SCM Dan Aplikasinya

Manajemen Rantai Pasokan dan nya
Aplikasi dalam Ilmu Komputer

SERI FOKUS
Editor Seri Jean-Charles Pomerol
Manajemen rantai persediaan

dan Aplikasinya di
Ilmu Komputer
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:
ISTE Ltd John Wiley & Sons, Inc.

27-37 Jalan St George 111 River Street
London SW19 4EU Hoboken, NJ 07030
UK Amerika Serikat
www.iste.co.uk www.wiley.com
© ISTE Ltd 2016

Hak Saoussen Krichen dan Sihem Ben Jouida untuk diidentifikasi sebagai penulis
karya ini telah ditegaskan oleh mereka sesuai dengan Undang-Undang Hak Cipta,
Desain dan Paten 1988.
Nomor Kontrol Perpustakaan Kongres: 2015954429
Data Katalog dalam Publikasi British Library

Catatan CIP untuk buku ini tersedia dari British Library
ISSN 2051-2481 (Cetak)
ISSN 2051-249X (Daring)
ISBN 978-1-84821-871-0
Isi
Daftar Gambar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Daftar Tabel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
Glosarium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
Pendahuluan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
Bab 1. Pendahuluan dalam Pengambilan Keputusan . . . . . . . . . . . . . . . 1

1.1. Pengantar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Masalah pengambilan keputusan . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Pemodelan pengoptimalan masalah keputusan. . . . . . . . . . . . . . 3
1.3.1. Notasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.2. Fitur masalah pengoptimalan. . . . . . . . . . . . . . . . . 5
1.3.3. Contoh didaktik. . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Pemodelan teori permainan dari masalah keputusan. . . . . . . . . . . . . . 7
1.4.1. Notasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.2. Masalah pembentukan koalisi. . . . . . . . . . . . . . . . . . . 8
1.4.3. Konsep stabilitas. . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5. Metode alokasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.1. Alokasi nilai Shapley. . . . . . . . . . . . . . . . . . . . . . . . 11
1.6. Kesimpulan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Bab 2. Pengantar Manajemen Rantai Pasokan . . . . . . . . . 13

2.1. Pengantar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Elemen utama rantai pasokan. . . . . . . . . . . . . . . . . . . . . 13
2.3. Kegiatan utama dalam rantai pasokan. . . . . . . . . . . . . . . . . . . . . 18
2.3.1. Masalah pemesanan. . . . . . . . . . . . . . . . . . . . . . . . . . 18
vi Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer
2.3.2. Masalah pergudangan. . . . . . . . . . . . . . . . . . . . . .

2.3.3. Masalah transportasi. . . . . . . . . . . . . . . . . . . . . .
2.3.4. Masalah persediaan. . . . . . . . . . . . . . . . . . . . . . . .
2.3.5. Aplikasi ilmu komputer dalam manajemen rantai pasokan. . .
2.4. Tingkat keputusan dalam rantai pasokan. . . . . . . . . . . . . . . . . . .
2.4.1. Tingkat strategis. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.2. Tingkat taktis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.3. Tingkat operasional . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Kesimpulan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Bab 3. Masalah Pemesanan . . . . . . . . . . . . . . . . . . . . . .

3.1. Pengantar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Terminologi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3. Masalah pemesanan satu pemasok-satu pengecer. . . . . . . . . . . .
3.3.1. Contoh masalah pemesanan satu-satu . . . . . . . . . . .
3.3.2. Ringkasan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4. Masalah pemesanan satu pemasok-banyak pengecer. . . . . . . . .
3.4.1. Harga pembelian tetap. . . . . . . . . . . . . . . . . . . . . . . .
3.4.2. Contoh masalah pemesanan 1 - n . . . . . . . . . . . .
3.4.3. Harga pembelian yang bergantung pada kuantitas . . . . . . . . . . . . . . . .
3.5. Masalah pemesanan banyak pemasok - satu pengecer. . . . . . . . .
3.6. Masalah pemesanan banyak pemasok - banyak pengecer. . . . . .
3.7. Kesimpulan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Bab 4. Masalah Pergudangan . . . . . . . . . . . . . . . . . . .

4.1. Pengantar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Deskripsi masalah. . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1. Terminologi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2. Input / output dari WP. . . . . . . . . . . . . . . . . . . . . . .
4.2.3. Varian WP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. WP dengan biaya variabel / tanpa konflik. . . . . . . . . . . . . . . . .
4.3.1. Rumusan matematika. . . . . . . . . . . . . . . . . . . . . .
4.3.2. Sebuah contoh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4. WP dengan biaya tetap / tanpa konflik. . . . . . . . . . . . . . . . . . .
4.4.2. Sebuah contoh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5. WP dengan biaya variabel / dengan konflik. . . . . . . . . . . . . . . . . . .
4.5.2. Sebuah contoh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6. WP dengan biaya tetap / dengan konflik. . . . . . . . . . . . . . . . . . . .
4.6.2. Sebuah contoh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.7. Desain DSS untuk masalah pergudangan. . . . . . . . . . . . . .
4.8. Contoh. . . . . . . . . . . . . . . . . . . . . . . . . . .
4.9. Jawab. . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.10. Kesimpulan. . . . . . . . . . . . . . . . . . . . . . . . .
Bab 5. Manajemen Persediaan . . . . . . . . . . . . . .

5.1. Pengantar . . . . . . . . . . . . . . . . . . . . . . . . .
5.2. Definisi manajemen persediaan. . . . . . . . . . . .
5.3. Tujuan inventaris. . . . . . . . . . . . . . . . . . . .
5.4. Pemodelan inventaris. . . . . . . . . . . . . . . . . . . . .
5.4.1. Terminologi. . . . . . . . . . . . . . . . . . . . . . .
5.4.2. Model kuantitas pesanan ekonomi. . . . . . . . . . . .
5.4.3. Contoh. . . . . . . . . . . . . . . . . . . . . . . . .
5.5. Kesimpulan. . . . . . . . . . . . . . . . . . . . . . . . . .
Bab 6. Pengiriman dalam Rantai Pasokan . . . . . . .

6.1. Pengantar . . . . . . . . . . . . . . . . . . . . . . . . .
6.2. Proses pengiriman di SC. . . . . . . . . . . . . . .
6.3. Deskripsi masalah. . . . . . . . . . . . . . . . . . . . .
6.3.1. Terminologi. . . . . . . . . . . . . . . . . . . . . . .
6.3.2. Input / output pengiriman. . . . . . . . . . . . . .
6.3.3. Varian pengiriman. . . . . . . . . . . . . . . . . . . . .
6.4. Varian Pertama: pengiriman dengan truk berkapasitas. . . . . .
6.4.1. Spesifikasi CVRP. . . . . . . . . . . . . . . . . . .
6.4.2. Formulasi matematika CVRP. . . . . . . .
6.5. Varian Kedua: pengiriman dengan jendela waktu. . . . . . .
6.5.1. Spesifikasi VRPTW. . . . . . . . . . . . . . . . . .
6.5.2. Rumusan matematis dari VRPTW. . . . . .
6.6. Sebuah studi kasus nyata: kasus Tunisia. . . . . . . . . . .
6.7. Pendekatan resolusi alternatif untuk masalah pengiriman
6.7.1. Pendekatan pencarian tabu untuk memecahkan masalah pengirima
6.7.2. Algoritma genetik untuk memecahkan masalah pengiriman
6.8. Desain DSS untuk masalah pengiriman. . . . . . . . . .
6.9. Kesimpulan. . . . . . . . . . . . . . . . . . . . . . . . . .
Bibliografi . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Indeks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Daftar Gambar
1.1. Taksonomi masalah pengambilan keputusan . . . . . . . . . . . . . . . . . . . . . 3

1.2. Struktur masalah pengoptimalan. . . . . . . . . . . . . . . . . . . . . . . 4
2.1. Struktur rantai pasokan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. Kelas utama masalah pergudangan. . . . . . . . . . . . . . . . . . . . . . 19
2.3. Ilustrasi masalah pergudangan. . . . . . . . . . . . . . . . . . . . 20
2.4. DSS untuk aktivitas SC: pemesanan dan pengiriman. . . . . . . . . . . . . . . . 22
3.1. Rantai pasokan dengan satu pemasok dan satu pengecer. . . . . . . . . . . . . . . . 27
3.2. Struktur rantai pasokan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3. Rantai pasokan dengan satu pemasok dan beberapa pengecer. . . . . . . . . . . . .31
4.1. Langkah utama dari masalah pergudangan. . . . . . . . . . . . . . . . . . . . . . 38
4.2. Antarmuka pergudangan DSS. . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.1. Sistem inventaris. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2. Proses EOQ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.1. Proses pengiriman di SC. . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.4. Pemodelan grafik dari masalah pengiriman. . . . . . . . . . . . . . . . . . . . . 69
6.5. Solusi pengiriman untuk truk 1 dan truk 2. . . . . . . . . . . . . . . . . . . . . 75
6.6. Alur proses dari masalah pengiriman. . . . . . . . . . . . . . . . . . . . . . . 79
Daftar tabel
1.1. Klasifikasi makalah CF dalam istilah

dari superaddtivity tersebut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1. Varian utama dari masalah pemesanan. . . . . . . . . . . . . . . . . . . . . . . 19
3.1. Masalah pemesanan alternatif dengan hormat

ke taksonomi rantai pasokan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2. Input / output untuk satu pemasok-satu

masalah pemesanan pengecer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3. Input / output untuk masalah pemesanan (1, 3) . . . . . . . . . . . . . . . . . . . 30
3.4. Input / output dari masalah pemesanan m - n. . . . . . . . . . . . . . . . . . . 33
4.1. Konfigurasi masalah pergudangan dalam istilah

biaya dan konflik barang. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2. Kuantitas pesanan ekonomis dan biaya total untuk

posisi berdiri sendiri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Glosarium
CFP masalah pembentukan koalisi

CLP pemrograman linier berkelanjutan
CS struktur koalisi
CSG generasi struktur koalisi
CVRP masalah perutean kendaraan berkapasitas
DM pengambil keputusan
DSS sistem pendukung keputusan
EOQ kuantitas pesanan ekonomi
HC biaya penyimpanan
HVRP masalah routing kendaraan yang heterogen
GA algoritma genetika
ILP pemrograman linier integer
MIP pemrograman integer campuran
OC biaya pemesanan
PD divisi pembayaran
PDP masalah pengambilan dan pengiriman
PC biaya pembelian
SC rantai pasokan
SCM manajemen rantai persediaan
TC total biaya
TS pencarian tabu
VRP masalah perutean kendaraan
VRPTW masalah perutean kendaraan dengan jendela waktu
WP masalah pergudangan
pengantar
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.
Oleh karena itu, proses pengambilan keputusan diuraikan menjadi langkah-

langkah dasar untuk ditangani oleh ahli yang tepat dan divalidasi untuk
mengukur kesenjangan nyata antara rencana teoritis dan implementasinya.
Realisasi, implementasi dan validasi sistem ini membuat desainnya (dari sudut
pandang teoritis) dan bangunannya (dari sudut pandang praktis) lebih koheren
dan jauh lebih efisien jika dibandingkan dengan spesifikasi masalah awal dan
konsep sistem yang dapat ditunjukkan dari berikut ini daftar:
1) Sistem: sekumpulan komponen yang saling terkait dengan prioritas dan
kebutuhan sumber daya untuk mencapai satu atau beberapa tujuan.
2) Sistem tertutup: sistem yang tidak memerlukan interaksi eksternal
untuk mencapai tujuannya.
2 Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer
3) Sistem terbuka: sistem yang terus menerus membutuhkan interaksi

eksternal untuk mencapai tujuannya.
4) Suboptimalitas: kualitas solusi yang terkait dengan pencapaian tujuan
sistem dan menjadi yang terbaik, dalam hal ini disebut "optimal", atau
mendekati yang terbaik, dalam hal ini disebut "suboptimal ". Kualitas solusi
semacam itu sangat bergantung pada kompleksitas proses.
Setelah proses pengambilan keputusan didefinisikan dan ditentukan dengan jelas,

masalah harus dianalisis dan dinyatakan secara kuantitatif dalam kaitannya dengan
input dan outputnya.
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.
1.2. Masalah pengambilan keputusan
Masalah pengambilan keputusan adalah pemodelan kuantitatif dari situasi

masalah. Secara umum, masalah pengambilan keputusan dibagi menjadi tiga
komponen utama berikut:
- pembuat keputusan;
- tujuan yang ingin dicapai;
- Himpunan kendala struktural (batasan sistem dan variabel keputusan)
yang mengikat himpunan yang layak.
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.
Untuk pemodelan optimasi, dua kelas utama masalah

pengambilan keputusan adalah:
1) Masalah keputusan yang dibatasi dimodelkan sebagai pengoptimalan
fungsi tujuan z (x) yang diekspresikan sambil memenuhi satu set batasan
struktural yang mengikat ruang keputusan. Jadi, tiga komponen dapat
mencirikan masalah keputusan yang dibatasi, yaitu, fungsi tujuan, himpunan
kendala dan persyaratan variabel keputusan.
2) Masalah keputusan tidak dibatasi yang terdiri dari meminimalkan atau
memaksimalkan fungsi z (x) yang umumnya nonlinier. Perhatian utama adalah
penemuan file
Pendahuluan dalam Pengambilan Keputusan 3
nilai solusi yang sesuai dengan optima lokal z (x). Dalam kasus ini, tidak ada
pertimbangan batasan sistem maupun kisaran solusi x.
Gambar 1.1. Taksonomi pengambilan keputusan masalah
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.
1.3. Pemodelan pengoptimalan masalah keputusan
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.
Objektif M dalam / M kapak Z (x)

g 1 (x) ≤ b
1 g 2 (x) ≤
Kendala struktural b2
.
.
.
g m (x) ≤ b m
Variabel keputusan
x 1 ∈ A 1 , x 2 ∈ A 2 ,. . ., x n ∈ A n
Gambar 1.2. Struktur masalah pengoptimalan
1.3.1. Notasi
Kami mencantumkan di bawah simbol utama yang digunakan untuk mendefinisikan

masalah pengoptimalan:
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
Dengan asumsi linieritas masalah pengoptimalan, pemodelan

matematisnya diuraikan sebagai berikut:
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.
Banyak varian dari formulasi ini dapat ditunjukkan:

- Pemrograman linier berkelanjutan (CLP): model pengoptimalan
[1.1] - [1.3] adalah CLP jika variabel keputusan kontinu. Untuk masalah
optimasi linier kontinyu, algoritma eksak yang efisien seperti metode
tipe simpleks [BÜR 12] atau metode titik interior ada [ANS 12].
- Pemrograman linier bilangan bulat (ILP): model pengoptimalan [1.1] - [1.3] adalah ILP
jika X adalah himpunan solusi bilangan bulat yang layak (yaitu variabel keputusan bersifat
diskrit). Kelas model ini sangat penting karena banyak aplikasi kehidupan nyata dimodelkan
dengan variabel diskrit karena sumber daya yang ditangani tidak dapat dibagi (seperti mobil,
mesin, dan kontainer). Sejumlah besar masalah pengoptimalan kombinatorial dapat
dirumuskan sebagai ILP (misalnya masalah pengemasan, masalah penjadwalan, dan penjual
keliling) di mana variabel keputusannya terpisah dan ruang pencariannya terbatas. Namun,
fungsi dan batasan tujuan dapat berbentuk apapun [PAP 82].
- Mixed integer programming (MIP): model optimasi [1.1] - [1.4] disebut MIP, ketika
variabel keputusan bersifat diskrit dan kontinu. Akibatnya, model MIP menggeneralisasi
model CLP dan ILP. Masalah MIP telah meningkat secara dramatis akhir-akhir ini dengan
penggunaan teknik pengoptimalan lanjutan seperti pendekatan relaksasi dan dekomposisi,
algoritma cabang dan terikat dan bidang pemotongan ketika ukuran masalah kecil [GAR 11,
WAN 14, COO 11]. Metaheuristik juga merupakan kandidat yang baik untuk kasus yang lebih
besar. Mereka juga dapat digunakan untuk menghasilkan batas bawah atau atas yang baik
untuk algoritma yang tepat dan meningkatkan efisiensi mereka.
1.3.2. Fitur masalah pengoptimalan
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.
- 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.
1.3.3. Contoh didaktik
Mari kita pertimbangkan masalah pengoptimalan berikut yang melibatkan

dua variabel keputusan x 1 dan x 2 . Kami menunjukkan dalam contoh ilustratif
ini, terinspirasi dari [KRI 14a], bagaimana solusi berubah dalam hal sifat
variabel keputusan yang dapat berupa kontinu atau biner dan jumlah tujuan k =
1, 2. Oleh karena itu, empat masalah pengoptimalan mengikuti:
TUJUAN TUNGGAL MULTI-TUJUAN

M kapak 2x 1 + x
M kapak 2x 1 + x 2 2 x 1 + 5x

St 5x 1 + 7x 2 100 (x 1 , x 2 ) = (20, 0) z 2
KONTINU (x) = 40
x1 3x 2 80 St 5x 1 + 7x 2 100
VARIABEL KEPUTUSAN
x 0 x 1 3x 2 80
x 0
E D = {(20, 0), (0, 14.285)}

40 14.285
EO={ 20 71.428 }
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 }
Seperti disebutkan sebelumnya, resolusi dari masalah optimasi tujuan tunggal

menghasilkan penemuan solusi optimal yang bervariasi tergantung pada sifat variabel
keputusan. Namun, jika tujuan kedua ditambahkan, resolusi menghasilkan satu set
solusi Pareto-optimal , seperti kasus untuk k = 2.
1.4. Pemodelan teori permainan dari masalah keputusan
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
Di bawah ini kami mencantumkan simbol-simbol utama yang digunakan untuk

mendefinisikan masalah teori permainan:
Simbol Deskripsi
v (S) fungsi pembayaran
n jumlah pemain
S bagian dari koalisi
N = {1, 2, ..., n} kumpulan pemain
saya indeks pemain
Permainan teoretis dapat didefinisikan sebagai sekumpulan n pemain /

peserta yang dapat mengoordinasikan tujuan mereka dan menyinkronkan
strategi mereka untuk mencapai penghematan biaya sambil berbagi informasi
dan mengalokasikan pembayaran.
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:
- alokasi (x 1, x 2, ..., x n ) secara individual rasional jika x i v (i) untuk semua i;

N
- alokasi (x 1, x 2, ..., x n ) efisien jika i=1 x (i) = v (N);
- imputasi adalah alokasi yang efisien dan rasional secara individual;
- stabilitas struktur koalisi diberikan jika saya S x i v (S).

Rasionalitas individu berarti bahwa pembagian dari nilai keseluruhan (yaitu
alokasi) harus memberikan setiap pemain nilai sebanyak yang diterima pemain
tersebut tanpa berinteraksi dengan pemain lain (koalisi tunggal). Efisiensi
berarti bahwa semua nilai yang dapat diciptakan sebenarnya dapat dibagi di
antara para pemain yang berkolaborasi.
1.4.2. Masalah pembentukan koalisi
CFP memodelkan banyak situasi di berbagai domain termasuk sistem

multi-agen , ekonomi, industri, atau politik. Satu pendekatan berkaitan dengan
kasus-kasus di mana sekelompok pemain tertarik untuk menyelesaikan,
secara individu atau kooperatif, satu tugas bersama. Yang lain tertarik pada
kelompok pemain otonom dan bermotivasi diri yang bertindak untuk mencapai
tugas mereka sendiri atau meningkatkan keuntungan mereka sendiri. Solusi
untuk CFP terdiri dari:
- mengirim pemain ke dalam koalisi membentuk "struktur koalisi". Langkah ini
disebut generasi struktur koalisi (CSG). Langkah ini mencoba mencari struktur koalisi
yang sesuai dengan jumlah total maksimum nilai koalisi;
- membagi keuntungan di antara para pemain sedemikian rupa sehingga
tidak ada pemain yang tergoda untuk menyimpang. Ini disebut divisi
pembayaran (PD).
Ahli teori permainan memodelkan CFP sebagai permainan kooperatif

dalam dua bentuknya, baik sebagai permainan fungsi karakteristik atau
sebagai permainan fungsi partisi, untuk mendapatkan vektor pembayaran
yang stabil [STE 68] dan [KAH 84]. Namun, teori permainan tidak menyediakan
mekanisme apapun untuk membentuk koalisi para pemain.
Permainan dengan eksternalitas mengasumsikan bahwa hasil dari sebuah

koalisi bergantung pada apa yang dibentuk koalisi lain [BLO 96]. Sebuah fungsi
yang menetapkan pembayaran kepada setiap koalisi tergantung pada seluruh
struktur koalisi disebut “fungsi partisi”. Permainan seperti itu disebut
“permainan fungsi partisi” [MAR 03].
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 .
Game superaditif Game non-superadditif

CSG Bentuk koalisi besar [DAN 04], [SAN 99]
dalam semua kasus [SEN 00]
[YAN 07]
[LAR 00]

PD [STE 68] [YAN 07]

[KAH 84]

[BEL 06]
[GIL 59]

[AUM 74]

[SHA 53]

Hart (1997)
Tabel 1.1. Klasifikasi makalah CF dalam hal superadditivitas
Ketika permainan tidak superaditif, pendekatan yang diusulkan mencoba

untuk menghasilkan struktur koalisi yang memaksimalkan kesejahteraan total
seperti dalam [YAN 07], tanpa membagi hasil yang diperoleh di antara para
pemain.
PD ditujukan terutama untuk game superaditif. Berbagai konsep stabilitas

diusulkan dalam literatur untuk mendefinisikan strategi pembagian dengan
dua desain alternatif:
1) permainan non-kooperatif : dilema tahanan "Nash equilibrium" Pollute, Risk;
2) permainan kooperatif: pembentukan koalisi ... Keuntungan "Nash
equilibrium, Shapley, Core", Cost.
Vektor pembayaran x harus memenuhi konsep rasionalitas berikut. Untuk melakukannya,

biarkan N
menjadi satu set pemain, SN adalah koalisi pemain, CS adalah struktur koalisi
dan C adalah himpunan dari semua struktur koalisi N.
1) Rasionalitas individu: vektor pembayaran x = (x 1 , .., x n ) dikatakan
rasional secara individu jika memenuhi:
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
3) Efisiensi: vektor pembayaran yang efisien x = (x 1 , .., x n ) untuk game

non-superadditif dapat ditulis sebagai:
x i = maks υ (S) [1.6]

C SC
di SCS

1.4.3. Konsep stabilitas
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.
D E FI NISI 1. 2 T HE C O RE .– [SHA 53] Ini adalah himpunan alokasi yang efisien

yang memenuhi rasionalitas kolektif.
C r (N, v) = {x (N) = v (N) andx (S) v (S)} [1.7]

Dalam permainan (N, v), jika ada kelompok pemain, katakanlah S, diantisipasi
menangkap nilai yang lebih rendah secara total daripada yang dapat dibuat oleh
kelompok itu sendiri, yaitu jika x (S) <v (S), maka ini
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 .
1.5. Metode alokasi
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.
1.5.1. Alokasi nilai Shapley
Bagian ini dikhususkan untuk memperkenalkan konsep dan aksioma nilai

Shapley [SHA 53], salah satu konsep solusi paling sentral dalam teori
permainan. Nilai Shapley adalah solusi yang menetapkan pembayaran tunggal
untuk setiap pemain, yang merupakan rata-rata dari semua kontribusi marjinal
pemain tersebut untuk setiap koalisi di mana dia menjadi anggotanya. Ini
memenuhi aksioma berikut:
- efisiensi: pembayaran harus berjumlah v (N), yang berarti bahwa semua
surplus koalisi besar dialokasikan;
- Simetri: jika dua pemain dapat diganti karena mereka memberikan
kontribusi yang sama untuk setiap koalisi, solusi harus memperlakukan
mereka secara setara;
- aditif: solusi untuk jumlah dua game harus jumlah dari apa yang
diberikannya untuk masing-masing dari dua game;
- Dummy player: jika seorang pemain tidak memberikan kontribusi apapun
untuk setiap koalisi, solusi tersebut tidak akan membayar apapun.
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
Shapley menghargai penghargaan kepada setiap pemain rata-rata kontribusi

marjinalnya untuk setiap koalisi. Kontribusi marjinal dari pemain yang saya hormati
urutan tertentu didefinisikan sebagai nilai marjinalnya kepada pemain sebelum

dia dalam urutan, v (1, 2, ..., i 1, i) v (1, 2, ..., i 1) di mana 1,, i 1 adalah pemain
sebelum i dalam urutan yang diberikan. Nilai Shapley diperoleh dengan rata-
rata kontribusi marjinal untuk semua kemungkinan pemesanan. Dalam
mengambil rata-rata ini, semua pesanan pemain dianggap memiliki
kemungkinan yang sama.
Nilai Shapley biasanya dipandang sebagai jawaban normatif yang baik

untuk pertanyaan yang diajukan dalam teori permainan kooperatif, yaitu
mereka yang berkontribusi lebih banyak pada kelompoknya harus dibayar
lebih. Namun, nilai Shapley mungkin tidak stabil dalam arti intinya. Misalnya,
mungkin mengalokasikan nilai negatif untuk beberapa pemain. Selain itu, nilai
Shapley mungkin berada di luar inti kecuali untuk beberapa permainan khusus
seperti permainan cembung [SHA 71]. Untuk studi terbaru tentang stabilitas
nilai Shapley, lihat [BEA 08].
Alokasi yang sama: alokasi simpanan yang paling sederhana adalah

memberikan porsi yang sama untuk setiap pemain.
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.
2.2. Elemen utama rantai pasokan
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
Pengantar Manajemen Rantai Pasokan 15
1) Pemasok: pemasok adalah organisasi yang menghasilkan produk jadi.

