processing time job, slack time dari job b. Konsekuensi dari aksi : slack time rata-rata akibat penerapan aksi c. Hubungan antara job/operasi : urutan operasi yang belum dilalui tiap job Setiap kasus harus memiliki state yang unik dan menggambarkan kasus yang sedang dihadapinya. Dalam analogi dokter dan pasien, seorang dokter harus bisa melihat ciri-ciri atau gejala penyakit pasien dengan tepat untuk bisa menentukan kasus penyakit pasien dan pengobatannya. Demikian juga dalam kasus job shop scheduling, state yang digunakan harus menggambarkan keadaan sistem. Karena fokus utama sistem multiagent ini adalah untuk menyelesaikan dengan optimal suatu permasalahan, maka state yang digunakan adalah keadaan sistem dinamis, yaitu kondisi job : total due date, total slack time dan total processing time dari seluruh job yang belum selesai. Selain itu ditambahkan juga current time atau waktu simulasi (incremental value yang menggambarkan waktu simulasi) untuk meningkatkan keunikan state kasus Casebase.state = < total_due_date, total_slack_time, total_processing_time, current_time > Bagian solution merupakan daftar tuple pengalaman (experience) E = <aksi, jumlah_update, nilai_q> dan nilai evaluasi dari solusi (evaluation value). Nilai evaluasi merupakan nilai boolean yang menyatakan apakah solusi tersebut pernah diakses / digunakan atau tidak. Seperti yang telah disebutkan di atas, aksi yang menjadi pilihan dalam proses learning ada tiga buah : EDD, MS dan SPT. Ketiga pilihan aksi tersebut direpresentasikan dalam bentuk kode: 0 = EDD, 1 = MS dan 2 = SPT. Casebase.solution = <E,V> Casebase.solution.E[0] = <aksi, jumlah_update, nilai_q> Casebase.solution.E[1] = <aksi, jumlah_update, nilai_q>
5 III-5 Casebase.solution.E[2] = <aksi, jumlah_update, nilai_q> Aksi = {0, 1, 2} Aksi yang diambil oleh machine agent adalah cara pemilihan job (job dispatching rule). Dalam tugas akhir ini, daftar aksi yang dipilih dibatasi menjadi tiga yaitu : 1. Earliest Due Date (EDD) : job yang dipilih adalah job dengan total waktu proses (operation time) terkecil. Algoritma dapat dilihat pada Algoritma III-1. function duedate (j: job, tahap_rute: integer): integer i,result:integer i := tahap_rute iterate i to job.route.length result:= result + job.optime[i] duedate := result Algoritma III-1 Earliest Due Date 2. Minimum Slack (MS) : job yang dipilih adalah job dengan waktu sisa proses (slack) terkecil. Algoritma dapat dilihat pada Algoritma III-2. function slack (j: job, tahap_rute: integer): integer slack := duedate(job, tahap_rute) job[i].penghitung Algoritma III-2 Minimum Slack 3. Shortest Processing Time (SPT): job yang dipilih adalah job dengan waktu proses tersingkat untuk mesin yang bersangkutan. Algoritma dapat dilihat pada Algoritma III-3. function processingtime (j: job, tahap_rute: integer): integer processingtime := j.optime[tahap_rute] Algoritma III-3 Shortest Processing Time Kasus (case) pada basis pengetahuan agen terurut berdasarkan kedatangannya. Sedangkan atribut experience dari bagian solution terurut menaik berdasarkan nilai_q (Q-value). Q- value merupakan nilai yang diperoleh dari hasil pembelajaran agen,yaitu dengan memproses job yang diberikan kepadanya. Semakin rendah nilai Q, artinya aksi yang memiliki nilai Q tersebut memberikan reward yang lebih baik (meminimalisasi makespan).
6 III-6 {fungsi untuk menghitung derajat perbedaan antara dua kasus} function dif(s1: state, s2: state): integer {kamus} i: integer sum : integer {algoritma} sum :=0 i traversal 0.. jumlah_atribut_state sum := sum + (s1.atribut i - s2.atribut i ) dif := akarkuadrat(sum) Algoritma III-4 Difference antara state Proses retrieval atau pengambilan kembali kasus dilakukan dengan menggunakan nearest neighbour (pencarian kasus tersimpan yang paling mendekati kondisi yang dihadapi sistem). Perbandingan dilakukan pada state kasus sebagai identitas unik dari setiap kasus yang disimpan. Format spesifikasi dari kondisi sistem yang dibandingkan harus sama dengan format state kasus yang disimpan. Algoritma untuk menentukan perbedaan (difference) antara kasus yang dihadapi dengan kasus yang disimpan menggunkan Euclidean distance dengan algoritma yang dapat dilihat pada Algoritma III Pembelajaran Agen Pembelajaran dilakukan dengan reinforcement learning (metode Q-learning) dengan tujuan untuk menemukan policy, yaitu aksi (dispatching rule) yang paling tepat untuk tiap kondisi sistem secara global (kondisi tiap waiting job). Pada Sistem multiagent, di mana terdapat banyak agen yang bekerja secara konkuren, maka aksi yang dipelajari oleh sistem sebenarnya adalah vektor dari aksi-aksi elementer tiap agen. Setiap agen memberikan kontribusi aksi untuk menghasilkan vektor aksi gabungan (joint action vector). Jadi tujuan bersama dari tiap agen (tujuan dari pembelajaran sistem) adalah mencari joint policy yang merupakan pemetaan kondisi-aksi untuk tiap agen yang menghasilkan reward yang optimal [GAB06]. Sehingga pada model permasalahan job shop scheduling ini, tujuan utama yang ingin dicapai adalah menghasilkan rangkaian cara pemilihan job yang tepat untuk tiap machine agent
