BAB I LANDASAN TEORI 1.1. Simulasi Pemodelan dengan Klasifikasi Kasus Masalah Line Assembly 1.1.1. Pendahuluan Tujuan keseluruhan dari penelitian yang diuraikan dalam makalah ini adalah untuk memfasilitasi model konstruksi untuk mengurangi waktu total dalam simulasi. Ada sejumlah pilihan untuk mengembangkan ide dan salah satunya adalah jelas pengembangan alat simulasi baru. Namun, opsi ini tidak dibahas. Sebaliknya, penelitian ini mengembangkan metode yang menghasilkan model simulasi yang umum berdasarkan kesamaan masalah yang ditangani sehingga menghasilkan kesamaan langkah pengambilan keputusan. Asumsi yang mendasarinya adalah bahwa model dengan layout yang berbeda dapat menggunakan bentuk yang sama sebagai model karena mereka juga memiliki latar maslah yang sama Makalah ini pertama kali akan menyajikan masalah unik dalam sistem manufaktur. Masalah dikumpulkan dari tinjauan literatur jurnal publikasi yang luas dan prosiding konferensi. Didasarkan bahwa masalah mengalami perkembangan, , dibutuhkan teknik yang dapat menghadapi dua hal yaitu perkembangan masalah dan klasifikasi masalah. Ini mengarah pada pemilihan
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
BAB I
LANDASAN TEORI
1.1. Simulasi Pemodelan dengan Klasifikasi Kasus Masalah Line
Assembly
1.1.1. Pendahuluan
Tujuan keseluruhan dari penelitian yang diuraikan dalam makalah ini
adalah untuk memfasilitasi model konstruksi untuk mengurangi waktu total dalam
simulasi. Ada sejumlah pilihan untuk mengembangkan ide dan salah satunya
adalah jelas pengembangan alat simulasi baru. Namun, opsi ini tidak dibahas.
Sebaliknya, penelitian ini mengembangkan metode yang menghasilkan model
simulasi yang umum berdasarkan kesamaan masalah yang ditangani sehingga
menghasilkan kesamaan langkah pengambilan keputusan. Asumsi yang
mendasarinya adalah bahwa model dengan layout yang berbeda dapat
menggunakan bentuk yang sama sebagai model karena mereka juga memiliki latar
maslah yang sama
Makalah ini pertama kali akan menyajikan masalah unik dalam sistem
manufaktur. Masalah dikumpulkan dari tinjauan literatur jurnal publikasi yang
luas dan prosiding konferensi. Didasarkan bahwa masalah mengalami
perkembangan, , dibutuhkan teknik yang dapat menghadapi dua hal yaitu
perkembangan masalah dan klasifikasi masalah. Ini mengarah pada pemilihan
cladistics. Berdasarkan klasifikasi dibentuk, elemen-elemen pemodelan yang
tepat, yaitu fisik, logis dan unsur-unsur ukuran kinerja yang dikembangkan lalu
dikumpulkan ke dalam sebuah perpustakaan template.
Bagian utama makalah ini kemudian menjelaskan pelaksanaan penelitian
tenteng prototipe yang dikembangkan sebagai pembuktian konsep. prototipe User
interface meliputi: i) masalah-masalah umum dalam sistem manufaktur, ii)
analisis evolusi dan masalah klasifikasi menggunakan cladistics; iii) model
simulasi dan mengukur kinerja dengan menggunakan konsep template. Dengan
fitur di atas, diharapkan bahwa kurva belajar dalam mengembangkan model
simulasi akan berkurang secara signifikan.
1.1.2. Latar Belakang
Bagian ini membahas masalah khas dalam sistem manufaktur, dengan
menggunakan cladistic dan pengertian tentang klasifikasi model simulasi.
1.1.2.1. Sistem Manufaktur dan Masalah Terkait
System manufaktur biasanya berurusan dengan berbagai masalah
kerusakan mesin, persediaan, perubahan product mix, untuk meminimalkan
kemacetan produksi, penjadwalan pesanan bekerja melalui pabrik, dll Selain itu,
persaingan global di antara produsen memberi tekanan konstan untuk perusahaan
manufaktur untuk meningkatkan ragam produk dan pengiriman cepat, mencapai
nol produk cacat, meminimalkan biaya dan mengurangi limbah. Ini berpengaruh
secara signifikan terhadap desain dan desain ulang sistem produksi menggunakan
simulasi. Pemahaman yang lebih baik dari masalah manufaktur dan masalah lebih
diperlukan dari sebelumnya untuk memfasilitasi proses pembentukan model. Law
(1999), misalnya, mengutip beberapa isu-isu spesifik yang dapat digunakan untuk
simulasi. pekerjaan lain di daerah yang sama, termasuk Chan dan Chan (2004),
Raj et al (2007), Hukum (1988), Drira et al (2007) dan Meller dan Gau, (1996).
Karena beberapa hambatan utama antara lain jenis yang luas dari masalah dalam
pembuatan sistem, kendala waktu, ruang lingkup masalah dalam manufaktur
terlalu luas, penelitian ini telah dibatasi untuk fokus pada lini perakitan.
1.1.2.2. Manufaktur dan Cladistics
Cladistics adalah teknik untuk klasifikasi dan analisis evolusi. Telah
banyak digunakan dalam ilmu linguistik dan biologi. Cladistics didefinisikan
sebagai sebuah metode untuk mengatur pengetahuan tentang entitas populasi
secara sistematis. Dapat juga disebut sebagai proses untuk mempelajari
keanekaragaman dan mencoba untuk mengidentifikasi dan memahami hukum-
hukum dan hubungan yang menjelaskan evolusi dan keberadaan berbagai
kelompok (McCarthy Tsinopoulos, 2000).
Selain ilmu biologi dan linguistik, cladistics juga telah diterapkan seperti
analisis manajemen organisasi, perubahan organisasi dan strategi manufaktur.
Beberapa karya yang berkaitan dengan manufakturing dan cladistics telah
dilakukan oleh sejumlah peneliti seperti Fernandez et al. (2001), Rokotobe al-Joel
et. (2002), McCarthy (1995), McCarthy et al (1997), McCarthy dan Ridgway
(2000), McCarthy et al. (2000) dan Baldwin et al (2005). Namun, aplikasi
cladistics di bidang manufaktur tidak banyak dilaporkan.
