PENGEMBANGAN MODEL DINAMIS FLEXIBLE JOB-SHOP SCHEDULLING PROBLEM DENGAN HETEROGENOUS NEURAL NETWORK DAN GENETIC ALGORITHM
Berkembangnya dunia industri yang dimulai dari tercetusnya revolusi industri pada abad-17 mendorong dunia menjadi tempat yang lebih baik dengan inovasi-inovasi yang ditemukan oleh manusia dalam memudahkan pekerjaannya. Industri manufaktur merupakan salah satu sektor yang terdampak secara signifikan dengan adanya perkembangan industri terutama pada bidang teknologi. Variasi produk yang dihasilkan oleh sebuah industri mendorong upaya dalam penyusunan strategi yang efisien untuk memaksimalkan penggunaan sumber daya yang dimiliki oleh sebuah industri seperti manusia dan mesin. Strategi pemaksimalan sumber daya dalam sektor industri manufaktur dapat diupayakan dengan melakukan penjadwalan produksi barang, terlebih dengan jumlah jenis barang yang bervariasi dan sangat tidak dapat diprediksi akibat permintaan pasar yang tidak menentu. Pola alokasi pekerjaan kepada mesin akan sangat berperan penting dalam menentukan penjadwalan produksi yang tepat untuk meminimumkan waktu produksi dan memaksimalkan kinerja sumber daya. Penelitian tugas akhir ini membahas mengenai perancangan model dinamis untuk permasalahan penjadwalan flexible job-shop yang menggunakan 2 metode penyelesaian, yang pertama yaitu Heterogenous Graph Neural Network sebagai metode yang mengubah pola alokasi barang menjadi sebuah bahwa mesin berupa tensor untuk diolah kembali dengan metode kedua yaitu Genetic Algorithm yang digunakan sebagai algoritma untuk menemukan pola alokasi pekerjaan kepada mesin yang tersedia di lantai produksi. Output dari model ini adalah kombinasi urutan alokasi pekerjaan dengan optimalisasi untuk minimisasi waktu proses keseluruhan. Kumpulan data yang digunakan pada penelitian tugas akhir ini diambil dari Tailard Instance OR-Library dengan pola penjadwalan job-shop dengan matriks pekerjaan-mesin 15 x 15.
URI
https://repo.itera.ac.id/depan/submission/SB2504300005
Keyword
Flexible Job-Shop Schedulling Problem Heterogenous Graph Neural Network Makespan Minimisasi Minimize Combinatorial Optimization