produk-produk manufaktur

7/21/2019 produk-produk manufaktur

http://slidepdf.com/reader/full/produk-produk-manufaktur 1/20

JURNAL PROSES MANUFAKTUR

Di Susun Oleh:

BOY YUDHA B.

5.14.4.!.."

JURUSAN TEKN#K #NDUSTR#

FAKULTAS TEKN#K

UN#$ERS#TAS #SLAM MAJAPAH#T

MOJOKERTO



KATA PEN%ANTAR

Puji syukur kita panjatkan kehadirat Allah SWT, Tuhan Yang Maha Esa yangtelah memberikan rahmat

serta hidayah-Nya sehingga penyusunan tugas ini dapatdiselesaikan.Tugas ini disusun sebagai tugas

mata kuliah Prses Manu!aktur dengan judul

"Prses Manu!aktur dan prduk-prduk Manu!aktur#

di $ni%ersitas &slam Majapahit. Teknik jurusan Teknik &ndustri.Terima kasih disampaikan kepada 'apak

(ari Pur)antST,MT selaku dsen mata kuliah Prses Manu!aktur yang telah membimbing dan

memberikan kuliah demilan*arnya tugas ini.+emikianlah makalah ini disusun semga berman!aat, agar

dapat memenuhi tugasmata kuliah Prses Manu!aktur.

M&'&(e)*&+4 N&, -15

Penusun

B& Yu/h0B.

N#M. 5.14.4.!.."



DAFTAR #S#

(AAMAN $+$

ATA PEN/ANTA0 11111111111111111.

+A2TA0 &S& 11111111111111111111..

'A' 3 PEN+A($$AN

1.1 ATA0 'EAAN/11111111111111133.4 MAS$+ +AN T$$AN 11111111111.......3

'A' && PEM'A(ASAN

4.3 0EAYASA +AN MANAEMEN S&STEM &N+$ST0111111..4

4.4 PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN

SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP ……………….......4

2.3 AN IMPROVED ANT COLONY SYSTEM ALGORITHM FOR THE VEHICLE ROUTING PROBLEM ....................................................8

BAB III PENUTUP

3.1 KESIMPULAN DAN SARAN .....................................................................14

3.2 DAFTAR PUSTAKA ....................................................................................1



BAB 1 PENDAHULUAN

LATAR BELAKAN%

Setiap perusahaan baik perusahaan manu!aktur maupun jasa akan terus meningkatkan prdukti%itas

perusahaanya dalam segala aspek. Terlebih lagi dalam perusahaan manu!aktur. +alam industri manu!aktur, prdukti%itas suatu perusahaan dapat dilihat dari kemampuan perusahaan dalam menjalankan prses prduksise*ara e!ekti! dan e!isien. Semakin e!isien sistem prduksi perusahaan tersebut, maka semakin sedikit timbulnyawaste dalam akti%itas prduksi mereka. Menurut (ines 5 Taylr 647778, salah satu paremeter prdukti%itas yangdiinginkan yaitu untuk meminimasi waste yang dihasilkan dalam setiap prses pengerjaan. Waste yang banyakterjadi tentunya akan menghambat usaha dari perindutsrian tersebut. 9leh karena itu, sudah seharusnya wastedapat dikurangi dalam sebuah prses prduksi.

+e)asa ini, perkembangan teknlgi yang ada dapat menimbulkan dampak persaingan yang sangat ketat antar perusahaan. 'anyak perusahaan yang mulai berlmba demi mendapatkan keuntungan yang maksimal dengan biaya prduksi yang rendah. Perusahaan manu!aktur se*ara berkelanjutan akan berusaha untuk meningkatkanhasil prduksi dengan melakukan perbaikan pada kualitas, harga, kuantitas prduksi, serta pengiriman tepat

)aktu untuk memberikan kepuasan kepada pelanggan.

MAKSUD DAN TUJUAN

U!"#$ %&%'('%) *+,-&- %'!#'$"#+ /'0'% !&+) /'! 0#'+ !&+) /'! )-' %&!'%'0$'!

)0%# /) 0)!$#!'! -&$)"'+ S#*'' %&!#+'!) *&!'!#+'!.



Me*&/e Peneli*i0n

L0n(0h 2 l0n(0h Peneli*i0n

Tahap Pendahuluan

Adapun langkah pendahuluan yang dilakukan dalam penelitian ini adalah sebagai berikut:3. Studi apangan 6 Field Research8

Metde ini digunakan dalam pengumpulan data yang dilakukan se*ara langsung dengan melakukan sur%ei pendahuluan untuk menggali in!rmasi sebanyak-banyaknya yang berkaitan dengan tpik penelitian di PT. /atraMapan Ngij.4. Studi iteratur 6 Library Research8

Studi literatur merupakan suatu metde yang digunakan dalam mendapatkan data dengan jalan mempelajariliteratur serta memba*a sumber data in!rmasi lainnya yang berhubungan dengan pembahasan. Teri-teri yangdipelajari pada penelitian ini adalah mengenai knsep lean manufacturing , activity based costing , cost integratedvalue stream mapping, dan root cause analysis.;. &denti!ikasi Masalah

&denti!ikasi masalah merupakan tahap a)al dalam mengetahui dan memahami suatu persalan agar dapatdiberikan slusi pada permasalahan tersebut.<. Perumusan Masalah

Setelah mengidenti!ikasi permasalahan, dilanjutkan dengan merumuskan masalah sesuai dengan kenyataan dilapangan, yaitu bagaimana penanganan pembrsan yang terjadi di PT. /atra Mapan Ngij.=. Penentuan Tujuan Penelitian

Tujuan penelitian perlu ditetapkan agar penulisan skripsi dapat dilakukan se*ara sistematis dan tidak menyimpandari permasalahan yang dibahas, Tujuan penelitian ditentukan berdasarkan perumusan masalah yang telahdijabarkan.