Dalam konteks penelitian ini, cladistics digunakan untuk menunjukkan
bagaimana masalah-masalah yang ada di jalur perakitan mungkin berevolusi
untuk masalah lain, kendala yang terkait untuk mempertimbangkan, dan dimana
masalah ini diperoleh melalui diagram yang disebut cladogram. Evolusi pada
setiap tingkat masalah dapat digunakan sebagai pedoman dalam rangka
memberikan solusi dan tindakan pemantauan.
1.1.2.3. Template dan Reusable Concept
Model bangunan adalah salah satu elemen kunci dalam simulasi.
Menurut Guru dan Savory, (2004), membangun model memerlukan pemahaman
penuh dari masalah (isu) dan elemen yang terlibat, dan menentukan hubungan
antara unsur-unsur yang terkait. Berdasarkan literatur melaporkan, membangun
model adalah tugas yang cukup kompleks, sangat memakan waktu kegiatan dan
mahal, dan implementasinya sulit dilakukan (Guru dan Savory, 2004; Albores et
2007, al;. Bell et 2006, al;. Kibira dan McLean, 2002 ; Mackulak et al, 1998;
Mertins et al, 2000;. Mukkamala et al, 2003; Song et al, 2006). Selain itu, ada tren
kenaikan terhadap penggunaan simulasi oleh orang-orang yang hanya memiliki
sedikit pengalaman dengan simulasi. Untuk alasan ini, pendekatan telah dilakukan
untuk mempercepat waktu model pembangunan yang mencakup penggunaan user
interface sekunder, merampingkan format data dan membangun model
menggunakan template.
Dalam konteks ini, template dapat didefinisikan sebagai satu set prebuilt,
siap untuk digunakan, untuk pemodelan objek, modul, atau model simulasi situasi
umum (Mukkamala et al, 2003). Menggunakan template, waktu pembangunan
model secara teoritis dapat berkurang karena komponen model pemodelan,
subsistem model dapt digunakan berkali kali, bahkan mungkin modelnya secara
langsung. Template memiliki sejumlah modul dan parameter model, dan
parameter ini dapat tersedia atau tidak tersedia dalam rangka agar sesuai dengan
template ke sistem yang diteliti (Guru dan Savory, 2004, Thesen, 1990). Template
biasanya memiliki beberapa karakteristik termasuk: (. Mukkamala et al, 2003)
independensi , usabilitas, replaceability, adaptasi, antarmuka pengguna efektif,
enkapsulasi struktur internal.
Hal ini didasarkan pada pengamatan pekerjaan sebelumnya, kesulitan
dalam mempercepat pengembangan model simulasi sebagian besar adalah
kenyataan bahwa masalah-masalah sistem yang terkait dengan keputusan
manufaktur tidak dikategorikan atau diklasifikasikan secara baik. Akibatnya,
untuk menghasikan template yang lebih tepat sehingga dapat mempercepat
pembangunan model , maka pemahaman tentang sistem manufaktur dan masalah
pembangunan mereka, harus diatur dengan benar.
1.1.3. Program Penelitian
Tujuan keseluruhan penelitian yang diuraikan dalam makalah ini adalah
untuk menyelidiki pendekatan baru untuk memfasilitasi pembentukan model
untuk mengurangi waktu studi simulasi. Untuk mencapai hal ini, tujuan penelitian
berikut telah ditetapkan untuk:
1. Mengembangkan pemahaman masalah khas dalam sistem manufaktur
(khususnya jalur perakitan)
2. Cladistics Terapkan teknik untuk masalah (contoh data) yang ditetapkan
untuk klasifikasi dan analisis evolusi.
3. Mengembangkan prototipe yang dapat dengan cepat membangun model
simulasi berdasarkan pendekatan template dan elemen (komponen) yang
dapat digunakan kembali.
1.1.4. Membangun Prototipe
Tiga tujuan di atas akan membuka program penelitian dalam tiga tahap.
Tahap pertama mendefinisikan masalah khas dalam sistem produksi. Tujuannya di
sini adalah untuk membangun dan mengembangkan pemahaman tentang masalah
dan perkembangannya.
Langkah kedua kemudian gunakan data sampel yang dikumpulkan dari
tahap pertama, clustering dan klasifikasi informasi sebagai sebuah cladogram.
Tahap ketiga berfokus pada pengembangan prototipe, berdasarkan cladogram
ditetapkan. Bekerja di masing-masing tiga langkah yang dijelaskan di subbagian
berikut, seperti yang ditunjukkan pada Gambar 1.1
Gambar 1.1. Kerangka Kerja Pengembangan Prototipe
TAHAP 1: Memahami dari tipikal masalah
Masalah pertama dikumpulkan dari tinjauan literatur jurnal publikasi yang
luas dan prosiding konferensi. Tahap ini melibatkan definisi strategi pencarian
untuk mengidentifikasi sumber data yang relevan, kerangka waktu dan kata kunci
yang digunakan didasarkan pada basis data berbagai publikasi. Strategi Pencarian
terutama difokuskan pada masalah di lini perakitan.
Sebelum memilih materi untuk review lengkap, dokumen muncul dalam
daftar untuk setiap kombinasi kata kunci yang cocok yang disaring dengan
menghapus semua duplikat catatan. Kemudian judul dipelajari untuk mengetahui
relevansi nya. Akhirnya, ringkasan dan isi dari semua dokumen ditinjau sebelum
memilih review penuh dokumen.
Berdasarkan hasil penelaahan terhadap publikasi, 196 papers dipilih
sebagai bagian dari studi. Kebanyakan dari mereka terkait dengan masalah line
balancing dalam sistem manufaktur. Masalah line balancing dapat dibagi untuk
beberapa masalah terkait lainnya seperti model produk, rekonfigurasi sumber
daya, benda kerja dan gerakan, parallelisation, dan masalah tugas tugas seperti
yang ditunjukkan pada Gambar 1.2.
Gambar 1.2. Masalah Perakitan Line Balancing
Hal ini dapat jelas terlihat bahwa masalah yang paling umum telah
dilaporkan di koran ditinjau berkaitan dengan model produk (34%). Model
Produk terdiri dari atas model tunggal, model campuran dan multi / model batch.
Ketiga faktor memberikan dampak yang signifikan terhadap
keseimbangan jalur perakitan. Persentase tertinggi kedua adalah benda kerja dan
gerakan (21%) dan ini diikuti dengan masalah pekerjaan dan penugasan (18%).