Mereka menggunakan bahan mentah yang dibuat oleh produsen lain untuk
membuat produk pribadi mereka. Ada dua jenis produk yang didefinisikan:
barang tidak berwujud, seperti musik, perangkat lunak, jasa dan desain, dan
barang berwujud, seperti produk industri. Di sini, kami fokus pada kategori
kedua dari produk berwujud.
2) Pengecer: pengecer adalah entitas yang menyimpan persediaan dan menjual dalam
jumlah kecil ke pelanggan akhir. Peran utama pengecer adalah memenuhi kebutuhan
pelanggan secara optimal. Faktanya, mereka mengusulkan kepada pelanggan mereka
kombinasi produk, harga, dan layanan. Setiap pengecer menempatkan satu set gudang
pribadi untuk menyimpan produk untuk menanggapi kebutuhan pelanggan tanpa penundaan.
3) Pelanggan: merancang organisasi yang menjual dan menggunakan
produk. Seorang pelanggan dapat membeli suatu produk baik untuk
digabungkan ke pelanggan lain atau untuk mengkonsumsinya (juga disebut
konsumen).
Lapisan pertama SC terkait dengan kumpulan pemasok yang menyediakan

item, yang dapat berupa bahan mentah atau produk jadi. Setiap pemasok
memiliki kebijakan penjualannya sendiri yang umumnya terdiri dari
pengusulan:
- Harga p j yang tidak tergantung pada kuantitas q yang akan dipesan
Dalam kasus ini, hanya satu harga yang dipertimbangkan. Sehingga
volume penjualan masing-masing supplier j:
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
Berdasarkan perhitungan tersebut, setiap pemasok j harus menyesuaikan c j

untuk memaksimalkan keuntungan total yang dikeluarkan oleh salah satu dari
dua parameter berikut, atau keduanya:
- unit keuntungan (p j ): margin keuntungan tinggi sehingga meskipun
kuantitas yang dipesan rendah, total keuntungan tinggi,
- kuantitas (q): margin keuntungan rendah dalam hal ini keuntungan
total tinggi karena kuantitas yang dipesan.
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
Harga beli yang paling menguntungkan adalah c 1 . Akibatnya, pemasok1

akan merevisi kebijakan penetapan harga terkait harga yang diusulkan di
pasar. Kenyataannya, harga rendah pemasok 1 mendorong pengecer untuk
memesan jumlah yang cukup banyak sedemikian rupa sehingga keuntungan
akan dihasilkan dalam bentuk kuantitas yang dipesan bahkan jika keuntungan
unit rendah.
Dalam hal ini, 3 pengecer akan memesan dari pemasok 1 . Selain itu, tidak perlu
pembentukan koalisi karena tatanan kumulatif tidak menghasilkan keuntungan tambahan.
Mari kita asumsikan bahwa pesanan pengecer adalah sebagai berikut:
Pengecer 1 2 3

Kuantitas 30 100 50

Dalam hal ini, pemasok 1 akan merealisasikan volume penjualan:
Jual = 1 (30 + 100 + 50) = 180 DT [2.2]

Memang setiap pemasok akan memesan secara individual.
- Sebuah kuantitas tergantung harga p j

Sebagai alternatif, pemasok dapat mengusulkan harga yang bergantung pada
kuantitas yang dipesan dalam arti bahwa volume penjualan setiap pemasok j
menurun jika kuantitas yang dipesan melebihi ambang batas yang telah ditentukan
sebelumnya dari kuantitas yang dipesan. Dengan kata lain, setiap pemasok j mencoba
menawarkan diskon kuantitas e j dan biaya unit awal c j . Untuk kuantitas ambang
batas Q maks , pemasok mengirimkan jumlah yang dipesan dengan biaya minimal C min
yang membujuk pengecer untuk memesan jumlah yang lebih besar daripada kuantitas
pesanan ekonomis mereka . Karenanya,
biaya pembelian umum dengan diskon dilaporkan sebagai berikut:
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
E X AMPLE 2. 2.– Contoh harga pembelian satu kesempatan
Mari kita pertimbangkan SC berukuran (1, 3) yang melibatkan satu set

pemasok m = 1 dan n = 3 pengecer. Biaya pembelian dinyatakan sebagai
berikut:
50 jika q = 0

c j = 50 0,005 q jika 0 <q <Q max
43.5 jika q Q maks

dimana

Q maks = 50 43.5 = 1300

0,005

Mari kita asumsikan bahwa pesanan pengecer adalah sebagai berikut:
Pengecer 1 2 3
Kuantitas 500 400 400
Berdasarkan fungsi pembelian yang diusulkan tersebut, pemasok j harus

menyesuaikan c j untuk memaksimalkan keuntungan totalnya sesuai dengan
strategi pemesanan pengecer yang berbeda dalam tugas yang akan ditangani
baik secara individu atau dengan membentuk koalisi:
- Strategi yang berdiri sendiri : setiap pengecer bertindak secara individual untuk
meminta pesanannya dari pemasok. Dalam kasus seperti itu, pemasok j akan
merealisasikan volume penjualan:
Jual = (500 47.5 + 400 48 + 400 48) = 62.150 DT [2.5]

karena jumlah yang dipesan dari setiap pengecer termasuk dalam urutan
kedua dari fungsi pembelian;
- Strategi kolaboratif: pengecer memiliki kemungkinan untuk bergabung
dengan pesanan mereka untuk mendapatkan keuntungan dari diskon yang
diusulkan oleh pemasok. Akibatnya, volume penjualan menurut kemungkinan
struktur koalisi adalah sebagai berikut:
- {1,2}; {3}: Jual = (900 45,5 + 400 48) = 60.150DT,
- {1,3}; {3}: Jual = (900 45,5 + 400 48) = 60.150DT,
- {2,3}; {1}: Menjual = (800 46 + 500 47.5) = 60.550DT,

- {1,2,3}: Menjual = (1300 43,5) = 56,550DT.
Pada bagian berikut, kami merinci semua aktivitas yang disajikan pada Gambar 2.1.
2.3. Kegiatan utama dalam rantai pasokan
2.3.1. Masalah pemesanan
Pemesanan barang adalah aktivitas yang melibatkan satu set pengecer

dan satu set pemasok. Ini umumnya diberi label sebagai masalah pemesanan
(n, m) yang, tergantung pada jumlah pemasok, dapat memerlukan langkah
pemilihan pemasok. Berdasarkan dekomposisi yang dilaporkan pada Tabel
2.1, ciri-ciri utama yang dapat menentukan struktur masalah tatanan adalah:
1) Kardinalitas himpunan pengecer 1 atau n [2 kemungkinan]
2) Kardinalitas himpunan pemasok 1 atau m [2 kemungkinan]
3) Kebijakan harga pembelian yang bisa diperbaiki [2 kemungkinan]
kuantitas tergantung

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.
Harga / cardianlity (1, 1) (n, 1) (1, m) (n, m)

Tetap - Peluncuran pesanan- Peluncuran pesanan- Pemilihan pemasok - Pemilihan pemasok
- Peluncuran pesanan- Peluncuran pesan

Kuantitas - Peluncuran pesanan - Kolaborasi - Pemilihan pemasok - Pemilihan pemasok

tergantung - Kolaborasi
- Peluncuran pesan

Tabel 2.1. Varian utama dari masalah pemesanan
2.3.2. Masalah pergudangan
Salah satu tantangan utama pengecer di SC adalah penyimpanan barang pesanan

di gudang yang tersedia yang dapat digunakan baik secara individu atau dengan
berbagi biaya penyimpanan. Kami menunjukkan dua kelas utama masalah
pergudangan (Gambar 2.2):
- masalah biaya pergudangan dengan
biaya variabel;
- masalah biaya pergudangan tetap.
Masalah biaya pergudangan tetap
Masalah biaya pergudangan variabel
Sebuah) b)
Gambar 2.2. Kelas utama masalah pergudangan
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.
Gambar 2.3. Ilustrasi masalah pergudangan
2.3.4. Masalah persediaan
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
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.
Namun, masalah inventaris bukan satu-satunya masalah kritis yang

mempengaruhi kinerja SC. Manajemen logistik internal dalam setiap node SC (yaitu
manajemen gudang di pusat distribusi) juga mempengaruhi kinerja SC. Organisasi
yang benar dari semua proses dan aktivitas logistik yang berlangsung dalam simpul
SC (yaitu kemampuan menggunakan sistem penanganan material secara efisien,
perencanaan jendela waktu untuk pemasok / pengecer, operasi bongkar / muat, dll.)
Dapat berdampak luar biasa pada memproses baik upstream dan downstream dari SC
dan pada biaya internal node SC.
Sistem manajemen inventaris di setiap node SC harus mengatasi tiga

masalah berikut:
1) meninjau status stok;
2) menentukan waktu yang tepat untuk memesan produk baru;
3) Hitung kuantitas yang akan dipesan.
2.3.5. Aplikasi ilmu komputer dalam manajemen rantai pasokan
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:
1) Implementasi DSS untuk menangani aktivitas SC: desain platform elektronik

yang cepat kurang dapat diandalkan dalam hal keahlian dan keterampilan individu
untuk pengambil keputusan (DM). Faktanya, DM sedang mencari antarmuka
sederhana yang dapat dengan mudah dan cepat dikelola untuk memberikan deicsions
yang sesuai. Lebih lanjut, DM diperbolehkan untuk melakukan analisis strategis
dengan melihat informasi yang tersedia dalam cara statistik untuk menentukan biaya
minimal, maksimal dan rata-rata yang dikeluarkan oleh perusahaan per periode waktu
dan menilai tingkat layanan dan biaya. Gambar 2.4 mengilustrasikan penggunaan DSS
oleh manajer perusahaan untuk membuat keputusan strategis terkait dengan
pemesanan dan pengiriman item [KRI 14b]
Gambar 2.4. DSS untuk aktivitas SC: pemesanan dan pengiriman
2) Komputasi awan untuk penyimpanan informasi SC di mesin virtual:

mengingat volume data yang besar, dan untuk alasan keamanan, sangat
disarankan untuk menggunakan komputasi awan untuk memastikan bahwa
informasi SC aman dan andal.
3) Analitik data besar: perusahaan di SC mencoba mengadopsi alat yang
hemat biaya untuk membuat keputusan yang tepat selama bertahan di pasar.
Studi semacam itu membahas situasi ad hoc dan spesifik. Mereka juga
mencoba melakukan alat terbaru yang mengelola pengambilan keputusan
sehari-hari serta keputusan sensitif. Untuk tujuan ini, pemrosesan data dalam
jumlah besar, yang disimpan selama beberapa tahun terakhir, dengan cepat
mencapai batasnya. Oleh karena itu, manajemen big data sangat membantu
untuk proses pengambilan keputusan yang berkelanjutan dan efisien .
2.4. Tingkat keputusan dalam rantai pasokan
Dalam SCM, keputusan dapat diklasifikasikan menjadi tiga tingkatan: tingkat

strategis, taktis dan operasional. Setiap tingkat dibedakan berdasarkan periode waktu
pengambilan keputusan, dan perincian keputusan selama periode tersebut.
2.4.1. Tingkat strategis
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.
2.4.2. Tingkat taktis
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.
2.4.3. Tingkat operasional
Akhirnya, tingkat keputusan operasional membahas masalah-masalah seperti

inventaris
penyebaran, penjadwalan terperinci dan pengiriman harian. Tingkat yang
disebut "manajemen aliran" relatif terhadap keputusan waktu yang singkat,
seperti keputusan peluncuran produksi, pemesanan, dan transportasi pesanan.
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:
(F ixed biaya pemesanan, U biaya nit purshasing, R etailer s deman d,

a/aj p/pj d/di

U nit biaya penyimpanan)

h/hi
Satu pengecer Banyak pengecer

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
Tabel 3.1. Masalah pemesanan alternatif dengan hormat

ke taksonomi rantai pasokan
3.2. Terminologi
Simbol berikut menunjukkan pintasan yang digunakan untuk masalah pemesanan:

EOQ Kuantitas pesanan ekonomi
TC Total biaya
PC Biaya pembelian
OC Biaya pemesanan
HC Biaya penyimpanan
dimana total biaya TC dinyatakan dalam biaya pembelian, biaya pemesanan

dan biaya penyimpanan, sebagai berikut:
TC = PC + OC + HC [3.1]
Kami merinci, di bagian berikut, setiap jenis masalah pengurutan dan

menyatakan proses pengurutan diikuti dengan persamaan yang sesuai.
3.3. Masalah pemesanan satu pemasok-satu pengecer
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
h: Biaya penyimpanan kesatuan

p: Biaya pembelian kesatuan
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
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 [3.3]

q2 2

Oleh karena itu, EOQnya adalah:

2da
q=

[3.4]
h

Akibatnya, jumlah periode optimal adalah:
d
m= [3.5]
q
3.3.1. Contoh dari masalah pemesanan satu-satu
Mari kita pertimbangkan masalah pemesanan yang melibatkan satu

pemasok dan satu pengecer. Data masukan dilaporkan di kolom pertama
Tabel 3.2.
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
The satu-satu masalah pemesanan dapat dinyatakan dalam bentuk langkah-langkah

dalam Algoritma 1.
Algoritma 1: Masalah satu-satu pemesanan

1. Input data
- Biaya pemesanan tetap: a
- Biaya pembelian: p
- Biaya penyimpanan: h
- Jumlah total yang akan dipesan: d
2. Proses pemesanan
1) Hitung EOQ
3. Keluaran data
- q ∗ : jumlah optimal untuk dipesan pada setiap periode
- m ∗ : jumlah pesanan optimal
3.4. Masalah pemesanan satu pemasok-banyak pengecer
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.
Gambar 3.2. Struktur rantai pasokan

3.4.1. Harga pembelian tetap
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
3.4.2. Contoh dari 1 n masalah pemesanan

Mari kita pertimbangkan masalah pemesanan yang melibatkan satu
pemasok dan n = 3 pengecer. Data masukan dilaporkan di kolom pertama
Tabel 3.3.
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