7 III-7 sehingga dapat dihasilkan jadwal kerja yang optimal. Jadwal kerja yang optimal dicapai dengan menghasilkan keterlambatan penyelesaian (tardiness) yang minimal untuk seluruh job. Perhitungan nilai assignment Q dapat dilihat pada Algoritma III-5. Casebase.solution.E[0] merupakan aksi terbaik yang diketahui machine agent, yaitu yang memiliki nilai Q paling rendah dari kondisi suksesor. Sehingga fungsi Q yang ada akan semakin meminimumkan tardiness (keterlambatan penyelesaian). {prosedur untuk memutakhirkan nilai q} function updateq (var cbold: casebase, cbnew: casebase) cbold.solution.e[i].nilai_q := (1-α) cbold.solution.e[i].nilai_q + α(r+γ cbnew.solution.e[0].nilai_q) Algoritma III-5 Assignment nilai Q Nilai α merupakan learning rate yaitu faktor yang menentukan pemutakhiran nilai Q dapat dilihat pada Algoritma III-6. Semakin besar nilai α maka nilai Q akan dimutakhirkan semakin mendekati nilai Q yang baru. {fungsi untuk menghitung learning rate} function getlearningrate(cb: casebase): double learningrate := 1 / 1 + cb.solution.e[i].nilai_update Algoritma III-6 Fungsi penghitung learning rate Nilai reward yang ada diperoleh dari tardiness job. Sehingga, nilai reward yang terbaik adalah 0. Semakin tinggi nilai reward, artinya semakin buruk aksi yang telah dilakukan. Algoritma untuk menghitung nilai reward ada pada Algoritma III-7. {fungsi untuk menghitung reward value di setiap agen} function getreward(waktu_penyelesaian: integer, duedate: integer): double getreward := waktu_penyelesaian duedate Algoritma III-7 Fungsi penghitung reward Nilai global reward dihitung dengan menjumlahkan total nilai reward (dari seluruh agen) dengan rata-rata slack time dari seluruh job (dapat dilihat pada Algoritma III-8). Global
8 III-8 reward akan diberikan ke seluruh agen sehingga setiap agen mengetahui dampak global dari aksi yang dilakukannya. {fungsi untuk menghitung reward value global} function getglobalreward(totalreward: integer, jobs: array of job, arr_tahap_rute: array of integer): double {kamus} i:integer totalslack: double {algoritma} totalslack := 0 i traversal 0..(jobs.length-1) totalslack := totalslack + slack(job[i],arr_tahap_rute[i]) getglobalreward := totalreward + (totalslack / jobs.length) Algoritma III-8 Fungsi penghitung global reward Dengan penalaran case-based reasoning dan pembelajaran reinforcement learning, akan terbentuk suatu basis pengetahuan yang terdiri dari kumpulan case yang saling terhubung pada tiap agen. Bentuk basis pengetahua yang terbentuk dapat diilutrasikan seperti pada Gambar III-2 Ilustrasi basis pengetahuan yang terbentuk. Gambar III-2 Ilustrasi basis pengetahuan yang terbentuk
9 III Algoritma program Pada program simulasi ini, tiap agen yaitu machine agent mewakili tiap mesin, yang bertugas untuk mengambil keputusan. Setiap mesin diberi nama/kode berupa : [0 jumlah_mesin]. Sedangkan seluruh simulasi proses pembuatan jadwal dilakukan pada satu agen yaitu control agent. Urutan kerja agen: 1. Control agent akan mengirimkan daftar job kepada tiap machine agent 2. Machine agent akan memutuskan job yang dipilih berdasarkan pengetahuan yang dimilikinya dan mengirim keputusannya kepada control agent 3. Control agent memutakhirkan jadwal dan status job dan machine agent dan kemudian kembali mengirimkan job kepada tiap machine agent 4. Jika semua job sudah selesai diproses maka control agent akan men-shutdown dirinya dan semua machine agent Setiap machine agent melakukan pembelajaran mesin dengan reinforcement learning. Tujuan pembelajaran ini adalah mencari policy atau aturan yang meminimumkan waktu total yang dibutuhkan untuk menyelesaikan seluruh job (meminimumkan waktu jadwal selesai). Algoritma program utama (main program) dijelaskan pada flowchart program pada Gambar III-3, sedangkan pseudocode program dapat dilihat pada Algoritma III-9.