Masalah yang paling umum keempat adalah parallelisation, yang merupakan
persentase 14% dari rasio secara keseluruhan. Pada ujung lain skala, rekonfigurasi
adalah yang paling tidak umum ditinjau dari literatur.
Cara untuk memindahkan potongan di jalur perakitan dapat dibagi menjadi
ritme dan tanpa ritme. Menurut (et al Boysen., 2007), salah satu fitur utama dari
lini kecepatan adalah bahwa semua stasiun secara simultan mulai beroperasi dan
bagian-bagian yang dipindahkan ke stasiun berikutnya pada kecepatan yang sama.
Siklus waktu untuk sistem ini teklah ditentukan sebelumnya. Lini tanpa ritme
terbagi atas sinkron dan non sinkron, tapi ini lebih fokus pada karakteristik non
sinkron Karakteristik utama dari jenis lini adalah bahwa seluruh bagian pekerjaan
dibawa ke stasiun kerja berikutnya secara non sinkron ketika pekerjaan telah
selesai (Boysen et al., 2007, Boysen et al, 2008.).
Jika waktu proses pada mesin tertentu terlalu cepat, ini dapat
mengakibatkan stasiun memiliki idle time yang tinggi karena lamanya waktu
menunggu bagian pekerjaan berikutnya. Jika mesin tertentu dipecah di baris ini,
ini juga menyebabkan kemacetan dan kekurangan bahan baku di antara seluruh
lini. Idle time stasiun akan meningkat dan ini menyebabkan tingkat WIP tinggi
(proses-pada-pengerjaan), waktu yang lama, dan rendahnya throughput. Untuk
mengatasi masalah ini, salah satu solusi adalah untuk mengalokasikan buffer
dalam jalur produksi, tapi pertimbangan harus diberikan pada bagaimana ukuran
yang dibutuhkan untuk buffer dan sebuah lokasi yang ideal dalam sistem.
Akibatnya, masalah akan meningkatkan biaya operasi untuk sistem secara
keseluruhan (Malakooti, 1994; Powell, 1994).
Ada tiga ciri utama dari model produk sebagai model tunggal, model
campuran dan model multi-batch. Dalam model produksi campuran, operasi yang
cukup identik antara stasiun karena semua model didasarkan pada produk yang
sama dan perbedaan hanya terdapat pada atribut produk. Model ini memiliki
variasi dalam waktu pengolahan dan hal ini dapat menyebabkan overloading
karena urutan operasi yang tidak tepat yang menyebabkan waktu pemrosesan
yang tinggi pada stasiun (Boysen et al, 2008.). Selain itu, alokasi tugas dan
sumber daya dalam model campuran harus dipertimbangkan karena masalah dapat
membuat dampak yang signifikan pada biaya operasi.
Dalam produksi / batch multi model, proses perakitan dilakukan di batch
pada sumber daya yang sama, terutama mesin (Boysen et al, 2007.). batch yang
berbeda membutuhkan setup yang berbeda atau konfigurasi ulang, dan ini
menyebabkan waktu setup tinggi dan waktu yang lama. Multi-batch produksi juga
mungkin perlu mempertimbangkan masalah yang berkaitan dengan tenaga kerja
manual (Boysen dkk, 2008.). beban kerja batch baru dapat mengubah isi dari
stasiun / dan ini dapat mempengaruhi banyak operator yang bekerja. Perubahan
beban kerja antar operator mengarah ke spesialisasi yang lebih rendah, biaya
pelatihan tambahan, dan banyak sisa produksi / limbah.
Lini produksi tidak seimbang dapat disebabkan oleh masalah yang
berkaitan dengan rekonfigurasi sumber daya. Rekonfigurasi sumber daya dapat
direferensikan sebagai redistribusi sumber daya (Boysen et al, 2008.). Struktur
baru sumber daya mempengaruhi distribusi beban isi / workstation, alokasi alat
berat dan realokasi stasiun kerja. Menurut Becker dan Scholl (2006), tugas yang
telah ditetapkan harus dipertimbangkan untuk menyeimbangkan lini jika posisi
alat berat tidak dapat dipindahkan. Jika perubahan posisi dilakukan maka akan
tercipta beberapa keterbatasan seperti keterbatasan biaya gerak dan ruang.
Masalah lain yang potensial dapat berkembang dari line balancing adalah
keseimbangan masalah paralelisasi. Paralelisasi dapat terdiri dari garis paralel,
stasiun paralel dan tugas-tugas paralel. Menurut Becker dan Scholl (2006), stasiun
paralel dapat berupa duplikasi dari operator atau stasiun yang melakukan tugas
yang sama di suatu bagian. Meskipun pendekatan ini mampu menyeimbangkan
line dalam hal siklus waktu, tapi juga dapat meningkatkan biaya operasional.
tugas-tugas paralel dapat diimplementasikan dengan menugaskan tugas yang sama
di stasiun yang berbeda untuk menyeimbangkan lini (Pinto et al, 1975.).
Pendekatan lain yang mungkin yang dapat digunakan untuk menetapkan
keseimbangan antara lini adalah dengan menggunakan garis paralel. Kendala yang
mungkin berkembang dari pendekatan ini penugasan pekerjaan pada stasiun,
alokasi masalah tenaga kerja dan jumlah baris yang harus di instal. Semua isu
perubahan harus dijaga ketat karena tingginya biaya operasional.
Tugas dan penugasan masalah terdiri dari integrasi antara kelompok bisnis
/ tugas, stasiun, serikat pekerja, dan urutan operasi. Bartholdi (1993) dan Bukchin
dan Masin (2004) menganggap penetapan pekerjaan dan stasiun tugas permanen
dengan tujuan menyeimbangkan jalur perakitan. Satu lagi karakteristik yang perlu
dipertimbangkan dalam masalah tugas tugas adalah ketidaksesuaian antara
operasi. operasi yang tidak kompatibel tidak dapat ditugaskan ke stasiun yang
sama karena operasi ini dapat meningkatkan waktu total operasi di stasiun
(Bhattacharjee dan Sahu, 1988). Selain itu, link dari operasi perlu diperhitungkan
karena beberapa tugas yang berhubungan satu sama lain dan mereka harus
ditugaskan ke stasiun yang sama (Lapierre dan Ruiz, 2004). Masalah tugas tugas
dapat mempengaruhi tugas sumber daya dan kemampuan untuk operasi masalah /
tugas (Becker dan Scholl, 2006).
