Abstrak

Penjadwalan job shop merupakan permasalahan yang kompleks yang sering disebut NP-Hard Problem. Kami memecahkan permasalahan penjadwalan job shop yang berbasis perusahaan furniture. Perusahaan memiliki sistem produksi MTO memproduksi banyak produk seperti kursi, meja, dekorasi rumah, dan aksesoris rumah. Saat ini, perusahaan menggunakan metode First Come First Serve (FCFS) untuk menjadwalkan pesanan. Penelitian ini mengusulkan metode algoritma genetika untuk menyelesaikan masalah penjadwalan untuk mengurangi keterlambatan dengan meminimalkan waktu penyelesaian. Algoritma genetika juga mempertimbangkan tanggal jatuh tempo masing-masing produk. MATLAB 2019b versi mahasiswa digunakan sebagai perangkat lunak untuk menyelesaikan model. Parameter yang digunakan dalam pembentukan GA generasi baru dilakukan dengan crossover menggunakan metode Precedence Preservative Crossover (PPX) dan mutasi menggunakan mutasi job-pair exchange mutation. Pemilihan kromosom untuk regenerasi dalam proses crossover dipilih oleh dua kromosom dengan nilai fitness terbaik dan untuk proses mutasi, satu kromosom yang memiliki nilai fitness terburuk dipilih. Algoritma genetika memperoleh solusi yang lebih baik. Dari hasil, GA menghasilkan solusi yang lebih baik dibandingkan dengan metode FCFS. metode FCFS memberikan Makepan 118.440 menit, sementara AG menyediakan Makepan 81.780 menit.

Kata Kunci : penjadwalan mesin, job shop, algoritma genetika, makespan.

Abstract

Job shop scheduling problem belongs to a class of NP-Hard problems. We solve a scheduling problem in a job shop based Furniture Company. The company produces many products such as chair, table, home decorations, and home accessories. Currently, the company uses First Come First Serve (FCFS) method to schedule the orders. This research proposes a genetic algorithm method to solve the scheduling problem in order to reduce the lateness by minimizing the completion time. Genetic algorithm also considers the due date of each product. MATLAB 2019b of student version is used as the software to solve the model. Parameters used in the GA formation of new generations are done by crossover using the Precedence Preservative Crossover (PPX) method and mutations using job-pair exchange mutations. The selection of chromosomes for regeneration in the crossover process is chosen by two chromosomes with the best fitness and for the mutation process, one chromosome that has the worst fitness is chosen. The genetic algorithms obtain  a better solution  ty. From the results,  GA  produced  better solution compared compared to FCFS methods. The FCFS method gives a makespan of 118,440 minutes, while AG provides a makespan of 81,780 minutes.

Keyword : Machine Scheduling, job shop, genetic algorithm, makespan.