10 III CB : list of casebase <state,solution>; Ct : global time; Jumlah_mesin : jumlah machine agent; S : kondisi (state) S : kondisi suksesor V : casebase 2. Repeat a. S:=S ; b. For machine agents(i jumlah_mesin) do i. If CB = Ø or tidak ada kasus yang cukup dekat then Tambah case base dengan kondisi S dan solusi kosong; Reinisialisasi 2 kasus terdekat dengan S ii. Cari V:= casebase terdekat (nearest neighbour) dari kondisi S pada CB; iii. Pilih aksi a[i]:=yang terbaik atau random; c. Terapkan joint-actions a:={a[0],a[1]..,a[i]}; d. Berikan global reward ke semua agen; e. S := kondisi suksesor akibat a; f. For machine agents(i jumlah_mesin) do i. V := casebase terdekat (nearest neighbour) dari kondisi S pada CB; ii. Tentukan α:= 1/1+ V.solution.E[i].nilai_update; iii. Tentukan V.solution.E[i].nilai_Q := (1-α) V.solution.E[i].nilai_Q + α(r+γ V.solution.E[0].nilai_Q); iv. V.solution.E[i].nilai_update ++; v. Urutkan E menaik berdasarkan nilai_q; g. Until(semua job selesai dikerjakan) Algoritma III-9 Algoritma global program
11 III-11 Legenda Gambar III-3 Flowchart global program
12 III-12 CB adalah kumpulan case base dari tiap machine agent (tiap machine agent memiliki CB tersendiri). Ct adalah global time, yang menjadi acuan waktu yang sama bagi seluruh elemen sistem. Sedangkan jumlah_mesin adalah jumlah mesin yang didefinisikan pada permasalahan job shop tersebut Siklus CBR pada sistem ini adalah sebagai berikut : 1. Retain Untuk semua machine agent, tambahkan case base dari kondisi (state) yang baru S jika CB machine agent kosong atau S tidak memiliki neighbour yang cukup dekat (dibatasi dengan nilai threshold yang dihitung dari rata-rata operation time seluruh job) pada CB. Ketika case baru dengan state S ditambah, maka dua case terdekat dengan case baru harus direinisialisasi karena setelah case baru ditambahkan, transisi dari kedua case tersebut akan berubah. 2. Retrieval dan Reuse Setelah itu, ambil V yaitu case base yang paling dekat dengan kondisi S. Pilih aksi sebagai solusi elementer dari V. Aksi bisa dipilih secara acak (eksplorasi) atau dipilih aksi terbaik (eksploitasi, menggunakan aksi yang memiliki nilai Q terendah). Kedua kemungkinan pemilihan aksi ini ditentukan dengan nilai probabilitas eksplorasi yang juga ditentukan oleh user. 3. Revise Aksi yang diperoleh dari setiap machine agent, yang memiliki daftar pekerjaan pada saat itu, digabungkan menjadi vektor aksi yang kemudian diterapkan pada sistem. Setelah menerima immediate reward dari hasil penerapan aksi tersebut, nilai immediate reward dikirimkan ke semua agen yang berkontribusi di dalam vektor aksi yang telah diterapkan. Setelah itu, kondisi (state) suksesor S adalah kondisi sistem akibat dari penerapan vektor aksi pada sistem. Setelah itu, untuk semua machine agent, lakukan pemutakhiran nilai-nilai atribut experience dari solution pada case base V yang merupakan case base terdekat dari kondisi S. Untuk melakukan pemutakhiran dibutuhkan immediate reward dan nilai Q dari case base V yang merupakan case base terdekat dari kondisi suksesor S. Nilai yang dimutakhirkan adalah nilai Q dan nilai update (menandakan berapa kali solusi tersebut telah digunakan). Setelah nilai selesai dimutakhirkan, maka experience dari solution pada case base V akan diurutkan menaik berdasarkan nilai Q. Dengan pengurutan ini, dijamin
13 III-13 bahwa aksi pada indeks pertama dari experience adalah aksi yang terbaik (memiliki nilai Q terendah). Siklus dimulai dari retain karena pada awal sistem ini karena untuk memilih aksi, machine agent harus memiliki basis pengetahuan lebih dulu (minimal satu case). Jika machine agent belum memiliki case sama dalam basis pengetahuannya, machine agent tidak bisa memutuskan aksi yang akan digunakan.
PENERAPAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING PADA JOB SHOP SCHEDULING DENGAN SISTEM MULTIAGENT
PENERAPAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING PADA JOB SHOP SCHEDULING DENGAN SISTEM MULTIAGENT LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana oleh : Nama : Yohanes /
Lebih terperinciIMPLEMENTASI SISTEM MULTIAGENT DENGAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING UNTUK PENYELESAIAN JOB SHOP SCHEDULING PROBLEM
IMPLEMENTASI SISTEM MULTIAGENT DENGAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING UNTUK PENYELESAIAN JOB SHOP SCHEDULING PROBLEM Oleh : Entot Suhartono STIE Bank BPD Jateng Abstrak Job shop scheduling
Lebih terperinciBAB II KAJIAN TERKAIT
BAB II KAJIAN TERKAIT 2.1 Job Shop Scheduling Definisi formal formal job shop scheduling adalah sebagai berikut: Job set J = j, j,... j } 1 2 n Machine set M = m, m,... m } 1 2 m Operations O = o, o,...
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Job shop scheduling adalah model permasalahan yang bertujuan menghasilkan penjadwalan penggunaan sejumlah mesin dengan kemampuan proses tertentu untuk menyelesaikan
Lebih terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI
IV-4 BAB IV PERANCANGAN DAN IMPLEMENTASI 4. Pendahuluan Sistem multiagen untuk menyelesaikan permasalahan job shop scheduling diimplementasikan dalam bentuk program yang menerima masukan berupa definisi
Lebih terperinciBAB 2 LANDASAN TEORI
22 BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Definisi penjadwalan Secara umum, penjadwalan merupakan proses dalam perencanaan dan pengendalian produksi yang digunakan untuk merencanakan produksi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Peranan Penjadwalan dan Pengaruhnya Penjadwalan adalah proses pengambilan keputusan yang memainkan peranan penting dalam industri manufaktur maupun jasa.
