Perpustakaan Digital ITB

PT X adalah perusahaan manufaktur Jepang yang memproduksi mesin kustom untuk industri otomotif dengan sistem produksi engineering-to-order. Saat ini, PT X telah menerapkan sistem penjadwalan job shop dengan basis penjadwalan mengikuti aturan Earliest Due Date (EDD). Akan tetapi, berdasarkan data produksi historis perusahaan, terdapat keterlambatan sebesar 37,2% dari operasi yang telah dijadwalkan. Dari beberapa akar masalah yang berhasil diidentifikasi, akar masalah yang dinilai urgent untuk diselesaikan melalui penelitian ini adalah sistem penjadwalan yang ada saat ini belum cukup diandalkan, metode penjadwalan yang tidak mengakomodasi penjadwalan ulang, dan metode penjadwalan yang hanya mempertimbangkan parameter due date saja. Oleh karena itu, penelitian ini dilakukan untuk mengembangkan algoritma penjadwalan job shop yang dapat mengakomodasi kebutuhan PT X serta mengevaluasi performansinya dengan algoritma eksisting dan algoritma dari penelitian sebelumnya. Setelah mempertimbangkan beberapa alternatif, algoritma referensi yang dipilih untuk dikembangkan pada penelitian ini adalah priority dispatching rules dengan aturan Critical Ratio (CR). Algoritma ini dipilih karena robust pada berbagai kondisi shop, memiliki struktur yang lebih sederhana sehingga diharapkan dapat mengolah data yang berukuran besar, serta telah mempertimbangkan parameter due date dan processing time sekaligus. Meskipun algoritma ini belum mempertimbangkan adanya dependensi struktural antar pekerjaan dan belum mengakomodasi kebutuhan penjadwalan ulang, penelitian ini dilakukan untuk mengembangkan algoritma tersebut agar mampu menangani kedua aspek tersebut. Pengujian algoritma dilakukan dengan menggunakan dataset historis 5 pesanan PT X. Berdasarkan hasil penjadwalan, algoritma berhasil menurunkan makespan sebesar 16,31% pada skenario full job dan 28,12% pada skenario rescheduling. Selain itu, algoritma juga mampu mengurangi mean tardiness masing-masing sebesar 85,59% dan 90,33%, serta menurunkan percent tardy sebesar 76,69% dan 80,06%. Selain itu, jika dibandingkan dengan algoritma penelitian sebelumnya, algoritma ini menunjukkan performansi yang lebih baik pada sebagian besar ukuran performansi penjadwalan.