Tahap Pengumpulan dan Pengolahan Data

Pada tahap ini merupakan penjelasan mengenai tahapan pengumpulan dan penglahan data yang dilakukan dalam penelitian ini adalah sebagai berikut:3. Pengumpulan +ata

Pengumpulan data adalah pen*atatan in!rmasi sebagian atau seluruh elemen ppulasi yang menunjang danmendukung penelitian. $ntuk memperleh data dalam penelitian ini, didapatkan dengan *ara )a)an*ara danbser%asi langsung. Adapun data yang dikumpulkan yaitu:38 Pr!il perusahaan PT. /atra Mapan Ngij48 Struktur 9rganisasi PT. /atra Mapan Ngij

;8 Akti%itas prses prduksi PT. /atra Mapan Ngij<8 'iaya-biaya yang ada dalam knsep A'> di PT. /atra Mapan Ngij4. Penglahan +ata

+ata yang telah dikumpulkan selanjutnya akan dilah dan dianalisis. Adapun langkah penglahan data sebagai berikut:38 Perhitungan biaya-biaya dalam knsep A'> untuk digambarkan dalam value stream.48 Membuat ran*angan current cost integrated value stream mapping .



+ari data akti%itas prduksi dan perhitungan biaya yang ada selanjutnya akan dibuat penggambaran padasebuah value stream.;8 &denti!ikasi current cost integrated value stream mapping .

+ari penggambaran peta aliran nilai tersebut selanjutnya diidenti!ikasi lebih lanjut terkait value addedactivity, non value added activity, dan waste yang terjadi pada peta aliran nilai tersebut.

<8 Membuat ran*angan future cost integrated value stream mapping untuk dapat meran*ang prediksi petaaliran nilai setelah usulan rekmendasi perbaikan.

Tahap Analisis dan Kesimpulan

Tahap analisis dan kesimpulan yang dilakukan adalah dengan mende!inisikan sumber dan akar penyebabmasalah yang terjadi. Adapun langkahnya sebagai berikut:

3. Analisis dan Pembahasan38 Menganalisa current cost integrated value stream mapping .

+ilakukan analisa apa saja !aktr penyebab terjadinya pembrsan yang terjadi pada prses prduksidengan melihat peta aliran nilai.48 Menganalisa future cost integrated value stream mapping .

+ilakukan analisa perbaikan penanganan pembrsan dengan membuat ran*angan peta aliran yang baru.;8 Menganalisa rekmendasi perbaikan dengan root cause analysis.

Melakukan analisa kualitati! dengan menggunakan metde root cause analysis untuk mengetahui akar penyebab terjadinya pembrsan.<8 Menganalisa perbandingan current dan future value stream mapping .

4. Penarikan esimpulan dan SaranPada tahap akhir penelitian ini berisi pengambilan keputusan dan pemberian saran dari keseluruhan

prses penelitian yang telah dilakukan yang dapat menjadi masukan dan usulan bagi PT. /atra Mapan Ngij dalam mengurangi pembrsan yang terjadi pada prses prduksinya.

H0sil /0n Pe30h0s0n

Pen&l0h0n D0*0 Time Study

Data mengenai cycle time ini diperlukan sebagai input dalam perancangan current

value stream mapping. Cycle time ini dijadikan sebagai patokan value added time

dari keseluruhan proses produksi untuk memproduksi produk furniture. Cycle time

ini diperoleh melalui time study yang dilakukan untuk setiap work station yang

melakukan proses produksi secara berulang dan terus menerus. Metode time study yang digunakan adalah stopwatch time study. Pada pengambilan data cycle time

ini, operator yang bekerja atau bertugas pada saat proses produksi berlangsung

sedang bekerja dalam keadaan normal. Jumlah pengamatan untuk mendapatkan

cycle time ini dilakukan sebanyak ! kali pengamatan pada setiap prosesnya di

masing"masing workstation.



-.- PERBAND#N%AN K#NERJA AL%OR#TMA %ENET#KA DAN

S#MULATED ANNEAL#N% UNTUK MASALAH MULT#PLE

OBJET#$E PADA PENJAD6ALAN FLO6SHOP

1. PENDAHULUAN

Penjad)alan bagi perusahaan manu!aktur adalah aspek yang sangat penting, karena penjad)alan merupakan salah satu elemen peren*anaan dan pengendalian prduksi.ad)al yang baik diperleh dari algritma yang baik pula, sehingga perlu untuk menentukan suatu algritma yang tepat untuk suatu masalah penjad)alan.Penelitian-penelitian sebelumnya dalam hal penjad)alan biasanya di!kuskan padasatu kriteria saja sedangkan pada kenyataannya tidak selalu menggunakan satu kriteria, lehkarena itu penelitian ini menggunakan dua *riteria dalam penjad)alannya yaitukriteria Makespan dan Total flowtime. Algritma Metaheuristic telah menjadi satu byek penelitian yang mendalam disebabkan kemampuan algritma ini dalam mendapatkanslusi yang mendekati glbal ptimal dengan )aktu kmputasi yang relati! singkat.esulitannya adalah sering tidak adanya a*uan untuk melihat kemampuan algritma ini.+emikian juga tidak adanya a*uan perbandingan kemampuan algritma enetic dan!imulated "nnealing . 9leh karena itu penelitian ini berusaha melihat kemampuankeduanya dalam menyelesaikan masalah penjad)alan flow shop dengan kriteriamakespan dan total flowtime.0uang lingkup penelitian adalah sebagai berikut:? Algritma yang diperbandingkan kinerjanya adalah Algritma /enetika dan !imulated "nnealing sebagai dua algritma metaheuristik yang banyak dianjurkan leh jurnaljurnalindustri.? Pembuatan desain dan prgram kmputer yang dilakukan hanya menggunakanAlgritma /enetika dan !imulated "nnealing saja.

? Sistem prduksi adalah flow shop? Tidak terdapat pre#emption.? Setiap jb memiliki ready time yang sama.