Lebih terperinciScheduling Problems. Job Shop Scheduling (1) Job Shop Scheduling Problems. Job Shop Scheduling (2) 13/05/2014
/0/0 Scheduling Problems Job Shop Scheduling Problems Mata Kuliah: Penjadwalan Produksi Teknik Industri Universitas Brawijaya Job Shop Scheduling () Job Shop Scheduling () Flow shop: aliran kerja unidirectional
Lebih terperinciBAB II LANDASAN TEORI. atau minimum suatu fungsi tujuan. Optimasi produksi diperlukan perusahaan dalam
BAB II LANDASAN TEORI 2.1 Optimasi Optimasi merupakan pendekatan normatif dengan mengidentifikasi penyelesaian terbaik dari suatu permasalahan yang diarahkan pada titik maksimum atau minimum suatu fungsi
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Pengertian Penjadwalan Penjadwalan adalah aktivitas perencanaan untuk menentukan kapan dan di mana setiap operasi sebagai bagian dari pekerjaan secara keseluruhan harus dilakukan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Gambaran Umum Manusia mempunyai kemampuan untuk belajar sejak dia dilahirkan, baik diajarkan maupun belajar sendiri, hal ini dikarenakan manusia mempunyai jaringan saraf.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Resep Elektronik Sistem resep elektronik adalah pemanfaatan sistem elektronik untuk menfasilitasi dan meningkatkan komunikasi urutan resep atau obat, membantu pilihan, administrasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Pengertian Penjadwalan Penjadwalan dalam proses produksi merupakan sesuatu yang cukup penting, dalam proses penjadwalan dapat menentukan waktu yang dibutuhkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengukuran Waktu Pengukuran waktu adalah pekerjaan mengamati dan mencatat waktuwaktu kerjanya baik setiap elemen ataupun siklus. Teknik pengukuran waktu terbagi atas dua bagian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian dan Ruang Lingkup Sistem Produksi Pada sub bab ini akan dibahas mengenai pengertian sistem produksi dari beberapa teori yang sudah ada, serta ruang lingkup sistem produksi
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Salah satu tujuan dari industri atau perusahaan adalah menciptakan laba yang maksimal. Salah satu bentuk usahanya adalah dengan memaksimumkan hasil produksi atau meminimumkan
Lebih terperinciPerencanaan Short-Term Scheduling dan Production Scheduling Model
Perencanaan Short-Term Scheduling dan Production Scheduling Model Rudini Mulya Daulay Program, Fakultas Teknik Universitas Mercu Buana 2010 email: rudinimenteri@gmail.com Abstrak 1. SHORT-TERM SCHEDULING
Lebih terperinciPENJADWALAN PRODUKSI MENGGUNAKAN ALGORITMA JADWAL NON DELAY UNTUK MEMINIMALKAN MAKESPAN STUDI KASUS DI CV. BIMA MEBEL
PENJADWALAN PRODUKSI MENGGUNAKAN ALGORITMA JADWAL NON DELAY UNTUK MEMINIMALKAN MAKESPAN STUDI KASUS DI CV. BIMA MEBEL Setyo Harto, Annisa Kesy Garside, dan Dana Marsetya Utama Jurusan Teknik Industri Universitas
Lebih terperincihari sehingga menempatkan metode LPT sebagai metode paling tidak efektif untuk diterapkan di PT. XYZ.
BAB V ANALISA HASIL 5.1 Analisa Perb bandingan Penjadwalan FCFS, EDD, SPT dan LPT Jika di ilakukan perbandingan antara ke 4 metode yang digunakan, maka akan did dapatkan hasil sebagai berikut : Dari tabel
Lebih terperinciHusnul Hakim ( ) Pembimbing : Ahmad Saikhu, S.Si, MT
Husnul Hakim (5106100101) Pembimbing : Ahmad Saikhu, S.Si, MT Penjadwalan job-shop merupakan masalah yang kompleks untuk diselesaikan. Pendekatan dalam menyelesaikan penjadwalan job-shop : - Analitis dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penyakit Kulit Penyakit kulit adalah penyakit infeksi yang paling umum, terjadi pada orang-orang dari segala usia. Gangguan pada kulit sering terjadi karena ada faktor peyebabnya,
Lebih terperinciBAB 4 PENGUJUAN MODEL DAN ANALISIS. Untuk keperluan pengujian model dan program komputer yang telah
7 BAB PENGUJUAN MODEL DAN ANALISIS Untuk keperluan pengujian model dan program komputer yang telah dikembangkan dilakukan pengumpulan data sebagai berikut : 1. Pengujian model dalam masalah job shop dengan
Lebih terperinciPENERAPAN METODE EARLIEST DUE DATE PADA PENJADWALAN PRODUKSI PAVING PADA CV. EKO JOYO
Yogyakarta,19Juni2010 PENERAPAN METODE EARLIEST DUE DATE PADA PENJADWALAN PRODUKSI PAVING PADA CV. EKO JOYO Agus Rudyanto 1, Moch. Arifin 2 1 Jurusan Sistem Informasi, Sekolah Tinggi Majemen Informatika
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
42 BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flow Diagram Pemecahan Masalah dan Penjelasannya 3.1.1 Studi Pendahuluan Untuk mengidentifikasi masalah yang akan diteliti di PT. Furin Jaya, maka penulis melakukan
Lebih terperinciBAB III PEMODELAN MASALAH
BAB III PEMODELAN MASALAH Masalah penjadwalan kereta api jalur tunggal dapat dimodelkan sebagai sebuah kasus khusus dari masalah penjadwalan Job-Shop. Hal ini dilakukan dengan menganggap perjalanan sebuah
Lebih terperinciPERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113
PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Pertemuan 13 & 14 Outline: Scheduling Referensi: Tersine, Richard J., Principles of Inventory and Materials Management, Prentice-Hall, 1994. Wiratno, S. E.,
Lebih terperinciBAB V ANALISA DAN HASIL
BAB V ANALISA DAN HASIL 5.1 Analisa Jumlah Pekerjaan dalam Sistem Jika dilakukan perbandingan jumlah pekerjaan dalam sistem dari penjadwalan produksi Thermowell di PT. Rangga Olah Cipta Systems yang ditelah
