Perpustakaan Digital ITB

PT Pindad merupakan salah satu Badan Usaha Milik Negara (BUMN) berfokus dalam memproduksi produk yang mendukung pertahanan dan keamanan negara, serta peralatan industri. Salah satu produk dari PT Pindad adalah produk excavator yang bernama Excava 200. Performansi produksi dari Divisi Alat Berat dinilai kurang memuaskan khususnya untuk produk Excava 200 tipe produk Standard dan Long Arm. Hal tersebut dikarenakan tidak terpenuhinya target produksi untuk beberapa tahun terakhir, yaitu 100 unit untuk tipe Standard dan 50 unit untuk tipe Long Arm. Sedangkan, lintas perakitan saat ini hanya mampu memproduksi produk tipe Standard sebanyak 75 unit dan tipe Long Arm sebanyak 33 unit. Permasalahan ini karena belum terdapat metode pembagian kerja dari operator dan diiringi oleh bertambahnya jenis produk. Oleh sebab itu, perlu dilakukan perancangan penugasan operator pada lintas perakitan produk Excava 200 untuk kedua tipe tersebut. Penelitian ini diawali dengan melakukan pengembangan model acuan untuk metode analitis. Selanjutnya, dilakukan pengembangan metode metaheuristik dikarenakan kompleksitas dari permasalahan. Metode metaheuristik yang digunakan adalah algoritma genetika. Algoritma tersebut dapat menyelesaikan permasalahan dengan ruang pencarian solusi yang luas untuk permasalahan yang kompleks. Algoritma genetika diawali dengan pembangkitan populasi awal menggunakan algoritma konstruksi, seleksi turnamen, crossover, mutasi, dan elitisisme. Fungsi tujuan yang digunakan pada penelitian ini adalah waktu siklus lintasan perakitan. Algoritma genetika mampu menghasilkan solusi yang layak untuk permasalahan aktual pada penelitian dengan waktu siklus lintas perakitan selama 123,96 menit. Kapasitas produksi lintas perakitan usulan sebanyak 436 unit per tahun untuk produk Excava 200 Standard dan 290 unit per tahun untuk produk Excava 200 Long Arm. Penugasan usulan untuk lintas perakitan tersebut terdiri dari 13 stasiun kerja dengan 31 operator. Waktu siklus yang dihasilkan menggunakan algoritma genetika lebih kecil dibandingkan dengan metode analitis karena waktu komputasi yang dibatasi selama 168 jam. Parameter yang berpengaruh untuk meminimasi waktu siklus pada data aktual dari penelitian adalah jumlah generasi (G), jumlah populasi (P), probabilitas crossover (Pc), dan probabilitas mutasi (Pm).