Skip to main content Skip to main navigation menu Skip to site footer

Penjadwalan Produksi Dengan Algoritma Genetik Untuk Meniminisasi Makespan di PT AAA

Authors
  • M. Ghassan Fattah Universitas Sumatera Utara
  • Rosnani Ginting Universitas Sumatera Utara
Issue       Vol 2 No 2 (2019): Talenta Conference Series: Energy and Engineering (EE)
Section       Articles
DOI: https://doi.org/10.32734/ee.v2i2.453
Keywords: Penjadwalan Produksi Algoritma Genetika Algoritma CDS Mesin Seri
Published 2019-05-31

Abstract

PT. AAA dari bulan Januari sampai Desember mendapat total 88 order dengan jumlah keterlambatan 12 order maka persentase keterlembatan adalah 13,63%. Tujuan penelitian ini adalah untuk merancangan penerapan algoritma genetik yang dapat menghindari keterlambatan order yaitu untuk mengukur makespan produk dan merancang urutan penjadwalan mesin. Penyelesaian masalah penjadwakan dengan algoritma genetik. Algoritma genetik merupakan teknik search stochastic yang berdasarkan mekanisme seleksi alam dan genetika natural dengan melakukan proses inisialisasi awal lalu dicari nilai fitness dari setiap individu, yang akan menjadi induk adalah yang memiliki nilai fitness terbaik lalu dilakukan proses penyilangan dan mutasi dan pemilihan waktu optimal. Dari hasil perhitungan dengan menggunakan metode Algoritma Genetika diperoleh urutan penjadwalan mesin terbaik dan dengan nilai makespan terkecil.

 

PT. AAA from January to December received a total of 88 orders with the number of delays of 12 orders, the percentage of bridges was 13.63%. The purpose of this study is to design the application of a genetic algorithm that can avoid delay in order to measure product makespan and design the order of machine scheduling. Resolving scheduling problems with genetic algorithms. Genetic algorithm is a search stochastic technique that is based on the mechanism of natural selection and natural genetics by carrying out the initial initialization process and then looks for the fitness value of each individual, who will be the parent who has the best fitness value and then the process of crossing and mutation and optimal timing. From the results of calculations using the Genetic Algorithm method, the best sequence of machine scheduling is obtained and with the smallest makespan value.