Lebih terperinciBAB I PENDAHULUAN. yang dikelolah, maka tidak sedikit instansi maupun badan usaha yang ada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan berkembangnya dunia teknologi khususnya komputer yang semakin baik halam hal perangkat lunak maupun perangkat keras dan pentingnya informasi yang dikelolah,
Lebih terperinciOLEH : RULI ASTRI ANDRIANI ( ) Jurusan Teknik Industri Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya
PENJADWALAN FLOWSHOP UNTUK MEMINIMASI LOGOTOTAL TARDINESS DENGAN URUTAN JOB YANG SAMA DAN/ATAU BERBEDA DAN MEMPERHATIKAN KETIDAKTERSEDIAAN PADA MASING-MASING MESIN OLEH : RULI ASTRI ANDRIANI (2506 100
Lebih terperinciBAB II LANDASAN TEORI. sistem kontrol persediaan dan produksi, dan MRP tipe 3 berhubungan dengan. sistem perencanaan manufaktur (Tersine, 1984).
BAB II LANDASAN TEORI 2.1 Material Requirement Planning (MRP) MRP dibagikan dan didefinisikan dalam 3 kategori, yaitu MRP tipe 1 berhubungan dengan sistem kontrol persediaan, MRP tipe 2 berhubungan dengan
Lebih terperinciBAB 2 LANDASAN TEORI
15 BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Pengertian Dasar Penjadwalan Produksi Secara umum, penjadwalan merupakan suatu proses dalam perencanaan dan pengendalian produksi yang merencanakan produksi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Metodologi penelitian ini merupakan cara yang digunakan untuk memecahkan masalah yang telah dirumuskan. Metode penelitian ini dilakukan dengan analisa
Lebih terperinci2.2.2 Penjadwalan Flow Shop 8
DAFTAR ISI HALAMAN JUDUL LEMBAR PENGESAHAN PEMBIMBING LEMBAR PENGESAHAN PENGUJI KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR ABSTRAKSI u iii iv v ix xi xiv BAB I PENDAHULUAN 1 1.1 Latar Belakang
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT Agronesia INKABA merupakan perusahaan yang bergerak dalam bidang manufaktur yang mempoduksi produk terknik berbahan baku karet. Sistem produksi di perusahaan ini adalah mass production dan job
Lebih terperinciABSTRAK Giffler dan Thompson
ABSTRAK Untuk tetap dapat bersaing, maka setiap perusahaan perlu melakukan perbaikan secara terus menerus dalam berbagai faktor. PT. Sarana Wira Reksa merupakan salah satu perusahaan yang bergerak di industri
Lebih terperinciManual Penggunaan Algoritma Tabu Search untuk Mengoptimasikan Penjadwalan Job Shop
Manual Penggunaan Algoritma Tabu Search untuk Mengoptimasikan Penjadwalan Job Shop Akhmad Hidayatno Armand Omar Moeis Komarudin Zulkarnain Aziiz Sutrisno Laboratorium Rekayasa, Simulasi dan Pemodelan Sistem
Lebih terperinciBAB 2 LANDASAN TEORI
26 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Penjadwalan dapat didefinisikan sebagai penugasan dan penentuan waktu dari kegunaan sumber daya seperti tenaga kerja, peralatan, dan fasilitas
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit pada saluran pencernaan merupakan penyakit yang umum dialami masyarakat. Berdasarkan Profil Kesehatan Provinsi Daerah Istimewa Yogyakarta tahun 2010
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB 2 TINJAUAN PUSTAKA DAN LANDASAN TEORI Edward (1998) menjelaskan bahwa sebuah work center terdiri dari banyak jenis mesin, dan pada kenyataannya work center lebih sering diindikasikan sebagai mesin
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Paru-paru sebagai pompa satu-satunya untuk sistem pernapasan adalah organ yang sangat penting bagi berlangsungnya kehidupan. Namun masih banyak orang yang kurang peduli
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING
IMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING Fransica Octaviani S. (1) Joko Purwadi (2) Rosa Delima (3) foctas@yahoo.com jokop@ukdw.ac.id rosa@ukdw.ac.id Abstraksi Penalaran
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Penjadwalan dan Penjadwalan Flow shop Menurut Kumar (2011), jadwal merupakan rencana sistematis yang umumnya menceritakan hal-hal yang akan dikerjakan. Menurut Pinedo (2005),
Lebih terperinciPENGULANGAN Bagian 1 : Notasi. Tim Pengajar KU1071 Sem
PENGULANGAN Bagian 1 : Notasi Tim Pengajar KU1071 Sem. 1 2009-2010 1 Tujuan Mahasiswa memahami jenis-jenis pengulangan dan penggunaannya serta memahami elemenelemen dalam pengulangan. Mahasiswa dapat menggunakan
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciPemodelan Simulasi untuk Analisis Performansi Penjadwalan pada Sistem Manufaktur Make to Order dengan Mesin Paralel
Petunjuk Sitasi: Zagloel, T. Y., Ardi, R., & Adriana, L. (2017). Pemodelan Simulasi untuk Analisis Performansi Penjadwalan pada Sistem Manufaktur. Prosiding SNTI dan SATELIT 2017 (pp. E66-71). Malang:
Lebih terperinciBAB I PENDAHULUAN. produksi yang umumnya ditemukan adalah sistem flow shop dan job shop. Dalam
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan hal yang penting dalam sistem produksi. Sistem produksi yang umumnya ditemukan adalah sistem flow shop dan job shop. Dalam industri yang
Lebih terperinciII. TINJAUAN PUSTAKA A. PENJADWALAN PRODUKSI
II. TINJAUAN PUSTAKA A. PENJADWALAN PRODUKSI Menurut Sumayang (2003), penjadwalan adalah mengatur pendayagunaan kapasitas dan sumber daya yang tersedia melalui aktivitas tugas. Perencanaan fasilitas dan
Lebih terperinciDAFTAR ISI. ABSTRAK... iv KATA PENGANTAR... DAFTAR ISI... vii. DAFTAR GAMBAR... xii. DAFTAR TABEL...xvii BAB I PENDAHULUAN Tujuan...
