Saoussen Krichen
Sihem Ben Jouida
Pertama kali diterbitkan tahun 2016 di Inggris Raya dan Amerika Serikat oleh ISTE Ltd dan John
Wiley & Sons, Inc.
Terlepas dari transaksi yang adil untuk tujuan penelitian atau studi pribadi, atau
kritik atau tinjauan, sebagaimana diizinkan berdasarkan Undang-Undang Hak Cipta,
Desain dan Paten 1988, publikasi ini hanya boleh direproduksi, disimpan atau
ditransmisikan, dalam bentuk apa pun atau dengan cara apa pun, dengan izin tertulis
sebelumnya dari penerbit, atau dalam hal reproduksi reprografi sesuai dengan syarat
dan lisensi yang dikeluarkan oleh PKB. Pertanyaan tentang reproduksi di luar
persyaratan ini harus dikirim ke penerbit di alamat yang kurang disebutkan:
Isi
Daftar Gambar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Daftar Tabel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
Glosarium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
Bibliografi . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Indeks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Daftar Gambar
Supply chain (SC) adalah jaringan dari berbagai entitas atau node (pemasok,
produsen, pusat distribusi, gudang, toko, dll.) Yang menyediakan material,
mengubahnya menjadi produk setengah jadi atau produk jadi, dan mengirimkannya ke
pelanggan untuk memenuhi permintaan pasar. Antara lain, dua faktor utama yang
menjadi ciri simpul SC: permintaan dan kapasitas produktif. Definisi parameter-
parameter ini biasanya membutuhkan usaha yang besar dalam hal pengumpulan data.
Akibatnya, manajemen informasi yang berkaitan dengan permintaan dan kapasitas
produktif adalah tugas yang sangat kompleks yang ditandai dengan sejumlah besar
masalah kritis: kebutuhan pasar (volume dan rentang produksi), proses industri
(waktu henti mesin dan moda transportasi) dan persediaan (kualitas suku cadang dan
jadwal pengiriman). Permintaan pasar dan kapasitas produktif juga menghasilkan
aliran barang dan keuangan menuju dan dari node SC. Tak perlu dikatakan,
manajemen SC menangani masalah-masalah yang disebutkan di atas, mempelajari
dan mengoptimalkan aliran material, informasi dan keuangan di sepanjang SC. Tujuan
utama dari seorang manajer SC adalah untuk menjamin arus barang dan informasi
yang benar di seluruh node SC untuk memastikan barang yang tepat berada di tempat
yang tepat pada waktu yang tepat.
1
Pendahuluan dalam
Pengambilan Keputusan
1.1. pengantar
Supply chain (SC) adalah kerangka kerja yang mengumpulkan berbagai entitas komersial
yang dianggap efektif dalam operasi perencanaan dan kegiatan penghematan biaya . Kami
mencoba di bab ini untuk mendefinisikan konsep utama yang digunakan dalam SC dan yang
terkait dengan pengambilan keputusan antara beberapa entitas SC, yang umumnya dipandang
sebagai tindakan yang harus ditangani dan dijadwalkan oleh manajer. Proses
pengambilan keputusan dimulai dengan mendefinisikan dan menyatakan masalah. Kemudian,
perancang masalah harus dapat menggambarkan fitur masalah yang menjadi ciri pernyataan
yang disebutkan di atas untuk memilih pendekatan solusi yang sesuai. Seperti yang
diilustrasikan pada Gambar 1.1, ada dua kategori utama pendekatan solusi: pendekatan
optimasi dan pendekatan teori permainan. Setelah pendekatan solusi dipilih, itu harus
dievaluasi dengan menggunakan metrik yang dirancang secara khusus. Simulasi kemudian
dilakukan untuk menghasilkan studi banding dari pendekatan solusi.
Sisa dari bab ini diatur sebagai berikut. Di bagian 1.2, kami menjelaskan
masalah pengambilan keputusan . Bagian 1.3 membahas pemodelan
pengoptimalan masalah keputusan. Bagian 1.4 menyajikan pemodelan teori
permainan untuk masalah pengambilan keputusan.
Bergantung pada komponen ini, kami dapat menunjukkan pendekatan solusi yang
memecahkan masalah pengambilan keputusan . Untuk itu, dibutuhkan pengambil
keputusan (DM) untuk mempelajari kompleksitas masalah agar dapat
mengidentifikasi kelas dimana masalah deicison berada. Kami dapat menunjukkan
dua pendekatan solusi utama untuk masalah keputusan: optimasi atau pendekatan
teori permainan.
nilai solusi yang sesuai dengan optima lokal z (x). Dalam kasus ini, tidak ada
pertimbangan batasan sistem maupun kisaran solusi x.
Dari sudut pandang teori permainan, kami menunjukkan dua kelas utama:
1) permainan kooperatif yang memodelkan proses pengambilan keputusan kolaboratif
di mana sekelompok pemain (pembuat keputusan) dapat mengoordinasikan tindakan mereka
dan berbagi kemenangan mereka. Faktanya, teori permainan kooperatif membahas
bagaimana pemain dapat menyinkronkan keputusan mereka dan membagi rampasan setelah
mereka membuat perjanjian yang mengikat;
2) permainan non-kooperatif yang menangani masalah dengan banyak pembuat
keputusan di mana masing-masing harus memilih di antara berbagai opsi dari beberapa
kemungkinan pilihan. Namun, preferensi yang dimiliki setiap pengambil keputusan atas
tindakannya bergantung pada tindakan orang lain. Jadi, tindakannya tergantung pada
keyakinannya tentang apa yang orang lain mau lakukan. Ide utama non-kooperatif teori
permainan dengan demikian untuk menganalisis dan memahami seperti multi-orang
pengambilan keputusan proses.
Masalah pengoptimalan adalah spesifikasi formal dari sekumpulan proposal yang terkait
dengan kerangka kerja spesifik yang mencakup satu pembuat keputusan, satu atau beberapa
tujuan yang akan dicapai dan sekumpulan batasan struktural. Struktur yang mungkin dari
pemodelan pengoptimalan ditunjukkan pada Gambar 1.2. Optimasi telah dipraktekkan di
berbagai bidang studi karena menyediakan alat utama untuk pemodelan dan pemecahan
masalah yang kompleks dan sulit. Sepanjang tahun 1960-an, formulasi pemrograman integer
dan
pendekatan perkiraan mendapat perhatian yang cukup besar sebagai alat yang
berguna dalam memecahkan masalah pengoptimalan. Bergantung pada struktur
masalah dan kompleksitasnya, pendekatan solusi yang tepat diusulkan untuk
menghasilkan solusi yang tepat dalam waktu komputasi yang wajar. Beberapa studi
optimasi dirumuskan sebagai masalah yang tujuannya adalah untuk menemukan
solusi terbaik, yang sesuai dengan nilai minimum atau maksimum dari satu fungsi
tujuan. Tantangan memecahkan masalah kombinatorial terletak pada kompleksitas
komputasi mereka karena kebanyakan dari mereka adalah NP-hard [GAR 79].
Kompleksitas ini terutama dapat diekspresikan dalam kaitannya dengan hubungan
antara ruang pencarian dan kesulitan untuk menemukan solusi. Ruang pencarian
dalam masalah optimasi kombinatorial bersifat diskrit dan multidimensi. Dimensi
ruang pencarian sangat memengaruhi kompleksitas masalah keputusan.
1.3.1. Notasi
Simbol Deskripsi
n jumlah variabel keputusan
k jumlah tujuan
x = (x 1 ,.., x n ) T vektor variabel keputusan
c (p, n) matriks biaya
SEBUAH matriks kendala
B keterbatasan sumber daya
EO himpunan solusi yang efisien dalam ruang objektif
ED kumpulan solusi yang efisien dalam ruang keputusan
M ax px [1.1]
StAx B [1.2]
xX [1.3]
di mana x = (x 1 , ...,., x n ) T menunjukkan vektor variabel keputusan, p, b dan A
masing-masing adalah vektor konstan dan matriks koefisien.
Masalah pengoptimalan dapat diklasifikasikan dalam hal sifat dari fungsi tujuan
dan sifat kendala. Bentuk khusus dari fungsi tujuan dan kendala memunculkan model
khusus yang dapat secara efisien memodelkan masalah yang diteliti. Dari sudut
pandang ini, berbagai jenis model pengoptimalan dapat disorot: masalah
pengoptimalan linier dan nonlinier, masalah pengoptimalan tunggal dan multi-sasaran,
serta model pemrograman kontinu dan kombinatorial. Berdasarkan fitur-fitur tersebut,
kami harus mendefinisikan poin-poin berikut:
- Jumlah pengambil keputusan: jika satu DM terlibat, masalah yang
ditangani adalah masalah optimisasi. Jika tidak, kami prihatin dengan
permainan yang bisa kooperatif atau non-kooperatif, tergantung pada sudut
pandang DM.
6 Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer
- Jumlah tujuan: ini menentukan sifat solusi yang akan dihasilkan. Jika hanya satu
tujuan yang dibahas dalam masalah keputusan, solusi terbaik sesuai dengan solusi
optimal. Namun, jika lebih dari satu tujuan dipertimbangkan, kami akan menghasilkan
serangkaian solusi yang efisien yang sesuai dengan beberapa pertukaran antara
tujuan yang diteliti.
- Linearitas: jika tujuan dan batasannya linier, masalah pengoptimalan dikatakan linier.
Dalam hal ini, pendekatan solusi khusus dapat diadaptasi sebagai metode simpleks. Jika
tidak, masalahnya adalah nonlinier, di mana resolusi menjadi lebih kompleks dan ruang
keputusan tidak cembung.
- Sifat variabel keputusan: jika variabel keputusan adalah bilangan bulat,
kita berurusan dengan masalah optimasi kombinatorial.
M kapak 2x 1 + x 2
M kapak 2x 1 + x 2
x 1 + 5x 2
St 5x 1 + 7x 2 100 (x 1 , x 2 ) = (1, 1) z
KEPUTUSAN BINER St 5x 1 + 7x 2 100
x1 3x 2 80 (x) = 3
VARIABEL x1 3x 2 80
x{ 0, 1}
x{ 0, 1}
E D = {(1, 1)}
3
EO={6 }
Teori permainan telah menjadi alat penting dalam bidang pengambilan keputusan .
Memang, ini dianggap sebagai cara alternatif yang mencapai tujuan penghematan biaya . Ini
diwujudkan dengan menggunakan berbagai skema kolaborasi. Skema semacam itu mencoba
membentuk koalisi pemain untuk meminimalkan atau memaksimalkan tujuan tertentu.