TAHAP 2: Teknik Cladistics dan klasifikasi
Pada tahap ini, teknik cladistics digunakan untuk mengklasifikasikan
masalah (data sampel) yang dikumpulkan dari Tahap 1. Tujuan dari fase ini
adalah untuk menghasilkan skema klasifikasi dan untuk melakukan analisis
evolusioner untuk masalah yang sedang dibangun. Evolusi masing-masing
kelompok masalah dapat diidentifikasi secara efektif melalui diagram pohon
disebut cladogram sebuah. cladogram dikembangkan menggunakan alat untuk
analisis filogenetik disebut MacClade. MacClade adalah versi MacOSX berbasis
dan dapat digunakan sebagai editor data, pohon penampil dan perangkat analisis
untuk digunakan dengan program lain untuk analisis tabungan (cari pohon
terpendek). Berdasarkan data sampel yang dikumpulkan, karakteristik untuk
setiap masalah yang diidentifikasi dalam rangka untuk membuat tabel matriks.
Berdasarkan tabel matriks, analisis statistik, pengelompokan data, dan cladogram
itu dikembangkan inMacClade.
TAHAP 3: Pengembangan Prototipe
Tahap 3 berfokus pada pengembangan prototipe. Berdasarkan set
cladogram, semua unsur fisik yang dibutuhkan untuk membangun model simulasi
diidentifikasi. Unsur-unsur fisik utama adalah mesin, suku cadang, conveyor, dan
tenaga kerja (sumber daya). Selain itu, unsur yang dibutuhkan untuk mengukur
kinerja dari sistem (misalnya tingkat produksi, waktu throughput, WIP) juga akan
diidentifikasi. Template untuk elemen-elemen ini akan dikembangkan dengan
menggunakan modul. Modul (template) dapat digunakan kembali untuk masalah
terkait berdasarkan kebutuhan pengguna. Gambar 3 menunjukkan contoh
bagaimana informasi cladogram dijabarkan ke dalam template. Contoh ini
menunjukkan bahwa biaya operasional yang tinggi ini disebabkan tingkat
throughput yang rendah, waktu yang lama, highWIP, kemacetan dan lini tidak
seimbang.
Ambil contoh jangka panjang. Lead time dapat digunakan sebagai
indikator untuk mengukur kinerja. Dalam hal ini, sambil membantu user untuk
membangun model simulasi fisik, elemen-elemen untuk mengukur waktu,
misalnya, histogram, atribut, variabel, dll, kemudian akan tersedia. Unsur-unsur
ini kemudian dibuat sebagai modul yang dapat mudah didapat dari prototipe yang
dikembangkan. Selain itu, cladogram dapat digunakan untuk meminta orang
untuk memberikan pengguna indikasi awal untuk menyadari potensi masalah lain
yang mungkin timbul. Masalah saat ini bukanlah akar masalah karena pengguna
mungkin perlu untuk memecahkan masalah lain pertama kali untuk mengatasi
masalah saat ini secara efektif.
Graphical user interface atau panel kontrol (input user) digunakan untuk
berinteraksi dengan alat simulasi. Panel kontrol ini akan membantu pengguna
untuk membangun model dan menanamkan mengukur kinerja secara real time.
Selain itu, panel kontrol akan memberikan petunjuk langkah-demi-langkah,
panduan pengguna dalam model bangunan dan elemen pilih yang cocok untuk
pengukuran kinerja. Gambar 1.4 memperlihatkan panel kontrol yang telah
dikembangkan sebagai user interface. Panel kontrol ini memberikan panduan
kepada pengguna tentang cara menggunakan prototipe ini dan untuk menambah
logika dalam elemen Saksi. Ada empat tingkat prosedur:
1. Pengguna harus mengidentifikasi komponen fisik (unsur) yang diperlukan
untuk model simulasi.
2. Mengubah tata letak komponen berdasarkan kebutuhan pengguna jika
diperlukan.
3. Menentukan rute untuk bagian / bahan.
4. Masalah dan tolok ukur kinerja.
Gambar 1.3. Membangun Cladogram dan Membuat Template
Gambar 1.4. Pembuatan Prototipe
Gambar 1.5. Output dari Simulasi
Semua komponen fisik yang diperlukan oleh pengguna diciptakan dalam
kontrol layar. Pengguna dapat mengubah lokasi setiap komponen dan perubahan
nilai setiap komponen interaktif. Kemudian, pengguna dapat menentukan rute dari
bagian dan membuat ringkasan rute yang diletakkan pada kolom tujuan. Setiap
komponen (elemen) yang dibuat dalam prototipe ini dikembangkan sebagai
modul yang didasarkan pada model atau konsep komponen model yang reusable .
Selain itu, panel kontrol akan menawarkan ukuran kinerja yang memadai yang
mungkin diperlukan untuk setiap masalah yang muncul berdasarkan kebutuhan
pengguna. Pada titik ini, jendela lain muncul untuk memandu pengguna untuk
memasukkan input logika yang diperlukan untuk menerapkan langkah-langkah
unsur-unsur inWitness.
Gambar 1.5 menunjukkan output simulasi. Pengguna dapat mengubah
nilai setiap komponen (elemen) inWitness jika perlu. Selain itu, pengguna dapat
menjalankan dan menghentikan simulasi menggunakan panel kontrol. Pengguna
dapat menambahkan komponen lebih, mengubah jalan dan menjalankan simulasi
secara real time. Pengguna berdasarkan analisis statistik ukuran kinerja, dapat
memantau masalah secara efektif.
1.1.5. Diskusi dan Kesimpulan
Penelitian yang diuraikan dalam dokumen ini berhubungan dengan
mengembangkan metode untuk menghasilkan model simulasi yang dapat di
generalisasikan berdasarkan kesamaan dari masalah sehingga jalan pengembilan
keputusan yang harus dibuat. Sebuah prototipe juga dikembangkan untuk
menunjukkan bukti dari konsep. Cladistics diterapkan untuk mengklasifikasikan
masalah dan rincian masalah evolusi mereka jalan. Dari ini, komponen
perpustakaan telah berkembang menjadi alat simulasi yang di komersialkan..
