Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal ARMADA : Jurnal Penelitian Multidisiplin
Mohammad Fauzan Aulialdi
Universitas Pembangunan Nasional ”Veteran” Jakarta, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Monitoring dan Analisis Bottleneck Berbasis Internet of Things pada Lini Produksi Eksperimental untuk Mendukung Digitalisasi Produksi Skala Kecil Muhammad Amir Fajri; Mohammad Fauzan Aulialdi; Haikal Kamil; Vina Sari Yosephine
ARMADA : Jurnal Penelitian Multidisiplin Vol. 4 No. 7 (2026): ARMADA : Jurnal Penelitian Multidisplin, July 2026
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi 45 Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55681/armada.v4i7.3164

Abstract

Industri skala kecil membutuhkan sistem monitoring produksi yang sederhana dan terjangkau untuk mendukung digitalisasi. Namun, pencatatan data produksi masih sering dilakukan secara manual sehingga analisis bottleneck menjadi kurang efektif dan cenderung subjektif. Penelitian ini mengembangkan sistem monitoring produksi berbasis IoT pada lini produksi eksperimental menggunakan ESP32, barcode scanner, koneksi Wi-Fi, Apps Script, dan Spreadsheet sebagai media penyimpanan data berbasis cloud. Sistem digunakan untuk merekam parameter produksi berupa cycle time, idle time, throughput, dan WIP. Hasil pengujian menunjukkan bahwa sistem mampu mencatat, memproses, dan mengirimkan data produksi secara real-time dengan tingkat ketepatan yang baik, sehingga analisis performa produksi dapat dilakukan secara lebih objektif, cepat, terukur, dan mendukung pengambilan keputusan operasional. Dengan demikian, sistem yang dikembangkan memantau data produksi secara real-time, sehingga stasiun dengan cycle time tertinggi dapat diidentifikasi sebagai bottleneck utama secara objektif, sekaligus menunjukkan potensi penerapan smart manufacturing pada lingkungan produksi skala kecil.
Sistem Monitoring Produksi Digital Berbiaya Rendah untuk Analisis Waiting waste pada Lini Perakitan Eksperimental Haikal Kamil; Muhammad Amir Fajri; Mohammad Fauzan Aulialdi; Vina Sari Yosephine
ARMADA : Jurnal Penelitian Multidisiplin Vol. 4 No. 7 (2026): ARMADA : Jurnal Penelitian Multidisplin, July 2026
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi 45 Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55681/armada.v4i7.3181

Abstract

Lini perakitan konvensional pada industri kecil dan menengah masih mengandalkan monitoring produksi secara manual sehingga identifikasi waiting waste belum optimal. Kajian sistem monitoring berbiaya rendah yang menghubungkan data produksi dengan indikator Lead time dan Idle time masih terbatas untuk lingkungan industri berskala kecil. Penelitian ini bertujuan merancang dan menguji sistem monitoring produksi digital berbasis Internet of Things menggunakan ESP32, sensor infrared, barcode scanner GM66, dan cloud spreadsheet untuk mencatat data produksi secara otomatis dan real-time pada lini perakitan eksperimental. Hasil pengujian menunjukkan akurasi pembacaan sebesar 89,17% serta penurunan total Lead time dari 100,38 detik menjadi 71,27 detik dan total Idle time dari 62,32 detik menjadi 25,83 detik. Sistem ini terbukti meningkatkan visibilitas proses dan mendukung identifikasi waiting waste lebih cepat dibandingkan metode konvensional, sehingga berpotensi menjadi solusi monitoring digital yang fleksibel dan ekonomis bagi industri kecil dan UMKM.
Co-Authors Haikal Kamil Muhammad Amir Fajri Vina Sari Yosephine