Pembentukan koalisi
Masalah (CFP) mencakup dua gagasan sosial perilaku dasar: konflik (persaingan) dan
kerjasama. Dengan demikian, teori permainan dibagi menjadi dua jenis: teori
permainan non-kooperatif dan teori permainan kooperatif. Dalam teori non-kooperatif ,
permainan adalah model terperinci dari semua gerakan yang tersedia bagi para
pemain. Namun, preferensi yang dimiliki setiap pengambil keputusan atas
tindakannya bergantung pada tindakan orang lain. Sebaliknya, teori kooperatif
memisahkan diri dari tingkat detail ini, dan hanya menjelaskan hasil yang dihasilkan
ketika para pemain berkumpul dalam kombinasi yang berbeda [BRA 07]. Setelah jenis
teori permainan ditentukan, keputusan setiap pemain untuk bergabung dengan koalisi
atau tidak didasarkan pada pembayaran bersama yang dihasilkan karena
pembentukan koalisi terkait dengan pembayaran individualnya. Pembayaran bersama
ini dihitung menggunakan metode alokasi. Tujuan utama dari teori permainan adalah
untuk menemukan struktur koalisi yang stabil di mana tidak ada pemain yang
berkepentingan untuk menyimpang dari koalisi.
1.4.1. Notasi
Simbol Deskripsi
v (S) fungsi pembayaran
n jumlah pemain
S bagian dari koalisi
N = {1, 2, ..., n} kumpulan pemain
saya indeks pemain
Misalkan N = {1, 2, ..., n} adalah sekumpulan pemain terbatas dengan kerja sama yang
berbeda
kemungkinan. Setiap subset SN mengacu pada setiap koalisi atau aliansi yang
terbentuk. Kami ingat bahwa koalisi adalah sekelompok pemain yang menyinkronkan
strategi dan
tujuan. Jumlah koalisi adalah 2 n 1. Untuk setiap S, S mengacu pada jumlah agen
dalam koalisi. v (S) adalah fungsi karakteristik yang mengaitkan bilangan real dengan
setiap koalisi S yang dapat diartikan sebagai nilai maksimum penghematan biaya
yang akan dibagi oleh anggota S di antara mereka sendiri. Dengan adanya koalisi S,
kami mendefinisikan alokasi: (x 1 , x 2 , ..., x n ) sebagai pembagian dari keseluruhan
nilai yang dibuat. Itu
menentukan untuk setiap pemain i S bagian pembayaran x i yang akan
diterima pemain ini ketika dia bekerja sama dengan pemain lain. Berikut
beberapa fitur alokasi yang kami berikan:
Semua karya yang dibuat membahas CFP dalam dua fitur utama:
superadditivitas dan non-superadditivitas. Sebuah permainan menjadi
superaditif jika masing-masing dua subkelompok pemain menerima paling
tidak saat bekerja sama seperti halnya dengan bertindak secara individu.
Karenanya, langkah CSG jelas akan melahirkan koalisi besar.
Tabel 1.1 melaporkan penelitian utama yang membahas CFP. Pekerjaan ini
berkaitan dengan penyelesaian langkah CSG atau langkah PD. Kami
melanjutkan penelitian ini dengan menangani kedua fitur masalah (CSG dan
PD) terutama untuk game non-superadditif .
[GIL 59]
[AUM 74]
[SHA 53]
Hart (1997)
x i υ ({i}) i N [1.4]
2) Rasionalitas koalisi: vektor pembayaran x = (x 1 , .., x n ) dikatakan
rasional koalisional jika memenuhi:
x i υ (S) S N [1.5]
i S
Ekuilibrium Nash: ini adalah konsep fundamental dalam teori permainan dan
metode yang paling banyak digunakan untuk memprediksi hasil interaksi strategis
dalam ilmu sosial. Sebuah game terdiri dari tiga elemen berikut: satu set pemain,
serangkaian tindakan yang tersedia untuk setiap pemain dan fungsi pembayaran (atau
utilitas) untuk setiap pemain. Fungsi pembayaran menunjukkan preferensi setiap
pemain atas profil tindakan, di mana profil tindakan hanyalah daftar tindakan, satu
untuk setiap pemain. Sebuah murni strategi Nash equilibrium merupakan tindakan pro
fi le dengan properti yang tidak ada pemain tunggal dapat memperoleh hasil yang
lebih tinggi dari penyimpangan secara sepihak dari ini pro fi le.
Stabilitas inti: untuk mendefinisikan inti, beberapa notasi tambahan akan berguna.
Untuk apapun
subset S dari himpunan pemain N, misalkan x (S) = i S x (i). Dengan kata lain,
istilah x (S) menunjukkan jumlah nilai yang diterima oleh masing-masing
pemain i di subset S.
D E FI NISI 1. 1 A NALLOC AT ION .– (x 1 , x 2 , ..., x n ) secara kolektif rasional jika
x (S) v (S) untuk semua i.
sekelompok pemain sebaiknya membuat koalisi terpisah, S, dan membagi nilai v (S) sendiri.
Ini tidak akan terjadi di bawah alokasi inti. Singkatnya, inti memiliki interpretasi yang menarik
bahwa total nilai yang dibuat dialokasikan sedemikian rupa sehingga tidak ada kelompok
pemain yang memiliki insentif untuk meninggalkan sistem (koalisi besar N) dan membentuk
koalisi terpisah karena mereka secara kolektif menerima setidaknya sebanyak mungkin nilai
yang bisa mereka peroleh untuk diri mereka sendiri sebagai koalisi. Koalisi besar kemudian
kebal terhadap penyimpangan koalisi, konsep ini disebut stabilitas inti.
D E FI NITION 1. 3 T HEGRANDC OA LITION N.– Ini dikatakan stabil atau stabil inti
jika memiliki inti yang tidak kosong .
Pada bagian ini, kami mengalihkan perhatian kami untuk menjelaskan tiga
aturan alokasi yang kami gunakan di sisa disertasi. Ini termasuk alokasi yang
sama, alokasi proporsional dan alokasi nilai Shapley.
Ada solusi unik bernilai tunggal untuk game yang memuaskan efisiensi, simetri, aditifitas,
dan dummy. Fungsi yang menetapkan ke setiap pemain i hasil [SHA 53]:
(S 1)! (N S!)
Sh (N, v) (i) =
(v (s) v (si)) [1.8]
N!
sayaS
v (N)
v (i) = [1.9]
n
Alokasi proporsional: cara sederhana lain untuk mengalokasikan tabungan adalah
dengan mendistribusikannya secara proporsional dengan masukan awal (kontribusi)
dari pemain yang berbeda. Misalnya, pertimbangkan permainan tabungan (N, v)
sehingga v (S) = ( i S C (i) / C (S)) untuk setiap koalisi S, fungsi C adalah fungsi
karakteristik biaya. Penghematan dapat dialokasikan secara proporsional dengan
biaya yang berdiri sendiri (biaya individu) dari setiap pemain. Protokol pembagian ini
disebut aturan proporsional berbasis biaya . Setiap pemain yang saya dapatkan,
v (i)
v (N)
v (i) = jS v (j) [1,10]
1.6. Kesimpulan
Kami menguraikan dalam bab ini konsep utama yang terkait dengan proses
pengambilan keputusan . Karena itu, kami menunjukkan dua kelas utama masalah
pengambilan keputusan , dalam hal jumlah DM yang terlibat. Untuk DM tunggal, kami
telah mensurvei alat paling penting yang menjadi ciri resolusi dari kelas yang dilihat
sebagai masalah pengoptimalan yang dapat mengatasi satu atau beberapa tujuan
yang tunduk pada kendala struktural. Penyelesaian masalah pengoptimalan
bergantung pada banyak fitur, terutama kompleksitas masalah dan ukurannya.
Alternatifnya, jika beberapa DM terlibat dalam masalah keputusan, pemodelan
masalah sesuai dengan permainan yang bisa kooperatif atau non-kooperatif,
tergantung pada sudut pandang pemain. Kami membahas beberapa konsep stabilitas
yang terkait dengan teori permainan. Kami juga merinci, untuk permainan kooperatif,
perlunya pembentukan koalisi dan insentif untuk membentuk koalisi yang diikuti oleh
banyak protokol pembagian pembayaran. Semua konsep tersebut akan digunakan
dalam bab-bab berikutnya yang berfokus pada aktivitas rantai pasokan yang
melibatkan DMS tunggal atau ganda.
2
Pengantar Supply
Rantai manajemen
2.1. pengantar
Manajemen rantai pasokan (SCM) adalah proses pengambilan keputusan yang mengelola
berbagai aktivitas yang menghasilkan keuntungan menguntungkan bagi pemasok, pengecer,
dan pelanggan yang terlibat. Selain itu, perencanaan kegiatan yang efisien dapat
menguntungkan pengembangan produk, pengadaan, produksi, logistik dan semua aliran yang
dapat menghubungkan kegiatan tersebut. SCM juga dapat dilihat sebagai proses
mengoptimalkan serangkaian keputusan yang menghasilkan solusi hemat biaya yang
menyediakan rencana yang efisien untuk bertindak di berbagai tingkatan sambil
mempertimbangkan semua sudut pandang pengambilan keputusan .
Oleh karena itu, SCM dapat didefinisikan sebagai rangkaian kegiatan yang
digunakan untuk secara efisien mengintegrasikan berbagai elemen rantai
pasokan (SC), yang melibatkan pemasok, pengecer dan pelanggan, sehingga
produk diproduksi dan didistribusikan dengan jumlah yang tepat, ke lokasi dan
lokasi yang tepat. pada waktu yang tepat, untuk memaksimalkan perolehan
sistem sekaligus memenuhi persyaratan tingkat layanan .
Sisa dari bab ini diatur sebagai berikut. Di bagian 2.2, kami mendefinisikan
elemen utama di SC, bagian 2.3 mendefinisikan aktivitas utama di SC dan
bagian 2.4 menguraikan tingkat keputusan di SCM.
Efisiensi dan kinerja SC ditentukan oleh kebutuhan setiap entitas yang terlibat dalam
jaringan suplai, untuk menurunkan biaya dan meningkatkan produktivitasnya. Kebutuhan ini
bergantung pada cara setiap entitas membangun dan mengoperasikan fungsi pasokannya.
Gambar 2.1 menyajikan SC sebagai jaringan distribusi semua entitas dan fungsi,
yang terlibat dalam pemindahan produk dari pemasok ke pengecer, melalui gudang
hingga akhirnya berakhir dengan pelanggan. Jaringan tipikal mungkin melibatkan
berbagai fungsi untuk memenuhi permintaan pelanggan. Setiap fungsi cocok menjadi
satu atau lebih entitas SC dan memiliki peran untuk dimainkan di masing-masing.
