Hybrid method of BPN and genetic algorithm for completion time prediction

Author(s):  
Shu-Juan Li ◽  
Yan Li ◽  
Yong Liu ◽  
Zhi-Gang-Liu ◽  
Jun Tang
2017 ◽  
Vol 7 (2) ◽  
Author(s):  
Sumiharni Batubara ◽  
Fikri Nuradhi

<p>Pesatnya pertumbuhan industri di Indonesia membuat tingkat persaingan yang sangat tinggi, sehingga perusahaan harus mampu memenuhi keinginan pelanggannya. Ketepatan jumlah dan waktu pengiriman produk merupakan tuntutan yang harus dipenuhi oleh setiap perusahaan.<br />PT. Braja Mukti Cakra merupakan salah satu perusahaan manufaktur yang bergerak di industri komponen otomotif. Permasalahan yang terjadi pada lini produksi adalah kapasitas produksi tidak dapat memenuhi target produksi. Setelah dilakukan penelitian awal, faktor penyebab tidak terpenuhinya target produksi adalah terdapat ketidakseimbangan pada lini perakitan produk. Untuk menyelesaikan masalah, langkah pertama yang dilakukan adalah membuat klasifikasi skill dari operator. Pada lini perakitan terdapat 22 elemen kerja dan dikelompokkan dalam 2 kelas, yaitu, kelas 0 &amp; 1. Dalam seluruh elemen, elemen 10 &amp; 21 dikategorikan sebagai kelas 1, elemen lainnya masuk kelas 0. Elemen yang termasuk kelas 0 adalah elemen yang dapat digabung dengan elemen lain dalam satu stasiun kerja, sedangkan elemen kelas 1 adalah elemen yang tidak dapat digabung dengan elemen lain dalam satu stasiun kerja. Setelah itu dilakukan perbaikan waktu elemen dengan menggunakan peta proses tangan kiri &amp; tangan kanan menghasilkan penghematan sebanyak 70 detik/produk. Penyeimbangan lini dengan menggunakan metode genetic algorithm menghasilkan completion time sebesar 1032 detik/unit, jumlah stasiun kerja 7 dan kapasitas produksi sebanyak 28 unit/hari, sehingga metode genetic algorithm menghasilkan penghematan waktu sebesar 13.85% dan meningkatkan efisiensi lini sebesar 16%. Berdasarkan hasil perhitungan penyeimbangan lini dengan metode genetic algorithm , target produksi belum tercapai akan tetapi terjadi peningkatan produksi sebesar 4 unit/hari.</p>


2019 ◽  
Vol 9 (2) ◽  
pp. 20-38
Author(s):  
Harendra Kumar ◽  
Pankaj Kumar ◽  
Manisha Sharma

Flow shop scheduling problems have been analyzed worldwide due to their various applications in industry. In this article, a new genetic algorithm (NGA) is developed to obtain the optimum schedule for the minimization of total completion time of n-jobs in an m-machine flow shop operating without buffers. The working process of the present algorithm is very efficient to implement and effective to find the best results. To implement the proposed algorithm more effectively, similar job order crossover operators and inversion mutation operators have been used. Numerous examples are illustrated to explain proposed approach. Finally, the computational results indicate that present NGA performs much superior to the heuristics for blocking flow shop developed in the literature.


Sign in / Sign up

Export Citation Format

Share Document