TUGAS SIMULASI INDUSTRI

JOB SHOP

Disusun Oleh:

Rachma Noviyanti Hidayah / 1532010009

Paralel A

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS PEMBANGUNAN NASIONAL
“VETERAN” JAWA TIMUR
2017
 Job Shop

Job shop scheduling secara umum lebih dikenal sebagai shop floor control,

yang merupakan kegiatan penyusunan input (memasang yang diperlukan) menjadi

output (produk). Penjadwalan job shop adalah pengurutan pekerjaan untuk lintas

produk yang tidak beraturan (tata letak pabrik berdasarkan proses).

Penjadwalan pada proses produksi tipe job shop lebih sulit dibandingkan

penjadwalan flow shop. Hal ini disebabkan oleh 3 alasan, yaitu:

1. Job shop menangani variasi produk yang sangat banyak, dengan pola aliran

yang berbeda-beda melalui work center.

2. Peralatan pada job shop digunakan secara bersama-sama oleh bermacam-

macam order dalam prosesnya, sedangkan peralatan pada flow shop digunakan

khususnya hanya untuk satu jenis produk.

3. Job-job yang berbeda mungkin ditentukan oleh prioritas yang berbeda pula,

hal ini mengakibatkan order tertentu yang dipilih harus diproses seketika pada

saat order tertentu yang dipilih harus diproses seketika pada saat order tersebut

ditugaskan pada suatu work center.

Untuk menyelesaikan permasalahan job shop banyak cara yang dapat

ditempuh diantaranya dengan metode matematis, heuristic dan simulasi. Salah

satunya adanya priority rules.

Biasaanya priority rules ini dipakai baik untuk menentukkan prioritas adalah:

1. Random ( R)

Job yang akan dikerjakan diurutkan secara random (tiap job mempunyai

kemungkinan yang sama untuk terpilih)

2. First Come First Serve (FCFS)

Urutan pengerjaan job ditetapka berdasarkan urutan kedatangan

3. Shortest Processing Time (SPT)

Urutkan job berdasarkan waktu proses yang terkecil pada urutan pertama. (aturan

ini akan menghasilkan WIP, Flow Time dan lateness yang terkecil)

4. Earliest Due Date (EDD)

Urutkan job berdasarkan due date terkecil / paling cepat. (aturan ini akan

mengurangi lateness dan tardiness)

5. Critical Ratio (CR)

Urutkan job berdasarkan CR terkecil (mengurangi lateness)

6. Least Work Remaining (LWKR)

Variasi dari SPT. Urutkan job berdasarkan sisa waktu proses paling kecil. (aturan

ini mengurangi flow time)

7. Fewest Operation Remaining

Variasi dari SPT. Urutkan job berdasarkan jumlah operasi sisa paling kecil. (aturan

ini mengurangi flow time)

8. Slack Time (ST)

Variasi dari EDD

ST = Remaining Time – Setup – Run time

9. Slack per Remaining Operation (S/ OPN)

Variasi dari ST urutkan job berdasarkan S / OPN terkecil. (Aturan ini mengurangi

lateness)

10. Least Setup (LSU)

Urutkan job berdasarkan waktu setup terkecil (aturan ini mengurangi makespan)
 Dalam penyelesaian masalah job shop digunakan prosedur yang ada dalam

Priority Dispatcing Rule. Dalam model terdapat beberapa prosedur, antara lain:

 SPT ( Shortest Processing Time )

 FCFS ( First Come First Cerved )

 MWKR ( Most work Remaining )

 MOPNR ( Most Operations Remaining )

 LWKR ( Least Work Remaining )

Dari model-model tersebut, SPT dan MWKR paling sering digunakan.

Produksi job shop yang ditandai dengan pembuatan satu atau kuantitas

beberapa produk yang dirancang dan diproduksi sesuai dengan spesifikasi

pelanggan yang diawalidalam waktu dan biaya. Fitur yang membedakan ini

adalah volume rendah dan variasi dari produk yang tinggi. Sebuah job shop terdiri

dari mesin serba guna yang disusun menjadi departemen-departemen yang

berbeda. Setiap pekerjaan menuntut persyaratan teknologi yang unik, menuntut

pengolahan pada mesin dalam urutan tertentu.