Oleh karena itu, konsep SCM terutama didasarkan pada upaya kumulatif semua
entitas untuk mengoptimalkan fungsi-fungsi tersebut dan untuk secara efisien
menjangkau pelanggan akhir. SCM, oleh karena itu, adalah manajemen aktif dari
fungsi SC untuk memaksimalkan nilai pelanggan dan mencapai keunggulan
kompetitif yang berkelanjutan sambil tetap hemat biaya. Ini mewakili upaya sadar oleh
semua entitas untuk mengembangkan dan melaksanakan SC dengan cara yang paling
efektif. Gambar 2.1 menguraikan aktivitas utama yang dapat diselesaikan dalam SC,
seperti pemesanan, pergudangan, inventaris, dan pengiriman. Penting untuk dicatat
bahwa pengelolaan kegiatan SC yang efektif sangat berkontribusi pada minimalisasi
biaya yang dikeluarkan oleh entitas SC. Entitas di SC didefinisikan sebagai pembuat
keputusan yang mengelola empat fungsi yang dijelaskan sebelumnya. Pada Gambar
2.1, tiga entitas relevan yang membentuk SC dirinci.
Gambar 2.1. Struktur rantai pasokan
c j = p j q, q IN [2.1]
Selanjutnya, kumpulan pemasok dikarakterisasi dengan biaya pembelian
berikut, dengan jumlah q yang akan dipesan:
Pemasok 1 c1=p1 q
Pemasok 2 cp=p2 q
. Setiap pemasok harus menyesuaikan harganya
.
.
Pemasok m cm=pm q
Singkatnya, terlihat bahwa jika harga yang ditawarkan oleh pemasok tidak
tergantung pada kuantitas yang dipesan, tidak perlu pembentukan koalisi.
E X Cukup 2. 1.– Contoh harga pembelian satu kali tembakan
Mari kita pertimbangkan SC berukuran (2, 3) yang melibatkan satu set
pemasok m = 2 dan n = 3 pengecer.
Pemasok 1 c 1 = 1 q
Pemasok 2 harus menyesuaikan harganya
Pemasok 2 c p = 2 q
Pemasok 1
Pengecer 1 2 3
Kuantitas 30 100 50
pj jika q = 0
cj=pj ej q jika 0 <q <Q max [2.3]
C min jika q Q maks
dimana: Q max dinyatakan sebagai:
Q maks = p j C min [2.4]
ej
50 jika q = 0
c j = 50 0,005 q jika 0 <q <Q max
43.5 jika q Q maks
dimana
Pengecer 1 2 3
Kuantitas 500 400 400
Pada bagian berikut, kami merinci semua aktivitas yang disajikan pada Gambar 2.1.
6 kemungkinan
Ciri-ciri ini memunculkan enam varian masalah yang berbeda dalam tugas
yang akan ditangani baik secara individu maupun dengan membentuk koalisi,
guna meminimalkan total biaya pemesanan. Oleh karena itu, masalah
pengurutan terdiri, umumnya, dari himpunan bagian dari rangkaian langkah-
langkah berikut:
- pemilihan pemasok;
- kolaborasi;
- peluncuran pesanan.
Sebuah) b)
Masalah pergudangan, dalam versi dasarnya, terdiri dari pemilihan jumlah minimum
gudang yang identik untuk memuat satu set produk, mengingat bobot dan nilainya. Beberapa
kendala, seperti kapasitas tempat sampah variabel dan kompatibilitas gudang, dapat
ditambahkan ke masalah pergudangan sehingga memunculkan banyak varian yang
memodelkan studi kasus nyata. Dengan kata lain, mengingat sejumlah gudang pribadi dan
menghadapi berbagai permintaan pelanggan, pengecer bertujuan untuk menemukan strategi
pergudangan terbaik yang meminimalkan jumlah gudang bekas dan biaya pergudangan
secara keseluruhan. Gambar 2.3 merupakan ilustrasi masalah pergudangan.
2.3.3. Masalah transportasi
Di area SCM, masalah transportasi terkait dengan penentuan rute optimal untuk
kendaraan yang pergi dari satu atau lebih pusat distribusi ke satu set lokasi
pelanggan. Masalah-masalah ini dikenal sebagai masalah perutean kendaraan (VRP)
dan memiliki kepentingan ekonomi yang fundamental dalam bidang distribusi dan
SCM. Tujuan utama VRP adalah untuk memberikan satu set pelanggan dengan
permintaan yang diketahui sambil meminimalkan biaya transportasi dan menghormati
waktu pengiriman yang diharapkan oleh pelanggan. Karenanya, VRP terdiri dari
menemukan satu set rute untuk kendaraan identik K yang dimulai dan berakhir di
pusat distribusi. Dengan melibatkan kendala dan persyaratan tambahan pada
konstruksi rute, berbagai varian VRP akan didefinisikan. The capacitated VRP (CVRP)
adalah versi yang paling banyak ditangani yang melibatkan sekumpulan
kendaraan ditentukan oleh kapasitas berat. VRP dengan jendela waktu (VRPTW),
memaksakan ambang batas waktu pengiriman yang telah ditetapkan, harus
memenuhi persyaratan pelanggan. VRP dengan pick-up and delivery (PDP)
berbeda dari VRP klasik dalam arti bahwa barang harus diambil dan dikirim
dalam jumlah tertentu di rute. Akhirnya, VRP penerbangan heterogen (HVRP)
dicirikan oleh kapasitas yang berbeda untuk set kendaraan.
Masalah menantang yang melibatkan tiga entitas utama SC (pemasok, pengecer dan
pelanggan) adalah masalah inventaris yang solusinya dimulai dengan studi mendalam
tentang permintaan pelanggan untuk jumlah yang sesuai untuk dipesan sambil
memperhitungkan jumlah yang ada di gudang yang sesuai. Oleh karena itu, kami dapat
menyimpulkan masalah manajemen persediaan menjadi masalah utama yang dapat
ditangani dalam hal output masalah pemesanan, pergudangan dan transportasi. Faktanya,
masalah manajemen persediaan di dalam SC memainkan peran penting karena sangat
mempengaruhi kinerja SC. Lee [LEE 93] menganggap pengendalian inventaris sebagai satu-
satunya alat untuk memastikan stabilitas, ketahanan, dan efisiensi SC dalam arti bahwa
penghitungan semua elemen yang dipesan adalah online dengan jumlah yang disimpan,
permintaan pelanggan, dan biaya pengiriman. Mengenai semua komponen tersebut, masalah
manajemen inventaris berdampak positif pada keberlanjutan SC. Berdasarkan konsep
tersebut, tujuan dari manajemen inventaris SC adalah untuk memuaskan pelanggan
Pengantar Manajemen Rantai Pasokan 21
tuntutan dengan meningkatkan kualitas dan tingkat layanan sementara pada saat
yang sama menurunkan biaya total. Persediaan mempengaruhi biaya dan kinerja SC
dalam hal:
- nilai terikat, bahan mentah memiliki nilai lebih rendah dari produk jadi;
- derajat, eksibilitas, bahan mentah memiliki eksibilitas yang lebih tinggi daripada
produk jadi karena dapat dengan mudah diadopsi untuk proses produksi yang
berbeda;
- tingkat daya tanggap, misalnya pengiriman produk dapat dilakukan tanpa waktu tunggu
yang ketat, sedangkan transformasi bahan baku biasanya memerlukan waktu tunggu yang
ketat.
Lingkungan ekonomi baru-baru ini dicirikan oleh tekanan yang meluas terhadap
globalisasi dan daya saing. Yang terakhir telah membuat pertukaran informasi antara
entitas yang terlibat dalam SC sebagai tugas penting yang mempengaruhi kinerjanya.
Faktanya, entitas harus disesuaikan dengan model bisnis baru dan memikirkan
kembali peran dan posisi mereka mengingat kemungkinan menggunakan dan
bertukar data besar untuk meningkatkan kinerja SC. Untuk itu, berbagai upaya telah
dilakukan untuk membuat dan mengatur solusi sistem informasi pusat. Misalnya,
sistem informasi berbasis cloud merupakan alternatif yang lebih baik untuk
membangun dukungan teknologi informasi untuk SCM [SCH 12]. Dukungan informasi
tersebut terutama didasarkan pada sistem pendukung keputusan (DSS) yang
memberikan perspektif pasar terkini tentang komputasi awan dan SC dari posisi
logistik dan dari perspektif industri perangkat lunak. Ini menguraikan potensi
arsitektur DSS untuk mengevaluasi SCM. Berdasarkan pembahasan di atas, banyak
aplikasi ilmu komputer dalam SC harus ditunjukkan:
Keputusan strategis biasanya dibuat dalam jangka waktu yang lama. Pada tingkat
strategis, setiap entitas di SC memutuskan jumlah, lokasi dan misi fasilitas untuk
beroperasi dan memilih portofolio pemasok yang akan digunakan untuk merancang
jaringan pasokan yang menciptakan nilai [KLI 10]. Ini terkait erat dengan strategi
perusahaan dan memandu kebijakan SC dari perspektif desain. Keputusan strategis
juga dapat mencakup keputusan yang terkait dengan infrastruktur informasi dan
teknologi yang mendukung operasi SC, dan kemitraan strategis.
Ketika jaringan suplai dirancang oleh entitas dan menjadi operasional, itu
dikelola untuk menanggapi, secara taktis dan operasional, permintaan
pelanggan melalui proses perencanaan dan pengendalian. Keputusan taktis
(atau jangka menengah) mencakup keputusan perencanaan yang bertujuan
untuk menyeimbangkan biaya dan kapasitas. Keputusan tersebut meliputi
produksi (kontrak, lokasi, penjadwalan dan definisi proses perencanaan),
inventaris (kuantitas, lokasi dan kuantitas inventaris), kontrak pengadaan, dan
keputusan pembelian lainnya.
2.5. Kesimpulan
Bab ini menguraikan komponen utama yang mendefinisikan jaringan SC, yaitu
entitas dan aktivitas di dalam SC. Kami mulai dengan memberikan penjelasan singkat
tentang berbagai elemen jaringan SC. Setelah itu, kami fokus pada kegiatan SC
koperasi. Bagian terakhir dari bab ini dikhususkan untuk tingkat keputusan pasokan
utama. Pada Bab 3, kami akan merinci masalah pemesanan di SCM.
