DETAIL KOLEKSI

Penyuluhan peramalan core dengan jaringan syaraf tiruan di PT Komatsu Rekam Indonesia


Oleh : Docki Saraswati, Tiena G. Amran, Didien Suhardini, Amal Witonohadi, Debbie Kemala Sari, Agung Sasongko [et.al.]

Info Katalog

Kata Kunci : core, disassembly, artificial neural network, mean square error

Subyek : Neural networks;Remanufacturing

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2020


File Repositori
No. Nama File Ukuran (KB) Status
1. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Halaman-judul.pdf 599.66
2. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Lembar-Pengesahan.pdf 251.08
3. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Bab-1_Pendahuluan.pdf 460.97
4. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Bab-2_Pelaksanaan-Kegiatan.pdf 559.71
5. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Bab-3_Hasil-dan-Luaran-yang-dicapai.pdf 366.94
6. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Bab-4_Kesimpulan-dan-Saran.pdf 221.45
7. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Daftar-Pustaka.pdf 296.29
8. 2020_PKM_STI_Penyuluhan-Peramalan-Core_Lampiran.pdf 962.99

P Pengabdian kepada Mayarakat (PkM) yang dilaksanakan pada semester genap 2019/2020 adalah kelanjutan dari PkM sebelumnya yang diakukan di PT. Komatsu Reman Indonesia (KRI). Kegiatan PkM yang dilaksanakan merupakan tindak lanjut dari Kesepakatan Kerja Sama antara Fakultas Teknologi Industri (FTI) Universitas Trisakti dengan PT. KRI. Kegiatan PkM di PT. KRI diawali dengan diskusi, kunjungan, pelatihan dan penyuluhan. PT. KRI merupakan perusahaan remanufaktur komponen utama dari alat berat antara lain bulldozer, dump truck dan excavator hydraulic yang di produksi oleh PT. Komatsu Indonesia. PT. KRI mendapatkan supply bahan baku (core) dari Amerika, Australia, Belgia, dan Jepang. Perusahaan melakukan remanufaktur core utama yang merupakan komponen alat berat yaitu Engine, Power Train, Piston Pump & Motor (PPM). Core adalah komponen bekas pakai yang akan di gunakan kembali setelah melalui proses disassembly. Core yang telah dibongkar dikelompokan menjadi beberapa kategori yaitu reuse again, artinya komponen dapat digunakan kembali, reuse again after recondition, artinya komponen dapat digunakan kembali setelah dilakukan suatu perbaikan (remanufaktur), replace yang artinya komponen tidak dapat digunakan kembali. Jumlah sparepart pengganti ditentukan berdasarkan replacement ratio pada saat judgement setelah proses pembongkaran core. Ketersediaan spare part menjadi salah satu faktor penting dalam menunjang proses produksi agar tidak terjadi kekurangan stock atau over stock. Pada saat proses produksi atau proses perakitan kembali, komponen harus tersedia lengkap termasuk komponen yang tidak dapat di perbaiki. Jika persediaan komponen berlebih atau over stock maka akan terjadi penumpukan di gudang dan biaya persediaan semakin tinggi, namun jika persediaan kurang akan menyebabkan lead time proses semakin bertambah. Salah satu permasalahan yang terdapat pada perusahaan remanufaktur adalah jumlah core yang diterima tidak pasti. Salah satu jenis core yang memiliki jumlah tidak menentu adalah core Piston Pump Motor tipe PC2000-8 yang merupakan bagian dari ekskavator. Hal ini menyebabkan sulitnya menentukan jumlah core yang diterima perusahaan untuk periode mendatang. Ketidakpastian jumlah core yang diterima perusahaan setiap bulan menyebabkan tidak optimalnya system persediaan spare part pengganti. Tujuan dari penelitian ini adalah menentukan metode peramalan core Piston Pump Motor tipe PC2000-8 pada PT.XYZ yang berasal dari region Amerika selama 12 bulan mendatang dengan menggunakan Jaringan Syaraf Tiruan (JST). Input yang digunakan adalah data penerimaan core selama 30 periode yang merupakan data time series dan telah di transformasikan dalam bentuk data dengan rentang [0,1]. Pola data input yang digunakan dalam pelatihan arsitektur jaringan menggunakan input data 15. Hidden layer yang digunakan adalah 2,4,6, 8 dan 10. Fungsi aktivasi utuk pelatihan adalah sigmoid biner dengan default yang dalam program MATLAB (deep learning toolbox). Target nilai MSE yang dicapai adalah 0,0001. Parameter pembelajaran atau Learning Rate yang digunakan adalah 0,01 dan 0,1. Batas epoch yang ditentukan adalah 1000. Hasil pelatihan tersebut dengan fungsi aktivasi input-hidden tansig, hidden-output purelin, fungsi pelatihan traincgp, dan parameter learning 0.1 didapatkan nilai error terkecil sebesar 0.000000000343 dan nilai epoch sebesar 9. Berdasarkan perhitungan yang didapatkan dari pengujian menggunakan software MATLAB, selisih menunjukan nilai yang tidak terlalu jauh berbeda dengan target yang ditentukan. Hal ini menunjukan hasil pengujian jaringan syaraf tiruan dapat mengenali pola dengan baik dan dapat dilakukan peramalan.

C Community Service (PkM) which was held in the even semester of 2019/2020 is a continuation of the previous PkM which was carried out at PT. Komatsu Reman Indonesia (KRI). The PkM activity was carried out as a follow-up to the Cooperation Agreement between the Faculty of Industrial Technology (FTI), Trisakti University and PT. KRI. PkM activities at PT. KRI begins with discussions, industrial visits, training and counseling. PT. KRI is a company that remanufacturing the main components of heavy equipment including bulldozers, dump trucks and hydraulic excavators manufactured by PT. Komatsu Indonesia. The company remanufactures the main core, namely the Engine, Power Train, Piston Pump & Motor (PPM). Core is a used component that will be reused after going through the disassembly process. Cores that have been dismantled are grouped into several categories, namely reuse again, meaning that the component can be reused, reuse again after recondition, meaning that the component can be reused after a repair (remanufacturing), replace which means the component cannot be reused. The number of replacement spare parts is determined based on the replacement ratio during the judgment after the core dismantling process. The availability of spare parts is an important factor in supporting the production process so that there is no shortage of stock or over stock. During the production process or re-assembly process, components must be available in full, including components that cannot be repaired. One of the problems with remanufacturing companies is the uncertain number of cores received. One type of core that has an erratic number of cores is the PC2000-8 Piston Pump Motor core which is part of the excavator. This causes difficulties in determining the number of cores the company will receive for the coming period. The uncertainty of the number of cores the company receives each month causes the replacement spare part system to be not optimal. The purpose of this research is to determine the method for forecasting core Piston Pump Motor type PC2000-8 at PT. XYZ originating from the American region for the next 12 months using Artificial Neural Networks (ANN). The input used is core reception data for 30 periods which is time series data and has been transformed into data with a range of [0,1]. The input data pattern used in network architecture training uses 15 data input. The hidden layers used are 2,4,6, 8 and 10. The activation function for training is binary sigmoid by default in the MATLAB (deep learning toolbox) program. The target MSE value achieved is 0.0001. The learning parameters or Learning Rate used are 0.01 and 0.1. The specified epoch limit is 1000.The results of the training and the learning parameter 0.1, gave the smallest error value with value of 0.000000000343 and the epoch value of 9. Based on the calculations obtained from testing using MATLAB software, the difference shows a value that is not too different from the specified target. This shows the results of testing the artificial neural network can recognize patterns well and can be predicted.

Bagaimana Anda menilai Koleksi ini ?