Desain parameter optimal

Desain parameter optimal untuk unit pengelasan industri manufaktur dengan metode Taguchi dan simulasi komputer Dalam industri manufaktur dengan proses yang kompleks, manajer dan insinyur mencari metode untuk menghilangkan masalah umum di lini produksi seperti kemacetan dan waktu tunggu (Zahraee, Golroudbary, Hashemi, Afshar & Haghighi, 2014). Hal ini disebabkan oleh kenyataan bahwa semua jenis masalah ini membebankan biaya tambahan pada perusahaan. Selain itu, perusahaan manufaktur berupaya untuk mempertahankan daya saingnya dengan meningkatkan produktivitas, efisiensi, dan kualitas industri manufaktur, seperti throughput yang tinggi dan pemanfaatan sumber daya yang tinggi. Hal ini dapat diperoleh dengan menemukan cara untuk mengatasi berbagai masalah industri yang mempengaruhi produktivitas sistem manufaktur seperti lead-time yang tinggi dan Work in Progress (WIP), dll. (Jahangirian, Eldabi, Naseer, Stergioulas & Young, 2010). Di sisi lain, produktivitas memainkan peran penting bagi sebagian besar perusahaan dalam mengukur efisiensi. Pada kenyataannya, ada kebutuhan penting untuk mengevaluasi berbagai faktor yang meningkatkan produktivitas dan penerapan tingkat kualitas yang tinggi, tingkat produksi yang tinggi, dan utilisasi mesin. Selain itu, sistem manufaktur mencakup kombinasi sumber daya yang rumit seperti material, tenaga kerja, dan mesin. Jadi, ketika sistem manufaktur dihadapkan pada masalah yang berkaitan dengan ketersediaan sumber daya, sulit untuk mengidentifikasi akar masalah secara akurat dan efektif dengan biaya terendah (Hatami, Zahraee, Khademi, Shahpanah & Rohani, 2014). Ada beberapa investigasi yang menyarankan pendekatan seperti desain eksperimen kepada para insinyur untuk menangani masalah ini dengan mengenali faktor-faktor penting yang telah mempengaruhi produktivitas sistem (Zahraee, Chegeni & Rohani, 2015). Bahkan, dengan menggunakan desain eksperimen kita dapat memperkirakan bagaimana perubahan variabel input mempengaruhi hasil respon eksperimen (Kelton, 1999). Selain itu, pemodelan simulasi kejadian diskrit adalah metode yang populer untuk memprediksi kinerja sistem yang kompleks dengan proses yang kompleks, khususnya sistem yang mencakup fenomena acak. Di sinilah desain eksperimen simulasi memainkan peran utama. Biasanya, proyek simulasi dilakukan dalam batas waktu dan anggaran. Dalam proyek-proyek ini sejumlah besar waktu dan sumber daya dialokasikan untuk mengembangkan dan memvalidasi model. Oleh karena itu, dalam waktu yang terbatas atau kendala anggaran, simulasi akan membantu para pengambil keputusan mensimulasikan proyek dengan cara yang hemat biaya dan tepat waktu (Sargent, 2005). Menurut studi yang telah dilakukan sebelumnya (Hatami,Cowley & Morey, 1990), menerapkan desain eksperimental dan simulasi untuk meningkatkan produktivitas menghasilkan penghematan penting. Selain itu, hasilnya akan lebih kredibel dan dapat diandalkan karena semua kemungkinan kombinasi faktor diperiksa. Juga lebih mudah untuk membenarkan rekomendasi karena proses verifikasi telah memvalidasi hasil model (Hatami et al., 1990). Di sisi lain, manajer manufaktur percaya bahwa peningkatan produktivitas adalah masalah penelitian yang penting dan ada kebutuhan untuk menerapkan pendekatan baru dengan mempertimbangkan waktu dan biaya yang mengarah pada tingkat keuntungan yang tinggi. Makalah Desain parameter optimal ini berkontribusi untuk mengintegrasikan pemodelan simulasi dengan metode statistik Taguchi, yang menganalisis dan mengoptimalkan produktivitas sistem manufaktur. Ini memperkenalkan ide baru untuk menggunakan simulasi komputer dan mengusulkan skenario yang berbeda sebagai masukan dari Taguchi. Pendekatan ini memberikan kontribusi yang berharga, karena tidak mungkin menghentikan sistem operasi atau mengubah tata letak karena kendala biaya, waktu, tenaga, dan banyak faktor lainnya. Kebaruan penelitian ini terletak pada integrasi simulasi dan metode Taguchi di Unit Pengelasan Industri Manufaktur yang akan menghasilkan model yang dapat diprediksi untuk optimasi skenario terbaik untuk jalur produksi dengan mempertimbangkan dua perspektif faktor terkendali dan kebisingan.