3
Masalah Pemesanan
3.1. pengantar
Pemesanan mengacu pada perkiraan produk, baik untuk penggunaan internal atau
untuk distribusi, untuk memenuhi kebutuhan pelanggan akhir eksternal . Proses
pemesanan terdiri dari pertanyaan-pertanyaan berikut: jenis produk apa yang akan
dipesan, berapa banyak yang dibutuhkan, dan kapan serta dimana produk tersebut
akan dibutuhkan. Ini juga menentukan di mana dan kapan harus mencari produk dan
berapa banyak persediaan yang harus dibawa. Manajemen fungsi pemesanan harus
memperhatikan batasan jaringan logistik dan rantai pasokan, seperti kapasitas
gudang, opsi transportasi, dan waktu tunggu. Banyak perluasan masalah pemesanan
telah dieksplorasi dan dibedakan berdasarkan jumlah tingkat dalam rantai pasokan
dan jumlah pelaku di setiap tingkat. Tabel 3.1 membagi masalah pemesanan dalam
dua komponen utama, yaitu jumlah pemasok (satu atau beberapa) dan jumlah
pengecer (satu atau beberapa). Oleh karena itu, kami membahas empat jenis
masalah. Untuk setiap jenis, masukan masalah ditampilkan dan disesuaikan dengan
cara berikut:
Kolaborasi
Satu pemasok (a, p, d, h) → EOQ (a, p, d i , h i ) EOQ
Pemilihan pemasok
Pemilihan pemasok
Banyak pemasok (a j , p j , d, h) EOQ (a j , p j , d i , h i ) Kolaborasi
EOQ
3.2. Terminologi
TC = PC + OC + HC [3.1]
Masalah pemesanan satu pemasok / satu pengecer didasarkan pada sistem pengambilan
keputusan terdistribusi yang memiliki dua tingkat hierarki (misalnya antara pemasok dan
perusahaan / perusahaan atau produsen dan pemasok). Ini melibatkan tawar-menawar antara
unit pembuat keputusan terkait untuk mencapai hasil yang tidak dapat dicapai dengan bekerja
secara terpisah [WAN 04]. Gambar 3.1 menyajikan tautan hierarki dalam rantai pasokan yang
terdiri dari satu pemasok dan satu perusahaan. Dalam hal perencanaan hierarki, pemasok
mewakili tingkat atas sedangkan perusahaan mewakili tingkat yang lebih rendah dalam
proses pengambilan keputusan .
Kedua unit pengambilan keputusan ini dihubungkan melalui aliran produk dan
informasi yang terhubung baik di tingkat strategis, taktis atau operasional dalam
rantai pasokan. Namun, pada tingkat strategis, desain keseluruhan dari jaringan suplai
Masalah Pemesanan 27
tercapai [GEO 95], sedangkan pada tingkat taktis kami memiliki perencanaan
keputusan pengisian ulang yang mengatur hubungan konkret antara mitra
rantai pasokan [TSA 99, CAC 99]. Akhirnya, pada tingkat operasional, aliran
material dan informasi saat ini benar-benar dioperasikan [HEN 97].
Gambar 3.1. Rantai pasokan dengan satu pemasok dan satu pengecer
Tujuan dari setiap perusahaan adalah untuk memutuskan berapa banyak unit yang
akan dipesan dan kapan memaksimalkan keuntungan totalnya. Kebijakan Economic
Order Quantity (EOQ) dipandang sebagai model yang ampuh untuk mencapai tujuan
tersebut. Model ini dipelajari pertama kali karena kesederhanaan dan kinerjanya
dalam mempertimbangkan trade-off antara biaya pembelian, pemesanan dan
penyimpanan dalam memilih kuantitas yang akan digunakan dalam pengisian barang.
Keunggulan lainnya adalah model memberikan solusi optimal dalam bentuk tertutup.
Hal ini memungkinkan kami memperoleh wawasan tentang perilaku sistem. The
bentuk tertutup solusi ini juga mudah untuk menghitung. EOQ tersebut ditulis sebagai
berikut:
Masukan Keluaran
d: Kuantitas permintaan tahunan q: Kuantitas pesanan optimal
a: Biaya tetap per pesanan m: Jumlah pesanan optimal
TC = pd + a d +h q [3.2]
q 2
PC
OC HC
Untuk menghitung EOQ yang sesuai dengan kuantitas optimal yang akan dipesan,
cara yang lebih mudah adalah dengan menganggap Q sebagai satu-satunya variabel
dalam [5.2] dan
0= da + h [3.3]
q2 2
2da
q=
[3.4]
h
d
m= [3.5]
q
Masukan Keluaran
∗
d = 15000 q = 2 × 15000 × 30 = 300
10
a = 30 m∗= 15000 = 50
300
h = 10
p = 20
Tabel 3.2. Input / output untuk satu pemasok-satu
masalah pemesanan pengecer
Berdasarkan perhitungan persamaan [5.4] dan [4.8], kebijakan pemesanan yang optimal
adalah dengan meluncurkan 50 pesanan dari pemasok. Setiap pesanan berjumlah 300 unit.
Kami dapat melakukan, pada jalur ini, analisis sensitivitas pada parameter masalah dan
menghasilkan penyetelan yang dapat menghasilkan ambang batas yang diinginkan terkait
dengan salah satu komponen yang terlibat.
3.3.2. Ringkasan
Masalah Pemesanan 29
- Biaya pembelian: p
- Biaya penyimpanan: h
- Jumlah total yang akan dipesan: d
2. Proses pemesanan
1) Hitung EOQ
3. Keluaran data
Desain alternatif dari proses pemesanan dapat ditujukan kepada sekelompok pengecer
yang ingin memesan dari satu pemasok. Pengurutan barang dapat dilihat sebagai insentif
bagi semua pengecer untuk membentuk koalisi guna mengumpulkan pesanan mereka untuk
konfigurasi yang hemat biaya . Kami membahas dalam dua kebijakan pemesanan pemasok
berikut:
1) Harga pembelian tetap: harga pemasok yang diusulkan tidak tergantung
pada jumlah yang dipesan.
2) Harga yang bergantung pada kuantitas : pemasok mengusulkan
pendaratan harga dalam hal jumlah yang dipesan.
Biaya pembelian tetap dimodelkan sebagai nilai konstanta yang telah ditentukan se
dikuantifikasi di setiap operasi pemesanan. Biaya pemesanan untuk setia
(i = 1,.., n) ditulis sebagai berikut:
TC = p d i + a d i + h q i
qi 2
Ketika a = 0, dan karena setiap pengecer mengeluarkan biaya pembelian yang
tepat yang hanya bergantung pada kuantitas yang akan dipesan, tidak ada insentif
bagi pengecer untuk membentuk koalisi untuk penyelesaian penghematan biaya.
Karenanya, total biaya untuk setiap pengecer adalah:
TC = pd i + h qi [3.7]
2
Masukan Keluaran
∗ 2 × 5000 × 30
d 1 = 5000 q 1 = 10 = 54,77
∗ 2 × 3000 × 30
d 2 = 3000 q 2 = 10 = 134,16
∗ 2 × 8000 × 30
d 3 = 8000 q 3 = 10 = 219,08
a = 30 m ∗ = 15000 = 50
300
h = 10
p = 20
Masalah Pemesanan 31
Gambar 3.3. Rantai pasokan dengan satu pemasok dan beberapa pengecer
TC Perhitungan
Pemasok 1 P beras 1 (d) TC 1 (d)
Pemasok 2 P beras 2 (d) TC
Perhitungan
TC 2 (d)
.
PEMILIHAN PEMASOK .
.
Perhitungan TCC
Pemasok m P beras m (d) TC m (d
Pemasok pemasok terbaik j TC j (d) = M dalam i m = 1 T C
- Jumlah pemasok: m
- Biaya penyimpanan: h
2. Proses pemesanan
2) Hitung EOQ
3. Keluaran data
- j: pemasok terpilih
- q ∗ : jumlah optimal untuk dipesan pada setiap periode
Versi yang lebih umum dari aktivitas pemesanan adalah memperluas dua dimensi
masalah ke beberapa pemasok dan beberapa pengecer. Perluasan pemodelan
masalah ini melibatkan, seperti yang disebutkan dalam Tabel 3.1, tugas-tugas berikut:
- Skenario yang berdiri sendiri :
- komputasi EOQ individu;
- pemilihan pemasok.
- Skenario koalisi:
- kolaborasi;
- komputasi EOQ kolaboratif.
Berikut ini, kami merinci pedoman utama dari setiap skenario. Kemudian,
kedua skenario tersebut dibandingkan untuk mengadopsi skenario yang paling
hemat biaya.
Masalah Pemesanan 33
q = 2d i a i m = di
saya hi saya q ∗
saya
Vektor berikut adalah output untuk pemilihan pemasok yang terkait dengan setiap
perusahaan:
Masukan Keluaran
yj =
1 jika pemasok dipilih
n: jumlah perusahaan 0 jika tidak
m: jumlah pemasok
q i ∗ : jumlah yang akan dipesan per periode
perusahaan i
m ∗ i : jumlah periode untuk perusahaan i
c j p : harga pemesanan satuan pemasok j
d i : permintaan perusahaan i
2) Skenario koalisi
- Kolaborasi: Pembentukan koalisi memungkinkan pengelompokan beberapa
pesanan dengan cara yang memungkinkan perusahaan mengurangi biaya pemesanan
secara signifikan. Padahal, harga pemesanan umumnya berbanding terbalik dengan
kuantitas yang akan dipesan. Tugas ini mahal, karena jumlah kemungkinan koalisi,
mengingat perusahaan:
2 n 1 koalisi
Struktur koalisi yang dihasilkan kemudian dievaluasi sesuai dengan total
biaya pemesanannya:
CS 1 = {K oalisi 1 ,. . . , K oalisi k 1 } ⇒ K ost (CS 1 )
- m: jumlah pemasok
- n: jumlah perusahaan
p
- c j : harga pemesanan setiap pemasok
2. Proses pemesanan
3.7. Kesimpulan
Masalah pengurutan, yang dianggap sebagai aktivitas kunci di SC, membutuhkan definisi
serangkaian input data untuk dipelajari dengan baik. Masalah pemesanan terdiri dari
menentukan pemasok yang sesuai dan harga yang akan dipilih untuk menghemat biaya
pemesanan total. Dalam bab ini, kami menganalisis empat situasi potensial yang dicirikan
oleh jumlah pemasok (satu atau banyak) dan jumlah perusahaan (satu atau banyak). Dalam
setiap situasi, banyak langkah yang harus diikuti, yaitu pemilihan pemasok dan akhirnya
kolaborasi yang mungkin terjadi antarperusahaan. Setelah langkah-langkah ini diselesaikan,
kuantitas yang akan dipesan harus dikirim dalam jangka waktu untuk mendapatkan
keuntungan dari penundaan jumlah yang dipesan. Studi tentang masalah pemesanan yang
diumumkan sebelumnya menunjukkan keefektifan mengadopsi sudut pandang kolaboratif.