Selain itu, pendekatan yang diusulkan dapat memfasilitasi pembentukan
model dengan memberikan peringatan lanjutan untuk pemodel tentang masalah di
masa depan yang mungkin timbul sebagai konsekuensi dari masalah lain. Selain
itu, prototipe juga dapat digunakan sebagai alat pelatihan dengan menyediakan
pengetahuan mengetahui-bagaimana dari berbagai aspek studi simulasi. Seperti
untuk pekerjaan masa depan, kerangka yang diusulkan untuk pengembangan
prototipe akan terus ditingkatkan untuk membuatnya lebih kuat dan meningkatkan
kegunaan.
1.2. Menyeimbangkan Mesin : 2 Tahap Heuristik
1.2.1. Pendahuluan
Garis pemesinan secara luas digunakan dalam industri otomotif dan
lainnya. Mereka mahal dengan investasi besar dalam instalasi dan implementasi.
Investasi ini mempengaruhi untuk sebagian besar biaya barang jadi. Oleh karena
itu, produsen baris mesin semakin tertarik untuk mengoptimasi proses desain
secara online. Tujuannya adalah untuk mengoptimalkan beberapa kriteria seperti
biaya total investasi, jumlah workstation dan biaya operasi, (alat, kekuatan
manusia, energi, dll.) Atau waktu siklus . Perhatikan bahwa profitabilitas garis
tergantung langsung pada biaya desain dan karenanya harus diminimalkan.
Dengan cara ini, optimasi telah menjadi isu penting untuk desain garis mesin.
Dalam tulisan ini, kita berurusan dengan masalah mesin keseimbangan
lintasan yang muncul dalam tahap desain awal. Kami menganggap beberapa baris
serial-paralel yang terdiri dari CNC (Computer Numerical Control) mesin. Ada
mesin sejajar pada setiap stasiun dan waktu setup antara operasi pada setiap mesin
(urutan tergantung setup-kali). Tujuan utama dari masalah line balancing adalah
untuk meminimalkan jumlah mesin untuk siklus waktu tertentu. Kami
mengusulkan dua-tahap metode heuristik untuk memecahkan masalah ini.
Karya ini dikembangkan dalam kerjasama dengan mitra industri (PCI-
SCEMM). PCI mengajukan solusi untuk bagian-bagian kompleks seperti kepala
silinder mesin. Sebuah keganjilan dari jenis garis merupakan kebutuhan bagi
menempatkan beberapa mesin secara paralel di setiap stasiun untuk menghormati
waktu siklus tertentu. karakteristik tambahan baris ini adalah bahwa ada urutan-
tergantung waktu setup di setiap stasiun. Untuk pengetahuan kita, seperti masalah
belum diteliti dalam literatur.
Machining line adalah kasus khusus dari jalur perakitan [15]. Sebuah
baris dari mesin yang dilengkapi dengan satu set mesin dimana operasi yang
berbeda dijalankan. Setiap operasi dicirikan oleh: operasi waktu, satu set operasi
yang harus didefinisikan sebelum (kendala diutamakan), satu set operasi yang
akan dilakukan pada workstation yang sama (kendala inklusi), satu set operasi
yang tidak dapat dijalankan pada sama workstation (kendala pengecualian).
Perjanjian khusus yang dikaji oleh dua faktor utama. Yang pertama adalah
kebutuhan untuk mempertimbangkan waktu non-produktif antara operasi (waktu
setup) bervariasi sesuai dengan urutan operasi yang ditugaskan. Faktor kedua
adalah kemungkinan (bahkan wajib) untuk memparalelkan aliran di setiap stasiun
menggunakan mesin paralel. Penggunaan mesin paralel menciptakan kesulitan
tambahan untuk menyeimbangkan beban, namun perlu dalam hal stasiun dengan
proces.
Buku ini terdiri dari enam bagian. Bagian 2 menyajikan keadaan seni
untuk jalur perakitan balancing masalah. Perhatian khusus diberikan kepada
masalah dengan mesin paralel atau waktu persiapan sequencedependent. Pada
Bagian 3, ada definisi lengkap dari masalah dan notasi yang digunakan. Sebuah
metode heuristik untuk perkiraan solusi masalah ini, maka diusulkan dalam
Bagian 4. Bagian 5 berurusan dengan eksperimen komputasi dan, akhirnya,
Bagian 6 memberikan kesimpulan komentar dan perspektif dari pekerjaan ini.
1.2.2. Bagian dari Seni
Negara Seni jalur perakitan masalah balancing (ALBP) telah dipelajari
secara ekstensif sejak pertama kali diterbitkan Salveson. Selain itu, sebuah studi
lengkap telah dibuat oleh beberapa peneliti dalam lima puluh tahun terakhir
dengan aplikasi yang menarik banyak ditutup. survei komprehensif untuk masalah
ini disajikan dalam [6], [9], dan [20]. Dalam [6], penulis membedakan dua isu
tradisional, yaitu perakitan garis sederhana balancing masalah SALBP dan jalur
perakitan umum balancing masalah GALBP. Metode yang tepat terutama
didasarkan pada Cabang & Bound dan pendekatan pemrograman dinamis, lihat
[1], [10], [23]. The ALBP adalah NP-hard [8]. Oleh karena itu, penelitian banyak
yang telah dihasilkan untuk memecahkan masalah dengan mengembangkan
teknik-teknik heuristik [3], [16], [18].
Di antara ekstensi diusulkan untuk SALBP, dua berkaitan dengan
masalah kita, yaitu penggunaan mesin paralel dan pertimbangan waktu setup
operasi. Sekarang kita akan menyajikan pekerjaan penelitian utama telah
mempertimbangkan dua ekstensi.
[11] adalah yang pertama kali memperkenalkan penggunaan mesin
paralel untuk ALBP. mesin paralel menjalankan operasi yang sama pada bagian
yang berbeda dari produk. Penulis menyajikan keunggulan seperti baris: waktu
non-produktif berkurang (waktu idle), waktu siklus dihormati (jika ada operasi
dengan waktu operasional melebihi waktu siklus), output meningkatkan produksi
yang dikenakan oleh mengoperasikan terpanjang dan akhirnya,, waktu
transportasi dan materi mengalir di internet telepon. Dalam [19],
menyeimbangkan masalah dengan workstation paralel dipertimbangkan. Resolusi
pendekatan terhadap masalah ini dengan algoritma cabang dan terikat diusulkan.