-. SIMULATED ANNEALING

!imulated "nnealing dikembangkan berdasarkan ide dari mekanisme perilaku pendinginan dan prses kristalisasi 6annealing$ material panas. Algritma ini melakukan peningkatan iterati! untuk memperbaiki slusi yang dihasilkan teknik-teknik penjad)alanheuristik, dalam hal ini adalah sebuah slusi a)al yang dibuat dengan teknik heuristik ataupun randm, diiterasi se*ara berulang dengan metde annealing dengan

menggunakan perturbasi lkal hingga tidak ada peningkatan lagi atau hingga jumlahiterasi yang diinginkan sudah di*apai.Struktur algritma simulated annealing se*ara umum adalah sebagai berikut6Pnnambalan et al. 3@@@8 :

3. >ari slusi a)al ! menggunakan parameter a)al dan metde heuristik a)al yangdapat ditentukan sendiri.



4. Tetapkan suatu nilai temperatur a)al T yang *ukup tinggi, dimana T%&

;. Pada keadaan tidak fro'en, lakukan:

a. akukan L kali :

i. >ari slusi neighbourhood !( dari ! menggunakan metde yang dapatditetapkan sendiri.ii. B Nilai bjekti! 6!( 8 C Nilai bjekti! 6! 8iii. ika D7, maka tetapkan !)!( , jika tidak maka tetapkan !)!( dengan prbabilitas e*p+#-T$ b. T ) r * T , dimana r adalah !aktr reduksi suhu.<. +apatkan slusi ptimal.Parameter a)al yang diperlukan: Temperatur A)al, merupakan penanda a)al iterasi. +imana nanti temperatur a)alini akan terus berkurang hingga men*apai temperatur akhir. Temperatur Akhir, merupakan batas akhir penanda iterasi sudah dapat dihentikan.

2aktr 0eduksi Suhu, merupakan angka yang digunakan untuk menurunkan suhuse*ara bertahap dan terkendali. Angka replikasi, merupakan angka yang menunjukkan berapa kali loop dalamharus dilakukan sebelum menurunkan suhu.

angkah sistematis dari algritma !" yang digunakan:3. Slusi a)al didapatkan dari penjad)alan heuristik !T 6!hortest rocessing Time$,dihitung nilai bjekti!nya yaitu Ms dan F .4. Menentukan parameter-parameter a)al yang dibutuhkan.;. Mengambil dua angka randm r/ dan r0, antara 3 dan jumlah jb, dimana r/ tidak sama dengan r0.<. Menukarkan jb pada psisi r/ dengan jb pada psisi r0.=. Menghitung nilai bjekti! jad)al baru ini, Msnew dan Fnew.F. Menghitung G dengan rumusanH. ika 1%&, maka hitung I IJKL L +B -7eOpTp . Ambil satu bilangan randm pm antara 7 dan 3, jika pm2p maka jad)al baru diterima, jika tidak jad)al lama tetap dipertahankan. ika 12& maka jad)al baru langsung diterima. Se*ara umum 1memiliki pengertian selisih keunggulan jad)al baru terhadap nilai minimum yang dihasilkandengan jad)al lama terhadap nilai minimum yang dihasilkan.. Apabila kndisi replikasi lkal telah dipenuhi, maka lakukan reduksi terhadap suhudengan rumusan Ti ) r * Ti#/.@. embali ke langkah tiga sampai kriteria penghentian iterasi terpenuhi.

7. AL%OR#TMA %ENET#KA

Algritma /enetika adalah algritma pen*arian slusi tetangga berdasarkanmekanisme seleksi alam dan /enetika alam. Algritma /enetika dapat menga*u padasemua metde pen*arian slusi tetangga dengan mensimulasikan prses e%lusi alam.Pada tiap generasi, slusi terbaik 6indi%idu8 diperblehkan menghasilkan slusi baru6anak8 dengan mengambil !itur terbaik dari parent dan men*ampurkan dengan !itur



lainnya 6atau dengan mutasi8. &ndi%idu terburuk mati untuk menjaga kestabilan ppulasi.Algritma ini berbeda dari algrtima tradisinal pada beberapa hal 6/ldberg, 3@@8yaitu:3. /A berkeja dalam bentuk kde sekumpulan parameter, bukan parameter itu sendiri.4. /A men*ari slusi dari sekumpulan ppulasi, bukan dari satu titik slusi.

;. /A langsung menggunakan in!rmasi berupa !ungsi tujuan dan bukan turunannya.<. /A menggunakan aturan prbabilitas, bukan aturan deterministik.

'erikut adalah skema umum dari algritma /enetika 6i +a)ei et al., 3@@@8:- Menginitialisasi ppulasi a)al & 6biasanya didapatkan dari algritma heuristik yanglebih sederhana ataupun dengan randm8- Menge%aluasi ppulasi &- Menginitialisasi generasi B 3- Mengerjakan langkah-langkah berikut sampai kndisi tertentu: 0eprduksi Pgenerasi 3rossover Pgenerasi

Mutasi Pgenerasi E%aluasi Pgenerasi /enerasi B generasi Q 3Parameter-parameter yang digunakan dalam skema algritma /enetika ini adalahsebagai berikut : 'anyak indi%idu dalam 3 generasi, ini dapat ditentukan sendiri tanpa ada aturantertentu. Namun pada jumlah jb yang banyak sebaiknya banyak indi%idu dalam 3generasi juga banyak agar pen*arian slusi akan lebih baik. Prbabilitas mutasi, mutasi dalam kehidupan nyata jarang sekali terjadi dankemungkinan terjadinya *ukup ke*il bila dibandingkan dengan kehidupan yangnrmal. (al ini berlaku pula untuk algritma /enetika, karena itu perlu ditentukan besar kemungkinan terjadinya mutasi pada satu indi%idu. 'iasanya digunakan prbabilitas 7,73. umlah generasi, sebenarnya menunjukkan berapa kali iterasi yang dilakukan.Misalkan hendak dilakukan 37 kali iterasi, maka iterasi dihentikan apabila telahdidapatkan generasi baru dari generasi ke-37. 'bt untuk masing-masing kepentingan Makespan dan Total flowtime. 'ila tidak ditentukan, prgram dapat menghitungnya se*ara tmatis dimana akan dianggapkeduanya memiliki bbt berimbang 6tidak ada yang dipentingkan antara Makespandan Total flowtime8.angkah spesi!ik algritma /enetika yang digunakan:

3. Tentukan semua parameter a)al yang dibutuhkan.4. Slusi a)al didapatkan dari !T +/$, jad)al-jad)al berikutnya dalam generasi a)alini dibangun dengan metde randm.;. $ntuk peratr reprduksi, semua parent dalam satu generasi melakukan perka)inan dengansetiap parent lainnya. adi seandainya ada parent akan terjadi 4 kali perka)inan yang menghasilkan =F anak.<. +ihitung semua !ungsi bjekti! anak yang dihasilkan, kemudian diurutkan dari yang terbaikhingga terburuk. Sebanyak g anak dibiarkan hidup untuk menjadi generasi



penerus berikutnya, sisanya mati. 'esar g sesuai dengan banyak parent pada generasia)al yang telah ditentukan sebelumnya pada penentuan parameter a)al. Seandainyatelah ditetapkan dalam 3 ppulasi terdapat indi%idu, maka yang diluluskan menjadigenerasi selanjutnya adalah terbaik dari keseluruhan ppulasi baru.

=. $ntuk penga)inannya, peratr crossover yang diberlakukan adalah metde PMR6 partially matched crossover 8. Metde ini dimulai dengan mengambil dua buah angkarandm antara 3 dan banyak jb dalam string. Misalkan crossover diberlakukan padadua jad)al A dan ' berikut ini, angka randm yang mun*ul adalah < dan H, maka:A B @ < = F H 3 ; 4 37' B H 3 4 ; 37 @ = < F+engan metde PMR ini, maka jb-jb dalam rentangan angka randm itu akan bertukar tempat se*ara bersesuaian psisinya. adi jb = pada jad)al " bertukar tempat dengan jb 4, demikian pula pada jad)al 4, jb 4 bertukar tempat dengan jb=. b F bertukar dengan jb ; dan jb H bertukar dengan jb 37. Sehingga hasilcrossover akan menjadi :

A B @ < 4 ; 37 3 F = H' B 37 3 = F H @ 4 < ; "(dan 4( ini adalah anak dari perka)inan metde *rss%er " dan 4.

F. $ntuk perhitungan nilai bjekti!, karena ada lebih dari dua nilai yang diperbandingkantentu tidak bisa menggunakan peratr seperti pada simulated annealing . Makadi*ari *ara lain untuk melakukannya, sebagai berikut :- Menghitung semua Ms dan F dari anak yang dihasilkan- Menghitung Msr dan Fr yang merupakan nilai rata-rata dari Ms dan F untuk seluruh anak.- Menghitung FrMsrw3 B dan 4 3 w B 3- w- Apabila bbt w/ dan w0 telah ditentukan sendiri, maka tiga langkah diatas tidak perlu dilakukan.- 'erikutnya menghitung nilai bjekti! i i i 5 B w4 Ms Q w3 F . nsep rumusan iniadalah untuk menyeimbangkan bbt Ms dan F .

H. Setelah didapat semua nilai 5 untuk semua anak barulah diurutkan dari yang terbaik ke yang terburuk dan diambil sebanyak jumlah indi%idu per generasi yang ditentukan.

. 9peratr mutasi diberlakukan setelah didapatkan generasi baru ini. >aranya adalahdengan mengambil satu angka randm antara 7 dan 3, apabila angka ini lebih ke*ilatau sama dengan prbabilitas mutasi yang ditentukan dari a)al tadi, maka indi%iduitu dikenai peratr mutasi. ika tidak maka indi%idu itu lls tanpa perubahanapapun.

4. PERBAND#N%AN %ENET#K DAN SIMULATED ANNEALING 8SA9

$ntuk membandingkan hasil akhir /enetika dan algritma SA, *ukup dilakukan pembandingan pada satu jad)al yaitu jad)al terbaik dari masing-masing algritma.



-.7 AN IMPROVED ANT COLONY SYSTEM ALGORITHM FOR

THE VEHICLE ROUTING PROBLEM

1. #NTRODUT#ON5

The %ehi*le ruting prblem 6U0P8 hlds a *entral pla*e in lgisti*s management. This prblemin%l%es the design ! a set ! minimum *st deli%ery rutes, start and end at a dept, )hi*hser%es a set ! *ustmers. Ea*h *ustmer must be supplied eOa*tly n*e by ne %ehi*le. Ea*h%ehi*le must nt eO*eed its *apa*ity and a pre-spe*i!ied rute length. The U0P is a )ell-kn)n NP-hard prblem V3 that is %ery di!!i*ult t sl%e t ptimality. EOa*t methds like +ynami*Prgramming and 'ran*h and 'und *annt btain the ptimal slutin !r large U0P )ithinreasnable time, thus, many resear*hers ha%e used heuristi* appra*hes t sl%e the U0P. Manymetal-heuristi* appra*hes de%elped a**rding t arti!i*ial intelligen*e, bilgi*al e%lutinandXr physi*s phenmenn ha%e been reprted and applied t the U0P, su*h as SimulatedAnnealing 6SA8 V3, 4F,4H, ;;, /eneti* Algrithms 6/A8 V4, 4;, Tabu Sear*h 6TS8 V3@, 4F, 4,

;3, ;<, Neural Net)rk V47,;7 and Ant >lny 9ptimiatin 6A>98 V;, <, 3=. Amng thesemeta-heuristi* appra*hes, Ant System 6AS8 is a ne) distributed meta-heuristi* !irstintrdu*ed by >lrni et al. V. The AS is based n the beha%ir ! real ants sear*hing !r !d.0eal ants *mmuni*ate )ith ea*h ther using an armati* essen*e,*alled phermne, that they laid d)n n the path they tra%ersed. The phermne )ill a**umulates)hen mre and mre ants pass thrugh the same path. Ne%ertheless, the phermne )ill e%aprate i! n ants*ntinue t pass. The sele*tin ! the phermne trailre!le*ts the length ! the paths as )ell as the Zuality! the !d sur*e !und. +rig et al. V3; reprted

the AS t sl%e tra%eling salesman prblem 6TSP8,Zuadrati* assignment prblem 6[AP8 and jb-shps*heduling. +rig and /ambardella V33, 34 de%elpedthe ant *lny system 6A>S8 t impr%e the per!rman*e ! AS. They used a di!!erent state transitinrule and added a l*al phermne updating rule.Ant algrithms ha%e been applied t many*mbinatrial prblems su**ess!ully, in*luding tra%elingsalesman prblem V=, 33, 34, 3;, Zuadrati*assignment prblem V3;, 3H, 4=, 4@, ;4, jb-shps*heduling V@, 3;, %ehi*le ruting prblem V;, <, 3=,

seZuential rdering prblem V3< and graph *lring prblem V37. 'ullnheimer et al. V; )ere the !irstresear*hers that used AS t sl%e the U0P. They presenteda hybrid Ant System algrithm 6(AS8 thatadded the 4-pt heuristi* and then based n Sa%ingAlgrithm t *nstru*t rutes. ()e%er, the results ! (AS )ere nt as gd as ther meta-heuristi*appra*hes. Then, 'ullnheimer et al. V< de%elped



an impr%ed AS 6&AS8 !r the U0P. They applied theidea ! *andidate lists V33, 34 t *nstru*t %ehi*lerutes. >andidate lists *an *n*entrate the sear*h n prmising ndes thus sa%ing *mputatinal e!!rt that*an be better used !r !urther iteratins. 0esults ! a

set ! standard prblems sh)ed that &AS )as signi!i*antly better than AS and utper!rmed SA and Neural Net)rk. /ambardella et al. V3= de!ined ahybrid Ant System algrithm !r the U0P6(AS-U0P8, )hi*h )as inspired by A>S. 0esultsbtained by (AS-U0P )ere *mpetiti%e )ith thse! the best-kn)n algrithms and ne) upper bundshad been !und !r )ell-kn)n prblem instan*es.2urthermre, /ambardella et al. V3F prpsed a multipleAnt >lny System t %ehi*le ruting prblem)ith time )ind)s 6MA>S-U0PTW8 and impr%ed

sme ! the best-kn)n slutins in the literature. &nMA>S-U0PTW, ne *lny minimied the number ! %ehi*les )hile anther *lny minimied the tra%eleddistan*es.The rest ! the paper is rganied as !ll)s.Se*tin 4 des*ribes the impr%ed ant *lny' systemthat in*rprates )ith a ne) state transitin rule, ane) phermne updating rule and di%erse l*alsear*h appra*hes: 4-pt V4< and s)ap. >mputatinresults n !urteen U0P ben*hmark prblems )ith&A>S and *mparisn against ther ant-based algrithmsand meta-heuristi*s are reprted in se*tin ;.2inally, *n*luding remarks are made.

-. THE #MPRO$ED ANT OLONY SYSTEM

9ur &mpr%ed A>S 6&A>S8 algrithm is basedn the A>S algrithm that prpsed by +rig and/ambardella V34. &n A>S, m ants are initially psitinedn n %erti*es *hsen a**rding t sme a pririassignment pr*edure 6e.g., randmly8. Ea*h ant builds a tur by repeatedly applying a prbabilisti*nearest neighbr heuristi*. While *nstru*ting a tur,an ant mdi!ies the phermne le%el n the %isitededges by applying a l*al updating rule. When allants ha%e *mpleted their turs, the phermne le%eln ea*h edge is mdi!ied again by applying theglbal updating rule )hi*h !a%rs the edges ass*iated)ith the best tur !und !rm the start. 9ur &A>S mdi!ies the l*al and glbal phermne updating



rules and adds a l*al sear*h n ne ant. The&A>S mainly *nsists ! the iteratin ! the !ll)ingthree steps.Step 3: Ea*h ant builds the slutin independentlyand *arries ut l*al phermne

update.Step 4: Apply the l*al sear*h t impr%e theslutin.Step ;: $pdate the glbal phermne in!rmatin.&n the !ll)ing se*tins, )e des*ribe ea*h stepin mre details and the !l)*hart ! the &A>S issh)n in 2igure 3.

R&u*e &ns*)u*i&n

&n the riginal A>S, an ant, say k , m%es !rmthe present nde i t the neOt nde v a**rding t thestate transitin rule gi%en by638.V6 86 8 \]B⎪⎩⎪⎨ ⎧ ∈7 arg maO 76 7 77 7v i8 i88 9 ^ _ ̀ 6386 86 8 6 86 8 B∈ 8 9k8 i8i8 i86 i8``^ _^ _648 )here 9k is the set ! ndes that remain t be %isited by ant k psitined n nde i, ^i8 is the phermnele%el n edge 6i, 88, _i8 is the in%erse ! the length ! edge 6i, 88. (ere )e de!ine _i8 as the sa%ings ! *mbiningt) ndes i and 8 n ne tur as ppsed tser%ing them n t) di!!erent turs. Thus, _i8 is *al*ulatedas !ll)s:_i8 B di7 Q d 7 8 di8 6;8)here di8 dentes the distan*e bet)een ndes i and 8,and nde 7 is the deptc and ` is the parameter thatdetermines the relati%e in!luen*e ! phermne %ersusdistan*e sa%ings 6` \ 78. Mre%er, 7 is a randmnumber uni!rmly distributed in V7, 3, and 7& is a pre-de!ined parameter 67 ] 7& ] 38. This state transitinrule !a%rs transitins t)ard ndes *nne*ted by shrt edges and )ith a large amunt ! phermne.&! 7 ] 7& then the best neOt nde v, a**rding t EZ.638 6eOplitatin8, is *hsen, ther)ise, a nde is*hsen a**rding t EZ. 648 6eOplratin8. &! the %ehi*le*apa*ity *nstraint is met, the ant )ill return tthe dept be!re sele*ting the neOt nde. This sele*tin pr*ess *ntinues until ea*h nde is %isited andthe tur is *mplete.T keep the in!rmatin ! the best !und slutin,



