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.

[img]
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 > (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