Memang, dalam kasus beberapa pemasok, pemilihan pemasok meningkatkan total biaya
pemesanan bila dibandingkan dengan pemilihan pemasok acak. Untuk masalah pemesanan
beberapa perusahaan, kolaborasi tersebut dinyatakan dalam bentuk koalisi yang dirancang
sebagai pemesanan bersama. Dalam kasus seperti itu, selisih biaya dari situasi koalisi dan
berdiri sendiri merupakan insentif terbaik bagi perusahaan untuk mengurangi biaya
pemesanan individual mereka.
Masalah Pergudangan
4.1. pengantar
Salah satu masalah yang paling banyak dibahas dalam rantai pasokan (SC) adalah
penyimpanan item perusahaan yang bertujuan untuk meminimalkan biaya sambil mencoba
memenuhi berbagai kendala sumber daya. Dalam bab ini, kami mempertimbangkan jaringan
SC di mana perusahaan mencoba merancang rencana penyimpanan, dengan jumlah fasilitas
yang telah ditetapkan, dan mendistribusikannya ke sekumpulan pelanggan. Fasilitas yang
mungkin disewa ditentukan melalui sinyal yang dikirim oleh perusahaan lain tentang sisa
kapasitas mereka serta biaya sewa yang mereka usulkan. Tujuannya adalah kolaborasi
berbagai perusahaan melalui berbagi kapasitas penyimpanan untuk meningkatkan efisiensi
logistik dan penghematan biaya. Dalam konteks supply chain management, kolaborasi dapat
diterapkan dengan berbagi kapasitas transportasi (proyek CO3), kapasitas pergudangan [CAR
10] serta kapasitas sumber daya [BER 11]. Kerja sama di bidang transportasi dilakukan
dengan berbagi muatan truk yang secara berkala antar-jemput antar pelanggan perusahaan.
Kapasitas pergudangan berkaitan dengan gudang bersama / umum yang akan digunakan
oleh sekumpulan perusahaan kolaboratif dan kapasitas sumber daya terdiri dari berbagi
permintaan pelanggan. Mempertimbangkan ketiga jenis pembagian kapasitas ini dapat
memengaruhi desain jaringan karena biaya dapat dikurangi dengan menggunakan jaringan
kolaboratif. Faktanya, serangkaian fasilitas harus digunakan untuk menjaga tingkat layanan
tetap tinggi dan dengan biaya terendah. Untuk melakukannya, setiap perusahaan harus
menganalisis potensi dan jaringan yang sudah ada sesuai dengan kebutuhan pelanggannya.
Oleh karena itu, untuk jangka waktu perencanaan tertentu, rangkaian fasilitas yang akan
digunakan ditentukan melalui keputusan pembukaan dan pembagian. Sumber daya yang
digunakan kemudian dapat diklasifikasikan menjadi fasilitas publik dan swasta sesuai dengan
kebutuhan pelanggan. Untuk ini, penyimpanan barang bersama bisa menjadi solusi yang
menantang dan hemat biaya . Berikut ini, perusahaan tergoda untuk membentuk koalisi untuk
berbagi gudang bersama. Koalisi ditentukan oleh sekumpulan perusahaan yang menerima
untuk berbagi gudang yang sama. Penelitian ini bertujuan untuk mengambil langkah awal
bagaimana meningkatkan dampak kinerja pada desain rantai pasokan dengan menggunakan
ide dan fitur kolaborasi di pergudangan. Kami merinci dalam bab ini empat varian masalah
yang berbeda
hal struktur biaya dan kemungkinan konflik yang mungkin terjadi antar item. Bab ini disusun
sebagai berikut. Bagian 4.2 menyatakan Masalah Pergudangan (WP) diikuti dengan ekstensi
fitur akhirnya dan terminologi yang diadopsi di seluruh deskripsi WP. Bagian selanjutnya
membahas empat utama
Varian WP: kota spesifik dan deskripsi masalahnya. Contoh ilustratif mengikuti
untuk menunjukkan keefektifan pemodelan pengoptimalan tersebut.
Selain itu, item dapat mengalami konflik; oleh karena itu, kami menunjukkan dua
kemungkinan skenario:
- item non- konflik: tidak ada konflik antara pasangan item;
Masalah Pergudangan 39
Kami mengembangkan di sisa bab ini fitur utama dari setiap konfigurasi pergudangan dan
model model matematisnya. Kemudian, kami merinci varian masalah yang relevan yang
memperhitungkan kemungkinan konflik antar item.
4.2.1. Terminologi
Di bawah ini, kami mencantumkan simbol utama yang digunakan dalam model
matematika.
- Parameter
n Jumlah pesanan
k Jumlah gudang
C Matriks biaya
Wj Kapasitas gudang j
wi Berat pesanan i
K onf lict (n × n) Matriks biner persegi yang menampilkan 1
jika order a dan b berada dalam konflik, dan 0 sebaliknya
Matriks biaya C bergantung pada protokol biaya, sebagaimana disebutkan dalam bagian
4.2. Biaya variabel membutuhkan masukan dari biaya pergudangan unit c ij yang tergantung
pada pesanan
i dan gudang j, dinyatakan dalam matriks C (nk) . Namun jika biaya pergudangan
tergantung hanya pada gudang, matriks biaya dirancang sebagai vektor garis C
(1 k) yang memberikan biaya sewa setiap gudang j. Kami merinci selanjutnya
ekspresi matematika dari biaya pergudangan yang terkait dengan setiap
situasi.
c n1 c n2 . . . c nk
x 11 x 12 . . . x 1m
x 21 x 22 . . . x 2m
x=
..
. . [4.1]
. .
n
Masukan Keluaran
4.2.3. Varian WP
WP didefinisikan melalui sekumpulan fitur yang menentukan kelas tertentu dalam hal
biaya dan kompatibilitas item. Karenanya, kami menunjukkan kemungkinan-kemungkinan
berikut:
- biaya: biaya variabel atau biaya tetap;
- Kompatibilitas item: tanpa konflik atau konflik.
Masalah Pergudangan 41
- WP dengan biaya variabel / tanpa konflik: WP dalam versi saat ini memerlukan
minimalisasi fungsi biaya yang bergantung pada gudang yang sudah dimasukkan
sebagai matriks biaya yang melaporkan biaya unit yang diberikan ke item i (i = 1,.,., n)
dan a
gudang j (j = 1,..., k). Oleh karena itu, matriks biaya C berukuran (nk). Batasan
sistem mencakup persyaratan penempatan yang menetapkan setiap pesanan
perusahaan dalam satu gudang. Lebih lanjut, batasan kapasitas menghasilkan
solusi yang layak dalam arti bahwa setiap gudang, yang dicirikan oleh
kapasitas penyimpanannya, harus menghormati persyaratan tersebut.
n k
M dalam z (x) = i = 1 j = 1 c ij x ij
St [4.2]
n
i = 1 w j x ij Wjyj j = 1,. . . , k
k
j = 1 x ij = 1 i = 1,. . . , n
2 3 5 8
10 4 9 11
5 1 17 20
C=
11 9 40 25
4 16 8 45
60 20 13 25
Masalah Pergudangan 43
Masukan Keluaran
M in z (x) = 2x 11 + 3x 12 + 5x 13 + 8x 14 + 10x 21 +
4x 22 + 9x 23 + x 24 11 + 5x 31 + x 32 + 17x 33 +
20x 34 + 11x 41 + 9x 42 + 40x 43 + 25x 41 +
4x 51 + 16x 52 + 8x 53 + 45x 54 + 60x 61 +
20x 62 + 13x 63 + 25x 64
St
50x 11 + 80x 21 + 35x 31 + 60x 41 + 50x 51 +
45x 61 100
6 4 50x 12 + 80x 22 + 35x 32 + 60x 42 + 50x 52 +
M dalam z (x) = c ij x ij
i=1 j=1 45x 62 150
St
6 50x 13 + 80x 23 + 35x 33 + 60x 43 + 50x 53 +
i = 1 w j x ij W j y j , j = 1,. . . , 4
45x 63 120
4
j=1 x ij = 1, i = 1,. . . , 6
50x 14 + 80x 24 + 35x 34 + 60x 44 + 50x 54 +
45x 64 200
x 11 + x 12 + x 13 + x 14 = 1
x 21 + x 22 + x 23 + x 24 = 1
x 31 + x 32 + x 33 + x 34 = 1
x 41 + x 42 + x 43 + x 44 = 1
x 51 + x 52 + x 53 + x 54 = 1
x 61 + x 62 + x 63 + x 64 = 1
Dalam hal ini, setiap gudang dicirikan oleh biayanya. Setelah perusahaan memutuskan
untuk menyimpan barangnya di gudang j, perusahaan tersebut harus menanggung seluruh
biaya pergudangan berapa pun jumlahnya. Insentif di balik kerjasama di pergudangan adalah
bagian dari biaya pergudangan yang tidak bergantung pada kuantitas yang disimpan.
k
M dalam z (x) = j = 1 c j y j
St [4.3]
n
i = 1 w j x ij W j y j j = 1,. . . , k
k
j = 1 x ij = 1 i = 1,. . . , n
Masukan Keluaran
x 11 + x 12 + x 13 + x 14 = 1 x
21 + x 22 + x 23 + x 24 = 1 x 31
+ x 32 + x 33 + x 34 = 1 x 41 + x
42 + x 43 + x 44 = 1 x 51 + x 52
+ x 53 + x 54 = 1 x 61 + x 62 + x
Rincian solusi optimal, yang dihasilkan oleh pengoptimal, adalah sebagai berikut:
z (x ∗ ) = 1800
Konflik ini diringkas dalam matriks kuadrat biner C onf lict (nn) yang menampilkan 1
jika orde a dan b berada dalam konflik dan 0 sebaliknya. Jadi, kami melambangkan:
- C onf lict (a, b) = 1 jika order a dan b berkonflik.
- C onf lict (a, b) = 0 jika tidak.
