Dalam menjawab tantangan industri manufaktur yang semakin kompleks, terutama terkait efisiensi energi dan ketidakpastian proses, Aldi Pascagama Nurrachman, mahasiswa Magister Teknik Industri, Departemen Teknik Mesin dan Industri (DTMI) UGM, mempresentasikan hasil penelitiannya yang bertajuk “Optimisasi Robust dan Hemat Energi pada Mesin Paralel Non-Identik” dalam Seminar Hasil yang diselenggarakan Senin (23/06).
Penelitian ini berangkat dari isu utama dalam sustainability manufacturing, yakni meningkatnya ketergantungan industri terhadap sistem penjadwalan produksi yang mampu mengelola variabilitas proses dan konsumsi energi. “Scheduling has become a complex and critical operational challenge“, ungkap Aldi dalam presentasinya. Ketidakpastian durasi proses dan komitmen terhadap tenggat waktu yang ketat disebut dapat mempengaruhi throughput, biaya, dan kepuasan pelanggan, sementara konsumsi energi memengaruhi keberlanjutan lingkungan dan biaya operasional.
Dalam risetnya, Aldi mengembangkan pendekatan robust optimization berbasis skenario terburuk (absolute robustness) untuk memastikan ketahanan sistem terhadap berbagai kemungkinan gangguan. Ia memperluas ruang lingkup penjadwalan efisien-energi pada skenario Unrelated Parallel Machines with Sequence-Dependent Setup Time (UPMS-SDST), mencakup kapabilitas mesin dan ketidakpastian waktu proses.
Sebagai solusi matematis, Aldi menyusun model Mixed Integer Linear Programming (MILP) dan mengusulkan dua algoritma metaheuristik canggih: Genetic Algorithm (GA) dan Adaptive Large Neighborhood Search with Simulated Annealing (ALNS-SA). Kedua algoritma ini ditujukan untuk meminimalkan makespan, total konsumsi energi, dan total tardiness. Aldi juga memperkenalkan himpunan kasus uji baru (benchmark instances) untuk UPMS-SDST yang mencerminkan kondisi nyata, seperti variasi performa mesin dan tingkat keterampilan operator.
Hasil eksperimen komputasi menunjukkan bahwa kedua algoritma—GA dan ALNS-SA—berhasil memberikan solusi yang signifikan dalam waktu komputasi yang lebih cepat dibandingkan commercial MILP solver, khususnya untuk masalah berskala kecil. Untuk masalah berskala besar, performa ALNS-SA sedikit lebih unggul dibanding GA.
Penelitian ini memberikan kontribusi penting terhadap industri manufaktur masa depan yang tangguh dan hemat energi. Hasil ini relevan dengan pencapaian beberapa Tujuan Pembangunan Berkelanjutan (Sustainable Development Goals / SDGs), yaitu:
– SDG 9: Industri, Inovasi, dan Infrastruktur, melalui inovasi algoritmik untuk efisiensi proses produksi industri.
– SDG 12: Konsumsi dan Produksi yang Bertanggung Jawab, dengan mengurangi konsumsi energi dan mengoptimalkan sumber daya manufaktur.
– SDG 13: Penanganan Perubahan Iklim, karena efisiensi energi berdampak langsung pada pengurangan emisi karbon.
Dengan inovasi algoritma penjadwalan yang tangguh terhadap ketidakpastian dan hemat energi, Aldi Pascagama menunjukkan bagaimana pendekatan teknis yang tepat dapat berkontribusi besar terhadap industri berkelanjutan dan efisien di masa depan.
Kontributor: Maryanti, A.Md.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
