Optimasi Path Planning AGV Dalam Menginspeksi Pesawat BOEING 757-200 Menggunakan Metode Genetic Algorithm Dan Simulated Annealing

Wijaya, Ryan (2024) Optimasi Path Planning AGV Dalam Menginspeksi Pesawat BOEING 757-200 Menggunakan Metode Genetic Algorithm Dan Simulated Annealing. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5007201036-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Kehidupan masyarakat sangat bergantung pada transportasi, termasuk penerbangan yang membantu mobilitas jarak jauh. Namun, pesawat sering mengalami masalah maintenance akibat kelalaian manusia, walaupun ada regulasi yang dikelola oleh Federal Aviation Administration (FAA), termasuk pemeriksaan berkala. Penggunaan Automated Ground Vehicle (AGV) menjadi solusi untuk mengurangi human error dalam maintenance, yang dapat terjadi ketika kondisi kerja bergantung pada performa manusia dan ruang kerja yang sulit dijangkau. Sistem inspeksi otomatis pada Automated Ground Vehicle (AGV) memungkinkan pemeriksaan yang lebih efisien dan akurat, tetapi memiliki masalah dalam mencari rute inspeksi yang efisien. Oleh karena itu, penelitian ini akan melalukan optimasi jarak dalam melakukan inspeksi pada pesawat untuk meningkatkan efisiensi dan akurasi.
Pada penelitian ini akan dilakukan simulasi optimasi jarak inspeksi dari bagian bawah pesawat Boeing 757-200 menggunakan software MATLAB R2023a. Data input yang dibutukan adalah titik-titik koordinat x, y, z yang akan diinspeksi pada pesawat, sedangkan data output yang didapatkan berupa jarak yang dilalui oleh AGV. Fungsi objektif dari penelitian ini adalah nilai dari vektor yang didapatkan dari satu titik ke titik yang lain. Fungsi objektif ini nantinya akan dimasukkan menjadi input dari Genetic Algorithm (GA) dan Simulated Annealing (SA). Optimasi dilakukan dengan variasi iterasi, initial temperature,dan cooling rate pada metode Simulated Annealing (SA), kemudian iterasi, population size, crossover x mutation percentage pada Genetic Algorithm (GA). Hasil optimasi jarak yang didapatkan dari Simulated Annealing(SA) akan dibandingkan dengan Genetic Algorithm (GA).
Hasil dari penelitian ini diperoleh 34 data yang dioptimasi dengan metode Simulated Annealing (SA) dan Genetic Algorithm (GA).Dengan menggunakan SA diperoleh hasil paling optimal path planning dengan jarak 85,099 meter pada semua variasi parameter yang digunakan. Dengan menggunakan GA, diperoleh variasi parameter terbaik yaitu dengan menggunakan population size 2000, iterasi 1000 dan crossover x mutation percentage 0,5 x 0,4. Kemudian parameter tersebut dilakukan running sebanyak tiga kali dan diperoleh path planning terpendek sejauh 85,099 meter.Dilakukan validasi menggunakan GuRoBi dengan hasil path planning sebesar 88,0224 meter, berdasarkan hasil validasi tersebut membuktikan hasil optimasi yang dilakukan dengan metode Simulated Annealing (SA) dan Genetic Algorithm (GA) sudah valid. Maka metode optimasi yang sesuai untuk digunakan pada penelitian kali ini ialah Simulated Annealing (SA).

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Automated Ground Vehicle, Boeing 757-200, Genetic Algorithm, Optimization, Simulated Annealing, Automated Ground Vehicle, Boeing 757-200,Genetic Algorithm, Optimasi, Simulated Annealing.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering
Depositing User:	Ryan Filbert Wijaya
Date Deposited:	10 Aug 2024 02:53
Last Modified:	10 Aug 2024 02:53
URI:	http://repository.its.ac.id/id/eprint/115122

Actions (login required)

View Item