Masalah Pergudangan 47
n k
M dalam z (x) = i = 1 j = 1 c ij x ij
St
n
i = 1 w j x ij Wjyj j = 1,. . . , k [4,5]
x aj + x bj 1, j = 1,. . . , k, C onf lict (a, b) = 1
k
j = 1 x ij =1 i = 1,. . . , n
2 3 5 8
10 4 9 11
5 1 17 20
C=
11 9 40 25
4 16 8 45
60 20 13 25
Masukan Keluaran
0 0 0 1 0 0
0 0 1 0 0 0
0 1 0 0 1 0
K onf licts (6 × 6) = 1 0 0 0 0 0
0 0 1 0 0 0
0 0 0 0 0 0
1 2 3
{1, 4} {2, 3} {3, 5}
1 dan 4 dalam konflik 2 dan 3 dalam konflik 3 dan 5 dalam konflik
Oleh karena itu, tiga rangkaian kendala harus dimasukkan ke dalam model
matematika. Setiap himpunan kendala yang sesuai dengan pasangan {a, b}
melarang penyimpanan bersama pesanan a dan b di gudang yang sama, oleh
karena itu perumusan matematika WP dengan biaya variabel dan dengan
mempertimbangkan tiga konflik berpasangan ditulis sebagai berikut :
6 4
6 4
M dalam z (x) = i=1 j = 1 c ij x ij
St
6 w j x ij Wjyj j = 1,. . . , 4
i=1
x 1j + x 4j 1 j = 1,. . . , 4
x 2j + x 3j 1 j = 1,. . . , 4
x 3j + x 5j 1 j = 1,. . . , 4
4
x ij = 1 i = 1,. . . , 6
j=1
Masalah Pergudangan 49
z (x ∗ ) = 29
0 10 5 03 0 20 6 014
Rumah 1 W are rumah 2 Gudang 3 W arehouse 4
50 Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer
n k
M dalam z (x) = i = 1 j = 1 c j y j
St
n
i = 1 w j x ij Wjyj j = 1,. . . , k [4.6]
x aj + x bj 1, j = 1,. . . , k, C onf lict (a, b) = 1
k
j = 1 x ij =1 i = 1,. . . , n
2 3 5 8
10 4 9 11
5 1 17 20
C=
11 9 40 25
4 16 8 45
60 20 13 25
Masalah Pergudangan 51
Masukan Keluaran
K onf licts (6 × 6)
Seperti pada contoh sebelumnya, matriks konflik yang disajikan pada input
/ output di atas memunculkan tiga pasang order yang saling bertentangan,
diberi nomor dari 1 sampai 3, sebagai berikut:
K onf licts (6 × 6)
000100
001000
010010
100000
001000
000000
Jumlah 1 2 3
Sandingkan {1, 4} {2, 3} {3, 5}
6 4
cjyj
M dalam z (x) = i=1j=1
St
6
i = 1 w j x ij Wjyj j = 1,. . . , 4
x 1j + x 4j 1 j = 1,. . . , 4
x 2j + x 3j 1 j = 1,. . . , 4
x 3j + x 5j 1 j = 1,. . . , 4
4
j = 1 x ij = 1 i = 1,. . . , 6
St
x 11 + x 41 1
- Konflik 1 dan 4 x 12 + x 42 1
x 13 + x 43 1
x 14 + x 44 1
x 21 + x 31 1
x 22 + x 32 1
- Konflik 2 dan 3
x 23 + x 33 1
x 24 + x 34 1
- Konflik 3 dan 5
x 31 + x 51 1
x 32 + x 52 1
x 33 + x 53 1
x 34 + x 54 1
x 11 + x 12 + x 13 + x 14 = 1 x
21 + x 22 + x 23 + x 24 = 1
- Batasan penempatan x 31 + x 32 + x 33 + x 34 = 1 x 41 +
x 42 + x 43 + x 44 = 1
x 51 + x 52 + x 53 + x 54 = 1 x
61 + x 62 + x 63 + x 64 = 1
Masalah Pergudangan 53
Rincian solusi optimal, yang dihasilkan oleh pengoptimal, adalah sebagai berikut:
z (x ∗ ) = 1800
Sebuah) b) c)
4.8. Contoh
1) Mari kita pertimbangkan masalah pemesanan yang melibatkan satu
pemasok dan satu pengecer yang bertujuan memesan 10.000 item dari produk
x dengan harga pembelian unit tetap 1 DT . Biaya penyimpanan unit adalah 5 DT
dan n = 3 pengecer.
Masukan
Permintaan pengecer 1 d 1 = 5000
Permintaan pengecer 2 d 2 = 3000
Permintaan pengecer 3 d 3 = 8000
Harga beli (per order) a = 30
Harga hoding h = 10
Harga satuan (dari pemasok) p 1 = 20
1) Hitung posisi berdiri sendiri .
2) Bandingkan dua struktur koalisi berikut:
3) Usulkan bentuk koalisi yang paling hemat biaya . Jelaskan secara detail.
4) Apa kesenjangan antara situasi yang berdiri sendiri dan konfigurasi terbaik?
5) Asumsikan a = 0, konfigurasi apa yang terbaik?
6) Jika pemasok lain terlibat dalam proses pemesanan dimana harga belinya
adalah p 2 =25 jika q i 10000 apa yang menjadi konfigurasi terbaik?
15 Jika tidak
Masalah Pergudangan 55
4.9. Menjawab
1) Kita mulai dengan menghitung Economic Ordered Quantity (EOQ) untuk setiap
pengecer i (i = 1, 2, 3) yang dinyatakan dalam fungsi matematika berikut: EOQ i :
2d saya a
qi=h [4.7]
i
d [4.8]
im i=
qi
Total biaya untuk setiap pengecer adalah:
di q
TC i = p 1 d i + a + h i [4.9]
qi 2
Berdasarkan persamaan [5.4], [4.8] dan [5.2], kami memperoleh nilai
pemesanan optimal yang dilaporkan dan total biaya, yang dilaporkan pada
Tabel 3.4.
q i∗ m i∗ TC i
Pengecer 1 173.2 29 101 736
Pengecer 2 134.16 23 61 360.8
Pengecer 3 219.08 37 162 205.4
Tabel 4.2. Kuantitas pesanan ekonomis dan biaya total untuk
berdiri sendiri posisi
4.10. Kesimpulan
Masalah pergudangan adalah aktivitas penting yang sepenuhnya berpartisipasi
dalam kinerja SC dalam hal biaya dan kepuasan pelanggan. Aktivitas pergudangan
yang dimulai dari menentukan sekumpulan perusahaan yang tertarik untuk
menyimpan pesanan di gudang dicirikan oleh deskripsi yang tepat dari 'bobot dan
kapasitas gudang' pesanan. Fitur tambahan yang dapat relevan dalam definisi
pergudangan adalah kemungkinan ketidaksesuaian yang mungkin terjadi antar
pesanan. Oleh karena itu, berkenaan dengan fitur yang diumumkan, empat konfigurasi
masalah ditunjukkan dan diilustrasikan dengan contoh didaktik. Ilustrasi tersebut
menunjukkan seberapa baik aktivitas pergudangan dapat menjadi insentif bagi
perusahaan untuk berkolaborasi.
Manajemen persediaan
5.1. pengantar
Sisa dari bab ini diatur sebagai berikut. Di bagian 5.2, kami mendefinisikan
manajemen persediaan. Bagian 5.3 menguraikan tujuan utama manajemen inventaris.
Bagian 5.4 menyajikan pemodelan manajemen inventaris.
Manajemen Inventaris 59
Kebutuhan persediaan persediaan didefinisikan dengan tujuan berikut ini. Pertama, untuk
memisahkan operasi proses produksi dan distribusi. Pemisahan seperti itu diperlukan karena
kedua proses ini tidak selalu sinkron dengan tepat. Persediaan juga didefinisikan untuk
memenuhi variasi dalam permintaan produk dalam arti bahwa permintaan biasanya tidak
diketahui secara pasti, dan persediaan pengaman harus dijaga sebagai respons terhadap
variasinya. Selain itu, didefinisikan untuk memenuhi perubahan harga untuk memanfaatkan
kemungkinan diskon kuantitas dan, akhirnya, memberikan variasi waktu pengiriman bahan
baku yang disebabkan oleh kejadian tak terduga dari bahan cacat yang ada, kekurangan stok
di pabrik vendor atau juga dalam variasi waktu pengiriman.
Menetapkan jumlah yang benar untuk dipesan dari vendor atau ukuran lot yang dikirimkan
ke fasilitas produktif perusahaan melibatkan pencarian biaya total minimum yang dihasilkan
dari efek gabungan empat biaya individu: biaya pemesanan, biaya penyimpanan, dan biaya
kekurangan. Tentu saja, waktu pemesanan ini merupakan faktor penting yang dapat
mempengaruhi biaya persediaan. Kami menyajikan di bagian selanjutnya pemodelan
pengendalian inventaris.
5.4.1. Terminologi
TC = PC + OC + HC [5.1]
TC = pd + a d +h q [5.2]
q 2
PC
OC HC
Mari kita asumsikan bahwa kita tertarik dengan kebijakan inventaris yang
optimal untuk widget. Rumus EOQ menggunakan empat variabel. Mereka:
- q jumlah pesanan. Ini adalah variabel yang ingin kami optimalkan. Semua
variabel lain adalah jumlah tetap;
- biaya pemesanan tetap. Ini termasuk biaya yang dikenakan untuk
membuat pesanan apa pun dan tidak tergantung pada q;
- h biaya pergudangan per tahun per unit persediaan.
Manajemen Inventaris 61
Untuk menghitung EOQ yang sesuai dengan kuantitas optimal yang akan dipesan,
cara yang lebih mudah adalah dengan mempertimbangkan Q sebagai satu-satunya
variabel dalam [5.2] dan mendapatkan kuantitas optimal untuk ditangani. Untuk
melakukannya, kami melanjutkan untuk membedakan
[5.2] dan atur menjadi 0, seperti yang dilaporkan dalam persamaan [5.3]:
0= da + h [5.3]
q2 2
2da
q = [5.4]
h
Jumlah pesanan optimal per tahun adalah:
d
T=
q [5.5]
5.4.3. Contoh
1) Misalkan:
d = permintaan tahunan = $ 2000
q = jumlah pesanan = 200 $
a = biaya pemesanan tetap = $ 20
2000 200
TC = 30 2000 + 20 + 64 = 66,600
200 2
Kuantitas pesanan ekonomi adalah sebagai berikut:
2 2000 20
q=
= 35,35
64
35.35
T= = 0,017 tahun, 0,017 365 7 hari
2000
Kebijakan Kuantitas Kelas Item Jumlah Item yang Dihitung Per Hari
SEBUAH 1.000 Setiap 5 hari 1000 = 200
5
B 4.000 Setiap 40 hari 4000 = 100
40
C 8.000 Setiap 100 hari 8000 = 80
100
Manajemen Inventaris 63
4) Mengingat data dari masalah 3, dan dengan asumsi tahun kerja 300 hari ,
berapa banyak pesanan yang harus diproses per tahun? Berapa waktu yang
diharapkan antar pesanan?