Tulisan ini [5] mengusulkan perpanjangan waktu untuk mempertimbangkan isu-
isu mati. Pendekatan Heuristic diusulkan dalam [4] untuk jalur multi-produk
menyeimbangkan masalah dengan workstation paralel. Artikel [17] mempelajari
jalur perakitan multi-tujuan menyeimbangkan masalah dengan waktu operasional
stokastik dan mesin paralel. Dalam [10] yang diajukan oleh penulis.
Dengan demikian, masalah line balancing dengan stasiun paralel telah
dipelajari secara ekstensif di dalam literatur sejak publikasi [19]. Beberapa metode
telah dikembangkan. Pada saat yang sama, sangat sedikit penelitian telah
dikhususkan untuk jalur perakitan menyeimbangkan masalah dengan waktu setup
sequence-dependent. Dalam tulisan ini, kami mengeksplorasi masalah baru di
mana kita mengobati kedua paralelisasi dari stasiun dan sequencedependent waktu
setup.
Baris lain masalah keluarga balancing telah dijelaskan untuk saluran
mesin yang digunakan dalam produksi massal. Garis-garis ini terdiri dari mesin
multi-spindle mana beberapa operasi dilakukan secara bersamaan dengan
menggunakan peralatan khusus (kepala multi-spindel). Masalahnya adalah
memilih para pemimpin zona dan menempatkan pekerjaan meminimalkan total
biaya (dari stasiun dan manajer zona) selama pelaksanaan semua operasi dan
menghormati semua kendala. Dalam [14], algoritma jalur lebih pendek diusulkan
untuk kasus di mana semua kepala spindle yang tersedia diketahui terlebih dahulu.
Untuk masalah yang sama di [7] dua model PID telah diusulkan dan diuji. Dalam
[13], jenis yang sama masalah dianggap tetapi di mana himpunan semua Kepala
waktu mungkin tidak diketahui sebelum optimisasi.
Setup waktu antara operasi telah dibahas pertama di [26] sebagai alat
untuk memodifikasi kedua, penulis mengusulkan suatu pendekatan kolom
generasi untuk memecahkan masalah ini. Sejak publikasi itu, ada beberapa artikel
tentang hal ini, kita hanya bisa menyebutkan [24], yang mendefinisikan masalah
urutan perakitan tergantung (SDALBP) kali setup [2] dan variabel urutan di mana
transaksi tersebut diolah, yang mengusulkan suatu pendekatan heuristik untuk
masalah ini. Usulan model MIP dan dekomposisi heuristik. Dalam [12] untuk
masalah yang sama mengembangkan dua heuristik. Masalah-masalah ini garis
transfer saldo berbeda dari mereka yang dianggap dalam makalah ini, karena tidak
ada mesin paralel dan waktu setup sebelumnya. Namun, masalahnya dianggap
dalam dokumen ini, tidak ada kepala sekrup. Operasi dilaksanakan secara
berurutan satu per satu. Akhirnya, penggunaan mesin CNC adalah khas untuk
jalur mesin yang fleksibel, tetapi dokumen penelitian yang paling dalam bidang
ini fokus pada evaluasi fleksibilitas yang diperoleh (lihat misalnya [21]), bukan
masalah keseimbangan.
1.2.3. Permasalahan
Kami menganggap masalah liene balancing adalah sebagai berikut
Operasi yang sama diduplikasi dan diprOoses secara paralel tapi pada mesin yang
berbeda dan item.N,1,2,...) operasi (operasi ditugaskan untuk k stasiun).
ditentukan oleh rencana pengolahan untuk produk akan dirancang. Bagian A ke
mesin melalui urutan stasiun kerja (kO) dalam rangka instalasi mereka. Setiap
workstation dilengkapi dengan setidaknya satu mesin berjalan dalam garis waktu
siklus (TO) dengan satu set k N 1,2, Dalam kasus di mana sebuah workstation
beban kerja melebihi waktu siklus baris, mesin paralel yang identik dapat diinstal.
Kemudian, siklus waktu setempat (TO,K) adalah sama dengan jumlah siklus mesin
waktu paralel dikalikan dengan baris.
Ada kendala pada penugasan operasi, yaitu:
1. Kendala yang diutamakan yaitu hubungan antar operasi, hubungan ni
menentukan urutan operasi yang tepat. Kami menganggap bahwa Pi
merupakan himpunan pendahulu dari operasi i.
2. Kendala pengecualian, yaitu melarang 2 operasi di stasiun yang sama.
3. Kendala dari inklusi, kebutuhan untuk melaksanakan operasi kelompok tetap
di stasiun yang sama.
4. Pengisian urutan waktu setup, Setup waktu tergantung pada urutan operasi
yang ditugaskan.
1.2.4. Metode Heuristik
Pada bagian ini, kami mengusulkan sebuah metode heuristik untuk
memecahkan masalah yang dikaji. Ini adalah heuristik dalam dua fase:
1. Fase Pertama (Algoritma 1), kami akan membuat stasiun dan menetapkan
operasi sambil memuaskan semua kendala masalah dengan menggunakan
algoritma greedy.
2. Tahap Kedua (Algoritma 2), kami kelompok stasiun dalam rangka
meminimalkan jumlah posisi saat mengambil mempertimbangkan kendala
dari masalah pengecualian. Kami akan menyajikan notasi tambahan berikut:
- M adalah bagian dari operasi yang belum ditugaskan
- Tk adalah waktu kendur (waktu yang tersedia
- Op dipilih untuk mengatur operasi untuk menjalankan stasiun
- TSI adalah waktu setup yang diperlukan untuk pelaksanaan operasi i di
urutan yang disampaikan
- Nmachine (k) adalah jumlah mesin di stasiun k
- μ0adalah pemanfaatan stasiun tingkat batas (tarif dasar maksimum)
"stasiun yang sekarang" adalah tempat kita mengatur operasi pada langkah selama
algoritma. Selama waktu ini stasiun itu tidak sepenuhnya disajikan, kita tidak bisa
membuka stasiun baru. Jika stasiun dibuka, stasiun saat ini. Algoritma yang
diusulkan menggunakan tiga daftar operasi:
1. Lp: Sebuah subset dari pendahulunya m operasi belum ditetapkan
2. Lf: Lp subset operasi yang dapat ditugaskan untuk musim ini, yaitu:
a. Waktu yang dibutuhkan untuk pelaksanaan operasi (waktu operasional
plus untuk waktu setup) kurang dari beban kerja waktu yang tersedia dari
musim saat ini,
b. Sedikitnya salah satu posisi kemungkinan operasi tersedia pada musim
saat ini,
c. Sedikitnya satu jenis potensi untuk musim sekarang adalah kompatibel
dengan penugasan operasi,
d. Tidak ada pembatasan pengecualian antara operasi dan operasi yang telah
ditetapkan untuk stasiun.
