metode taguchi dan optimasi multi respons - eko.staff.uns ... · metode pcr-topsis pcr ( process...
TRANSCRIPT
Metode Taguchi
dan Optimasi Multi Respons
Dr. Ir. Eko Pujiyanto, S.Si.,M.T.
Prodi Teknik Industri - Universitas Sebelas Maret
Materi
Taguchi Multi Response
Metode PCR-TOPSIS
Metode Algoritma-Genetika
Prodi Teknik Industri - Universitas Sebelas Maret
Taguchi Multi Respon
Dalam dunia nyata produk memiliki lebih dari satu (multi) karakteristik kualitas (multi respon).
Karakteristik kualitas tersebut harus dioptimasi secara simultan.
Metode Taguchi tidak tepat untuk mengoptimalkan masalah multi respon karena teknik optimasi yang digunakan hanya untuk satu respon.
Prodi Teknik Industri - Universitas Sebelas Maret
Taguchi Multi Respon
Jika digunakan untuk masalah multi
respon , metode Taguchi hanya dapat
digunakan untuk setiap respon dan tidak
bisa secara simultan.
Diperlukan teknik optimasi multi respon,
setelah data diperoleh dengan metode
Taguchi.
Prodi Teknik Industri - Universitas Sebelas Maret
Taguchi Multi Respon
Karakteristik kualitas produk kertas Ketebalan
Daya tembus
Kekasaran
Prodi Teknik Industri - Universitas Sebelas Maret
Taguchi Multi Respon
Karakteristik kualitas proses dan produk Wire-
Electrical Discharge Machine
Waktu Pengerjaan - Tebal Lapisan Recast
Lebar Pemotongan - Kekasaran Permukaan
Prodi Teknik Industri - Universitas Sebelas Maret
Taguchi Multi Respon
BÖHLER plastic mould steels are
noted for their excellent : Thermal conductivity
Corrosion resistance
High wear resistance
Dimensional stability
Hardness
Toughness
Compressive strength.
Prodi Teknik Industri - Universitas Sebelas Maret
Taguchi Multi Respon
Karakteristik kualitas Battery Disposable 123a Lithium
Higher Power Density
Less Weight
More Voltage
Better Voltage Maintenance
Longer Shelf-Life
Wide Temperature Tolerance
Prodi Teknik Industri - Universitas Sebelas Maret
Beberapa Metode
1. Data Envelopment Analysis
2. Metode PCR-Topsis
3. Hybrid Principal Component Analysis
4. Algoritma Genetika
5. Cat Swarm Optimization
6. Particle swarm optimization
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
PCR ( Process capability ratio ) atau Rasio Kemampuan
proses merupakan kemampuan sebuah proses untuk
memenuhi spesifikasi desain yang ditetapkan oleh
permintaan konsumen, walaupun sebuah proses terkendali
secara statistik.
Bagi sebuah proses untuk dapat dikatakan mampu, nilainya
harus berada diantara spesifikasi atas dan bawah. Hal ini
berarti kemampuan proses berada dalam ±3 standar
deviasi dari rata-rata proses.
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
PCR > 1 maka proses yang dilakukan baik (Capable)
PCR < 1 maka proses yang dilakukan tidak baik (Not
Capable)
PCR = 1 maka proses sesuai dengan spesifikasi konsumen
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Technique for Order Performance by Similarity to Ideal
Solution ( Topsis ) adalah salah satu metode pengambilan
keputusan multikriteria.
TOPSIS menggunakan prinsip bahwa alternatif yang
terpilih harus mempunyai jarak terdekat dari solusi ideal
positif dan jarak terpanjang (terjauh) dari solusi ideal
negatif.
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Solusi ideal positif didefinisikan sebagai jumlah dari
seluruh nilai terbaik yang dapat dicapai untuk setiap
atribut, sedangkan solusi ideal negatif terdiri dari seluruh
nilai terburuk yang dicapai untuk setiap atribut.
TOPSIS mempertimbangkan keduanya, jarak terhadap
solusi ideal positif dan jarak terhadap solusi ideal negatif
dengan mengambil kedekatan relatif terhadap solusi ideal
positif.
Berdasarkan perbandingan terhadap jarak relatifnya,
susunan prioritas alternatif bisa dicapai.
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Studi kasus :
Respons
( karakteristik
kualitas )
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
1. Menghitung Signal To Noise (SNR)
2. Menghitung PCR-SNR untuk setiap
percobaan.