Permintaan 360
N= = = 1,34pesanan per tahun
Dipesan kuantitas 268
5) Berapa total biaya untuk kebijakan persediaan yang digunakan dalam masalah 3?
Permintaan
TC = Biaya pemesanan Kuantitas yang dipesan + H biaya lama
Kuantitas yang dipesan = 360 100 +1 268 = 268
2 268 2
100 268
= 500 +1 = 320,57
268 2
5.5. Kesimpulan
Masalah persediaan, yang dianggap sebagai aktivitas utama di SC, membutuhkan definisi
serangkaian input data dari tiga entitas utama SC, yaitu pemasok, pengecer, dan pelanggan.
Manajemen persediaan terdiri dari menjawab
seberapa sering meninjau status stok, kapan memesan kuantitas baru dan berapa
kuantitas yang akan dipesan untuk menghemat total biaya inventaris. Faktanya,
manajemen persediaan didefinisikan sebagai sistem yang mengawasi aliran
persediaan dari pemasok ke pelanggan melalui satu set gudang perantara. Kami
menyajikan dalam bab ini kuantitas pesanan ekonomi sebagai model paling
sederhana yang menanggapi tujuan manajemen persediaan. Terutama, untuk
menentukan kuantitas optimal yang akan dipesan, jumlah pesanan dan waktu antar
pesanan.
6
6.1. pengantar
Rantai pasokan global yang kompleks saat ini penuh dengan ketidakpastian. Lingkungan
ekonomi yang tidak stabil dan variabilitas permintaan pelanggan memerlukan rantai pasokan
untuk dapat mengantisipasi, mengendalikan dan bereaksi terhadap gangguan dan
ketidakstabilan, bekerja sama dengan pelanggan, pemasok, dan mitra logistik. Untuk
memulihkan stabilitas rantai pasokan, perusahaan mencari cara untuk mengoptimalkan
operasi rantai pasokan global mereka untuk melaksanakan strategi nilai pelanggan dalam
menjual dan memenuhi produk dan layanan yang tepat dengan harga, tempat, dan waktu yang
tepat. Transportasi adalah salah satu pemain dunia yang memiliki perjuangan harian untuk
menawarkan pelanggan mereka tidak hanya produk terbaik tetapi juga pengalaman terbaik,
pada waktu, harga dan kualitas yang tepat. Tujuan utama dalam aktivitas pengiriman adalah
untuk mengoptimalkan transfer antar semua lokasi yang dapat menghasilkan jenis barang
yang berbeda dan memastikan barang tersebut tersedia dalam jumlah yang tepat yang
diminta di titik penjualan yang tepat. Secara tradisional, dua tujuan alternatif dipertimbangkan:
meminimalkan total jarak yang ditempuh atau meminimalkan total biaya perjalanan.
Minimisasi ini tunduk pada batasan sistem seperti kesinambungan rute, pengiriman ke setiap
pelanggan satu kali dan pemenuhan batasan kapasitas truk. Masalah pengiriman yang
ditentukan dengan demikian memunculkan solusi perutean yang menggunakan subset truk
yang tersedia sambil merinci jalur masing-masing truk. Kami menjelaskan dalam bab ini versi
transportasi berbeda yang mungkin dibahas dan manfaat utama dari proses optimasi dalam
resolusi pemodelan matematika seperti itu. Seperti yang ditunjukkan pada Gambar 6.1, dua
protokol pengiriman dibahas:
Kami menganalisis selanjutnya dari bab ini kelas perutean "Pengiriman 2"
karena dampaknya pada kinerja SC dan pengaruhnya dalam meminimalkan
total biaya yang dikeluarkan oleh semua mitra SC.
Bab ini dibagi menjadi beberapa bagian berikut. Bagian 6.2 menguraikan langkah-
langkah utama proses pengiriman di SC mulai dari penerimaan pesanan dari pemasok
hingga pernyataan solusi perutean terbaik. Bagian 6.3 menyatakan masalah
pengiriman, terminologi, input / output dan dua varian perutean utamanya. Bagian
6.4 membahas varian pertama yang dinamai pengiriman dengan truk berkapasitas. Bagian
6.5 mendefinisikan varian kedua yang disebut pengiriman dengan time windows. Untuk setiap
varian masalah, kami menyatakan formulasi pemrograman matematisnya diikuti oleh
masalahnya
parameter dan variabel keputusan. Bab ini ditutup dengan studi kasus
penyampaian ilustratif.
Oleh karena itu, dengan data masukan seperti itu, proses pengiriman dasar terdiri
dari meminimalkan jarak perjalanan dari truk yang digunakan, sambil memenuhi
batasan rute.
Gambar 6.2. Proses pengiriman di SC
Depot 1 2 3 4. . .
Depot 0 14 45 38 70
1 14 0 29 60 46
2 45 29 0 16 89
3 38 60 16 0 57
4 70 46 89 57 0
. . .
.
. .
6.3.1. Terminologi
Masukan Keluaran
Masalah pengiriman ini juga disebut CVRP terdiri dari menemukan rute biaya terendah
untuk sejumlah kendaraan heterogen yang menjadwalkan keberangkatan mereka dari satu
depot ke
satu set nilai jual yang tersebar secara geografis. Setiap pelanggan memiliki
pesanan khusus untuk dikirimkan oleh salah satu kendaraan.
CVRP VRPTW
Pertama, input SC harus disediakan: permintaan pelanggan dan lokasi harus ditentukan
serta matriks jarak untuk menentukan biaya perjalanan kendaraan. Setelah jaringan
transportasi dibuat, gudang, juga disebut depot, harus menampung semua pesanan
pelanggan untuk didistribusikan menggunakan berbagai jalur kendaraan.
- kapasitas maksimum kendaraan serta jarak tempuh termasuk dalam jangkauan yang
diizinkan, sebagaimana dilaporkan masing-masing dalam rangkaian model terakhir [6.2];
v x k = 1 k = 0, ..., v
i=1 i0
v n
maks
x k = 1 j = 1 ,. . . , n
i=0 k=1 i = j, j = 0 aku j
[6.2]
k
v x
v x k = 1, j = 1,. . . , n, k = 1,. . . , v
i=0 aku j i = 0 Ji
adalah j S x ij
k
| S| 1, k = 1,. . . , v, S V, | S | {2,. . . , n}
v v
k k k
w min k y k i=0 j = i, j = 0 w j x ij w max y , k = 1 ,. . . , v
k k
x ij , y {0, 1}, i = 0,. . . , n, j = 1,. . . , n, k = 1,. . . , v
Oleh karena itu, rumusan tekstual dari masalah pengiriman dengan jendela
waktu ditulis sebagai berikut:
n n v
k
M dalam z (x) = i=1 x
j = 1 c ij k = 1 ij
St
n v
x k = 1 1 j n
i=1 k = 1 aku j
n
v
xk
= 1 1 sayan
j=1 k=1 aku j
n n n n
k
i=1 l = 1 x il = j = 1 l = 1 x ljk
xk =1 1 k m
n
j=1 0j
[6.3]
n k
x =1 1 k m
i=1 i0
n n
k
i = 1 j = 1 x ij Wk 1 kv
x ij k (s ik + t ij s jk ) 0
a i s ik bi
x ij k {0, 1} 1 aku j n; 1 kv
- fungsi tujuan model pengiriman [6.2] mewakili total biaya perjalanan yang
akan diminimalkan;
- batasan pertama dan kedua berarti bahwa setiap pelanggan i {V \ 0} harus
dilayani tepat sekali oleh sebuah kendaraan;
Masukan Keluaran
1 jika truk j digunakan
y j (j = 1, ..., 4) =
n=9 0 sebaliknya
v=4
C (9 × 9) : matriks biaya
k 1 jika rute {i, j} dilalui
x ij
(W 1 , W 2 , W 3 , W 4 ) = (1800, 1800, 1800, 1800) (i, j = 1 ..., 6, k = 1, ... 4) = dengan kendaraan k
0 jika tidak
Memesan O 1 O2O3O4O5O6O7O8 O9
wi 220 150100500300150250500 770
Dc1 c2 c3 c4 c5 c6 c7 c8 c9
D 0 37.27 37.22 37.43 37.24 37.67 37.80 38.03 38.16 39.86
c1 0 37.05 37.70 37.45 37.97 38.04 38.38 38.24 39.58
c2 0 37.65 37.40 37.90 38.03 38.38 38.25 39.53
c3 0 37.25 37.30 37.37 37.73 37.61 38.88
c4 0 37.56 37.63 37.98 37.86 38.62
c5 0 37.13 37.48 37.36 38.06
c6 0 37.35 37.23 37.93
c7 0 37,12 37,58
c8 0 37,70
c9 0
Legenda
Legenda
C3 Jalur kendaraan 1 C3 Jalur kendaraan 2
Pelanggan
Pelanggan
C4 Depot
C4
Depot
Busur
Busur
Jalan
Depot
Jalan
C5 C6
Depot
C5
C6
C7 C1
C1
C7
C8
C9 C9
C8
Metaheuristik tabu search (TS) yang pertama kali diusulkan oleh [GLO 90] digunakan
secara luas untuk memecahkan masalah optimisasi yang sulit, terutama masalah routing.
Karena kemampuannya dalam keluar dari optima lokal dengan menggunakan daftar tabu dan
generasi lingkungan, ini bekerja dengan baik dalam menghasilkan solusi yang menjanjikan
dalam waktu komputasi yang wajar. Komponen utama yang terlibat dalam algoritma TS
adalah:
- generasi solusi awal;
- eksplorasi lingkungan;
- daftar tabu yang melarang kembali ke solusi yang telah dikunjungi
selama sejumlah iterasi yang telah ditentukan;
- proses diversi fi kasi;
- proses intensifikasi;
- kriteria penghentian.
0 2 6. . . 4 0 1
Solusi di atas menunjukkan bahwa truk 1 mengirimkan untuk pelanggan 2, 6,. . . , 4, dan
seterusnya
di.