Tabel 3.3. Input / output untuk (1, 3) -ordering masalah
Langkah pertama terdiri dari menghitung EOQ setiap pengecer saat ia

bertindak secara individual. Karena tidak ada biaya pembelian tetap, pengecer
lebih memilih posisi berdiri sendiri .
Jika a = 0, pengecer tergoda untuk membentuk koalisi untuk membagi
biaya pemesanan tetap a.
3.4.3. Harga pembelian yang bergantung pada kuantitas
Kebijakan alternatif pemasok dapat menggambarkan harga yang dinyatakan

dalam kuantitas yang akan dipesan. Strategi penetapan harga ini diekspresikan
sebagai berikut: sehubungan dengan persamaan [2.3], pemasok menawarkan
kesempatan untuk mendapatkan keuntungan dari penurunan harga jika kuantitas yang
dipesan melebihi ambang batas yang ditetapkan sebelumnya yang disebut kuantitas.
Gambar 3.3. Rantai pasokan dengan satu pemasok dan beberapa pengecer
3.5. Masalah pemesanan banyak pemasok - satu pengecer
Varian pemesanan ini, yang melibatkan satu pengecer yang mencoba

memesan dari satu di antara sekumpulan pemasok, melibatkan dua langkah
utama yang telah disebutkan dalam Tabel 3.1:
1) Pemilihan pemasok: pengecer pertama-tama harus membuat analisis
komparatif antara total biaya semua pemasok tergantung pada kuantitas yang
akan dipesan dan harga yang mendarat, jika ada. Langkah ini secara alternatif
dinyatakan sebagai berikut, mengingat permintaan pengecer d:
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
2) Perhitungan EOQ: setelah pemasok yang sesuai dipilih, seluruh

kuantitas yang akan dipesan d harus dibagi menjadi porsi yang sama secara
bertahap sepanjang periode waktu. Berikut adalah dua persamaan yang terkait
dengan perhitungan EOQ:
Permintaan per Jumlah periode

periode
m=d
q∗
2da
q=
h
Algoritma 2: Masalah pengurutan multi-satu

1. Input data
- Jumlah pemasok: m
- Biaya pembelian: p 1 ,. . . , hal m
- Biaya pemesanan tetap: a
- Biaya penyimpanan: h
- Jumlah total yang akan dipesan: d
2. Proses pemesanan
1) Pilih pemasok yang paling hemat biaya
2) Hitung EOQ
3. Keluaran data
- j: pemasok terpilih
- q ∗ : jumlah optimal untuk dipesan pada setiap periode
- m ∗ : jumlah pesanan optimal

3.6. Masalah pemesanan banyak pemasok - banyak pengecer
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.
1) Skenario yang berdiri sendiri

Berikut ini adalah desain pemodelan operasi yang berdiri sendiri .
- Komputasi EOQ individual: Untuk setiap perusahaan i, EOQ q i i yang
terkait dengan permintaan individualnya d i dihitung, sehingga menghasilkan
jumlah periode optimal m i , menggunakan persamaan berikut:
Kuantitas optimal Jumlah periode
q = 2d i a i m = di
saya hi saya q ∗
saya
Vektor berikut adalah output untuk pemilihan pemasok yang terkait dengan setiap
perusahaan:
I ndividual EOQ = [(q 1 , m 1 ), (q 2 , m 2 ),. . . , (q n , m n )] [3.8]

F irm 1 F irm 2 F irm n

- Pemilihan pemasok: Setiap perusahaan diminta untuk memilih, dari

sekumpulan pemasok, yang sesuai bergantung pada:
- harga pemesanan yang ditawarkan oleh masing-masing pemasok j (j = 1,.., m);
- kuantitas yang akan dipesan oleh perusahaan i (i = 1,.., n).
Berdasarkan dua komponen ini, masalah pemesanan dapat dilihat sebagai

pengoptimalan biaya pemesanan setiap perusahaan i sambil memenuhi
beberapa kendala struktural. Karenanya, setiap perusahaan i harus
meminimalkan pembagian biaya totalnya menjadi biaya pemesanan efektif
dan biaya pemilihan pemasok.
Dengan data masalah berikut, kami dapat dengan jelas memodelkan
masalah pemilihan pemasok mn sebagai berikut:
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
Tabel 3.4. Input / output dari masalah pemesanan m - n
UNTUK SETIAP PERUSAHAAN i = 1 ,. . . , n
TUJUAN Meminimalkan total biaya perusahaan i

S. t.
KENDALA
- Jumlah total yang akan dipesan ≤ permintaan perusahaan i
- Perusahaan saya harus memilih hanya satu pemasok
Spesifikasi di atas dinyatakan secara matematis sebagai berikut:

m T m
M dalam z
(x) = St j=1 t = 1 p j q itu y j + j=1s jy j
m∗ i
qy j d i [3.9]
t = 1 im
j=1y j= 1
y j {0, 1}
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 )
CS 2 = {K oalisi 1 ,. . . , K oalisi k 2 } C ost (CS 2 )

..

.
CS h = {K oalisi 1 ,. . . , K oalisi k h } C ost (CS h )

CS = {K oalisi 1 ,. . . , K oalisi k ∗ } K ost (CS)
dimana C ost (CS) sesuai dengan biaya minimum, yaitu:
C ost (CS) = M dalam k C ost (CS k ) [3.10]

- Komputasi EOQ kolaboratif: Setelah CS struktur koalisi terbaik dihasilkan, kuantitas
yang akan dipesan untuk setiap koalisi dihitung. Dengan asumsi bahwa semua perusahaan
memiliki biaya pemesanan tetap a yang sama dan biaya kepemilikan unit yang sama h, EOQ
komputasi yang menghasilkan, untuk setiap k perusahaan:

- Q k : jumlah yang akan dipesan per periode;
- M k : jumlah periode yang sesuai;
diekspresikan dalam tuntutan koalisi sebagai berikut:
nb 1 2D 1 a D1
K oalisi 1 : D 1 = f=1d f Q1= h dan M 1 = Q∗
1
nb 2 2D 2 a D2
K oalisi 2 : D 2 = f=1d f Pertanyaan 2 = h dan M 2 = Q∗
.

2

.
.
nb k ∗ 2D k ∗ a Dk∗
K oalisi k ∗ : D k ∗ = f=1d f Q k∗ = h dan M k ∗ = Q∗
k∗
Vektor berikut adalah output untuk pemilihan pemasok yang terkait dengan masing-
masing
koalisi:

Kolaboratif EOQ = [(Q 1 , M 1 ), (Q 2 , M 2 ),. . . , (Q k ∗ , M k ∗ )] [3.11]

K oalisi 1 K oalisi 2 K oalisi k ∗

Algoritma 3: Masalah pemesanan m - n

1. Input data
- m: jumlah pemasok
- n: jumlah perusahaan
p
- c j : harga pemesanan setiap pemasok
2. Proses pemesanan
- Pemilihan pemasok: Penawaran setiap pemasok perusahaan bergantung pada

kuantitas yang dipesan
- Situasi berdiri sendiri : Hitung untuk setiap perusahaan biaya pemesanan individualnya
- Situasi koalisi: Pembentukan koalisi perusahaan untuk mengumpulkan

pesanan mereka guna menghemat biaya
- Untuk setiap perusahaan: Bandingkan biaya koalisi dan biaya yang berdiri sendiri
2. Keluaran data
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.
Gambar 4.1. Langkah utama dari masalah pergudangan
4.2. Deskripsi masalah
Mengingat sekumpulan perusahaan yang dicirikan oleh pesanannya dan

satu set gudang dengan kapasitas yang telah diketahui sebelumnya, masalah
pergudangan terdiri dari penyimpanan semua pesanan perusahaan di gudang
sedemikian rupa untuk meminimalkan biaya penyimpanan. Banyak varian dari
masalah pergudangan yang diminati tergantung pada biaya yang akan
dikeluarkan oleh perusahaan, sebagai berikut:
- masalah biaya pergudangan variabel: dalam hal ini setiap pesanan, yang
dicirikan oleh beratnya, memiliki biaya yang bergantung pada gudang;
- Masalah biaya pergudangan tetap: yang membutuhkan biaya untuk setiap gudang
yang disewa.
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
- konflik antar barang: beberapa pasang barang tidak boleh disimpan di

gudang yang sama. Ini karena beberapa fitur tidak kompatibel.
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.
WP biaya variabel WP biaya tetap
- Matriks biaya - Matriks biaya

c 11 c 12 . . . c 1k

c 11 c 12 . . . c 1k
C (nk) =. C (1 k) = (c 1 , c 2 ,.., C k )
. ..

. .
c n1 c n2 . . . c nk

- Fungsi objektif - Fungsi objektif

n k k
M dalam z (x) = i = 1 j = 1 c ij x ij M dalam z (x) = j=1c jy j

- Variabel keputusan 1 jika bin kis digunakan x ik = 1 jika item i diberikan

y k=
0 sebaliknya 0 ke bin k sebaliknya
Untuk semua konfigurasi WP, outputnya adalah matriks konfigurasi penyimpanan x

(nm)yang menyatakan penempatan x ij dari orde i di gudang j yang dinyatakan sebagai
berikut:
x 11 x 12 . . . x 1m

x 21 x 22 . . . x 2m
x=

..

. . [4.1]
. .

n
jika i = 1 x ij 1, j = 1,. . . , saya j =1

Persamaan [4.1] menampilkan penempatan seluruh himpunan n item di m

gudang, mengetahui bahwa proses optimasi mencoba menggunakan jumlah
minimum gudang dalam arti bahwa total biaya diminimalkan. Faktanya, variabel
keputusan adalah y j , yang menunjukkan apakah gudang j digunakan atau
tidak. Dalam kasus seperti itu, jika suatu barang ditempatkan di gudang,
gudang yang sesuai harus diberi label sebagai bekas. Ini secara matematis
diekspresikan oleh y j = 1.
4.2.2. Input / output dari WP
Input dan output WP dilaporkan dalam tabel berikut.
Masukan Keluaran
1 jika gudang digunakan

n: jumlah perusahaan yj=
0 jika tidak
k: jumlah gudang

W j kapasitas gudang j w i : bobot pesanan perusahaan i
1 jika permintaan pelanggan ditetapkan

x ik =
0 ke gudang k jika tidak
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.
Menurut Tabel 4.1, empat konfigurasi pergudangan yang menarik. Kami

merinci apa yang mengikuti fitur utama dari setiap konfigurasi masalah:
- 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.
Harga bervariasi Biaya tetap
Min. Var. biaya Min. Memperbaiki. biaya

Tanpa konflik St - Tugas konstruksi. St - Tugas konstruksi.
- Kendala kapasitas. - Kendala kapasitas.
Min. Var. biaya Min. Memperbaiki. biaya

St - Tugas konstruksi. St - Tugas konstruksi.
Dengan konflik
- Kendala kapasitas. - Kendala kapasitas.
- Kon constr ik konstr. - Kon constr ik konstr.
Tabel 4.1. Konfigurasi masalah pergudangan

dalam hal biaya dan konflik item
- WP dengan biaya tetap / tanpa konflik: fungsi biaya yang akan

diminimalkan dapat dilihat dari sudut pandang alternatif yang mengasumsikan
biaya pergudangan tetap untuk setiap gudang, setelah digunakan untuk
aktivitas penyimpanan. Sehubungan dengan asumsi tersebut, fungsi tujuan
harus dimodelkan dalam kaitannya dengan gudang yang digunakan dan biaya
konsekuensinya.
- WP dengan biaya variabel / dengan konflik: versi WP ini mengasumsikan
variabilitas dalam fungsi biaya, yang mengarah ke penggunaan matriks C, dan
kemungkinan ketidaksesuaian antar item. Berdasarkan asumsi ini,
serangkaian kendala baru, yang memaksakan penyimpanan pesanan, dapat
muncul terkait ketidaksesuaian tersebut.
- WP dengan biaya tetap / dengan konflik: WP dapat dilihat sebagai penyimpanan
seluruh rangkaian item mengenai kemungkinan konflik selama proses penyimpanan
dan pertimbangan, dalam perhitungan fungsi biaya, dari biaya pergudangan tetap
yang dialokasikan untuk penggunaan masing-masing gudang. Model matematika,
yang dijelaskan di sisa bab ini, harus memperhitungkan pertimbangan tersebut.
Kami melanjutkan dengan penjelasan rinci tentang empat varian WP.
4.3. WP dengan biaya variabel / tanpa konflik
4.3.1. Rumusan matematika
Model matematika [4.6] sesuai dengan masalah biaya pergudangan

variabel dengan asumsi bahwa tidak ada konflik antara pesanan:
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

Rumusan matematis [4.6] mengacu pada optimalisasi biaya pergudangan

sambil memenuhi batasan struktural seperti yang dijelaskan selanjutnya:
- Fungsi tujuan: meminimalkan gudang dan pergudangan yang
bergantung pada pesanan
biaya.
- Batasan:
- persyaratan kapasitas;
- kendala penempatan.
4.3.2. Sebuah contoh
Mari kita pertimbangkan masalah pergudangan yang menangani satu set n

= 6 pesanan untuk disimpan di k = 4 gudang. Diasumsikan bahwa biaya
penyimpanan pesanan tergantung pada gudang yang dipilih. Oleh karena itu,
matriks biaya C yang melaporkan biaya unit yang terkait dengan pesanan i dan
pergudangan j berukuran (6 4):
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
Oleh karena itu, input / output WP dinyatakan sebagai berikut:
Masukan Keluaran

1 jika gudang j digunakan

n=6 y j (j = 1, ..., 4) = 0 jika tidak
k=4

1 jika pesanan dari perusahaan i
x
(w 1 , w 2 , w 3 , w 4 , w 5 , w 6 ) = (50, 80, 35, 60, 50, 45) ik (i = 1 ..., 6, j = 1, ... 4) = ditugaskan ke
0 gudang k sebaliknya
(W 1 , W 2 , W 3 , W 4 ) = (100, 150, 120, 200)

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
Pengoptimal mengeluarkan solusi optimal berikut x:
Output dari Pengoptimal Detail solusi z (x) = 23
4.4. WP dengan biaya tetap / tanpa konflik
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.
Model matematis yang terkait dengan masalah biaya pergudangan tetap

dinyatakan dalam masalah optimasi [4.3]:
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

Mari kita pertimbangkan masalah pergudangan yang menangani n = 6

perusahaan dan k = 4 gudang, seperti yang dinyatakan dalam contoh
sebelumnya. Kami berasumsi bahwa biaya tetap diberikan ke gudang.
Masukan Keluaran


n=6 y j (j = 1, ..., 4) = 0 sebaliknya

k=4

C (1, ..., 4) = (700, 1000, 1500, 800)
1 jika urutan perusahaan i

(w 1 , w 2 , w 3 , w 4 , w 5 , w 6 ) = x ik (i = 1 ..., 6, j = 1, ... 4) = ditempatkan di gudang k
(50, 80, 35, 60, 50, 45) 0 sebaliknya

(W 1 , W 2 , W 3 , W 4 ) = (100, 150, 120, 200)

M dalam z (x) = 700y 1 + 1000y 2 + 1500y 3 + 800y 4

St
50x 11 + 80x 21 + 35x 31 + 60x 41 + 50x 51 +

45x 61 100y 1
50x 12 + 80x 22 + 35x 32 + 60x 42 + 50x 52 +
4 45x 62 150y 2
M dalam z (x) = cjyj
j=1
St 50x 13 + 80x 23 + 35x 33 + 60x 43 + 50x 53 +

6
w j x ij W j y j , j = 1,. . . , 4 45x 63 120y 3
i=1
4 50x 14 + 80x 24 + 35x 34 + 60x 44 + 50x 54 +
j=1 x ij = 1 , i = 1 ,. . . , 6
45x 64 200y 4
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
46 Manajemen Rantai Suplai dan Aplikasinya dalam Ilmu Komputer
Rincian solusi optimal, yang dihasilkan oleh pengoptimal, adalah sebagai berikut:
z (x ∗ ) = 1800
(y 1 , y 2 , y 3 , y 4 ) = (0, 1, 0, 1) 2 gudang digunakan

0 0 0 0 0 2 0 4
1 3 5 6
Rumah 1 W are rumah 2 Gudang 3 W arehouse 4
4.5. WP dengan biaya variabel / dengan konflik
Dalam banyak situasi, mitra di SC tergoda untuk meminimalkan biaya penyimpanan

mereka sambil mempertimbangkan konflik antara pasangan item dalam proses pergudangan.
Sejumlah barang yang telah ditentukan sebelumnya, dengan berat berbeda, harus disimpan
dalam satu set gudang dengan kapasitas tetap. Tujuan dari perusahaan yang terlibat adalah
untuk meminimalkan jumlah nampan yang digunakan dengan tetap memperhatikan batasan
ketidakcocokan dalam penyimpanan beberapa pasang item. Masalah ini dimodelkan dengan
tepat seperti yang ditunjukkan pada Tabel
4.1. Faktanya, beberapa kategori item yang dianggap tidak sesuai dan tidak dapat
disimpan bersama di gudang yang sama. Kami memodelkan konflik ini dengan fakta
bahwa jika dua pesanan berada dalam konflik, paling banyak salah satu variabel
keputusan penempatan yang sesuai harus mengambil 1. Persyaratan ini dimodelkan
sebagai berikut:
jika orde a dan b berkonflik x aj + x bj 1, j = 1 ,. . . , k [4.4]
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.
Mari kita pertimbangkan selanjutnya formulasi WP alternatif yang mengasumsikan

biaya variabel dan kemungkinan ketidakcocokan pesanan antara pasangan pesanan.
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


- Fungsi tujuan: meminimalkan gudang dan pergudangan yang
bergantung pada pesanan
biaya.
- Batasan:
- kendala pesanan yang bertentangan;
Mari kita pertimbangkan masalah pergudangan yang menangani satu set n = 6

pesanan untuk disimpan di k = 4 gudang. Diasumsikan bahwa biaya penyimpanan
pesanan tergantung pada gudang yang dipilih. Oleh karena itu, matriks biaya C
melaporkan biaya unit yang terkait
pesanan i dan pergudangan j berukuran (6 4):

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


n=6 y j (j = 1, ..., 4) = 0 sebaliknya

k=4


(w 1 , w 2 , w 3 , w 4 , w 5 , w 6 ) = x ik (i = 1 ..., 6, j = 1, ... 4) = ditempatkan di gudang j
(50, 80, 35, 60, 50, 45) 0 sebaliknya

(W 1 , W 2 , W 3 , W 4 ) = (100, 150, 120, 200)

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

Matriks konflik yang disajikan pada input / output di atas memunculkan

tiga pasang pesanan yang saling bertentangan, yang diberi nomor dari 1
sampai 3, sebagai berikut:
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
M dalam 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

50x 12 + 80x 22 + 35x 32 + 60x 42 + 50x 52 + 45x 62 150
- Persyaratan kapasitas
50x 13 + 80x 23 + 35x 33 + 60x 43 + 50x 53 + 45x 63 120
50x 14 + 80x 24 + 35x 34 + 60x 44 + 50x 54 + 45x 64 200

x 11 + x 41 1
x 12 + x 42 1
- Konflik 1 dan 4
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
x 31 + x 51 1
x 32 + x 52 1
- Konflik 3 dan 5
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 x 31
- Batasan penempatan + 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
Pengoptimal mengeluarkan solusi optimal berikut x:
z (x ∗ ) = 29


0 10 5 03 0 20 6 014

4.6. WP dengan biaya tetap / dengan konflik
Kami mengembangkan apa yang mengikuti varian WP keempat yang

mengasumsikan biaya tetap untuk sewa gudang [BEN 15].
WP dengan n = 6 item dan k = 4 dipertimbangkan kembali dengan tujuan untuk

meminimalkan biaya total yang dinyatakan dalam biaya pergudangan tetap yang
hanya bergantung pada biaya sewa gudang. Selain itu, konflik antara 3 pasang
pesanan diasumsikan. Model matematika berikut membahas varian WP seperti itu:
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


- Fungsi tujuan: meminimalkan biaya yang bergantung pada gudang .
- Batasan:
- kendala pesanan yang bertentangan;
Kami mempertimbangkan kembali WP yang menangani satu set n = 6 pesanan untuk

disimpan
k = 4 gudang. Diasumsikan bahwa biaya penyimpanan pesanan tergantung pada
gudang yang dipilih. Oleh karena itu, matriks biaya C melaporkan biaya yang berkaitan
dengan gudang j adalah
berukuran (1 4):
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

1 jika gudang digunakan

n=6 y j (j = 1, ..., 4) = 0 sebaliknya

k=4

C (1, ..., 4) = (700, 1000, 1500, 800)

(w 1 , w 2 , w 3 , w 4 , w 5 , w 6 ) = x ik (i = 1 ..., 6, j = 1, ... 4) = ditempatkan di gudang j
(50, 80, 35, 60, 50, 45) 0 sebaliknya

(W 1 , W 2 , W 3 , W 4 ) = (100, 150, 120, 200)

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}
Oleh karena itu, perhitungan rumus matematika berikut untuk WP dengan

biaya tetap dan konflik antara tiga pasang pesanan:
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
M dalam z (x) = 700y 1 + 1000y 2 + 1500y 3 + 800y 4
St
50x 11 + 80x 21 + 35x 31 + 60x 41 + 50x 51 + 45x 61 100y 1

50x 12 + 80x 22 + 35x 32 + 60x 42 + 50x 52 + 45x 62 150y 2
- Persyaratan kapasitas
50x 13 + 80x 23 + 35x 33 + 60x 43 + 50x 53 + 45x 63 120y 3
50x 14 + 80x 24 + 35x 34 + 60x 44 + 50x 54 + 45x 64 200y 4

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
Rincian solusi optimal, yang dihasilkan oleh pengoptimal, adalah sebagai berikut:
z (x ∗ ) = 1800

0 10 3 0 6 0 20 40 5

4.7. Desain DSS untuk masalah pergudangan
Karena pengoptimalan biaya pergudangan merupakan komponen yang relevan

untuk keberlanjutan SC, kami memilih Sistem Pendukung Keputusan (DSS) untuk
menyelesaikan masalah penyimpanan dengan ukuran yang berbeda. Faktanya,
penerapan alat pengoptimalan di dalam masalah penyimpanan mahal karena struktur
kompleks pengoptimal yang terlibat dan kebutuhannya dalam hal persyaratan
penerapan.
DSS dimulai dengan ekstraksi data penyimpanan dari database rantai

pasokan. Gambar 4.2 menunjukkan screenshot dari DSS yang berhubungan
dengan entri data termasuk jumlah item, item yang bertentangan dan fitur
nampan. Data penyimpanan dan informasi pengemasan tersebut merupakan
masukan untuk langkah resolusi. Alat pengoptimalan yang digunakan dalam
langkah resolusi dapat dilakukan dengan CPLEX atau Iterated Local Search
(ILS), bergantung pada ukuran masalahnya, seperti yang dilaporkan pada
Gambar 4.2. Investigasi menyeluruh dari solusi yang dihasilkan dalam hal
jumlah iterasi dan waktu pemrosesan menggambarkan seberapa baik bagian
pengoptimalan beroperasi. DSS mengeluarkan solusi untuk divisualisasikan
kemudian dalam format grafik.
Mengenai Gambar 4.2, tiga tangkapan layar dilaporkan:

a) input data dimasukkan ke dalam platform untuk mendefinisikan fitur
item sebagai biaya dan bobot, dan kapasitas gudang;
b) pendekatan solusi dipilih sebagai pengoptimal cplex atau contoh
benchmark dari daftar masalah pergudangan;
c) parameter lain disesuaikan pada tangkapan layar ketiga sebagai algoritme yang
menentukan solusi awal dan kriteria penghentian (jumlah iterasi atau waktu).
Sebuah) b) c)
Gambar 4.2. Antarmuka pergudangan DSS
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.
Data masukan dilaporkan sebagai berikut:
Masukan
Permintaan pengecer 1 d 1 = 5000
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:
CS 1 = {{1, 2}, {3}} dan CS 2 = {{1}, {2, 3}}
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
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
Akibatnya, jumlah periode optimal adalah:
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
2) Total biaya untuk setiap struktur koalisi adalah:

CS 1 = {{1, 2}, {3}}:
- EOQ: Misalkan D 1 dan D = 2 menjadi tuntutan koalisi pertama A = {1, 2}

dan B = {3}, masing-masing.
D 1 = d 1 + d 2 = 5000 + 3000 = 8000 dan D 2 = d 3 = 8000
Oleh karena itu, kuantitas dan frekuensi optimal adalah:

-Q = 2 8000 30 = 48000 = 219,08 dan m = 37
1 10

=
-Q = 2 8000 30 = 48000 = 219,08 dan m 37
2 10
37 + jam 219,08 = 162 205,4.

Untuk koalisi A, total biaya TC A = 20 8000 + 30 2
37 + jam 219,08 = 162 205,4.
Untuk koalisi B, total biaya TC B = 20 8000 + 30 2
Mari kita sekarang menghitung biaya individu pengecer terkait koalisi

Struktur CS 1 : TC 1 = TC A 5.000 = 162 205,4 5 = 101 378,375 TC 2 =
8000 8
TC A 3000 = 162 205,4 5 = 38 016.890625 TC 3 = TC B = 162 205,4
8000 8
3) CS 2 = {{1}, {2, 3}}:
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
Salah satu masalah yang menantang di SC adalah manajemen persediaan, yang

membutuhkan data dari tiga entitas utama SC, yaitu pemasok, pengecer dan
pelanggan. Ini dimulai dari studi mendalam tentang permintaan pelanggan untuk
mengharapkan jumlah pesanan yang sesuai sambil mempertimbangkan jumlah yang
ada dalam stok. Oleh karena itu, kami dapat menyimpulkan bahwa manajemen
persediaan menjadi masalah utama yang dapat ditangani dalam hal pemesanan,
pergudangan, dan biaya pengiriman. Faktanya, masalah persediaan di dalam SC
memainkan peran penting karena sangat mempengaruhi kinerja rantai pasokan. [LEE
92] menganggap pengendalian inventaris sebagai satu-satunya alat untuk melindungi
stabilitas rantai pasokan, ketahanan dan efisiensi dalam arti bahwa penghitungan
semua elemen yang dipesan adalah online dengan jumlah yang disimpan, permintaan
pelanggan dan biaya pengiriman. Mengenai semua komponen tersebut, masalah
inventaris berdampak positif pada keberlanjutan rantai pasokan. Berdasarkan konsep
tersebut, tujuan dari manajemen persediaan rantai pasokan adalah untuk memenuhi
permintaan pelanggan akhir sambil meningkatkan kualitas dan tingkat layanan serta
menurunkan biaya total. Sistem manajemen inventaris di setiap entitas rantai pasokan
(misalnya pemasok, perusahaan dan pelanggan) harus menanggapi tiga pertanyaan
berbeda:
- seberapa sering meninjau status stok;
- kapan memesan stok baru;
- berapa banyak stok yang akan dipesan.
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.
5.2. Definisi manajemen persediaan
Manajemen persediaan didefinisikan sebagai suatu sistem yang mengawasi aliran

persediaan dari pemasok ke pelanggan melalui satu set gudang perantara. Seperti
yang ditunjukkan oleh Gambar 5.1, manajemen inventaris adalah pengendalian tingkat
stok melalui kebijakan pemesanan dan penyimpanan yang bergantung pada
permintaan pelanggan dan produksi pemasok. Sebagai alternatif, ia menyimpan
catatan terperinci dari setiap inventaris baru atau yang dikembalikan di gudang. Ada
empat jenis inventaris:
- persediaan bahan baku yang digunakan untuk memisahkan pemasok dari proses
produksi;
- work-in-process yang digunakan untuk memisahkan tahapan proses produksi;
- Mengoperasikan persediaan yang digunakan untuk memenuhi kebutuhan
dan waktu beberapa perawatan dan peralatan;
- barang jadi karena permintaan pelanggan mungkin tidak diketahui atau
proses produksi tidak dapat merespon secepat yang diinginkan oleh
pelanggan.
Gambar 5.1. Sistem inventaris

Mengikuti jenis persediaan yang terakhir, tujuan utama dari manajemen
persediaan adalah untuk menangani persediaan persediaan berkenaan dengan
ketersediaan pemasok untuk memenuhi kebutuhan pelanggan dengan
penundaan yang sesuai dan untuk menghemat semua biaya yang
menyertainya.
Manajemen Inventaris 59
5.3. Tujuan inventaris
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.
Untuk setiap tujuan inventaris yang diproses, pengambilan keputusan yang

memengaruhi ukuran inventaris bergantung pada biaya inventaris berikut:
- biaya pemesanan yang mengacu pada biaya manajerial yang didedikasikan untuk
mempersiapkan pembelian pesanan. Biaya pemesanan mencakup semua detail, seperti
menghitung barang dan menghitung jumlah pesanan; Biaya yang terkait dengan biaya
pertukaran data bisnis antara entitas yang dioperasikan juga termasuk dalam biaya
pemesanan;
- Biaya penyimpanan termasuk biaya penyimpanan persediaan di gudang,
asuransi dan pajak. Faktanya, biaya tersebut mempengaruhi manajemen
persediaan dalam arti bahwa biaya penyimpanan yang tinggi cenderung
mendukung tingkat persediaan yang rendah dan pengisian ulang yang sering;
- kekurangan biaya termasuk biaya untuk mengisi penundaan atau
pembatalan permintaan tertentu. Ada trade-off antara stok tercatat untuk
memenuhi permintaan dan biaya akibat kehabisan stok dan pemesanan di
belakang.
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. Pemodelan inventaris
Pemodelan persediaan memberikan kebijakan operasi untuk memelihara

dan mengendalikan barang yang akan dipesan dan disimpan. Pemodelan
seperti itu bertanggung jawab untuk pemesanan dan penerimaan barang:
waktu penempatan pesanan dan melacak apa yang telah dipesan, berapa
banyak dan dari siapa. Ada beberapa tujuan manajemen inventaris:
- minimalisasi investasi persediaan;
- penentuan tingkat layanan pelanggan yang tepat;
- keseimbangan penawaran dan permintaan;

- minimalisasi biaya pengadaan dan biaya pembawa;
- pemeliharaan sistem kendali inventaris yang mutakhir .
5.4.1. Terminologi
Masalah persediaan dapat dinyatakan dalam data masukan dan keluaran:
Memasukan data: Data keluaran:

q jumlah yang dipesan TC total biaya
d permintaan tahunan EOQ kuantitas pesanan optimal
a biaya pemesanan tetap untuk setiap pesanan T waktu siklus pesanan
h biaya penyimpanan unit N jumlah pesanan
p biaya pembelian

dimana total biaya dinyatakan dalam biaya pemesanan, penyimpanan dan

produksi sebagai berikut:
TC = PC + OC + HC [5.1]
TC = pd + a d +h q [5.2]

q 2
PC
OC HC
5.4.2. Model kuantitas pesanan ekonomi
Masalah dalam manajemen inventaris adalah, ketika memesan persediaan, untuk

menentukan berapa jumlah produk yang akan dipesan. Banyak rumus dan algoritma telah
menangani masalah ini. Dari semua ini, rumus paling sederhana yang paling banyak
digunakan: rumus jumlah pesanan ekonomi (EOQ) atau Ukuran Lot. [HAD 63] mencakup
banyak asumsi EOQ.
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.
Gambar 5.2. Proses EOQ

Masalah EOQ dapat diringkas sebagai menentukan kuantitas pesanan q, yang
menyeimbangkan biaya pesanan a dan biaya penyimpanan h untuk meminimalkan
biaya total. Semakin besar q, semakin sedikit perusahaan akan memesan dan
semakin banyak yang dibelanjakan untuk penyimpanan. Seperti yang ditunjukkan oleh
Gambar 5.2, model EOQ dasar mengasumsikan bahwa pesanan untuk persediaan tiba
secara instan dan sekaligus. Kemudian, permintaan pelanggan sangat stabil.
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

Oleh karena itu, kuantitas pesanan ekonomi adalah:
2da
q = [5.4]
h
Jumlah pesanan optimal per tahun adalah:
d
T=
q [5.5]
Interval antar pesanan diasumsikan sebagai berikut:

q
T =
d [5.6]
5.4.3. Contoh
1) Misalkan:
d = permintaan tahunan = $ 2000
q = jumlah pesanan = 200 $
a = biaya pemesanan tetap = $ 20
h = biaya pergudangan per tahun per unit persediaan =

64 p = harga jual per unit = 30 $
Berikut persamaan [5.2], total biaya persediaan adalah:
2000 200
TC = 30 2000 + 20 + 64 = 66,600
200 2

Kuantitas pesanan ekonomi adalah sebagai berikut:
2 2000 20
q=
= 35,35

64
Interval pengubahan urutan yang optimal adalah:
35.35
T= = 0,017 tahun, 0,017 365 7 hari
2000
Makanya, perusahaan akan memesan setiap minggu.
2) Sebuah perusahaan memiliki 1.000 item A (yang dihitung setiap

minggu, yaitu 5 hari), 4.000 item B (dihitung setiap 40 hari), dan 8.000 item C
(dihitung setiap 100 hari). Berapa banyak item yang harus dihitung per hari?
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
Jumlah item yang akan dihitung: 380
3) Asumsikan Anda memiliki produk dengan parameter berikut:
Permintaan tahunan = 360 unit

Holding cost per tahun = 1.00 per unit
Biaya pesanan = 100 per pesanan
Apa EOQ untuk produk ini?
2 permintaan biaya pemesanan

EOQ =
biaya penyimpanan

2 360 100
= = 72000 = 286,33
1

Model EOQ mengasumsikan bahwa kuantitas nyata adalah layak. Jumlah

sebenarnya yang dipesan mungkin perlu berupa nilai bilangan bulat dan mungkin
dipengaruhi oleh kemasan atau karakteristik barang lainnya. Dalam soal berikut,
diasumsikan EOQ 268.
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
Dipesan kuantitas 268

N= = = 0,74 365 = 271,72
Permintaan 360
hari antar pesanan
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

6) Berdasarkan materi dari masalah 3 5, berapa biayanya jika permintaan sebenarnya

lebih tinggi dari yang diperkirakan (yaitu, 500 unit, bukan 360 unit), tetapi EOQ yang ditetapkan
dalam masalah 3 di atas digunakan? Berapa total biaya tahunan sebenarnya?

TC = Biaya pemesanan Permintaan
Kuantitas yang dipesan
Kuantitas yang dipesan
+ H biaya lama

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
Pengiriman dalam Rantai Pasokan
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:
- Pengiriman 1 [Pemasok - Perusahaan] Setelah pesanan diluncurkan ke pemasok,

strategi pengiriman harus dipelajari untuk penyimpanan pesanan di gudang
perusahaan. Oleh karena itu, mengingat lokasi gudang dan truk pemasok yang
tersedia, rencana pengiriman yang hemat biaya akan dihasilkan dengan tetap
memperhatikan batasan rute struktural. Gambar 6.1 melaporkan plot protokol
pengiriman antara pemasok dan gudang perusahaan, yang disebut sebagai
"Pengiriman 1", yang memungkinkan penyimpanan item yang dipesan.

Gambar 6.1. Proses pengiriman di SC
- Pengiriman 2 [Perusahaan - Pelanggan] Pesanan pelanggan yang sudah

disimpan di gudang akan dikirim ke pelanggan akhir sambil meminimalkan
total biaya pengiriman. Gambar 6.1 dengan jelas mengilustrasikan dua tingkat
SC yang terlibat dalam "Pengiriman 2" dan menunjukkan dampak dari
pengoptimalan rencana pengiriman yang berdampak besar pada jarak tempuh
dan truk yang digunakan untuk pengiriman, mengetahui bahwa jumlah
pelanggannya relatif besar.
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
Pengiriman dalam Rantai Suplai 67
parameter dan variabel keputusan. Bab ini ditutup dengan studi kasus
penyampaian ilustratif.
6.2. Proses pengiriman di SC
Pengiriman di SC terdiri dari menentukan:

- gudang yang merupakan sumber pengadaan untuk pesanan pelanggan;
- kumpulan pelanggan yang akan dilayani, lokasi dan permintaan mereka;
- satu set truk yang akan digunakan untuk pengiriman pesanan.
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
Gambar 6.2 menampilkan langkah-langkah utama proses pengiriman. Kami

merinci di bawah langkah-langkah utama yang harus diikuti, seperti yang
dilaporkan pada Gambar 6.2, untuk proses pengiriman penghematan biaya:
1) Menerima pesanan perusahaan dari pemasok: barang pesanan diterima

di gudang perusahaan untuk pengiriman terakhir ke pelanggan. Penugasan
gudang yang sesuai untuk penerimaan pesanan direncanakan sedemikian
rupa agar dapat menutup kumpulan pelanggan yang akan dilayani.
2) Tentukan lokasi gudang: ekstrak koordinat geografis dari gudang yang
dialamatkan. Posisi gudang merupakan bagian dari matriks jarak yang menjadi
input untuk menyelesaikan masalah pengiriman.
3) Buat daftar kumpulan pelanggan: pesanan dan lokasi: setelah kumpulan
pelanggan yang akan dilayani ditentukan, koordinat geografis mereka
kemudian diekstraksi dari jarak asli yang sudah dibuat menggunakan
koordinat geografis pelanggan. Ini dilakukan menggunakan Google Maps API
yang menghitung jarak Euclidean antara semua pasang simpul (kumpulan
pelanggan dan depot). Oleh karena itu, matriks jarak diekstraksi sebagai
berikut:
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
. . .
.
. .
Permintaan setiap pelanggan juga disediakan untuk memastikan bahwa

batas kapasitas truk dipatuhi.
4) Temukan jalur terbaik: tergantung pada ukuran masalah, masalah
pengiriman diselesaikan menggunakan:
- pengoptimal, seperti CPLEX, yang menghasilkan solusi optimal untuk
instans berukuran kecil;
- pendekatan perkiraan yang mendekati solusi optimal versus celah
yang sangat kecil. Kualitas solusi yang dihasilkan diukur dengan celah ini
dirumuskan seperti dalam persamaan [6.1].
Solusi pendekatan Solusi optimal
Gap = 100 [6.1]
Solusi perkiraan

6.3. Deskripsi masalah
Gambar 6.1 menampilkan skema dasar yang menunjukkan depot pusat

yang berisi semua pesanan pelanggan dan rencana perutean, yang
mengirimkan semua pesanan pelanggan, yang terdiri dari tiga jalur (digambar
dengan warna hijau, merah dan biru).
Pengiriman dalam Rantai Pasokan 69

Gambar 6.3. Proses pengiriman di SC. Untuk versi warna file
Figurnya, lihat www.iste.co.uk/krichen/supplychain.zip
CVRP dinyatakan sebagai graf terhubung G = (V, E) sehingga:

- V: adalah himpunan nilai jual dan depot;
- E: menyatakan jarak rute langsung antara setiap pasangan simpul yang terhubung.
Pengiriman pesanan, dirancang sebagai grafik terhubung, ditunjukkan pada Gambar

6.4,
6
i=1
derajat (i) 4+3+3+3+4+3
dimana | V | = 6 dan | E | = 2 = 2 = 10 tepi.
Gambar 6.4. Pemodelan grafik dari masalah pengiriman
6.3.1. Terminologi
Berikut simbol yang digunakan untuk perumusan matematika dari masalah

pengiriman:
- Parameter
n Jumlah total kendaraan

m Jumlah total pelanggan
V = {0,. . . , m} Himpunan simpul di mana 0 mengacu pada depot
E = {{i, j}: i, j ∈ V} Kumpulan tepi
wj Berat pesanan pelanggan j
c ij k Biaya perjalanan dari i ke j dengan kendaraan k
[w mnt k , w maks k ] Kisaran kapasitas bobot kendaraan k
[ h mnt k , d maks k ] Kisaran jarak yang dapat ditempuh kendaraan
- Variabel keputusan

y k = 1 jika kendaraan k digunakanx ij k = 1 jika rute {i, j} ditempuh dengan kendaraan k

0 sebaliknya 0 sebaliknya

6.3.2. Input / output pengiriman
Masukan dan keluaran DP dilaporkan selanjutnya:
Masukan Keluaran

1 jika truk j digunakan

n: jumlah pesanan pelanggan yj =
0 jika tidak
v: jumlah kendaraan W j
kapasitas kendaraan j
w i : berat pesanan pelanggan i
x ij k = 1 jika rute {i, j} ditempuh dengan kendaraan
0 sebaliknya
6.3.3. Varian pengiriman
Banyak varian perutean yang relevan dalam pengiriman pesanan

pelanggan, yaitu masalah perutean kendaraan berkapasitas (CVRP) [TLI 13]
yang mencoba untuk mencapai solusi paling hemat biaya sekaligus memenuhi
batasan perutean dan menghormati kapasitas truk. Varian perutean kedua
yang disebut masalah perutean kendaraan dengan jendela waktu (VRPTW)
([KRI 14b]) memperhitungkan, selain batasan perutean, batasan jendela waktu
yang diperlukan dari pelanggan untuk pengiriman pesanan yang diluncurkan.
6.4. Varian pertama: pengiriman dengan truk berkapasitas
Masalah pengiriman ini juga disebut CVRP terdiri dari menemukan rute biaya terendah
untuk sejumlah kendaraan heterogen yang menjadwalkan keberangkatan mereka dari satu
depot ke
Pengiriman dalam Rantai Pasokan 71
satu set nilai jual yang tersebar secara geografis. Setiap pelanggan memiliki
pesanan khusus untuk dikirimkan oleh salah satu kendaraan.
ROUTING KENDARAAN BERKAPASITASI MASALAH ROUTING KENDARAAN DENGAN
MASALAH JENDELA WAKTU
CVRP VRPTW
OBJEKTIF Minimalkan total biaya perjalanan Minimalkan total biaya pe
- Batasan perutean - Batasan perutean

KENDALA SISTEM
- Batas kapasitas truk - Persyaratan jendela waktu
6.4.1. Spesifikasi CVRP
Rumusan tekstual CVRP ditulis sebagai berikut:
M dalam total biaya perjalanan

St
- Setiap pelanggan dilayani oleh satu kendaraan
- Setiap rute dimulai dan berakhir di depot
- Kapasitas berat dan jarak masing-masing kendaraan harus diperhatikan
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.
6.4.2. Formulasi matematika CVRP
Berdasarkan asumsi yang disebutkan di atas dalam spesifikasi (bagian

6.5.1), rumusan matematis CVRP dengan kapasitas berat kendaraan ditulis
sebagai berikut [TLI 14]:
- Fungsi tujuan dari model pengiriman [6.2] mencoba untuk meminimalkan total
routing
biaya;
- batasan pertama [6.2] menyatakan bahwa setiap perjalanan harus
dimulai dan diakhiri di depot;
- rangkaian kendala kedua dalam model pengoptimalan [6.2] menjamin
bahwa setiap pelanggan dilayani oleh tepat satu kendaraan;
- persyaratan ketiga sesuai dengan persamaan kekekalan aliran yang
menjamin kontinuitas rute setiap kendaraan;
- penghapusan subtour disajikan oleh rangkaian kendala keempat;
- kapasitas maksimum kendaraan serta jarak tempuh termasuk dalam jangkauan yang
diizinkan, sebagaimana dilaporkan masing-masing dalam rangkaian model terakhir [6.2];
M dalam z (x) = n n v ckxk

i=1 j = 1 k=1 ij ij
St
v xk = 1 k = 1, ..., v

j=1 0j
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
6.5. Varian kedua: pengiriman dengan jendela waktu
Varian pengiriman kedua terdiri dari meminimalkan total biaya perutean

perjalanan sambil mengasumsikan bahwa jendela waktu untuk pengiriman
diberlakukan oleh pelanggan. Berdasarkan asumsi tersebut, batasan waktu
tambahan akan ditambahkan ke model perutean dasar.
6.5.1. Spesifikasi VRPTW
Oleh karena itu, rumusan tekstual dari masalah pengiriman dengan jendela
waktu ditulis sebagai berikut:
M dalam total biaya perjalanan

St
- setiap pelanggan dilayani oleh satu kendaraan;
- setiap rute dimulai dan berakhir di depot;
- setiap pesanan pelanggan harus dikirim dalam jangka waktu yang ditentukan;
- Kapasitas berat dan jarak setiap kendaraan harus dihargai.

Diberikan di sini adalah graf berarah lengkap G = (V, E) di mana
- V = {0, 1, ..., n} dari simpul;
- E = {(i, j) | i, j V, i = j} dari sisi yang menghubungkan pelanggan.
Dengan setiap pelanggan i dikaitkan dengan permintaan tetap d i (d i > 0) barang
yang akan dikirim dalam jendela waktu [e i , l i ] dan durasi layanan s i . Dengan setiap
sisi {i, j}
E dikaitkan dengan biaya c ij dan waktu tempuh t ij (c ij 0 dan t ij 0). Himpunan
truk yang tersedia dilambangkan dengan T = {1,2, ..., v} juga ditentukan dan
diikuti dengan kapasitas truk W, diasumsikan identik. Dalam versi masalah
pengiriman ini, jumlah kendaraan ditentukan sebelumnya dan setiap
pelanggan harus dilayani oleh satu kendaraan dalam satu jendela waktu.
6.5.2. Rumusan matematis dari VRPTW
Rumusan pemrograman matematis dapat 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;
- rangkaian kendala ketiga melindungi kendaraan;

- batasan keempat dan kelima memastikan bahwa setiap tur dimulai dan
berakhir di depot;
- batasan lainnya memastikan bahwa batasan kapasitas dan persyaratan
waktu dipatuhi.
6.6. Sebuah studi kasus nyata: kasus Tunisia
Mari kita pertimbangkan masalah pengiriman yang mencakup n = 9 pelanggan

untuk dipuaskan oleh k = 4 truk yang identik. Setiap kendaraan memiliki kapasitas
maksimal W = 1800.
Input / output dari masalah pengiriman

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
Matriks biaya C dilaporkan sebagai berikut:
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
Solusi optimal yang dihasilkan oleh pengoptimal CPLEX menggunakan dua

dari empat truk. Kemudian,
4

- truk bekas: (y 1 , y 2 , y 3 , y 4 ) = (1, 1, 0, 0) j=1y j= 2

- truk 1: D 37.22 c2 37.05 c1 37.45 c4 37.56 c5

- truk 2: D 37.43 c3 37.37 c6 37.23 c8 37.12 c7 37,58

c9
Solusi untukT ruck 1 Solusi untukT ruck 2
37.22 37.05 37.45 37.56 37.43 37.37 37.23 37.12 37.58

D −−−− → c 2 −−−− → c 1 −−−− → c 4 −−−− → c 5 D −−−− → c 3 −−−− → c 6 −−−− → c 8 −−−− → c7 −−−− → c 9
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
0200 400 m 0 200 400 m

Biaya perjalanan (T ruck 1 ) = 149,28 Biaya perjalanan (T ruck 2 ) = 186.73
z (x ∗ ) = 149,28 + 186,73 = 336,01
Gambar 6.5. Solusi pengiriman untuk truk 1 dan truk 2

6.7. Pendekatan resolusi alternatif untuk masalah pengiriman
6.7.1. Pendekatan pencarian tabu untuk memecahkan masalah pengiriman
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.
Pendekatan TS dilanjutkan secara berulang dengan penggunaan alternatif

lingkungan alternatif untuk mendiversifikasi pencarian dengan menjelajahi area
berbeda dari set yang layak. Semua parameter TS ditetapkan setelah
meta-tuning. Setelah solusi numerik dibuat, DSS beralih ke desain solusi kartografi
yang dengan jelas menggambarkan rencana perjalanan yang sebenarnya. Lokasi
pelanggan kemudian ditandai di area yang dituju dan jalur kendaraan disorot.
Algoritma 4: Algoritma pencarian tabu untuk proses pengiriman

1:
Membutuhkan: cmd ← daftar perintah, C ← kapasitas, LI ST T ← NU
LL, M atrix ← daftar jarak
2: Temukan solusi awal S 0 menggunakan algoritma berbasis serakah
∗ ∗
3: S ← S 0 , nb ← 0, c ← f (s 0 )
4: sementara T ime ≤ T max lakukan
5: s = tukar (s ∗ ) dan s tidak ada di LI
ST T jika (f (s) <c ∗ ) maka
6: s∗←s
7: f ∗ ← f (s)
8: Perbarui LISTT
9: s = penyisipan (s ∗ ) dan s tidak ada
di LI ST T jika (f (s) <c ∗ ) maka
10: s∗←s
11: f ∗ ← f (s)
12: Perbarui LISTT
13: akhir sementara
6.7.2. Algoritma genetik untuk memecahkan masalah pengiriman
Algoritma genetika (GAs) kemungkinan besar merupakan algoritma metaheuristik yang

paling banyak dikenal untuk memecahkan masalah optimasi NP- hard secara efisien , saat ini
menerima perhatian yang luar biasa di seluruh dunia. GA adalah prosedur komputer yang
menerapkan mekanisme seleksi alam dan genetika alam untuk membuat solusi berkembang
secara efisien. Konsep dasar GA diterapkan pada berbagai masalah optimasi kombinatorial.
Metaheuristik semacam itu adalah pendekatan iteratif berbasis populasi yang menangani
sekumpulan kromosom untuk menghasilkan keluaran, setelah sejumlah iterasi yang telah
ditentukan, solusi yang lebih baik sambil menerapkan operator genetik. Hasil eksperimen
pada contoh nyata telah menunjukkan kemampuan pendekatan semacam itu dalam
menghasilkan solusi yang kuat. Setiap kromosom memiliki nilai kesesuaian yang terkait
dengannya, dan sekumpulan kromosom yang paling cocok dari setiap generasi bertahan
hingga generasi berikutnya.
6.7.2.1. Pengkodean solusi

Sebuah solusi untuk masalah pengiriman dapat dimodelkan sebagai larik dimana
setiap posisinya
saya menginformasikan tentang pelanggan yang terlibat yang ditangani oleh
setiap kendaraan. Depo tersebut dilambangkan sebagai "0". Pengkodean
solusi adalah sebagai berikut:
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
(c) + (b) 0126901
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
Pada skema di atas, pelanggan 7 dan 5 dipilih untuk dimutasi. Pertukaran

kedua gen tersebut membuat pelanggan 5 dilayani oleh truk 1 dan pelanggan 7
dilayani oleh truk 2 .
Algoritma 5: Algoritma genetika untuk proses pengiriman

1: Hasilkan populasi individu dengan ukuran N: x 1 , x 2 ,. . ., x N (solusi
awal).
2: Hitung probabilitas kelangsungan hidup (kualitas atau
kebugaran) masing-masing individu: f (x 1 ), f (x 2 ) ,. . . , f
(x N ).
3: Periksa apakah kriteria penghentian tercapai. Jika ya, lanjutkan ke akhir.
4: Pilih sepasang individu untuk reproduksi (sesuai dengan peluang
bertahan hidup masing-masing individu).
5: Menurut probabilitas yang terkait dengan masing-masing operator
genetik, terapkan operator-operator ini.
6: Tempatkan individu yang diproduksi pada populasi baru.
7: Periksa apakah ukuran populasi baru sudah benar. Jika tidak, kembali ke langkah
4.
8: Gantikan populasi individu sebelumnya dengan yang baru.
9: Kembali ke langkah 2.
6.8. Desain DSS untuk masalah pengiriman
Karena pentingnya dalam kinerja SC dan pengaruh biaya, sangat

disarankan untuk menggunakan platform elektronik, yang dikenal sebagai
sistem pendukung keputusan (DSS), yang memfasilitasi pengiriman pesanan.
Selanjutnya, kami membahas DSS [FAI 14] dan [FAI 12] untuk pengiriman di SC.
ANTARMUKA 1 ANTARMUKA 2
Pengiriman dalam Rantai Suplai79
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
Masalah pengiriman di SC adalah masalah optimasi kombinatorial dan pemrograman

integer yang berusaha melayani sejumlah pelanggan dengan sejumlah kendaraan. Masalah
yang menantang ini, pertama kali diusulkan oleh Dantzig dan Ramser pada tahun 1959, terdiri
dari aliran keputusan strategis di dalam SC. Masalah pengiriman terdiri dari pengangkutan
barang ke beberapa pelanggan yang tersebar secara geografis menggunakan satu set
kendaraan yang beroperasi dari satu depot. Tujuan dari masalah pengiriman adalah untuk
melayani serangkaian pelanggan dengan tuntutan yang diketahui tentang rute

kendaraan berbiaya minimum yang berangkat dan berakhir di depot.
Masalahnya kemudian diekspresikan dalam variabel keputusan, parameter
untuk variabel tersebut dan batasan antara variabel tersebut. Karena masalah
pengiriman diketahui NP -hard, metode perkiraan bekerja dengan baik saat
menghasilkan solusi suboptimal yang menjanjikan dalam waktu komputasi
yang wajar. Di luar rumusan klasik ini, sejumlah varian telah dipelajari. Di
antara yang paling umum adalah capacitated VRP (CVRP), di mana setiap
pelanggan memiliki permintaan akan barang dan kendaraan berkapasitas
terbatas dan VRP dengan Time Windows (VRPTW), di mana setiap pelanggan
harus dikunjungi selama jangka waktu tertentu. Kami menjelajahi dua varian
pengiriman ini dan menyatakan model matematisnya.
Bibliografi
[ANS 12] A NSTREICHER K., “ Algoritma titik-interior untuk generalisasi linier

pemrograman dan pemusatan berbobot ”, Metode dan Perangkat Lunak Optimasi,
vol. 27, no. 4–5, hlm. 605-612, 2012.
[AUM 74] A U MANN R., D REZE J., “Permainan kooperatif dengan struktur koalisi”, Jurnal
Internasional Teori Permainan, Physica-Verlag, vol. 3, tidak. 4, hlm. 217–237, 1974.
[BEA 08] B E AL S., D URIEU J., S OLAL P., "Stabilitas koalisi berpandangan jauh ke depan di
TU-game", Ilmu Sosial Matematika, vol. 56, tidak. 3, hlm. 303–313, 2008.
[BEL 06] B ELMONTE M. - V., C ONEJO R., DE - LA C RU Z J. - L. P. et al., "Koalisi di antara
agen cerdas: kasus yang mudah ditangani", Intelijen Komputasi, vol. 22, tidak. 1,
hlm. 52–68, 2006.
[BEN 15] B E N J OUI DA S., O U NI A., K RICHEN S., "A Multi-start Tabu Search Based
Algorithm for Solving the Warehousing Problem with Con ict", Modeling,
Computation and Optimization in Information Systems and Ilmu Manajemen,
Penerbitan Internasional Springer, vol. 360, hlm. 117–128, 2015.
[BER 11] B ERMAN O., D REZNER Z., K R ASS D., "Masalah penutup koperasi diskrit", Jurnal Masyarakat Riset
Operasional, vol. 62, tidak. 11, hlm. 2002–2012, 2011.
[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
[LEE 92] L E E H. L., B MENYAKIT KE N C., "Mengelola inventaris rantai pasokan:

perangkap dan peluang", Tinjauan Manajemen Sloan, vol. 33, tidak. 3, hlm. 65–73,
1992.
[LEE 93] L E E H. L., B I LLING TO N C., “Manajemen material dalam rantai pasokan
terdesentralisasi”, Riset Operasi, vol. 41, tidak. 5, hlm. 835–847, September 1993.
[MAR 03] M A RINI M., C URRARINI S., Pendekatan sekuensial untuk fungsi karakteristik
dan inti dalam permainan dengan eksternalitas, makalah MPRA, Perpustakaan
Universitas Munich, Jerman, 2003.
[PAP 82] P A PA DIMITRIOU C.H. , S TEIGLITZ K., Optimasi Kombinatorial: Algoritma dan
Kompleksitas, Prentice-Hall, Inc., Upper Saddle River, NJ, 1982.
[SAN 99] S ANDHOLM T., L ARSON K., A NDERSSON M. et al., "Pembentukan struktur
koalisi dengan jaminan kasus terburuk", Intelijen Artiensial, vol. 111, tidak. 1–2,
hlm. 209– 238, 1999.
[SCH 12] S CH RO DL H., "Adopsi komputasi awan dalam solusi manajemen rantai pasokan:
Penilaian yang selaras dengan SCOR ", Teknologi dan Aplikasi Web, Catatan Kuliah dalam
Ilmu Komputer, Springer Berlin Heidelberg, vol. 7234, hlm. 233–244, 2012.
[SEN 00] S N S., S EN I., D UT TA PS., "Mencari struktur koalisi yang optimal", Prosiding
Konferensi Internasional ke-4 tentang Sistem Multiagen, IEEE, hal. 286-292, 2000.
[SHA 53] S HAPLEY L., "Nilai untuk permainan n-orang ", Kontribusi untuk Teori
Permainan, Princeton University Press, vol. 2, hlm. 307–317, 1953.
[SHA 71] S SELAMAT L., " Inti dari permainan cembung", Jurnal Internasional Teori
Permainan, Physica-Verlag, vol. 1, tidak. 1, hlm. 11–26, 1971.
[STE 68] S TEARNS R., “Skema transfer konvergen untuk permainan n-orang ”, Transaksi
dari American Mathematical Society, vol. 134, hlm. 449–459, 1968.
[TLI 13] T LILI T., K RICHEN S., F A IZ S., "Menuju sistem pendukung pengambilan
keputusan untuk masalah perutean kendaraan berkapasitas", Jurnal Internasional
Teknologi Sistem Pendukung Keputusan, vol. 5, tidak. 4, hlm. 21–33, 2013.
[TLI 14] T LILI T., K RICHEN S., F A Ï Z S., "Simulasi sistem pendukung keputusan berbasis anil
untuk masalah perutean", Konferensi Internasional IEEE 2014 tentang Sistem, Manusia,
dan Sibernetika, SMC 2014, San Diego, CA, hal. 2954–2958, 5–8 Oktober 2014.
[TSA 99] S AY A. A., "Kontrak fleksibilitas kuantitas dan insentif pemasok-pelanggan ",
Ilmu Manajemen, vol. 45, tidak. 10, 1999.
[WAN 04] W A NG G., H UA NG SH, D I SMUKES JP, " Pemilihan rantai pasokan
berdasarkan produk menggunakan metodologi
pengambilan keputusan multi-kriteria terintegrasi ", Jurnal Internasional Ekonomi
Produksi, vol. 91, tidak. 1, hlm. 1–15, 2004.
[WAN 14] W A NG X., T U RETKEN E., F LEURET F. dkk., Pelacakan Objek Berinteraksi
Secara Optimal Menggunakan Pemrograman Integer, Catatan Kuliah dalam Ilmu
Komputer, Springer International Publishing, vol. 8689, 2014.
[YAN 07] Y A NG J., L UO Z., “Mekanisme pembentukan koalisi dalam sistem
multi-agen berdasarkan algoritma genetika”, Komputasi Lunak Terapan, Elsevier
Science Publishers BV, vol. 7, tidak. 2, hlm. 561–568, Maret 2007.
Indeks
C, D, E O, P, Q
koalisi harga pembelian satu

formasi, 7–10, 12, 16, 34, kesempatan,
35 struktur, 7–10, 34, pengoptimalan 16-18
54–56 pembentukan modeling, 2–7, 38
struktur (CSG), 8 problem, 3–7, 12, 44, 75,
ilmu komputer, 21 76
keputusan terbatas, 2 masalah pemesanan, 18,
pemrograman linier 26, 36 banyak
berkelanjutan pemasok-banyak
(CLP), 5 pengecer, 32-35
permainan kooperatif, beberapa pemasok-satu
3, 7–9, 12 keputusan pengecer, 31, 32 satu
level, 13, 22–23 pemasok-banyak pengecer,
sistem pendukung (DSS), 53, 28–31 satu pemasok-satu
78 variabel, 2, 5–7, 39, 46, 67, pengecer, 26–28
70, 80 fungsi partisi, 8, 9
proses pengiriman di sc, 66-69 hasil, 7-12
kuantitas pesanan ekonomi divisi, 8, 12
(EOQ), 27, 55, vektor, 8,
60 10
alokasi proporsional, 11, 12
G, L, M, N harga tergantung kuantitas
, 16, 29
pemodelan teori
permainan, rumus 2, 7–11
S, T, U, W
Ukuran Lot, 60
kegiatan utama dalam rantai Alokasi nilai Shapley, 11,
pasokan, 18-22 pemrograman 12 konsep stabilitas, 9-12
integer campuran (MIP), 5 permainan superaditif, 9
kesetimbangan Nash, 9, 10 struktur rantai pasokan,
permainan non-kooperatif , 3, 7, 9 14, 29 taksonomi, 3, 26
permainan non-superadditif , 9, 10 keputusan tidak dibatasi, 2
masalah pergudangan
(WP), 28
Judul lain dari
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
K EMBELLEC Gérald, C HARTRON Ghislaine, S ALEH Imad

Sistem Pemberi Rekomendasi
M ATHIAN Hélène, S ANDERS Lena
Pendekatan Spasi-temporal : Objek Geografis dan Proses Perubahan
P LANTIN Jean-Christophe
Pemetaan Partisipatif
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
G AUSSIER Eric, Y VON François

Akses Informasi Tekstual
S TOCKINGER Peter
Arsip Audiovisual: Teks Digital dan Analisis Wacana
V ENTRE Daniel
Konflik Cyber
2011
B ANOS Arnaud, T HÉVENIN Thomas
Informasi Geografis dan Sistem Transportasi Perkotaan
D AUPHINÉ André
Geografi Fraktal
L EMBERGER Pirmin, M OREL Mederic

Mengelola Kompleksitas Sistem Informasi
S TOCKINGER Peter
Pengantar Arsip Audiovisual
S TOCKINGER Peter
Arsip Audiovisual Digital
V ENTRE Daniel
Perang Dunia Maya dan Perang Informasi
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
T HÉRIAULT Marius, DES R OSIERS François

Memodelkan Dinamika Perkotaan
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
M ANOUVRIER Bernard, L AURENT Ménard

Integrasi Aplikasi: EAI, B2B, BPM dan SOA
P APY Fabrice
Perpustakaan Digital
2007
D OBESCH Hartwig, D UMOLARD Pierre, D YRAS
Izabela Spasial Interpolasi untuk Data Iklim
S ANDERS Lena
Model dalam Analisis Spasial
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

SCM Dan Aplikasinya

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

SCM Dan Aplikasinya

Diunggah oleh

Hak Cipta:

Format Tersedia

Manajemen Rantai Pasokan dan nya

Aplikasi dalam Ilmu Komputer

Editor Seri Jean-Charles Pomerol

Manajemen rantai persediaan

ISTE Ltd John Wiley & Sons, Inc.

© ISTE Ltd 2016

Data Katalog dalam Publikasi British Library

Bab 1. Pendahuluan dalam Pengambilan Keputusan . . . . . . . . . . . . . . . 1

Bab 2. Pengantar Manajemen Rantai Pasokan . . . . . . . . . 13

vi Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer

2.3.2. Masalah pergudangan. . . . . . . . . . . . . . . . . . . . . .

Bab 3. Masalah Pemesanan . . . . . . . . . . . . . . . . . . . . . .

Bab 4. Masalah Pergudangan . . . . . . . . . . . . . . . . . . .

Bab 5. Manajemen Persediaan . . . . . . . . . . . . . .

Bab 6. Pengiriman dalam Rantai Pasokan . . . . . . .

1.1. Taksonomi masalah pengambilan keputusan . . . . . . . . . . . . . . . . . . . . . 3

1.1. Klasiﬁkasi makalah CF dalam istilah

CFP masalah pembentukan koalisi

Oleh karena itu, proses pengambilan keputusan diuraikan menjadi langkah-

2 Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer

3) Sistem terbuka: sistem yang terus menerus membutuhkan interaksi

Setelah proses pengambilan keputusan dideﬁnisikan dan ditentukan dengan jelas,

1.2. Masalah pengambilan keputusan

Masalah pengambilan keputusan adalah pemodelan kuantitatif dari situasi

Untuk pemodelan optimasi, dua kelas utama masalah

Pendahuluan dalam Pengambilan Keputusan 3

Gambar 1.1. Taksonomi pengambilan keputusan masalah

1.3. Pemodelan pengoptimalan masalah keputusan

4 Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer

Objektif M dalam / M kapak Z (x)

Gambar 1.2. Struktur masalah pengoptimalan

Kami mencantumkan di bawah simbol utama yang digunakan untuk mendeﬁnisikan

Dengan asumsi linieritas masalah pengoptimalan, pemodelan

Pendahuluan dalam Pengambilan Keputusan 5

Banyak varian dari formulasi ini dapat ditunjukkan:

1.3.2. Fitur masalah pengoptimalan

1.3.3. Contoh didaktik

Mari kita pertimbangkan masalah pengoptimalan berikut yang melibatkan

TUJUAN TUNGGAL MULTI-TUJUAN

E D = {(20, 0), (0, 14.285)}

Pendahuluan dalam Pengambilan Keputusan 7

Seperti disebutkan sebelumnya, resolusi dari masalah optimasi tujuan tunggal

1.4. Pemodelan teori permainan dari masalah keputusan

Di bawah ini kami mencantumkan simbol-simbol utama yang digunakan untuk

Permainan teoretis dapat dideﬁnisikan sebagai sekumpulan n pemain /

8 Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer

- alokasi (x 1, x 2, ..., x n ) secara individual rasional jika x i v (i) untuk semua i;

- stabilitas struktur koalisi diberikan jika saya S x i v (S).

1.4.2. Masalah pembentukan koalisi

CFP memodelkan banyak situasi di berbagai domain termasuk sistem

Ahli teori permainan memodelkan CFP sebagai permainan kooperatif

Pendahuluan dalam Pengambilan Keputusan 9

Permainan dengan eksternalitas mengasumsikan bahwa hasil dari sebuah

Game superaditif Game non-superadditif

PD [STE 68] [YAN 07]

Tabel 1.1. Klasiﬁkasi makalah CF dalam hal superadditivitas

Ketika permainan tidak superaditif, pendekatan yang diusulkan mencoba

PD ditujukan terutama untuk game superaditif. Berbagai konsep stabilitas

10 Manajemen Rantai Pasokan dan Aplikasinya dalam Ilmu Komputer

Vektor pembayaran x harus memenuhi konsep rasionalitas berikut. Untuk melakukannya,

3) Eﬁsiensi: vektor pembayaran yang eﬁsien x = (x 1 , .., x n ) untuk game

x i = maks υ (S) [1.6]

1.4.3. Konsep stabilitas