3. Menghitung TOPSIS dari hasil PCR-SNR.
4. Menentukan persentase kontribusi dari
faktor-faktor yang signifikan dalam
multirespon.
5. Penentuan kondisi optimal dan nilai prediksi
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
1. Menghitung Signal To Noise (SNR)
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
2. Menghitung PCR-SNR untuk setiap percobaan.
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
3. Menghitung TOPSIS dari hasil PCR-SNR.
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
3. Menghitung TOPSIS dari hasil PCR-SNR.
Hasil nilai PCR-TOPSIS
inilah yang akan dianalisis
sebagai variabel respon
baru yang mewakili tiga
respon dari Thickness,
Opacity dan Roughness
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
4. Menentukan persentase kontribusi
Anova PCR-TOPSIS
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
4. Menentukan persentase kontribusi
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi
Kondisi optimal A1 B1 C2 D1
E2. Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi
Prodi Teknik Industri - Universitas Sebelas Maret
Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi
( Dibandingkan dengan metode sebelumnya )
Metode PCR-TOPSIS lebih baik dari Fuzzy Logic Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Algoritma genetika adalah suatu algoritma pencarian yang
meniru mekanisme dari genetika alam dimana
diperkenalkan pertama kali oleh John Holand awal tahun
1975.
Algoritma ini dimulai dengan kumpulan solusi yang disebut
dengan populasi.
Solusi-solusi dari sebuah populasi diambil dan digunakan
untuk membentuk populasi yang baru.
Hal ini dimotivasi dengan harapan bahwa populasi yang
baru dibentuk tersebut akan lebih baik daripada yang
lama.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah-langkah Algoritma Genetika
1. Skema pengkodean
Real number encoding yaitu nilai gen berada dalam interval
[0,R] dimana R adalah bilangan real positif.
Discrete decimal encoding yaitu setiap gen bisa bernilai
salah satu bilangan bulat dalam interval [0,9],
Binary encoding yakni setiap gen hanya bisa bernilai 0 atau 1
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah-langkah Algoritma Genetika
2. Nilai fitness
Fungsi obyektif yang digunakan untuk menentukan solusi
dari permasalahan dalam Algoritma Genetika.
Fungsi fitness merupakan dasar untuk proses seleksi.
Setiap kromosom dievaluasi berdasarkan fungsi.
Pada evolusi alam, individu yang bernilai fitness tinggi yang
akan bertahan hidup sedangkan yang bernilai fitness rendah
akan mati.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah-langkah Algoritma Genetika
3. Seleksi orang tua
Seleksi roulette wheel : menyeleksi populasi baru dengan
distribusi probabilitas yang berdasarkan nilai fitness (F)
Seleksi peringkat : Setiap kromosom dalam populasi diatur
dengan cara menentukan peringkat berdasarkan nilai
fitnessnya.
Seleksi kondisi tetap : Sebagian besar kromosom dapat
bertahan hidup hingga generasi berikutnya.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah-langkah Algoritma Genetika
4. Pindah silang (crossover)
Sebuah kromosom yang mengarah pada solusi yang bagus
bisa diperoleh dari proses memindah-silangkan dua buah
kromosom.
Algoritmanya adalah :
Memilih posisi gen secara acak dari orangtua pertama.
Isi di sebelah kanan posisi gen pada orangtua pertama ditukar
dengan orangtua kedua untuk menghasilkan offspring (anak).
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah-langkah Algoritma Genetika
5. Mutasi
Untuk semua gen yang ada, jika bilangan random yang
dibangkitkan kurang dari probabilitas mutasi yang ditentukan
maka diubah gen tersebut menjadi nilai kebalikannya.
Misalkan dalam binary encoding 0 diubah menjadi 1 dan 1
diubah 0.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah-langkah Algoritma Genetika
6. Elitisme
Prosedur elitisme dilakukan karena adanya seleksi yang
dilakukan secara random.
Hal ini menyebabkan tidak ada jaminan bahwa suatu individu
bernilai fitness tertinggi akan selalu dipilih.
Kalaupun individu tersebut terpilih, mungkin saja individu
tersebut akan rusak (nilai fitness-nya akan menurun karena
proses pindah silang).
