PT. P adalah perusahaan industri manufaktur Indonesia yang mengkhususkan diri pada produk militer dan
komersial. MJS adalah salah satu divisi yang memproduksi peralatan kapal, air brake dan mesin industri. Pada
produksi komponen deck machinery terjadi keterlambatan produksi yang mengakibatkan komponen tidak dapat
diselesaikan sesuai batas tanggal penyerahan yang telah ditentukan. Oleh karena itu, pada penelitian ini penulis
merancang suatu penjadwalan menggunakan Multi Agent System dengan Reinforcement Learning untuk
mengurangi makespan.
Penjadwalan ini dibuat karena adanya antrian proses produksi dan idle time pada mesin-mesin di PT. P yang
mempengaruhi besarnya makespan pada produksi komponen deck machinery. Variabel inputan dalam
penjadwalan menggunakan Multi Agent System dengan Reinforcement Learning ini adalah waktu proses
(processing time), routing, jumlah job dan jumlah mesin. Dalam menjadwalkan job menggunakan Multi Agent
System dengan Reinforcement Learning, hal yang harus diperhatikan adalah pemilihan job berdasarkan aksi yang
dilakukan dan penentuan reward. Penetuan reward inilah yang nantinya akan digunakan dalam perhitungan
makespan.
Berdasarkan hasil data yang diproses, kita dapat menyimpulkan bahwa penjadwalan operasi menggunakan Multi
Agent System dengan Reinforcement Learning ini berhasil dibuat dengan merancang suatu program penjadwalan
yang dapat meminimasi makespan. Dari hasil penjadwalan usulan ini dihasilkan makespan sebesar 474,59 jam.
Makespan penjadwalan existing yang diperoleh adalah 502,33 jam, sehingga diperoleh pengurangan makespan
sebesar 5,323%. penjadwalan, multi agent system, reinforcement learning