Primastu, Muhammad Dhinar (2024) Application Of Fuzzy The Fuzzy Inference System Method For Determining The Production Quantity Of Cutting Plates In The Vrla Motorcycle Battery Production Process. Other thesis, Institut Teknologi Sepuluh Nopember.
![[thumbnail of 2040201117-Undergraduate_Thesis.pdf]](http://repository.its.ac.id/style/images/fileicons/text.png) |
Text
2040201117-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (12MB) |
Abstract
Salah satu bahan produksi yang digunakan di industri produksi baterai adalah cutting plate. Ada beragam jenis cutting plate yang harus diproduksi dalam satu hari menyesuaikan dengan jumlah produksi baterai dan jumlah stok cutting plate. Oleh karena itu, diperlukan sistem monitoring stok cutting plate yang dapat menghitung jumlah stok cutting plate untuk menentukan produksi cutting plate. sayangnya sistem ini masih manual yang tidak dibarengkan dengan sistem yang dapat me-monitoring dan mengestimasi produksi cutting plate secara baik. Pada akhirnya jumlah produksi cutting plate menjadi menunpuk dan mengakibatkan adanya cutting plate yang kadalaursa. Adapun kasus kadalaursa pada bulan Februari tercatat sebesar 24326 buah dari total produksi sebesar 19142928 atau jika dipersentasekan total reject kadaluarsa 0,12% dari total produksi cutting plate. Untuk mengurangi reject cutting plate tersebut maka dibuat sistem monitoring stok dan sistem predisi produksi cutting plate secara otomatis. Untuk mengestimasi produksi cutting plate maka dalam penelitian ini menggunakan sistem fuzzy inference system (FIS). Adapun FIS yang digunakan pada penelitian ini yaitu sugeno dan mamdani. Tujuan dalam penggunaan dua metode FIS adalah untuk menentukan estimasi yang paling baik yang nantinya akan diimplementasikan pada sistem. Dalam penenltian ini juga menggunakan metode adaptive neuro fuzzy inference system (ANFIS) untuk menentukan estimasi yang paling baik antara ANFIS dan FIS. Dalam hasil penelitian menunjukkan bahwa FIS sugeno lebih baik dalam mengestiamsi produksi cutting plate dibandingkan dengan FIS mamdani. Adapun dalam hasil penelitian, Nilai MAPE untuk FIS mamdani sebesar 20,37%, untuk FIS sugeno sebesar 2,67% dan untuk ANFIS sebesar 0,08%. Nilai mean absolute error untuk estimasi produksi cutting plate menggunakan FIS mamdani sekitar 3,67 – 5,83 sedangkan jika menggunakan FIS sugeno, nilai mean absolute error produksi cutting plate menjadi 0,17 – 0,67. Potensi jumlah reject cutting plate BG 82 dengan menggunakan FIS mamdani sebesar 114 pcs sedangkan jika menggunakan FIS sugeno sebesar 49 pcs. Berdasarkan hasil tersebut maka sistem selanjutnya diimpelentasikan FIS. Persentase Jumlah reject cutting plate terhadap jumlah produksi cutting plate setelah diimplementasikannya FIS sugeno pada bulan Mei 2024 sebesar 0,6%, Pada empat bulan sebelumnya jumlah reject cutting plate memiliki rentang sebesar 0,15% sampai dengan 0,10% terhadap total produksi cutting plate
=====================================================================================================================================
One of the production materials used in the battery production industry is cutting plate. There are various types of cutting plates that must be produced in one day according to the number of battery production and the number of cutting plate stocks. Therefore, a cutting plate stock monitoring system is needed that can calculate the number of cutting plate stock to determine cutting plate production. Unfortunately, this system is still manual and is not combined with a system that can properly monitor and estimate cutting plate production. In the end, the amount of cutting plate production becomes piled up and results in expired cutting plates. Meanwhile, expired cases in February were recorded at 24,326 pieces out of total production of 19,14,2928 or if the percentage of total expired rejects was 0.12% of the total cutting plate production. To reduce cutting plate rejects, a stock monitoring system and an automatic cutting plate production prediction system were created. To estimate cutting plate production, this research uses a fuzzy inference system (FIS). The FIS used in this research are Sugeno and Mamdani. The aim of using the two FIS methods is to determine the best estimate which will later be implemented in the system. This research also uses the adaptive neuro fuzzy inference system (ANFIS) method to determine the best estimate between ANFIS and FIS. The research results show that FIS Sugeno is better at estimating cutting plate production compared to FIS Mamdani. As for the research results, the MAPE value for FIS Mamdani is 20.37%, for FIS Sugeno is 2.67% and for ANFIS is 0.08%. The mean absolute error value for estimating cutting plate production using FIS Mamdani is around 3.67 – 5.83, whereas if using FIS Sugeno, the mean absolute error value for cutting plate production is 0.17 – 0.67. The potential number of rejected cutting plate BG 82 using FIS mamdani is 114 pcs, whereas if using FIS sugeno it is 49 pcs. Based on these results, the FIS system was then implemented. The percentage of the number of cutting plate rejects to the total cutting plate production after the implementation of FIS Sugeno in May 2024 was 0.6%. In the previous four months the number of cutting plate rejects ranged from 0.15% to 0.10% of the total cutting plate production
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Fuzzy Inference System, Production Efficency, Reject Expired, Cutting Plate Fuzzy Inference System, Efisensi Produksi, Reject Kadaluarsa, Cutting Plate |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.8 Productivity. Efficiency |
| Divisions: | Faculty of Vocational > 36304-Automation Electronic Engineering |
| Depositing User: | Muhammad Dhinar Primastu |
| Date Deposited: | 14 Aug 2024 07:19 |
| Last Modified: | 14 Aug 2024 07:19 |
| URI: | http://repository.its.ac.id/id/eprint/114062 |
Actions (login required)
 |
View Item |