Sistem produksi job shop diikuti bila ada:

 Tinggi berbagai produk dan volume yang rendah.

 Penggunaan mesin tujuan umum dan fasilitas.
 Terampil operator yang dapat mengambil setiap pekerjaan sebagai

tantangan karena keunikan.

 Besar persediaan bahan, peralatan, suku cadang.

 Perencanaan rinci adalah penting untuk sequencing persyaratan setiap

produk, kapasitas untuk setiap pusat kerja dan prioritas pesanan.

Berikut adalah keuntungan dari produksi job shop:

 Karena mesin tujuan umum dan fasilitas berbagai produk dapat

diproduksi.

 Operator akan menjadi lebih terampil dan kompeten, karena setiap

pekerjaan memberi mereka kesempatan belajar.

 Potensi penuh dari operator dapat dimanfaatkan.

 Peluang ada untuk metode kreatif dan ide-ide inovatif.

Berikut ini adalah keterbatasan produksi job shop:

 Biaya yang lebih tinggi karena sering membuat perubahan.

 Tinggi tingkat persediaan di semua tingkatan dan biaya persediaan maka

lebih tinggi.

 Perencanaan produksi yang rumit.

 Persyaratan ruang yang lebih besar.

Permasalahan penjadwalan sering kali menjadi aspek penting dilihat dari

factor ekonomi. Problem mengerucut kepada bagaimana alokasi sumber daya

yang ada dapat maksimal untuk memenuhi kebutuhan produksi.

Permasalahan penjadwalan biasanya sulit ditemukan solusinya karena

memiliki batasan yang beragam, dengan struktur produk yang akan diproduksi

cukup kompleks, dan kemungkinan alur proses produksi yang sangat beragam

(Fogel D.B. 2000). Job shop scheduling problem merupakan salah satu dari

sekian banyak permasalahan penjadwalan yang ada. Baik dengan asumsi

penyelesaian terhadap mono-objective problem atau multi-objective problem.

Ataupun pertimbangan asumsi mengenai fleksibilitas proses dan asumsi-asumsi

terkait lainnya. Dalam kondisi realnya, multi-objective problem dengan

karakteristik proses yang fleksibel lebih banyak terjadi dalam industri manufaktur.
Permasalahan Job Shop Scheduling dapat digambarkan dalam beberapa poin

berikut: (Xu Q. 2001)

 Problemterdiri dari sejumlah n job, dimana setiap job terdiri dari serangkaian

operasi yang berbeda.

 Untuk melakukan job ini, terdapat mmesin yang dapat digunakan, dengan

syarat setiap mesin hanya dapat mengerjakan satu operasi dalam satu waktu.

 Setiap operasi akan diproses pada mesin yang telah ditentukan, dalam jangka

waktu operasi tertentu, tanpa ada interupsi seperti mesin breakdown, kehabisan

material dan lain sebagainya.

 Tujuannya adalah untuk mendapatkan jadwal, yang mana jadwal ini dapat

mengalokasikan setiap operasi pada mesin yang tepat dengan mempertimbangkan

interval waktu, sehingga didapatkan waktu penyelesaian job tercepat.

Untuk kasus Multi-objective Job Shop Scheduling, objektif yang sering

digunakan dalam penelitian-penelitian sebelumnya antara lain (Moslehi G.,

Mahnam M. 2010; Ramesh S., Cary J. M. 1989; Zhang G., et.al., 2009; Gao J.,

et.al., 2007):

