Analisis Perbandingan Aggregat Of Function (AOF) dengan Non-Dominated Sorting Genetic Algorithm (NSGA-II) dalam Menentukan Optimasi Multi-Objective pada Penjadwalan Mesin Produksi Flow Shop
DOI:
https://doi.org/10.53513/jis.v17i2.39Keywords:
Makespan, Multi-objective, NSGA-II, AOF, Flow Shop Total, tardinessAbstract
Penjadwalan mesin produksi dalam dunia industri memiliki peranan penting sebagai bentuk pengambilan keputusan. Salah satu jenis sistem penjadwalan mesin produksi adalah sistem penjadwalan mesin produksi tipe flow shop. Dalam penjadwalan flow shop, terdapat sejumlah pekerjaan (job) yang tiap-tiap job memiliki urutan pekerjaan mesin yang sama. Optimasi penjadwalan mesin produksi flow shop berkaitan dengan penyusunan penjadwalan mesin yang mempertimbangkan 2 objek yaitu makespan dan total tardiness. Optimasi kedua permasalahan tersebut merupakan optimasi yang bertolak belakang sehingga diperlukan model yang mengintegrasikan permasalahan tersebut dengan optimasi multi-objective A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimazitaion : NSGA-II. Dalam penelitian ini akan dibandingkan 2 buah metode yaitu Aggregat Of Function (AOF) dengan NSGA-II agar dapat terlihat nilai solusinya. Penyelesaian penjadwalan mesin produksi flow shop dengan algoritma NSGA-II untuk membangun jadwal dengan meminimalkan makespan dan total tardiness.Tujuan yang ingin dicapai adalah mengetahui bahwa model yang dikembangkan akan memberikan solusi penjadwalan mesin produksi flow shop yang efisien berupa solusi pareto optimal yang dapat memberikan sekumpulan solusi alternatif bagi pengambil keputusan dalam membuat penjadwalan mesin produksi yang diharapkan. Solusi pareto optimal yang dihasilkan merupakan solusi optimasi multi-objective yang optimal dengan trade-off terhadap seluruh objek, sehingga seluruh solusi pareto optimal sama baiknya.References
Balasundaram, R., Valavan, D. & Baskar, N. “Heuristic Based Approach for BI-Criteria Optimization of Minimizing Makespan and Total Flow Time of Flowshop Schedulingâ€. International Journal of Mechanical & Mechatronics Engineering IJMME-IJENS Vol:14 No:02, 2014.
Chakraborty, U.K. & Laha, D. An improved heuristic for permutation flowshop scheduling. Int. J. Information and Communication Technology, Vol. 1, No. 1, 2007.
Choudhury, B.B., Mishra, D. & Biswal, B.B. “Task assignment and scheduling in a constrained manufacturing system using GAâ€. International Journal Agile System & Management (IJASM). 2007.
Deb, K. & Tiwari, S. “Omni-optimizer: A generic evolutionary algorithm for single and multi-objective optimizationâ€. European Journal of Operational Research 185 (2008) 1062–1087. Elsevier. 2008.
Deb, K. “Multi-Objective Optimization Using Evolutionary Algorithms: An Introductionâ€. Department of Mechanical Engineering Indian Institute of Technology Kanpur, PIN 208016, India. KanGAL Report Number 2011003. Springer, 2011.
Eva Instances. http://www.upv.es/gio/rruiz, diakses april 2015, 11.30 wib
Ginting, R. 2009. Penjadwalan Mesin. Graha Ilmu. Yogyakarta.
Josezefowiez, N., Semet, F. & Talbi, E. “Multi-objective vehicle routing problemsâ€. European Journal of Operational Research 189 (2008) 293–309. Elsevier. 2008.
Mishra, S.K., Panda, G. & Meher, S. “Comparative Performance Evaluation of Multiobjective Optimization Algorithm For Portfolio Managementâ€. Presented International Symposium on Biologically Inspired Computing and Application (BICA-2009). Bhubaneswar, India. December 2009.
Ruiz, R., Minella, G. & Ciavotta, M. “A review and evaluation of multi-objective algorithms for the flowshop scheduling problemâ€. Grupo de Sistemas de Optimización Aplicada. 29 Maret 2007
Tyagi, N., Seidgar, H., Abedi, M. & Chandramouli, A.B. “Learning and Forgetting Effects of Flexible Flow shop Schedulingâ€. International Journal of Innovation and Applied Studies . ISSN 2028-9324 Vol. 7 No. 3 Aug. 2014, pp. 857-867, 2014.
Yagmahan, B. & Yenisey, M.M. 2010. “A multi-objective ant colony system algorithm for flow shop scheduling problemâ€. Journal Expert Systems with Applications. Elsevier.
Zitzler, E., Thiele, L., Laumanns, M., Fonseca, C. M. & Fonseca, G. 2002. Performance Assessment of Multiobjective Optimizers: An Analysis and Review. TIK-Report No. 139. Institut f¨ur Technische Informatik und Kommunikationsnetze, ETH Z¨urich Gloriastrasse 35, ETH-Zentrum, CH–8092 Z¨urich, Switzerland.
Zitzler, E. & Thiele, L. 1998. Multiobjective Optimization Using Evolutionary Algorithms-A Comparative Case Study. Parallel Problem Solving from Nature PPSN V Amsterdam. Page 292 301. Springer.
