Menyelesaikan tesisnya, Aldi Pascagama Nurrachman, mahasiswa Program Magister Teknik Industri, Departemen Teknik Mesin dan Industri (DTMI) UGM menjalani Ujian Tesis pada Senin (21/07) di hadapan tim penguji beranggotakan Ir. Budhi Sholeh Wibowo, S.T., M.T., PDEng., IPM., ASEAN Eng., Ir. Andi Rahadiyan Wijaya, S.T., M.Sc., Ph.D., IPM., ASEAN Eng., dan Ir. Achmad Pratama Rifai, S.T, M.Eng., Ph.D. Tesis Aldi berjudul ”Optimisasi Robust dan Hemat Energi Pada Mesin Paralel Non-Identik” dibimbing oleh Ir. Yun Prihantina Mulyani, S.T., M.Sc., Ph.D., IPM., ASEAN Eng..
Dalam Ujian Tesisnya, Aldi menjelaskan bahwa dalam era manufaktur berkelanjutan yang semakin berkembang, penjadwalan produksi menjadi tantangan operasional yang kompleks dan krusial, dengan ketidakpastian proses dan konsumsi energi kini menjadi pertimbangan utama yang berdampak besar pada efisiensi operasional. ”Variasi durasi pemrosesan serta komitmen terhadap batas waktu pengiriman (due-date) yang ketat turut memengaruhi throughput dan kepuasan pelanggan, sementara konsumsi energi secara langsung memengaruhi biaya dan pencapaian target lingkungan,” paparnya.
Menanggapi isu ini, Aldi mengadopsi pendekatan robust optimization dengan konsep absolute robustness melalui pembuatan skenario terburuk (worst-case scenarios) untuk meningkatkan efektivitas komputasi dan adaptabilitas model penjadwalan di berbagai situasi nyata.
Penelitian Aldi memperluas cakupan penjadwalan hemat energi untuk sistem Unrelated Parallel Machines (UPMS) dengan mempertimbangkan sequence-dependent setup times (SDST), kapabilitas mesin, serta ketidakpastian waktu pemrosesan. Hal ini menjadikannya relevan untuk aplikasi di industri yang menghadapi variasi performa mesin dan perbedaan keterampilan operator.
Model yang dikembangkan berupa Mixed Integer Linear Programming (MILP) yang dirancang untuk menangani ketidakpastian waktu pemrosesan. Untuk menyelesaikan masalah UPMS-SDST secara efisien, penelitian ini juga mengusulkan dua metode metaheuristic: Genetic Algorithm (GA) dan Adaptive Large Neighborhood Search dengan Simulated Annealing (ALNS-SA). Kedua metode tersebut dirancang untuk meminimalkan makespan, total konsumsi energi, dan total keterlambatan produksi (total tardiness).
Studi ini juga memperkenalkan serangkaian benchmark instance baru untuk UPMS-SDST, dengan variasi tingkat ketatnya due-date dan level ketidakpastian untuk merefleksikan kondisi lapangan. Waktu pemrosesan dalam simulasi bervariasi sebagai akibat dari degradasi performa mesin serta ketimpangan keterampilan antar operator.
Hasil eksperimen komputasi menunjukkan bahwa baik GA maupun ALNS-SA menunjukkan performa yang sangat baik, dengan waktu komputasi yang jauh lebih cepat dibandingkan dengan solver MILP komersial terkemuka untuk skala masalah kecil. ”Sementara itu, untuk skala besar, ALNS-SA menunjukkan performa sedikit lebih unggul dibandingkan GA,” tutur Aldi.
Penelitian ini memberikan kontribusi penting dalam pengembangan solusi penjadwalan produksi yang tidak hanya efisien secara energi, tetapi juga tangguh terhadap ketidakpastian, sejalan dengan tuntutan industri manufaktur modern yang berkelanjutan.
Kontributor: Maryanti, A.Md.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
