Update Artikelilmiah: 47279

VALENT OKKY NURCAHYA

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Penjadwalan produksi menjadi salah satu komponen penting dalam sistem manufaktur karena penjadwalan produksi bertujuan untuk mengoptimalkan keuntungan dan efisiensi dengan mengalokasikan sumber daya dengan tepat. Penelitian terdahulu telah melihat berbagai usaha untuk meminimasi keterlambatan dengan mempertimbangkan faktor learning effect pekerja. Perusahaan garmen memproduksi beberapa jenis produk apparel melalui delapan tahapan produksi dengan mesin pemrosesan batch pada Tahap 1 dan mesin pemroses job pada Tahap 2 hingga 8. Perusahaan tersebut belum menerapkan penjadwalan produksi sehingga dapat menyebabkan pemenuhan pesanan melewati due date. Untuk menyelesaikan permasalahan dilakukan dengan mengembangkan model penjadwalan batch flow shop multi items pada mesin pemroses batch-job dengan mempertimbangkan learning effect dengan due date tunggal. Fungsi tujuan yang ingin dicapai adalah meminimalkan total actual flow time. Variabel keputusan yang digunakan antara lain jumlah batch (N), ukuran batch (Q_([i])), urutan pemrosesan batch (i), waktu pemrosesan batch di setiap tahapan setelah learning effect (T_(k[i])), dan waktu mulai pemrosesan batch di setiap tahapan (B_(k[i])). Perhitungan menghasilkan batch sejumlah N=19 yang terdiri dari 9 batch berisi jenis item 1 dan 10 batch yang berisi jenis item 2. Total actual flow time yang dihasilkan sebesar 11.970.813,38 menit unit. Berdasarkan hasil penelitian, model usulan mampu menyelesaikan permasalahan penjadwalan batch flow shop multi items pada mesin pemroses batch-job dengan mempertimbangkan learning effect . Berdasarkan hasil pengujian model dengan adanya perubahan nilai parameter didapatkan hasil bahwa model mampu menghasilkan solusi yang layak diterapkan pada permasalahan penjadwalan.

Abtrak (Bhs. Inggris)

Production scheduling plays a crucial role in manufacturing systems because it aims to optimize profit and efficiency by allocating resources appropriately. Previous research has explored various efforts to minimize delays by considering the worker's learning effect. A garment company produces several types of apparel through eight production stages, using batch processing machines at Stage 1 and job processing machines from Stage 2 to 8. The company has not yet implemented a production scheduling system, which may lead to order fulfillment exceeding the due date. To address this issue, a multi-item batch flow shop scheduling model is developed for batch-job processing machines, incorporating the learning effect with a single due date. The objective function is to minimize the total actual flow time. The decision variables include the number of batches (N), batch size (Q_([i])), batch processing order, batch processing time at each stage after considering the learning effect (T_(k[i])), and batch processing start time at each stages (B_(k[i])). The calculation results in a total of N=19 batches, consisting of 9 batches containing item type 1 and 10 batches containing item type 2. The total actual flow time obtained is 11,970,813.38 unit minutes. Based on the research findings, the proposed model effectively addresses the multi-item batch flow shop scheduling problem for batch-job processing machines while considering the learning effect. Furthermore, model testing with parameter value changes indicates that the model can generate a feasible solution for the scheduling problem.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman