Integrasi Penjadwalan Produksi Dan Preventive Maintenance Untuk Minimisasi Biaya Tardiness Menggunakan Algoritma Genetika (Studi Kasus: Pt. Xyz)
Integrasi Penjadwalan Produksi Dan Preventive Maintenance Untuk Minimisasi Biaya Tardiness Menggunakan Algoritma Genetika (Studi Kasus: Pt. Xyz)
Integrasi Penjadwalan Produksi Dan Preventive Maintenance Untuk Minimisasi Biaya Tardiness Menggunakan Algoritma Genetika (Studi Kasus: Pt. Xyz)
PENDAHULUAN
Penjadwalan produksi dan perencanaan Preventive
Maintenance (PM) telah mendapat perhatian baik dari
industri-industri manufaktur maupun dari bidang
lainnya. Dalam kenyataannya, keputusan penjadwalan
produksi dan perencanaan PM biasanya dibuat secara
terpisah di samping hubungan di antara mereka.
Anggapan kita adalah bahwa produktivitas dari sistem
manufaktur
dapat
menguntungkan
dari
segi
mengintegrasikan
keputusan-keputusan
tersebut
(Cassady dan Kutanoglu, 2003).
PT. XYZ merupakan penghasil produk elektronik,
dimana produk utamanya adalah refrigerator single
door, twin door, dan home freezer. Perusahaan selalu
mencari yang terbaik dalam memuaskan kebutuhan
konsumen, menyediakan produk dan layanan yang dapat
memenuhi kebutuhan saat ini dan yang akan datang.
Oleh sebab itu, perusahaan harus terus dapat
C-181
Planning
Actual
Balance
H-131 BC
2221
2166
-55
I-161 BC
4650
4580
-70
H-171 C
2440
2429
-11
H-260 NF
957
730
-227
H-260 PD
525
468
-57
METODOLOGI PENELITIAN
Teknik penyelesaian model penjadwalan terbagi menjadi
dua bagian yaitu penjelasan langkah-langkah metode
algoritma genetika dan yang kedua adalah langkahlangkah perhitungan total biaya tardiness.
Pertama akan dijelaskan langkah-langkah metode
algoritma yang dilakukan yaitu sebagai berikut :
Penentuan populasi awal dan generasi
a. Representasi Kromosom
Kromosom yang dipakai terdiri dari dua jenis, yaitu
kromosom yang menyatakan urutan pekerjaan dan
kromosom yang menyatakan Preventive Maintenance
(PM).
b. Seleksi
Setiap anggota dalam populasi awal dievaluasi
berdasarkan nilai fitnessnya. Kriteria nilai fitness yang
digunakan adalah minimasi total biaya tardiness.
Metode seleksi yang dipakai dalam penelitian ini adalah
elitist selection dan tournament selection.
c. Crossover
Operasi crossover dilakukan baik untuk kromosom
urutan pekerjaan maupun kromosom PM. Pada
kromosom PM diterapkan metode one-point crossover,
sedangkan untuk kromosom urutan pekerjaan digunakan
metode one-cut-point crossover.
d. Mutasi
Mutasi tidak dilakukan pada seluruh anggota populasi.
Dalam penelitian ini nilai probabilitas mutasi ditetapkan
sebesar 0,1. Metode yang digunakan untuk kromosom
PM adalah one point mutation. Sedangkan, untuk
kromosom urutan pekerjaan yang digunakan adalah
metode shift mutation.
Selanjutnya
dijelaskan
langkah-langkah
dalam
melakukan perhitungan nilai total biaya tardiness, yaitu:
Perhitungan umur mesin.
Tentukan dahulu umur awal mesin sebelum
menjalankan urutan pekerjaan dan keputusan PM, lalu
hitung umur mesin terdahulu segera setelah kegiatan PM
(jika ada)
)
i = 1,2, n
(1)
(2)
ISBN : 978-979-3980-15-7
Yogyakarta, 22 November 2008
dan
, rumus yang
i = 1,2, n,
i=1,2,n,
(4)
(5)
(6)
Pada tahap ini dilakukan pula penentuan nilai
probability mass function, jika dilakukan PM atau tidak
sebelum pekerjaan ke-i
(7)
Selanjutnya mencari nilai
(8)
Perhitungan tardiness dari tiap pekerjaan yang terdapat
dalam sequence.
Nilai tardiness ( ) memiliki i+1 kemungkinan nilai
(9)
Perhitungan expected tardiness dari tiap pekerjaan yang
terdapat dalam sequence.
(10)
Langkah-langkah di atas dilakukan untuk setiap
pekerjaan yang terdapat dalam sequence.
Perhitungan total biaya tardiness.
Nilai ini diperoleh dari akumulasi perkalian antara
expected tardiness dengan biaya penalti untuk masingmasing pekerjaan
(11)
Langkah-langkah penyelesaian model penjadwalan
produksi dan perencanaan preventive maintenance yang
terintegrasi dapat dilihat pada Gambar 1.
