Perancangan Sistem Penjadwalan Flexible Manufacturing System
Komponen DNOSE Airbus A320 Untuk Meminimasi Makespan
Dengan Menggunakan Algoritma Genetika di PT Dirgantara
Indonesia

Chandra Adhitya Erianto

Informasi Umum

Kode

112061004

Klasifikasi

620.001 1 - Systems of engineering and allied operations

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

System Design

Dilihat

227 kali

Informasi Lainnya

Abstraksi

Penelitian ini membahas analisis perbandingan nilai makespane produksi komponen DNOSE pesawat Airbus A320 di PT Dirgantara Indonesia. Makespane ini merupakan jumlah dalam satuan jam yang dihasilkan dari urutan/sequence produksi dari part-part yang menjadi bagian DNOSE tersebut. Dalam penelitian ini, sequence produksi eksisting tersebut disusun ulang menggunakan metode Algoritma Genetika hingga kemudian terbukti dapat mereduksi makespane eksisting tersebut.<br><br>Dari hasil penelitian, terlihat bahwa Algoritma Genetika mampu meningkatkan efisiensi waktu bagi perusahaan yang memproduksi DNOSE tersebut. Penurunan jumlah makespane ini sekaligus mengurangi beban kerja operator maupun mesin produksi yang sebelumnya terpakai untuk DNOSE sehingga dapat dialihkan untuk program yang lain. Solusi perbaikan yang dihasilkan rata-rata mampu menghasilkan optimasi hingga 50% dari total makespane eksisting. Makespane terbaik yang dihasilkan dalam 5 kali pengujian adalah sebesar 259.341 jam. Terjadi penurunan sebesar 55,17% dari makespane eksisting yaitu sebesar 578,48 jam.<br><br>Dalam merancang sebuah Analisis perbaikan, sebelumnya dilakukan penjadwalan ulang dari sequence produksi eksisting dengan menggunakan kaedah-kaedah Algoritma Genetika. Perbaikan ini tetap didasari ketentuan milik perusahaan terakit part number yang harus diproduksi terlebih dahulu yaitu 2 buah RIB AT STN, 2 buah RIB dan 4 buah DOOR F-S ROOT (Bill Door). 8 komponen tersebut merupakan kerangka utama DNOSE untuk kemudian dipasang dengan 48 buah komponen lainnya. Urutan proses perbaikan tersebut dimulai dari sequence eksisting yang dilakukan random urutan terlebih dahulu hingga di dapat 20 nilai fitness yang kemudian dilanjutkan elitism untuk 10 nilai fitness terbaik, 6 dilakukan crossover dan 4 dilakukan mutasi. Proses seperti ini dilakukan berulang kali hingga iterasi ke-50 dimana nilai fitness yang dihasilkan menjadi konstan. Analisis perbaikan ini disusun berdasarkan nilai fitness terbesar yang memiliki total makespane terkecil. Hasil ini kemudian dibandingkan dengan data eksisting untuk didapatkan prosentasi perbaikan performa dari suatu sequence produksi. Flexible Manufacturing System, Algoritma Genetika,