DAFTAR ISI Halaman ABSTRAK... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR GAMBAR... xii DAFTAR TABEL...xvii BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah... 1 1.2 Perumusan Masalah... 4 1.3 Pembatasan
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu menggunakan teori dan model antrian untuk menganalisa operasi 1. Penggunaan teori antrian 2. Struktur masalah antrian 3. Distribusi
Lebih terperinciPENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN
PENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN Moh.Husen, Ilyas Masudin, Dana Marsetiya Utama Jurusan Teknik Industri - Universitas Muhammadiyah Malang Muhammad.husen12@yahoo.com
Lebih terperinciModel Penjadwalan Batch Multi Item dengan Dependent Processing Time
Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 69-80 ISSN 1411-2485 Model Penjadwalan Batch Multi Item dengan Dependent Processing Time Sukoyo 1, TMA Ari Samadhi 2, Bermawi P. Iskandar 3, Abdul
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Sejumlah penelitian yang berkaitan dengan penjadwalan produksi telah dilakukan, antara lain oleh Wigaswara (2013) di PT Bejana Mas Perkasa.
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN Kondisi pengolahan data yang telah dijabarkan sebelumnya pada bab 1 (satu) memiliki keterkaitan terhadap permasalahan yang teridentifikasi. Yaitu permasalahan terkait desain
Lebih terperinciANALISA PERBANDINGAN PENGGUNAAN ATURAN PRIORITAS PENJADWALAN PADA PENJADWALAN NON DELAY N JOB 5 MACHINE
ANALISA PERBANDINGAN PENGGUNAAN ATURAN PRIORITAS PENJADWALAN PADA PENJADWALAN NON DELAY N JOB 5 MACHINE Dana Marsetiya Utama Jurusan Teknik Industri, Fakultas Teknik, Universitas Muhammadiyah Malang Kontak
Lebih terperinciPENJADWALAN JANGKA PENDEK YULIATI, SE, MM
PENJADWALAN JANGKA PENDEK YULIATI, SE, MM 1 PENJADWALAN (SCHEDULING) Melaksanakan pekerjaan secara efektif dan efisien agar tujuan tercapai. Oleh karena itu pemahaman mengenai konsep penjadwalan sangat
Lebih terperinciJOB SHOP PANDUAN BIG PROJECT
PANDUAN BIG PROJECT SIMULASI KOMPUTER - 2014 DAFTAR ISI 1. Pengertian... 1 2. Tujuan Penjadwalan Workcenter... 2 3. Pengurutan Tugas (Sequencing)... 2 4. Definisi dalam Penjadwalan... 3 5. Karakteristik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Produksi 2.1.1 Definisi Sistem Produksi Menurut para ahli ada beberapa definisi mengenai sistem produksi, antara lain : 1. Asruri (1993) mendefinisikan sistem produksi
Lebih terperinci1. Pendahuluan Selama ini penjadwalan pelajaran hampir di semua sekolah yang meliputi jadwal mata pelajaran dan pembagian guru di setiap kelas yang
1. Pendahuluan Selama ini penjadwalan pelajaran hampir di semua sekolah yang meliputi jadwal mata pelajaran dan pembagian guru di setiap kelas yang ada masih menggunakan cara manual yaitu pihak Tata Usaha
Lebih terperinciMetode Penugasan. Penugasan & Pengurutan Job. Metode Penugasan. Supl 15. Langkah-langkah Metode Penugasan 31/10/2015
Penugasan & Pengurutan MANAJEMEN OPERASI: Manajemen Keberlangsungan & Rantai Pasokan Operations Management: Sustainability & Supply Chain Management Supl 15 Metode Penugasan Kelas khusus dari model pemrograman
Lebih terperinciMULTIAGENT SYSTEM DALAM PENYELESAIAN CREW SCHEDULING PROBLEM
MULTIAGENT SYSTEM DALAM PENYELESAIAN CREW SCHEDULING PROBLEM Ade Romadhony 1, Fariska Z.R 2, Novi Yusliani 3, Nur Ulfa Maulidevi 4 1 Fak.Tek.Informatika Institut Teknologi Telkom, 2,3,4 STEI ITB ade@ittelkom.ac.id,
Lebih terperinciPENJADWALAN PRODUKSI MESIN INJECTION MOULDING PADA PT. DUTA FLOW PLASTIC MACHINERY