)e adpt the *n*ept similar t the elitism ! thegeneti* algrithm t preser%e the best ant ! a generatinint the neOt generatin. As a *nseZuen*e, the phermne ! the edges belnging t the glbal bestslutin )ill be rein!r*ed at least t)i*e t speed up

the sear*h t)ard the better slutin. Thus, )e nlyre*nstru*t m - 3 slutins 6m is the number ! ants8in ea*h generatin.

L&0l Se0)h

&n the riginal A>S, a!ter the ants ha%e *nstru*tedtheir slutins but be!re the phermne isl*al updated, ea*h ants slutin is impr%ed by applyinga l*al sear*h. ()e%er, l*al sear*h is atime-*nsuming pr*edure ! A>S. T sa%e the*mputatin time, )e )ill nly apply l*al sear*h tthe best ! ants 6! B 3 in this paper8 amng thse m-3ants built in this iteratin. The idea here is that better slutin may ha%e better *han*e t !ind a l*al ptimum%ia l*al sear*h. We !irst apply a l*al sear*h based n s)ap m%es t the ant. 2ll)ing'ullnheimer et al. V< )e then apply the 4-pt algrithm.

Phe)&3&ne U;/0*e

&n ant algrithms, the phermne ! all edges belnging t the rute btained by ants )ill be updated.

The phermne updating ! A>S in*ludes l*aland glbal updating rules. The l*al updating rule! &A>S in EZ. 6<8 is applied t *hange phermnele%el ! edges a!ter an ant *mpletes its rute.^ B^ Q ^ 7 oi8newi8 6<8 )here 7 ] ] 3 is a user-de!ined parameter *allede%apratin *e!!i*ient, and ^& ) +n Lnn$#/ is theinitial phermne le%el ! edges, )here n is thenumber ! ndes and Lnn is the tur length prdu*ed by the Nearest Neighbr heuristi*. &! the best slutintill n) des nt impr%e )ithin a gi%en number !

generatins 647 generatins in this study8, the phermne le%el ! ea*h edge is reset t the initial phermne le%el, ^&.+rig et al. V3; and 'ullnheimer et al V= used the elitist strategy n the trail updating in antsystem. The idea ! the elitist strategy in the *nteOt! the ant system is t gi%e eOtra emphasis t the best path !und s !ar a!ter e%ery iteratin. Su*h a strategy



)ill dire*t the sear*h ! all the ther ants in prbabilityt)ard a slutin *mpsed by sme edges ! the best tur itsel!. &n ur &A>S, the best elitist ants ! the iteratin, in*luding the glbal-best and iteratinbestants, are all)ed t lay phermne n the ar*s

they tra%ersed. The idea here is t balan*e bet)eeneOplitatin 6thrugh emphasiing glbal-best ant8 as)ell as eOplratin 6thrugh the emphasis t iteratin- best ant8. The glbal updating rule is des*ribedas !llne) =^ i8 B 63f 8^ Qf^ 6=8 )here 7 ] f ] 3 is a user-de!ined parameter, and ;6 ; 8 6 ; 8 LL Lg L Ll i8 Q ^ B 68)here Lg and Ll dente the tur length ! glbal-bestslutin and iteratin-best slutin respe*ti%ely, and L: is the ;rd best slutin at *urrent iteratin. Edgesd nt belng t the glbal-best slutin and iteratin- best slutin just lse phermne at the rate f,

)hi*h *nstitutes the trail e%apratin. This *hi*e isintended t make ants sear*h in a neighbrhd ! the t) best turs instead ! the glbally best tur ta%id the algrithm being trapped in a l*al ptimum)ithut !inding %ery gd slutins.

O,e)0ll P)&e/u)e

The pr*edures ! ur &A>S are des*ribed as!ll)s:Step3: Set parameters.Step4: /enerate an initial slutin using Nearest Neighbr heuristi*.Step;: Apply the l*al sear*h 64-pt and S)ap8 tthe initial slutin and let it t be the slutin3 ! ppulatin. g B 3, h B 4.Step<: >nstru*t slutins base n the rute *nstru*tinrule and prgress l*al phermneupdate by EZ. 6<8. h B h Q 3.Step=: &! h \ m, then h B 4 and g t Step F. 9ther)ise,g t Step <.StepF: Srt the slutins 4m in as*ending rder andapply l*al sear*h 64-pt and S)ap8 t the 4ndslutin.StepH: Apply the glbal phermne update rule byEZ. 6=8.Step: 0e*rd the best slutin s !ar and let it t bethe slutin 3 in the neOt generatin. gB g Q 3.Step@: &! the stpping *riterin 6maOimum number ! generatins, , in this paper8 is met, then stp



and utput the best slutin. 9ther)ise, g tStep <.

7. NUMER#AL ANALYS#S

&n this se*tin, !urteen U0P ben*hmark prblemsdes*ribed in >hrist!ides et al. VF are tested byur &A>S. We *mpare the *mputatinal results)ith thse ! t) published AS V;, < as )ell as di!!erentmeta-heuristi*s su*h as SA V4F, ;;, TS V3@, ;<and /A V4. These prblems *ntain bet)een =7 and3@@ *ustmers as )ell as the dept. The *ustmers in prblems 3-37 are randmly distributed in the plane,)hile they are *lustered in prblems 33-3<. Prblems3-= and F-37 are identi*al, eO*ept that the ttal length! ea*h %ehi*le rute is limited !r the latter prblems.

