Pengembangan Model Penjadwalan Kerja Dan Perutean Berbasis Algoritma Metaheuristik Pada Proses Inspeksi Inline Untuk Meningkatkan Produktivitas

Qi, Katherine Oktaviani Yap Rui (2025) Pengembangan Model Penjadwalan Kerja Dan Perutean Berbasis Algoritma Metaheuristik Pada Proses Inspeksi Inline Untuk Meningkatkan Produktivitas. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025232026-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Proses inspeksi akhir adalah salah satu tahap yang dilakukan tim kontrol kualitas dalam penjaminan kualitas. Proses ini adalah gerbang terakhir untuk mendeteksi dan mencegah sampainya produk cacat pada pelanggan sehingga proses ini merupakan proses yang sangat penting. Namun, proses ini cenderung memerlukan waktu yang lama karena inspeksi yang dilakukan ditambah perjalanan inspektor untuk mendatangi lokasi. Oleh karena itu, dibutuhkan metode optimasi yang lebih efisien dengan cara melakukan pencarian rute optimal dan mengurutkan pekerjaan inspeksi berdasarkan prioritas production order. Penelitian ini bertujuan untuk mengurangi keterlambatan inspeksi dengan metode algoritma metaheuristik. Berdasarkan penelitian terdahulu, algoritma metaheuristik memiliki keunggulan dibanding metode konvensional seperti CPLEX dan linear programming solver lainnya. Terlebih, algoritma metaheuristik yang sudah dimodifikasi memiliki keunggulan dibanding versi klasiknya. Penelitian ini mengusulkan algoritma metaheuristik berbasis Variable Neighbourhood Search (VNS) yang sudah dimodifikasi. Model yang dihasilkan dibandingkan dengan VNS klasik, Jellyfish Search (JS) Optimizer, Grey Wolf Optimizer (GWO), Particle Swarm Optimization (PSO), Genetic Algorithm (GA), dan Ant Colony Optimizer (ACO). Penelitian ini menghasilkan Improved Variable Neighbourhood Search with Time Control Mechanism (IVNSTM). Algoritma ini memanfaatkan mekanisme pengendalian waktu dari JS dan kapabilitas eksploitasi dari VNS. Algoritma ini mempertahankan struktur VNS klasik dengan penggunaan local search dan stokastik 2-opt. Namun, untuk meningkatkan kinerja dan meminimalisasi kompleksitas VNS, ditambahkan operator Informed Swap yang cara kerjanya didasarkan pada stokastik 2-Opt. Informed Swap menggunakan informasi panjang sisi pada rute untuk membantu proses pembangkitan rute baru menggunakan proses penukaran. Dengan begitu, proses penukaran tidak lagi berjalan secara acak, melainkan terstruktur. Hasil eksperimen menunjukkan efektivitas model dalam mencapai best-known fitness value pada hampir seluruh instances pada permasalahan dalam penelitian ini, khususnya instance dengan jumlah pekerjaan dan titik lokasi yang banyak. Meskipun waktu pemrosesan meningkat seiring bertambahnya pekerjaan, IVNSTM menunjukkan hasil yang lebih optimal dibanding algoritma lainnya. Hal ini menunjukkan adanya trade-off antara waktu pemrosesan dan fitness value yang akan ditindaklanjuti di penelitian berikutnya. IVNSTM juga diujikan pada dataset Solomon Benchmark dan menunjukkan hasil optimisasi yang baik. Hal ini menunjukkan IVNSTM memiliki kapabilitas untuk penerapan pada studi kasus yang lebih umum.
===================================================================================================================================
The final inspection process is one of the stages carried out by the quality control team in quality assurance. This process is the last process to detect and prevent defective products from reaching customers, making this a very important process. However, this process tends to take a long time because the inspections carried out and the inspector's trip to visit the location. Therefore, a more efficient optimization method is needed by searching for the optimal route and sorting inspection work based on production order priority. This study aims to reduce inspection delays using the metaheuristic algorithm method. Literatures show metaheuristic algorithms have advantages over conventional methods such as CPLEX and other linear programming solvers. Moreover, modified metaheuristic algorithms performed better than their classical versions. This study proposes a modified metaheuristic algorithm inspired by Variable Neighbourhood Search (VNS). The resulting model is compared with classical VNS, Jellyfish Search (JS) Optimizer, Grey Wolf Optimizer (GWO), Particle Swarm Optimization (PSO), Genetic Algorithm (GA), and Ant Colony Optimizer (ACO). This study introduces Improved Variable Neighbourhood Search with Time Control Mechanism (IVNSTM). This algorithm utilizes the time control mechanism of JS and the exploitation capabilities of VNS. This algorithm maintains the classical VNS structure using local search and 2-opt stochastic. However, to improve performance and minimize the complexity of VNS, an Informed Swap operator is added. The operator is based on 2-opt stochastic. Informed Swap uses information of edge lengths of routes to generate new routes via the swapping process. This way, swapping is no longer random, but structured. The experimental results show the effectiveness of the model in achieving the best-known fitness value on almost all instances in this study, especially instances with large number of jobs and location points. Although the processing time increases with the number of jobs, IVNSTM shows more optimal results than other algorithms. This is a trade-off between processing time and fitness value that will be addressed in future studies. IVNSTM is also tested on the Solomon Benchmark dataset and shows good optimization results, showing the capability to be applied to more general case studies.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	algoritma metaheuristik, inspeksi akhir, kecerdasan buatan; manufaktur, variable neighbourhood search, artificial intelligence, final inspection, manufacturing, metaheuristic algorithm, variable neighbourhood search
Subjects:	Q Science > Q Science (General) > Q337.3 Swarm intelligence
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Katherine Oktaviani Yap Rui Qi
Date Deposited:	29 Jul 2025 06:24
Last Modified:	29 Jul 2025 06:24
URI:	http://repository.its.ac.id/id/eprint/122842

Actions (login required)

View Item