Penjadwalan Produksi Injection Moulding Pada PT. Duta Flow Plastic Machinery PENJADWALAN PRODUKSI MESIN INJECTION MOULDING PADA PT. DUTA FLOW PLASTIC MACHINERY Roesfiansjah Rasjidin, Iman hidayat Dosen
Lebih terperinciPENJADWALAN DENGAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara
PENJADWALAN DENGAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara. Konsep Penadwalan Penadwalan dapat didefinisikan sebagai
Lebih terperinciBAB XII MENCARI DATA MAKSIMUM DAN MINIMUM
1 BAB XII MENCARI DATA MAKSIMUM DAN MINIMUM 12.1. Mencari Data Maksimum Untuk menjelaskan proses pencarian data terbesar atau data maksimum dari sekelompok data, di bawah ini akan diberikan contohnya terlebih
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Penyelesaian permasalahan dalam penjadwalan dapat dilakukan dengan mengkaji kompleksitas penjadwalan. Menurut Pinedo (2002), kompleksitas dalam penjadwalan terbagi menjadi mesin
Lebih terperinciBAB I PENDAHULUAN 1BAB I PENDAHULUAN
BAB I PENDAHULUAN 1BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit gigi merupakan salah satu penyakit yang dapat menyerang semua orang, namun di sisi lain jumlah dokter gigi di Indonesia masih sangat sedikit
Lebih terperinciBAB III LANDASAN TEORI. ilmu yang terkait dalam penyelesaian dalam kerja praktek.
BAB III LANDASAN TEORI 2.1 Landasan Teori Landasan teori digunakan untuk menyelesaikan masalah secara sistematis. Pada bab ini akan membahas landasan teori yang menjelaskan tentang ilmu yang terkait dalam
Lebih terperinciModel Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual
Performa (004) Vol. 3, No.: 49-54 Model Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai hal-hal yang menjadi latar belakang dilakukan penelitian ini, perumusan masalah, batasan penelitian yang dikerjakan, tujuan, manfaat penelitian terhadap
Lebih terperinciPENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia)
PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia) I Gede Agus Widyadana Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Definisi Umum Penjadwalan Produksi Untuk mengatur suatu sistem produksi agar dapat berjalan dengan baik, diperlukan adanya pengambilan keputusan yang tepat
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan data Pengumpulan data merupakan kegiatan mengolah data yang telah dikumpulkan setelah mempelajari cara pengolahan data yang bener pada saat tinjauan
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 05, No.03 (2017), hal ISSN : X
IMPLEMENTASI CASE BASED REASONING SISTEM DIAGNOSA PENYAKIT ANAK BERBASIS WEB Tri Rezki Maulidia 1, Tedy Rismawan 2, Syamsul Bahri 3 1,2,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pertama ini akan diuraikan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi, dan sistematika pembahasan dalam Tugas Akhir ini. 1.1 Latar Belakang
Lebih terperinciOptimisasi Penjadwalan Proses Pada Central Processing Unit Dengan Menggunakan Algoritma Greedy
Optimisasi Penjadwalan Proses Pada Central Processing Unit Dengan Menggunakan Algoritma Greedy Irdham Mikhail Kenjibriel (13508111) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciProgram Studi Teknik Industri, Fakultas Rekayasa Industri, Telkom University 1
PERANCANGAN SISTEM SCHEDULING JOB MENGGUNAKAN DRUM BUFFER ROPE UNTUK MEMINIMASI KETERLAMBATAN ORDER DAN MANUFACTURING LEAD TIME PADA BAGIAN MACHINING MPM DI PT. DIRGANTARA INDONESIA 1 Rinda Rieswien, 2
Lebih terperinci3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik
DAFTAR ISI PERNYATAAN... iii PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR ALGORITMA... xvi DAFTAR LAMPIRAN... xvii INTISARI... xviii ABSTRACT...
