Penjadwalan jobshop menggunakan pendekatan Algoritma Non-Delay dan Algoritma Genetika untuk meminimasi mean lateness di PT. Indonesian Tooling Technology
P PT. Indonesian Tooling Technology bergerak di bidang pembuatan tools dan dieskomponen otomotif. Produk yang dihasilkan memiliki variasi bentuk, ukuran dandesign berbeda-beda setiap konsumen, dengan pola aliran produksi job shop.Penjadwalan produksi merupakan komponen penting untuk menciptakankelancaran proses produksi. Permasalahan yang menjadi fokus perusahaan saat iniyaitu sering terjadi keterlambatan penyelesaian produksi yang menyebabkanketerlambatan waktu pengiriman kepada konsumen. Tujuan penelitian ini adalahmerancang penjadwalan job menggunakan metode heuristik algoritma non-Delaysebagai solusi awal dan metode meta-heuristik algoritma genetika sebagai untukmeminimasi mean lateness. Penjadwalan yang dilakukan pada penelitian ini,waktu setup sudah masuk kedalam waktu proses. Langkah awal yang dilakukanadalah mengidentifikasi mean lateness dari penjadwalan yang dilakukanperusahaan pada 34 job minggu pertama bulan Oktober 2017 dengan 23 mesinyaitu selama 1867,765 menit. Penjadwalan menggunakan algoritma non-delaydengan aturan SPT mendapatkan mean lateness selama 576,647 menit yang lebihbaik 1291,118 menit dari penjadwalan yang dilakukan perusahaan. Hasilpenjadwalan metode heuristik algoritma non-delay dijadikan solusi awal untukmelakukan penjadwalan dengan metode meta-heuristik algoritma genetika.Tahapan penjadwalan dengan algoritma genetika adalah seleksi elitism, rankselection dan roulette wheel selection, precedence preservative crossover (PPX)serta job-fair exchange mutation. Penjadwalan dengan algoritma genetikamenghasilkan mean lateness selama selama 474,441 menit yang lebih baik1393,324 menit dari usulan penjadwalan algoritma non-delay.
P PT. Indonesian Tooling Technology runs in automotive tools and dies makingindustry. Products are produced with job shop production flow pattern in variatedshape, size and design based for each consument. Production Scheduling is animportant component to create smooth production process. The problem that isthe focus of the company at this time is lateness in completing productionfrequently occurs, causing the lateness of delivery time to the consumer. Thepurpose of this research design job scheduling using non-delay algorithm asheuristic, which is as initial solution and genetic algorithm as meta-heuristic tominimize mean lateness.The schedule of this research, process time includedsetup time. First step taken is to identify mean lateness from scheduling ofcompany those 34 jobs done in the first week of October 2017 with 23 machines,which is 1867,765 minutes. Scheduling using non-delay algorithm with SPT ruleresults in mean lateness for 576,647 minute, which is better 1291,118 minutesthan company’s scheduling. Result obtained from non-delay algorithma is setas initial condition to make genetic algorithm scheduling. Genetic algorithmscheduling steps are elitism selection and roulette wheel, precedence preservativecrossover (PPX) and job-fair exchange mutation. Scheduling using geneticalgorithm results in a mean lateness over 474,441 minutes, which is better1393,324 minutes than the non-delay algorithm scheduling proposed.