1.2.4.1. Algoritma I
Algoritma pertama mulai dan menciptakan stasiun. Pada setiap iterasi, set
Lp (Langkah 3) diperbarui. set ini berisi operasi hanya dengan semua
pendahulunya ditugaskan atau tidak sama sekali. Setelah itu, tentukan Lf
(Langkah 4) dibuat. Hal ini terdiri dari operasi yang dapat diberikan ke stasiun
hari ini, yaitu waktu operasional lebih kecil dari waktu kendur stasiun dan mereka
tidak memiliki masalah dengan pengecualian operasi telah terpengaruh untuk
stasiun ini. Jika Lf kosong (Langkah 5), stasiun baru diciptakan, Lp dan Lf
diperbarui. Jika Lf tidak kosong, itu memilih operasi yang memiliki waktu
pengoperasian terlama. Biarkan op akan operasi (Langkah 6). Kemudian, set
operasi didefinisikan LI (Langkah 7). Kemudian, kegiatan operasional ditugaskan
ke stasiun LI saat ini (langkah 9-12). Jika stasiun saat ini adalah lengkap (waktu
slack kurang dari waktu pengoperasian minimum), tetapi DSL operasi lainnya
harus ditugaskan ke stasiun saat ini (misalnya, saya operasi memiliki kendala
inklusi dengan j sudah terpengaruh, karena itu kita tidak bisa saya menetapkan ke
stasiun yang lain). Dalam hal ini, mesin paralel ke stasiun saat ini ditambahkan
(langkah 10). Jika tidak, stasiun yang baru didirikan. Algoritma ini diproses setiap
kali operasi Op dipilih untuk ditugaskan sampai semua operasi dari semua yang Li
telah diberikan.
Gambar 1.6. Algoritma I
1.2.4.2. Algoritma II
Setelah keseimbangan lintasan dengan Algoritma 1, kami mencoba untuk
meminimalkan jumlah stasiun sedangkan stasiun pengelompokan menggunakan
algoritma kedua berikut. Urutan semua operasi yang ditetapkan ke stasiun
diperiksa. Algoritma memverifikasi jika ada kendala pengecualian antara
subsequences dua stasiun berturut-turut. Jika demikian, algoritma pergi ke stasiun
berikutnya, jika tidak, maka dua stasiun dikelompokkan bersama dan diperbarui
parameter baris: stasiun waktu siklus setempat, jumlah mesin di stasiun, dan
urutan operasi telah ditetapkan, dll Pada akhir iterasi, stasiun baru untuk
memverifikasi semua masalah kendala awal. Sebuah iterasi baru dimulai dari
stasiun pertama dari baris. Algoritma akan berhenti bila kita memiliki garis iterasi
tanpa modifikasi.
Gambar 1.7. Algoritma II
1.2.4.3. Ilustrasi
Dalam rangka untuk menggambarkan prosedur yang direkomendasikan,
kami menyajikan contoh numerik dengan 10 operasi TO = 40, μ0 = 0,7. Gambar
1.6 memberikan grafik precedence dan waktu operasi. Kendala inklusi
BS sebagai performance standard yang harus dicapai oleh seorang operator
yang bekerja dalam kecepatan normal diharapkan akan mampu mencapai
angka 60 Bs per jam, dan pemberian insentif dilakukan pada tempo kerja rata-
rata sekitar 70 sampai dengan 85 Bs per jam. Sebelum Bedaux
memperkenalkan sistemnya, performance rating biasanya dilaksanakan
dengan jalan menganalisa langsung dari data waktu yang diperoleh dari
pengukuran stop watch. Sehingga apabila seorang operator bekerja dengan
tempo yang cepat, maka waktu kerjanya akan tercatat di atas waktu kerja
rata-rata yang ada dan sebaliknya. Jelas bahwa sistem Bedaux ini akan
memperbaiki metode yang dipakai sebelumnya.
2. Westing House System’s Rating
Westing House Company (1972) juga ikut memperkenalkan sistem yang
dianggap lebih lengkap dibandingkan dengan sistem yang dilaksanakan oleh
Bedaux. Disini selain kecakapan (skill) dan usaha (effort) yang telah
dinyatakan oleh Bedaux sebagai faktor yang telah mempengaruhi
performance manusia, maka westing house menambahkan lagi dengan
kondisi kerja (working condition) dan konsistensi (consistency) dari operator
di dalam melakukan kerja. Untuk itu westing house telah berhasil membuat
suatu tabel performance rating yang berisikan nilai-nilai yang berdasarkan
tingkatan yang ada untuk masing-masing faktor tersebut. Untuk
menormalkan waktu yang ada maka hal ini dilakukan dengan cara
mengalikan waktu yang diperoleh dengan pengukuran kerja dengan jumlah
keempat rating faktor yang dipilih sesuai dengan performance yang
ditunjukkan oleh operator. Sebagai contoh apabila diketahui bahwa waktu
rata-rata yang diukur terhadap suatu elemen kerja adalah 0,5 menit dan rating
performance operator adalah memenuhi klasifikasi sebagai berikut:
Keterampilan : Good (C1) = +0,06
Usaha : Good (C1) = +0,05
Kondisi Kerja : Fair (E) = -0,03
Konsistensi : Good (C) = +0,01
Jumlah : = +0,09
p = (1+0,09) = 1,09
Sehingga waktu normal untuk elemen kerja ini adalah 0,5 x 1,09 = 0,545
3. Syntetic Rating
Sintetic Rating adalah metode untuk mengevaluasi tempo kerja operator
berdasarkan nilai waktu yang telah ditetapkan terlebih dahulu. Prosedur yang
dilakukan adalah dengan melaksanakan pengukuran kerja seperti biasanya
dan membandingkan waktu yang diukur dengan waktu penyelesaian elemen
kerja sebelumnya sudah diketahui data waktunya. Perbandingan ini
merupakan indeks performance atau rating factor dari operator untuk
melaksanakan elemen kerja tersebut. Rasio untuk menghitung indeks
performance atau rating ini dapat dirumuskan sebagai:
R=P/A
dimana:
R = indeks performance atau rating factor
P = Predetermined time untuk elemen kerja yang diamati
A = Rata-rata waktu dari elemen kerja yang diukur