Lebih terperinciPENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE)
PENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara 1. Latar Belakang Kecenderungan
Lebih terperinciMODEL MATEMATIKA HORISON WAKTU DISKRET HEURISTIK UNTUK PENJADWALAN PRODUKSI OPERASI TUNGGAL PADA MESIN ALTERNATIF
MODEL MATEMATIKA HORISON WAKTU DISKRET HEURISTIK UNTUK PENJADWALAN PRODUKSI OPERASI TUNGGAL PADA MESIN ALTERNATIF Irwan Sukendar, ST, MT Jurusan Teknik Industri FTI Universitas Islam Sultan Agung Email:
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Tahapan-tahapan yang dilalui pada kegiatan penelitian digambarkan pada Gambar 3.1. Untuk mencapai tujuan penelitian maka dilakukan tahap-tahap penelitian
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih terperinciIrfan Muhammad 1, M.Adha Ilhami. 2, Evi Febianti 3 1,2, 3 JurusanTeknikIndustri Universitas Sultan Ageng Tirtayasa PENDAHULUAN
Jurnal Teknik Industri, Vol.1, No.2, Juni 2013, pp.102-106 ISSN 2302-495X Penjadwalan Pola Aliran Flow Shop 1-Stage dengan Sistem Lelang Untuk Meminimasi Weighted Tardiness dengan Mempertimbangkan Maintenance
Lebih terperinciBAB IV REKAYASA SISTEM
38 BAB IV REKAYASA SISTEM Bab ini akan memberikan gambaran umum mengenai kondisi analisa aplikasi dan proses pada pengiriman pesan dan simulator yang digunakan dalam proses pengiriman yang dititikberatkan
Lebih terperinciSISTEM BERBASIS KASUS UNTUK PENANGANAN MAHASISWA BERMASALAH (STUDI KASUS : TEKNIK INFORMATIKA UII)
SISTEM BERBASIS KASUS UNTUK PENANGANAN MAHASISWA BERMASALAH (STUDI KASUS : TEKNIK INFORMATIKA UII) Chanifah Indah Ratnasari Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam Indonesia
Lebih terperinciModel Penjadwalan Pekerjaan pada Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual
Performa (00) Vol. 1, No.1: 0-5 Model Penjadwalan Pekerjaan pada Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI SISTEM. penyelesaian produksi dengan menggunakan metode Earliest Due Date (EDD) ini
BAB IV IMPLEMENTASI DAN EVALUASI SISTEM 4.1 Kebutuhan Sistem Dalam merancang dan membangun pembuatan aplikasi perhitungan penyelesaian produksi dengan menggunakan metode Earliest Due Date (EDD) ini ada
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan diperlukan ketika beberapa pekerjaan harus diproses pada suatu mesin tertentu yang tidak bisa memproses lebih dari satu pekerjaan pada saat yang sama. Penjadwalan
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang CV. Greeng Inspiration merupakan sebuah perusahaan yang bergerak di bidang konveksi, yang menawarkan jasa pembuatan pakaian seperti, kaos oblong, kaos berkerah, polo,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penjadwalan Produksi Perusahaan selalu melakukan penjadwalan produksi dalam pemenuhan kapasitas permintaan konsumen atau order dari konsumen untuk jangka pendek dalam rentang periode
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Dewasa ini game semakin canggih dan kompleks. Tidak hanya dari sisi tampilannya, tetapi juga kecerdasan dari agen-agen yang ada didalam game tersebut. Sering kita temui
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM 3.1 Perancangan Program 3.1.1 Perancangan Perangkat Lunak Perangkat lunak atau piranti lunak adalah: 1. Program komputer yang berfungsi sebagai sarana interaksi antara
Lebih terperinciSeminar Nasional IENACO ISSN:
PENJADWALAN JOB SHOP MESIN MAJEMUK MENGGUNAKAN ALGORITMA NON DELAY (STUDI KASUS DI PT. WANGSA JATRA LESTARI) Hafidh Munawir, Wisnu Nur Cahyanto 1 Pusat Studi Logistik dan Optimisasi Industri (PUSLOGIN),
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini kita telah memasuki era globalisasi dan pasar bebas, dimana setiap orang bebas untuk melakukan perdagangan dan mendirikan suatu usaha. Perkembangan
Lebih terperinciBAB II BAHAN RUJUKAN
BAB II BAHAN RUJUKAN 2.1 Pengertian Manajemen Di setiap perusahaan yang didirikan tentunya disertai dengan harapan akan mengalami suatu perkembangan dan juga memperoleh keuntungan dikemudian hari. Harapan
Lebih terperinciPembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A*
Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A* Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPERBAIKAN PENJADWALAN AKTIVASI STARTER PACK UNTUK MEMINIMASI KETERLAMBATAN DENGAN MENGGUNAKAN METODE EARLIEST DUE DATE PADA PT XYZ
PERBAIKAN PENJADWALAN AKTIVASI STARTER PACK UNTUK MEMINIMASI KETERLAMBATAN DENGAN MENGGUNAKAN METODE EARLIEST DUE DATE PADA PT XYZ Riska Retno Widyaningsih 1, Budi Sulistyo 2, Murni Dwi Astuti 3 1 Program
Lebih terperinciBAB 2 LANDASAN TEORI. perencanaan dan pengendalian produksi dan juga merupakan rencana
8 BAB 2 LANDASAN TEORI 2.1 Definisi Penjadwalan Penjadwalan merupakan bagian yang strategis dari proses perencanaan dan pengendalian produksi dan juga merupakan rencana pengaturan urutan kerja serta pengalokasian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Dalam penyelesaian tugas akhir ini digunakan landasan teori yang berkaitan dengan permasalahan yang digunakan untuk menyelesaikan masalah yang ada pada perusahaan. 2.1 Sistem Menurut
Lebih terperinciSistem Penjadwalan di PT. XYZ
Sistem di PT. XYZ Fernaldi Darmasaputra Leksono 1, I Gede Agus Widyadana 2 Abstract: Production scheduling in a manufacturing company is an important point to control the production process movements.
Lebih terperinciPenggunaan Algoritma Backtrack dan Aturan Warnsdorff Untuk Menyelesaikan Knight s Tour Problem
Penggunaan Algoritma Backtrack dan Aturan Warnsdorff Untuk Menyelesaikan Knight s Tour Problem Ali Akbar - 13514080 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciTUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan
SIDANG TUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan dan Total Tardiness Peneliti Pembimbing : Ainur Rofiq : Prof. Ir. Budi
Lebih terperinci