Gambar 1 : Flowchart
HASIL
Pengolahan data pada penelitian ini dilakukan dengan
menggunakan program integrasi penjadwalan. Hasil
yang diberikan dari penelitian ini adalah usulan
penjadwalan produksi dan perencanaan kegiatan
preventive maintenance bagi perusahaan untuk 6 bulan
C-183
PEMBAHASAN
Algoritma genetika adalah suatu algoritma pencarian
(searching) berdasarkan cara kerja melalui mekanisme
seleksi alam dan genetik. Tujuannya untuk menentukan
struktur-struktur yang disebut individu berkualitas tinggi
di dalam suatu populasi untuk menghasilkan solusi.
Dengan menggunakan atau memanfaatkan sifat-sifat
sistem biologis, algoritma genetika dapat memberikan
hasil yang memuaskan dalam proses optimasi. Dari
proses penjadwalan dihasilkan penjadwalan produksi
dan perencanaan kegiatan preventive maintenance per
minggunya.
Pada penelitian ini digunakan model matematis dalam
melakukan integrasi penjadwalan produksi serta
perencanaan
kegiatan
preventive
maintenance.
Pendekatan yang digunakan pada model matematis ini
adalah distribusi Weibull. Distribusi ini digunakan
sesuai dengan kondisi mesin PU-80 cabinet injection
yang sudah memasuki periode wear out yaitu sudah
mencapai akhir dari umur pemakaian mesin serta tingkat
kerusakan yang dialami juga cukup tinggi.
Fungsi tujuan dari model matematis ini adalah minimasi
nilai total biaya tardiness. Oleh karena itu kriteria
daripada model penjadwalan yang terintegrasi ini adalah
minimasi tardiness, yaitu keterlambatan pekerjaan.
Selain itu model matematis juga mempertimbangkan
faktor biaya penalti jika terjadi keterlambatan. Biaya
produksi digunakan dalam penentuan biaya penalti
berdasarkan sistem yang terjadi pada perusahaan. Dalam
kenyataannya, produk-produk yang menghabiskan biaya
produksi besar menghasilkan profit/keuntungan yang
sedikit. Oleh karena itu, sebaiknya produk-produk
dengan biaya produksi besar didahulukan atau
diusahakan tidak mengalami keterlambatan.
Dalam metode algoritma genetika. Nilai total biaya
tardiness ini akan menjadi fungsi fitness Nilai ini akan
menjadi kriteria dalam penentuan kromosom terbaik
yang akan dipilih menjadi individu baru. Pada penelitian
ini kromosom yang dipakai ada dua jenis yaitu
kromosom yang mewakili urutan pekerjaan dan yang
mewakili keputusan dilakukannya kegiatan PM. Secara
keseluruhan metode yang digunakan pada kedua
kromosom PM dan job berbeda, baik untuk crossover
dan mutasi, hal ini dikarenakan perbedaan representasi
yang dimilki keduanya. Dalam berbagai perhitungan
yang dilakukan kromosom ini tidak boleh terpisah,
melainkan harus digabung menjadi satu kromosom
untuk menunjukkan integrasi dari dua kegiatan tersebut.
Urutan penjadwalan perusahaan dengan usulan
penjadwalan menggunakan program berbeda dari sisi
penjadwalan produksi dan kegiatan PM. Usulan
penjadwalan menunjukkan adanya kegiatan preventive
maintenance di tengah-tengah produksi. Perusahaan saat
ini menerapkan sistem penjadwalan produksi dan
perencanaan preventive maintenance secara terpisah.
Penjadwalan produksi yang dilakukan belum
C-184
ISBN : 978-979-3980-15-7
Yogyakarta, 22 November 2008
DAFTAR PUSTAKA
[1] Amrine, Herald T. (1982). Manufacturing
Organization and Management, 3rd edition. New
Jersey : Prentice Hall.
[2] Arslanolu, Yilmaz. (2006). Genetic Algorithm for
Personnel Assignment Problem with Multiple
Objectives. Master Thesis. Middle East Technical
University.
[3] Assauri, Sofjan. (1993). Manajemen Produksi dan
Operasi. Lembaga Penerbit Fakultas Ekonomi,
Universitas Indonesia.
[4] Bedworth, David D., Bailey, James E. (1987).
Integrated Production Control System. New York :
John Wiley & Sons, Inc.
[5] Cassady, C.Richard., Kutanoglu E. (2003).
Minimizing job tardiness using integrated
preventive maintenance planning and production
scheduling. IIE Transactions, Vol. 35, no. 6, pp.
503-513.
[6] Corder, Anthony. (1992). Teknik Manajemen
Pemeliharaan. Jakarta : Erlangga.
C-185
C-186