4. Performance Rating atau Speed Rating
Didalam praktek pengukuran kerja maka metode penetapan rating
performance kerja operator didasarkan pada satu faktor tunggal yaitu
performance speed, space atau tempo. Sistem ini dikenal dengan
“Performance Speed” atau ”Speed Rating”. Rating Factor ini umumya
dinyatakan dalam presentase atau angka desimal, dimana performance kerja
normal akan sama dengan 100% atau 1.00. Rating Factor pada dasarnya
seperti yang telah diuraikan panjang lebar diaplikasikan untuk menormalkan
waktu kerja yang diperoleh dengan pengukuran kerja akibat tempo atau
kecepatan operator yang berubah-ubah. Untuk maksud ini, maka waktu
normal dapat diperoleh dari rumus berikut:
Waktu Normal = Waktu Pengamatan X Rating Faktor(%)
100 %
Didalam prakteknya banyak terjadi penentuan waktu baku dilakukan
hanya dengan menjalankan beberapa kali pengukuran dan menghitung rata-
ratanya. Kelonggaran diberikan untuk tiga hal, yaitu:
a. Kelonggaran untuk kebutuhan pribadi
Yang termasuk ke dalam kebutuhan pribadi di sini adalah hal-hal seperti
minum sekedarnya untuk menghilangkan rasa haus, ke kamar mandi, bercerita
dengan teman sekerja sekedar untuk menghilangkan ketegangan maupun
kejemuan dalam bekerja. Besarnya kelonggaran yang diberikan untuk
kebutuhan pribadi seperti itu berbeda-beda dari satu pekerjaan ke pekerjaan
lainnya karena dianggap setiap pekerjaan mempunyai karakteristik tersendiri
dengan tuntutan yang berbeda-beda pula. Penelitian yang khusus perlu
dilakukan untuk menentukan besarnya kelonggaran ini secara tepat seperti
dengan sampling ataupun secara fisiologis.
b. Kelonggaran untuk menghilangkan rasa fatigue
Rasa fatigue tercermin antara lain dari menurunya hasil produksi baik jumlah
maupun kualitasnya. Salah satu cara untuk menentukan besarnya kelonggaran
ini adalah dengan melakukan pengamatan sepanjang hari kerja dan mencatat
pada saat-saat dimana hasil produksi menurun. Jika rasa fatique telah datang
dan pekerja harus bekerja untuk menghasilkan performance normalnya, maka
usaha yang dikeluarkan pekerja lebih besar dari normal dan ini akan
menambah rasa fatique. Oleh karena itu harus diberikan kelonggaran bagi para
pekerja untuk menghilangkan rasa lelahnya.
c. Kelonggaran untuk hambatan-hambatan tak terhindarkan
Dalam melakukan pekerjaannya, seorang operator tidak luput dari segala
hambatan-hambatan dalam pekerjaannya. Beberapa contoh dalam hambatan-
hambatan tak terhindarkan adalah menerima atau meminta petunjuk kepada
pengawas, melakukan penyesuaian-penyesuaian mesin, mengasah alat potong,
mengambil alat-alat atau bahan-bahan khusus dari gudang dan lain
sebagainya. Besarnya hambatan seperti itu sangat bervariasi sehingga perlu
diberikan sedikit kelonggaran bagi operator.
1.3.5. Metode Moodie Young7
Metode moodie young memiliki dua tahap analisis. Fase (tahap) satu
adalah membuat pengelompokan stasiun kerja berdasarkan matriks hubungan
antar-task, tidak dirangking seperti metode Helgeson-Birnie. Fase (tahap) dua,
dilakukan revisi pada hasil fase satu.
1. Fase (tahap) satu
Elemen pengerjaan ditempatkan pada stasiun kerja yang berurutan dalam lini
perakitan dengan menggunakan aturan largest-candidade terdiri atas
penempatan elemen-elemen yang ada untuk tujuan penurunan waktu. dari sini,
bila dua elemen pengerjaan cukup untuk ditempatkan di stasiun, salah satu
yang mempunyai waktu yang lebih besar ditempatkan pertama. Setelah
masing-masing elemen ditempatkan, ketersediaan elemen dipertimbangkan
untuk tujuan pengurangan nilai waktu untuk penugasan selanjutnya. Sebagai
pemisalan, matrik P menunjukkan pengerjaan pendahulu masing-masing
elemen dan matriks F pengerjaan pengikut untuk tiap elemen untuk tiap
prosedur penugasan.
2. Fase (tahap) dua
7 Gunawan. Penerapan Line Balancing dengan Metode Moodie Young untuk Meningktakan Efisiensi Lintasan Produksi Pembuatan Meja Makan Pada CV. Ahmad Jati Furniture Jepara. 2008. UNISBANK
Pada fase dua ini mencoba untuk mendistribusikan waktu menganggur (idle)
secara merata (sama) untuk tiap-tiap stasiun melalui mekanismme jual dan
transfer elemen antar stasiun. Langkah-langkah pada tahap kedua ini adalah
sebagai berikut.
a. Menentukan dua elemen terpendek dan terpanjang dari waktu stasiun dari
penyeimbangan lintasan.
b. Tentukan setengah dari perbedaan kedua nilai tujuan (GOAL)
c. GOAL = (ST max - ST min ) / 2.Menentukan elemen tunggal dalam ST
max yang lebih kecil dari kedua nilai GOAL dan yang tidak melampaui
elemen pengerjaan terdahulu.
d. Menentukan semua penukaran yang mungkin dari ST max dengan elemen
tunggal dari ST min yang mereduksi ST max dan mendapatkan ST min
akan lebih kecil dari 2x GOAL.
e. Lakukan penukaran yang ditunjukkan oleh kandidat dengan perbedaan
mutlak terkecil antara kandidat tersebut dengan GOAL.
f. Bila tidak ada penukaran atau transfer yang dimungkinkan antara stasiun
terbesar dan terkecil, mengusahakan penukaran atau transfer yang
dimungkinkan antara rank pada pengerjaan berikut : N (stasiun ranking ke
N memiliki jumlah waktu idle terbesar), N-1, N-2, N-3,…, 3, 2, 1.
Bila penukaran masih tidak mungkin, lakukan pembatasan dengan nilai GOAL