Supaya tidak hilang selama evolusi maka perlu dibuat satu
atau beberapa kopinya.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah-langkah Algoritma Genetika
7. Penggantian populasi
Semua individu (misal N individu dalam satu populasi) dari
suatu generasi digantikan sekaligus oleh N individu baru
hasil pindah silang dan mutasi.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Studi Kasus :
Proses desain economizer ( Sistem Dinamis )
Dua respon :
1. Perpindahan panas (y1) larger the better
2. Biaya operasional (y2) smaller the better
Tiga faktor dengan 3 level :
1. Diameter luar tubing (x1)
2. Transfersal spacing (x2)
3. Kerapatan fin (x3)
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Studi Kasus :
Satu faktor signal yaitu sisa gas hasil pembakaran oleh
burner yang mempunyai sebelas level dimana nilainya
berkisar antara 50% sampai dengan 100%.
Satu faktor noise yaitu bahan bakar yang memiliki dua
level, bahan bakar dari gas (flue gas) dan bahan bakar dari
oil (flue oil).
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Studi Kasus :
Model untuk semua faktor terhadap variabel respon
perpindahan panas dengan menggunakan metode
Least Trimmed Square diperoleh hubungan regresi
polinomial
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Studi Kasus :
Model untuk semua faktor terhadap variabel respon
biaya operasi dengan menggunakan metode Least
Trimmed Square diperoleh hubungan regresi polinomial
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap pertama
Pilih real number encoding yaitu pengkodean dimana nilai
gen berada pada interval [0,R] dengan R adalah bilangan real
positif.
Tujuan dari pengkodean kromosom untuk mengkodekan
kromosom yang berisi gen bilangan real menjadi individu x
yang bernilai real dalam interval yang diinginkan yaitu dalam
batas bawah rb dan batas atas ra.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap kedua
Inisialisasi populasi yang dibentuk secara acak dengan 10-bit
kromosom yang didapatkan dari variabel bebas serta
kombinasinya yaitu
Pada tahapan ini dibangkitkan sejumlah ukuran populasi
kromosom dan jumlah gen dalam kromosom.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap kedua
Ukuran populasi yang diambil adalah 200 dengan jumlah gen
diperoleh dari perkalian jumlah faktor yang ingin dicari
kondisi optimumnya sebanyak 3 yaitu dengan
banyaknya bit yaitu 10 menghasilkan 30 gen dalam
kromosom.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap ketiga
Fungsi fitness dari optimasi menggunakan Algoritma
Genetika berdasarkan model y1 dan y2
Lakukan setting batas atas ra yang merupakan nilai level
bawah dari
dan setting batas bawah rb dari
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap keempat
Mengevaluasi fitness dengan menghitung fitness f (x) dari
setiap kromosom x dengan menciptakan populasi baru yang
berasal dari populasi awal.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap keempat
Proses yang terjadi adalah mutasi dan pindah silang
(crossover).
Jumlah kromosom yang mengalami proses crossover pada
satu generasi ditentukan secara random berdasarkan tingkat
probabilitas crossover tertentu.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap keempat
Pada kasus ini ditentukan probabilitas crossover 0.8 dan
probabilitas mutasi sebesar 0.03.
Proses tersebut berulang-ulang sampai dengan 1500
generasi untuk mendapatkan level -level yang optimum.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap keempat
Titik optimum yang didapatkan dari optimasi untuk respon
efektifitas perpindahan panas sebesar -24.80 dan respon
biaya operasi sebesar -22.28.
Kedua respon yang dihasilkan sudah optimum karena sudah
ditransformasi dalam bentuk signal to noise ratio.
Algoritma Genetika
Langkah penyelesaian:
Tahap keempat
Titik optimum yang didapatkan dari optimasi untuk respon
efektifitas perpindahan panas sebesar -24.80 dan respon
biaya operasi sebesar -22.28.
Kedua respon yang dihasilkan sudah optimum karena sudah
ditransformasi dalam bentuk signal to noise ratio.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap keempat
Nilai optimum untuk variabel faktor diperoleh level-level
optimum sebagai berikut, nilai diameter luar tubing = 1.5
inch, nilai transfersal spacing = 3,5 inch, nilai kerapatan fin
= 3.4 fin/inch.
Prodi Teknik Industri - Universitas Sebelas Maret
Algoritma Genetika
Langkah penyelesaian:
Tahap keempat
Hasil efektifitas perpindahan panas yang diperoleh sebesar
5.7% cukup kecil.
Sedangkan biaya operasi setelah ditransformasi didapatkan
13.001 $/jam.
Prodi Teknik Industri - Universitas Sebelas Maret