Kelompok
1. Armaeda Diki A.
/ 13.4.00075
2. Novi Antika S.
/ 15.4.10027
3. Roni Yoga I.
/ 13.4.00051
Simulated Annealing
Simulated annealing adalah salah satu algoritma untuk untuk
optimisasi yang bersifat generik.
Berbasiskan probabilitas dan mekanika statistik, algoritma
ini dapat digunakan untuk mencari pendekatan terhadap
solusi optimum global dari suatu permasalahan.
Masalah yang membutuhkan pendekatan SA adalah masalahmasalah optimisasi kombinatorial, di mana ruang pencarian
solusi yang ada terlalu besar, sehingga hampir tidak mungkin
ditemukan solusi eksak terhadap permasalahan itu.
Solusi
Melakukan beberapa percobaan menggunakan data real dan buatan
untuk memperoleh maskepan yang lebih efisien, dimana percobaan
dengan data real dengan 10 kali looping didapat efisiensi akhir 1% dan
dengan data buatan dengan 10 kali looping
didapat efisiensi akhir
85,7%
Tujuan
1. Mengetahui apakah algoritma Simulated Annealing dapat digunakan
untuk membantu pengambilan keputusan perencanaan kapasitas
pabrik dan jenis kapasitas yang dibutuhkan sehingga penambahan
biaya yang mahal dapat dihindarkan.
2. Mengetahui apakah algoritma Simulated Annealing dapat digunakan
untuk menghasilkan jadwal job shop yang valid dan unggul.
Kelebihan
Algoritma ini dapat digunakan untuk mencari jadwal jobshop
mesin pabrik dan mendapatkan hasil yang optimal pada sitem
yang luas.
Kekurangan
1. Metode ini memiliki waktu aksesnya yang cukup lama
2. Memerlukan memori yang cukup besar
3. Kurang efisien bila digunakan pada sistem yang kecil
Solusi
Untuk meningkatkan utilisasi penggunaan mesin maka perusahaan
dapat menggunakan Algoritma Simulated Annealing sebagai jadwal
job shop usulan karena algoritma ini dapat memberikan makespan
yang lebih baik dibandingkan dengan metode penjadwalan job
shop lainnya.
Tujuan
1. Mengidentifikasi dan menganalisis kelemahan metode
penjadwalan yang diterapkan oleh PT. Citra Bandung Laksana
saat ini.
2. Mengetahui hasil dari usulan metode penjadwalan bagi
perusahaan.
Kelebihan
1. Mampu menghasilkan makespan sebesar 5,632 menit
2. Menghasilkan total delay mesin sebesar 56920 menit
3. Menghasilkan tingkat utilisasi mesin sebesar 13.77%
. Kekurangan
Karena bergantung pada suatu nilai probabilitas, maka Simulated
Annealing tidak selalu menemukan solusi terbaik, dengan kata
lain, Simulated Annealing tidak optimal.
Solusi
Melakukan
analisis
algoritna
simulated
annealing,
yang
menggunakan jaringan syaraf yang dipilih sesuai fungsi simulasi
untuk mempelajari berat koefisien untuk memverifikasi algoritma
simulated annealing untuk meningkatkan hasil, dan menyelesaikan
hasil analisis MATLAB.
Tujuan
1. Untuk mengetahui nilai optimal berat koefisien dan ambang
batas.
2. Menguraikan prinsip dasar algoritma simulated annealing yang
diterapkan untuk menyelesaikan optimasi fungsi masalah dan
proses realisasi algoritma dengan menggunakan bahasa MATLAB.
Kelebihan
Keuntungan utamanya adalah proses perhitungan sederhana, mudah
untuk dipahami secara umum, kuat, cocok untuk pemrosesan paralel,
dapat digunakan untuk memecahkan masalah optimasi nonlinier
yang kompleks.
Kekurangan
1. Algoritma ini biasanya membutuhkan suhu awal yang lebih tinggi
2. Laju pendinginan lambat
3. Suhu paling rendah dan suhu dari pengambilan sempel memakan
cukup waktu
4. Algoritma simulated annealing memiliki optimalisasi yang panjang
5. Kecepatan konvergensi lambat
Terima Kasih