1. Meminimumkan makespan,

2. Meminimumkan work load tiap mesin,

3. Meminimumkan total work load mesin,

4. Meminimumkan Total Weighted Tardiness ,

5. Meminimumkan keterlambatan,

6. Meminimumkan cost, dan

7. Meminimumkan total weighted completion time

 Algoritma Genetika
 Algoritma genetika adalah algoritma komputasi yang diinspirasi teori

evolusi yang kemudian diadopsi menjadi algoritma komputasi untuk mencari

solusi suatu permasalahan dengan cara yang lebih “alamiah”. Salah satu aplikasi

algoritma genetika adalah pada permasalahan optimasi kombinasi, yaitu

mendapatkan suatu nilai solusi optimal terhadap suatu permasalahan yang

mempunyai banyak kemungkinan solusi. Dalam tulisan ini akan dibahas teori

dasar algoritma genetika beserta contoh aplikasinya dalam menyelesaikan suatu

permasalahan optimasi kombinasi sederhana.

Teori Dasar Algoritma Genetika

Algoritma genetika yang dikembangkan oleh Goldberg adalah algoritma

komputasi yang diinspirasi teori evolusi Darwin yang menyatakan bahwa

kelangsungan hidup suatu makhluk dipengaruhi aturan “yang kuat adalah yang

menang”. Darwin juga menyatakan bahwa kelangsungan hidup suatu makhluk

dapat dipertahankan melalui proses reproduksi, crossover, dan mutasi. Konsep

dalam teori evolusi Darwin tersebut kemudian diadopsi menjadi algoritma

komputasi untuk mencari solusi suatu permasalahan dengan cara yang lebih

“alamiah”.

Sebuah solusi yang dibangkitkan dalam algoritma genetika disebut sebagai

chromosome, sedangkan kumpulan chromosome-chromosome tersebut disebut

sebagai populasi. Sebuah chromosome dibentuk dari komponen-komponen

penyusun yang disebut sebagai gen dan nilainya dapat berupa bilangan numerik,

biner, simbol ataupun karakter tergantung dari permasalahan yang ingin

diselesaikan.
 Chromosome-chromosome tersebut akan berevolusi secara berkelanjutan

yang disebut dengan generasi. Dalam tiap generasi chromosome-chromosome

tersebut dievaluasi tingkat keberhasilan nilai solusinya terhadap masalah yang

ingin diselesaikan (fungsi_objektif) menggunakan ukuran yang disebut dengan

fitness. Untuk memilih chromosome yang tetap dipertahankan untuk generasi

selanjutnya dilakukan proses yang disebut dengan seleksi. Proses seleksi

chromosome menggunakan konsep aturan evolusi Darwin yang telah disebutkan

sebelumnya yaitu chromosome yang mempunyai nilai fitness tinggi akan

memiliki peluang lebih besar untuk terpilih lagi pada generasi selanjutnya.

Chromosome-chromosome baru yang disebut dengan offspring, dibentuk

dengan cara melakukan perkawinan antar chromosome-chromosome dalam satu

generasi yang disebut sebagai proses crossover. Jumlah chromosome dalam

populasi yang mengalami crossover ditetukan oleh paramater yang disebut dengan

crossover_rate. Mekanisme perubahan susunan unsur penyusun mahkluk hidup

akibat adanya faktor alam yang disebut dengan mutasi direpresentasikan sebagai

proses berubahnya satu atau lebih nilai gen dalam chromosome dengan suatu nilai

acak. Jumlah gen dalam populasi yang mengalami mutasi ditentukan oleh

parameter yang dinamakan mutation_rate. Setelah beberapa generasi akan

dihasilkan chromosome-chromosome yang nilai gen-gennya konvergen ke suatu

nilai tertentu yang merupakan solusi terbaik yang dihasilkan oleh algoritma

genetika terhadap permasalahan yang ingin diselesaikan.

Aplikasi Algoritma Genetika

Berikut adalah contoh aplikasi algoritma genetika yang digunakan untuk

menyelesaikan masalah kombinasi. Misalkan ada persamaan a+2b+3c+4d = 30,

kita mencari nilai a, b, c, dan d yang memenuhi persamaan diatas. Kita mencoba

menggunakan algoritma genetika untuk menyelesaikan permasalahan diatas.