Rancang Bangun Sistem Enterprise Resource Planning Pada Modul Produksi Yang Berorientasikan Multitenancy Dengan Distributed Database

Syahdamar, Akbar Anugerah (2016) Rancang Bangun Sistem Enterprise Resource Planning Pada Modul Produksi Yang Berorientasikan Multitenancy Dengan Distributed Database. Undergraduate thesis, Institut Technology Sepuluh Nopember.

[thumbnail of 5112100138-Undergraduate_Thesis.pdf]
Preview
Text
5112100138-Undergraduate_Thesis.pdf - Accepted Version

Download (5MB) | Preview

Abstract

Saat ini fitur penjadwalan produksi di dalam aplikasi
Enterprise Resource Planning (ERP) yang telah ada umumnya
belum mampu untuk melakukan pemilihan sumberdaya produksi
dan manajemen waktu dengan optimal. Contohnya pada Oodo
ERP tidak ada Routing yang berfungsi sebagai penentu tahapantahapan
operasi pada penjadwalan produksi. Sedangkan
penjadwalan produksi pada Adempiere dan Ino ERP masih
dilakukan secara manual dalam pemilihan sumberdaya dan
waktu produksi. Pada ERP hasil pengembangan Tugas Akhir
Teknik Informatika ITS sebelumnya ternyata juga tidak didapati
fitur penjadwalan produksi. Hal ini menyebabkan perhitungan
biaya produksi menjadi tidak optimal.
Metode penjadwalan produksi yang akan diajukan
menggunakan Algoritma Genetika/Genetic Algorithm (GA). GA
digunakan untuk memilih sumberdaya manusia dan/atau mesin
serta waktu penjadwalan yang paling optimal. GA menerapkan
konsep seleksi alam untuk mendapatkan individu/solusi terbaik
dari suatu populasi menggunakan parameter-parameter genetika
tertentu. Parameter genetika yang digunakan adalah kromosom,
viii
nilai fitness, pindah silang, dan mutasi. Tingkat ke-optimal-an
dari setiap solusi yang dihasilkan oleh GA akan diukur
berdasarkan nilai fitness. Nilai fitness akan semakin besar jika
rata-rata waktu produksi semakin kecil. Selain fitur penjadwalan,
modul produksi juga didukung oleh beberapa submodul.
Submodul tersebut adalah Routings, Bill of Material, Production
Request, Production Order, Confirmation, Goods Receive, dan
Goods Transfer.
Penerapan GA dalam penyelesaian permasalahan
penjadwalan produksi menghasilkan solusi penjadwalan yang
optimal. Percobaan yang dilakukan menunjukan rata-rata waktu
produksi yang semakin kecil seiring pergantian generasi. Hal
tersebut secara otomatis meminimalkan biaya produksi seperti
perwatan dan depresiasi mesin.
======================================================================================================
At this time, most of Enterprise Resource Planning
(ERP) softwares do not have any optimalized production
scheduling. As an example, Oodo ERP does not has Routing
which manage the sequence of production steps. In the other side
Adempiere and Ino ERP which already have Routing but they
have to manually scheduled. The latest ERP of final project also
does not has any production scheduling ability. Manual
adjustment of production scheduling may lead to ineffectiveness
calculation of production cost.
The proposed method to solve production scheduling
problem is Genetic Algorithm (GA). GA is proposed to find the
optimal solution of production resource selection and time
allocation. GA adapts the law of natural selection to find the most
fit individual based on its fitness value. Fitness value in
production scheduling is defined as the average time of jobs. The
smaller average time means higher fitness value. In order to
perform selection, GA consisted of chromosome, fitness value,
cross over, and mutation. Besides that, there are some
submodules which support the production scheduling. They are
x
Routings, Bill of Material, Production Request, Production Order,
Confirmation, Goods Receive, and Goods Transfer.
The implementation of GA to solve production
scheduling problem in ERP gives an optimal solution. It
effectively choose the optimal resources of production and
allocate production time efficiently. Therefore, the production
cost can be calculated accurately.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 658.403 801 1 Sya r
Uncontrolled Keywords: Enterprise Resource Planning, ERP, Modul Produksi, Scheduling, Penjadwalan, Genetic Algorithm, GA
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 02 Mar 2020 02:08
Last Modified: 02 Mar 2020 02:08
URI: http://repository.its.ac.id/id/eprint/75246

Actions (login required)

View Item View Item