Perpustakaan Digital ITB

Penjadwalan merupakan kegiatan alokasi suatu set entitas (tugas, peristiwa, kendaraan, atau orang-orang) ke sejumlah sumber daya dari waktu ke waktu untuk mencapai tujuan tertentu dan untuk memenuhi seperangkat kendala. Model-model penjadwalan yang ada saat ini, pada umumnya, tidak mempertimbangkan operator, serta mengasumsikan waktu proses tetap sepanjang horizon perencanaan. Dalam industri, waktu proses dapat berubah sepanjang waktu, yaitu, di antaranya, akibat proses belajar-lupa dan lelah-pulih yang dialami operator ketika bekerja, dan perubahan waktu proses ini perlu dipertimbangkan dalam model penjadwalan agar model menjadi lebih realistik dan jadwal yang dihasilkan menjadi lebih akurat. Penelitian ini menyelidiki masalah terintegrasi penjadwalan batch multi-item, multi-due date dan penugasan operator dengan kondisi operator yang mengalami proses belajar-lupa dan lelah-pulih dengan tingkat yang berbeda. Masalah penjadwalan batch yang diteliti terdiri dari dua sub-masalah, yaitu penentuan jumlah dan ukuran-ukuran batch serta penjadwalan sejumlah batch yang dihasilkan. Setiap batch akan diproses melalui sejumlah mesin pada flow shop, dan pada setiap mesin akan ditugaskan setidaknya satu dari sejumlah operator alternatif yang dapat melakukan set up dan proses dengan waktu yang berbedabeda. Proses produksi dapat menghasilkan sejumlah produk cacat yang dapat dilakukan rework. Masalah yang diteliti diformulasikan dalam model matematis, dan variabel keputusan pada model tersebut adalah penugasan setiap operator ke setiap mesin, jumlah batch, ukuran-ukuran batch, alokasi setiap item ke setiap batch, dan jadwal batch yang dihasilkan. Hubungan antara parameter-parameter dengan variabel-variabel keputusan dinyatakan dalam proposisi-proposisi. Untuk mencari solusi bagi model usulan, telah dirancang dua jenis algoritma, yaitu, pertama, suatu algoritma optimal dengan memanfaatkan sifat konveks dari fungsi tujuan dan pencarian semua nilai variabel keputusan dilakukan secara simultan, dan, kedua, suatu algoritma heuristik yang memanfaatkan metoda Hungarian pada penugasan operator, persamaan eksplisit yang diambil dari literatur pada penentuan jumlah batch, penggunaan 2 buah proposisi pada penjadwalan batch yang dihasilkan, serta pencarian nilai-nilai variabel keputusan dilakukan secara sekuensial. Hasil penelitian menunjukkan bahwa pada model single-item, penugasan operator yang optimal tidak dipengaruhi oleh jumlah dan ukuran-ukuran batch. Selain itu, semakin cepat operator belajar, akan semakin sedikit jumlah batch pada solusi optimal, semakin rendah nilai fungsi tujuan dan semakin besar perbedaan ukuran batch terdekat dengan due date dengan semua batch lainnya. Jumlah batch dalam solusi optimal akan semakin rendah jika laju kelelahan semakin tinggi atau laju pemulihan semakin rendah. Pada model multi-item, nilai fungsi tujuan akan lebih baik jika semua batch dari suatu item diproses secara berurutan dan jika sejumlah item diurutkan sesuai urutan due date-nya. Pada contoh-contoh numerik yang dicoba, solusi yang diberikan algoritma heuristik rata-rata lebih tinggi 5,7 persen daripada solusi yang diberikan algoritma optimal.