Prblems 3;-3< are the *unterparts ! prblems33-34 )ith additinal rute length *nstraint. &n addi.

BAB ### PENUTUP

7.1 KES#MPULAN

3. Setelah dilakukan pengamatan pada prses prduksi di PT. /atra Mapan Ngij se*ara keseluruhanwaste yang dipriritaskan untuk mendapat perhatian pada prses prduksi yaitu waste de!e*t 6*a*at prduk8, waiting 6)aktu tunggu8, dan kreati%itas karya)an yang tidak dapat diman!aatkan 6underutili'ing people8.

4. Perhitungan biaya dengan pendekatan cost integrated value stream mapping pada prses prduksi prduk +in Sidebard 4 + ; +0W SN C W/ di PT. /atra Mapan Ngij menghasilkan beberapa hasilsebagai berikut 6per unit prduk8:a. roduction lead time berkurang dari ;3,7= hari menjadi 3,3 hari atau turun sebanyak 34,H hari. b. Ttal cycle time berkurang dari ==,7@ menit menjadi <@,@= menit atau turun sebanyak =,3< menit.*. Ttal value added cost X production cost berkurang dari 0p 3F.@F,H menjadi 0p 3F4.@F,H atauturun sebanyak 0p 4<.777,77.d. Ttal non value added cost berkurang dari 0p @;.37;,44 menjadi 0p @3<.37;,44 atau turun sebanyak0p 4<.777,77.e. arak tempuh berkurang dari 374 meter menjadi 7 meter atau turun sepanjang 44 meter.;. 2aktr yang menyebabkan adanya waste yang terjadi pada prses prduksi prduk +in Sidebard 4 +; +0W SN C W/ beragam menurut jenis waste yang ada. Waste defect yang banyak terjadi disebabkan

antara lain karena bahan baku yang kurang berkualitas dan peratr yang kurang sadar akan pentingnyakualitas prduk. Waste waiting time juga banyak terjadi antara lain karena bahan baku yang tidak sesuaistandar sehingga menyebabkan selip pada mesin sehingga mesin mati dan membutuhkan )aktu untuk perbaikan.• Algritma SA lebih unggul dibandingkan algritma /A pada simulasi yang diberikan.Terbukti pada persentase keunggulan SA terhadap /A adalah @7 berbanding 37.• Walaupun )aktu prses SA terlihat lebih lama daripada )aktu prses /A, namun tren)aktu prses SA lebih landai dibandingkan tren )aktu prses /A. Sehingga dapat



diperkirakan pada kasus dengan jumlah jb dan mesin yang banyak, SA akan lebih*epat menyelesaikan iterasinya daripada /A. Namun mengingat keunggulan SA yang begitu besar terhadap /A dengan selisih )aktu yang relati! ke*il, SA tetap akan lebih baik dalam menyelesaikan prblem-prblem yang memiliki kmbinasi mesin dan 8obke*il. +apat dilihat dari Tabel 3, untuk kmbinasi 37 8ob saja, SA masih memilikikeunggulan F@ terhadap /A.• Per!rma SA saat unggul terhadap /A juga jauh lebih baik dibandingkan per!rma/A saat unggul terhadap SA. (al ini semakin memperkuat rekmendasi SA sebagaimetde penjad)alan meta-heuristik yang handal dalam men*ari nilai bjekti!.• Algritma /A ternyata memakan )aktu prses yang lebih lama pada kasus dengan jb dan mesin yang banyak. (al ini dapat disebabkan leh perhitungan /A yangmemang lebih banyak dari SA yang sangat tergantung pada jumlah 8ob dan mesinyang diiterasikan, misal saja perhitungan bbt pen*arian nilai Y, crossover yang akanmenukarkan lebih banyak jb dan kemungkinan mutasi.

SARAN

• Algritma /A yang diusulkan tampak baik pada perhitungan kasus dengan kmbinasi

jb dan mesin yang sedikit, namun jika dilakukan untuk banyak kasus yang sama,ternyata SA masih lebih baik. Mungkin diperlukan mdi!ikasi pada algritma /A agar bisa lebih baik per!rmanya. emungkinan terbesar yang dapat diperkirakan penulisadalah pada metde *rss%ernya.• Prgram simulasi ini diran*ang untuk dapat menyelesaikan kasus-kasus nyata yangterjadi di perusahaan-perusahaan manu!aktur, namun karena tidak di*ba ke arah sanamaka tingkat keberhasilannya belum bisa ditetapkan.• Prgram dapat dikembangkan lagi dengan menambahkan algritma 4ranch and 4ound sehingga ukuran per!rma dapat dibandingkan langsung terhadap algritmatersebut yang merupakan algritma paling ptimal, tidak perlu membandingkan se*aralangsung. (al lain adalah penambahan tool untuk perhitungan se*ara kumulati! dan

gra!ik tren )aktu prses se*ara kumulati!.

7.- DAFTAR PUSTAKA

Abuthakeer,S.S.,Mhanram, P.U. 5 umar, /.M. 647378. A*ti%ity 'ased >sting Ualue StreamMapping. &nternatinal urnal ! ean Thingking 3648: =3-F<Aisyah, 2eni Siti. 647338. enerapan "ctivity 4ased 3osting +"43 !ystem$ ;alam enentuan <arga okok roduksi +<$. Studi asus Pada Perusahaan kk +jagung Prima Malang.Malang. $ni%ersitas 'ra)ijaya.Akbar, 2aisal. 647338. erancangan Lean manufacturing !ystem dengan endekatan 3ost =ntegrated 6alue !tream Mapping !tudi >asus ada =ndustri ?tomotif . +epk. $ni%ersitas&ndnesia.'allard, /. and ()ell, /. 63@@<8. =mplementing Lean 3onstruction, urnal ! Prdu*tin and&n%entry Managementc pp. ;H-<.>arter, William dan $sry, Miltn 2. 6477@8. "kuntansi 4iaya. +iterjemahkan leh rista. 'uku3. Edisi etiga 'elas. akarta. Salemba Empat.Erlina. 647748. Fungsi dan engertian "kuntansi 4iaya. +igitied by $S$ +igital ibrary.+iakses 4= April 4734.