6.7.2.2. Crossover
Salah satu cara untuk meningkatkan kualitas solusi dari solusi yang saat ini
dievaluasi adalah penggunaan operasi crossover yang terdiri dari
penggabungan rantai gen dari dua kromosom terpilih untuk menghasilkan
kromosom baru. Crossover bisa sederhana atau banyak. Persilangan
sederhana terdiri dari pertukaran bagian dari dua rantai dalam satu titik
sedangkan titik kedua mencakup beberapa titik persimpangan. Demi
kesederhanaan, kami menggunakan persilangan satu titik yang memilih dua
kromosom, kemudian menukar dua bagian tersebut untuk mendapatkan solusi
baru. Prosesnya dapat dijelaskan sebagai berikut:
(Sebuah) (b)
0 2 5 6 9 0 1
(c) (d)
0 1 2 0 10 8 0
(a) + (d) 0 2 5 0 10 8 0
6.7.2.3. Mutasi
Operator mutasi membalikkan dua gen secara acak, sesuai dengan
penugasan dua item yang dipilih secara acak. Penugasan ulang mereka dapat
menghasilkan perbaikan solusi.
0 7901 50
ANTARMUKA 1 ANTARMUKA 2
ANTARMUKA 3 ANTARMUKA 4
ANTARMUKA 5 ANTARMUKA 6
Gambar 6.6. Alur proses dari masalah pengiriman
C O MMENTSON F IGURE 6. 6.
1) ANTARMUKA 1: antarmuka pertama memasukkan data dasar seperti
jumlah pelanggan dan truk yang tersedia diikuti dengan karakteristiknya.
2) ANTARMUKA 2: layar kedua memasukkan koordinat pemosisian
pelanggan, permintaan, dan kerangka waktu untuk pengiriman mereka.
3) ANTARMUKA 3: antarmuka ketiga menempatkan, menggunakan peta
Google, posisi geografis pelanggan yang terlibat di peta.
4) ANTARMUKA 4: diberikan semua input data, antarmuka keempat
melakukan pengoptimal CPLEX untuk menghasilkan solusi optimal dari contoh
pengiriman menggunakan data masukan sebelumnya.
5) ANTARMUKA 5: DSS dapat menyelesaikan contoh pengiriman secara
heuristik dengan melakukan pendekatan perkiraan seperti pencarian tabu
metaheuristik.
6) ANTARMUKA 6: solusinya kemudian dikeluarkan dalam format
geografis yang menunjukkan jalur dari setiap truk yang digunakan.
6.9. Kesimpulan
[BLO 96] B LOCH F., “Pembentukan sekuensial dari koalisi dalam permainan dengan
eksternalitas dan pembagian pembayaran tetap”, Permainan dan Perilaku Ekonomi, vol.
14, tidak. 1, hlm. 90–123, 1996.
[BRA 07] B RANDENBURGER A., “The power of paradox: beberapa perkembangan terkini
epistemologi interaktif ”, dalam International Journal of Game Theory, vol. 35, tidak. 4,
492, 2007. hlm. 465–
[BÜR 12] B Ü RGER M., N OTA RSTE FA NO G., B U LLO F. dkk., “Sebuah simpleks terdistribusi
algoritma untuk program linier merosot dan tugas multi-agen ”, Automatica, vol.
48, tidak. 9, hlm. 2298–2304, 2012.
[CAC 99] C AC HON GP, Z IPKIN PH., "Kebijakan inventaris yang kompetitif dan kooperatif dalam
rantai pasokan dua tahap ", Ilmu Manajemen, vol. 45, tidak. 7, hlm. 936–953, Juli 1999.
[MOBIL 10] C ARDI NA L J., H OEFER M., " Lokasi fasilitas non-kooperatif dan mencakup
permainan", Ilmu Komputer Teoretis, vol. 411, tidak. 16–18, hlm. 1855–1876, 2010.
[COO 11] C O OK W., K O CH T., S TE FF Y D. et al., " Pemecah pemrograman
campuran-bilangan bulat rasional yang tepat ", Pemrograman Integer dan Optimasi
Kombinatorial, Catatan dalam Ilmu Komputer, Springer Berlin Heidelberg, vol. 6655, hlm.
104–116, 2011.
[DAN 04] D A NG VD., J E NNINGS N. R., "Membangkitkan struktur koalisi dengan ikatan
terbatas dari jaminan optimal", Prosiding Konferensi Bersama Internasional ke-3
tentang Agen Otonom dan Sistem Multiagen - Volume 2, AAMAS ' 04, Washington,
DC, IEEE Computer Society, hlm. 564–571, 2004.
[FAI 12] F A IZ S., K RICHEN S., Sistem Informasi Geografis dan Pengoptimalan Spasial,
Taylor & Francis, 2012.
[FAI 14] F A IZ S., K RICHEN S., I N OUBLI W., “A {DSS} berdasarkan penelusuran {GIS} dan
Tabu untuk menyelesaikan CVRP: kasus Tunisia”, The Egyptian Journal of Remote
Sensing dan Ilmu Luar Angkasa, vol. 17, tidak. 1, hlm. 105–110, 2014.
[GAR 79] G ADALAH M. R., J O HNSON D. S., Komputer dan Intraktabilitas: Panduan
untuk Teori NP-Kelengkapan, WH Freeman, 1979.
[GAR 11] G ARCIA -V I LLORIA A., S ALHI S., C O RO MI NA S A. et al., " Pendekatan
hiper-heuristik untuk masalah variabilitas waktu respons", European Journal of
Operational Research, vol . 211, tidak. 1, hlm. 160–169, 2011.
[GEO 95] G EO FF RION A. M., P OW ERS RF, "Dua puluh tahun desain sistem distribusi strategis:
Perspektif evolusioner", Interfaces 25, vol. 5, hlm. 105–127, 1995.
[GIL 59] G I LLIES D. B., "Solusi untuk game non-zero-sum umum ", Kontribusi untuk
Theory of Games IV, Annals of Mathematics Studies, Princeton University Press,
Princeton, no. 40, hlm. 47–85, 1959.
[GLO 90] G L OV ER F., “Penelusuran tabu: tutorial”, Antarmuka, vol. 20, hlm. 74–94, 1990.
[HAD 63] H ADLEY G., W HITIN T., Analisis Sistem Inventaris, Seri Internasional
Prentice-Hall dalam Manajemen, Prentice-Hall, 1963.
[HEN 97] H E NIG M., G E RCHAK Y., E RNST merancang R. et al., “Model inventaris yang tertanam
kontrak pasokan ”, Manajemen dalam Science, vol. 43, tidak. 2, hlm. 184–189,
1997.
[KAH 84] K AHAN JP, R APOPO RT A., Teori Pembentukan Koalisi, L. Erlbaum
Associates, 1984.
[KLI 10] K LIBI W., M A RT EL A., G UI TO UNI A., "Desain jaringan rantai pasokan yang
kuat untuk menciptakan nilai : tinjauan kritis", European Journal of Operational
Research, vol. 203, tidak. 2, hlm. 283–293, 2010.
[KRI 14a] K RICHEN S., C H AO UAC HI J., Sistem Dukungan Pengoptimalan dan Keputusan
Terkait Grafik , ISTE, London dan John Wiley and Sons, New York, 2014.
[KRI 14b] K R ICHEN S., F A IZ S., T LILI T. dkk., “ GIS berbasis Tabu untuk memecahkan
masalah perutean kendaraan”, Expert Syst. Appl., Vol. 41, tidak. 14, hlm.
6483–6493, 2014.
[LAR 00] L ARSON K. S., S ANDHOLM TW, "Setiap pembentukan struktur koalisi: studi kasus rata-
rata", Jurnal AI Eksperimental dan Teoretis, vol. 12, hlm. 40–47, 2000.
Daftar Pustaka 83
C, D, E O, P, Q
di
Sistem Informasi, Web dan Komputasi Pervasif
2015
Seorang RDUIN Pierre-Emmanuel, G RUNDSTEIN Michel,
R OSENTHAL -S ABROUX Camille
Sistem Informasi dan Pengetahuan
B ÉRANGER Jérôme
Etika Sistem Informasi Medis
SAYA AFRATE Fernando
Dari Big Data hingga Smart Data
P OMEROL Jean-Charles, E PELBOIN Yves, T JAM Claire
MOOC
S ALLES Maryse
Pengambilan Keputusan dan Sistem Informasi
2014
D INET Jérôme
Pengambilan Informasi di Lingkungan Digital
H ÉNO Raphaële, C HANDELIER Laure
Pemodelan 3D Bangunan: Situs Luar Biasa
V ENTRE Daniel
Keamanan dan Pertahanan Siber Tiongkok
2013
B ERNIK Igor
Cybercrime dan Cyberwarfare
C APET Philippe, D ELAVALLADE Thomas
Evaluasi Informasi
L EBRATY Jean-Fabrice, L OBRE -L EBRATY Katia
Crowdsourcing: One Step Beyond
S ALABERI Kristen
Pencarian Informasi Geografis di Korpora Tekstual
2012
B UCHER Bénédicte, L E B ER Florence
Pengembangan Perangkat Lunak Inovatif di GIS
2011
B ANOS Arnaud, T HÉVENIN Thomas
Informasi Geografis dan Sistem Transportasi Perkotaan
D AUPHINÉ André
Geografi Fraktal
2010
B ONNET Pierre
Tata Kelola Data Perusahaan
B LARI Roger
Geografi Berkelanjutan
C ARREGA Pierre
Informasi Geografis dan Klimatologi
C AUVIN Colette, E SCOBAR Francisco, S
ERRADJ Aziz Thematic Cartography - seri
3 volume
Kartografi dan Transformasi Tematik - volume 1
Kartografi dan Dampak Revolusi Kuantitatif - Pendekatan
Baru volume 2 dalam Kartografi Tematik - volume 3
L ANGLOIS Patrice
Simulasi Sistem Kompleks di GIS
M ATHIS Philippe
Grafik dan Jaringan - edisi ke-2
2009
B ONNET Pierre, D ETAVERNIER Jean-Michel, V AUQUIER
Dominique Sustainable IT Arsitektur: Cara Progresif
Merombak Sistem Informasi dengan SOA
P APY Fabrice Ilmu
Informasi
R IVARD François, A BOU H ARB Georges, M ERET
Philippe Sistem Informasi Transversal
R OCHE Stéphane, C ARON
Claude Aspek Organisasi
GIS
V ENTRE Daniel
Perang Informasi
2008
B RUGNOT Gérard
Manajemen Risiko Spasial
F INKE Gerd
Riset Operasi dan Jaringan
G UERMOND Yves
Proses Pemodelan dalam Geografi
K ANEVSKI Michael
Pemetaan Data Lingkungan Lanjut
2006
C LIQUET Gérard
Pemasaran geografis
C ORNIOU Jean-Pierre
Melihat Mundur dan Maju dalam TI
D EVILLERS Rodolphe, J EANSOULIN
Robert Fundamentals of Spatial
Data Quality