No abstract

This research discusses the maintenance problem of a small commer­cial aircraft with propeller engine, typed ATR-72. Based on the main­­tenance records, the aircraft has average 294 routine activities that have to be monitored and done based on determined threshold interval. This research focuses on developing a meta­heuristic model to optimize the aircraft’s utility, called Crow Search Algorithm (CSA) to solve the Aircraft Maintenance Problem (AMP). The algorithm is developed and tested  whether a younger meta­heuristic method, CSA, is able to give better performance compar­ed to the older methods, Particle Swarm Optimization (PSO) and other hybri­dized method PSO with Greedy Randomized Adaptive Search Optimization (PSO-GRASP). Several experiments are performed by using parameters: 1000 maximum iteration and 600 maximum computa­tion time by using four dataset combinations. The results show that CSA can give better performance than PSO but worse than PSO-GRASP.

Aircraft Maintenance Problem (AMP) merupakan permasalahan penentuan jadwal kegiatan perawatan pesawat. AMP memiliki dua jenis kegiatan perawatan yang akan diteliti yaitu inspeksi dan continuous airworthiness maintenance programs (CAMP). Penelitian ini membandingkan kinerja antara metode Particle Swarm Optimization (PSO) dengan metode Crow Search Algorithm (CSA). Kedua metode tersebut dihibridisasikan dengan Greedy Randomized Adaptive Search Procedures (GRASP) untuk menyelesaikan AMP. Penelitian ini memiliki tujuan yaitu untuk menentukan jumlah periode yang diperlukan untuk perawatan pesawat dan menentukan tugas atau jenis inspeksi dan CAMP yang harus dilakukan dalam setiap periode serta menentukan metode yang ideal untuk menyelesaikan AMP. Permasalahan AMP sendiri merupakan permasalahan kombinatorial yang dapat dikategorikan sebagai permasalahan NP-Hard. Metode metaheuristik digunakan untuk memastikan proses optimasi dapat diselesaikan dengan waktu yang singkat. Percobaan dilakukan menggunakan 16 kondisi dengan empat dataset yang dihasilkan secara acak. Hasil percobaan komputasi menunjukkan bahwa PSO-GRASP mengungguli CSA-GRASP untuk jumlah inspeksi yang lebih tinggi.