2ajar, Muhammad. 647348. =nteligent of The ;awn. http:XXleansystem.)rdpress.*mXtagX-)aste-lean-*n*eptX.2anani, aenal. 647338. =mplementasi Lean Manufacturing 9ntuk eningkatan roduktivitas+!tudi >asus ada T. @kamas Fortuna Malang$. Manajemen &ndustri. Magister ManajemenTeknlgi. Surabaya. &TS.

/arrisn, 0ay ( dan Nrren, Eri*. 6477F8. "kuntansi Mana8erial . +iterjemahkan leh A. Ttk'udisants. akarta. Salemba Empat./aspers, Uin*ent. 6477F8. "3ontinous 3ost Reduction Through Lean !igma "pproach#. akarta.PT. /ramedia Pustaka $tama./ldberg, +a%id E., 3@@. enetic "lgorithms, in !earch, ?ptimi'ation and Machine Learning, Addisn-Wesley Publishing >. &n*.Pnnambalan, S./., a)ahar, N., and Ara%indan, P., 3@@@. "A Simulated AnnealingAlgrithm !r b Shp S*heduling#, roduction lanning and 3ontrol, Ul. 37, N., HFH-HHH.+a)ei, ., i, W., Mengguang, W., 3@@@. "/eneti* Algrithm !r Prdu*tin tPlanning ! Steel PipeA, roduction lanning and 3ontrol , Ul. 3@, N.3, =<-=H.

0ajendran, >., 3@@;. "(euris*ti* !r S*hedulling in 2l)shp )ith Multiple 9bje*ti%esA, @uropean Bournal of ?perational Research C0.3. Al!a, A. S., S. S. (eragu and M. >hen, "A ;-pt basedsimulated annealing algrithm !r %ehi*le ruting prblems,# 3omputers D =ndustrial @ngineering , -1,F;=-F;@ 63@@38.4. 'aker, '. M. and M. A. Aye*he), "A geneti* algrithm!r the %ehi*le ruting prblem,# 3omputers D ?perations Research, 7, HH-77 6477;8.;. 'ullnheimer, '., 0. 2. (artl and >. Strauss, "Applyingthe ant system t the %ehi*le ruting prblem,# &n S.Uss, S. Martell, &.(. 9sman, and >. 0u*airl, editrs,Meta-(euristi*s: Ad%an*es and Trends in *alSear*h Paradigms !r 9ptimiatin, lu)er, 'stn,MA, 37@-347 63@@8.<. 'ullnheimer, '., 0. 2. (artl and >. Strauss, "An impr%edant system !r the %ehi*le ruting prblem,# "nnals of ?perations Research, "!, ;3@-;4 63@@@a8.=. 'ullnheimer, '., 0. 2. (artl and >. Strauss, "A Ne)0ank 'ased Uersin ! the Ant System - A >mputatinalStudy,# 3entral @uropean Bournal of ?perations Research, <, pp. 4=-; 63@@@b8.F. >hrist!ides, N., A. Mingi and P. Tth, The 6ehicle Routing roblem. &n: >mbinatrial 9ptimiatin, ed. N. >hrist!ides, A. Mingi, P. Tth, 5 >. Sandi.Wiley, >hi*hester 63@[email protected]. >lrni A., M. +rig, 2. Ma!!ili, U. Manie, /.0ighini and M. Trubian, "(euristi*s !rm nature !r hard *mbinatrial prblems,# =nternational Transactionsin ?perational Research, 7819, 3-43 63@@F8.



. >lrni, A., M. +rig and U. Manie, "+istributedptimiatin by ant *lnies,# &n 2. Uarela and P.'urgine, editrs, Pr*eeding ! the Eurpean >n!eren*en Arti!i*ial i!e, Else%ier, Amsterdam 63@@38.@. >lrni, A., M. +rig, U. Manie and M. Trubian,

"Ant system !r jb-shp s*heduling,# 4elgian Bournal of ?perations Research, !tatistics and 3omputer !cience, 74819, ;@-=; 63@@<8.37. >sta, +. and A. (ert, "Ants *an *lur graphs,# Bournal of the ?perational Research !ociety, 4",4@=-;7= 63@@H8.33. +rig, M. and . M. /ambardella, "Ant *lnies !r the tra%eling salesman prblem,# 4io!ystems, 47,H;-3 63@@Ha8.34. +rig, M. and . M. /ambardella, "Ant *lny system:A *perati%e learning appra*h !r the tra%eling

salesman prblem,# =@@@ Transactions on @volutionary3omputation, 1, =;-FF 63@@Hb8.3;. +rig, M., U. Manie and A. >lrni, "Ant system:9ptimiatin by a *lny ! *perating agents,# =@@@ Transactions on !ystems, Man and >yberneti*sPart ', -=, 4@-<3 63@@F8.3<. /ambardella, . M. and M. +rig, "(AS-S9P: Ahybrid ant system !r the seZuential rdering prblem,#Tech. Rep. Eo. =;!=" G#//, &+S&A, ugan,S)iterland 63@@H8.3=. /ambardella, . M., E. Taillard and /. Agai, "Ant*lnies !r %ehi*le ruting prblems,# &n +. >rne, M.+rig, and 2. /l%er, editrs, Ne) &deas in 9ptimiatin.M*/ra)-(ill 63@@@a8.3F. /ambardella, . M., E. Taillard and /. Agai,"MA>S-U0PTW: A multiple ant *lny system !r %ehi*le ruting prblems )ith time )ind)s,# &n +.>rne, M. +rig and 2. /l%er 6Eds.8, Ne) ideas inptimiatin, Maidenhead, $: M*/ra)-(ill 63@@@b8.

produk-produk manufaktur

Documents